מגדלי קירור הם מרכיבים חיוניים בצמחי כוח תרמיים, אחראים לפירוק כמויות עצומות של חום פסולת שנוצר במהלך הדור חשמל. הביצועים שלהם משפיע ישירות על יעילות צמחי, צריכת מים, וציות סביבתי.התעדה באופן צפוי יעילות מגדל קירור העדינה הסתמך היסטורית על קורלציות אמפיריות ומודלים פשוטים, אבל אלה לעתים קרובות נופלים קצרים כאשר הם מתמודדים עם גיאומטריה מורכבת, תנאים תפעוליים, דרישות קירור חמורות וקבועות (DPTS) במיוחד באמצעות תהליכי קירור חזקים, כגון תהליכי קירור, כגון ניתוחים חשמליים, כגון ניתוחים חשמליים, טיפול רחבים, טיפול, טיפול, כגון תהליכי קירור, טיפול בתבניות קירור, טיפול רב עוצמה, טיפול בסימולציה גבוהה, בעיקר, טיפול בסימולציה גבוהה, עם תאים גמישים, עם מודלים של שפעת, בעיקר, עם סימולציה גבוהה, עם סימולציה גבוהה, עם תאים קשים, עם סימולציה של שפעת, עם סימולציה גבוהה, עם מודלים של תאים גמישים, בעיקר, עם מודלים של תאים גמישים, עם מודלים של שפעת, עם סימולציה גבוהה, עם סימולציה של תאים מורכבים, עם סימולציה גבוהה, בעיקר, עם טיפול, עם טיפול, עם טיפול, עם סימולציה של שפעת, כגון סימולציה גבוהה, טיפול, טיפול, טיפול בתדירות גבוהה, כגון

תפקיד מגדלי קירור במפעלי הכוח הירומליים

במפעל כוח תרמי טיפוסי, בין אם הוא דלק על ידי פחם, גז טבעי, אנרגיה גרעינית, או כוח סולארי מרוכז, מחזור תרמודינמי דורש כיור חום כדי condense לצאת טורבינות. מגדלי קירור משמשים כיור חום זה, העברת חום מן המים קירור condenser קירור לאטמוספירה.הביצוע של מגדל קירור משפיע ישירות על התוספת של פליטות האחורי, אשר הופך את ההשפעה הכוללת של יעילות תרמית של תחנת דלק 1 מעלות צלזיוס יכול לשפר את הפחתת דלק אחד.

מגדלי קירור מסווגים באופן רחב לשני סוגים: הטיוטה טבעית ו טיוטה מכנית.מגדלים טבעיים, בדרך כלל היפרבולי בצורת, להסתמך על זרימת אוויר מונחה על ידי buoyancy והם נפוצים בצמחים גדולים של עומס בסיס. מגדלים מכניים משתמשים אוהדים כדי לכפות או לגרום זרימת אוויר והם נפוצים יותר בצמחים קטנים יותר או היכן שטח מוגבל. בתוך כל קטגוריה, עיצובים יכולים להיות נגד (העברת מים זורמים בזמן נופל) או ירידה לאחור, כולל תנועות אוויריות, או ירידה, כולל אזורי מים ייחודיים, כולל מחזורית, או ירידה, כולל אזורי מים ייחודיים, כולל אזורי מים ייחודיים.

מעבר לגיאומטריה, הביצועים התרמיים של מגדל קירור תלוי בהעברה חמה ומיסה בין טיפות מים ואוויר.מים חמים מן ה- condenser מחולק באמצעות נסחרת או ברים ריסוס, יצירת שטח משטח גדול עבור evaporation. כמו האוויר עובר דרך שדה מלא או ירידה, הוא סופג חום ולחות, קירור המים.

