Inhalt

Wasserstoff-Systemsimulationen mit Brennstoffzelle, Elektrolyseur und weiteren Komponenten

CFD-Simulation mit kryogenem Wasserstoff

Entwicklung hybrider physikalisch-datenbasierter Modellierungstechniken


Wasserstoff-Systemsimulationen mit Brennstoffzelle, Elektrolyseur, Befeuchter, Wasserabscheider und weiteren Komponenten

In unserer TIL Add-On Bibliothek „Hydrogen Energy Systems“ entstehen Modelle für verschiedene Typen von Brennstoffzellen und Elektrolyseuren. Zusammen mit den zusätzlich enthaltenen Balance-of-Plant-Modellen - für Befeuchter, Wasserabscheider, Ventile, Rohrleitungen sowie diverse Strömungsmaschinen - ermöglicht die Bibliothek stationäre und dynamische Systemsimulationen rund um die Brennstoffzelle.

Im Zentrum der Simulation eines Brennstoffzellen-Systems – basierend auf unserer TIL Add-On Bibliothek „Hydrogen Energy Systems“ – steht ein flexibel und einfach zu parametrierendes Stapelmodell. Abbildung 1 zeigt ein solches System: Die Sauerstoffversorgung des Stapels erfolgt hier über einen Verdichter, Wärmeübertrager und Befeuchter (Kathode, Abbildung 1 rechts). Die Wasserstoffversorgung beinhaltet eine Rezirkulation und ein Purgeventil, um nicht gewünschten Stickstoff von der Anode abzulassen (Abbildung 1, links). Zusätzlich wird der PEM-Brennstoffzellenstapel mithilfe interner Kühlkanäle und eines externen Kühlsystems im gewünschten Temperaturbereich betrieben.

Abbildung 1: Brennstoffzellen-System-Diagramm mit Stapelmodell (Zentrum) Anoden-(links) und Kathoden-Versorgung (rechts) sowie einfacher Kühlung (oben).

Aufgrund der numerisch robusten Modellierung der Komponenten- und Systemmodelle kann ein solches System sowohl unter stationären als auch unter dynamischen Betriebsbedingungen effizient simuliert werden. Ein hochdynamisches Beispiel bildet das Purgen des Anodenkreises mit einer Zweipunktregelung. In Abbildung 2 ist – im Rahmen einer exemplarischen Simulation – der Verlauf der Stickstoffkonzentration sowie der aus dem Purgen resultierende Systemverlust über der Zeit dargestellt.

Abbildung 2: Zeitlicher Verlauf der Stickstoffkonzentration im Anodenkreis (oben) und entsprechender aus dem Purgen resultierender Systemverlust (unten) aus einer exemplarischen Simulation.

Im TIL Add-On liegen flexible Basismodelle für PEMFC- und SOFC-Stapel bereit. Diese beinhalten fundamentale Reaktionsgleichungen der elektrochemischen Zellen. Beispielsweise wird, ausgehend von der reversiblen Zellspannung, die Klemmspannung berechnet. Hierzu werden die relevanten Verluste aus der Aktivierungsüberspannung, aus der elektrischen und ionischen ohmschen Überspannung sowie aus der Stofftransportüberspannung berücksichtigt (siehe Abbildung 3). Für die Beschreibung dieser Verlustmechanismen sowie des Wärme-, Stoff- und Ladungstransports sind austauschbare und erweiterbare Korrelationen hinterlegt. Diese Optionen ermöglichen eine individuelle, auf kundenspezifische Bedürfnisse ausgerichtete Modellanpassung und Parametrierung.

Abbildung 3: Zellspannungen und Verluste über der elektrischen Stromdichte

Die Berechnung und Verwendung thermophysikalischer Stoffeigenschaften ist in allen Modellen unabdingbar. Dank der Stoffdatenbibliothek TILMedia können auch chemische und elektrochemische Reaktionen in den Brennstoffzell-Modellen exakt und äußerst schnell energetisch bilanziert werden. Reaktionswärmen sowie thermoneutrale und reversible Zellspannungen können temperatur-, druck- und konzentrationsabhängig aus den hinterlegten Funktionen zur Berechnung der Gibbsenergie ermittelt werden (siehe Abbildung 4).

Abbildung 4: Berechnung der thermoneutralen und reversiblen Zellspannung der stillen Wasserbildung bei 1 bar (links) und 10 bar (rechts).

