《Fluids》:Thermo-Hydraulic Performance of Ni-Fe3O4 Hybrid Nanofluids in a Shell and Helical Tube Heat Exchanger: Two-Phase Flow Modeling
编辑推荐:
研究人员对壳式和螺旋管换热器(Shell and Helical Tube Heat Exchanger,SHTHE)中Ni-Fe3O4/水混合纳米流体(Hybrid Nanofluid,HNF)的热工水力性能进行了
研究人员对壳式和螺旋管换热器(Shell and Helical Tube Heat Exchanger,SHTHE)中Ni-Fe3O4/水混合纳米流体(Hybrid Nanofluid,HNF)的热工水力性能进行了数值与实验研究。采用欧拉混合模型(Eulerian mixture model)模拟HNF的两相流动行为,并分析在湍流流动条件下纳米颗粒体积分数和混合比对传热与流动特性的影响。数值模拟在纳米颗粒体积分数(φ)为0.1%、0.5%和1%以及Ni:Fe3O4混合比(Mixing Ratio,MR)为1:4、1:1和4:1的条件下进行。实验测量在纳米颗粒体积分数为0.1%的不同混合比下进行,用于验证数值预测。数值结果表明,纳米颗粒体积分数和混合比对热性能影响显著,而对水力行为的影响相对有限。在最高迪恩数(Dean number)下,MR(4:1)和φ=1%时热性能最高,努塞尔数(Nusselt number)提升了56%,而摩擦因子仅增加了6%。此外,MR(4:1)的平均热性能指数最高,为1.4。数值预测与实验测量结果吻合良好,验证了所提出数值模型的有效性。这些发现证明了经过验证的欧拉混合模型在评估SHTHE中Ni-Fe3O4/水HNF热工水力性能方面的适用性,尤其是在以有限水力损失实现传热强化的应用场景中。
能源密集型工业不断寻求提高热效率以降低运行成本和环境影响,换热器(Heat Exchanger,HE)作为发电、制冷、化工及油气领域的关键设备,其性能强烈依赖于工作流体的热物性。传热强化方法分为被动法和主动法,纳米流体作为被动强化手段之一,凭借其优于基液的导热系数和对流传热性能而受到广泛研究。为进一步突破单一纳米流体的性能限制,混合纳米流体(Hybrid Nanofluid,HNF)通过组合两种不同纳米颗粒以协同提升热物理性能,并已在多种换热器构型中展现出强化传热潜力。然而,针对HNF在壳式和螺旋管换热器(Shell and Helical Tube Heat Exchanger,SHTHE)中的研究大多采用单相假设,且缺乏实验验证的两相模型,导致对颗粒-流体相对运动及真实流动行为的刻画不够准确。为此,研究人员提出将Ni-Fe
3O
4/水HNF、SHTHE与欧拉混合模型相结合,并通过实验验证数值模型的可靠性,系统考察纳米颗粒体积分数和混合比对热工水力性能的影响。相关论文发表在《Fluids》。
该方法对已有研究的不足进行了针对性补充,主要采用了以下关键技术手段:建立了SHTHE三维数值模型,采用欧拉混合模型描述两相流动,湍流模型选用RNG k–ε模型,配合标准壁面函数与SIMPLE算法,并选用含约813万个单元的网格以兼顾精度与效率。实验方面搭建了SHTHE试验台,采用两步法制备Ni-Fe
3O
4/水HNF,通过机械搅拌和超声分散保证悬浮稳定性,测量冷热侧温度、流量及压降,进而计算出努塞尔数(Nusselt number)、摩擦因子和热性能指数。数值模型还通过网格无关性检验、单相/两相模型对比以及文献数据验证,确认了其准确性。
