Koeltorens zijn essentiële componenten in thermische energiecentrales, die verantwoordelijk zijn voor het verdrijven van de enorme hoeveelheden afvalwarmte die tijdens de elektriciteitsopwekking worden gegenereerd. Hun prestaties hebben direct gevolgen voor de efficiëntie van de installatie, het waterverbruik en de naleving van het milieu. Nauwkeurig voorspellen van de effectiviteit van koeltorens is historisch gebaseerd op empirische correlaties en vereenvoudigde modellen, maar deze benaderingen vallen vaak tekort bij het modelleren van complexe geometrieën, variabele bedrijfsomstandigheden en strenge regelgevingseisen. Computational Fluid Dynamics (CFD) simulaties, met name met behulp van ANSYS Fluent, zijn ontstaan als een krachtig instrument om de ingewikkelde multifasestroom, warmte- en massaoverdrachtsprocessen binnen koeltorens te modelleren. Door het simuleren van luchtstroompatronen, waterdruppeltrajecten en verdampingssnelheden met hoge fideliteit kunnen ingenieurs nu de ontwerp-, diagnose van prestatieproblemen optimaliseren en behavior voorspellen onder een breed scala aan scenario's zonder dure fysieke prototyptie.

De rol van koeltorens in thermische energiecentrales

In een typische thermische centrale, of het nu gaat om kolen, aardgas, kernenergie of geconcentreerde zonne-energie, vereist de thermodynamische cyclus een koellichaam om stoom uit de turbine te condenseren. Koeltorens dienen als deze koelput, waardoor warmte van het koelwater van de condensator naar de atmosfeer wordt overgebracht. De prestaties van de koeltoren beïnvloeden direct de condensatortegendruk, die op zijn beurt de totale thermische efficiëntie van de installatie beïnvloedt. Een verlaging van de koelwatertemperatuur van 1°C kan de efficiëntie van de installatie met 0,5-1% verbeteren, wat vertaalt in aanzienlijke brandstofbesparingen en verminderde emissies.

Koeltorens zijn in grote lijnen ingedeeld in twee soorten: natuurlijke ontwerp en mechanische ontwerp. Natuurlijke ontwerp torens, meestal hyperbolische in vorm, vertrouwen op drijfvermogen-gedreven luchtstroom en zijn gebruikelijk in grote stuwstof planten. Mechanische ontwerp torens gebruiken ventilatoren te dwingen of induceren luchtstroom en zijn meer gebruikelijk in kleinere planten of waar de ruimte beperkt is. Binnen elke categorie, ontwerpen kunnen tegenstroom (lucht beweegt omhoog terwijl water daalt) of crossflow (lucht beweegt horizontaal over het vallende water). Elke configuratie biedt unieke uitdagingen voor CFD modelleren, waaronder de noodzaak om recirculatiezones, windeffecten en niet-uniforme waterdistributie te vangen.

Naast de geometrie is de thermische prestaties van een koeltoren afhankelijk van de warmte en massaoverdracht tussen waterdruppels en lucht. Het warme water uit de condensator wordt gedistribueerd door spuitmonden of spatlappen, waardoor een groot oppervlak wordt gecreëerd voor verdamping. Als lucht door het vulmedium of druppelveld gaat, absorbeert het warmte en vocht, koelt het water. De effectiviteit van dit proces wordt bepaald door psychrometrische principes, dropletgrootteverdeling, water-luchtverhouding en omgevingsomstandigheden. CFD simulaties moeten rekening houden met al deze factoren om betrouwbare voorspellingen te leveren.

Grondbeginselen van CFD Modellering voor koeltorens met behulp van ANSYS-fluit

ANSYS Fluent is een algemeen inzetbare CFD-software die wijd wordt gebruikt voor industriële toepassingen met vloeistofstroom, warmteoverdracht en multifase interacties. Voor koeltorensimulaties biedt Fluent een uitgebreide reeks modellen die de complexe fysica kunnen vertegenwoordigen. De typische modelleringsbenadering omvat het oplossen van de Reynolds-Gemiddelde Navier-Stokes (RANS) vergelijkingen voor de continue luchtfase, gekoppeld aan een discrete fasemodel (DPM) voor de waterdruppels. De DPM volgt individuele druppels of pakketten via het computerdomein, waarbij rekening wordt gehouden met drag, warmteoverdracht en verdamping met behulp van geschikte submodellen.

