Você está na página 1de 61

Universidade Federal de Goiás

Regional Catalão
Unidade Acadêmica Especial de Biotecnologia
Curso de Bacharelado em Ciências da Computação

Avaliação do Método de Lattice Boltzmann


aplicado a turbinas hidráulicas

Luis Vinicius Costa Silva

Catalão – GO
2018
Luis Vinicius Costa Silva

Avaliação do Método de Lattice Boltzmann aplicado a


turbinas hidráulicas

Monografia apresentada ao Curso de


Bacharelado em Ciências da Computação da
Universidade Federal de Goiás – Regional Catalão,
como parte dos requisitos para obtenção do
grau de Bacharel em Ciências da Computação.
EXEMPLAR DE DEFESA I

Orientador: Prof. Dr. Marcos Aurélio Batista

Catalão – GO
2018
Ficha de identificação da obra elaborada pelo autor, através do
Programa de Geração Automática do Sistema de Bibliotecas da UFG.

Silva, Luis Vinicius Costa


Avaliação do Método de Lattice Boltzmann aplicado a turbinas
hidráulicas [manuscrito] / Luis Vinicius Costa Silva. – 2018.
59 p.: il.

Orientador: Prof. Dr. Marcos Aurélio Batista


Monografia (Graduação) – Universidade Federal de Goiás, Uni-
dade Acadêmica Especial de Biotecnologia, Ciências da Computa-
ção, 2018.
Bibliografia.

1. CFD. 2. Método de Lattice Boltzman. 3. Hidroturbinas. I.


Batista, Marcos Aurélio, orient. II. Título.

CDU 004
Luis Vinicius Costa Silva

Avaliação do Método de Lattice Boltzmann aplicado a


turbinas hidráulicas

Monografia apresentada ao curso de


Bacharelado em Ciências da Computação da
Universidade Federal de Goiás – Regional
Catalão.

Trabalho aprovado em 26 de Fevereiro de 2018.

Marcos Aurélio Batista


Orientador

Prof. Dr. Sérgio Francisco da Silva


UFG - Regional Catalão

Prof. Dr. Marcos Napoleão Rabelo


UFG - Regional Catalão

Catalão – GO
2018
RESUMO
SILVA, L. V. C.. Avaliação do Método de Lattice Boltzmann aplicado a turbinas hidráuli-
cas. 2018. 59 p. Monografia (Graduação) – Unidade Acadêmica Especial de Biotecnologia,
Universidade Federal de Goiás – Regional Catalão, Catalão – GO.

O desenvolvimento de máquinas com designs cada vez mais complexos testadas sob condições
adversas tem posto à prova vários métodos de simulação de Fluidodinâmica Computacional
(CFD - Computational Fluid Dynamics), visto que a viabilidade de simulações com resultados
factíveis em tempo hábil tem decrescido a medida que os cenários de simulação ficam mais
complexos. Tendo isto em mente, faz-se necessário o desenvolvimento e avaliação de novas
técnicas de CFD que facilitem a simulação de escoamentos a fim de que os resultados das
mesmas sejam análogos aos resultados físicos reais, além destes serem obtidos em um tempo
de execução razoável, possibilitando o design eficiente de maquinário. O presente trabalho tem
por objetivo apresentar e avaliar uma nova abordagem de simulação baseada em Fluidodinâmica
Computacional utilizando o Método de Lattice Boltzmann para simulação de escoamentos na
hidroturbina Francis. A aplicação bem sucedida de um método CFD eficiente ao problema de
simular escoamento sobre turbinas d’água pode representar avanços na eficiência energética da
matriz hidrelétrica nacional, visto que o design de hidroturbinas pode ser otimizado através de
ferramentas que possibilitem tal feito.
Atendendo a esta demanda, este trabalho visa apresentar a base teórica para investigação e
avaliação do Método de Lattice Boltzmann simulando escoamentos em hidroturbinas a fim de
oferecer firme fundamento para trabalhos futuros.

Palavras-chave: CFD, Método de Lattice Boltzman, Hidroturbinas.


ABSTRACT
SILVA, L. V. C.. Avaliação do Método de Lattice Boltzmann aplicado a turbinas hidráuli-
cas. 2018. 59 p. Monografia (Graduação) – Unidade Acadêmica Especial de Biotecnologia,
Universidade Federal de Goiás – Regional Catalão, Catalão – GO.

The development of machinery with increasing complexity regarding the design tested under
adverse conditions has proven several Computational Fluid Dynamics (CFD) simulation methods
ineffective, since the feasibility of simulations with realistic results in a timely manner has
decreased as the simulation scenarios became more complex. Hence, it is necessary to develop
and evaluate new CFD techniques in order to facilitate the simulation of flows, assuring the
factuality of the simulation results, in addition to being obtainable in a reasonable amount of
time, enabling the efficient design of machinery. This dissertation aims to present and evaluate a
new simulation approach based on Computational Fluid Dynamics using the Lattice Boltzmann
Method for simulation of flows in the Francis hydroturbine. The successful application of a
new CFD technique to the problem of simulating flow over a water turbine may contribute
to the improvement of the national hydroelectric grid energy efficiency, since the design of
hydroturbines can be optimized through tools that enable such task.
In response to this demand, this Course Final Project aims to supply the theoretical basis that
will allow the investigation and evaluation of the Lattice Boltzmann Method simulating flow in
hydroturbines in order to provide theoretical fundamentation for upcoming works.

Keywords: CFD, Lattice Boltzmann Method, Hydroturbines.


LISTA DE ILUSTRAÇÕES

Figura 1 – Composição da matriz elétrica brasileira . . . . . . . . . . . . . . . . . . . 21


Figura 2 – Disposição dos principais componentes de uma hidrelétrica . . . . . . . . . 26
Figura 3 – Corte seccional detalhando os principais componentes da Turbina Francis . 28
Figura 4 – Exemplo de simulação CFD . . . . . . . . . . . . . . . . . . . . . . . . . . 34
Figura 5 – Exemplo de autômato celular . . . . . . . . . . . . . . . . . . . . . . . . . 35
Figura 6 – Exemplo de Reticulado de LGCA . . . . . . . . . . . . . . . . . . . . . . . 36
Figura 7 – Exemplo de Reticulado de LGCA e simulação de escoamento . . . . . . . . 36
Figura 8 – Passo de colisão e propagação . . . . . . . . . . . . . . . . . . . . . . . . . 40
Figura 9 – Representação de uma célula de um Lattice D2Q9 . . . . . . . . . . . . . . 41
Figura 10 – Representação de uma célula de um Lattice D3Q15 . . . . . . . . . . . . . 42
Figura 11 – Condição de contorno reagindo a colisão . . . . . . . . . . . . . . . . . . . 44
Figura 12 – Mudança da função de distribuição após os passos de colisão e propagação . 44
Figura 13 – Fluxograma do algoritmo de simulação LBM . . . . . . . . . . . . . . . . 45
Figura 14 – Escoamento turbulento em torno de um cilindro . . . . . . . . . . . . . . . 47
LISTA DE ALGORITMOS

Algoritmo 1 – Algoritmo de LBM . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45


LISTA DE TABELAS

Tabela 1 – Cronograma de atividades . . . . . . . . . . . . . . . . . . . . . . . . . . . 54


SUMÁRIO

1 INTRODUÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.1 Considerações iniciais . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.2 Problema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.3 Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.3.1 Objetivo Geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.3.2 Objetivos Específicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.4 Estrutura do trabalho . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

2 MOTIVAÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

3 FUNDAMENTAÇÃO TEÓRICA . . . . . . . . . . . . . . . . . . . . 25
3.1 Geração de eletricidade em uma hidrelétrica . . . . . . . . . . . . . . 25
3.1.1 Hidroturbina Francis . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.2 Dinâmica dos fluidos e Mecânica Estatística . . . . . . . . . . . . . . 29
3.2.1 Mecânica dos Fluidos Tradicional . . . . . . . . . . . . . . . . . . . . . 29
3.2.2 Aplicação de Mecânica Estatística a Dinâmica dos fluídos . . . . . . 30
3.3 Fluidodinâmica computacional . . . . . . . . . . . . . . . . . . . . . . 32
3.4 Predecessores do LBM . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.4.1 Autômato celular . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.4.2 Autômato celular de Lattice Gas . . . . . . . . . . . . . . . . . . . . . 35
3.5 Método de Lattice Boltzmann . . . . . . . . . . . . . . . . . . . . . . 37
3.5.1 Equação de Lattice Boltzmann . . . . . . . . . . . . . . . . . . . . . . 38
3.5.2 Tipos de Lattice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.5.2.1 Lattice D2Q9 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.5.2.1.1 Lattice D3Q15 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.5.3 Condições de contorno . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.5.4 O algoritmo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.6 Modelos de turbulência . . . . . . . . . . . . . . . . . . . . . . . . . . . 46

4 TRABALHOS CORRELATOS . . . . . . . . . . . . . . . . . . . . . 49

5 CONCLUSÃO DE PFC I . . . . . . . . . . . . . . . . . . . . . . . . 53
5.1 Cronograma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
REFERÊNCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
17

CAPÍTULO

1
INTRODUÇÃO

Neste capítulo apresentam-se informações gerais sobre o contexto deste trabalho, uma
breve motivação e enunciação do problema-alvo, discute-se algumas técnicas empregadas para a
resolução do mesmo. Os objetivos do trabalho são listados, e por fim, descreve-se a organização
deste documento.

1.1 Considerações iniciais


A geração de energia por meios hidraúlicos foi uma das primeiras formas de geração
de energia utilizadas pelos seres humanos. Há mais de 2000 anos atrás na Grécia Antiga e no
Oriente Médio, já eram utilizadas rodas e moinhos d’água para a realização da moagem de trigo
em farinha, para a batedura de manteiga entre outros usos (SMITH, 1983; LEWIS; CIMBALA;
WOUDEN, 2014).

Analogamente aos tempos antigos, a eficiência de produção de energia (no caso elétrica)
ainda está diretamente relacionada a eficiência das máquinas de transformação. Assim como
outrora os moinhos d’água marcavam o passo da marcha do progresso, as turbinas hidraúlicas de
usinas hidrelétricas o mesmo fazem nos dias de hoje. Este fato é inegável para a realidade brasi-
leira, visto que 75% da nossa matriz elétrica é dependente de energia hidraúlica (GOVERNO DO
BRASIL, 2010). Logo, o desenvolvimento de máquinas de transformação de energia hidraúlica
em elétrica é extremamente relevante, assim como o desenvolvimento de instrumentos e meios
que levam a tal objetivo.

As técnicas de CFD são inseridas no contexto de simulação de escoamento sobre turbo-


máquinário hidraúlico pelo fato das mesmas lidarem com a simulação numérica de qualquer
18 Capítulo 1. Introdução

processo físico e/ou físico/químico que apresenta escoamento. Esta simulação é feita por sua
vez, através de modelos computacionais baseados nos princípios de conservação de massa, da
energia e da quantidade de movimento linear, no domínio do espaço e do tempo (HIRSCH, 2007).

