DINAMICA DE FLUIDOS COMPUTACIONAL

¿Qué es la dinámica de fluidos?

La dinámica de fluidos es una rama de la física relativamente reciente (comienzos del siglo XX),
aunque los conceptos en los que se basa se remontan a la antigua Grecia, a los trabajos teóricos
de Leonardo Da Vinci, y posteriormente al trabajo de un gran número de físicos como Torricelli,
Euler, Bernoulli, etc.

La dinámica de fluidos estudia los movimientos de los fluidos (gases y líquidos), debido a la acción
de fuerzas, o a su interacción con otros medios y con el contorno que los delimita.

En realidad la dinámica de fluidos forma parte de un campo más amplio denominado mecánica de
fluidos, del cual derivan tanto la estática de fluidos (estudia los fluidos en reposo), como la
dinámica de fluidos (estudia los fluidos en movimiento).

En la actualidad, la mecánica de fluidos es una parte esencial de muchas áreas de la tecnología y la

ciencia actual, destacando su papel en el diseño de toda clase de vehículos (aviones, barcos,
coches, etc), estudios del flujo de aire atmosférico, medicina y biología (flujo de sangre y otros
fluidos), ingeniería industrial, etc.

¿Qué es la dinámica de fluidos computacional?

En la actualidad en muchos campos es imposible recurrir a soluciones analíticas debido a la

tremenda complejidad de los sistemas que estudia la dinámica de fluidos, por lo que se recurre a
soluciones numéricas que pueden ser computadas por ordenadores.

Surge así una rama de la dinámica de fluidos denominada dinámica de fluido computacional, o
CFD, que se basa en aproximaciones numéricas de las ecuaciones físicas empleadas en la dinámica
de fluidos.

Las ventajas de la CFD son:

 Predice las propiedades del fluido con gran detalle en el dominio estudiado.

 Ayuda al diseño y al prototipaje y soluciones rápidas evitando costosos experimentos.

 Se obtiene una visualización y animación del proceso en términos de las variables del
fluido.

Desventajas de la CFD

 Requiere usuarios con amplia experiencia y formación especializada.

 Consume recursos de hardware y software que requieren inversiones significativas.

En algunos casos, el coste computacional es elevado.

Historia de la CFD
La CFD comenzó en los años 60 en la industria aeroespacial, y desde entonces ha madurado
convirtiéndose a partir de los 80 en una herramienta vital para muchas industrias para las que la
predicción del flujo de fluidos es importante. En los 90 se ha expandido de forma significativa a
distintas aplicaciones y procesos industriales en los que interviene transferencia de calor,
reacciones químicas (como combustión), flujos bifásicos, cambios de fase, transferencia de masa y
esfuerzos al interactuar con sólidos, entre otros.

Cómo trabaja la CFD

La CFD trabaja dividiendo el dominio de interés en una serie de pequeños volúmenes discretos
usando una malla. Las propiedades físicas del fluido, tales como temperatura o velocidad, son
calculadas en cada uno de estos volúmenes como solución de las ecuaciones fundamentales.

PRINCIPIOS DE LA SIMULACIÓN DE FLUIDOS

Existen diferentes alternativas a la hora de simular un fluido. La opción que escojamos dependerá
de los requisitos de nuestra aplicación, teniendo que decidir en primer lugar si queremos enfocar
nuestra simulación a una aplicación gráfica (juegos, cine), o a una simulación física (ingeniería,
predicción de catástrofes).

Cuando nos basta con que nuestra simulación “parezca” un fluido (en una aplicación orientada a
gráficos), muchas veces es preferible olvidarnos de la compleja formulación de la dinámica de
fluidos, y recurrir a técnicas procedurales más sencillas, más eficientes, y que permiten un mayor
control de la simulación. Esto último es importante, ya que hay que tener en cuenta que en una
simulación únicamente gobernada por leyes físicas, es difícil predecir y controlar el resultado de la
simulación.

A pesar de estos inconvenientes, la simulación física es en muchos casos la única alternativa, por lo
que en este punto nos vamos a centrar únicamente en explicar los principios básicos de la
simulación física.

Objetivos de la simulación física

Los métodos de simulación física nos proporcionan una herramienta para poder implementar en
un computador simulaciones de fenómenos físicos regidos por ecuaciones bien conocidas. En el
fondo, estos métodos no son más que técnicas para implementar en un programa de ordenador
un sistema de ecuaciones diferenciales, que son las más habituales en la física. Nos permiten
obtener aproximaciones numéricas en lugar de tener que desarrollar soluciones analíticas y, lo que
también es muy importante, nos permiten integrar esta solución en el tiempo, pudiendo obtener
una secuencia temporal del estado de las variables que rigen el sistema.

En el caso concreto de la simulación física de fluidos, normalmente trataremos de implementar las

ecuaciones de Navier-Stokes y, por tanto, nuestro objetivo será determinar las velocidades y
presiones del fluido y su variación a lo largo del tiempo.

Características deseables en una simulación física

No todos los métodos son igual de válidos, y habrá que escoger en cada caso el que más se adecue
a los requisitos de nuestro sistema. En general, estos son los factores que debemos tener en
cuenta:

Eficiencia: en muchos casos nos interesa que el método sea lo más rápido posible, para poder
generar animaciones en tiempo real (por ejemplo, para un juego). La eficiencia está reñida con
otros factores, como la precisión y la estabilidad.