Overgangsvergelijkingen en Turbulentie Modellering

De luchtstroom binnen een koeltoren is vrijwel altijd turbulent, vooral in mechanische ontwerptorens waar door ventilatoren geïnduceerde snelheden meer dan 5 m/s kunnen bedragen. Het kiezen van het juiste turbulentiemodel is van cruciaal belang voor het voorspellen van snelheidsprofielen, drukdalingen en mengen. Standaard k-epsilon, realiseerbare k-epsilon en SST k-omega zijn veelvoorkomende keuzes. Voor natuurlijke ontwerptorens, waar drijfstromen domineren, is het opnemen van zwaartekracht en energievergelijking met passende drijfvermogensbrontermen essentieel. ANSYS Fluent laat de gebruiker toe om de volledige drijfwerking te activeren met behulp van de Boussinesq-actor of ideale gaswet, afhankelijk van het temperatuurbereik.

De energievergelijking wordt opgelost voor het lucht-waterdampmengsel, wat rekening houdt met latente warmteoverdracht als gevolg van verdamping. Soorten transportvergelijkingen voor waterdamp worden vaak gebruikt om vochtigheidsveranderingen te volgen. De warmte en massaoverdracht tussen de discrete waterdruppels en de continue luchtfase wordt gemodelleerd met behulp van gekoppelde brontermen. Het ingebouwde verdampingsmodel van Fluent kan worden gekalibreerd met empirische correlaties voor druppelverdamping, zoals het Dukowicz-model, dat ervan uitgaat dat verdamping wordt aangedreven door het verschil in dampconcentratie tussen het druppeloppervlak en het bulkgas.

Multifase Modellering: Discrete Fase vs. Eulerian-Euleriaan

Voor koeltorens met spuitmonden of spatwatervullingen is het discrete fasemodel (DPM) de meest praktische aanpak. Het behandelt waterdruppels als individuele deeltjes die massa, momentum en energie uitwisselen met de continue luchtfase. De DPM is berekenend efficiënt omdat het alleen de deeltjestrajectvergelijkingen in een LAGrangian-frame oplost, terwijl de luchtfase wordt opgelost in een Euleriaanse frame. De DPM gaat er echter van uit dat de volumefractie van druppels laag is (gewoonlijk onder 10-12%), wat over het algemeen waar is in de sproeizone, maar in het vulgebied grensoverschrijdend kan zijn. Voor dichte sprays of filmstroom over vulplaten, kan een Eulerian-Eulerian multifasemodel (VOF of mengsel) beter zijn, hoewel het meer computerverduurzaam is.

In de praktijk gebruiken veel commerciële CFD-studies voor grote koeltorens de DPM met een groot aantal pakketten (honderdduizenden) om statistische convergentie te bereiken. De dropletgrootteverdeling wordt meestal gespecificeerd op basis van gegevens van de fabrikant van de spuitmond of kan worden gemodelleerd met behulp van een Rosin-Rammler-distributie. Meer geavanceerde benaderingen omvatten secundaire modellen voor het breken (bijvoorbeeld TAB of WAVE model) om rekening te houden met druppelvorming en fragmentatie tijdens het spuitproces, die het oppervlak dat beschikbaar is voor verdamping aanzienlijk kunnen beïnvloeden.

Validatie en verificatie

Geen enkel CFD-model is nuttig zonder validatie tegen experimentele gegevens. Voor koeltorens is validatie vaak een vergelijking van de voorspelde wateruitlaattemperatuur, luchttemperatuur en vochtigheidsprofielen, en een drukdaling met metingen van fysieke torens of schaaltestplatforms. Uit veel studies is gebleken dat Fluent simulaties de koeltorenkenmerken (KaV/L) en Merkel-nummer met aanvaardbare nauwkeurigheid kunnen voorspellen (binnen 5-10%) wanneer de juiste grensvoorwaarden en maasresolutie worden gebruikt. Gemeenschappelijke validatiedatasets omvatten de prestatiecurves van de pr-koeltoren en gepubliceerde studies van het CTI (CTI).

