HT-ATES中主导传热机制识别的结果导向指标:浮力流动传热数
《International Journal of Heat and Mass Transfer》:A consequence-oriented indicator for dominant heat transfer regime identification in HT?ATES: The Buoyant Flow Heat Transfer Number
【字体:
大
中
小
】
时间:2026年09月18日
来源:International Journal of Heat and Mass Transfer 6.6
编辑推荐:
•提出了一种新的无量纲指标Nh,用于高温含水层蓄热系统(HT-ATES)的运行工况诊断。•Nh能够识别HT-ATES系统中的主导传热模式。•利用开发数据和独立测试数据建立了稳定的阈值Nh*=1.2。•Nh的识别准确率为95.42%–98.51%,优于Ra,适用于不同含水层厚度
•提出了一种新的无量纲指标Nh,用于高温含水层蓄热系统(HT-ATES)的运行工况诊断。•Nh能够识别HT-ATES系统中的主导传热模式。•利用开发数据和独立测试数据建立了稳定的阈值Nh*=1.2。•Nh的识别准确率为95.42%–98.51%,优于Ra,适用于不同含水层厚度条件。
**1. 引言**
高温含水层蓄热系统(HT-ATES)是实现可再生能源季节性存储和工业余热回收的关键技术[1]。其在区域供热兼容性[2,3]、经济性能[4]、能量密度[5]以及环境影响[6]等方面的显著优势已引起广泛的研究关注。然而,其技术经济可行性高度依赖于系统的储热回收效率,而该效率主要由系统运行期间的主导传热模式决定,即浮力驱动流动与热传导何者占主导地位[7]。
浮力流动(自由对流)被广泛认为是加剧蓄热系统热量损失、降低回收效率的主要机制[8]。具体而言,注入热水与原生地下水之间的密度差异驱动热水向含水层顶部迁移,引起热锋倾斜,最终导致提取阶段提前热突破[9,10]。现场试验已清楚地证实了这一效应:例如,奥本大学长期实验表明,当注水温度从35 ℃升高到81 ℃时,浮力驱动流动加剧,热回收效率从69%降至42%[11]。类似地,德国Wittstock的高温(>70 ℃)注入试验通过密集的监测数据识别出浮力流动为一种主动传热过程,确认高温蓄热可以激活自由对流[12]。数值研究进一步量化了这一机制。Beernink等人表明,在高温条件、高浮力潜力以及不利的储存几何条件下,浮力驱动流动可成为主导的热量损失过程。在最受浮力影响的场景中,热锋倾斜导致运行五年后热量损失比例高达约80%[7]。Heldt和Bauer进一步证明,浮力驱动流动的强度对垂向渗透率高度敏感:在汉堡HT-ATES模型中,垂向渗透率增加一个数量级使十个循环后的热回收效率从78%降至57%[13]。这些结果表明,准确识别主导传热模式对于场地表征、系统设计和可靠性能预测至关重要[14]。
准确识别主导传热模式长期以来依赖于瑞利数(Ra),Rayleigh首次将其作为流体层中对流起始的基本准则引入[15],其临界值标志着从以传导为主导到以对流为主导的传热转变[16]。Horton和Rogers以及Lapwood将此概念推广至饱和多孔介质,定义了多孔介质瑞利数,为地下热过程奠定了理论基础[17,18]。在蓄热系统领域,早期研究定性认识到自然对流的潜在影响。Kekelia实验确定了一个约为30–100的瑞利数阈值,超过该阈值后自然对流会显著增强蓄热系统中的传热[19]。Schout等人取得了重要进展,他们提出了一种修正的瑞利数,与高温蓄热系统的热回收效率直接关联,并报告其解析回收效率估计与数值模拟之间的平均偏差小于3%[20]。后续工作将该框架推广至90–300 ℃的更高温度范围[21]。最近,Gao等人对考虑浮力流动的高温蓄热系统控制方程进行了无量纲化处理,识别出包括瑞利数在内的四个控制回收效率的关键无量纲参数[22]。
尽管瑞利数及其修正形式在HT-ATES研究中被广泛应用并不断拓展,但这些发展并未从根本上改变其作为"趋势导向"指标的本质。换言之,瑞利数主要用于表征浮力驱动对流与热传导之间的相对强度,可以指示对流起始或增强的可能性。然而,它仍然难以直接量化浮力流动的实际后果,如热锋迁移、热锋倾斜以及热回收效率的变化。关于多孔介质传热和浮力驱动对流的最新研究进一步表明,自由对流对传热行为的影响高度复杂。其效应不仅取决于浮力流动与热传导的相对强度,还受孔隙尺度热-水力耦合、固-液传热特性以及流动结构特征长度尺度的共同调控。例如,Xuan等人的孔隙尺度模拟表明,自然对流可显著改变多孔介质中的传热过程,其贡献取决于孔隙尺度的热和流动特性[23]。Korba和Li进一步指出,孔隙尺度效应和固-液耦合传热可以修正多孔介质热对流中的努塞尔-瑞利响应[24]。Zhu等人提出的多孔介质对流传输标度理论也表明,热/质量传输不仅取决于瑞利-达西数,还取决于流动结构的特征长度尺度[25]。这些研究从多孔介质输运机制更根本的角度表明,仅依赖瑞利数及其修正形式不足以完全捕捉浮力流动发展后的实际输运结果。因此,有必要进一步开发新的准则,将研究重点从"趋势识别"转向"后果量化",以更直接地评估浮力流动对高温蓄热系统性能的实际影响。
为满足这一需求,本研究引入了一种新的无量纲指标——浮力流动传热数(Nh),用于量化浮力流动在高温蓄热系统中有限运行期内产生的热后果。与评估浮力驱动对流发展倾向的瑞利数不同,Nh表征了以含水层厚度为归一化的浮力驱动传热热影响。其公式的建立基于变密度达西流动和对流传热的控制方程标度分析。以含水层厚度进行归一化消除了与浮力压头相关的显式线性厚度尺度,但并不意味着完全独立于含水层厚度,因为含水层厚度变化导致的热锋结构变化仍通过过渡带宽度δth得以体现。所得指标还纳入了特征各向异性渗透率尺度、密度对比度、注水持续时间以及流体-含水层体积热容比,从而将浮力驱动传输与热锋变形、羽流尺度演化和含水层储热联系起来。
本文的结构如下:第2节建立理论基础,其中2.1节介绍概念模型和计算域,2.2节给出地下水流动与热传输的耦合控制方程,2.3节通过基于控制方程的标度分析推导浮力流动传热数(Nh),2.4节介绍用于对比评估的修正瑞利数。第3节描述数值框架,包括TOUGH2模拟器的验证、模型设置以及由1944个场景组成的综合数据集的生成(3.1–3.2节),以及用于建立热锋过渡带宽度相关性的数据准备(3.3节)。第4节给出结果与讨论:4.1节开发并验证热锋过渡带宽度的经验相关性;4.2节确定Nh和Ra的最优临界阈值,比较其工况识别准确率,并分析与含水层厚度、注水速率和孔隙率相关的系统性偏差;4.3节讨论Nh相对于基准Ra准则的比较特性、适用性和局限性。最后,第5节总结本研究的主要结论。图1给出了说明本研究整体工作流程的示意图。
