準靜態倉糧堆內部流場CFD模擬研究

孫福艷 黨 豪 馮黎明

（河南工業大學信息科學與工程學院，鄭州 450001）

準靜態倉糧堆內部流場CFD模擬研究

孫福艷 黨 豪 馮黎明

（河南工業大學信息科學與工程學院，鄭州 450001）

利用計算流體動力學方法對通風期間糧堆內部流場（溫度場、速度場、壓力場）進行計算模擬。對不同通風條件和邊界條件的糧堆內部流場進行模擬仿真，發現在不同的通風速率、不同的通風時間下，其糧堆溫度場、速度場和壓力場的變化不僅表現在不同糧層之間，在同糧層的不同位置也存在變化。通過對通風風速為7 m／s的糧堆降溫過程的試驗結果和CFD模擬結果對比分析可知：試驗采集點的溫度數值和CFD模擬結果數值平均誤差小于1.0℃，其模擬結果和試驗結果得出糧堆溫度的變化過程基本一致。

計算流體動力學 糧倉流場 數值模擬 智能通風

近年來，CFD（計算流體動力學，Computational Fluid Dynamics）技術在糧食儲藏領域得到越來越廣泛的應用［1］。研究利用湍流模型、湍動能模型和耗散率的數學模型對倉儲糧堆溫度場進行了CFD數值模擬，得出了有效的溫度場分布，驗證了CFD方法可以實現糧堆降溫通風模型的優化［2－4］。張忠杰等［5］應用CFD技術模擬不同大小糧倉在不同通風條件下溫度場的變化過程，并分析了糧堆溫度隨季節變化過程的模擬結果。通過對倉儲糧堆內部溫度場變化過程的分析，為倉儲通風系統的優化設計提供了參考依據。Kzltas等［6］應用CFD法分析固液混合罐頭食品的傳熱過程，并驗證仿真結果，得到了理想的效果。國外研究人員利用CFD方法建立了農產品就倉通風時倉內微氣候動力學的變化模型，并分析了在儲藏過程中土豆的溫度和水分的變化規律［7－8］。

本試驗基于CFD方法研究了大型平房倉恒溫恒濕通風條件下，糧倉內溫度場、壓力場、速度場和水分分布情況。模擬了不同風速和不同時間條件下，通風過程中糧倉內各糧層溫度變化和溫度點數據的動態分布狀況。通過對模擬數據進行分析，與實倉試驗結果相比，得出最佳的通風風速、風溫等通風參數，為通風系統的設計準備理論基礎。

1 試驗方案與數據采集

1.1 試驗環境

試驗在華北地區高大平房倉中一個廒間進行。廒間長48 m，跨度24 m，頂棚高8.5 m，裝糧高度為6.5 m。試驗時段選擇在2013年5月～2013年10月。

1.2 數據采集方法

圖1 糧倉測點分布圖

根據國家標準，測溫電纜在平房倉的布線原則為水平間距不大于5 m，垂直方向間距不大于2 m；距糧面、倉底和倉壁約0.3～0.5 m。根據這個布線原則，在糧倉糧堆內布置264個測溫點，圖1a中，測溫點豎直方向的間距為1.9 m，上測溫點距糧堆表面0.4 m，下測溫點距糧堆底層0.4 m，共布置4個測溫點，用來測量不同糧堆高度糧食的溫度，水平方向靠近壁面0.5 m位置處布置測溫點，測溫電纜水平間距為4.7 m。圖1b中，測溫點豎直方向的間距為1.9 m，上測溫點距糧堆表面0.4 m，下測溫點距糧堆底層0.4 m，共布置4個測溫點，用來測量不同糧堆高度糧食的溫度；水平位置靠近壁面的距離為0.5 m，測溫電纜水平間距為4.6 m。通過對糧倉進行測溫電纜及測溫點布置，測量糧倉糧堆各個層面各個角度的溫度數值。

2 糧倉通風CFD數學模型

2.1 選擇計算區域

選擇整個糧倉為計算域，包括糧堆和糧堆與橫梁區域。研究對象是整個糧倉系統，研究范圍是糧倉內溫度場、壓力場的分布情況，選擇三維模型模擬計算整個糧倉系統。

2.2 網格劃分

計算區域劃定以后，對糧倉系統建立幾何模型，對糧倉幾何模型進行網格劃分。然后采用非結構網格對計算區域劃分網格。

2.3 通風模型參數方程

糧堆中各個參數的控制可用標準k－ε湍流模型，湍動能和耗散率的模型方程：

式中：K為湍動能（kg·m2／s2）；ρ為流體密度（kg／m3）；ε為湍流能量的黏性耗散（m2／s3）；μ為黏度（Pa·s）。Gk是由于平均速度梯度的變化引起湍動能變化進而生成的一項。

式中：經驗常數Cμ＝0．09，σk＝1．0，σε＝1．3，C1ε＝1．44，C2ε＝1．92。

能量守恒方程。所解的能量方程的形式為：

式中：keff為有效熱傳導系數；Jj′為組分 j的擴散流量。方程（4）等號右邊的前3項分別描述了糧堆在熱傳導過程中、組分擴散期間、黏性耗散后所引起的能量變動。方程（4）中E的定義為：

