Résumé: Les mécanismes de perfectionnement du transfert thermique des nanofluids sont encore peu clairs. Les études précédentes au sujet des nanofluids ont essayé de résoudre certains des nombreux défis au sujet de la performance thermique et hydrodynamique des nanofluides et de leurs propriétés ; toutefois il reste beaucoup de problèmes non résolus et questions sans réponse certaine. Par conséquent, plus d'études sont nécessaires, qui peuvent être expérimentales, numériques ou théoriques. Dans la présente étude, des nanofluides sont étudiés intensivement en utilisant des approches numériques et analytiques. La partie numérique se compose de trois chapitres et couvre un éventail de problèmes de transfert thermique, incluant; laminaire et turbulente, monophasique et diphasique, aussi bien que, convection mixte et convection forcée. Plusieurs concentrations volumétriques de nanoparticules et nombres de Reynolds sont considérés. Le deuxième chapitre est consacré à la convection laminaire mixte de nanofluide d'Al[indice inférieur 2]O[indice inférieur 3]-eau à l'intérieur d'un tube horizontal. Le flux uniforme de chaleur est appliqué au mur. Deux nombres de Reynolds et trois concentrations volumétriques de nanoparticules sont utilisés, et finalement les résultats numériques thermiques et hydrodynamiques de trois différents modèles diphasiques et du modèle monophasique sont comparés aux données expérimentales. On démontre que les résultats de ces différentes approches sont extrêmement différents. Pour un régime de convection laminaire mixte, les modèles diphasiques sont en meilleur accord avec des données expérimentales. Les résultats de modèles diphasiques sont proches mais loin des résultats du modèle monophasique. Le troisième chapitre évalue la sensibilité de la formulation laminaire sur des combinaisons choisies des expressions pour la conductivité et la viscosité des nanofluids. Deux expressions pour la conductivité et trois pour la viscosité sont choisis, ce qui donne six combinaisons. Ces choix s'avèrent avoir des effets très importants sur les résultats finals. Par conséquent, chaque étude numérique devrait d'abord justifier son choix des corrélations de viscosité-conductivité. En outre, une liste des modèles les plus importants pour la conductivité et la viscosité des nanofluids est recueillie et incluse dans ce chapitre. Le quatrième chapitre évalue les résultats du modèle monophasique et trois différents modèles diphasiques pour la convection forcée turbulente de nanofluide dans un tube horizontal. Le flux uniforme de la chaleur est appliqué au mur. Le modèle turbulent "Realizable k-[epsilon]" est employé, qui est un modèle à deux équations. Deux ensembles de données expérimentales pour différents nanofluides (Al[indice inférieur 2]O[indice inférieur 3]-eau et Cu-eau) sont employés, qui couvrent un éventail des concentrations volumétriques de nanoparticules et de nombres de Reynolds. L'exactitude monophasique des résultats est confirmée avec un choix approprié de combinaisons de conductivité-viscosité. Les résultats des différents modèles diphasiques sont proches; cependant, ils sont très loin des résultats monophasique [i.e. monophasiques] et des données expérimentales. Les modèles diphasiques ne pourraient pas satisfaire les données expérimentales pour le régime convection forcée turbulente de deux nanofluides différents par deux différentes études expérimentales, alors que l'approche monophasique le fait bien. Dans la partie analytique de l'étude, de nouveaux modèles pour la conductivité thermique des nanofluides et le nombre de Nusselt de l'écoulement autour des nanoparticules sont dérivés. Ces modèles tiennent compte de l'effet du mouvement Brownien, de la résistance thermique surfacique, du groupement des particules, de la distribution de taille de ces groupements et de la micro-convection aussi bien que de la concentration des particules, de la dimension particulaire et de la température. Le groupement des particules et la distribution de leur taille sont analysés à l'aide de la théorie fractale. Le modèle proposé pour la conductivité des nanofluides est comparé aux données expérimentales de plusieurs études pour cinq nanofluides différents et différentes concentrations volumétriques de nanoparticules. Ce modèle est également comparé à deux modèles semblables. II montre une très bonne concordance avec l'expérience et une meilleure performance comparé à ces modèles choisis.||Abstract: The mechanisms of nanofluids heat transfer enhancement are still unclear. Previous studies about nanofluids have tried to solve some of many challenges about the thermal and hydrodynamic performance of nanofluids and their properties; however still there are many problems unsolved and questions without a certain answer. Hence, more studies are necessary, which can be experimental, numerical and theoretical. In the present study, nanofluids are investigated intensively using numerical and analytical approaches. The numerical part consists of three chapters and covers a wide range of heat transfer problems, including; laminar and turbulent, single-phase and two-phase as well as mixed convection and forced convection flows. Several particle volume fractions and a large number of Reynolds numbers are considered. Chapter two is dedicated to laminar mixed convection flow of Al 2 O 3 -water nanofluid inside a horizontal tube. Uniform heat flux is applied at the wall. Two Reynolds numbers and three particle volume fractions are used, and finally the thermal and hydrodynamic numerical results from three different two-phase models and the single phase model are compared with experimental data. It is shown that the predictions of these different approaches are extremely different. For a laminar mixed convection flow, two-phase models are in better agreement with a given experimental data. The two-phase models predictions are close but far from single-phase. Chapter three evaluates the sensitivity of the laminar formulation on selected combinations of models for the conductivity and viscosity of nanofluids. Two models for the conductivity and three for the viscosity are chosen, which make six combinations. These choices are found to have very important effects on the final results. Therefore, every numerical study should first justify their choice of viscosity-conductivity correlations. Also, a list of the most important models for the conductivity and viscosity of nanofluids are gathered and included in this chapter. Chapter four evaluates the predictions of single-phase and three different two-phase models for turbulent forced convection inside a horizontal tube. Uniform heat flux is applied at the wall. Realizable k-[varepsilon] turbulent model is used, which is a two-equation model. Two sets of experimental data for different nanofluids (Al 2 O3 -water and Cu-water) are used, which cover a wide range of volume fractions and Reynolds numbers. The single-phase results accuracy is confirmed with an appropriate selection of conductivity-viscosity combination. The results from different two-phase models are found to be very close; however, they were too far from the single-phase predictions and the experimental data. Two-phase models could not satisfy the experimental data for turbulent forced convection flow of two different nanofluids from different experimental studies, while single-phase approach does it well. In the analytical part of the study, new models for the thermal conductivity of nanofluids and the Nusselt number of the flow around the nanoparticles are derived. These models take into account the effect of Brownian motion, interfacial thermal resistance, particles clustering, clusters size distribution and micro-convection as well as particles concentration, particles size and temperature. The clusters size and size distribution are analyzed based on the fractal theory. The proposed model for the conductivity of nanofluids is compared with experimental data from several studies for five different nanofluids and various magnitudes of volume fractions. This model is also compared with two similar models. It shows very good agreement with experiment and better performance compared to those selected models.[symboles non conformes]
| Identifer | oai:union.ndltd.org:usherbrooke.ca/oai:savoirs.usherbrooke.ca:11143/6113 |
| Date | January 2012 |
| Creators | Akbari, Mahmood |
| Contributors | Galanis, Nicolas |
| Publisher | Université de Sherbrooke |
| Source Sets | Université de Sherbrooke |
| Language | English |
| Detected Language | French |
| Type | Thèse |
| Rights | © Akbari Mahmood |
Page generated in 0.0024 seconds