پیش بینی هدایت گرمایی نانوسیالات بر پایه مایع یونی با تصحیح مدل هامیلتون و کراسر
محورهای موضوعی : مدل سازی
مریم بهادری
1
*
,
فاطمه افشار
2
1 - گروه شیمی، واحد مرودشت، دانشگاه آزاد اسلامی، مرودشت، ایران.
2 - گروه شیمی، واحد مرودشت، دانشگاه آزاد اسلامی، مرودشت، ایران.
کلید واژه: نانوسیال, مایع یونی, هدایت گرمایی, مدل هامیلتون-کراسر.,
چکیده مقاله :
داده‌های تجربی نشان داده است که در نانوسیالات بر پایه مایع یونی، هدایت گرمایی معمولاً بین ۵ تا ۵۵ درصد نسبت به مایع یونی خالص افزایش می‌یابد. در این مقاله برای بررسی هدایت گرمایی، چند نانوسیال بر پایه مایع یونی انتخاب شده‌اند و با نشان دادن عدم کارایی مدل کلاسیک هامیلتون و کراسر در پیش‌بینی هدایت گرمایی این سیستم‌ها، تصحیحاتی در این معادله اعمال شده است. در این تصحیح یک جمله به صورت کسر در معادلۀ هامیلتون و کراسر افزوده شده است. هدایت گرمایی نانو ذره، دما و یک عامل تصحیح، مهمترین مقادیر جملۀ افزوده شده، هستند. عامل تصحیح به صورت تجربی تعیین می‌شود و مقدار آن به نوع سیال پایه و نوع نانو ذره وابسته است. دقت داده‌های حاصل از معادلۀ تصحیح شده بهبود قابل توجهی یافته است. مدل اصلاح‌شده، امکان پیش‌بینی هدایت گرمایی نانوسیالات بر پایه مایع یونی را در دماها و غلظت‌های گوناگون با دقت قابل قبولی فراهم می‌کند.
Experimental data have demonstrated that in ionic liquid–based nanofluids, the thermal conductivity is typically enhanced in the range of 5% to 55% compared with that of the pure ionic liquid. In the present study, some nanofluids containing ionic liquids as base fluids were selected to investigate their thermal conductivity. It was shown that the classical Hamilton-Crosser model, which has often been employed to predict thermal conductivity in conventional suspensions, fails to provide accurate predictions for these particular systems. To reduce this limitation, modifications were introduced to the Hamilton-Crosser equation. The most important parameters involved in this corrective term are the thermal conductivity of the nanoparticles, temperature, and an empirical correction factor. This correction factor is experimentally determined and its value depends strongly on the type of ionic liquid as well as the type of nanoparticles. With these modifications, the accuracy of the predicted data was significantly improved. The refined model enables reliable prediction of the thermal conductivity of ionic liquid–based nanofluids over a wide range of temperatures and concentrations.
[1] S. Keskin, D. Kayra, U. Akman, O. Hortacsu, J. Supercritical Fluids, 43, 150 (2007) #
[2] W.L. Hough, M. Smiglak, M.D. Rodriguez, H.J. Davis, R.D. Rogers, New J. Chem. 31, 1429 (2007) #
[3] H. Zhao, S. Xia, P. Ma, J. Chem. Technol. Biotechnol. 80, 1089 (2005) #
[4] K. Khanafer, K. Vafai, Int. J. Heat Mass Transfer 54, 4410 (2012) #
[5] Y. Li, J. Zhou, S. Tung, E. Schneider, S. Xi, Powder Technol. 196, 89 (2009) #
[6] G. Coccia, S. Tomassetti, G. D. Nicola, Renew. Sustain. Energy Rev. 151, 111573 (2021) #
[7] A. A. Minea, S. M. Sohel Murshed, Renew. Sustain. Energy Rev. 91, 584 (2018) #
[8] S. S. Lingala, ChemPhysChem. 24, 22, 191 (2023) #
[9] I. Moulefera, J. J. Delgado Marín, A. Cascales, G. Víllora, Sci Rep.14, 17610 (2024) #
[10] C.A. Nieto de Castro, M.J.V. Lourenço, A.P.C. Ribeiro, E. Langa, S.I.C. Vieira, P. Goodrich, C. Hardacre, J. Chem. Eng. Data, 55, 653 (2010) #
[11] T. C. Paul, A. Tikadar, R . Mahamud, A. S. Salman, A. Morshed, J. A. Khan, Processes 9, 858 (2021) #
[12] L. Das, K. Habib, R. Saidur, N. Aslfattahi, S. M. Yahya, F. Rubbi, Nanomaterials, 10(7), 1372 (2020) #
[13] J. C. Maxwell, (1881) A Treatise on Electricity and Magnetism, Oxford: Clarendon Press.
