Что такое сверхкритические жидкости?

Сверхкритические жидкости существуют при температурах и давлениях выше критической точки, термодинамическом состоянии, когда различные жидкие и газовые фазы перестают существовать. При этом единственном условии жидкость демонстрирует уникальную смесь жидкостной плотности и газоподобной вязкости и диффузивности. Эта двойная природа позволяет сверхкритическим жидкостям проникать в пористые материалы так же эффективно, как газ, растворяя растворенные растворы с растворяющей способностью жидкости. Наиболее промышленно релевантные сверхкритические жидкости включают углекислый газ (scCO2) и воду (scH2O), каждая из которых предлагает конкретные преимущества в зависимости от применения.

Критическая температура и давление вещества определяют его переход от подкритического к сверхкритическому поведению. Для углекислого газа эти значения составляют 31,1 °C и 73,8 бар; для воды — 374 °C и 220,6 бар. Над этими порогами свойства, такие как плотность, вязкость и теплопроводность, можно настраивать непрерывно, регулируя давление и температуру, предлагая замечательную степень контроля процесса, что невозможно с традиционными растворителями.

Роль CFD в сверхкритическом моделировании жидкостей

Вычислительная динамика жидкости обеспечивает основу для решения управляющих уравнений движения жидкости - сохранения массы, импульса и энергии - над дискретизированной областью. При применении к сверхкритическим жидкостям CFD должен учитывать сильно неидеальное термодинамическое поведение и большие градиенты свойств вблизи критической точки. Эти проблемы делают аналитические или эмпирические подходы недостаточными для реалистичных промышленных геометрий.

Интегрируя уравнения состояния реального потока (EOS), такие как модель Пэн-Робинсона, Соав-Редлиха-Квонга или более точную модель Спан-Вагнера для CO2, CFD-решители могут прогнозировать плотность, энтальпию и транспортные свойства в сверхкритических условиях.Решитель одновременно вычисляет теплообмен, турбулентное смешивание и потенциальные фазовые переходы, позволяя инженерам с высокой точностью имитировать колонны извлечения, реакторы и теплообменники.

Моделирование вызовов

  • Сложные термодинамические свойства — вблизи критической точки резко возрастает удельная теплоёмкость и сжимаемость, что вызывает численную жесткость и требует специализированных алгоритмов решателя.
  • Моделирование фазового перехода — Даже в сверхкритической области условия работы могут пересекать кривую сосуществования, что приводит к двухфазным режимам потока, требующим многофазных моделей, таких как модель однородного равновесия или модель с двумя жидкостями.
  • Условия высокого давления — Высокая плотность и низкая диффузивность сверхкритических жидкостей часто приводят к ламинарным или переходным режимам потока, которые чувствительны к шероховатости границ и геометрическим деталям.
  • Моделирование турбулентности — Стандартные модели турбулентности (k-ε, k-ω SST) могут требовать калибровки для сверхкритических условий.Большое моделирование Эдди (LES) всё чаще используется для точных предсказаний смешивания в приложениях извлечения и реакции.

Методы моделирования

  • Метод конечного объема — доминирующий подход в коммерческих кодах CFD, использующий консервативные переменные составы для обеспечения численной стабильности с реальными жидкостными свойствами.
  • Модели свойств с реальной жидкостью — объединены с решателем потока с помощью пользовательских функций (UDF) или встроенных библиотек свойств, которые интерполируют табличные данные из NIST REFPROP или CoolProp.
  • Многофазное моделирование потока — Объем жидкости (VOF) или эйлерово-эвлеровские рамки отслеживают интерфейсы или дисперсные фазы при частичной конденсации или мигании.
  • Уравнение интеграции состояний — кубическая EOS с расширенными правилами смешивания для многокомпонентных систем, плюс энергосберегающая EOS Гельмгольца для высокоточных однокомпонентных симуляций.

Преимущества использования CFD для сверхкритических жидкостей

Экспериментальное тестирование сверхкритических процессов является дорогостоящим и опасным из-за экстремальных давлений и потенциала коррозии. CFD предлагает виртуальную лабораторию, где параметрические исследования могут быть выполнены быстро. Преимущества включают:

  • Снижение стоимости разработки (FLT:0) — для подтверждения концепций проектирования требуется меньше физических прототипов и экспериментов.
  • Оптимизированный перенос тепла и массы — визуализация полей температуры и концентрации в колоннах или реакторах для извлечения позволяет улучшить геометрию, что увеличивает выход.
  • Улучшенная безопасность процесса — CFD может прогнозировать области высокого теплового напряжения или наращивания давления, направляя размещение систем рельефа и изоляции.
  • Масштабируемость — Моделирование лабораторного, пилотного и полномасштабного оборудования с последовательной физикой поддерживает уверенное масштабирование.

Приложения в промышленности

Сверхкритическая экстракция CO2

В пищевой и фармацевтической промышленности scCO2 является предпочтительным растворителем для извлечения кофеина из кофейных зерен, эфирных масел из трав и активных API из ботанических препаратов. CFD моделирование этих экстракторов с упакованной кроватью или распылителем-колоном предсказывает влияние скорости потока, размера частиц и растворимости на кинетику экстракции. Недавние исследования сочетают CFD с моделями баланса популяции для учета разрыва частиц и агломерации во время обработки. ScienceDirect обзор сверхкритической экстракции жидкости .

