基于数据驱动方法,预测新型气凝胶复合隔热材料在服役条件下的热力学性能演变

《Energy and Buildings》:Prediction of the thermodynamic performance evolution of a novel aerogel composite insulation material under service conditions based on data-driven methods

【字体: 大 中 小 】 时间:2026年01月07日 来源:Energy and Buildings 7.1

编辑推荐:

  本文针对新型SiO?气凝胶复合绝热材料(ACIM)在服务环境中的热力学性能变化,通过实验模拟不同温湿度条件,构建了双输入(温度、湿度)三输出(温差、热流密度、导热系数)的数据驱动预测模型,并采用深度学习结合SHAP解释和不确定性分析优化模型。结果表明,模型在导热系数预测中表现优异,且具有良好泛化能力,为建筑节能提供了理论支持。

  
尤文友|霍玉欣|郭春梅|何中璐|赵媛|杨斌|陈建星|孟冲|陈曦
天津城建大学能源与安全工程学院,中国天津300384

摘要

建筑保温材料的热力学性能受到使用环境温度和湿度的影响。根据实际气象变化选择合适的保温材料设计参数,可以有效减少由于建筑供暖和制冷负荷计算错误而造成的能源浪费。本研究提出了一种高精度、高通用性的新型气凝胶复合保温材料(ACIM)预测模型。实验在不同温度和湿度条件下进行,旨在研究其热力学性能的变化,并构建ACIM的全面数据集。构建了一个以温度和湿度为输入变量、温差、热流密度和热导率为输出变量的数据驱动预测模型,以确定ACIM的热力学性能与环境温度和湿度之间的关系。最后,使用实验数据验证了所提出的模型,并将其与插值法和线性回归法的性能进行了比较。结果表明,在较高的环境温度和湿度条件下,ACIM的热导率会增加。所提出的预测模型表现良好,特别是在所有三个目标变量上,深度学习模型的表现尤为出色。该方法展示了良好的通用性和可扩展性,并提供了关于ACIM热力学性能与服务环境条件之间关系的见解。

