Design of Sustainable Refrigerants by multi-scale Modeling

Author

Albà I Garriga, Carlos

Director

Llovell Ferret, Fèlix lluís

Codirector

Vega Fernández, María Lourdes

Date of defense

2024-10-22

Pages

344 p.



Department/Institute

Universitat Rovira i Virgili. Departament d'Enginyeria Química

Abstract

A mesura que Europa imposa mandats per reduir l'emissió de gasos refrigerants amb un potencial d'escalfament global alt, sorgeix un desafiament urgent per a la indústria de la refrigeració i l'aire condicionat: el desenvolupament d'alternatives mediambientalment sostenibles als fluorocarbonis hidrogenats. En resposta, aquesta tesi se centra en el desenvolupament d'eines de modelatge multiescalar per a una descripció precisa de la captura, ús i emmagatzematge de gasos d'efecte hivernacle, amb especial atenció als gasos fluorats. L'enfocament proposat es basa en l'equació d'estat soft-SAFT, en la seva versió polar, per tal de predir les propietats termodinàmiques idònies que permetin una avaluació tècnica precisa en condicions rellevants per a la indústria de la refrigeració i l’aire condicionat, en combinació amb xarxes neuronals mitjançant descriptors moleculars COSMO. En termes generals, la fortalesa d’aquesta metodologia rau en el desenvolupament de models predictius per al disseny de nous fluids de refrigeració. D’ençà, s’efectua una anàlisi 4E (energètic, exergètic, econòmic i ambiental) per tal de minimitzar costos operacionals, i així donar resposta mitjançant un modelatge computacional a la necessitat imperiosa de nous refrigerants amb propietats termodinàmiques i de rendiment òptimes. Aquest marc és aplicable a una àmplia gamma de condicions de treball i configuracions del sistema, garantint així la seva versatilitat i robustesa, procedint a identificar una mescla [(60/40) wt.% R1243zf + R1234ze(E)] potencial substituta al refrigerant d’ampli ús social R134a. Mètodes d'optimització amb ús d'eines d'anàlisi estadística van avaluar l'impacte dels factors de disseny en la millora del rendiment, resultant en estalvis anuals de caire considerable i en reduccions de les emissions base CO2. S'hi inclou una anàlisi de l'impacte del cicle de vida per quantificar l'impacte associat al seu ús i emissions, amb l'objectiu d'identificar substituts des d'una perspectiva tecno-ambiental-econòmica integral. Per acabar, aquesta tesi explora alternatives al diòxid de carboni per a sistemes subcrítics en cascada.


A medida que Europa impone mandatos para reducir la emisión de gases refrigerantes con alto potencial de calentamiento global, surge un desafío apremiante para la industria de la refrigeración y el aire acondicionado: el desarrollo de alternativas medioambientalmente sostenibles a los hidrofluorocarbonos. En respuesta, esta tesis se centra en el desarrollo de herramientas de modelado multiescalar para describir con precisión la captura, utilización y almacenamiento de gases de efecto invernadero, con especial énfasis en los gases fluorados. El enfoque propuesto se basa en la ecuación de estado soft-SAFT, en su versión polar, para predecir las propiedades termodinámicas necesarias para su evaluación técnica en condiciones relevantes para las aplicaciones de refrigeración, en combinación con redes neuronales mediante descriptores moleculares COSMO. En términos generales, la fortaleza de esta metodología radica en el desarrollo de modelos predictivos para el diseño de nuevos fluidos de refrigeración. A partir de estos datos, se realiza un análisis 4E (energético, exergético, económico y ambiental) para minimizar los costes operacionales, con el fin de dar respuesta mediante modelado computacional a la necesidad imperiosa de nuevos refrigerantes con propiedades termodinámicas y de rendimiento óptimas. Este marco es aplicable a una amplia gama de condiciones de trabajo y configuraciones para así garantizar la solidez y la precisión en el contexto de la recuperación de calor residual, procediendo a identificar una mezcla [(60/40) wt.% R1243zf + R1234ze(E)] potencial sustituta al refrigerante R134a. Métodos de optimización con uso de herramientas de análisis estadístico evaluaron el impacto de los factores de diseño en la mejora del rendimiento, resultando en ahorros anuales y en reducciones de las emisiones de CO2 equivalente. Se incluye un análisis adicional del impacto de vida para cuantificar el impacto asociado a su uso y emisiones, proyectando la identificación de sustitutos desde una perspectiva integral tecno-ambiental-económica. Por último, se exploran alternativas al CO2 para sistemas subcríticos en cascada.


As Europe enforces mandates to substantially phase down the emission of high global warming potential refrigerants, a pressing challenge emerges in the refrigeration and air conditioning industry: the development of environmentally sustainable alternatives to hydrofluorocarbons. In response, this thesis focuses on the implementation of multiscale modelling tools for the development of a consistent methodology to identify new refrigerants with lower emissions. The proposed approach relies on the robust polar soft-SAFT equation of state to predict thermodynamic properties required for their technical evaluation at conditions relevant for cooling applications, in combination with artificial intelligence neural networks integrated using molecular descriptors through COSMO-RS. Overall, the strength of this methodology lies in the development of accurate coarse-grain models that provide the required data for the rational design of new refrigerants, without the need of further experiments. Based on these data, an energy, exergy, economic and environmental (4E) analysis is conducted to minimize retrofitting costs of existing systems, in order to address data gaps and enhance the accuracy of predictions for thermodynamic properties and system performance. This framework is applied across a wide range of operating conditions and system configurations to ensure robustness and accuracy in the context of waste-heat recovery, finding a potential blend [(60/40) wt.% R1243zf + R1234ze(E)] that can effectively replace R134a. A multi-objective optimization method using statistical tools has been developed to assess the impact of design factors on potential enhancements in cooling cycle performance, finding annual cost savings and reduction in CO2 emissions. Additional analysis of environmental impact and projected cost is included to quantify the impact associated with their use and emissions, aiding in the identification of appropriate drop-ins from a holistic techno-environmental-economic perspective. Finally, this thesis explores promising retrofitting alternatives to CO2, overcoming its safety limitation in sub-critical cascade cycles, extending the methodology presented to non-fluorinated compounds.

Keywords

Refrigerants; Avaluació 4E; Intel·ligència Artificial; Refrigerantes; Evaluación 4E; Inteligencia Artificial; Refrigerants; 4E Analysis; Machine Learning

Subjects

311 - Statistics; 536 - Heat. Thermodynamics; 54 - Chemistry; 62 - Engineering

Knowledge Area

Enginyeria i arquitectura

Documents

TESI Carlos Albà I Garriga.pdf

30.73Mb

 

Rights

ADVERTIMENT. Tots els drets reservats. L'accés als continguts d'aquesta tesi doctoral i la seva utilització ha de respectar els drets de la persona autora. Pot ser utilitzada per a consulta o estudi personal, així com en activitats o materials d'investigació i docència en els termes establerts a l'art. 32 del Text Refós de la Llei de Propietat Intel·lectual (RDL 1/1996). Per altres utilitzacions es requereix l'autorització prèvia i expressa de la persona autora. En qualsevol cas, en la utilització dels seus continguts caldrà indicar de forma clara el nom i cognoms de la persona autora i el títol de la tesi doctoral. No s'autoritza la seva reproducció o altres formes d'explotació efectuades amb finalitats de lucre ni la seva comunicació pública des d'un lloc aliè al servei TDX. Tampoc s'autoritza la presentació del seu contingut en una finestra o marc aliè a TDX (framing). Aquesta reserva de drets afecta tant als continguts de la tesi com als seus resums i índexs.

This item appears in the following Collection(s)