《International Journal of Thermofluids》:Coupling magnetic braking, exothermic chemistry and latent storage in a porous-finned annulus: a CFD–machine-learning study of NEPCM–water transport
编辑推荐:
潜热热能储存换热器是紧凑式太阳能热接收器、废热回收回路及建筑集成式暖通空调模块的基础部件,然而磁制动、放热化学、多孔介质阻尼与NEPCM潜热储存在翅片环形换热器中的耦合相互作用此前尚未得到充分研究。本研究通过提供一种耦合数值与数据驱动的分析,填补了这一空白,研
潜热热能储存换热器是紧凑式太阳能热接收器、废热回收回路及建筑集成式暖通空调模块的基础部件,然而磁制动、放热化学、多孔介质阻尼与NEPCM潜热储存在翅片环形换热器中的耦合相互作用此前尚未得到充分研究。本研究通过提供一种耦合数值与数据驱动的分析,填补了这一空白,研究对象为充注NEPCM-水悬浮液的双管换热器,该悬浮液同时受到磁驱动、释热化学反应与渗透性基体的作用。采用Galerkin有限元离散求解耦合输运系统,并将求解器与两套已发表的文献数据进行基准验证。研究遍历了宽广的参数窗口:瑞利数(103–10?)、达西数(10?1–10??)、弗兰克-卡门涅茨基数(0–1.5)、路易斯数(0.1–10)、浮力比(1–7)、哈特曼数(0–85)以及胶囊装载量(0.01–0.035)。三种学习器——XGBoost、随机森林和多层感知机——在1579个CFD样本上训练,以从九个控制组复现Nu、Sh、S和Be。将胶囊体积分数从0.01提高至0.035,在Ra=103时使热输运提升55.8%;而磁制动在Ha达到75时将努塞尔数增益从79.0%削减至4.1%。热与组分输运对反应项呈现相反响应:将FK推高至1.5使Nu降低15.2%,同时使Sh提升9%。提升树学习器成为最精确的代理模型(测试R2≥0.9995),其中Ra主导Nu、S和Be的排序,而Le控制Sh。研究结果为通过平衡胶囊富集与磁调控流动来优化潜热储存单元提供了定量指导。
多孔翅片环形空间内NEPCM-水输运的磁制动与放热化学耦合:一篇CFD–机器学习研究解读
**1. 研究背景与问题**
潜热热能储存(LHTES)换热器是紧凑式太阳能热接收器、废热回收回路和建筑集成式暖通空调模块的关键部件。尽管已有大量研究探讨了自然对流、纳米颗粒强化传热、磁流体动力学(MHD)效应以及相变材料(PCM)的应用,但将磁制动、放热化学反应、多孔介质阻尼和纳米封装相变材料(NEPCM)潜热储存这四种机制同时集成于一个翅片环形换热器中的耦合行为,此前尚未见报道。现有研究多局限于单一或少数物理机制的叠加,例如仅考虑NEPCM悬浮液在空腔或简单几何中的自然对流,或仅在MHD条件下研究双扩散对流,缺乏对多场耦合系统中热—溶质输运及不可逆性产生的系统认识。工程实际中的壳管式储热单元往往同时面对磁场调控、反应释热和渗透性填充介质等复杂工况,因此迫切需要一个统一的理论框架来揭示这些机制的相互作用规律。
**2. 研究目标与创新**
针对上述空白,研究人员提出了一项耦合数值与数据驱动分析,旨在系统考察充注NEPCM-水悬浮液的双管换热器在同时受到磁场驱动、释热化学反应和渗透性多孔基体作用时的热—溶质对流与熵产特性。该研究在物理层面首次将四类机制统一纳入Galerkin有限元框架;在参数层面遍历了九个控制群构成的三维设计空间——瑞利数(Ra=103–10?)、达西数(Da=10?1–10??)、弗兰克-卡门涅茨基数(FK=0–1.5)、路易斯数(Le=0.1–10)、浮力比(Nz=1–7)、哈特曼数(Ha=0–85)、胶囊装载量(Φ=0.01–0.035),以及斯特凡数(Ste)和融合温度(θf);在方法层面将高保真CFD数据与三种机器学习代理模型相结合,以快速预测全局努塞尔数(Nu)、舍伍德数(Sh)、总熵产(S)和贝让数(Be)。
**3. 关键技术方法**
研究人员采用Galerkin加权残差有限元法离散求解质量、动量、能量和组分守恒方程,并利用Newton线性化和PARDISO直接求解器处理非线性代数系统。多孔介质采用Darcy–Brinkman–Forchheimer模型,并在局部热平衡假设下处理能量方程。NEPCM悬浮液性质通过体积分数加权混合关联式描述:热导率采用Maxwell模型,粘度采用Brinkman模型,密度、热容和热膨胀系数按混合物规则计算。模型经网格无关性验证(最终网格258,272个单元)和两套文献数据基准验证(Pasha等、Beckermann等)及补充的Turabi等梯形腔双扩散NEPCM验证。研究样本来自COMSOL Multiphysics求解器,共1579个CFD模拟样本,覆盖完整参数空间。随后训练三种监督学习器——XGBoost、随机森林(RF)和多层感知机回归器(MLPRegressor),输入九个无量纲参数,输出四个全局响应。采用80/20训练测试划分(部分协议为70/15/15),进行五折或十折交叉验证,并用排列重要性评估参数贡献。