Сверхкритическое окисление воды (SCWO)

SCWO уничтожает органические отходы, окисляя их в сверхкритической воде (T > 374 °C, P > 220 бар). Процесс достигает > 99,9% эффективности разрушения и производит безвредные побочные продукты. CFD помогает проектировать внутренние реакторы, чтобы избежать осадков соли и коррозии. Моделирование турбулентного смешивания в реакторах с транспиринг-стенами привело к конструкциям, которые поддерживают однородные температурные профили и предотвращают горячие точки. Исследования EPA по SCWO .

Улучшенная рекуперация нефти (EOR)

Инъекция scCO2 в обедненные нефтяные резервуары снижает вязкость нефти и увеличивает объем нефти, улучшая мобильность. Моделирование CFD затопления CO2 в масштабе резервуара моделирует сложное взаимодействие многофазного потока, химических реакций с водой формирования и диффузии. Эти моделирования направляют размещение скважины для впрыска и время цикла, что приводит к увеличению коэффициентов извлечения. DOE Enhanced Oil Recovery overview .

Обработка и кристаллизация материалов

Сверхкритические жидкости используются для получения наночастиц, аэрогелей и передовых покрытий с помощью методов быстрого расширения или антирастворителей. Модели CFD процесса расширения сопла захватывают поля скорости, температуры и перенасыщения, которые определяют распределение размера частиц. Моделирование позволило создать сопла, которые производят частицы одинакового размера для фармацевтических препаратов.

Фармацевтическая и биопроцессорная

Фармацевтическая промышленность использует сверхкритические жидкости для микронизации, контроля полиморфов и стерилизации. CFD в сочетании с моделями баланса популяции предсказывает выход желаемых кристаллических форм и избегает образования нестабильных полиморфов. Подход снижает необходимость экспериментов на ранней стадии разработки.

Валидация и экспериментальная интеграция

Результаты CFD столь же надежны, как и основная физика и численные приближения. Валидация против экспериментальных данных имеет важное значение, особенно для предсказаний свойств вблизи критической точки. Велоциметрия изображения частиц высокого разрешения (PIV) и плоская лазерная флуоресценция (PLIF) обеспечивают измерения поля потока и концентрации, которые являются эталонными моделями. Лучшая отраслевая практика включает в себя систематический протокол проверки и валидации (V & V), начиная с простой геометрии и постепенно увеличивая сложность.

Кроме того, новые неинвазивные методы измерения, такие как рамановская спектроскопия и рентгеновская компьютерная томография, в настоящее время используются внутри установок высокого давления для обеспечения данных о плотности и составе in situ. Эти эксперименты позволяют моделистам CFD совершенствовать свои модели турбулентности и реакции для сверхкритических условий.

Будущие перспективы

Интеграция машинного обучения

Модели машинного обучения, обученные на больших базах данных CFD, могут выступать в качестве суррогатных моделей, предсказывающих поведение потока в миллисекундах вместо часов. Эти ускорители позволяют в реальном времени контролировать процессы и оптимизировать, особенно для динамических операций, таких как извлечение колебаний давления. Гибридные нейронные сети, информированные физикой, также разрабатываются для решения управляющих уравнений напрямую, потенциально снижая требования к разрешению сетки.

Многомасштабное моделирование

Связь молекулярной динамики (МД) на наноуровне с непрерывным КФД на макроуровне остается большой проблемой. Достижения в области крупнозернистых и многосетевых растворителей теперь позволяют связывать моделирование МД-КФД для простых сверхкритических систем, таких как scCO2, протекающий через нанопористые мембраны. Эти многомасштабные модели обещают выявить истинное влияние местной молекулярной структуры на макроскопический транспорт.

Цифровые близнецы в реальном времени

С ростом промышленного IoT высокоточные CFD-модели внедряются в цифровые двойники сверхкритических установок. Эти двойники работают параллельно с физическим активом, постоянно усваивая данные датчиков для обновления прогнозов распределения температуры, скорости коррозии и оставшегося срока службы оборудования. Результатом является прогнозное обслуживание и сокращение незапланированных простоев.

Устойчивый дизайн процесса

CFD позволяет проектировать сверхкритические процессы, которые минимизируют потребление энергии и отходы растворителей. Например, процессы экстракции scCO2 могут быть оптимизированы для достижения высокой чистоты с более низкими падениями давления или снижением теплозатрат. Поскольку отрасли сталкиваются с более жесткими экологическими нормами, эти оптимизации становятся центральными для устойчивого производства. NIST вычислительная программа термодинамики .

Заключение

CFD эволюционировал в незаменимый инструмент для моделирования сложного поведения сверхкритических жидкостей в промышленных процессах. От фундаментальных проблем реальной текучей термодинамики до практических преимуществ снижения экспериментальных затрат и повышения безопасности синергия между вычислительными методами и сверхкритической технологией продолжает стимулировать инновации. По мере улучшения точности моделирования и снижения вычислительных затрат объем того, что можно моделировать, будет только расширяться, открывая новые приложения в возобновляемой энергии, передовом производстве и зеленой химии. Будущее сверхкритической жидкостной инженерии по своей сути является цифровым, и CFD лежит в основе.