燃气轮机燃烧场热声振荡的测试研究进展
刘艳1,2,3, 杨小帆1,2, 熊燕1,2,3, 郭沐林1,3, 成泽牧1,2, 邵卫卫1,2, 徐祥1,2
1.中国科学院工程热物理研究所, 先进能源动力重点实验室, 北京 100190
2.中国科学院大学工程科学学院, 北京 100049
3.江苏海洋大学机械工程学院, 江苏 连云港 222005

作者简介: 刘 艳, 女, 1981年生, 中国科学院工程热物理研究所高级工程师 e-mail: liuyan@iet.cn

摘要

氢燃料燃气轮机是目前最具有前景的研究方向, 氢燃料特别是绿氢能源能够减少温室气体排放、 提高能源利用率, 但由于氢能燃烧化学反应速率较快、 燃烧速度高, 容易引发热声振荡现象。 热声振荡是声波与热释放在相位差小于90°时耦合作用的结果, 该现象会对燃气轮机造成疲劳损伤, 甚至损坏部件, 热声振荡的诱因包括火焰热释放波动、 声压脉动、 燃烧室内流场波动等, 对这些参量的耦合研究可加深对热声振荡的认识, 为预测热声振荡提供理论基础。 热声振荡研究涉及到的测试参量包括动态压力、 火焰热释放、 温度、 当量比、 速度, 对应的测试手段应具备高频测量的能力。 动态压力的测试手段主要包括压力传感器和麦克风, 由于压力的时域响应快, 动态特征明显, 是热声耦合作用的关键参量, 研究最为广泛。 火焰热释放主要使用OH*化学发光或者荧光信号来进行表征, 测试手段包括图像增强型高速相机(ICCD)、 光电倍增管(PMT)、 平面激光诱导荧光(PLIF)等。 温度测量除了常用的热电偶, 光学诊断技术有可调谐二极管激光吸收光谱(TDLAS)、 PLIF、 拉曼光谱(RS)等。 当量比作为对燃烧有直接影响的参量, 烟气分析仪等传统手段难以进行动态测量, 早期使用当量比波动方程来进行评估, 后来发展的TDLAS、 PLIF、 激光诱导击穿光谱(LIBS)等光学测试技术都具备获得当量比动态波动的能力。 速度脉动是直接作用于热声振荡的参量, 测试技术包括一维的双麦克风测速、 热线风速仪、 激光多普勒测速(LDV), 以及多维的粒子图像测速(PIV)、 纹影等。 至今为止, 关于热声振荡测量的大部分技术发展较为成熟, 列举了这些燃烧诊断技术的原理以及在热声振荡或不稳定燃烧现象中的应用, 并且总结了热声振荡测试的发展与展望。

关键词: 燃气轮机; 热声振荡; 吸收光谱; 辐射光谱; 散射光谱
中图分类号:O657.3 文献标志码:R
Progress in the Measurement of Thermoacoustic Oscillations in the Combustion Field of Gas Turbines
LIU Yan1,2,3, YANG Xiao-fan1,2, XIONG Yan1,2,3, GUO Mu-lin1,3, CHENG Ze-mu1,2, SHAO Wei-wei1,2, XU Xiang1,2
1. Key Laboratory of Advanced Energy and Power, Institute of Engineering Thermophysics, Chinese Academy of Sciences, Beijing 100190, China
2. School of Engineering Science, University of Chinese Academy of Sciences, Beijing 100049, China
3. School of Mechanical Engineering, Jiangsu Ocean University, Lianyungang 222005, China
Abstract

Hydrogen-fueled gas turbines are the most promising research direction at present. Although hydrogen fuel, especially green hydrogen energy, can lower greenhouse gas emissions and enhance energy efficiency, the thermoacoustic oscillation phenomena are easily generated by hydrogen energy's high combustion rate and quick chemical reaction rate during combustion. The coupling of an acoustic wave and heat release at a phase difference of less than 90° results in thermoacoustic oscillation, which can wear down a gas turbine and even harm its components. Flame heat release variation, acoustic pressure pulsation, flow field fluctuation in the combustion chamber, etc. are some of the sources of thermoacoustic oscillation. The coupling analysis of these variables can increase our comprehension of thermoacoustic oscillation and give us a theoretical foundation for forecasting it. The parameters used in the research of thermoacoustic oscillations include dynamic pressure, flame heat release, temperature, equivalent ratio, and velocity, and the related test techniques should be capable of high-frequency measurements of them. The measurement means of dynamic pressure mainly include pressure sensors and microphones. Due to the fast time domain response and obvious dynamic characteristics of pressure, it is the key parameter of the thermoacoustic coupling effect and is most widely studied. OH, chemiluminescence, or fluorescence signals are mostly used to characterize the flame heat release, and the measurement methods include Intensified CCD(ICCD), a photomultiplier tube(PMT), planar-laser-induced fluorescence(PLIF), etc. Tunable diode laser absorption spectroscopy(TDLAS), PLIF, Raman spectroscopy (RS), and other optical diagnostic techniques for temperature measurement are available in addition to the widely used thermocouples. Since the equivalence ratio directly impacts combustion parameters, it is challenging to measure dynamic changes in the equivalence ratio using conventional methods like flue gas analyzers. TDLAS, PLIF, laser-induced breakdown spectroscopy(LIBS), and other optical measurement techniques were later developed, and they are all capable of obtaining dynamic changes in the equivalence ratio. Velocity pulsation is a parametric quantity that acts directly on thermoacoustic oscillations, and measurement techniques include one-dimensional dual microphone velocimetry, hot-wire anemometry, laser Dopplervelocimetry (LDV), and multi-dimensional particle image velocimetry measurement (PIV), schlieren, etc. So far, most of the techniques on thermoacoustic oscillation measurement are relatively well developed. This paper lists the principles of these combustion diagnostic techniques and their applications to thermoacoustic oscillation or unstable combustion phenomena, and summarizes the development and prospects of thermoacoustic oscillation measurement.