Estabilidad: no todos los métodos pueden garantizar la estabilidad de la simulación. Cuando una
simulación se vuelve inestable, el resultado de la simulación diverge, perdiendo por completo el
sentido de la simulación, al alejarse totalmente de los resultados esperados. Un sistema inestable
provocará efectos impredecibles, como objetos que estallan súbitamente, o que adquieren unas
dimensiones absurdas.

Precisión: los métodos numéricos implican siempre aproximaciones, por lo que en la mayoría de
los casos no podemos asegurar que nuestra solución sea exacta. La desviación entre los valores
que se desean obtener y los que se obtienen realmente se denomina disipación numérica, y en
muchas aplicaciones es un objetivo prioritario minimizarla en la medida de lo posible.

Control: si dejas a una simulación física “correr” sin más, es difícil predecir su comportamiento.
Hay aplicaciones en las que nos puede interesar dirigir de alguna manera la simulación para
producir un efecto visual concreto. En estos casos, es posible que tengamos que introducir otros
factores que complementen la simulación física para aumentar el control del usuario.

Métodos de integración

Los métodos de integración son herramientas que utilizamos para obtener la secuencia temporal
de las magnitudes que queremos calcular para nuestra simulación. En general, son métodos que a
partir del último valor calculado nos permiten obtener un nuevo valor, generando así una
progresión en el tiempo.

Existen multitud de métodos, de los cuales nombramos muy brevemente los más importantes.

Euler explícito:

Es posiblemente el método más intuitivo, y del cual en cierto modo derivan los demás, pero no es
ni mucho menos el más adecuado para la mayoría de aplicaciones. Se basa en el desarrollo de
Taylor hasta cierto grado (normalmente lineal, o cuadrático a lo sumo). Por tanto, el nuevo valor
que queremos obtener f (t+∆t) se calculará en función de f (t) y de su derivada f ́ (t):

Existe una variante de este método denominada leapfrog que mejora la estabilidad con sólo
cambiar de orden la secuencia de cálculos que realiza internamente el método.

Euler implícito:
El método anterior requiere que ∆t sea muy pequeño para evitar que los valores diverjan, lo que
tiene como consecuencia que el método sea muy lento y propenso a ser inestable. Es fácil
solucionar este problema utilizando la derivada del instante siguiente en lugar de la del instante
anterior:

Pero esta nueva formulación aparentemente sencilla, introduce una complejidad

considerablemente mayor, ya que al final lo que obtenemos es un sistema de ecuaciones que
puede ser no lineal, y que por tanto requiere aplicar métodos numéricos de resolución de sistemas
no lineales que son costosos y complejos (por ejemplo, el método de Newton-Rhapson).

Runge-Kutta:

Los métodos de Runge-Kutta utilizan varias muestras de la función, obteniéndose diferentes

variantes según el número de muestras que se utilice. El método de Runge-Kutta 4 ofrece un buen
compromiso entre estabilidad, eficiencia, y disipación numérica.

Métodos de discretización

Un computador no puede trabajar con funciones continuas, por lo que siempre será necesario
algún método para discretizar el dominio sobre el que queremos trabajar. Entre los métodos de
discretización más habituales destacan el método de elementos finitos, y el método de
diferencias finitas.

EL PROCESO DE LA DINÁMICA DE FLUIDOS COMPUTACIONAL

La aproximación de una variable continua en un número finito de puntos se llama discretización,

como se puede observar en la figura 3.1.
Los elementos principales en la dinámica de fluidos computacional (CFD) son:

1. Discretización del flujo continuo, es decir, las variables de campo (ρ , u, v, w, p,...)se aproximan
por un número finito de valores en puntos llamados nodos.

2. Las ecuaciones de movimiento también se discretizan, es decir, aproximadas en función de los

valores en los nodos:

3. El sistema de ecuaciones algebraicas se resuelven y se obtienen los valores de las variables en

todos los nodos.

ETAPAS EN UN ANÁLISIS DE CFD

Un análisis completo de dinámica de fluidos computacional consta de las siguientes etapas:

Cálculos previos

Esta etapa consiste en:

 Formular el problema y plantear las ecuaciones que lo gobiernan

 Establecer las condiciones de contorno
 La generación de una malla de volúmenes finitos

Todo esto depende del análisis que queramos realizar (fuerzas, flujos, distribución de
concentraciones, transferencia de calor,...) y de la capacidad computacional

Solución de las ecuaciones

Esta es la etapa principal del CFD. En ella tiene lugar la solución numérica de las ecuaciones que
gobiernan el problema.

Análisis de los resultados

Los resultados obtenidos de la solución de las ecuaciones se corresponden con el valor de las
variables de campo (ρ, u, v, w, p,...) en cada punto de la malla. Esta enorme cantidad de números
deben reducirse a los fundamentales para poder manejarse con facilidad y obtener lo que
pretendíamos con el cálculo.

Una parte importante de esta etapa es la representación gráfica de las variables que gobiernan el
flujo, para tener una visión rápida y amena de los resultados obtenidos.