下载:下载高分辨率图像(567KB)下载:下载全尺寸图像
图1. 本研究工作流程示意图。
**2. 理论框架**
本节建立系统运行期间主导传热模式识别的理论基础。2.1节描述概念模型和计算域,2.2节给出地下水流动和热传输的控制方程,2.3节通过控制方程的特征标度分析推导浮力流动传热数(Nh),2.4节介绍用于对比评估的修正瑞利数。
**2.1 概念模型**
如图2a所示,典型的蓄热系统双井对包含一口热水井和一口冷水井(或补偿井)。为隔离单一储热单元相关的传热过程,本研究假设两井间距足够大,使得任何热或水力干扰均可忽略不计。因此,研究集中于一口单独热水井的性能(图2b)。鉴于构型的径向对称性,三维区域被简化为采用径向(r)和垂直(z)坐标的二维轴对称表示(图2c)。轴对称表示法通过考虑周向维度保留了物理系统的三维特性,尽管仅对r~z平面进行显式离散。
下载:下载高分辨率图像(215KB)下载:下载全尺寸图像
图2. 蓄热系统概念模型和计算域示意图(改编自我们此前已发表的研究并作修改[26])。(a) 双井对蓄热系统的系统布置。(b) 聚焦于单一热储水井。(c) 简化后的二维径向-垂直域。
含水层位于平均深度1020 m处,计算域在径向方向延伸500 m。其厚度用Ha表示。含水层上方和下方分别为40 m厚的盖层和底板;这两个隔水层赋予相同的材料属性(密度、比热和导热系数)。水井被建模为完全穿透整个含水层厚度,半径为0.1 m。
施加以下边界条件:(i) 含水层-隔水层接触面水力不透水但允许完全传热,即温度和热通量连续;(ii) 初始压力场遵循静水分布;(iii) 所有层的侧向边界保持恒定水头和初始环境温度(Dirichlet条件);(iv) 盖层和底板的上、下表面也维持在环境温度。在运行方案中不包含储存期——注水和提取依次连续进行且持续相同的时间。
**2.2 控制方程**
饱和含水层中的地下水流动和热传输受流体质量守恒、达西定律和能量守恒支配。在数值模拟中,水的物性参数使用TOUGH2的EOS1模块基于IAPWS-97公式进行计算,从而考虑其温度和压力依赖性。对于以下推导的理论标度分析,能量方程以局部热平衡显热形式表示。用于理论推导的控制方程表示为:
(1) ?(naρw)/?t + ?·(ρw v) = 0
(2) v = ?k/μw · (?p ? ρw g)
(3) ?[(ρC)a T]/?t + ?·(ρw Cw v T) = ?·(λa ?T)
其中na是含水层孔隙率;ρw是水的密度[kg/m3];μw是水的动力粘度[Pa·s];v是达西流速[m/s];p是流体压力[Pa];g是重力加速度矢量[m/s2];k是渗透率张量[m2]。(ρC)a代表饱和含水层的体积热容[J/(m3·℃)];Cw是水的比热容[J/(kg·℃)];λa是含水层的有效导热系数[W/(m·℃)]。
饱和含水层的体积热容计算如下:
(4) (ρC)a = na ρw Cw + (1?na) ρa,s Ca,s
其中ρa,s是含水层固体基质的密度[kg/m3];Ca,s是含水层固体基质的比热容[J/(kg·℃)]。
盖层和底板中的热传输遵循:
(5) ?[(ρC)c T]/?t ? ?·(λc ?T) = 0
其中(ρC)c代表饱和盖层和底板的体积热容[J/(m3·℃)];λc是盖层和底板的有效导热系数[W/(m·℃)]。
采用以下初始条件:
(6) T(r, z, 0) = Ta
(7) p(r, z, 0) = p0 ? ρ0 gz
其中p0是大气压[Pa];ρ0是初始水密度[kg/m3];Ta是环境水温[℃]。
采用以下边界条件:
井筛段(Γ1)处规定流入通量和温度:
(8) ?ρw v·n = qi / (2π rw) Γ1
(9) T = Ti Γ1
不透水且热连续的界面(Γ2 ∪ Γ3):
(10) v·n = 0 Γ2 ∪ Γ3
(11) T|z+ = T|z? Γ2 ∪ Γ3
(12) λc ?T/?z|z+ = λa ?T/?z|z? Γ2
(13) λa ?T/?z|z+ = λc ?T/?z|z? Γ3
在此情况下,确保了含水层与盖层/底板界面处温度和热通量连续[22,27]。
规定压力和温度边界(Γ4):
(14) p = p0 ? ρ0 gz Γ4
(15) T = Ta Γ4
其中n是边界的法向量;qi是单位厚度注入速率[kg/(m·s)];rw是井半径[m]。Ti是注入热水的温度[℃]。
**2.3 浮力流动传热数**
浮力驱动流动在有限运行期内重新分配含水层内的热量,从而改变热羽流的几何形态。为表征这一效应,我们定义浮力流动传热数Nh,作为浮力特征热影响相对于含水层厚度的无量纲度量。
本文公式的推导基于第2.2节引入的变密度达西方程和能量方程的特征尺度。为了分离与热密度变化相关的压力扰动,令$ p_{\text{ref}} $表示与背景地下水密度$\rho_{w,a}$对应的静水压力场:
(16) $\nabla p_{\text{ref}} = \rho_{w,a} \mathbf{g}$
定义压力扰动为:
(17) $p' = p - p_{\text{ref}}$
将式(16)和(17)代入式(2)得:
(18) $\mathbf{v} = -\frac{\mathbf{k}}{\mu_w} \left[ \nabla p' + (\rho_{w,a} - \rho_w) \mathbf{g} \right]$
对于跨越含水层厚度$H_a$的加热区域,注入热水与背景地下水之间的密度差产生特征浮力压力差:
(19) $\Delta p_b \sim \Delta \rho_w \, g \, H_a$
(20) $\Delta \rho_w = |\rho_w(T_a) - \rho_w(T_i)|$
加热区域与背景区域之间的横向过渡跨越热锋过渡带宽度$\delta_{th}$。因此,对应的特征压力梯度尺度为:
(21) $G_b \sim \frac{\Delta p_b}{\delta_{th}} = \frac{\Delta \rho_w \, g \, H_a}{\delta_{th}}$
对于本研究考虑的各向异性含水层,$r$-$z$平面中的渗透率张量为:
(22) $\mathbf{k} = \begin{bmatrix} k_{ah} & 0 \\ 0 & k_{av} \end{bmatrix}$
