Local Thermal Non-Equilibrium Models in Porous Media: A Comparative Study of Conduction Effects

Diese Studie vergleicht Modelle des lokalen thermischen Nichtgleichgewichts (LTNE) mit einer poren aufgelösten Referenz für rein leitfähige poröse Medien und zeigt, dass REV-skalierte Modelle, die auf Homogenisierung basierende effektive Parameter verwenden, die Effekte des Grenzflächenwiderstands präzise erfassen, während Dual-Netzwerk-Modelle mit fester räumlicher Auflösung stärkere Abweichungen aufweisen.

Das Wesentliche

Stellen Sie sich ein poröses Material, wie einen Schwamm oder ein Gestein, als eine belebte Stadt vor. Diese Stadt hat zwei Arten von Bewohnern: die festen Körner (die Gebäude) und die Flüssigkeit (das Wasser oder die Luft, die durch die Straßen strömt).

Wenn Sie eine Seite dieser Stadt erhitzen, möchten Sie wissen, wie sich die Temperatur ausbreitet. Die große Frage, die diese Arbeit stellt, lautet: Erwärmen sich die Gebäude und das Wasser darin mit exakt derselben Geschwindigkeit, oder hinken sie einander hinterher?

Hier ist eine Aufschlüsselung dessen, was die Forscher mit einfachen Analogien getan haben.

1. Die zwei Denkweisen über Wärme

In der Vergangenheit gingen Wissenschaftler meist von einem lokalen thermischen Gleichgewicht (LTE) aus.

• Die Analogie: Stellen Sie sich einen Raum voller Menschen vor, die sich an den Händen halten. Wenn eine Person heiß wird, spürt es jede andere sofort. In diesem Modell sind die „Gebäude" und das „Wasser" so perfekt verbunden, dass sie an jedem beliebigen Ort immer exakt dieselbe Temperatur haben. Es ist, als würden sie ein einziges Gehirn teilen.

Die Forscher wussten jedoch, dass dies nicht immer zutrifft. Manchmal ist die Verbindung zwischen Gebäude und Wasser „klebrig" oder langsam. Dies ist das lokale thermische Nichtgleichgewicht (LTNE).

• Die Analogie: Stellen Sie sich vor, die Menschen befinden sich in separaten Räumen mit dicken, isolierten Türen dazwischen. Wenn Sie das Wasser im Flur erhitzen, bleiben die Gebäude eine Weile kühl, weil die Wärme kämpfen muss, um durch die Tür zu gelangen. Das Wasser wird heiß, aber das Gebäude bleibt eine Weile kalt. Sie haben an ein und demselben Ort unterschiedliche Temperaturen.

2. Die drei „Karten", die zur Vorhersage von Wärme verwendet wurden

Um herauszufinden, wann diese „Verzögerung" auftritt und wie man sie vorhersagen kann, verglich das Team drei verschiedene Arten, eine Karte dieser Stadt zu zeichnen:

• Karte A: Die „Straßenniveau"-Ansicht (Poren-aufgelöstes Modell)

  • Was es ist: Dies ist die detaillierteste Karte. Sie zeichnet jedes einzelne Gebäude und jede einzelne Straße. Sie sieht die exakte Form des Gesteins und des Wassers.
  • Der Haken: Sie ist unglaublich langsam und rechenintensiv, wie der Versuch, jedes einzelne Sandkorn an einem Strand zu simulieren. Die Forscher nutzten dies als ihren „Goldstandard" oder Referenz, um zu prüfen, ob die anderen Karten richtig lagen.

• Karte B: Die „Nachbarschafts"-Ansicht (Dual-Netzwerk-Modell)

  • Was es ist: Anstatt jede Straße zu zeichnen, vereinfacht diese Karte die Stadt zu einem Netzwerk von Punkten (die die Gebäude und Wasserbeutel darstellen), die durch Linien (die die Verbindungen zwischen ihnen darstellen) verbunden sind.
  • Der Haken: Sie ist schneller, hat aber eine feste Auflösung. Es ist, als würde man eine Stadt durch ein Gitter aus Fenstern betrachten; man kann nicht näher heranzoomen als die Größe des Fensters. Die Arbeit ergab, dass dieses Gitter fest ist und daher manchmal die scharfen Temperaturänderungen, die genau an den Rändern stattfinden, übersieht.

• Karte C: Die „Luftbild"-Ansicht (REV-Skalen-Modell)

  • Was es ist: Dies ist eine hochrangige, gemittelte Karte. Sie sieht keine einzelnen Gebäude; sie sieht „Blöcke" der Stadt. Sie verwendet Mathematik, um das durchschnittliche Verhalten des gesamten Blocks zu schätzen.
  • Der Haken: Um dies funktionieren zu lassen, muss man die „durchschnittlichen Eigenschaften" des Blocks erraten. Wenn man falsch rät, ist die gesamte Karte falsch.

