凝聚器二維單擾流柱流場中顆粒凝并模擬

劉含笑， 姚宇平， 酈建國

（浙江菲達環保科技股份有限公司，浙江諸暨311800）

我國屬于重度煤煙型污染國家，而且以煤電為主的能源結構在未來相當長一段時間內不會發生改變［1］.近幾年，大中城市的霧霾天氣頻發，其中PM2.5是引起霧霾的主要元兇之一，作為重要的污染源之一，燃煤電廠對PM2.5的控制和治理迫在眉睫.在眾多PM2.5污染物控制技術中，微顆粒凝并技術是最有實用價值的技術之一，該技術采用正、負高壓電源對進入電除塵器前的粉塵進行分列荷電處理，使相鄰兩列的煙氣粉塵帶上正、負不同極性的電荷，并通過擾流柱的擾流作用，使帶異性電荷的不同粒徑粉塵產生速度或方向差異而有效凝聚，形成大顆粒后被電除塵器有效收集［2］.澳大利亞Indigo公司最早開發出基于雙極荷電＋流動凝并的微顆粒凝并技術，并已取得一定業績；國內相關單位自2007年開始研發該技術，目前已有多處工程業績，其中吳涇熱電廠300 MW 機組凝聚器投運后，PM2.5的下降率達30.1%［3］.

微顆粒凝并技術初投資少、效果明顯，具有很高的商業推廣價值，且特別適用于場地受限的改造項目，是目前學者研究、廠家推廣、電廠迫切需要的熱點技術.但是，目前關于該技術的機理研究報道較少，許多問題缺乏科學的認識和準確的數據支持，尤其是凝聚器的流動聚合區涉及不同粒徑顆粒在湍流場中的運動、碰撞和凝并等一系列復雜物理過程，更增加了研究的難度.筆者借助商業CFD 軟件，分別利用離散相模型（DPM）模擬湍流場中顆粒運動軌跡，利用顆粒群平衡模型（PBM）模擬湍流凝并效果，旨在探討一種科學合理的理論研究方法，為凝聚器的工程設計提供參考.

1 幾何模型

選取二維單擾流柱為研究對象，并與無擾流柱時進行對比.二維單擾流柱的幾何模型見圖1，模型尺寸為1 000 mm×2 500 mm，圓柱直徑為219 mm.網格劃分如圖2 所示，采用結構化網格技術，并在圓柱附近局部加密網格.

圖1 幾何模型Fig.1 Geometric model

2 流場及顆粒運動軌跡模擬

2.1 計算模型及邊界條件

為了更準確細致地模擬流場的湍流特性，并準確反映在顆粒相分布上，引入2d－LES模型［4］計算非穩態流場湍流參數，入口條件為速度入口，流速為12m／s，出口條件為Outflow，時間步長為0.001s.顆粒相的模擬應用DPM［5］，并用隨機軌道模型（Stochastic Tracking）加以修正，考慮Saffman升力和曳力作用，忽略顆粒間相互作用.顆粒相密度為2 100kg／m3，顆粒相粒徑從1～100μm 分為10個區間，符合R－R 分布：

式中：w（dk）為尺寸大于dk的那部分顆粒占所有顆粒群的質量分數；ˉd 為w（dk）＝e－1時的顆粒直徑；n表示粒徑分布總區間數，本文取10；k表示第k 個粒徑區間.

圖2 網格劃分Fig.2 Meshing

圖3 為顆粒質量分數隨粒徑的分布圖，其中Di表示第i區間的顆粒平均粒徑.

2.2 計算結果及討論

圖4給出了t＝0.5s時速度場的計算結果.由圖4可知，擾流柱具有很好的擾流效果，其附近存在明顯的渦街脫落，使整個流場的速度分布變得極不均勻，這將對顆粒在流場中的運動軌跡產生較大的影響.

