1

1.- Introducción.

1.1.- Marco histórico.

Históricamente, ciertas ramas de la ingeniería han tratado de establecer de manera práctica el

comportamiento de los fluidos, tales como el aire o el agua, en una gran diversidad de

aplicaciones ,como la biomedicina, la industria automovilística, etc. La capacidad de la

realización de dicha predicción de manera satisfactoria ha implicado un salto bastante

importante en el control que se tiene sobre dicho fenómeno, lo que finalmente deriva en un

funcionamiento más efectivo del producto o tecnología en cuestión.

Además, en las últimas décadas, la industria de la construcción ha empezado a adentrarse en

este campo de la ingeniería, ya que resulta un punto necesario para un diseño más eficiente en

cuanto a ahorro energético. Predicciones tales como las corrientes de aire inducidas dentro de la

vivienda por un sistema de aire acondicionado, la variación de temperaturas en una vivienda a lo

largo del día, etc., se hacen cada vez más necesarias ya que, factores como la sostenibilidad y el

ahorro energético cobran mayor importancia. De esta manera, la predicción es el primer paso,

antes de la actuación para conseguir la mayor eficiencia energética.

Aunque existe una gran variedad de técnicas con la que llevar a cabo esta práctica con mayor o

menor precisión (Ver ref. [1]), desde los años 90 se ha ido incrementando cada vez más, la

utilización por parte de los ingenieros de programas de simulación numérica o CFD

(Computational Fluid Dynamic), sin duda debido al rápido avance tecnológico que sufren los

ordenadores, que hace de dicha técnica la más económica y rápida. No obstante esta requiere un

software especializado y un alto conocimiento del mismo por parte del usuario.

La utilización de herramientas CFD está muy desarrollada en algunos campos de la ingeniería,

aunque su utilización en viviendas es relativamente reciente. Esto implica que existe todavía

cierto grado de incertidumbre en la caracterización y modelado de espacios cerrados en entorno

CFD, y es por ello que se presta a ser objeto del presente proyecto.

Se presentan a continuación las ramas principales dentro de la eficiencia energética en

edificación, en la que los modelos CFD orientados a la caracterización de flujos de aire en

recintos pueden suponer un gran avance. No obstante, previamente resulta necesaria la

introducción de una visión global en el panorama nacional.

1.1.1.- Eficiencia energética en edificación en España.

La política de eficiencia energética en edificación en España ha presentado un Real Decreto

(RD 235/2013), que subraya la incorporación de la Certificación energética en las viviendas

puestas en alquiler o en venta, además de otros puntos que se mencionan en los siguientes

apartados.

Esto se realiza de manera uniforme para todo el panorama nacional mediante la introducción de

una “Etiqueta de eficiencia energética”, garantizando de esta manera que las especificaciones

indicadas sean precisas y uniformes en todas las comunidades autónomas.

2

Figura 1.1.1. Ejemplo de etiqueta energética.

La eficiencia energética se caracteriza en función de la energía consumida en los siguientes

aspectos: Calefacción, Refrigeración, Ventilación, Producción de agua caliente sanitaria e

Iluminación.

Así pues en función de los consumos de dicha energía, la etiqueta estará compuesta por la

caracterización de una letra, correspondiente a la clase de eficiencia energética de la vivienda.

De esta manera, la “Clase D” sería la que tendría un edificio construido en España diseñado

bajo las condiciones mínimas exigidas por el CTE, y la “Clase A” sería la equivalente a un

edificio con un ahorro energético del orden del 70% mayor que el de “Clase D”, lo que se

denominaría un edificio de consumo casi nulo.

Figura 1.1.2. Categorías energética en función de la demanda frio/calor.

3

1.1.2.- Mejora en el diseño de viviendas.

Tal y como se cita en el RD 235/2013 en la disposición adicional segunda:

“1. Todos los edificios nuevos que se construyan a partir del 31 de diciembre de 2020

serán edificios de consumo de energía casi nulo. Los requisitos mínimos que deberán

satisfacer esos edificios serán los que en su momento se determinen en el Código

Técnico de la Edificación.

2. Todos los edificios nuevos cuya construcción se inicie a partir del 31 de diciembre de

2018 que vayan a estar ocupados y sean de titularidad pública, serán edificios de

consumo de energía casi nulo.”

Es por tanto evidente que el diseño de viviendas deberá constar de grandes mejoras, tanto a

nivel de instalaciones (inclusión de generación de energía mediante fuentes de energías

renovables), como a nivel de inclusión de sistemas pasivos de eficiencia energética (Ventilación

nocturna o Night-Cooling, forjado activo, muro trombe, etc.). Sin embargo, también es

importante y mucho más básico, plantear una buena orientación de la vivienda, permitir una

buena ventilación natural, etc.

Resulta por tanto de gran interés la aplicación de modelos CFD a este tipo de aplicaciones, ya

que la construcción de un modelo de elementos finitos permitiría la evaluación y el análisis de

las mejoras mencionadas previamente, pero a un bajo coste económico y temporal, en

comparación con otros tipos de modelos alternativos. Además, si se pretendiera realizar una

optimización de alguna variable implicada en el modelo, la utilización de herramientas CFD,

frente a la utilización de otros modelos (p. ej. Modelo real a escala), adquiriría una ventaja

bastante importante ya que la modificación de dicho modelo se puede realizar sin ningún

sobrecoste.

1.1.3.- Sistemas pasivos de eficiencia energética (Night-cooling

o Enfriamiento nocturno).

Los sistemas pasivos de eficiencia energética basados en la modificación de la inercia

térmica de la estructura aprovechan la diferencia de temperatura existente entre las paredes y las

corrientes de aire inducidas en el interior de la vivienda, ya sea por acción del viento,

extractores u otros dispositivos. En el caso de “Night-cooling” se hace referencia a que la

temperatura del aire introducido es menor que la de las paredes, por ejemplo en una noche de

verano. Este sistema trata de proyectar dichas corrientes de aire contra los elementos

estructurales con mayor densidad másica (pilares, zonas de hormigón, etc), aprovechando de

esta manera el fenómeno de inercia térmica, ya que un enfriamiento nocturno de la estructura,

provoca un descenso de las temperaturas de la misma durante ciertas horas del día,

contribuyendo a que la sensación de disconfort sea menor, y por tanto que también lo sea la

demanda energética de refrigeración.

Resulta entonces evidente, que tanto para obtener la configuración de flujos que optimiza el

fenómeno de Night-cooling en base a lo explicado, como para la caracterización de la

transferencia de calor en cada pared, el empleo de modelos CFD sería una solución rápida y

eficaz tal y como se planteó en el apartado previo.

4

En apartados posteriores, con especial mención al “Estado del arte” planteado, se pondrán de

manifiesto el gran número de ventajas que supone la utilización de modelos CFD frente a otras

alternativas.

1.1.4.- Reformas en viviendas.

En España existe un gran número de viviendas con una Certificación energética pertenecientes a

la Clase D o inferior. Esto implica una muy mala eficiencia energética que provocará altos

gastos al usuario de la vivienda, así como niveles altos de contaminación, tanto directa como

indirecta.

