움직이는 교과서 (Interactive Textbook)

비이상 반응기 모형: 탱크 직렬과 분산

Fogler, Elements of Chemical Reaction Engineering, Chapter 18. 탱크 수와 Peclet 수를 조절하면 추적자 곡선과 전환율이 실시간으로 바뀐다.

탱크 직렬 모형 분산 모형과 Peclet 수 Danckwerts 경계 조건 분산 계수 상관식 바이패스와 데드 볼륨 추적자 자료 맞춤

비이상 반응기 모형을 세우는 순서

실제 반응기는 채널링, 바이패스, 정체 영역(dead zone) 때문에 이상적인 PFR 또는 CSTR의 흐름과 다르게 흐른다. 16장과 17장에서 추적자 실험으로 체류 시간 분포(RTD) $E(t)$를 얻었지만, RTD만으로는 일반적인 속도식의 전환율을 구할 수 없다. 그래서 이상 반응기 몇 개를 조합한 모형을 세우고, 그 모형의 RTD가 측정한 RTD와 같아지도록 매개변수를 정한다.

모형은 매개변수 개수로 나눈다. 매개변수가 하나인 모형은 탱크 직렬 모형의 탱크 수 $n$과 분산 모형의 Peclet 수 $\mathrm{Pe}_r$이다. 매개변수가 둘인 모형은 바이패스 유량과 데드 볼륨처럼 이상 반응기를 조합해서 만든다. 매개변수가 적을수록 계산이 쉽지만, 측정한 RTD를 설명하지 못하면 매개변수를 하나 더 늘린다.

탱크 직렬 모형

탱크 직렬(T-I-S) 모형은 부피가 같은 CSTR $n$개를 직렬로 연결한 계의 RTD가 실제 반응기의 RTD와 같아지는 $n$을 찾는다. 추적자 펄스를 첫 탱크에 넣고 탱크마다 추적자 수지를 쓰면 $n$번째 탱크 출구의 $E(t)$가 얻어진다. 각 탱크의 공간 시간은 $\tau_i=\tau/n$이다.

$$E(t)=\frac{t^{\,n-1}}{(n-1)!\,\tau_i^{\,n}}\,e^{-t/\tau_i},\qquad E(\Theta)=\frac{n\,(n\Theta)^{n-1}}{(n-1)!}\,e^{-n\Theta},\quad \Theta=\frac{t}{\tau}$$

$n=1$이면 CSTR의 $e^{-\Theta}$이고, $n$이 커질수록 피크가 $\Theta=1$ 쪽으로 모이며 폭이 줄어서 PFR의 delta 함수에 가까워진다. 무차원 분산은 $\sigma_\Theta^2=\sigma^2/\tau^2=1/n$이므로, 측정한 RTD에서 평균 체류 시간 $t_m$과 분산 $\sigma^2$를 구하면 탱크 수가 정해진다. 예제 18-1에서는 이렇게 구한 $n$이 4.35이다.

$$n=\frac{\tau^2}{\sigma^2}=\frac{1}{\sigma_\Theta^2},\qquad \sigma^2=\int_0^\infty (t-t_m)^2E(t)\,dt$$

$n$이 정해지면 1차 반응의 전환율은 탱크를 하나씩 지나며 농도가 $1/(1+\tau_i k)$배로 줄어드는 것을 $n$번 곱해서 얻는다. $n$이 정수가 아니어도 아래 식을 그대로 쓸 수 있고, 가까운 두 정수 탱크 수로 전환율의 범위를 잡는다. 1차가 아닌 반응은 탱크를 차례로 풀어야 하며, 이 점이 T-I-S 모형을 쓰는 이유이다.

$$X=1-\frac{1}{\left(1+\tau_i k\right)^{n}}=1-\frac{1}{\left(1+k\tau/n\right)^{n}}$$
Figure 18.1 탱크 수 $n$에 따른 추적자 이동과 $E(\Theta)$ 변화

예측: 탱크 수 $n$을 1에서 늘리면 출구 추적자 곡선 $E(\Theta)$는 어떻게 될까?