圖5給出了t＝0.5s時顆粒運動軌跡的計算結果，其中淺色表示大粒徑顆粒（最大為100μm），深色表示小粒徑顆粒（最小為1μm）.圖5（a）為單個顆粒的運動軌跡，受流場擾動的影響，顆粒運動軌跡發生較大偏轉，且大粒徑顆粒多處在速度渦街的外圍，小粒徑顆粒則會被卷吸入渦街內部；圖5（b）為無擾流柱時單顆粒運動軌跡，顆粒保持原有運動方向，軌跡僅發生很有限的偏移；圖5（c）和圖5（d）分別為有、無擾流柱時整個流場的顆粒運動分布情況，受流場擾動的影響，不同粒徑顆粒具有較好的摻混效果，大大提高了顆粒碰撞和凝并的可能性.

圖3 顆粒質量分數隨粒徑的分布Fig.3 Particle size distribution

圖4 t＝0.5s時速度場的計算結果Fig.4 Calculated velocity profiles at t＝0.5s

圖5 t＝0.5s時顆粒運動軌跡的計算結果Fig.5 Calculation of particle trajectories as t＝0.5s

3 顆粒凝并模擬

DPM 的基本假設是顆粒間不存在相互影響，因此只能得到顆粒的運動軌跡，無法得到顆粒間碰撞頻率，統計凝并信息.目前，研究者多采用PBM 來計算顆粒凝并［6－8］.

3.1 數學模型

流場計算采用歐拉雙流體模型，湍流模型選用標準k－ε 模型，調用PBM 計算顆粒的凝并，基于顆粒稀疏和分子混沌假設，在僅考慮顆粒凝并工況的情況下，歐拉坐標體系的顆粒尺度分布函數的零維平衡方程為

式中：n（v，t）表示體積為v 的顆粒在t 時刻的濃度函數，1／m3；β（v－u，u，t）表示t時刻體積分別為u 和v－u的顆粒間凝并核，即凝并概率，m3／s；等式右邊第一項表示因凝并而生成的體積為v 的新顆粒數，1／2表示在顆粒一次凝并事件時同時有2個顆粒參加；等式右邊第二項表示因凝并成更大顆粒而消失的體積為v的顆粒數.

3.2 邊界條件

對顆粒群平衡方程（PBE）采用分區算法求解，初始顆粒尺度分布為單分散體系，具體數據見表1.顆粒按粒徑分為8個區間，其總體積分數為7.02×10－6，其余邊界條件與2.1節一致，計算時間步長取0.001s.

表1 各尺度顆粒的體積分數Tab.1 Volume fraction of differently sized particles

3.3 湍流凝并核函數

Zaichik等［9］首次在各向同性的湍流流場中提出了慣性顆粒湍流凝并核模型，該模型適用于從零慣性顆粒到大慣性顆粒的全部范圍內的慣性顆粒，并可考慮湍流和聚集效應對凝并概率的增大效果.

凝并核是由碰撞范圍表面積的一半產生的：

后來Zaichik等［10］又對該方程進行修正，得到適用于任意密度顆粒的凝并核：

式中：Vt為總湍流凝并系數；Vin為由于顆粒慣性導致兩顆粒速度相關量缺失而引起的凝并系數；Vsp為由于顆粒相對距離d 導致兩顆粒速度相關量缺失而引起的凝并系數；fui為顆粒對流體脈動速度的響應系數；Sll為顆粒的縱向結構函數；A 為顆粒相與氣相的密度比.

將上述湍流凝并核函數編寫為用戶自定義函數（UDF）后導入CFD 軟件，計算結果見圖6～圖8.