Además, según el RD 235/2013, se hace necesario a partir del 1 de Junio de 2013, la

presentación o puesta a disposición de los compradores o arrendatarios de viviendas, el

certificado de eficiencia energética de la totalidad o parte del edificio.

Todo lo anterior por tanto, implicará un evaluación y comparación por parte del arrendatario o

comprador frente a otras viviendas, e introduciendo de esta manera, la eficiencia energética en

la balanza a la hora del beneficio generado por una vivienda.

Por tanto, se hace más interesante la reforma que los propietarios de dichas viviendas pudieran

realizar de cara a mejorar dicha eficiencia energética, ya que su probabilidad o precio de venta

serían más elevados.

Si bien esta práctica no está muy extendida, y sumada además a una época de crisis económica,

resulta inevitablemente otro de los campos en los que el modelado CFD podría tener cabida para

optimizar dichas reformas a un bajo costo y alta eficiencia.

1.1.5.- Orientación del protocolo.

Sin embargo, existe un eslabón relativamente débil en el estudio e implementación de estas

técnicas para la mejora del ahorra energético. Se trata de la caracterización de la transferencia de

calor producida entre el aire y los elementos constructivos del edificio. El cálculo o medición de

dicha caracterización a través del parámetro llamado “Coeficiente de transferencia de calor por

convección” (Se introducirá en los apartados posteriores), no se encuentra muy desarrollado hoy

en día, ya que algunas de las técnicas utilizadas no resultan viables. No obstante, la utilización

de la herramienta CFD para este tipo de aplicaciones podría ser una opción bastante útil.

Queda evidenciado por todo lo anterior planteado, que la existencia de un protocolo que rigiera

de manera concisa como debe generarse dicho modelo CFD, de una manera generalizada,

podría salvar un gran vacío existente hoy en día en este tipo de estudios.

Este es pues, el objetivo del presente documento, el cual se detalla en más profundidad en el

apartado “Objetivos y alcance”.

5

1.2.- Conceptos básicos en Convección.

El termino convección es utilizado para referirse a la energía transferida entre una pared y un

fluido en movimiento. Esta energía se transfiere tanto por el movimiento de la masa de fluido

(Advección), como por el movimiento aleatorio de las partículas fluidas (Conducción y

difusión). [2]

1.2.1.- Números adimensionales.

Se presenta en primer lugar los números adimensionales que se van a utilizar para caracterizar la

transferencia de masa y calor asociada a la convección en los apartados siguientes:

Grupo Definición Interpretación

Coeficiente de fricción (Cf)

Tensión provocada por la

pared.

Numero de Grashof (Gr_L)

Cociente entre fuerzas de

boyancia y fuerzas viscosas

Numero de Nusselt (Nu_L)

Ratio de convección en

referencia a la transferencia

pura por conducción.

Numero de Prandtl (Pr)

Ratio entre cantidad de

movimiento y difusividad

másica. (Propiedad del

fluido)

Numero de Reynolds (Re_L)

Relación entre la inercia del

fluido y las fuerzas viscosas. Tabla.1.2.1. Números adimensionales (Ref. [1])

1.2.2.- Capa límite.

El primer concepto necesario para la comprensión de la transferencia de calor por convección es

la capa limite. Para introducir dicho concepto se comienza considerando el flujo sobre una placa

plana. Como se observa en la figura, cuando el fluido entra en contacto con la superficie, este

reduce su velocidad notablemente y de forma progresiva, la cual se considera que en el punto

más cercano a la pared será nula.

Figura 1.2.1. Capa limite hidrodinámica.

6

Además, estas partículas tienen un efecto de retardo hacia las capas consecutivas del mismo

fluido hasta una distancia a la pared de . De esta manera, la velocidad que en la pared es

nula, va incrementándose hasta alcanzar el valor de , siendo el símbolo para referirnos al

núcleo fluido. Normalmente el espesor de la capa limite se determina de tal forma que se

cumpla la relación .

No obstante, hasta ahora se ha hecho referencia a la componente hidrodinámica (velocidades) de

la capa límite ya que esta se dará siempre que exista movimiento de un fluido cercano a la

pared. Además, existe otro efecto dentro de la capa límite que ocurre cuando la temperatura del

fluido es diferente a la de la superficie en contacto. Se determina así la capa limite térmica, la

cual se observa planteando el caso de la placa plana en la figura bajo una diferencia de

temperaturas.

Figura 1.2.2. Capa limite térmica.

De manera analoga al caso hidrodinámico, se produce un gradiente de temperaturas en el que el

fluido pasará de tener la temperatura de placa en su partícula más cercana a esta, a tener la

temperatura de la masa de fluido. Se define el espesor de la capa límite térmica en función al

cumplimiento del siguiente ratio (Temperatura adimensional) 0.99.

Aplicando pues, la ley de Fourier se puede determinar la transferencia de calor del fluido en el

punto y=0.

|

(1.1)

(1.2)

Así, se determina que:

|

(1.3)

Por tanto, siempre que exista movimiento de un fluido sobre una superficie existirá una capa

limite hidrodinámica. Si además existe una diferencia de temperaturas entre el fluido y la

superficie se generará una capa limite térmica y por consiguiente se producirá la transferencia

de calor por convección.

Se extiende la información acerca de la capa limite tanto en el apartado “Capa limite en CFD”,

como en el “Capítulo 2” y “Anexo I”. No obstante, se recomienda la Ref [2] para una mayor

ampliación teórica de dicho fenómeno.

7

1.2.3.- Flujo laminar y turbulento.

Considerando una superficie los suficientemente amplia, se da la existencia de dos tipos de flujo

diferentes que caracterizan a la capa límite: Flujo laminar y turbulento. Tal y como se muestra

en la figura, la capa limite es laminar al comenzar su contacto con la superficie, pero a cierta

distancia se produce una etapa de transición hasta que esta toma un carácter turbulento

totalmente desarrollado.

Figura 1.2.3. Transición de laminar a turbulento en una placa plana.

Se ha de notar que en la zona laminar, es posible la distinción de las diferentes líneas que

marcan el recorrido de una partícula de manera clara por lo que se forma una estructura

ordenada, esto se debe a que las fuerzas viscosas son predominantes.

Sin embargo, a partir del punto “xc”, la inercia ganada por el fluido empieza a tomar relevancia

frente a las fuerzas viscosas. Es por ello que el fluido empieza a desestabilizarse y a producirse

comportamientos caóticos en forma de torbellinos que se generan en las 3 direcciones

espaciales. En este último caso se observa una división en tres zonas de la capa límite:

- Subcapa viscosa: Esta mantiene un comportamiento cuasi laminar.

- Capa de transición: Varia las condiciones desde el flujo laminar al turbulento

totalmente desarrollado.

- Región turbulenta: En esta zona el flujo turbulento está totalmente desarrollado.

La transición de un tipo de flujo a otro viene propiciada por una serie de parámetros, los

cuales se recogen en el número adimensional de Reynolds:

Cuanto mayor sea este número, mayor será la turbulencia del flujo, por tanto: una alta densidad,

alta velocidad o gran longitud de la superficie alimentará la turbulencia, mientras que una

viscosidad alta la combatirá.

