Capítulo 5

Análise Computacional de
Ciclos Termodinâmicos
Objetivos
No curso, aprendemos a analisar diferentes ciclos termodinâmicos
fazendo uso de modelos matemáticos formulados com base
nas 1ª e na 2ª lei da termodinâmica

Alguns sistemas, especialmente os que envolvem um número muito

elevado de componentes (e, por consequência, de equações),
são difíceis de analisar sem auxílio de um computador

Neste capítulo, faremos uma breve revisão dos métodos computacionais

necessários à simulação numérica de ciclos termodinâmicos

Vamos também explorar técnicas para computar as propriedades

termodinâmicas necessárias à solução numérica de
problemas envolvendo ciclos termodinâmicos
5.1 Simulação de sistemas térmicos
Simulação ⇒ Técnica para analisar o comportamento e as reações de
um determinado sistema através de modelos que imitam as
características do sistema real, permitindo sua manipulação e estudo
detalhado

Sistemas ⇒ Coleção de componentes

interrelacionados/interdependentes

Simulação de sistemas ⇒ Previsão da performance global a partir do

conhecimento das características de funcionamento dos componentes
5.1 Por que simular um sistema térmico?
Auxiliar na tomada de decisão durante a fase de projeto ⇒ Projetar um sistema de
forma mais acertiva ⇒ Reduzir o número de protótipos (sistema inexistente)

Analisar o efeito de um componente sobre os demais ⇒ Impacto da melhoria de

performance ou da redução de custo de um componente sobre a eficiência do
sistema ⇒ Melhorar o projeto do produto (sistema existente)

Investigar o comportamento do sistema numa faixa de condição diferente da de

projeto

Entender como os componentes estão interrelacionados

Simulação: ↑ ANÁLISE ↓ INTUIÇÃO

5.1 Modelação matemática
Características
• Requer a elaboração de modelos matemáticos para os
componentes
• Requer o uso de algoritmos computacionais para resolver o
sistema de equações algébricas

Origem dos modelos matemáticos (tudo que foi visto até o momento)
& hin + W&in + Q& in = m& hout + W&out + Q& out
• Leis físicas -- balanço de energia m

∂h
• Relações constitutivas -- propriedades termodinâmicas c p = ∂T
p

• Correlações empíricas -- origem experimental η s = f ( pH , p L )

5.2 Métodos numéricos
• No curso, nosso foco está no regime permanente ⇒ sistema de
equações algébricas, que podem ser lineares ou não-lineares

• Métodos de solução de equações algébricas

• Solução Sequencial -- Substituições Sucessivas
• Solução Simultânea -- Newton-Raphson

• Ambos os métodos numéricos são iterativos e fornecem soluções

aproximadas para o sistema de equações ⇒ o critério de
convergência define quão próximo da solução exata se pretende
chegar ⇒ quanto mais restrito for esse critério, maior será o tempo de
computação
5.2 Diagrama de fluxo de informação
• Diagramas de blocos que representam equações algébricas ⇒ Cada bloco
pode ter múltiplas entradas mas apenas uma saída
• Observe o modelo matemático para a capacidade de refrigeração do
evaporador,

Possíveis diagramas
m&
m& , h3 m& , h1 h1 ( )
f h1 , h3 , Q& e , m& = 0 Q& L
EVAPORADOR h3
m&
h3 ( )
f h1 , h3 , Q& e , m& = 0 h1
Q& L
Q& L = m& (h1 − h3 )
Q&L
h1 ( )
f h1 , h3 , Q& e , m& = 0 m&
h3

• Sistema de equações ⇒ conjunto de blocos interconectados

5.2 Método das substituições sucessivas
t1=24°°C
Veja o seguinte exemplo: ts=46°°C
T1=82°°C

A válvula controladora da vazão é representada por:

t 2 = 46 − 6,13 ⋅ 10 −4 m& − 2,71 ⋅ 10 −7 m& 2

E a serpentina, por sua vez, é representada por:

2491,5
m& =
 105 
ln 
 1,8t 2 − 43 

A questão é: t2 = ?, m& = ?
5.2 Método das substituições sucessivas
Repare que a solução pode ser obtida estimando-se um valor inicial para o
fluxo de massa ⇒ este valor é então usado no cálculo do fator de atrito, cujo
valor é empregado para corrigir o fluxo de massa ...

t2 Modelo da m& Modelo da t2

t2 serpentina valvula
(chute inicial)

retro-alimentação

O processo de substituições sucessivas se repete até a convergência!

