As torres de refrigeração são componentes vitais em usinas térmicas, responsáveis por dissipar as vastas quantidades de calor residual geradas durante a geração de eletricidade. Seu desempenho impacta diretamente a eficiência da planta, o consumo de água e a conformidade ambiental.A precisão na previsão da eficácia da torre de resfriamento tem historicamente se baseado em correlações empíricas e modelos simplificados, mas essas abordagens muitas vezes são insuficientes quando lidam com geometrias complexas, condições operacionais variáveis e requisitos regulatórios rigorosos.Simulando padrões de fluxo de ar, trajetórias de gotas de água e taxas de evaporação com alta fidelidade, os engenheiros podem agora otimizar o projeto da torre, diagnosticar problemas de desempenho e prever o comportamento sob uma ampla gama de cenários sem prototipagem física dispendiosa.

O papel das torres de refrigeração em centrais térmicas

Numa central térmica típica, alimentada por carvão, gás natural, energia nuclear ou energia solar concentrada, o ciclo termodinâmico requer um dissipador de calor para condensar o vapor que sai da turbina. As torres de arrefecimento servem como este dissipador de calor, transferindo o calor da água de arrefecimento do condensador para a atmosfera. O desempenho da torre de arrefecimento influencia directamente a contrapressão do condensador, que por sua vez afecta a eficiência térmica global da central. Uma redução de 1°C na temperatura da água de arrefecimento pode melhorar a eficiência da instalação em até 0,5-1%, traduzindo-se em poupança significativa de combustível e redução das emissões.

As torres de arrefecimento são amplamente classificadas em dois tipos: rascunho natural e rascunho mecânico. As torres de rascunho natural, tipicamente hiperbólicas em forma, dependem do fluxo de ar movido por flutuabilidade e são comuns em grandes centrais de carga de base. As torres de rascunho mecânico usam ventiladores para forçar ou induzir o fluxo de ar e são mais comuns em plantas menores ou onde o espaço é limitado. Dentro de cada categoria, os projetos podem ser contrafluxo (ar se move para cima enquanto a água cai para baixo) ou fluxo cruzado (ar se move horizontalmente através da água caindo). Cada configuração apresenta desafios únicos para a modelagem de CFD, incluindo a necessidade de capturar zonas de recirculação, efeitos eólicos e distribuição de água não uniforme.

Além da geometria, o desempenho térmico de uma torre de resfriamento depende da transferência de calor e massa entre gotículas de água e ar. A água quente do condensador é distribuída através de bicos de pulverização ou barras de salpico, criando uma grande área superficial para evaporação. À medida que o ar passa através do meio de enchimento ou campo de gotas, absorve calor e umidade, resfriando a água. A eficácia deste processo é regida por princípios psicométricos, distribuição de tamanho de gotas, relação água-ar e condições climáticas ambientais. As simulações CFD devem ser responsáveis por todos esses fatores para fornecer previsões confiáveis.

Fundamentos da modelagem CFD para torre de refrigeração usando Fluente ANSYS

ANSYS Fluent é um software CFD de uso geral amplamente utilizado para aplicações industriais envolvendo fluxo de fluidos, transferência de calor e interações multifásicas. Para simulações de torre de resfriamento, a Fluent oferece um conjunto abrangente de modelos que podem representar a física complexa envolvida. A abordagem de modelagem típica envolve a solução das equações Reynolds-Averaged Navier-Stokes (RANS) para a fase contínua do ar, juntamente com um modelo de fase discreta (DPM) para as gotas de água. O DPM rastreia gotículas individuais ou parcelas através do domínio computacional, contabilizando a arraste, transferência de calor e evaporação usando submodelos apropriados.

Equações e Modelo de Turbulência Governantes

O fluxo de ar dentro de uma torre de resfriamento é quase sempre turbulento, especialmente em torres de rascunho mecânicas onde as velocidades induzidas por ventilador podem exceder 5 m/s. A seleção do modelo de turbulência direita é fundamental para prever perfis de velocidade, quedas de pressão e mistura. O k-epsilon padrão, o k-epsilon realizável e o SST k-omega são escolhas comuns. Para as torres de rascunho naturais, onde os fluxos de flutuabilidade-condutores dominam, a inclusão da equação de gravidade e energia com termos de fonte de flutuabilidade adequados é essencial. ANSYS Fluent permite que o usuário ative os efeitos de flutuabilidade total usando a aproximação Boussinesq ou a lei de gás ideal, dependendo da faixa de temperatura.

