1. 项目概述与模型设计思路1.1 为什么要盯上“平行双流道”这个结构PEM电解槽质子交换膜电解槽的流场板设计是决定整台电解槽性能的关键环节之一。简单说流道做的事情就是两件把去离子水均匀送到膜电极组件MEA表面同时把产生的氧气、热量及时带走。流道设计得好不好直接反映在极化曲线上更直接反映在电解槽的长期运行寿命上。平行双流道是流场板里非常经典的一种构型。所谓“平行双流道”并不是指整块板上只有两条流道而是指整个流场由两组平行的流道组构成进水和出水分别走各自的流道组在入口和出口端通过集流槽汇流。相比单蛇形流道那种一条道走到头的设计平行流道的最大优势是压降低、流量分配更均匀但代价是如果设计不当容易出现局部滞流区导致热量和气泡堆积。我在一开始接触这个课题时最先考虑的问题就是为什么非要做非等温模型很多文献里为了简化计算直接假设整个电解槽恒温在60摄氏度或80摄氏度这样做出来的极化曲线当然也能看但一旦你要优化流道结构或者考察不同进水温度、不同电流密度下的温度分布等温模型就完全不够用了。原因很简单PEM电解槽在2A/cm²以上的电流密度下运行时膜电极局部产热量非常可观。我曾在一台小型测试电解槽上实测过在2.5A/cm²的电流密度下膜电极中心区域和流道入口之间可以出现8到12摄氏度的温差。这个温差会反过来影响膜的质子传导率、电化学反应速率以及水的饱和蒸汽压进而影响整个电解槽的性能和稳定性。这就形成了一个必须通过非等温模型才能捕获的耦合回路。1.2 这个模型到底要解决什么问题这个项目的核心目标是搭建一个能够描述平行双流道PEM电解槽内流动、传热和电化学耦合过程的数值模型。它需要能回答下面这几个问题给定进水流量和进水温度膜电极表面的温度分布是什么样的热点在哪个位置两条平行流道组之间的流量分配是否均匀为什么会出现流量分配不均不同电流密度下电解槽的极化曲线是什么样欧姆阻抗和活化过电位各自占多少流道的几何尺寸宽度、深度、肋宽变化后温度均匀性和压降会怎么变说白了这个模型就是为流场板优化提供决策依据的。在拿到这个模型之前我做过不少“拍脑袋”式的流道设计——先画个图做出来再上测试台测极化曲线性能不好就再改。这种方法极其耗时一套流场板从设计到加工到测试两三个星期就过去了。而有了可靠的数值模型可以在两天内完成几十组几何参数的虚拟筛选大幅压缩迭代周期。1.3 技术路线选择为什么用计算流体力学而不是纯集总参数做PEM电解槽模型业内大致有三条路零维/一维集总参数模型把整个电解槽看作一个黑箱用经验公式描述电压-电流关系优点是计算极快但无法给出空间分布信息二维或三维计算流体力学模型精细求解流道内的速度场、温度场、浓度场和电势场能给出详细的分布信息但建模周期长、计算量大多孔电极理论结合宏观均质模型把气体扩散层、催化层当作多孔介质处理用体积平均后的守恒方程描述算力和精度之间相对均衡这个项目最终采用的是第三种路线并在其基础上做三维稳态求解。原因在于纯集总模型没法回答流量分配和热点位置的问题而完全解析流道内的每一个微观气泡行为在目前的计算资源下也不现实。多孔电极理论加宏观均质模型的组合既能在工程精度范围内描述催化层内的电化学反应和质量输运也能通过达西定律描述流道和多孔层内的流动性能和精度是比较平衡的选择。提示如果你只是想快速评估MEA配方的影响零维模型完全够用。但如果你想优化流场板结构三维模型这个坑迟早要跳进来。2. 非等温模型的理论与关键参数2.1 五个守恒方程一个都不能少搞清楚理论部分之前先明确一个原则PEM电解槽的非等温模型说到底就是求解一组耦合的偏微分方程组。这组方程包括质量守恒、动量守恒、能量守恒、电荷守恒和组分守恒。五个方程必须联立求解因为它们之间互相耦合。质量守恒方程描述的是流道和扩散层内水的总质量守恒。在流道区域可以写成标准的连续性方程[ abla \cdot (\rho \mathbf{u}) S_m ]其中(\rho)是混合物的密度(\mathbf{u})是速度矢量(S_m)是质量源项。这个源项在流道里通常为零但在催化层里不为零——因为电化学反应在消耗水的同时也在产生氧气。这是模型里第一层耦合流动影响着反应物的供给反应产生的气体又反过来改变着流场内的两相分布。动量守恒方程解决的是流道内流速和压力分布的问题。在流道这种开放区域用标准纳维-斯托克斯方程描述而在气体扩散层和催化层这种多孔介质区域流动不能再按自由流处理而要用达西定律[ \mathbf{u} -\frac{K}{\mu} abla p ]这里(K)是渗透率(\mu)是动力黏度。