焓hj′的定義為其中Tref＝298．15K

Sh包含了糧堆在通風過程中的有關化學反應及用戶自定義的體積熱源。堆積散糧的傳熱方程：

2.4 邊界條件確定

糧倉通風降溫過程同時受空氣入口、出口、孔介質熱傳導和糧倉壁面溫度等邊界條件的影響。雖然本試驗模擬簡化了數學模型參數，僅考慮糧倉內部流場變化，忽略邊界條件的影響，但CFD通風模擬時對邊界條件的設定是通風模擬的關鍵因素。所以，通風進行時，邊界條件的設置見表1。

表1 邊界條件參數設置

3 模擬結果與分析

3.1 糧倉溫度分布

糧倉系統的殘差曲線如圖2所示。圖2反映了通風過程中，糧倉系統能量、質量和動量殘差變化曲線。隨著通風進行糧倉系統的質量、能量和動量在經過短時間增加后開始遞減。造成這種結果的原因：開始通風時，由于受到糧堆阻力的作用，通風不能及時到達糧堆表面并通過窗戶排出熱量。但是，隨時通風持續進行，帶一定壓力的通風穿透糧堆并由通風窗戶排出倉外，這個過程中，排出的熱風帶走糧倉系統的熱量和水分，因此質量、動量和能量出現遞減的現象。

圖2 通風48 h殘差曲線

通風開始時，糧堆初始溫度為30℃，通風風速為14 m／s，由于糧堆溫度和通風空氣溫度相差8℃以上，糧食易發生結露現象，因此通風初始溫度設為22.5℃。糧倉窗戶處于打開狀態，通過糧堆底部的進風口開始通風。通風72 h后，糧倉通風降溫分布情況如圖3所示。

圖3 通風過程中糧堆溫度分布云圖

由圖3可知經過72 h持續通風，糧倉均溫達到22.5℃。糧食的溫度和通風的溫度達到同一水平，繼續保持初始溫度為22.5℃通風已經沒有意義。因此把通風初始溫度設為15℃繼續為糧倉系統進行通風。通風144 h的糧倉通風降溫效果如圖4所示。

圖4 通風過程中糧堆溫度分布云圖

由圖4可以看出，通風到144 h，糧倉平均溫度達到15℃，和通風的溫度達到同一水平，也達到了儲糧的安全溫度。

為了研究通風過程中糧堆水分變化及溫度變化與水分變化直接的內在關系，在通風72 h后，對4層糧堆的溫度、水分關系作出對比分析發現：在長期監測中，溫度、濕度和水分三者之間是相互影響的，內在存在一個平衡關系。即在一定的溫度和相對濕度下，當糧食內的蒸汽壓與外界空氣的蒸氣壓達到平衡時，糧食中的含水量。所以，溫度和水分之間的關系不是簡單的呈負相關或者正相關。

3.2 糧倉速度場和壓力場分布

通風過程中，對糧堆各層進行速度場和壓力場的監控，在通風進行到84 h的時候采集的速度、壓力情況如圖5～圖6所示。

由圖5可知，各層的速度分布從大到小為H2、H3、H4、H1。倉壁位置的速度相對中間位置速度要小。H1、H2層速度的變化規律是正弦的，對應風網口的位置速度大，H3、H4層速度變化相對平穩。也就是說，受糧食壓力、阻力影響，在通風進行時風速在H1層最小，在H2層達到最大，然后通過H3、H4層時逐漸遞減。

圖5 通風過程糧層速度場分布

圖6 通風過程糧層壓力場分布

由圖6可知，H1層壓力最大，H2、H3、H4層依次減小。H1～H3層靠近倉壁位置壓力較小，H4層整體壓力分布相對均勻。在H1層在對應通風風網口位置，壓力分布相對較小。主要因為風力的作用，使得對應風口的區域糧堆壓力較小。

3.3 不同通風條件下溫度場變化對比分析

為了比較不同通風條件對糧倉系統降溫的影響，首先采用初始通風條件的風速為14 m／s，通風初始溫度為22.5℃，糧倉系統的初始溫度為30℃，倉壁、倉頂傳熱不考慮。通風48 h，設置通風速度分別為7 m／s和14 m／s 2種工況。利用 CFD模擬通風過程中不同糧層溫度變化情況，具體如圖8a～圖8b所示。由圖8得知：通風過程中風速14 m／s對糧倉系統的降溫效率遠遠高于風速7 m／s。糧堆各層的溫度變化速度也非常明顯，H1層降溫速度最快，在14 m／s的情況下，20 h的通風已經降到23℃。相比之下，H2～H4層降溫較慢。在通風風速7 m／s的情況下，H4層的溫度基本沒有變化。當通風48 h后，風速7 m／s情況下H1，H2層降溫基本平衡，風速 14 m／s情況下 H1，H2，H3，H4層降溫基本趨于平衡。

