既然卡諾效率只看溫度，為什麼工程師不乾脆把壓縮比一路調到無窮大？

既然卡諾效率只看溫度，為什麼工程師不乾脆把壓縮比一路調到無窮大？

在入門篇裡，我們得到一個漂亮卻有點「冷酷」的結論：熱機效率的天花板是 $\eta_{\text{Carnot}} = 1 - T_L/T_H$，只跟兩端的絕對溫度有關。於是一個自然的反問浮現了——既然汽油引擎（奧圖循環）的理想效率是 $\eta = 1 - r^{1-\gamma}$，$r$ 是壓縮比（compression ratio），那我只要把 $r$ 拉到 30、50、100，效率不就無限逼近 100% 了嗎？

答案是：不行，而且擋住你的不只一個物理機制。有些是熱力學的（卡諾上限本身），有些是材料與化學的（爆震 knock、$T_H$ 受限），還有些藏在「理想循環」與「真實循環」之間那道用 $T\text{-}s$ 圖才看得清楚的鴻溝裡。這篇進階文章假設你已經懂第一、第二定律與熵，我們要做的是把鏡頭從「循環效率的數字」拉近到循環內部每一個過程的㶲帳本，看清楚效率到底是在哪幾個轉角被偷走的。

空氣標準假設：把真實引擎簡化成可算的模型

要分析奧圖、狄塞爾、布雷頓這些循環，第一步是建立一套可計算的理想化模型，稱為空氣標準分析（air-standard analysis）。它做了幾個關鍵假設：

• 工作流體是定量的理想氣體（空氣），整個循環封閉循環使用。
• 燃燒過程被替換成「從外部熱源等容（或等壓）加熱」，排氣過程被替換成「向外部冷庫排熱」。
• 所有過程都是內可逆（internally reversible）。
• 比熱 $c_p$、$c_v$ 視為常數（冷空氣標準，cold-air-standard）。

這些假設讓我們能用閉式公式算效率，代價是會高估真實引擎的表現——但它揭示的趨勢是對的。比熱比 $\gamma = c_p/c_v$（空氣約 $1.4$）會反覆出現，它本質上反映氣體分子的自由度，是連接微觀（優物理的能量均分定理 equipartition theorem）與巨觀循環效率的橋樑。

對理想氣體的可逆絕熱（等熵，isentropic）過程，三個狀態量由下式串起：

$$T V^{\gamma-1} = \text{const}, \qquad \frac{T_2}{T_1} = \left(\frac{V_1}{V_2}\right)^{\gamma-1} = \left(\frac{P_2}{P_1}\right)^{\frac{\gamma-1}{\gamma}}$$

這條等熵關係式，是後面所有循環推導的核心工具。

從零推導奧圖循環效率：壓縮比為何是主角

奧圖循環由四個過程組成：等熵壓縮（1→2）、等容加熱（2→3，模擬燃燒）、等熵膨脹（3→4，做功衝程）、等容排熱（4→1）。我們來親手把效率推出來。

加進去的熱（等容過程，$\delta Q = m c_v \, dT$）：

$$Q_H = m c_v (T_3 - T_2)$$

排掉的熱：

$$Q_L = m c_v (T_4 - T_1)$$

熱效率：

$$\eta_{\text{Otto}} = 1 - \frac{Q_L}{Q_H} = 1 - \frac{T_4 - T_1}{T_3 - T_2}$$

關鍵一步：對 1→2 與 3→4 兩段等熵過程，因為 $V_2 = V_3$、$V_1 = V_4$，等熵關係給出

$$\frac{T_2}{T_1} = \left(\frac{V_1}{V_2}\right)^{\gamma-1} = r^{\gamma-1} = \frac{T_3}{T_4}$$

代入化簡（讀者可自行把 $T_4 - T_1$ 提出 $T_1$、$T_3 - T_2$ 提出 $T_2$，再用上式約掉），就得到那條乾淨的結果：

$$\boxed{\eta_{\text{Otto}} = 1 - \frac{1}{r^{\gamma-1}} = 1 - r^{1-\gamma}}$$

效率只取決於壓縮比 $r$ 與比熱比 $\gamma$，與加熱量無關。這解釋了為什麼汽車工程師對壓縮比如此執著。但同時也暴露了報酬遞減：$r$ 從 8 升到 10，效率增益明顯；從 20 升到 25，增益已微乎其微，因為這條曲線是凹向上、逐漸趨平的。

