modelovanje-predavanje 10 - novoelektron.tmf.bg.ac.rs/mod/predavanja/modelovanje... ·...
TRANSCRIPT
10. POPULACIONI BILANSI
MODELOVANJE I SIMULACIJA PROCESA 1
MODELOVANJE I SIMULACIJA PROCESA
10. Populacioni bilansi u stohastičkom pristupu
modelovanju
http://elektron.tmf.bg.ac.rs/modProf. dr Nikola Nikačević
BILANSI POPULACIJE
• Koriste se za stohastičko opisivanje partikulativnih (disperznih) sistema – sačinjenih od konstitutivnih elemenata.
• Opis ponašanja populacije elemenata (čestica) i njihovog okruženja na osnovu ponašanja pojedinačnog elementa u njegovom lokalnom okruženju.
• Osim u hemijskom inženjerstvu i bliskim oblastima: kristalizaciji, materijalima, aerosol inženjerstvu, koristi se u različitim naučnim disciplinama: astrofizika, biologija, geofizika i dr.
10. POPULACIONI BILANSI
MODELOVANJE I SIMULACIJA PROCESA 2
BILANSI POPULACIJE U HEMIJSKOM INŽENJERSTVU
• U hemijskom inženjerstvu se najčešće koriste za opisivanje realnog proticanja u sudovima, jer se detaljni fundamentalni (mezoskopski, CFD) modeli teže rešavaju u dužem vremenskom periodu.
• Populaciono bilansni modeli koriste funkcije verovatnoće (kumulativne, gustine raspodele), eksperimentalne rezultate i teorijske osnove iz fizike kombinacija stohastičkog, empirijskog i fundamentalnog pristupa.
• Prvi je funkcije raspodele vremena boravka fluida u sudu definisao hemijski inženjer Danckwerts.
PRIMER 1 – MODELOVANJE PROCESA ŠARŽNE KRISTALIZACIJE i POPULACIONI BILANSI
Kristalizacija – operacija separacije supstance očvršćava-njem iz rastvora (velika primena u farmaceutskoj industriji)Osnovni procesi (iz prezasićenog rastvora): a) nukleacija i b) rast kristala, u sudu sa mešanjem u šaržnoj operaciji
Brzina nukleacije (B ): 𝐵 = = 𝑘 𝑐 − 𝑐∗
Gde je N broj nukleusa po zapremini, kn konstanta brzine nukleacije, ckoncentracija supstance u rastvoru, c* koncentracija zasićenja, a nstepen brzine nukleacije (u rasponu od 1 do 10)
Brzina rasta kristala (G ): 𝐺 = = 𝑘 𝑐 − 𝑐∗
Gde je L karakteristična dužina kristala, kg konstanta prenosa mase, a m stepen brzine rasta (u rasponu od 0 do 2.5)
10. POPULACIONI BILANSI
MODELOVANJE I SIMULACIJA PROCESA 3
PRIMER 1 – KRIVE PROCESA KRISTALIZACIJE i PRIMENA BILANSA POPULACIJE
Populacioni bilansi -promena i opseg veličine kristala u toku procesa se opisuje gustinom raspodele verovatnoće p(L,t) i momentima.Za šaržni, idealno izmešani sistem bilans populacije je:https://syrris.co.jp/
Brz
ina
nu
kle
aci
je -
B
Brz
ina
ra
sta
-G
nukleacijaRast kristala
Vreme
𝜕𝑝(𝐿, 𝑡)
𝜕𝑡+ 𝐺
𝜕𝑝(𝐿, 𝑡)
𝜕𝐿= 0Promena raspodele
veličina kristala p(L,t) tokom vremena
NEIDEALNO PROTICANJE FLUIDA• Određivanje realne slike proticanja – odstupanje od dva
granična tipa: idealnog klipnog ili potpunog mešanja.• Razlozi odstupanja:
– Neuformni profil brzina,– Fluktuacije brzine
zbog turbulencije,– Kanalisanje i zaobi-
laženje glavnog toka...
Prisustvo mrtvih zona zbog geometrije,
Povratno mešanje zbog razlike u brzinikretanja faza,
Recirkulacija fluida usled mešanja.