Segundo Sayma (2009), as simulações CFD servem de recurso vital a engenheiros e cientistas,
no que tange compreender de antemão alguns problemas no design de componentes sensíveis
ao escoamento fluídico de operação do mesmo (e.g: cavitação, formação de vórtices), sem a
necessidade imediata de construção de protótipos e testes em túneis de vento. Através da criação
de uma malha geométrica representando a geometria do componente a ser testado em adição
a um algoritmo de simulação CFD, vários experimentos podem ser conduzidos sob diversas
condições, aferindo algumas variáveis relevantes como a distribuição de pressão, arrasto, atrito
entre outros. Dada a crescente demanda por novos métodos CFD que beneficiam uma simulação
com mais acurácia, e otimizando o uso de recursos computacionais, este trabalho apresenta o
Método de Lattice Boltzmann aplicado a simulação de escoamentos sobre a hidroturbina Francis,
a fim de dar luz sobre a seguinte questão:

O método de Lattice Boltzmann é adequado para simulações CFD de hidroturbinas?

1.2 Problema
Segundo (CHEN et al., 2014), as técnicas tradicionais de CFD atuais não são computaci-
onalmente eficientes para simulações complexas sobre geometrias complexas, geralmente seus
problemas decorrem da resolução de EDP’s clássicas (e.g: equações de Navier-Stokes) através
de métodos numéricos dispendiosos como relaxamentos e iterações. Este trabalho visa explorar
a eficiência do LBM na simulação de escoamento fluídico sobre hidroturbinas, visto que esta
técnica tem se mostrado extremamente eficiente em diversos nichos de problemas relacionados a
CFD como simulações de fluídos multi-fásicos, meios porosos e geometrias complexas (QIAN;
SUCCI; ORSZAG, 1995). Além disso, sua natureza permite um processamento paralelizável,
fazendo uso máximo dos recursos computacionais disponíveis.
Uma avaliação do LBM neste problema contribuirá para o avanço nas técnicas de CFD atu-
ais, e provavelmente, o desenvolvimento de solvers de CFD mais eficientes do ponto de vista
computacional.

1.3 Objetivos
1.3.1 Objetivo Geral
O principal objetivo deste trabalho é avaliar a performance do método de Lattice Boltz-
mann na simulação de escoamento de fluídos em hidroturbinas, a fim de que técnicas mais
1.4. Estrutura do trabalho 19

eficientes de simulação CFD sejam desenvolvidas. O desenvolvimento de técnicas de CFD efici-


entes em aspecto numérico (i.e: velocidade na convergência da solução, estabilidade numérica
e etc.) e computacional(e.g: exploração de paralelismo) tem como objetivo-fim neste trabalho,
apresentar contribuições no processo de design de hidroturbinas, possibilitando uma geração
de energia eficiente. Note que a eficiência de uma turbina hidraúlica não está necessariamente
relacionada a quantidade de energia dissipada/desperdiçada durante o escoamento. Outros fatores
como a vida útil da turbina e mortalidade de peixes que a mesma apresenta podem servir de
métrica para a eficiência da mesma. Com o intuito de tornar a leitura mais simplista, este trabalho
adota o conceito de eficiência da turbina em função da quantidade de energia dissipada pela
mesma durante o escoamento.
Com o desenvolvimento de novas técnicas CFD para componentes turbomaquinários, designs
mais eficientes de hidroturbinas podem ser desenvolvidos, e talvez, com a máxima utilização da
queda d’água na geração de energia, a construção de hidrelétricas pode ser minimizada, dado
que o potencial de geração de energia de cada unidade é otimizado, minimizando o impacto
ambiental da matriz hidrelétrica.

1.3.2 Objetivos Específicos

• Estudar modelos computacionais relacionados a CFD;

• Gerar malhas geométricas da turbina Francis;

• Realizar simulações CFD utilizando o LBM nas malhas geradas na etapa anterior;

• Interpretar os resultados em relação a acurácia e o tempo de execução do algoritmo.

• Avaliar a performance do LBM nos experimentos desenvolvidos, em termos de acurácia


da solução, quantidade de iterações necessárias até a convergência, aproveitamento de
recursos computacionais e etc.

1.4 Estrutura do trabalho


O presente trabalho foi dividido em cinco capítulos, o capítulo 1 discorre de maneira
breve sobre o trabalho no que tange a definição do problema-alvo, a definição de objetivos e uma
breve motivação para a resolução do mesmo.

O Capítulo 2 apresenta de forma concreta a motivação do trabalho, discorrendo acerca


do papel das hidrelétricas na matriz energética brasileira e a importância da pesquisa de novas
técnicas CFD em prol de um design eficiente de turbinas hidraúlicas.
O Capítulo 3 tem por objetivo apresentar alguns conceitos relevantes que fundamentam
este trabalho, a fim de que o mesmo seja o mais autocontido possível, fazendo com que a
20 Capítulo 1. Introdução

leitura dos capítulos posteriores seja amigável ao leitor visto que os conceitos apresentados
posteriormente já estarão bem apresentados ao leitor. Os principais tópicos discorrem acerca
de: mecânica estatística aplicada a dinâmica dos fluídos, definição de CFD, o modelo LBM,
funcionamento de hidrelétricas e hidroturbinas e etc.

A revisão de trabalhos correlatos é realizada no capítulo 4, listando artigos seminais e


seus conceitos relevantes assim como outras dissertações e teses relacionadas a este tema. Um
paralelo é traçado entre o presente trabalho e outros trabalhos desenvolvidos na literatura. A sele-
ção de alguns trabalhos é realizada nesta etapa a fim de oferecer dados para alguns experimentos
que serão realizados posteriormente.

O capítulo 5 apresenta as conclusões da pesquisa até o momento, realizando um balanço


das atividades desempenhadas e apresentando um cronograma de atividades para a etapa posterior
do trabalho.
21

CAPÍTULO

2
MOTIVAÇÃO

A energia hidrelétrica representa de 15 a 20% de toda a eletricidade gerada no mundo.


Este meio de produção de energia compõe 70,1% da matriz energética brasileira, uma porção
substancial da matriz, visto a abundância de recursos hídricos disponíveis para a construção de
hidrelétricas. O gráfico 1 demonstra a composição da matriz elétrica brasileira:

Figura 1 – Composição da matriz elétrica brasileira

Fonte: Adaptada de ANEEL (2014).

A energia hidrelétrica teve um papel fundamental na ascensão do Brasil para a sétimo


maior economia do mundo em 2012 em relação ao PIB. A viabilidade do crescimento do PIB
nacional neste período foi dependente do produção de energia elétrica produzida através das hi-
22 Capítulo 2. Motivação

drelétricas. Em 2010, a matriz nacional produziu 349 mil GWh de eletricidade, e em 2011 houve
um crescimento de 40%, levando a produção nacional a 489 mil GWh/ano, sendo que 80% desta
energia é oriunda de fontes hidraúlicas (INTERNATIONAL HYDROPOWER ASSOCIATION,
2013).

Logo, um pequeno aumento na performance das hidroturbinas pode representar um


grande ganho econômico, visto que uma quantidade maior de energia poderá ser gerada com
o mesmo potencial energético da queda d’água, além disso um design mais eficiente pode
contribuir também para a durabilidade da turbina. Com turbinas mais eficientes em hidrelétricas,
a demanda pela construção das mesmas é minimizada, diminuindo o impacto ambiental das
mesmas como um todo. Além disso, designs eficientes podem estar relacionados a mortalidade
de peixes ou a duração da vida útil da turbina.

O crescimento contínuo do poder computacional tem motivado a academia e a indústria


na adoção de técnicas CFD para simulações numéricas envolvendo dinâmica dos fluidos. Em um
relatório apresentado pela National Science foundation em uma comissão independente sobre
simulação baseada em engenharia física (SBES - Simulation based engineering science), Atkins
(2006) afirma que “simulação é um elemento chave para alcançar progresso em engenharia e
ciência” complementado por:

“A simulação é onipresente na indústria. Ela desempenha um papel


essencial no design de materiais, processos de fabricação e produtos.
Cada vez mais, a simulação está substituindo testes físicos para garantir a
confiabilidade e a qualidade do produto. Menos testes significam menos
protótipos, e o resultado é um ciclo de projeto mais curto.” (ATKINS,
2006).

O LBM surge como método CFD alternativo, que propõe a simulação de escoamento
utilizando uma abordagem de simulação análoga aos autômatos celulares e suas variantes, através
de outro conjunto de equações(i.e: equação de Boltzmann) adicionado a um modelo probabilís-
tico. Este método visa explorar ao máximo os recursos de computação paralela, simulando o
escoamento de fluidos de maneira mais precisa e em situações mais complexas (e.g: geometrias
complexas, fluidos multifásicos, etc.).

Nos últimos anos o uso de simulações numéricas para escoamento de fluidos tornou-se
uma importante ferramenta no processo de design de turbomáquinas. Casartelli e Mangani (2013)
afirmam que o emprego de técnicas de CFD no design de tais componentes reduz significamente
o custo na fase de projeto, no que tange a criação de protótipos, manutenção de instalações de
teste e a diminuição em geral no ciclo de desenvolvimento do componente.
23

Zhang (2011) lista uma série de trabalhos na literatura a fim de apontar o o Método
de Lattice Boltzmann como uma alternativa promissora aos métodos CFD tradicionais em
aplicações voltadas a microfluidos e fluidos multifásicos. É afirmado também que o LBM,
através de sua natureza paralelizável, promove a diminuição do tempo de execução mantendo
a precisão da simulação. Visto que este é um modelo de simulação muito novo, a literatura
que documenta a avaliação deste em diferentes tipos de problema relacionados a escoamento
é escassa. Logo, o presente trabalho visa preencher tal lacuna, avaliando o LBM aplicado a
simulação de escoamento em hidroturbinas, aproveitando-se da natureza paralelizável do mesmo
para atingir uma performance computacional eficiente na resolução do problema em questão.
25

CAPÍTULO

3
FUNDAMENTAÇÃO TEÓRICA

Para o desenvolvimento deste trabalho, foi realizada um estudo extensivo sobre o método
de Lattice Boltzmann, a fundamentação teórica da física que o resguarda e uma breve introdução
sobre o funcionamento da hidroturbina Francis.

Inicialmente, é apresentado uma breve descrição sobre o funcionamento das hidrotur-


binas e seu papel em usinas hidrelétricas, posteriormente a definição de fluido juntamente
com a equação de Navier-Stokes e a equação de Boltzmann são apresentadas, fornecendo a
fundamentação teórica acerca da porção de dinâmica dos fluídos que foi explorada neste trabalho.

Uma vez que a porção de dinâmica dos fluídos é apresentada como modelo matemático
no trabalho, o Modelo de Lattice Boltzmann é apresentado, enfatizando as partes relevantes do
mesmo que irão compor o algoritmo de simulação.

3.1 Geração de eletricidade em uma hidrelétrica


Uma hidrelétrica gera energia através da transformação da energia mecânica oriunda da
água em energia elétrica. Em geral, uma hidrelétrica é composta pelas seguintes partes: barragem,
conduto forçado, casa de força,vertedouro, turbina e canal de fuga.