通过对称坐标变换可获得特征标量渗透率:
(23) $\hat{r} = r \left( \frac{k_{av}}{k_{ah}} \right)^{1/4},\quad \hat{z} = z \left( \frac{k_{ah}}{k_{av}} \right)^{1/4}$
对于均匀的$k_{ah}$和$k_{av}$,主各向异性压力算子变为:
(24) $\frac{1}{r} \frac{\partial}{\partial r}\left(r k_{ah} \frac{\partial p'}{\partial r}\right) + \frac{\partial}{\partial z}\left(k_{av} \frac{\partial p'}{\partial z}\right) = k_c \left[ \frac{1}{\hat{r}} \frac{\partial}{\partial \hat{r}}\left(\hat{r} \frac{\partial p'}{\partial \hat{r}}\right) + \frac{\partial^2 p'}{\partial \hat{z}^2} \right],\quad k_c = \sqrt{k_{ah} \, k_{av}}$
坐标变换表明$\sqrt{k_{ah} \, k_{av}}$为耦合径向-垂向压力响应提供了一个对称的特征渗透率尺度。因此,我们在构建无量纲指标时采用$k_c = \sqrt{k_{ah} \, k_{av}}$作为有效标量流动性尺度。这一标量化是一种特征近似,而非对渗透率张量的精确替代,渗透率张量在数值模拟中以完整形式保留。
结合式(21)和(24),浮力引起的特征达西通量可表示为:
(25) $v_b \sim \frac{k_c}{\mu_w} G_b = \frac{k_c \, \Delta \rho_w \, g \, H_a}{\mu_w \, \delta_{th}}$
从能量平衡中可获得对应的热影响距离。在特征距离$D_h$和注入时长$t_i$内,瞬态热储存与浮力驱动的平流热输运尺度为:
(26) $(\rho C)_a \frac{\Delta T}{t_i} \sim \frac{(\rho C)_f \, v_b \, \Delta T}{D_h}$
其中$(\rho C)_f = \rho_w C_w$为水的体积热容,$(\rho C)_a$为式(4)中定义的饱和含水层的体积热容。式(26)给出:
(27) $D_h \sim v_b \, t_i \, \frac{(\rho C)_f}{(\rho C)_a}$
因此,$v_b$被表达为达西通量,与能量方程中的平流热通量项一致。
将式(25)代入式(27)并将所得热影响距离以含水层厚度归一化得:
(28) $\frac{D_h}{H_a} \sim \frac{k_c \, \Delta \rho_w \, g \, t_i \, (\rho C)_f}{\mu_w \, \delta_{th} \, (\rho C)_a}$
这促使我们定义浮力流动热传递数:
(29) $Nh = \frac{\sqrt{k_{ah} \, k_{av}} \cdot \Delta \rho_w \, g \cdot t_i}{\mu_w \cdot \delta_{th} \cdot \frac{(\rho C)_f}{(\rho C)_a}}$
该数表示相对于含水层厚度的特征浮力引起的热影响距离。输运项$\frac{\sqrt{k_{ah} \, k_{av}} \, \Delta \rho_w \, g \, t_i}{\mu_w \, \delta_{th}}$和体积热容比均为无量纲量;因此$Nh$为无量纲数。式(29)中的所有量均由其特征量级定义,故$Nh$为正数。
对于$Nh$的计算,$\Delta\rho_w$由背景温度和注入温度下的水密度评估。动力黏度和体积热容采用这两个热状态下的值的算术平均值。热锋过渡带宽度$\delta_{th}$在注入阶段结束时评估,对应有限注入时长$t_i$,其预测相关性在第4.1节中建立。
### 2.4 Rayleigh数方法
为了全面评估所提出的浮力流动热传递数在识别主导热传递机制方面的性能,与当前主流方法——Rayleigh数方法的对比分析是必要的。本节介绍本研究中采用的Rayleigh数具体公式,以供后续对比。
鉴于数值数据集中考虑的渗透率各向异性,第2.3节引入的特征渗透率尺度$k_c = \sqrt{k_{ah} \, k_{av}}$被采用在修正Rayleigh数公式中。遵循先前的研究[26],修正Rayleigh数表示为:
(30) $Ra = \frac{\Delta \rho_w \, g \, H_a \, (\rho C)_a \, \sqrt{k_{av} \, k_{ah}}}{\mu_w \, \lambda_a}$
该修正Rayleigh数作为比较所提出的$Nh$指标识别能力的一个参考基准。两种无量纲数的对比性能和物理意义将在4.2和4.3节中分析讨论。
### 3. 数值模型
本节描述用于生成模型开发数据集的数值框架。首先简要介绍TOUGH2模拟器,随后通过与经典现场实验进行验证。接下来介绍模型设置——包括离散化和边界条件——以及参数研究设计。
#### 3.1 数值模拟器与模型验证
本研究中所有数值模拟均使用TOUGH2(非饱和地下水与热传输)及其EOS1模块进行,该模块基于IAPWS-97公式[28]描述纯水的物理性质。数值模型遵循第2节中描述的概念配置和边界条件。
控制质量与能量平衡方程使用TOUGH2中实现的积分有限差分法(IFDM)进行空间离散化,时间离散化采用一阶全隐式格式。所得非线性代数方程使用Newton-Raphson迭代求解。在每次Newton迭代中,线性化Jacobian系统使用DLUSTB求解,该程序实现了BiCGSTAB(m)算法,以不完全LU(ILU)分解作为预条件器。
模拟中采用的计算网格和时间分辨率描述如下。在径向方向上,单元尺寸从井附近0.5 m逐渐增加至外边界(500 m)处10 m。在垂向方向上,含水层被分为1 m厚的层,而隔水层采用4至12 m的粗化层。时间离散化设定为1天。该离散化方案已通过敏感性分析进行验证(见补充材料,图S1),以确保精度与计算成本之间的最佳平衡。数值模型已与Auburn University开展的高温ATES现场测试[[29],[30],[31]]进行了验证。详细验证结果,包括温度对比图,见补充材料(图S2)。