### 4.1 数值结果
#### 4.1.1 温度与流动特性
通过二维温度云图和三维流线分析发现,壳侧热流体温度沿换热器长度方向逐渐降低,管内冷流体温度逐步上升,表明冷热流体之间实现了连续换热。与纯水相比,HNF的温度分布发生轻微变化,且随着φ从0.1%增至1%,管出口温度升高(例如从水的312.49 K升至HNF的313.05 K),壳出口温度相应下降,这归因于HNF有效导热系数的提高。速度云图显示管内流速明显高于壳侧,HNF的加入仅引起局部速度分布变化,整体流动模式基本不变。三维流线呈现螺旋路径,表明螺旋管曲率诱导的二次流强化了流体混合,有利于对流传热。
#### 4.1.2 纳米颗粒体积分数的影响
在MR(1:1)下对不同φ进行的数值模拟表明,HNF的努塞尔数始终高于水,且随φ和迪恩数(Dean number)的增加而提升。在De=6450时,φ=0.1%、0.5%、1%对应的努塞尔数分别增加7%、21%和39%。摩擦因子随φ增加而略有上升,平均增幅为0.5%(φ=0.1%)、1.7%(φ=0.5%)和2.8%(φ=1%),这主要与黏度升高有关。热性能指数(Thermal Performance Index,TPI)均大于1,平均TPI分别为1.1、1.15和1.28,表明传热强化收益大于流动阻力代价。
#### 4.1.3 混合比的影响
在φ=1%下比较不同MR(1:4、1:1、4:1)时,MR(4:1)的努塞尔数增强最高,在低De和高De下分别较水提升15%和56%,而MR(1:1)为10%和39%,MR(1:4)仅为5%和27%。这是因为Ni纳米颗粒的导热系数高于Fe
3O
4,Ni占比越大强化传热越显著。摩擦因子增幅较小,高De下MR(4:1)、MR(1:1)和MR(1:4)分别增加6%、5.5%和4%,说明混合比对水力行为的影响很微弱。平均TPI以MR(4:1)最高(1.4),MR(1:1)为1.28,MR(1:4)为1.17。
### 4.2 数值与实验结果对比
在φ=0.1%下进行实验验证。数值预测与实验测得的努塞尔数趋势一致,MR(1:1)的平均偏差最小(3%),MR(1:4)和MR(4:1)分别为8%和10%。摩擦因子的数值与实验结果在低De时非常接近,MR(1:1)平均偏差约8%。对于总传热系数,实验表明MR(1:1)性能最佳,而数值模型预测MR(4:1)略高,这一差异可能与实验中MR(4:1)的Ni颗粒更易沉降有关。TPI方面,数值和实验均显示MR(1:1)最高,且所有案例的TPI均大于1,表明强化传热的水力代价可控。
讨论部分指出,数值模型假设纳米颗粒均匀分散,而实验中MR(4:1)因较高的Ni含量和颗粒密度差异导致沉降较早,削弱了其真实热性能,因而出现实验最佳MR与数值预测不一致的现象。与已有研究相比,本研究所获得的传热强化水平处于合理范围,且结合实验验证的两相模型使结果更具可信度。
研究结论可归纳为:一、纳米颗粒体积分数和混合比均显著影响热性能,提高体积分数可增强传热,其中MR(4:1)的强化幅度最大;二、混合比对热性能的影响强于对水力行为的影响,摩擦因子随体积分数增加而增加,但不同MR间差异很小;三、欧拉混合模型能够有效预测SHTHE的整体热工水力行为,与实验结果偏差可接受;四、实验测得MR(1:1)热性能最高,而数值模型预测MR(4:1)最高;五、所有案例的TPI均大于1,说明传热强化超越了相应的水力损失。总体而言,Ni-Fe
3O
4/水HNF在冷却系统、热管理和工业热回收等需要低水力代价高传热强化的场合具有应用潜力。但本研究仅基于初始沉降期的视觉观察定性评估了悬浮稳定性,尚未研究长期稳定性,未来工作应关注HNF的长期稳定特性,并探索其他数值方法以更全面预测HNF的热工水力行为。