A equação de energia é resolvida para a mistura vapor de água-ar, que responde pela transferência de calor latente devido à evaporação. Equações de transporte de espécies para vapor de água são frequentemente empregadas para rastrear mudanças de umidade. A transferência de calor e massa entre as gotas de água discretas e a fase de ar contínua é modelada usando termos de fonte acoplados. O modelo de evaporação incorporado de Fluent pode ser calibrado com correlações empíricas para vaporização de gotas, como o modelo Dukowicz, que assume que a vaporização é impulsionada pela diferença na concentração de vapor entre a superfície da gota e o gás volumoso.

Modelação multifásica: Fase Discreta vs. Eulerian-Eulerian

Para torres de refrigeração com bicos de pulverização ou salpicos, o modelo de fase discreta (DPM) é a abordagem mais prática. Trata as gotas de água como partículas individuais que trocam massa, momento e energia com a fase de ar contínuo. O DPM é computacionalmente eficiente porque só resolve as equações de trajetória de partículas em uma moldura Lagrangiana, enquanto a fase de ar é resolvida em uma moldura Euleriana. No entanto, o DPM assume que a fração de volume das gotas é baixa (normalmente abaixo de 10-12%), o que é geralmente verdadeiro na zona de pulverização, mas pode ser limítrofe na região de enchimento. Para pulverizadores densos ou fluxo de filme sobre folhas de enchimento, um modelo multifásico Euleriano- Euleriano (VOF ou mistura) pode ser mais apropriado, embora seja computacionalmente caro.

Na prática, muitos estudos comerciais de CFD para grandes torres de refrigeração usam o DPM com um grande número de parcelas (centenas de milhares) para alcançar convergência estatística. A distribuição de tamanho das gotas é tipicamente especificada com base em dados do fabricante de bicos ou pode ser modelada usando uma distribuição Rosin- Rammler. As abordagens mais avançadas incorporam modelagem de ruptura secundária (por exemplo, modelo TAB ou WAVE) para contabilizar a deformação e fragmentação das gotas durante o processo de pulverização, o que pode afetar significativamente a área de superfície disponível para evaporação.

Validação e verificação

Nenhum modelo CFD é útil sem validação de dados experimentais. Para as torres de resfriamento, a validação envolve frequentemente comparar os perfis de temperatura e umidade previstos da saída de água, e queda de pressão com medições de torres físicas ou plataformas de teste escalonadas. Muitos estudos mostraram que as simulações Fluent podem prever a característica da torre de resfriamento (KaV/L) e número Merkel com precisão aceitável (dentro de 5-10%) quando as condições de contorno e resolução de malha são usadas. Conjuntos de dados de validação comuns incluem curvas de desempenho da torre de resfriamento EPRI e estudos publicados do Instituto de Torre de Refrigeração (CTI).

Os estudos de independência de malha são essenciais; uma malha típica para uma grande torre de rascunho natural pode ser composta de 2-10 milhões de células, com refinamento próximo aos bicos de pulverização, região de enchimento e paredes de torre. As malhas tetraédricas não estruturadas são frequentemente usadas para geometrias complexas, enquanto as malhas hex-core podem melhorar a precisão na região de fluxo de massa. A ANSYS Fluent fornece ferramentas de adaptação de malha para refinar regiões com altos gradientes, como a zona de injeção de gotas e as camadas de contornos próximas da parede.

Parâmetros chave em simulações CFD para a eficácia da torre de arrefecimento

Prever a eficácia requer uma especificação cuidadosa de múltiplos parâmetros. Eficácia é definida como a relação de calor real rejeitado para a rejeição de calor máxima possível, ou equivalentemente, a temperatura de aproximação (a diferença entre a temperatura de saída de água fria e a temperatura de água molhada-bulbo). Para simular com precisão a eficácia, os seguintes parâmetros devem ser modelados.

