侧向自然通风中净化气流的随风向变化的翼墙增强效果：实验研究、CFD仿真及高斯过程回归分析

《BUILDING AND ENVIRONMENT》：Wind-direction-dependent wing-wall enhancement of purging flow in single-sided natural ventilation: Experiments, CFD, and Gaussian process regression

　　• 单侧通风中的翼墙性能在很大程度上依赖于风向。
• 较小的翼墙角度（0°–30°）通常能提供最高的净化流量。
• 较大的翼墙角度会由于流动屏蔽效应而抑制通风。
• 计算流体力学（CFD）解释了流动机制，但实验对于性能预测仍然至关重要。
• 高斯过程回归（GPR）使得基于风向的设计指导成为可能。

**引言**
快速的城市化加剧了对建筑物内空气质量（IAQ）的担忧，在这种建筑中，通风在稀释和去除室内产生的污染物方面起着核心作用[1]。在许多实际情况下，室外空气交换可能受到建筑物封闭性的限制，以及使用者或操作者对自然通风或机械通风的控制（包括开闭窗户），从而增加了污染物积累和空气交换不足的可能性[2]。虽然室内二氧化碳（CO2）不是整体IAQ的全面指标，但它在被占用空间中被广泛监测，并且在建立好的示踪气体质量平衡假设下，可以通过室内外CO2的差异来推断室外空气交换情况[3]。标准化的示踪气体稀释程序[4,5]为使用CO2作为惰性示踪剂来量化单区域通风提供了坚实的基础，包括连续投药和稳态评估方法。与这些标准以及最近的单侧通风研究一致，CO2示踪气体可以用来量化风驱通风的性能，即污染物净化（去除）能力[5,6]。因此，本研究使用CO2示踪气体来评估风驱单侧通风作为污染物净化指标，以比较等温（无浮力）边界层方法流动下的不同翼墙配置。

许多空间依赖通过单一外部立面的开口进行室外空气交换，使得风驱单侧通风成为实践中常见的自然通风配置[6]。与交叉通风不同，单侧通风通常涉及同一开口处的同时进流和出流，并且可能是非稳定的，其交换受到开口附近的风压和湍流或压力波动的影响[7,8]。因此，风向是主要的敏感性因素，因为风向的变化会改变开口附近的压力分布和流动模式，从而改变交换状态；在某些风向下，湍流起着关键作用，双向流动可能在湍流诱导的通风条件下占主导[6,8]。在现实的边界层方法流动下，垂直剪切的平均风速剖面和增强的湍流[9]进一步塑造了靠近立面的流动环境，即使开口几何形状不变，通风行为也会随风向变化[10]。基于这一点，本研究将风向依赖性视为通风评估的一个关键因素，并预计在固定开口几何形状的情况下，污染物去除性能会有所不同。这些特性促使了基于立面的策略的发展，这些策略可以通过修改开口附近的压力场和流动导向来提高斜风条件下的交换可靠性[[11],[12],[13]]。

一种实用的被动单立面增强策略是使用翼墙，即安装在窗户开口附近的垂直肋条，通过修改开口附近的压力场和引导来改善风驱单侧通风[13,14]。当配置得当时，翼墙可以增强开口处的风捕获能力，并提高室内风速和换气率等通风指标，尽管效果的幅度甚至方向取决于风向和几何细节[10,14,15]。已经有多项参数研究报道了这种敏感性，其中翼墙可以在某些风向下改善通风，但在其他情况下则引入了屏蔽或不利的流动特性[[10],[11],[12],[14,15]。总体而言，这些发现促使系统地评估不同风向下的翼墙设置，以表征在变化的风速条件下的性能。这些研究确立了翼墙作为一种现有的被动通风策略；因此，本研究并不声称翼墙概念本身的新颖性。

尽管有大量证据表明翼墙可以增强风驱单侧通风，但报告的结果仍高度依赖于具体案例，并且通常是基于受控或理想化的评估，这些评估没有考虑不同地点的现场和时间的特定风变化[16]。与此一致，许多参数研究针对选定的风向和离散的立面配置报告了通风指标，表明翼墙根据风向和几何细节可能会改善或降低性能[[10],[11],[12],[14,15]。鉴于风向会随时间变化[17]，这些风向敏感性意味着为“平均”条件优化的单一固定翼墙配置在变化的风向下可能不再是最优的。这一挑战还因单侧交换本身的风向敏感性而加剧，在特定风向下，通风模式可能会发生变化，湍流效应可能变得占主导[6]。此外，虽然已经将数据驱动优化应用于翼墙设计[16]，但优化目标通常使用以舒适度为导向的代理指标（如最大化平均室内风速）来制定，这促使我们需要基于污染物净化或去除指标的实验验证性能关系。因此，需要基于实验验证的性能关系，这些关系使用标准化的示踪气体质量平衡程序[4,5]来量化通风，并将离散测量结果转化为基于风向的性能图，以表征测量范围内的有利条件。

