面向未来的燃料供给：废餐饮油(Waste Cooking Oil, WCO)生物柴油添加石墨烯(Graphene Nanoparticles, GNPs)纳米颗粒以降低压燃式(CI)发动机尾气排放

《Next Energy》：Fueling the future: Graphene-enhanced waste cooking oil biodiesel for reduced exhaust emission in diesel engines

　　

日益增长的可持续及环境友好型能源需求推动了以废弃物料为原料制取替代燃料——生物柴油的研究。本研究考察以废餐饮油(Waste Cooking Oil, WCO)生物柴油作为可再生燃料，并通过添加石墨烯纳米颗粒(Graphene Nanoparticles, GNPs)改善其性能。研究人员在一台单缸柴油机上测试了含不同比例WCO生物柴油及不同浓度GNPs的多种燃料混合样，包括纯柴油(Diesel)、B15D85(15%生物柴油+85%柴油)、D100G75(纯柴油+75 ppm GNPs)、B15D85G75(15%生物柴油+85%柴油+75 ppm GNPs)及B15D85G80(15%生物柴油+85%柴油+80 ppm GNPs)。结果表明，GNPs的加入显著改善了燃烧特性，使功率输出升高且制动比油耗(Brake-Specific Fuel Consumption, BSFC)降低。其中B15D85G75与B15D85G80的功率较常规柴油分别提升42%与25.32%。排放分析显示有害污染物大幅削减：B15D85G75的CO排放降低37%，仅B15D85也比柴油低13%；高负荷下未燃碳氢(Unburned Hydrocarbon, UHC)排放以柴油为42 ppm，B15D85G75与B15D85分别为35 ppm与32 ppm；B15D85G80在高负荷时CO2排放下降76.6%；烟度(Smoke Opacity)降低21.8%，B15D85G80的NOx排放减少49.9%。采用响应面法(Response Surface Methodology, RSM)优化得到理想工况参数，对应BSFC为0.120 kg/kWh、制动热效率(Brake Thermal Efficiency, BTE)为24.934%，且CO、CO2、UHC、NOx及烟度均显著下降。

论文解读：废餐饮油生物柴油掺混石墨烯纳米颗粒改善压燃式发动机性能与减排的试验与响应面法优化研究

研究背景与意义

全球化石燃料枯竭与环境污染问题促使研究者寻找可再生的车用替代燃料。生物柴油（尤以廉价易得的废餐饮油Waste Cooking Oil, WCO经酯交换制得甲酯）因可再生、可生物降解且能降低部分有害排放而受关注。近年纳米技术引入燃料领域——纳米颗粒凭借高导热性、大比表面积等可改善雾化与燃烧。石墨烯纳米颗粒(Graphene Nanoparticles, GNPs)具备优异热导率及载氧潜力，但有关其在WCO生物柴油—柴油掺混体系中最佳浓度阈值及多目标参数优化的系统研究尚少。本文由Babita Singh、Anand Gupta与Dhiren Kumar Behera完成并发表于《Next Energy》，旨在通过台架试验结合响应面法(Response Surface Methodology, RSM)明确GNPs最佳掺杂量（75–80 ppm区间）及最优运行条件，兼顾提升压燃式(Compression Ignition, CI)发动机性能与削减排放。

主要关键技术方法

研究人员收集宿管食堂WCO经过滤、80℃醇解—碱催化酯交换、静置分相、上层取 biodiesel 并重蒸除残醇，配制成5种试验燃料：Diesel（100%市售柴油）、B15D85（15 vol% WCO biodiesel + 85%柴油）、D100G75（柴油+75 ppm GNPs）、B15D85G75（B15D85+75 ppm GNPs）、B15D85G80（B15D85+80 ppm GNPs）。GNPs以磁子800–1000 rpm、50–60℃分散60 min。在Kirloskar单缸四冲程水冷CI发动机（缸径80 mm、行程110 mm、压缩比16:1、额定1500 rpm、制动功率5 kW）上各负荷稳态测试，测取制动热效率(Brake Thermal Efficiency, BTE)、制动比油耗(Brake-Specific Fuel Consumption, BSFC)及尾气(CO、CO₂、未燃碳氢Unburned Hydrocarbon, UHC、NO_x、烟度)。采用中心复合设计(Central Composite Design, CCD)建立负荷(A)、掺混比(B)、GNPs浓度(C)与响应变量的二阶回归模型，经方差分析(Analysis of Variance, ANOVA)验证后做多目标数值优化求取最优工况。

研究结果

4.1. Experimental analysis of performance and emission parameters

BSFC随负荷先升后降，D100G75在全负荷段最高（0.2818 kg/kWh），B15D85G75与B15D85G80高负荷BSFC分别为0.1778与0.156 kg/kWh（柴油为0.1501）。BTE随负荷升高，B15D85G75峰值27%（较柴油18.94%提高约42%），B15D85G80为25.36%（提高约25.32%）。CO随负荷上升但含GNPs的生物柴油掺混样低于柴油，高负荷B15D85G80最低（0.056% vs 柴油0.092%，降约39%），B15D85G75降37%，B15D85降13%。UHC高负荷柴油42 ppm，B15D85 32 ppm（↓23.8%）、B15D85G75 35 ppm（↓16.6%）；但B15D85G80升至65 ppm——归因于80 ppm GNPs发生团聚致雾化变差、燃烧不完全。CO₂高负荷B15D85G80异常降至2.4%（柴油10.27%，表观降76.6%），结合UHC升高判定为不完全燃烧而非高效氧化结果，需谨慎解读。烟度高负荷B15D85G80最低0.43 m^?1（柴油0.55 m^?1，降21.8%）。NO_x高负荷B15D85G80最低297 ppm（柴油593 ppm，降49.9%），归因于GNPs高导热加速缸内散热抑制局部高温。综合看75 ppm GNPs在近优区间，80 ppm出现团聚副作用。

