《Fusion Engineering and Design》:Tuning of generalized k-omega turbulence model for prediction of heat transfer and pressure drop for helium cooled demo FW
编辑推荐:
HCPB(氦冷陶瓷增殖剂)包层概念用于欧盟DEMO聚变反应堆,采用高压(8 MPa)氦气作为面向等离子体第一壁的冷却剂。目前总最大热流密度的估值高达0.73 MW/m2。更高的短期瞬态载荷也可能出现。60°V形矩形肋表现出高热传递性能,因此成为本研究的主题。针
HCPB(氦冷陶瓷增殖剂)包层概念用于欧盟DEMO聚变反应堆,采用高压(8 MPa)氦气作为面向等离子体第一壁的冷却剂。目前总最大热流密度的估值高达0.73 MW/m2。更高的短期瞬态载荷也可能出现。60°V形矩形肋表现出高热传递性能,因此成为本研究的主题。针对DEMO氦冷第一壁通道数值模拟的资格认证工作的长期目标,是提供一种一致、经过充分验证且在计算资源方面实际可行的数值方法,以实现对完整肋强化第一壁通道/全尺寸包层组件的模拟。广义k-omega(GEKO)湍流模型在预测传热和压降方面相比其他类型的RANS(雷诺平均纳维-斯托克斯)模型(甚至包括雷诺应力模型(RSM))具有更高的精度。本研究中,GEKO模型被用于传热与压降的模拟预测。研究了三种具有60°V形肋构型的短通道段,肋高分别为0.4、0.6和0.9 mm,雷诺数Re = 150,000。高保真大涡模拟(LES)预测结果作为目标数据。研究了GEKO主要标定参数(Csep、Cmix、Cnw、Ccorner)的影响。对GEKO模型预测Nusselt数(Nu)和压力梯度的能力进行了分析和讨论。
**广义k-omega湍流模型在氦冷DEMO第一壁传热与压降预测中的调校研究解读**
**一、研究背景与意义**
欧盟DEMO聚变反应堆的HCPB(氦冷陶瓷增殖剂)包层概念采用高压(8 MPa)氦气作为面向等离子体第一壁(First Wall,FW)的冷却剂。第一壁承受的辐射热流密度在内外包层间存在差异,内包层通常为0.15–0.27 MW/m2,外包层为0.23–0.31 MW/m2,额外带电粒子热流密度最高可达0.42 MW/m2,总最大热流密度估值高达0.73 MW/m2,且短期瞬态载荷可能更高。为满足第一壁的热机械设计要求,需在可接受压降和泵送功率前提下高效冷却。过往研究表明,等离子体侧布置横向矩形肋的氦气通道可实现1 MW/m2热流密度的高效冷却,而60°V形肋相比横向肋具有约35%更高的传热性能,因此成为研究对象。
数值模拟是预测第一壁部件温度分布、为热机械设计提供依据、以及输出工程关联式(如压降、冷却剂出口温度)以支持电厂平衡(Balance of Plant,BoP)分析的工具。然而,现有数值湍流模型面临两难:大涡模拟(Large Eddy Simulation,LES)能提供高保真结果但计算成本高昂,仅能计算第一壁通道的小段区域;雷诺平均纳维-斯托克斯(Reynolds-Averaged Navier-Stokes,RANS)模型计算高效,但难以预测复杂流动特征,且对传热的低估可高达22%,即使雷诺应力模型(Reynolds Stress Model,RSM)亦然。因此,长期目标在于开发一种一致、充分验证且计算可行的数值方法,用于完整肋强化第一壁通道和全尺寸包层组件的模拟。广义k-omega(Generalized k-omega,GEKO)湍流模型作为一种基于k-omega框架的可调校RANS模型,在传热和压降预测精度上优于传统RANS乃至RSM模型,并提供自由参数供用户按需标定,是解决上述挑战的可行途径。该研究发表于《Fusion Engineering and Design》。
**二、研究方法**
研究人员采用GEKO湍流模型对氦冷第一壁通道的传热与压降进行数值模拟。关键技术方法包括:其一,采用高保真LES模拟作为目标数据,为GEKO模型参数优化提供基准;其二,利用Ansys OptiSLang中的自适应最优预测元模型(Adaptive Meta-Model of Optimal Prognosis,AMOP)进行敏感性分析和参数优化,通过最小化目标函数(同时考虑Nusselt数Nu和压力梯度与LES结果的相对偏差)自动迭代寻找最优的GEKO自由参数组合(C
