利用仿生鳍片和三元纳米流体提升抛物槽式太阳能集热器的性能：基于人工神经网络（ANN）与计算流体动力学（CFD）的联合能量与熵分析

《Renewable Energy》：Parabolic trough solar collector performance enhancement using bio inspired fins and ternary nanofluids: A combined ANN and CFD energy and exergy analysis

　　穆罕默德·阿巴斯扎德（Mohammad Abbaszadeh）与梅赫迪·利亚加特（Mehdi Liaghat）
伊朗设拉子大学水力-航空研究中心

**摘要**
本研究对一种配备创新纵向仿生鳍片的抛物面槽式太阳能集热器进行了全面的热流体和能量分析，该集热器使用了一种三元混合纳米流体。通过计算流体动力学（CFD）模拟并结合实验和数值数据验证，阐明了局部流动结构、熵生成、努塞尔特数（Nusselt number）、性能评估标准以及热效率和能量效率。CFD分析表明，提高雷诺数（Reynolds number）和纳米粒子体积分数（nanoparticle volume fraction）可以增强对流换热，但同时也会增加摩擦和热不可逆性。进一步研究发现，与无鳍片集热器相比，最佳的多鳍片配置可使努塞尔特数提高多达307%，性能评估标准提高194%。随后开发了一个人工神经网络（ANN）模型，该模型能够高精度地捕捉雷诺数在5000至25,000之间、纳米粒子体积分数在0至2%范围内的系统关键性能参数。这些发现加深了人们对太阳能集热器中热流行为的理解，并展示了数据驱动混合建模的有效性。

**引言**
全球能源需求的增长以及日益严重的环境问题，加剧了对可持续能源来源的需求。目前全球电力生产仍然高度依赖化石燃料，可再生能源仅占总产量的30% [1]。在各种能源选项中，太阳能因其丰富的资源储备和较低的环境影响而脱颖而出 [2]。在利用太阳能的各种技术中，抛物面槽式太阳能集热器（PTSC）由于商业化成熟度、模块化设计和低成本而备受关注 [3]。PTSC由一个抛物面反射器组成，该反射器将太阳辐射聚焦到吸收管上，工作流体流经吸收管并被加热。尽管具有这些优势，但其热性能受到传热能力有限和相关损失的限制。因此，提高其热性能成为主要的设计目标。

文献中提出了许多被动和主动的增强技术，包括采用创新截面几何形状 [4]、挡板 [5]、扰流器 [6]、鳍片 [7]、扭曲带 [8]、旋转部件 [9] 和纳米流体 [10] 等方法来提升PTSC的热性能。通常结合多种方法来增强PTSC的热性能。最近的研究表明，在PTSC中添加不同类型的鳍片可以显著提高热性能：鳍片通过增加有效传热表面积和扰动热边界层来促进流体在吸收管内的混合。文献主要报道了三种鳍片配置：（1）纵向鳍片，（2）针状鳍片，（3）螺旋鳍片。虽然纵向鳍片制造简单，但关于最佳几何形状存在争议——一些研究建议使用正弦形状 [11]，而其他研究则倾向于圆角设计 [12]，这表明在最小化熵生成方面尚未达成共识。针状鳍片虽然能改善局部传热，但相关的压力损失限制了其净热力学效益 [13]；螺旋鳍片虽然能促进旋流，但在高温下制造复杂且结构脆弱 [14]。这些矛盾表明现有设计往往无法同时优化传热增强和流体效率。

尽管带鳍片的吸收管在热性能上有所提升，但这些优势通常伴随着压力损失的增加，从而导致更高的泵送功率需求。例如，侯等人 [14] 报告称螺旋鳍片管提高了传热效果，但压力损失不可忽视。因此，集热器的整体效率取决于如何在传热增强和流动阻力之间找到最佳平衡。表1总结了近期关于PTSC中鳍片应用的研究及其主要发现。从表中可见，不同类型的鳍片能够一致性地提高集热器的热效率和传热特性，但往往以增加压力损失为代价。
除了传统几何形状外，模仿自然结构（如鱼鳞、叶脉或血管网络）设计的仿生鳍片最近引起了关注，作为提高热流体性能的新方法 [23]。这些鳍片可以显著增加有效传热表面积，但其在PTSC中的潜在影响尚未得到研究。在基础流体中分散纳米粒子是一种常见的传热增强策略，不过过高的纳米粒子浓度会因粘度增加而降低对流效率 [24]。Yousefi等人 [25] 使用Al2O3/水体系提高了28%的效率，而Mustafa等人 [26] 发现CuO/水体系提高了13%的对流传热效率。混合纳米流体比单粒子悬浮液具有更高的导热性能 [27]。尽管取得了这些进展，大多数研究仍主要关注热性能指标（如传热系数或努塞尔特数），而对相关流体性能和整体热力学性能的关注相对较少。此外，还需要根据热力学第二定律评估能量的数量和质量。

传统数值方法通常需要大量计算资源，在处理非线性系统或高维参数问题时效率较低。近年来，数据驱动方法（尤其是机器学习和人工智能AI）在热科学领域成为强大的替代方案，实现了加速设计、提高预测精度以及实时热管理和控制 [28]。基于AI的模型常被视为人类认知和自适应推理的简化抽象 [29]，其中人工神经网络（ANN）因其通用性和强大的泛化能力而被广泛采用 [30]。ANN可以在监督或无监督模式下进行训练 [31]，应用于太阳能、建筑热负荷预测和气流预测 [32]。一旦训练完成，它们能够快速准确地提供预测结果。

