Les tours de refroidissement sont des composants essentiels des centrales thermiques, responsables de la dissipation des quantités considérables de chaleur résiduelle générées pendant la production d'électricité. Leur performance a une incidence directe sur l'efficacité de l'usine, la consommation d'eau et la conformité environnementale. L'efficacité de la tour de refroidissement a toujours été fonction de corrélations empiriques et de modèles simplifiés, mais ces approches sont souvent insuffisantes lorsqu'il s'agit de géométries complexes, de conditions d'exploitation variables et de prescriptions réglementaires rigoureuses.

Le rôle des tours de refroidissement dans les centrales thermiques

Dans une centrale thermique typique, alimentée par le charbon, le gaz naturel, l'énergie nucléaire ou l'énergie solaire concentrée, le cycle thermodynamique nécessite un évier de chaleur pour condenser la vapeur sortant de la turbine. Les tours de refroidissement servent de puits de chaleur, transférant la chaleur de l'eau de refroidissement du condensateur vers l'atmosphère. La performance de la tour de refroidissement influence directement la contre-pression du condenseur, qui affecte à son tour l'efficacité thermique globale de la centrale.

Les tours de refroidissement sont généralement classées en deux types : les tours de refroidissement naturelles et les tours mécaniques. Les tours de refroidissement naturelles, généralement de forme hyperbolique, dépendent du débit d'air entraîné par la flottabilité et sont courantes dans les grandes installations de charge de base. Les tours de refroidissement mécaniques utilisent des ventilateurs pour forcer ou induire le débit d'air et sont plus courantes dans les petites installations ou dans les endroits où l'espace est limité.

Au-delà de la géométrie, la performance thermique d'une tour de refroidissement dépend du transfert de chaleur et de masse entre les gouttelettes d'eau et l'air. L'eau chaude du condenseur est distribuée par des buses de pulvérisation ou des barres de projection, créant une grande surface pour l'évaporation. L'air passant par le milieu de remplissage ou le champ de gouttelettes, elle absorbe la chaleur et l'humidité, refroidit l'eau. L'efficacité de ce processus est régie par des principes psychorométriques, la distribution de la taille des gouttelettes, le rapport eau-air et les conditions météorologiques ambiantes.

Principes fondamentaux de la modélisation CFD pour les tours de refroidissement utilisant Ansys Fluent

Pour les simulations de tours de refroidissement, Fluent offre une série complète de modèles qui peuvent représenter la physique complexe en cause. L'approche de modélisation typique consiste à résoudre les équations de navigation-arrêts (RANS) de Reynolds-Averaged Navier-Stokes (Rans) pour la phase d'air continu, couplées à un modèle de phase distinct (DPM) pour les gouttelettes d'eau. Le DPM suit les gouttelettes ou les parcelles individuelles à travers le domaine de calcul, en tenant compte de la traînée, du transfert de chaleur et de l'évaporation à l'aide de sous-modèles appropriés.

Équations et modélisation de la turbulence

Le débit d'air à l'intérieur d'une tour de refroidissement est presque toujours turbulent, surtout dans les tours de traction mécanique où les vitesses induites par le ventilateur peuvent dépasser 5 m/s. Le choix du bon modèle de turbulence est essentiel pour prédire les profils de vitesse, les baisses de pression et le mélange. Le k-epsilon standard, le k-epsilon réalisable et le k-omega SST sont des choix communs.

L'équation énergétique est résolue pour le mélange vapeur air-eau, tenant compte du transfert de chaleur latente due à l'évaporation. Les équations de transport des espèces pour la vapeur d'eau sont souvent utilisées pour suivre les changements d'humidité. Le transfert de chaleur et de masse entre les gouttelettes d'eau discrètes et la phase d'air continu est modélisé en utilisant des termes de source couplée.

Modélisation multiphase : Phase discrète par rapport à Eulerian-Eulerian

Pour les tours de refroidissement avec des buses de pulvérisation ou des éclaboussures, le modèle de phase discrète (DPM) est l'approche la plus pratique. Il traite les gouttelettes d'eau comme des particules individuelles qui échangent la masse, l'élan et l'énergie avec la phase d'air continu. Le DPM est efficace par calcul parce qu'il ne résout que les équations de trajectoire des particules dans un cadre lagrangien, tandis que la phase d'air est résolue dans un cadre eulérien. Cependant, le DPM suppose que la fraction de volume des gouttelettes est faible (généralement inférieure à 10-12 %), ce qui est généralement vrai dans la zone d'arrosage mais peut être bordé dans la région de remplissage.