Keyword: Gas turbine; Thermoacoustic oscillation; Absorption spectroscopy; Radiation spectroscopy; Scattering spectroscopy
引言

燃气轮机是目前最重要的动力装置之一, 在发电和航空航天领域中被广泛使用。 氢燃料特别是绿氢是广受青睐的新型燃料, 能够减少温室气体排放、 提高可再生能源利用率[1]。 2022年3月, 国家发改委、 国家能源局联合印发《氢能产业发展中长期规划》明确提出氢能是我国低碳转型的重要载体。 氢燃料燃气轮机是目前最有前途的方向, 但由于氢能燃烧较快的化学反应速率和高燃烧温度, 更容易引发热声振荡, 会使得燃烧稳定范围受到限制, 对燃气轮机造成疲劳损伤, 减少其使用寿命。 为加深对热声振荡问题的认知, 解析问题背后的机理, 明晰振荡产生的路径, 明辨振荡产生的预兆特征, 近年来围绕热声振荡的测试技术发展, 成为研究的热点[2]

早期研究表明: 热声振荡是燃烧过程中声压与火焰热释放耦合所引起的剧烈脉动。 自1878年, Rayleigh[3]提出瑞利准则(当压力脉动和热释放脉动的相位差小于90° 时, 就会发生热声振荡)来判断热声振荡的发生, 后人一直延续以该准则为基准进而研究热声振荡发生的起点。 热声振荡发生时首先是以混沌状态出现, 也就是随机性周期振荡, 经历间歇性周期振荡后, 进而发展为周期性的极限环振荡, 振荡过程中燃烧场温度、 压力、 化学发光、 当量比等参数均呈现周期性脉动。 热声振荡的诱因包括燃烧速度和火焰热释放的波动、 声压脉动、 燃烧室内流场波动, 这三者的耦合是引发热声振荡的重要因素。 因此在热声振荡的研究中, 主要参数的动态测试至关重要。

本文主要针对燃烧热声振荡的测试方法, 包括早期的常用方法以及近年来新发展的光学测试方法开展综述, 对燃烧过程中的温度、 当量比、 热释放、 速度等流场参数的测试方法及其研究现状展开介绍, 并且对热声振荡的测量方法发展提出展望。

1 热声振荡中关键参数的测量

在燃烧领域关键参数的测量, 在早期以热电偶、 热线风速仪, 麦克风等接触式测量方法为主, 随着燃烧流场越来越复杂, 以及对测量精度要求的提升, 吸收光谱、 激光诱导荧光(laser induced fluorescence, LIF)、 粒子图像测速(particle image velocimetry, PIV)等非接触式测量方法应用的愈加广泛。

1.1 动态压力测量

动态压力是最能够表征热声振荡特性的参数之一, 也是大多数学者研究的重要对象, 而压力传感器和麦克风是测量动态压力的主要手段。 压力传感器的测量范围在几十到几百bar, 测量频率可达到10~100 kHz。 Nair等[4]通过改变来流雷诺数, 在两个实验室尺度的湍流燃烧室中研究了从燃烧噪声到燃烧不稳定性的动态转变, 使用频率为10 kHz的压电传感器测量到了热声振荡过渡阶段中间歇性的压力脉动。

麦克风与压力传感器相比, 检测限更低, 能够监测到更微弱的声压波动, 其测量范围在几十到几百分贝, 测量频率为数十kHz, Sui等[5]使用了由15个麦克风组成的阵列来测量带有电加热器的Rijke管中的压力波动, 使用正交分解技术将同步压力测量值分解为不同的特征模态和声学模式, 发现不同声学模态下, 各本征模态的压力脉动具有特定的模态形状并且随时间变化。

扈学超等[6]使用自主设计的氢燃料微预混燃烧器开展常压下掺氢甲烷燃料微预混火焰燃烧不稳定的实验研究, 在不同掺氢比工况下, 通过压力传感器与高速相机获得动态压力、 火焰结构等特性, 利用本征正交分解方法分析热声振荡工况, 提取了模态的时间系数和空间分布特征。

1.2 火焰热释放测量

火焰的热释放速率是热声振荡的重要诱因之一。 不同的燃料和氧化剂种类, 以及熵波、 燃烧速度的波动和质量流量等均会影响火焰的热释放速率, 火焰热释放的不稳定会导致穿过火焰区的声波出现放大、 衰减和相位偏移。 当热释放率与动态压力同相时, 燃烧室声压幅值会增加, 导致燃烧系统产生自激振荡; 当热释放率与动态压力相位差为90° 或270°

图1 压力脉动和热释放脉动的时域(a)、 频谱图(b)[8]Fig.1 Frequency spectrum diagram of pressure pulsation (a) and heat release pulsation (b)[8]

时, 会影响横穿热释放区域的声波相位以及燃烧系统的固有频率。 火焰传递函数(flame transfer function, FTF)是指燃烧中火焰和气流之间传递热和质量的能力, 定义为:

FTF(ω)=Q'/Q-u'up/u-up(1)

式(1)中, Q'Q-为热释放率波动和平均热释放率, u'upu-up为火焰上游的速度波动和火焰上游的平均速度, ω 为角频率。 通常可通过数值模拟和实验测量来获得火焰传递函数。 在热声振荡的测量研究中, 通常使用图像增强型CCD高速相机(intensified CCD, ICCD)、 光电倍增管(photomultiplier tube, PMT)来测得燃烧过程的化学发光, 从而表征热释放率的波动。

1.2.1 化学发光测量

化学发光是指在燃烧过程中自由基受到化学激发, 处于激发态的自由基中的非稳态电子跃迁产生特定波长的辐射谱。 大多数燃烧研究中以碳氢燃料为主, 在燃烧过程中会产生OH* 、 CH* C2* 等自由基, 研究表明OH* 与CH* 化学发光对热释放率的表征优于 C2* , 因此常使用OH* 和CH* 来评估火焰热释放率。

ICCD经常被用于火焰图像的拍摄, 如平面激光诱导荧光(planar-LIF, PLIF)等光学诊断技术的数据采集。 在镜头前安装OH* 、 CH* 等燃烧自由基的带通滤光片, 可实现对火焰形态的观察, 以及对火焰热释放的动态评估。

PMT有较高的灵敏度和测量频率, 通过OH* 、 CH* 带通滤光片, 可对热释放率进行高频测量及动态特性分析。 Lieuwen等[7]使用PMT测量了预混火焰中CH* 化学发光, 结合压力脉动的测量, 研究表明压力和热释放振荡之间的非线性关系在饱和预混合燃烧器中自激振荡的振幅方面起着重要作用。

