Khám Phá Tiêu Chuẩn ASME V&V 20-2009: Giải Mã Cách Kiểm Tra Và Kiểm Nghiệm Trong Tính Toán Động Lực Học Chất Lưu (CFD)

Mô phỏng Computational Fluid Dynamics (CFD – tính toán động lực học chất lưu) đã trở thành công cụ hiệu quả trong nhiều lĩnh vực khoa học và kỹ thuật. Từ việc tối ưu hóa khí động học của ô tô, máy bay, đến thiết kế lò phản ứng hạt nhân v.v., CFD đã cách mạng hóa cách con người nghiên cứu và phân tích dòng chảy mà trước đây phụ thuộc rất nhiều vào thực nghiệm. Nhưng làm thế nào để đảm bảo độ tin cậy của các mô phỏng CFD? Đó chính là lý do ra đời của tiêu chuẩn ASME V&V 20-2009, hiện đang được áp dụng cho các đề tài nghiên cứu dùng CFD tại PECC2.

 

Hình 1 Chu trình kiểm tra và kiểm nghiệm mô hình CFD áp dụng tiêu chuẩn ASME [1]

Sự phát triển của CFD

Sự phát triển của CFD gắn liền với sự phát triển năng lực tính toán trên máy tính. Từ những năm 40 của thế kỷ trước, xuất phát từ đam mê dự đoán chính xác các yếu tố thời tiết, Lewis Fry Richardson [2] đã tiên phong đề xuất các phương pháp số để giải các phương trình vi phân riêng phần giúp mô tả dòng chảy chất lỏng. Tuy nhiên với năng lực tính toán vào thời điểm đó, phương pháp này chỉ áp dụng được cho những mô hình rất đơn giản.

Khi máy tính kỹ thuật số ra đời vào những năm 1950, những phép tính phức tạp đã được thực hiện dễ dàng hơn, giúp các nhà khoa học, như John von Neumann và Stanislaw Ulam, cải tiến và phát triển các phương pháp số mới.

Năm 1970 đánh dấu cột mốc ra đời của các phần mềm CFD thương mại được tạo ra bởi các công ty lớn như McDonnell Douglas và IBM, đưa ứng dụng của CFD ra khỏi phòng thí nghiệm và vào thực tiễn công nghiệp. Từ những năm 1990 trở đi, một loạt công nghệ mới ra đời như tính toán song song, điện toán đám mây và máy tính hiệu năng cao, giúp thực hiện được những mô phỏng mà trước đây được cho là không thể.

Khả năng của CFD trong thế kỷ 21 là rất lớn với sự phát triển mạnh mẽ của siêu máy tính giúp con người mô phỏng, trực quan hóa và hiểu sâu hơn về cách dòng chất lỏng, chất khí hoạt động trong thế giới thực.

Quá trình mô phỏng và đánh giá tính chính xác

Cùng với sự phát triển nhanh chóng của CFD, một số thách thức mới cũng nảy sinh. Một trong những thách thức lớn nhất là đảm bảo độ tin cậy và chính xác của các mô phỏng CFD. Các yếu tố như độ phức tạp của mô hình, chất lượng lưới tính toán, lựa chọn mô hình rối, và các điều kiện biên có thể ảnh hưởng đáng kể đến kết quả mô phỏng. Do đó, việc kiểm tra và kiểm nghiệm kết quả CFD trở nên cực kỳ quan trọng.

Năm 2004, Giáo sư Hugh Coleman, một chuyên gia về phân tích độ chính xác thực nghiệm, khởi xướng việc phát triển tiêu chuẩn ASME V&V 20-2009 với mục tiêu là cung cấp phương pháp kiểm nghiệm đáng tin cậy cho các mô phỏng CFD. Tiêu chuẩn ASME V&V 20-2009 [3,4] cung cấp một khuôn khổ có hệ thống để đánh giá độ chính xác và độ tin cậy của các mô phỏng CFD. Điều này không chỉ quan trọng đối với cộng đồng học thuật mà còn đối với ngành công nghiệp, nơi các quyết định quan trọng thường được đưa ra dựa trên kết quả của các mô phỏng CFD. Tầm quan trọng đặc biệt của Tiêu chuẩn ASME V&V 20-2009 trong mô phỏng CFD được thể hiện bởi những lí do sau:

