Available online at www.sciencedirect.

com

ScienceDirect
Energy Procedia 158 (2019) 1128–1134
www.elsevier.com/locate/procedia

10th International Conference on Applied Energy (ICAE2018), 22-25 August 2018, Hong Kong,
China

Desain, pengembangan dan pemodelan CFD tidak langsung Solar

makanan pengering
Petros Demissiea, Mesele Hayelomb, Amanuel Kassayeb, Asfafaw Hailesilassieb,
Mekonnen Gebrehiwot a, Maarten Vanierschota
a
KU Leuven, Faculty of Engineering Technology, Mechanical engineering Technology cluster
TC, campus Group T Leuven, 3000 Leuven, Belgium
b
Mekelle University, Energy Institute of Mekelle, Mekelle, Ethiopia

Abstract

Dalam studi ini, sebuah mesin pengering tidak langsung bertenaga surya dirancang dan dikembangkan. Desain pengering terdiri
dari unit kolektor surya, Ruang pengeringan dengan dua kolom empat rak rak, cerobong asap untuk udara knalpot, dan kipas
bertenaga surya. Outlet pengering dirancang dalam geometri piramida terpotong sehingga curah hujan air kental akan
diminimalkan dan pemanasan tambahan dari udara pengeringan dimungkinkan di pintu keluar. Pengering dikembangkan dan
diproduksi di Mekelle, Ethiopia. Komputasi Dinamika fluida, CFD digunakan untuk memprediksi bidang aliran tiga dimensi
sementara dan distribusi temperatur dalam ruang pengeringan dengan menggunakan aliran simetris domain. Diperkirakan
distribusi aliran udara di sekitar rak rak menunjukkan bahwa kecepatan aliran mean adalah 0,14 m SEC untuk rak terendah
dan 0,12 m SEC untuk rak lain karena pendinginan udara. Distribusi aliran udara yang seragam secara signifikan diamati di
tiga rak teratas dibandingkan dengan rak bawah. Bagian dalam ruang pengeringan berevolusi menuju suhu operasi yang stabil
315K. Distribusi temperatur temporal mengungkapkan bahwa makanan yang akan dikeringkan akan berevolusi ke suhu ini
sekitar 35 menit. Untuk memvalidasi model, distribusi suhu pada setiap rak rak diukur bersama dengan iradiasi matahari global.
Perbedaan suhu maksimum antara pengukuran dan simulasi CFD ditemukan menjadi 4,3 ° c. Oleh karena itu, model CFD mampu
menghasilkan pemahaman kualitatif dan kuantitatif yang baik ke dalam distribusi suhu di dalam ruang pengeringan, rak rak, dan
bidang simetri .
© 2019 The Authors. Published by Elsevier Ltd.
This is an open access article under the CC BY-NC-ND license (http://creativecommons.org/licenses/by-nc-nd/4.0/)
Peer-review under responsibility of the scientific committee of ICAE2018 – The 10th International Conference on Applied Energy.
Keywords: Solar pengering; Pemodelan CFD; perpindahan panas sementara; Media berpori; distribusi temperatur;

1. Pengenalan

Energi untuk pengeringan makanan dipasok dari sumber yang berbeda: bahan bakar fosil, gas alam, surya dll,
penggunaan energi matahari untuk aplikasi pengeringan makanan menjadi populer karena penipisan cepat sumber
daya bahan bakar alam, meningkatnya fosil

1876-6102 © 2019 The Authors. Published by Elsevier Ltd.

This is an open access article under the CC BY-NC-ND license (http://creativecommons.org/licenses/by-nc-nd/4.0/)
Peer-review under responsibility of the scientific committee of ICAE2018 – The 10th International Conference on Applied Energy.
10.1016/j.egypro.2019.01.278
 Petros Demissie et al. / Energy Procedia 158 (2019) 1128–1134 1129