任乐乐等[8]以多喷嘴阵列燃烧器为对象, 在甲烷预混模式下不同当量比燃烧的自激热声振荡过程中同步测量热释放率和压力脉动信号, 分析了不同典型热声振荡状态的特性。

1.2.2 激光诱导荧光

尽管直接测量火焰中激发态物质化学发光可以表征直接热释放率且信号获取比较便捷, 但化学发光受到视线积分和有限空间分辨率的限制无法解析小尺度结构和局部热释放率, 因此化学发光不适用于研究反应层和湍流流动结构之间的具体相互作用[9]

图2 LIF实验装置示意图[10]Fig.2 Schematic diagram of LIF experimental device[10]

可以采用PLIF来进行热释放率的测量。 Najm等[11]在氮气稀释的甲烷/空气预混燃烧中发现HCO* 的摩尔分数与火焰热释放率有很好的相关性。 鉴于HCO* 浓度过低而导致荧光信号微弱无法用于湍流反应流单脉冲测量的情况, 而HCO* 是OH* 与CH2O反应的直接产物, Paul等[12]在Najm的研究基础上, 提出基于OH* 和CH2O平面激光诱导荧光图像进行逐像素乘积来表征热释放率的方法。 Kariuki等[13]利用OH* 与CH2O的PLIF图像表征了贫预混甲烷-空气火焰在轴对称钝体上稳定时的热释放率, 在该研究发现, 远离吹灭条件时, 热释放(HR)沿剪切层发生, 而在接近吹灭条件时, HR发生在回流区内部。 如图3分别显示了远离与接近吹灭状态下的PLIF与HR平均图像, 其中条件A1为远离吹灭状态, A4为接近吹灭状态。

图3 远离吹灭与接近吹灭状态下的PLIF与HR平均图像[13]Fig.3 PLIF and HR average images at far from blow-off and near blow-off states[13]

1.3 温度测量

热声的相互作用会产生相干火焰动力学的熵的波动, 为流场带来温度波动, 这种波动称为熵波。 线性热力学关系和在当前构型有效的低马赫数假设中, 温度波动与熵波动相关

T'T-=s'cp(2)

式(2)中, T'T-分布为温度波动和平均温度, s'为熵波动。 在预混火焰下, 火焰下游的温度波动是由火焰上游的当量比扰动产生的。 熵传递函数(entropy transfer function, ETF)用于表征火焰下游的温度波动与燃烧器入口的声学扰动之间的关系, 定义如式(3)

ETF(ω)=T'/T-u'/u-(3)

1.3.1 热电偶

热电偶是基于冷端和热端存在温差的塞贝克效应产生热电势, 从而根据热电势的大小、 热电偶材质与温差的关系可以测得燃烧场温度。 热电偶具有构造简单、 适用温度范围广等特点, 但因为热惯性、 环境干扰信号和前置放大器温度漂移的影响, 不适合测量微小的温度变化。

Tashiro等[14]在热声系统中校准了用于测量温度波动的热电偶, 将温度振荡的径向分布与理论温度振荡的径向分布进行对比, 通过改变热电偶的直径、 振荡频率、 管道直径、 振荡气体, 根据它们之间的振幅和相位角的差异得到热电偶的响应函数。

1.3.2 红外热像仪

红外热像仪是基于红外线热辐射原理进行测量, 在实际燃烧中多用于壁温的测量。

Zhao等[15]使用热电偶和红外热像仪分析了在Rijke分叉管上的实验测量温度数据, 红外热像仪对石英管表面的温度分布进行了可视化, 使用K型热电偶布置在管道上不同点验证测温准确性, 实验表明红外热像仪与热电偶的测量误差小于2 K。 研究发现, 分叉管产生双温热声振荡, 在最大声压水平约为138 dB条件下, 管道的热侧和冷侧之间的温差约为20~30 K。

图4 红外热像仪温度轮廓测量[15]Fig.4 Temperature contour measurement by using infrared thermal imaging camera[15]

1.3.3 红外吸收光谱

吸收光谱技术一种发展较早的光谱技术, 基于朗伯比尔定律, 利用激光器在待测气体的吸收波段范围内扫描, 根据激光在积分路径上的吸收率可获取流场的温度、 组分浓度等多种参数。

图5 TDLAS实验装置示意图[16]Fig.5 Schematic diagram of TDLAS experimental apparatus[16]

Li等[17]和Shimura等[18]使用可调谐二极管激光吸收光谱(tunable diode laser absorption spectroscopy, TDLAS)的波长扫描法以2 kHz频率测量了H2O在旋流燃烧室不稳定燃烧工况下的吸收, 观察到了230 Hz的动态温度主频。 在Li的研究中, 使用了单激光器扫描获得了7 153.75/7 154.35 cm-1的两条邻近的H2O吸收线, 监测了燃烧室的丙烷/空气火焰中热声振荡和贫燃熄火工况, 结合快速傅里叶变换(FFT)有效识别了温度的高频波动。 图6(a)是在稳定燃烧下TDLAS所测得的温度频率信号, 沿传感器视线的水浓度和温度相对均匀, 没有明显的温度波动。 图6(b)为接近贫燃熄火极限(LBO)条件下的温度频率, 随着火焰接近LBO, 温度波动会显著增加。 图6(c、 d、 e、 f)还提供了麦克风信号和CH* 化学发光信号的FFT功率谱进行比较, 从稳定燃烧到LBO附近, 声压和CH* 化学发光的信号波动幅值变化很大。 与用于LBO监测的其他设备相比, 基于TDLAS的温度传感器的测量域更大, 可测量信号跨数量级的大幅度波动, 对于贫燃熄火时温度的低频波动振幅变化较大, 使用TDLAS可以准确有效地监测到特征信号, 弥补其他测量设备信息的缺失。

图6 TDLAS、 麦克风、 CH* 在两个不同条件下的功率谱[17]Fig.6 Measured signals and FFT power spectra of TDLAS, bmicrophone, and CH* chemiluminescence[17]

