基于CFD的循环生物絮团系统养殖池固相分布均匀性评价

史明明，阮贇杰,2，刘 晃，郭希山，叶章颖，韩志英，朱松明



基于CFD的循环生物絮团系统养殖池固相分布均匀性评价

史明明1，阮贇杰1,2※，刘 晃3，郭希山1，叶章颖1，韩志英1，朱松明1

（1. 浙江大学生物系统工程与食品科学学院，杭州 310058；2. 美国康奈尔大学生物与环境工程系，伊萨卡 14850；3. 中国水产科学研究院渔业机械仪器研究所，上海 200092）

为探索循环生物絮团系统相对原位生物絮团系统在生物絮团分布均匀性方面的改善，以欧拉-欧拉多相湍流模型为理论框架，运用计算流体力学（computational fluid dynamics）技术，对两种系统养殖池固液气三相三维流动进行了数值模拟，分析了两种养殖池的液相速度云图、液相流线图以及固相分布特性。模拟结果表明：在水力停留时间为0.90 h时，循环养殖池流场相对复杂，流向变化较乱且分布于整个空间，紊流相对剧烈，流场速度大小分布更均匀，死区相对较少，固相主要分布在中心大范围区域，便于循环，在底部未出现沉积现象，能够避免生产中由于生物絮团在桶底角处的沉积造成厌氧病菌的滋生。另外，循环养殖池生物絮团固相体积分数约为0.1，比较适宜罗非鱼等养殖对象的生长。通过与实测数据对比，模型的模拟值误差均在20%之内，模拟结果可信，该研究说明循环生物絮团系统能够解决原位生物絮团系统中生物絮团分布不均匀以及流场死角多的问题。

水产养殖；流体力学；流场；循环生物絮团系统；养殖池；水力停留时间；多相流

0 引 言

2013年，中国鱼类水产品生产总量达3 632万t。而养殖鱼类水产品为2 594万t，较2012年同比增长6.45%，占鱼类水产品总量的71.42%[1]，已成为水产品养殖大国。然而，由于环境资源的刚性约束，中国水产养殖尚需不断探索新的模式，并逐渐向高产、可持续及无污染方向转变[2-3]。生物絮团技术（biofloc technology，BFT）由于能够有效避免集约化养殖水质污染的问题，且具有水质处理过程资源化的优点，逐渐成为行业研究的热点[4-5]。

原位生物絮团系统在操作过程中，由于生物絮团的沉积，使得养殖池底部总固体含量增加。这容易造成底部溶解氧降低和水体浑浊度升高，从而影响养殖对象的摄食欲望，甚至对其生存造成威胁，降低其成活率，最终影响经济效益[6-7]。鉴于此，相关学者提出基于循环运行的非原位生物絮团技术[8-9]，循环生物絮团技术通过实现养殖池内液相流动，可有效改变养殖池的流场，理论上能够克服原位生物絮团系统底部生物絮团过量沉积的弊端，但其操作的水力学特性研究鲜有报道。

利用传统试验方法研究循环生物絮团系统养殖池内生物絮团的分布时，存在过程复杂、成本高和效率低的问题。随着计算机软硬件的提升，计算流体动力学（computational fluid dynamics，CFD）逐渐被应用于各领域。其能够按照要求设定各种试验条件，并能快速、准确地进行模拟试验，且可重复性强，能有效地规避上述问题[10-13]。目前，针对水产养殖池多相流CFD数值模拟的研究成果并不多，且多是基于二维平面模型的[14-17]。二维计算模型虽可以较好的模拟二维平面流场形态和预测流场的发展趋势，但在模拟如循环式生物絮团系统等气液固三相流场时仍存有不足。

由于生物絮团在养殖池内的运动相对复杂并且呈现较强的三维性，因此本文以实验室中试规模的循环式生物絮团系统为研究对象，采用欧拉固液气三相流模型，对循环生物絮团系统养殖池流场进行三维CFD数值模拟，通过构建的三维模型计算及均匀性评价，探索其流场特性。以期为循环生物絮团系统的生产应用提供理论依据。