8

Es necesario mencionar que el flujo turbulento implica una mayor transferencia de calor por

convección ya que la turbulencia mejora dicha transferencia. El coeficiente de película sigue la

evolución de la figura.

Figura 1.2.4. Variación del espesor y del coeficiente de película en la transición de laminar a turbulento.

1.2.4.- Coeficiente de transferencia de calor por convección.

El coeficiente de película caracteriza la transferencia de calor por convección tal como se

muestra en la ley de Fourier para el enfriamiento (1.2). Este dependerá de diversos factores

como el tipo de convección, el fluido, la rugosidad de la superficie, el nivel de turbulencia, etc.

También es conocido como coeficiente de transferencia de calor por convección.

Aunque la expresión para cada punto “x” de la superficie se corresponde con (1.3), se hace

necesaria en la práctica la determinación de un valor medio de este coeficiente de transferencia

para toda la superficie.

Se integra el flujo de calor en el área de la superficie:

∫ ∫

(1.4)

Se define el coeficiente de película medio como:

(1.5)

∫

(1.6)

Es necesario señalar que en muchas ocasiones se trabaja con el número de Nusselt en vez de

con el coeficiente de película.

(1.7)

9

Esto es debido a que el Nusselt puede entenderse como un coeficiente de película adimensional,

con lo que se generaliza más el resultado.

1.2.5.- Convección libre y forzada.

Existen también diferencias en función del origen del movimiento del fluido. Si el origen de

dicho movimiento es externo como podría ser un ventilador, el viento, u otro generador de

diferencia de presiones a escala macroscópica estaremos hablando de convección forzada. Esto

implica que los efectos de boyancia provocados por la gravedad son despreciables y la variación

del régimen de laminar a turbulento estará determinada por los parámetros contemplados en el

número de Reynolds.

Por otra parte, si no existen dichos agentes externos, el movimiento del fluido estará propiciado

por la gravedad y los efectos de boyancia, que por diferencia de densidades harán que el fluido

esté en movimiento. Este tipo de convección estará regida por los parámetros contemplados en

el número de Grashof.

Se concluye así, que en la convección natural las velocidades son más pequeñas que en la

convección forzada, y por tanto la transferencia de calor también será sensiblemente menor.

1.3.- Modelado en CFD.

El modelo CFD contendrá, desde que se concibe y plantea el problema, hasta que se obtienen

las soluciones deseadas, las siguientes etapas y componentes:

1.- Geometría 2D o 3D. Se construye mediante la herramienta adecuada una geometría

semejante al volumen de control que queremos estudiar. (Sería similar a la construcción de un

modelo real, por ejemplo una habitación).

2.- Malla. Mediante el software adecuado, se discretiza la geometría previamente planteada.

Este suele ser uno de los puntos más críticos en el modelo ya que requiere gran conocimiento y

destreza por parte del usuario, para generar una discretización lo suficientemente refinada y que

se encuentre dentro de los límites computacionales requeridos.

3.- Preparación del modelo. En este punto se unen todos los elementos del modelo (Malla,

condiciones de contorno y operacionales, etc). La realización de dicha tarea lleva acabo en el

software CFD (ANSYS Fluent, CFX, etc).En este se determinan las propiedades físicas de cada

elemento de la malla y de las ecuaciones que rigen la física del problema.

4.- Resolución del modelo. Acto seguido se monitorizan las variables necesarias para asegurar

la convergencia del problema, y se da la orden al software de comenzar a iterar hasta alcanzar

cierto grado de convergencia en la solución que debe ser determinado por el usuario.

5.- Extracción de resultados. Una vez concluida la convergencia de la solución del modelo, se

procede a la lectura de estos en el formato más práctico (Mapa de colores sobre la geometría,

graficas 2D, Valores numéricos directos, etc.).

10

Como se comentará con mayor detalle posteriormente, durante el desarrollo de este modelado

CFD algunos parámetros a determinar como el tipo de modelo turbulento, la generación de la

malla, o el tipo de modelado para las regiones cercanas al muro, tienen una importancia crítica

en la convergencia final el problema a unos resultados válidos.

1.3.1.- Modelos turbulentos.

Como ya se ha mencionado, los programas CFD resuelven las ecuaciones de Navier-Stokes de

los fluidos en cada nodo de la malla. Sin embargo, la resolución de estas ecuaciones no es

univoca y necesitan de varias ecuaciones de cierre. Es por ello que se han desarrollado

diferentes modelos turbulentos a lo largo de la historia, cambiando en general la forma en la que

suministran datos complementarios o la forma en la que cierra el sistema de ecuaciones.

Hoy en día, no existe ningún modelo turbulento que sea inexpugnable para cualquier tipo de

problema. [3] La elección del modelo turbulento vendrá determinada por el tipo de flujo

existente, nivel de precisión requerido, potencia computacional disponible, etc.

En el Capítulo 4 “Modelado”, se extenderá la información acerca de los puntos fuertes y débiles

de cada uno de los modelos enfocados a la resolución de recintos, seguido de una toma de

decisiones para elegir los modelos más válidos para nuestra aplicación. No obstante, a

continuación se presentan de manera muy breve los modelos turbulentos principales, así como

sus características más generales.

Existen diferentes tipos de modelos turbulentos en función de cómo resuelven las ecuaciones de

Navier-Stokes:

- RANS (Reynolds-Averaged Approach): Son los más comunes en la industria debido a su

coste computacional bajo. Estos utilizan valores promedios en la resolución de las ecuaciones de

Navier-Stokes e históricamente han probado su gran precisión en una amplia cantidad de casos.

-LES (Large Eddy Simulation): Así como en el caso de los RANS se resolvían las ecuaciones

de Navier-Stokes bajo valores promedio, en los modelos LES se resuelven con los valores

estrictos de las variables en nodo. Se entiende que la capa limite turbulenta tiene una

distribución caótica formada por torbellinos de diferente tamaño (Ver apartado de Capa limite

turbulenta) que forman la turbulencia en sí. Así, de manera ideal, los modelos LES modelarían y

resolverían cada uno de los torbellinos generados. No obstante, para que el uso de estos modelos

resulte factible en términos computacionales y temporales, se añade un filtro que determina un

de tamaño de torbellino que provoca que los torbellinos con tamaño inferior sean despreciados.

De esta manera, se tiene un modelo turbulento en el que la componente de “Modelado”, en la

cual influye fuertemente la acción del usuario, pierda peso ya que al realizarse un cálculo

estricto de las ecuaciones de los fluidos, muchas de los parámetros se encuentran ya

determinados. Sin embargo, esta disminución de peso del “Modelado” se ve contrarrestada por

el aumento de importancia de la componente “Calculo” ya que la malla a introducir tendrá que

ser mucho más fina que en los modelos RANS, llegando a requerirse gastos computacionales

dos órdenes de magnitud superiores a los requeridos por los modelos RANS.

11

A su vez, dentro de los RANS tendremos otros modelos en los que varían las ecuaciones de

cierre y los valores semiempiricos que se presentan en las mismas. (Ver figura).