목표: 그림 아래 막대의 핸들을 좌우로 끌어 탱크 수를 바꾸고, 계의 무차원 분산 $1/n$이 측정값 $\sigma_\Theta^2=0.23$의 10% 이내가 되게 하세요. 빨간 점선이 측정한 RTD입니다.

탱크 수 n—
모형 분산 1/n—
측정 분산 대비 오차—
1차 전환율 ($k\tau=2$)—

탱크마다 $dC_i/d\Theta=n(C_{i-1}-C_i)$를 직접 적분한 결과이고, 측정 곡선은 예제 18-1의 $n=4.35$에 해당하는 감마 분포로 다시 만든 값이다. 탱크를 늘릴수록 전환율이 PFR 값 0.865에 가까워지므로, 분산이 작다는 것은 같은 부피에서 전환율이 높다는 뜻이다.

Q1. 추적자 펄스 실험에서 평균 체류 시간 $t_m=10$ min, 분산 $\sigma^2=25$ min$^2$를 얻었다. T-I-S 모형의 탱크 수는?
$n=t_m^2/\sigma^2=100/25=4$이다. 분산 $\sigma^2$을 $t_m^2$으로 나누지 않고 그대로 쓰거나 $\sigma^2/t_m^2=0.25$를 탱크 수로 읽으면 틀린다. 0.25는 무차원 분산이고 탱크 수는 그 역수이다.

분산 모형과 경계 조건

분산 모형은 PFR의 축 방향 흐름에 확산과 비슷한 혼합 항을 더한다. 추적자 수지는 대류항 $U\,\partial C/\partial z$와 분산항 $D_a\,\partial^2 C/\partial z^2$로 이루어진다. 분산 계수 $D_a$는 분자 확산 계수와 달리 속도, 관 지름, 충전물에 따라 달라지는 유효 계수이다. 길이 $L$과 속도 $U$로 무차원화하면 매개변수는 Peclet 수 $\mathrm{Pe}_r=UL/D_a$ 하나가 된다.

$$\frac{\partial C}{\partial t}=D_a\frac{\partial^2 C}{\partial z^2}-U\frac{\partial C}{\partial z}+r_A,\qquad \frac{\partial \Psi}{\partial \Theta}=\frac{1}{\mathrm{Pe}_r}\frac{\partial^2\Psi}{\partial\lambda^2}-\frac{\partial\Psi}{\partial\lambda},\quad \lambda=\frac{z}{L}$$

해는 입구와 출구에서 유체가 반응기 경계를 어떻게 지나는지, 즉 경계 조건에 따라 달라진다. 닫힌 계(closed-closed)는 입구와 출구 바깥이 플러그 흐름이어서 분산이 반응기 안에서만 일어난다. 이때 입구에서 Danckwerts 조건을 쓰는데, 입구 바로 안쪽에서 농도가 $C_0$보다 낮아지는 불연속이 생기기 때문이다. 열린 계(open-open)는 경계 바깥에서도 같은 분산이 일어나서 농도가 연속이다.

$$\text{closed-closed:}\quad \lambda=0:\ \ 1=\Psi-\frac{1}{\mathrm{Pe}_r}\frac{d\Psi}{d\lambda},\qquad \lambda=1:\ \ \frac{d\Psi}{d\lambda}=0$$
$$\sigma_\Theta^2\big|_{\text{closed}}=\frac{2}{\mathrm{Pe}_r}-\frac{2}{\mathrm{Pe}_r^{2}}\left(1-e^{-\mathrm{Pe}_r}\right),\qquad \sigma_\Theta^2\big|_{\text{open}}=\frac{2}{\mathrm{Pe}_r}+\frac{8}{\mathrm{Pe}_r^{2}}$$