1 数值模拟方法

1.1 模拟对象

本文模拟涉及的循环生物絮团系统采用浙江大学农业生物环境研究所实验室中试规模的养殖池为试验装置，其中，养殖池上口径为0.50m，底径为0.42m，高为0.63m，池内有效养殖水深度约为0.55m。另外，考虑到水力停留时间和进水速度大小，系统进水口口径为0.02m，出水口口径为0.025m。曝气装置为曝气环面，其内外直径分别为0.194和0.226m。根据养殖池实际的几何尺寸建立几何模型，如图1所示。基于生物絮团实际运行过程中快速排泥需要，系统设计水力停留时间为0.90 h，则进水口进水速度为0.09m/s，曝气速度为0.02 m/s。为了评价循环生物絮团系统的效果，同时对原位生物絮团系统进行模拟，其中，原位生物絮团系统养殖池几何信息和循环生物絮团系统养殖池相同，但原位养殖池进水口速度为0，出水口设置为固壁，且采用相同曝气强度。

1.2 模拟方程

养殖池内混合液的流动为固、液和气三相混合流动，由于混合液内固体和气体体积占比相对较小，且此处视固体、气体和液体均为连续相，因此，模拟模型选择欧拉-欧拉模型[18-19]。其中，连续相视为黏性不可压缩的流体，常温下定常流动，考虑重力，并将气体设置为参考密度，相关控制方程表述如下[20-21]

1）连续方程

式中α为各相体积分数；ρ为各相质量密度，kg/m3；为各相速度矢量，m/s；为（液体）；（气体）和（固体），且有。

2）动量方程

液相动量方程

固相动量方程

气相动量方程

式中为重力加速度，m/s2；为静压强，Pa；为相间相互作用力，N；为应力张量，其可由经典牛顿力学得出如下

式中为黏性系数；为第二黏性系数；为单位张量；T为转置符号。

3）计算过程中由于生物絮团颗粒粒径较小，而升力主要作用在大粒径时比较明显；虚拟质量力主要适用于液相存在较大滑移速度波动的情况，故忽略升力和虚拟质量力，此处主要考虑作用较大的曳力和重力，同时忽略作用力较小的压力梯度力、Basset力和Magnus力等。具体计算方程如下：

液-固相间曳力

液-气相间曳力

气-固相间曳力

式中F为相间曳力，N；K为相间交换系数；C为曳力系数；d为固相颗粒直径，m；为曳力函数；τ为气相松弛时间，s；A为界面面积，m2。

4）湍动参数方程

通过湍动参数方程可以计算液相湍动黏度μ，m2/s。当前此类湍流模型较多，包括零方程模型、单方程模型和双方程模型。本文采用双方程标准模型计算液相湍动黏度[22]。

式中ρ为混合密度，kg/m3；为混合速度，m/s；为湍动能，J；为湍动耗散率。

根据经验公式模型相关参数取值如下：1ε=1.44，2ε=1.92，C=0.09，=1.0，σ=1.3。

1.3 网格划分及边界条件

网格质量直接决定了数值模拟能否顺利进行以及其结果的可信度[23]。高质量的网格是实现精确模拟的前提，但同时需要避免网格过密浪费计算资源的发生。通常情况下，网格质量以满足要求为准，直到随着网格数目的增加，计算结果不再有显著的变化为止，即使得模拟结果同网格不存在相关性[24]。为此，本文采用Fluent前处理软件Gambit2.2进行三维非结构化网格划分，考虑到养殖池内流体流动的面对称性及节省计算成本，此处仅取一半养殖池为计算域，并对进气口、进水口和出水口进行了加密，具体网格如图2所示。网格和节点数量分别为181395和34656，同时进行了网格无关性验证。对更精细的网格即网格数245387，节点数44512和网格数336169，节点数60444 进行模拟，结果无显著变化。

