一项结合实验方法和三维数值模拟的研究,旨在探讨中空枣椰树混凝土墙体的热性能

《Case Studies in Thermal Engineering》:A combined experimental and 3D numerical investigation of the thermal performance of hollow date palm concrete walls

【字体: 大 中 小 】 时间:2026年02月14日 来源:Case Studies in Thermal Engineering 6.4

编辑推荐:

  罗马伊萨·菲拉利(Romaissa Fillali)、布杰马·阿古吉尔(Boudjemaa Agoudjil)、纳瓦尔·谢努夫(Nawal Chennouf)、阿卜杜勒拉希姆·布登内(Abderrahim Boudenne) 巴黎东大学克雷泰尔分校(Université Pa

  罗马伊萨·菲拉利(Romaissa Fillali)、布杰马·阿古吉尔(Boudjemaa Agoudjil)、纳瓦尔·谢努夫(Nawal Chennouf)、阿卜杜勒拉希姆·布登内(Abderrahim Boudenne)
巴黎东大学克雷泰尔分校(Université Paris Est Créteil),CERTES,克雷泰尔,法国F-94010

**摘要**
本研究通过实验和数值分析相结合的方法,探讨了采用中空枣椰纤维混凝土块(Hollow Date Palm Fiber Concrete Blocks,HDPCB)建造的墙体的热性能和传热机制。通过稳态和动态实验室测量,确定了墙体的热传导系数(U值)、热阻(R值)、时间延迟以及周期性热传导系数。开发了一个三维模型来模拟墙体固体部分的热传递过程以及空腔内的自然对流现象,并单独评估了辐射传热的贡献。进行了敏感性分析,以确定对预测热传递影响最大的因素。实验结果表明,HDPCB墙体具有有效的隔热性能,其U值为1.23 W·m?2·K?1,R值为0.81 m2·K·W?1。数值预测结果与实验数据相差在3%以内,证实了在测试条件下,自然对流是墙体空腔内的主要传热方式。这些结果展示了HDPCB作为可持续且节能的建筑围护结构材料的潜力。

**1. 引言**
自文明诞生以来,建筑对人类发展至关重要,提供了安全、庇护和舒适的生活环境。然而,在过去几十年中,建筑行业面临着前所未有的挑战:它既是原材料的最大消耗者,也是环境退化的主要因素之一。事实上,建筑行业占全球能源消耗的近35%,以及温室气体排放量的约38%[1]。因此,提高建筑物的能源效率成为当务之急,特别是通过开发低碳且具有高隔热性能的先进材料。在这一背景下,基于生物的材料因其兼具功能性和环境效益而受到越来越多的关注。与钢铁和水泥等高碳足迹材料不同,基于生物的材料能够减少固有的碳排放,并能自然捕获和储存碳,从而将建筑物转变为碳汇,为更可持续的未来铺平道路[2]。

刘磊(L. Liu)等人回顾了建筑用生物基隔热材料的演变,指出大麻、稻草、亚麻和木材是最常研究的材料[3]。在此基础上,索索尼(E. Sossoni)等人开发了导热系数在0.08至0.14 W·m?1·K?1之间的大麻基复合板材,证明了它们作为有效隔热材料的潜力[4]。纳扎里(F. Nazari)等人对大麻基隔热材料进行了生命周期评估,发现其碳排放量低,环境性能优于传统隔热材料[5]。拉佐伦科(G. Lazorenko)等人研究了将亚麻纤维加入煤灰基聚合物砂浆中的效果,发现1%的亚麻纤维可使导热系数降低12%[6]。在各种基于生物的材料中,枣椰纤维基建筑材料也表现出良好的性能。例如,阿古吉尔(B. Agoudjil)等人证明,来自阿尔及利亚比斯克拉绿洲的枣椰木材具有优良的热绝缘和介电性能,其特点是导热系数低且微观结构多孔,这使其适合作为天然隔热材料[7]。克里西(Y. Khrissi)等人的研究表明,在石膏基材料中加入0%至5%的枣椰纤维可将导热系数从0.52 W·m?1·K?1降低到0.39 W·m?1,同时改善了隔音性能[8]。本曼苏尔(N. Benmansour)等人证实,在水泥基复合材料中加入5%至15%的枣椰纤维可降低导热系数并减轻重量,同时保持足够的机械强度[9]。纳瓦尔·谢努夫(N. Chennouf)等人研究了含有15%枣椰纤维的生物基墙体的湿热性能[10],结果表明该墙体能够有效调节湿度并减缓温度波动,显示出强烈的热湿耦合效应[10]。贝卢姆(R. Belloum)等人发现,在多种气候条件下,枣椰纤维混凝土建筑的表现优于蒸压加气混凝土,这归因于其优越的热惯性、湿度调节能力和室内空气质量,使得在潮湿气候下的能源需求降低了66%[11]。

尽管先前的研究[9][10][11]已经证明了枣椰纤维作为砂浆或混凝土填充剂的潜力,但这类材料广泛应用的一个主要限制是所需的水泥含量较高,这削弱了其环境效益。因此,关键挑战之一是开发出能够大幅降低水泥含量而不影响隔热性能的配方。一种有前景的解决方案是使用中空砌块,这种砌块在建筑中广泛应用,可以通过优化设计来提高热效率和可持续性。海达拉斯兰(E. Haydaraslan)和安塔尔(M. A. Antar)等人指出,砌块内的空腔数量直接影响其热性能,强调了内部空腔的重要性[12,13]。尽管如此,关于中空生物基砌块的研究仍然有限,大多数研究集中在传统的中空砌块上[12][14][15][16][17][18][19]。为填补这一空白,本研究介绍了中空枣椰纤维混凝土块(HDPCB)的热性能。这种新型设计使用枣椰纤维替代传统骨料,并通过中空结构进一步减少材料用量。研究结合了材料和墙体层面的实验分析以及墙体传热的数值模拟。实验提供了多种气候条件下的温度和热流行为的实际测量数据,直接揭示了材料的热性能。然而,测试所有可能的墙体配置或环境场景既昂贵又耗时。数值模拟可以高效地研究额外的几何形状和边界条件,从而补充和扩展实验结果。此外,实验和数值方法的结合确保了数值模型能够准确捕捉中空生物基墙体的热性能,并能够研究难以通过实验验证的情景。为了更好地理解和精确预测中空生物基砌块的热性能,有必要研究空腔内的传热机制相互作用方式,这有助于选择合适的数值建模方法。对中空砌块相关研究的深入分析表明,模拟空腔内传热的方法多种多样。虽然固体材料中的导热过程相对简单,但在充满空气的空腔中,导热、对流和辐射的相互作用更为复杂。一些研究仅考虑了一种传热机制,例如王(A. Wang)和哈布(E. Harb)等人仅模拟了空气空腔内的表面到表面辐射[14,20](王研究的是中空陶瓷混凝土墙体,哈布研究的是淀粉/甜菜浆复合砖[20]),两者均发现数值结果与实验数据吻合良好。查拉伊(M. Charai)和安塔尔(M. A. Antar)等人在数值模拟中考虑了自然对流[12,15]。还有一些研究同时考虑了两种传热机制,例如德利米(M. Dlimi)和布肯迪尔(M. Boukendil)等人评估了双层中空砖墙的热效率[16,19]。还有一些研究考虑了所有三种传热机制,例如维拉(S. Vera)等人比较了两种模拟砖块空腔内传热的方法:一种考虑了导热、对流和辐射(使用空腔表面的对流系数),另一种将空腔简化为具有等效导热性的固体(仅考虑导热[17])。第一种方法更为准确,U值误差为2%,而第二种方法为4.2%。科奇(J. Koci)等人开发了一种计算方法,用于估算具有复杂空腔的空心砖的等效导热系数,该方法考虑了导热、对流和辐射,并使用了空气的表观导热系数,其二维有限元模型与实验数据吻合良好[18]。