10. POPULACIONI BILANSI
MODELOVANJE I SIMULACIJA PROCESA 4
RASPODELA STAROSTI FLUIDA KOJI NAPUŠTA SUD – E(t)
• Gustina raspodele verovatnoće, p(t) ≡ E(t)E(t) jedinice:[vreme-1]
U bezdimenzionom obliku, za bezdimenziono vreme : →
dttdotodvremenuusistemuu
boraviojekojiizlazunafluidaudeodttE )(
),0(0)( tzatE
1)(0
tdtE
t
t
dEdttE )()( )()()(
tEtd
dttEE
1)(0
dE
RASPODELA VREMENA ZADRŽAVANJA FLUIDA (RVZ) – F(t)
• Kumulativna raspodela verovatnoće, P(t) ≡ F(t)• Verovatnoća da element fluida na izlazu ima vreme
zadržavanja manje od t :
• Dobija se sabiranjem svih udela na izlazu u vremenu između 0 i t :
todmanjejeazadržavanj
vremečijeizlazunafluidaudeotF )(
t
dttEtF0
)()(
10. POPULACIONI BILANSI
MODELOVANJE I SIMULACIJA PROCESA 5
RVZ – funkcija ispiranja W(t)
• Suprotno F(t), funkcija “ispiranja” – W(t) predstavlja verovatnoću da element fluida na izlazu ima vreme zadržavanja veće od t :
• U bezdimenzionom obliku, za bezdimenziono vreme:
t
dttEtFtW )()(1)(
)()( tFF )()( tWWt
t
UNUTRAŠNJA STAROSNA RASPODELA – I(t)
• Ako se posmatraju elementi fluida u sistemu u nekom trenutku t = , starost elementa je vreme koje je proteklo od njegovog ulaska u sistem.
• Funkcija unutrašnje starosne raspodele:
• Veza sa raspodelom vremena zadržavanja:
• U bezdimenzionom obliku:
ddoodstarostje
čijasistemuufluidaudeodI )(
)(1
)(11
)( Wt
Ft
I
)()( tItI
1 1 1dI dW dFE
dt t t dt t dt
10. POPULACIONI BILANSI
MODELOVANJE I SIMULACIJA PROCESA 6
SREDNJE VREME ZADRŽAVANJA (SVZ) FLUIDA
Za diskretna merenja u ti:
• Vreme kontakta fluida je srednje vreme zadržavanja, V/Q
• Srednja vreme zadržavanja fluida = prvi moment• Rasipanje raspodele starosti fluida na izlazu –
varijansa = drugi centralni moment
t
vreme zadržavanja t udeo elemenata saSrednje vreme zadržavanja
za element fluida vremenom zadržavanja t
0
( )V
t t E t dtQ
0
( ) i i i
i i
t C tt t E t dt
C t
FUNKCIJE RASPODELE ZA IDEALNA PROTICANJA
• Idealno klipno (IK)Svi elementi fluida na izlazu imaju isto vreme zadržavanja jednako SVZ:
- Dirac
Heaviside
• Idealno mešanje (IM)Zbog potpunog mešanja, raspodela starosti na izlazu je jednaka unutrašnjoj:
( ) ( )IKE t t t
( ) ( )IKF t H t t
1( ) 1 ( )IKI t H t t
t
( ) ( )IM IME t I t
1dIE
dt t 1dI
Idt t
/1( ) ( )t t
IM IMI t e E tt
/( ) 1 1 ( )t tIM IMF t e W t
10. POPULACIONI BILANSI
MODELOVANJE I SIMULACIJA PROCESA 7
KRIVE RASPODELE ZA RAZLIČITE TIPOVE PROTICANJA
EKSPERIMENTALNO ODREĐIVANJE FUNKCIJA RASPODELE
• Funkcije F(t), Е(t), W(t) i I(t) se mogu odrediti direktno iz eksperimentata sa obeleženom supstancom – trejserom, eksperimenti tipa pobuda na ulazu – odziv na izlazu.
• Na ulazu u sistem se uvede promena obeležene supstance – OS (stepenasta, impulsna i dr.), na izlazu se detektuje konc. OS i na osnovu toga se određuje RVZ.
• Merenje signala na izlazu koji je proporcionalan sa koncentracijom OS, kao na pr.: kolorimetrija, kondukto-metrija, refraktometrija, spektrofotometrija, i dr...
• Idealan trejser – merljiv (detektabilan) pri jako velikom razblaženju, a ima iste karakteristike kao osnovni fluid.
• Primeri OS: radioaktivne čestice, elektroliti, obojeni fluid ili čestice.
10. POPULACIONI BILANSI
MODELOVANJE I SIMULACIJA PROCESA 8
EKSPERIMENTI SA OBELEŽENOM SUPSTANCOM (OS) – USLOVI
1. Sistem zatvoren – celokupna količina OS koja ulazi, izlazi iz sistema glavnim tokom fluida (nema disperzije kroz ulazne i izlazne površine).
