Le torri di raffreddamento sono componenti vitali nelle centrali termiche, responsabili della dissipazione delle vaste quantità di calore generato durante la generazione di energia elettrica. Le loro prestazioni influiscono direttamente sull'efficienza dell'impianto, sul consumo di acqua e sulla conformità ambientale.

Il ruolo delle torri di raffreddamento nelle centrali termiche

In una tipica centrale termica, sia alimentata da carbone, gas naturale, energia nucleare o energia solare concentrata, il ciclo termodinamico richiede un dissipatore di calore per condensare il vapore che esce dalla turbina. Le torri di raffreddamento servono come questo dissipatore di calore, trasferendo calore dalle emissioni di raffreddamento condensatore all'atmosfera.

Le torri di raffreddamento sono classificate in due tipi: bozza naturale e bozza meccanica. Le torri a bozze naturali, tipicamente iperboliche in forma, si basano sul flusso d'aria a galleggiamento e sono comuni nelle grandi piante di carico di base. Le torri a bozze meccaniche utilizzano i ventilatori per forzare o indurre il flusso d'aria e sono più comuni nelle piante più piccole o dove lo spazio è limitato.

Oltre alla geometria, le prestazioni termiche di una torre di raffreddamento dipendono dal calore e dal trasferimento di massa tra gocce d'acqua e aria. L'acqua calda del condensatore è distribuita attraverso ugelli a spruzzo o barre di spruzzo, creando una grande superficie per l'evaporazione.

Fondamenti di CFD Modeling per il raffreddamento delle torri utilizzando ANSYS Fluent

ANSYS Fluent è un software CFD generico ampiamente utilizzato per applicazioni industriali che coinvolgono fluido flusso, trasferimento di calore e interazioni multifase. Per simulazioni di torre di raffreddamento, Fluent offre una suite completa di modelli che possono rappresentare la fisica complessa coinvolta. Il tipico approccio di modellazione comporta la soluzione delle Reynolds-Averaged Navier-Stokes (RANS) equazioni per la fase di trasferimento dell'aria continua, accoppiatoDP con un modello di fase di fase discreta PM.

Equazioni di governo e modelli di turbolenza

Il flusso d'aria all'interno di una torre di raffreddamento è quasi sempre turbolenta, soprattutto nelle torri di bozza meccanica in cui le velocità indotte dai ventilatori possono superare i 5 m/s. La scelta del modello di turbolenza è fondamentale per prevedere profili di velocità, gocce di pressione e miscelazione.

L'equazione energetica viene risolta per la miscela di vapore acqueo, che rappresenta il trasferimento di calore latente dovuto all'evaporazione. Le equazioni di trasporto delle specie per il vapore acqueo sono spesso impiegate per monitorare i cambiamenti di umidità. Il trasferimento di calore e di massa tra le gocce d'acqua discrete e la fase dell'aria continua è modellato utilizzando termini di sorgente accoppiata.

Modellazione multifase: Fase Discreta vs. Eulerian-Eulerian

Per il raffreddamento di torri con ugelli di spruzzo o riempimenti di spruzzo, il modello di fase discreta (DPM) è l'approccio più pratico. Tratta gocce d'acqua come particelle individuali che scambiano massa, slancio ed energia con la fase dell'aria continua. Il DPM è computazionalmente efficiente perché risolve solo le equazioni traiettorie di particelle in un telaio lagrangiano, mentre la fase dell'aria è risolta in una cornice euleria.

In pratica, molti studi commerciali di CFD per grandi torri di raffreddamento utilizzano il DPM con un gran numero di pacchi (centri di migliaia) per raggiungere la convergenza statistica. La distribuzione delle dimensioni del gocciolo è generalmente specificata in base ai dati del produttore dell'ugello o può essere modellata utilizzando una distribuzione Rosin-Rammler.

Validazione e verifica

Per le torri di raffreddamento, la validazione comporta spesso il confronto tra temperatura di scarico dell'acqua predetta, temperatura dell'aria e profili di umidità, e la caduta di pressione con misurazioni da torri fisiche o piattaforme di prova scalate. Molti studi hanno dimostrato che le simulazioni fluide possono prevedere la caratteristica torre di raffreddamento (KaV/L) e il numero di Merkel con accuratezza accettabile (nel 5-10%) quando vengono utilizzate le condizioni di ricircolo e la risoluzione dei dati di rete.

Gli studi sull'indipendenza della rete sono essenziali; una rete tipica per una grande torre a bozza naturale può consistere di 2-10 milioni di celle, con raffinatezza vicino agli ugelli a spruzzo, regione di riempimento e pareti a torre. Le mesh non strutturate tetraedrali sono spesso utilizzate per geometrie complesse, mentre le mesh-core hex possono migliorare l'accuratezza nella regione di portata di massa.