Dans la pratique, de nombreuses études commerciales sur les CFD pour les grandes tours de refroidissement utilisent le DPM avec un grand nombre de parcelles (des centaines de milliers) pour atteindre la convergence statistique. La distribution de la taille des gouttelettes est généralement spécifiée en fonction des données du fabricant de buses ou peut être modélisée à l'aide d'une distribution Rosin-Ramler.

Validation et vérification

Pour les tours de refroidissement, la validation consiste souvent à comparer la température de sortie d'eau prévue, les profils de température de l'air et d'humidité et la chute de pression avec les mesures effectuées à partir de tours physiques ou de plates-formes d'essai à échelles. De nombreuses études ont montré que les simulations de Fluent peuvent prédire la caractéristique de la tour de refroidissement (KaV/L) et le nombre de Merkel avec une précision acceptable (dans les 5 à 10 %) lorsque des conditions limites appropriées et une résolution de maille sont utilisées.

Les études d'indépendance des mailles sont essentielles; un maillage typique pour une grande tour naturelle de brouillage peut être constitué de 2 à 10 millions de cellules, avec des améliorations près des buses de pulvérisation, de la région de remplissage et des parois des tours. Les mailles tétraédriques non structurées sont souvent utilisées pour des géométries complexes, tandis que les mailles hexacore peuvent améliorer la précision dans la région de débit en vrac.

Paramètres clés dans les simulations CFD pour l'efficacité de la tour de refroidissement

Pour prédire l'efficacité, il faut définir avec soin plusieurs paramètres : le rapport entre la chaleur réelle rejetée et le rejet maximal possible de la chaleur, ou, de façon équivalente, la température d'approche (la différence entre la température de sortie de l'eau froide et la température de l'eau humide).

Géométrie et considérations de mesh

La géométrie d'une tour de refroidissement comprend la coque de la tour (hauteur, diamètre, forme), le système de distribution d'eau (pipage, buses), le support de remplissage (type, hauteur, densité d'emballage), les éliminateurs de dérive et la pile de ventilateur (pour l'ébauche mécanique). Dans les tours de courants naturels, la forme hyperbolique est essentielle pour induire la convection naturelle; la courbure affecte la distribution de vitesse et la chute de pression.

La maille calculatrice doit résoudre la couche limite sur les parois de la tour et autour des éléments de remplissage. Une valeur y+ d'environ 30-100 est typique pour les fonctions de paroi lorsque l'on utilise le modèle k-epsilon, tandis que la valeur y+ (environ 1) est nécessaire pour les modèles de turbulence à faible nombre de Reynolds comme SST k-omega. La région autour des buses de pulvérisation nécessite un filet fin pour capturer l'injection de gouttelettes et la rupture initiale.

Conditions de limite et paramètres de fonctionnement

Les conditions de limite d'entrée pour l'air comprennent la température ambiante, l'humidité relative et la vitesse/direction du vent si l'on considère les effets du vent naturel. L'état de l'entrée d'eau spécifie le débit par buse, la température de l'eau chaude et la distribution de la taille des gouttelettes. La limite de sortie est généralement une sortie de pression au sommet de la tour (pour le tirant d'eau naturel) ou à la sortie du ventilateur (pour le tirant d'eau forcé).

ANSYS Fluent permet à l'utilisateur de définir ces conditions de limite avec des fonctions définies par l'utilisateur (UDF) pour les variations spatiales, comme la distribution d'eau non uniforme à travers le rayon de la tour. De nombreuses centrales fonctionnent en parallèle des tours de refroidissement; CFD peut modéliser un module unique ou reproduire plusieurs cellules en utilisant des conditions de limite périodiques pour réduire le coût de calcul.