Ecuaciones de cierre

RANS

Modelos de una ecuación

Spalart-Allmaras

Modelos de dos ecuaciones. Standard k-ε

RNG k-ε

Realizable k-ε

Standard k-ω

SST k-ω

V2F Model

Reynolds-Stress Model

LES Detached Eddy Simulation

Large-Eddy Simulation

1.3.2.- Modelos RANS.

Se introducirán a continuación los modelos RANS de dos ecuaciones ya que resultarán objeto

de estudio más adelante.

Modelos k-ε. Dentro de la familia de los modelos k-ε podemos encontrar los modelos: Standard k-ε, RNG k-ε

y Realizable k-ε.

Estos modelos presentan las mismas ecuaciones de transporte para k y ε, pero existen algunas

diferencias entre ellos como el método por el que se calcula la viscosidad, el número de Prandtl

que gobierna la difusión turbulenta y la anulación o no de términos en la ecuación ε.

Modelo Standard k-ε.

Es el modelo k-ε es el modelo de dos ecuaciones más básico, aunque no por ello deja de tener

gran utilidad en la industria desde que fue presentado por Launder y Spalding [4]. Se trata de un

modelo con una precisión razonable y un bajo coste computacional por lo que se utiliza

regularmente en la simulación aerodinámica y de transferencia de calor.

No obstante, es conocido que dicho modelo consta de muchas limitaciones dependiendo de la

aplicación tratada. Es por ello que se han ido realizando diferentes modificaciones para paliar

estos vacíos.

A partir de dichas modificaciones se propicia la aparición de las variantes RNG k-ε y Realizable

k-ε.

Se incrementa el gasto

computacional

12

Modelo RNG k-ε.

Este modelo está basado en la resolución de las ecuaciones de Navier-Stokes y las ecuaciones k-

ε mediante la derivación basada en una técnica estadística llamada “Renormalization group

theory” [5] Algunas de sus mejoras frente al Standard son:

- Añade un término en la ecuación ε que mejora la precisión en el cálculo de flujos de alta

velocidad.

- Capta con mayor precisión los efectos de flujos con torbellinos.

- Mientras que el Standard k-ε se concebía para altos números Reynolds, el RNG k-ε

incluye una fórmula que permite la adaptación a los efectos producidos por regímenes

con bajos números de Reynolds.

Por tanto, este modelo resulta más preciso y fiable que el Standard k-ε aunque introduce un

ligero incremento en la potencia computacional requerida.

Realizable k-ε.

El término “realizable” indica que el modelo satisface ciertas restricciones matemáticas frente a

las variaciones del Reynolds, y que lo hacen consistente con la física de los flujos turbulentos

[6]. Este introduce las siguientes variaciones respecto al modelo Standard:

- Incluye una nueva formulación para la viscosidad turbulenta.

- Se incluye una nueva ecuación de transporte que modifica la tasa de disipación (ε).

Uno de los beneficios del modelo Realizable es la mayor precisión en el cálculo de flujos con

rotaciones, con fuertes gradientes de presiones en la capa limite, incluso con recirculación.

Tanto el modelo Realizable como el RNG muestran su superioridad frente al modelo Standard

en la predicción de flujos. Sin embargo, debido a que el modelo Realizable es relativamente

reciente, todavía no está establecido de manera consistente la supremacía de este sobre el

modelo RNG.[3]

Modelos k-ω. Existen dos variantes en los modelos k-ω: Standard y SST (Shear-stress transport). Como en el

caso anterior, ambos se rigen por las mismas ecuaciones de transporte para k y ω. Sin embargo

existen algunas diferencias notables entre ambas variantes [3]:

- Transición de la característica del modelo Standard k-ω en la zona interna de la capa

limite, a la versión para altos números de Reynolds del modelo k-ε en la zona central

del fluido (Este fenómeno de transición caracteriza a la variante SST ya que es una

mezcla de su variante Standard y del modelo k-e).

- Modificaciones en la viscosidad turbulenta que afectara a los efectos de transporte.

Modelo Standard k-ω.

Este modelo está basado en el modelo k-ω planteado por Wilcox [7].Incorpora además

modificaciones para incluir efectos de bajos números de Reynolds. Es un modelo empírico, el

cual ha sido modificado a lo largo de los años adquiriendo términos en sus ecuaciones,

consiguiéndose de esta manera un modelo con una buena precisión en el cálculo de flujos libres

de tensiones.

13

Modelo SST k-ω (Shear-Stress Transport).

Este modelo fue desarrollado por Menter [8] para fusionar la gran precisión del modelo k-ω en

la zona cercana a la pared, con la independencia entre los flujos planteada por el modelo k-ε en

la zona lejana al muro. Para esto, se reformula el modelo k-ε como k-ω.

Esto propicia que el modelo SST k-ω resulte más efectivo para un mayor abanico de flujos que

el standard.

1.4.- Capa limite en CFD.

Una vez presentado el concepto de capa limite el en apartado “Conceptos básicos de

convección” se pasa a analizar su tratamiento en programas CFD. Esto es necesario ya que

como se verá en los siguientes capítulos, el modelado de la capa limite resultará uno de los

parámetros más críticos en el planteamiento y resolución del modelo.

En régimen turbulento, la presencia de muros afecta en gran medida al comportamiento del

fluido. Esto es debido a que el flujo turbulento esta dominado por fuerzas de inercia, y por tanto,

ante la aparición de un elemento fijo se producen altos gradientes de velocidad, así como saltos

muy bruscos en la resolución de las ecuaciones de Navier-Stokes.

Por todo ello, la precisión de la solución numérica queda comprometida ya que estos muros son

la fuente principal de la generación de vórtices y de turbulencia.

Es necesario pro tanto, efectuar una representación de dicha capa límite de manera precisa para

obtener una buena predicción de los flujos turbulentos delimitados por dichas superficies [3].

En la herramienta ANSYS Fluent se plantean varias formas de modelar la capa limite, sin

embargo, antes de ser presentadas es necesario introducir un concepto de gran importancia para

el tratamiento de estos fenómenos, el llamado y+.

1.4.1.- yplus (y+).

Se trata de una medida de longitud adimensional utilizada para determinar el refinamiento

necesario que debe tener la malla en la zona cercana al muro para cumplir las condiciones

necesarias para el buen funcionamiento del tratamiento cercano a la pared seleccionado en la

herramienta ANSYS Fluent.

Donde y es la distancia (en metros) desde la superficie del modelo hasta el primer nodo más

cercano de la malla.

14

La adimensionalización provoca que, independientemente de las condiciones del flujo o del

espesor de la capa limite, el mismo valor de y+ siempre se encontrará en la misma zona

proporcional de esta capa limite.

Si recordamos lo mencionado anteriormente, la capa limite turbulenta se puede dividir en tres

subcapas bien diferenciadas. De esta manera, cada subcapa se encuentra en un rango de y+

determinado, sea cual sea la condición de operación. Los valores se muestran en la figura de

manera aproximada.

Figura 0.4.1. Esquema de la capa turbulenta y la relación de y+ (Ref [1]).

Por tanto, se dilucida la importancia de dicho parámetro, el cual nos permite determinar el

tamaño de refinamiento de la malla sin necesidad de singularizar para cada caso planteado.

