NEC锂电池产品分类
NEC锂电池多性向目标设计的蛇形分流通道用于液冷电池热管理
高效热管理对于大容量锂离子电池在高倍率储能应用中的性能至关重要。本研究通过将响应面法（RSM）与非支配排序遗传算法II（NSGA-II）相结合，优化了液冷式电池热管理系统（BTMS）。设计了贴体流动通道，并采用Box-Behnken实验方案确定模拟矩阵。RSM为热移除与水力损失这两个目标变量提供了代理回归模型，而NSGA-II则通过识别帕累托前沿实现多目标优化。与线性优化基准相比，进化搜索得出（通道高度入口角fα环形通道厚度fδ在此配置下，BTMS可实现301.03 K的最高模块温度与2.04 K的最大模组内温差。当电芯数量增至21个时，系统仍能将最高模块温度控制在302.5 K以下、温差维持在2 K以内，展现出卓越的鲁棒性与可扩展性。实验结果表明：相较于线性方法，RSM–NSGA-II框架显著提升了冷却性能与预测保真度，同时为平衡液冷电池包的温度均匀性与泵送损耗提供了实用化解决方案。f) = (5.48 mm, 50°, 3.00 mm). At this setting, the BTMS achieves a maximum module temperature of 301.03 K and a maximum intra-module temperature difference of 2.04 K. The system also maintains the maximum module temperature below 302.5 K and the temperature difference under 2 K when the number of cells increases to 21, demonstrating robustness and scalability. These results show that the RSM–NSGA-II framework enhances cooling performance and predictive fidelity relative to linear methods, and it provides a practical route to balancing temperature uniformity and pumping losses in liquid-cooled battery packs.
引言
在不同电池构型中，其最佳工作区间大体相似，而温度已成为影响循环寿命、能量密度及安全裕度的关键决定因素[12][13]。因此，高效的电池热管理系统（BTMS）不可或缺，这一需求随着电池容量提升与充放电速率加快而愈发凸显。
大量的实验与数值研究已对锂离子电池的产热机制及热行为特征进行了系统表征。Gao等[14]通过四组商用电池在298.15K、318.15K、338.15K和358.15K温度下循环100次的实验，研究了高温老化行为。该研究表明，固体电解质界面相(SEI)分解产物的成分变化是导致老化的关键因素；在338.15K与358.15K条件下观察到的差异对应于不同的退化路径及热失控倾向。为探究低温对热失控引发及燃烧行为的影响，Kong等[15]研究表明热失控起始温度随环境温度与放电倍率变化从298.15 K显著降低至263.15 K，并阐明了相关机制。Zhang等[16]针对多时间尺度下的最佳工作温度、荷电状态估算及容量预测展开研究，所建模型的SOC误差低于1%，容量预测误差小于2%。Liu等[17]构建了动力电池的热耦合模型并研究了参数辨识策略，综述了以Newman P2D框架为核心的多种建模方法，归纳了参数辨识方法。该电化学模型源自John Newman的研究，通常假设电极内锂离子扩散系数恒定且忽略电极体积变化：界面动力学采用Butler-Volmer关系式描述，固相扩散遵循Fick定律，电解液传输基于浓溶液理论。基于这一研究方向，张等人[18]提出了一种适用于圆柱形电池的分层电化学-热耦合（LET）模型并进行了数值分析。相对于整体电化学-热（HET）公式，LET方法在保证温度精度的同时降低了计算成本，能够捕捉由内部温度梯度引起的非均匀放电和老化现象；该方法还可实现不同放电倍率下的评估，并识别影响温度均匀性的关键因素，同时提供可操作建议。总体而言，充放电过程伴随着显著的热量释放，若散热不足则会增加热失控风险[19][20]。
由于成本低廉且设计简单，风冷式电池热管理系统（BTMS）仍是电动汽车中应用最广泛的冷却策略，日产Leaf和宝马i3等车型的配置便是明证。Hasan等[21]设计了一种新型阵列级风冷布局，并采用计算流体力学（CFD）量化不同冷却液流速下的散热效果；努塞尔数随电池间距增大而提升，但即便在高流速下该结构仍无法满足散热需求，凸显了固有的技术局限。Shen等[22]改良了通过倾斜棱柱形电池阵列形成非垂直流道的创新型风冷系统；相较于传统Z型流道，该系统使最高温度下降4.01K，峰值温差降至1.97K，表明其冷却性能与均温性得到改善，但主要适用于较低充放电倍率。Xie等[23]在风冷管道中引入两种涡流发生器（VG）设计，两者均能强化VG上游的对流效果，但仅三角形VG能维持下游区域的强化传热。该构型使最高温度降低约10%，并提升局部努塞尔数降温38%。Mondal等[24]在20模块棱柱形电池组通道中引入翼型涡流发生器，同样实现了总传热显著提升、峰值温度降低约10%以及温度分布范围同步缩小的效果。然而，即便采用流动调控技术，风冷性能仍受介质热物理特性的根本性限制，难以取得进一步突破[25]。 by 38%. Mondal et al. [24] similarly introduced winglet-type VGs in channels serving a 20-module prismatic pack, achieving significant gains in total heat transfer, ~10% reduction in peak temperature, and a concomitant decrease in temperature spread. Nonetheless, even with flow-manipulation features, air-cooling performance remains fundamentally constrained by the thermophysical limits of the medium, making further breakthroughs difficult [25].