看一個例子：壓縮比 8 vs 10 的效率帳

設 $\gamma = 1.4$。

壓縮比 $r = 8$：

$$\eta = 1 - 8^{-0.4} = 1 - \frac{1}{8^{0.4}} = 1 - \frac{1}{2.30} = 1 - 0.435 = 0.565 = 56.5\%$$

壓縮比 $r = 10$：

$$\eta = 1 - 10^{-0.4} = 1 - \frac{1}{2.512} = 1 - 0.398 = 0.602 = 60.2\%$$

提高 25% 的壓縮比，理想效率只多了約 3.7 個百分點。而且這是空氣標準的理想值——真實汽油引擎因為熱損失、不完全燃燒、節流與摩擦，實測效率往往只有 30%~40%。理想模型告訴我們「方向對不對」，真實值告訴我們「還差多遠」。

那為什麼不直接用 $r = 20$？因為汽油在高壓縮比下，混合氣在火星塞點火前就會因高溫自燃（auto-ignition），產生破壞性的爆震（knock）。這是化學動力學與材料強度劃下的界線，不是熱力學算式裡的變數。柴油引擎正是繞過這道牆——它壓縮的是純空氣（$r$ 可達 15~22），到上死點才噴入燃油靠高溫自燃，因此採用狄塞爾循環（等壓加熱）而非奧圖循環。

$T\text{-}s$ 圖：比 $P\text{-}V$ 圖更會說話的座標

入門篇用 $P\text{-}V$ 圖解釋「功是曲線下面積」。進階分析則更愛溫度–熵圖（$T\text{-}s$ diagram），因為在這張圖上：

$$Q = \int T \, ds \quad\Rightarrow\quad \text{過程曲線下方的面積就是熱}$$

對一個循環來說，$T\text{-}s$ 圖上封閉曲線圍出的面積等於淨熱 = 淨功。更妙的是，$T\text{-}s$ 圖讓「不可逆性」一眼可見：

• 一段理想等熵過程是垂直線（$s$ 不變）。
• 一段真實絕熱過程因為有摩擦與不可逆性，熵會增加，曲線往右偏。

這種偏移直接定義了等熵效率（isentropic efficiency）——衡量真實裝置相對於理想等熵裝置差多遠的指標。對渦輪（turbine，做功裝置）：

$$\eta_T = \frac{\text{實際輸出功}}{\text{等熵理想輸出功}} = \frac{h_1 - h_{2a}}{h_1 - h_{2s}}$$

對壓縮機（compressor，耗功裝置），分子分母互換：

$$\eta_C = \frac{\text{等熵理想耗功}}{\text{實際耗功}} = \frac{h_{2s} - h_1}{h_{2a} - h_1}$$

其中下標 $s$ 代表等熵理想終態、$a$ 代表實際終態。注意兩者定義「上下顛倒」——這不是手誤，而是為了讓效率永遠落在 $0$ 到 $1$ 之間：渦輪的真實輸出少於理想，壓縮機的真實耗功多於理想。一台優秀的燃氣渦輪，$\eta_T$、$\eta_C$ 大約都在 0.85~0.92。

㶲分析：找出效率是在哪個元件被「謀殺」的

入門篇介紹了㶲（exergy）的概念與 Gouy–Stodola 定理 $\dot{W}_{\text{lost}} = T_0 \dot{S}_{\text{gen}}$。進階的工程實務把它變成一套逐元件診斷工具。

對一個穩態穩流元件，流動㶲（flow exergy） 定義為：

$$\psi = (h - h_0) - T_0(s - s_0) + \frac{V^2}{2} + gz$$

其中下標 $0$ 是環境參考態（dead state）。它代表「這股流體相對於環境，最多還能榨出多少功」。每個元件的㶲銷毀率（exergy destruction）為：

$$\dot{X}_{\text{dest}} = T_0 \dot{S}_{\text{gen}} = T_0\left(\sum_{\text{out}} \dot{m} s - \sum_{\text{in}} \dot{m} s - \sum \frac{\dot{Q}_k}{T_k}\right)$$

