当前位置: 首页 > news >正文

LOW-E玻璃宣传中的几个问题

LOW-E玻璃宣传中的几个问题

【摘 要】:本文依据LOW-E玻璃的物理性能分析有关宣传中出现的不足之处,以利于正确宣传和推广LOW-E玻璃。

【关键字】:低辐射(LOW-E),红外反射,传热系数(K值)

 “中国玻璃”两次发表王耶的文章,讨论了有关LOW-E玻璃宣传中的一些问题。这种讨论对于科学地宣传和推广LOW-E玻璃是有利的。本文将对这些问题作进一步的论述。
     正如王耶的文章中指出的,在一些宣传文章和广告中片面渲染了LOW-E膜对热辐射的高反射所引起的节能作用,典型的说法如:“夏天LOW-E膜把室外远红外辐射反射回去,保持室内凉爽,冬天把室内的远红外辐射反射回去,保持室内温暖……。”类似的宣传使人误以为只要装上一片LOW-E玻璃就可达到很好的保温效果了。更有的广告称只要在玻璃上贴上该厂商生产的“LOW-E贴膜”,传热系数就可以降到1左右,比普通玻璃的保温性能提高六倍。这类宣传使一些读者误认为有了LOW-E玻璃或LOW-E贴膜就不必再用中空玻璃和真空玻璃了。另外有些宣传只强调LOW-E玻璃的保温作用,而不宣传LOW-E玻璃不仅有“高透型”,还有“遮阳型”,也有很好的遮阳隔热作用,使人误以为LOW-E玻璃只适用于北方地区。应该说不正确的宣传会产生明显的误导作用。
下面先从单片LOW-E玻璃的保温性能入手来分析这类宣传的问题所在。
    1、单片LOW-E玻璃的保温性能如何?
    窗玻璃两侧即室内外的热交换可用示意图1说明,图中假设为冬季夜间,无太阳辐射,热量从室内传向室外。

图1中空气导热是指气体分子无规则运动时互相“碰撞”而传递热能。空气对流传热是指各部分气体因温差而产生自然对流而传递热能。辐射传热的机理则与前二者有本质不同,是物体之间通过电磁波辐射、反射、吸收,透射等物理过程交换热量,其结果是将热量由表面温度高的物体传向温度低的物体,在图1情况下则是室内的墙壁、家具、人体等与窗玻璃进行辐射热交换。

在室内外温差较大的情况下,图1所示上述三种传热中起主导作用的是对流传热。对流传热远大于空气导热,整个空气传热(对流加导热)又远大于辐射传热,图1中LOW-E膜在室内侧,可以减少室内侧的辐射传热量,对降低传热量有一定作用,对室外辐射传热则无影响,对两侧占主导地位的气体传热基本无影响,所以不能说有了LOW-E膜反射红外热辐射就可“保持室内温暖”。

那么有了LOW-E膜对玻璃保温性能到底有多大改善呢?为了科学地定量地表示窗的保温性能,引入窗户的传热系数(简称K值,美国称U值)的概念,其定义为:当室内外空气温差为1度(1℃或1K)时,通过单位面积窗玻璃室内空气和室外空气之间传递的热功率,我国法定单位为Wm-2K-1。当然K值越小保温性能越好。传热系数的定义也适用于整窗、墙壁及屋顶等建筑围护结构。

如图1中窗玻璃为5mm普通玻璃,按中国国家标准可算出K值约为6 Wm-2K-1。那么如果换成LOW-E玻璃后K值能降低多少呢?