#### 3.2 参数设计与数据集生成
考虑七个关键参数的全因子组合以生成本研究的主数据集,每个参数在三个离散水平上变化,这些水平代表了全球HT-ATES前景的典型值(表1)。这些参数包括:含水层厚度($H_a$)[4]、注入温度($T_i$)[32]、单位厚度注入速率($q_i$)[33]、水平渗透率($k_{ah}$)[34]、渗透率各向异性比($k_{ah}/k_{av}$)[21]、孔隙率($n_a$)[6]和含水层导热率($\lambda_a$)[35]。含水层基质和隔水层(密度、比热)的恒定性质基于中国松辽盆地乾坨组的地层数据,提供了真实的地层背景。
**表1** 数值模拟中使用的设计参数和材料性质。
| 参数 | 符号 | 值 | 单位 |
|------|------|----|------|
| 变化参数 | | | |
| 含水层厚度 | $H_a$ | 20, 40, 60 | m |
| 注入温度 | $T_i$ | 60, 80, 100 | ℃ |
| 单位厚度注入速率 | $q_i$ | 0.1, 0.2, 0.4 | kg·s?1·m?1 |
| 含水层 | | | |
| 水平渗透率 | $k_{ah}$ | 100, 1000, 10000 | $10^{-15}$ m2 |
| 渗透率各向异性 | $k_{ah}/k_{av}$ | 1, 10, 100 | — |
| 孔隙率 | $n_a$ | 0.15, 0.3, 0.45 | — |
| 导热率 | $\lambda_a$ | 2, 3, 4 | W/(m·℃) |
| 恒定参数 | | | |
| 背景温度 | $T_a$ | 40 | ℃ |
| 注入/抽取时间 | $t_i/t_e$ | 180 | d |
| 含水层基质 | | | |
| 比热容 | $C_{a,s}$ | 800 | J/(kg·℃) |
| 密度 | $\rho_{a,s}$ | 2300 | kg/m3 |
| 隔水层 | | | |
| 孔隙率 | $n_c$ | 0.01 | — |
| 导热率 | $\lambda_c$ | 1.3 | W/(m·℃) |
| 厚度 | $H_c$ | 40 | m |
| 隔水层基质 | | | |
| 比热容 | $C_{c,s}$ | 1100 | J/(kg·℃) |
| 密度 | $\rho_{c,s}$ | 2300 | kg/m3 |
全因子设计理论上将产生2187个情景。然而,应用工程过滤器排除了不现实的组合,特别是将最低渗透率(1×10?13 m2)与最高注入速率(0.4 kg/s/m)配对的情况,这可能引起过大的注入诱导压力积聚(>2 MPa)并增加地层损害风险。此过滤后得到1944个有效模拟案例。所有模拟均使用第3.1节中描述的已验证TOUGH2设置执行。
对于统计评估,1944个案例被划分为包含1554个案例的开发子集和包含390个案例的独立测试子集。在开发子集内进行五折分层交叉验证以评估阈值稳定性。最终阈值使用完整开发子集确定,固定不再调整,并在独立测试子集上进行一次性评估。独立评估后,相同的固定阈值应用于完整1944案例的主数据集,仅用于系统分类偏差的诊断分析;完整数据集不用于阈值优化或独立性能评估。
#### 3.3 δth经验相关性的数据准备
如第2.3节所述,计算$Nh$需要知道注入阶段结束时的热锋过渡带宽度($\delta_{th}$)。本小节描述如何从模拟数据库中提取$\delta_{th}$值以建立经验相关性(后续在第4.1节中呈现)。
**3.3.1 本研究中δth的定义**
式(29)中出现的宽度$\delta_{th}$被定义为在无浮力诱导热锋倾斜的理想化条件下的过渡带宽度。在此定义下,当导热占主导时,该理想化宽度与实际宽度匹配。然而,随着浮力流动增强,实际锋面变得倾斜和畸变,使其宽度难以一致地定义或测量。通过采用此理想化定义,我们规避了在强浮力条件下量化$\delta_{th}$的挑战。相反,我们从导热主导场景中确定$\delta_{th}$,并将这些值作为所有案例的替代。第4节证明这种方法不损害$Nh$的识别能力。
**3.3.2 测量方法**
在无倾斜的情况下,含水层中深度的温度分布能代表整个厚度。在此基础上,$\delta_{th}$从模拟结果获得的中深度温度分布中提取。测量过程如下。首先,识别两个径向位置:一个温度与背景的温差达到完整注入-背景对比的5%,另一个达到95%。然后测量这两个位置之间的距离。最后,将该距离除以0.9,得到完整热锋过渡带的特征宽度。
**3.3.3 导热主导场景的选择**
为获得最能代表理想化条件的测量$\delta_{th}$值,我们仅选择浮力效应可忽略的模拟案例。两条准则指导这一选择:
- **各向异性比**:选择渗透率各向异性比$k_{ah}/k_{av}$ = 100的案例。高各向异性抑制垂向流动,最小化浮力驱动的倾斜,确保测量的$\delta_{th}$反映不受畸变的理想化宽度。
- **渗透率**:选择渗透率为1×10?12 m2的案例,而非1×10?13 m2。1×10?13 m2案例缺少注入速率为0.4 kg/s/m的模拟,这将造成参数覆盖的缺口。相比之下,1×10?12 m2案例提供了所有其他可变参数(含水层厚度、注入温度、孔隙率、导热率)的完整组合,为相关性建立提供了稳健的数据集。
**3.3.4 导热主导参考数据集**
固定渗透率为1×10?12 m2且渗透率各向异性比固定为100后,剩余可变参数为含水层厚度、注入温度、注入速率、孔隙率和导热率。在全因子设计中,这五个参数各取三个离散值,产生$3^5 = 243$个模拟案例。所有选定的参考案例均确认保持在导热主导机制内。对每个案例,$\delta_{th}$按照第3.3.2节描述的程序直接从数值模拟结果中提取。
为使经验相关性可进行独立评估,这243个导热主导参考案例根据含水层厚度进行分层抽样,划分为标定子集和独立验证子集。对于三个含水层厚度($H_a$ = 20、40和60 m),各65个案例分配给标定子集,16个案例分配给独立验证子集。总共产生195个标定案例和48个独立验证案例。
**3.3.5 相关性开发的补充数据集**
除导热主导参考数据集外,还生成了厚度变化数据集,以考察含水层厚度对热锋过渡带宽度的影响,并确定经验相关的厚度依赖性适用范围。含水层厚度以10 m的增量从10变化至70 m。除注入温度设为100 ℃且渗透率各向异性比固定为100(以增强热扩散效应并最小化浮力诱导的热锋变形)外,其余参数固定在其中间水平值。