基于前述研究[11][12][14][15][16][17][18][19][20](这些研究采用了从单一传热模式到多种传热机制的假设),本研究实现了两种数值模型。第一种模型考虑了墙体固体部分的导热和内部空气空腔中的自然对流;第二种模型还考虑了空腔内的表面到表面辐射,以评估其对整体热性能的影响。由于空腔尺寸较大(约100 × 100 × 180毫米),因此忽略了空气空腔内的导热过程。曼苏里(Mansouri)等人指出,在5至20毫米厚的空腔中,导热和对流机制相互竞争;但对于厚度超过25毫米的空腔,导热作用相对较弱[21]。因此,数值模型中没有考虑大空气空腔内的导热过程。通过将两种模型与实验数据进行比较,评估了每种模型的相对准确性。

本研究旨在评估新型中空枣椰纤维混凝土块(HDPCB)墙体的热性能,这种墙体旨在显著降低建筑物的固有碳含量和运行能耗。为此,首先制备了具有三个内部空腔的HDPCB。这一设计基于安塔尔(M.A. Antar)等人的研究结果,他们发现将空腔数量从一个增加到两个,再增加到三个,分别使热阻提高了约21.1%和28.3%[12]。测量了枣椰混凝土的热物理性能,作为数值模拟的输入数据,以预测墙体的热性能。随后使用这些砌块建造了一面测试墙,一面置于气候室中模拟夏季室外条件,另一面保持在室内实验室条件下。在墙体的内外表面安装了热流传感器,在空腔内部以及墙体的内外表面安装了温度和相对湿度传感器。实验结果用于计算热传导系数(U值)、热阻(R值)、时间延迟和衰减因子,全面评估了墙体的隔热性能及其对能源效率和室内舒适度的影响。将实验结果与传统中空砌块墙体的结果进行了比较。此外,墙体表面的温度数据被用作数值模拟的边界条件,而空腔内的温度测量数据用于将数值结果与实验数据进行对比。数值部分采用了有限元方法构建了详细的三维热模型。首先对热模型进行了敏感性分析,以确定最具影响力的输入参数,并评估传感器位置对墙体热性能预测的影响,方法参考了阿里乌阿(T. Alioua)等人的研究[22]。随后,将实验测量结果与两种模型的数值预测进行了比较:第一种模型考虑了空腔内的自然对流和墙体固体部分的导热;第二种模型还考虑了空腔内的表面到表面辐射。为了研究仅考虑导热和对流是否足以准确预测HDPCB墙体的传热情况,还进行了对比。由于HDPCB是生物基材料,因此还需要考虑热湿传递的耦合效应,目前正在进行关于HDPCB墙体湿热性能的研究,结果将在另一篇论文中展示。

本研究探讨了枣椰纤维混凝土制成的中空砌块,这种生物基材料此前已在固体结构中得到研究,并在本研究中进一步发展为适用于中空砌块几何形状的应用。因此,本研究代表了首次对这种类型中空砌块结构中的生物基材料进行评估。采用了一种多尺度实验-数值方法,该方法结合了对墙体尺度上块体的显式三维重建,从而克服了以往研究的局限性,这些研究仅限于单个块体的模拟[13,18]、二维块体或墙体截面的模拟[15,16,23],或者完全均质化的三维墙体模型[1,17]。此外,通过首先考虑自然对流,然后包括表面到表面的辐射来分析腔体内的热传递,以评估哪种方法能更好地预测实验中观察到的热行为。此外,首次进行了敏感性分析,以评估固体基质的热物理性质对腔体预测热行为的影响。通过这种方法,该研究加深了对使用中空生物基块体建造的墙体热性能的理解,为可持续建筑材料的研究做出了贡献,并对其热行为进行了全面评估。在引言之后,本文介绍了所使用的材料和制造过程,描述了实验和数值方法,讨论了结果,并总结了主要发现和展望。

2. 材料与方法
本节介绍了研究中使用的材料以及在材料和墙体尺度上应用的实验方法。最初,工作集中在中空枣椰树混凝土块(HDPCBs)的制造及其热物理性质的表征上。随后,使用HDPCBs建造了一面墙体,并在受控气候条件下对其热性能进行了测试。

2.1. 中空块的制备和墙体建造
所使用的材料是一种含有15%重量百分比枣椰树纤维的增强砂浆(水泥、沙子和水)。HDPCB的详细组成见表1,其重量为7.8±0.2公斤(六个块体的平均值)。使用的水泥是来自阿尔及利亚Ain Touta的天然水泥(PROMT-VICAT)。沙子也来自Ain Touta,最大粒径为5毫米。枣椰树纤维作为天然添加剂,从阿尔及利亚Biskra的绿洲地区获取。这些纤维是从枣椰树的叶柄和茎中提取的,在使用前在自然条件下干燥。纤维由两种尺寸分布组成:细纤维的平均直径为3毫米,较粗的纤维的平均直径为6毫米。

表1. 总重量为7.8±0.2公斤的中空枣椰树混凝土块的成分
成分 权重百分比 (%) 每块重量 (kg)
水泥 62 4.80
沙子 23 1.78
枣椰树纤维 15 1.16
水 2.88

为了制造这些块体,我们熟练地混合了干成分,然后逐渐加入水,水的重量占水泥重量的68%。将制备好的混合物倒入模具中并压实,确保均匀填充并有效减少气孔,如图1(a)所示。最终得到的中空块体尺寸为0.42×0.18×0.15米,包含三个腔体:两个侧腔体各为0.10×0.18×0.10米,以及一个中央腔体为0.10×0.18×0.11米。脱模后,块体在23±2°C的受控环境中固化28天,这个温度通常用于混凝土试样的实验室固化,相对湿度为50±5%。在此期间,条件得到了仔细维护。

下载:下载高分辨率图像 (395KB)
下载:下载全尺寸图像
图1. HDPCB的生产过程:(a) 浇筑,(b) 脱模,(c) 最终的HDPCB

块体的空隙率(εcc)计算为49.2%,表示内部空隙相对于块体总体积的比例。使用以下公式[24]计算:
(1) εcc = TCA / GBA × 100[%]
其中TCA是总腔体面积(m2),GBA是总固体面积(m2)。

N. Benmansour等人的研究已经明确证明了枣椰树混凝土的机械性能,表明加入5%到15%的纤维可以使材料完全满足RILEM对结构性和隔热性蒸压加气混凝土的要求(Rc > 2.5 MPa,λ < 0.75 W m?1 K?1)[9]。虽然我们的研究关注的是用HDPCBs建造的墙体的热行为,但机械性能仍然是建筑材料的一个基本方面,将在未来的工作中进行详细研究,而该墙体的湿热行为目前正在进行中,并将在单独的论文中呈现。

