一座工廠明明遵守能量守恆，為什麼還是「浪費」了能量？

一座工廠明明遵守能量守恆，為什麼還是「浪費」了能量？

入門篇我們學到：定溫定壓下系統自發往吉布士自由能最小移動，這條原理同時決定了蒸餾能分到多純、反應能轉化到多少。但那裡有一個被刻意擱置的盲點——能量守恆從來不會被違反。一座化工廠輸入的每一焦耳能量，最後都跑到某個地方去了，第一定律的帳永遠是平的。

然而你我都知道，工廠確實會「浪費能量」：一股 800°C 的高溫廢氣直接排進大氣、一個高壓蒸氣閥把壓力白白節流掉、一個換熱器讓 600°C 的火焰去加熱 80°C 的水。這些操作沒有違反任何守恆律，能量一焦耳不少，卻讓工程師心痛。問題來了：如果能量守恆，那「浪費」到底浪費了什麼？我們又該用什麼量去衡量、去最小化它？

答案不在第一定律，而在第二定律。這正是進階化工熱力學最有力、也最常被本科生忽略的一塊——能量有「量」也有「質」，第一定律管量，第二定律管質。本文要帶你建立「能質（energy quality）」的概念，認識可用能（exergy／availability）與損失功（lost work），並看清楚為什麼整個程序最佳化的熱力學核心，其實就是一句話：把熵產降到最低。

第一定律的盲點：能量守恆但能質會衰減

考慮一個最簡單的操作——絕熱節流（adiabatic throttling），也就是讓高壓流體通過一個閥門降壓，過程不對外做功、不交換熱。對一個穩態流動系統，能量平衡（忽略動能與位能變化）化約成：

$$\dot{m}\,(h_{\text{出}} - h_{\text{進}}) = \dot{Q} - \dot{W}_s = 0$$

於是 $h_{\text{出}} = h_{\text{進}}$——焓守恆。從第一定律看，這個過程「什麼都沒損失」，能量帳完全平衡。

但用第二定律一看就完全不同。節流是一個劇烈的不可逆過程，流體的壓力被白白耗散掉，熵增加了。對絕熱過程，第二定律要求：

$$\Delta s_{\text{產}} = s_{\text{出}} - s_{\text{進}} \geq 0$$

而真實節流必然 $s_{\text{出}} > s_{\text{進}}$。這個被製造出來的熵，就是「浪費」的數學指紋。能量沒有消失，但它做功的能力消失了一部分。一桶 200°C、20 bar 的蒸氣，與同樣焓值但 200°C、1 bar 的蒸氣，能量相近，但前者能推動渦輪發電、後者大半只能拿來加熱——它們的「能質」天差地別。第一定律看不見這個差別，這就是它的盲點。

可用能：把「能質」變成一個可計算的量

要量化能質，熱力學引入了可用能（exergy，舊稱 availability，$B$ 或 $\mathrm{Ex}$）：一股物流相對於環境（溫度 $T_0$、壓力 $P_0$ 的「死狀態 dead state」）所能對外輸出的最大有用功。

對一股穩態物流，其比可用能（specific exergy，忽略動能位能）為：

$$\psi = (h - h_0) - T_0\,(s - s_0)$$

其中 $h_0$、$s_0$ 是該物質在環境死狀態下的焓與熵。這條式子的結構值得細看：它不是焓，也不是熵，而是焓減去「以環境溫度計價的熵」。注意 $T_0\,s$ 這一項——它代表「無論如何都拿不回來、必須交給環境的那部分能量」。可用能就是把總能量扣掉這份「不可用的稅金」後，剩下真正能轉成功的部分。

可用能與入門篇的吉布士自由能其實是近親。回想 $G = H - TS$；可用能 $\psi = (h - h_0) - T_0(s - s_0)$ 用的是環境溫度 $T_0$ 而非系統溫度，衡量的是「相對於環境能榨出多少功」。兩者都在回答同一類問題：在給定的約束下，系統還能對外做多少功？只是吉布士自由能問的是「化學/相變化的驅動力」，可用能問的是「整股物流的做功潛力」。