边界条件是在求解区域的边界上所求解的变量或一阶导数随地点及时间的变化规律，其是解数学方程的前提，也是模拟分析的关键部分[25]。由于已知进气流量和进水流量，故将养殖池的进水口和进气口设置为速度入口。进水口和进气口速度方向均垂直于进口断面，并且假定速度在整个断面上均匀分布。而养殖池出气口直接与大气接触，故将其设置为压力出口，另外将出水口和桶壁分别设置为出口流动和壁面，其中，壁面采用无滑移固壁，在近壁面采用标准壁面函数。

1.4 模型参数确定

基于CFD仿真软件Fluent 6.3平台和戴尔服务器，根据试验及实际情况采用有限体积法离散化的三维N-S方程及非耦合隐式方案，选择标准两方程湍流模型，选用分离式压力修正法中的SIMPLE算法作为流场数值求解方法，速度校正方程中压力项选用默认的standard格式，扩散项、源项和对流项均采用一阶迎风差分格式离散，进行数值求解，计算开始前视固相沉积模型底部，高度为0.02m。其他相关物性参数和初始参数的设定如表1所示。

表1 参数设定

2 模拟结果与分析

通过Fluent的计算模拟，得到了循环生物絮团养殖池和原位生物絮团养殖池的液相速度云图、液相流线图和固相（生物絮团）的分布情况。

2.1 流场分析

在相同显示范围、配色方案和视角条件下，原位养殖池和循环养殖池代表性截面处的液相速度云图分别如图3和图4所示。

其反映了2种系统养殖池在5s内的流场变化情况。通过对比图3和图4相同时刻养殖池速度云图可知，循环养殖池相对原位养殖池能在更短的时间内达到稳定状态，且在=5s时，循环养殖池流场速度大小分布更均匀，死区相对较少。这主要因为循环养殖池进水和出水对流场影响所致，而此影响可从养殖池纵截面液相流线图（图5）得到解释。图5a所示的原位养殖池液相流场比较简单，流向变化平缓且其主要发生在同一平面内，紊流较少，而图5b所示循环养殖池流场相对复杂，流向变化较乱且分布于整个空间，紊流相对剧烈，故液相流场得到了很好改善。另外，两种养殖池速度较大的区域均发在中心位置，且该区域外侧速度相对较小。这主要是由于曝气装置所致，由于气提影响导致中心局部液相速度场速度急剧增加，而该区域外侧区域速度较小主要是因为该区域为涡流中心，故液相速度相对较低。

2.2 固相分布均匀性评价

模拟开始前分别设置相同体积的固相沉积在养殖池的底部，如图6和图7所示为在相同色彩地图和视角下5 s内原位养殖池和循环养殖池固相的主要分布情况。由于固相受液相流场影响较大，故同前文液相速度云图所得到的结果一致，循环养殖池内固相混合速率相对较快。在=5s时，由图6知，原位养殖池固相分布较不均匀，主要表现在养殖池壁面区域固相浓度较大，其固相体积分数约为0.09，中心区域固相体积分数在0.01左右。根据图7可知，循环养殖池固相分布均匀性得到了很好的提高，其固相主要分布在中心大范围区域，便于循环，其体积分数约为0.1。通过对比图6和图7可知，在=5s时，由于图6中原位养殖池固相浓度相对循环养殖池（图7）较低，故此情况下，原位养殖池其他空白区域生物絮团浓度相对较高，故存在造成局部厌氧死区的风险。而循环养殖池大部分区域生物絮团体积分数在0.1左右，表明其好氧区分布均匀[26]。为定量分析养殖池内固相体积分数分布，选取具有代表性的三条监测线，其位置如图8所示。相关模拟结果如图9所示。