Geometria e Considerações sobre Malha

A geometria de uma torre de arrefecimento inclui a camada da torre (altura, diâmetro, forma), o sistema de distribuição de água (piping, bicos), o meio de enchimento (tipo, altura, densidade de embalagem), os eliminadores de deriva e a pilha de ventoinhas (para o rascunho mecânico). Em torres de projecto naturais, a forma hiperbólica é fundamental para induzir a convecção natural; a curvatura afecta a distribuição da velocidade e a queda de pressão. Para o CFD, é comum simplificar a região de enchimento como um meio poroso com um termo de fonte de transferência de calor e massa definido, em vez de modelar cada folha de enchimento individual. Esta abordagem de suporte porosa requer coeficientes de calibração (por exemplo, factor de resistência inercial, área de superfície por volume) que podem ser obtidos a partir de dados do fabricante ou de simulações separadas e detalhadas de células de unidade de enchimento.

A malha computacional deve resolver a camada limite nas paredes da torre e em torno dos elementos de enchimento. Um valor y+ de cerca de 30- 100 é típico para funções de parede ao usar o modelo k- epsilon, enquanto que o Y+ mais inferior (cerca de 1) é necessário para modelos de turbulência de número baixo de Reynolds, como o SST k- omega. A região em torno dos bicos de pulverização requer malha fina para capturar a injeção de gotas e a quebra inicial. Para torres de rascunho mecânicas, a região da ventoinha exige uma malha deslizante ou um quadro de referência móvel (MRF) para modelar com precisão as pás rotativas das ventoinhas.

Condições de Limite e Parâmetros de Operação

As condições de fronteira de entrada para o ar incluem temperatura ambiente, umidade relativa e velocidade/direção do vento, se considerarmos os efeitos do vento natural. A condição de entrada de água especifica a taxa de fluxo por bocal, temperatura da água quente e distribuição do tamanho da gota. A fronteira de saída é tipicamente uma saída de pressão no topo da torre (para o rascunho natural) ou na saída da ventoinha (para o rascunho forçado). As paredes da torre são tratadas como adiabáticas ou com um coeficiente de perda de calor especificado. Se a torre estiver sujeita a vento cruzado, que pode degradar gravemente o desempenho, o domínio computacional deve estender- se suficientemente fora da torre para capturar o campo de fluxo de vento, exigindo frequentemente um domínio grande com planos de entrada de velocidade e simetria.

ANSYS Fluent permite ao usuário definir estas condições de contorno com funções definidas pelo usuário (UDFs) para variações espaciais, como distribuição de água não uniforme através do raio da torre. Muitas usinas operam torres de resfriamento em paralelo; CFD pode modelar um único módulo ou replicar várias células usando condições de contorno periódicas para reduzir o custo computacional.

Modelos físicos e submodelos

Além do quadro Eulerian-Lagrangean de base, vários submodelos são críticos para a previsão precisa da eficácia:

  • Modelo de evaporação: O modelo de evaporação padrão da Fluent usa o número de transferência de massa Spalding baseado na analogia de transferência de calor. A temperatura da gota é atualizada com base no balanço de energia entre calor convectivo e latente. Para torres de refrigeração, a taxa de evaporação é o mecanismo dominante, tipicamente representando 70-80% da rejeição de calor.
  • Correlações de transferência de calor: O número de Nusselt para gotículas é calculado utilizando correlações empíricas como a correlação Ranz-Marshall, que depende dos números de gotas Reynolds e Prandtl. A precisão dessas correlações em altas temperaturas e com gotículas não esféricas permanece um tópico de pesquisa.
  • Transferência de calor de radiação: Em grandes torres de rascunho natural expostas à luz solar, a radiação pode ser responsável por 5-10% da transferência de calor. O modelo de coordenadas discretas (DO) do Fluent pode ser ativado para dar conta da radiação solar e da radiação térmica entre a superfície da água quente e a estrutura da torre.
  • Modelagem de preenchimento: Como mencionado, a região de enchimento é frequentemente tratada como um meio poroso com termos volumétricos de calor e de fonte de massa. Estes termos de fonte podem ser derivados da teoria de Merkel ou do modelo de Braun, que relacionam a eficácia da torre de resfriamento com a razão de fluxo mássico água-ar, geometria de enchimento e condições de entrada.

Benefícios de usar CFD para a análise e otimização da torre de resfriamento

A adoção de CFD no projeto da torre de resfriamento e retrofitting cresceu significativamente devido à sua capacidade de fornecer dados detalhados e espacialmente resolvidos que os testes físicos não podem facilmente corresponder. Engenheiros podem avaliar as mudanças de projeto em um ambiente virtual sem a despesa e o tempo de construção de protótipos.