引言

建筑物约占全球最终能源消耗总量的三分之一[1]。在中国,这一比例约为21.2%[2]。根据国际能源署(IEA)的数据,到2030年全球建筑能源需求将增加到近140艾焦(EJ),到2050年将增加到160艾焦[3]。
随着建筑技术的不断进步,创新材料和设计解决方案不断涌现,旨在提高建筑能源效率并减少能源消耗。Teng等人[4]在广州的多层住宅建筑中测试了四种绿色改造技术(建筑围护结构改造、暖通空调系统改造、遮阳改造和照明改造)的节能效果。结果表明,建筑围护结构改造的节能效果最高(超过50%)。保温材料是建筑围护结构的关键组成部分。理想情况下,保温材料的热导率低于传统建筑材料,从而减少通过围护结构的热量传递[5]。Chi等人[6]用粉煤灰泡沫混凝土保温材料替代了传统墙体材料,从而降低了能源消耗。结果显示,使用纳米改性墙体面板的建筑年总能耗为62,424千瓦时,具体能耗为35.01千瓦时/平方米。与20世纪80年代的基准建筑(86,237千瓦时/平方米)相比,这代表了65.28%的节能率。在各种保温材料中,气凝胶保温材料因其极低的热导率而在建筑能效[7]、[8]、[9]和航空航天[10]等前沿领域显示出广阔的应用前景。
建筑围护结构的热导率系数并非恒定,主要受温度、密度和含水量变化的影响[11]、[12]。研究人员进行了定量实验研究,分析了不同保温材料的热导率性能随温度和湿度变化的趋势。Hoseini等人[13]发现,当相对湿度(RH)从0%上升到90%时,气凝胶毯的热导率(λ)增加了约15%。Wang等人[14]发现,随着湿度的增加,气凝胶和几种常见建筑保温材料(玻璃棉、岩棉、硅气凝胶毯、膨胀聚苯乙烯、挤出聚苯乙烯、酚醛泡沫和泡沫陶瓷)的热导率显著增加。具体而言,气凝胶毯的热导率在相对湿度0%到100%之间增加了40%,而其他常见材料的热导率在高湿度条件下增加了8.2%到186.7%。Nosrati等人[15]在不同气凝胶比例下制备并研究了气凝胶增强抹灰、毯子和板材的热性能。结果显示,在60°C时热导率的最大增加量为12%。然而,现有的实验主要集中在单一因素或稳态环境中,对于温度和湿度耦合效应以及新型SiO2气凝胶保温材料在使用条件下的热性能演变的研究有限。因此,本研究通过在实际使用环境中对这种新型材料的热导率进行实验测量和分析,填补了这一研究空白。
此外,现有研究者在研究保温材料的热导率温度依赖性行为时通常采用线性回归模型。这是因为对于大多数材料(包括气凝胶),温度与λ之间的关系表现出明显的线性趋势[16]、[17]、[18]、[19]。然而,也存在例外情况。例如,有一项研究[20]表明,聚异氰脲酸酯的热导率在21°C时出现拐点,需要使用二次多项式非线性回归模型。湿度对λ的影响更为复杂,通常需要非线性模型才能准确表示。Wang等人[16]观察到,当湿度超过30%时,酚醛树脂板的热导率急剧增加;而玻璃棉和XPS在湿度超过70%时也表现出显著的非线性增长,需要多项式拟合。Yang等人[18]使用幂函数描述了多种材料的热导率随含水量的变化。总体而言,模型选择依赖于经验数据,材料之间的差异限制了它们的普遍适用性。
在大数据时代,随着计算能力的提升,机器学习受到了广泛关注。研究人员应用基于机器学习的数据驱动方法对材料和热性能进行了评估,取得了显著进展。例如,Lu等人[21]和Lavshchenko[22]结合高通量模拟和机器学习,准确预测了复合材料的界面热阻和有效热导率。Huang等人[23]提出了一种可解释的深度学习方法,使用3D卷积神经网络和类别激活图揭示了多孔材料中热导率与结构之间的关系。数据驱动方法不仅能够构建更准确的模型,而且在数据充足的情况下还具有更好的泛化能力。然而,这些研究中的几乎所有模型都使用单一输出变量,缺乏可解释性和不确定性分析。
本研究通过实验方法研究了温度和湿度参数变化对SiO2气凝胶复合保温板在使用条件下的热力学性能的影响。开发了一个实验装置来模拟材料在实际使用过程中经历的温度和湿度条件,并使用数据驱动方法建立了预测模型。主要贡献包括:(1)基于实验数据,系统总结了气凝胶复合保温材料在使用条件下的热力学性能演变规律;(2)提供了一种使用深度学习模型进行材料性能预测的数据驱动方法,并对黑箱模型进行了SHAP可解释性分析和预测模型不确定性分析。
本文的其余部分组织如下:第2节介绍了本研究采用的研究方法,包括实验系统、材料选择、实验设计和模型评估标准。第3节分析了材料在不同温度和湿度条件下的热绝缘性能变化规律及其原因,并提出了基于数据驱动方法的SiO2气凝胶复合保温材料热绝缘性能评估预测模型。随后,将深度学习模型与插值方法和线性拟合模型进行了比较。最后,对深度学习模型进行了可解释性分析和不确定性分析。第4节对整篇论文进行了全面总结。

实验装置构建

为了同时监测气凝胶复合保温材料的热力学性能,建立了一个实验平台。该实验系统主要由温度和湿度控制系统、温度和热流监测系统以及数据采集系统组成,如图1所示。
温度和湿度控制系统使用恒温恒湿箱调节腔室内的环境条件。通过采用PID算法,

实验数据可视化和定量分析

测试样品的热力学性能,包括温差(Δt)、热流密度(q)和热导率(λ),与环境温度和相对湿度(RH)的关系如图4、图5和图6所示。散点图和折线图用于可视化Δt、q和λ对温度和相对湿度的响应模式。
如图4(a)和图5(a)所示,Δt和q都表现出先减小后增加的趋势

结论

本研究研究了SiO2气凝胶复合保温材料(ACIM)在室内建筑应用中的热力学性能演变。建立了ACIM的热物理性能监测实验平台,并采用了原位热流监测技术,同时从ACIM墙板的内外表面收集温度场数据和热流密度测量值。数据驱动的预测模型

作者贡献声明

尤文友:方法论。 霍玉欣:正式分析、数据整理。 郭春梅:撰写——审稿与编辑、资金获取。 何中璐:概念构思。 赵媛:项目管理。 杨斌:验证。 陈建星:监督。 孟冲:可视化。 陈曦:软件。

利益冲突声明

作者声明他们没有已知的可能会影响本文所述工作的竞争性财务利益或个人关系。

致谢

本研究得到了中国国家重点研发计划(2023YFC3806100)的支持。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号