Probleme und Motivation
Für die Auslegung und Dimensionierung kältetechnischer Anlagen muss das thermophysikalische Verhalten der eingesetzten Kältemittel genau bekannt sein. Während dieses Verhalten für die meisten Kältemittel als Reinstoffe vergleichsweise gut bekannt ist, gibt es erhebliche Defizite für Mischungen, insbesondere wenn diese mehrphasig auftreten. Zudem müssen die Verdichter in den jeweiligen Anlagen geschmiert werden, sodass sich Kältemittel-Öl-Stoffsysteme ergeben, die sich nur sehr schwer thermophysikalisch charakterisieren lassen. Trotzdem muss eine experimentelle Charakterisierung erfolgen, damit darauf basierend Stoffdatenmodelle für die Prozesssimulation und Anlagenauslegung entwickelt werden können.
Abbildung 1 zeigt ein p,T-Diagramm, in dem berechnete Dampfdruckkurven unterschiedlicher Kältemittel [1] dargestellt sind, um das unterschiedliche Phasenverhalten zu veranschaulichen. Darüber hinaus ist die Sättigungslinie einer Mischung gezeigt (1 mol-% C10H22 im Kältemittel R1234yf), um einen Eindruck darüber zu vermitteln, dass bereits eine geringe Menge an Schmierstoff/Öl im Kältemittel (hier C10H22 stellvertretend gewählt, weil die derzeit genauesten Stoffdatenmodelle nicht mit Schmierstoffen rechnen können) eine signifikante Veränderung des Phasenverhaltens hervorrufen kann. Im Gegensatz zum reinen Stoff sind Siede- und Taulinie für eine Mischung im p,T-Diagramm nicht mehr kongruent.
Ansatz und Aufgaben
In realen kältetechnischen Prozessen ist die Zusammensetzung des eingesetzten Stoffsystems während der einzelnen Prozessschritte nicht konstant. Dieses dynamische Stoffverhalten soll gezielt untersucht werden, indem Maschinen für Forschungszwecke so instrumentiert werden, dass die relevanten Stoffdaten während des Betriebs mit hinreichender Messunsicherheit ermittelt werden können. Es sollen mehrere Maschinen parallel (z. B. mit unterschiedlichen Verdichtern) mit verschiedenen Kältemitteln betrieben werden, um die Unterschiede im thermophysikalischen Stoffverhalten und eine damit verbundene Veränderung der Maschinenperformance untersuchen zu können.
Für diese Aufgabestellung sind geeignete Untersuchungsmethoden und eine hinreichend genaue Inline-Messtechnik im Wesentlichen nicht verfügbar. Deswegen müssen spezielle Messmessmethoden auf den Weg gebracht werden.
Die gewonnenen Messdaten sollen für die Entwicklung von Stoffdatenmodellen genutzt werden, die schließlich in einschlägige Prozess-Simulationssoftware (wie z. B. EBSILON Professional) eingebunden werden sollen. Die Einbindung des neu entwickelten Stoffdatenmodells OilMixProp 1.0 erfolgt mithilfe einer Dynamic Link Library (DLL) in der Programmiersprache C++. Es ist beabsichtigt, die Voraussetzung zu schaffen, den Betrieb existierender Maschinen realitätsnah zu untersuchen und zu optimieren, die Energieeffizienz zu steigern und letztlich bessere Maschinen zu entwickeln.
Aktueller Stand
- Schallgeschwindigkeit,
- Dichte,
- Viskosität,
- Druck und Temperatur.
Abbildung 2: Entwurf der geplanten Kältemaschine
Ergänzend zu dieser Inline-Messtechnik sind optische Messungen zur Strömungsanalyse vorgesehen, um das Verhalten von Öltropfen in der Gasphase des Kältemittels zu untersuchen. Als Messprinzip kommt die Shadowgraphie zum Einsatz. Eine Sichtzelle (Abb. 3) mit gegenüberliegenden planparallelen Fenstern am Kompressoraustritt gewährleistet die notwendige optische Zugänglichkeit, sodass die Messtechnik, bestehend aus einer Kamera mit Objektiv und einer LED-Lichtquelle, gemäß dem Schaubild angebracht werden kann.
Abbildung 3: geplante optische Messtechnik bestehend aus Kamera mit Objektiv und einer LED-Lichtquelle
Die Voruntersuchungen mit einer Sichtzelle ähnlicher Dimensionen, optischer Zugänglichkeit und mit künstlich erzeugter Öltropfen-Zerstäubung wurden erfolgreich durchgeführt. Die Planungsphase ist nun abgeschlossen, sodass die Integration in die Anlage als nächstes erfolgt.