Li等[16]使用7 444和7 185 cm-1两条线, 在脉冲燃烧室中使用TDLAS和压力传感器同步测量动态温度和压力。 在该项工作中, 作者团队使用热氮气吹扫光学窗口来避免水蒸气的凝结, 使用光学积分球以避免热声振荡带来的光路偏折, 来改进测试结果。 测量结果表明温度振荡可由前两个谐波分量的特征模式来描述, 其中一次谐波是热声耦合振荡本身的一种内在表示, 二次谐波可能是由于燃料和氧化剂的流动和混合行为产生。

吸收光谱层析(tomographic-TDLAS, TDLAT)弥补了TDLAS技术仅能够以视线测量的低空间分辨率的缺点, 使用多条光路交叉测量, 结合温度、 浓度场的重建算法, 能够以kHz量级的时间分辨率获得流场的二维参数场信息。 Liu等[19]将TDLAT应用在旋流火焰截面的实时监测, 以5 kHz的成像频率, 直观地揭示了旋流火焰的反应过程, 通过测量获得的温度场和水浓度场信息来推断旋流火焰的热膨胀, 研究了贫燃熄火时的动态温度场变化。

图7 模型旋流喷嘴上方安装固定式TDLAS层析传感器[19]Fig.7 Installation of the stationary TDLAS tomographic sensor above the nozzle of the model swirl injector[19]

TDLAS当前已能够实现5 kHz以上的测温频率, 在燃烧不稳定工况下有良好的动态响应, 能够捕捉到热声振荡100~1 000 Hz频率下的振荡主频。 结合波长调制技术, 可获得痕量组分浓度, Li等[20]基于TDLAS设计了一个长1.57 m的烟气吸收腔, 获得了NO、 NO2、 H2O多组的浓度与排气温度, 其NO、 NO2的测量误差分别为0.4~1和0.5~0.9 ppm。 TDLAS较于其他激光诊断技术, 结构简单, 成本低廉, 温度误差相对较小。 相比于热电偶这种传统的测温手段, TDLAS能够直接探测燃烧室主燃区的平均温度, 对燃烧场的影响更小, 在实际燃气轮机燃烧条件下测点条件需求简单。

1.3.4 激光诱导荧光

LIF技术通过选择特定的组分与能级, 测量不同的激发线下激发产生的荧光信号的强度之比来实现温度的反演。 LIF方法在二维温度测量的优势是可以获得有关空间结构的信息, 并具有高时空分辨率的温度分布。 在LIF技术中, 常利用双线法对火焰温度进行测量, 其中OH* 是使用最多的组分, 通过探测OH* 能级的玻尔兹曼分布来反演温度, Bechtel[21], Cattolica[22], Anderson[23]等在利用LIF测温技术对火焰温度的测量中对OH* 不同振动带进行了研究。 Hanson等[24]利用双线OH-PLIF获得了H2/O2/Ar激波管中的温度分布, 其温度二维分布结果定性地符合钝体周围预期的流场结构。 德国宇航中心Giezendanner-Thoben等[10]为研究燃气轮机模型燃烧室的周期性燃烧不稳定现象, 利用动态压力信号触发高频PLIF, 将荧光信号采集与燃烧不稳定的周期性振荡同步来实现锁相测量。 又利用双线OH-PLIF测量了该燃气轮机模型燃烧室某旋流燃烧器湍流流场中温度的分布情况, 并且引入了测量分数概念(FUM), 该研究中双线OH-LIF测量平均温度的不确定度约为6%。

图8 平均温度分布(a); 相应的可用测量局部分数(FUM)(b)[10]Fig.8 Average temperature distribution (a); corresponding local fraction of usable measurements (FUM) (b)[10]

而Chrystie等[25]为研究湍流贫预混火焰的温度响应, 在某钝体燃烧器中用声波来激励燃烧器中的气体流动, 同时将实验中相干反斯托克斯拉曼光谱(coherent anti-stokes Raman scattering, CARS)得到的数据与Ayoola等[26]的双线OH-LIF测温数据进行比较。 发现靠近钝体的部分, OH* 浓度较低导致测量的温度偏低, 离钝体较远的部分测量比较可靠。 而利用CARS测量时由于测量区域中存在较多较冷的气体, 由于光谱信号的特性(CARS信号强度与氮气密度的平方正相关, 而冷区氮气密度更大), CARS更容易检测到较冷区域的信号。 因此在火焰燃烧区域, 双线OH-PLIF技术比CARS技术更适合测量温度空间分布。

双线LIF方法在具有较好的空间分辨率, 可以获得有关二维温度分布情况和空间结构信息, 而OH* 自然丰度相对较高, 分布较广, 是双线LIF测试中比较优良的示踪剂。 然而双线OH-PLIF也存在一些局限性, 如某些区域的OH* 浓度较低便难以进行温度测量, 而在OH* 浓度较高的燃烧区域则可以较好地反映该区域的温度信息。

图9 四个不同位置的温度、 可用测量分数(FUM)和相对燃烧室压力的相分辨值之间的相关性[10]
1.3.5 拉曼光谱
Fig.9 Correlation between phase-resolved values of temperature, fraction of usable measurement (FUM) and relative combustion chamber pressure at four different positions[10]

拉曼散射是一种通过获取入射激光被分子散射的拉曼信号来获得流场参数的技术。 拉曼散射光受到分子的化学结构影响, 在跃迁后其频率会相对于入射激光发生改变, 其差值即拉曼频移只与分子的振动转动能级相关, 因此可以用于通过光谱进行定性分析。 拉曼散射技术具有高空间分辨率的优点, 可以在高温环境下实现准确的温度测量, 具有应用于复杂燃烧场中的潜力。

图10 混合物分数随温度的散点图[27]Fig.10 Scatterplots of mixture fraction versus temperature[27]

Arndt等[27]综合OH* 化学发光成像、 PIV和拉曼散射技术, 在部分预混旋流燃烧器的甲烷/空气火焰中获取燃烧场的火焰形状和相对热释放速率的相位变化以及流速、 主要物质浓度和温度的信息。 其中拉曼测量部分, 使用染料激光器和光谱仪, 沿径向在燃烧器喷口上方不同高度对物质浓度和温度进行了测量。 基于测量结果获得了在一个振荡周期内通过特定截面的气体通量变化, 将热声振荡的反馈机制归结为当量比与燃料流量的周期性波动和燃料从喷嘴到火焰区输运的对流延迟。 Meier等[28]则在其基础上将拉曼测量值与压力振荡周期相位角相关联, 关注一个振荡周期内火焰的热化学状态以及混合和反应的变化, 在喷嘴出口区域发现了非预混平衡化学反应的强烈影响。