由图9a可知，原位养殖池中心轴线即center-line处以及middle-line处固相体积分数较低，而接近固壁处的side-line位置固相体积分数相对较大，且由上到下差异比较明显，其在池顶和池底部分区域浓度已超过0.2，不利于养殖对象的正常生长[27]。由图9b可知，循环养殖池在center-line和middle-line处固相体积分数在0.05～0.1之间，side-line位置固相体积分数相对较大，但仍保持在0.2以内，且其上下固相体积分数差异不大。总体而言，循环养殖池固相体积分数分布相对均匀，这一方面体现在3条监测线之间固相体积分数差异较小，另一方面体现在同一条监测线上固相体积分数变化不大。另外，通过对比图9的side-line模拟结果可知，循环养殖池固相在底部未出现沉积现象，能够防止生产中由于生物絮团在桶底角处的沉积造成厌氧区及致病菌的滋生。

a. 原位养殖池

a. Situ culture pond

2.3 试验验证

为验证模拟结果准确性，以浙江大学农业生物环境研究所实验室中试规模的循环生物絮团系统养殖池为基础，设置S1～S5 5个取样点，分别为循环养殖池中心线上距离池底0.1、0.2、0.3、0.4、0.5 m的5个位置。通过外径为3 mm、壁厚约为0.5 mm的有机玻璃管进行取样，由于其取样管直径较小，可以忽略其对流场的影响。关于生物絮团浓度的测定采用烘干法，详细测定步骤参见APHA标准方法（APHA，1998）[28]。其中，为降低取样对模拟结果造成的影响，每次取样20 mL，5个监测点同时取样，烘干温度采用120 ℃。根据得到的生物絮团浓度以及试验测得生物絮团密度（1 060 kg/m3），计算得出系统内生物絮团体积浓度，相关实测结果与模拟结果对比如图10所示。

由图10可以看出，总体上模拟值与实测值的变化规律大致相似，实际养殖过程中养殖池固相体积分数相对模拟值分布更均匀。各点模拟值误差均在20%以内，结果可靠[13,29]。模拟值在养殖池底部监测点数据高于实测值，而在养殖池上部较实测值偏低一些，这可能主要是因为模拟过程中假设生物絮团颗粒粒径相同，而实际养殖过程中其粒径并不完全相同，其粒径呈具有拖尾特征的倒钟型分布。另外，由于实际养殖过程中生物絮团系统存在少量杂质，并且实测值为监测点周围一定区域的平均值，这也会对结果造成影响。

3 结 论

1）应用CFD软件Fluent对生物絮团系统2种养殖池的流场进行了数值计算，在允许误差范围内，将生物絮团系统视为连续的三相流，并采用欧拉-欧拉模型进行模拟，能够很好地获得其流场信息。

2）循环养殖池流场相对原位养殖池流场纵截面液相速度的方向变化杂乱无章且分布于整个空间，使得其紊流强度较为剧烈，死区较少，在相同条件下，流场得到了很好的改善。

3）生物絮团系统中絮团颗粒体积分数分布主要介于0～0.1之间，通过模拟获得了此范围内2种养殖池生物絮团体积分数具体分布位置，并结合具有代表性的3条监测线生物絮团体积分数分布曲线，充分地说明了循环养殖池内生物絮团分布均匀性得到提高。

4）鉴于三相流计算的复杂性，仅对循环生物絮团系统水力停留时间HRT(hydraulic retention time)约为0.90 h，即进水口速度为0.09m/s进行了模拟，此HRT相对较快，但其能很好地说明循环生物絮团系统相对原位生物絮团系统在生物絮团分布均匀性方面改善，为下一步循环生物絮团系统在生产中的应用提供了一定理论基础。

[1] 农业部渔业局主编. 中国渔业年鉴[M]. 北京：中国农业出版社，2002.

[2] Avnimelech Y, Verdegem M C J, Kump P. Sustainable landbased aquaculture: Rational utilization of water, land and feed resource[J]. Mediterrancan Aquaculture Journal, 2008, 1(1): 45－55.