该补充数据集仅用于表征$\delta_{th}$的厚度依赖性,并确定垂向热扩散显著影响径向热锋结构的近似厚度范围。它不用于评估经验相关的独立预测性能。
### 4. 结果与讨论
本节系统评估所提出的浮力流动热传递数($Nh$)在HT-ATES系统中识别主导热传递机制的能力。第4.1节首先利用导热主导参考模拟的标定子集建立热锋过渡带宽度的经验相关性,并使用独立验证子集评估其预测性能。第4.2节随后在开发数据集中确定$Nh$和$Ra$的临界阈值,通过五折交叉验证评估其稳定性,并在独立测试数据集上评估其最终机制识别性能。然后使用固定阈值考察含水层厚度、单位厚度注入速率和储层孔隙率的系统效应。最后,第4.3节讨论相对于基准$Ra$准则的$Nh$的对比特征、适用性和局限性。
#### 4.1 δth的经验相关性
$Nh$公式中引入的理想化热锋过渡带宽度$\delta_{th}$,反映了热影响区域与背景区域之间过渡的有限宽度。为表征此宽度,考虑两个相关长度尺度:与导热热扩散相关的特征扩散距离,以及代表注入期间产生的热影响区域径向尺度的热半径$R_t$。
利用第3.3节引入的专用数据集,建立了一种包含这两个特征尺度的经验关联式,随后评估了含水层厚度对其适用性的影响。
**4.1.1 热前锋过渡区宽度δth的经验关联式**
热传导对热前锋过渡区发展的贡献可由特征扩散距离[36]表征:
(31) $L_d = \sqrt{\frac{\lambda_a \cdot t_i}{(\rho C)_a}}$
其中$L_d$表示注入期间热量扩散的特征距离。除了传导扩散外,热前锋的绝对宽度还与受热区域的径向尺度有关。该羽状流尺度特征由热半径$R_t$表示。注入后的热半径计算式为[27]:
(32) $R_t = \sqrt{\frac{C_w \cdot q_i \cdot t_i}{\pi \cdot (\rho C)_a}}$
热半径采用ATES研究中广泛采用的传统显热平衡近似进行计算。在该公式中,使用流体比热容$C_w$和饱和含水层体积热容$(\rho C)_a$在$T_a$到$T_i$温度区间内的代表值,使得能量平衡中的共同温差得以消去。严格来说,流体热容的温度依赖性可通过焓差$\int_{T_a}^{T_i} C_w(T) \, dT$予以引入。此处采用简化公式以保持与ATES分析中热半径传统定义的一致性[22]。
基于这些特征尺度的考虑,$\delta_{th}$表示为特征扩散距离和热半径的函数:
(33) $\delta_{th} = f\left(\sqrt{\frac{\lambda_a \cdot t_i}{(\rho C)_a}}, R_t\right)$
经验系数仅利用第3.3节中描述的195个标定算例确定。回归分析表明,$\delta_{th}$对这两个特征尺度的依赖关系随含水层厚度而变化。对于较厚的含水层($H_a$ = 40和60 m),$\delta_{th}$可用特征扩散距离和$R_t$的线性组合充分表示。相比之下,对于薄含水层($H_a$ = 20 m),指数关系提供了更好的描述。重新标定的经验关系式为:
(34) $\delta_{th} = \begin{cases} 6.6 \cdot e^{0.1944\sqrt{\frac{\lambda_a \cdot t_i}{(\rho C)_a}} + 0.034 R_t}, & H_a = 20 \, \text{m} \\ 2.92\sqrt{\frac{\lambda_a \cdot t_i}{(\rho C)_a}} + 0.1 R_t + 2.48, & H_a = 40, 60 \, \text{m} \end{cases}$
因此,公式(34)包含了两个互补的特征长度尺度。特征扩散距离描述了注入期间传导热扩散的范围,而$R_t$表征了受热区域的径向尺度。两者的结合使得与热扩散和羽状流尺度变化相关的$\delta_{th}$变化能在统一的经验框架内得到表征。
**4.1.2 含水层厚度的影响**
采用第3.3.5节描述的厚度变化数据集来研究热前锋过渡区宽度的厚度依赖性。如图3b中的温度分布所示,当含水层较薄时,垂直热扩散穿透了含水层厚度中相对较大的比例,从而对径向热前锋过渡区产生更强的影响。随着含水层厚度增加,垂直扩散的相对影响逐渐减弱。

(a) 模拟δth随含水层厚度的变化,说明其与垂直-径向热扩散相关的厚度依赖性。(b) 不同含水层厚度下注入后的代表性等温线分布,说明垂直热扩散对热前锋结构的影响。(c) 独立验证子集中预测δth值与模拟值的比较,以及边缘分布和相对误差。(d) 独立验证子集的绝对相对误差分布和统计摘要。
图3a通过绘制δth与$H_a$的关系定量说明了这种厚度依赖性。该关系在约$H_a$ = 30 m处呈现明显变化。在此厚度以下,随着含水层厚度减小,δth迅速增大,表明垂直热扩散对径向热前锋结构的贡献逐渐增加。相比之下,对于$H_a$ ≥ 30 m,δth逐渐趋于平稳,表明含水层厚度的进一步增加对径向过渡区宽度的影响有限。
基于上述行为,将$H_a$ = 30 m作为近似厚度阈值用于扩展经验关联式。对于足够厚的含水层($H_a$ ≥ 30 m),采用利用$H_a$ = 40和60 m算例标定的线性关系。对于代表薄含水层条件的$H_a$ = 20 m,保留指数关系。相应地,公式(34)扩展为:
(35) $\delta_{th} = \begin{cases} 6.6 \cdot e^{0.1944\sqrt{\frac{\lambda_a \cdot t_i}{(\rho C)_a}} + 0.034 R_t}, & H_a = 20 \, \text{m} \\ 2.92\sqrt{\frac{\lambda_a \cdot t_i}{(\rho C)_a}} + 0.1 R_t + 2.48, & H_a \geq 30 \, \text{m} \end{cases}$
对于含水层厚度低于30 m的情况,建议逐例评估,因为垂直热扩散的相对贡献随含水层厚度连续变化。预期这一局限性对实际HT-ATES应用影响有限,因为厚度很小的含水层通常不利于经济可行的ATES开发[6]。