biaya bahan bakar, dan kerusakan lingkungan [1 – 5]. Di pedesaan Ethiopia, orang menggunakan langsung terbuka
Sun makanan pengeringan dengan banyak kekurangan seperti kontaminasi oleh debu, polusi dan kerusakan oleh
burung, hewan, serangga, dll [6].
Tidak langsung Solar pengeringan, di mana udara Ambient pertama dipanaskan oleh unit kolektor surya dan
kemudian masuk ke Ruang pengeringan untuk mengambil kelembaban dari produk makanan ditempatkan ke rak rak,
sedang diusulkan oleh peneliti yang berbeda [5, 7-9]. Jenis makanan Solar kering ini memiliki kinerja yang unggul
dalam hal kualitas produk kering yang baik dan mengurangi waktu pengeringan. Namun, dalam hal keseragaman
proses pengeringan, pengering ini harus ditingkatkan jauh. Non-seragam pengeringan makanan menyebabkan risiko
mikroba yang substansial dan memperkenalkan perbedaan besar dalam kualitas makanan kering akhir. Hal ini
terutama dikaitkan dengan distribusi inhomogen parameter pengeringan: pengeringan aliran udara dan suhu dalam
kering makanan matahari tidak langsung. Untuk meningkatkan keseragaman, banyak optimasi desain yang diusulkan
tetapi mereka tidak dikembangkan terhadap memprediksi aliran udara dan fenomena terkait perpindahan panas
transien. Makalah ini akan hadir pemodelan CFD dan simulasi dari jenis kabinet Solar dryer tidak langsung, dengan
tujuan menempatkan sebagai alat untuk memprediksi aliran dan distribusi suhu.
Baru-baru ini, Dinamika fluida komputasi (CFD) sedang digunakan dalam banyak aplikasi pengeringan makanan,
membuktikan dirinya sebagai alat desain dan pemodelan yang menjanjikan sebagai pengganti uji coba eksperimental
yang mahal [7, 8, 10, 11]. Teknik ini berhasil digunakan untuk memprediksi distribusi kecepatan aliran dan suhu
dalam ruang pengeringan [11, 12]. Hal ini juga digunakan untuk memprediksi keseragaman pengeringan desain baru
dari pengering nampan komersial untuk produk pertanian dengan menganalisis profil suhu dan kecepatan [9].
Kegunaan CFD untuk penilaian kinerja aplikasi pengolahan makanan disorot dengan memprediksi bidang kecepatan
udara untuk pengering daging [13].
Oleh karena itu tujuan utama dari pekerjaan ini adalah: (i) untuk merancang dan membangun sebuah
eksperimental setup untuk jenis tidak langsung pengering surya, (II) untuk mengembangkan model CFD 3D dan
mensimulasikan itu, (III) untuk memprediksi distribusi aliran udara dalam ruang pengeringan, (IV) untuk
memprediksi distribusi suhu temporal di dalam pengering surya, dan (v) validasi distribusi suhu menggunakan
eksperimen.

Nomenclature

density t(sec) time pressure

 (Pa)
sec2 )
g(m
sec)
(m
m 3) v
 (kg

flow velocity p(Pa) momentum sink term

gravity stress F (Pa)
tensor E(m2 sec2 ) total enthalpy
Sh (Pa sec) volumetric heat source keff (J mK ) effective conductivity
 (Pa Sec) viscosity

2. Metodologi

2.1. Pemodelan CFD

2.1.1. Aliran kondisi domain dan batas

Ruang pengeringan bersama dengan kolektor membuat domain aliran 3D simetris seperti yang ditunjukkan pada
gambar 1A. Agar secara komputasi efisien, domain ini diiris menjadi dua bagian dan analisis lebih lanjut dilakukan
dengan mengambil irisan wajah sebagai pesawat simetri seperti yang ditunjukkan pada gambar 1B. Kondisi batas
yang diterapkan untuk memecahkan persamaan konservasi nonlinier, (1), (2) dan (3) diilustrasikan dalam gambar
1B. Dukungan struktural dari shelfs rak dan kolom vertikal dalam ruang pengeringan dikecualikan dari aliran
domain, karena komponen ini tidak akan secara signifikan mempengaruhi aliran udara.