与已有文献相比，本研究的贡献在于实验验证的风向依赖性污染物净化性能映射，而不是引入新的翼墙设备。定量基础是由示踪气体得出的Q*数据集，该数据集是在结构化的β–θ测试矩阵上测量的，并具有实验不确定性，GPR仅在这些测量到的Q*值上进行训练，以插值测试域并表示预测不确定性。与上述参数化和优化研究[[10],[11],[12],[14],[15],[16]]相比，这里的重点在于实验测量的净化指标、基于风向的性能映射、考虑不确定性的插值以及明确界定的范围。CFD仅用于定性机制解释，并不提供用于GPR训练或增强的Q*值。

为了解决这一需求，本研究结合了风洞实验、ABL评估的CFD建模和数据驱动的回归，使用污染物净化指标来量化和映射风驱单侧通风的翼墙性能。在一个鼓风机式风洞中生成了受控的大气边界层（ABL），使用尖塔和粗糙元素，并通过平均速度和湍流强度剖面对其进行了表征。在等温条件下，对1:30比例缩放的亚克力房间模型进行了风速范围为β = ?90°至90°、翼墙设置θ = {无翼墙、0°、10°、20°、30°、60°和80°}的通风测试。性能通过连续注入CO2和稳态示踪气体质量平衡来量化，以计算净化流量及其无量纲形式Q*。同时，开发并评估了一个稳态RANS CFD环境（k ? ω SST），并将其与测量的进气流统计数据进行比较，以支持实验趋势的机制解释。最后，将高斯过程回归（GPR）应用于实验数据集，以构建连续的β–θ性能表面，并在测试条件下得出基于插值的性能图，总结出接近最优的θ作为β的函数。尽管风洞提供了受控边界条件，但这种受控环境对于隔离风向影响和翼墙设置的影响以及得出可重复的性能映射是必要的；目标不是为单一设计点风条件优化单一静态配置，而是基于实验采样的域内测量的污染物净化指标来表征风向依赖的性能，而不是为所有建筑几何形状制定通用设计框架。

因此，这项贡献是一个有界的、基于实验验证的性能映射工作流程，而不是新的翼墙设备或通用设计框架。具体来说，本研究旨在：(i) 测量风向和翼墙角度对无量纲净化流量Q*的影响；(ii) 仅使用稳态RANS CFD来定性解释相关的压力、分离、屏蔽和再循环机制；(iii) 使用仅基于测量到的Q*训练的不确定性感知GPR来插值实验β–θ域，并在测试条件下表征接近最优的区域。

本文的其余部分在第2节介绍了实验和数值方法，在第3节介绍了基于实验的结果和有界的CFD/GPR解释，在第4节提出了结论；支持流动表征、校准、不确定性、CFD和GPR的详细信息分别在附录A–G中提供。

**方法论**
本研究采用集成的实验-计算工作流程，在大气边界层（ABL）下量化并解释使用立面翼墙的风驱单侧通风增强效果。在一个鼓风机式风洞中测试了一个1:30比例缩放的亚克力房屋模型，该模型在等温条件下由尖塔和粗糙元素生成了ABL，其中系统地变化了风向β（?90°至90°）和翼墙角度θ（无翼墙、0°、10°、20°、30°、60°和80°）。

**结果与讨论**
结果以风洞测量数据为主要数据集进行呈现，因为这些测量数据提供了随后GPR插值所使用的Q*值。CFD模拟作为流动机制解释和比较的支持证据保留下来，但不用于训练GPR模型。这种排序将实验测量的通风响应与稳态RANS模拟的定性作用区分开来。

**结论**
风洞示踪气体测量结果显示，翼墙对单侧净化的效果在很大程度上依赖于风向。在测试的β–θ矩阵中，较低的角度通常表现最佳，而θ ≥ 60°通常会抑制Q*。相对于测量的无翼墙基准，GPR选定的实验网格设置下的实验测量Q*在β = ?60°和+60°时分别增加了155.6%和175.0%，在β = ?30°和+30°时分别增加了82.4%和61.1%，而正面风下的增益仅为2.3%。

**数据可用性**
本研究的实验Q*数据集、处理后的风洞/CFD比较数据以及支持研究发现的GPR输入和输出可向相应作者提出合理请求后获得。

**作者贡献声明**
Joshua Alain Iglesia：撰写——原始草稿、验证、软件、项目管理、方法论、调查、正式分析、数据管理、概念化。
Carlos Miguel Jacinto：撰写——原始草稿、验证、项目管理、方法论、调查、正式分析、数据管理、概念化。
Napoleon Enteria：资源提供、项目管理、资金获取、概念化。