분산이 있는 흐름의 전환율과 분산 계수

반응이 있으면 정상 상태 농도식은 $\frac{1}{\mathrm{Pe}_r}\frac{d^2\Psi}{d\lambda^2}-\frac{d\Psi}{d\lambda}-\mathrm{Da}_1\Psi=0$이 된다. 여기서 $\mathrm{Da}_1=k\tau$는 1차 반응의 Damköhler 수이다. 닫힌 계의 Danckwerts 조건으로 풀면 출구 전환율을 해석식으로 얻는다. $\mathrm{Pe}_r$이 크면 PFR의 $1-e^{-\mathrm{Da}_1}$에 가까워지고, 작으면 CSTR의 값에 가까워진다.

$$X=1-\frac{4q\,e^{\mathrm{Pe}_r/2}}{(1+q)^2e^{q\mathrm{Pe}_r/2}-(1-q)^2e^{-q\mathrm{Pe}_r/2}},\qquad q=\sqrt{1+\frac{4\mathrm{Da}_1}{\mathrm{Pe}_r}}$$
Figure 18.2 Peclet 수에 따른 추적자 펄스 퍼짐과 축 방향 농도 분포

예측: $k\tau=2$인 1차 반응에서 $\mathrm{Pe}_r$을 2에서 키우면 출구 전환율은 어떻게 될까?

목표: 그림 아래 막대의 핸들을 끌어 $\mathrm{Pe}_r$을 바꾸고, 출구 전환율 $X$를 0.83 이상으로 올리세요. PFR 값 0.865의 96%입니다.

Pe_r—
전환율 X (분산 모형)—
PFR / CSTR 전환율—
RTD 분산 (닫힌 계)—

위쪽 관의 펄스는 위치 $\lambda=\Theta$를 중심으로 폭 $\sqrt{2\Theta/\mathrm{Pe}_r}$로 퍼지는 가우스 분포이고, 아래 곡선은 Danckwerts 조건의 해를 식에서 직접 계산한 값이다. 입구에서 농도가 1보다 낮은 불연속이 보이며, $\mathrm{Pe}_r$이 작을수록 이 불연속이 커서 전환율이 낮다.

분산 계수는 상관식으로 추정한다. 층류 관 흐름에서는 Aris와 Taylor가 속도 분포 때문에 생기는 분산을 $D_a=D_{AB}+U^2R^2/(48D_{AB})$로 구했다. 확산이 느릴수록($Sc$가 클수록) 분산이 오히려 커지는데, 반경 방향으로 섞이지 않은 채 축 방향 속도 차이가 쌓이기 때문이다. 난류에서는 $D_a/(Ud_t)$가 Reynolds 수와 Schmidt 수로 정리된 그림(Figure 18-11)에서 읽는다. 충전층에서는 입자 지름 $d_p$를 기준으로 하는 그림(Figure 18-12)에서 읽는다.

$$\text{Laminar:}\ \ \frac{D_a}{Ud_t}=\frac{1}{Re\,Sc}+\frac{Re\,Sc}{192},\qquad \text{Turbulent fit:}\ \ \frac{D_a}{Ud_t}\approx\frac{3\times10^{7}}{Re^{2.1}}+\frac{1.35}{Re^{1/8}}$$
Figure 18.3 관 흐름의 분산 계수 $D_a/(Ud_t)$와 Reynolds 수
Reynolds 수 (log10) 10000
Schmidt 수 (log10, 층류) 1
관 길이비 $L/d_t$ 100
흐름 영역—
D_a/(U d_t)—
Pe_r = (L/d_t)/(D_a/(U d_t))—
등가 탱크 수 $n=\mathrm{Pe}_r/2+1$—

층류 곡선은 위 Aris-Taylor 식을 $Re\,Sc$로 정리한 값이고, 난류 곡선은 Figure 18-11을 근사하는 Wen과 Fan 형태의 근사식이다. 책의 그림에서 읽은 값이 아니므로 설계에는 원본 그림으로 확인해야 한다. 난류에서는 $Sc$ 의존성을 무시했고, 2100부터 3000까지는 전이 영역이어서 곡선을 그리지 않았다.