2.1.2. Mesh Generasi

Grid terstruktur yang merepresentasikan domain aliran 3D simetris dibuat menggunakan Pointwise 18.0 R3.
Dalam rangka untuk menangkap dinding dekat parameter aliran grid disempurnakan dekat dinding pengering,
gambar 2. Sejumlah mesh terstruktur ini dibuat untuk studi kemandirian grid.
1130 Petros Demissie et al. / Energy Procedia 158 (2019) 1128–1134

a) b)

Gambar 1: a) representasi skematik 3D penuh simetris dari berbagai komponen dari Solar Drier; b) secara simetris memotong representasi 3D
dari domain aliran bersama dengan kondisi batas yang ditunjukkan (semua dimensi dalam meter)

Gambar 2: mesh blok 3D terstruktur dihasilkan pada aliran simetris domain,

2.1.3. Konservasi massa, Momentum dan persamaan energi

Bidang aliran udara dan distribusi suhu temporal dalam domain aliran dimodelkan dan disimulasikan dari
persamaan massa, momentum, dan konservasi energi. Untuk domain aliran 3D simetris, aliran transien yang
dihasilkan dan persamaan perpindahan panas ditulis dalam sebuah inersia (tidak dipercepat) bingkai koordinat
Cartesian x, y, z  .

Kontinuitas persamaan: Persamaan konservasi momentum: Persamaan konservasi energi:

 
 .  v   0 (1) (  v)   (  vv)  p   ( )   g  F 
( E)   (v( E  p))   (k T )  S (3)
(2)
t t eff h
t

2.1.4. Berpori perumusan media

Makanan yang akan dikeringkan dan shelfs rak tipis yang didekati menjadi media berpori. Arus melewati media
berpori ini dicirikan oleh penurunan tekanan. Penurunan tekanan ini dimasukkan ke dalam persamaan konservasi
momentum sebagai istilah Sink F . Untuk tujuan ini penurunan tekanan melalui sel berpori sebagai fungsi kecepatan
fluida dimodifikasi sebagai persamaan Ergun. Pendekatan ini diadopsi oleh berbagai karya [7, 8, 14 – 17].
Selanjutnya, media berpori digabungkan dalam perhitungan perpindahan panas sementara seperti dalam
kesetimbangan termal dengan aliran fluida [18, 19].
 Petros Demissie et al. / Energy Procedia 158 (2019) 1128–1134 1131

2.2. Simulasi

Simulasi numerik dilakukan dengan memecahkan persamaan konservasi (1), (2) dan (3) pada grid terstruktur
menggunakan ANSYS fasih 18,1. Simulasi dilakukan dalam dua fase. Pada tahap satu, persamaan (1) dan
(2) dipecahkan untuk mensimulasikan distribusi kecepatan aliran udara dalam ruang pengeringan. The realisasi 

turbulensi model, semi-Empirical berdasarkan persamaan transportasi, diterapkan dengan fungsi dinding scalable.
Pada tahap kedua, simulasi perpindahan panas sementara dilakukan dengan menambahkan persamaan (3) pada
prediksi aliran udara konvergensi. Istilah sumber yang tepat dari fluks panas diterapkan pada masing-masing dinding
aliran domain. Simulasi dilakukan dengan kenaikan bertahap dalam langkah waktu, dengan implisit yaitu awalnya
menggunakan sangat kecil-waktu langkah ukuran dan kemudian secara bertahap meningkatkan sebagai aliran
mencapai solusi mantap.

2.3. Eksperimenl Metode

Dalam rangka untuk mengukur distribusi suhu empat Hart ilmiah 7320 minyak mandi dikalibrasi k-jenis
Termokopel
1C  digunakan setiap rak rak seperti yang ditunjukkan pada gambar 4. Pengukuran suhu ini bersama dengan
suhu udara ambien dan udara dalam kolektor direkam menggunakan sistem akuisisi data Keysight 34972a. Yang
global, langsung dan menyebar Solar iradiasi diukur menggunakan sinar matahari jenis Pyranometer SPN1.

3. Hasil dan Diskusi

3.1. Aliran udara prediksi simulasi

Distribusi kecepatan aliran udara pengeringan dalam ruang pengeringan pada bidang simetri dari simulasi fase
pertama digambarkan dalam gambar 3A. Kecepatan maksimum diamati pada unit kolektor dan cerobong. Unit
kolektor dirancang sedemikian rupa sehingga udara yang masuk mengambil panas dari kolektor surya dicat hitam.
Unit cerobong dirancang dalam bentuk piramida terpotong dan efek cerobong menghasilkan kecepatan aliran tinggi
ini. Hal ini diperlukan karena selama proses pengeringan udara pengeringan akan membawa kelembaban dengan itu
dan kecepatan tinggi di outlet akan memiliki efek positif dalam memfasilitasi penghapusan kelembaban. Distribusi
kecepatan aliran serupa dalam ruang pengeringan surya dilaporkan oleh [8, 10], namun dengan detail yang jauh
lebih sedikit.