1.4 燃烧当量比测量

燃烧当量比是指燃烧时所需的燃料与氧气的化学计量比。 燃烧当量比在热声振荡中的波动是由于喷嘴处的压力脉动与流场速度的波动引起的, 其扰动对火焰热释放率有着显著的影响。 Cho等[29]研究发现预混火焰中的热释放速率波动由反应热、 火焰速度和火焰面积波动共同作用, 并且在较稀的混合物中, 火焰对当量比振荡的响应增加。

在大多数研究中表明, 当量比是热声振荡中起到关键作用的一项参数, 但是燃烧过程中的当量比波动往往难以测量, 对当量比的确定通常是由空气流量与燃料流量计算而得, 通过线性化计算方法可得到当量比波动方程。 红外吸收光谱、 LIF等光学测试方法在确定燃烧组分浓度的高频波动上有极大优势, 通过同时测量燃料、 空气的浓度波动, 从而可以获得局部当量比脉动。

1.4.1 红外吸收光谱

红外吸收光谱由于其视线积分测量的特点, 能够获得局部视线吸收组分的信息, 这一特点能够让TDLAS技术对燃烧火焰中局部组分浓度波动进行原位测量。 甲烷在红外波段有较好的吸收特性, TDLAS已能实现ppb量级的测量。 Feng等[30]使用1 653 nm激光, 基于TDLAS-WMS技术开发了一个手掌大小的甲烷传感器, 其最低检测浓度可达到12 ppb, 测量精度为0.8 ppm, 并成功将其应用于大气测量中。 在以甲烷为燃料的燃烧中, 通常使用红外吸收光谱来测得甲烷和水蒸气的组分浓度, 从而得到激光视线范围内的局部当量比。 Lee等[31]在甲烷贫燃预混模型燃烧室中利用吸收光谱首次对不稳定燃烧工况下的当量比进行了定量测量, 实验基于氦氖激光器在3.39 μ m输出激光测量了甲烷浓度, 并在温度范围293~683 K和压力范围101~600 kPa下进行了标定。

柏林工业大学的Bluemner等[32]使用近红外可调谐二极管激光器在1 653 nm处甲烷的波长调制光谱, 使用Abel反卷积获得了预混火焰的径向当量比分布, 在部分预混的旋流稳定燃烧器上研究了不同激励幅值下的当量比波动, 实验过程中结合使用PIV获得了燃烧器混合段不同轴向位置燃料和空气的流量, 发现局部当量比与流量在不同声激励频率和振幅的影响下有良好的一致性。 此外, 该研究表明, 目前的一维混合模型未能预测全局当量比的波动, 基于燃料流动调节实验(或模拟)对当量比波动的输运和混合的研究并不准确, 因为这些研究都忽略了振荡流场带来的影响。

图11 当量比径向分布原始数据和反卷积结果[32]Fig.11 Partially premixed radial equivalence ratio distribution raw data and deconvolution result[32]

1.4.2 激光诱导荧光

由于示踪剂荧光强度受温度、 压力和环境中猝灭剂影响较大, 利用LIF技术进行当量比测量是比较困难的, 目前对其当量比定量测量的研究较少。 德国宇航中心Stö hr等[33]研究了GT典型湍流漩涡火焰中速度波动与当量比波动的瞬态相互作用机制, 并与火焰的振荡进行关联。 为分离速度波动与当量比波动的影响, 燃烧室采用了两种模式: 一种是部分预混, 其中速度波动(VF)与当量比波动(ERF)同时存在, 另一种是完全预混, 其中只有VF存在。 其中两种条件下的速度波动相似。 实验中在甲烷内加入体积分数为15%丙酮, 并对0.6~3范围内的当量比与丙酮PLIF信号之间的线性关系进行了标定。 该结果主要应用与燃烧器出口2 mm处的当量比, 因为在更远处的未燃区当量比分布由于温度的变化无法通过丙酮PLIF图像进行当量比的测量。 实验中还利用PIV测量了速度场以及利用OH-PLIF进行了反应区的测量, 并利用麦克风测量了压力脉动。 通过测量结果发现, ERF和VF之间的时间延迟是其相互作用的关键参数, 部分预混火焰中观察到的特定变化可以很好地解释为速度波动和当量比波动的作用。 研究结果也说明了在部分预混燃烧中考虑ERF和VF相互作用影响才能得到准确的预测热声模型。

1.4.3 激光诱导击穿光谱

激光诱导击穿光谱(laser induced breakdown spectroscopy, LIBS)的优势与其他光学技术的优势一样, 可实现高频高灵敏度的原位测量[34]

Zimmer等[36]使用LIBS技术在预混湍流燃烧器中测量氢气排放线的强度并将其与氮气排放线的强度进行比较来获得当量比, 研究了当量比在0.45~0.56处的周期性燃烧振荡, LIBS系统使用了Nd∶ YAG激光器和一个耦合透镜, 信号收集端是一个光谱仪和50 μ m狭缝的ICCD。 同课题组的Tachibana等[37]研究了燃料/空气混合物的时空变化对燃气轮机模型燃烧器燃烧不稳定性的影响。 研究发现, 燃烧稳定性对决定局部当量比分布的燃料分裂参数非常敏感。 大多数热释放振荡是在火焰对壁的冲击区域产生的, 不稳定的驱动力是充满新鲜混合物的行进涡旋与近壁区域的火焰之间的周期性相互作用。 在非均匀混合物的最强振荡情况下, 当量比的时间变化对热声耦合做出了积极贡献, 这表明当量比的时间变化除了涡旋-火焰相互作用机制外, 还增强了热声不稳定的驱动因素。

图12 LIBS测量实验装置介绍[35]Fig.12 Presentation of the experimental setup for LIBS measurements[35]

