基于赤藓糖醇的三元杂化纳米相变材料潜热储能强化用CFD驱动神经网络框架

《Results in Engineering》：CFD Driven Neural Network Framework for Latent Energy Storage Enhancement in Erythritol-Based Ternary Hybrid Nano PCM Systems

　　

充热过程中热能的高效吸收对于推进实际能源系统中的潜热储存技术起着关键作用。本研究采用计算流体动力学（CFD）与神经网络耦合框架，数值研究了在差温加热三维立方腔体中添加三元杂化纳米颗粒的赤藓糖醇基相变材料（PCM）的熔化行为及传热特性。分析了纳米颗粒体积分数（1%至5%）对热性能的影响。结果表明，三元杂化纳米颗粒的掺入通过提高有效导热系数和增强浮力驱动对流显著加速了熔化过程。纳米颗粒浓度的增加持续强化传热，从而获得更高的液相分数和更短的熔化时间。最有效的杂化组合表现出优越的性能，这可归因于各组成纳米颗粒导热贡献的协同作用。平均努塞尔数（Nusselt number）随浓度近似线性增加，在5%体积分数下熔化时间最多缩短38.18%。神经网络模型准确预测了CFD生成的努塞尔数，所有情况下的相关系数均超过0.97。Levenberg-Marquardt模型总体上比L2正则化Adam模型表现出略优的预测性能，在捕捉非线性传热行为方面显示出稍高的有效性。该研究证明了三元纳米增强赤藓糖醇在改善热能储存性能方面的潜力，并强调了CFD与机器学习集成框架在先进热能储存应用中的有效性。

**研究背景**

热能储存技术对于提升电子冷却、建筑热管理和可再生能源集成等中低温能源系统的效率与可靠性至关重要。其中，采用相变材料（PCM，Phase Change Material，利用相变潜热储存/释放热能的材料）的潜热热能储存技术因储能密度高、相变过程近等温运行而受到广泛关注。赤藓糖醇作为一种有机PCM，具有高潜热、适宜的熔化温度和化学稳定性等优点，但本征导热系数极低（0.733 W m^?1 K^?1），导致熔化速率低、温度分布不均匀，严重制约其充热性能。为克服这一瓶颈，研究者探索了在PCM中添加纳米颗粒的策略。然而，单一和二元杂化纳米颗粒体系分别受限于增强效果有限和分散稳定性差、流变行为难以控制等问题；三元杂化纳米颗粒体系虽可通过组分协同提供额外设计维度，但针对赤藓糖醇在差温加热条件下的系统研究仍十分匮乏。此外，基于人工神经网络（ANN，Artificial Neural Network，受生物神经系统启发的计算模型）的代理模型与瞬态熔化模拟的集成也尚处于早期阶段。因此，本研究建立了CFD-神经网络耦合框架，系统考察三种三元纳米颗粒组合在不同体积分数和浮力强度下对赤藓糖醇熔化行为的影响。

**研究内容与意义**

研究人员采用计算流体动力学（CFD，Computational Fluid Dynamics，用数值方法求解流动与传热控制方程）模拟差温加热三维立方腔内三元杂化纳米增强赤藓糖醇的瞬态熔化过程，并使用两种人工神经网络模型预测CFD生成的努塞尔数（Nu，Nusselt number，表征对流传热与导热之比的 dimensionless 参数）。研究发现，Al₂O₃+GNP+CuO组合性能最优，在5%体积分数下熔化时间较纯赤藓糖醇缩短38.18%，