锂离子电池液冷散热系统参数优化

王鑫鑫

沈阳安世亚太

 

电池内部的生热是不可避免的，产生的热量会造成温度上升，从而导致电池内部温差较大，进而影响电池的健康。如果产生的热量没有得到处理，不仅会导致电池容量衰减，还会造成热失控问题。设计一个稳定、高效的锂电池冷却散热系统，保持电池包的温度在可接受范围至关重要。

锂电池仿真具有多物理场、多尺度和耦合特性，ANSYS Fluent软件具备专业的锂电池仿真分析模块，可以将电化学反应和冷却散热过程结合起来，高效的实现3D电–热耦合仿真。

 

ANSYS DesignExploration软件又可以使我们更进一步了解影响设计的关键参数，探索在不同设计和操作条件下的性能并找到满足最佳性能的条件。

 

下面以18650锂电池包为例，介绍使用ANSYS软件实现电–热耦合仿真以及参数优化的完整流程。

 

仿真流程

 

电池单体生热率计算

对于锂电池生热计算，Fluent具有MSMD方法，包含了广泛的电化学子模型，从简单的基于经验的模型到基于物理的模型。

 

(1)NTGK模型是一种简单的半经验电化学模型，可用于电池的高效建模，它是根据试验值推导出电池特性，并将其用作输入值，以较低的计算量计算电池性能，获得热量分布。

 

(2)ECM等效电路模型，是基于HPPC充放电数据模拟动态的电池充放电过程，电池的电行为是通过电路来模拟，ANSYS Fluent采用的是6参数ECM模型，电路由三个电阻和两个电容组成，电压-电流的关系可以通过求解电路方程得到。对于给定电池，电阻值、电容值都是电池荷电状态（SOC）和温度的函数，使用Fluent内置的参数拟合工具，利用HPPC试验数据拟合，以表格或者函数形式呈现。

 

ECM模型	电路方程

 

(3)Newman P2D是基于物理的模型，使用多孔电极和浓缩溶液理论，能够准确捕捉电池中锂离子的迁移。锂离子电池中的极板对为复合材料，由活性材料和电解质溶液组成，电解液相在负极、隔板和正极连续存在，而固相只存在于负极和正极中，固相活性物质被模拟为一个单一尺寸的球形颗粒矩阵。

 

锂离子在多孔电极和电解液中的输运现象可以用电荷和质量守恒定律来描述，电荷守恒控制相电势，质量守恒控制相浓度。

 

Newman P2D模型

 

本例中，采用MSMD ECM模型，计算单体锂电池不同放电倍率下的生热率随时间的变化，并获取时间平均值作为后续优化分析的输入热源。

 

放电倍率	heat source-time average
1C	3243
2C	12253
3C	26524
4C	45677

放电曲线	SOC曲线

 

 

液冷通道参数化建模

 

为了简化计算，选择6S4P（4并联6串联）电池组进行分析，冷却散热方式为蛇形冷却通道，冷却液从入口流入，穿过锂电池组，从出口流出，达到冷却散热的目的。将液冷板的厚度plate_thick作为几何设计参数，设置两个液冷板的厚度相等，冷却水厚度根据两组电池间距和液冷板厚度自动计算，利用Parameter Set建立各个参数之间的关系。

 

电池Pack参数化模型

 

 

网格

网格采用Fluent Meshing基于任务的网格划分流程，划分多面体网格，流体域设置边界层，网格数约64万，最小正交性大于0.2。

 

锂电池Pack网格划分

 

CHT热分析模型设置

 

(1)电池模型参数定义

 

采用Fluent Battery Model中的CHT Coupling方法，考虑焦耳热，分别设置Active Components和Passive Components，对于包含大量计算域的问题，可以使用通配符*进行过滤。模型参数中，设置所有电池的功率相同，电流为4C放电电流。

电池模型设置

模型没有建立Busbar部分，因此连接方式采用虚拟连接，包含基于连接面和基于活性域两种方式，都需要通过外部文件进行定义。需要注意的是，基于活性域的方法只能用于电路网络（Circuit Network）方法且不考虑焦耳热的情况。

 

连接面方法	活性域方法

 