Veröffentlichungen
Yang, X.; Xiao, X.; Thol, M.; Richter, M.; Bell, I. H.
Linking Viscosity to Equations of State Using Residual Entropy Scaling Theory
Int J Thermophys 2022, 43 (12), 183. https://doi.org/10.1007/s10765-022-03096-
Cikmaz, C.; Yang, X.; Oltersdorf, T.; Urbaneck, T.; Richter, M.
Design of a Refrigeration Machine with Accurate Inline Refrigerant-Oil Property Measurements for Operation Optimization
Proceedings of ICR2023- 26th International Congress of Refrigeration. https://doi.org/10.18462/iir.icr.2023.0198
Yang, X.; Xiao, X.; Thol, M.; Bell, I. H.; Richter, M.
A residual entropy scaling approach for viscosity of refrigerants, other fluids and their mixtures
Proceedings of ICR2023- 26th International Congress of Refrigeration. https://doi.org/10.18462/iir.icr.2023.0516
Yang, X.; Hanzelmann, C.; Feja, S.; Trusler, M.; Richter, M.
Thermophysical Property Models of Lubricant Oils and their Mixtures with Refrigerants for Comprehensive Heat Pump Analysis
The 18th International Symposium on District Heating and Cooling, Peking, 03.09. bis 06.09. 2023. https://www.iea-dhc.org/fileadmin/public_documents/DHC2023_Conference_proceedings_CDHA.pdf
Yang, X.; Hanzelmann, C.; Feja, S.; Trusler, M.; Richter, M.
Thermophysical Property Modeling of Lubricant Oils and Their Mixtures with Refrigerants Using a Minimal Set of Experimental Data
Industrial & Engineering Chemistry, American Chemical Society 62. Jg. (2023) Heft 44 S. 18736-18749. https://doi.org/10.1021/acs.iecr.3c02474
Cikmaz, C.; Yang, X.; Richter, M.
Thermo-Economic Analysis of Refrigeration Systems
Deutscher Kälte- und Klimatechnischer Verein e. V. DKV (Hrsg.): Deutsche Kälte‐ und Klimatagung 2023 Hannover. Hannover, 2023 Tagungsband (Datenträger). – ISBN 978-3-932715-56-3. https://dkv.org/index.php?id=161
Cikmaz, C.; Yang, X.; Richter, M.
Refrigeration Machine with Accurate Inline Sensor for Measuring Thermophysical Properties of Oil-Refrigerant Mixtures
16th International Institute of Refrigeration-Gustav Lorentzen Conference on Natural Refrigerants. University of Maryland, College Park, Maryland, USA, 2024. DOI:10.18462/iir.gl2024.1140
Li, Z.; Duan, Y.; Yang, X.
Linking Thermal Conductivity to Equations of State Using the Residual Entropy Scaling Theory
Ind. Eng. Chem. Res. 63 Jg. (2024) Heft 42 S. 18160–18175. DOI:10.1021/acs.iecr.4c02946
Yang, X.; Richter, M.
Thermophysical Property Model of Lubricant Oils and Their Mixtures with Refrigerants
2024 Herrick Conferences. West Lafayette, IN, USA, 2024. URL: https://docs.lib.purdue.edu/cgi/viewcontent.cgi?article=3877&context=icec
Yang, X.; Richter, M.
Package for Thermophysical Properties of Oils, Common Fluids, and Their Mixtures
IOP Conf. Ser. Mater. Sci. Eng. 2024, 1322 (1), 012009. https://doi.org/10.1088/1757-899X/1322/1/012009
Yang, X.; Frotscher, O.; Richter, M.
Symbolic-Regression Aided Development of a New Cubic Equation of State for Improved Liquid Phase Density Calculation at Pressures Up to 100 MPa
Int J Thermophys 2025, 46 (2), 29. https://doi.org/10.1007/s10765-024-03490-5
Martinek, V.; Bell, I.; Herzog, R.; Richter, M.; Yang, X.
Entropy Scaling of Viscosity IV - Application to 124 Industrially Important Fluids
J. Chem. Eng. Data 2025, 70 (2), 727–742. https://doi.org/10.1021/acs.jced.4c00451
Quellen
- E.W. Lemmon, H.I. Bell, M.L. Huber, M.O. McLinden, NIST Standard Reference Database 23: NIST Reference Fluid Thermodynamic and Transport Properties Data (REFPROP): Version 10.0 (2018).