为了建造一面尺寸为1米×0.7米、表面积为0.7平方米、厚度为0.15米的墙体,我们使用了六个HDPCB单元。这些块体被战略性地排列在木制框架上,以有效适应气候室的空间限制,同时保持块体的结构完整性,无需任何切割。块体使用枣椰树混凝土牢固地粘合在一起,混凝土被倒入接缝中。固化后,墙体被抬升并安装在气候室的入口处,一面朝向内部,另一面暴露在实验室的环境条件下。为了确保测试期间的单向热传递,我们用4厘米厚的聚苯乙烯板覆盖了墙体的所有其他表面,如图2所示。此外,还应用了聚氨酯泡沫来填充缝隙并消除热桥,使用硅胶密封剂在接缝处确保气密性。

下载:下载高分辨率图像 (486KB)
下载:下载全尺寸图像
图2. HDPCB墙体在气候室入口处的安装

2.2. 热物理性质测量
使用Hot Disk方法表征了枣椰树混凝土的热物理性质,如图3(a)所示。来自瑞典哥德堡的Hot Disk公司的TPS 2500 S设备可以测量平均热导率λ(W·m?1·K?1)、扩散率α(mm2·s?1)和体积热容量ρCp(J·m?3·K?1)及其相关不确定性[25]。使用半径为3.19毫米的Kapton 5465传感器进行测量,因为其半径是样品半径的两倍小,有助于减少边缘效应。在测试过程中,传感器被放置在厚度在2.5厘米到3厘米之间的两个样品之间。所有测量都在室温下进行。为了进一步确保结果的可靠性并减少统计不确定性,样品在两个面上进行了多次重复测量。

下载:下载高分辨率图像 (499KB)
下载:下载全尺寸图像
图3. 热物理性质测量的实验装置:(a) Hot Disk TPS 2500 S,(b) Lambda UV-Visible-NIR光谱仪

密度ρ(kg·m?3)是通过将每个样品的测量质量除以其相应的体积来计算的,体积是根据样品的规则形状和测量尺寸确定的。由于枣椰树纤维的存在,避免了使用标准的水置换法,因为这会导致浸入时吸水,从而导致密度测量不准确。

此外,通过使用Lambda UV-Visible-NIR光谱仪(PerkinElmer Lambda)测量反射率来确定材料的热发射率?(?),该光谱仪的工作范围为190纳米到2500纳米。发射率计算为1减去反射率。然后计算平均值,并将其作为模拟中空块体内辐射效应时的输入参数。

2.3. 墙体的热行为
为了研究HDPCB墙体的热行为(以下设置如图4所示),在墙体的外表面和内表面安装了两个热流传感器(HFP03,Hukseflux Thermal Sensors B.V)。外部传感器的灵敏度为531.97×10?? V·W?1·m?2 ± 15.96×10?? V·W?1·m?2,内部传感器的灵敏度为563.81×10?? V·W?1·m?2,两个传感器的感测面积均为64×10?? m2。此外,还使用了四个温度和相对湿度传感器(DKRF400/DKRF500,Driesen + Kern GmbH,德国)。温度测量范围为-40°C到+80°C,25°C时的精度为±0.3°C。两个传感器放置在距离墙体内外表面大约5毫米的位置,其余两个传感器嵌入块体腔体内,深度分别为4厘米和7.5厘米,如图4(c)所示。

下载:下载高分辨率图像 (574KB)
下载:下载全尺寸图像
图4. HDPCB墙体的实验装置:(a) 实验装置示意图和气候情景,(b) 安装在气候室中的HDPCB墙体及传感器位置,(c) HDPCB墙体内部T和RH传感器位置细节

传感器的导线连接到Net i512数据记录器,该记录器通过i600 USB数据采集模块与计算机接口。数据采集和监控使用INSTRUNET WORLD软件进行。

HDPCB墙体的热行为在两种气候情景下进行了评估,这些情景由气候室系统调节,其中温度由内置的恒温器和加热系统控制,风扇确保空气循环均匀,热环境稳定且分布均匀。

1. 第一种情景(稳态条件):首先,墙体在室温21°C下稳定。然后逐步提高墙体外部表面的温度至38°C,并保持该温度5天,以使系统达到热平衡并评估墙体的稳态热响应。

2. 第二种情景(动态循环条件):应用了动态热情景。在从21°C升至38°C的初始升高之后,墙体经历了六个连续的24小时热循环,以模拟夏季气候典型的热浪。每个循环包括一个12小时的高温阶段(38°C),接着是一个12小时的低温阶段,在此期间通过关闭气候室中的加热来模拟夜间冷却。

在两种情景下,传感器以1分钟的间隔连续记录数据。

HDPCB墙体的热性能还通过实验测量和分析计算相结合进行了评估。热传递系数(U值)根据BS EN ISO 9869:2014确定,使用测量到的热流与墙体内外表面温差之比来计算,如下公式所示[25]:
(2) U = qΔT
其中ΔT是内外表面温度之差(°C),q是HP03传感器在稳态条件下测量的相应热流(W·m?2)。

在U值测量之后,使用以下公式确定HDPCB墙体的热阻(R值):
(3) R = 1/U

为了评估动态热行为,使用以下公式计算时间延迟(φ)和衰减因子(f)[15]:
(4) φ = {tTinmax ? tToutmax}
当:tTinmax > tToutmax
tTinmax ? tToutmax + Pw
当:tTinmax < tToutmax
(5) f = Ain / Aout = (Tinmax ? Tinmin) / (Toutmax ? Toutmin)
其中,tTinmax和tToutmax分别是室内和室外温度达到最大值的时间(°C),P是热浪周期(s),Ain是室内温度剖面的幅度,Aout是室外温度剖面的幅度,Tinmax和Tinmin分别是室内和室外的最高和最低温度(°C),Toutmax和Toutmin分别是室外的最高和最低温度(°C)。

周期性热传递率(Y)根据EN ISO 13786使用公式(6)计算,定义为通过墙体的热流幅度与周期性热激励下外部温度幅度之比:
(6) Y = qinmax ? qinmin / (Toutmax ? Toutmin)
其中qinmax和qinmin分别是室内热流的最大和最小密度,Toutmax和Toutmin分别是室外表面的最高和最低温度。

3. 数学建模
使用数学模型来描述HDPCB墙体的热行为,考虑了通过墙体固体部分的传导、腔体内的自然对流以及空气腔体内部表面之间的热辐射。为了便于分析同时保留关键物理现象,在模型制定过程中引入了几项假设和简化:
- 采用Boussinesq近似来模拟浮力驱动的流动,其中空气密度被认为是恒定的,除了在浮力项中,它随温度线性变化[26]。
- 假设空气对热辐射是透明的,不参与辐射热传递。
- 假设空气的热物理性质随温度变化,并相应地纳入考虑。
- 假设枣椰树混凝土的热物理性质在整个模拟过程中保持不变。
- 将腔体的内表面视为具有均匀发射率的漫反射灰色表面。
- 对墙体的所有未暴露表面(包括上、下和侧面)应用绝热边界条件,表示墙体边缘没有热交换。**控制方程**
为了模拟HDPCB墙内的耦合热传递过程,使用了以下控制方程[13]:

**固体部分的导热**:
- 导热方程:
$$
\frac{\partial T}{\partial t} = \alpha \left( \frac{\partial^2 T}{\partial x^2} + \frac{\partial^2 T}{\partial y^2} + \frac{\partial^2 T}{\partial z^2} \right)
$$