1.5 流场动力学测量

流场脉动和涡结构变化是研究燃烧过程中热声耦合作用的最直接、 最主要的因素。 声波与火焰的相互作用主要通过速度脉动进行, 进而对流场中的组分输运及火焰热释放产生影响。 涡对火焰的动力学作用会影响混合的过程与火焰的传播, 是火焰结构变化、 涡的生成和耗散的主导因素, 火焰的拉伸、 刘易斯数等因素也会对涡与火焰的相互作用产生影响。 在测量火焰传递函数中, 火焰上游的速度是重要的参量之一。

1.5.1 热线风速仪

热线风速仪可以快速响应流体速度的变化, 可以记录整个能谱的变化, 并且可以进行高精度的测量。 Huang等[38]使用自制的热线风速仪, 其热线探针的动态响应为20 kHz, 测量了声学激发的旋转双同心射流中的瞬时速度不稳定性, 结果表明, 在激发斯特劳哈尔数小于0.85的情况下, 射流扩散宽度和湍流波动强度在高激发强度范围内表现出特别大的值。

1.5.2 激光多普勒

Loretero等[39]通过实验研究了非预混和轴对称旋流尾流在不同电压和频率范围的声波激励下的C3H8火焰和流动行为, 火焰图像和火焰长度由2个CCD相机拍摄, 激光多普勒系统用于测量中心射流振荡, 系统包括20 W Nd∶ YLF激光器和一个高速CCD相机, 以MgO作为示踪粒子, 粒子直径约为1~3.85 μ m, 其响应频率为1~9 kHz[40], 测量过程中使用小型LED灯经由函数发生器产生信号作为参考时间。 研究发现, 尾流再循环气泡增强了低涡旋数下的预混作用, 而在较高的漩涡数下抑制了射流振荡, 并且非预混反应旋转尾流在声学激发下可以表现出四种不同的火焰行为。

1.5.3 双麦克风测速

双麦克风测速技术的测量特性要求流道管径远小于声波的波长, 因此常用于Rijke管、 小型模型燃烧室中流速的测量。

Liu等[41]提出了利用反馈控制器对热声不稳定性极限环内的热传导传递函数(HCTF)测量方法, 实验系统采用直径为5 mm的镍铬合金电热圈作为热源, 使用直流稳定电源, 通过主动反馈控制来抑制Rijke管中的自激热声振荡, 并且采用双麦克风方法实现了不同工作条件下HCTF的测量。 通过实验得到以下结论: (1)极限环热声振荡内的HCTF可以使用双麦克风方法检测, 因为使用主动控制已经消除了热声振荡; (2)平均气流速度对主动反馈控制有影响; (3)平均气流速度和电热功率对HCTF有显著影响。

图13 中心射流速度随声激励电压的振荡[39]Fig.13 Oscillation of central jet velocity with acoustic excitation voltage[39]

1.5.4 粒子图像测速

粒子图像测速技术(PIV)是在激光照射示踪粒子后, 使用相机进行两次或多次曝光, 再对图像处理获取速度信息的技术。 PIV的时空分辨率高, 可实现多维流场的测量, 是一种应用广泛的多维速度场测量手段[42]。 PIV图像处理算法根据不同模型可分为互相关算法和光流算法: 互相关算法是通过相邻两帧粒子图像的相关性来确定速度场, 具有原理简单、 计算方便等优势; 光流算法是通过成像装置在测量区域中粒子图像的像素灰度变化进行像素点光流矢量计算, 从而得到示踪粒子的位移速度[43]。 面对一些复杂流场时, 二维流场信息往往无法满足研究需求, 用于三维流场测速的体积PIV(volumetric PIV, VPIV)技术近年来发展了如层析PIV(tomographic PIV, TPIV)[44], 全息PIV(holography PIV, HPIV)[45], 光场PIV(light-field PIV)[46]等多种技术来实现3D3C测量。 为避免VPIV在测量三维流场使用多个相机增加了系统的复杂性, Gao等[47]提出了一种单相机VPIV技术, 并成功应用于零质量射流流量的测量。 此外, 在三维流场测量中, 将PIV技术与粒子追踪测速(particle tracking velocimetry, PTV)技术结合, 可有效提高速度场测量的分辨率。

PTV作为另一种二维/三维流场测速技术, 与PIV基于欧拉体系的速度分析原理不同, PTV是通过识别单个粒子并追踪其运动来获得流动信息, 在用于三维空间的流场获得速度矢量的空间分辨率上, PTV比PIV更具有优势, 但其在连续帧中准确匹配单个粒子较为困难。 北京航空航天大学的Nie等[48, 49]针对PTV跨帧图像中的粒子丢失问题, 研究了一种用于PTV在三维流场中的粒子匹配的混合蚁群优化(ACO)算法, 以提高跨帧图像之间匹配单个粒子的准确性, 并提出了用于PTV技术的粒子丢失补偿框架。

O'Connor等[50]对旋流环形射流在反应和非反应条件下的流场特性进行了表征, 对预混燃烧器中的横向燃烧不稳定性进行了研究。 PIV使用Nd∶ YLF激光器产生527 nm的5 mJ脉冲激光, 以10 kHz的频率测速度场和火焰边缘。 研究发现, 火焰对横向声学激发的响应是声学和涡流干扰的叠加, 随着声学模态结构形状的变化, 环形射流的主要激发不稳定模式从轴对称变为螺旋。

Lawn等[51]分别使用PIV和OH-PLIF测量了甲烷/氢气/空气预混火焰在声激励作用下的流场速度和火焰高度的波动。 研究发现, 随着声波振幅的增加, 火焰在较低的入射速度下趋于稳定; 在声激励频率较低时, 湍流燃烧的速度波动与声波速度不同相, 火焰锋面相对于来流的位移速率随着来流速度的加快而减慢, 随着频率升高, 燃烧速度和声波速度的相位差减小。 使用甲烷掺氢在较低当量比下的层流燃烧速度, 能够抑制低振幅的响应, 但在较高幅值下效果相反。

图14 在激励信号后90° 的30 mm× 30 mm垂直平面上瞬间测量径向速度矢量和火焰图像的实验装置[51]Fig.14 Axial velocity vectors and flame images in a 30 mm× 30 mm vertical plane at one instant, 90° behind the excitation signal[51]

1.5.5 纹影技术

纹影技术与PIV相比, 纹影技术不需要在流场中添加示踪粒子。 背景纹影技术(background-oriented schlieren, BOS)是将传统纹影技术与PIV技术相结合, 通过流场区域的折射率变化引起光线偏折来计算图像点位移, 从而实现流场的可视化。