מימון של CFD מודלים עבור מגדלי קירור באמצעות ANSYS Fluent

ANSYS Fluent היא תוכנת CFD תכליתית הכוללת לשימוש נרחב ביישומים תעשייתיים הקשורים זרימה נוזלית, העברה חום ואינטראקציות רב-phase. עבור סימולציות מגדל קירור, Fluent מציעה חבילה מקיפה של מודלים שיכולים לייצג את הפיזיקה המורכבת מעורב.הגישה הדוגמית האופיינית כרוכה בפתרון הגרסאות של ריינולדס-Averaged Na-Stokes (RANS) עבור שלב האוויר המתמשך, בשילוב עם שלב דיסקרטיקציה מתאים (D) באמצעות נפילה של תאים, או גרורת מים, באמצעות ריצוף (DP) באמצעות , או ריצוף (DPPM) באמצעות ריצוף , באמצעות , pPMDPDPDP) באמצעות , באמצעות , באמצעות , באמצעות , , pPMD טיפות חישובי תיבות של , , פחתות (RPMD).

שילוב של Equations ו- Turbulence Modeling

זרימת האוויר בתוך מגדל קירור כמעט תמיד סוער, במיוחד במגדלי הטיוטה מכניים שבו מהירויות המושרה על ידי מעריצים יכול לעלות על 5 מ ' / s. בחירת מודל הזעזוע הנכון הוא קריטי עבור חיזוי פרופילים מהירות, טיפות לחץ, ותערובת. סטנדרטי k-epsilon, אמיתי k-epsilon, ו SST komega הם אפשרויות נפוצות עבור טבעי, שבו הוא מסוגל משוואות בשפע, 000, 000, 000, 000 מתאים של טמפרטורה, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000 מתאים, 000, 000, 000 מתאים, 000 סגסוגת של חומרת, 000, 000 סגסוגת של סגסוגת של חומרת, 000 מתאים, 000, 000, 000 מתאים, 000 סגסוגת של סגסוגת של חומרת, 000, 000, 000 סגסוגת של חומר ניקוי יעיל, 000, 000, 000, 000, 000, 000 סגסוגת של חומר ניקוי יעיל, 000 יעיל, 000 יעיל של סגסוגת עם סגסוגת יעיל, 000 סגסוגת יעיל של חומרת, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000 סגסוגת של סגסוגת של סגסוגת יעיל, 000 סגסוגת יעיל, 000 סגסוגת יעיל

משוואה האנרגיה נפתרה לתערובת מים אוויריים, חשבונאות עבור העברת חום מאוחרת בשל evaporation. Species תחבורה משוואות עבור מים פנויים הם לעתים קרובות מועסקים כדי לעקוב אחר שינויים לחות.חום והעברה המונית בין טיפות מים דיסקרטיים ואת שלב האוויר המתמשך הוא מודל באמצעות תנאי מקור משניים.

Multiphase Modeling: Discrete Phase vs. Eulerian-Eulerian

עבור מגדלי קירור עם נביטים או מתמלאים, מודל שלב הדיסקרטי (DPM) הוא הגישה המעשית ביותר.זה מתייחס טיפות מים כמו חלקיקים בודדים שמשלפים מסה, מומנטום ואנרגיה עם השלב האוויר המתמשך.DPM הוא יעיל חישובי כי זה רק פותר את משוואות חלקיקים ב מסגרת Langian, בעוד שלב האוויר הוא נפתר בגלידות נמוכות יותר, אך ורק על פני השטח DVOFronic הוא בדרך כלל יותר נמוך יותר, אך ורק על פני שטח זה עשוי להיות משוואות שבריריות של כדור הארץ נמוך יותר, אך ורק על פני שטח DVOFronic נמוך יותר, אך ורק שבריריות (בדרך כלל יותר, אך ורק שבריריות (בדרך כלל יותר מפוזרב) הוא 10pline הוא גבוה יותר, אך ורק יותר, אך ורק בועות צלזיוס) הוא גבוה יותר, אך ורק בועות כפול יותר, אך ורק משוואות ספירלי, אך ורק בועות שחורות איטי יותר, אך ורק בועות גבולי תיבות של מפוזרבורדוני נמוך יותר, הוא עשוי להיות יותר, באופן כללי יותר, אך ורק מפוזרבורד (בדרך כלל יותר, אך ורק מפוזיטיס גבוה יותר, הוא עשוי להיות יותר, באופן כללי יותר, אך ורק בועות שחורות

