《Process Safety and Environmental Protection》：Reduced-Mechanism Supported Multitask Learning Model for Fast Flame Hazard Mapping in Hydrogen-Enriched Methane Jets
编辑推荐：
氢富集甲烷燃烧特性预测与安全评估方法研究。提出39步简化机理，通过DRGEP和敏感性分析优化，结合CFD验证实现60-100%氢体积分数下层流火焰速度(LBV)和点火延迟时间(IDT)的精准预测，构建多任务学习模型保持物理耦合，并引入湍流火焰速度修正模块用于管道泄漏场景爆炸风险区快速映射。整合机理简化、高保真CFD和机器学习形成定量风险评估工具。
李俊雷|赵金鹏|张成龙|张永海|刘海晓|顾帅伟|李峰奇|段鹏飞|魏金佳
西安交通大学化学工程与技术学院，中国西安710049
摘要
富氢甲烷（HEM）是一种有前景的过渡燃料，适用于氢能基础设施完善的气体网络，然而快速、准确地预测其高氢含量下的燃烧行为仍然具有挑战性。我们提出了一种多任务学习（MTL）框架，能够同时预测氢含量为60-100%（HVF）的HEM的层流燃烧速度（LBV）和点火延迟时间（IDT）。该框架基于从GRI-Mech 3.0通过DRGEP提取的39步简化机制进行训练，并通过计算流体动力学（CFD）喷焰模拟进行了验证，这些模拟涵盖了不同的HVF值、当量比（Φ）和喷嘴半径。MTL模型在保持两个任务物理耦合的同时，实现了R2=0.99的预测精度，用于LBV和完美点火状态的分类。将MTL的输出与Damk?hler数湍流火焰速度校正相结合，可以快速绘制管道泄漏情景下的火焰前沿和爆炸危险区域。通过整合简化化学模型、高保真CFD和数据驱动的推理方法，该工作流程为富氢燃烧系统的定量风险评估提供了一个高效且物理上一致的工具。
引言
快速的工业发展加剧了全球能源需求，同时也引发了关于环境可持续性的担忧（Alhamed等人，2024年）。作为清洁且热值高的能源载体，氢气受到了广泛关注；然而，其高燃烧速度和低点火能量——火焰速度大约是甲烷的8倍，而点火能量仅为甲烷的7%——导致了显著的燃烧不稳定性和安全风险（Huang等人，2006年）。研究表明，将氢气与甲烷以适当的比例混合可以提高燃烧可控性，同时保留氢气的环境优势（Bouras等人，2017年）。因此，富氢甲烷（HEM）作为一种实用的过渡燃料应运而生，它结合了氢气的优点和甲烷的相对稳定性（Massarweh等人，2023年）。
目前，掺氢甲烷越来越多地应用于燃气轮机、锅炉（Zhao等人，2019年）和家庭能源系统（Kong等人，2024年）。随着向氢能基础设施的逐步过渡，高氢含量甚至纯氢管道预计将成为未来城市能源网络的关键组成部分（Ben Hamida等人，2025a）。然而，长距离管道中的氢腐蚀和泄漏存在严重的爆炸风险。在这种情况下，理解和快速评估高氢含量HEM喷流的燃烧行为对于安全评估至关重要。因此，本研究重点关注氢含量在60%到100%范围内的喷流燃烧。
如GRI-Mech 3.0等详细的反应机制提供了碳氢化合物燃烧的全面描述，但它们并未针对HEM等混合燃料系统进行优化。直接在CFD模拟中使用这些机制会因冗余反应而增加计算负担，限制了大规模参数研究的效率。为了解决这个问题，本研究从GRI-Mech 3.0中提取了一个简化机制，去除了对HEM燃烧不必要的反应路径，从而高效生成了用于后续建模的高保真数据集。