5.1. Brake specific fuel consumption and brake thermal efficiency

经RSM拟合得BSFC = 0.3151 + 0.0265A ? 0.0329B + 0.0427C ? 0.0031AB + 0.0014AC ? 0.0530BC ? 0.2473A²+ 0.0000B²+ 0.0577C²；BTE = 19.12 + 10.25A + 3.11B ? 0.0608C + 2.23AB + 0.1712AC + 0.7088BC ? 5.17A²+ 0.0000B²? 0.67C²。ANOVA示负荷(p<0.0001)与掺混比(p<0.0001)对BTE影响显著，GNPs浓度影响不显著(p=0.9338)；BSFC模型各因子均不显著但整体模型合理（Adj. R²=0.8846）。响应面显示低BSFC出现在掺混比9–15%、GNPs 40–65 ppm区；BTE最高区对应75 ppm GNPs与较高负荷。

5.2. Carbon monoxide and carbon dioxide

CO = 0.0667 + 0.0166A ? 0.0075B + 0.0053C ? 0.0008AB ? 0.0045AC ? 0.0017BC + 0.0098A²+ 0.0000B²? 0.0202C²（Adj. R²=0.8161）；CO₂= 15.03 + 3.53A ? 0.3097B ? 1.48C ? 0.8223AB ? 0.8727AC ? 0.1477BC + 0.5034A²+ 0.0000B²? 11.12C²（Adj. R²=0.9690）。CO最小区为掺混比9–15%且GNPs 67–80 ppm；CO₂低值区为低负荷(0–1 kg)与GNPs 70–80 ppm或掺混比3–6%。

5.3. Unburnt hydrocarbon and NO_x

UHC = ?55.63 + 18.38A ? 0.5400B + 6.64C + 2.11AB + 2.68AC + 3.36BC + 3.43A²+ 0.0000B²+ 80.85C²（Adj. R²=0.8636）；NO_x= 603.03 + 208.74A ? 25.17B ? 52.43C ? 34.57AB ? 35.11AC ? 34.77BC ? 94.63A²+ 0.0000B²? 261.55C²（Adj. R²=0.6855）。UHC低值对应掺混比7–12%、GNPs 75–80 ppm（中低负荷）；NO_x低值对应掺混比6–10%、GNPs 75–80 ppm，高GNPs浓度在低温负荷抑NO_x明显。

5.4. Smoke opacity

Smoke Opacity = 0.6045 + 0.2110A ? 0.0230B ? 0.0210C ? 0.0145AB ? 0.0085AC ? 0.0080BC ? 0.2269A²+ 0.0000B²? 0.1211C²（Adj. R²=0.9925）。低烟度区为掺混比7–10%、GNPs 59–78 ppm与低–中负荷，或GNPs 76–80 ppm与掺混10–12%在中高负荷。

6. Optimization 与 7. Validation

多目标最小化BSFC、CO、CO₂、UHC、NO_x、烟度，最大化BTE，得最优解：负荷0.284 kg、B15掺混比15%、GNPs 77.658 ppm，预测BSFC 0.120 kg/kWh、BTE 24.934%、CO 0.032%、CO₂2.080%、NO_x73.22 ppm、UHC 7.692 ppm、烟度0.118 m^?1，合意度(Desirability)=0.750。验证试验PAE(Percent Absolute Error)对性能参数<3%，排放<7%（UHC除外），模型可靠。

讨论与结论（翻译自Conclusions部分）

本研究考察了WCO生物柴油—柴油掺混GNPs纳米添加剂对CI发动机性能与排放的影响，并借RSM识别最优输入参数组合以提升性能同时最小化有害排气。在95%置信水平下所有输出模型统计显著。主要结论如下：含15% WCO biodiesel且GNPs浓度75–80 ppm的掺混燃料明显改善发动机性能——B15D85G75与B15D85G80功率较纯柴油分别增加42%与25.32%；高负荷B15D85G80的BSFC为0.156 kg/kWh（较柴油0.1501 kg/kWh微增0.59%）。排放方面：B15D85G75的CO降约37%，仅B15D85降13%；UHC分别降16.6%(B15D85G75)与23.8%(B15D85)；B15D85G80高负荷CO₂较柴油降76.6%（2.4% vs 10.27%）；B15D85G80的NO_x降49.9%，烟度降21.81%。RSM优化得合意度0.750，对应15%掺混比、0.284 kg负荷、77.658 ppm GNPs，预测BSFC 0.120 kg/kWh、BTE 24.934%、CO 0.032%、CO₂2.082%、UHC 7.692 ppm、NO_x73.22 ppm、烟度0.118 m^?1；预测值与实测误差多数<5%。本研究的创新在于综合评价掺混比、负荷与GNPs浓度三者交互作用，证实RSM可有效识别关键变量并确定兼顾燃油效率与环境影响的优化工况。需注意GNPs硬度可能在长期运行中加剧喷油嘴与高压泵磨损及活塞积炭，后续须开展500 h以上耐久测试及长期燃料稳定性、缸压与放热率分析。