בפועל, מחקרים רבים של CFD מסחרי למגדלי קירור גדולים משתמשים ב-DPM עם מספר גדול של חבילות (מאות אלפים) כדי להשיג התכנסות סטטיסטית.ההתפלגות גודל הנפתחת מוגדרת בדרך כלל על בסיס נתונים של יצרן נוזל או ניתן מודל באמצעות תהליך של רוסין-Rammler. גישות מתקדמות יותר משלבות מודל של פירוק משני (למשל, TAB או W) כדי למנוע פיזור אפשרי באופן משמעותי של תהליך הפירוק של פיזור, אשר משפיע באופן משמעותי על פני השטח.

אימות ואימות

אין מודל CFD שימושי ללא אימות נתונים ניסיוניים.עבור מגדלי קירור, אימות כרוך לעתים קרובות השוואת טמפרטורת מים מנבאת, טמפרטורת האוויר ופרופיל לחות, ולחץ יורד עם מדידות של מגדלי פיזי או השקיות בדיקה בקנה מידה. מחקרים רבים הראו כי סימולציות פלורנט יכול לחזות את מגדל הקירור האופייני (KaV / L) ומספר מרקל עם דיוק מקובל (עם 5-10%) כאשר תנאים מתאימים גבולות וניתן להשתמש בהם).

מחקרים עצמאות Mesh הם חיוניים; מרש טיפוסי למגדל הטיוטה טבעי גדול עשוי להכיל 2-10 מיליון תאים, עם זיכוך ליד נופי תרסיס, למלא את האזור, ואת קירות המגדל.לא מובנה tetrahedral meshes משמשים לעתים קרובות עבור גיאוגרפיה מורכבת, בעוד hex-core meshes יכול לשפר דיוק באזור זרימת הדם.

פרמטרים מרכזיים ב-CFD Simulations for Cooling Towerאפקטיביות

יעילות חיזוי דורשת מפרט זהיר של פרמטרים מרובים.יעילות מוגדרת כיחס של חום אמיתי נדחה לדחיית החום המקסימלית האפשרית, או שווה ערך, הטמפרטורה הגישה (ההבדל בין טמפרטורת המים הקרים לבין טמפרטורת הבט רטובה).

גיאומטריה ושיקולים

הגיאומטריה של מגדל קירור כוללת את מעטפת המגדל (height, קוטר, צורה), מערכת הפצה מים (פיפינג, נוולים), למלא מדיה (סוג, גובה, צפיפות אריזה), מחסניות סחף וערעור מעריצים (לטיוט מכני) בטסישות טבעית (Pittecstain shapes), הצורה ההיפרבולית היא קריטית להפחתה טבעית; המשטח המתקבל ממתכת, מאשר לפשטת תאים של לחץ דם בודד.

הישבן החישובי חייב לפתור את שכבת הגבול על קירות המגדל וסביב רכיבי מילוי. A y + ערך של כ -30-100 הוא אופייני לתפקודי קיר כאשר משתמשים במודל k-epsilon, בעוד נמוך y+ (כ 1) נדרש עבור מודלים בעלי מספר נמוך של זעזועים כמו SST k-Oga. האזור סביב nozzles תרסיס דורש ליטוש דק כדי ללכוד את המודל המכשף או לנסחטייקטייקטייקט (F) באופן מדויק לדגמי) לדגימה לאחור, כדי להזיז מודל הפנסים (Strashing meshing ish) במדויק את המקרר).