**空气腔体内的自然对流**由以下方程组控制:
- 连续性方程:
$$
\frac{\partial u}{\partial x} + \frac{\partial v}{\partial y} + \frac{\partial w}{\partial z} = 0
$$
- x、y和z方向上的动量方程:
$$
\frac{\partial u}{\partial t} + u \frac{\partial u}{\partial x} + v \frac{\partial u}{\partial y} + w \frac{\partial u}{\partial z} = -\frac{\partial p}{\partial x} + \nu \nabla^2 u
$$
$$
\frac{\partial v}{\partial t} + u \frac{\partial v}{\partial x} + v \frac{\partial v}{\partial y} + w \frac{\partial v}{\partial z} = -\frac{\partial p}{\partial z} + \nu \nabla^2 v
$$
$$
\frac{\partial w}{\partial t} + u \frac{\partial w}{\partial x} + v \frac{\partial w}{\partial y} + w \frac{\partial w}{\partial z} = -\frac{\partial p}{\partial y} + \nu \nabla^2 w + g \beta (T - T_C)
$$
- 能量方程:
$$
\frac{\partial T}{\partial t} + u \frac{\partial T}{\partial x} + v \frac{\partial T}{\partial y} + w \frac{\partial T}{\partial z} = \alpha \nabla^2 T
$$

其中,$u$、$v$和$w$分别是x、y和z方向上的速度分量(单位:m/s),$t$是时间(单位:s),$p$是压力(单位:Pa),$\nu$是运动粘度(单位:m2/s),$g$是重力加速度(单位:m/s2),$\beta$是热膨胀系数(单位:K?1),$T$是温度(单位:K),$\alpha$是热扩散率(单位:m2/s)。

**腔体内表面之间的辐射热交换**通过表面-表面辐射接口进行建模。该接口应用辐射度方法来计算辐射热传递,如方程(13)、(14)、(15)、(16)、(17)、(18)[20]中所描述。
$$
\epsilon_J = \epsilon_e b(T) + \rho d
$$
$$
\epsilon + \rho d = 1
$$
$$
G = G_m(J) + Gamb
$$
$$
Gamb = F_{amb} \epsilon_{am} b(T_{amb})
$$
$$
e_b(T) = n^2 \sigma T^4
$$
$$
q_r^{\text{net}} = \epsilon(G) - e_b(T)
$$

其中,$J$是表面辐射度(单位:W·m?2),$\epsilon$是表面发射率,$e_b(T)$是黑体总发射功率(单位:W·m?2),$\rho_d$是表面反射率,$G_m(J)$是相互表面辐照度(单位:W·m?2),$G_{amb}$是环境辐照度(单位:W·m?2),$F_{amb}$是环境视角因子,$\epsilon_{amb}$是环境表面发射率,$n$是透明介质的折射率,$\sigma$是斯特藩-玻尔兹曼常数(单位:W·m?2·K??),$q_r^{\text{net}}$是净辐射热通量密度(单位:W·m?2)。

**边界条件**
边界条件是根据从HDPCB墙的内外表面收集的实验温度数据建立的。研究了两种热情景:第一种情景涉及五天的稳态条件,第二种情景考虑了六天的日循环变化,以代表五个完整的热循环。在域的侧面、顶部和底部表面施加了绝热条件,以确保热量通过墙的单向传递。对于对流热传递,在外表面设置了17 W·m?2·K?1的表面热传递系数,在内表面设置了8 W·m?2·K?1的表面热传递系数[22],因为温度传感器位于距离墙表面约5毫米的位置,并测量了附近的空气温度。

**数值建模**
使用COMSOL Multiphysics中的有限元方法进行了数值分析,以模拟通过HDPCB墙的热传递,并应用了之前描述的边界条件。主要目的是评估HDPCB墙的热行为,并将模拟结果与记录的实验数据进行比较。

开发了一个真实的3D几何模型来复制实验设置(图5(a))。该几何模型包括空心块、内部空气腔体以及填充有枣椰子混凝土的接头,确保了墙的物理尺寸和组装的准确表示。这种详细的重建有助于精确模拟热传递现象,并能够与实验结果进行直接比较。实验和数值模型之间的任何明显视觉差异仅是由于观察角度的变化,而不是墙本身的差异。

**下载:**
- 下载高分辨率图像(564KB)
- 下载全尺寸图像

**图5.**
(a) HDPCB墙的几何形状;
(b) HDPCB墙的3D网格。

实验测量的枣椰子混凝土的热物理性质被用作输入参数,而腔体内的空气则被赋予了标准软件数据库中的属性。

为了确保数值模拟的准确性和可靠性,进行了网格敏感性研究(图5(b))。计算域使用三维四面体有限元离散化,具有三种网格密度:粗网格(98974个元素)、中等网格(178378个元素)和细网格(473160个元素)。对于第二种情景,在腔体深度4厘米和7.5厘米处,在3167分钟(2.2天)的固定时间内监测温度,以评估网格细化的影响。当求解器满足默认的收敛标准(相对容忍度为0.01)时,认为数值解是收敛的。

第二步是将实验测量结果与数值预测进行比较。该模型考虑了两种热传递机制:通过墙的固体部分的导热和空气腔体内的自然对流,后者被建模为层流,包括内外墙表面的自然对流。

为了评估腔体内辐射的影响,模拟的最后一步包括腔体表面之间的表面-表面辐射,使用发射率为0.7。

最后,数值研究重点关注所使用热模型的敏感性分析,这部分将在下一节(3.4)中详细介绍。此外,通过将两个数值模型的输出与实验数据进行比较来评估其准确性。第一个模型考虑了墙的固体部分的导热和腔体内的自然对流。第二个更复杂的模型还包含了腔体内的表面-表面辐射。此外,使用均方根误差(RMSE)和百分比均方根误差(PRMSE)来量化两个模型的准确性,计算方法如下[27]:
$$
\text{RMSE} = \frac{1}{n} \sum_{i=1}^{n} (s_i - e_i)^2
$$
$$
\text{PRMSE} = \frac{1}{n} \sum_{i=1}^{n} \left( s_i - e_i \right)^2 \times 100\%
$$
其中,$s_i$和$e_i$分别是模拟值和实验值。

**3.4. 热模型敏感性分析**
本节研究了输入模型的已知热物理性质(墙的内外表面的对流热系数)和传感器位置对HDPCB墙热传递数值建模的影响。敏感性分析用于评估这些模型输入因素的相对重要性,确定哪些不确定输入对模型预测的影响最大[28]。这种方法允许识别最显著影响模型热预测的参数,突出那些在测量准确性和建模精度方面应优先考虑的参数。此外,该分析还评估了传感器位置误差对模型热预测的潜在影响,评估在分析墙内特定点的结果时准确表示传感器位置的重要性。

为了评估每个变化因素的影响,相对敏感性指数按以下公式计算[22]:
$$
S(\%) = \left| Y_x - \delta_x - Y_0 \right| / Y_0 \times 100
$$
其中,$Y$是模型的解(T),$Y_0$是在不改变任何因素(所有因素都设置为参考值)时获得的参考解,$x$表示变化因素,$\delta_x$是变化范围。

这个相对敏感性指数是考虑输入模型因素相对于其参考值的不同变化百分比来计算的。较低的百分比代表材料尺度上的潜在误差。较高的百分比则与较大尺度上的误差相关,因为在材料层面上的微小变化累积可能会放大其效应,导致模型整体热预测的更大偏差[22]。