Weilenmann等[52]使用10 kHz的BOS技术在顺序燃烧室的混合段测量了流动的定性密度梯度, 获得了火焰的相干运动以及相应的声压。 研究观察到燃料射流在顺序级热振动横流中的强烈扑动运动, 这种扑动运动是由不稳定工况下高幅值振荡引起的速度波动造成的, 同时证明了BOS在燃烧诊断中测速的可行性。

1.6 多参量同步测量

在热声振荡的研究中, 通常需要同时获得流场的多个参数来表征热声振荡的特性。 多个设备的同步测量能够在时序上分析热声振荡中各流场参数之间的关系, 直观且详细地反映特定时刻下流场的特征。 热声振荡的参数测量中, 动态压力和火焰热释放的测量成本低, 设备简单, 容易实现同步, 并且能够表征瑞利准则。

TDLAS在热声振荡测量中容易实现与压力传感器、 PMT的同步, 实现压力、 热释放、 温度、 组分浓度等信息的同步获取。 Li等[16]在脉冲燃烧室中使用TDLAS和压力传感器实现了温度与压力的同步测量, 对热声振荡时的温度和压力这两个参量进行了比较和验证, 研究发现随着工况的改变, 温度振荡的第一和第二谐波呈现出不同的特性, 而通过对比压力信号也同样发现了类似的特性。

Kather等[53]使用PIV、 CO2* 和CH* 化学发光、 TDLAS同时测量了旋流燃烧器中的速度、 热释放、 局部当量比, 定量获得了局部与全局混合传递函数。 Wang等[54]在声激励下的甲烷/空气预混旋流燃烧器上, 使用了TDLAS、 高速相机、 PMT、 热线风速仪测量了温度、 CH* 化学发光下的火焰形态、 热释放率、 喷嘴出口速度多个参量, 并且同步了PIV和NIR, 耦合了流场与红外辐射场, 进一步阐明了熵波的产生机制。

图15 (a)背景纹影工作原理; (b)和(c)顺序燃烧室系统[52]Fig.5 (a) Background oriented Schlieren working principle; (b) and (c) Sequential combustor system[52]

图16 结合近红外光谱辐射和流场的甲烷/空气火焰漩涡[54]Fig.16 Combined NIR radiation and flow field of methane/air swirling flame[54]

PIV和PLIF的结合是一项比较容易实现的测量技术, 其优点在于二者都具有测量燃烧流场参数的二维分布的特点, 并且拥有较高的测量频率, 可在同一时刻获得温度、 热释放、 速度等多种参量, 此外, 还可加入纹影系统的同步测量。 Sadanandan等[55]在封闭的燃气轮机模型燃烧室中对甲烷/空气火焰同步进行了PIV和OH-PLIF测量, 测量结果显示, 在来自再循环区的热燃气体与喷嘴出口处的燃料/空气混合的区域形成了反应区。

2 结论与展望

至今为止大多数热声振荡研究的测试参量主要包括动态压力、 热释放、 温度、 当量比、 速度, 各参量的测量技术已发展成熟, 并且在实验室规模的模型燃烧器上热声振荡/燃烧不稳定工况下得到了大量应用。 研究结果表明这些测试技术高频、 高灵敏度的特点能够获得热声关键参量的动态特性。 压力与热释放的同时测量获得的相位差可通过瑞利准则来分析热声振荡的开始, 而关于结合了多种测试技术的研究, 对速度、 温度、 当量比等参量的相位分析研究较少, 测试设备时序同步的技术问题是需要解决的一个重要问题。 此外, 如LIF、 TDLAS、 拉曼光谱等一些拥有复杂光谱的测试技术, 或是PLIF、 TDLAT、 PIV等多维测试技术, 在面对复杂流场诊断的数据分析中, 机器学习有助于寻求全局变量中的最优解, 从而提高数据处理分析的准确性和对流场关键信息的获取能力。

目前的大多数燃烧诊断技术在燃气轮机热声振荡动态测量中, 仅针对热声振荡发生时的宏观特征进行了探究, 而对热声振荡预兆特征的分析较少。 热声振荡的预测是近年来亟需解决的一个问题, 结合实验测量与理论模拟仿真, 捕捉热声振荡发生的前兆, 方可为燃气轮机燃烧室的主动控制提供即时反馈, 进而避免热声振荡的发生, 防范对燃气轮机造成损坏。