תנאים חמורים ו-Frefs

תנאי הגבול של אינלט כוללים טמפרטורה מחממת, לחות יחסית, מהירות רוח / עקיפין אם בהתחשב אפקטים טבעיים רוח.מצב המים מפרט את קצב זרימת הדם עבור nozzle, טמפרטורת מים חמה, וחלוקה בגודל טיפות.גבול היציאה הוא בדרך כלל לחץ החוצה בחלק העליון של המגדל (לטיוטה טבעית) או ביציאה (עבור הטיוטה כפויה) הם לעתים קרובות שטח רחב עם תאים, אשר חייב להיות ממוקם עם שטח רחב עם שטח, או לחץ על ידי לחץ על ידי לחץ על ידי לחץ על ידי תאים רחב, עם שטח, או לחץ על ידי תאים קשים, או על ידי קירור רחב, אשר לעתים קרובות, אשר לעתים קרובות, 000, 000, 000, 000 רחב, 000, 000, 000, 000, 000, 000, 000, 000, 000 קשה, 000, 000, 000, 000, 000, 000 קשה, 000 קשה, 000 קשה, 000, 000, 000, 000, 000, 000 קשה, 000, 000, 000 קשה, 000 קשה, 000 קשה, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000 קשה, 000, 000, 000 קשה כדי לתפוס את זה

Fluent מאפשר למשתמש להגדיר תנאים אלה עם פונקציות מוגדרות למשתמש (UDFs) עבור וריאציות מרחביות, כגון הפצה מים לא אחידה ברחבי רדיוס המגדל.תחנות כוח רבות פועלות מגדלי קירור במקביל; CFD יכול מודל מודול יחיד או לשכפל תאים מרובים באמצעות תנאי גבול תקופתיים כדי להפחית את העלות החישובית.

מודלים פיזיים ו- Sub-Models

מעבר למסגרת הבסיס של אוילריאן-לגרינגיאן, כמה מודלים תת-מודלים הם קריטיים לחיזוי יעילות מדויק:

  • מודל ההשתה של פלונט:0Evaporation מודל: FLT:1 מודל ההתמדה של פלונט משתמש במספר העברת ההמונים הגדלה על בסיס אנלוגיית העברת החום.טמפרטורת הנפתחת מעודכנת על בסיס מאזן האנרגיה בין חום יציב ומאוחר.עבור מגדלי קירור, שיעור הפינוי הוא המנגנון הדומיננטי, בדרך כלל עבור 70-80% של חום.
  • (FLT:0) העברת התקשורות: FLT:1 המספר Nusselt עבור טיפות מחושב באמצעות מזהמים אמפיריים כגון רנץ-מרשל, אשר תלוי טיפת ריינולדס ומספרי Prandtl.דיוק של מתאםים אלה בטמפרטורות גבוהות ועם טיפות לא מפוספרות נשאר נושא מחקר.
  • (FLT:0)Radiation חום העברה:FLT:1 במגדלים טבעיים גדולים שנחשפו לשמש, קרינה יכולה לקחת בחשבון 5-10% מההעברה החום.מודל של פלורנט (DO) ניתן להפעיל כדי להסביר קרינה סולארית וקרינה תרמית בין פני המים החמים לבין המבנה.
  • (FLT:0)Fill Modeling: FLT:1 כאמור, אזור המילוי מטופל לעתים קרובות כאמצעי תקשורת ⁇ עם חום רב ומונחי מקור מסה.תנאים אלה יכולים להיגזר מהתאוריה של מרקל או המודל של בראון, אשר מתייחס יעילות המגדל הקירור ליחס זרימת המים-אוויר, למלא גיאומטריה, בתנאים של let.

היתרונות של שימוש ב-CDCD עבור Cooling Tower Analysis ואופטימיזציה של

אימוץ של CFD בעיצוב מגדל קירור וחדשנות צמח באופן משמעותי בשל יכולתו לספק נתונים מפורטים, נפתרים מרחבית כי בדיקות פיזיות לא יכולות להתאים בקלות.מהנדסים יכולים להעריך שינויים עיצוב בסביבה וירטואלית ללא ההוצאות והזמן של בניית אבטיפוס.

