引言
可再生能源的快速发展要求大规模和长时储能技术来确保电力系统的稳定性和能源可靠性[1],[2]。基于氢的储能技术以其高能量密度和无碳特性而备受关注，被视为长期和大规模储能的有希望的载体[3],[4]。与传统氢储能技术相比，液态氢（LH?）具有最高的体积能量密度，使其特别适合大规模储能应用[5],[6],[7]。然而，LH?的长期储存不可避免地会受到环境热量入侵引起的自加压现象，导致蒸汽生成、沸腾损失和安全问题[8],[9]。这一过程的发展受多种热流-流体机制的控制，包括壁面热传递、界面相变、自然对流和热分层[10],[11],[12]。因此，明确这些机制对于理解储存罐内的热流-流体行为以及指导储罐设计和热管理优化至关重要。
为了研究这些耦合的热流-流体机制，已经进行了大量的实验和数值研究。多功能氢测试床（MHTB）被广泛用作标准实验基准，提供了在不同填充水平和热泄漏条件下的有价值数据[13],[14]。后续实验研究了热流密度和填充水平对热分层和压力变化的影响[15],[16],[17]。然而，由于很难获得关于流场和相变等关键物理过程的实验数据，近年来数值模拟被广泛用于阐明加压机制。大多数数值研究采用了均匀热流密度[18],[19],[20],[21],[22]或恒定壁温[23],[24],[25],[26]等热边界条件，来研究在不同重力、晃动和填充比条件下的加压机制。这些工作为理解储存罐内的热流-流体行为奠定了基础，为各种任务场景下的储罐设计提供了必要的技术支持[18],[19],[20],[21],[22],[23],[24],[25],[26]。尽管如此，这些模拟通常将储罐壁视为零厚度边界，忽略了壁面热传导。此外，由于热流密度分布[18],[19],[20],[21],[22]和局部传热系数[23],[24],[25],[26]的不确定性，这些研究通常依赖于经验性参数来进行关键边界参数的设定。实际上，壁面热传导会导致流体接触壁面的热流密度分布不均匀，从而影响对加压机制的理解。为了解决这个问题，我们之前的工作开发了一个考虑壁面热传导的相似性模型[27],[28]，该模型能够更准确地表示加压机制，同时通过相似性缩放显著降低了计算成本。
在实践中，通常使用真空室和低温绝缘材料来最小化液态氢储存罐中的外部热量入侵。因此，典型的实验[13],[14],[15],[16],[17]假设在外储罐壁上的热流密度在长期运行过程中空间上均匀且时间上恒定。后续的数值模拟[18],[19],[20],[21],[22],[23],[24],[25],[26],[27]都是基于这一假设进行的，以研究潜在的机制并预测加压行为。因此，在恒定热流密度下的加压行为和机制成为指导储罐设计和热管理优化的重要基线。
然而，在MHTB储罐中进行的研究表明，在90%填充量时，热流特性和加压曲线表现出明显的两阶段演变[13],[14]。我们之前的研究指出，这种行为是由于初始壁面热释放造成的实验偏差，而不是恒定热流边界本身的特征。不幸的是，大多数现有的在90%填充量下的模拟[29],[30],[31],[32],[33],[34],[35],[36]仍然依赖于这种有偏差的曲线来进行模型验证和加压行为研究。为了匹配这种在恒定热流下的有偏差的加压特性[13],[14]，Kartuzova等人[29]进行了调整——延长了持续时间（5.1–6.9小时）并增加了热泄漏（54.1–73.3瓦）和初始压力——这些调整缺乏明确的物理依据。这种拟合忽略了两阶段热流过程中的关键初始阶段，并导致在恒定热流条件下的加压机制预测不准确。后续的模拟[30],[31],[32],[33],[34],[35],[36]采用了这种调整后的曲线来验证模型并研究不同操作条件下的加压机制。由于忽略了壁面热传导，这种拟合源于不合理的模型简化和参数调整。特别是，我们之前的研究已经证实，修正后的热泄漏值被显著高估了。因此，使用这种有偏差的基准[13],[14]不可避免地将错误传递到推导出的加压机制中，从而阻碍了对恒定热流下自加压实际热物理过程的深入理解。
为了解决这个问题，本研究采用了一个结合了壁面热传导的经过验证的相似性模型[28]。首先应用该模型并减少热泄漏，以准确模拟在恒定热流条件下90%填充比的MHTB储罐的自加压行为。然后使用参考文献[29]中高估的热泄漏进行平行模拟，以分离由过量热输入引起的差异。系统地研究了减少热泄漏情况下的自加压特性和相关机制。通过对两种情况的比较分析，全面评估了热流密度在塑造加压机制中的作用。