Mesh onafhankelijkheid studies zijn essentieel; een typische maas voor een grote natuurlijke ontwerp toren kan bestaan uit 2-10 miljoen cellen, met verfijning in de buurt van de spuitmonden, vulgebied, en torenmuren. Ongestructureerde tetrahedrale mazen worden vaak gebruikt voor complexe geometrieën, terwijl hex-core mazen kunnen verbeteren nauwkeurigheid in de bulkstroom gebied. ANSYS Fluent biedt mesh adaptatie tools voor het verfijnen van gebieden met hoge gradiënten, zoals de druppel injectie zone en de nabij-wand grens lagen.

Belangrijkste parameters in CFD simulaties voor de effectiviteit van koeltorens

Voorspelling van de effectiviteit vereist een zorgvuldige specificatie van meerdere parameters. Doeltreffendheid wordt gedefinieerd als de verhouding van de werkelijke warmte die wordt geweigerd tot de maximaal mogelijke warmteafstoot, of gelijkwaardig, de naderingstemperatuur (het verschil tussen de temperatuur van de koude wateruitlaat en de temperatuur van de natte bol). Om de effectiviteit nauwkeurig te simuleren, moeten de volgende parameters worden gemodelleerd.

Geometrie en Mesh overwegingen

De geometrie van een koeltoren omvat de torenomhulsel (hoogte, diameter, vorm), waterdistributiesysteem (piping, spuitmonden), vulmedia (type, hoogte, verpakkingsdichtheid), drift-eliminatoren en ventilatorstapel (voor mechanische constructie). In natuurlijke ontwerptorens is de hyperbolische vorm van cruciaal belang voor het opwekken van natuurlijke convectie; de kromming beïnvloedt de snelheidsverdeling en drukval. Voor CFD is het gebruikelijk om het vulgebied te vereenvoudigen als poreuze media met een bepaalde warmte- en massaoverdrachtbronterm, in plaats van het modelleren van elk individueel vulblad. Deze poreuze mediabenadering vereist kalibratiecoëfficiënten (bv. traagheidsweerstandsfactor, oppervlakteoppervlak per volume) die kunnen worden verkregen uit fabrikantgegevens of uit afzonderlijke gedetailleerde simulaties van vuleenheidscellen.

De rekenmaas moet de grenslaag op de torenmuren en rond de vulelementen oplossen. Een y+ waarde van ongeveer 30-100 is typisch voor wandfuncties bij gebruik van het k-epsilon model, terwijl lager y+ (rond 1) nodig is voor turbulentiemodellen met een laag Reynolds-nummer zoals SST k-omega. De regio rond de spuitmonden vereist fijne gaas om druppelinjectie en initiële breuk te vangen. Voor mechanische ontwerptorens vraagt de fanregio om een schuifmat of bewegend referentieframe (MRF) om de roterende ventilatorbladen nauwkeurig te modelleren.

Grensvoorwaarden en bedrijfsparameters

De inlaatgrensvoorwaarden voor lucht omvatten omgevingstemperatuur, relatieve vochtigheid en windsnelheid/richting bij het overwegen van natuurlijke windeffecten. De inlaattoestand van het water specificeert de stroomsnelheid per mondstuk, warmwatertemperatuur en druppelgrootteverdeling. De uitlaatgrens is typisch een drukuitlaat aan de bovenkant van de toren (voor natuurlijke tocht) of bij de uitgang van de ventilator (voor gedwongen tocht). De torenmuren worden behandeld als adiabatisch of met een bepaalde warmteverliescoëfficiënt. Als de toren onderhevig is aan dwarswind, die de prestaties ernstig kan degraderen, moet het computerdomein ver genoeg buiten de toren uit te breiden om het windstroomveld te vangen, vaak vereist een groot domein met snelheid inlaat en symmetrie vlakken.

