Numerical Investigations for the Optimization of Liqud-Gas Heat Exchangers

Dr.-Ing. M. Sc. Abdellah Lemouedda

Betreuer VT:  Prof. Dr.-Ing. Eberhard Franz

Stromlinien und Temperaturverteilung bei einem Wärmeübertrager mit Delta-Winglets als wärmeübergangssteigernde Elemente

Herr Lemouedda befasste sich von August 2004 bis Februar 2010 mit der numerischen Untersuchung und der Optimierung von Gas-Flüssigkeits-Wärmeübertragern, wobei der Begriff „Optimierung“ im Wortsinne als das gezielte, systematische Suchen nach einer bestmöglichen Lösung zu verstehen ist.

Die Dissertation entstand in enger Kooperation der Fakultät Verfahrenstechnik mit dem Lehrstuhl für Strömungsmechanik der Friedrich-Alexander-Universität Erlangen-Nürnberg (Profs. Dres. Breuer, Delgado, Durst). Diese Zusammenarbeit – und damit die Forschung des Herrn Lemouedda – wurden vom Bayrischen Staatsministerium für Wissenschaft, Forschung und Kunst im Rahmen der ersten beiden Programme des Kompetenznetzwerkes für wissenschaftliches Hoch- und Höchstleistungsrechnen (KONWIHR I und II) gefördert. Die vollständige Finanzierung wurde durch die STAEDTLER-Stiftung, das BayME-Programm Techno-logiebrücke und Mittel der Georg-Simon-Ohm-Hochschule sichergestellt.

Herr Lemouedda beschränkte sich auf die Behandlung von Gas-Flüssigkeits-Wärmeübertragern, da diese sehr häufig in der einschlägigen Industrie eingesetzt werden. Die von ihm entwickelte Methode lässt sich ohne grundsätzliche Schwierigkeiten auf Wärmeübertrager mit anderen Fluid-Kombinationen anwenden.

Die Optimierung von Wärmeübertragern ist deswegen besonders schwierig, weil eine Vielzahl von Zielfunktionen (Kriterien) und Parametern zu berücksichtigen sind. Es handelt sich um eine sogenannte Multikriterien-Optimierung, bei der sich die einzelnen Kriterien widersprechen können. Als Beispiele seien die Kombinationen Wärmeübertragungskoeffizient und Druckverlust, Energieaufwand und –gewinn, Herstellungs- und Betriebskosten genannt. Bei den Parametern handelt es sich häufig um diskret definierte Größen wie zum Beispiel verschiedene, genormte Rohrdimensionen, verschiedene Werkstoffe, unterschiedliche Geometrien von wärmeübergangssteigernden Elementen und so weiter. Kontinuierlich definierte Parameter sind in der Anwendung eher selten. Herkömmliche Optimierungsverfahren mit Lagrange-Multiplikatoren sind deswegen nicht geeignet.

Verfahren, die durch eine gewichtete Linearkombination von Kriterien künstlich eine Einkriterium-Optimierung erzeugen, sind ebenfalls als ungeeignet zu bezeichnen, weil eine bestimmte Wahl von Gewichtungsfaktoren zwar bei einer Problemstellung zu vernünftigen Ergebnissen, bei durchaus ähnlichen Aufgabenstellungen zu unsinnigen Ergebnissen führen kann. Herr Lemouedda erkannte, dass die Kombination von Pareto-Optimierung mit genetischen Algorithmen als geradezu ideal geeignet für die Optimierung von Wärmeübertragern zu bezeichnen ist. Er beschränkte sich bei den Kriterien im Wesentlichen auf den auf das Bauvolumen bezogenen Energieaufwand und die ebenfalls auf das Bauvolumen bezogene, übertragene Wärme. Seine Methode ist ohne grundsätzliche Schwierigkeiten auf andere oder auch zusätzliche Kriterien anwendbar.

Die Optimierungskriterien können bei der von Herrn Lemouedda gewählten Optimierungsmethode auf verschiedene Arten ermittelt werden. So ist eine experimentelle Bestimmung ebenso möglich wie, falls vorhanden, die Verwendung analytischer Beziehungen, beispielsweise aus dem VDI-Wärmeatlas. Herr Lemouedda verwendete für die Berechnung der erwähnten Zielfunktionen numerische Strömungssimulationen (CFD). Hierbei erwiesen sich die von ihm verwendeten genetischen Algorithmen als besonders hilfreich, weil sie bei den vorliegenden großen Parameterräumen die Zahl der durchzuführenden Kriterienberechnungen via CFD drastisch reduzieren können.

Das Ziel der Arbeit war neben der wissenschaftlich fundierten Ableitung der beschriebenen Methode und der exemplarischen Untersuchung verschiedener wärmeübergangssteigernder Elemente die Entwicklung eines Prozesses, der Geometrieerstellung via parametrisierter CAD, CFD, Pareto-Optimierung sowie genetische Algorithmen automatisiert kombiniert.