Le flux de travail consiste à apporter un nouveau carburant aux spectres infrarouges et à appliquer l'apprentissage automatique pour effectuer une prédiction d'octane. Crédit :KAUST
Un simple, méthode rapide et peu coûteuse de modélisation des caractéristiques de combustion de l'essence a été développée par les chercheurs du KAUST, ouvrant la voie à des carburants de transport plus propres et plus efficaces.
La combustion de carburants à base d'hydrocarbures pour le transport est un contributeur important au changement climatique, incitant le besoin de plus propre, des carburants plus performants. L'essence, le carburant le plus couramment utilisé dans les voitures, contient des centaines d'hydrocarbures et, selon sa composition, a une large gamme de caractéristiques de combustion.
Un indicateur de la performance d'un carburant est l'indice d'octane :plus l'indice est élevé, plus le carburant peut être comprimé lors de l'allumage et plus sa combustion est efficace. Cependant, mesurer physiquement l'indice d'octane de l'essence est compliqué, coûteux et chronophage.
Maintenant, Aamir Farooq et Emad Al Ibrahim du Clean Combustion Research Center de KAUST ont développé une méthode simple et rentable pour modéliser les caractéristiques de combustion de l'essence, ce qui pourrait aider à identifier les mélanges de carburant avec des indices d'octane élevés.
« Notre modèle offre une méthode simple et rapide pour sélectionner les mélanges de carburant candidats sans avoir besoin de tests physiques, " dit Al Ibrahim. " Les chercheurs peuvent utiliser notre modèle pour théoriser un nouveau mélange de carburants et ensuite estimer quel serait son indice d'octane. "
Les chercheurs ont construit un ensemble de données comprenant des spectres infrarouges, indice d'octane, et les propriétés moléculaires des principaux composants de l'essence, y compris la paraffine, isoparaffine, oléfine, naphtène et hydrocarbures aromatiques. De là, ils ont produit des spectres composites pour 148 mélanges d'hydrocarbures différents.
En utilisant un modèle statistique non linéaire, ils ont extrait les informations les plus pertinentes des spectres. Ils ont ensuite transformé ces données en scores liés aux caractéristiques chimiques du carburant, leur permettant de prédire son indice d'octane.
"L'utilisation de méthodes non linéaires pour analyser les spectres est importante car les molécules d'hydrocarbures ont tendance à présenter un mélange synergique et antagoniste, " explique Al Ibrahim. " Par exemple, un mélange de deux carburants peut souvent produire un indice d'octane supérieur à celui des constituants individuels."
Spectres des principales familles chimiques de l'essence. Crédit :Société chimique australienne
Aamir Farooq (au dos) et Emad Al-Ibrahim discutent de l'exactitude de leur flux de travail de prédiction. Crédit :KAUST
En simulant les spectres de 38 essences FACE (carburants pour moteurs à combustion avancée), le modèle a pu prédire avec précision leurs indices d'octane, fournir un procédé pour déterminer les caractéristiques de combustion de différents mélanges de carburant.
« Alors que nous cherchons à trouver des formulations de carburants plus récentes et plus propres, nous devons être en mesure de cribler rapidement les carburants candidats potentiels :mélanges de raffinerie bas carbone, biocarburants, carburants solaires et e-carburants. Nous pouvons maintenant le faire facilement, à moindre coût et rapidement, " dit Farooq.