气体扩散层的渗透率典型值在(10^{-12})到(10^{-11},\text{m}^2)量级催化层更低大约(10^{-13})到(10^{-12},\text{m}^2)。这个数量级的差异意味着气体扩散层对流动的阻力远远大于流道实际操作中水和气的主要输运通道就是流道而穿过气体扩散层的横向流动量非常有限。能量守恒方程是这次项目的重头戏也是非等温模型区别于等温模型的核心。能量方程里包含了三个关键的热源或热汇项电化学反应产生的热量、焦耳热欧姆热以及水蒸发或冷凝涉及的潜热。[ \rho c_p \mathbf{u} \cdot abla T abla \cdot (k_{\text{eff}} abla T) S_{\text{react}} S_{\text{ohm}} S_{\text{latent}} ]其中(S_{\text{react}})是电化学反应热主要来自过电位不可逆损失(S_{\text{ohm}})是焦耳热来自膜内质子传导电阻和电子传导电阻(S_{\text{latent}})是水相变潜热。以2A/cm²的电流密度为例单电池总发热量大约是0.3到0.5W/cm²这里面过半是焦耳热四成左右是反应过电位损失这个比例随着电流密度升高还会变化。电荷守恒方程描述的是质子传导和电子传导。膜和催化层内求解质子电势(\phi_m)电子导电相内求解电子电势(\phi_s)。方程形式类似拉普拉斯方程但催化层里有电化学反应源项。膜的质子传导率对温度和含水量高度敏感这就是为什么非等温模型要比等温模型准确的一个根本原因——等温模型里膜的传导率是常数而非等温模型里温度分布会直接影响局部膜的离子电导。组分守恒方程解决的是流场内各组分水、氧气、氢气的浓度分布。在阳极侧主要考察水蒸气和氧气的摩尔分数在阴极侧考察水蒸气和氢气。这个方程也包含了扩散项、对流项和反应源项。2.2 电化学源项与Butler-Volmer方程电化学源项是整个模型的“引擎”。没有这个源项所有守恒方程都只是一堆空壳。在PEM电解槽中阳极发生析氧反应阴极发生析氢反应。阳极 [ 2H_2O \rightarrow O_2 4H^ 4e^- ]阴极 [ 4H^ 4e^- \rightarrow 2H_2 ]电极动力学用Butler-Volmer方程描述。针对电解水这种反应阳极过电位通常很高在1A/cm²下可以达到0.3到0.45V所以阳极动力学往往可以用塔菲尔形式简化[ i_a i_{0,a} \left( \frac{C_{H_2O}}{C_{H_2O,ref}} \right) \exp\left( \frac{\alpha_a F \eta_a}{RT} \right) ]这里(i_{0,a})是阳极交换电流密度(\alpha_a)是阳极传递系数经验值大概在0.5到1.5之间(\eta_a)是阳极过电位。阳极交换电流密度这个参数很敏感不同文献给出的数值可以差两个数量级这也是模型标定过程中最头疼的参数之一。阴极析氢反应的动力学要快得多过电位在0.05到0.1V左右就能驱动很高的电流密度所以在模型中通常可以用线性化的Butler-Volmer或者简单的塔菲尔公式表示。2.3 膜内水传输的三种机制膜的含水量直接决定质子电导率而膜内水的传输受三种机制共同影响电渗透拖曳每个质子从阳极迁移到阴极时会拖着一定数量的水分子一起走这个数是电渗透拖曳系数(n_d)在Nafion膜中大约在1到2.5之间浓度扩散膜两侧含水量不同时水分子会在浓度梯度的驱动下从高浓度侧向低浓度侧扩散压差驱动如果阴阳极压力不同会产生压力驱动的渗透流。对于PEM电解槽阳极通常常压或微正压运行阴极可以加压到30甚至50bar来获得高压氢气这时候压差驱动的水传输就不可忽略膜相水的守恒方程要综合考虑这三种机制。膜的水含量(\lambda)与膜内水活度之间的关系通常用经验吸附等温线描述而且Nafion膜的质子电导率随温度和含水量的变化可以写成经验公式[ \sigma_m (0.005139\lambda - 0.00326) \exp\left[1268\left(\frac{1}{303} - \frac{1}{T}\right)\right] ]这个公式最早是Springer等人为Nafion 117拟合的后来大量文献沿用。可以看到温度从303K升高到353K指数项会带来显著的传导率提升这正好说明非等温模型里温度场和电化学场耦合的重要性。