图2给出美国伯克利—洛仑兹实验室M.Rubin教授等所作的玻璃K值模拟计算结果[3],图中给出单片玻璃,空气层厚度为12.7mm的中空玻璃和双中空玻璃的“K值---辐射率ε”关系图。模拟的室外温度为-18℃,风速24kmh-1。图中用阿拉伯数字标明LOW-E膜所在位置,数字1表明LOW-E膜在从外数第1表面,依次类推。本文作者在M.Rubin的原图上加上了LOW-E真空玻璃的曲线。

由图2上端的两条曲线可见,如果用膜辐射率为10%的单片LOW-E玻璃,当LOW-E膜在室内侧(图中第2表面),K值约为4.7 Wm-2K-1,比用普通玻璃(ε=84%)降低20%。当LOW-E膜在室外侧时,K值约为5.8 Wm-2K-1,与普通玻璃相比差别不大,主要是因为室外气体对流传热更大,使降低辐射传热的影响甚微。但即使K值达到4.7也远远不能满足节能窗的要求。建筑围护结构中墙体的K值远小于此值,正逐渐淘汰的三七砖墙K值约为1.8,各种新型墙体的K值已达到0.4-1.0之间,窗的K值起码也应达到三七墙的水平,而且由于窗框的K值大多在2.0以上,所以窗玻璃的K值必须作得更低才能“拉”低整窗的K值。

总之,单片使用LOW-E玻璃的K值高,保温性能差。

2、单片使用LOW-E玻璃K值高、保温性差的原因何在?
图3给出传热系数(K值)构成图

http://www.jsqmd.com/news/513618/

相关文章:

  • OpenAI Grok Curve 训练指南:10个常见问题与解决方案
  • Qwen3.5-9B科研助手部署:论文图表理解+公式推导+文献摘要生成实战
  • Eino框架全景解析:从对话到Agent实战(非常详细),收藏这一篇就够了!
  • CasRel开源可部署方案:支持HTTPS+Token鉴权的企业级API安全接入
  • 科研复现神器:Miniconda-Python3.10镜像创建独立环境实战
  • reMARS回顾:零碳目标与履约网络技术
  • Pixel Dimension Fissioner真实案例:将枯燥API文档裂变为开发者探险地图
  • Android端MNN实战:从零部署MNIST手写数字识别模型(附完整代码)
  • ViT图像分类-中文-日常物品低成本方案:消费级显卡跑专业级识别
  • GLM-OCR与Dify工作流集成:打造智能文档处理AI Agent
  • 如何使用Rainmeter生成网络连接诊断报告:自动分析网络状态的完整指南
  • Phi-3-Mini-128K惊艳效果:多轮追问‘为什么’仍保持上下文一致性与准确性
  • OpenClaw调试技巧:GLM-4.7-Flash任务失败时的5种排查方法
  • OpenClaw+ollama-QwQ-32B:自动化技术文档翻译与校对
  • Wan2.2-I2V-A14B实战:电商卖家如何批量生成商品视频
  • Linux驱动工程师的底层工程真相:设备树、工具链与启动流程
  • DeOldify图像上色服务快速体验:无需代码的在线演示与API调用
  • Qwen2.5-7B-InstructGPU算力优化:bf16自动识别+device_map防爆显存
  • TI毫米波雷达(六)—— chirp参数优化实战指南
  • VT System连接全攻略:从单机箱到多机箱组网(含VT6000配置避坑指南)
  • Pixel Dimension Fissioner实际作品:为独立游戏开发者的剧情对话树裂变生成工具
  • Rainmeter插件安全编码标准:C++20安全特性完整指南
  • 【傅里叶神经算子(FNO)】第2章 傅里叶神经算子核心架构与谱方法原理
  • Vue3 + Element Plus图片上传避坑指南:如何优雅处理单图上传与缩略图展示
  • Qwen3-ASR-1.7B与MySQL集成:语音识别结果存储与分析方案
  • Pixel Dimension Fissioner完整指南:文本裂变→状态监控→结果导出闭环
  • 2026年毕业论文降AI后格式全乱了?3步恢复原始排版 - 还在做实验的师兄
  • AI读脸术镜像使用技巧:批量处理图像的部署方法
  • 想得少反而做得好?一文读懂如何训练Deep Research智能体
  • Pixel Dimension Fissioner开发者案例:技术文档可读性提升的像素化改写方案