第四十二篇：凝结换热分析

摘要

凝结换热是蒸汽释放潜热转变为液体的相变过程，在电厂凝汽器、制冷系统冷凝器、化工精馏塔等设备中广泛应用。本文系统分析了膜状凝结和珠状凝结的物理机理，建立了Nusselt层流膜状凝结理论和湍流膜状凝结模型。详细讨论了不凝结气体、蒸汽速度、表面特性等因素对凝结换热的影响。采用Python实现了竖壁和水平管外的凝结换热数值模拟，分析了液膜厚度分布、局部换热系数变化和总换热量计算，为冷凝器设计优化提供理论依据。

关键词

凝结换热，膜状凝结，珠状凝结，Nusselt理论，液膜流动，不凝结气体，冷凝器设计

---

1. 引言

1.1 凝结换热的重要性

凝结换热是工业过程中最常见的相变换热形式之一。在火力发电厂，汽轮机排汽在凝汽器中凝结，维持汽轮机背压，提高循环效率；在制冷空调系统，制冷剂在冷凝器中释放热量，完成制冷循环；在化工精馏过程，蒸汽的凝结是实现组分分离的关键步骤。凝结换热系数通常比单相对流高5-10倍，是高效换热的重要方式。

1.2 凝结的分类

根据凝结液在冷却表面的分布形态，凝结可分为：

膜状凝结（Film Condensation）：凝结液润湿冷却表面，形成连续的液膜覆盖整个表面。蒸汽在液膜表面凝结，热量通过液膜的导热和对流传递给冷却壁面。这是工程中最常见的凝结形式。

珠状凝结（Dropwise Condensation）：凝结液在冷却表面形成分散的液珠，液珠不断长大、合并、脱落，露出新鲜的冷却表面供蒸汽直接凝结。珠状凝结的换热系数可比膜状凝结高5-10倍，但难以长期维持。

1.3 影响凝结换热的因素

• 不凝结气体：即使少量不凝结气体也会显著降低换热性能
• 蒸汽速度：高速蒸汽会剪切液膜，减薄液膜厚度
• 表面特性：表面润湿性、粗糙度影响液膜形态
• 过冷度：蒸汽过冷度影响凝结驱动力

---

2. 理论分析

2.1 Nusselt层流膜状凝结理论

Nusselt在1916年提出了经典的层流膜状凝结理论，基于以下假设：

• 液膜流动为层流
• 惯性力可忽略
• 液膜内只有导热传热
• 蒸汽静止且饱和

竖壁层流膜状凝结：

液膜厚度分布：
$$\delta (y)={\left[\frac{4{\mu }_l{k}_l(T_{sat}-T_w)y}{g{\rho }_l({\rho }_l-{\rho }_v)h_{fg}}\right]}^{1/4}$$

局部换热系数：
$$h_y=\frac{k_l}{\delta (y)}={\left[\frac{g{\rho }_l({\rho }_l-{\rho }_v)k_l^3{h}_{fg}}{4{\mu }_l(T_{sat}-T_w)y}\right]}^{1/4}$$

平均换热系数（高度L）：
$${\bar{h}}_L=0.943{\left[\frac{g{\rho }_l({\rho }_l-{\rho }_v)k_l^3{h}_{fg}}{{\mu }_l(T_{sat}-T_w)L}\right]}^{1/4}$$

2.2 水平管外凝结

对于单根水平管，液膜在管顶最薄，向两侧流动增厚，在管底滴落。

平均换热系数：
$${\bar{h}}_D=0.725{\left[\frac{g{\rho }_l({\rho }_l-{\rho }_v)k_l^3{h}_{fg}}{{\mu }_l(T_{sat}-T_w)D}\right]}^{1/4}$$

管束效应：对于N根垂直排列的管排，由于上层管的凝结液滴落到下层管，下层管的液膜增厚，换热系数降低。

$${\bar{h}}_N={\bar{h}}_1\cdot N^{-1/4}$$

2.3 湍流膜状凝结

当液膜Reynolds数超过临界值（约1600-2000），液膜流动转变为湍流，换热增强。

液膜Reynolds数：
$$R{e}_{\delta }=\frac{4\Gamma }{{\mu }_l}$$

其中 $\Gamma$ 为单位宽度液膜质量流量。

湍流换热关联式（Labuntsov）：
$$\bar{h}=\frac{R{e}_{\delta }}{R{e}_{\delta }-5+200\sqrt{1.8/R{e}_{\delta }}}\cdot \frac{k_l}{({\nu }_l^2/g{)}^{1/3}}$$

