V rámci analýzy modelů a entropických ztrát v supersonických separátorech je nezbytné vzít v úvahu pravděpodobnostní hustotní funkci (PDF) pro poloměr kapky, která se rekonstruuje na základě teoretických a numerických modelů. Tyto modely jsou zásadní pro pochopení energie ztracené během průtoku kapek, přičemž zvláštní důraz je kladen na přesnost polydisperzního modelu, který umožňuje predikci spektra kapek a ztrát energie v supersonických proudech. Takové modely jsou klíčové pro analýzu chování fází a polí v silně vířivém supersonickém průtoku a mají důležitou roli při vymezení výkonnosti oddělovacích procesů v supersonických separátorech.

V průběhu těchto analýz jsou vyvinuty dva numerické modely, které se zaměřují na homogenní a heterogenní kondenzaci v supersonických separátorech. První model, třífázový Euler-Euler-Euler model, zachycuje chování plynné fáze, fáze kapek a kapalného filmu jako kontinuální fáze, čímž objasňuje složité vlastnosti přenosu tepla a hmoty v rámci separátoru. Tento model umožňuje analyzovat zákonitosti vývoje separační výkonnosti za různých podmínek. Druhý model, Euler-Lagrangian-Euler model, zohledňuje jak homogenní, tak heterogenní kondenzaci a detailně rozkrývá interakce mezi těmito dvěma typy kondenzace, což má zásadní význam pro generování silných vířivých polí v supersonických separátorech.

Využití těchto modelů v aplikacích na zpracování přírodního plynu, zejména pro procesy dehydratace a dekarbonizace, ukazuje na významné výhody, které tyto technologie přinášejí. Procesy, jako je dehydratace plynu pod vysokým tlakem, jsou komplexní, ale modely umožňují optimální nastavení parametrů kapek, což vede k efektivnějšímu odstranění vody a minimalizaci energetických ztrát. Důležité je také analyzovat vliv podmínek vstupu na separační výkonnost a efektivitu, přičemž klíčovými faktory jsou například koncentrace heterogenních kapek a teplotní a tlakové podmínky.

Kromě toho, u separace CO2 z plynu bohatého na CO2, se využívá prediktivní model pro bod Wilson, podchlazení, tlak a rychlost expanze. V praxi, pro zvýšení účinnosti separace CO2, se doporučuje zvyšovat koncentraci heterogenních kapek, snižovat teplotu a zvyšovat tlak. Tyto strategie vedou nejen ke zvýšení účinnosti, ale také k optimalizaci energetických nákladů během separace.

V oblasti přírodního plynu, zejména v offshorových zařízeních, se supersonické separátory ukazují jako velmi efektivní technologie pro dehydrataci a odstraňování CO2. Význam těchto technologií je zejména v jejich schopnosti zlepšit energetickou efektivitu a snížit emise skleníkových plynů, což je v současné době velmi aktuální vzhledem k rostoucím nárokům na udržitelnost energetických procesů.

S těmito poznatky je nezbytné, aby čtenář vnímal, že přechod k supersonickým separátorům není pouze technickou změnou, ale i výzvou pro optimalizaci celkového energetického a environmentálního bilance. Technologie musí být přizpůsobena specifickým podmínkám na jednotlivých ropných plošinách a v závislosti na chemickém složení plynu. To zahrnuje nejen technické a ekonomické faktory, ale i ekologické důsledky spojené s jejich nasazením.

Jak využít kvadraturní metodu momentů pro analýzu polydisperzních kapek

V oblasti modelování dynamiky kapek s různými velikostmi, známé jako polydisperzní kapky, hraje metoda momentů klíčovou roli při popisu a analýze chování tohoto systému. Jedním z hlavních nástrojů v tomto procesu je kvadraturní metoda momentů (QMOM), která umožňuje efektivně aproximovat složité distribuční funkce a zachytit dynamiku jednotlivých velikostí kapek v systému. Tato metoda se široce využívá v různých aplikacích, od turbínových systémů po simulace kondenzace a odpařování.

V případě polydisperzních modelů je klíčovým prvkem integrace určitého termínu ve formě součtu, který zahrnuje váhy wiw_i a abscisy rir_i, což odpovídá m-bodové kvadraturní metodě podle McGrawa. Vzorec pro tento součet je následující:

i=1mμk+ρmμkuj=i=1m(ρkrk1m(ri)wi+Jrk)\sum_{i=1}^{m} \mu_k + \rho_m \mu_k u_j = \sum_{i=1}^{m} \left( \rho_k r_{k-1} m (r_i) w_i + J_r k \right)

Tento přístup umožňuje získání hodnot momentů integrací přes distribuční funkci F(r)F(r), kde výrazy pro momenty μk\mu_k mohou být přepsány na:

i=1mμk=rkF(r)dr=rkwi\sum_{i=1}^{m} \mu_k = r_k F(r) dr = r_k w_i

Ve zmíněné metodě se používají první 6 momenty pro k = 0–5, aby se spočítaly kvadraturní váhy a příslušné abscisy, což je dosaženo konstrukcí symetrické tridiagonální matice, jak je specifikováno v PD algoritmu. Tato metoda je velmi účinná při modelování chování kapek v různých dynamických prostředích.

Další výpočty se zaměřují na změny hmotnosti v systému, které jsou popsány vztahy jako:

m˙v=04πρlJr3+4πρl3cρ2G(r)r2wi\dot{m}_v = \int_0^\infty 4\pi \rho l J r^3 + 4\pi \rho l^3 c \rho^2 G(r) r^2 w_i

V tomto výrazu představuje G(r)G(r) rychlost růstu kapek, která je spočítána pomocí dříve uvedeného vztahu.

Analýza destrukce exergie a erozního poměru v polydisperzním modelu zahrnuje výpočet generování entropie sgen,Ls_{gen,L}, který závisí na teplotním rozdílu mezi kapalnou a parní fází. Tento termín se vyjadřuje vztahy jako:

ρmsgen,Lt+xi(ρmsgen,Lui)=YL\frac{\partial \rho_m s_{gen,L}}{\partial t} + \frac{\partial}{\partial x_i} \left( \rho_m s_{gen,L} u_i \right) = Y_L

Pokud jde o erozní rychlost, která vzniká kvůli srážkám kapek s lopatkami turbíny, lze použít model vyvinutý Lee et al., kde erozní rychlost závisí na velikosti kapek a rychlosti jejich pohybu:

ErβrbE_r \propto \beta r^b

Kde exponent bb se obvykle pohybuje mezi hodnotami 2 a 4.5 a β\beta označuje váhový koeficient.

Pro lepší pochopení eroze kapkami je také důležité zohlednit vliv velikosti kapky na intenzitu erozi. Například, kapka o průměru 500 µm způsobí výrazně větší poškození než 125 kapek o průměru 100 µm. Dále je také klíčové pochopit, že velikost kapek je jedním z rozhodujících faktorů ovlivňujících erozní procesy v turbínových systémech.

Konečně, pro rekonstrukci distribuce velikostí kapek je možné použít různé metody, včetně využití známých tvarů distribučních funkcí, jako jsou Gaussova, logaritmicko-normální nebo gama distribuce. Gaussova distribuce je určena vzorcem:

f(r)=12πσg2exp((rr10)22σg2)f(r) = \frac{1}{\sqrt{2\pi \sigma_g^2}} \exp\left( -\frac{(r - r_{10})^2}{2 \sigma_g^2} \right)