這個分析的威力在於：第一定律告訴你能量在哪裡「離開」了系統，第二定律告訴你能量的品質在哪裡「死掉」了——兩者往往不是同一個地方。

舉個反直覺的例子：在一座蒸氣電廠裡，冷凝器（condenser）排掉了大量的熱，第一定律帳本上它是最大的「能量損失」。但這些熱是低溫廢熱、㶲含量很低，所以冷凝器的㶲銷毀其實很小。真正的「㶲殺手」是鍋爐／燃燒室——高溫火焰（約 2000 K）把熱傳給只有 600 K 的工作流體，這個巨大的有限溫差傳熱，銷毀了整個電廠裡最多的㶲。

這就是為什麼現代能源工程師說：「Don't burn high-temperature fuel to make low-temperature heat（別燒高溫燃料只為了製造低溫熱）。」一個熱水器用 2000 K 的火焰把水加熱到 60 °C，能量效率（第一定律）可能高達 90%，但㶲效率（第二定律）慘不忍睹——你用了極高品質的能量去做一件低品質的事。

動手試試：渦輪的㶲銷毀

蒸氣進入渦輪：$h_1 = 3400\ \text{kJ/kg}$，$s_1 = 6.70\ \text{kJ/(kg·K)}$。等熵理想出口 $h_{2s} = 2400\ \text{kJ/kg}$。渦輪等熵效率 $\eta_T = 0.85$，環境 $T_0 = 300\ \text{K}$。

步驟 1：實際輸出功。

$$w_{\text{actual}} = \eta_T (h_1 - h_{2s}) = 0.85 \times (3400 - 2400) = 850\ \text{kJ/kg}$$

步驟 2：實際出口焓。

$$h_{2a} = h_1 - w_{\text{actual}} = 3400 - 850 = 2550\ \text{kJ/kg}$$

步驟 3：實際出口熵。 由於不可逆，$h_{2a} > h_{2s}$，出口熵也高於 $s_1$。查表（此處給定）得 $s_{2a} = 6.95\ \text{kJ/(kg·K)}$，於是熵產生：

$$s_{\text{gen}} = s_{2a} - s_1 = 6.95 - 6.70 = 0.25\ \text{kJ/(kg·K)}$$

（絕熱渦輪無外部熱交換，故 $s_{\text{gen}}$ 就是出入口熵差。）

步驟 4：每公斤蒸氣的㶲銷毀。

$$x_{\text{dest}} = T_0 \, s_{\text{gen}} = 300 \times 0.25 = 75\ \text{kJ/kg}$$

換句話說，這台渦輪「本來可以」多輸出 75 kJ/kg 的功，卻因為內部不可逆而永遠地浪費掉了。這 75 kJ/kg 不會出現在第一定律的能量帳上（能量還在流體裡，只是變成了較低溫的焓），但㶲分析精準地把它揪了出來。

逼近卡諾：再熱、回熱與複合循環的智慧

既然真實循環卡在卡諾效率之下，工程師發明了一系列手法，本質都是讓加熱更接近在高溫進行、排熱更接近在低溫進行，從而縮小與卡諾的差距：

• 再熱（reheat）：蒸氣在渦輪膨脹一半後抽回鍋爐再加熱，再進低壓渦輪。提高平均吸熱溫度，並避免末端蒸氣過濕侵蝕葉片。
• 回熱／抽汽加熱（regeneration）：抽取部分渦輪中段蒸氣，預熱即將進鍋爐的給水。減少了「在低溫加熱」這段最浪費㶲的過程，是現代電廠效率提升的關鍵。
• 複合循環（combined cycle）：把布雷頓循環（燃氣渦輪，高溫端 $\sim$1700 K）的高溫廢氣，再餵給朗肯循環（蒸氣，低溫端）回收。兩個循環疊起來，相當於用一個更寬的溫度跨度逼近卡諾，整體效率可突破 60%——這是當今熱力發電效率的標竿。