2.4 珠状凝结理论

珠状凝结的换热机理复杂，涉及液珠成核、生长、合并和脱落等多个过程。由于液珠之间存在裸露的冷却表面，蒸汽可以直接在这些表面凝结，避免了液膜的热阻。

珠状凝结换热系数：
$$h_{dropwise}=5-10\times h_{film}$$

维持珠状凝结的方法包括：

• 表面涂覆疏水涂层（如贵金属、有机硅）
• 表面微纳结构处理
• 定期清洗去除润湿层

2.5 含不凝结气体的凝结

不凝结气体在液膜表面积聚，形成扩散层，增加传热阻力。即使1%的不凝结气体也可使换热系数降低50%以上。

Colburn-Hougen方法：
$$q=h_{cond}(T_{sat}-T_i)=h_{gas}(T_i-T_w)$$

需要通过迭代求解界面温度 $T_i$。

---

3. Python仿真实现

import numpy as np
import matplotlib.pyplot as plt
import os

output_dir = r'd:\文档\500仿真领域\工程仿真\传热学仿真\主题042'
os.makedirs(output_dir, exist_ok=True)

print("="*60)
print("仿真1：竖壁层流膜状凝结")
print("="*60)

# 水蒸汽在1atm下的物性参数
rho_l = 958.0  # kg/m³，液体密度
rho_v = 0.597  # kg/m³，蒸汽密度
k_l = 0.679  # W/(m·K)，液体导热系数
mu_l = 2.79e-4  # Pa·s，液体动力粘度
h_fg = 2257e3  # J/kg，汽化潜热
T_sat = 100.0  # °C，饱和温度
g = 9.81  # m/s²

# 壁面温度
T_w = 80.0  # °C

# 竖壁高度
L = 0.5  # m

# 计算平均换热系数
h_bar = 0.943 * (g * rho_l * (rho_l - rho_v) * k_l**3 * h_fg / 
                 (mu_l * (T_sat - T_w) * L))**0.25

print(f"平均换热系数: {h_bar:.2f} W/(m²·K)")

# 液膜厚度和局部换热系数分布
y = np.linspace(0.001, L, 500)

delta = (4 * mu_l * k_l * (T_sat - T_w) * y / 
         (g * rho_l * (rho_l - rho_v) * h_fg))**0.25

h_local = k_l / delta

fig, axes = plt.subplots(1, 2, figsize=(14, 5))

ax1 = axes[0]
ax1.plot(y*1000, delta*1000, 'b-', linewidth=2)
ax1.set_xlabel('Distance from Top (mm)', fontsize=11)
ax1.set_ylabel('Film Thickness (mm)', fontsize=11)
ax1.set_title('Condensate Film Thickness Distribution', fontsize=12, fontweight='bold')
ax1.grid(True, alpha=0.3)

ax2 = axes[1]
ax2.plot(y*1000, h_local, 'r-', linewidth=2)
ax2.axhline(y=h_bar, color='g', linestyle='--', alpha=0.7, label=f'Average h = {h_bar:.1f}')
ax2.set_xlabel('Distance from Top (mm)', fontsize=11)
ax2.set_ylabel('Local Heat Transfer Coefficient (W/(m²·K))', fontsize=11)
ax2.set_title('Local Heat Transfer Coefficient', fontsize=12, fontweight='bold')
ax2.legend(fontsize=10)
ax2.grid(True, alpha=0.3)

plt.tight_layout()
plt.savefig(f'{output_dir}/vertical_wall.png', dpi=150, bbox_inches='tight')
plt.close()

print("图1：竖壁凝结已保存")

print("\n" + "="*60)
print("仿真2：水平管外凝结")
print("="*60)