圖6 不同時刻出口各粒徑區間顆粒個數濃度變化曲線Fig.6 Outlet concentration of differently sized particles at different moments

圖7 t＝1.5s時各粒徑區間顆粒個數濃度曲線Fig.7 Concentration of differently sized particles at t＝1.5s

圖8 不同時刻出口平均粒徑變化曲線Fig.8 Average size of outlet particles at different moments

圖6 為有擾流柱時不同時刻出口各粒徑區間顆粒的個數濃度變化.由圖6可知，隨著時間的推移，出口處顆粒的粒徑分布發生明顯變化，大粒徑顆粒逐漸增多，表明顆粒發生了明顯的凝并現象，當t＝0.40s后，顆粒個數濃度分布趨于穩定.當顆粒個數濃度達到穩定后，布置擾流柱時，大粒徑顆粒數量明顯多于無擾流柱時，表明擾流柱促進顆粒的湍流凝并效果顯著.由圖8可以看出，有擾流柱時，隨著時間的推移，出口處的平均粒徑經歷了從0.45μm 開始逐漸增大后趨于穩定的演化過程，且平均粒徑達到平衡所需的時間約為0.4s，無擾流柱時顆粒平均粒徑明顯小于有擾流柱時.

不同入口流速時顆粒湍流凝并效果的計算結果如圖9～圖11所示.其中，圖9為入口流速分別為2 m／s、5 m／s、8 m／s、10 m／s、12 m／s、15 m／s和20 m／s且粒徑分布趨于穩定時，模型出口的顆粒粒徑分布曲線.圖10為不同入口流速時出口平均粒徑.由圖10可知，入口流速越大，模型出口大粒徑顆粒質量分數越大，平均粒徑越大，表明湍流凝并效果越好.提取不同入口流速時流場內湍流強度I 和湍動能k 的平均值，結果如圖11所示.由圖11可知，入口流速越大，湍流強度和湍動能的平均值越大.由圖9～圖11表明，湍流強度、湍動能與湍流凝并效果呈正相關.

圖9 不同入口流速時出口顆粒粒徑分布曲線Fig.9 Outlet particle size distribution at different inlet velocities

圖10 不同入口流速時出口平均粒徑Fig.10 Average size of outlet particles at different inlet velocities

圖11 不同入口流速流場內湍流強度和湍動能平均值Fig.11 Average turbulence intensity and energy in flow field at different inlet velocities

3.4 凝并核分段函數

鑒于煙氣流速、湍流強度、湍動能與湍流凝并效果的關系，在入口流速為12m／s時，將湍流凝并核函數按湍動能值的不同定義為分段函數，如表2所示.將上述凝并核分段函數通過UDF寫入CFD 軟件，初始顆粒尺度分布見表1，經計算，結果如圖12和圖13所示.

表2 凝并核分段函數Tab.2 Coagulation piecewise function

圖12 采用分段函數計算時不同時刻出口各粒徑區間顆粒個數濃度的變化Fig.12 Outlet concentration of differently sized particles calculated with piecewise function

圖13 采用分段函數計算時不同時刻出口平均粒徑的變化Fig.13 Average size of outlet particles at different moments calculated with piecewise function

圖12 為不同時刻出口各粒徑區間顆粒的個數濃度變化曲線，圖13為不同時刻出口平均粒徑的變化曲線.由圖12和圖13可知，該計算結與3.3節結果類似，隨著時間的推移，出口處顆粒的粒徑分布發生明顯變化，大粒徑顆粒質量分數逐漸增大，平均粒徑逐漸增大，表明顆粒發生了明顯的凝并現象，當t＝0.2s后，顆粒個數濃度分布趨于穩定.此時粒徑分布趨于穩定所需的時間較3.3節短，近似于煙氣流經整個流場所需的時間，這可能是由于將湍流凝并核函數設為分段函數，湍流凝并效果受流場擾動影響減小所致.

對于工程計算，幾何模型一般較為復雜，僅網格文件就有1～2GB之大，若直接計算顆粒湍流凝并效果，即使采用能夠兼顧計算代價和計算精度的分區算法進行計算，也需花費很大的計算代價.根據所提計算方法，并通過實驗進一步驗證完善，有望得到顆粒湍流凝并效果與流場湍流參數的準確關系式，屆時，對于結構復雜的工程計算，通過計算流場參數便能準確判定其顆粒湍流凝并效果.

