Improving solar-receiver efficiency by manipulating turbulence in heat-collecting, fluid-conveying channels: from physical understanding to machine-learning-based optimization
enDépôt légal électroniqueConsulter le texte intégral de la thèse (format PDF)

Cette thèse étudie l'efficacité des oscillations transverses pariétales pour induire un transfert thermique dissymétrique dans les écoulements turbulents pariétaux. L'approche méthodologique repose sur une combinaison de simulations numériques et de techniques d'apprentissage automatique. Le travail se développe selon trois axes interconnectés. Premièrement, des simulations numériques directes d'un canal plan oscillant sont réalisées pour établir des cas de référence. Cette maquette numérique présente une forte analogie de Reynolds dans le cas non contrôlé, ce qui permet d'évaluer le potentiel d'une amélioration préférentielle du transfert thermique par rapport à la traînée. Une attention particulière est portée aux mécanismes physiques à l'origine du découplage thermique-dynamique. Ces mécanismes impliquent des modifications complexes de l'écoulement pariétal. Deuxièmement, une comparaison systématique de techniques de réduction de dimensionnalité est menée dans le but de développer un modèle à dimension réduite. Cette comparaison inclut plusieurs méthodes d'apprentissage automatique, notamment les autoencodeurs convolutionnels, la décomposition orthogonale propre et les autoencodeurs variationnels Beta. Troisièmement, l'algorithme d'optimisation par politique, adapté de l'apprentissage par renforcement profond et couplé à des simulations implicites aux grandes échelles, permet des études paramétriques exhaustives de l'amplitude et de la période des oscillations. Ces études sont appliquées à la réduction de traînée, à l'augmentation du transfert thermique et au transfert thermique dissymétrique. Cette approche est ensuite étendue à l'optimisation de la forme du signal de contrôle via une paramétrisation polynomiale. Les résultats obtenus améliorent significativement la compréhension des oscillations transverses pariétales en tant que stratégie de contrôle pour l'optimisation du transfert thermique. La méthodologie développée et les analyses menées fournissent des bases solides pour étendre ces travaux à des scénarios plus réalistes. Ces avancées sont particulièrement pertinentes dans le cadre des centrales solaires à concentration, où de telles stratégies de contrôle pourraient significativement améliorer l'efficacité énergétique et contribuer aux efforts d'atténuation du changement climatique.
Mots-clés libres : simulations numériques, écoulements turbulents pariétaux, turbulence proche paroi, transfert thermique dissymétrique, oscillations transverses pariétales, apprentissage par renforcement simplifié, optimisation par politique, autoencodeurs, modélisation d'ordre réduit.
This study investigates the enhancement of Dissimilar Heat Transfer (DHT) in wall-bounded turbulent flows through spanwise wall oscillations, combining numerical simulations with machine learning approaches. The research develops progressively through three interconnected phases. First, baseline Direct Numerical Simulations (DNS) of an idealized channel flow configuration with strong unactuated Reynolds analogy establish the fundamental potential for preferential heat transfer enhancement over drag increase, with particular emphasis on revealing the physical mechanisms behind thermal-momentum decoupling. These mechanisms are shown to involve complex flow modifications extending beyond simple streak intensity variations. Second, the study conducts a systematic comparison of dimensionality reduction techniques—including Convolutional Autoencoders (CAEs), Proper Orthogonal Decomposition (POD), and Beta-Variational Autoencoders (Beta-VAEs)—for developing data-driven Reduced-Order Models (ROMs). Third, the application of the Policy Based Optimization (PBO) algorithm—adapted from deep reinforcement learning for open-loop control and coupled with implicit Large Eddy Simulation (LES) environments—enables comprehensive parametric studies of drag reduction, heat transfer enhancement, and DHT scenarios. This approach is subsequently extended to include waveform optimization of the input signal through polynomial parameterization. The collective insights from these numerous investigations significantly advance the understanding of spanwise oscillations as a control strategy for thermal transport optimization. The developed methodology and analysis provide a foundation for extending these results to more realistic scenarios, such as concentrated solar power plant applications, where such control strategies could contribute meaningfully to energy efficiency improvements, thus to climate change mitigation efforts.
Keywords : numerical simulations, wall-bounded turbulent flows, near wall turbulence, dissimilar heat transfer, spanwise wall oscillations, simplified reinforcement learning, policy based optimisation, autoencoders, reduced-order modeling.
Menu :
Annexe :
Université de Poitiers - 15, rue de l'Hôtel Dieu - 86034 POITIERS Cedex - France - Tél : (33) (0)5 49 45 30 00 - Fax : (33) (0)5 49 45 30 50
these@support.univ-poitiers.fr -
Crédits et mentions légales