2.4 关键参数清单从文献到实测的校准路模型参数是整个项目里最容易被低估的部分。一组靠谱的参数值得花几周去抠。下面是我在建模过程中用的关键参数表参数数值来源与备注流道宽度1.0 mm常规加工范围流道深度0.8 mm兼顾压降与接触面积肋宽1.0 mm影响肋下传质气体扩散层渗透率1e-12 m²文献值需按品牌校准催化层渗透率1e-13 m²影响反应物到达活性位点的输运膜厚度127 µmNafion 115也可用Nafion 117183 µm膜质子传导率由水和温度公式求得见上节阳极交换电流密度1e-3 A/cm²强烈依赖催化剂载量和工艺需标定阴极交换电流密度1e-1 A/cm²阴极动力学远快于阳极阳极传递系数1.5经验范围0.5-1.5开路电压1.23 V热力学可逆电压常温常压下工作温度333 K60°C基准工况这些参数里交换电流密度和渗透率是模型计算结果对实验数据拟合时最灵敏的旋钮。我一般先固定文献初值然后通过调节交换电流密度让模型极化曲线和实测极化曲线在低电流密度段重合再通过调节接触电阻和膜厚度相关的参数让高电流密度段重合。这个过程现在已经是我的标准操作了。3. 平行双流道几何构建与网格划分3.1 几何模型的简化原则很多新手做流场板三维建模时巴不得把流道里每一个倒角、每一颗螺栓孔都画出来。这个思路必须纠正。几何模型的目的是捕捉影响物理过程的本质特征而不是复刻加工图纸。我的做法是只保留流道区域、气体扩散层区域、催化层区域和膜区域。流场板的实体金属部分不建模因为钛板的导热系数非常高约16W/(m·K)在薄板厚度方向上的温差极小完全可以用对流换热边界条件代替。这样做的直接好处是网格数量可以降低一到两个数量级计算时间大大缩短。平行双流道具体怎么简化比如设计一条流场板宽度50mm活性区长度50mm流道间距1mm取三条完整流道作为代表性单元即可。因为平行流道组的周期性很强取全部几十条流道做完整三维建模算力需求大但对于工程方案比选来说收益有限。当然如果是研究入口集流槽设计对流量分配的影响那就要把整个流场板都建出来因为流量分配不均恰恰是由入口和出口汇流区的形状决定的。3.2 网格划分边界层的设置是关键网格划分是整个CFD建模中最容易因为偷懒而翻车的一步。PEM电解槽模型涉及的物理过程跨度极大流道里水流动的雷诺数可能只有几百属于层流而膜内质子传导的特征尺度是微米级。这些不同尺度的物理过程对网格密度、网格类型的要求完全不同。我在实际划分网格时遵循以下几个经验法则流道区域使用六面体网格在近壁面处加3到5层边界层网格第一层网格高度设置在0.02mm左右保证速度梯度和温度梯度在壁面附近被分辨开气体扩散层使用扫掠网格厚度方向4到8层这里主要是捕捉穿过气体扩散层方向的传质和传热梯度催化层和膜使用扫掠网格厚度方向各4到6层因为这两个区域的电化学反应和质子传导只在厚度方向上有显著梯度面内方向的梯度相对较小网格总数控制在一个百万量级比较合适再高的话单次稳态求解的时间就会过于漫长不利于参数扫描。3.3 网格无关性验证到底怎么做网格无关性验证是必须做的但很多朋友做的方法不对。我不是说去找网格数翻倍而结果变化不超过1%那种教科书式验证而是建议针对你最关心的物理量做验证。在这个项目中我最关心的是膜表面的温度分布和极化曲线。我分别用50万、100万和200万网格量进行了计算对比了膜中心线上的最高温度网格数膜中心最高温度与200万网格偏差50万344.8 K0.6 K100万345.2 K0.2 K200万345.4 K基准值100万网格和200万网格的最高温度偏差只有0.2K温度分布曲线几乎重合最终在100万网格的基础上继续做后续参数化研究。这个验证过程在网格从粗到细的变化过程中重点关注最高温度和压降这两个最容易受网格疏密影响的量。4. 代码实践物理场、边界条件与求解配置4.1 求解器选择商业软件还是开源框架这个题目里包含了“代码实践”那就必须正面回答用什么工具实现。老实说PEM电解槽全耦合三维模型用OpenFOAM从头写求解器工作量是非常可观的没有半年到一年的专职投入很难跑出可靠结果。而用COMSOL Multiphysics的“电化学-流体-传热”模块组合可以在几天到两周内完成建模和首轮计算。如果是团队已经有COMSOL使用经验我更推荐先用COMSOL做模型验证和机理研究后续再考虑把成熟模型移植到开源框架做批量计算。