最新研究表明，ANN可以通过低成本精确预测关键热流体参数，从而高效替代CFD。例如，Suman等人 [33] 使用深度神经网络复制了 evacuated-tube太阳能集热器的CFD结果，Aly和Alotaibi [34] 对含纳米封装相变材料的多孔腔体进行了建模，Abbaszadeh等人 [35] 预测了湍流对流指标。Cáceres等人 [36] 应用热力学知识改进了集热器设计，强调了AI在加速设计、提高预测可靠性和实现实时优化方面的作用 [37]。现有文献大多侧重于单独的增强技术，而在PTSC中应用仿生鳍片的研究仍是一个未探索的领域。基于这些观察，本研究对配备新型仿生纵向鳍片配置的PTSC接收器的热流体和热力学性能进行了全面研究，系统评估了一阶参数（热效率和PEC）和第二定律指标（能量效率和熵生成）。研究假设，仿生设计的鳍片能够比传统几何形状更有效地重新分配热流，从而减少热不可逆性并最大化能量效率。另一个创新点是使用三元混合纳米流体作为工作介质——这一选择在太阳能热应用中鲜有研究但极具潜力。详细探讨了鳍片数量、雷诺数和纳米粒子体积分数的参数影响。分析结合了高保真CFD模拟和基于ANN的替代建模，以准确预测Nu和PEC等关键热流体指标。

**主要创新点**
- 引入仿生鳍片配置，以提高PTSC接收器的传热和效率；
- 使用三元混合纳米流体作为工作介质，而非传统或单/二元纳米流体；
- 系统评估鳍片数量、雷诺数和纳米粒子体积分数对一阶和第二定律性能指标的影响；
- 开发结合CFD和基于ANN的替代建模的双重方法框架，以高精度识别最佳运行条件。

**研究的独特性**
本研究将仿生纵向鳍片几何形状与三元混合纳米流体结合应用于抛物面槽式太阳能集热器（PTSC），这是前所未有的。虽然已经探讨了纳米流体或带鳍片吸收器的单独或协同效应，但文献中尚未研究仿生设计对三元混合纳米流体热流体和能量性能的影响。本研究通过提供全面的CFD分析填补了这一空白。

**问题定义和假设**
鳍片的设计灵感来源于天然叶片的分支叶脉结构，这种几何形状增加了传热表面积，优于传统鳍片设计。图1(a)和(b)展示了所研究的PTSC示意图。吸收管由铝制成，长度为1米，入口流体温度为300 K。图1(c)展示了鳍片图案的天然叶片灵感来源，图1(d)和(e)展示了三元混合纳米流体的详细几何形状和属性。

**三元混合纳米流体的有效属性**
三元混合纳米流体的有效属性如下 [39]：
在以下方程式中，下标1、2和3分别代表纳米粒子Al2O3、Cu和TiO2；bf表示基础流体，thnf表示三元混合纳米流体。其动态粘度和密度由方程式(1)和(2)给出：
$$
\mu_{thnf} = \mu_{bf}(1 - \phi_1)^{2.5}(1 - \phi_2)^{2.5}(1 - \phi_3)^{2.5}, \quad \rho_{thnf} = (1 - \phi_3)\left[(1 - \phi_2)[(1 - \phi_1)\rho_{bf} + \phi_1\rho_1] + \phi_2\rho_2] + \phi_3\rho_3
$$
热导率则定义如下：
$$
k_{thnf} = k_{bf} + 2k_{hnf} - 2\phi_3(k_{CFD验证**
为确保数值模型的可靠性，其结果与文献中的基准数据进行了对比。表3比较了本研究数值模拟结果与先前发表的数值和实验研究结果。考虑了不同增强机制（如矩形鳍片 [17]、扭曲带插入物 [47] 和波浪形吸收管 [4]），涵盖了不同的雷诺数范围。对比结果显示，在网格独立性方面有很好的一致性。

**网格独立性评估**
进行了网格独立性研究，以确保数值预测不受离散化密度的影响。使用逐渐细化的网格进行模拟，并监测了努塞尔特数和摩擦因子等代表性输出量。在Re=10000的情况下，测试了四种网格分辨率，其中3.96 M元素的网格显示出较低的相对误差。

**结果和讨论**
为了清晰理解问题的热流体动力学行为，首先在两个小节中展示了CFD结果，包括关于鳍片数量的参数研究，然后探讨了雷诺数和纳米粒子体积分数的影响，最后展示了ANN模型的预测结果。

**结论**
本研究使用高保真CFD模拟和人工神经网络（ANN）预测模型，全面研究了配备新型仿生鳍片的抛物面槽式太阳能集热器（PTSC）的热流体和热力学性能。基于天然叶脉分支模式设计的仿生鳍片通过改善流动混合和增加表面积，有效提升了对流传热效率。

**作者贡献声明**
穆罕默德·阿巴斯扎德（Mohammad Abbaszadeh）负责撰写、审稿与编辑、监督、软件开发、资源管理和方法论设计；
梅赫迪·利亚加特（Mehdi Liaghat）负责原始草稿的撰写、可视化展示和结果验证。

**利益冲突声明**
作者声明没有已知的财务利益或个人关系可能影响到本文的研究结果。