Turbulent mixing of a hydrogen jet in crossflow: direct numerical simulation and model assessment

Diese Studie nutzt direkte numerische Simulation (DNS), um die Leistungsfähigkeit von LES- und RANS-Modellen bei der Vorhersage der turbulenten Mischung eines Wasserstoffstrahls in einer Quersströmung zu bewerten und zeigt dabei, dass RANS aufgrund falscher Annahmen über die turbulente Diffusivität und den turbulenten Schmidt-Zahl-Ansatz die Mischung erheblich unterschätzt, während LES hervorragende Ergebnisse liefert.

Das Wesentliche

Wasserstoff im Wind: Wie ein Computer-Experiment zeigt, warum unsere aktuellen Modelle versagen

Stellen Sie sich vor, Sie halten einen Gartenschlauch und sprühen Wasser in einen starken Wind. Das Wasser wird sofort zerfetzt, wirbelt herum und vermischt sich mit der Luft. Genau das passiert in einem modernen Wasserstoff-Motor: Wasserstoff wird wie ein Strahl in einen Luftstrom geschossen, um sich mit dem Sauerstoff zu vermischen, bevor er verbrannt wird.

Diese Mischung ist der Schlüssel. Ist sie perfekt, läuft der Motor sauber und effizient. Ist sie schlecht, gibt es Probleme.

In dieser Studie haben Wissenschaftler vom Argonne National Laboratory und Partnern genau dieses Szenario untersucht: Wie mischt sich ein Wasserstoffstrahl in einem Luftstrom?

Sie haben dabei drei verschiedene „Brillen" benutzt, um das Phänomen zu betrachten:

1. DNS (Die Super-Lupe): Das ist die direkteste Methode. Der Computer berechnet jedes einzelne Wirbelchen, jeden Luftmolekülstoß. Es ist wie ein 4K-Film, der jede Bewegung in Zeitlupe zeigt. Das ist extrem rechenintensiv (wie das Ausrechnen von jedem einzelnen Sandkorn an einem Strand), aber es ist die „Wahrheit", an der man alles andere messen kann.
2. LES (Die gute Kamera): Diese Methode filmt nur die großen Wirbel und lässt die winzigen Details weg, schätzt sie aber clever. Das ist wie ein 1080p-Film: Sehr gut, aber nicht ganz so detailliert wie die Super-Lupe.
3. RANS (Die grobe Skizze): Das ist die Methode, die Ingenieure im Alltag nutzen, weil sie schnell und billig ist. Statt jedes Wirbelchen zu sehen, malt sie nur den „Durchschnitt" auf. Das ist wie eine grobe Skizze von einem Sturm: Man sieht, dass es stürmt, aber nicht, wie die einzelnen Blätter flattern.

Was haben sie herausgefunden?

1. Die Skizze (RANS) ist zu glatt
Die Forscher haben festgestellt, dass die „grobe Skizze" (RANS) zwar die grobe Richtung des Wasserstoffstrahls richtig vorhersagt, aber bei der eigentlichen Vermischung völlig versagt.

• Die Analogie: Stellen Sie sich vor, Sie rühren Tee mit einem Löffel. Die Skizze sagt: „Der Tee wird sich langsam mischen." Die Realität (DNS) zeigt aber: „Der Tee wird sofort durch die Wirbel des Löffels komplett durchgerührt."
• Die RANS-Methode sagt voraus, dass der Wasserstoff in einem dicken, klumpigen Strahl bleibt und sich kaum mit der Luft vermischt. In Wahrheit (und in der Simulation mit der Super-Lupe) zerfällt der Strahl sofort in tausende kleine Fäden und vermischt sich perfekt.

2. Warum versagt die Skizze?
Die Wissenschaftler haben die „Fehlerquelle" gefunden. Die RANS-Methode benutzt eine vereinfachte Regel (eine Art Faustformel), die annimmt, dass die Vermischung in alle Richtungen gleich schnell passiert (wie wenn man Zucker in Wasser rührt und er sich überall gleich schnell auflöst).

• Das Problem: In einem Wasserstoffstrahl ist das nicht so! Wasserstoff ist sehr leicht und schnell. Die Vermischung passiert in einer Richtung viel schneller als in der anderen. Die vereinfachte Regel ignoriert diese Richtungsspezifität komplett.
• Zudem unterschätzt die Skizze, wie „zähflüssig" die Turbulenzen eigentlich sind. Sie denkt, die Wirbel sind schwächer, als sie wirklich sind.

3. Die Kamera (LES) trifft es genau
Die mittlere Methode (LES) hat sich als der perfekte Kompromiss erwiesen. Sie sagt fast genauso genau voraus, wie sich der Wasserstoff vermischt, wie die extrem teure Super-Lupe (DNS), ist aber viel schneller zu berechnen.