**4.1.3 经验关联式的独立验证**
图3c将公式(35)预测的δth值与48个独立验证算例的相应数值结果进行比较。预测值紧密跟随1:1线,相对误差集中在零附近。图3d进一步总结了绝对相对误差分布和验证统计,得出$R^2$ = 0.998,RMSE = 0.113 m,MAE = 0.083 m,MAPE = 0.41%。最大绝对相对误差为1.53%,89.58%的独立验证算例的绝对相对误差低于1%。这些结果表明,经验关联式对未用于标定的参数组合仍保持良好的预测性能。在独立验证之后,公式(35)用于计算后续$N_h$分析中所有情景的δth。因此,重新计算的δth值在第4.2节中全程使用。
**4.2 临界阈值与系统性偏差**
在第4.1节建立了热前锋过渡区宽度的经验关联式之后,本节确定主导热传递模式识别的临界阈值,并比较$N_h$和$R_a$的性能。首先通过五折交叉验证在开发子集中评估阈值稳定性。然后利用完整的开发子集确定最终阈值,固定后不再调整,并在独立测试子集上进行评估。在此独立评估之后,将相同的固定阈值应用于完整的1944个算例主数据集,仅用于与含水层厚度、单位厚度注入速率和储层孔隙率相关的系统性偏差诊断分析。这种分离使得独立测试子集能够评估阈值的可迁移性,而完整数据集则提供了足够的样本以识别$N_h$和$R_a$不同分类行为的物理根源。
**4.2.1 临界阈值的确定与系统性偏差**
图4展示了所有算例中热前锋倾角与系统恢复效率的颜色编码散点图。热前锋倾角的定义和计算过程见支持信息文本S3。颜色映射变量在图4a–c中为$N_h$,在图4d–f中为$R_a$。无论含水层厚度如何,恢复效率对热前锋倾角表现出相似的依赖关系:在较小的倾角下保持相对稳定,在倾角超过特征范围后迅速下降。由于热前锋倾角与浮升流强度正相关,且先前研究表明浮升主导的ATES系统通常比传导主导系统的热恢复效率低[7],图4中红色虚线所示的转折边界用于区分主导热传递模式。相应的数学表达式已在图中标注,这些参考边界独立于$N_h$和$R_a$,并在后续分类分析中一致应用。

红色虚线表示用于区分传导主导和浮升流主导模式的转折边界,相应的数学表达式如图所示。
基于上述标准,将主数据集中的所有算例明确分类为传导主导或浮升流主导模式,为后续分类分析提供参考模式标签。开发子集包含1184个传导主导算例和370个浮升流主导算例,独立测试子集分别包含318个和72个算例。
利用这些参考模式标签,随后在开发子集中确定$N_h$和$R_a$的临界阈值。图5a和b分别展示了$N_h$和$R_a$的五折交叉验证的阈值-精度曲线,通过对一系列离散的候选阈值进行评估获得。对于每一折,选择产生最高模式识别精度的候选阈值作为最优阈值。如图5a所示,五个最优$N_h$阈值为1.3、1.2、1.2、1.2和1.2,对应均值为1.22 ± 0.04,平均验证精度为96.46 ± 1.10%。对于$R_a$,相应的最优阈值为35、30、30、30和30(图5b),均值为31 ± 2.24,平均验证精度为92.54 ± 1.64%。五折之间的微小变化表明最优阈值对开发子集的具体划分相对不敏感。基于完整的开发子集,最终固定阈值确定为$N_h^*$ = 1.2和$R_a^*$ = 30,随后在不进一步调整的情况下应用于独立测试子集。

(a, b) 分别针对Nh和Ra,开发子集五个交叉验证折和独立测试子集的阈值相关识别精度。独立测试结果仅用于选择后评估,而最终阈值Nh* = 1.2和Ra* = 30仅从开发子集确定,由绿色虚线标示。(c–e) 分别针对Ha = 20、40和60 m,使用Nh* = 1.2获得的独立测试模式识别结果。(f–h) 分别针对Ha = 20、40和60 m,使用Ra* = 30获得的相应独立测试结果。(i–k) 分别针对Ha = 20、40和60 m,完整1944个算例主数据集中误分类算例相对于对应临界阈值的相对误差分布。
随后利用独立测试子集评估固定阈值。为进行比较,在同一候选阈值范围内的识别精度叠加在图5a和b中。值得注意的是,独立测试的最大精度分别出现在$N_h^*$ = 1.2和$R_a^*$ = 30处,与从开发子集确定的阈值一致。由于独立测试数据未参与阈值确定,这种一致性进一步支持了所确定临界阈值的稳定性。
通过按含水层厚度对独立测试算例进行分层,进一步评估了固定阈值的鲁棒性。如图5c–e所示,使用$N_h^*$ = 1.2获得的识别精度分别为:$H_a$ = 20 m时为98.51%,$H_a$ = 40 m时为96.80%,$H_a$ = 60 m时为95.42%。$R_a^*$ = 30的相应精度分别为93.28%、94.40%和93.89%(图5f–h)。因此,$N_h$始终获得更高的识别精度,在所有三种含水层厚度下均优于$R_a$,支持了所研究厚度范围内固定$N_h$阈值的鲁棒性。
上述分析不仅建立并独立验证了$N_h$的临界阈值,还表明$N_h$始终比$R_a$获得更高的模式识别精度。因此,以下分析聚焦于通过检查两种指标的系统性分类偏差来揭示这种性能差异的根源。为提供足够大的样本以分辨参数依赖模式,采用完整的1944个算例主数据集进行此诊断分析。临界阈值保持固定在$N_h^*$ = 1.2和$R_a^*$ = 30,不再重新优化。
为利用完整主数据集诊断分类偏差,将误分类算例分为两类:传导主导系统被误分类为浮升流主导系统,记为Overestimated(高估);浮升流主导系统被误分类为传导主导系统,记为Underestimated(低估)。表2总结了$N_h$和$R_a$在不同含水层厚度下这两类误分类的数量,图5i–k展示了它们相对于对应临界阈值的相对误差分布。总体而言,$N_h$产生的误分类算例数量显著少于$R_a$,误分类数为64个,而$R_a$为135个,且其相对误差分布在临界阈值附近更为集中。进一步跨含水层厚度比较揭示了$R_a$分类行为中明显的厚度依赖系统性偏差:随着$H_a$从20增加到60 m,Overestimated算例数量从2个增加到46个,而Underestimated算例数量从44个减少到9个。相比之下,$N_h$的误分类统计未显示类似的厚度依赖趋势。这些结果表明,$R_a$表现出与含水层厚度相关的显著系统性偏差,而$N_h$在所研究的厚度范围内保持了一致的分类行为。
因此,这种厚度相关的偏差被确定为与Nh相比,Ra总体制度识别准确率较低的主要原因之一。
表2 在不同含水层厚度下,使用Nh和Ra获得的误分类样本数量。
| 含水层厚度(m) | 高估 | 低估 | 合计 |
|---|---|---|---|
| | Nh | Ra | Nh | Ra | Nh | Ra |
| Ha = 20 | 42 | 34 | 47 | 46 | | |
| Ha = 40 | 51 | 62 | 01 | 82 | 5 | 34 |