Segundo (WAGNER; MATHUR, 2011), a barragem é uma contenção do rio a qual


desempenha duas funções: a primeira é desviar o curso natural do rio formando um reservatório
de água. Devido a esta contenção de um grande volume de água em um reservatório, uma queda
d’água é naturalmente formada até o vertedouro caracterizando a segunda função (i.e: a entrada
do conduto forçado). A água é conduzida pelo conduto forçado até as turbinas, localizadas na
casa de força. Lá a água move as pás da turbina, a turbina por sua vez transfere essa energia
26 Capítulo 3. Fundamentação Teórica

mecânica para um hidrogerador que transforma a energia mecânica em elétrica. Finalmente a


água sai da turbina pelo tubo de sucção até o canal de fuga da usina, onde retorna ao curso
natural do rio.
A Figura 2 ilustra os principais componentes de uma hidrelétrica e o funcionamento dos
conjunto dos mesmos em uma unidade hidrelétrica. Esta ilustração de unidade hidrelétrica é
generalista visto que existe uma série de variações no modelo de hidrelétrica. Segundo Pereira
(2015), as vantagens da geração de energia elétrica por meios hidraúlicos são claras: a possibili-
dade de represamento da fonte de energia, permitindo o controle da quantidade de energia gerada,
o impacto ambiental mínimo, a eficiência na geração de energia e a facilidade de construção.

Figura 2 – Disposição dos principais componentes de uma hidrelétrica

Fonte: Adaptada de Energié NB Power (2014).


3.1. Geração de eletricidade em uma hidrelétrica 27

3.1.1 Hidroturbina Francis

Segundo Wagner e Mathur (2011), as hidroturbinas são componentes vitais de unidades


hidrelétricas que tem como papel a captação da energia mecânica oriunda do fluxo de água e sua
posterior transformação em energia elétrica (em conjunto com um hidrogerador). Existem vários
modelos de hidroturbinas, onde cada uma destas são adequadas para uma certa faixa de altura de
queda d’água. Este trabalho dará ênfase a Turbinas Francis, devido a sua popularidade no mundo
(PAISH, 2002), em especial no Brasil.

A hidroturbina Francis foi inventada pelo americano James Bicheno Francis em 1849,
e ainda é uma das turbinas hidraúlica mais usadas até hoje. Seu funcionamento começa com
a água percorrendo o conduto forçado até a entrada da turbina, que passa por um sistema de
guias móveis, estas controlam a vazão volumétrica fornecida à turbina. No intuito de aumentar
a potência as guias se abrem, para diminuir a potência elas se fecham, visto que a potência da
turbina em um instante de tempo está relacionada com a velocidade do fluído que por ela passa.
Na sequência, a água chega ao rotor da turbina, onde a energia cinética do choque da água é
transferida para a superfície do rotor na forma de torque e velocidade de rotação. Após passar
pelo rotor, um duto chamado tubo de sucção conduz a água até a parte de jusante do rio, no nível
mais baixo (DIXON; HALL, 2013).
Os principais componentes da Turbina Francis são (NPTEL, 2009):
Caixa espiral: O fluído entra pelos túneis de adução e é conduzido até a caixa espiral.
Este tipo de caixa espiral é conhecida também como caixa caracol, visto que a caixa espiral
circunscreve o rotor em formato caracol. A área transversal da caixa espiral decresce de maneira
uniforme ao longo da circunferência do rotor, a fim de manter a velocidade do fluido constante
ao longo das palhetas diretrizes.

Palhetas diretrizes: O propósito básico das palhetas diretrizes é converter parte da


pressão exercicida pelo fluido em sua superfície para energia cinética e posteriormente desviar
o fluido para o rotor. Além disso, as palhetas diretrizes agem como mecânismo regulador que
rege a quantidade de água por instante de tempo desviada para o rotor. As palhetas de guia
proporcionam uma velocidade tangencial e, portanto, um momento angular para a água antes da
entrada no tubo difusor.

Tubo de sucção/difusor: O tubo de sucção é um duto que liga a saída do rotor ao canal
de fuga da usina, no qual a água deixa o interior da turbina. A função primária do tubo de sucção
é reduzir a velocidade da água descartada a fim de minimizar a perda de energia cinética na
saída. Isso permite que a turbina seja colocada acima do canal de fuga sem qualquer queda
apreciável da cabeça disponível. Uma compreensão clara da função do tubo de descarga em
28 Capítulo 3. Fundamentação Teórica

qualquer turbina de reação, de fato, é muito importante para o propósito de sua concepção. O
objetivo de fornecer um tubo de rascunho será melhor entendido se estudarmos cuidadosamente
a cabeça disponível na rede através de uma turbina de reação.

Pás do rotor: As pás do rotor são a parte principal da turbina, eles recebem a energia
cinética decorrente do choque da água em sua superfície, a força tangencial causa a rotação do
rotor produzindo torque, neste momento o hidrogerador recebe a energia mecânica necessária
para gerar eletricidade. A angulação das pás do rotor na turbina é um fator determinante para
extrair o máximo de potencial energético decorrente do choque da água. A Figura 3 ilustra um
corte seccional da turbina Francis, exibindo os componentes listados:

Figura 3 – Corte seccional detalhando os principais componentes da Turbina Francis

Fonte: Adaptada de NPTEL (2009).


3.2. Dinâmica dos fluidos e Mecânica Estatística 29

3.2 Dinâmica dos fluidos e Mecânica Estatística


Esta seção tem como objetivo introduzir ao leitor uma pequena revisão da mecânica dos
fluidos “tradicional”, i.e: a descrição do comportamento dos fluidos através das equações de
Navier-Stokes. Após isso é apresentada uma abordagem ao problema do escoamento baseada na
mecânica estatística. Esta fundamentação é necessária para a apresentação do Método de Lattice
Boltzmann avaliado no trabalho, visto que seus conceitos-chave derivam da fundamentação
teórica aqui apresentada.

3.2.1 Mecânica dos Fluidos Tradicional


Fluido é toda substância que se deforma continuamente quando submetida a uma ínfima
tensão de cisalhamento. O comportamento de fluidos no domínio do espaço contínuo é descrito
pelas equações de Navier-Stokes. Estas equações se originam da aplicação da segunda lei de
Newton a um elemento infinitesimal de fluido, levando em conta a hipótese de proporcionalidade
entre tensão e deformação. Para um escoamento incompressível e isotérmico, as equações de
Navier-Stokes são expressas em sua forma diferencial como:

 
∂u
ρ + u · ∇u = ρg − ∇p + µ(∇2 u) (3.1)
∂t

onde ρ é a densidade do fluido, u é a velocidade vetorial do escoamento, ∇ é o operador diferen-


cial del , g representa acelerações de corpo (tais como gravidade, campos elétricos, acelerações
inerciais, etc.), p é a pressão, µ é a viscosidade dinâmica e ∇2 é o operador laplaciano.

A fim de descrever corretamento o comportamento dos fluídos, a equação 3.1 é restrita


ao princípio de conservação da massa, o qual é representado pela Equação da Continuidade:

~∇ × J~ − ∂ ρ (3.2)
∂t
onde J~ é a densidade de corrente e ρ a densidade do fluido. Esta equação dita que a variação da
densidade da corrente de fluido em relação ao tempo é proporcional a variação da densidade em
relação ao tempo. Segundo Fox, Pritchard e McDonald (2000), tais equações admitem soluções
analíticas apenas para casos clássicos de escoamento com características bem definidas. Assim,
o uso de métodos numéricos se torna indispensável para a resolução destas equações.

Os escoamentos de fluido podem ser classificados em:

• Fluido Laminar;

• Fluido Turbulento;
30 Capítulo 3. Fundamentação Teórica

• Fluido Transicional;

A classificação de cada escoamento sob tais categoriais se baseia em um parâmetro


adimensional chamado de número de Reynolds, o qual pode ser entendido como a razão entre as
forças inerciais e as forças viscosas:

UL µ
Re = , v= (3.3)
v ρ
onde U é a velocidade na corrente livre, L é o comprimento característico e v é a viscosidade
cinemática, expressa pela razão entre a viscosidade dinâmica µ e densidade ρ.

Escoamentos que apresentam características uniformes no movimento das partículas que


o compõem são denominados laminares. Em contrapartida o regime turbulento é caracterizado
por movimentos rápidos e aleatórios das partículas que compõem o fluido. Entre tais estados,
temos um regime de transição no qual os regimes se alternam entre os dois – a este tipo de regime
denomina-se de transitório (FOX; PRITCHARD; MCDONALD, 2000). É sabido que fluidos
com Re > 2400 possuem escoamento turbulento, Re < 2000 possuem escoamento laminar, e
consequentemente 2000 < Re < 2400 caracterizam um fluido transicional.

3.2.2 Aplicação de Mecânica Estatística a Dinâmica dos fluídos


A mecânica estatística começou com os estudos do físico Ludwig Boltzmann em 1870
acerca do comportamento macroscópico de sistemas físicos compostos por um elevado número
de entidades microscópicas (e.g: moléculas, átomos,...) através de modelos probabilísticos. A
abordagem probabilística da mecânica estátistica à dinâmica de fluídos é motivada pela natureza
estocástica de uma grande quantidade desconhecida de partículas que compõem o fluído.
Suponha 1 cm3 de ar expostos a 0 C sob uma pressão atmosférica de 1 atm, existem aproxima-
damente 2, 69 · 1019 partículas. No modelo de Boltzmann, a dinâmica “atomística”, i.e: de cada
entidade microscópica é regina pelas equações da mecânica clássica de Newton:

dxi pi
= (3.4)
dt m

d pi
= Fi (3.5)
dt
no qual i = 1, . . . , N , xi é a coordenada da i-ésima partícula, pi = mεi , o momento linear e
Fi é a força externa oriunda das interações interparticulares ou forças externas como força
gravitacional ou campo elétrico. Em um espaço tridimensional, existem 6N funções temporais
(xi (t), pi (t)), i = 1, . . . N (CERCIGNANI, 1988). As equações 3.4 e 3.5 fornecem uma descrição
detalhada de todas as N partículas do sistema, a partir delas é possível capturar o comportamento
3.2. Dinâmica dos fluidos e Mecânica Estatística 31

do sistema inteiro (i.e: simular o sistema), através da computação de cada partícula inscrita
no sistema. É perceptível que a computação do comportamento do sistema inteiro através das
computações de todas as partículas que o compõem é impraticável, visto que a quantidade de
partículas de um sistema com um volume de apenas 1 cm3 é exorbitante, tornando a simulação
através desta estratégia inviável para qualquer sistema computacional disponível atualmente e
provavelmente no futuro. Além disso simular toda partícula do sistema é desnecessário, visto
que uma porção de partículas pode “cancelar” o movimento de outra porção.