Parametri chiave in CFD Simulazioni per il raffreddamento della torre Efficacia

Predivisione dell'efficacia richiede un'attenta specifica di parametri multipli. L'efficacia è definita come il rapporto di calore effettivo rifiutato al massimo possibile rifiuto di calore, o equivalente, la temperatura di avvicinamento (la differenza tra la temperatura di presa dell'acqua fredda e la temperatura di bagnato-bulbo).

Considerazioni Geometriche e Mesh

La geometria di una torre di raffreddamento comprende la conchiglia di torre (altezza, diametro, forma), il sistema di distribuzione dell'acqua (piping, ugelli), il supporto di riempimento (tipo, altezza, densità di imballaggio), gli eliminatori di deriva e lo stack di ventola (per la bozza meccanica).

La rete computazionale deve risolvere lo strato limite sulle pareti della torre e intorno agli elementi di riempimento. Un valore y+ di circa 30-100 è tipico per le funzioni della parete quando si utilizza il modello k-epsilon, mentre il basso y+ (circa 1) è necessario per i modelli di turbolenza a basso numero di reynolds-number come SST k-omega. La regione intorno agli ugelli di spruzzo richiede una maglia fine per catturare l'inietto di riferimento per la regione di scorrimento e la rottura meccanica.

Condizioni di lavoro e parametri operativi

Le condizioni di confine dell'ingresso per l'aria includono la temperatura ambiente, l'umidità relativa e la velocità del vento/direzione se si considerano gli effetti del vento naturale. La condizione di ingresso dell'acqua specifica la portata per ugello, la temperatura dell'acqua calda e la distribuzione delle dimensioni della goccia. Il limite di uscita è tipicamente uno sbocco di pressione nella parte superiore della torre (per il disegno naturale) o all'uscita del ventilatore (per la bozza forzata).

ANSYS Fluent consente all'utente di definire queste condizioni limite con funzioni definite dall'utente (UDF) per variazioni spaziali, come la distribuzione non uniforme dell'acqua nel raggio della torre. Molte centrali elettriche operano torri di raffreddamento in parallelo; CFD può modellare un singolo modulo o replicare più celle utilizzando condizioni di confine periodiche per ridurre i costi computazionali.

Modelli fisici e sub-modi

Oltre alla base euleriana-lagrangiana, diversi sotto-modelli sono critici per una precisa previsione dell'efficacia:

  • Modello di evaporazione:[[] Il modello di evaporazione predefinita di Fluent utilizza il numero di trasferimento di massa di saldatura basato sull'analogia del trasferimento di calore. La temperatura di goccia viene aggiornata in base all'equilibrio energetico tra calore convettivo e latente.
  • Correlazioni di trasferimento di calore:[ Il numero di Nusselt per gocce viene calcolato utilizzando correlazioni empiriche come la correlazione Ranz-Marshall, che dipende dal numero di goccia Reynolds e Prandtl. L'accuratezza di queste correlazioni ad alte temperature e con gocce non sferica rimane un argomento di ricerca.
  • Trasferimento termico:[[] Nelle grandi torri a bozza naturale esposte alla luce solare, la radiazione può rappresentare il 5-10% del trasferimento termico. Il modello di ordinatori discrete (DO) di Fluent può essere attivato per tenere conto della radiazione solare e della radiazione termica tra la superficie dell'acqua calda e la struttura della torre.
  • ]Modalizzazione del file:[] Come accennato, la regione di riempimento viene spesso trattata come un poroso mezzo con termini di calore volumetrico e di origine di massa. Questi termini possono essere derivati dalla teoria di Merkel o dal modello di Braun, che riguardano l'efficacia della torre di raffreddamento al rapporto di flusso di massa acqua-aria, geometria di riempimento e condizioni di ingresso.

Vantaggi dell'utilizzo di CFD per il raffreddamento dell'analisi e dell'ottimizzazione della torre

L'adozione di CFD nel design della torre di raffreddamento e la retrofitting è cresciuta significativamente grazie alla sua capacità di fornire dati dettagliati e risolti spazialmente che i test fisici non possono facilmente corrispondere.

Risparmio di tempo e costi

La prova fisica delle torri di raffreddamento è costosa, soprattutto per grandi torri a bozza naturale che richiedono mesi di costruzione e strumentazione specializzata. Le simulazioni CFD possono essere completate in pochi giorni a settimane su un cluster di calcolo ad alte prestazioni, permettendo di valutare più iterazioni di progettazione in parallelo.

Ottimizzazione e risoluzione dei problemi

Gli ingegneri possono variare l'altezza di riempimento, il carico dell'acqua, la dimensione del gocciolo, la velocità del ventilatore e le condizioni ambientali per trovare la combinazione ottimale per un determinato sito.

