| Summary: | Este trabalho apresenta a otimização de sistemas de acumulação sensível de energia térmica, submetidos a fontes de energia intermitentes (solar). Este tipo de sistema de acumulação é definido pelo seu material de acumulação e pelo fluido de trabalho, que realiza o transporte da energia. A metodologia empregada consiste em aplicar o modelo da capacitância global para descrever o comportamento dinâmico do material de acumulação, disposto na forma de placas planas paralelas, enquanto que o fluido de trabalho foi modelado via balanço de energia. O material de acumulação foi dividido em diversas seções menores, de modo a satisfazer a condição de validade do modelo da capacitância global, resultando em números de Biot menores ou iguais a 0,1, para cada seção. Os parâmetros identificados para a otimização foram a geometria do material de acumulação (número de placas e volume), propriedades do material de acumulação (massa específica e calor específico) e vazão do fluido de trabalho. Definiu-se a função a ser minimizada como o módulo da diferença entre a taxa de energia de saída do sistema de acumulação e a taxa de energia de saída alvo. Os resultados para duas geometrias e materiais distintos (aço AISI304 e granito), foram comparados com simulações efetuadas com o software comercial COMSOL, e os desvios encontrados ficaram na faixa de 10,16% a 8,88% para o aço e de 1,45% a 0,25% para o granito. A formulação proposta neste trabalho foi implementada no programa Engineering Equation Solver (EES), e otimizada com algoritmos genéticos. Observou-se que a massa específica e o calor específico são parâmetros que podem ser avaliados pelo seu produto (capacidade térmica volumétrica), quando a massa do material de acumulação não foi fixada. Para os casos nos quais a massa foi definida, o calor específico e a massa específica devem ser considerados parâmetros independentes, pois cada um atuou de forma diferente sobre o sistema. Observou-se que aumentando a quantidade de parâmetros de otimização, a diferença entre a taxa de energia na saída e a mesma taxa alvo diminuiu. Na simulação com dois parâmetros de otimização, a diferença relativa máxima entre estas taxas foi de 50%, enquanto que para quatro parâmetros de otimização, este valor caiu para 24%. === This work presents the optimization of sensible heat storage system, subjected to intermittent energy sources (solar). This type of storage system is defined by its storage material and the working fluid, which transports the energy. The methodology consists of using the global capacitance method to describe the dynamic behavior of the storage material, disposed in the form of parallel flat plates, while the working fluid was modeled via an energy balance. The storage material was divided into several smaller sections in order to satisfy the validity condition of the global capacitance model, resulting in Biot numbers smaller or equal than 0.1 for each section. The optimized parameters were the geometry of the storage material (number of plates and volume), the storage material properties (mass and specific heat) and flow rate of the working fluid. The minimized objective function is the difference between the output energy rate of the storage system and the target output energy rate. The results for two different geometries and materials (steel AISI304 and granite), were compared to simulations performed with the commercial software COMSOL, and the deviations were found in the range of 10.16% to 8.88% for steel and 1,45% to 0.25% for granite. The formulation proposed in this paper is implemented in the Engineering Equation Solver (EES), and optimized with genetic algorithm. It was observed that the density and specific heat are parameters that can be evaluated for its product (volumetric heat capacity) when the mass of the storage material was not defined. For the cases where the mass was defined, the specific heat and the density should be considered independent parameters, as each one act differently in the system. It was observed that increasing the number of optimized parameters, the difference between the output energy rate and the same target rate decreased. In the simulation with two optimized parameters, the maximum relative difference between these rates was 50%, while for four optimized parameters, this value dropped to 24%.
|
|---|