Segundo Harris (2004), Boltzmann propõe uma abordagem estatística a fim de contornar
o problema de computar todos as entidades microscópicas de um sistema a fim de aferir seu
comportamento macroscópico. Esta abordagem estatística se baseia em aplicar uma função de
distribuição fN (x1 p1 , . . . , xN pN ,t) a uma porção de N partículas, onde N é um número menor
que a quantidade de partículas no sistema original. A probabilidade de encontrar uma partícula
no intervalo de [x1 , x1 + dx1 ] × [p1 , p1 + d p1 ] × · · · × [xN , xN + dxN ] × [pN , pN + d pN ] é dada por
fN (x1 p1 , . . . , xN pN ,t), onde fN compreende toda a informação estatística necessária para capturar
o comportamento de uma porção arbitrária de partículas. Logo não é mais necessário computar
todo os elementos microscópicos do sistema para computar o comportamento macroscópico
do mesmo, visto que o domínio do problema é dividido em porções de partículas, onde suas
características (e.g: velocidade vetorial, temperatura) são computadas através de uma função de
distribuição, diminuindo significamente a quantidade de computações necessárias em relação a
estratégia anterior.
Portanto, Boltzmann propõe que o comportamento das partículas de um fluido devam ser compu-
tadas de forma agrupada, ao invés de individualmente, fazendo-se uso do conceito de função
distribuição de partículas. O sistema é descrito pelas leis da mecânica clássica sob a probabilidade
de um grupo de partículas se deslocar dentro de um dado intervalo de velocidades e posições em
um instante de tempo t(CERCIGNANI, 1988). Além disso a computação do comportamento me-
soscópico do sistema é possível, em contraste a simulações utilizando equações macroscópicas
como a de NS. Com estas informações podemos escrever a Equação do Transporte de Boltzmann
(ETB) para um sistema termodinâmico fora de equilíbro:

∂f
+ c · ∇ f = Ω( f ) (3.6)
∂t

onde f é a função de distribuição correspodente a densidade probabilística de encontrar um


conjunto de partículas localizadas no volume dx na posição x e com velocidades entre c e c + dc
no intervalo de tempo ∆t ; c é a velocidade microscópica das partículas, e Ω( f ) é o operador
de colisão. O primeiro lado da igualdade representa a advecção de f e o segundo termo da
igualdade é um termo fonte representando o operador de colisão. Visto que esta EDO tem seu
termo fonte dependente da variável que se deseja resolver, a solução analítica não é possível,
sendo necessário o uso de métodos numéricos para a resolução da mesma.
32 Capítulo 3. Fundamentação Teórica

3.3 Fluidodinâmica computacional


Conforme Bhaskaran e Collins (2002) a Fluidodinâmica Computacional (CFD) é um
ramo da mecânica dos fluídos com uma grande interseção em computação científica e modela-
gem computacional. Este campo se concentra na simulação de escoamentos utilizando métodos
computacionais para a resolução numérica de uma EDP/EDO.

É sabido que o movimento dos fluidos incompressíveis é regido pelas Equações de


Navier-Stokes, um conjunto de EDP’s não lineares derivadas das leis básicas acerca da conserva-
ção de massa, momento linear e energia. Infelizmente, a solução analítica de muitos problemas
práticos não é possível para problemas práticos, logo a resolução das EDP’s que descrevem
o problema deve ser feita de forma numérica. As técnicas de CFD tem papel fundamental no
contexto de tais problemas.

Uma série de vantagens é apresentada por simulações CFD como: a rápida prototipação e
avaliação de equipamentos, dispensando (em alguns casos) túneis de vento e instalações análogas;
Montagem de experimentos complexos com pouco esforço; Diminuição em custos do projeto e
etc.
Segundo Roache (1998), uma simulação de CFD clássica geralmente apresenta as
seguintes etapas:

1. Geração de malha geométrica:

A geometria do sistema físico precisa ser gerada através de um modelo 3D/2D, no qual um
conjunto de polígonos mimetiza a forma dos componentes do sistema. Quanto maior a
quantidade de detalhes na geometria do sistema, maior será a acurácia dos resultados,
entretanto geometrias extremamente complexas resultam em simulações dispendiosas,
além disso, o acréscimo de detalhes em uma geometria poderá não melhorar a acurácia da
simulação, visto que o modelo já convergiu a um resultado.

2. Criação de uma malha númerica inscrita na geometria do sistema simulado:

Para identificar os finitos locais discretos em que as variáveis devem ser calculadas, a geometria
é dividida em um número finito de células que compõem a grade numérica do sistema.
Previamente a esta tarefa, é necessário identificar os fenômenos de escoamento particulares
da simulação (e.g: turbulência, fluxo compressível, choques, combustão, fluxo multifásico,
mistura, etc.), de modo que a grade gerada seja adequada para captura o fenômeno
desejado.
3.3. Fluidodinâmica computacional 33

3. Computar valores de variáveis durante simulação:

A discretização produz um grande número de equações algébricas. Estas equações


são geralmente resolvidas utilizando um método numérico iterativo, começando com
um valor inicial especulativo para todas as variáveis, e com o decorrer da simulação,
estes assumem os valores reais. Os resíduos são computados através das equações
discretizadas. Após uma dada quantidade de iterações, o valor de resíduo de cada
variável será reduzido significativamente até o ponto que a solução da iteração atual
tenha convergido – neste ponto a solução final do sistema é dada como computada.

4. Determinar uma solução suficientemente convergente:

Um aspecto chave no processo de computar a solução é determinar quando a solução


alcançou um nível adequado de convergência. Quando a soma dos resíduos no sistema
for suficientemente pequena, considera-se que a solução convergiu e novas iterações
não são mais necessárias.

5. Pós-processamento:

Uma vez que uma solução final foi calculada, os resultados podem ser apresentados
como uma lista de valores, gráficos, imagens representando valores de variáveis na
malha, velocidades vetoriais e/ou linhas de contorno.

6. Interpretação de resultados, verificação e validação:

Uma vez que todas as outras etapas são completadas, a solução deve ser verificada e
validada. Se o resultado obtido falhar nesta etapa, logo a simulação provavelmentee
deve ser realizada novamente, reavaliando o fenômeno alvo com algumas mudanças
como: a mudança na geometria e grade do sistema simulado, com a finalidade de
melhorar a resolução do sistema; reavaliar os detalhes do modelo computacional
como as condições de contorno e algumas suposições feitas acerca da natureza do
sistema.

Na Figura 4 podemos observar um exemplo de saída de uma simulação CFD.


34 Capítulo 3. Fundamentação Teórica

Figura 4 – Exemplo de simulação CFD

Fonte: ANSYS Inc. (2013).

Como pode ser observado, foi modelada uma malha geométrica correspondente a um avião,
e após uma simulação de escoamento sobre a estrutura do mesmo, foram computadas as ve-
locidades vetoriais do fluido tangente a carcaça do avião. Com estas informações, melhorias
aerodinâmicas podem ser executadas a fim de minimizar atrito, arrasto, calor, etc. Este tipo de
teste facilita o trabalho de engenheiros e projetistas visto que testes de protótipos podem (em sua
maioria) ser realizados de forma computacional.

3.4 Predecessores do LBM


3.4.1 Autômato celular
Autômatos Celulares (CA’s) são modelos computacionais para simulações generalistas.
São organizados em arranjos regulares de células individuais do mesmo tipo. Cada célula possui
um número finito de estados discretos, e esses estados são atualizados simultaneamente a cada
passo de tempo. As regras para essa atualização dependem somente dos estados da célula e da
vizinhança local de células ao redor dela (WOLF-GLADROW, 2008a).
Um autômato celular (CA) é composto por um conjunto de células que podem assumir dois
estados de forma exclusiva ao longo do tempo: ocupado/ativo ou livre/desativao. Autômatos
celulares podem possuir a disposição de células em n dimensões. A fim de simplificar este
referencial teórico, podemos definir o estado atual de uma célula em um autômato celular 1D da
seguinte forma determinado através da equação 3.7:

ait = F[at−1 t−1 t−1 t−1


i−r , ai−r+1 , · · · , ai , · · · , ai+r ] (3.7)

com a sendo o estado da célula i no tempo t, e como função dos estados anteriores (t − 1) das
células num raio entre −r a r.

A Figura 5 exemplifica um autômato celular e suas respectivas regras.


3.4. Predecessores do LBM 35

Figura 5 – Exemplo de autômato celular

Fonte: Weisstein (2002).

À medidade que a quantidade de dimensões de um CA aumenta, este começa a possuir


mais liberdade para para arranjar as células, definir seus vizinhos e regras de atualização. Em
síntense, CA’s simulam comportamentos complexos com regras de atualização simples, as quais
são fáceis de implementar e são naturalmente paralelizáveis. Entretanto o autômato celular não
consegue implementar de forma factível as leis de conservação de massa, momentum e energia
característica das simulação de fluídos.

3.4.2 Autômato celular de Lattice Gas

O LGCA (Lattice Gas Cellular Automata) simplifica o problema da construção de


autômatos celulares para a simulação de fenômenos físicos, dividindo a regra de atualização em
duas partes: propagação e colisão.
Basicamente, o LGCA é construído como um modelo simplificado composto por partículas
fictícias, no qual espaço, tempo e velocidades vetoriais das partículas são discretos.
Em geral um LGCA consiste de um grade regular composta por células (analogamente a um
CA), no qual todas as partículas fícticias da simulação se encontram nas arestas das células. Um
conjunto de variáveis booleanas ni (x,t)(i = 1, · · · , b) descrevem como as partículas são ocupadas,
onde b é o número de direções das velocidades vetoriais de cada nó (WOLF-GLADROW, 2008b).
As Figuras 6 e 7 ilustram a representação de grade do LGCA e o campo vetorial resultante de
uma simulação de fluxo potencial em torno de um cilindro circular:
36 Capítulo 3. Fundamentação Teórica

Figura 6 – Exemplo de Reticulado de LGCA

Fonte: Coveney e Fowler (2005).

Figura 7 – Exemplo de Reticulado de LGCA e simulação de escoamento

Fonte: OpenStax (2009).

Partindo do estado inicial do LGCA, i.e: t = 0, as conFigurações das partículas de cada


“passo de tempo” (iteração do algoritmo de simulação representando um instante discreto de
tempo) se desenrola em duas fases distintas que se intercalam entre si, são elas propagão e colisão.

1. Propagação: onde cada partícula se move para o nó (i.e: aresta da próxima célula) mais
próximo obedecendo sua velocidade vetorial naquele instante.

2. Colisão: as partículas chegam no nó e interagem com elementos de sua vizinha, pos-


sivelmente alterando sua velocidade vetorial de acordo com as regras de dispersão do
autômato.

É perceptível pela descrição de tal modelo que uma quantidade substancial de memória
é necessária, visto que, além da quantidade de partículas do LGCA ser maior que a de um CA
3.5. Método de Lattice Boltzmann 37

comum, visto que as partículas não são as próprias células da grade, mas sim partículas que
residem em todas as arestas de todas as células da grade com velocidades vetoriais distintas.
Brown, Munro e Kendon (2010) sugerem que o Princípio de Exclusão de Pauli seja adotado
no espaço da simulação (conceito emprestado da mecânica quântica), com dois propósitos:
restringir o sistema simulado, de tal forma que não haja mais que uma única partícula em um
dado instante de tempo e nó se movendo a uma determinada direção, diminuindo o número
de partículas redundantes do sistema e consequentemente minimizando o uso de memória e
processamento; além disso, o equilíbrio do sistema sob uma distribuição de equilíbrio de Fermi-
Dirac é alcançado através de tal restrição, levando a duas vantagens do ponto de vista físico
(FRISCH; HASSLACHER; POMEAU, 1986):

1. a construção do modelo será a mais simples possível capaz de representar o “microcosmo”


de um sistema composto por várias partículas indistinguíveis;

2. as características essenciais dos processos reais de colisão interpartículas serão factíveis,


de tal forma que um sistema com uma grande quantidade de partículas simulado por uma
grande quantidade de tempo terá seus fenômenos de transporte em escala macroscópica
bem representados.