这里我给出一个用Python完成的简化版非等温模型示意代码展示耦合求解的基本思路。这个代码虽然简化到了准一维但完整保留了电化学-温度-膜含水量的耦合逻辑理解它之后再在商业CFD软件中搭建完整三维模型脉络会清楚很多。4.2 核心代码框架与物理场设置import numpy as np from scipy.integrate import solve_ivp from scipy.optimize import brentq # 基础物理常数 F 96485.0 # 法拉第常数 C/mol R 8.314 # 气体常数 J/(mol·K) # 电池设计参数 i_ref 20000.0 # 参考电流密度 A/m^2 T_ref 353.0 # 参考温度 K # 几何参数 L_channel 0.05 # 流道长度 m delta_mem 127e-6 # 膜厚度 m delta_gdl 255e-6 # 扩散层厚度 m width_cell 0.001 # 单元宽度 m单流道代表性单元 def membrane_conductivity(lambda_m, T): # Springer经验公式膜的质子电导率 return (0.005139 * lambda_m - 0.00326) * np.exp(1268.0 * (1.0/303.0 - 1.0/T)) def water_content_from_activity(a_w): # 简化吸附等温线 if a_w 1.0: return 0.043 17.81 * a_w - 39.85 * a_w**2 36.0 * a_w**3 else: return 14.0 1.4 * (a_w - 1.0) def cell_voltage_T(T_avg, current_density, lambda_anode, lambda_cathode): 计算给定温度和电流密度下的电池电压 T_avg: 平均温度(K), current_density: A/m^2 E_rev 1.23 - 0.9e-3 * (T_avg - 298.15) # 可逆电压温度修正 # 阳极过电位使用塔菲尔形式 i0_a 1.0e-1 * np.exp(50000.0 / R * (1.0/T_ref - 1.0/T_avg)) eta_a R * T_avg / (1.5 * F) * np.arcsinh(current_density / (2.0 * i0_a)) # 阴极过电位 i0_c 1.0e2 * np.exp(30000.0 / R * (1.0/T_ref - 1.0/T_avg)) eta_c R * T_avg / (0.5 * F) * np.arcsinh(current_density / (2.0 * i0_c)) # 膜欧姆过电位 sigma_m_anode membrane_conductivity(lambda_anode, T_avg) sigma_m_cathode membrane_conductivity(lambda_cathode, T_avg) sigma_m_avg 0.5 * (sigma_m_anode sigma_m_cathode) R_ohm_mem delta_mem / sigma_m_avg # 接触电阻来自GDL与双极板、GDL与催化层界面 R_contact 0.01 / 10000.0 # 0.01 Ohm·cm² 换算为 m² R_ohm_total R_ohm_mem R_contact / (width_cell * L_channel) eta_ohm current_density * R_ohm_total return E_rev eta_a eta_c eta_ohm def solve_temperature_profile(current_density, T_in, m_dot, lambda_anode, lambda_cathode): 沿流道方向求解温度分布简化一维能量守恒 返回流道方向的温度曲线 # 热流密度主要来自不可逆热和焦耳热 T_guess T_in voltage cell_voltage_T(T_guess, current_density, lambda_anode, lambda_cathode) q_total (voltage - 1.23) * current_density # W/m^2 # 假设热量的80%被流道中的水带走另20%通过端板散失 q_fluid 0.8 * q_total cp_water 4180.0 # J/(kg·K) m_dot_per_cell m_dot / 1000.0 # kg/s假设1000个并联单元 dT q_fluid * (width_cell * L_channel) / (m_dot_per_cell * cp_water) return np.linspace(T_in, T_in dT, 50), voltage def compute_polarization_curve(): current_densities np.linspace(0.1, 3.0, 30) * 1e4 # A/m^2, 最高到3A/cm^2 voltages [] for i in current_densities: # 迭代求解温度 T_in 333.0 lambda_a 8.0 lambda_c 6.0 for _ in range(10): T_profile, V solve_temperature_profile(i, T_in, 0.5, lambda_a, lambda_c) T_out T_profile[-1] T_avg 0.5 * (T_in T_out) lambda_a water_content_from_activity(0.9) lambda_c water_content_from_activity(0.5) T_in T_out * 0.2 T_in * 0.8 # 松弛迭代 voltages.append(V) return current_densities / 1e4, voltages if __name__ __main__: j, v compute_polarization_curve() print(电流密度(A/cm²) 电压(V)) for jj, vv in zip(j, v): print(f{jj:8.2f} {vv:6.3f})这段代码展示了一个简化模型的完整骨架。它把温度、膜含水量和电压耦合在一个循环里求解电压决定产热产热决定温升温度又反过来影响膜电导率和动力学参数从而改变电压。循环迭代到温度收敛为止。4.3 从简化模型到完整三维模型物理场设置清单如果想在COMSOL或Fluent中做完整三维求解物理场设置建议按照以下顺序进行第一先设置层流流动。流道入口给质量流量或速度边界出口给压力边界。对于平行双流道入口速度根据目标流量换算比如总进水流量100mL/min、有效流道截面积0.8mm²、20条流道每条流道流速大约是0.1m/s量级。第二设置多孔介质流动。气体扩散层和催化层区域使用达西定律需要输入渗透率和孔隙率。注意气体扩散层的面内渗透率和穿透渗透率可能有数量级差异如果使用了碳纸或碳布作为气体扩散层这种各向异性不可忽略。第三设置稀物质传递或浓物质传递。阳极流道内水是主体占绝大部分氧气为稀释组分阴极侧氢气为主体或水蒸气为稀释组分取决于计算域是一个单元的阴阳极两侧还是分开建模。第四设置电化学边界条件。在多孔电极域内设置Butler-Volmer反应源项在膜域内设置质子传导方程并指定阴阳极接地和电流加载方式。第五设置能量守恒方程。把电化学源项和欧姆热源接入热源项指定流场板外侧壁面的对流换热系数。这个换热系数的选取需要小心静止空气自然对流的情况大约5W/(m²·K)但若电解槽带有主动冷却可以到50W/(m²·K)以上。最后设置求解器稳态求解先求等温流场再激活温度场耦合这样更容易收敛。4.4 求解器调试从等温到非等温的分步策略我发现直接一步到位求解全耦合问题几乎必然会遇到收敛困难。这里有一个屡试不爽的策略第一步关闭温度方程固定等温求解流场和电化学场得到等温极化曲线。 第二步激活温度方程但把电化学热源乘以一个小系数比如0.1先把温度场算出来看看大体分布是否合理。 第三步逐步把热源系数从0.1增大到1.0每步在上一解基础上继续迭代。这个过程类似于连续方法是能够有效避免初始猜测过差导致的发散。在三维模型中这个分步策略可以浓缩成一句话先线性后非线性先等温后非等温先单物理场后多物理场耦合。5. 结果分析与模型验证5.1 极化曲线的检验极化曲线是衡量模型整体准确性的第一道关口。