Was bedeutet das für die Zukunft?

Diese Studie ist wie eine wichtige Diagnose für Ingenieure. Sie zeigt:

• Unsere aktuellen, schnellen Rechenmodelle (RANS) sind für Wasserstoff-Motoren zu ungenau. Sie unterschätzen, wie gut sich der Treibstoff eigentlich mischen würde.
• Wenn wir auf diesen alten Modellen aufbauen, könnten wir Motoren falsch konstruieren.
• Wir müssen unsere mathematischen Formeln anpassen. Wir dürfen nicht mehr einfach annehmen, dass die Vermischung in alle Richtungen gleich ist. Wir müssen Modelle entwickeln, die diese „Richtungsabhängigkeit" (Anisotropie) verstehen, ähnlich wie man versteht, dass Wind in einem Tal anders weht als auf einem Berg.

Fazit:
Wasserstoff ist ein schwieriger Gast. Er ist leicht, schnell und verhält sich anders als Benzin oder Diesel. Diese Studie hat mit Hilfe von Super-Computern bewiesen, dass unsere alten Werkzeuge nicht ausreichen, um ihn zu verstehen. Aber sie haben auch den Weg gezeigt: Mit besseren Modellen, die die komplexe Natur der Turbulenzen besser abbilden, können wir in Zukunft sauberere und effizientere Wasserstoff-Motoren bauen.

Technische Zusammenfassung

Titel:

Turbulente Mischung eines Wasserstoffstrahls in einer Querstömung: Direkte Numerische Simulation (DNS) und Modellbewertung

1. Problemstellung und Motivation

Wasserstoff (H₂) gilt als vielversprechender Brennstoff zur Verbesserung der Leistung und zur Emissionsreduzierung in Verbrennungsmotoren, insbesondere in schweren Nutzfahrzeugen mit Port-Fuel-Injection (PFI). Der Schlüsselprozess für eine effiziente Verbrennung ist die Mischung von Wasserstoff und Luft in einer Konfiguration mit einem Strahl in Querstömung (Jet-in-Crossflow, JICF).

Computational Fluid Dynamics (CFD) ist ein essenzielles Werkzeug zur Analyse dieser Prozesse. Während Direkte Numerische Simulationen (DNS) und Large Eddy Simulations (LES) hohe Genauigkeit bieten, sind sie für komplexe industrielle Anwendungen oft zu rechenintensiv. Daher dominieren Reynolds-gemittelte Navier-Stokes-Methoden (RANS) den Entwicklungsprozess von Motoren. Ein kritisches Problem bei RANS ist jedoch die Ungenauigkeit bei der Vorhersage des turbulenten Stofftransports (Mischung), da hier Modelle für den turbulenten Stofffluss (z. B. Gradient Diffusion Hypothesis, GDH) benötigt werden. Bisherige Studien konzentrierten sich oft auf Strahldichte-Verhältnisse von 1:1 und vernachlässigten die spezifischen Eigenschaften von Wasserstoff (geringe Dichte, hohe Diffusivität), die für reale H₂-Motoren entscheidend sind.

2. Methodik

Die Studie vergleicht drei numerische Ansätze für einen H₂-Strahl in einer Luft-Querstömung, basierend auf einer Geometrie, die den Einlass eines schweren H₂-Motors repräsentiert:

• Geometrie und Randbedingungen: Ein runder H₂-Strahl (Durchmesser $D=19$ mm) wird in einem Winkel von 60° in einen rechteckigen Luftkanal injiziert. Die Reynolds-Zahlen betragen 4600 (Strahl) und 22.100 (Querstömung). Druck und Temperatur sind konstant (4,3 bar, 325 K).
• DNS (Referenz):
  • Code: Nek5000 (spektrale Elemente).
  • Auflösung: ~93 Millionen Gitterpunkte (7. Ordnung Polynome), $y^+ < 1$ an den Wänden.
  • Ziel: Vollständige Auflösung aller turbulenten Skalen als "Ground Truth".
• LES (Großwirbelsimulation):
  • Code: CONVERGE (Finite-Volumen).
  • Modell: Dynamic Structure Model.
  • Auflösung: Feines Gitter (Mindestzellgröße 0,25 mm, ~8,9 Mio. Zellen), $y^+ \approx 5$.
• RANS (Reynolds-gemittelt):
  • Code: CONVERGE.
  • Modell: RNG $k-\epsilon$ Turbulenzmodell.
  • Auflösung: Gängiges Motorgitter (Mindestzellgröße 0,5 mm, ~1,2 Mio. Zellen), $y^+ \approx 10$.
  • Mischungsmodell: Gradient Diffusion Hypothesis (GDH) mit konstanter turbulenter Schmidt-Zahl ($Sc_t = 0,78$).