液冷式电池热管理系统（BTMS）属于主动冷却架构：充放电过程中释放的热量首先传导至水冷板，随后通过循环冷却液的强制对流移除，从而在板-液回路中建立动态热平衡[26]。由于液体具有更高的对流传热系数与热容，此类系统在提供高热排放能力的同时，还能实现低噪声、紧凑封装及稳定运行；因此在高倍率放电场景下，液冷已逐步取代风冷技术[27]。Xiong等[28]采用仿生流道概念，通过多目标优化（Multi-objective）解决了几何结构间的权衡问题（Trade-offs），其优化后的BTMS最高温度Tmax为302.66 K，温差ΔTmax温度为3.73 K，通道压降为29.69 Pa。在安全性研究方面，Ke等[29]评估了用于18650电池的蛇形波纹管式冷板，发现液冷能抑制热失控的发生，且一旦热失控被Trigger，可有效阻止其向相邻电池蔓延。Mansour等[30]开发了一种夹层式矩形通道冷板，并为96个圆柱形4680电池构建了数值模型；经Multi-Objective优化后确定最佳通道高度为10 mm，通道宽度为9.45 mm，入口流速为0.45米/秒，尽管伴随的泵送功率导致整体能耗较高。为发挥互补优势，Ye等人[31]将水冷板与强制风冷相结合用于18,650型电池模块；在2C倍率下，该混合BTMS将最高温度Tmax控制在317.38开尔文，且最大温差ΔTmax低于3.73开尔文。Yang等人[32]采用贴体圆柱流道，将微通道液冷与辅助风冷集成应用于圆柱电池：增大水流量虽能降低Tmax和温度不均匀性，但会提升功耗，在3×10−4kg/s，ΔTmax始终低于4.13 K且Tmax降至304.98 K，而4 m/s的空气流速进一步使模块Tmax降低约2 K。尽管取得这些进展，系统复杂性以及液冷与空冷侧热容量的固有差异，使混合布局中的进出口平衡问题趋于复杂。因此，当前研究重点在于保持液冷BTMS卓越散热能力的同时控制成本与寄生能耗，这推动着冷板拓扑结构、歧管设计及简化混合方案的持续探索[33]。
在优化BTMS的研究背景下，现有文献已探索了多种优化方法。基于梯度的优化和线性规划等传统方法因其简洁性和易实现性而被广泛采用[34]。然而，这些方法在处理BTMS设计中常见的复杂、非线性和多目标优化问题时往往表现不足。虽然基于梯度的优化方法对单目标平滑问题具有高效性，但其面对BTMS具有的多模态和高度非线性特征时仍存在局限。线性规划虽适用于特定类型的优化问题，但缺乏处理多性向目标间复杂交互的灵活性，例如在降低冷却剂流量损失的同时最小化温度波动。近期研究进展表明，启发式算法与元启发式算法（如遗传算法GA、粒子群优化PSO及其变体）的应用更为普遍。这些方法已被证实更擅长探索复杂的优化空间。其中，非支配排序遗传算法II（NSGA-II）已成为多目标优化领域特别鲁棒的选择。NSGA-II有效平衡了解空间的探索与开发，提供了一组多样的帕累托最优解，能在冲突目标之间实现多种交易权衡。响应面法（RSM）通过结构化建模与分析多输入变量与其对应响应之间的关系，为这些启发式方法提供了补充[35]。RSM在实验或模拟成本较高的场景中尤为实用，因其通过高效实验设计减少所需试验次数。Box-Behnken设计作为RSM的变体，能有效探索二次响应曲面而不需要输入参数的极端值，从而确保实验方案更具可操作性和实用性。将RSM与NSGA-II结合可充分发挥两种方法的优势。RSM有助于构建精确的代理模型，以近似BTMS中实际的复杂关系，而NSGA-II则对这些模型进行优化以寻找最佳配置。这种混合方法确保了优化过程的全面性和高效性，解决了传统方法的局限性，并为处理BTMS优化的多目标性提供了稳健框架。
先前关于基于通道的液冷电池热管理系统（BTMS）的研究对通道几何形状在传热与水力损失方面的耦合效应关注有限。本文建立了包含五个18650圆柱形电池的贴体液冷模型，并研究了三项通道参数（hf, αf, δf通过Box-Behnken实验设计和响应面代理模型进行参数筛选，随后采用NSGA-II多目标优化算法平衡散热性能与压降损失，最终获得的设计方案将模组峰值温度控制在301.03K，且在扩展至21个电芯时仍保持有效性。本研究创新性地利用分流通路蛇形通道的逆流现象——其特征表现为环形连接处形成的局部再循环区——来增强近壁面混合与末端电芯对流换热。该机制被整合到RSM-NSGA-II耦合优化框架中，实现了传热效率与流动压损的协同优化。