Modèles physiques et sous-modèles

Au-delà du cadre eulérien-lagrangien de base, plusieurs sous-modèles sont essentiels pour une prévision précise de l'efficacité :

  • Modèle d'évaporation:Le modèle d'évaporation par défaut de Fluent utilise le numéro de transfert de masse de Spalding basé sur l'analogie du transfert de chaleur. La température des gouttelettes est mise à jour en fonction du bilan énergétique entre chaleur convectif et chaleur latente.
  • Corrélations de transfert de chaleur: Le nombre de nusetts pour les gouttelettes est calculé à l'aide de corrélations empiriques comme la corrélation Ranz-Marshall, qui dépend des nombres de nusetts Reynolds et Prandtl. La précision de ces corrélations à haute température et avec les gouttelettes non sphériques reste un sujet de recherche.
  • Transfert de chaleur par radiation:[ Dans les grandes tours de courants d'air naturelles exposées au soleil, le rayonnement peut représenter 5-10 % du transfert de chaleur.Le modèle d'ordonnées discrètes de Fluent peut être activé pour tenir compte du rayonnement solaire et du rayonnement thermique entre la surface de l'eau chaude et la structure de la tour.
  • Modélisation de remplissage: Comme mentionné, la région de remplissage est souvent traitée comme un milieu poreux avec des termes de chaleur volumétrique et de source de masse. Ces termes de source peuvent être dérivés de la théorie de Merkel ou du modèle de Braun, qui relie l'efficacité de la tour de refroidissement au rapport de débit massique eau-air, la géométrie de remplissage et les conditions d'entrée.

Avantages de l'utilisation de CFD pour l'analyse et l'optimisation des tours de refroidissement

L'adoption de CFD dans la conception et la modernisation des tours de refroidissement a considérablement augmenté en raison de sa capacité à fournir des données détaillées et résolues sur le plan spatial que les essais physiques ne peuvent pas facilement correspondre.

Économies de coûts et de temps

Les simulations de CFD peuvent être réalisées en quelques jours ou quelques semaines sur un groupe de calcul à haute performance, permettant d'évaluer en parallèle plusieurs itérations de conception. Par exemple, une unité d'électricité peut vouloir évaluer l'impact de la mise à niveau des buses de pulvérisation pour produire des gouttelettes plus fines. CFD peut rapidement quantifier l'amélioration de l'efficacité (généralement 0,5-2 °C température d'approche inférieure) et les compromis associés dans la perte de dérive et la consommation d'énergie du ventilateur.

Optimisation et dépannage

Les ingénieurs peuvent varier la hauteur de remplissage, la charge d'eau, la taille des gouttelettes, la vitesse du ventilateur et les conditions ambiantes pour trouver la combinaison optimale pour un site donné. Les outils d'optimisation intégrés de AnsYS Fluent (p. ex. DesignXplorer) peuvent automatiser ce processus en utilisant des méthodes de surface de réponse ou des algorithmes génétiques.

Étude de cas : Projet naturel d'amélioration de la performance de la tour

Dans une étude publiée (voir le lien ci-dessous), les ingénieurs ont utilisé le modèle d'ANSYS Fluent pour modéliser une tour de refroidissement hyperbolique de 120 mètres de haut et ont constaté que la distribution d'eau non uniforme des buses obstruées réduisait l'efficacité de plus de 15 %. En redistribuant le débit d'eau et en remplaçant les éliminateurs de dérive, la simulation prévoyait une réduction de 3°C de la température de l'eau froide, ce qui a permis de réaliser un gain de 1,5 % en efficacité thermique globale de la centrale. La simulation a également révélé que le vent croisé entrant dans la tour d'un côté avait causé une zone de recirculation qui réduisait le débit d'air à travers le remplissage; l'ajout d'un mur de brise-vent le long de la direction du vent dominant a atténué ce problème.

Lire une étude de cas sur l'optimisation des tours de refroidissement (PDF).

Défis et limites de la DFC pour la prévision de la tour de refroidissement

Malgré sa puissance, la modélisation des tours de refroidissement par CFD fait face à plusieurs défis que les praticiens doivent reconnaître pour éviter une surconfiance dans les résultats de simulation.