Die Ergebnisse von LES und RANS wurden umfassend gegen die DNS-Daten validiert.

3. Wichtige Beiträge und Erkenntnisse

A. Leistungsbewertung der Strömungsfelder

• LES: Zeigt eine hervorragende Übereinstimmung mit der DNS sowohl für die mittleren Geschwindigkeitskomponenten als auch für die Reynolds-Spannungen. Große Wirbelstrukturen werden korrekt erfasst.
• RANS: Kann das mittlere Strömungsfeld qualitativ gut vorhersagen, unterpredictet jedoch alle Komponenten der Reynolds-Spannungen signifikant. Feine Strömungsstrukturen werden nicht aufgelöst.

B. Bewertung des Mischungsvorgangs (H₂-Konzentration)

• LES: Vorhersagen der H₂-Massenbruchverteilung stimmen exzellent mit der DNS überein.
• RANS: Der Mischungsvorgang wird massiv unterschätzt.
  • RANS sagt eine klare Trennung zwischen dem Hauptstrahl und einem sekundären Ast nahe der Bodenwand voraus, was zu einem Bereich mit niedriger H₂-Konzentration auf der Lee-Seite führt.
  • Im Gegensatz dazu zeigen DNS und LES eine homogenere Mischung.
  • RANS sagt eine höhere maximale H₂-Konzentration voraus und zeigt weniger Vermischung mit der Umgebungsluft.

C. Ursachenanalyse der RANS-Schwächen (Turbulenter Transport)

Durch Extraktion von Transportgrößen aus den DNS-Daten wurden die Gründe für das Versagen des RANS-Modells identifiziert:

1. Turbulente Diffusivität ($D_t$): Die von RANS vorhergesagte Diffusivität ist deutlich geringer als in der DNS. Da $D_t = \nu_t / Sc_t$, liegt dies an zwei Faktoren:
   • Unterschätzung der turbulenten Viskosität ($\nu_t$): Das RANS-Modell unterschätzt $\nu_t$ im gesamten Bereich.
   • Überschätzung der turbulenten Schmidt-Zahl ($Sc_t$): Der in RANS verwendete konstante Wert ($0,78$) ist zu hoch. Aus DNS-Daten abgeleitete $Sc_t$-Werte liegen deutlich niedriger (oft im Bereich von 0,2–0,5, abhängig von der Region).
2. Anisotropie der turbulenten Diffusivität:
   • Das Standard-GDH-Modell geht von einer isotropen Diffusivität aus (gleiche Diffusion in alle Richtungen).
   • Die DNS-Analyse zeigt, dass $Sc_t$ stark anisotrop ist. Die Komponente in Strömungsrichtung ($Sc_{t,x}$) ist nahe Null, während die transversalen Komponenten stark variieren.
   • Der Winkel ($\theta$) zwischen dem tatsächlichen turbulenten Stofffluss (DNS) und dem vom GDH-Modell vorhergesagten Fluss ist groß (Durchschnitt ca. 37°, lokal bis 90°). Dies beweist, dass die Annahme der Isotropie für diese Konfiguration ungültig ist.

4. Signifikanz und Schlussfolgerungen

• Validierung von LES: Die Studie bestätigt, dass LES eine zuverlässige Methode zur Vorhersage von Turbulenz und Mischung in H₂-JICF-Konfigurationen ist und als Referenz für die Modellentwicklung dienen kann.
• Kritik an RANS: Die Studie zeigt, dass RANS mit Standardmodellen (GDH mit konstantem $Sc_t$) für Wasserstoffmischung in JICF unzureichend ist. Die Unterschätzung der Mischung ist nicht nur auf einen falschen $Sc_t$-Wert zurückzuführen, sondern auch auf eine systematische Unterschätzung der turbulenten Viskosität.
• Modellentwicklung: Die Annahme einer isotropen turbulenten Diffusivität muss für H₂-JICF verworfen werden. Zukünftige Modelle sollten anisotrope Ansätze (wie GGDH oder HOGGDH) oder dynamisch angepasste $Sc_t$-Werte berücksichtigen.
• Datenbasis: Die Studie stellt einen einzigartigen, hochauflösenden DNS-Datensatz für H₂-JICF bereit, der für die Weiterentwicklung von Turbulenz- und Mischungsmodellen in der Industrie verfügbar ist.

Zusammenfassend liefert das Papier tiefe Einblicke in die physikalischen Ursachen von Mischungsfehlern in RANS-Simulationen für Wasserstoff und unterstreicht die Notwendigkeit, sowohl die turbulente Viskosität als auch die Anisotropie des Stofftransports in zukünftigen Modellen besser zu erfassen.