No obstante, es cierto que la malla se construirá con los valores reales de “y” y no con y+, pero

eso será tratado en el “Capítulo 5 de Mallado”.

1.4.2.- Tratamientos cercanos al muro.

Para el modelado y representación de dicha capa limite se introducen en la herramienta CFD

dos tratamientos cercanos a la pared que cubren diferentes rangos de turbulencia, gasto

computacional y precisión arrojada.

Estos tratamientos son: Wall-Function y Near-Wall Model (Tratamiento refinado).

El primero no resuelve la subcapa viscosa ni la de transición, sino que utiliza formulas semi-

empiricas llamadas “Wall-Function (o funciones de pared)” que unen los efectos de la propia

superficie con la subcapa turbulenta totalmente desarrollada, generando así un efecto “parche”.

El segundo tratamiento por el contrario, es capaz de resolver la capa límite al completo, aunque

esto requiera un mayor refinamiento en todo el modelo y por tanto, una mayor potencia

computacional.

15

Se representa en la figura siguiente, un esquema gráfico del efecto y funcionamiento de cada

uno de los tratamientos cercanos al muro.

Figura 0.4.2. Representación de los tratamientos cercanos al muro (Ref. [1]).

Bajo las características expuestas, el tratamiento Wall-Function suele ser utilizado en

aplicaciones de altos números de Reynold ya que la zona afectada por la viscosidad se ve

reducida en tamaño y por tanto el error que introduce este tratamiento al estimar la zona viscosa

es más pequeño, y además, el gasto computacional es sensiblemente inferior al segundo

tratamiento.

Sin embargo, si se trata con flujos de bajos números Reynolds, o se precisa de gran precisión en

la zona de capa límite, es necesaria la utilización de “Near-Wall Model”.

1.4.3.- y+ requerido en cada tratamiento.

Este parámetro cobra importancia en el momento en que cada tipo de tratamiento cercano al

muro requiere que el primer nodo de su malla esté situado en un punto diferente de la capa

limite.

A modo de resumen, los intervalos aproximados que relacionan el y+ y la posición en la capa

limite son: Subcapa viscosa y+=0-5, Capa de transición y

+=5-30, Capa turbulenta

completamente desarrollada y+=30-300.

De esta manera, cuando se utilice el tratamiento de “Wall-Function” será condición necesaria

situar el primer nodo en el intervalo y+=30-300, ya que el primer punto debe caer una vez

superada la zona de transición (Para aplicar el efecto parche o puente desde la superficie a la

subcapa turbulenta).

Por otro lado, si se decide aplicar el “Near-Wall Model” será necesario conseguir un ,

ya que este requiere que el primer nodo este contenido en una zona media-baja de la subcapa

viscosa. En cualquier caso, siempre es imprescindible evitar la colocación de dicho primer nodo

en la zona de transición entre y+=5-20.

16

1.4.4.- Tratamientos cercanos al muro en los modelos

presentados.

Entre los modelos presentados podemos hacer una clasificación en dos grupos:

- Spalart-Allmaras y modelos k-ω. Incorporan en su diseño la resolución de capa límite

a nivel de subcapa viscosa (“Near-Wall Models”). Por tanto, siempre será necesario un

refinamiento de malla máximo.

- Modelos k-ε, RSM y modelos LES. Son a priori válidos para fluidos en zonas alejadas

al muro, sin embargo, necesitan incorporar algunas modificaciones para poder resolver

flujos cercanos a paredes. Se incluyen en estos las siguientes opciones que permiten

aplicar ambos tratamientos (Wall-Function y Near-Wall Models).

o Wall-Function. Aplica el tratamiento cercano al muro basado en Wall-

Functions (Estimación de zona viscosa).

o Non-Equilibrium Wall Function. Incluye algunas mejoras en las funciones

incluidas en el anterior tratamiento.

o Enhanced Wall Treatment (Tratamiento de pared mejorado). Aplica el

tratamiento cercano al muro detallado, en el que la capa limite en su totalidad es

resuelta.

17

1.5.- Estado del arte.

Debido al gran abanico de puntos tratados en este protocolo, se presentará el estado del arte

separado en diferentes puntos. Además, para facilitar el entendimiento y el seguimiento de la

metodología impuesta, en los capítulos de “Mallado” y “Modelado” se dará robustez a este

estado del arte con otros complementarios enfocados a cada capítulo.

1.5.1.- Métodos para predecir el comportamiento del aire en

recintos.

Existen diversos métodos para predecir el comportamiento que tendrá una corriente de aire o un

sistema de ventilación en un espacio cerrado. Estos son sumamente variados y abarcan un gran

espectro de diferentes tecnologías: Modelos analíticos, modelos empíricos, modelos

experimentales a escala reducida, modelos experimentales a escala real, modelos multizona,

modelos zonificados y modelos computacionales de fluido dinámica (CFD). [1]

1.1.- Modelo analítico.

Los modelos analíticos se obtienen a partir de las ecuaciones generales de la dinámica de fluidos

(Conservación de masa, cantidad de movimiento, energía y especies). Estos a su vez utilizan

simplificaciones tanto en la geometría del modelo como en las condiciones de contorno para así

poder obtener una solución. [1]

Se considera que fue el método pionero en la predicción de este tipo de fenómenos y debido a su

gran sencillez y contenido físico se sigue utilizando hoy en día.

Un ejemplo de la utilización de este tipo de modelos podría ser el empleado por Halios and

Helmis [9] con el que se predijo el tiempo de retraso y las reducción de las fluctuaciones de un

contaminante en un espacio cerrado.

En contrapartida, los modelos analíticos solo pueden abordar casos relativamente sencillos por

lo que para casos con cierto grado de complejidad habría que hacer uso de otro método.

1.2.- Modelos empíricos.

Los modelos empíricos son muy similares a los analíticos. Su principal diferencia reside en que

el empírico utiliza un mayor número de aproximaciones que suelen estar basadas en resultados

experimentales.

Por ejemplo, mediante el uso de CFD y resultados experimentales de jets que confluyen en una

pared dentro de una habitación, Cho et al. [10] desarrolló un paquete de ecuaciones para

determinar el comportamiento del chorro en función de los perfiles de velocidad, numero de

chorros y dispersión de los mismos.

1.3.- Modelos experimentales a escala reducida.

Como su propio nombre indica, se trata de la representación de un modelo real pero a escala

reducida, con lo que se consiguen reducir sensiblemente los costes económicos y aumentar la

viabilidad del modelo. Con estos modelos se consigue obtener el mismo comportamiento del

18

aire un recinto que para el modelo de tamaño real, siendo para ello de vital importancia que los

parámetros adimensionales tales como el Re o Gr no varíen entre ambos modelos. Esto último,

puede resultar bastante engorroso en geometrías muy complejas por lo que no siempre es viable.

1.4.- Modelos experimentales a escala real.

Estos modelos se usan habitualmente para la predicción del comportamiento de las corrientes

del aire en recintos. Si bien, a diferencia de los de escala reducida que eran utilizados para

recoger en sí el propio comportamiento del aire, los de escala real se suelen utilizar para extraer

una serie de datos para la validación de modelos numéricos.

Estos modelos generan los datos más realistas pero resultan muy caros y poco viables en

términos temporales.