Demande de ressources informatiques

La résolution de la totalité de la multiphysique d'une grande tour de refroidissement, y compris le débit d'air turbulent, des centaines de milliers de trajectoires de gouttelettes, le transfert de chaleur et l'évaporation, nécessite des ressources informatiques importantes. Une simulation à l'état stationnaire unique avec le DPM peut prendre 24-72 heures sur un amas de 64 cœurs. Les simulations transitoires pour saisir le comportement dynamique (par exemple, démarrage, rafales de vent) sont encore plus coûteuses.

Simplifications et hypothèses du modèle

Le modèle de phase discrète suppose que les gouttelettes n'interagissent pas entre elles (pas de coalescence ou de rupture au-delà de l'injection initiale). En réalité, les gouttelettes se heurtent et se combinent, surtout dans la région de remplissage où la charge en eau est élevée. Des modèles eulériens-eulériens plus avancés (p. ex. le modèle eulérien multiphasique avec suivi des interfaces) peuvent capter ces interactions mais sont rarement utilisés en raison de coûts de calcul élevés.

Exigences en matière de données et validation

Les données précises de CFD exigent des données d'entrée détaillées : distribution de la taille des gouttelettes, propriétés du matériau de remplissage (zone de transfert de chaleur, coefficients de chute de pression) et conditions ambiantes.Ces données sont souvent exclusives ou difficiles à mesurer in situ. La performance réelle d'une tour peut s'écarter de la conception en raison de l'encrassement, du vieillissement ou de l'échelle.

Tendances et innovations futures dans la tour de refroidissement CFD

L'avenir de la simulation de la tour de refroidissement réside dans l'intégration de CFD aux technologies émergentes pour améliorer la précision, la vitesse et la facilité d'utilisation.

Intégration de l'apprentissage automatique

Les modèles de remplacement pour l'apprentissage automatique peuvent être formés aux résultats du CFD pour fournir des prévisions quasi instantanées de la performance des tours de refroidissement dans des conditions variables. Par exemple, un réseau neuronal peut être formé à des centaines de parcours du CFD couvrant la gamme prévue de températures ambiantes, d'humidité et de chargement d'eau. Le modèle de remplacement peut ensuite être intégré dans des systèmes de contrôle de la centrale pour optimiser la vitesse du ventilateur et le débit d'eau en temps réel.

Rapport NREL sur l'apprentissage automatique pour la modélisation de la tour de refroidissement (PDF).

Simulation en temps réel et jumelles numériques

Un jumeau numérique est une représentation virtuelle d'un actif physique qui est continuellement mis à jour avec les données des capteurs. Pour les tours de refroidissement, un jumeau numérique basé sur des modèles à ordre réduit dérivés de CFD peut prédire la détérioration, suggérer des intervalles de maintenance et prévenir une défaillance imminente.

Calcul haute performance et simulation en nuage

Le coût et le temps des simulations CFD diminuent avec la disponibilité de services HPC basés sur le cloud. ANSYS Cloud offre des ressources évolutives qui permettent aux ingénieurs de réaliser des simulations à plus grande fidélité avec plus de cellules à mailles et plus de particules. Cela permet une modélisation plus détaillée de la microphysique gouttelettes, y compris des formes de gouttelettes non idéales et de l'eau multicomposante (si l'on utilise de l'eau traitée avec des additifs).

Conclusion

En fournissant une vue détaillée et basée sur la physique des interactions complexes entre l'air et l'eau, CFD permet des prédictions de performance plus précises que les méthodes empiriques traditionnelles. Des facteurs clés tels que la modélisation de turbulence, l'évaporation des gouttelettes et la représentation des gouttelettes exigent une attention particulière, mais lorsqu'ils sont validés correctement, CFD peut fournir des résultats fiables qui conduisent à des améliorations importantes de l'efficacité des installations et des économies de coûts.

L'intégration du CFD à l'apprentissage automatique, à la surveillance en temps réel et aux jumeaux numériques améliorera encore son utilité, ce qui en fera un outil indispensable pour les nouvelles conceptions et la modernisation des installations existantes. À mesure que la réglementation environnementale se resserrera et que la demande d'efficacité accrue augmentera, la capacité de prédire avec précision la performance des tours de refroidissement par simulation constituera un avantage concurrentiel critique pour les producteurs d'électricité.

En savoir plus sur Ansys Fluent pour la gestion thermique.