Für die Entwicklung der Brennstoffzellenstapel- und Systemmodelle kann TLK-Thermo auf langjährige Erfahrung aus diversen Dienstleistungs- und Forschungsprojekten zurückgreifen. Brennstoffzellensimulationen und Komponentenvermessungen für den Automobil- und Luftfahrtbereich erfolgen entweder direkt bei TLK oder auch in Kooperation mit dem Institut für Thermodynamik der Technischen Universität Braunschweig. Die PEMFC- und SOFC-Stapel-Modelle des kommenden Oktober-Releases TIL 3.11 basieren auch auf unserer langjährigen Programmiererfahrung mit Modelica in Dymola. In Zukunft werden wir weitere Typen von Brennstoffzellen und Elektrolyseuren entwickeln, wobei wir uns gerne nach Ihren Wünschen richten. Sprechen Sie uns bitte auch bei anderen Fragestellungen aus dem Bereich Wasserstoff an, zu denen wir für Sie modellieren, simulieren oder vermessen können.

Ansprechpartner Wasserstoff: Dr. rer. nat. André Thüring
Ansprechpartner TIL Suite: Dipl.-Ing. Ingo Frohböse


CFD-Simulation mit kryogenem Wasserstoff

Wasserstoff (H2) spielt in unserer Energieversorgung eine zunehmend wichtige Rolle. Für verschiedene Anwendungen der Speicherung und des Transports von H2 werden präzise Modelle zur Abbildung komplexer Phänomene benötigt. Am Beispiel eines Wirbelrohres zeigen wir, unter Berücksichtigung von Real-Gas-Verhalten bei hohen Geschwindigkeiten, Möglichkeiten der 3D-Feldberechnung.

Flüssiger Wasserstoff (LH2) wird zukünftig eine wichtige Rolle beim Transport, der Speicherung sowie bei Tanksystemen von Wasserstoff für Flugzeuge und LKW spielen. Effiziente Prozesse zur Kühlung sind eine grundlegende Voraussetzung für die Verflüssigung von Wasserstoff. Die sogenannte Wirbelröhre – bzw. ein Ranque-Hilsch-Wirbelrohr (Abbildung 1) – ist eine für diese Prozesse in Frage kommende Komponente. Sie ist deshalb gut geeignet, weil sie ohne bewegliche Teile auskommt und die Aufteilung eines Gasstroms (grüne Pfeile) in zwei Ströme mit einem signifikanten Temperaturunterschied (roter Pfeil, blauer Pfeil) ermöglicht.

Das Anwendungsspektrum des Wirbelrohrs reicht von Druckgas- bis Flüssigwasserstoff: An Wasserstoff-Tankstellen kann das Wirbelrohr zur Konditionierung von Druckgaswasserstoff genutzt werden. Bei der Speicherung von LH2 kann es zur Boil-Off-Gas Reduktion sowie Flüssigkeitsunterkühlung durch einen im Wirbelrohr integrierten Para-Ortho-Katalysator zum Einsatz kommen (sog. Heisenberg Vortex Tube).

Abbildung 1: Stromfadenlinien der Strömungsgeschwindigkeit und Kontur der Temperatur im Querschnitt des Wirbelrohres

Um das Verhalten der Wirbelröhre mit Hilfe einer 3D-Strömungssimulation abbilden zu können, verwenden wir Star-CCM+. Aufgrund der hohen Strömungsgeschwindigkeiten (ca. 0,8 Ma) und der gleichzeitig niedrigen Temperaturen setzen wir in Star-CCM+ einen gekoppelten Strömungslöser mit einem Real-Gas Modell nach Redlich-Kwong ein. Für eine Ermittlung der notwendigen Parameter des Stoffdatenmodells bei einem Para/Ortho Verhältnis von 1 zu 3 nutzen wir TILMedia.

Die Ergebnisse der Simulation sind in Abbildung 1 dargestellt. Anhand der Stromlinien sind das resultierende Strömungsfeld sowie die Kontur der Temperatur im Schnitt sichtbar. Die zu erwartende Aufteilung der Massenströme in eine kalte und eine warme Strömung ist hierbei deutlich erkennbar. Dieses Bild stimmt mit den Beobachtungen aus den Veröffentlichungen in [2] und [3] qualitativ überein. Das in der Simulation berechnete Temperaturfeld weist eine hohe Übereinstimmung mit den Ergebnissen der Veröffentlichung von Matveev [1] auf. Die Absenkung der totalen Gastemperatur zwischen Einlass und kaltem Auslass beträgt in der von TLK durchgeführten Simulation 8,94 K. Dies entspricht einer Abweichung von 0,05 K bzw. 0,6 % zu den Ergebnissen von Matveev.

Die hohe Genauigkeit unserer Simulationsergebnisse schafft die Grundlage für Systemsimulationen sowie Potentialanalysen zur Integration des Wirbelrohrs in die Wasserstoffwirtschaft.