這些設計沒有違反任何定律，它們只是更聰明地管理㶲：把高品質的熱用在高溫做功，把低品質的廢熱層層回收，盡量不要在大溫差下白白傳熱。

重點回顧

1. 奧圖效率 $\eta = 1 - r^{1-\gamma}$ 只看壓縮比與比熱比，與加熱量無關；但效率隨 $r$ 報酬遞減，且真正擋住高壓縮比的是化學爆震與材料極限，不是熱力學公式。
2. $T\text{-}s$ 圖讓不可逆性可視化：等熵過程是垂直線，真實過程往右偏（熵增），偏移量直接定義了渦輪與壓縮機的等熵效率。
3. 等熵效率的渦輪與壓縮機定義「上下顛倒」，是為了讓比值永遠落在 0~1：渦輪實際做功少於理想，壓縮機實際耗功多於理想。
4. 㶲分析是逐元件診斷工具：第一定律找「能量在哪離開」，第二定律找「品質在哪死掉」，兩者常不在同一處——電廠最大㶲殺手是高溫差燃燒，而非排熱最多的冷凝器。
5. 再熱、回熱、複合循環的共同邏輯，都是讓加熱更靠近高溫、排熱更靠近低溫，從而縮小與卡諾效率的差距、減少㶲銷毀。

深入探討（研究所視角）

到了研究所，循環分析會從「算單一設計點的效率」走向「在真實熱物性與最佳化框架下做系統設計」，主要有三條延伸路徑。

第一，從常比熱走向變比熱與真實熱物性。 冷空氣標準假設 $c_p$、$c_v$ 為常數，但高溫下空氣比熱顯著上升。嚴謹分析改用氣體性質表（以 $u(T)$、$h(T)$ 與相對壓力 $p_r$、相對體積 $v_r$ 函數處理等熵過程），或對蒸氣與冷媒使用立方型狀態方程式（Peng–Robinson 等）。等熵關係不再是簡單冪次律，而要靠 $\Delta s = s^0(T_2) - s^0(T_1) - R\ln(P_2/P_1) = 0$ 求解終態。這是工程模擬軟體（如 Cantera、REFPROP、EES）背後的核心。

第二，從固定效率走向有限時間熱力學與最佳功率設計。 卡諾效率是「無限慢、無限大換熱面積」的理想，輸出功率為零、毫無工程意義。研究所會接觸有限時間熱力學（finite-time thermodynamics），其經典結果是 Curzon–Ahlborn 效率——在最大輸出功率（而非最大效率）下運作時：

$$\eta_{CA} = 1 - \sqrt{\frac{T_L}{T_H}}$$

對 $T_L/T_H = 300/900$，卡諾給 $66.7\%$，但 CA 只給 $42.3\%$，而後者驚人地接近許多真實電廠的實測值。這提醒我們：工程的真正目標往往不是極大化效率，而是在效率、功率、成本、壽命之間做多目標權衡。

第三，㶲經濟學與系統層級最佳化。 現代能源系統設計把熱力學第二定律與經濟成本結合成㶲經濟學（exergoeconomics / thermoeconomics），為每個元件的㶲銷毀標上「金錢價格」，再用最佳化演算法（如 pinch analysis 夾點分析、結構最佳化）決定換熱網路與循環配置。這也是當前超臨界 CO₂ 布雷頓循環、有機朗肯循環（ORC）回收低溫廢熱、聚光太陽能熱發電等前沿研究的共同語言。

延伸閱讀方向：Maxwell 關係式如何由真實 $P\text{-}V\text{-}T$ 數據推算難量測的熵與㶲、熱電與熱聲（thermoacoustic）等非傳統熱機的昂薩格耦合分析、以及把第二定律推向極限的非平衡統計力學漲落定理（Jarzynski 等式、Crooks 定理）。這些題目會把你熟悉的「壓縮比」與「等熵效率」，一路連回物理學最深層的時間箭頭與資訊–熵對應問題。