5.2 Método das substituições sucessivas
Limitações do método
• Aplicando o método de substituição sucessiva de acordo com o diagrama de fluxo
de informações abaixo ⇒ divergência!

t2 Modelo da m& Modelo da t2

t2 vãlvula serpentina
(chute inicial)

retro-alimentação

• A divergência não ocorreu no 1º caso, quando a sequência de componentes era

revertida ⇒ convergência depende da sequência das equações
5.2 Método das substituições sucessivas
Um remédio: sub-relaxação
• Considere a seguinte equação algébrica não-linear ⇒ x2=3

• O primeiro passo para resolvê-la por substituições sucessivas consiste em

linearizá-la ⇒ x=3/x*

• Assumindo x*=2 como estimativa inicial ⇒ x=1,5. Atualizando x*=1,5 ⇒

x=2 ⇒ Divergiu!

• A sub-relaxação consiste em usar parte do novo valor e parte do antigo.

Por exemplo, x=(x+x*)/2

Iteração x* x
1 2 1.5
2 1.75 1.714286
3 1.7321429 1.731959
4 1.7320508 1.732051
5 1.7320508 1.732051 Convergiu
5.3 Solução simultânea: Newton-Raphson

• Criado independentemente pelos britânicos Isaac

Newton e Joseph Raphson

• Empregado por W. F. Stoecker no seu trabalho pioneiro

de simulação de sistemas térmicos: A Generalized
Program for Steady-State System Simulation, ASHRAE Isaac Newton
Transactions, Vol. 77, part I, pp.140-148, 1971

• Método adotado pelo software EES -- Engineering

Equation Solver, que vamos usar no curso

Will Stoecker
5.3 Newton-Raphson a uma variável
1. Mover todos os termos para o lado esquerdo da
equação, de modo que f(x) = 0 ⇒ notação funcional

2. Assumir x = x* = x1 ⇒ na 1ª tentativa f(x*) ≠ 0

3. Determinar o novo valor de x a partir da seguinte

equação

∗f (x ∗ )
x=x −
df
dx x∗

4. Proseguir até que f(x*) → 0, ou seja, x* → xraiz

5.3 Newton-Raphson a uma variável
Exemplo
1. Equação: x2 = 3 ⇒ f = x2- 3 ⇒ df/dx = 2x
2. Assumir x = x* = 2 ⇒ f(2) = 22 – 3 = 1 e df/dx = 2 * 2 = 4
3. Determinar o novo valor de x a partir da seguinte equação

x=x −* f x*( ) 1
= 2 − = 1.75
(df dx )x * 4

4. Proseguir até que f(x*) → 0

Iteração x* f(x*) = R df/dx x

1 2 1 4 1.75
2 1.75 0.0625 3.5 1.732143
3 1.732143 0.000319 3.464286 1.732051
4 1.732051 8.47E-09 3.464102 1.732051
≈0
R≈
x=x*
5.3 Newton-Raphson a uma variável
Limitações do Método de Newton-Raphson

Se o método de Newton-Raphson
encontra um extremo local (máximo
ou mínimo) ⇒ divergêcia!

Uma possível solução consiste em

limitar o intervalo de atuação do
método, por exemplo, x<0.
5.3 Newton-Raphson a uma variável
Limitações do Método de Newton-Raphson

Aqui, o método de Newton-Raphson

entrou em um laço divergente

Isso é comum quando a função f(x)

é obtida através da interpolação
de dados tabulados

Uma possível solução consiste em

alterar a estimativa inicial, x*
5.3 Newton-Raphson a várias variáveis
1. Mover todos os termos para o lado esquerdo das equações
f1 ( x1 , K, xn ) = 0
M
f n ( x1 , K, xn ) = 0

2. Assumir os valores iniciais das incognitas x1*,...,xn* e substitui-los nas

equações acima
3. Calcular as derivadas parciais de todas as funções f em relação a todas as
incógnitas x, e montar o seguinte sistema linear,

 ∂f1 ∂f1 
 ∂x L
∂xn   ∆x1   f1 
 1 
 M O M   M  =  M 
 ∂f n L
∂f n  
 ∆xn   f n 
 ∂x1 ∂xn 

5.3 Newton-Raphson a várias variáveis
4. Resolver o sistema linear para determinar os valores de ∆x1,...,∆xn
5. Corrigir os valores de x1,...,xn da seguinte forma,
x1 = x1* − ∆x1
M
xn = xn* − ∆xn

6. Testar a convergência. Se a magnitude dos valores das funções f forem

suficientemente baixos, terminar. Senão, retornar ao passo 3, recalcular as
derivadas, ...