[3] Tacon A G J, Foster I P. Aquafeeds and the environment: policy implications[J]. Aquaculture, 2003, 226(144): 181－189.

[4] Salehizadeh H, Van Loosdrecht M C M. Production of polyhydroxyalkanoates by mixed culture: recent trends and biotechnological importance[J]. Biotechnol Adv, 2004, 22(3): 61－279.

[5] Crab R, Defoirdt T, Bossier P, et al. Biofloc technology in aquaculture: Beneficial effects and future challenges[J]. Aquaculture, 2012, 356(4): 351－356.

[6] Ray A J, Lewis B L, Browdy C L, et al. Suspended solids removal to improve shrimp () production and an evaluation of a plant-based feed in minimal-exchange, super intensive culture systems[J]. Aquaculture, 2010, 299(1): 89－98.

[7] De Schryver P, Crab R, Defoirdt T, et al. The basics of bio-flocs technology: The added value for aquaculture[J]. Aquaculture, 2008, 277(3): 125－137.

[8] De Schryver P, Verstraete W. Nitrogen removal from aquaculture pond water by heterotrophic nitrogen assimilation in lab-scale sequencing batch reactors[J]. Bioresour Technol, 2009, 100(3): 1162－1167.

[9] Ruan Y J, Zhu L, Xu X Y. Study on the flocs poly--hydroxybutyrate production and process optimization in the bio-flocs technology system[J]. Bioresource Technology, 2011, 102(16): 7599－7602.

[10] 周博，南晓红，文改黎. CFD模拟气调库快速降氧过程O2和CO2浓度变化规律[J]. 农业工程学报，2015，31(13)：184－191.

Zhou Bo, Nan Xiaohong, Wen Gaili. Variation and distribution characteristics of O2, CO2concentration in controlled atmosphere storage by CFD[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(13): 274－280. (in Chinese with English abstract)

[11] 牛培平，丁日升，宋卫堂，等. 不同挡流板形式紫外线消毒仪杀菌效果模拟[J]. 农业工程学报，2015，31(18)：184－191.

Niu Peiping, Ding Risheng, Song Weitang, Wang Yuan. Numerical simulation of sterilizing efficiency of ultraviolet disinfection reactors with different flow baffle types[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(18): 184－191. (in Chinese with English abstract)

[12] 李洪昌，李耀明，唐忠，等. 风筛式清选装置振动筛上物料运动CFD-DEM 数值模拟[J]. 农业机械学报，2012，43(2)：79－84.

Li Hongchang, Li Yaoming, Tang Zhong, et al. Numerical simulation of material motion on vibrating screen of air-and-screen cleaning device based on CFD-DEM[J]. Transactions of the Chinese Society for Agricultural Machinery, 2012, 43(2): 79－84. (in Chinese with English abstract)

[13] 赵春江，韩佳伟，杨信廷，等. 基于CFD 的冷藏车车厢内部温度场空间分布数值模拟[J]. 农业机械学报，2013，44(11)：168－173.

Zhao Chunjiang, Han Jiawei, Yang Xinting, et a. Numerical simulation of temperature field distribution in refrigerated truck based on CFD[J]. Transactions of the Chinese Society for Agricultural Machinery, 2013, 44(11): 168－173. (in Chinese with English abstract).

[14] Petemson E L, Harris J A, Wadhwal L C. CFD modelling pond dynamic processes[J]. Aquacultural Engineering, 2000, 23(1): 61－93.

[15] Huggins D L, Piedrahita R H, Rumsey T. Use of computational fluid dynamics (CFD) for aquaculture raceway design to increase settling effectiveness[J]. Aquacultural Engineering, 2005, 33(3): 167－180.

[16] Labatut R A, Ebeling J M, Bhaskaran R, et al. Exploring flow discharge strategies of a mixed-cell raceway (MCR) using 2-D computational fluid dynamics (CFD)[J]. Aquacultural Engineering, 2015, 66: 68－77.