2. Injekcija OS je paralelna sa tokom fluida.3. Sistem je u stacionarnom stanju, izuzev za konc. OS.4. Sistem je linearan, kriva odziva proporcionalna sa
injektovanom masom OS.5. Trejser je inertan i ponaša se skoro identično kao i
osnovni fluid.6. Kroz sistem protiče samo jedna faza, ako ima više faza
OS ne sme da prelazi iz jedne u drugu fazu.7. Sistem ima samo jedan ulaz i jedan izlaz (fizički).
EKSPERIMENTI SA OS – DOBIJANJE FUNKCIJA RASPODELE
• Stepenasta - F(t) i W(t)
gde su:C0 - konc. OS na ulazu, C - konc. OS na
izlazu, K - odnos količina osnovnog fluida i OS, Q - protok
• Impulsna - E(t) i I(t)
Određivanjenepoznatog
mT – masa protoka Qinjektove OS
( . ) ( . )( )
( )
el trejsera el osnovnog fluida iste RVZF t
svi elementi na izlazu
0 0
( )( )
(1 )
QC KQC C tF t
K QC C
(1 )( )
(1 )T T T
QCdt KQCdt QC K dtE t dt
m Km m K
( )T
QCE t
m
0
( )
TmQ
C t dt
10. POPULACIONI BILANSI
MODELOVANJE I SIMULACIJA PROCESA 9
INTERPRETACIJA ODZIVA –ODREĐIVANJE MODELA STRUJANJA
• Na osnovu dobijenih eksperimentalnih krivih raspodele vremena boravka i poznatih oblika krivih za idealna proticanja, formiraju se modeli realnog proticanja.
Model realnog proticanja u sudu
POSTUPAK ZA ODREĐIVANJE REALNIH MODELA PROTICANJA
1. Eksperimenti sa obeleženom supstancom: izbor trejsera, tipa eksperimenta i metode za određivanje; izvođenje i ponavljanje eksperimenata; određivanje E ili F krive
2. Analiza dobijenih krivih E ili F, uočavanje neidealnosti 3. Izbor pristupa (segmentni ili disperzioni) i modela (na pr.
kaskadni) i postavka modela4. Određivanje parametara modela na osnovu minimizacije
greške između eksperimentalne krive i krive po modelu (optimizacija)
5. Provera modela, eksperimentalna validacija6. Upotreba modela, integracija u materijalne i energentske
bilanse modela uredjaja (reaktora, separatora i dr.)
10. POPULACIONI BILANSI
MODELOVANJE I SIMULACIJA PROCESA 10
SEGMENTNI MODELI• Nastaju kombinovanjem osnovnih elemenata idealnog
proticanja – segmenata (mešanja, čistog kašnjenja, prespajanja toka...)
• Gradivni elementi se biraju na osnovu poređenja eksperimentalnih krivih raspodele i poznatih raspodela za osnovne elemente.
• U vremenskom domenu model za kretanje OS čine obične diferencijalne jednostavnije se rešavaju.
• Pogodni za opis proticanja koji je blizak idealnom mešanju.
• Za strujanje u dugačkim uređajima i značajnom disperzijom (odstupanjem od klipnog kretanja), model može da bude nedovoljno precizan pri određivanju parametara koji definišu disperziju.
PRIMER 2 – SUD SA MEŠANJEM, MRTVOM ZONOM I PRESPAJANJEM
Odstupanje od idealnog mešanja zbog prespajanja fluida (“kratak spoj”) i postojanja “mrtve” zapremine kroz koju ne protiče fluid.
Na osnovu eksperimenta i oblika F / E krive se postavlja dinamički model za idealno mešanje u zapremini V i prespajanje osnovnog toka protoka (1-)Q
(1- )V
V
Q
(1- )Q
Q
10. POPULACIONI BILANSI
MODELOVANJE I SIMULACIJA PROCESA 11
KASKADNI MODEL – 1 • Kaskada – veza istih sudova sa idealnim mešanjem u nizu.• Manji broj sudova – bliže proticanju sa potpunim
mešanjem (za 1 sud), veći broj sudova – bliže klipnom. • Jedan parametar modela: N – broj sudova u nizu.
N=1 za N
N=2
N=3
/( ) it tit E t e
/( ) / it ti it E t t t e
2 /( ) 1/ 2 / it ti it E t t t e
1
/1( )
( 1)!i
N
t ti
i
tt E t e
t N
i
tt
N
tNtNN
eN
N
t
ttEt /
1
)!1()(
KASKADNI MODEL – 2• Za bezdimenziono vreme:
Za F krivu:
1
( ) ( )( 1)!
i
i
Ni
iE t E t eN
1( )( ) ( ) ( )
( 1)!