עלויות וחיסכון בזמן

בדיקות פיזיקליות של מגדלי קירור יקרים, במיוחד עבור מגדלי הטיוטה טבעיים גדולים הדורשים חודשים של בנייה ומכשור מיוחד. סימולציות CFD ניתן להשלים בתוך כמה ימים עד שבועות על אשכול מחשוב ביצועים גבוה, המאפשרים מספר רב של מסלולים עיצוביים להיות מוערכים במקביל.לדוגמה, כלי כוח יכול לרצות להעריך את ההשפעה של שדרוג נביטים כדי לייצר טיפות בסדר גבוה יותר.

אופטימיזציה ופתרון בעיות

CFD מאפשר מחקרים parametric כי הם ניסיוניים לא מעשיים מהנדסים יכול לשנות את גובה מלא, טעינת מים, גודל טיפה, מהירות המעריצים, ותנאים נוחים למצוא את השילוב האופטימלי עבור אתר מסוים.

מחקר: Natural Draft Tower Performance שיפור

אתגר רטרופיט נפוץ הוא שיפור הביצועים של מגדלי הטיוטה טבעיים ההזדקנות. במחקר שפורסם אחד (ראה קישור להלן), מהנדסים השתמשו ב- ANSYS פלונט כדי מודל מגדל קירור קצבי בגובה 120 מטר ומצא כי הפצה מים לא אחידה מ nozzles clogged מופחתת על ידי יותר מ 15%.על ידי חלוקה מחדש של זרימת המים והחלפת סימולטורים, הסימולציה חזתה ירידה של 2C בטמפרטורה קרה, אשר תרגם גם את זרם אוויר אחד נמוך יותר ממטר אחד.

(ב) קרא מקרה לקוח של ANSYS על אופטימיזציה למגדל הקירור (PDF) 1FLT:1.

אתגרים ומגבלות של CFD עבור פרויקט קירור המגדל

למרות כוחו, ה-CDCD מודלים של מגדלי קירור עומדים בפני כמה אתגרים שהמתרגלים חייבים להכיר בהם כדי להימנע מביטחון יתר בתוצאות הסימולציה.

דרישות משאבים

פתרון רב-פיזיקה מלאה של מגדל קירור גדול - כולל זרימת אוויר סוערת, מאות אלפי מסלולים של טיפות, העברת חום, והערכה - דורש משאבים חישוביים משמעותיים. סימולציה חד-מצבית קבועה עם DPM יכול לקחת 2472 שעות על גבי אשכול 64-core סימולציות ללכידת התנהגות דינמית (למשל, התחלות, רוחות יקרות), כמו גם אפקטים של ירידה מהירה יותר, כגון גלימות גרוטאלית, כמו גם על גבי גלאז'ים, כמו גם על גבי פרק זמן, ואפקטים פשוטים יותר, כמו גם על גבי ספירת זמן, כמו גם על גבי פרקי זמן, כמו גם על גבי פרק זמן, כמו נוסחאות פשוטות יותר, כמו נוסחאות פשוטות יותר, כמו פשטות, כמו פשטות, כמו פשטות, כמו נוסחאות קבועות, כמו פשטות, כמו סטיות, כמו פשטות, כמו נוסחאות זמן, כמו סטיות, כמו פשטות, כמו פשטות, כמו פשטות, כמו נוסחאות קבועות, כמו נוסחאות קבועות ארוכות טווח, כמו נוסחאות קבועות, כמו נוסחאות זמן, כמו סימולציות.

מודלים ודעות

מודל שלב הדיסקרטי מניח כי טיפות לא אינטראקציה אחד עם השני (לא פחם או הפסקה מעבר להזרקה ראשונית) במציאות, טיפות התנגשות ופחמות, במיוחד באזור המלא שבו עומס מים גבוה.בחדש מתקדם יותר אולריאן-Eulerian מודלים (למשל, מודל רב-phase עם מעקב ממשק) יכול ללכוד אינטראקציות אלה אך לעתים רחוקות משמשים עקב עלות גבוהה של חיזוי אווירי, באופן דומה, כלומר, זה יכול להיות רזולוציה מקומית של תאים.

