Entwurf, Simulation und hydraulische Optimierung von Pumpen

Transkript

1 Entwurf, Simulation und hydraulische Optimierung von Pumpen Dipl.-Ing. Ralph-Peter Müller CFturbo GmbH, München

2 CFturbo GmbH CFturbo Software Turbomachinery Design Software Automated Workflows Engineering Services Turbomachinery Conceptual Design CFD/FEA Simulation Optimization CAD + Prototyping 3D-CAD Modeling Prototyping Testing, Validation Seite 2

3 Auswahl der Pumpe Y Y MAX Y BEP BEP Ziel: Betriebspunkt = Entwurfspunkt = BEP (Best Efficiency Point) Überdimensionierung der Pumpe vermeiden P ~ Y*Q / h Q Q BEP Q MAX Seite 3

4 Number of revolutions Entwurf, Simulation und hydraulische Optimierung von Pumpen Optimierung der Pumpe Y/Y opt h/h opt Kennfeld mit Parameter n Q~n Y~n 2 P~n 3 NPSH R ~n Entwurfspunkt: es gibt genau einen Betriebspunkt mit bestem Wirkungsgrad BEP Qopt, Yopt, ηopt Q/Q opt Seite 4

5 Betrieb der Pumpe Stark abweichender Betriebspunkt neue Maschine nötig Variabler Betriebspunkt Betrieb mit variablen Drehzahlen nötig Normaler Betriebspunkt kein Handlungsbedarf Seite 5

6 Klassifizierung von Strömungsmaschinen, n q 25 n q 70 Spezifische Drehzahl * Q nq n Y n q 120 n q 295 Seite 6

7 Typischer Berechnungprozeß für eine neue Pumpenhydraulik Entwurf Nachrechnung/Optimierung Produkt Vernetzung ANSA, AutoGrid, ICEM, Pointwise, TurboGrid, Simulation CCM+, CFX, FINE/Turbo, PumpLinx, OpenFOAM Auslegung, Entwurf CFturbo Optimierung interaktiv oder automatisch Produkt CAD CATIA, Creo, NX, Inventor SpaceClaim, SolidWorks, Messung Rapid Prototyping, Validierung

8 CFturbo Software z. Auslegung und Entwurf von Turbomaschinen Auslegungs-/ Betriebspunkt Q, Dp, n,, Stoffwerte Eintrittsbedingungen Fundamentale Gleichungen Eulerglg. d. Turbomaschinen, Kontinuitätsgleichung, Impulssatz, Referenzgeometrie - Elemente aus CFturbo CFturbo Neue bzw. modifizierte Geometrie Empirische Funktionen Allgemein zugängiges Wissen, Firmeneigenes Know-How Existierende Geometrie- Elemente (von extern) Seite 8

9 Schnittstellen zu ausgewählten CFD-Programmen Auslegung, Entwurf Vernetzung Simulation ANSYS ANSYS Mesh CFX, Fluent Numeca AutoGrid, HexPress FINE/Turbo [Open Source] [Snappy HexMesh] [OpenFOAM, ] CFturbo CD-adapco Simerics Mentor Graphics Autodesk STAR CCM+ PumpLinx FloEFD CFdesign Strategie: Schnittstellenentwicklung für automatisierte Workflows Seite 9

10 Beispiel 1, CFD-Simulation, Beispiel - Axialpumpe - Typical design point for axial pump - First initial conceptual design by CFturbo - No diffuser or inlet guide vane. Rotor in pipe. n = 780 rpm H = 15.6 feet Q = 23,400 gpm NPSHr = 27 feet Tip diameter = 23 inches Shroud diameter = inches 0.3 hub/tip ratio - Steady state & transient imulation, - Cavitation Seite 10

11 Beispiel 1, CFD-Simulation, Beispiel - Axialpumpe Leading edge blade tip cavitation Seite 11

12 Dp total [Pa] Entwurf, Simulation und hydraulische Optimierung von Pumpen Beispiel 1, CFD-Simulation, Beispiel - Axialpumpe Steile Pumpenkennlinie mit Sattelpunkt Massflow [kg/s] steady state transient transient with Cavitation model Seite 12

13 Beispiel 2, Manuell-intuitive Optimierung eines Turboverdichters Traditionelle Arbeitsweise von Entwurf und Nachrechnung mehrere Modelle, Varianten, Bearbeitungszeit 2-3 Wochen Auslegungsdaten Totaldruckverhältnis: tt = 4 Massenstrom: ṁ = 0.11 kg/s Drehzahl: n = min -1 Max. Motorleistung: P m < 30 kw 20 Entwürfe 20 Kennlinen 1 Prototyp Seite 13

14 Beispiel 3, Auslegung und Entwurf einer einstufigen Kreiselpumpe Auslegungsdaten Volumenstrom Q=400 m³/h, Förderhöhe H=29 m (Dp total 3.0 bar), Drehzahl n=1800 min -1, Fluiddichte 1000 kg/m³ Seite 14

15 Beispiel 4, Automatische Laufradoptimierung Radialpumpe - Automatisierte Bearbeitung (~ 300 verschiedene Modellvarianten) - Gitter ~ 3 Mio. Elemente, Steady State Simulation (MFR) - Rechenzeit ~ 300 h CFturbo CCM+ Design goals Performance Optimization HEEDS Seite 15

16 Beispiel 4, Automatische Laufradoptimierung Radialpumpe Goals Minimize: Power Requirements (P) Such That: Head (H) > m (Manually Optimized Head) 396 < Flow rate (Q) < 404 m³/h By Varying: 4 < Number of Blades < < β LeadingEdgei < rads < β TrailingEdgei < rads 0.0 < Leading Edge i < 1.0 (relative ) 0.05 < LE Hub < 0.75 (relative) 0.05 < Led Shroud < 0.75 (relative) 0.0 < θ LeadingEdge < 1.0 (relative pos.) 0.0 < θ TrailingEdge < 1.0 (relative pos.) MAIN BLADE MEANLINE CONTOUR θ LeadingEdge θ TrailingEdge NUMBER OF BLADES IMPELLER LeadingEdgeShroud LeadingEdge 2y MERIDIONAL CONTOUR LeadingEdge3 LeadingEdge 1 LeadingEdge 2x LeadingEdgeHub β LeadingEdge i β TrailingEdge i Seite 16

17 STAR-CCM+ OPTIMIZED DESIGN CFturbo Responses Change design variables SHERPA Leistungsaufnahme - 6% Seite 17

18 Beispiel 4, Automatische Laufradoptimierung Radialpumpe Manuell optimierter Entwurf Q = 400 m 3 /hr P: 38,462.9 W H: m Automatische Optimimierung Q = 400 m 3 /hr P: 36,082.8 W 6% + im Wirkungsgrad H: m Seite 18

19 Ausblick, CFturbo + Simulation - Cloud Computing (I) CFturbo: - Treffsichere Erstentwürfe - Parametrische Modellierung - Zuverlässige Kennfeldschätzung (III) Netzwerke und Betrieb - Essentiell für energetische Optimierung - 1D/3D-Kopplung, Systemsimulation - Ganzheitliche Betrachtung (II) Cluster/ Cloud: - Kennfeldsimulation mit hoher Vorhersagegenauigkeit - Geometrieoptimierung - Dazu: Automatisierte Workflows Seite 19