1.5.- Modelos multizona.

Se utilizan para la predicción de la ventilación en edificios enteros a través de una red de

diferentes modelos, calculando también la interacción entre los mismos. Los programas más

importantes en la creación de modelos multizona son CONTAM y COMIS. A pesar de que

estas herramientas no presentan una buena interfaz y es complicada la introducción de datos,

suele ser el único método efectivo para el estudio de la ventilación en un edificio completo.

1.6.- Modelos zonificados.

Algunas de las simplificaciones llevadas a cabo en el modelo multizona no se cumplen en

habitaciones de determinado tamaño o habitaciones bajo un sistema de ventilación estratificada.

Es por ello que se desarrollan este tipo de modelos que predicen la temperatura del aire en cada

punto. Para ello, se divide el espacio encerrado en diferentes volúmenes, calculando para cada

uno su temperatura.

En la práctica, la mayoría de los modelos de este tipo están enfocados al desarrollo de los

mismos. Además, aparte de ser igual de costosos computacionalmente que un modelo CFD, la

introducción de datos es compleja por lo que se prevé que este tipo de modelos pueda ser

sustituido por los CFD.

1.7.- Modelos CFD.

El modelo de fluido dinámica computacional se encarga de resolver las ecuaciones de Navier-

Stokes complementadas con ciertas aproximaciones experimentales o ecuaciones de cierre. De

esta manera, es capaz de arrojar valores de diversos parámetros, tales como presión y velocidad

de un gas, temperatura, etc. Esto puede ser mostrado de diferentes maneras: Valor medio, mapa

2D, mapa 3D, vectorialmente, etc.

Debido al rápido incremento en la capacidad de los ordenadores, los modelos CFD cada dia

cobran mayor interés para la utilización en la predicción del comportamiento del aire, tanto en

recintos cerrados como en espacios abiertos, a pesar de la cierta incertidumbre que presentan

estos modelos, del alto conocimiento de la herramienta que debe tener el usuario y de la alta

capacidad que debe tener el ordenador en uso.

19

Figura. Imagen obtenida de Ref. [1]

Para mayor información acerca de estos modelos, en la Ref. [1] se disponen un gran número de

casos prácticos llevados a cabo en la literatura.

1.5.2.- Cálculo de coeficiente de película en recintos. En los modelos relacionados con la transferencia de calor en edificios se ven comprometidos el

calor por conducción, radiación y convección. Si bien los dos primeros se encuentran

modelados bajo modelos analíticos y numéricos, el modelado de la transferencia de calor por

convección resulta más complejo y normalmente es menos riguroso. [11] Esto es debido a la

dependencia de dicho coeficiente con el comportamiento del aire dentro del recinto como ya se

explicó en el capítulo previo.

El problema encontrado puede simplificarse en la falta de rigurosidad con la que se establece el

“Coeficiente de transferencia de película” o “h”. De esta manera, se presenta a continuación los

casos encontrados en la literatura que establezcan las formas actuales que existen para la

caracterización de este parámetro.

Una de las posibilidades para la determinación del coeficiente de película pasa por la utilización

de las correlaciones existentes para recintos. Estas ya fueron recogidas y estudiadas por Peeters

L, Beausoleil-Morrison I, Novoselac A. en Ref. [11], donde se recogen por una parte,

correlaciones por similitud proporcionadas por ASHRAE en las que se aproxima el

comportamiento cercano a la pared como placa plana y por otra parte se reúne un cierto número

de correlaciones basadas en experimentos en habitaciones. Además, al estudiar la robustez de

dichas correlaciones se observa que al desplazarse un poco sobre las condiciones de ensayo, los

valores predichos del coeficiente de película difieren de la realidad.

Adentrándonos ahora en los casos CFD, en 2013, Zhang T, Zhou H, Wang S. Ref [12],

Realizaron un estudio CFD en varios recintos muy concretos, en los que se calculaba el

20

coeficiente de película bajo un modelo RANS para un rango de Prandtl. A su vez, este cálculo

se llevaba a cabo bajo dos tipos de tratamiento cercano al muro: Wall-Function y Función de

pared mejorada. Se propone finalmente una correlación de ajuste del Prandtl en pared en las

Wall-Function para que asemejen su valor al del uso de Función de pared mejorada, el cual

introduciría un mayor gasto computacional.

Como conclusiones en comparación con los datos experimentales obtenidos, se extrajo que las

Wall-Function no predecían correctamente el coeficiente de película. No así, bajo la función de

pared mejorada, para la mayoría de modelos RANS probados la solución era aceptable.

1.5.3.- Modelado de ventilación para recintos en CFD.

Se presenta a continuación una serie de experimentos encontrados en la literatura que reflejan la

actualidad de esta técnica y servirán en capítulos venideros como validación o justificación con

precedentes de algunas de las decisiones tomadas.

En 2007, Zhai Z, Zhang Z, Zhang W, Chen Q. Ref.[13], miembros del ASHRAE, estudian

como son capaces de predecir ,bajo CFD y modelos RANS ,los campos de velocidades,

temperatura y de turbulencia en un local ventilado bajo diferentes tipos de flujo (Convección

natural, convección forzada, convección mixta y bajo fuertes efectos de boyancia). Esto se lleva

a cabo bajo un tratamiento cercano al muro de 2 capas.Como resultado, se obtiene que para la

mayoría de casos, el modelo k-ε RNG sobresale en la predicción de dichos parámetros,

destacando en la convección forzada y mixta. También lo hacen el LRN-LS y V2f-dav, aunque

estos incrementan el tiempo computacional. (Vease Anexo I, para ver tabla resumen de los

resultados de dicho artículo).

En 2005, Kuznik F, Rusaouën G, Brau J. Ref. [14], testaron con un modelo experimental a

escala real de una habitación los modelos k-ε Realizable, k-ε RNG, k-ω y k-ω SST. Cubriendo

los tratamientos cercanos a la pared con Wall-Function y ecuaciones de dos capas.

Se afirma que los modelos k-ω son rara vez utilizados para las simulaciones internas en recintos.

Como conclusión respecto a qué modelo es capaz de predecir de forma más precisa el campo de

velocidades y de temperaturas, se llega a la conclusión de que k-ε Realizable y k-ω Standard

tienen las mejores aproximaciones aunque con cierto error.

Rohdin P, Moshfegh B. en 2006,[15] estudian en un almacén como se aproximan los distintos

modelos k-ε’s a los campos de velocidad y temperatura medidos en el experimento real. Se

utiliza un tratamiento de pared Wall-Function. Se obtiene que el modelo más aproximado a los

valores experimentales son los arrojados por el modelo RNG k-ε.

Estos estudios presentados dejan entrever los modelos más adecuados y precisos, lo cual será un

factor determinante como veremos posteriormente. Sin embargo, si se quisiera profundizar en

un mayor número de casos, en la Ref. [16] se encuentran disponibles más experimentos.

21

1.5.4.- Modelos enfocados a Night-cooling.

Se presentan una serie de estudios realizados en los últimos años en los que se caracterizan las

tecnologías y técnicas utilizadas para la evaluación del Night-cooling, así como la

determinación de la influencia de los parámetros más notables.

