采用整体逆向工程方法，为冬夏季节的驾驶条件开发了一种多物理场、全液冷电池组模型

《eTransportation》：A multi-physics, fully liquid-cooled battery pack model development for winter-summer driving using a holistic reverse-engineering method

本研究通过多物理场仿真和反向工程方法，开发了包含4416个电池、28条冷却流道和784个冷却通道的75kWh液冷锂离子电池包高保真模型。通过遗传算法优化冷却流道几何参数（宽度1.3mm，高度1.8mm，弯角20°，半径11.5mm），验证了该模型在-10°C至40°C环境下的预测精度超过90%，能够准确模拟稳态与WLTC、FTP75+HWFET等动态工况下的电压、SOC、流场和温度分布，为液冷系统设计提供了新方法。

　　电池热管理系统（BTMS）在现代电动汽车（EV）中扮演着至关重要的角色，其主要目的是通过有效的热管理策略，保持电池组在最佳工作温度范围内，从而减少电池老化、内部电阻增加以及过热等现象，同时提升整体性能。这项研究提出了一个全面的逆向工程方法，用于建模和验证一款基于生产的、液冷式、75千瓦时（kWh）的锂离子电池（LIB）组，包括其热管理系统的多物理场模拟。研究涵盖了电池组内4416个电池单元、28条侧冷通道以及784个冷却流道，所有这些设计元素均被优化以确保在各种天气条件下（包括极端低温和高温）实现高效的热管理。通过这种全面建模方法，研究团队能够准确预测电池组在稳态和动态条件下的电压、荷电状态（SOC）、流体流动和温度响应，准确率超过90%。这种方法为未来电池热管理系统的设计提供了详尽的指导，有助于提高电动车在不同气候条件下的性能和可靠性。

在电池热管理系统的开发过程中，研究人员首先进行了设计实验，通过改变冷却剂入口流量（范围为0-16升/分钟）来测量稳态和瞬态压力降。然后，他们对冷却通道几何结构对冷却剂流动特性的影响进行了敏感性分析，以验证电池组的流动模型。为了评估电池组在不同条件下的性能，研究人员在夏季和冬季分别对一辆全轮驱动的电池电动车进行了WLTC（全球统一轻型车测试循环）和FTP75+HWFET（联邦测试程序75和高速公路燃油经济性测试）循环的测试。这些测试包括在低温环境下（如-10°C）以60公里/小时的速度行驶，以及在高温环境下（如25-40°C）重复进行不同的测试循环。在测试过程中，记录了电池组在加热和冷却模式下的性能表现，包括温度、电压和SOC等参数。

在研究方法方面，研究人员采用了一种多物理场建模方法，将电池组的热、流体和电特性综合考虑。其中，电池组的流体压力降和热模型通过遗传算法（GA）进行优化，以确保模型在不同温度条件下的准确性和有效性。电池组的电热模型基于2RC等效电路模型（ECM），该模型从详细的电化学模型中简化而来，以提高模拟效率。研究团队还利用GT-Suite软件平台进行建模和模拟，并从文献和基准报告中获取了电池单元的几何参数和材料特性。通过对不同冷却剂通道几何参数（如宽度、高度、弯曲角度和半径）的优化，研究人员确保了模型在各种运行条件下的适用性。

实验结果表明，优化后的冷却剂通道几何结构能够显著提高电池组的热管理性能。具体而言，当冷却剂通道宽度为1.3毫米、高度为1.8毫米、弯曲角度为20度、弯曲半径为11.5毫米时，模型在预测电池组的稳态和瞬态性能方面表现出较高的准确度。此外，研究团队还发现，冷却剂的类型对电池组的热管理性能有重要影响。例如，Glysantin G48作为一种冷却剂，在预测压力降和温度变化方面表现最佳，其平均预测误差仅为2%，而其他冷却剂的预测误差则高达10.4-30.7%。这表明，选择合适的冷却剂对电池组的热管理至关重要。

在实验过程中，研究人员还发现，冷却剂通道的几何参数需要在多个因素之间进行权衡。例如，虽然较大的通道宽度和高度可以降低流动阻力，提高热传导效率，但它们也可能导致温度分布不均，从而加速电池老化。因此，在设计冷却剂通道时，必须仔细平衡这些参数，以确保电池组在各种驾驶条件下都能保持良好的热均匀性。此外，研究团队还发现，通道设计的长宽比必须控制在1.0以下，以避免对电池组的热流和流体动力学特性产生负面影响。

在验证模型的性能时，研究人员通过比较模拟结果与实验数据，发现模型在预测电池组的电压、SOC、流体流动和温度方面表现优异。例如，在加热模式下，模型能够准确预测电池组在WLTC循环中的温度变化，而在冷却模式下，模型同样能够准确再现电池组的热响应。这些结果表明，该模型不仅适用于稳态条件，也适用于动态驾驶条件，包括重复的WLTC和FTP75+HWFET循环。此外，模型在低温条件下（-10°C）的预测结果也显示出良好的准确性，这表明该模型在各种极端天气条件下都具有较强的适用性。

研究团队还对电池组的电热模型进行了详细分析，发现该模型在预测电池组的SOC和电压方面具有较高的准确性。通过将详细的电化学模型简化为2RC等效电路模型，研究人员能够在不牺牲精度的前提下显著提高模拟效率。这使得模型可以应用于更大规模的电池组设计和优化，而不会对计算资源造成过大的负担。此外，研究团队还指出，冷却剂通道的优化不仅有助于提高热管理效率，还能够减少冷却泵的能耗，从而提高整车的能源效率和续航里程。

在实际应用中，该模型可以用于设计新的电池热管理系统，并为其控制策略提供支持。例如，通过模拟不同冷却剂流量和温度条件下的电池组性能，研究人员可以优化冷却系统的参数，使其在不同驾驶条件下都能保持最佳的热管理效果。此外，该模型还可以用于预测电池老化过程对热管理性能的影响，为电池寿命评估和维护策略提供依据。研究团队还提到，未来的改进方向包括在更广泛的环境温度范围内研究电池老化对热管理性能的影响，并进一步优化模型以提高其预测能力。

综上所述，这项研究通过多物理场建模和优化方法，成功开发出了一种高保真度的液冷式电池组模型。该模型不仅考虑了电池单元之间的电热特性，还涵盖了冷却剂通道和电池模块之间的热流和流体交换。实验结果表明，该模型在预测电池组的电压、SOC、流体流动和温度方面具有较高的准确性，适用于各种天气条件和驾驶循环。研究团队还指出，该模型在计算效率和准确性方面优于传统的三维计算流体力学（CFD）模型，为未来的电池热管理系统设计提供了有力的工具。此外，该模型还可以用于其他类型的电池组（如袋式和棱柱式电池）的设计和优化，具有广泛的适用性。