# 管径范围
D_range = np.linspace(0.01, 0.1, 100)  # m

h_horizontal = []
for D in D_range:
    h_h = 0.725 * (g * rho_l * (rho_l - rho_v) * k_l**3 * h_fg / 
                   (mu_l * (T_sat - T_w) * D))**0.25
    h_horizontal.append(h_h)

h_horizontal = np.array(h_horizontal)

# 管束效应
N_tubes = np.arange(1, 21)  # 管排数
h_bundle = h_horizontal[10] * N_tubes**(-0.25)  # 以中间管径为例

fig, axes = plt.subplots(1, 2, figsize=(14, 5))

ax1 = axes[0]
ax1.semilogy(D_range*1000, h_horizontal, 'b-', linewidth=2)
ax1.set_xlabel('Tube Diameter (mm)', fontsize=11)
ax1.set_ylabel('Heat Transfer Coefficient (W/(m²·K))', fontsize=11)
ax1.set_title('Effect of Tube Diameter on Condensation', fontsize=12, fontweight='bold')
ax1.grid(True, alpha=0.3)

ax2 = axes[1]
ax2.plot(N_tubes, h_bundle/h_bundle[0]*100, 'r-', linewidth=2)
ax2.set_xlabel('Number of Tube Rows', fontsize=11)
ax2.set_ylabel('Relative Heat Transfer Coefficient (%)', fontsize=11)
ax2.set_title('Tube Bundle Effect', fontsize=12, fontweight='bold')
ax2.grid(True, alpha=0.3)

plt.tight_layout()
plt.savefig(f'{output_dir}/horizontal_tube.png', dpi=150, bbox_inches='tight')
plt.close()

print("图2：水平管凝结已保存")

print("\n" + "="*60)
print("仿真3：湍流膜状凝结")
print("="*60)

# 液膜Reynolds数范围
Re_delta = np.linspace(100, 5000, 1000)

# 层流换热系数
h_laminar = (Re_delta <= 1600) * (1.47 * k_l * (g / (mu_l/rho_l)**2)**(1/3) / Re_delta**(1/3))

# 湍流换热系数（Labuntsov）
h_turbulent = (Re_delta > 1600) * (Re_delta / (Re_delta - 5 + 200*np.sqrt(1.8/Re_delta)) * 
                                    k_l / ((mu_l/rho_l)**2/g)**(1/3))

h_total = h_laminar + h_turbulent

fig, ax = plt.subplots(figsize=(10, 5))
ax.semilogy(Re_delta, h_total, 'b-', linewidth=2, label='Condensation h')
ax.axvline(x=1600, color='r', linestyle='--', alpha=0.7, label='Transition Re=1600')
ax.set_xlabel('Film Reynolds Number Re_δ', fontsize=11)
ax2.set_ylabel('Heat Transfer Coefficient (W/(m²·K))', fontsize=11)
ax.set_title('Laminar to Turbulent Film Condensation', fontsize=12, fontweight='bold')
ax.legend(fontsize=10)
ax.grid(True, alpha=0.3)

plt.tight_layout()
plt.savefig(f'{output_dir}/turbulent_condensation.png', dpi=150, bbox_inches='tight')
plt.close()

print("图3：湍流凝结已保存")

print("\n" + "="*60)
print("仿真4：不凝结气体影响")
print("="*60)

# 不凝结气体质量分数
W_nc = np.linspace(0, 0.1, 100)  # 0-10%

# 简化模型：换热系数随不凝结气体浓度指数下降
h_with_nc = h_bar * np.exp(-20 * W_nc)

fig, ax = plt.subplots(figsize=(10, 5))
ax.plot(W_nc*100, h_with_nc/h_bar*100, 'b-', linewidth=2)
ax.axhline(y=50, color='r', linestyle='--', alpha=0.5, label='50% degradation')
ax.set_xlabel('Non-condensable Gas Mass Fraction (%)', fontsize=11)
ax.set_ylabel('Relative Heat Transfer Coefficient (%)', fontsize=11)
ax.set_title('Effect of Non-condensable Gas on Condensation', fontsize=12, fontweight='bold')
ax.legend(fontsize=10)
ax.grid(True, alpha=0.3)

plt.tight_layout()
plt.savefig(f'{output_dir}/noncondensable_gas.png', dpi=150, bbox_inches='tight')
plt.close()

print("图4：不凝结气体影响已保存")

print("\n" + "="*60)
print("仿真5：凝结模式对比")
print("="*60)