Observação: aproximação numérica das derivadas

∂f i
≅
( ) (
f i x1 , K , x j + ∆x j , K, xn − f i x1 , K , x j , K, xn )
∂x j ∆x j
5.4 Cômputo de propriedades
A análise numérica de ciclos termodinâmicos requer que as propriedades
termodinâmicas dos fluidos de trabalho (ar, água, refrigerantes, ...) sejam
calculadas em diferentes estados termodinâmicos

Existem diversas formas de incluir as propriedades de interesse no programa de

simulação. No curso, vamos explorar as que seguem:

• Ajuste de curvas
• Busca em tabela e interpolação (look-up table)
• Uso de pacotes comerciais
5.4 Cômputo de propriedades
Ajuste de Curvas
O ajuste de curvas é uma “arte” e a escolha da função depende da experiência do
engenheiro. Quando a tendência física é bem conhecida (teoria), usa-se a função
teórica:
B
ln ( psat ) = A +
Tsat

Mas, de um modo geral, é comum o uso de polinômios do tipo:

n
uv (Tsat ) = ∑ ak Tsatk = a0 + a1Tsat + a2Tsat2 + a3Tsat
3
+ a4Tsat4 + K
k =0

u (T , p ) = b0 + b1 p + b2T + b3 pT + b4 p 2 + b5T 2 + b6 p 2T + b7 pT 2 + b8 p 2T 2 + K
5.4 Cômputo de propriedades
Método dos Mínimos Quadrados
Os coeficientes são obtidos através de um ajuste da melhor curva (best fit) usando o
método dos mínimos quadrados.
O “best fit” é aquele que produz o menor erro entre os valores fornecidos pela equação
ajustada e o conjunto de dados usado no ajuste. Lembre que para obter 3
coeficientes (a,b,c), são necessários pelo menos 3 conjuntos de dados (x,y).
Considere o seguinte ajuste polinomial de 2º grau,

y = a + bx + cx 2

Se o conjunto de dados usado no ajuste possui m pontos experimentais, o método dos

mínimos quadrados determina os coeficientes a, b e c tal que:
2

∑ (a + bx + cxk2 − yk ) → min
m

k
k =1
5.4 Cômputo de propriedades
Método dos Mínimos Quadrados
Os coeficientes são obtidos através de um processo de minimização, em que o resíduo
é derivado em relação à cada um dos coeficientes e igualado a zero:
2
∂ m
∑
∂a k =1
(a + bxk + cxk2 − yk ) = 0
2
∂ m
∑
∂b k =1
(a + bxk + cxk2 − yk ) = 0
2
∂ m
∑
∂c k =1
(a + bxk + cxk2 − yk ) = 0

Os coeficientes a, b e c são então obtidos da solução do seguinte sistema linear:

 m

∑ xi ∑ i  a   ∑ yi 
x 2

 ∑ xi ∑x 2
i ∑ xi3  b  =  ∑ xi yi 
 ∑ xi2 ∑x 3
∑ xi4   c  ∑ xi2 yi 
 i
5.4 Cômputo de propriedades
Limitações do Ajuste de Curvas

• Baixa precisão

• Polinômios podem apresentar oscilações

• Uso limitado ao intervalo de ajuste

• Uma curva para cada par de propriedades

u (T , p ) = b0 + b1 p + b2T + b3 pT + b4 p 2 + b5T 2 + b6 p 2T + b7 pT 2 + b8 p 2T 2 + K

u (T , v ) = c0 + c1 p + c2 v + c3 pv + c4 p 2 + c5v 2 + c6 p 2 v + c7 pv 2 + c8 p 2 v 2 + K
5.4 Cômputo de propriedades
Look-up table

O método consiste em armazenar as propriedades em tabelas 1-D (saturação) e 2-D

(superaquecimento)

As tabelas são geradas através de pacotes comerciais para cálculo de propriedades

termodinâmicas, como o REFPROP e o COOLPACK, e armazenadas em arquivos
de dados

Ao iniciar o programa, as tabelas são alocadas na memória do computador e

consultadas sempre que necessário
5.4 Cômputo de propriedades
Look-up table
A procura do intervalo em que a propriedade de interesse se encontra é feita em
duas etapas: busca (hunt) e bisseção
5.4 Cômputo de propriedades
Look-up table
Quando o intervalo que envolve a propriedade de interesse é encontrado, calcula-se
a propriedade através de uma interpolação linear (1-D) ou bilinear (2-D)
5.4 Cômputo de propriedades
DTU COOLPACK

Refrigerant utilities > Refrigerant calculator

5.4 Cômputo de propriedades
NIST REFPROP

Saturation Table Plot

Specific state points

EES -- Engineering Equation Solver
• Newton-Raphson ⇒ SHELL, SUBPROGRAM
• Programação sequencial ⇒ PROCEDURE, FUNCTION
• Cálculo propriedades termodinamicas de vários fluidos de trabalho