| Ha = 60 | 74 | 62 | 59 | 32 | 5 | 55 |
| 合计 | 16 | 64 | 48 | 71 | 64 | 135 |
我们将Nh和Ra在不同含水层厚度下制度识别性能的差异主要归因于它们对Ha的不同处理方式。在Ra中,含水层厚度Ha作为特征长度尺度直接引入,施加了显式的线性厚度依赖关系。表2中的误分类模式清楚地表明,这种线性依赖夸大了Ha对主导传热制度的实际影响:在小Ha情况下的误分类以低估案例为主,而在大Ha情况下的误分类以高估案例为主。这种系统性的反转表明,Ra所代表的厚度效应随Ha增大而逐渐变得过度。相比之下,Nh通过归一化消除了显式的线性厚度依赖关系,同时通过厚度相关的导热前锋过渡区宽度δth保留了含水层厚度的残余影响。由此产生的分类行为与模拟结果更为一致,表明Nh的这种处理方式能够更好地代表含水层厚度对主导传热制度的实际影响。
4.2.2 由注入速率和储层孔隙率引起的系统性偏差
第4.2.1节表明,含水层厚度与Ra分类行为的明显系统性偏差相关联。为进一步阐明两种指标识别性能差异的来源,本节考察主数据集中其他变量参数的影响。对所有变量参数的比较分析表明,除含水层厚度外,Ra还表现出与单位厚度注入速率(qi)和储层孔隙率(na)相关联的系统性偏差,尽管这些效应不如含水层厚度的效应显著。
图6展示了qi和na对Nh和Ra制度识别偏差的影响。图6a和6b分别总结了不同qi和na下的误分类样本数量。图6c至6h进一步展示了误分类样本相对于其相应临界阈值的相对误差分布,以及代表性等温线图,显示了参数变化如何影响导热前锋形态和系统恢复效率。结果表明,随着qi和na的变化,Ra在高估和低估案例中的误分类样本数量和相对误差分布呈现出协调变化,与含水层厚度所观察到的模式相似。这表明Ra在这两个参数上也表现出系统性的分类偏差。相比之下,Nh产生的误分类样本较少且相对误差分布更为集中,表明其在参数变化下具有更好的稳定性。
对于单位厚度注入速率qi,代表性等温线图显示,随着qi的增加,导热前锋倾角增大,而系统恢复效率并未降低;相反,它有所提高。这表明注入速率通过两种竞争机制影响传热过程。一方面,较高的注入速率增强了径向强制对流,促进导热羽流在流动方向的扩展,并加剧导热前锋倾角。另一方面,增加的注入速率也扩大了导热羽流的径向尺度,从而降低了导热前锋倾角对整个羽流及其恢复效率的相对影响。从恢复效率的变化来看,径向尺度扩展的正效应超过了导热前锋倾角增大的不利效应,导致系统恢复效率随qi增加而提高。Nh的响应与这种竞争机制一致。相比之下,由于注入速率未包含在其公式中,Ra随qi变化而保持不变,因此无法直接反映导热前锋倾角增大与径向羽流扩展之间的竞争效应。
对于储层孔隙率na,代表性样本显示,随着孔隙率增加,Nh和Ra表现出相反的响应。随着na增加,Nh指示向传导主导制度转变,而Ra指示向浮力流主导制度转变。同时,模拟的导热前锋倾角减小,系统恢复效率增加,表明Nh的响应与实际传热行为更为一致。在本研究考虑的材料性质下,增加孔隙率会增大饱和含水层的有效体积热容,从而需要更多的热能来产生给定的温度变化。虽然较高的孔隙率可能有利于浮力驱动的流体运动,但增加的热储存能力削弱了其实际热效应,导致导热前锋倾角减小和恢复效率提高。Ra和Nh都通过饱和含水层体积热容纳入孔隙率效应,但采用了不同的物理尺度化。在Ra中,(ρC)a通过热扩散尺度引入,导致Ra在当前参数设置下随na增加而增大,从而指示更强的浮力主导行为倾向。相比之下,Nh纳入了流体与含水层体积热容比(ρC)f/(ρC)a,并结合δth,使得增强的热储存能力降低了归因于浮力驱动输运的有限时间热效应。这一差异解释了为什么Nh的响应与模拟的导热前锋和恢复行为一致,而Ra相对于储层孔隙率表现出系统性的分类偏差。
总体而言,Ra相对于Nh较低制度识别准确率可很大程度上归因于其相对于含水层厚度、单位厚度注入速率和储层孔隙率的系统性分类偏差。相比之下,Nh表现出更一致的分类性能,因此更适合在所研究条件下识别主导传热制度。
4.3 讨论
第4.2节的结果表明,在所研究条件下,Nh提供了比Ra更高且更一致制度识别性能。这种差异不仅与临界阈值的选取有关,还与两种指标所代表的不同物理问题有关。Ra主要表征浮力驱动输运相对于热扩散的倾向,而Nh评估浮力驱动输运的有限时间热后果。因此,Nh的物理诠释与HT-ATES主导传热制度识别目标更为接近。
两种指标因此具有不同的实用角色。Ra具有坚实的理论基础和相对简单的公式,适合评估浮力潜力或自然对流发展的倾向,特别是在仅有基本水文地质和热性质参数的情况下。然而,本研究表明,当应用于有限时间HT-ATES运行时,固定的Ra阈值可能产生与含水层厚度、注入速率和孔隙率相关的系统性分类偏差。相比之下,Nh与实现的热响应更为直接相关,因此更适合此处考虑的制度识别问题。
Nh的一个实际要求是导热前锋过渡区宽度δth的估计。本研究建立的实验相关性在研究参数范围内提供了准确的估计,并能够实现Nh的实际计算。然而,Nh的适用性部分取决于该相关性的有效范围,对于其他薄含水层条件可能需要额外的校准。
本公式仍存在若干局限性。数值框架假设均质轴对称多孔介质、单循环运行和无中间储存期,未显式考虑地质非均质性和层状性、区域地下水流动、井间相互作用、热弥散、井筒热损失、裂隙或多循环运行。此外,尽管数值模拟中保留了完整的各向异性渗透率张量,但Nh和Ra在理论公式中均通过标量特征尺度kc = √(k ah · k av)表示渗透率各向异性。这种处理与用于浮力影响的HT-ATES分析中修改后的瑞利数公式一致,但无法完全保留水平和垂直渗透率的方向相关效应。因此,Nh* = 1.2应被视为所研究HT-ATES条件下的制度识别阈值,而非通用临界值。在更复杂的水文地质和运行条件下需要进一步评估,以评估Nh的稳健性、可能的重新校准和更广泛的适用性。
表3总结了两种指标在物理诠释、实际用途、优势、局限性和适用性方面的主要差异。
表3 Ra方法与所提出的Nh方法的比较。
| 方面 | 瑞利数(Ra) | 浮力流传热数(Nh) |
|---|---|---|
| 主要诠释 | 浮力驱动输运相对于热扩散的倾向 | 浮力驱动输运的有限时间热后果 |
| 主要用途 | 评估浮力潜力或对流倾向 | HT-ATES中的主导传热制度识别 |
| 主要优势 | 简单、成熟,所需参数相对较少 | 与有限时间HT-ATES运行的实际热响应更一致 |
| 主要局限 | 作为固定准则用于有限时间制度识别时可能表现出系统性分类偏差 | 需要估计导热前锋过渡区宽度δth |