模擬試驗糧堆H1～H4層溫度數據點分布如圖9所示。分析得知：糧堆溫度的變化不僅僅表現在不同糧層之間，在同糧層的不同位置糧食的溫度分布也不均勻。在通風風網口處降溫速度較快，在倉壁位置的降溫速度緩慢。這就要求在糧倉通風風網建設時，考慮通風口布置的均勻性和倉壁位置的特殊處理。

圖7 糧堆H1～H4層降溫過程對比

圖8 H1～H4層溫度點數據分布

H1層是糧堆的最下層，距離倉底的位置是0.4 m，H2是糧堆的中下層，距離倉底2.3 m，H3是糧堆的中上層，距離倉底4.2 m，H4是糧堆的最上層，距離倉底6.1 m。

3.4 試驗結果與模擬結果對比

為了證實CFD模擬糧倉通風的可行性與準確性，取通風初始風速為7 m／s的試驗結果和CFD模擬結果為分析對象。試驗測得各時間點糧層的平均溫度如表2所示。

表2 試驗通風156 h糧層溫度情況

將試驗測得的數值與CFD模擬得到的數值進行比對分析，通風156 h的過程中，糧堆H1～H4層溫度對比結果如圖9所示。

圖9 模擬結果和試驗結果對比

由圖9對比結果分析可知，試驗采集點的溫度數值和CFD模擬結果數值平均誤差小于1.0℃。由于糧倉系統模擬環境是在簡化并理想化后的通風環境，所以通風后糧堆整體的溫度變化比試驗更為理想，但是整個模擬通風過程，糧堆溫度的變化趨勢與試驗基本保持一致。

4 結論

4.1 在通風時間相同時，14 m／s的風速對糧堆降溫的效率遠大于7 m／s。

4.2 在經過一段時間的通風降溫，其溫度變化與水分變化基本呈負相關。

4.3 糧堆溫度場、速度場和壓力場的變化不僅僅表現在不同糧層之間，在同糧層的不同位置也存在變化。

另外，通過對通風風速為7 m／s的糧堆降溫過程的試驗結果和CFD模擬結果做出了對比分析可知：模擬結果和試驗結果得出糧堆溫度的變化過程基本一致，在進行通風控制系統設計時，通過模擬不同的環境得出的結論可以為不同通風目的通風參數設置提供理論指導。

［1］Cordon Scott，Philip Richardson.The application of computational fluid dynamics in the food industry［J］.Trends in Food Science＆Technology，1997（8）：119－124

［2］呂宗旺，馮黎明，孫福艷，等.糧倉通風CFD技術研究［J］.河南工業大學學報，2013，34（6）：105－109

［3］李瓊.倉儲糧堆溫度場CFD模擬研究［D］.北京：中國農業大學，2008

［4］彭威，張忠杰，任廣躍，等.倉儲糧堆溫度場CFD模擬應用研究［J］.糧油食品科技，2011，19（6）：5－8

［5］張忠杰，李瓊，楊德勇，等.準靜態倉儲糧堆溫度場的CFD模擬［J］.中國糧油學報，2010，25（4）：46－50

［6］Kzltas，Erdogdu F，Palazoglu.Simulation of heat transfer for solid－liquid food mixtures in cans and model validation under pasteurization conditions［J］.Journal of Food Engineering，2010，97（4）：449－456

［7］Lukaszuk J，Molenda M，Horabik J，et al.Variability of pressure drops in grain generated by kernel shape and bedding method［J］.Journal of Stored Products Research，2009，45：112－118

［8］Lukasse L J S，Kramer－Cuppen J E，Voor van der A J.A physical model to predict climate dynamics in ventilatedstorage of agricultural produce［J］.International Journal of Refrigeration，2007，30：195－204.

The Internal Flow Field Simulation and Research of Quasi－Static Stored Bulk Grain by CFD Method

Sun Fuyan Dang Hao Feng Liming

（School of Information Science and Engineering，Henan University of Technology，Zhengzhou 450001）

The granary internal flow field（temperature field，velocity field and pressure field）was calculated and stimulated with the computational fluid dynamics（CFD）.The granary internal flow field under different ventilation conditions and boundary conditions were simulated.Under the condition of different ventilation rate and time，the temperature field，velocity field and pressure field of grain bulk changed not only in different grain layer，but also in distinct place of the same layer.Analysis and comparison of results of the cooling process in ventilation velocity of 7 m／s and CFD stimulation showed that the average error that between the temperature data of the test and CFD numerical simulation was less than 1.0℃，and simulation and test results showed that variation of grain temperature was basically consistent.

computational fluid dynamics，granary internal flow field，numerical simulation，intelligence ventilation

TQ432.2

A

1003－0174（2015）09－0083－06

國家863計劃（2012AA101608），河南工業大學科技創新人才培育計劃項目（11CXRC08），國家糧食公益性行業科研專項（201313008），國家“十二五”科技支撐計劃（2013BAD17B04），教育廳科學技術研究重點項目（14B510001）

2014－05－07

孫福艷，女，1980年出生，副教授，模式識別與智能系統、非線性系統的混沌、分岔控制，糧食信息處理及自適應控制