Dari simulasi distribusi kecepatan aliran udara 3D di dalam ruang pengeringan, distribusi kecepatan aliran di sekitar
shelfs rak diekstrak seperti yang ditunjukkan pada gambar 3B. Distribusi kecepatan aliran udara pada rak rack
pertama tidak seragam dibandingkan dengan yang ada di tiga rak shelfs. Aliran udara menghadapi perlawanan dari
makanan yang ditempatkan pada rak rack pertama dan mendapat didefleksi sehingga menimbulkan non-
keseragaman ini. Melalui rak lain, aliran maju melewati seragam. Ini akan menjamin agak seragam pengeringan
pada rak-2, Shelf-3, dan rak-4 dibandingkan dengan yang rak-1. Akibatnya kadar air dari produk akhir tidak akan
seragam di Shelf-1 [7, 8, 20]. Jadi, dalam operasi ini pengering surya disarankan untuk menempatkan produk
kelembaban tinggi konten pada rak-1 dan lebih jauh dari inlet ke Ruang pengeringan. Kecepatan aliran besarnya
dekat rak-1 tidak seragam sebagai sisa rak. Maksimum dan minimum kecepatan aliran besaran pada Shelf-1, jauh
dari dinding, ditemukan menjadi 0.25 m/s dan 0,08 m/s masing-masing, dengan kecepatan berarti yang sesuai adalah
0,14 m/s. Dalam sisa rak shelfs kecepatan Simulasi memiliki besarnya berarti 0,12 m/s yang sekitar 16% penurunan
dibandingkan dengan rak-1.

3.2. Suhu Distribusi

Gambar 4 menunjukkan distribusi suhu dalam ruang pengeringan secara khusus ditampilkan pada rak rak empat.
Ada lebih atau kurang tren serupa di setiap rak: suhu di dekat dinding lebih rendah dibandingkan dengan wilayah
bidang simetris tengah. Hal ini terjadi karena jalur terpendek diikuti oleh aliran udara menuju keluar yang berada di
pusat domain aliran seperti yang terlihat pada gambar 1. Tanda silang adalah titik di rak ini di mana pengukuran
suhu diambil. Pengukuran ini diambil setiap dua menit selama dua jam dari pukul 10 pagi sampai 12 malam setelah
periode sementara (pemanasan). Iradiasi matahari, ditangkap bersamaan dengan
1132 Petros Demissie et al. / Energy Procedia 158 (2019) 1128–1134

pengukuran, berfluktuasi dalam waktu seperti yang ditunjukkan pada gambar 5. Pengukuran suhu rata-rata dua jam
dilaporkan dalam tabel 1, Selain tabel ini membandingkan eksperimen dengan prediksi model CFD.

Gambar 3: a) plot kontur aliran distribusi kecepatan total dalam ruang pengeringan makanan surya pada pesawat symmety; b) aliran udara distribusi
kecepatan pada rak rak empat representasi 3D.

Simulasi perpindahan panas CFD yang dilakukan pada domain aliran simetris 3D mengungkapkan bahwa suhu
maksimum yang harus dicapai adalah sekitar 320K. Hasil simulasi CFD dibandingkan dengan pengukuran suhu
rata-rata dua jam pada empat titik pada masing-masing rak rak seperti yang ditunjukkan pada gambar 4. Baik
simulasi dan eksperimen mengungkapkan titik pengukuran B di setiap rak rack menjadi satu dengan suhu yang lebih
tinggi untuk operasi stabil dari ruangan. Kedua titik pengukuran C dan D, yang merupakan titik terjauh pada setiap
rak dari pintu masuk udara pengeringan, menunjukkan perekaman suhu yang lebih rendah dan ini juga diprediksi
dari simulasi CFD. Sebagai aliran adalah konvergen ke outlet cerobong asap, semakin tinggi lokasi rak kurang
pengukuran suhu dan simulasi CFD prediksi untuk pengukuran titik A.