Dada a natureza mesoscópica da simulação, algumas vantagens numéricas ficam claras


como a estabilidade numérica do modelo, a facilidade de implementar condições de contorno
além da facilidade de paralelização da simulação.
Entretanto, alguns problemas emergem deste modelo computacional.Frisch, Hasslacher e Pomeau
(1986) listam problemas como o ruído estatístico, uma representação incorreta da pressão na
simulação, onde a mesma fica dependente da velocidade vetorial das partículas, além disso o
referencial inercial das partículas começa a mudar drasticamente, um fenômeno conhecido como
Invariância não Galileana.

3.5 Método de Lattice Boltzmann


O LBM se diferencia das técnicas tradicionais de CFD pelo fato de não utilizar a equação
de Navier-Stokes para a simulação de escoamentos. Ao invés disso o mesmo utiliza-se das
características dos modelos predecessores baseados em reticulado/lattice apresentados anteri-
ormente, concomitante ao uso de modelos mesoscópicos baseado nas equações da Mecânica
Estatística apresentadas no item 3.2. Segundo Wolf-Gladrow (2008c), a ideia chave do LBM
reside na construção de modelos cinéticos simplificados a partir da Equação de Transporte
de Boltzmann de modo que as propriedades macroscópicas médias do sistema obedeçam às
equações macroscópicas desejadas.
38 Capítulo 3. Fundamentação Teórica

A premissa básica para a factualidade deste modelo é que a dinâmica macroscópica de


um fluido é o resultado do comportamento coletivo e aleatório de muitas partículas microscópicas
no sistema e que a dinâmica macroscópica não é sensível aos detalhes físicos microscópicos de
um fenômeno (CHEN; DOOLEN, 1998). Com o desenvolvimento de uma versão simplificada
das equações cinéticas dos gases, a resolução de equações mais complicadas é evitada (e.g:
equação de transporte de Boltzmann), além disso a simulação desse modelo se torna facilitada
do ponto de vista computacional, visto que a necessidade de computar o movimento de cada
partícula é evitada.

Assim como os autômatos celulares e autômatos celulares de Lattice Gás, o LBM se


baseia na divisão do espaço em partículas fictícias, seu principal foco é aferir o comportamento
macroscópico do fluido utilizando médias do comportamento microscópico de tais partículas.
A adoção de artíficios da mecânica estatística neste modelo provê várias vantagens, como
um cenário de simulação física claro, facilidade na implementação de condições de contorno,
remoção de ruído estatístico e paralelização da solução. A última vantagem faz este método
extremamente promissor, dada a disponibilidade de hardware atual com uma característica
extremamente paralela.

3.5.1 Equação de Lattice Boltzmann


A derivação do modelo computacional parte da modelagem matemática sobre fluídos
apresentada no item 3.2, empregando uma versão discretizada da Equação de Transporte de
Boltzmann (equação 3.6). As variáveis de tempo, espaço e velocidades vetoriais são discre-
tizadas. Enquanto que o modelo matemático apresentado anteriormente descreve um espaço
contínuo no qual um conjunto de partículas se desloca livremente, o modelo computacional
transforma o espaço contínuo em um arranjo de células em um Lattice/grade na qual cada célula
abriga uma porção de partículas, toda célula possui n vetores, determinando a vizinhança da cé-
lula na grade e consequentemente define em quais direções a propação de partículas pode ocorrer.

Qian, d’Humières e Lallemand (1992) desenvolveram uma aproximação para o operador


de colisão Ω( f ) da Equação 3.6 utilizando um único tempo de relaxação, pelo qual a relaxação
para a função de distribuição de equilíbrio ocorre a uma taxa constante. A simplificação do
operador de colisão da Equação de Boltzmann adicionada a discretização das variáveis do modelo
originaram a Equação de Lattice Boltzmann:

eq
fi (x,t) − fi (x,t)
fi (x + cei ,t + ∆t) − fi (x,t) = − (3.8)
τ
onde i representa a i-ésima velocidade vetorial do conjunto de velocidades vetoriais, x corres-
ponde a posição discreta da partícula no lattice, cei ∇t = ∆x representa a distância internodal do
3.5. Método de Lattice Boltzmann 39

lattice, ∆t é um intervalo de passos de tempo de simulação, c = ∆x∆t é a velocidade do Lattice,


lu
medida em ts , e ei é a velocidade microscópica da rede na i-ésima direção no modelo de lattice
adotado.

O LBM pode ser encarado como um método de diferenças finitas para a solução da
Equação de Boltzmann de maneira numérica. Caso a ETB seja escrita em termos da função de
distribuição discreta teremos:

∂ fi
+ cei · ∇ fi = Ωi (3.9)
∂t
caso operador diferencial e o operador de colisão seja discretizado teremos:

eq
fi (x,t + ∆t) − fi x,t fi (x + cei ∆t,t + ∆) − fi (x,t + ∆t) fi (x,t) − fi (x,t)
+ =− (3.10)
∆t ∆t τ

supondo que ∆t = 1 e ∆x = 1, a equação do Método de Lattice Boltzmann é descrita da


seguinte maneira:

eq
fi (x,t) − fi (x,t)
Ωi ( fi (x,t)) = (3.11)
τ
eq
em que fi é a função de distribuição de equilíbrio de Maxwell-Boltzmann discretizada,
τ é um parâmetro de relaxamento para o equilíbrio local da aproximação BGK e eωi é o operador
de colisão que atua sobre fi (BHATNAGAR; GROSS; KROOK, 1954).

Como dito anteriormente, o espaço é discretizado no LBM, logo a solução é obtida


através de duas etapas que são executadas repetidamente, são elas: colisão e propagação. As
células abrigam um conjuntos de partículas, as quais são propagadas para os nós vizinhos após
a etapa de colisão. A equação utilizada para computar o passo de colisão é definida através da
soma do operador de colisão com as funções de distribuição locais, como pode ser visto na
equação 3.12:

fi (x,t + ∆t) = fi (x,t) + Ωi ( fi (x,t)) (3.12)

O passo da propagação no algoritmo é dado pela equação 3.13:

fi (x + cei ,t + ∆t) = fi (x,t + ∆t) (3.13)

A Figura 8 ilustra como a colisão e propagação ocorrem no Lattice:


40 Capítulo 3. Fundamentação Teórica

Figura 8 – Passo de colisão e propagação

Fonte: Adaptada de Land (2017).

O número de direções de propagação é determinado pelo arranjo do lattice, o qual é


estabelecido pelo tipo de Lattice adotado. He e Luo (1997) demonstram que a formulação
discretizada da ETB é equivalente a equação de Navier-Stokes para fluídos incompressíveis, o
que teoricamente permite simular com a mesma acurácia os mesmos fenômenos modelados pela
equação de NS, apenas em escalas diferentes.

3.5.2 Tipos de Lattice


O LBM realiza as computações sobre uma grade n − dimensional de partículas, no qual
cada partícula possui m vetores representando as possíveis direções na qual cada uma delas pode
se deslocar. Cada um destes vetores é ponderado por uma função distribuição (no caso uma
Distribuição de Maxwell-Boltzmann) de tal forma que cada um tenha uma probabilidade de ser
“escolhido” a deslocar o fluido inscrito na célula para uma determinada direção. Vários tipos de
lattice podem ser usados, todos com dimensões ou quantidade de vetores por células distintos.
Assim como em trabalhos relacionados, este trabalho irá se utilizar da notação DnQm que irá
denotar que um Lattice DnQm possui n dimensões com m vetores.

3.5.2.1 Lattice D2Q9

O Lattice D2Q9 permite a simulação bidimensional de escoamentos, de tal forma que


uma célula do Lattice possui 9 vetores distintos que descrevem o próximo movimento da partícula
inscrita. Estes vetores apontam para a as células vizinhas diagonais e ortogonais, totalizando 8
vetores, o último vetor aponta para a própria célula, i.e: v~0 = ~0
A Figura 9 ilustra um exemplo de célula do Lattice e como estes vetores são definidos
assim como os respectivos pesos atribuídos aos mesmos.
As equações 3.14 e 3.15 descrevem respectivamente os vetores da célula assim como os
3.5. Método de Lattice Boltzmann 41

Figura 9 – Representação de uma célula de um Lattice D2Q9

Fonte: Elaborada pelo autor.

pesos iniciais atribuidos pela função distribuição a cada um deles.




e0 = (0, 0)





e1 = (1, 0)



e2 = (0, 1)
en = (3.14)


e3 = (−1, 0)


e4 = (0, −1)






= (±1, ±1) · c

e
5,...,8

A função de distribuição de partículas pondera cada vetor da célula com uma probabili-
dade do mesmo deslocar a porção de partículas inscrita no mesmo em uma determinada direção,
estes pesos podem ser observados na equação 3.15:


w =4
 0 9


wn = w1,··· ,4 = 1 n ∈ N, 0 6 n 6 8 (3.15)
 9

 1
w =
5,··· ,8 36

Estes pesos derivam de uma Quadratura Gaussiana da Equação de Boltzmann descrita


por Shizgal (1981), esta derivação fica como exercício ao leitor, visto que a derivação da isotropia
do lattice não pertence ao escopo deste trabalho.
42 Capítulo 3. Fundamentação Teórica

3.5.2.1.1 Lattice D3Q15

O Lattice D3Q15 é uma extensão do D2Q9 e permite a simulação tridimensional de


escoamentos. Como pode ser visto, a extensão do tipo de Lattice é trivial. Analogamente ao
Lattice D2Q9, uma célula do Lattice D3Q15 possui 15 vetores distintos que descrevem o próximo
movimento da partícula inscrita. Estes vetores apontam para a as células vizinhas de tal forma
que 6 vetores são perpendiculares as faces da célula tridimensional o qual estão inscritos, 8
vetores no sentido dos vértices da célula, totalizando 14 vetores, o último vetor aponta para a
própria célula indicando a possibilidade da partícula permanecer em repouso, i.e: v~0 = ~0
A Figura 10 representa uma célula do Lattice descrito e com os seus respectivos vetores
e pesos associados.

Figura 10 – Representação de uma célula de um Lattice D3Q15

Fonte: Elaborada pelo autor.

As equações 3.16 e 3.17 descrevem respectivamente os vetores da célula assim como os


pesos iniciais atribuidos pela função distribuição a cada um deles.




e0 = (0, 0, 0)


e = (±1, 0, 0) · c


 1,2


en = e3,4 = (0, 0, ±1) · c (3.16)


e5,6 = (0, ±1, 0) · c






7,··· ,14 = (±1, ±1, ±1)) · c

e

w =2
 0 9


wn = w1,··· ,6 = 91 n ∈ N, 0 6 n 6 15 (3.17)


= 1

w
7,··· ,14 72
3.5. Método de Lattice Boltzmann 43

Outras tipos de Lattice existem, e sua estrutura é análoga a estes apresentados, todo latice
possui um tipo de célula distinto com vetores definindo os possíveis sentidos que uma partícula
pode se deslocar e um peso atrelado a cada um destes vetores. Modelos como D2Q7, D3Q19 e
D3Q27 são meras variações dos modelos apresentados aqui.(WOLF-GLADROW, 2008c) As
diferenças nos resultados das simulações tangem a acurácia da solução,o tempo de convergência
das mesmas e o tipo de fenômeno macroscópico detectado, por exemplo: o D3Q27 consegue
denotar transferência de calor enquanto que o D3Q15 não. Os tipos de lattice apresentados neste
trabalho foram utilizados nos protótipos das simulações desenvolvidas.