1. Nâng cao độ tin cậy của CFD: Tiêu chuẩn này cung cấp phương pháp luận để đánh giá chính xác các mô phỏng CFD, giúp các kỹ sư và nhà khoa học tự tin hơn khi áp dụng CFD vào các vấn đề thực tế.
2. Chuẩn hóa quy trình kiểm tra và kiểm nghiệm: Tiêu chuẩn đưa ra một quy trình có hệ thống để kiểm tra mã nguồn, kiểm tra giải pháp và kiểm nghiệm kết quả, giúp thống nhất cách tiếp cận trong cộng đồng CFD. Về thứ tự Kiểm tra (so sánh các phần mềm CFD với nhau) phải được thực hiện trước khi Kiểm nghiệm (so sánh kết quả CFD với thực nghiệm)
3. Đánh giá độ không chắc chắn: Tiêu chuẩn cung cấp phương pháp để ước tính và tổng hợp các nguồn bất định khác nhau trong mô phỏng CFD

Nhằm hiện thực hóa những lợi ích này, Tiêu chuẩn ASME V&V 20-2009 cung cấp một quy trình chi tiết cho việc kiểm tra và kiểm nghiệm mô phỏng CFD:  

• Kiểm tra mã nguồn: Kiểm tra xem mã nguồn của mô hình CFD có giải quyết chính xác các phương trình toán học được xây dựng trong mô phỏng hay không.
• Kiểm tra giải pháp: Đảm bảo rằng các phương trình toán học được sử dụng trong mô hình mô phỏng đúng với các định luật vật lý. Phần này thường dùng các kết quả so sánh giữa các mô hình/phần mềm CFD với nhau
• Kiểm nghiệm mô phỏng: So sánh kết quả mô phỏng với các dữ liệu thực nghiệm để đảm bảo rằng mô hình phản ánh chính xác hành vi của thế giới thực theo điều kiện biên cho trước.
• Ước tính độ không chắc chắn (Uncertainty Estimation): Mỗi phép đo và mô phỏng đều có những yếu tố không chắc chắn, từ sai số trong đo lường thực nghiệm đến các tham số đầu vào mô phỏng.

Có thể khái quát như hình 1 “Quy trình V&V-20 kiểm tra và kiểm nghiệm trong tính toán động lực học chất lưu và truyền nhiệt” dưới đây:

 

Hình 2. Quy trình V&V-20 kiểm tra và kiểm nghiệm trong tính toán động lực học chất lưu và truyền nhiệt [5,6].

Ở hình 2 là ví dụ dùng kiểm tra và kiểm nghiệm với thí nghiệm sử dụng CFD theo tiêu chuẩn V&V-20. Lời giải CFD trước hết được so sánh với thực nghiệm bằng trực quan, thường là ảnh chụp tức thời và ảnh trung bình cho một khoảng thời gian nhất định. Sau đó sẽ trích xuất dữ liệu của CFD và thực nghiệm để so sánh với nhau, khi đạt sai số trong khoảng cho phép thì có thể xem mô phỏng khớp với thực nghiệm. Sai số ở hình 2 là khoảng dưới 10%, E < 0.1.

Hình 3. Ví dụ kiểm tra và kiểm nghiệm với thí nghiệm dùng CFD [7]. a) Ảnh tức thời, b) Ảnh trung bình, c) So sánh giữa các mô hình CFD và dữ liệu thực nghiệm.

Nghiên cứu ứng dụng CFD của PECC2 và định hướng phát triển

PECC2 đã và đang triển khai ứng dụng CFD vào các dự án kỹ thuật quan trọng trong lĩnh vực năng lượng. Một trong những dự án tiêu biểu đang được thực hiện là sử dụng mô hình CFD để tối ưu hóa nhiên liệu nhà máy điện than khi đốt kèm sinh khối. Ứng dụng CFD giúp phân tích dòng khí và quá trình đốt cháy, từ đó tối ưu hóa hiệu suất sử dụng hỗn hợp nhiên liệu, góp phần tăng hiệu quả kinh tế, bảo vệ môi trường và nâng cao hiệu quả vận hành. Bên cạnh đó, PECC2 cũng đang nghiên cứu sử dụng CFD xác định cách bố trí tuabin tối ưu trong trang trại điện gió sao cho đạt được sản lượng năng lượng cao nhất trong các điều kiện gió khác nhau.

