基于温熵图与㶲分析的热力循环系统优化
在工程热力学的宏大图景中，能量守恒定律（热力学第一定律）确保了总量恒定，但它对能量的品质却视而不见。无论是温热的高压蒸汽，还是弥散在环境中的微热尾气，在第一定律的账本上都具有相同的价值。然而，真正决定系统做功能力与经济效益的是能量的“品质”。为了弥补这一认知盲区，吉布斯与克劳修斯等先驱引入了“㶲”（Exergy，或称可用能）的概念。㶲分析不仅能量化能量的贬值程度，更能精准定位系统内部的薄弱环节。结合温度-熵（T-s）图的几何直观，工程师得以窥探热力循环中能量转化的全貌，并沿着不可逆损失最小化的路径展开系统优化。
从物理本质来看，㶲是一个系统在特定环境状态（环境温度 $T_0$、环境压力 $p_0$）下，通过与环境发生可逆过程所能做出的最大理论有用功。与只关注状态参数的内能或焓不同，㶲是一个包含环境参考态的复合量。对于一个微元热量传递过程，热量 $dQ$ 携带的㶲可以表示为：
$$dE_Q = \left(1 - \frac{T_0}{T}\right)dQ$$
这一表达式蕴含了卡诺循环的最高效率限制。当热源温度 $T$ 远高于环境温度 $T_0$ 时，卡诺因子 $\left(1 - \frac{T_0}{T}\right)$ 接近于1，热量几乎可以完全转化为功；当 $T$ 趋近于 $T_0$ 时，该因子的极限为零，意味着此时的热量已经退化为毫无做功能力的“冷热垃圾”。
将这一物理过程映射到温度-熵（T-s）图上，其几何意义便豁然开朗。在一个标准的 $T-s$ 图中，系统的状态变化形成了一条曲线。如果我们以环境温度 $T_0$ 为基准画一条水平轴，那么系统在状态 1 到状态 2 之间发生宏观状态变化时，其吸收或放出的热量在图上表现为曲线下方与坐标轴包围的面积。而对应的㶲变，则是扣除了以 $T_0$ 为底边、熵变为高所构成的矩形面积之后剩余的变温换热面积。换句话说，在 $T-s$ 图中，任何高于环境温度的面积代表着有效能，而低于环境温度或被强制释放到环境中的温差区域，则直观地勾勒出了能量降级的轨迹。
㶲损失的机制与不可逆性剖析
热力循环的根本使命是将热能高效转化为机械能或利用机械能实现热量转移，但在现实的工程世界中，摩擦、有限温差传热、节流以及自由膨胀等不可逆因素无处不在。根据热力学第二定律，任何不可逆过程都会导致熵的产生（熵增 $\Delta S_{gen} > 0$），而这直接伴随着㶲的破坏，即㶲损失（Exergy Destruction）。
根据古依-斯托od定理（Gouy-Stodola Theorem），系统在特定环境下的㶲损失与环境温度及系统内部的熵增成正比：
$$I = T_0 \Delta S_{gen}$$
这一简洁而深刻的公式将微观的耗散与宏观的性能损失紧密联系在一起。在 $T-s$ 图上，这种不可逆性表现得淋漓尽致：
- 有限温差换热损失：在锅炉、蒸发器或冷凝器中，如果热流体与冷流体之间存在较大的温度差，热量便会自发地由高温区向低温区跃迁。在 $T-s$ 图中表现为冷热两条曲线之间存在明显的“楔形”温差夹角。温差越大，相应的熵增 $\Delta S_{gen}$ 就越大，导致大量高品质的高温㶲在无形中降级为低品位热能。
- 流体流动与机械摩擦损失：无论是透平膨胀机的内部流动、压缩机的压缩过程，还是管道和阀门中的节流，黏性摩擦和涡流都会将机械功直接耗散为内能。在 $T-s$ 图中，这类过程表现为实际膨胀线向右偏离理想的可逆等熵线。原本可以输出的机械功转化为系统内部的温升，不仅无法回收，反而加剧了系统向环境的无谓散热。