可用能最關鍵的性質是：它不守恆，只會減少或持平，絕不會無中生有地增加。 任何不可逆過程都會「摧毀」可用能。摧毀掉的那部分，就叫可用能毀滅（exergy destruction）或損失功（lost work, $\dot{W}_{\text{lost}}$），它與系統製造的熵直接掛鉤——這就是著名的 Gouy–Stodola 定理：

$$\dot{W}_{\text{lost}} = T_0 \, \dot{S}_{\text{產}}$$

讀懂這條式子，你就握住了程序最佳化的熱力學鑰匙：每製造一單位的熵，就以環境溫度為價碼，永久摧毀一份做功能力。 想少浪費，就要少製造熵。

熵產從哪裡來：三大不可逆來源

既然「浪費 = 熵產 × $T_0$」，下一個工程問題自然是：熵到底在哪些環節被製造出來？化工程序裡的熵產主要來自三類有限驅動力下的傳遞：

• 有限溫差下的傳熱：熱從高溫 $T_H$ 流到低溫 $T_C$，每傳遞 $\dot{Q}$ 的熱，製造的熵為 $\dot{S}_{\text{產}} = \dot{Q}\left(\frac{1}{T_C} - \frac{1}{T_H}\right)$。溫差越大，熵產越多。這解釋了為什麼「拿 600°C 火焰加熱 80°C 的水」是熱力學上的暴殄天物——巨大的溫差製造了巨大的熵。
• 有限壓差下的流動與節流：上一節的節流閥就是典型，壓力梯度耗散成熵。
• 有限濃度差下的混合與擴散：兩股不同組成的物流混合、或溶質從高濃度擴散到低濃度，都會製造混合熵。這也是為什麼「分離」總是要耗功——分離是在對抗自發的混合熵增。

把這三類加總，就是整個程序的總熵產。程序最佳化的熱力學版本，就是去定位這三類熵產最大的環節，設法縮小驅動力——例如用多級換熱縮小每一級的溫差、用透平回收原本要節流掉的壓力能、用更聰明的分離序列減少不必要的混合再分離。

殘留性質：真實流體偏離理想的代價

要在真實流體上算可用能，我們得先能算出真實的 $h$ 與 $s$。但熱力學課本給的多半是理想氣體的性質公式，真實流體（高壓、近臨界）會偏離。橋接這道鴻溝的工具，是入門篇深入探討提過、這裡要正式展開的殘留性質（residual property）。

任一性質 $M$（可以是 $h$、$s$、$g$）的殘留性質，定義為「真實值」與「相同 $T$、$P$ 下理想氣體值」之差：

$$M^R = M - M^{\text{ig}}$$

它的威力在於：殘留性質可以完全由狀態方程式（EOS）導出，不需要實驗逐點測量。利用熱力學的基本關係（Maxwell 關係），殘留焓與殘留熵可寫成對 EOS 的積分。以殘留焓為例：

$$H^R = -RT^2 \int_0^P \left(\frac{\partial Z}{\partial T}\right)_P \frac{dP}{P}$$

其中 $Z = PV/(RT)$ 是壓縮因子（compressibility factor），由 Peng–Robinson 等 EOS 提供。於是真實流體的焓變、熵變，就拆成「理想氣體部分（好算，只跟溫度有關）」加上「殘留部分（由 EOS 算偏離）」兩塊：

$$\Delta h = \underbrace{\int_{T_1}^{T_2} C_P^{\text{ig}}\, dT}_{\text{理想氣體}} + \underbrace{(H_2^R - H_1^R)}_{\text{真實偏離}}$$

這套「理想參考 + 殘留修正」的拆解，正是 Aspen Plus、HYSYS 在背後算每一股物流可用能的標準路徑。你在模擬器裡看到的每一個物流可用能數字，骨子裡都是這條式子在運轉。

看一個例子

讓我們把「損失功 = $T_0 \dot{S}_{\text{產}}$」落到數字上，量化一個換熱器到底浪費了多少做功能力。

問題：某製程用一股 $T_H = 500\ \text{K}$ 的熱源，穩態地對一股 $T_C = 350\ \text{K}$ 的冷流加熱，熱負荷 $\dot{Q} = 100\ \text{kW}$。環境溫度 $T_0 = 300\ \text{K}$。假設兩股溫度在此區間近似定溫。試求此換熱過程的熵產率與損失功，並評估若改用 $T_H = 380\ \text{K}$ 的較低溫熱源（溫差縮小）能省下多少損失功。

第一步，算原方案的熵產率。熱源放出 $\dot{Q}$（熵減 $\dot{Q}/T_H$），冷流吸收 $\dot{Q}$（熵增 $\dot{Q}/T_C$），淨熵產：

$$\dot{S}_{\text{產}} = \dot{Q}\left(\frac{1}{T_C} - \frac{1}{T_H}\right) = 100\left(\frac{1}{350} - \frac{1}{500}\right) = 100 \times (0.002857 - 0.002000) = 0.0857\ \text{kW/K}$$

第二步，用 Gouy–Stodola 算損失功：

$$\dot{W}_{\text{lost}} = T_0\,\dot{S}_{\text{產}} = 300 \times 0.0857 = 25.7\ \text{kW}$$