3.5.3 Condições de contorno


As condições de contorno são restrições necessárias para a solução de um problema de
valore sobre contorno. Problemas de valores sobre contorno são extremamente importantes visto
que estes modelam uma série de fenômenos e aplicações como: transferência de calor, propa-
gação acústica, e é claro, mecânica dos fluídos. Condições de contorno surgem naturalmente
em qualquer problema que envolva a resolução de EDP’s nos limites do domínio computacio-
nal.(ANSUMALI; KARLIN, 2002)

As condições de contorno geralmente podem ser classificadas em duas categorias:

• condição de deslizamento: a velocidade vetorial normal (i.e: vetor velocidade perpendicular


ao contorno) do contorno é definida com valor zero, enquanto que a velocidade vetorial
paralela ao contorno é deixada livre para mudanças;

• condição de não-deslizamento: tanto a velocidade vetorial perpendicular ao contorno (vetor


normal) quanto a velocidade vetorial paralela ao contorno são definidas como zero.

Neste trabalho as condições de contorno são necessárias a fim de modelar o compor-


tamento das partículas quando estas atingem os limites/contornos do domínio computacional
após as etapas de colisão e propagação. Nesta parte da simulação as funções de distribuição de
densidade de partículas não são fornecidas para o próximo passo, necessitando de um tratamento
especial, que fica a cargo das condições de contorno. Este trabalho utiliza a condição de contorno
denominada “Half-way Bounce-Back”. Esta condição de contorno foi escolhida visto que esta
consegue tratar de forma correta as condições do sistema. A Figura 11 ilustra o comportamento
da condição de contorno ante a uma colisão:

A mudança na função de distribuição é ilustrada na Figura 12:


Este esquema de condição de contorno usa uma condição de contorno não deslizante
para os contornos do domínio. Ziegler (1993) relata que este método possibilita a computação de
solução com precisão de segunda ordem nas regiões planas do contorno e de primeira ordem
44 Capítulo 3. Fundamentação Teórica

Figura 11 – Condição de contorno reagindo a colisão

Fonte: Adaptada de Land (2017).

Figura 12 – Mudança da função de distribuição após os passos de colisão e propagação

Fonte: Adaptada de Land (2017).

nas regiões curvas do contorno. A razão do nome se dá pelo fato desta condição de contorno
implementar a condição de deslizamento de partículas entre a fronteira da célula e o primeiro
nó interno simplesmente “rebatendo” as partículas recebidas em suas direções opostas, i.e:
f0 = f00 , f1 = f10 , · · · , fn = fn0 onde f e f 0 n denotam respectivamente a função de distribuição de
partículas após a colisão e as funções de distribuições de partícula do passo de tempo anterior ao
processo de propagação respectivamente.

Bao e Meskas (2011) que este tipo de condição de contorno torna o método bastante
simples e preciso na simulação de escoamentos sobre geometrias complexas, obtendo uma
precisão numérica de até segunda ordem.
3.5. Método de Lattice Boltzmann 45

3.5.4 O algoritmo
Os algoritmos de simulação utilizando o LBM podem ser representados através do
fluxograma da Figura 13:

Figura 13 – Fluxograma do algoritmo de simulação LBM

Fonte: Elaborada pelo autor.

Ou através do pseudocódigo equivalente:

Algoritmo 1 – Algoritmo de LBM


1: procedimento L BM(Parametros P, Sistema S, tempomax atual
atual t, erromin e)
2: condicoesIniciais ← P . Defina as características iniciais do sistema
3: enquanto condicão de parada não atingida faça
4: para todo x ∈ S faça . Aplique a função de distribuição em toda partícula x do
sistema S
5: x = f (x,t)
6: fim para
7: para todo x ∈ S faça. Aplique a função de colisão em toda partícula x do sistema S
eq
8: i
fdesloca (x,t) = fi (x,t) − τ1 · ( fi (x,t) − fi (x,t))
9: i
se fdesloca ∈ Contorno C então
10: f0 = f00 , f1 = f10 , · · · , fn = fn0 . Condições de contorno
11: fim se
12: fim para
13: para todo x ∈ S faça . Aplique a função de propagação em toda partícula x do
sistema S
14: fi (x + cei ,t + 1) = fidesloca (x,t) . Passo da propagação
15: i
se fdesloca ∈ Contorno C então
16: fi = fi0 . Condições de contorno
17: fim se
18: fim para
19: Saida[t] ← S[t] . Armazene as característica do instante t
20: fim enquanto
21: retorna Saida
22: fim procedimento
46 Capítulo 3. Fundamentação Teórica

As principais etapas do algoritmo são descritas abaixo:

1. Definição de condições iniciais:

Nesta etapa são definidos as variáveis relevantes a simulação, o domínio computacional assim
como as propriedades macroscópicas do sistema.

2. Aplicação de funções de distribuição de equilíbrio:

O estado inicial do fluído é definido nesta etapa. As condições iniciais do campo vetorials das
velocidades e as perturbações inerentes são definidas nesta etapa

3. Passo de colisão:

A força externa que simula o gradiente da pressão deslocando o fluído é iniciada aqui. Como
dito na seção 3.5.3 deste capítulo, os nós pertencentes ao contorno não participam deste
passo. A colisão das partículas é computada através da função dada pela equação 3.18:

1 eq
i
fdesloca (x,t) = fi (x,t) − (˙ fi (x,t) − fi (x,t)) (3.18)
τ
4. Condições de contorno:

Após a colisão as condições de contorno são impostas a fim de tratar particularidades inerentes
aos limites do domínio de simulação e da malha.

5. Passo de propagação:

A propagação das partículas de um nó ao outro ocorrem neste passo.

fi (x + cei ,t + 1) = fidesloca (x,t) (3.19)

6. Pós-processamento

Após a condição de parada ser atingida, o conjunto de dados gerado é pós-processado para
visualização, formas de visualização podem ser a plotagem das variáveis, geração de
imagens

3.6 Modelos de turbulência


A turbulência ocorre quando o escoamento sofre uma mudança brusca, onde o escoa-
mento deixa de ser uniforme(laminar) e passa a ser desordenado e caótico. Este comportamento
se apresenta quando o número de Reynolds ultrapassa um limiar de 2600. Durante este evento,
o escoamento se apresenta de maneira caótica e com altas taxas de difusividade, transferências
de calor, massa e momento, tornando impraticável a simulação do sistema.
3.6. Modelos de turbulência 47

Um exemplo de simulação usando turbulência pode ser observado na Figura 14, onde
nota-se a formação de vórtices devido ao escoamento turbulento em um canal onde um cilindro
se encontra inscrito. A fim de representar a norma da velocidade vetorial no espaço simulado, um
campo escalar foi projetado sobre a geometria de tal forma que as cores indicam o valor da norma
da velocidade vetorial no espaço simulado. Cores menos intensas como o azul representam
baixas velocidades enquanto que cores mais intensas como o vermelho indicam velocidades
maiores.

Figura 14 – Escoamento turbulento em torno de um cilindro

Como Dixit e Babu (2006) relatam, o Método de Lattice Boltzmann, diferentemente de


outras técnicas CFD, pode ser usado para simulação de fluídos turbulentos sem a necessidade de
um modelo de turbulência, i.e: não é necessário um modelo matemático adicional para tratamento
de turbulência na simulação. Este fato se dá pela natureza estatística do método aliada a uma
malha de domínio computacional com resolução adaptativa. Entretanto como pode ser visto
na literatura , a instabilidade numérica gerada pela turbulência desencadeia uma subdivisão
da malha em escalas impráticaveís devido a inconsistência numérica da solução em malhas
grosseiras, especialmente com coeficientes de Reynolds altos. Assim um modelo que simplifique
a representação de turbulência na simulação se faz necessário(WILCOX et al., 1993).

Este trabalho utilizou o modelo de turbulência Estático de Smagorinsky disponibilizado


pela biblioteca Palabos para simulação(PALABOS - CFD, COMPLEX PHYSICS, 2011), este
modelo foi escolhido devido ao fato do mesmo ser o único implementado na biblioteca utilizada
no trabalho.
O modelo de turbulência de Smagorisnky parte do pressuposto que a escala das submalhas
no domínio computacional tem o efeito de uma correção de viscosidade proporcional a norma
da taxa do tensor de deformação nas malhas do domínio, i.e: nu = nu0 + nuT . A fórmula para a
correção de viscosidade turbulenta nuT é:

vT = C2 |S| (3.20)

onde C é a constante de Smagorinsky, e a norma do tensor da taxa de deformação é definido



como |S| = S : S. Este modelo é denotado de estático pela biblioteca visto que a constante
48 Capítulo 3. Fundamentação Teórica

de Smagorinsky, uma vez imposta não se altera durante a execução. A taxa de deformação é
calculada através do tensor de stress Π. É ressaltado que o relacionamento entre S e Π depende do
tempo de relaxação τ, e consequentemente da viscosidade nu. Logo, a fórmula para a viscosidade
turbulenta de nuT é implícita (PALABOS - CFD, COMPLEX PHYSICS, 2011).
49

CAPÍTULO

4
TRABALHOS CORRELATOS

A literatura relata o uso do método de Lattice Boltzmann em diversas aplicações que vão
da simulação de fluídos multifásicos a simulação de locomotivas(ZHANG; JOHNSON; POPEL,
2008; WANG et al., 2008). Visto que o método de Lattice Boltzmann vem demonstrando um
interesse crescente da comunidade científica para simulação de escoamentos, este trabalho busca
avaliar o Método de Lattice Boltzmann para a simulação de escoamento em hidroturbinas.

Os artigos de (OUARED; CHOPARD, 2005; TAMAGAWA; MATSUO, 2004) são um


dos trabalhos mais proeminentes na hemodinâmica visto que estes conseguiram relacionar a
distribuição de pressão nas paredes das artérias com a formação de trombos em artérias. Tal fato
só foi possível através de um estudo conduzido por simulação através do LBM, visto que uma
série de investigações acerca do comportamento do sangue em pequenos segmentos de artéria
foi necessária para a elicitação de dados do estudo, além disso a simulação empiríca era inviável
devido ao fato dos experimentos envolverem condições demasiadas complexas para reprodução
in situ.

Outro aspecto alvo de pesquisa é a otimização do uso de recurso computacional pelo


LBM, o artigo de (POHL et al., 2003) apresenta técnicas que buscam melhorar a eficiência de
execução de simulações LBM em computadores single-core através de estratégias para o acesso
ordenado a memória cache. Pesquisas em computação distribuída e aplicações baseadas em
GPGPU estão em estado inicial mas já apresentam resultados igualmente relevantes (BERNAS-
CHI et al., 2010; SCHÖNHERR et al., 2011; HABICH et al., 2013).