**4. 研究结果**
**4.1 浮力强度与胶囊装载的影响**
提高Ra从103到10?,Nu和Sh均显著上升(Φ=0.01时Nu提升501%,Sh提升104%);增大Φ从0.01到0.035在Ra=103时使Nu提升55.8%,但Sh略有下降(每增加0.005下降约0.1%),反映了高装载引起的粘度惩罚。总熵产随Ra急剧增加(Φ=0.01时从8.6041升至244.83,约2745%),而增大Φ可轻微降低Stotal(约1.15%@Ra=103)。Be随Ra升高而下降,表明不可逆性主导机制由热梯度转向粘性耗散。
**4.2 渗透率与反应释热的影响**
降低Da(从10?2到10??)抑制循环并减弱热输运,对组分场影响较小;升高FK(从0到1.5)使Nu降低15.2%,同时使Sh提升9%,源于反应释热使近壁温度梯度展平而强化浮力羽流对组分的扫掠。Stotal随Da增大上升约40%,随FK增加仅上升约0.4%;Be随Da增大下降约22.5%,随FK略有上升。
**4.3 扩散系数比与溶质浮力的作用**
Le从0.1增至10仅使Nu增加约3%,但使Sh提高84.8%(@Nz=1);增大Nz(从1到7)使Nu提升14.5%而Sh提升133.5%(@Le=10)。Stotal随Nz增大而激增(@Le=0.1时提升231%),随Le增大而降低约6.4%;Be随Le增大而上升,随Nz增大而显著下降。
**4.4 潜热变换参数的影响**
θf对Nu影响较小(最高约2.6%),Ste增大使热输运略微下降(约2.3%),但组分输运几乎不受影响,表明热—溶质通道发生了清晰解耦。Stotal和Be随θf、Ste的变化幅度极小(分别<0.7%和<0.34%),暗示潜热参数几乎不改变不可逆性的热/粘性分配。
**4.5 磁制动响应**
增大Ha显著削弱循环、热输运和组分输运:Ra从103到10?的Nu增益在Ha=0时为79.0%,在Ha=75时骤降至4.1%;Sh增益相应从104.7%降至10.8%。Stotal随Ra的增幅在Ha=75时从2950%收缩至119%,而Be在Ra=10?时随Ha从0.11457升至0.65444(提升471%),证实Lorentz力可将不可逆性主导机制从粘性耗散转回热梯度。
**4.6 代理预测与参数排序**
三种学习器均能高精度复现CFD结果,其中XGBoost表现最优(测试R2≥0.9995,RMSE分别为Nu=0.0077、Sh=0.0247、S=0.3204、Be=0.0034),Random Forest次之,MLPRegressor第三。排列重要性分析显示,Ra是Nu、S和Be的首要控制参数,Le对Sh具有支配性影响,与参数扫描结论高度一致。Ha、Ste和θf在全局重要性排序中居末位,表明在全参数域平均意义上,浮力和溶质扩散对响应的影响占主导。
**5. 讨论与结论**
讨论部分指出,磁制动在Ha≈75后趋于饱和,继续增大Ha收益递减;热—溶质解耦的机制可从边界层尺度关系得到解释:Ra通过动量方程控制热边界层厚度,Le则通过组分方程控制浓度边界层,二者沿独立轴线变化,导致Sh∝Nu·Le
1/2的缩放关系。研究还声明了若干简化假设:二维稳态层流、局部热平衡、单相均质悬浮液、单一Frank-Kamenetskii源项等,并展望了三维瞬态扩展、LTNE模型、两相欧拉-拉格朗日处理、主动学习与物理信息神经网络以及实验验证等未来方向。
结论部分:胶囊富集可显著提升热性能(Φ从0.01增至0.035使Nu提升55.8%),但仅产生极小的溶质惩罚;磁制动是有效的流场调节手段(Ha=75时Ra驱动的Nu增益从79.0%降至4.1%);反应强度对Nu和Sh呈相反影响(FK增至1.5使Nu降15.2%、Sh升9%);Le主要影响组分输运(Sh提升84.8%而Nu仅增3%);熵产对浮力驱动和磁场强度最为敏感,其随Ra的增幅在Ha从0升至75时从2950%收缩至119%。XGBoost代理模型达到近CFD保真度,且参数重要性排序确认了Ra和Le分别对热响应和溶质响应的主导地位。该研究为潜热储存单元的优化设计提供了定量指导,展示了如何在控制不可逆性损失的同时权衡胶囊富集带来的传热增益与磁场的调控能力。