也就是說，這個看似「100% 把熱送到了」的換熱器，從第一定律看毫無損失，但其實摧毀了 25.7 kW 的做功能力——相當於把 100 kW 熱量裡約四分之一的「能質」變成了不可回收的熵。

第三步，改用低溫熱源（$T_H = 380\ \text{K}$），溫差從 150 K 縮到 30 K：

$$\dot{S}_{\text{產}}' = 100\left(\frac{1}{350} - \frac{1}{380}\right) = 100 \times (0.002857 - 0.002632) = 0.0226\ \text{kW/K}$$

$$\dot{W}_{\text{lost}}' = 300 \times 0.0226 = 6.77\ \text{kW}$$

第四步，比較。只是把熱源溫度從 500 K 降到剛好夠用的 380 K，損失功就從 25.7 kW 砍到 6.77 kW，少浪費了約 74%。這就是「能量匹配（energy matching）」的威力——讓熱源的溫度貼近真正需要的溫度，別用高溫去做低溫就能做的事。整道題沒有改變任何能量守恆的帳（兩種方案都是傳 100 kW），卻在第二定律的尺上量出了天壤之別。這正是熱整合（heat integration）與夾點分析（pinch analysis）的出發點。

重點回顧

• 第一定律管能量的量（永遠守恆），第二定律管能量的質；工廠的「浪費」不是能量消失，而是做功能力（可用能）被不可逆過程摧毀。
• 可用能 $\psi = (h - h_0) - T_0(s - s_0)$ 是一股物流相對環境的最大做功潛力，它不守恆、只減不增，與吉布士自由能同源但以環境溫度 $T_0$ 計價。
• Gouy–Stodola 定理 $\dot{W}_{\text{lost}} = T_0\,\dot{S}_{\text{產}}$ 把「浪費」與「熵產」一一對應：少製造熵，就少摧毀做功能力。
• 熵產主要來自三類有限驅動力傳遞：溫差傳熱、壓差節流、濃度差混合擴散；最佳化就是去縮小這些不必要的驅動力。
• 殘留性質 $M^R = M - M^{\text{ig}}$ 由狀態方程式導出，是把真實流體可用能算準的工程橋樑（「理想參考 + 殘留修正」）。

深入探討（研究所視角）

本文用 Gouy–Stodola 定理把「最佳化」收斂成一句「最小化熵產」，這在研究所層級會被推廣成一整套設計哲學。把整個程序的可用能平衡寫成穩態形式：

$$\sum_{\text{進}} \dot{m}\,\psi - \sum_{\text{出}} \dot{m}\,\psi + \sum_j \dot{Q}_j\left(1 - \frac{T_0}{T_j}\right) - \dot{W}_s = \dot{E}_D$$

左邊是「進出物流可用能 + 各熱源帶入的可用能 − 對外做的功」，等號右邊的 $\dot{E}_D = T_0\,\dot{S}_{\text{產}} \geq 0$ 就是可用能毀滅率。這條式子讓工程師能對程序的每一個單元做可用能稽核（exergy audit），逐一算出泵、塔、換熱器、反應器各自毀滅了多少可用能，把改善資源精準投到「最浪費」的環節，而不是憑直覺。由此定義的第二定律效率（exergetic efficiency） $\eta_{II} = \dot{E}_{\text{有用輸出}} / \dot{E}_{\text{輸入}}$，比只看能量的第一定律效率誠實得多——一個第一定律效率 90% 的鍋爐，第二定律效率可能只有 30%，因為它把高品質的化學能拿去做了低溫加熱。

更前沿的方向把這套框架與最佳化數學正式結合。夾點分析用熱組合曲線（composite curves）找出換熱網路的能量回收上限與最小驅動力位置；而熱經濟學（thermoeconomics／exergoeconomics）進一步給每一份可用能毀滅標上金錢成本，把「熵產最小」與「總成本最小」放進同一個目標函數裡求解。這正呼應 Uedu 優化學的核心母題：真實的程序設計，是在守恆律（第一定律）與不可逆性代價（第二定律）的雙重約束下，求解一個多目標最佳化問題——而可用能，就是把「熱力學浪費」翻譯成可被最佳化器讀懂的那把通用尺。當代研究更把可用能分析延伸到生命週期評估（LCA）、碳捕捉與再生能源整合，讓「少製造一單位的熵」與「少排放一單位的碳」在同一張資產負債表上對話。無論模型多複雜，地基仍是本文這句話：能量會守恆，但能質會在每一次不可逆的傳遞中悄悄流失，而最佳化，就是與這份流失的精打細算。