我拿模型的计算结果与自己实验室实测的极化曲线对比。这里有一个重要经验模型调试阶段先别想着整个电流密度范围完全重合先把注意力放在两个极限区域。低电流密度段0.1到0.5A/cm²主要受活化过电位控制如果模型在这段偏离实测超过30mV优先去检查阳极交换电流密度和传递系数。高电流密度段1.5到3A/cm²主要受欧姆过电位和传质限制控制如果这里偏离大优先检查膜的质子电导率、接触电阻和扩散层内的传质阻力。我调整后的模型结果和实测极化曲线的偏差在0.1到3A/cm²范围内小于25mV这个精度对于工程应用来说已经够用。5.2 温度分布的洞察模型最终输出的温度分布信息是它相比集总参数模型最大的价值所在。下面是我从一次典型计算中看到的现象在2A/cm²电流密度、333K进水温度下膜中心线上的温度从入口到出口逐渐升高在出口前附近达到最大值348K。这个趋势很好理解——水沿流道流动时不断吸收反应热和焦耳热温度持续上升。但更有意思的发现是在助板流道之间的肋正下方的膜区域温度显著高于流道正下方的膜区域。因为肋下区域直接与双极板接触热量从膜传递到流道中水流的路径更长散热条件更差。这个现象直接带来了一个设计思路在保证双极板结构强度的前提下适当增加流道宽度占比减少肋宽虽然会牺牲一部分接触面积和导电面积但可以有效降低膜中心温度。这种权衡在等温模型里根本无法体现只有在非等温模型里才变得可能。5.3 平行流道的流量分配分析当计算域扩展到整块流场板时可以清晰看到两条平行流道组之间的流量分配情况。流量分配的均匀程度直接取决于入口集流槽的形状和尺寸。我模拟过一种常见的对称进出口设计发现两条流道组的流量偏差在2%以内效果不错。但当我模拟另一种单侧进出口的非对称设计时近入口侧的流道组流量偏高远入口侧的流道组流量偏低偏差达到了15%。这种偏差比大多数人想象的要大得多长此以往流量低的流道组区域就会逐渐成为“热点”加速膜降解。模型的这个输出直接指导了流场板设计改动把入口集流槽加深加宽让水在进入各流道之前先有一个充分混合的空间同时保持出口对称布置。改动后流量偏差从15%压到了3%以内。6. 常见问题与排查技巧实录6.1 收敛困难最典型的三个坑在三维非等温模型的调试过程中收敛问题永远排在第一位。我遇到的典型问题有以下三类第一类是初始猜测不当导致非线性迭代发散。尤其是电化学方程的源项是强指数函数过电位稍微算偏一点源项的指数就会爆炸。解决的方法是先用较小的交换电流密度跑一个容易收敛的工况再逐步提高交换电流密度到目标值。第二类是网格质量不佳导致质量守恒不满足。多孔介质区域的网格如果扭曲度过高达西速度和压力场的耦合就容易出现震荡。解决方法是检查网格的偏斜度确保所有单元的偏斜度低于0.85。第三类是热源项数值瞬变。能量方程源项里的焦耳热来自电流密度和电势梯度的乘积而催化层内的反应热来自Butler-Volmer源项和过电位的乘积。若这两项在迭代中波动过大温度场就会剧烈震荡反过来又影响电化学参数形成恶性循环。解决方法是给热源项加一个阻尼系数比如限制单步迭代中源项变化不超过20%。6.2 参数敏感性哪个参数最值得花时间标定我做过一次系统的参数敏感性分析对模型中的几十个参数逐一扰动10%观察端电压和最高温度的变化幅度。结果很明确参数端电压灵敏度最高温度灵敏度阳极交换电流密度高中膜质子电导率系数高高接触电阻高中气体扩散层渗透率低中催化层渗透率低低流道壁面换热系数中高这个结果告诉我想把模型标定准最优先去精测的是膜的电导参数和阳极动力学参数。至于渗透率这类参数只要数量级对就行实际影响不会引起结果翻转。6.3 从仿真到实验的对标经验最后分享一个我踩过几次坑之后总结出的对标流程。先做实验在同一块流场板上测极化曲线和局部温度注意在膜电极下方埋设多个微型热电偶保证能拿到真实的温度分布数据。然后跑模型先对比极化曲线再对比温度分布。如果极化曲线对得上但温度分布对不上问题基本出在热边界条件或者热源分配上。如果温度对得上但极化曲线对不上问题基本在电化学参数上。如果两个都差得远那就老老实实回头检查边界条件有没有设错——不要小看这类低级错误我见过不止一次把阳极和阴极进水温度设反的例子。在模型标定的这条路上最忌讳的就是对着一大堆参数同时调。每次只动一个参数调完一个再动下一个虽然慢但每一步都有收获。等你把这些参数一个个都调通之后你会发现这套模型不仅对这个流场板有效换一个流道设计做预测结果可靠性也很高。到那个时候仿真在这个项目里的角色就从“锦上添花”变成“设计指导”了。