敏感性分析是通过单独改变每个主要热物理性质来进行的,包括比热容($C_p$)、密度($\rho$)和热导率($\lambda$),以及墙的内外表面的对流热传递系数($h$)和传感器的位置($e$),同时保持所有其他因素固定在参考值(如表2所示)。每个因素在六个水平上进行了修改:±5%、±10%和±15%。这些变化在第二种情景下进行了测试。此外,还进行了一种组合情况,其中所有参数($C_p$、$\rho$、$\lambda$和$h$)同时变化,以评估它们对模型输出的累积影响。

**表2. 敏感性分析案例:**每个因素在六个水平(±5%、±10%、±15%)上变化,并在第二种情景下进行评估。

**案例**
- 变化因素
- 变化百分比
- 不变因素(属性设置为表4中给出的参考值)

**参考案例**
- ±0%
- $C_p$、$\rho$、$\lambda$、$h$、$e$

**案例1**
- $C_p$ ±5%、±10%、±15%
- $\rho$、$\lambda$、$h$、$e$

**案例2**
- $\rho$ ±5%、±10%、±15%
- $C_p$、$\lambda$、$h$、$e$

**案例3**
- $\lambda$ ±5%、±10%、±15%
- $C_p$、$\rho$、$h$、$e$

**案例4**
- $h$ ±5%、±10%、±15%
- $C_p$、$\rho$、$\lambda$、$e$

**案例5**
- $e$ ±5%、±10%、±15%
- $C_p$、$\rho$、$\lambda$、$h$

**案例6**
- $C_p$、$\rho$、$\lambda$、$h$
- ±5%、±10%、±15%
- $e$

**4. 结果与讨论**
本节展示了在材料和墙尺度上进行的实验和数值研究结果。

**4.1. 实验结果**
**4.1.1. 热物理性质**
枣椰子混凝土的测量热物理性质,包括热导率、密度、比热容、热扩散率和热发射率,在表3中呈现。

**表3. 枣椰子混凝土的热物理性质**
| 材料 | 热导率(W·m?1·K?1) | 密度(kg·m?3) | 比热容(J·kg?1·K?1) | 热扩散率(mm2·s?1) | 热发射率(?) |
|----------------|-----------------|-----------------|-----------------|-----------------|-----------|
| 枣椰子混凝土 | 0.23 ± 0.02 | 968 ± 1.5 | 1612 ± 49 | 0.15 ± 0.01 | 0.7 ± 0.01 |
|他们的研究结果表明,腔体内的温度几乎均匀,主要在垂直方向上有所变化,较低的区域温度较低,较高的区域温度较高。这解释了为什么在我们的研究中,测量到的空心腔体内部4厘米和7.5厘米深度处的温度几乎相同。此外,在我们的案例中,4厘米处的传感器显示的温度略高,这是由于它相对于7.5厘米处的传感器位置较高,如图4所示。稳态情景(第一种情景)被用来评估HDPCB墙在持续高温暴露下的长期热性能。实验结果表明,该墙有效地限制了热量从外部向内部的传递,温差约为15°C,使内部表面温度保持在23°C以下。这些发现表明,该墙提供了可靠的热绝缘性能,特别是在昼夜高温的干旱沙漠气候中。

在第二种涉及动态循环条件的情景中,图7和图8分别显示了温度和热流的变化。下载:下载高分辨率图像(407KB)下载:下载全尺寸图像

图7. 在第二种情景(动态热循环)期间,HDPCB墙的温度演变。Ts Outdoor和Ts Indoor分别对应于外部和内部墙面的温度,Tair(4厘米)和Tair(7.5厘米)代表腔体内部4厘米和7.5厘米深度处的空气温度。

图7描绘了HDPCB墙在8天周期内的温度演变过程,期间经历了六个连续的热循环。在四个不同的位置(包括两个表面以及腔体内部4厘米和7.5厘米深度处)进行了测量。结果与第一种情景下的稳态条件显示出相同的趋势,但呈现出周期性模式。外部表面在每个循环中都达到约38°C的峰值温度。因此,4厘米深度处的传感器记录的峰值温度约为30°C,显示出明显的8°C的温度下降。在更深的7.5厘米深度处,传感器记录的峰值温度约为29°C。在内部表面,温度波动最小,峰值接近24°C,并且在最后三天逐渐下降。

Y. Gao等人也观察到了类似的温度演变,他们测量了在反复加热和冷却循环下空心砖腔体内的不同位置的空气温度[33]。在他们的研究中,热侧的温度接近60°C,而腔体内的最高温度随深度变化,从靠近热表面的约40°C到更深处的约32°C不等[33]。腔体温度随深度一致衰减,并且热响应有延迟,表明内部的热传递动力学主要由空心区域内的自然对流控制。

动态循环情景(第二种情景)被用来评估HDPCB墙在反复加热和冷却循环下的热响应,提供了更真实的夏季昼夜温度变化的表示。结果表明,该墙有效地减弱了热量传递,使内部温度保持在24°C以下,温差约为14°C,证实了该墙良好的热绝缘性能。

图8展示了在第二种情景(动态热循环)期间,HDPCB墙外部和内部表面的热流变化。在大约8天的周期内,两个热流信号都显示出明显的日循环。在内部表面,变化较为平缓,范围从0到+19 W m?2,反映了适度的温度波动。相比之下,外部表面显示出尖锐的峰值,热流值达到约?100 W m?2。这种行为与M. Sassine等人在黎巴嫩传统混凝土空心块上进行的实验测量结果相似。当温度从14°C升高到24°C时,他们观察到了类似的峰值,达到约?150 W m?2[32]。

每个循环开始时的明显负峰值对应于热负荷的突然开始。这会在较温暖的外部和较冷的墙面之间产生强烈的温度梯度。在这个阶段,墙材料吸收了传入的热量。这一过程反映了它的热容量,因为它充当了热汇,在热流稳定之前储存能量。使用第一种情景的数据(稳态条件)分析了热量储存情况,从而可以可靠地评估储存的热量。一旦热流达到准稳态,外部和内部的热流分别稳定在21 W m?2和17.6 W m?2。这两个值之间的差值3.4 W m?2代表了储存在墙内的热量。这种剩余的储存热量表明,部分传入的热量被墙材料保留下来,而不是立即传递到内部,证实了在稳态条件下存在热惯性和能量缓冲效应。

外部表面观察到的负值是由于热流传感器的方向造成的。对于HFP03传感器,当热量从蓝色侧流向白色侧时会产生正电压。相反,当热量从白色侧流向蓝色侧时,传感器会记录负热流。这种符号约定提供了热流方向的清晰可靠指示。在白天,外部表面比内部更热,导致热量向内流动,从而在外部表面产生负热流值,在内部表面产生正热流值。在夜间,随着外部温度下降,外部热流增加(变得不那么负),而内部热流逐渐减少。

在D. Eun Jung等人的研究中,室内空气温度范围从24°C到28°C。外部温度范围从23°C到33°C。相应地,室内热流在?10到5 W m?2之间变化。外部热流在?15到28 W m?2之间变化。热流的方向随着温度差的变化而变化。在白天,当外部温度高于室内温度时,热量进入建筑物(负的室内热流值)。在夜间,当室内温度较高时,热量离开建筑物(负的外部热流值)[34]。这些发现与我们的结果一致。然而,我们案例中观察到的热流值更高。这归因于更高的温度,它在墙内产生了更强的热梯度,从而增加了热传递的速率。