# 膜状凝结 vs 珠状凝结
delta_T_range = np.linspace(5, 50, 100)  # K

# 膜状凝结
h_film = []
for dT in delta_T_range:
    h_f = 0.943 * (g * rho_l * (rho_l - rho_v) * k_l**3 * h_fg / 
                   (mu_l * dT * L))**0.25
    h_film.append(h_f)

h_film = np.array(h_film)

# 珠状凝结（假设为膜状凝结的8倍）
h_dropwise = 8 * h_film

fig, ax = plt.subplots(figsize=(10, 5))
ax.semilogy(delta_T_range, h_film/1e3, 'b-', linewidth=2, label='Filmwise Condensation')
ax.semilogy(delta_T_range, h_dropwise/1e3, 'r-', linewidth=2, label='Dropwise Condensation')
ax.set_xlabel('Temperature Difference ΔT (K)', fontsize=11)
ax.set_ylabel('Heat Transfer Coefficient (kW/(m²·K))', fontsize=11)
ax.set_title('Filmwise vs Dropwise Condensation', fontsize=12, fontweight='bold')
ax.legend(fontsize=10)
ax.grid(True, alpha=0.3)

plt.tight_layout()
plt.savefig(f'{output_dir}/condensation_modes.png', dpi=150, bbox_inches='tight')
plt.close()

print("图5：凝结模式对比已保存")

print("\n" + "="*60)
print("仿真6：冷凝器设计计算")
print("="*60)

# 管壳式冷凝器设计
# 水平管外凝结

# 设计参数
Q_condenser = 50e6  # W，总换热量
T_steam_in = 45  # °C，蒸汽进口温度
T_cooling_in = 25  # °C，冷却水进口温度
T_cooling_out = 35  # °C，冷却水出口温度

# 对数平均温差
T_steam_out = 45  # 饱和蒸汽，温度不变
delta_T1 = T_steam_in - T_cooling_out
delta_T2 = T_steam_out - T_cooling_in
LMTD = (delta_T1 - delta_T2) / np.log(delta_T1 / delta_T2)

print(f"对数平均温差 LMTD = {LMTD:.2f} K")

# 假设总传热系数
U_assumed = 3000  # W/(m²·K)

# 所需传热面积
A_required = Q_condenser / (U_assumed * LMTD)
print(f"所需传热面积 = {A_required:.1f} m²")

# 管参数
D_tube_o = 0.025  # m，管外径
D_tube_i = 0.022  # m，管内径
L_tube = 8  # m，管长

# 单管外表面积
A_tube_single = np.pi * D_tube_o * L_tube

# 管数
N_tubes = int(A_required / A_tube_single) + 1
print(f"管数 = {N_tubes}")

# 冷却水流量
cp_water = 4186  # J/(kg·K)
m_dot_cooling = Q_condenser / (cp_water * (T_cooling_out - T_cooling_in))
print(f"冷却水流量 = {m_dot_cooling:.1f} kg/s = {m_dot_cooling*3.6:.1f} m³/h")

# 蒸汽流量
h_fg_steam = 2392e3  # J/kg，45°C水蒸气潜热
m_dot_steam = Q_condenser / h_fg_steam
print(f"蒸汽流量 = {m_dot_steam:.2f} kg/s = {m_dot_steam*3.6:.2f} t/h")

# 可视化
fig, axes = plt.subplots(1, 2, figsize=(14, 5))

# 温度分布
ax1 = axes[0]
z_pos = np.linspace(0, L_tube, 100)
T_cooling_profile = T_cooling_in + (T_cooling_out - T_cooling_in) * z_pos / L_tube
T_steam_profile = np.ones_like(z_pos) * T_steam_in

ax1.plot(z_pos, T_cooling_profile, 'b-', linewidth=2, label='Cooling water')
ax1.plot(z_pos, T_steam_profile, 'r-', linewidth=2, label='Steam')
ax1.fill_between(z_pos, T_cooling_profile, T_steam_profile, alpha=0.2, color='gray', label='ΔT')
ax1.set_xlabel('Tube Length (m)', fontsize=11)
ax1.set_ylabel('Temperature (°C)', fontsize=11)
ax1.set_title('Temperature Distribution in Condenser', fontsize=12, fontweight='bold')
ax1.legend(fontsize=10)
ax1.grid(True, alpha=0.3)

