Une approche automatisée pour la réduction et l'optimisation de schémas cinétiques appliqués à la combustion turbulente

La complexité de la chimie joue un rôle majeur dans la simulation numérique de la plupart des écoulements réactifs industriels. L'utilisation de schémas cinétiques chimiques détaillés avec les outils de simulation actuels reste toutefois trop coûteuse du fait des faibles pas de temps et d'espaces associés à la résolution d'une flamme, bien souvent inférieurs de plusieurs ordres de grandeur à ceux nécessaires pour capturer les effets de la turbulence. Une solution est proposée pour s'affranchir de cette limite. Un outil automatisé de réduction de schémas cinétiques est développé sur la base d'un ensemble de trajectoires de références construites dans l'espace des compositions pour être représentatives du système à simuler. Ces trajectoires sont calculées à partir de l'évolution de particules stochastiques soumises à différentes conditions de mélange, de réaction et d'évaporation dans le cas de combustible liquide. L'ensemble est couplé à un algorithme génétique pour l'optimisation des taux de réaction du schéma réduit, permettant ainsi une forte réduction du coût calcul. L'approche a été validée et utilisée pour la réduction de divers mécanismes réactionnels sur des applications académiques et industrielles, pour des hydrocarbures simples comme le méthane jusqu'à des hydrocarbures plus complexes, comme le kérosène en incluant une étape optimisée de regroupement des isomères.Complex chemistry is an essential ingredient in advanced numerical simulation of combustion systems. However, introducing detailed chemistry in Computational Fluid Dynamics (CFD) softwares is a non trivial task since the time and space resolutions necessary to capture and solve for a flame are very often smaller than the turbulent characteristic scales by several orders of magnitude. A solution based on the reduction of chemical mechanisms is proposed to tackle this issue. An automated reduction and optimisation strategy is suggested relying on the construction of reference trajectories computed with the evolution of stochastic particles that face mixing, evaporation and chemical reactions. The methodology, which offers strong reduction in CPU cost, is applied to the derivation of several mechanisms for canonical and industrial applications, for simple fuel such as methane up to more complex hydrocarbon fuels, as kerosene, including an optimised lumping procedure for isomers