Case study: Natural Draft Tower Performance Improvement

Una sfida comune di retrofit sta migliorando le prestazioni di invecchiamento naturale torre di bozza. In uno studio pubblicato (vedi link qui sotto), gli ingegneri hanno usato ANSYS Fluent per modellare una torre di raffreddamento iperbolica alta 120 metri e hanno scoperto che la distribuzione non uniforme dell'acqua da ugelli intasati ha ridotto l'efficacia di oltre il 15%.

Leggi uno studio di caso cliente ANSYS sull'ottimizzazione della torre di raffreddamento (PDF).

Sfide e limitazioni di CFD per la prevenzione della torre di raffreddamento

Nonostante la sua potenza, la modellazione CFD delle torri di raffreddamento affronta diverse sfide che i professionisti devono riconoscere per evitare la sovraccapacità nei risultati della simulazione.

Requisiti di risorse computazionali

Risolvere la multifisica completa di una grande torre di raffreddamento, tra cui il flusso d'aria turbolenta, centinaia di migliaia di traiettorie di goccia, il trasferimento di calore e l'evaporazione, richiede risorse computazionali significative.

Semplificazione e ipotesi del modello

Il modello di fase discreto assume che le gocce non interagiscano tra loro (nessuna carbonescence o rottura oltre l'iniezione iniziale). In realtà, le gocce collidono e carbonesce, soprattutto nella regione di riempimento dove il carico dell'acqua è alto. I modelli Eulerian-Eulerian (ad esempio, il modello multifase Eulerian con il monitoraggio dell'interfaccia) possono catturare queste interazioni ma sono raramente utilizzati a causa di elevati costi di elaborazione.

Requisiti e convalida dei dati

Accurate CFD richiede dati di input dettagliati: distribuzione delle dimensioni delle gocce, proprietà del materiale di riempimento (area di trasferimento del calore, coefficienti di caduta della pressione), e condizioni ambientali. Questi dati sono spesso proprietari o difficili da misurare in situ. Le prestazioni effettive della torre possono deviare dal design a causa di fouling, invecchiamento o scaling.

Tendenze e innovazioni future nella torre di raffreddamento CFD

Il futuro della simulazione della torre di raffreddamento consiste nell'integrare il CFD con le tecnologie emergenti per migliorare l'accuratezza, la velocità e l'usabilità.

Integrazione di apprendimento della macchina

I modelli di surrogati di apprendimento delle macchine possono essere formati sui risultati CFD per fornire previsioni quasi istantanee delle prestazioni della torre di raffreddamento in condizioni diverse. Ad esempio, una rete neurale può essere addestrata con centinaia di CFD che coprono la gamma prevista di temperature ambientali, umidità e carico dell'acqua. Il modello di surrogato può essere poi incorporato in sistemi di controllo delle piante per ottimizzare la velocità del ventilatore e il flusso dell'acqua in tempo reale.

NREL relazione sull'apprendimento automatico per la modellazione della torre di raffreddamento (PDF).

Simulazione in tempo reale e gemelle digitali

Per le torri di raffreddamento, un gemello digitale basato su modelli di ordine ridotto derivato da CFD può prevedere il deterioramento, suggeriscono intervalli di manutenzione e avvertono di un guasto imminente. ANSYS Twin Builder consente agli ingegneri di creare modelli di livello di sistema che includono modelli di componenti CFD-derived. Questo approccio sta acquisendo trazione nel settore energetico, in particolare per la conformità di scarico impianti di mantenimento che hanno bisogno di

Simulazione di cloud e di calcolo ad alta efficienza

ANSYS Cloud offre risorse scalabili che permettono agli ingegneri di eseguire simulazioni di maggiore fedeltà con più celle di rete e più particelle. Questo consente una modellazione più dettagliata di microfisica di droplet, tra cui forme di droplet non ideali e acqua multicomponente (se si utilizzano acqua trattata con additivi).

Conclusioni

Grazie alla sua dettagliata visione fisica delle complesse interazioni tra aria e acqua, CFD consente una maggiore precisione delle previsioni di prestazioni rispetto ai metodi empirici tradizionali. I fattori chiave come la modellazione dell'efficienza della turbolenza, l'evaporazione del gocciolo e la rappresentazione del riempimento richiedono un'attenta attenzione all'impianto, ma quando correttamente convalidato, CFD può fornire risultati significativi.

In vista di un futuro, l'integrazione di CFD con machine learning, monitoraggio in tempo reale e gemelle digitali migliorerà ulteriormente la sua utilità, rendendolo uno strumento indispensabile sia per i nuovi progetti che per la retrofitting di impianti esistenti. Come le normative ambientali si stringe e la domanda di maggiore efficienza cresce, la capacità di prevedere con precisione le prestazioni della torre di raffreddamento attraverso la simulazione sarà un vantaggio competitivo critico per i produttori di potenza.

Per saperne di più su ANSYS Fluent per la gestione termica[[.