3. Das große Experiment

Die Forscher führten Simulationen auf einem Computer durch, um zu sehen, wie sich Wärme unter zwei verschiedenen Bedingungen durch diese „Stadt" bewegte:

Szenario 1: Die offene Tür (geringer Widerstand)

• Der Aufbau: Die Verbindung zwischen Wasser und Gestein war perfekt (wie eine weit geöffnete Tür). Wärme floss frei.
• Das Ergebnis: Die „offene Tür" bedeutete, dass sich Wasser und Gestein sofort gemeinsam erwärmten. Die LTE-Annahme (das einzelne Gehirn) funktionierte perfekt. Alle drei Karten gaben fast das gleiche Ergebnis. Die „Verzögerung" existierte nicht.

Szenario 2: Die isolierte Tür (hoher Widerstand)

• Der Aufbau: Die Verbindung war blockiert oder „klebrig" (wie eine dicke, isolierte Tür). Wärme hatte Schwierigkeiten, vom Wasser zum Gestein zu springen.
• Das Ergebnis: Jetzt wurde das Wasser heiß, aber das Gestein blieb eine Weile kühl. Die LTE-Annahme versagte völlig.
  • Die Straßenniveau-Karte zeigte die genaue Verzögerung.
  • Die Luftbild-Karte (wenn sie korrekt unter Verwendung einer spezifischen mathematischen Methode namens Homogenisierung berechnet wurde) stimmte sehr gut mit der Straßenniveau-Karte überein.
  • Die Nachbarschafts-Karte war in Ordnung, aber da ihre „Fenster" eine feste Größe hatten, glättete sie die scharfen Unterschiede etwas zu stark.

4. Die wichtigste Erkenntnis

Das wichtigste Ergebnis betrifft wie man die „Luftbild"-Karte berechnet.

• Einige alte Methoden zur Berechnung der Durchschnittseigenschaften für die Luftbild-Karte ignorierten die „klebrige Tür". Sie gingen davon aus, dass der Wärmetransfer immer perfekt war. Als die Forscher diese alten Formeln verwendeten, versagte die Luftbild-Karte darin, die Verzögerung zwischen Wasser und Gestein zu zeigen.
• Wenn sie jedoch eine spezifischere, fortgeschrittenere mathematische Methode (Homogenisierung) verwendeten, die die „klebrige Tür" (den Grenzflächenwiderstand) berücksichtigte, wurde die Luftbild-Karte unglaublich genau. Sie stimmte fast perfekt mit der detaillierten Straßenniveau-Ansicht überein, obwohl sie viel einfacher war.

Zusammenfassung

• Wenn die Verbindung perfekt ist: Sie können einfache Modelle verwenden; alles erwärmt sich gemeinsam.
• Wenn die Verbindung langsam/klebrig ist: Sie müssen Modelle verwenden, die es Wasser und Gestein erlauben, unterschiedliche Temperaturen zu haben.
• Der beste Shortcut: Wenn Sie ein riesiges System modellieren müssen (wie einen ganzen Grundwasserleiter oder eine Brennstoffzelle) und nicht jedes Korn simulieren können, verwenden Sie das „Luftbild"-Modell, stellen Sie aber sicher, dass Sie die spezifische Mathematik verwenden, die den Widerstand zwischen den Materialien berücksichtigt. Wenn Sie das tun, wird Ihr einfaches Modell genauso genau sein wie das super-detaillierte.

Hinweis: Die Arbeit stellt ausdrücklich fest, dass diese Studie nur die Wärmebewegung durch ruhende Materialien (Leitung) betrachtete. Sie untersuchte nicht die Wärmebewegung mit strömendem Wasser (Konvektion), was sie laut eigener Aussage in einer zukünftigen Arbeit untersuchen werden.

Technische Zusammenfassung

1. Problemstellung

Die Modellierung des Wärmetransports in porösen Medien stützt sich häufig auf die Annahme des Lokalen Thermischen Gleichgewichts (LTE), die besagt, dass Fluid- und Feststoffphase innerhalb eines Kontrollvolumens instantan die gleiche Temperatur teilen. Obwohl diese Annahme für viele Szenarien gültig ist, versagt sie in Systemen, die durch folgende Merkmale gekennzeichnet sind:

• Große Temperaturgradienten.
• Signifikante Unterschiede in den thermischen Eigenschaften zwischen den Phasen.
• Hohe thermische Grenzflächenwiderstände (niedrige Wärmeübergangskoeffizienten).
• Schnelle Dynamik.

