基于遗传算法与人工神经网络耦合框架的螺旋微通道相变材料混合电池热调控系统优化研究

《Scientific Reports》：ANN-GA-based optimization of a hybrid battery thermal regulation system with helical liquid cooling, PCM, and copper foam

　　

摘要

有效的热管理对于确保锂离子电池（LIBs）的安全性、性能和使用寿命至关重要。本研究提出了一种优化的混合电池热调控系统（BTRS），该系统集成了螺旋液体冷却微通道与嵌入铜泡沫基体中的相变材料（CPCM），以增强散热能力。为了高效探索复杂的设计空间，研究开发了一种耦合框架，将数值模拟、遗传算法（GA）和人工神经网络（ANN）相结合。该方法成功识别出了一种理想构型（OCD1），其特征为10 mm的PCM厚度、0.08 m/s的入口流速和\(65^\circ \)的螺旋角。在严苛的3C放电条件下，该最优设计实现了21.27 K的最大温降，相较于单电池方案提升了82.25%。此外，与单独策略相比，该优化的混合系统展现出更优越的冷却效果，分别优于方案A（液体冷却）33.67%、方案B（纯PCM）69.35%和方案C（CPCM）45%。所开发的人工神经网络模型表现出很高的预测精度，两种热响应的R²值均超过0.99。这些研究结果为下一代电动汽车电池系统的高级热管理提供了一种高保真且可扩展的框架。