HDPCB墙的热性能是通过计算热传导率(U值)、热阻(R值)、时间延迟(φ)、衰减因子(f)和周期性热传导率(Y)来评估的,这些共同提供了对其绝缘性能及其对能源效率和室内舒适度影响的全面衡量。结果总结在表4中,并与其他文献中报道的空心砌体墙进行了比较。

U值被计算出来以量化通过墙的总热量传递。较低的U值表示更好的绝缘性能,因为它对应于通过墙的热量较少。它是使用第一种情景(稳态)下的测量热流和内外表面温度来确定的。温度稳定后,数据集被分为四个24小时周期,每个周期都计算了U值。连续U值之间的变化很小,最大偏差约为1.3%,证实了结果的一致性和可靠性。R值作为U值的倒数,直接衡量了墙抵抗热流的能力。较高的R值表示更好的绝缘性能。时间延迟(φ)被计算出来以评估热量通过墙的传播延迟。较高的时间延迟对应于更大的热惯性,意味着墙可以延迟热量的传递并更好地调节室内温度。它是通过分析每个24小时周期来计算的,并报告了平均值。同样,衰减因子(f)量化了日常温度波动通过墙时的减弱程度。较低的f值表示更好的阻尼能力和改善的室内舒适度。它是为同一情景的每个日常周期确定的,并使用平均值来表征墙的热性能。周期性热传导率(Y)被计算出来以评估墙对周期性温度变化的响应。较低的Y值表明墙有效地减少了热流波动,提高了热舒适度和能源效率。它是为第二种情景的每个日常周期计算的,并报告了平均值。

从表4中可以观察到,HDPCB墙的热性能优于其他空心砌体墙。HDPCB墙的U值为1.23 W m?2 K?1,R值为0.81 m2 K?1 W?1,时间延迟为3.8小时,衰减因子为0.14,周期性热传导率为0.93 W m?2 K?1,表明更好的绝缘和热阻尼。

相比之下,Y. Chihab等人研究的用砂浆涂层的空心粘土砖墙的时间延迟为3.3小时[26],而C. Jia等人报告的空心砖墙的时间延迟为1.5小时,衰减因子为0.17[29]。M. Dlimi等人研究的墙由两层空心砖组成,中间有5厘米的空气间隙。外部砖有八个腔体(10厘米厚),内部砖有六个腔体(10厘米厚),两面都涂有2厘米的砂浆。这堵墙的U值为1.39 W m?2 K?1,R值为0.72 m2 K?1 W?1[16]。HDPCB墙厚度为15厘米,单层且没有涂层,其R值高0.09 m2 K?1 W?1,U值低0.16 W m?2 K?1,表明更好的绝缘性能。同样,与S. Rahmani等人实验研究的墙相比,HDPCB墙在热性能上有明显的改进。他们的空心混凝土块墙(20毫米水泥砂浆+200毫米空心混凝土块+15毫米石灰砂浆)的U值为2.69 W m?2 K?1,R值为0.38 m2 K?1 W?1,而他们的空心砖墙(20毫米水泥砂浆+150毫米空心砖+15毫米石灰砂浆)的U值为1.96 W m?2 K?1,R值为0.51 m2 K?1 W?1。相比之下,HDPCB墙的U值低1.46 W m?2 K?1和0.73 W m?2 K?1,R值高0.43 m2 K?1 W?1和0.30 m2 K?1 W?1,显示出更好的热阻和更有效的热传递减少。

总体实验结果表明,Hollow Date Palm Concrete Blocks(HDPCBs)具有优越的热性能,与传统的空心砌体墙相比提供了更好的绝缘和更高的热惯性。通过减少热传递和延迟外部温度波动的传播,HDPCBs有助于保持更稳定的室内温度,提高了居住者的舒适度。由于这些特性,HDPCBs作为炎热气候下的可持续建筑材料显示出强大的潜力,有助于在实际建筑条件下降低冷却能耗。

4.2. 数值结果

本节介绍了数值结果,包括将模拟结果与实验数据进行比较,以确保模型准确反映了物理墙的情况。模拟最初考虑了固体部分的导热和腔体内的自然对流。然后包括了腔体内的表面到表面辐射,以评估仅考虑导热和对流是否足以准确预测通过HDPCB墙的热量传递。最后,对输入模型的因素进行了敏感性分析。

所呈现的结果是使用正常网格(178378个元素)获得的,这种网格在准确性和计算效率之间提供了良好的平衡,预测的温度在4厘米深度处仅与细网格相差约1%,在7.5厘米深度处相差0.7%。使用COMSOL Multiphysics默认求解器设置和0.01的相对容差确保了数值解的收敛性。

4.2.1. 实验测量与数值模拟的比较

为了评估数值模型的准确性,比较了在考虑墙的固体部分的热传导和腔体内的自然对流时的3D模拟结果,以及从HDPCB墙获得的实验测量结果。温度变化在块体空腔内的两个传感器位置进行了监测,这两个位置分别位于距离外表面4厘米和7.5厘米处,沿y方向。第一和第二种情景的结果分别展示在图9和图10中。下载:下载高分辨率图像(332KB)下载:下载全尺寸图像

图9. 第一种情景(稳态)下,4厘米和7.5厘米深度处实验温度曲线与3D模拟温度曲线的比较。Ts Outdoor和Ts Indoor分别对应外墙和内墙表面温度,Tair(4厘米)和Tair(7.5厘米)代表空腔内4厘米和7.5厘米深度处的空气温度。

下载:下载高分辨率图像(439KB)下载:下载全尺寸图像

图10. 第二种情景(动态热循环)下,4厘米和7.5厘米深度处实验温度曲线与3D模拟温度曲线的比较。Ts Outdoor和Ts Indoor分别对应外墙和内墙表面温度,Tair(4厘米)和Tair(7.5厘米)代表空腔内4厘米和7.5厘米深度处的空气温度。

通过比较第一种情景(稳态)下两种深度空腔内空气温度的数值和实验值,如图9所示,在第一天观察到明显的差异:实验温度上升速度比数值预测快,达到更高的值,这反映在实验曲线的急剧上升与数值曲线的平滑变化上。一天后,在4厘米深度,数值结果略低于实验数据,最大差异为0.7°C;而在7.5厘米深度,数值结果略高于实验测量值,最大差异为0.4°C。

在第二种情景(动态热循环)中,如图10所示,发现了类似的模式。差异很小,实验值在4厘米处略高于数值结果约1°C,而在7.5厘米处,实验结果低于数值预测,最大偏差为0.5°C。

第一种情景第一天实验结果与数值结果之间的不一致可以由几个原因解释。数值模型简化了空腔内的自然对流,未能完全捕捉到发生的复杂局部空气循环,而这可能会加速热传递。此外,温度传感器本身由于其热质量和局部暴露,可能会稍微升温,从而比周围空气更快地捕捉到温度变化。另外,模型中使用的枣椰树混凝土的热物理性质是在20°C下测量的,而在更高温度下可能会有所不同,这影响了早期预测的准确性。

需要注意的是,实验中使用的DKRF400/DKRF500温度和相对湿度传感器的精度在25°C时为±0.3°C。因此,实验结果与数值结果之间的一部分差异可能归因于测量不确定性。