탱크 직렬 모형과 분산 모형의 비교

두 모형은 모두 RTD의 분산으로 매개변수를 정하고, 1차 반응에서는 계산 난이도가 같다. 1차가 아닌 반응이나 복합 반응에서는 T-I-S 모형이 탱크를 차례로 풀기만 하면 되어 수학적으로 쉽다. 분산 모형은 2계 미분방정식을 수치로 풀어야 한다.

두 모형의 분산이 같아지는 조건에서 탱크 수와 Peclet 수가 연결된다. Peclet 수가 클 때 $\sigma_\Theta^2\approx2/\mathrm{Pe}_r$과 $\sigma_\Theta^2=1/n$을 같게 놓으면 아래 관계를 얻는다. 예제 18-1에서 $\mathrm{Pe}_r$로 구한 탱크 수 4.75는 T-I-S로 구한 4.35와 가깝다. 그래서 1차가 아닌 반응에서는 $n=4$와 $n=5$ 두 경우를 풀어 전환율의 범위를 잡는다.

$$\mathrm{Bo}=\mathrm{Pe}_r=2(n-1),\qquad n=\frac{\mathrm{Pe}_r}{2}+1$$
Figure 18.4 1차 반응의 전환율: PFR, CSTR, 탱크 직렬, 분산 모형
탱크 수 $n$ (분산 모형은 $\mathrm{Pe}_r=2(n-1)$) 4
읽을 Damköhler 수 $k\tau$ 2.0
X (T-I-S)—
X (분산)—
두 모형의 차이—
X (PFR / CSTR)—

T-I-S 식과 Danckwerts 닫힌 계 식을 이 페이지에서 직접 계산한 값이다. $n=4$일 때 두 모형의 전환율 차이가 0.2 퍼센트포인트 정도여서, 1차 반응에서는 어느 모형을 써도 같은 결과로 봐도 된다. $n=1$에서 분산 모형이 CSTR보다 약간 높은 것은 $\mathrm{Pe}_r\to0$에서도 입구의 경계 조건이 남기 때문이며, 이 구간에서는 닫힌 계의 관계식 $\mathrm{Pe}_r=2(n-1)$이 근사일 뿐이다.

Q2. 관형 반응기의 분산 모형에서 $\mathrm{Pe}_r=10$을 얻었다. 같은 RTD 분산을 주는 탱크 직렬 모형의 탱크 수는?
$n=\mathrm{Pe}_r/2+1=10/2+1=6$이다. $\mathrm{Pe}_r=2(n-1)$에서 1을 빠뜨리고$n=\mathrm{Pe}_r/2=5$로 쓰기 쉽다. 이 관계는 $\mathrm{Pe}_r$이 클 때의 근사이므로 $\mathrm{Pe}_r$이 작은 구간에서는 오차가 커진다.

이상 반응기 조합으로 만드는 이매개변수 모형

매개변수가 둘인 모형은 이상 반응기를 병렬과 직렬로 조합한 것이다. 대표적인 모형은 바이패스와 데드 볼륨이 있는 CSTR 모형이다. 전체 부피 $V$ 중 $V_D$는 정체 영역이고, 전체 유량 $v_0$ 중 $v_b$는 반응기를 지나지 않고 출구로 간다. 활성 CSTR의 부피는 $V_s=V-V_D$, 유량은 $v_s=v_0-v_b$이다.