# 设计参数汇总
ax2 = axes[1]
params = ['Heat Duty\n(MW)', 'LMTD\n(K)', 'Area\n(m²)', 'Tubes\n(-)', 'Cooling Flow\n(kg/s)']
values = [Q_condenser/1e6, LMTD, A_required, N_tubes, m_dot_cooling]
colors_bar = ['steelblue', 'orangered', 'forestgreen', 'mediumpurple', 'gold']

bars = ax2.bar(params, values, color=colors_bar, alpha=0.8)
ax2.set_title('Condenser Design Parameters', fontsize=12, fontweight='bold')
ax2.grid(True, alpha=0.3, axis='y')

for bar, val in zip(bars, values):
    height = bar.get_height()
    ax2.text(bar.get_x() + bar.get_width()/2., height,
             f'{val:.1f}', ha='center', va='bottom', fontsize=10, fontweight='bold')

plt.tight_layout()
plt.savefig(f'{output_dir}/condenser_design.png', dpi=150, bbox_inches='tight')
plt.close()

print("图6：冷凝器设计计算已保存")

print("\n" + "="*60)
print("仿真7：强化凝结传热")
print("="*60)

# 强化凝结传热技术对比
# 1. 沟槽表面
# 2. 纳米涂层
# 3. 表面活性剂

# 基准换热系数
h_baseline = 8000  # W/(m²·K)

# 强化技术
enhancement_techniques = [
    ('Smooth Surface', 1.0),
    ('Micro-grooved', 1.8),
    ('Nanocoated', 2.2),
    ('Surfactant Added', 1.5),
    ('Combined', 3.0)
]

techniques = [t[0] for t in enhancement_techniques]
h_enhanced = [h_baseline * t[1] for t in enhancement_techniques]

fig, ax = plt.subplots(figsize=(10, 6))
colors = plt.cm.viridis(np.linspace(0, 1, len(techniques)))
bars = ax.barh(techniques, np.array(h_enhanced)/1e3, color=colors, alpha=0.8)

ax.set_xlabel('Heat Transfer Coefficient (kW/(m²·K))', fontsize=11)
ax.set_title('Heat Transfer Enhancement Techniques', fontsize=12, fontweight='bold')
ax.grid(True, alpha=0.3, axis='x')

for bar, val in zip(bars, h_enhanced):
    width = bar.get_width()
    ax.text(width + 0.5, bar.get_y() + bar.get_height()/2.,
             f'{val/1e3:.1f}', ha='left', va='center', fontsize=10, fontweight='bold')

plt.tight_layout()
plt.savefig(f'{output_dir}/enhancement_techniques.png', dpi=150, bbox_inches='tight')
plt.close()

print("图7：强化凝结传热已保存")
print("\n所有仿真完成！")

---

4. 工程应用

4.1 电厂凝汽器

凝汽器是火力发电厂的关键设备，其性能直接影响机组的热效率。设计要点包括：

• 管束优化布置，减小蒸汽流动阻力
• 有效排除不凝结气体
• 控制冷却水侧污垢热阻
• 防止管板腐蚀和泄漏

4.2 制冷系统冷凝器

制冷剂在冷凝器中的凝结过程影响制冷循环的性能系数。强化凝结换热的措施：

• 采用微翅片管增加表面积
• 优化制冷剂分配，确保各管路流量均匀
• 控制冷凝压力，提高换热温差

4.3 化工精馏塔

精馏塔中的凝结过程决定了分离效率。操作注意事项：

• 控制回流比，优化能量消耗
• 防止液泛和漏液
• 定期清洗，去除结垢

---

5. 本章小结

凝结换热是高效的相变换热方式，膜状凝结的理论分析相对成熟，Nusselt理论为工程设计提供了基础。珠状凝结虽然换热性能更优，但难以长期维持。不凝结气体是影响凝结性能的主要因素，工程设计中必须采取措施有效排除。