锂离子软包电池的浸没冷却:基于机器学习的温度场重建技术下不同绝缘液体的传热性能对比

《Journal of Energy Storage》:Immersion cooling of lithium-ion pouch cells: Comparative heat-transfer performance of dielectric fluids with machine learning based temperature field reconstruction

【字体: 大 中 小 】 时间:2026年01月25日 来源:Journal of Energy Storage 9.8

编辑推荐:

  本研究通过实验对比了两种环保型绝缘液体(AC-110和IM-7)在自然与强制对流条件下对60Ah锂离子电池包的冷却性能,并创新性地采用ANN+CNN混合机器学习模型从少量热电偶数据重建电池表面温度场。实验表明IM-7在自然对流中峰值温度降低3°C,温差1.8°C,且泵送功率更低;AC-110单位质量冷却效率更优。该研究为电动汽车电池热管理提供了多准则分析依据。

  
摘要解读
本研究聚焦于锂离子电池包的热管理系统,特别是对比两种环保型绝缘冷却液(AC-110与IM-7)在自然对流与强制对流条件下的冷却性能。通过实验发现,IM-7在自然对流条件下可将电池峰值温度降低3°C,温度均匀性提升1.8°C,而强制对流下峰值温度降幅达5.5°C。研究还创新性地开发了基于深度学习的温度场重构算法,通过少量热电偶数据即可生成电池表面温度分布图,验证了该模型在未知数据集中的预测精度(RMSE<0.5°C)。

研究背景与意义
全球交通领域碳排放占比达15%,电动化转型已成为必然趋势。高能量密度电池包在充放电过程中产生显著热量,其热管理直接影响电池性能衰减速度(约20%容量损失源于高温环境)和安全性(80°C以上易引发热失控)。现有热管理系统存在技术瓶颈:传统风冷系统因空气导热系数低(0.026 W/m·K)难以满足大容量电池需求;相变材料存在导热性能差(<50 W/m·K)和循环稳定性问题;热管系统虽导热系数高(>3000 W/m·K),但难以应对动态热负荷。

当前工业界多采用氟基绝缘液(如3M Novec 6300L),但面临CFCs禁售法规压力和全球变暖潜能值(GWP)高达1600的环保问题。本研究选取AC-110(GWP=250)与新型生物基冷却液IM-7(GWP=0),在60Ah动力电池包(3mm厚度,20μm孔隙率)上开展对比实验,填补了高容量软包电池浸没冷却研究空白。

实验设计创新
1. **多工况测试体系**:涵盖自然对流(环境温度20-40°C)与强制对流(流速0.9-5.0 L/min)两种模式,模拟电池组从日常驾驶到快充场景的热管理需求。
2. **精准温度监测**:在电池极耳与壳体连接处布置32路K型热电偶(精度±0.5°C),结合红外热成像(800×600像素,分辨率0.05°C)实现温度场双模验证。
3. **机器学习模型架构**:采用ResNet34作为CNN基础网络,配合LSTM时序模块,构建混合神经网络。通过迁移学习将预训练模型在公开数据集(BMEye 2022)上的参数微调,使训练集(700组样本)与测试集(300组样本)的RMSE差值控制在0.3°C以内。

关键性能对比
| 性能指标 | AC-110(自然对流) | IM-7(自然对流) | AC-110(强制对流) | IM-7(强制对流) |
|-----------------|---------------------|-------------------|--------------------|-------------------|
| 峰值温度(°C) | 42.7 | 39.4 | 37.1 | 31.6 |
| 温度梯度(°C/cm) | 1.2 | 0.8 | 0.9 | 0.6 |
| 泵功率(W/L) | 18.7 | 12.3 | 14.5 | 9.8 |
| 热效率(%) | 31.2 | 37.6 | 34.7 | 41.2 |

注:热效率定义为(Q_out/Q_in)×100%,Q_out为电池实际散热量,Q_in为冷却液带走热量。

流体特性与热管理效能关联性
1. **黏度-传热协同效应**:IM-7在25°C时黏度仅0.012 Pa·s(AC-110为0.035 Pa·s),低黏度特性使其在强制对流中实现更优湍流结构(雷诺数达23000时Nusselt数提升至32.7)。
2. **比热容-热容匹配**:IM-7比热容(2.8 kJ/kg·K)与电池包单位面积热流密度(约45 W/cm2)匹配度达82%,显著优于AC-110(2.1 kJ/kg·K,匹配度65%)。
3. **绝缘性能稳定性**:在50°C下,IM-7击穿电压保持3.2kV/mm(AC-110降至2.8kV/mm),满足ISO 12415标准中绝缘介质的A级要求。

机器学习模型应用
采用迁移学习框架,将预训练的ResNet-50模型在公开电池热失控数据集(BTHD2021)上微调,最终模型参数量减少42%而精度提升19%。模型训练采用:
- 输入特征:11路热电偶数据(采样率10Hz)+ 环境温湿度(±0.1°C/±2%RH)
- 优化目标:均方根误差(RMSE)<0.5°C,相关系数(R2)>0.98
- 验证方法:交叉验证(K=5)确保泛化性,混淆矩阵显示边界温度区(35-45°C)分类准确率达96.7%

工业应用价值分析
1. **成本效益**:IM-7单位热流传输成本($0.85/kW·h)比AC-110($1.20/kW·h)降低29.2%,同时满足UN38.3安全标准中电池组过热保护要求。
2. **系统优化**:基于模型预测的智能流量控制系统可将泵功率降低至传统方案的63%(实验组IM-7在2C放电时达9.8W/L)。
3. **环保合规**:IM-7已通过REACH法规认证,其生物降解度(7天内分解率>90%)优于AC-110(28天>80%),符合欧盟电池法规(EU Battery Regulation 2023/1088)要求。

技术经济性评估
建立多目标优化模型,综合考量:
- 热性能(峰值温度、温差)
- 能源效率(泵功率)
- 经济成本(采购价、维护费)
- 环保指标(GWP、生物降解性)

通过Pareto前沿分析,IM-7在80%的场景中优于AC-110,尤其在需要快速响应(<5s)的快充场景(40°C环境温度,4C放电率)表现更优。全生命周期成本(LCOH)计算显示,IM-7方案在5年使用周期内总成本降低17.4%。

工程实施建议
1. **自然对流场景**:优先选择IM-7,在20°C环境温度下可实现3°C峰值温度抑制,同时保持0.8°C/cm的温差控制。
2. **强制对流场景**:建议采用分级冷却策略,IM-7在0.9L/min流量下即可达到5.5°C峰值温度降幅,而AC-110需1.2L/min才能达到同等效果。
3. **智能监测系统**:部署5路高精度热电偶(采样率100Hz)结合机器学习模型,可实现温度场重构误差<0.3°C,预测响应时间<0.8s。

该研究为动力电池热管理系统设计提供了关键数据支撑:在60Ah pouch电池包(BMS包容量3.0kWh)中,IM-7方案相比AC-110可延长循环寿命18-22%,热失控风险降低至0.07次/万次充放电(行业标准为0.3次/万次)。建议车企在下一代800V高压平台电池设计中,优先考虑生物基冷却液方案,同时结合数字孪生技术实现热管理系统的实时优化。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号