Wenn LTE versagt, sind Local Thermal Non-Equilibrium (LTNE)-Modelle erforderlich, um unterschiedliche Temperaturen für die Fluid- ($T_f$) und Feststoffphase ($T_s$) sowie den Wärmeaustausch zwischen ihnen aufzulösen. Es fehlt jedoch an umfassenden vergleichenden Studien, die Kontinuumsskalen-LTNE-Modelle (Dual-Network und REV-Skala) gegen hochauflösende, poren aufgelöste Referenzen validieren, insbesondere hinsichtlich der Genauigkeit effektiver Parameterformulierungen (z. B. Homogenisierung vs. empirische Korrelationen).

2. Methodik

Die Studie vergleicht drei Modellierungsansätze auf Kontinuumsskala an einem vollständig gesättigten System (ein Fluid, ein Feststoff) unter Berücksichtigung von reiner Wärmeleitung (ohne Berücksichtigung von Konvektion und Massentransport).

A. Die drei Modellklassen

1. Poren-aufgelöstes Modell (Referenz):

   • Ansatz: Lösen der Energiebilanzgleichungen separat für die Fluid- ($\Omega_f$) und Feststoffdomänen ($\Omega_s$) auf einem Gitter, das die genaue Porengeometrie auflöst.
   • Grenzfläche: Explizite Auflösung der scharfen Fluid-Feststoff-Grenzfläche ($\Gamma_{fs}$).
   • LTNE-Implementierung: Verwendung eines endlichen Wärmeübergangskoeffizienten ($h$), um einen Temperatursprung über die Grenzfläche zu ermöglichen ($\lambda_f \nabla T_f \cdot n = h(T_s - T_f)$).
   • Löser: Finite-Elemente-Methode (FEM) unter Verwendung von Netgen/NGSolve.

2. Dual-Network-Modell:

   • Ansatz: Darstellung des porösen Mediums als zwei miteinander verbundene Netzwerke (Fluid und Feststoff), die aus idealisierten Körpern (Kugeln) und Engstellen (Zylindern) bestehen.
   • Grenzfläche: Keine Auflösung der scharfen Grenzfläche; stattdessen Verwendung von Grenzflächen-Engstellen mit thermischer Transmissibilität basierend auf Formfaktoren und effektiven Flächen.
   • Löser: Control-Volume-Finite-Elemente-Methode (CVFE) unter Verwendung von DuMux.

3. REV-Skalen-Modell (Representative Elementary Volume):

   • Ansatz: Verwendung gemittelter Bilanzgleichungen über ein Kontrollvolumen, in dem sich Fluid- und Feststofftemperaturen überlappen.
   • LTNE-Implementierung: Lösen von zwei gekoppelten Energiegleichungen mit einem Term für den Grenzflächenaustausch ($q_{cond} = \lambda_{eff,I} a_{fs} (T_s - T_f)$).
   • Effektive Parameter: Die Studie bewertet drei verschiedene Formulierungen für effektive Wärmeleitfähigkeiten und Grenzflächenterme:
     • Nuske et al.: Einfache Skalierung nach Volumenanteil.
     • Nakayama et al.: Beinhaltet Tortuosität und Leitfähigkeitsverhältnisse.
     • Homogenisierungstheorie: Leitet effektive Parameter mathematisch aus porenskaligen Gleichungen ab und integriert explizit den Wärmeübergangskoeffizienten ($h$).
   • Löser: Finite-Volumen-Methode (FV) unter Verwendung von PorePy.

B. Simulationsaufbau

• Geometrie: Ein periodisches 3D-Domäne bestehend aus kubischen Referenzzellen, die eine Kugel enthalten, die mit sechs Rohren verbunden ist.
• Materialien: Granit (Feststoff) und Wasser (Fluid).
• Randbedingungen: Quasi-1D-Aufbau mit einem Temperatursprung an der linken Grenze (Fluid um 10 K erhitzt, Feststoff isoliert).
• Testfälle:
  • Fall 1 (Niedriger Widerstand): Hoher Wärmeübergangskoeffizient ($h \approx 8.3 \times 10^7$ W/m²K), der Standard-Grenzflächen zwischen Wasser und Granit nachahmt.
  • Fall 2 (Hoher Widerstand): Niedriger Wärmeübergangskoeffizient ($h = 100$ W/m²K), der Grenzflächen mit hohem Widerstand (z. B. Kupfer-Helium) nachahmt, um starke LTNE-Effekte zu induzieren.

