Dottorato in ENERGIA E AMBIENTE

Titolo della tesi: Advancing NOx Emission Prediction for Hydrogen-Rich and Ammonia-Based Fuel Blends in Gas Turbine Burners

La spinta globale verso la decarbonizzazione ha accelerato la ricerca su fonti di combustibile alternative per la generazione di energia. Tra queste, l’idrogeno (H₂) e l’ammoniaca (NH₃) emergono come candidati promettenti per i sistemi energetici sostenibili, grazie alla loro elevata densità energetica e all’assenza di emissioni di carbonio. Tuttavia, le loro caratteristiche di combustione, le instabilità e la significativa produzione di ossidi di azoto (NOx) rappresentano una sfida per l’applicazione nelle turbine a gas industriali. Prevedere con precisione le emissioni di NOx derivanti dalla combustione di questi combustibili alternativi rimane una questione complessa, che richiede ulteriori studi e soluzioni. È stato dimostrato che i modelli di cinetica chimica, combinati con modelli di combustione, non sono sempre efficaci nel riprodurre la morfologia della fiamma e nel prevedere le emissioni al variare di parametri operativi come il rapporto di equivalenza o la percentuale di idrogeno nella miscela, specialmente ad alte pressioni. Questa criticità rappresenta un ostacolo significativo all’integrazione di idrogeno e ammoniaca nelle turbine a gas industriali. Questo studio si basa su ampie campagne sperimentali condotte su miscele di ammoniaca-idrogeno, ammoniaca-metano e ammoniaca crackata (NH₃/H₂/N₂), con un focus sugli effetti della frazione di ammoniaca nel combustibile, del rapporto di equivalenza e della pressione sulla stabilità della combustione e sulla formazione di inquinanti. Inoltre, viene esplorato il potenziale della chemiluminescenza per lo sviluppo di sensori non intrusivi, in grado di monitorare e controllare in tempo reale fiamme turbolente di ammoniaca e idrogeno. A tale scopo, vengono utilizzati metodi basati sul machine learning per affinare le tecniche diagnostiche di previsione delle emissioni di NOx. Sulla base dei dati sperimentali raccolti, questa tesi analizza l’applicazione della fluidodinamica computazionale (CFD) per prevedere le emissioni di NOx nei bruciatori delle turbine a gas alimentate con miscele di idrogeno e ammoniaca. In particolare, vengono esplorate diverse metodologie numeriche per modellare il comportamento della fiamma e i meccanismi di formazione degli inquinanti, tra cui approcci Reynolds-Averaged Navier-Stokes (RANS), le tecniche ibride CFD - Chemical Reactor Network (CRN) e approcci Large Eddy Simulation (LES). Combinando dati sperimentali, simulazioni CFD e metodologie machine learning, lo studio fornisce un’analisi approfondita dei processi di combustione di ammoniaca e idrogeno, con particolare attenzione ai bruciatori con stabilizzazione di fiamma con swirler. Vengono affrontati aspetti chiave come la morfologia e la dinamica della fiamma, la cinetica chimica e i percorsi di formazione dei NOx, con l’obiettivo di mitigare le emissioni senza compromettere l’efficienza della combustione. Infine, il lavoro esplora anche le instabilità termoacustiche associate alle miscele di combustibile studiate. I risultati ottenuti, attraverso la validazione dei modelli numerici con dati sperimentali su bruciatori sia in scala di laboratorio che industriale, offrono preziosi spunti di riflessione. L’analisi permette di individuare configurazioni ottimali per ridurre le emissioni di NOx, garantendo al contempo un’elevata efficienza di combustione.