También se incluye, la comparación de los resultados obtenidos con otros ya obtenidos con:

 Otros obtenidos anterioridad mediante el análisis de CFD.

  Con resultados experimentales de túnel de vientos, ...
 Con resultados tabulados existentes en normativas, publicaciones científicas, ...

DISCRETIZACIÓN ESPACIAL

El primer paso en la aplicación de la dinámica de fluidos computacional, consiste en la

discretización espacial del dominio para posteriormente calcular sobre la misma la aproximación
numérica de los flujos convectivos y difusivos, así como las fuentes. Existen muchos métodos para
la discretización del problema. A groso modo, podemos clasificar los distintos esquemas de
discretización en tres categorías principales: diferencias finitas, volúmenes finitos y elementos
finitos. Todos estos métodos requieren una previa discretización geométrica (espacial) para poder
realizar la discretización de las ecuaciones que gobiernan el fluido. Básicamente, existen dos tipos
de mallado:

Mallados estructurados: cada punto de la malla está inequívocamente identificado por los índices
i, j, k, en coordenadas cartesianas. Las celdas de la malla son cuadriláteros en 2-D y hexaedros en
3-D.

Mallados no estructurados: las celdas y los nodos de la malla no tienen un orden particular, es
decir, las celdas o nodos cercanos a uno dado, no pueden identificarse directamente por sus
índices. Los elementos de la malla, en este caso, son una mezcla de cuadriláteros y triángulos en 2-
D y tetraedros y hexaedros en 3-D.

El tipo de discretización espacial a emplear, depende del tipo de discretización de las ecuaciones
empleado, así como de la estructura interna de datos empleados para resolver el flujo. El método
de las diferencias finitas, que discretiza las ecuaciones de Navier-Stokes en forma diferencial,
requiere una malla estructurada de puntos en los que se guardan las variables de flujo. Por otro
lado, en el método de los volúmenes finitos es necesario definir puntos de control en cada
volumen generado. Precisamente es, en esos vértices donde se guardan las variables, que
dependiendo del método que se emplee pueden ser definidos en el centro del elemento (cell-
centred) o en los vértices (cell vertex) de las celdas. (Ver Figura 3.2)
DISCRETIZACIÓN DE LAS ECUACIONES

El método de las diferencias finitas fue el primer método aplicado para obtener la solución
numérica de unas ecuaciones diferenciales. La primera persona en emplearlo fue Euler
(probablemente en 1768).

Este método emplea el desarrollo en series de Taylor para la discretización de las derivadas de las
variables de flujo; por ejemplo, si se quiere calcular la derivada de una función escalar U (x)
evaluada en un punto xo, tenemos:

Con esto, se tiene que la primera derivada de U (x) puede aproximarse por:

Esta aproximación es de primer orden, porque el truncamiento del error es proporcional al

término de mayor orden del resto de la serie.

Este mismo procedimiento se puede emplear para obtener aproximaciones más exactas del
método de las diferencias finitas, sin más que aproximar con más términos de la serie de Taylor
que se obtiene.

Una ventaja importante del método de las diferencias finitas es su simplicidad teórica y la
posibilidad de aumentar la precisión del método sin más que aumentar el orden de aproximación
de las derivadas.

Por otro lado, este método requiere una malla estructurada, con lo cual el campo de aplicación se
ve reducido a algunos problemas, normalmente con geometrías sencillas. Además, este método
no puede aplicarse directamente en coordenadas curvilíneas, teniéndose que transformar las
ecuaciones de Navier-Stokes de curvilíneas a cartesianas para la resolución del problema.

Por este motivo, el método de las diferencias finitas sólo es aplicable en algunas geometrías
sencillas.

Hoy en día, se usa este método en la simulación numérica directa de la turbulencia (DNS), pero en
muy pocas ocasiones se emplea en aplicaciones industriales.

Método de los volúmenes finitos

El método de los volúmenes finitos emplea directamente las ecuaciones de conservación en su
forma integral. Este método fue utilizado por primera vez McDonald para la simulación de un
problema 2-D no viscoso. Este método discretiza las ecuaciones en cada uno de los poliedros del
dominio, en los que previa-mente se realiza una discretización espacial. La integral de superficie
que aparece en el término de la derecha de la ecuación de Navier-Stokes completa (en su forma
integral) es aproximada por la suma de los flujos que atraviesan cada una de caras del poliedro.

La principal ventaja del método de los volúmenes finitos es que la discretización espacial se lleva
a cabo directamente en el espacio físico del problema. Por lo tanto, no hay problemas con la
transformación entre sistemas de coordenadas, como ocurre en el método de las diferencias
finitas.

Comparado con el método de las diferencias finitas, este método es muchísimo más flexible
(puede implementarse en mallas estructuradas y no estructuradas); por este motivo, el método de
los volúmenes finitos es el más empleado para la resolución de flujos con geometrías complejas.

El método de los volúmenes finitos se basa en la discretización directa de las ecuaciones de

conservación de la masa, cantidad de movimiento y la energía. Esto nos lleva a otra característica
importante de este método, que es la obtención de soluciones "débiles" de las ecuaciones. Sin
embargo, en este caso, en las ecuaciones de Euler, es necesario añadir una ecuación más, llamada
ecuación de la entropía.