ANSYS Fluent stelt de gebruiker in staat om deze grensvoorwaarden te definiëren met door de gebruiker gedefinieerde functies (UDF's) voor ruimtelijke variaties, zoals niet-uniforme waterdistributie over de radius van de toren. Veel energiecentrales werken koeltorens parallel; CFD kan een enkele module modelleren of meerdere cellen repliceren met behulp van periodieke grensvoorwaarden om de berekeningskosten te verminderen.

Fysieke modellen en submodellen

Naast het Euleriaanse-Lagragische kader zijn verschillende submodellen van cruciaal belang voor nauwkeurige doeltreffendheidsvoorspelling:

  • Evaporatiemodel: Het standaard verdampingsmodel van Fluent gebruikt het Spalding-massaoverdrachtnummer op basis van de warmteoverdrachts analogie. De druppeltemperatuur wordt bijgewerkt op basis van de energiebalans tussen convectieve en latente warmte. Voor koeltorens is de verdampingssnelheid het dominante mechanisme, die gewoonlijk 70-80% van de warmteafstoting vertegenwoordigt.
  • Heat transfer correlaties: Het Nusselt-nummer voor druppels wordt berekend aan de hand van empirische correlaties zoals de Ranz-Marshall correlatie, die afhankelijk is van druppel Reynolds en Prandtl getallen. De nauwkeurigheid van deze correlaties bij hoge temperaturen en met niet-sferische druppels blijft een onderwerp van onderzoek.
  • Radiatiewarmteoverdracht: In grote natuurlijke ontwerptorens blootgesteld aan zonlicht, kan straling goed zijn voor 5-10 procent van de warmteoverdracht. Het model van de Fluent discrete ordinaten (DO) kan worden geactiveerd om rekening te houden met zonnestraling en thermische straling tussen het warme wateroppervlak en de torenstructuur.
  • Modelbouw invullen: Zoals vermeld wordt het vulgebied vaak behandeld als poreuze media met volumetrische warmte- en massabrontermen. Deze brontermen kunnen worden afgeleid uit Merkels theorie of Braun's model, die de effectiviteit van de koeltoren met de water-lucht massastroomverhouding, vul geometrie en inlaatomstandigheden met elkaar verbinden.

Voordelen van het gebruik van CFD voor de analyse van koeltorens en optimalisatie

De goedkeuring van CFD in koeltoren ontwerp en retrofit is aanzienlijk gegroeid vanwege zijn vermogen om gedetailleerde, ruimtelijk opgeloste gegevens die fysieke testen niet gemakkelijk kunnen overeenkomen. Ingenieurs kunnen ontwerpveranderingen in een virtuele omgeving evalueren zonder de kosten en tijd van het bouwen van prototypes.

Kosten en tijdbesparing

Fysieke testen van koeltorens is duur, vooral voor grote natuurlijke ontwerp torens die maanden van constructie en gespecialiseerde instrumentatie vereisen. CFD simulaties kunnen worden voltooid in een paar dagen tot weken op een high-performance computercluster, waardoor meerdere ontwerp iteraties parallel worden geëvalueerd. Bijvoorbeeld, een stroomhulpmiddel wil misschien de impact van het upgraden van sproeiers te verbeteren om fijnere druppels te produceren. CFD kan snel kwantificeren de verbetering in effectiviteit (typisch 0,5-2°C lagere naderingstemperatuur) en de bijbehorende trade-offs in driftverlies en ventilator stroomverbruik.

Optimalisatie en probleemoplossing

CFD maakt parametrische studies die onpraktisch experimenteel zijn mogelijk. Ingenieurs kunnen de vulhoogte, waterbelasting, druppelgrootte, ventilatorsnelheid en omgevingsomstandigheden variëren om de optimale combinatie voor een bepaalde site te vinden. De ingebouwde optimalisatietools van ANSYS Fluent (bijv. DesignXplorer) kunnen dit proces automatiseren met behulp van response oppervlaktemethoden of genetische algoritmen. Bij het oplossen van problemen kan CFD een verkeerde verdeling van de waterstroom, onbelaste hete lucht aan de inlaat, of het effect van nabijgelegen structuren op luchtstroomproblemen identificeren die moeilijk te diagnosticeren zijn met conventionele metingen.

