时间：2024-11-11 点击量：
建造环境(BERL)课题组文诗豪博士在中科院一区期刊《Applied Energy》(JCR Q1, IF=10.1)发表论文，对空调通风末端：主动式冷梁的热交换器结构进行了寻优设计，以提高主动式冷梁的冷却性能。
一、 题目
Numerical simulation investigation of heat exchangers for active chilled beams based on neural networks and a genetic algorithm
该研究获得“十四五”国家重点研发项目资助（No. 2023YFC3708404）。
https://doi.org/10.1016/j.apenergy.2024.124818
二、 作者
文诗豪，张稼昕，刘素梅，刘俊杰（通讯作者）
三、 研究亮点
分析了热交换器结构对主动式冷梁制冷量的影响；
运用神经网络预测了主动式冷梁的制冷量；
通过遗传算法获得了最优的冷量热交换器结构；
提出了主动式冷梁制冷量模拟方法。
四、 摘要
室内热环境和空气质量对现代城市居民的生活和工作至关重要。因此，空调和机械通风系统的节能与性能优化成为了研究的重点。作为一种具有显著节能潜力的生态空调系统，主动式冷梁已受到广泛关注。然而，现有研究主要集中于设计和控制策略，较少深入探讨主动式冷梁热交换器结构的优化潜力。本文通过计算流体动力学（CFD）模拟，研究了翅片间距、管间距和管道形状等结构参数对热交换器压降损失和换热效率的影响，并进一步分析了这些参数对冷梁制冷量的作用。结合BP神经网络和遗传算法，在压降损失与换热效率之间取得平衡，提出了优化的结构参数，从而提升了主动式冷梁的制冷能力。结果表明，优化后的热交换器显著提升了冷梁的制冷性能，单位投影面积的换热量达4533.9 W/m²，制冷量提高了30.6%。在热交换器与空气温差为6K至22K的范围内，制冷量提高了26.4%至30.6%。
五、 研究背景
在现代化城市中，人们几乎90%的时间在室内度过。空调和机械通风（ACMV）系统为室内提供舒适的热环境和良好的空气质量。然而，暖通空调系统的能耗约占建筑总能耗的40%至50%，因此ACMV系统的节能研究尤为重要。主动冷梁系统是作为一种高效节能的ACMV技术，其工作原理如图1所示。一次风通过喷口射出，射流卷吸冷梁内部的空气，在冷梁内部形成负压。由于压差的原因室内的热空气被吸引至冷梁内部，并通过管翅式热交换器进行冷却处理。冷却后的诱导风与一次风混合后，再送入到室内，有效地降低室内温度。该系统具有提高舒适性、低噪音和高能效的优势，且维护需求较少，广泛应用于工业、商业建筑、交通工具和办公场所等领域。因此，提升主动式冷梁系统的性能和适应性，成为当前研究的热点。
图1 主动式冷梁工作原理
六、 主要成果
1.低风速下热交换器的压降和传热系数
图2展示了不同管间距比（1.70、2.48、3.26、4.04）下，风速范围为0.1至0.6 m/s时的压降情况。结果表明，随着椭圆比增大，压降损失逐渐减小；翅片间距增大时，压降损失也减小，但这一影响逐渐减弱。管间距比对压降损失的影响较小，尤其当管间距比超过2.48时，影响几乎可以忽略。因此，翅片间距对压降损失的影响最大，其次是管间距比。
(a) 管间距比=1.70 (b) 管间距比=2.48
(c) 管间距比=3.26 (d) 管间距比=4.04
图2 热交换器结构对压降损失的影响
图3展示了管间距比为2.48和4.04的热交换器在风速0.1至0.6 m/s范围内的换热系数。图中显示，随着翅片间距的增大，换热系数显著下降。相比之下，管间距比对换热系数的影响较小，此外，椭圆比对换热系数几乎没有影响，因为它仅改变了管形，并未改变管道的周长。综上所述，翅片间距是影响换热系数的主要因素。
图3 热交换器结构对换热效率的影响
2.BP神经网络验证
在数值模拟得到的144组数据中，80%用于训练，20%用于测试模型性能。通过归一化后的数据测试模型，结果表明预测值与模拟值的误差大多数在10%以内，表明模型具有较好的准确性。随后，采用遗传算法优化换热器结构，优化后的冷梁单位面积换热量比未优化的提高了30.64%，比现有冷梁提高了20.48%。
图4 CFD 模拟结果与神经网络预测结果之间的误差
3.温差对主动式冷梁单位投影面积制冷量的影响
图5展示了在不同温度差下，优化后的热交换器与传统热交换器在冷梁中的单位面积换热量对比情况。随着温差的逐步增大，冷梁的单位面积换热量呈现增长趋势。值得注意的是，在各种温度件下，优化后的热交换器相较于传统热交换器均展现出显著优势，使冷梁的单位投影面积换热量提高了约26.40%~30.64%。这一数据不仅凸显了优化后热交换器的高效性能，也进一步证明了优化措施在提升换热器性能方面的有效性。
图5 不同温差下单位投影面积的制冷量
七、 结论
本研究采用数值模拟方法探讨了热交换器几何结构对主动式冷梁制冷量的影响。在此基础上，我们进一步将神经网络与遗传算法结合，优化了热交换器结构，成功获得了适合主动式冷梁的最优结构。主要结论如下：
热交换器的翅片间距、管间距比和轴向比对主动式冷梁的制冷量有一定影响。其中，翅片间距的影响尤为显著，而管间距比和轴向比的影响相对较小；
通过使用模拟数据训练的BP神经网络能够有效预测不同设计参数下主动式冷梁的单位投影面积制冷量。预测结果与模拟结果之间的平均绝对百分比误差几乎都在10%以内；
BP神经网络与遗传算法的结合为主动式冷梁的热交换器结构的优化提供了最佳解决方案。优化后的热交换器使主动式冷梁单位投影面积的热交换量为4533.9 W/m²，提高了30.6%；
在不同温差（6K、10K、14K、18K和22K）下，通过神经网络和遗传算法结合优化的热交换器相比于未优化的热交换器，冷却梁的热交换量提高了约26.4%到30.6%。
本文引用格式：
Shihao Wen, Jiaxin Zhang, Sumei Liu, Junjie Liu*. Numerical simulation investigation of heat exchangers for active chilled beams based on neural networks and a genetic algorithm. Appl Energy. 378, Part A (2025), Article 126729.