Economia de Custo e Tempo

Testes físicos de torres de refrigeração são caros, especialmente para grandes torres de projeto naturais que requerem meses de construção e instrumentação especializada. As simulações CFD podem ser concluídas em alguns dias ou semanas em um cluster de computação de alto desempenho, permitindo que várias iterações de design sejam avaliadas em paralelo. Por exemplo, um utilitário de energia pode querer avaliar o impacto da atualização de bicos de pulverização para produzir gotículas mais finas. CFD pode quantificar rapidamente a melhoria na eficácia (tipicamente 0,5-2°C menor temperatura de aproximação) e os trade-offs associados na perda de deriva e consumo de energia de ventilador.

Otimização e solução de problemas

O CFD permite estudos paramétricos que são impraticáveis experimentalmente. Os engenheiros podem variar a altura de enchimento, carga de água, tamanho da gota, velocidade da ventoinha e condições ambientais para encontrar a combinação ideal para um determinado local. As ferramentas de otimização integradas da ANSYS Fluent (por exemplo, DesignXplorer) podem automatizar este processo usando métodos de superfície de resposta ou algoritmos genéticos. Em solução de problemas, o CFD pode identificar má distribuição do fluxo de água, recirculação de ar quente na entrada ou o efeito de estruturas próximas no fluxo de ar – problemas que são difíceis de diagnosticar com medições convencionais.

Estudo de caso: Melhoria do desempenho natural da torre

Um desafio comum de retrofit é melhorar o desempenho das torres de rascunho natural de envelhecimento. Em um estudo publicado (ver link abaixo), engenheiros usaram o ANSYS Fluent para modelar uma torre de resfriamento hiperbólica de 120 metros de altura e descobriram que a distribuição de água não uniforme de bicos obstruídos reduziu a eficácia em mais de 15%. Ao redistribuir o fluxo de água e substituir os eliminadores de deriva, a simulação previu uma redução de 3°C na temperatura fria da água, o que traduziu um ganho de 1,5% na eficiência térmica global da planta. A simulação também revelou que o vento cruzado que entra na torre de um lado causou uma zona de recirculação que reduziu o fluxo de ar através do enchimento; adicionar uma parede de quebra de vento ao longo da direção do vento predominante mitigava esta questão.

Leia um estudo de caso do cliente da ANSYS sobre otimização de torre de resfriamento (PDF).

Desafios e Limitações da CFD para a previsão da torre de resfriamento

Apesar de seu poder, a modelagem CFD de torres de resfriamento enfrenta vários desafios que os praticantes devem reconhecer para evitar a sobreconfiança nos resultados de simulação.

Exigências de recursos computacionais

Resolver a multifísica completa de uma grande torre de resfriamento – incluindo fluxo de ar turbulento, centenas de milhares de trajetórias de gotas, transferência de calor e evaporação – requer recursos computacionais significativos. Uma simulação única em estado estacionário com o DPM pode levar 24-72 horas em um cluster de 64 núcleos. As simulações transientes para capturar o comportamento dinâmico (por exemplo, start-up, rajadas de vento) são ainda mais caras. Como resultado, muitos estudos dependem de aproximações em estado estacionário e geometrias simplificadas, que podem perder efeitos dependentes do tempo, como coalescência de gotas, deriva e padrões de fluxo intermitentes.

Modelo de simplificações e pressupostos

O modelo de fase discreto pressupõe que as gotículas não interagem entre si (sem coalescência ou ruptura além da injeção inicial). Na realidade, as gotículas colidem e coalescem, especialmente na região de enchimento onde o carregamento de água é alto. Modelos eulerianos- eulerianos mais avançados (por exemplo, o modelo multifásico euleriano com rastreamento de interface) podem capturar essas interações, mas raramente são usados devido ao alto custo computacional. Da mesma forma, a representação de mídia porosa do preenchimento é uma aproximação grosseira; não pode capturar as enchentes localizadas ou as manchas secas que ocorrem quando a relação água-ar é muito alta. Estas simplificações podem levar a erros na previsão de eficácia, particularmente perto dos limites operacionais da torre.