Gao等人在他们的研究中也报告了实验结果与数值结果之间的良好一致性,该研究探讨了加入相变材料以增强空心砖热性能的方法[33]。与我们的方法类似,他们的模型考虑了空腔内的自然对流。他们监测了靠近热外表面的空气填充空腔中的温度变化,并将实验测量结果与有限元数值预测进行了比较。他们的结果显示,在大约16小时后,空心腔内的实验温度与数值温度非常接近,相对误差降低到2%以下[33],从而证实了数值模型捕捉热行为的可靠性。

4.2.2. 在热模型中考虑空腔内辐射的影响

本研究进一步探讨了在空心块体的空腔内纳入辐射热传递的必要性,以提高数值模型的准确性,或者仅考虑传导和自然对流是否足以可靠地复制实验结果。

图11和图12展示了有无空腔内辐射的情况下,3D模拟随时间的温度变化情况,以及第一和第二种情景的实验数据。从图11(第一种情景)可以看出,在4厘米深度,两种模拟结果与实验测量值相差约0.7°C;而在7.5厘米深度,差异约为0.4°C。对于第二种情景(图12),类似的观察结果表明,辐射对预测温度的影响很小,证实仅考虑传导和自然对流就足以准确预测空腔内的温度。如图11和图12所示,在两种情景中,无论是仅考虑自然对流还是同时考虑自然对流和空腔内的表面到表面辐射,两个传感器位置的温度曲线在整个时间段内都非常相似。

表5提供了两种情景下数值模拟与实验数据之间一致性的定量评估。在此分析中,使用了均方根误差(RMSE)和百分比均方根误差(PRMSE)指标来量化测量值与模拟值之间的一致性,较高的值表示与实验结果的偏差较大。这种方法允许详细评估数值模型的准确性,并便于比较两种模拟模型:一种模型考虑了墙体固体部分的传导和空腔内的自然对流,另一种模型则同时考虑了自然对流和空腔内的表面到表面辐射。

表5. 实验数据与数值模拟之间的RMSE和PRMSE

| 情景 | 固体部分的热传递机制 | 空腔内的热传递机制 | 传感器位置(厘米) | RMSE(°C) | PRMSE(%) |
| --- | --- | --- | --- | --- |
| 传导 | 对流 | 40.96 | 3.30 | 1 |
| 传导 | 对流 | 7.50 | 0.89 | 3.40 |
| 传导 | 对流/辐射 | 41.00 | 3.50 | |
| 传导 | 对流/辐射 | 7.50 | 0.90 | 3.60 |
| 传导 | 对流 | 40.68 | 2.80 | 2 |
| 传导 | 对流 | 7.50 | 0.63 | 2.90 |
| 传导 | 对流/辐射 | 40.70 | 3.00 | |
| 传导 | 对流/辐射 | 7.50 | 0.76 | 3.40 |

表5显示,仅考虑空腔内自然对流的模型在两种情景和两个传感器深度上都与实验结果最为一致。在第一种情景中,4厘米和7.5厘米深度的传导-only模拟的RMSE值分别为0.96°C(PRMSE = 3.3%)和0.89°C(PRMSE = 3.4%)。当额外考虑辐射热传递时,4厘米深度的偏差略微增加到1°C(PRMSE = 3.5%),7.5厘米深度的偏差为0.90°C(PRMSE = 3.6%)。在第二种情景中也观察到了类似的模式,传导-only模拟的偏差分别为0.68°C(2.8%)和0.63°C(2.9%),而考虑辐射后,同一深度的偏差略微增加,分别为0.70°C(3%)和0.76°C(3.4%)。

表5中的发现与图11和图12中的结果一致,证实了在所研究的条件下辐射热传递的影响有限。在空腔内考虑辐射会导致RMSE最大增加约0.13°C,PRMSE最大增加约0.5%,表明数值结果与实验结果之间的一致性略有降低。这一结果表明,在测试条件下,辐射热传递对数值模型的预测准确性影响可以忽略不计,甚至略有负面影响。因此,自然对流仍然是HDPCB空腔内的主要和最具代表性的热传递机制,而辐射交换对墙体的整体热行为贡献很小。

我们研究发现辐射效应可以忽略不计,尽管其他研究在仅考虑空腔内辐射时与实验数据有很好的一致性。例如,A. Wang等人研究了空心腔陶瓷混凝土墙板的防火性能,其中空腔的表发射率与我们的材料相似(0.7),并且仅模拟了辐射热传递[14]。这种方法有效是因为墙体暴露在火源下,产生了极高的表面温度。根据斯特凡-玻尔兹曼定律,辐射热传递与温度的四次方成正比,因此当表面温差较大时会发生显著的辐射,但在我们的研究中温度差异较小。在另一项研究中,E. Harb等人研究了用于建筑保温的淀粉/甜菜浆复合砖的热性能,也仅考虑了空腔内的表面到表面辐射[20]。在他们的案例中,空腔非常小(内孔直径1.7厘米),这极大地限制了空气流动并抑制了自然对流,使得辐射成为主要的热传递方式。

相比之下,本研究中的空心枣椰树混凝土块(HDPCB)包含相对较大的空腔,促进了显著的空气循环。与较暖的空腔表面接触的空气变得不那么密集并上升,而较冷的密集空气则沿着相对表面下降。这种浮力驱动的运动在空腔内形成了对流循环,导致热传递主要由自然对流控制。结果,相对表面之间的温度差异减小,从而限制了辐射热交换的驱动力。在这些条件下,自然对流成为空腔内的主要热传递机制,而辐射的贡献可以忽略不计。

总体而言,结果表明辐射热传递对HDPCB墙体的预测热性能影响可以忽略不计,仅考虑墙体固体部分的传导和空腔内的自然对流就足以进行准确的数值预测。尽管表面的发射率为0.7,但较大的空腔尺寸导致了主导的对流循环,从而限制了辐射的贡献。

4.2.3. HDPCB墙体热模型的敏感性分析

敏感性分析针对第二种情景进行,因为它最接近实际情况。研究的因素包括热导率(λ)、密度(ρ)、比热容(Cp)以及内外表面和对流热传递系数(h),以及图4中定义的传感器在y方向上的位置(e)。每个因素都在现实范围内独立变化(±5%、±10%和±15%),这些范围是基于枣椰树混凝土性质的测量变异性(热导率±8.7%、密度±0.15%和比热容±3%)以及传感器的最大实验放置容忍度(大约1厘米)选择的,以确保敏感性分析反映了现实和具有代表性的条件。然后同时改变所有参数(λ、ρ、Cp和h)以观察它们的综合效应。结果以相对敏感性指数表示,在固定时间点1645分钟(大约1.14天)计算得出。

图13展示了这种敏感性分析的结果,其中温度敏感性针对每个模型输入因素相对于其参考值的百分比变化进行了绘制。结果表明,随着所有因素变化的增加,敏感性也随之增加,但幅度不同。具体来说,在4厘米深度(图13(a)),密度和热导率的变化导致敏感性约为0.26%;比热容的敏感性略低,为0.23%;传感器位置的敏感性约为0.19%。当变化增加到10%时,密度的敏感性高于其他因素。在15%的变化下,比热容的敏感性最高,达到1.58%,略高于密度0.01%。热导率的敏感性几乎呈线性增加,达到最大值0.96%。传感器位置的敏感性较低,约为0.45%。对流热传递系数的敏感性始终较低,为0.05%。值得注意的是,所有参数(λ、ρ、Cp和h)的同时变化产生的敏感性高于单独变化各个参数所得到的敏感性,最大值为1.61%。然而,模型对同时变化的敏感性显著低于各个参数敏感性之和,15%变化水平下的差异约为2.5%。

