Tesis:
NOₓ emissions from passenger cars under real driving conditions
- Autor: MERA ROSERO, Zamir Andrés
- Título: NOₓ emissions from passenger cars under real driving conditions
- Fecha: 2020
- Materia: Sin materia definida
- Escuela: E.T.S. DE INGENIEROS INDUSTRIALES
- Departamentos: INGENIERIA MECANICA
- Acceso electrónico: http://oa.upm.es/65135/
- Director/a 1º: LÓPEZ MARTÍNEZ, José María
- Director/a 2º: FONSECA GONZÁLEZ, Natalia Elizabeth
- Resumen: La contaminación producida por los vehículos automotores afecta la calidad del aire de las ciudades de todo el mundo. En la conducción en condiciones reales, la mayoría de los turismos diésel Euro 5 y los primeros Euro 6, exceden los límites de emisión de óxidos de nitrógeno (NOₓ) reportados en el proceso de homologación. Además, la predicción de las emisiones de NOₓ es imprecisa, debido a su no linealidad y su dependencia de la acción del sistema de postratamiento, lo que disminuye la certeza de las estimaciones de NOₓ. Estos aspectos restringen la aplicabilidad de políticas para la mitigación de la contaminación. El objetivo de este trabajo es proporcionar un mejor entendimiento de las condiciones donde se producen las mayores emisiones de NOₓ de los turismos, y mejores criterios de cuantificación para los modelos microscópicos de emisiones, en particular, de los vehículos diésel Euro 6 en condiciones reales de conducción. Los vehículos ensayados, tenían diferentes sistemas de propulsión y de postratamiento, que incluían vehículos de gasolina con catalizador de tres vías (three-way catalyst, TWC), específicamente, un vehículo de inyección directa de gasolina y un vehículo híbrido eléctrico; cuatro vehículos diésel con recirculación de gases de escape, trampa de NOₓ (lean-burn NOₓ trap, LNT) y reducción catalítica selectiva (selective catalytic reduction, SCR). Se realizó un análisis estadístico descriptivo para encontrar la relación entre las emisiones de NOₓ y las condiciones de operación del vehículo, del motor y del sistema de postratamiento. Luego, se comparó un modelo de emisiones físico, uno basado en datos , y un modelo híbrido, para comprender la influencia de los picos de emisión NOₓ en la predicción de estos modelos microscópicos. Las altas emisiones instantáneas de NOₓ (picos de NOₓ), se agruparon utilizando un nuevo método desarrollado, denominado high emission sets (HES). Usando HES, los resultados muestran que los picos de NOₓ representan un gran porcentaje de las emisiones totales, pero se producen en muy cortos periodos de tiempo. Las emisiones de NOₓ se muestran como una función no lineal que depende de las condiciones de funcionamiento del tren motriz, de la inyección de combustible y, en particular, del sistema de reducción de NOₓ. De la muestra de vehículos analizados, el vehículo híbrido de gasolina y el diésel con SCR, mostraron emisiones de NOₓ en condiciones reales de conducción por debajo de los límites de Euro 6. Se demostró, que la eficiencia de los sistemas TWC y SCR, ambos convertidores catalíticos continuos, depende de las temperaturas de funcionamiento, y en el caso de los TWC, de la relación aire-combustible. Así, durante los primeros cinco minutos de arranque en frío, los niveles de emisión del vehículo híbrido y del diésel con SCR, alcanzaron valores similares a los observados para los equipados con otras tecnologías de control de NOₓ. Además, la baja carga en conducción urbana o los descensos en rural enfriaron al SCR, lo que disminuyó su eficiencia. Estos aspectos sugieren la necesidad de un precalentamiento activo para los SCRs y TWCs (en aplicaciones híbridas). Por otro lado, los altos niveles de emisiones de NOₓ medidas en el vehículo de inyección directa se presentaron por el continuo funcionamiento en relaciones aire-combustible de mezcla pobre, donde el catalizador TWC disminuye la eficiencia para reducir los NOₓ. Con respecto a los modelos de emisión microscópicos, en el caso de los sistemas de reducción catalítica selectiva (SCR), los resultados sugieren la necesidad de modelar las emisiones de NOₓ en dos bloques, uno para predecir las NOₓ a la salida del motor y otro para las predicciones en el tubo de escape. La baja ocurrencia de los picos de NOₓ afecta a la predicción de los factores de emisión. Por otro lado, las "bajas" emisiones de NOₓ influyen en las métricas de predicción instantánea como R2 y RMSE. Los parámetros de la actividad del vehículo se convirtieron en datos de entrada útiles para los modelos basados en la física de los sistemas, y para los modelos de aprendizaje automático. Un enfoque híbrido que combina el modelo basado en la física, con un modelo de aprendizaje automático para el sistema de postratamiento resultó como la mejor alternativa, al usar las ventajas ambos enfoques, reduciendo la cantidad de mediciones y la caracterización del sistema de escape y sus elementos. ----------ABSTRACT---------- Pollution from motor vehicles affects air quality in all global cities. In real-world driving, most Euro 5 and early Euro 6 diesel passenger cars exceed the nitrogen oxides (NOₓ) emission limits of the type approval procedure. In addition, the prediction of instantaneous NOₓ emissions is difficult because of its high nonlinearity and dependence of aftertreatment action, which decreases the certainty of NOₓ estimations. These aspects restrict the applicability of policy strategies for the mitigation of pollution. The objective of this works is to provide a better understanding of motor vehicle NOₓ emissions and better quantification criteria for microscopic emission models, in particular, from diesel Euro 6 passenger cars under real-world driving conditions. Therefore, in this study, real-world NOₓ emissions and operational data from Euro 6b passenger cars were examined. The vehicles had different powertrains and aftertreatment systems including gasoline vehicles with a three-way catalyst (TWC), namely, one gasoline direct injection (GDI) and one hybrid electric vehicle (HEV); four diesel vehicles with only exhaust gas recirculation (EGR), lean-burn NOₓ trap (LNT) and selective catalytic reduction (SCR). Descriptive statistical analysis was performed to determine the relationships between NOₓ emissions and the vehicle, engine, and aftertreatment operation conditions. Then, a physical, a data-driven, and a hybrid microscopic model were compared to understand the influence of the NOₓ emissions peaks on the prediction accuracy of microscopic models. High instantaneous NOₓ emissions (NOₓ peaks) were clustered using a new developed method called high emission sets (HES). The results obtained using HES, indicate that the NOₓ peaks account for a large proportion of the total emissions produced in a short amount of time. The NOₓ emissions are reflected as a high nonlinear function dependent on the operating conditions of the powertrain, fuel injection, and particularly, of the NOₓ control system. From the sample of tested vehicles, the gasoline hybrid electric and diesel SCR-equipped vehicles showed real-world NOₓ emissions under Euro 6 limits. It was demonstrated that the efficiency of TWC and SCR systems—both continuous catalytic converters—depend on operating temperatures, and in the case of TWCs, on air-fuel ratios. Therefore, during the first five minutes of cold start, the HEV and SCR-diesel emission levels reached similar values to those observed for the other NOₓ control technologies. In addition, low loads in urban driving or downhill in rural areas cooled down the SCR catalyst, thereby decreasing efficiency. These aspects suggest the need for active heating for SCR and TWC (in hybrid applications) aftertreatments. High NOₓ emissions were measured from the GDI because of the recurrent leaner air-fuel ratios, where the TWC catalyst decreased the deNOₓ efficiency. Regarding microscopic models, in the case of selective catalytic reduction (SCR) systems, the results suggest the need for modelling NOₓ emissions in two blocks: one for engine-out outputs and another for tailpipe predictions. The low occurrence of the NOₓ peaks affects the accuracy of the predicted emission factors. “Low” NOₓ emissions affect instantaneous prediction metrics, such as R2 and RMSE. The use of vehicle activity parameters becomes useful inputs to model physics-based, and machine learning models. A hybrid approach that combines the physics-based model with a machine learning model for the aftertreatment system is a good alternative as enables the use of the advantages of the physics and data-driven models for reducing the amount of dimensioning and characterisation of the aftertreatment layout.