Detalhes bibliográficos
Ano de defesa: |
2023 |
Autor(a) principal: |
Gasparin, Elóy Esteves |
Orientador(a): |
Não Informado pela instituição |
Banca de defesa: |
Não Informado pela instituição |
Tipo de documento: |
Tese
|
Tipo de acesso: |
Acesso aberto |
Idioma: |
eng |
Instituição de defesa: |
Universidade Estadual Paulista (Unesp)
|
Programa de Pós-Graduação: |
Não Informado pela instituição
|
Departamento: |
Não Informado pela instituição
|
País: |
Não Informado pela instituição
|
Palavras-chave em Português: |
|
Link de acesso: |
http://hdl.handle.net/11449/244694
|
Resumo: |
A crescente importância da indústria de captura, utilização e armazenamento de carbono (CCUS) devido ao aquecimento global tem demandado novas tecnologias de equipamentos. Entre os mais relevantes, nota-se o ciclo de potência de Brayton que reporta aumento na eficiência térmica de seu sistema ao utilizar o CO2 em estado supercrítico devido ao menor trabalho de compressão quando comparado ao ar. Além desse, sistemas de armazenamento de energia que utilizavam ar comprimido também demonstraram melhora em seu desempenho ao trabalhar com CO2. Sendo assim, a tecnologia de CCUS com maior viabilidade econômica devido ao seu produto final de alto valor agregado é o processo conhecido como Enhanced Oil Recovery (EOR), que utiliza um trem de compressores centrífugos para realizar o armazenamento de CO2 supercrítico em poços de extração de petróleo, e que foi objeto de estudo do presente trabalho. Normalmente, a abordagem utilizada em um projeto de sistema de compressão é simplesmente investigada por aspectos termodinâmicos, sem considerar fenômenos fluidodinâmicos que podem inviabilizar o sistema como um todo. Portanto, a metodologia desenvolvida nesta tese é composta por um modelo de compressor centrífugo de CO2 supercrítico e difusor sem palhetas unidimensional (1D), capaz de prever alguns aspectos do escoamento do fluido que não são modelados por meio de análise termodinâmica direta, seguido por uma Análise de Sensibilidade (SA) e estratégia de otimização. Posteriormente, a modelagem individual de dois compressores utilizando Computational Fluid Dynamics (CFD) fez-se necessária para corroboração dos resultados anteriores e para entregar melhorias adicionais aos equipamentos a partir da meta-modelagem por superfície de resposta (RS) destes modelos computacionalmente custosos e realização de otimização indireta. Associada a estratégia de otimização, uma restrição chamada Gas Behaviour Margin (GBM) é proposta para evitar grandes variações das propriedades termodinâmicas no processo de compressão próximo à linha de Widom, o que pode dificultar a convergência do modelo numérico (por CFD) ou ainda causar danos ao equipamento durante seu processo de operação. Os principais resultados da obtidos a partir da metodologia descrita neste trabalho mostram que o trem de compressores centrífugos com quatro estágios considerado no processo de otimização teve sua potência total reduzida em 14,09% quando comparado à configuração inicial, e garantindo uma configuração de compressores viável, já que as restrições: Margem de Aceleração para Condensação (AMC), GBM e o número de Mach na garganta foram atendidas. Além disso, a solução do modelo CFD para o quarto compressor demonstrou boa concordância com a modelagem 1D e dados experimentais, corroborando a validade e robustez da metodologia aqui desenvolvida. Além disso, esta abordagem é considerada como uma maneira rápida e de baixo custo para obter uma geometria preliminar para sistemas de trem de compressores centrífugos. Finalmente, os modelos CFD do primeiro e quarto estágios de compressão foram submetidos a estratégia de SA e otimização, aumentando ainda mais a eficiência politrópica destes dois estágios, essa modelagem permitiu a análise fenomenológica baseada em variação entrópica que foi conduzida para o processo de avaliação fluidodinâmica do escoamento dentro dos compressores centrífugos A estratégia aqui adotada pode ser aplicada a outros modelos de CFD considerados grandes e altamente dimensionais para reduzir o custo computacional do procedimento de otimização e acelerar a análise fenomenológica do escoamento. |