Case Study: Natuurlijke ontwerp Tower Prestatieverbetering

Een veel voorkomende uitdaging is het verbeteren van de prestaties van veroudering natuurlijke ontwerp torens. In een gepubliceerde studie (zie onderstaande link), ingenieurs gebruikt ANSYS Fluent om model een 120 meter hoge hyperbolische koeltoren en vond dat niet-uniform water distributie van verstopte sproeiers verminderde effectiviteit met meer dan 15%. Door herdistributie van de waterstroom en vervanging van drift eliminatoren, de simulatie voorspelde een vermindering van 3°C in koud water temperatuur, die vertaalde in een 1,5% winst in de totale thermische efficiëntie van de plant. De simulatie bleek ook dat de dwarswind in de toren van een kant veroorzaakt een recirculatiezone die de luchtstroom door de vulling; het toevoegen van een windbreak wal langs de heersende windrichting beperkt dit probleem.

Lees een ANSYS-klantenstudie over optimalisatie van koeltorens (PDF).

Uitdagingen en beperkingen van CFD voor de voorspelling van koeltorens

Ondanks zijn vermogen, CFD modelleren van koeltorens geconfronteerd met verschillende uitdagingen die beoefenaars moeten erkennen om te voorkomen dat oververtrouwen in simulatieresultaten.

Vereiste computerhulpbronnen

Het oplossen van de volledige multifysica van een grote koeltoren inclusief turbulente luchtstroom, honderdduizenden druppelbanen, warmteoverdracht en verdamping vereist aanzienlijke rekenmiddelen. Een enkele steady-state simulatie met de DPM kan 24-72 uur duren op een 64-core cluster. Voorbijgaande simulaties om dynamisch gedrag vast te leggen (bijv., opstarten, windstoten) zijn nog duurder. Als gevolg daarvan zijn veel studies afhankelijk van steady-state benaderingen en vereenvoudigde geometrieën, die tijdafhankelijke effecten kunnen missen zoals druppelskoling, drift, en uitlopende stroompatronen.

Model vereenvoudigingen en aannames

Het discrete fasemodel gaat ervan uit dat druppels niet met elkaar in wisselwerking staan (geen kolectie of breuk na de eerste injectie). In werkelijkheid kunnen druppels botsen en samenkomen, vooral in het vulgebied waar waterbelasting hoog is. Meer geavanceerde Euleriaans-Euleriaanse modellen (bijvoorbeeld het Euleriaans multifasemodel met interfacetracking) kunnen deze interacties vastleggen maar worden zelden gebruikt vanwege hoge rekenkosten. Ook de poreuze mediarepresentatie van vulling is een grove benadering; het kan geen lokale overstromingen of droge plekken vastleggen die optreden wanneer de water-luchtverhouding te hoog is. Deze vereenvoudigingen kunnen leiden tot fouten in de effectiviteitsvoorspelling, vooral in de buurt van de operationele grenzen van de toren.

Gegevensvereisten en validering

Nauwkeurige CFD vereist gedetailleerde inputgegevens: dropletgrootteverdeling, vul materiaaleigenschappen (warmteoverdracht, drukvalcoëfficiënten) en omgevingsomstandigheden. Deze gegevens zijn vaak eigen of moeilijk te meten in situ. De werkelijke prestaties van een toren kunnen afwijken van het ontwerp als gevolg van vervuiling, veroudering of schaalvergroting. Zonder regelmatige kalibratie en validatie tegen veldmetingen kunnen CFD-voorspellingen driften. Veel nutsbedrijven gebruiken nu een combinatie van CFD- en realtime monitoringgegevens om een "digitale dubbele" van hun koeltorens te creëren, waardoor continue modelupdates en betrouwbaardere voorspellingen mogelijk zijn.

De toekomst van de simulatie van koeltorens ligt in het integreren van CFD met opkomende technologieën om de nauwkeurigheid, snelheid en bruikbaarheid te verbeteren.