Định hướng phát triển của PECC2 là tiếp tục mở rộng các ứng dụng CFD trong các dự án nhiệt điện và năng lượng tái tạo, phát triển hạ tầng số và tích hợp trí tuệ nhân tạo (AI) để nâng cao khả năng mô phỏng độ phân giải cao trong tương lai. Việc gia tăng sức mạnh tính toán thông qua hệ thống máy tính hiệu năng cao (High Performance Computing - HPC), giúp xử lý các mô phỏng CFD phức tạp và chi tiết hơn. Đồng thời, gia tăng năng lực tính toán cũng sẽ hỗ trợ phát triển AI và tích hợp AI vào các mô phỏng CFD, nhằm nâng cao khả năng dự đoán và tự động hóa trong quá trình mô phỏng. AI sẽ hỗ trợ việc tối ưu hóa các tham số mô phỏng, giảm thời gian tính toán, và phân tích một lượng dữ liệu khổng lồ từ các mô phỏng CFD, từ đó mở ra những cơ hội mới trong việc phát triển các giải pháp năng lượng thông minh và hiệu quả.

Kết luận

CFD đã trải qua giai đoạn phát triển dài và hiện là một công cụ thiết yếu trong nhiều ngành công nghiệp. Khả năng dự đoán tính chất dòng chảy và tối ưu hóa thiết kế của CFD đã dẫn đến những tiến bộ đáng kể trong nhiều lĩnh vực nghiên cứu khoa học và hệ thống năng lượng... Với sự phát triển liên tục của các công cụ trực quan hóa và sức mạnh tính toán từ các siêu máy tính, CFD sẽ đóng một vai trò càng ngày càng lớn trong việc định hình tương lai của kỹ thuật và khoa học. Việc áp dụng CFD càng sâu rộng thì càng cần các tiêu chuẩn hiệu quả, sát với thực tế để hỗ trợ tốt hơn cho các tổ chức cá nhân ứng dụng. Tiêu chuẩn ASME V&V 20-2009 cũng đáp ứng phần nào đó nhu cầu này trong việc đánh giá kết quả mô phỏng. Tại PECC2, việc triển khai ứng dụng CFD kết hợp với đầu tư phát triển hạ tầng và tích hợp trí tuệ nhân tạo để tăng tính chính xác và đẩy nhanh tốc độ mô phỏng là bước đi quan trọng nhằm nâng cao năng lực tư vấn của công ty.

Thực hiện: Nguyễn Trị

Tài liệu tham khảo

[1] https://mfix.netl.doe.gov/wp-content/uploads/2018/10/MDV3-VVUQ_v1.3.1.pdf

[2] Richardson, L.F. (1922). Weather Prediction by Numerical Process. Cambridge University Press. URL: https://www.cambridge.org/core/books/weather-prediction-by-numerical-process/209AB84257409CF1BB624F97EC9CCA79

[3] https://www.asme.org/codes-standards/find-codes-standards/standard-for-verification-and-validation-in-computational-fluid-dynamics-and-heat-transfer/2009/print-book#ASME-digital-books

[4] Kevin Dowding, Sandia National Laboratories V&V, UQ, and Credibility Processes Department Albuquerque, NM,  kjdowdi@sandia.gov, Overview of ASME V&V 20-2009 Standard for Verification and Validation in Computational Fluid Mechanics and Heat Transfer. Presented at 2016 Inverse Problems Symposium 5-7 June 2016 Virginia Military Institute

[5] A Practical Way to ISO/GUM Measurement Uncertainty for Analytical Assays Including In-House Validation Data, http://dx.doi.org/10.5772/intechopen.72048

[6] By L. Shunn AND F. Ham, Method of manufactured solutions applied to variable-density flow solvers, Center for Turbulence Research Annual Research Briefs 2007

[7]  Tri Nguyen, Elia Merzari, Victor Leite, "Direct Numerical Simulation of Mixing Phenomena in the Upper Plenum of Advanced Reactors", ASME 2024 Fluids Engineering Division Summer Meeting (FEDSM2024)

---