Ansprechpartner CFD: Dr.-Ing. Björn Flieger
Ansprechpartner TILMedia: Dipl.-Ing. Ingo Frohböse

[1] Matveev, 2021, Numerical Simulations of Cryogenic Hydrogen Cooling in Vortex Tubes with Smooth Transitions
[2] https://en.wikipedia.org/wiki/Vortex_tube
[3] Taha et al., 2013, Vortex Tube Air Cooling: The Effect on Surface Roughness and Power Consumption in Dry Turning


Entwicklung hybrider physikalisch-datenbasierter Modellierungstechniken

TLK erforscht im Rahmen des Forschungsprojekts PHyMoS an Modellen und Methoden, die eine gezielte Kombination physikalischer und datenbasierter Ansätze erlauben. Hybride Modellierungstechniken ermöglichen flexible Lösungen – entsprechend der Datenlage, der notwendigen Geschwindigkeit und der geforderten Genauigkeit.

Ziel des derzeit laufenden Projekts PHyMoS (Proper Hybrid Models for Smarter Vehicles) ist die Entwicklung von Methoden und Werkzeugen zur automatisierten Generierung sogenannter „Proper Models“. Der Begriff „proper“ (deutsch: angemessen) bezeichnet in diesem Zusammenhang das Erreichen der geforderten Modellgenauigkeit bei gleichzeitig minimaler Komplexität. Proper Models können mit Hilfe von hybriden Modellierungsmethoden, in denen Modelle aus physikalischem Wissen und datenbasierten Ansätzen kombiniert werden, entstehen. Das Konsortium des vom BMBF geförderten Projekts umfasst drei Hochschulen (Universität Augsburg, TU Braunschweig und FH Bielefeld) sowie sechs Unternehmen (Bosch, ESI ITI, LTX, Modelon, XRG und TLK), wobei wir vor allem Kenntnisse in unserem Kernkompetenzfeld der Modellierung thermischer Systeme einbringen.

Rein physikalische Modelle besitzen bei entsprechend detaillierter Modellierung eine hohe Genauigkeit sowie gute Extrapolationseigenschaften. Sie basieren auf einem System physikalisch motivierter Gleichungen, das durch einen geeigneten Simulator gelöst wird. Datenbasierte Modelle basieren hingegen auf der Verwendung umfangreicher Datensätze. Die hier verwendeten Modellierungstechniken reichen von einfachem Polynom-Fitting über Machine Learning Techniken (z.B. Deep Learning) bis zur Modellreduktion (z.B. mittels Proper Orthogonal Decomposition – POD). Datenbasierte Modelle erlauben – verglichen mit physikalischen Modellen – häufig eine deutlich recheneffizientere Modellauswertung. Diese hohe Recheneffizienz geht jedoch zumeist mit einer unzureichenden Extrapolierbarkeit einher. Eine gezielte Kombination der Vorteile beider Modelle soll zu einem Proper Model führen.

Die Projektpartner von PHyMoS arbeiten deshalb an hybriden physikalisch-datenbasierten Modellierungstechniken. Es werden Methoden entwickelt, mithilfe derer die Rechengeschwindigkeit detaillierter physikalischer Modelle durch gezielte Verwendung datenbasierter Ansätze gesteigert werden kann. Weiterhin werden Methoden untersucht, die mithilfe von physikalischen und datenbasierten Modellierungstechniken die Genauigkeit und den Gültigkeitsbereich bestehender Modelle verbessern sollen. Beispielsweise kann die Genauigkeit eines physikalischen Modells erhöht werden, indem dieses Modell – auf der Grundlage von Daten – um bisher nicht-modellierte Phänomene ergänzt wird. Andererseits kann der Informationsgehalt datenbasierter Modelle – und damit auch ihre Genauigkeit sowie Extrapolationsfähigkeit – durch das Einarbeiten physikalischen Wissens vergrößert werden. Mithilfe der im Rahmen von PHyMoS entwickelten Methoden und Werkzeuge soll also eine anwendungsspezifische Optimierung bestehender Modelle ermöglicht werden.

Abbildung 1: Prozess der Generierung eines Proper Models mit Input-Mixtur und möglichen Anwendungen. [Quelle: Bosch, stellvertretend für das Konsortium PHyMoS]

Wir bei TLK stellen unseren Kunden Methoden, Modelle und Software unter Verwendung offener Standards zur Verfügung. In Zukunft wollen wir hier auch auf Erkenntnisse aus dem Projekt PHyMoS und auf den Ansatz der Proper Models zurückgreifen. Für Fragen zum Projekt oder zur Modellierung thermischer Systeme mit Proper Models sprechen Sie uns gerne an.

Ansprechpartner: Dr.-Ing. Andreas Varchmin und B.Sc. Henrik Schatz


Newsletter Archiv