En 2012, Leenknegt S, Wagemakers R, Bosschaerts W, Saelens D. Ref. [17],realizaron un

estudio en el que se proponía un modelo basado en Simulaciones Energéticas en Edificios

(BES) (los anteriormente llamados, modelos multizonas) y a su vez un modelo 2D en CFD, el

cual sirviera para la justificación de los coeficientes de película seleccionados. A su vez, estos

valores se cotejaron con las correlaciones para geometrías simples más reseñadas encontradas

en la literatura.Este estudio tenía dos objetivos, el primero era evaluar el valor de “h”

seleccionado en el BES. El segundo consistía en un análisis de sensibilidad para evaluar la

influencia ejercida por la variación de dicho coeficiente, la cual se demostró que era bastante

fuerte.

Se extrae de la literatura pues, [17,18] que los modelos referentes a Night-cooling generados

con BES son en gran medida imprecisos ya que la transferencia de calor por convección tiene

un gran peso en los cálculos y este tipo de software lo modelan de una manera precaria al no

disponer de un método de cálculo de “h”.

Por otra parte, estos modelos pueden acompañarse de modelos CFD en muchas ocasiones, como

en el caso planteado. Estos deberán ser capaces de generar los datos de entrada necesarios para

erradicar dicha imprecisión,[19].

En el estudio realizado por Goethals K, Couckuyt I, Dhaene T, Janssens A., Ref[19], se plantea

una solución en CFD sustituta a todo lo anterior en la que se obtiene el flujo de aire que

optimiza el fenómeno de enfriamiento de los elementos constructivos. Se introduce para ello

como herramienta novedosa aparte de las utilizadas en CFD, la SUMO. Se trata de un autómata

basado en MATLAB que introduce los valores en la herramienta CFD, genera la malla y la

introduce en el solver, y evalúa hasta encontrar el óptimo.

En el mismo estudio se indica finalmente la posibilidad futura de poder mejorar los modelos

BES a través del desarrollo de correlaciones para la optimización del Night-cooling y cálculo

del coeficiente de película basadas en modelos CFD.

22

1.6.- Objetivos y alcance.

Como bien se ha podido dilucidar hasta el momento, la generación de modelos 3D de recintos

como habitaciones o viviendas completas en CFD plantea una serie de dificultades. Estas

dificultades estarán relacionadas en ciertos casos con el propio manejo de las herramientas, y en

otras ocasiones estarán relacionadas con la falta de estudios en este campo. Por tanto, un

resumen de los parámetros más críticos a tratar durante todo el protocolo y que precisarán de un

gran nivel de rigurosidad basado en un numero notable de referencias bibliográficas, además de

comprobaciones generadas en el presente documento.

PARAMETROS CRITICOS

- Modelado de la capa limite (tratamiento cercano al muro).

- Elección del modelo turbulento.

- Tipología de mallado (precisión vs. Gasto computacional).

Debido a lo extenso del presente documento, debemos diferenciar entre objetivos

generales y objetivos particulares aplicados a cada sección.

1.6.1.- Objetivo principal.

El objetivo principal del presente proyecto es el de generar un protocolo de modelado para

recintos bajo la herramienta CFD a un alto nivel de detalle. Este además debe presentarse

generalizado para diferentes tipos de casos, diferente rango de potencia computacional

disponible y diferente grado de precisión. No obstante, se hace una orientación especial hacia el

cálculo de coeficiente de película, entendiéndose este como el nivel de mayor exigencia en

precisión de cálculo numérico.

Dicho protocolo estará compuesto de las siguientes divisiones:

- Recopilación de datos de entrada.

- Determinación de grado de:

o Potencia computacional.

o Grado de precisión.

- Selección del modelo turbulento y tratamiento cercano al muro.

- Generación de la geometría.

- Generación de la malla.

- Preparativos e introducción en el Solver.

- Obtención de datos.

Esta progresión no será del todo lineal ya que alguno de los puntos están envueltos en

componentes iterativas.

A parte de mostrar una formulación generalista durante toda la memoria a la vez que se va

validando cada sección, se formulará un protocolo general y otro simplificado a modo de Guía

de Usuario o “Hand-Book”. Las simplificaciones estarán basadas en los valores característicos

para simulaciones en viviendas que se obtengan en el capítulo práctico.

23

1.6.2.- Objetivos generales.

Como objetivos generales se entiende la filosofía de fondo con la que se realiza el presente

estudio. Estos marcaran los patrones a seguir durante el desarrollo del trabajo.

- Ser capaz de obtener un valor de coeficiente de película en un recinto real. Lo que lleva

implícito el ser capaz de realizar satisfactoriamente el modelo.

- La generación de un protocolo de modelado a modo de guía que pueda ser utilizado

para la resolución de este tipo de problemas por otros usuarios.

- Esto abre una línea de investigación CFD que puede ser ramificada en una infinidad de

direcciones, sentando aquí las bases para ello.

1.6.3.- Objetivos parciales.

Se pretende poner de manifiesto la rigurosidad de la utilización de la herramienta CFD

mediante la realización de hitos parciales, además de la obtención de otros subproductos que se

consideren puedan ser de cierto interés. Por tanto, se presentan dichos objetivos parciales por

capítulos y bloques.

BLOQUE 1

Capítulo 2. Estimación de precisión en CFD frente a modelo analítico. Realización del problema convectivo más básico y validación con solución analítica. Se trata de

realizar un modelo CFD de una placa plana y régimen forzado laminar. Para dicho problema

existe una solución analítica (Sol. De Blausius). Dicho modelo analítico será resuelto en

MATLAB. Objetivo 1: Demostrar la pericia del usuario a nivel básico siendo capaz de representar los

campos de velocidades y temperaturas con un ajuste bueno al modelo analítico.

Objetivo 2: Demostrar pericia del usuario en la utilización de la técnica “Blocking” de mallado

2D.

Objetivo 3: Acotar el error producido, obteniendo así una primera aproximación del intervalo

de error que debemos contemplar en las soluciones posteriores.

Objetivo 4: Determinar valores característicos de mallado para este tipo de problemas en

función del número de Reynolds.

Capítulo 3. Cálculo de Nusselt. Resolución en CFD del problema de placa plana y conducto interior, para todo el rango de

Reynolds existente en la aplicación práctica, tratando de esta manera flujos laminares y

turbulentos. Se obtendrá para cada modelo ejecutado su Nusselt (caracterización de la

transferencia de calor), y será comparado con las correlaciones experimentales reflejadas en la

literatura.

Objetivo 1: Demostrar la pericia del usuario a nivel intermedio, siendo capaz de plantear la

batería de casos propuestos y obteniendo un margen de error satisfactorio frente a las

correlaciones propuestas.

Objetivo 2: Ser capaz de acotar el error de los modelos validados, para estimar así el intervalo

de error que se cometerá en el modelado de recintos 3D

BLOQUE 2.

24

Capítulo 4. Modelado. En este capítulo se aborda la selección de los modelos turbulentos válidos para la aplicación en

cuestión, así como la del tratamiento cercano al muro más adecuado. Para ello se realiza una

preselección basada en la literatura encontrada. Acto seguido se realizan una serie de

experimentos para comparar los resultados entre los elementos preseleccionados y proceder así

a un descarte o validación de cada elemento.