Integratie van het machineonderwijs

Machine learning surrogaat modellen kunnen worden getraind op CFD resultaten om bijna-instantane voorspellingen van koeltoren prestaties onder verschillende omstandigheden te bieden. Bijvoorbeeld, een neuraal netwerk kan worden getraind met honderden CFD-runs die het verwachte bereik van omgevingstemperaturen, vochtigheid, en waterbelasting. Het surrogaat model kan dan worden ingebed in plant controlesystemen om ventilator snelheid en waterstroom in real time te optimaliseren. ANSYS heeft tools ontwikkeld zoals de AI App Builder die deze integratie te vergemakkelijken. Onderzoekers van het National Renewable Energy Laboratory hebben dezelfde benaderingen gebruikt om de prestaties van natuurlijke ontwerp torens in het concentreren van zonne-energiecentrales te voorspellen.

NREL rapport over machine learning for cooling tower modeling (PDF) .

Real-Time Simulatie en digitale tweeling

Een digitale tweeling is een virtuele weergave van een fysieke asset die continu wordt bijgewerkt met sensorgegevens. Voor koeltorens kan een digitale tweeling gebaseerd op gereduceerde ordermodellen afgeleid van CFD verslechtering voorspellen, onderhoudsintervallen suggereren en waarschuwen voor dreigende storing. ANSYS Twin Builder stelt ingenieurs in staat om systeem-niveau modellen te maken die van CFD afgeleide componenten modellen bevatten. Deze aanpak wint tractie in de elektriciteitsindustrie, vooral voor veroudering planten die moeten verlengen levensduur terwijl het handhaven van de naleving van thermische ontladingsvoorschriften.

Hoog rendement computing en cloud simulatie

De kosten en tijd van CFD simulaties nemen af met de beschikbaarheid van cloud-gebaseerde HPC-diensten. ANSYS Cloud biedt schaalbare middelen die ingenieurs in staat stellen om meer trouw simulaties te laten uitvoeren met meer mesh cellen en meer deeltjes. Dit maakt het mogelijk om meer gedetailleerde modellen van druppeltjes microfysica, waaronder niet-ideale druppelvormen en multicomponent water (als het gebruik van behandeld water met additieven). Als de rekenkracht blijft toenemen, zal het haalbaar worden om volledige onstuitbare simulaties te draaien met gekoppelde Eulerian-Euleriaanse multifase modellen voor routine-ontwerpwerk.

Conclusie

Computational Fluid Dynamics met behulp van ANSYS Fluent heeft de manier waarop ingenieurs de effectiviteit van koeltorens in elektriciteitscentrales voorspellen en optimaliseren veranderd. Door gedetailleerde, natuurkundige inzichten te bieden in de complexe interacties tussen lucht en water, maakt CFD nauwkeurigere prestatievoorspellingen mogelijk dan traditionele empirische methoden. Belangrijkste factoren zoals turbulentie modelleren, druppelverdampen en vullen representatie vereisen zorgvuldige aandacht, maar wanneer goed gevalideerd, kan CFD betrouwbare resultaten leveren die leiden tot significante verbeteringen in de efficiëntie van de installatie en kostenbesparingen.

Vooruitkijkend, zal de integratie van CFD met machine learning, real-time monitoring en digitale tweeling het nut verder verbeteren, waardoor het een onmisbaar instrument voor zowel nieuwe ontwerpen en de aanpassing van bestaande installaties. Naarmate de milieuvoorschriften aanscherpen en de vraag naar hogere efficiëntie toeneemt, zal het vermogen om de prestaties van koeltorens door simulatie nauwkeurig te voorspellen een cruciaal concurrentievoordeel zijn voor elektriciteitsproducenten. Engineers en onderzoekers worden aangemoedigd om de mogelijkheden van ANSYS Fluent te blijven verkennen, terwijl ze zich bewust blijven van de beperkingen, zodat simulatieresultaten altijd in fysieke realiteit worden geaard.

Lees meer over ANSYS Vloeiend voor thermisch beheer.