No que tange a problema de simulação de fluidos em escala “clássica”, alguns avanços


tem sido feitos através do LBM. O artigo de (WANG et al., 2011) utiliza o LBM para uma
investigação de um dispositivo de canalização utilizado em hidroturbinas, obtendo resultados
50 Capítulo 4. Trabalhos correlatos

com uma boa acurácia em relação a dados empíricos. Os trabalhos de (MANN et al., 2012; LU
et al., 2002) exploraram o uso de geometria móvel na investigação CFD utilizando o LBM, além
de modelos de turbulência. Os trabalhos se concentraram na simulação de predição aeroacústica
de ventoinhas e simulação de turbulência em tanques agitados, problemas com clara correspon-
dência na indústria.

A investigação CFD para hidroturbinas já ocorre com métodos tradicionais como o


método dos volumes finitos, entretanto tais métodos possuem um custo computacional elevado,
além disso a paralelização dos mesmos é inviável. Devido a natureza complexa das hidroturbinas,
muitos estudos elicitaram e avaliaram questões ligadas a otimização da turbina no rotor, canal de
fuga, desgaste das pás guias do rotor (cavitação).

Muitos destes trabalhos levantaram dados experimentais a fim de validar os dados gera-
dos pela simulação dos mesmos, isso é de grande valia para o presente trabalho visto que oferece
uma base de resultados consistente para avaliar a eficiência do LBM aplicado a hidroturbinas
utilizando os dados já elicitados em trabalhos correlatos nas comparações de acurácia que a
metodologia deste trabalho define.

Por exemplo, Avellan (2000) realizou uma estudo com software comercial acerca do
formato do canal de fuga em relação a eficiência da turbina, os dados experimentais elicitados
em seu artigo podem servir como base para a avaliação do método de Lattice Boltzmannm,
dada a replicação do experimento computacional conduzido em seu artigo. Estudos acerca de
modelos de turbulência já foram realizados aplicados a turbinas hidraúlicas, WANG et al. (2007)
realiza uma avaliação do LES como modelo de turbulência para simular corretamente fluxos
turbulentos em hidroturbinas. É provável que o LBM apresente alguma vantagem na simulação
de turbulência dada a natureza probabilística do método. Assim é interessante possuir uma
quantidade de dados aberta e vasta para elaboração de experimentos e avaliação do LBM da
maneira mais diversa possível.

Fenômenos como a cavitação nas pás guias da turbina estão bem documentados na
literatura,Liu et al. (2009) realizou um trabalho simulando modelos de mistura sobre a turbina e
o efeito da cavitação na mesma. Para isso, foi documentado alguns dados experimentais acerca
do fenômeno. Destacam-se o artigo de (NILSSON; DAVIDSON, 2003) acerca da validação de
simulações desenvolvidas no software OpenFOAM, estas por sua vez investigavam a quantidade
de pressão exercida pelo fluido no rotor da turbina Francis. As influências deste artigo no presente
trabalho tangem a seleção de métricas para mensuração de erro nos experimentos, além da coleta
de dados experimentais que serão utilizados posteriormente na avaliação do LBM.
51

O artigo de (SHULIANG; YULIN; FUZHENG, 1997) explorou a simulação numérica


de escoamento turbulento em uma turbina Francis, este trabalho utilizou uma malha intermediá-
ria com resolução não-uniforme para tratar a simulação de escoamento turbulento de maneira
factível em termos de recurso computacional, subdividindo a malha em regiões onde o algoritmo
de simulação SIMPLEC acumulava altos resíduos. As dificuldades em paralelização e geração
de malha intermediária foram devidamente observadas. Assim como em trabalhos anteriores, os
experimentos realizados foram documentados a fim de serem replicados neste trabalho para que
a avaliação do LBM seja executada.

Visto que o LBM é uma nova técnica de simulação e ainda não foi avaliada para o
problema de escoamento de fluídos em hidroturbinas, a investigação do LBM adotado a este
problema pode revelar melhorias significativas no processo de simulação de tais máquinas,
provavelmente envolvendo a paralelização da simulação.
53

CAPÍTULO

5
CONCLUSÃO DE PFC I

Este trabalho ofereceu a fundamentação teórica acerca do LBM (Método de Lattice


Boltzmann) como parte da disciplina de Projeto Final de Curso I. Os produtos desenvolvidos se
resumiram ao levantamento da fundamentação teórica e revisão bibliográfica, elementos funda-
mentais no prosseguimento do trabalho. Adicionalmente, a modelagem da malha geométrica da
Turbina Francis foi realizada assim como a programação de um protótipo de simulação. Tais
produtos serão discutidos em mais detalhes nos trabalhos vindouros.

Como esperado, este trabalho possui um alto grau de interdisciplinariedade com as áreas
de Modelagem Computacional, Dinâmica dos fluídos e a própria Ciência da Computação. O
papel das hidrelétricas na matriz energética brasileira foi apresentado a fim de justificar a escolha
da aplicação na qual o LBM está sendo avaliado.

Para uma descrição correta do LBM, fez-se necessário a abordagem de alguns tópicos
acerca da fundamentação física do método. Podemos destacar a dinâmica dos fluídos, como base
para qualquer trabalho que aborde o escoamento através de forças mecânicas. Após a apresen-
tação das equações de Navier-Stokes, uma motivação a abordagem estatística ao problema de
escoamento de fluídos foi apresentada, fazendo-se uso da Equação de Transporte de Boltzmann.

Com os modelos matemáticos apresentados de forma clara, a fluidodinâmica computaci-


onal foi introduzida como instrumento para resolução de EDP’s não lineares que não possuem
soluções analíticas. Após isso, o método de Lattice Boltzmann pôde ser apresentado

Através da discretização da ETB (Equação de Transporte de Boltzman) foi possível


extrair as duas equações que representam o passo da colisão e propagação do algoritmo de simu-
lação. Finalmente o conceito de condições de contorno é introduzido assim como o algoritmo de
54 Capítulo 5. Conclusão de PFC I

simulação. Modelos de turbulência são brevemente discutidos.

As próximas etapas do trabalho devem se concentrar no desenvolvimento dos protótipos


e elaboração de experimentos, a fim de aferir a eficiência do LBM. A revisão da literatura
revelou a necessidade de paralelizar as simulações desenvolvidas devido ao custo dispendioso
das mesmas, logo recursos como MPI (Message Passing Interface) devem ser utilizados.

5.1 Cronograma
As atividades previstas são listadas abaixo:

1. Estudo da bibliográfia existente sobre CFD (Computational Fluid Dynamics), modelos


matemáticos de hidroturbinas e ferramentas de simulação;

2. Elaboração do modelo computacional;

3. Geração de malhas geométricas das turbinas;

4. Implementação do software de simulação;

5. Coleta de dados experimentais;

6. Experimentação comparada entre: dados da simulação usando o software desenvolvido e


dados obtidos da literatura.

7. Escrita do Trabalho de Conclusão de Curso e documentos relacionados

A tabela 1 representa a distribuição de atividades ao longo do tempo, atividades mar-


cadas com "X"representam atividades executadas enquanto que atividades marcadas com
"O"representam atividades pendentes:

Tabela 1 – Cronograma de atividades

PFC - 1 PFC - 2
Mês 1 Mês 2 Mês 3 Mês 4 Mês 5 Mês 6 Mês 7 Mês 8 Mês 9 Mês 10
T1 X X X X
T2 X X X
T3 X X X O O
T4 X X X O O O O
T5 X O O O O
T6 X O O O O
T7 X X X X X O O O O O
55

REFERÊNCIAS

ANEEL. Matriz energética em 2013. 2014. Disponível em: <http://www2.aneel.gov.br/


aplicacoes/atlas/aspectos_institucionais/2_2.htm>. Citado na página 21.

ANSUMALI, S.; KARLIN, I. V. Kinetic boundary conditions in the lattice boltzmann method.
Physical Review E, APS, v. 66, n. 2, p. 026311, 2002. Citado na página 43.

ANSYS INC. Shark Skin, CFD, and EnSight help Scarlett Screamer improve aerodyna-
mics and place 1st in 2013 Reno Air Races Edge. 2013. Disponível em: <https://www.ensight.
com/shark-skin-aerodynamics-at-reno/>. Citado na página 34.

ATKINS, D. Revolutionizing science and engineering through cyberinfrastructure: Report


of the National Science Foundation blue-ribbon advisory panel on cyberinfrastructure.
[S.l.], 2006. Citado na página 22.

AVELLAN, F. Flow investigation in a francis draft tube: the flindt project. In: Proceedings of
the 20th IAHR Symposium on Hydraulic Machinery and Systems. [S.l.: s.n.], 2000. Citado
na página 50.

BAO, Y. B.; MESKAS, J. Lattice boltzmann method for fluid simulations. Department of
Mathematics, Courant Institute of Mathematical Sciences, New York University, 2011.
Citado na página 44.

BERNASCHI, M.; FATICA, M.; MELCHIONNA, S.; SUCCI, S.; KAXIRAS, E. A flexible
high-performance lattice boltzmann gpu code for the simulations of fluid flows in complex
geometries. Concurrency and Computation: Practice and Experience, Wiley Online Library,
v. 22, n. 1, p. 1–14, 2010. Citado na página 49.

BHASKARAN, R.; COLLINS, L. Introduction to cfd basics. Cornell University-Sibley School


of Mechanical and Aerospace Engineering, 2002. Citado na página 32.

BHATNAGAR, P. L.; GROSS, E. P.; KROOK, M. A model for collision processes in gases.
i. small amplitude processes in charged and neutral one-component systems. Physical review,
APS, v. 94, n. 3, p. 511, 1954. Citado na página 39.

BROWN, K. L.; MUNRO, W. J.; KENDON, V. M. Using quantum computers for quantum
simulation. Entropy, Molecular Diversity Preservation International, v. 12, n. 11, p. 2268–2307,
2010. Citado na página 37.

CASARTELLI, E.; MANGANI, L. Object-oriented open-source cfd for turbomachinery ap-


plications: A review and recent advances. In: AMERICAN SOCIETY OF MECHANICAL
ENGINEERS. ASME Turbo Expo 2013: Turbine Technical Conference and Exposition.
[S.l.], 2013. p. V06BT37A036–V06BT37A036. Citado na página 22.

CERCIGNANI, C. The boltzmann equation. In: The Boltzmann Equation and Its Applicati-
ons. [S.l.]: Springer, 1988. p. 40–103. Citado nas páginas 30 e 31.
56 Referências

CHEN, G.; XIONG, Q.; MORRIS, P. J.; PATERSON, E. G.; SERGEEV, A.; WANG, Y. Open-
foam for computational fluid dynamics. Not. AMS, v. 61, n. 4, p. 354–363, 2014. Citado na
página 18.

CHEN, S.; DOOLEN, G. D. Lattice boltzmann method for fluid flows. Annual review of fluid
mechanics, Annual Reviews 4139 El Camino Way, PO Box 10139, Palo Alto, CA 94303-0139,
USA, v. 30, n. 1, p. 329–364, 1998. Citado na página 38.