Objetivo 1: Obtener una preselección de elementos basada en una buena base bibliográfica.

Objetivo 2: Seleccionar los modelos turbulentos finalistas y el tratamiento cercano al muro de

una manera justificada.

Capítulo 5. Mallado. En función de la experiencia y de la bibliografía encontrada:

Objetivo 1: Demostrar pericia del usuario en el manejo de la herramienta ICEM de mallado.

Objetivo 2: Generar un algoritmo de mallado valido para afrontar este tipo de problemas de

manera satisfactoria.

Objetivo 3: Generar algoritmos alternativos para la evaluación del primero (principal) y

demostración de la supremacía de la solución adoptada.

Capítulo 6. Formulación del Protocolo General de cálculo CFD de

coeficientes de transferencia de calor convectivo en recintos. En este bloque se formulará el protocolo en su totalidad de una manera general.

Objetivo 1: Formulación de una manera simple y esquemática del protocolo para una fácil

comprensión del mismo.

BLOQUE 3.

Capítulo 7. Aplicaciones prácticas.

Caso práctico 1.

Se aplica el protocolo propuesto a un caso propuesto en colaboración con la UCA.

Objetivo 1: Validación del protocolo al obtener la misma solución que el grupo UCA por otros

medios.

Objetivo 2: Determinación de valores típicos para la construcción de un protocolo simplificado.

Objetivo 3: Validación de supremacía del algoritmo principal frente a los anteriores.

Caso práctico 2.

Se aplica el protocolo al cálculo de coeficientes de películas de una habitación para el posterior

estudio de la técnica Night-Cooling en modelo CFD o BES.

Objetivo 1: Obtención de los coeficientes de película de manera satisfactoria bajo el protocolo.

Objetivo 2: Determinación de valores típicos utilizados para la construcción de un protocolo

simplificado.

Objetivo 3: Poner de manifiesto una de las aplicabilidades de dicho protocolo.

25

Caso práctico 3.

Como utilización del protocolo en un caso diametralmente opuesto, se genera un modelo de una

vivienda de protección oficial en Málaga, la cual se encuentra bajo un programa de Reformas

llevado a cabo por la empresa FCC (RS). El estudio consiste en estudiar la ventilación de la

misma con un modelo CFD para la optimización de los tamaños y colocaciones de las aberturas

o rejillas.

Objetivo 1: Validación del protocolo a un nivel de precisión medio (saliendo del refinamiento

exhaustivo en capa límite).

Objetivo 2: Obtención de la configuración optima que permita una mejor ventilación de la

vivienda a un coste más reducido.

Capítulo 8. Conclusiones prácticas. Se recopilan aquí, las conclusiones generales obtenidas del capítulo práctico, y se ligan estas

con una modificación del protocolo planteado, de tal manera que se obtenga uno más

simplificado.

Objetivo 1: Recopilación de valores característicos para aplicaciones de este tipo.

Objetivo 2: Formulación de un protocolo simplificado, que permita una alternativa en la que la

generación y resolución del modelo se llevan a cabo en un menor tiempo y con un número

menor de pasos, a cambio de un modelado menos exhaustivo y detallado.

REFERENCIAS [1] Chen Q. Ventilation performance prediction for buildings: A method overview and recent applications. Building

and Environment 2009; 44; 848-858.

[2] Bergman T.L., Lavine A.S., Incropera F.P., Dewitt D.P. Fundamentals of Heat and Mass Transfer (seventh

edition) 2011. USA: John Wiley & Sons. ISBN 13 978-0470-50197-9

[3] ANSYS,Inc. ANSYS FLUENT 14.0: Theory Guide. Cap 4. 2012. 4-1 (88).

[4] B.E. Launder and D.B. Spalding. Lectures in Mathematical Models of Turbulence. Academic Press, London,

England, 1972.

[5] S.A. Orszag, V. Yakhot, W.S. Flannery, F. Boysan, D. Choudhury, J. Maruzewski and B. Patel. Renormalization

Group Modeling and Turbulence Simulations. In International Conference on Near-Wall Turbulent Flows, Tempe,

Arizona, 1993.

[6] T.-H. Shih, W.W. Liou, A. Shabbir, Z. Yang and J. Zhu. A New k-ε Eddy-Viscosity Model for High Reynolds

Number Turbulent Flows – Model Development and Validation. Computers Fluids, 24(3): 227-238, 1995.

[7] D.C. Wilcox. Turbulence Modeling for CFD. DCW Industries, Inc., La Canada, California, 1998.

[8] F.R. Menter. Two-Equation Eddy-Viscosity Turbulence Models for Engineering Applications. AIAA Journal,

32(8): 1598-1605, 1994.

[9] Halios C, Helmis C. On the estimation of characteristic indoor air quality parameters using analytical and

numerical methods. Science of the Total Environment 2007; 381(1-3); 222-32.

[10] Cho Y, Awbi H, Karimipanah T. Theoretical and experimental investigation of Wall confluent jets ventilation

and comparison with wall displacement ventilation. Building and Environment 2008; 43(6); 1091-100.

[11] Peeters L, Beausoleil-Morrison I, Novoselac A. Internal convective heat transfer modeling: Critical review and

discussion of experimentally derived correlations. Energy and Buildings 2011; 43; 2227-39.

26

[12] Zhang T, Zhou H, Wang S. An adjustment to the standard temperature wall function for CFD modeling of

indoor convective heat transfer. Building and Environment 2013; 68; 159-169.

[13] Zhai Z, Zhang Z, Zhang W, Chen Q. Evaluation of Various Turbulence Models in Predicting Airflow and

Turbulence in Enclosed Environments by CFD: Part-2: Comparison with experimental data from literature.

HVAC&R Research 2007; 13(6); 871-86.

[14] Kuznik F, Rusaouën G, Brau J. Experimental and numerical study of a full scale ventilated enclosure:

Comparison of four two equations closure turbulence models. Building and Environment 2007; 42; 1043-53.

[15] Rohdin P, Moshfegh B. Numerical predictions of indoor climate in large industrial premises. A comparison

between different k-e models supported by field measurements. Building and Environment 2007; 42; 3872-82.

[16] Zhai Z, Zhang Z, Zhang W, Chen Q. Evaluation of Various Turbulence Models in Predicting Airflow and

Turbulence in Enclosed Environments by CFD: Part-1: Summary of Prevalent Turbulence Models. HVAC&R

Research 2007; 13(6); 853-70.

[17] Leenknegt S, Wagemakers R, Bosschaerts W, Saelens D. Numerical sensitivity study of transient surface

convection during night cooling. Energy and Buildings 2012; 53; 85-95.

[18] Leenknegt S, Wagemakers R, Bosschaerts W, Saelens D. Numerical study of convection during night cooling

and the implications for convection modeling in Building Energy Simulation models. Energy and Buildings 2013; 64;

41-2.

[19] Goethals K, Couckuyt I, Dhaene T, Janssens A. Sensitivity of night cooling performance to room/system design:

Surrogate models based on CFD. Building and Environment 2012; 58; 23-36.