以常见的朗肯动力循环为例，工质在锅炉内的吸热过程若伴随着巨大的烟气侧与工质侧温差，T-s图上加热段的斜率匹配失调就会导致高达百分之二三十的㶲损失。这解释了为什么单纯提高主蒸汽温度并不总能带来线性的效率飙升——如果系统内部的不可逆熵增同步放大，增加的高温㶲大部分会在途中被无情消耗。
动态匹配与㶲效率评估体系
为了对复杂循环进行精细化诊断，单纯依靠整体热效率（基于第一定律）是远远不够的。热效率往往会掩盖局部缺陷，而基于㶲分析的效率评价体系（第二定律效率或㶲效率 $\eta_{ex}$）则直击要害。㶲效率定义为产出的有效㶲与投入的有效㶲之比：
$$\eta_{ex} = \frac{E_{out}}{E_{in}} = 1 - \frac{I + E_{loss}}{E_{in}}$^
其中 $E_{loss}$ 表示直接排放到环境中的未利用㶲（如排气余热或冷却水带走的㶲）。
在优化设计阶段，工程师会绘制“㶲平衡图”（Grassmann图），它像一张资产负债表，清晰地展示了燃料带入的总㶲是如何在锅炉、透平、冷凝器和泵等各个核心部件中被层层剥离的。例如，在一个典型的燃气-蒸汽联合循环中，通过㶲分析可以发现，常规燃气轮机的燃烧室是最大的“销金窟”，由于剧烈的化学反应和极高的温度跃迁，燃烧过程贡献了整个系统近半数的㶲损失；紧随其后的则是余热锅炉中的传热温差损失。
寻找不可逆损失最小化的优化路径
明确了损失的症结所在，系统优化的方向便水到渠成。优化的核心哲学是：顺应热力学规律，消除不必要的驱动势差，实现能量转化过程中的“场-流”协同。 具体而言，可以采取以下路径：
- 梯度利用与梯级配置（温度场匹配）：针对有限温差传热引起的㶲损失，核心策略是让工质的吸热/放热曲线尽可能贴合热源的放热/吸热曲线。在 $T-s$ 图或 $q-T$ 图中，这意味着减小冷热流体曲线之间的“错位”面积。例如，在先进的超超临界发电系统中采用多次再热技术，或者在有机朗肯循环（ORC）中选用混合工质以实现滑温相变，都是通过缩小换热温差来逼近可逆极限的经典实践。
- 部件内部流场与结构重构：对于透平和压缩机等流体机械，优化叶片三维型线、减小边界层分离和二次流损失，能够使实际膨胀/压缩过程尽可能向等熵线靠拢。在 $T-s$ 图上表现为实际终点向理想终点收敛，从而减少摩擦导致的内能回溯。
- 多能互补与冷热电联供（CHP/CCHP）：制冷循环或低品位余热回收常面临“高㶲低用”的尴尬。通过引入吸收式制冷、热泵或梯级能量回收装置，将动力循环排出的中低温余热重新组织并阶梯式发掘，使整个系统的总体㶲效率实现成倍跃升。
微型案例： 某工业余热回收系统原设计采用单压有机朗肯循环，废气温度 300℃，工质在蒸发器中以恒温吸热。由于烟气温度随放热不断下降，两者在 $T-s$ 坐标系下的换热温差极大，导致蒸发器局部的㶲损失高达总输入㶲的 35%。经优化后，设计人员改用双压系统并匹配非共沸混合工质，使工质在蒸发段呈现与烟气温降斜率相匹配的“滑温升华”特性。调整后，冷热流体温差显著缩小，该换热环节的㶲损失骤降 40%，整个系统的净发电功率提升了 18%。
综上所述，结合温熵图的直观几何特征与严密的㶲分析方法，现代热力学工程师得以将抽象的能量耗散具象化。通过持续审视并压缩每一个局部的不可逆损失，动力与制冷循环系统正朝着极限效率的方向不断逼近，为全球绿色低碳转型提供坚实的工程理论支撑。