두 매개변수를 바이패스 분율 $b=v_b/v_0$와 데드 볼륨 분율 $d=V_D/V$로 쓴다. 이 페이지가 정한 표기이며, 교재는 활성 부피 분율과 활성 유량 분율로 같은 내용을 나타낸다. 활성 탱크의 공간 시간은 $\tau_s=V_s/v_s=\tau(1-d)/(1-b)$이다. 추적자 펄스에 대한 출구 신호는 바이패스한 비율 $b$가 $t=0$에 delta 함수로 나오고, 나머지가 활성 CSTR의 지수 감쇠로 나오는 합이다.

$$E(\Theta)=b\,\delta(\Theta)+\frac{1-b}{\tau_s/\tau}\,\exp\!\left(-\frac{\Theta}{\tau_s/\tau}\right),\qquad \frac{\tau_s}{\tau}=\frac{1-d}{1-b}$$

이 식은 측정한 RTD에서 두 가지를 직접 읽게 한다. $t=0$ 직후의 신호가 바이패스 분율 $b$를 주고, 지수 감쇠의 시간 상수가 $\tau_s$를 주어 $d=1-\tau_s(1-b)/\tau$로 데드 볼륨 분율을 얻는다. 다른 조합으로는 PFR 다음에 CSTR이 이어지는 직렬 모형이 있고, 이때 CSTR이 차지하는 부피 분율이 하나의 매개변수이다. 교환이 있는 모형(정체 영역과 활성 영역 사이에 물질이 오가는 모형)은 매개변수가 하나 더 필요하다.

Figure 18.5 바이패스와 데드 볼륨이 있는 CSTR의 RTD 맞추기

예측: 빨간 측정 자료에는 $t=0$에 막대가 있다. 이것은 어느 요인 때문일까?

목표: 파란 핸들 두 개를 끌어 막대 높이(바이패스 분율 $b$)와 감쇠 시간 $\tau_s$(데드 볼륨 분율 $d$)를 정하고, 측정 자료와의 잔차 $R$을 0.03 이하로 만드세요.

바이패스 분율 b—
데드 볼륨 분율 d—
tau_s / tau—
잔차 R—

측정 자료는 이 페이지가 감춘 값으로 만든 모의 자료에 4% 크기의 결정론적 잡음을 더한 것이며 교재의 실측값이 아니다. 잔차는 연속 부분의 면적 차이 $\int|E_{model}-E_{meas}|d\Theta$에 막대 높이 차이를 더한 값이다. 위쪽 그림의 점은 이 계의 추적자 입자로, 바이패스 입자는 곧바로 나가고 활성 영역 입자는 지수 분포의 시간 뒤에 나간다.

Q3. 부피 100 L인 반응기에 유량 10 L/min을 흘린다. 데드 볼륨이 20 L이고 유량의 10%가 바이패스한다. 활성 CSTR의 공간 시간 $\tau_s$는?
$V_s=100-20=80$ L, $v_s=10(1-0.1)=9$ L/min이므로 $\tau_s=80/9=8.9$ min이다. 데드 볼륨만 고려하면 8 min, 바이패스만 고려하면 11.1 min이다. 두 효과는 서로 반대 방향이어서 함께 있으면 일부가 서로 상쇄된다.

추적자 자료에서 모형 매개변수 구하기

매개변수를 구하는 순서는 모형과 관계없이 같다. 출구 농도 $C(t)$를 적분으로 규격화해 $E(t)$를 만들고, 평균 체류 시간과 분산을 구한다. 그다음 모형의 분산식에 대입한다. 소프트웨어(Polymath, MATLAB, Python)는 $C(t)$에 모형 곡선을 직접 최소 제곱으로 맞추는 방법도 제공한다.

$$E(t)=\frac{C(t)}{\int_0^\infty C\,dt},\qquad t_m=\int_0^\infty tE\,dt,\qquad \sigma^2=\int_0^\infty t^2E\,dt-t_m^2$$
$$n=\frac{t_m^2}{\sigma^2},\qquad \sigma_\Theta^2=\frac{\sigma^2}{t_m^2}\ \Rightarrow\ \mathrm{Pe}_r\ \text{from}\ \sigma_\Theta^2=\frac{2}{\mathrm{Pe}_r}+\frac{8}{\mathrm{Pe}_r^2}\ \text{(open)}$$

분산은 꼬리 부분의 자료에 가장 민감하다. $(t-t_m)^2$ 가중치 때문에 멀리 있는 작은 농도가 분산에 크게 기여한다. 측정이 너무 일찍 끝나면 분산이 작게 계산되어 $n$이 크게 나오고, 잡음이 있으면 반대 방향의 오차도 생긴다. 따라서 꼬리를 충분히 길게 측정하고, 모형 곡선과 자료를 겹쳐 눈으로도 확인해야 한다.