Gambar 4: kontur distribusi temperatur di Kelvin dalam ruang pengeringan dari empat rak rak dari CFD. Table 1:

Perbandingan distribusi suhu dari pemodelan eksperimen dan CFD pada setiap rak yang disimpan

Shelf 1 2 3 4
Location 1A 1B 1C 1D 2A 2B 2C 2D 3A 3B 3C 3D 4A 4B 4C 4D
Experiment 315,5 314,7 314,1 314,9 317 313,2 312,6 314,4 314,7 314,2 313,2 313,1 316,3 317 313,3 313,4
Simulation 314,6 318,2 315,9 314,3 314,5 317,5 315,4 314,2 314,7 317,1 315,3 314,2 314,8 316,9 315,3 314,3
Difference 0,9 3,5 1,8 0,6 2,5 4,3 2,8 0,2 0 2,9 2,1 1,1 1,5 0,1 2 0,9
Deviation 0,3% 1,1% 0,6% 0,2% 0,8% 1,4% 0,9% 0,1% 0,0% 0,9% 0,7% 0,4% 0,5% 0,0% 0,6% 0,3%
 Petros Demissie et al. / Energy Procedia 158 (2019) 1128–1134 1133

Gambar 5: rerata suhu pada empat rak rak dari empat titik pengukuran. Radiasi matahari direkam selama dua jam pengukuran.

Gambar 6 menunjukkan simulasi distribusi temperatur pada bidang simetri yang membagi kedua bagian dari
Ruang pengeringan, silang mewakili titik pengukuran suhu untuk validasi. Validasi dilakukan dengan
membandingkan pengukuran suhu pada titik ini dengan prediksi simulasi CFD seperti yang ditunjukkan pada tabel
2. Pesawat pameran suhu yang lebih tinggi di bagian bawah dan distribusi menjadi lebih seragam dan lebih rendah
di besarnya sebagai aliran naik ke pintu keluar. Validasi menunjukkan perbedaan 3,9 derajat Celsius antara model
CFD dan percobaan ini terjadi di rak rack bawah (Shelf1) yang mengalami variabilitas aliran yang lebih tinggi.
Secara keseluruhan model CFD adalah lebih dari memprediksi suhu pada semua titik pengukuran pada bidang
simetri yang dikaitkan dengan hilangnya panas melalui berbagai dinding dari setup eksperimental.

Tabel 2: perbandingan distribusi suhu dari pemodelan eksperimen dan

CFD pada bidang simetris

Gambar 6: distribusi temperatur pada bidang simetri yang

membagi dua bagian Ruang pengeringan

4. Kesimpulan
Sebuah pengering makanan surya dirancang dan diproduksi di Mekelle, Ethiopia. Pemodelan dan simulasi CFD
3D dilakukan untuk memprediksi distribusi aliran dan suhu di dalam ruang pengeringan. Pertimbangan khusus untuk
distribusi kecepatan aliran mengungkapkan bahwa rak rak paling bawah (Shelf-1) dikenakan kecepatan yang agak
tinggi (0,14 m/s) dibandingkan dengan sisa rak. Hal ini akan mengakibatkan non-keseragaman pada rak khusus ini
sehingga wawasan praktis diperoleh ke tempat untuk menempatkan makanan yang akan dikeringkan di rak ini.
Perbedaan suhu maksimum antara pengukuran dan simulasi CFD ditemukan menjadi 4,3 ° c. Model CFD mampu
menghasilkan pemahaman kualitatif dan kuantitatif yang baik ke dalam distribusi temperatur di dalam ruang
pengeringan, rak rack, dan
1134 Petros Demissie et al. / Energy Procedia 158 (2019) 1128–1134

bidang simetri. Karena simulasi transfer panas dimungkinkan untuk melihat distribusi suhu dalam ruang
pengeringan. Permukaan rak rak tidak pada suhu seragam sehingga perawatan harus diambil dalam memuat
pengering dengan menempatkan produk yang paling lembab ke pusat Ruangan. Dari simulasi transfer panas
sementara adalah mungkin untuk melihat bahwa seluruh Ruang pengeringan berevolusi menjadi suhu operasi
seragam 315K setelah 35 menit.

Penghargaan

VLIR-UOS dengan penuh syukur diakui untuk mendukung penelitian ini melalui proyek RIP berjudul:
"meningkatkan teknologi pengeringan dan penyimpanan dengan rekayasa balik dan inovasi untuk meminimalkan
kerugian pasca panen ".