图13说明了这种敏感性分析的结果,其中温度敏感性针对每个模型输入因素相对于其参考值的百分比变化进行了绘制。结果表明,随着所有因素变化的增加,敏感性也随之增加,但幅度不同。具体来说,在4厘米深度(图13(a)),密度的变化导致敏感性约为0.26%,比热容的敏感性略低,为0.23%,传感器位置的敏感性约为0.19%。当变化增加到10%时,密度的敏感性最高,为1.58%,略高于密度0.01%。热导率的敏感性几乎呈线性增加,达到最大值0.96%。传感器位置的敏感性较低,约为0.45%。对流热传递系数的敏感性始终较低,为0.05%。值得注意的是,所有参数(λ、ρ、Cp和h)的同时变化产生的敏感性高于单独变化各个参数所得到的敏感性,最大值为1.61%。然而,模型对同时变化的敏感性显著低于各个参数敏感性之和,15%变化水平下的差异约为2.5%。随着输入参数的变化百分比(与它们的参考值相比)的不同,HDPCB壁不同深度(a)4厘米,(b)7.5厘米处的温度敏感性的演变。在7.5厘米的深度(图13(b))处,敏感性分析遵循与4厘米处相似的模式,但整体敏感性值较低。其中,密度的峰值敏感性为1.45%,而Cp的值为1.50%。热导率的敏感性约为0.92%,传感器的位置敏感性约为0.29%,对流热传递系数保持在0.05%。当所有参数同时变化时,敏感性达到1.57%。同样,在这个深度,各个参数的敏感性之和超过了所有参数同时变化所获得的敏感性,差异约为2.4%,变化幅度为15%。表6提供了4厘米和7.5厘米深度下15%变化时敏感性值的更清晰比较。研究结果表明,在4厘米深度,比热容(Cp)、密度(ρ)和热导率(λ)以及传感器的位置(e)对热行为的影响最大,其敏感性高于7.5厘米深度。在7.5厘米深度,ρ和Cp的影响分别减少了约0.1%,λ减少了0.04%,传感器位置的影响减少了0.16%,与4厘米深度的值相比。

表6. 考虑4厘米和7.5厘米深度下各因素变化15%时的敏感性值比较。

| 情况 | 变化因素 | 敏感性值(%) |
|------------|-----------------------------|-------------------|
| | 空单元 | |
| 4厘米深度 | | |
| 情况1 | Cp | 1.58 |
| | ρ | 1.50 |
| 情况2 | λ | 0.96 |
| | H | 0.05 |
| 情况3 | E | 0.45 |
| | E | 0.29 |
| 情况6(所有参数) | Cp, ρ, λ, h | 1.61 |
| | Cp, ρ, λ, h | 3.93 |

这种减少是因为7.5厘米的位置距离块体的内部表面更远。在这个深度,材料的热物理性质(ρ、Cp和λ)对局部热响应的贡献变小了。同样,传感器在y方向上的敏感性在这个深度也明显降低,因为在温度梯度较小的腔体内的微小位移对记录的温度影响较小。此外,当所有输入参数同时变化时,模型的整体敏感性低于各个参数敏感性之和。这表明参数变化的效果并不是简单相加,而是有些相互抵消,从而减少了模型输出的总影响。

T. Alioua等人报告称,对于类似厚度(15厘米)的枣椰子混凝土墙,Cp和ρ被认为是最具影响力的参数,其次是λ [22]。这与我们的发现一致。对于±15%的变化,他们报告Cp和ρ的敏感性约为3%,λ的敏感性约为2%。这些值高于我们研究中的值,Cp和ρ的差异约为1.5%,λ的差异约为1%。这种差异归因于参考研究[22]中整个墙都是由枣椰子混凝土构成的,而在我们的案例中,空气填充的腔体减少了固体材料属性对热响应的影响。

总体而言,对热传递影响最大的因素是比热容(Cp)和密度(ρ),其次是热导率(λ),然后是传感器的位置(e),最后是对流热传递系数(h)。因此,特别关注通过重复测量来准确表征这些属性Cp、ρ和λ。传感器的位置也在数值模型中得到了精确表示。这种谨慎的方法有助于最小化不确定性,并确保数值模型基于可靠的输入,从而提高了模拟结果的有效性。

5. 结论

本研究通过结合实验和数值分析,研究了由空心枣椰子混凝土块(HDPCB)制成的墙的热性能和热传递机制。研究包括制造这些块体,实验表征枣椰子混凝土的热物理性质,评估墙在稳态和动态热循环条件下的热行为,以及3D数值模拟,模拟了通过墙的固体组件的热传递和腔体内的自然对流,同时也评估了腔体内的辐射热传递对数值结果的影响。还对模型的输入因素和传感器位置进行了敏感性分析,以评估它们对预测结果的影响。

结果表明,HDPCB墙比传统的空心砌体墙具有更好的热绝缘性能,其热传导率为U = 1.23 W m?2 K?1,热阻率为R = 0.81 m2 K W?1,时间延迟为3.8小时,衰减因子为0.14,周期性热传导率为0.93 W m?2 K?1。这些结果表明它具有很强的减少热传递和调节室内温度波动的能力。实验数据与数值结果的比较显示了良好的一致性,当考虑固体部分的传导和腔体内的自然对流时,偏差约为3%。将辐射热传递包括在腔体内时影响可以忽略不计,这证实了仅对自然对流进行建模就足以准确预测腔体内的热传递,同时减少了计算工作量。敏感性分析表明,输入因素对腔体内预测热结果的影响相对较小,最大变化为1.61%。比热容(Cp)和密度(ρ)对预测的温度剖面影响最大,其次是热导率(λ)和传感器位置,而对流热传递(h)的影响可以忽略不计。在7.5厘米深度时,敏感性略有下降,反映了局部温度梯度的减弱。总体而言,研究结果证实HDPCB在热性能方面是传统砌体材料的可持续替代品,提供了更好的热绝缘性能,提高了室内舒适度并减少了建筑能耗。

本研究的发现突出了HDPCB的有希望的热性能,然而,还需要进一步研究来评估空心枣椰子混凝土块的机械性能及其在结构和承重应用中的适用性。此外,扩展分析以包括墙的湿热行为将提供对其性能的更全面评估。考虑不同腔体配置和块体几何形状的参数研究将优化热性能并扩大结果的适用范围。最后,将检查长期耐久性和老化效应,以评估HDPCB在现实环境条件和延长服务期下的性能。

**cRediT作者贡献声明**

Romaissa Fillali:写作 – 审稿与编辑,写作 – 原稿撰写,可视化,验证,软件,方法论,调查,数据管理。
Boudjemaa Agoudjil:写作 – 审稿与编辑,写作 – 原稿撰写,可视化,验证,监督,项目管理,方法论,资金获取,形式分析,概念化。
Nawal Chennouf:写作 – 审稿与编辑,写作 – 原稿撰写,可视化,软件,方法论,调查,数据管理。
Abderrahim Boudenne:写作 – 审稿与编辑,写作 – 原稿撰写,可视化,验证,监督,项目管理,方法论,资金获取,数据管理,概念化。

**资助**

本研究通过法国-阿尔及利亚双边项目(Campus France – Partenariat Hubert Curien Tassili,PHC 24MDU107)为博士生提供了财务支持。
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