[17] Labatut R A, Ebeing J M, Bhaskaran R, et al. Modeling hydrodynamics and path/residence time of aquaculture like particles in a mixed-cell raceway (MCR) using 3D computational fluid dynamics (CFD)[J]. Aquacultural Engineering, 2015, 67: 39－52.

[18] Li L, Ni J R. Three-dimensional three-phase model for simulation of hydrodynamics, oxygen mass transfer, carbon oxidation, nitrification and denitrification in an oxidation ditch[J]. Water Research, 2014, 53: 200－214.

[19] Panneeraelvam R, Savithri S, Urender G D. CFD simulation of hydrodynamics of gas-liquid-solid fluidised bed reactor[J]. Chemical Engineering Science, 2009, 64(6): 1119－1135.

[20] Fluent User’s Guid[M], 2013. Fluent Inc, Lebanon, USA.

[21] Hamidipour M, Chen J, Larachi F. CFD study on hydrodynamics in three-phase fluidized beds-Application of turbulence models and experimental validation[J]. Chemical Engineering Science, 2012, 78: 16－180.

[22] 李源，杨菁，管崇武，等. 基于CFD 的养殖污水净化内循环流化床反应器结构优化[J]. 农业工程学报，2014，30(22)：44－52.

Li Yuan, Yang Jing, Guan Chongwu, et al. Optimization for structure of internal loop fluidized bed reactor based on computational fluid dynamics[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(22): 44－52. (in Chinese with English abstract)

[23] 孙赟，林亚玲，刘兴静，等. 涡轮反应器气固两相流动反应CFD模型数值模拟[J]. 农业机械学报，2013，44(8)：195－201.

Sun Yun, Lin Yaling, Liu Xingjing, et al. Development of gas-solid two-phase flow-reaction CFD model for vortex reactor[J]. Transactions of the Chinese Society for Agricultural Machinery, 2013, 44(8): 195－201. (in Chinese with English abstract).

[24] 喻黎明，邹小艳，谭弘，等. 基于CFD-DEM耦合的水力旋流器水沙运动三维数值模拟[J]. 农业机械学报，2016，46(1)：126－132.

Yu Liming, Zou Xiaoyan, Tan Hong, et al. 3D numerical Simulation of Water and Sediment Flow in Hydro-cyclone Based on Coupled CFD-DEM[J]. Transactions of the Chinese Society for Agricultural Machinery, 2016, 46(1): 126－132. (in Chinese with English abstract).

[25] 陈晋南. 传递过程原理[M]. 北京：化学工业出版社，2004.

[26] Avnimelech Y, Ritwo G. Shrimp and fish pond soils: processes and management[J]. Aquaculture, 2003, 220(1): 549－567.

[27] Tzachi M. Samocha, Susmita Patnaik, Mike Speed, et al, Use of molasses as carbon source in limited discharge nursery and grow-out systems for[J]. Aquacultural Engineering, 2007, 36(2): 184－191.

[28] APHA. Standrd Methods for the Examination of Water and Wastewater 20th ed[M]. Washington: Amercian Public Health Association, 1998.

[29] Panneerselvam R, Savithr S, Surender G D, CFD simulation of hydrodynamics of gas-liquid-solid fluidized bed reactor[J]. Engineering Science, 2009, 69: 1119－1135.

Solid phase distribution simulation of culture pond with recirculating biofloc technology based on computational fluid dynamics

Shi Mingming1, Ruan Yunjie1,2※, Liu Huang3, Guo Xishan1, Ye Zhangying1, Han Zhiying1, Zhu Songming1

(1.310058,; 2.,14850,; 3.,200092,)