| 特征尺度 | 含水层厚度显式作为特征长度 | 消除显式线性厚度尺度;导热前锋尺度由δth表示 |
| 当前适用性 | 作为浮力倾向指标广泛适用 | 已在本研究所调查的HT-ATES配置和参数范围内验证 |
5. 结论
本研究提出了浮力流传热数(Nh)作为面向后果的无量纲指标,用于识别HT-ATES系统中的主导传热制度。Nh通过基于控制方程的量纲分析推导得出,表征了浮力驱动输运相对于含水层尺度的有限时间热效应。其公式纳入了浮力驱动的运动能力、注入持续时间、含水层热储存能力和导热前锋过渡尺度。为评估其制度识别性能,本研究采用在ATES研究中广泛用作识别主导传热行为准则的修改后瑞利数(Ra)作为基准,并使用相同程序进行评估。
基于包含1944个数值模拟案例的主数据集,从开发子集确定Nh的临界阈值为Nh* = 1.2,随后在独立测试子集上进行评估。对于Ha = 20、40和60 m的含水层厚度,Nh的识别准确率分别为98.51%、96.80%和95.42%,均高于使用Ra获得的相应准确率93.28%、94.40%和93.89%。使用完整主数据集的进一步诊断分析表明,Nh仅产生64个误分类案例,远少于使用Ra获得的135个案例。这些结果表明,在HT-ATES主导传热制度识别方面,Nh提供了比Ra更高的准确性和更大的稳定性。
Nh的优越性能主要与其不同的物理诠释有关。Ra主要表征浮力驱动输运相对于热扩散的倾向,而Nh评估浮力驱动输运在有限运行期间实现的热后果。因此,Nh对含水层厚度、储层孔隙率和单位厚度注入速率等关键参数变化提供更一致的响应,而Ra相对于这些参数表现出系统性分类偏差。这进一步表明,Nh的物理公式与HT-ATES主导传热制度识别目标更为接近。
总体而言,在本研究所调查的HT-ATES条件下,Nh比基准Ra准则更适合识别主导传热制度。然而,当前的公式和临界阈值Nh* = 1.2是在均质、轴对称、单循环条件下并在所调查的参数范围内建立的。
在确立 Nh 及其临界阈值的更广泛应用范围之前,包括地质非均质性、区域地下水流动、井间干扰、裂隙、非零存储期和多周期运行等更复杂的条件仍有待研究。
**符号表**
**符号 | 定义 | 单位**
**缩略语**
ARE | 绝对相对误差 | —
ATES | 含水层热能储存 | —
BiCGSTAB(m) | 双共轭梯度稳定化算法 | —
DLUSTBTOUGH2线性求解器 | 实现了BiCGSTAB(m)算法的DLUSTBTOUGH2线性求解器 | —
EOS1 | TOUGH2中用于纯水的状态方程模块1 | —
HT-ATES | 高温含水层热能储存 | —
IAPWS | 国际水和蒸汽性质协会 | —
IFDM | 积分有限差分法 | —
ILU | 不完全LU分解 | —
MAE | 平均绝对误差 | —
MAPE | 平均绝对百分比误差 | —
RE | 相对误差 | —
RMSE | 均方根误差 | —
TOUGH2 | 非饱和地下水和热量传输 | —
**罗马符号**
C?,? | 含水层固体基质的比热容 | J·kg?1·℃?1
C_c,s | 隔水层固体基质的比热容 | J·kg?1·℃?1
C_w | 水的比热容 | J·kg?1·℃?1
D_h | 特征热影响距离 | m
g | 重力加速度(控制方程中为矢量;标度关系中为大小) | m·s?2
G_b | 特征浮力压力梯度标度 | Pa·m?1
H_a | 含水层厚度 | m
H_c | 每个隔水层(顶板/底板)的厚度 | m
k | 渗透率张量 | m2
k_a,h | 含水层水平渗透率 | m2
k_a,v | 含水层垂直渗透率 | m2
k_c | 特征标量渗透率 | m2
L_d | 特征热扩散距离 | m
n? | 边界处的单位法向量 | —
n_a | 含水层孔隙率 | —
n_c | 隔水层孔隙率 | —
N_h | 浮力流动传热数;以含水层厚度归一化的特征浮力致热影响距离 | —
N_h* | N_h 的临界阈值 | —
p | 流体压力 | Pa
p? | 初始/边界压力表达式中使用的标准大气压 | Pa
p_ref | 静水参考压力 | Pa
p′ | 压力扰动,p ? p_ref | Pa
q_i | 单位厚度注入质量速率 | kg·m?1·s?1
r | 径向坐标 | m
r? | 变换后的径向坐标 | m
r_w | 井半径 | m
R_a | 用作基准指标的修正瑞利数 | —
R_a* | R_a 的临界阈值 | —
R2 | 决定系数 | —
R_t | 热半径 | m
t | 时间 | s
t_e | 提取持续时间 | s
t_i | 注入持续时间 | s
T | 温度场 | ℃
T_a | 环境水温度 | ℃
T_i | 注入水温度 | ℃
v | 达西通量 | m·s?1
v_b | 特征浮力致达西通量 | m·s?1
z | 垂直坐标 | m
? | 变换后的垂直坐标 | m
**希腊符号**
Γ?–Γ? | 计算域中定义的边界段 | —
δ_th | 理想化热锋过渡区宽度 | m
Δp_b | 特征浮力压差 | Pa
ΔT | 注入水与环境水的温差 | ℃
Δρ_w | 环境温度与注入温度之间的水密度差 | kg·m?3
η | 系统热回收效率 | %
θ | 热锋倾斜角 | °
λ_a | 含水层有效热导率 | W·m?1·℃?1
λ_c | 顶板/底板有效热导率 | W·m?1·℃?1
μ_w | 水的动力粘度 | Pa·s
ρ? | 静水压力表达式中使用的初始水密度 | kg·m?3
ρ_a,s | 含水层固体基质密度 | kg·m?3
ρ_c,s | 隔水层固体基质密度 | kg·m?3
ρ_w | 水密度 | kg·m?3
ρ_w,a | 浮力标度中使用的地下水密度 | kg·m?3
(ρC)_a | 饱和含水层体积热容量 | J·m?3·℃?1
(ρC)_c | 顶板/底板体积热容量 | J·m?3·℃?1
(ρC)_f | 水(流体)体积热容量 | J·m?3·℃?1
**CRediT作者贡献声明**
文彬赵:撰写 – 原稿,软件,方法学,概念化。小辉权:撰写 – 原稿,可视化,资源,数据管理。秀娟梁:软件,资源,项目管理,资金获取。伟菲杨:项目管理,调查,资金获取,形式分析。常来肖:监督,资源,方法学,资金获取。小雅冯:撰写 – 审阅与编辑,软件,形式分析,数据管理。家琦陈:撰写 – 审阅与编辑,可视化,调查,数据管理。
文彬赵 | 小辉权 | 秀娟梁 | 伟菲杨 | 常来肖 | 小雅冯 | 家琦陈