Esta ecuación es necearía porque no existe una única solución "débil".

Es interesante resaltar que bajo unas ciertas condiciones, el método de los volúmenes finitos es
equivalente al método de las diferencias finitas. Por todo esto, hoy en día, es el método más
popular.

Método de los elementos finitos

El método de los elementos finitos, introducido por Tuner et al. En 1956, se empleó en principio,
para el análisis estructural y fue diez años después cuando comenzó su utilización para la
resolución de las ecuaciones de campo en medios continuos. Sin embargo, fue a principios de los
90 cuando el método de los volúmenes finitos adquirió una gran popularidad en la solución de las
ecuaciones de Euler y de Navier-Stokes.

El método de los elementos finitos, como método general para la resolución de las ecuaciones de
Euler/Navier-Stokes, comienza con una división del dominio en elementos triangulares (en 2-D) o
tetraédricos (en 3-D), generando una malla no estructurada. Dependiendo del tipo de elemento y
de la precisión que se quiera, se tendrá que definir una malla más o menos fina de elementos. El
número total de nodos multiplicado por el número de variables del problema es el número de
grados de libertad del problema.

Además, tienen que definirse las llamadas funciones de forma que representan la variación de la
solución en el interior de los elementos. En la práctica, se emplean normalmente funciones de
forma lineales, que emplean únicamente los nodos pertenecientes a la malla. Las funciones de
forma son distribuciones lineales de valor cero fuera del elemento correspondiente a la función.
Esto da lugar, a una aproximación de segundo orden en la representación de los resultados.

Este método resulta muy atractivo por el uso de mallas no estructuradas (ampliamente empleadas
para la formulación de problemas con geometrías complejas). Además es empleado para el caso
particular de fluidos no newtonianos. El método de los elementos finitos tiene una base
matemática muy rígida, particularmente en problemas elípticos y parabólicos. Sin embargo, en
ciertos casos, el método es matemáticamente equivalente al método de los volúmenes finitos,
siendo el esfuerzo matemático mucho mayor. Esto explica por qué el método de los volúmenes
finitos se ha hecho tan popular. Sin embargo, ambos métodos se combinan en ocasiones
(normalmente en mallas estructuradas), como por ejemplo para el tratamiento de las condiciones
de contorno y la discretización de los flujos viscosos.

APLICACIONES DE LA DINAMICA DE FLUIDOS COMPUTACIONAL

Aparte de las numerosas aplicaciones ya mencionadas, conviene destacar los dos enfoques
utilizados concretamente en la dinámica de fluidos computacional, y que dan lugar al desarrollo
de técnicas muy diferentes en función de los objetivos buscados.

Estos dos enfoques de los que hablamos se podrían denominar: gráficos y simulación.

La CFD aplicada a gráficos

Es muy interesante modelar fluidos de aspecto realista en multitud de aplicaciones,

destacando los juegos de ordenador, el cine, o incluso la creación de texturas y efectos visuales
para programas de dibujo y retoque fotográfico.

En estas aplicaciones se busca un modelo que estéticamente dé buenos resultados, no

siendo necesario que el comportamiento del modelo se ajuste exactamente al
comportamiento de un fluido real.

Si bien en el cine no es un requisito, en el caso de los juegos sí que es necesario el

tiempo real, por lo que estas técnicas, además de plausibles, muchas veces tienen que ser
rápidas y eficientes.

La CFD aplicada a simulación

A veces no nos basta con un modelo que “parezca” comportarse como un fluido, sino que
necesitamos conocer de forma muy exacta cómo se comporta un fluido realmente.

Los modelos de CFD que se utilicen en cualquier campo de la ingeniería deben ser muy estrictos
con la precisión del modelo, procurando que éste se asemeje lo máximo posible al
comportamiento real del fluido.

Siempre que se habla de métodos numéricos, como los utilizados en CFD, estamos hablando
de aproximación, por lo que muchas veces será imposible garantizar que el modelo es
exacto, y todos los esfuerzos se deben centrar en acotar el error y hacer los modelos tan
precisos como sea posible.
Esto da lugar a que estas técnicas generalmente no sean en tiempo real, ya que tampoco es un
objetivo importante en esta clase de aplicaciones.

Aplicaciones de la dinámica de fluidos computacional.

La dinámica de fluidos computacional ha sido empleada en una gran cantidad de campos de la

ingeniería, entre los que se pueden destacar:

 Aerodinámica - aviones y automóviles

 Hidrodinámica de embarcaciones
 Motores
 Turbo máquinas - bombas y turbinas
 Transferencia de calor - sistemas de calentamiento o enfriamiento
 Combustión
 Ingeniería de procesos - mezclas y reacciones químicas
 Cargas de viento - fuerzas y respuesta dinámica de estructuras
 Riegos de fuego y explosiones
 Ingeniería medioambiental - transporte de efluentes líquidos y gaseosos
 Ingeniería costera - cargas en estructuras costeras y ”offshore”
 Hidráulica - redes de tuberías, depósitos, canales, presas, ...
 Oceanografía - corrientes oceánicas y maremotos
 Meteorología - predicción numérica del tiempo
 Ingeniería biomédica -flujo de la sangre en el corazón, venas y arterias
 Electrónica - refrigeración de circuitos

Webinar: Modelado de dinámica de

fluidos computacional (CFD) en procesos
multifísicos
 Flujo de fluidos y
La Dinámica de Fluidos Computacional (Computational transferencia térmica
Fluid Dynamics, CFD) es fundamental para una gran
variedad de análisis Multifísica, ya sea para determinar el
flujo fluido en sí mismo o para usarlo como transporte convectivo en combinación con cualquier
otra Física acoplada.