4 結 論

（1）擾流柱具有很好的產渦效果，且受流場擾動影響，不同粒徑顆粒具有很好的摻混效果，大大提高了顆粒碰撞、凝并的可能性.

（2）受湍流流場影響，隨著時間的推移，模型出口處大粒徑顆粒質量分數逐漸增大，平均粒徑逐漸增大，表明顆粒具有很好的湍流凝并效果.

（3）入口流速越大，流場內湍流強度和湍動能越大，顆粒湍流凝并效果越好，即湍流強度、湍動能與湍流凝并效果呈正相關.

（4）采用湍流凝并核函數計算時，由于受到湍流流場的擾動，出口粒徑分布穩定所需的時間較分段函數計算時長.

［1］ 齊立強，原永濤，史亞微.燃煤煙氣中的SO3對微細顆粒物電除塵特性的影響［J］.動力工程學報，2011，31（7）：539－543.QI Liqiang，YUAN Yongtao，SHI Yawei.Influence of SO3on electrostatic precipitation of fine particles in flue gas［J］.Journal of Chinese Society of Power Engineering，2011，31（7）：539－543.

［2］ 舒英鋼.燃煤電廠電除塵技術綜述［C］／／第15屆中國電除塵學術會議論文集.蚌埠：中國環保產業協會電除塵委員會，2013：1－8.

［3］ 酈建國，梁丁宏，余順利，等.燃煤電廠PM2.5捕集增效技術研究及應用［C］／／第15屆中國電除塵學術會議論文集.蚌埠：中國環保產業協會電除塵委員會，2013：51－56.

［4］ 酈建國，劉含笑，姚宇平.微顆粒捕集增效裝置二維單擾流柱流場計算［J］.華東電力，2013，41（11）：2404－2407.LI Jianguo，LIU Hanxiao，YAO Yuping.The flow field calculation of 2Dsingle turbulence column in the PM2.5capture efficiency device［J］.East China Electric Power，2013，41（11）：2404－2407.

［5］ 劉忠，劉含笑，馮新新，等.湍流聚并器流場和顆粒運動軌跡模擬［J］.中國電機工程學報，2012，32（14）：71－75.LIU Zhong，LIU Hanxiao，FENG Xinxin，et al.Simulation for the flow field of the turbulence coalescence device and the trajectory of particles［J］.Proceedings of the CSEE，2012，32（14）：71－75.

［6］ 徐俊波，張麗，岳仁亮，等.PM2.5細顆粒物凝并的計算流體力學模擬［J］.計算機與應用化學，2013，30（8）：831－834.XU Junbo，ZHANG Li，YUE Renliang，et al.CFD simulation on the aggregation of PM2.5fine particles［J］.Computers and Applied Chemistry，2013，30（8）：831－834.

［7］ 趙海波，徐祖偉，劉昕，等.顆粒凝并動力學Monte Carlo方法的高效GPU 并行計算［J］.科學通報，2014，59（14）：1358－1368.ZHAO Haibo，XU Zuwei，LIU Xin，et al.Efficient GPU parallel computing of population balance－Monte Carlo method for coagulation［J］.Chinese Science Bulletin，2014，59（14）：1358－1368.

［8］ 劉忠，劉含笑，李懷亮，等.超細顆粒物湍流聚并理論與數值模擬［C］／／第14屆中國電除塵學術會議論文集.重慶：中國環保產業協會電除塵委員會，2011：31－37.

［9］ ZAICHIK L I，ALIPCHENKOV V M，AVETISSIAN A R.Modelling turbulent collision rates of inertial particles［J］.International Journal of Heat and Fluid Flow，2006，27（5）：937－944.

［10］ ZAICHIK L I，SIMONIN O，ALIPCHENKOV V M.Turbulent collision rates of arbitrary－density particles［J］.International Journal of Heat and Mass Transfer，2010，53（9／10）：1613－1620.