sep、C
mix、C
nw、C
corner);其三,使用ANSYS ICEM CFD生成满足LES质量要求的高质量结构化全六面体网格,并保证y
+<1等近壁分辨率条件。研究针对三种肋高(e = 0.4、0.6、0.9 mm)的60°V形肋通道段,Re = 150,000,氦气入口温度T = 623.15 K,操作压力p = 8 MPa,通道壁面分别施加增殖剂侧80 kW/m2和等离子体侧1 MW/m2的均匀热流密度。材料物性(Eurofer钢和氦气)通过回归分析由经验数据确定。
**三、研究结果**
**3.1 GEKO参数敏感性分析**
对肋高e = 0.4 mm的通道,研究人员系统考察了四个GEKO系数对压力梯度和Nu数的影响。C
sep的增大降低整个流场的涡粘性,使边界层对逆压梯度更敏感,流动更易分离,分离区增大,从而增加压力梯度;同时分离和回流区会削弱传热,而延迟分离则可提高Nu数。C
nw仅影响壁面内层区域,增大近壁涡粘性,增强壁面剪切应力,进而同时提高压力梯度和Nu数。相比之下,C
corner和C
mix的影响较为微弱:C
corner通过非线性应力-应变项捕获角区二次流,该二次流在逆压梯度下携带额外动量,有助于延迟分离,因此略微降低压力梯度和Nu数;C
mix主要影响自由剪切层的扩展速率,在通道中仅对肋后剪切层有轻微增强作用,导致Nu和压力梯度略微上升。对肋高0.6和0.9 mm的情况,各参数的影响趋势类似。
**3.2 GEKO模拟与LES基准的对比验证**
采用每个肋高配置下的最优GEKO参数组合,与LES结果进行定量对比。对于Nu数:肋高0.4 mm时,LES的Nu为626,GEKO为620,偏差-1.03%;肋高0.6 mm时,LES为595,GEKO为610,偏差+2.49%;肋高0.9 mm时,LES为573,GEKO为589,偏差+2.84%。对于压力梯度:肋高0.4 mm时,LES为-45,545 Pa/m,GEKO为-47,946 Pa/m,偏差5.27%;肋高0.6 mm时,LES为-66,889 Pa/m,GEKO为-68,206 Pa/m,偏差1.97%;肋高0.9 mm时,LES为-81,310 Pa/m,GEKO为-78,049 Pa/m,偏差-4.01%。相应Darcy摩擦因子f的偏差同样在5%以内。各肋高对应的目标函数obj值(综合Nu和压力梯度相对偏差的平方和)分别为5.37、3.17和4.92,表明总体预测与LES高度一致。此外,对Nu数场、二次流强度(u
y2+u
z21/2)、湍动能k以及x方向剪切应力τ
x的分布对比显示,GEKO模拟与LES在计算域大部分区域吻合良好,仅在肋附近及肋后的小尺度分离和再附着细节上存在偏差,表现为τ
x和Nu数场的局部差异。传统RANS和RSM模型在所有研究工况下均低估传热(最高低估22%),而标定后的GEKO模型显著提升了预测精度。
**四、讨论与结论**
讨论部分指出,标定的GEKO参数仅在特定工况下有效,即Re = 150,000、热流密度1 MW/m2以及EU-DEMO HCPB包层概念的运行几何结构。其他几何形状、雷诺数或热流密度需要重新进行参数标定。尽管GEKO模拟在微小流场细节上略逊于LES,但其可调谐特性使其具备在主计算域内准确预测湍流换热和压降的潜力。将基线(Baseline,BSL)雷诺应力模型与GEKO选项相结合,有望更精确地捕捉复杂的流动特征。
研究结论可翻译如下:采用各配置下性能最优的参数组合,GEKO模型在传热和摩擦因子方面均与LES结果显示出良好的一致性,最大偏差限制在5%以内。在全部研究工况下,常规RANS模型甚至RSM模型预测的传热率均低于大涡模拟(LES),低估幅度最高达22%。GEKO模拟在肋上及肋后的小尺度流动细节(如分离和再附着)上劣于LES。总体而言,基线(BSL)雷诺应力模型与GEKO选项的组合似乎是精确捕获复杂流动特征的有效途径,而GEKO模型的可调谐特性为应对湍流传热预测和压降相关的挑战提供了显著潜力。