El presente webinar explorará problemas de flujo laminar, turbulento y multifase, los cuales, al
mismo tiempo, pueden presentar diferentes acoplamientos, como la interacción con estructuras
(Fluid-Structure Interaction, FSI) y con fenómenos electromagnéticos, de transferencia de calor y
de transporte de masa.

Para ello utilizaremos COMSOL Multiphysics y su módulo CFD.

Mallado avanzado automático

Aplicaciones mecánicas e
industriales

Opciones avanzadas de flujo

de fluidos y transferencia
térmica

Aplicaciones eléctricas y de
iluminación
 DINÁMICA DE FLUIDOS COMPUTACIONAL APLICADA AL ESTUDIO DE
REGENERADORES TÉRMICOS

RESUMEN: En el presente artículo, muestra los resultados logrados durante la simulación de un

regenerador térmico de lecho poroso empacado, sometido a convección forzada transitoria y su
respectiva verificación experimental. Para visualizar la aplicación de la Dinámica de Fluidos
Computacional (en inglés Computational Fluid Dynamics, CFD) en regeneradores de calor, se
realiza un estudio detallado de los elementos que conforman la malla; analizando su distribución,
tamaño y respectivo efecto sobre la precisión de los resultados. Se establecen las simplificaciones y
alcances de los modelos empleados. Se comprueba la veracidad de los resultados obtenidos,
mediante la validación experimental de estos en un modelo físico idéntico al empleado durante la
simulación. Estas etapas permitieron observar que el comportamiento exponencial de la temperatura
en los elementos empacados durante el periodo de calentamiento, fue idéntico al observado por
Mejía [8]. Los resultados obtenidos aquí, verifican la capacidad de la CFD para el estudio de los
regeneradores térmicos.
PALABRAS CLAVE: CFD, regeneradores térmicos, convección forzada transitoria, lecho
empacado
ABSTRACT: In this article, results obtained by simulating a packed bed under unsteady forced
convection and their experimental verification are shown. To visualize Computational Fluid
Dynamics (CFD) application in thermal regenerators, a detailed study of mesh conformating
elements is done by analyzing distribution, size and effect on precision results. Additionally,
simplifications and bounds of the study are established. Finally, results accuracy is corroborated by
experimental validation in a physical model like the simulated one. After following these steps, it is
observed that packed solids temperature has an exponentially behavior identical to observed by
Mejía [8] in his previous work. Regarding simulation results obtained by this work, CFD ability to
study packed beds under unsteady forced convection is verified.
KEYWORDS: CFD, thermal regenerators, unsteady forced convection, packed bed.
1. INTRODUCCIÓN El continuo interés por emplear tecnologías más limpias y amigables con el
ambiente, han llevado a la implementación de equipos que permitan aprovechar al máximo la
energía disponible para su respectivo funcionamiento. Además, se observa la necesidad de
recuperar y reutilizar energía aún aprovechable en las sustancias y desechos resultantes de procesos
industriales, como gases de combustión provenientes de hornos empleados en la industria
metalúrgica, cerámica o ladrillera, entre otras. Los regeneradores de calor son dispositivos
empleados para incrementar la eficiencia de los sistemas de producción, mediante la utilización de
la energía presente en los gases de la combustión, para el precalentamiento del aire necesario en el
desarrollo de este proceso. La implementación de un sistema como este en un horno de cubilote de
la Universidad de Antioquia [6, 7], permitió elevar la temperatura del aire de combustión desde un
promedio de 25 ºC, hasta un valor en el intervalo de 350 ºC a 400 ºC. Como consecuencia, el horno
aumentó su productividad en un 50%, se elevó la temperatura del metal un 7% y disminuyó el
contenido de azufre en un 60% respecto a la operación con soplo frío. La optimización de cualquier
equipo industrial, tiene como etapa fundamental conocer el funcionamiento de este y determinar los
factores que afectan su desempeño.

La Dinámica de Fluidos Computacional (CFD) es una herramienta que permite estudiar el flujo de
los gases al interior del regenerador térmico, mediante la solución aproximada de las ecuaciones de
continuidad, cantidad de movimiento y energía. Esta técnica numérica permite evidenciar el efecto
de la geometría empacada y la condición de los gases a la entrada del regenerador, sobre su
respectiva operación. Los valores obtenidos mediante este método, deben ser validados mediante
mediciones experimentales en modelos físicos idénticos a los empleados durante las simulaciones.