דרישות נתונים ואימות

Accurate CFD דורש נתונים מפורטים של קלט: חלוקת גודל טיפות, למלא תכונות חומריות (שטח העברה חום, לחץ ירידה מזהמים), ותנאים נוחים.הנתונים האלה הם לעתים קרובות קנייניים או קשה למדוד ב situ. ביצועיו בפועל של מגדל עשויים להתנתק מעיצוב בשל הדבקה, הזדקנות, או דרוג.ללא קלמנטציה קבועה ואימות נגד מדידות שדה, תחזיות יכולות כעת לנבאדנציה אמינה של שימוש בדגם אמיתי של שימוש ב-CD.

מגמות וחדשנות עתידיים במגדל קירור CFD

עתיד סימולציה של המגדל הקירור הוא שילוב של CFD עם טכנולוגיות מתפתחות לשיפור הדיוק, המהירות והזמינות.

אינטגרציה למידת מכונות

מודלים של למידת מכונות ניתן לאמן על תוצאות CFD לספק תחזיות כמעט בלתי שפויות של ביצועי מגדל קירור בתנאים שונים.למשל, רשת עצבית יכולה להיות מאומנת עם מאות של CFD מכסה את הטווח הצפוי של טמפרטורות, לחות, וטעינה מים.מודל הפונדקאית יכול להיות מוטבע לתוך מערכות בקרה צמחית כדי לייעל מהירות ומים בזמן אמת.SYS פיתחה כמו כלים מתאימים AI כדי לשילוב של צמחים אלה.

[01:0] דוח של NREL על למידת מכונה עבור מודלים של מגדלי הקירור (PDF)

סימולציות בזמן אמת ותיאומים דיגיטליים

תאומו דיגיטלי הוא ייצוג וירטואלי של נכס פיזי המתעדכן ללא הרף עם נתוני חיישן.עבור מגדלי קירור, תאום דיגיטלי המבוסס על מודלים מסדרים מופחתים שמקורם CFD יכול לחזות הידרדרות, להציע מרווחי תחזוקה, להזהיר מפני כישלון מתמשך. ANSYS Twin Builder מאפשר למהנדסים ליצור מודלים ברמת מערכת הכוללים מודלים של רכיב CFD-derive. גישה זו צוברת בתעשיית הכוח, במיוחד עבור צמחים כי צריך כדי להרחיב את החיים עם רגולציה תרמית שמירה על מודלים של רכיבים.

מחשוב גבוה וענן סימלו

העלות והזמן של סימולציות CFD מופחתים עם הזמינות של שירותי HPC מבוססי ענן. ANSYS Cloud מציעה משאבים מדרגיים המאפשרים למהנדסים לנהל סימולציות נאמנות גבוהות יותר עם תאים מרשים יותר ויותר חלקיקים.זה מאפשר מודל מפורט יותר של microphysics טיפות, כולל צורות ירידה לא-idelet ומים רב-מגיבים (אם משתמשים במים מטופלים עם תוספי חישוביים).

מסקנה

Fluid Dynamics Computational באמצעות ANSYS Fluent מהפכה הדרך בה מהנדסים צופים וייעלו את יעילות מגדלי הקירור בתחנות כוח. על ידי מתן תובנה מפורטת, מבוססת פיזיקה על אינטראקציות מורכבות בין אוויר למים, CFD מאפשר תחזיות ביצועים מדויקות יותר מאשר שיטות אמפיריות מסורתיות.

במבט קדימה, השילוב של CFD עם למידת מכונה, ניטור בזמן אמת, ותאומים דיגיטליים ישפרו עוד יותר את התועלת שלה, מה שהופך אותו כלי חיוני עבור עיצובים חדשים ו רטרוfitting של צמחים קיימים. as Environmental Monitoring and theביקוש ליעילות גבוהה יותר גדל, היכולת לחזות במדויק את ביצועי המגדל באמצעות סימולציה יהיה יתרון תחרותי קריטי עבור יצרני חשמל.

(ב) ויקרא י"א: "ה', כ"כ, ב'"ה' (ב"ב)" (בראשית כ"ד).