COVENEY, P. V.; FOWLER, P. W. Modelling biological complexity: a physical scientist’s


perspective. Journal of The Royal Society Interface, The Royal Society, v. 2, n. 4, p. 267–280,
2005. Citado na página 36.

DIXIT, H.; BABU, V. Simulation of high rayleigh number natural convection in a square cavity
using the lattice boltzmann method. International journal of heat and mass transfer, Elsevier,
v. 49, n. 3-4, p. 727–739, 2006. Citado na página 47.

DIXON, S. L.; HALL, C. Fluid mechanics and thermodynamics of turbomachinery. [S.l.]:


Butterworth-Heinemann, 2013. v. 1. 361 – 417 p. Citado na página 27.

ENERGIé NB POWER. HYDRO. 2014. Disponível em: <https://www.nbpower.com/en/


about-us/learning/learn-about-electricity/hydro/>. Citado na página 26.

FOX, R. W.; PRITCHARD, P. J.; MCDONALD, A. T. Introdução À Mecânica Dos Fluidos .


[S.l.]: Grupo Gen-LTC, 2000. Citado nas páginas 29 e 30.

FRISCH, U.; HASSLACHER, B.; POMEAU, Y. Lattice-gas automata for the navier-stokes
equation. Physical review letters, APS, v. 56, n. 14, p. 1505, 1986. Citado na página 37.

GOVERNO DO BRASIL. Matriz energética. 2010. Disponível em: <http://www.brasil.gov.br/


meio-ambiente/2010/11/matriz-energetica>. Citado na página 17.

HABICH, J.; FEICHTINGER, C.; KÖSTLER, H.; HAGER, G.; WELLEIN, G. Performance
engineering for the lattice boltzmann method on gpgpus: Architectural requirements and per-
formance results. Computers & Fluids, Elsevier, v. 80, p. 276–282, 2013. Citado na página
49.

HARRIS, S. An introduction to the theory of the Boltzmann equation. [S.l.]: Courier Corpo-
ration, 2004. Citado na página 31.

HE, X.; LUO, L.-S. Lattice boltzmann model for the incompressible navier–stokes equation.
Journal of statistical Physics, Springer, v. 88, n. 3-4, p. 927–944, 1997. Citado na página 40.

HIRSCH, C. Numerical computation of internal and external flows: The fundamentals of


computational fluid dynamics. [S.l.]: Butterworth-Heinemann, 2007. Citado na página 18.

INTERNATIONAL HYDROPOWER ASSOCIATION. A brief history of hydropower. 2013.


Disponível em: <https://www.hydropower.org/a-brief-history-of-hydropower>. Citado na
página 22.

LAND, Land R., Bruce. B. R. DE1-SoC: Lattice Boltzmann Cornell ece5760. 2017. Dispo-
nível em: <https://people.ece.cornell.edu/land/courses/ece5760/DE1_SOC/HPS_peripherials/
Lattice_Boltzmann_index.html>. Citado nas páginas 40 e 44.
Referências 57

LEWIS, B.; CIMBALA, J.; WOUDEN, A. Major historical developments in the design of water
wheels and francis hydroturbines. In: IOP PUBLISHING. IOP Conference Series: Earth and
Environmental Science. [S.l.], 2014. v. 22, n. 1, p. 012020. Citado na página 17.

LIU, S.; ZHANG, L.; NISHI, M.; WU, Y. Cavitating turbulent flow simulation in a francis turbine
based on mixture model. Journal of Fluids Engineering, American Society of Mechanical
Engineers, v. 131, n. 5, p. 051302, 2009. Citado na página 50.

LU, Z.; LIAO, Y.; QIAN, D.; MCLAUGHLIN, J.; DERKSEN, J.; KONTOMARIS, K. Large
eddy simulations of a stirred tank using the lattice boltzmann method on a nonuniform grid.
Journal of Computational Physics, Elsevier, v. 181, n. 2, p. 675–704, 2002. Citado na página
50.

MANN, A.; PEROT, F.; KIM, M.-S.; CASALINO, D.; FARES, E. Advanced noise control
fan direct aeroacoustics predictions using a lattice-boltzmann method. In: 18th AIAA/CEAS
Aeroacoustics Conference (33rd AIAA Aeroacoustics Conference). [S.l.: s.n.], 2012. p. 2287.
Citado na página 50.

NILSSON, H.; DAVIDSON, L. Validations of cfd against detailed velocity and pressure measure-
ments in water turbine runner flow. International Journal for Numerical Methods in Fluids,
Wiley Online Library, v. 41, n. 8, p. 863–879, 2003. Citado na página 50.

NPTEL. "Lecture 28 - Francis Turbine". 2009. Disponível em: <http://nptel.ac.in/courses/


112104117/28>. Citado nas páginas 27 e 28.

OPENSTAX. The FHP Lattice Gas Cellular Automaton for Simulating Fluid Flows. 2009.
Disponível em: <https://archive.cnx.org/contents/55c6d30b-5a09-438c-be55-23c8148ad6d0@1/
the-fhp-lattice-gas-cellular-automaton-for-simulating-fluid-flows#bid0>. Citado na página 36.

OUARED, R.; CHOPARD, B. Lattice boltzmann simulations of blood flow: non-newtonian


rheology and clotting processes. Journal of statistical physics, Springer, v. 121, n. 1-2, p.
209–221, 2005. Citado na página 49.

PAISH, O. Small hydro power: technology and current status. Renewable and sustainable
energy reviews, Elsevier, v. 6, n. 6, p. 537–556, 2002. Citado na página 27.

PALABOS - CFD, COMPLEX PHYSICS. Large eddy simulations - Static Smago-


rinsky model. 2011. Disponível em: <http://www.palabos.org/documentation/userguide/
implemented-models.html#large-eddy-simulations>. Citado nas páginas 47 e 48.

PEREIRA, G. M. Projeto de usinas hidrelétricas: passo a passo. [S.l.]: Oficina de Textos,


2015. Citado na página 26.

POHL, T.; KOWARSCHIK, M.; WILKE, J.; IGLBERGER, K.; RÜDE, U. Optimization and
profiling of the cache performance of parallel lattice boltzmann codes. Parallel Processing
Letters, World Scientific, v. 13, n. 04, p. 549–560, 2003. Citado na página 49.

QIAN, Y.; D’HUMIÈRES, D.; LALLEMAND, P. Lattice bgk models for navier-stokes equation.
EPL (Europhysics Letters), IOP Publishing, v. 17, n. 6, p. 479, 1992. Citado na página 38.

QIAN, Y.-H.; SUCCI, S.; ORSZAG, S. Recent advances in lattice boltzmann computing. In: An-
nual reviews of computational physics III. [S.l.]: World Scientific, 1995. p. 195–242. Citado
na página 18.
58 Referências

ROACHE, P. J. Verification and validation in computational science and engineering. [S.l.]:


Hermosa Albuquerque, NM, 1998. v. 895. Citado na página 32.

SAYMA, A. Computational fluid dynamics. [S.l.]: Bookboon, 2009. v. 1. 9 p. Citado na


página 18.

SCHÖNHERR, M.; KUCHER, K.; GEIER, M.; STIEBLER, M.; FREUDIGER, S.; KRAFCZYK,
M. Multi-thread implementations of the lattice boltzmann method on non-uniform grids for cpus
and gpus. Computers & Mathematics with Applications, Elsevier, v. 61, n. 12, p. 3730–3743,
2011. Citado na página 49.

SHIZGAL, B. A gaussian quadrature procedure for use in the solution of the boltzmann equation
and related problems. Journal of Computational Physics, Elsevier, v. 41, n. 2, p. 309–328,
1981. Citado na página 41.

SHULIANG, C.; YULIN, W.; FUZHENG, Y. Numerical simulation of three dimensional tur-
bulent flow through a francis turbine runner [j]. Journal of Hydroelectric Engineering, v. 4,
1997. Citado na página 51.

SMITH, N. A. The origins of water power: a problem of evidence and expectations. Transactions
of the Newcomen Society, Taylor & Francis, v. 55, n. 1, p. 67–84, 1983. Citado na página 17.

TAMAGAWA, M.; MATSUO, S. Predictions of thrombus formation using lattice boltzmann


method. JSME International Journal Series C Mechanical Systems, Machine Elements
and Manufacturing, The Japan Society of Mechanical Engineers, v. 47, n. 4, p. 1027–1034,
2004. Citado na página 49.

WAGNER, H.-J.; MATHUR, J. Introduction and status of hydropower. In: Introduction to


Hydro Energy Systems. [S.l.]: Springer, 2011. p. 1–20. Citado nas páginas 25 e 27.

WANG, S.; XU, C.; YUAN, P.; WANG, Y. Hydrodynamic optimization of channelling de-
vice for hydro turbine based on lattice boltzmann method. Computers & Mathematics with
Applications, Elsevier, v. 61, n. 12, p. 3722–3729, 2011. Citado na página 49.

WANG, W.-q.; ZHANG, L.-x.; YAN, Y.; YAKUN, G. Large-eddy simulation of turbulent flow
considering inflow wakes in a francis turbine blade passage. Journal of Hydrodynamics, Ser.
B, Elsevier, v. 19, n. 2, p. 201–209, 2007. Citado na página 50.

WANG, Y.; WANG, Y.; AN, Y.; CHEN, Y. Aerodynamic simulation of high-speed trains based
on the lattice boltzmann method (lbm). Science in China Series E: Technological Sciences,
Springer, v. 51, n. 6, p. 773–783, 2008. Citado na página 49.

WEISSTEIN, E. W. R. . F. M. A. W. W. R. Rule 90. 2002. Disponível em: <http://mathworld.


wolfram.com/Rule90.html>. Citado na página 35.

WILCOX, D. C. et al. Turbulence modeling for CFD. [S.l.]: DCW industries La Canada, CA,
1993. v. 2. Citado na página 47.

WOLF-GLADROW, D. A. Lattice-gas cellular automata and lattice Boltzmann models: an


introduction. [S.l.]: Springer Science & Business Media, 2008. v. 1. 15 – 38 p. Citado na
página 34.
Referências 59

WOLF-GLADROW, D. A. Lattice-gas cellular automata and lattice Boltzmann models: an


introduction. [S.l.]: Springer Science & Business Media, 2008. v. 1. 39 – 150 p. Citado na
página 35.

WOLF-GLADROW, D. A. Lattice-gas cellular automata and lattice Boltzmann models: an


introduction. [S.l.]: Springer Science & Business Media, 2008. v. 1. 159 – 187 p. Citado nas
páginas 37 e 43.

ZHANG, J. Lattice boltzmann method for microfluidics: models and applications. Microfluidics
and Nanofluidics, Springer, v. 10, n. 1, p. 1–28, 2011. Citado na página 23.

ZHANG, J.; JOHNSON, P. C.; POPEL, A. S. Red blood cell aggregation and dissociation in
shear flows simulated by lattice boltzmann method. Journal of biomechanics, Elsevier, v. 41,
n. 1, p. 47–55, 2008. Citado na página 49.

ZIEGLER, D. P. Boundary conditions for lattice boltzmann simulations. Journal of Statistical


Physics, Springer, v. 71, n. 5-6, p. 1171–1177, 1993. Citado na página 43.

Você também pode gostar