2. METODOLOGÍA Al observar los modelos existentes para estudiar la transferencia de

calor y el flujo de fluidos en lechos empacados, se nota un enorme vacío que impide la
comprensión y el diseño eficiente de esta clase de sistemas. Las ecuaciones de balance que
permiten determinar el comportamiento de un regenerador de calor, forman un sistema de
ecuaciones en diferencias parciales no lineales, con pocas probabilidades de ser
solucionado mediante métodos directos. La CFD es una técnica numérica que permite
solucionar de manera aproximada las ecuaciones gobernantes de un medio continuo en
específico, permitiendo comprender el efecto de la geometría empacada en los patrones de
flujo y de transferencia de calor. Las primeras simulaciones de lechos empacados de esferas
empleando CFD, fueron reportados por Lloyd y Boehm (citado en [3]) y Dalman et al.
(citado en [5]). En estos ensayos se emplearon geometrías muy simplificadas y modelos en
2D. Un primer intento de emplear modelos tridimensionales fue realizado por Derkx y
Dixon [1]. En este estudio, ellos obtuvieron resultados para el número de Nusselt en la
pared del regenerador (Nuw) en un modelo de tres esferas, al estudiar el flujo alrededor de
dicha geometría. Los valores obtenidos, presentaron buena correlación con pruebas
experimentales realizadas. Un modelo más complejo, conformado por ocho esferas, fue
empleado por Logtenberg y Dixon [3, 4]. En este estudio, ellos observaron la variación en
los fenómenos de transporte de masa y energía, cuando el lecho empacado es sometido a
diferentes cargas externas (calentamiento y enfriamiento desde la parte exterior del lecho
empacado). Para evitar problemas de estabilidad durante la solución de las ecuaciones
gobernantes, el modelo fue construido de forma tal que no existiese contacto entre las
esferas y la pared del tubo. En un estudio posterior, Logtenberg et al. [5], emplearon un
modelo de diez esferas, en el que observaron formaciones de remolinos cerca al punto de
contacto entre las esferas y la pared, dando lugar a un incremento en la transferencia de
calor en estas zonas. Además de dichas zonas, pudieron observar regiones en las que
aparecía contra flujo, coincidiendo con observaciones hechas empleando resonancia
magnética [13, 15]. Finalmente, concluyen que la geometría del lecho empacado influye
notablemente en el comportamiento de los parámetros de transferencia de calor,
justificando las variaciones entre diferentes resultados reportados por varios autores. En una
modelación más reciente realizada por Nijemeisland [12], fue empleado un modelo de 44
esferas, en el que se evitó el contacto entre dichos elementos y la pared. Además, efectuó
mediciones en un modelo físico con una configuración geométrica idéntica a la empleada
para la modelación por CFD. A partir de diferentes pruebas, estableció que la reducción en
el tamaño de las esferas del modelo computacional debía ser de 1% con respecto las
dimensiones del modelo físico. Esta pequeña separación facilitó la convergencia al
solucionar las ecuaciones de turbulencia, manteniendo la distribución de velocidades
original alrededor de los puntos de contacto entre las esferas tanto en régimen laminar
como turbulento.
En un artículo posterior, Dixon y Nijemeisland [2] concluyen que es necesaria la existencia
de esta separación, debido a que los elementos que conforman la malla deben ser lo más
regular posible y evitar al máximo la deformación de estos en las zonas de contacto. La
correlación entre los datos obtenidos experimentalmente y a través de la simulación por
CFD presentó una excelente concordancia, mostrando la viabilidad para aplicar esta técnica
al análisis de estos sistemas térmicos.
3. MODELACIÓN DE REGENERADORES TÉRMICOS CON DINÁMICA DE FLUIDOS
COMPUTACIONAL Las aplicaciones de CFD en el estudio de equipos conformados por lechos
empacados, se limitan al comportamiento estacionario de la transferencia de calor y al flujo de
fluidos en reactores químicos, ya que estos funcionan bajo condiciones similares durante sus
periodos de trabajo. Contrario a esta clase de dispositivos, los regeneradores de calor son sistemas
que permiten almacenar energía proveniente de una corriente a temperatura elevada, para luego
cederla a otra con temperatura cercana a la ambiente; debido esto, los regeneradores térmicos
trabajan en estado transitorio. A continuación se muestra el trabajo desarrollado para realizar la
modelación de un recuperador de calor de lecho poroso empacado sometido a convección forzada
transitoria. 3.1 ECUACIONES DE BALANCE Las ecuaciones de balance que gobiernan el flujo de
fluidos y la transferencia de calor son las de continuidad, cantidad de movimiento y energía, las
cuales forman un sistema de ecuaciones diferenciales parciales acopladas casi de manera lineal.
Estas ecuaciones en su forma más general se presentan a continuación. Las ecuaciones de
continuidad, cantidad de movimiento y conservación de la energía se presentan a continuación [14]:

Donde
r es la
densidad del fluido, ui es la componente de la velocidad en la dirección i, p es la presión estática, ô ij
es el tensor de esfuerzos, m es la viscosidad molecular, E es la energía interna específica, k eff es la
conductividad térmica efectiva compuesta por la conductividad molecular k, más la conductividad
térmica turbulenta kt, que es definida según el modelo de turbulencia empleado. y T es la
temperatura. Además de la transferencia de calor a través del fluido, es posible el flujo de esta
cantidad en la parte sólida. Para obtener este resultado se emplea la siguiente ecuación diferencial
que resulta del balance de energía en la parte sólida del sistema:
Donde h es la entalpía especificad y ks es la
conductividad térmica de los elementos sólidos. Cuando el flujo se desarrolla en régimen
turbulento, es necesario modificar las ecuaciones de cantidad de movimiento y energía, para
determinar el patrón de flujo en esta condición.