现有的甲烷-氢燃烧简化机制大多针对中等氢含量或特定操作条件设计。例如，Zhao等人（Zhao等人，2024年）开发了一种用于掺氢锅炉中NO?分析的139步机制，而Li等人（Li等人，2019年）提出了一个适用于NH?/H?/CH?混合物的420步机制。Wang等人（Wang等人，2020年）通过敏感性分析确认了当HVF > 80%时氢气的主导作用，但未提供相应的简化机制。这些研究表明，针对接近纯氢条件（HVF = 60–100%）的简化机制仍然有限。在这项工作中，应用了机制简化技术（Saltelli等人，2005年；Turányi，1997年）来构建一个适用于高氢火焰模拟的紧凑、高保真模型（Nurislamova和Gubaydullin，2017年）。
尽管结合化学动力学的CFD能够准确描述喷焰，但其计算成本仍然过高，无法实现快速的风险评估。高分辨率模拟需要极其精细的空间和时间离散化，而像Chemkin的预混火焰模型这样的简化工具仅限于稳态、一维条件，无法表征湍流的HEM喷流。
与此同时，最近的研究展示了氢技术、可再生能源系统和基于AI的管理框架的日益融合（Ben Hamida，2025年；Ben Hamida等人，2025b）。这些发展突显了数据驱动工具在复杂能源系统中加速分析和决策中的作用。基于这一趋势，本研究将简化化学动力学、CFD模拟和机器学习推理整合到一个以安全为导向的统一工作流程中，用于富氢甲烷燃烧的研究。
具体来说，采用了一种多任务学习（MTL）神经网络作为替代模型，基于简化机制生成的数据同时预测层流燃烧速度（LBV）和点火延迟时间（IDT）。MTL模型不仅没有引入新的学习范式，还保持了燃烧特性之间的物理耦合，同时实现了在广泛参数范围内的快速评估。为了扩展到实际湍流喷焰的应用，还加入了一个基于Damk?hler数的校正模块，以考虑湍流耗散和剪切效应。
通过整合简化化学模型、CFD和数据驱动的建模，本研究建立了一个高效的工作流程，用于快速绘制富氢泄漏情景下的火焰危险区域和点火区，为定量风险评估和工业安全分析提供了实用工具。
方法
在本研究中，使用Chemkin软件基于GRI-Mech 3.0机制简化了HEM燃烧过程，并进行了验证。在简化机制的基础上，进行了HEM喷流燃烧模拟，改变了氢含量（φ）、当量比（Φ）和喷嘴半径（R）。使用Chemkin/Cantera软件建立了一个包含LBV（层流燃烧速度）和点火延迟时间（IDT）解析解的数据库。
此外，本文
CFD中简化机制的验证
为了进一步验证简化机制与DRM的有效性，本文比较了两种机制下的喷流燃烧模拟结果（φ=90%，Φ=1）（Wu等人，2015年）。如图6(a)所示，两种机制下的喷火温度分布高度相关。
如图6(b)所示，简化机制预测的最大燃烧温度略低于GRI-Mech 3.0，但尾焰温度较高。最大温差保持在80K以内。
结论
本研究建立了一个集成工作流程，结合了机制简化、计算流体动力学（CFD）和多任务学习（MTL），高效预测了高氢含量（60–100%）富氢甲烷（HEM）喷流火焰的关键燃烧特性。从GRI-Mech 3.0通过DRGEP和敏感性分析得到的39步简化机制，能够准确且计算效率高地表示高H?条件下的主要化学路径。
作者贡献声明
张成龙：撰写 – 审稿与编辑、可视化、方法论、研究、概念化。张永海：撰写 – 审稿与编辑、验证、监督、研究、资金获取、概念化。李俊雷：撰写 – 审稿与编辑、初稿撰写、软件开发、方法论、数据管理。赵金鹏：撰写 – 审稿与编辑、可视化、研究、数据管理。段鹏飞：验证、监督、资源协调、项目管理。
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。
致谢
本工作得到了国家自然科学基金（NSFC）[项目编号U24B6017]和学科人才引进计划（B23025）的支持。