参考文献
[1] Roy R, Nguyen K, Stuart T, et al. Proceedings of ASME Turbo Expo 2022: Turbomachinery Technical Conference and Exposition, 2022, 3B: 03BT04A001. [本文引用:1]
[2] Beita J, Talibi M, Sadasivuni S, et al. Hydrogen, 2021, 2(1): 33. [本文引用:1]
[3] Rayleigh. Nature, 1878, 18(455): 319. [本文引用:1]
[4] Nair V, Thampi G, Sujith R I. Journal of Fluid Mechanics, 2014, 756: 470. [本文引用:1]
[5] Ren Y, Li S, Cui W, et al. Combustion and Flame, 2017, 176: 479. [本文引用:1]
[6] HU Xue-chao, BI Xiao-tian, LIU Ce, et al(扈学超, 毕笑天, 刘策). Journal of Tsinghua University(Science and Technology)[清华大学学报(自然科学版)], 2023, 63(4): 572. [本文引用:1]
[7] Lieuwen T, Neumeier Y. Proceedings of the Combustion Institute, 2002, 29: 99. [本文引用:1]
[8] REN Le-le, XIONG Yan, LIU Zhi-gang, et al(任乐乐, 熊燕, 刘志刚, ). Journal of Engineering for Thermal Energy and Power(热能动力工程), 2023, 38(5): 30. [本文引用:1]
[9] Ayoolan B O, Balachand ran R, Frank J H, et al. Combustion and Flame, 2006, 144(1-2): 1. [本文引用:1]
[10] Giezendanner-Thoben R, Meier U, Meier W, et al. Flow Turbulence and Combustion, 2005, 75(1-4): 317. [本文引用:1]
[11] Najm H N, Paul P H, Mueller C J, et al. Combustion and Flame, 1998, 113(3): 312. [本文引用:1]
[12] Paul P H, Najm H N. Proceedings of the 27th International Symposium on Combustion, Univ Colorado, Boulder, Co, 1998, 43. [本文引用:1]
[13] Kariuki J, Dowlut A, Yuan R, et al. Proceedings of the Combustion Institute, 2015, 35: 1443. [本文引用:1]
[14] Tashiro Y, Biwa T, Yazaki T. Review of Scientific Instruments, 2005, 76(12): 124901. [本文引用:1]
[15] Zhao D, Ji C, Li S, et al. Energy, 2014, 65: 517. [本文引用:1]
[16] Li F, Du M, Xu L. IEEE Sensors Journal, 2019, 19(24): 12271. [本文引用:2]
[17] Li H, Zhou X, Jeffries J B, et al. AIAA Journal, 2007, 45(2): 390. [本文引用:1]
[18] Shimura M, Tanahashi M, Miyauchi T, et al. Thermochimica Acta, 2009, 495(1-2): 95. [本文引用:1]
[19] Liu C, Cao Z, Lin Y, et al. IEEE Transactions on Instrumentation and Measurement, 2018, 67(6): 1338. [本文引用:1]
[20] Li J, Li R, Liu Y, et al. Sensors, 2022, 22(15): 5729. doi: DOI:10.3390/s22155729. [本文引用:1]
[21] Bechtel J H. Applied Optics, 1979, 18(13): 2100. [本文引用:1]
[22] Cattolica R. Applied Optics, 1981, 20(7): 1156. [本文引用:1]
[23] Anderson W R, Decker L J, Kotlar A J. Combustion and Flame, 1982, 48(2): 163. [本文引用:1]
[24] Seitzman J M, Hanson R K. Applied Physics B: Photophysics and Laser Chemistry, 1993, 57(6): 385. [本文引用:1]
[25] Chrystie R S M, Burns I S, Kaminski C F. Combustion Science and Technology, 2013, 185(1): 180. [本文引用:1]
[26] Ayoola B, Hartung G, Armitage C A, et al. Experiments in Fluids, 2009, 46(1): 27. [本文引用:1]
[27] Arndt C M, Severin M, Dem C, et al. Experiments in Fluids, 2015, 56(4): 69. [本文引用:1]
[28] Meier W, Dem C, Arndt C M. Experimental Thermal and Fluid Science, 2016, 73: 71. [本文引用:1]
[29] Cho J H, Lieuwen T. Combustion and Flame, 2005, 140(1-2): 116. [本文引用:1]
[30] Feng S, Qiu X, Guo G, et al. Analytical Chemistry, 2021, 93(10): 4552. [本文引用:1]
[31] Lee J G, Kim K, Santavicca D A. Proceedings of the Combustion Institute, 2000, 28(1): 415. [本文引用:1]
[32] Blümner R, Paschereit C O, Oberleithner K, et al. Proceedings of the ASME Turbo Expo 2016: Turbomachinery Technical Conference and Exposition, 2016, 4A: UNSP V04AT04032. [本文引用:1]
[33] Stöhr M, Yin Z, Meier W. Proceedings of the Combustion Institute, 2017, 36(3): 3907. [本文引用:1]
[34] Wang X H, Guo G Q, Qiu X B, et al. Microwave and Optical Technology Letters, 2023, 65(5): 1229. [本文引用:1]
[35] Liu Y, Shi Z, Chen C, et al. Experimental Thermal and Fluid Science, 2022, 136: 110652. [本文引用:1]
[36] Zimmer L, Tachibana S. Proceedings of the Combustion Institute, 2007, 31(1): 737. [本文引用:1]
[37] Tachibana S, Kanai K, Yoshida S, et al. Proceedings of the Combustion Institute, 2015, 35(3): 3299. [本文引用:1]
[38] Huang R F, Jufar S R, Hsu C M. Experiments in Fluids, 2013, 54(1): 1421. [本文引用:1]
[39] Loretero M E, Huang R F. Journal of Mechanics, 2010, 26(3): 279. [本文引用:1]
[40] Hjelmfelt A T, Mockros L F. Applied Scientific Research, 1966, 16(2): 149. [本文引用:1]
[41] Liu T, Li J, Zhu S, et al. Applied Thermal Engineering, 2022, 206: 118084. [本文引用:1]
[42] Gao Q, Wang H, Shen G. Chinese Science Bulletin, 2013, 58(36): 4541. [本文引用:1]
[43] Liu T S, Merat A, Makhmalbaf M H M, et al. Experiments in Fluids, 2015, 56(8): 166. [本文引用:1]
[44] Kitzhofer J, Brücker C. Experiments in Fluids, 2010, 49(6): 1307. [本文引用:1]
[45] Meng H, Pan G, Pu Y, et al. Measurement Science and Technology, 2004, 15(4): 673. [本文引用:1]
[46] Shi S, Ding J, New T H, et al. Experiments in Fluids, 2017, 58(7): 78. [本文引用:1]
[47] Gao Q, Wang H, Wang J. Science China-Technological Sciences, 2012, 55(9): 2501. [本文引用:1]
[48] Nie M, Pan C, Wang J, et al. Experiments in Fluids, 2021, 62(4): 68. [本文引用:1]
[49] Nie M, Pan C, Xu Y, et al. Experiments in Fluids, 2022, 63(9): 148. [本文引用:1]
[50] O'Connor J, Lieuwen T. Combustion Science and Technology, 2011, 183(5): 427. [本文引用:1]
[51] Lawn C J, Williams T C, Schefer R W. Proceedings of the Combustion Institute, 2005, 30(2): 1749. [本文引用:1]
[52] Weilenmann M, Xiong Y, Bothien M, et al. Journal of Engineering for Gas Turbines and Power, 2019, 141(1): 011030. [本文引用:1]
[53] Kather V, Lückoff F O, Paschereit C, et al. International Journal of Spray and Combustion Dynamics, 2021, 13(1-2): 72. [本文引用:1]
[54] Wang G, Liu X, Wang S, et al. Combustion and Flame, 2019, 204: 85. [本文引用:1]
[55] Sadanand an R, Stöhr M, Meier W. Applied Physics B, 2008, 90(3-4): 609. [本文引用:1]