Requisitos em matéria de dados e validação

O CFD precisa de dados detalhados: distribuição do tamanho da gota, propriedades do material de preenchimento (área de transferência de calor, coeficientes de queda de pressão) e condições ambientais. Esses dados são muitas vezes proprietários ou difíceis de medir in situ. O desempenho real de uma torre pode desviar-se do projeto devido à incrustação, envelhecimento ou escalonamento. Sem calibração e validação regulares contra medições de campo, as previsões de CFD podem derivar. Muitos utilitários agora usam uma combinação de dados de monitoramento em tempo real para criar um "gêmeo digital" de suas torres de resfriamento, permitindo atualização contínua do modelo e previsões mais confiáveis.

Tendências e inovações futuras na torre de refrigeração CFD

O futuro da simulação de torre de resfriamento está em integrar CFD com tecnologias emergentes para melhorar a precisão, velocidade e usabilidade.

Integração de Aprendizagem de Máquina

Modelos substitutos de aprendizado de máquina podem ser treinados em resultados CFD para fornecer previsões quase instantâneas de desempenho da torre de resfriamento em condições variadas. Por exemplo, uma rede neural pode ser treinada com centenas de corridas CFD cobrindo a faixa esperada de temperaturas ambientais, umidade e carga de água. O modelo substituto pode então ser incorporado em sistemas de controle de plantas para otimizar a velocidade do ventilador e o fluxo de água em tempo real. ANSYS desenvolveu ferramentas como o AI App Builder que facilitam esta integração. Pesquisadores do National Renewable Energy Laboratory usaram abordagens semelhantes para prever o desempenho de torres de projeto naturais na concentração de usinas de energia solar.

NREL relatório sobre aprendizado de máquina para modelagem de torre de refrigeração (PDF).

Simulação em tempo real e gêmeos digitais

Um gêmeo digital é uma representação virtual de um ativo físico que é continuamente atualizado com dados de sensores. Para torres de refrigeração, um gêmeo digital baseado em modelos de ordem reduzida derivados de CFD pode prever deterioração, sugerir intervalos de manutenção e alertar para uma falha iminente. O ANSYS Twin Builder permite que os engenheiros criem modelos de componentes derivados de CFD. Esta abordagem está ganhando tração na indústria de energia, especialmente para plantas de envelhecimento que precisam prolongar a vida útil mantendo o cumprimento das regras de descarga térmica.

Computação de alto desempenho e simulação em nuvem

O custo e o tempo das simulações CFD estão diminuindo com a disponibilidade de serviços HPC baseados em nuvem. A ANSYS Cloud oferece recursos escaláveis que permitem aos engenheiros executar simulações de maior fidelidade com mais células de malha e mais partículas. Isso permite uma modelagem mais detalhada da microfísica de gotas, incluindo formas de gotas não ideais e água multicomponente (se usar água tratada com aditivos). À medida que a potência computacional continua aumentando, será possível executar simulações totalmente instáveis com modelos multifásicos eulerianos acoplados para trabalhos de design de rotina.

Conclusão

A dinâmica computacional de fluidos usando a ANSYS Fluent revolucionou a forma como os engenheiros predizem e otimizam a eficácia das torres de resfriamento em usinas de energia. Ao fornecer uma visão detalhada e baseada em física sobre as complexas interações entre ar e água, o CFD permite previsões de desempenho mais precisas do que os métodos empíricos tradicionais. Fatores principais, como modelagem de turbulência, evaporação de gotas e preenchimento de representação exigem atenção cuidadosa, mas quando devidamente validado, o CFD pode fornecer resultados confiáveis que levam a melhorias significativas na eficiência da planta e economia de custos.

Olhando para o futuro, a integração do CFD com aprendizado de máquina, monitoramento em tempo real e gêmeos digitais melhorará ainda mais sua utilidade, tornando-o uma ferramenta indispensável tanto para novos projetos e retrofiting de plantas existentes. À medida que as regulamentações ambientais se estreitam e a demanda por maior eficiência cresce, a capacidade de prever com precisão o desempenho da torre de resfriamento através da simulação será uma vantagem competitiva crítica para os produtores de energia. Engenheiros e pesquisadores são encorajados a continuar explorando as capacidades da ANSYS Fluent, mantendo-se atentos às suas limitações, garantindo que os resultados de simulação estejam sempre fundamentados na realidade física.

Saiba mais sobre o Fluente ANSYS para gerenciamento térmico.