(2)材料属性定义

 

锂离子电池的活性区域由多层材料构成，包含铜箔集流器、阳极材料、隔膜、阴极材料和铝箔集流器，由于MSMD模型并不解析每一层结构，因此需要提供适当的平均材料属性，包括密度、比热、热导率和电导率。

 

材料属性定义

活性材料各属性计算公式：

 

圆柱锂电池的热导率具有各向异性特征，在Fluent中可以采用圆柱各向异性的方式分别定义径向、切向和轴向的热导率，此外需指定轴心、轴方向，由于每个电芯空间位置的差异，要为每个电池单体创建并赋予各自独立的材料，可以借助Scheme文件实现整个过程的自动化，我们只需要修改脚本文件中用户输入部分，并在使用前定义好基础材料，名称与文件中的名称保持一致。

 

圆柱各向异性	Scheme脚本

 

(3)定义输入输出参数

 

将冷却水入口速度和温度定义为输入参数，各个电池单体最高温度的最大差值（MTD）和冷却流道压降值为输出参数。

 

Fluent中定义输入和输出参数

 

DOE设计

指定三个输入参数的范围：

参数	范围
plate_thick	0.0007m-0.0015m
vel_in	0.003-0.03m/s
tem_in	283.15-303.25

使用可生产值对变量进行约束，在验证和筛选候选方案时避免出现不可制造的产品参数值。

 

样本点的设计采用拉丁超立方方法，是随机采样的一种高级形式，避免了对样本进行聚类，这些点在设计空间的正方形网格中随机生成，但没有两个点共享相同的输入参数数值。

 

DOE设计

 

生成响应面模型

响应面模型是数据的最佳拟合曲线，能提供设计空间内各个位置输出参数的近似值，而不用实施完整的计算。本例中采用Genetic Aggregation方法，该方法运行迭代遗传算法，为每个输出参数找到最佳响应面类型和设置，选择最好的响应面并将它们组合起来建立一个多个响应面的聚合，并进行自动改进。

 

(1)响应面质量评价及优化

 

响应面的精度可以通过拟合优度来判断，使用Genetic Aggregation方法生成的响应面，会穿过所有的设计点，拟合度指标总是完美的，但并不意味着响应面能合理预测偏离设计点的响应，可以对学习点进行交叉验证，并对比一个或多个验证点。如果误差过大，可以通过不断添加改进点实现响应面质量自动改进，直到达到指定的容差标准。

 

响应面拟合优度	自动改进质量
响应面

(2)局部敏感性分析

 

设置局部敏感性的类型为条形图，即输出的变化取决于每个独立输入的变化，计算公式为：

 

局部敏感性条形图

 

 

响应面优化

DX包含四种响应面优化方法：

 

(1) Screening ：使用准随机数发生器的非迭代抽样方法。

(2) MOGA ：多目标遗传算法，比筛选更精细的方法，会经历几次迭代，每次迭代都保留样本的精英百分比，允许样本遗传进化，直到找到最佳。

(3) NLPQL ：二次拉格朗日非线性规划，基于梯度的单目标优化器。

(4) MISQP ：混合整数顺序二次规划，通过改进的顺序二次规划方法求解混合整数非线性规划问题。

DX会考虑问题定义、预期的运行时间，自动选择合适的优化方法。

 

DX自动优化方法

 

设置优化目标为MTD和p_dp均为最小化，且MTD有更高的优先级，使用MOGA优化方法获取3个候选方案并进行数值验证，二者误差很小，也验证了响应面精度的合理性。

 

优化结果

 

选择候选方案3作为最终的优化方案，与原方案相比，流道压降有所增加，但是最高温度差值降低了3.27K，温度分布更加均匀。

 

原始方案温度分布			优化方案温度分布

 

总结

 

采用ANSYS系列软件，建立了18650圆柱锂电池Pack的参数化热仿真模型，并使用MSMD方法结合ECM电化学模型，获得了电池放电过程的生热率，最后利用响应面优化功能以最高温度之差作为主要优化目标，得到了满足性能的最优设计方案。整个流程可以为锂电池和其他产品基于仿真的优化提供参考。