Modelado de cámaras de combustión de turbinas de gas mediante redes de reactores

Abstract

[ES] La predicción de la combustión en las cámaras de las turbinas de gas es un aspecto de gran importancia para el diseño de estos sistemas. Habitualmente dicho proceso se lleva a cabo mediante cálculos de dinámica de fluidos computacional, con un gran coste debido al elevado detalle espacial. Una alternativa que permite equilibrar los costes de cálculo con la capacidad predictiva del modelo es el uso de redes de reactores químicos, en los cuales la cámara de combustión se divide en un pequeño número de zonas, cada una de las cuales es tratada como un reactor químico, en el que el detalle de las reacciones permite obtener predicciones de la combustión y la formación de emisiones contaminantes.

El presente trabajo pretende aplicar el software libre Cantera para la construcción de este tipo de configuraciones que permita analizar las prestaciones de un motor turbina de gas en condiciones de operación realistas. El alumno construirá la red de reactores basándose en estudios de la literatura, y realizará simulaciones para evaluar la capacidad predictiva del modelo.

[EN] The prediction of combustion in gas turbine chambers is a very important aspect of gas turbine design. This process is usually carried out by computational fluid dynamics calculations, which are very costly due to the high spatial detail. An alternative to balance the computational costs with the predictive capability of the model is using chemical reactor networks, in which the combustion chamber is divided into a small number of zones, each of them is treated as a chemical reactor, where the detail of the reactions allows predictions of combustion and pollutant emission formation to be obtained. The present work aims to apply the free software Cantera for the design of such configurations to analyse the performance of a gas turbine engine under realistic operating conditions. The student will build the reactor network based on literature studies, and perform simulations to evaluate the predictive capability of the model.