Biofloc technology (BFT) has been widely used in situ tilapia rearing for its benefits such as saving protein-feed and reducing the adverse impacts on environment. And biofloc concentration has huge effect on aquaculture system. More specifically, TSS(total suspend solid) and the uniformity of the biofloc distribution can greatly affect cultured animals on feeding enthusiasm, and high TSS even will threat the survival of breeding objects. In production, because of the biofloc sedimentation, the bottom of traditional BFT system usually extremely high, so the recirculating biofloc technology (RBFT) system has become a hot topic in recent study. To investigate the improvement on biofloc distribution uniformity of RBFT system compared with situ BFT system, an Euler-Euler multi-phase turbulence 3-D model combined with the kinetic theory of granular flow was applied to simulate the solid-liquid-gas three-phase flow in culture ponds of two kinds of BFT system. At first, the tank meshing was finished based on the commercial software Workbenching 15.0. The grid independent validation was done to choose the acceptable mesh. At last, the mesh was imported in numerical simulation software (Fluent) to analyze the velocity contours and streamlines of liquid phase, distribution characters of solid phase in these two models. In this simulation, pressure-based solver and second-order implicit transient formulation were adopted. The boundary conditions of water and air inlet were set as velocity, and their outlet were regard as pressure outlet equated to the local atmospheric pressure. What’s more, according to the SIM-PLE algorithm, pressure-velocity coupling was calculated. The bioflocs were regarded as to be distributed in the bottom initially. Unsteady simulations were performed when all residuals fall below 10-3, while 40 iterations per time step were used to ensure numerical stability. To have an accurate results, third-order monotone upstream-centered schemes for conservation laws (MUSCL) was used. The simulation results show that when the hydraulic retention time (HRT) of RBFT system is 0.45 h, its flow field has an irregularly varying flow directions namely spreading all over the space, and a severe turbulent flow is complex in contrast with BFT system. On one hand, this flow field results in a more homogeneous velocity distribution and less dead zone flow field in recirculating culture pond, and on the other hand, bioflocs are gathering at the main center area, which is beneficial to biofloc recirculating. What is particularly worth mentioning is that there is only a small amount of biofloc’s sedimentation at bottom in recirculating culture pond, and this result can efficiently avoid the anaerobic bacterium’s breeding caused by the biofloc sedimentation at bottom corners of culture ponds. In addition, the solid phase volume fraction is about 0.1 in recirculating culture pond’s model, and this concentration of suspended solid is suitable for growth of cultured aquatic animal like tilapia and shrimp. According to the comparison between simulation value and experimental data, the simulating value’s error is less than 20%, and the simulation results are trustworthy. In conclusion, the study shows that the RBFT system can overcome the disadvantages including uneven distribution of biofloc and too much dead zone in situ BFT system.

aquaculture; computational fluid dynamics; flow fields; recirculating biofloc technology system; culture pond; hydraulic retention time; multi-phase fluid

10.11975/j.issn.1002-6819.2017.02.035

S969

A

1002-6819(2017)-02-0252-07

2016-04-16

2016-11-19

国家自然科学基金青年基金（31402348）；十二五科技支撑计划项目（2014BAD08B09）；农业部渔业机械仪器研究所重点实验室开发基金（2015）；中国博士后基金项目（2014M551747）。

史明明，男，河南周口，博士生，主要从事设施水产装备研究。杭州 浙江大学生物系统工程与食品科学学院，310058。Email：shimgmg@163.com

阮贇杰，男，浙江杭州，博士，主要从事水产养殖环境工程的研究。杭州 浙江大学生物系统工程与食品科学学院，310058。 Email：ruanyj@zju.edu.cn

史明明，阮贇杰，刘 晃，郭希山，叶章颖，韩志英，朱松明. 基于CFD的循环生物絮团系统养殖池固相分布均匀性评价[J]. 农业工程学报，2016，33(2)：252－258. doi：10.11975/j.issn.1002-6819.2017.02.035 http://www.tcsae.org

Shi Mingming, Ruan Yunjie, Liu Huang, Guo Xishan, Ye Zhangying, Han Zhiying, Zhu Songming. Solid phase distribution simulation of culture pond with recirculating biofloc technology based on computational fluid dynamics[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(2): 252－258. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.02.035 http://www.tcsae.org