Entre otros, el modelo ê –å puede ser empleado para simular el flujo en lechos porosos empacados,
bajo régimen de flujo turbulento [2]. Este es un modelo semiempírico; las ecuaciones para este
modelo se derivan mediante el empleo de las ecuaciones de Navier-Stokes con los esfuerzos
promedio de Reynolds. El modelo ê -å ƒnsolo puede emplearse cuando el flujo es completamente
turbulento y los efectos de la viscosidad molecular pueden ser descartados. Otros modelos para
flujo turbulento han sido probados en lechos empacados [2, 12]. Resultados obtenidos con los
modelos ê -å de Grupos Renormalizados (RNG) y de Esfuerzos de Reynolds en ésta clase de
sistemas, fueron comparados con los obtenidos con el modelo ê -å simple. No se observó mayor
diferencia entre los tres modelos; por lo tanto es preferible emplear modelo ê -å simple, ya que
requiere menos recursos computacionales que los demás. Con los esfuerzos promedios de Reynolds
las variables en las ecuaciones de Navier-Stokes se descomponen en dos términos, uno es el valor
promedio ui y el otro es la parte fluctuante u'i . Cuando se aplica a las ecuaciones de Navier-Stokes,
el resultado es:

Las velocidades y otras variables son representadas ahora por valores promediados en el tiempo; los
efectos turbulentos son definidos por los esfuerzos de Reynolds, que son modelados mediante la
hipótesis de Boussinesq, que se muestra a continuación:

La viscosidad turbulenta µt, es definida por ê, la energía cinética turbulenta y å , su velocidad de

disipación. El modelo de turbulencia ê -å fue desarrollado y descrito por Launder y Spalding [14].
En tal modelo, la viscosidad turbulenta se define mediante la siguiente expresión:
La energía cinética turbulenta y su velocidad de disipación se obtienen a partir de la adaptación de
las ecuaciones de transporte:

En un

sistema con transferencia de calor y masa se incluye un factor de turbulencia extra, k t. Este término
es derivado de la ecuación de energía adaptada. La transferencia de calor por turbulencia es dictada
por la viscosidad turbulenta, µt, y el número de Prandtl turbulento, Prt.
3.2 MÉTODO NUMÉRICO Los términos no lineales presentes en las ecuaciones expuestas
anteriormente, dificultan el empleo de los métodos analíticos para dar solución a estas. Para emplear
las distintas técnicas analíticas, es necesario efectuar ciertas simplificaciones que permitan eliminar
los términos no lineales (por ejemplo, flujo completamente desarrollado en ductos y flujos en los
que no hay rotación) o esperar a que dichos términos sean pequeños comparados con otros para
poder ser ignorados (como es el caso de flujos con números de Reynolds menores que uno). En la
mayoría de los casos industriales estos términos no pueden ser descartados y es necesario emplear
soluciones numéricas para aproximarse a la solución de las ecuaciones que dominan el flujo. Para
dar solución a las ecuaciones que gobiernan el flujo en un regenerador térmico, se emplea el
programa comercial Fluent, que utiliza el método de los volúmenes finitos [14]. Este método se vale
de dividir el dominio a estudiar en un número determinado de volúmenes de control no
superpuestos unos sobre otros, cada uno de estos con un nodo en el centro. La aplicación de un
método como el anterior tiene como una de sus ventajas, la posibilidad de utilizar mallas no
estructuradas. Esto facilita la modelación de geometrías complejas e intrincadas. Finalmente la
solución obtenida implica la conservación exacta de cantidades como masa, movimiento y energía
sobre cualquiera de los volúmenes de control empleados y también sobre el dominio de interés,
disminuyendo el error obtenido en comparación a la aplicación de otro tipo de método.
3.3 GEOMETRÍA Y MALLA Los resultados desarrollados a través de las soluciones por CFD,
son valores aproximados del comportamiento de las variables termodinámicas de cada sistema.
Cuando no se cuenta con modelos teóricos que permitan comprobar la certeza de estos valores, es
necesario realizar pruebas experimentales que permitan determinar el error cometido durante las
simulaciones hechas por CFD. En el momento en que la diferencia entre los resultados entregados
por ambas técnicas sea mínima, las soluciones de CFD pueden considerarse como datos generales
para la modelación de esta clase de geometrías o configuraciones. Como primera aproximación al
estudio de regeneradores térmicos en estado transitorio, se emplea un modelo como el que se
observa en la Figura 1. Se decide utilizar una geometría como la mostrada debido a que, en su
trabajo Logtenberg [Link]. [5] mostraron la capacidad de una plataforma computacional comercial
para realizar la simulación de reactores químicos conformados por un lecho empacado idéntico al
elegido en aplicaciones de estado estacionario. Además, el uso de una configuración geométrica
ordenada permite aprehender la metodología para ser utilizada posteriormente, en modelos de
mayor complejidad.

Figura 1. Modelo de diez esferas empleado para

determinar el funcionamiento de un lecho empacado
simplificado, sometido a convección forzada transitoria
utilizando CFD y pruebas experimentales.