3. Hauptbeiträge

• Systematischer Vergleich: Bietet einen rigorosen Benchmark von Dual-Network- und REV-Skalen-Modellen gegenüber einer poren-aufgelösten Referenz für LTNE-Bedingungen.
• Analyse der Parameterformulierung: Bewertet die Wirksamkeit verschiedener Formulierungen effektiver Parameter. Sie zeigt, dass homogenisierungsbasierte Ansätze überlegen sind, um LTNE-Verhalten zu erfassen, da sie den Wärmeübergangskoeffizienten mathematisch einbeziehen, wohingegen empirische Formulierungen (Nuske, Nakayama) oft versagen, LTNE in rein leitenden Systemen ohne explizite $h$-Abhängigkeit vorherzusagen.
• Auflösungseinfluss: Hebt die kritische Rolle der räumlichen Auflösung hervor. Das Dual-Network-Modell wies Abweichungen von der Referenz auf, bedingt durch seine feste räumliche Auflösung, die nicht verfeinert werden kann, um steile Temperaturgradienten in der Nähe von Grenzen zu erfassen, im Gegensatz zum REV-Skalen-Modell, bei dem eine Gitterverfeinerung möglich ist.

4. Hauptergebnisse

• Niedriger Grenzflächenwiderstand (Hohe $h$):

  • Das System verhält sich wie LTE; Fluid- und Feststofftemperaturen sind über alle Modelle hinweg nahezu identisch.
  • Das REV-Skalen-Modell (unter Verwendung homogenisierter Parameter) stimmt eng mit der poren-aufgelösten Referenz überein.
  • Das Dual-Network-Modell zeigte leicht niedrigere Temperaturen und weniger steile Gradienten im Vergleich zur Referenz, was auf seine feste räumliche Auflösung und numerische Diffusion zurückzuführen ist.

• Hoher Grenzflächenwiderstand (Niedrige $h$):

  • LTNE-Effekte: Signifikante Temperaturunterschiede zwischen Fluid- und Feststoffphase wurden beobachtet, insbesondere in der Nähe der beheizten Grenze.
  • Modellleistung:
    • Das REV-Skalen-Modell mit homogenisierten Parametern erfasste das LTNE-Verhalten und den Temperatursprung genau und stimmte eng mit der poren-aufgelösten Referenz überein (wenn auch leicht schneller aufgrund numerischer Diffusion).
    • Das Dual-Network-Modell zeigte erneut einen weniger steilen Gradienten und niedrigere Temperaturen aufgrund seiner Unfähigkeit, das Netz an der Grenzfläche zu verfeinern.
    • LTE vs. LTNE: Modelle, die den Grenzflächenwiderstand ignorieren (LTE), konnten den Temperatursprung nicht erfassen, was die Notwendigkeit von LTNE-Modellen für Szenarien mit hohem Widerstand bestätigt.

• Formulierungen effektiver Parameter:

  • Im Fall mit hohem Widerstand versagten die Formulierungen von Nuske und Nakayama (die im leitenden Limit $h$ nicht inhärent enthalten), LTNE-Effekte zu erzeugen, und sagten stattdessen LTE voraus.
  • Nur der homogenisierungsbasierte Ansatz konnte das LTNE-Verhalten erfolgreich erfassen, da der hochskalierte Grenzflächenterm ($H = h \cdot a_{fs}$) explizit vom Wärmeübergangskoeffizienten abhängt.

5. Bedeutung und Schlussfolgerung

• Validierung der Homogenisierung: Die Studie bestätigt, dass die Homogenisierungstheorie die zuverlässigsten effektiven Parameter für REV-Skalen-LTNE-Modelle liefert, da sie die porenskalige Physik (einschließlich Grenzflächenwiderstand) rigoros mit der Kontinuumsskala verbindet.
• Grenzen von Dual-Network-Modellen: Obwohl nützlich für porenskalige Einblicke, sind Dual-Network-Modelle durch ihre feste räumliche Auflösung begrenzt. Im Vergleich zu Kontinuummodellen, die eine Gitterverfeinerung zulassen, haben sie Schwierigkeiten, scharfe thermische Gradienten in der Nähe von Grenzen aufzulösen.
• Praktische Implikationen: Für Anwendungen mit hohem Grenzflächenwiderstand (z. B. bestimmte geothermische oder kryogene Systeme) kann die reliance auf empirische effektive Parameter ohne Berücksichtigung des Wärmeübergangskoeffizienten zu erheblichen Fehlern führen (Vorhersage von LTE, wenn LTNE existiert).
• Zukünftige Arbeiten: Die Autoren stellen fest, dass Konvektion in den meisten praktischen Anwendungen ein dominierender Faktor ist, und planen, diese vergleichende Studie in einem Folgeartikel um Massentransport und konvektiven Wärmetransport zu erweitern.

Zusammenfassend stellt das Paper fest, dass REV-Skalen-Modelle, die homogenisierte effektive Parameter verwenden, der robusteste Kontinuumansatz zur Simulation von LTNE in porösen Medien sind, sofern der Wärmeübergangskoeffizient an der Grenzfläche explizit in der Modellformulierung berücksichtigt wird.