[14] R. L. Hamilton, O. K. Crosser, Ind. Eng. Chem. Fundam., 1, 187 (1962) #
[15] P. Keblinski, S. Phillpot, S. Choi, J. Eastman, Int. J. Heat Mass Transfer 45, 855 (2002) #
[16] J. Buongiorno, J. Heat Transfer 128, 240 (2006) #
[17] J. Koo, C. Kleinstreuer, Int. Commun. Heat Mass Transfer, 32, 1111 (2005) #
[18] S. P. Jang, S. U. S. Choi, Appl. Phys. Lett. 84, 4316 (2004) #
[19] C. H. Li, G. P. Peterson, J. Appl. Phys. 99, 084314 (2006) #
[20] H. Xie, J. Wang, T. Xi, Y. Liu, J. Chinese Ceram. Soc. 29, 361 (2001) #
[21] H. Xie, J. Wang, T. Xi, Y. Liu, F. Ai, Q. Wu, J. Appl. Phys. 91, 4568 (2002) #
[22] N. Kumar, P. Singh, A. Redhewal, P. Bhandari, Procedia Eng. 127, 1197 (2015) #
[23] N.A. Frankel, A. Acrivos, Chem. Eng. Sci. 22, 847 (1967) #
[24] E. J. Wasp, J. P. Kenny, R. L. Gandhi, (1977) Solid-liquid slurry pipeline transportation. Berlin: Trans. Tech. #
[25] V. Trisaksri, S. Wongwises, Sustain. Energy Rev. 11(3) 512 (2007) #
[26] F. Wang, L. Han, Zh. Zhang, X. Fang, J. jingshi, W. Ma, Nano scale Research Letters 7, 314 (2012) #
[27] J. Liu, F. Wang, L. Zhang, X. Fang, Z. Zhang, Renewable Energy 63, 519 (2014) #
[28] W. Chen, C. zou, X. Li, Sol Energ. Mat. Sol. C. 163, 157 (2017) #
[29] S. S. Prasad, R. D. Selvakumar, IOP Conf. Ser.: Mater. Sci. Eng. 577 012006 (2019) #
[30] J. França, C. A. Nieto de Castro, M. L. M. Lopes, V. M. B. Nunes, Journal Chem. Eng. Data, 54, 2569 (2009) #
[31] A.G.M. Ferreira , P.N. Simões, A.F. Ferreira, M.A. Fonseca, , A.S.M. Trino, J. Chem. Thermodin. 64, 80 (2013) #
[32] T. Kim, M. A. Osman, C. D. Richards, D. F. Bahr, R. F Richard, Phys. Rev. B 76 155424 (2007) #
[33] M. Zhang, S. Fang, A. A. Zakhidov, S. B. Lee, A. E. Aliev, C. D. Williams, K. R. Atkinson, R. H. Baughman, Science 309 1215 (2005) #
[34] A. E. Aliev, M. H. Lima, E. M. Silverman, R. H. Baughman, Nanotechnology 21 035709 (2010) #
[35] T. C. Paul, M. A. Morshed, J. A. Khan, Procedia Engineering 56, 631(2013) #
[36] A. Kakavandi, M. Akbari, Int. J. Heat Mass Transf. 124, 742 (2018) #
[37] S. Ghosh, W. Bao, D. L. Nika, S. Subrina, E. P. Pokatilov, C. N. Lau, A. A. Balandin, Nature Materials 9 555 (2010) #