Como se observa en la Figura 1, el lecho empacado esta conformado por diez esferas distribuidas en
cuatro capas. La posición de estos elementos fue determinado mediante un programa CAD y son las
siguientes: 0, 0, 0.017; ± 0.017, ± 0.017, 0.041; 0, ± 0.024, 0.069; ± 0.024, 0, 0.069; 0, 0, 0.094. Las
esferas tienen un diámetro de 0.034 y están contenidas en un tubo con diámetro interno igual a
0.082 m y una altura de 0.35 m. Para validar los resultados obtenidos durante las modelaciones, se
dispone de un banco de pruebas con una configuración geométrica idéntica a la mostrada
anteriormente. Luego de determinar la posición de las esferas en el modelo computacional, este se
discretiza mediante la generación de un número determinado de volúmenes de control. Como es
sabido de la dinámica de fluidos y transferencia de calor, los mayores gradientes de velocidad y
temperatura se encuentran en las paredes del sistema. Debido a esto, es necesario controlar la
densidad de la malla en estas zonas, para obtener una mayor cantidad de elementos y de esta manera
representar el flujo alrededor de estas zonas. Por otro lado, la complejidad de la geometría que
conforma al modelo en estudio, requiere el empleo de elementos tetraédricos para la generación de
la malla. Acorde a lo anterior, se procede a elaborar una malla superficial relativamente densa sobre
las esferas, conformada por elementos triangulares. Luego se proyectan estos elementos para
obtener volúmenes de control con forma tetraédrica. La densidad de malla adecuada, fue
determinada mediante distintas pruebas y variaciones en el modelo indicado. El procedimiento
llevado a cabo para determinar la malla apropiada, que no comprometa los recursos
computacionales pero a su vez pueda representar con gran fidelidad los fenómenos de transporte
deseados (desarrollo y desprendimiento de capa límite, formación de vórtices, zonas de
estancamiento y reflujo), consiste en desarrollar una malla no muy fina la cual se va refinando a
partir de los resultados obtenidos. El proceso se detiene cuando la variación entre los parámetros de
comparación sea mínima. La configuración final consta de 274625 elementos tetraédricos,
conformados por nodos en cada una de las esquinas. Finalmente, este estudio permitió establecer el
tamaño y distribución de los volúmenes finitos dentro del modelo, mostrando la influencia directa
de estos factores sobre la precisión de la solución numérica. Como se describió anteriormente,
Dixon y Nijemeisland [2] determinaron mediante distintas pruebas que no puede existir contacto
esfera-esfera y esfera-pared en el modelo. Esta simplificación fue implementada durante el
desarrollo del modelo empleado para este trabajo y de esta manera fue posible dar solución a las
ecuaciones que dominan el flujo en esta clase de sistemas.

3.4 CONDICIONES DEL PROBLEMA Para modelar la convección forzada en estado transitorio
alrededor del modelo de diez esferas, es necesario establecer las condiciones de frontera iguales a
las presentes en la prueba experimental. Es por esto que se introduce el valor de la velocidad del
aire a la entrada del modelo, a partir de las mediciones hechas. A la salida del regenerador, los gases
no encuentran mayor restricción que la que hace el ambiente, entonces la presión allí es
atmosférica. Las propiedades de los materiales empleados en las simulaciones permanecerán
constantes y en ningún momento dependerán de la temperatura, la posición o el tiempo. El fluido
empleado es aire y el valor de la densidad, conductividad, calor específico y viscosidad del aire son
1.225 kg/m3, 0.0242 W/m.K, 1006.43 J/kg.K y 1.7894x10-5 kg/m.s, respectivamente. Las esferas
empleadas en el modelo experimental son de aluminio y su densidad, calor específico y
conductividad son 2719 kg/m3, 871 J/kg.K y 202.4 W/m.K, respectivamente. La pared del
regenerador está bajo condiciones de convección natural y el valor para el coeficiente de
transferencia es 10 W/m2.K y la temperatura de 313.15 K.
Las modelaciones en estado transitorio, requieren la definición de las condiciones iniciales del flujo
además de las de frontera. Estas simulaciones son empleadas para determinar el tiempo necesario
para que las esferas alcancen una temperatura de equilibrio. Por lo tanto, la velocidad inicial se hace
cero para los elementos fluidos dentro del modelo y la temperatura inicial de estos será la ambiente,
298 K. Para las esferas de aluminio, sólo se especifica como condición inicial la temperatura desde
la que se inicia, que en este caso es la misma del fluido.

BIBLIOGRAFIA:

 Anderson, John D. (1995). Computational Fluid Dynamics: The Basics With Applications.
Science/Engineering/Math. McGraw-Hill Science.
 Patankar, Suhas (1980). Numerical Heat Transfer and Fluid Flow. Hemisphere Series on
Computational Methods in Mechanics and Thermal Science.
 Shah, Tasneem M.; Sadaf Siddiq; Zafar U. Koreshi. «An analysis and comparison of tube
natural frequency modes with fluctuating force frequency from the thermal cross-flow
fluid in 300 MWe PWR». International Journal of Engineering and Technology 9 (9): 201-
205.