NN
i
N NE Nt E t e
N
/i it t /t t i N
2
1
1 ...2!
1
...( 1)!
i
ii
Ni
F e
N
2
1
( )1 ...
2!1
( )...
( 1)!
NN
NN
F eN
N
10. POPULACIONI BILANSI
MODELOVANJE I SIMULACIJA PROCESA 12
DISPERZIONI MODELI• Nastaju postavljanjem kontinualnih funkcija proticanja
analognih Fick-ovom zakonu difuzije i/ili modelima međufaznog prenosa mase.
• Izbor oblika jednačine proticanja na osnovu oblika eksperimentalne krive raspodele zadržavanja.
• Jednačine realnog kretanja obeležene supstance su parcijalne diferencijalne jednačine teže se rešavaju.
• Pogodni za opis strujanja blizak klipnom, sa manjom aksijalnom disperzijom.
• Preciznije može da se odredi koeficijent disperzije u odnosnu na kaskadni model, jer se on ovde dobija na osnovu kontinulane funkcije.
• Nedostatak modela sa aksijalnom disperzijom – kroz graničnu ulaznu površinu predviđa povratan tok (mešanje) što nije realno.
MODEL AKSIJALNE DISPERZIJE (AD) –1
• Klipno proticanje sa uzdužnim mešanjem (disperzijom).• Opisuje se jednim parametrom – koeficijentom aksijalne
disperzije (D ), analognim sa koeficijentom difuzije.
• Materijalni bilans za OS:
• Granični i početni uslovi – Dankwerts:
2
2
C C CD u
x x t
0 00
Cx uC uC D
x
0
Cx L
x
0 0t C
10. POPULACIONI BILANSI
MODELOVANJE I SIMULACIJA PROCESA 13
MODEL AKSIJALNE DISPERZIJE – 2
• U bezdimenzionom obliku, ako je:
gde je bezdimenzioni broj suda = 1 / Pe
Pe – Peclet-ov broj klipno kretanje idealno mešanje
• Dankwersts-ovi granični uslovi u bezdimenzionom obliku:
/x L / /t t t u L 2
2
D C C C
uL
0D
PeuL
2
2
1 C C C
Pe
D
uL
0D
PeuL
0 0
10
CC C
Pe
1 0
C
0 0C
E() KRIVE ZA MODEL AD
10. POPULACIONI BILANSI
MODELOVANJE I SIMULACIJA PROCESA 14
MODEL AKSIJALNE DISPERZIJE I RAZMENE MASE (ADM)
• Izduženi rep E i F krive – postojanje stagnantnih zona fluida.• Klipni tok sa uzdužnim mešanjem u dinamičkoj zoni i
razmena mase fluida između dinamičke i stagnantne zone.• Materijalni bilans za OS za dinam. (Cd) i stagn. zonu (Cs):
gde je K volumetrijski koef. prenosa mase između zona, a udeo dinamičke zone u zapremini.
• Za dinam. zonu Dankwerts-ovi granični,a za statičku samo početni uslovi
2
2d d d
d d s
C C C KD u C C
t x x V
(1 )
sd s
C KC C
t V
MODEL ADM – BEZDIMENZIONI • Ako se uvedu smene:
model ADM u bezdimenzionom obliku:
Granični uslovi:
• Tri parametra: Pe – aksijalna disperzija, - brzina razmene mase između zona, - udeo dinamičke zone u ukupnoj zapremini.
/dPe u L D
/d dt u L /x L /K V
2
2
1d d dd s
d
c c cc c
Pe
(1 )
sd s
d
cc c
0 0
10 d
dd
cc c
Pe
1 0dc
0 0 0d d sc c
0/d dc C C
0/s sc C C
10. POPULACIONI BILANSI
MODELOVANJE I SIMULACIJA PROCESA 15
METODE ZA ODREĐIVANJE PARAMETARA – FUNKCIJE CILJA
• Određivanje parametara P modela realnih proticanja minimum funkcije cilja g, koja predstavlja razliku eksperimentalnih Eeks i izračunatih Erac krivih po modelu za optimalne vrednosti parametara P
• Postoji više metoda, za različite funkcija cilja:
- Metoda najmanjih kvadrata u vremenskom domenu:
- Metoda momenata:
- Metoda integralne kvadratne greške u kompleksnom domenu:
20
min ( ) ( , )P eks racE t E t P dt
0
( ) ( , ) 0neks racE t E t P t dt
20
min ( ) ( , )P eks racE s E s P ds