Referensi

[1] O.V. Ekechukwu, B. Norton, Design and measured performance of a solar chimney for natural-circulation solar-energy dryers, Renew.
Energy. 10 (1997) 81–90. doi:10.1016/0960-1481(96)00005-5.
[2] A. Benhamou, F. Fazouane, B. Benyoucef, Simulation of solar dryer performances with forced convection experimentally
proved, Phys. Procedia. 55 (2014) 96–105.
[3] M. Kumar, S.K. Sansaniwal, P. Khatak, Progress in solar dryers for drying various commodities, Renew. Sustain. Energy Rev. 55
(2016) 346–360.
[4] H. Lucatero, E. Ruiz, M. Mayorga, Solar Dryer Exergetic and Energetic Efficiency Analysis, (2015).
[5] A. Lingayat, V.P. Chandramohan, V.R.K. Raju, Design, Development and Performance of Indirect Type Solar Dryer for Banana
Drying, Energy Procedia. 109 (2017) 409–416. doi:10.1016/j.egypro.2017.03.041.
[6] M. Wakjira, Solar drying of fruits and windows of opportunities in Ethiopia, African J. Food Sci. 4 (2010) 790–802.
http://www.academicjournals.org/ajfs.
[7] P.D. Tegenaw, M.G. Gebrehiwot, M. Vanierschot, Design and CFD Modeling of a Solar Food Drier, in: EuroDrying, 6th European
Drying Conference, 2017: pp. 183–184.
[8] Y. Amanlou, A. Zomorodian, Applying CFD for designing a new fruit cabinet dryer, J. Food Eng. 101 (2010) 8–15.
[9] S. Misha, S. Mat, M.A.M. Rosli, M.H. Ruslan, K. Sopian, E. Salleh, Simulation of Air Flow Distribution in a Tray Dryer by CFD,
(2015) 29–34.
[10] H. Darabi, A. Zomorodian, M.H. Akbari, A.N. Lorestani, Design a cabinet dryer with two geometric configurations using CFD, J.
Food Sci. Technol. 52 (2015) 359–366.
[11] T. Norton, B. Tiwari, D.-W. Sun, Computational fluid dynamics in the design and analysis of thermal processes: a review of recent
advances., Crit. Rev. Food Sci. Nutr. 53 (2013) 251–75.
[12] Z. Rek, M. Rudolf, I. Zun, Application of CFD Simulation in the Development of a New Generation Heating Oven, J. Mech. Eng. 58
(2012) 134–144.
[13] P. Mirade, Prediction of the air velocity field in modern meat dryers using unsteady computational fluid dynamics ( CFD ) models, 60
(2003) 41–48.
[14] M.A. Delele, A. Schenk, H. Ramon, B.M. Nicolaï, P. Verboven, Evaluation of a chicory root cold store humidification system using
computational fluid dynamics, J. Food Eng. 94 (2009) 110–121. doi:10.1016/j.jfoodeng.2009.03.004.
[15] P. Verboven, N. Scheerlinck, J. De Baerdemaeker, B.M. Nicolai, Computational Fluid Dynamics modelling and validation of the
temperature distribution in a forced convection oven, J. Food Eng. 43 (2000) 61–73.
[16] A.A. Masoumi, L. Tabil, Vertical airflow resistance of chickpea (C. arietinum) cultivars as affected by bulk density and moisture
content, Int. J. Food Prop. 11 (2008) 481–494. doi:10.1080/10942910701856171.
[17] P. Verboven, M.L. Hoang, M. Baelmans, B.M. Nicolaï, Airflow through beds of apples and chicory roots, Biosyst. Eng. 88 (2004) 117–
125.
[18] A. Nakayama, F. Kuwahara, Algebraic model for thermal dispersion heat flux within porous media, AIChE J. 51 (2005) 2859–2864.
[19] M.A. Delele, Engineering design of spraying systems for horticultural applications using computational fluid dynamics, Status Publ.
(2009) 220.
[20] E. Mathioulakis, V.T. Karathanos, V.G. Belessiotis, Simulation of air movement in a dryer by computational fluid dynamics:
Application for the drying of fruits, J. Food Eng. 36 (1998) 183–200.