Figure 18.6 추적자 펄스 자료에서 $n$과 $\mathrm{Pe}_r$ 구하기
측정 잡음 (%) 3
측정 종료 시간 (min) 40
t_m (min)—
sigma^2 / t_m^2—
탱크 수 n—
Pe_r (열린 계 / 닫힌 계)—

자료는 예제 18-1의 결과($t_m\approx10$ min, $n=4.35$)에 맞춰 이 페이지에서 만든 모의 값이며, 교재 표의 숫자가 아니다. 종료 시간을 14 min 쪽으로 줄이면 꼬리가 잘려 분산이 작아지고 $n$이 4.35보다 크게 나오므로, 같은 자료도 측정을 일찍 끝내면 PFR에 더 가까운 반응기로 잘못 판단한다.

만약에?

만약 2차 반응에서 같은 RTD로 T-I-S와 분산 모형을 쓴다면?
클릭하여 확인 →
두 모형은 같은 분산을 가지지만 RTD의 모양은 다르므로 전환율이 조금 다를 수 있다. 2차 반응은 분포가 넓을수록 전환율이 낮아진다. 그래서 T-I-S 모형에서 가까운 정수 탱크 수 두 개를 풀어 범위를 잡고, 분산 모형은 수치로 풀어 비교하는 것이 안전하다.
만약 유량을 2배로 올리면 층류 관 반응기의 $\mathrm{Pe}_r$은?
클릭하여 확인 →
층류에서 $D_a\approx U^2R^2/(48D_{AB})$이므로 $D_a$는 $U^2$에 비례한다. $\mathrm{Pe}_r=UL/D_a\propto1/U$이므로 유량을 2배로 올리면 $\mathrm{Pe}_r$은 절반으로 줄어든다. 빠르게 흘릴수록 PFR에 가까워질 것 같지만, 확산이 반경 방향 속도 차이를 줄이지 못해서 축 방향 분산이 더 크게 늘어난다.
만약 RTD에 바이패스와 데드 볼륨이 모두 있는데 T-I-S 모형만 쓴다면?
클릭하여 확인 →
분산은 맞출 수 있지만 모양을 설명하지 못한다. 바이패스는 $t=0$ 부근의 빠른 신호를 만들고 T-I-S 곡선은 그 구간에서 0이므로, 모형이 반응하지 않고 나가는 유체의 비율을 놓친다. 그 결과 전환율을 실제보다 높게 예측한다. 이 경우 18.7절의 이매개변수 모형이 필요하다.

Key Takeaways

01
분산에서 모형 매개변수로
T-I-S 모형은 $n=1/\sigma_\Theta^2$, 분산 모형은 $\sigma_\Theta^2$ 식에서 $\mathrm{Pe}_r$을 풀어 구한다. 둘 다 추적자 자료의 평균과 분산이 입력이다.
02
경계 조건과 Peclet 수의 크기
닫힌 계는 Danckwerts 조건을 쓴다. $\mathrm{Pe}_r$이 약 20보다 크면 열린 계와 닫힌 계의 차이가 사라지고, 전환율은 PFR 값에 가까워진다.
03
두 모형의 연결
$\mathrm{Pe}_r=2(n-1)$이므로 1차 반응에서는 두 모형의 전환율이 거의 같다. 1차가 아닌 반응은 T-I-S가 풀기 쉽고, 정수 탱크 수 두 개로 범위를 잡는다.
04
이매개변수 모형과 자료의 질
$t=0$ 근처 신호는 바이패스, 지수 감쇠의 시간 상수는 활성 부피를 알려 준다. 분산은 꼬리에 민감하므로 측정을 충분히 길게 해야 한다.