Thermische Modellierung eines Kreuzstrom-Rohrbündelwärmetauschers

Abstract

Ziel dieser Arbeit ist der Entwurf eines mathematischen Modells eines Kreuzstrom-Rohrbündelwärmetauschers, auch Rekuperator genannt. Dieser Rekuperator ist Bestandteil eines direkt-befeuerten Bandglühofens einer Feuerverzinkungsanlage (FVZ) der voestalpine Stahl GmbH, Linz, Österreich. Der betrachtete Rekuperator ist Teil der Medienversorgung dieses Ofens, die das System mit Erdgas und Brennluft versorgt. Im Ofen wird das Erdgas-Luftgemisch verbrannt und die daraus resultierende Energie wird zur Erwärmung eines Stahlbandes genutzt. Die notwendige Verbrennungsluft wird, bevor sie dem Ofen zugeführt wird, im Rekuperator durch das heiße Abgas des Bandglühofens vorgewärmt. Die Grundidee hierbei ist den Enthalpie-Verlust über das Abgas mithilfe des Rekuperators zu minimieren. Durch die Vorwärmung der Verbrennungsluft wird die Abgastemperatur gesenkt und dem Abgas möglichst viel Restenergie entzogen. Mithilfe des mathematischen Modells kann ein Zustandsbeobachter zur Schätzung von nicht messbaren Prozessgrößen entworfen werden. Die geschätzten Prozessgrößen werden darüber hinaus in einem modellbasierten Regelungsentwurf benötigt. Ziel des Regelkonzepts ist es, die Effizienz des Gesamtsystems zu steigern und somit den Energieverbrauch des Glühofens zu optimieren, d.h. Brennstoff einzusparen. Das mathematische Modell basiert auf thermodynamischen Grundgesetzen, dimensionslosen Kennzahlen der Fluidmechanik und empirischen Zusammenhängen. Die Wärmeübertragungsmechanismen Konvektion und thermische Strahlung werden im Modell berücksichtigt. Die partiellen Differentialgleichungen für die auftretenden Temperaturen wurden numerisch gelöst. Hierbei wurde die Temperatur des Abgases mithilfe der Finite-Differenzen-Methode gelöst. Die Temperaturen der mehrschichtigen Seitenwand des Rekuperator-Gehäuses, der Rohre und der Brennluft in den Rohren wurden mittels der Galerkin-Methode approximiert. Mithilfe von Messdaten, welche an der realen Anlage aufgezeichnet wurden, wurden unzureichend bekannte Parameter mittels einer optimierungsbasierten Parameteridentifikation geschätzt. Das Gesamtmodell wurde in weiterer Folge über einen weiteren Messdatensatz validiert.

The aim of this work is the design of a mathematical model of a cross-flow tube bank heat exchanger, also called recuperator. This recuperator is part of a hot-dip galvanizing line at voestalpine Stahl GmbH, Linz, Austria. The hot-dip galvanizing line also includes a direct-fired strip annealing furnace. The recuperator is part of the media supply of this furnace. In the furnace, a fuel-air mixture is burnt and the released energy is used for heat treatment of steel strips. The combustion air supplied to the furnace is preheated by means of the recuperator, where the exhaust gas, which leaves the furnace through a funnel, is used as a heat source. The basic idea of the recuperator is to minimize the enthalpy loss through the exhaust gas. The exhaust gas temperature is lowered by preheating the combustion air and thus energy loss is minimized. Using the mathematical model a state observer can be designed to estimate unknown internal states. These estimated states are needed for a model-based control design. The aim of the control concept is to increase the efficiency of the system and thus to optimize the energy consumption of the annealing furnace by reducing the fuel consumption. The mathematical model is based on first principles and constitutive equations, where convection and thermal radiation have been considered. The partial differential equations for the temperatures have been numerically solved. The equation for the fuel gas temperature has been solved by applying the Finite-Difference-Method. Moreover, the equations for the temperatures of the multi-layered wall of the recuperator-housing, the tubes, and the moving combustion air inside the tubes have been solved by means of the Galerkin method. Using measurement data from the real plant, unknown parameters have been identified by means of optimization-based parameter identification. The overall model has been validated via measurement data.