مدل سازی فرایند تبخیر سطحی آب در سد های آبی با استفاده از CFD (مطالعه موردی سد امیرکبیر کرج)

Authors

  • افشار علی حسینی تهران، دانشگاه آزاد اسلامی واحد تهران مرکزی، دانشکده فنی و مهندسی، گروه مهندسی شیمی
  • فرزانه بابایی گورچین لو تهران، دانشگاه آزاد اسلامی واحد تهران شمال، دانشکده فنی و مهندسی، گروه مهندسی شیمی
Abstract:

استفاده بهینه از منابع آب موجود به علت هزینه­ های بالای تأمین آب ناشی از افزایش جمعیت و مسئله گرم شدن کره ی زمین ضروری می­ باشد. پژوهشگران حوزه محیط زیست  بر این ادعا هستند که سدسازی به علت محبوس کردن آب در پشت سدها نه تنها کمکی برای غلبه بر کمبود آب نکرده است بلکه عاملی تشدید کننده در جهت سرعت خشکسالی می ­باشد. در این پژوهش با استفاده از CFD پدیده تبخیر سطحی از سد امیر کبیربه عنوان مطالعه موردی در طول یکسال آبی مورد مطالعه قرار گرفت. برای مدل سازی از قانون­ های حاکم در پدیده انتقال ، معادله­های ناویراستوکس و مدل VOF استفاده شد. در گام های زمانی001/0 و 00001/0 ثانیه و در ضخامت لایه  مرزی  از 01/0 تا 06/0 متر  پارامترهای تأثیرگذار در تبخیر سطحی  مورد بررسی قرار گرفت. داده­ های به دست آمده از مدل محاسباتی شامل اثر دما، شار گرمایی، نرخ انتقال جرم  در فصل مشترک گاز ـ مایع، سرعت باد؛ میزان کل آب تبخیر شده( روزانه؛ ماهانه؛ سالیانه)در سامانه مکعبی به ­دست آمد. داده­ های تولید شده شبیه­ سازی ازروش CFD با داده های تجربی به­ دست آمده از سد کرج مورد مقایسه قرار گرفت که همپوشانی مناسبی بین آن­ها دیده می­شود. همچنین پروفیل دما و نرخ انتقال جرم در سطح آب مورد بررسی قرار گرفت. نتیجه­ هایبه دست آمده از شبیه سازی نشان می­ دهد که تبخیرسطحی عامل تاثیر گذاری برای کاهش ارتفاع سد و حجم آب ذخیره شده در دریاچه پشت سد می ­باشد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش‌بینی تراز سطح آب مخزن سد با استفاده از روش ماشین هوشمند نظارت شده، مطالعه موردی: سد امیرکبیر کرج

پیش‌بینی صحیح تغییرات تراز سطح آب مخازن به عنوان یکی از مسائل مهم جهت مدیریت، طراحی، بهره‌برداری از سدها و تأمین نیازهای آبی مطرح می‌باشد. در این مطالعه بر پایه پنج مدل نرم رگرسیون بردار پشتیبان (SVR)، سیستم استنتاج عصبی-فازی تطبیقی (ANFIS)، شبکه عصبی (ANN)، شبکه عصبی شعاعی (RBFNN) و شبکه عصبی مبتنی بر رگرسیون عمومی (GRNN) و استفاده تلفیقی از نتایج آن‌ها به عنوان ورودی به یکی از این پنج مدل، سا...

full text

مدل‌سازی و روندیابی میزان تبخیر سطحی از مخزن سد امیرکبیر با استفاده از روش شبکه عصبی و آزمون من-کندال

تبخیر به‌عنوان یکی از پارامترهای طبیعی به‌علت نقش تعیین کننده‌ای که در خروج آب از دسترس بشر دارد، همواره مورد توجه کارشناسان و محققین بوده است. در این پژوهش، سعی بر این است تا با به‌کارگیری مدل شبکه عصبی مصنوعی در برآورد تبخیر از سطح دریاچه سد امیرکبیر، میزان دقت این مدل مورد ارزیابی قرار گیرد. در این راستا، از آمار 18 ساله، از سال‌ 1376 تا 1393 شمسی استفاده شد و پس از انجام آزمون و خطاهای متوا...

full text

استفاده تلفیقی از آب سطحی و زیرزمینی در تخصیص بهینه آب از سد مخزنی در شرایط کمبود منابع آب (مطالعه موردی: سد مخزنی یامچی، اردبیل)

در این پژوهش از یک الگوریتم قطعی مبتنی بر روش بهینه‌سازی ژنتیک (GA) به منظور تخصیص بهینه آب از منابع سطحی و زیرزمینی بین مصارف مختلف در بهره‌برداری از سد مخزنی یامچی در استان اردبیل استفاده شده ‌است. تابع هدف در مدل بهینه، حداکثر نمودن سود حاصل از تخصیص آب به بخش کشاورزی با توجه به الگوی کشت منتخب می‌باشد به طوری که تامین نیازهای شرب و زیست‌محیطی به عنوان محدودیت در مدل بهینه در نظر گرفته شد. م...

full text

مقایسه روش های تجربی برآورد تبخیر از سطح آزاد آب (مطالعه موردی: سد تنظیمی دز)

تبخیر عامل مهمی در مدیریت منابع آب است و با محاسبه دقیق آن می توان راهکارهای موثری در جهت کاهش اثرات خشکسالی و به منظور حفاظت منابع آب اجرا نمود. به دلیل کمبود ایستگاههای تبخیر سنجی و عدم وجود آمار کافی از تبخیر از روشهای تجربی برآورد تبخیر از سطح آزاد آب می توان استفاده نمود. در این تحقیق با استفاده از آمار 10 ساله ایستگاه سد تنظیمی دز با استفاده از روشهای تجربی مایر، مارسیانو، شاهتین، هفنر، ا...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 35  issue 4

pages  125- 136

publication date 2017-02-19

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023