电池的热管理与设计采用数值仿真加速电池开发

电池设计面临的挑战

       较之其他种类的电池，锂离子电池以其高能量密度、高电压、低自放电率和良好的稳定性而成为混合动力车以及电动汽车能源的首选。但是，混合动力车和电动汽车所用的锂离子电池容量远大于市场上常见的消费电子中所用的锂离子电池的容量。由于锂离子电池在大功率放电时有可能会发生严重的温升，甚至可能有发热失控的危险，当前电动汽车用锂电池开发面临的主要问题是安全性问题。设计良好的热管理系统对于避免电池的过热和电池组内的不均匀发热至关重要，过热以及不均匀发热会导致电池性能退化、电池单体容量不匹配和内部潜藏的热量失控。电池热管理系统的设计不但需要冷却系统设计方面的知识，还需要具备电池组内部电池单体发热量计算方面的知识。

仿真如何发挥辅助设计的作用

       仿真在两个层次上起到辅助作用：电池单体级和系统级。电池单体级是指一个电池单体，而系统级可以是电池组模块或者整个电池组。

       对于电池单体级，关注点是电池单体内部发热的详细情况和温度的分布。这一类问题主要由电池制造商和电池研究者在开展研究工作。实验数据表明电池充、放电过程中生热率是时变的。发热可能是由内部的电阻损耗、局部电极过电压极化、电池反应熵、混合热和副反应等引起。如果只考虑其中最重要的电阻损耗和局部电极过电压极化的影响，发热可以由开路电势和正、负极之间的电势差来描述。基于这一假设的模型可以用来预测锂离子电池电极的电势和电流密度分布，它们是放电时间的函数。

       然后，基于该模型计算出来的电势和电流密度分布结果可以用于计算锂离子电池的温度分布。接下来，利用该温度分布的计算结果就可以检验电极配置，诸如电极的长宽比和集电片的布局，对发热的影响，还可以基于电池的热性能确定电池的放电速率。图1a和图1b给出了基于该模型由Ansys Fluent计算得到的典型结果。该模型计算得到的温度分布结果与实验测量结果吻合得很好。然而，在需要给出详细的温度和电流密度分布信息的时候，这种模型就显得简单了，它需要实验测试数据作为输入量。因此，如果没有再一次的测试，这种模型就不能预测设计改变对电池热性能的影响。但是，基于物理的电化学模型可以用来研究电池设计参数对电池性能的影响。这些设计参数包括几何尺寸参数，材料属性以及最关键的温度。基于物理的模型还可以提供输入，否则，像上述模型则需要具备实验数据。最著名的基于物理的模型由加州大学伯克利分校的约翰•纽曼教授最先提出，该模型已在Ansys Simplorer中实现。图3所示为根据约翰•纽曼电化学模型得到的电池单体在充、放电循环时的电流、电势曲线。图4所示为放电过程中的电解液浓度变化曲线。研究图4马上会引出一个优化问题：如何确定电池单体内电解液浓度的初始值。图4中所用的浓度初始值是预先假设的，因为电导率的最大值大约出现在该浓度下。然而，图4表明阴极处的大部分区域处于极低的浓度下，从而该处的电导率也低。这导致在电极深度方向上存在着严重的导电粒子输运限制。

       这意味着越高的初始浓度可能会导致越低的隔离物电导率，但是在复合阴极中会导致更高的导电率，对于符合阴极这是非常重要的。图5显示的是不同温度下的浓度变化曲线。这些数据中包含的信息告诉电池设计者什么时候会达到电流限值，从而帮助确定冷却系统必须维持的温度范围以避免达到限定电流值。图5隐含的另一个信息是电池运行时间是时间的强耦合函数，更高的工作温度可以使电池寿命更长。这一点也可以从图6基于物理的电化学模型的计算结果得到验证。当然更高的温度会带来安全隐忧，这便是电池设计中的另一个优化问题。

       系统级设计工程师的工作是电池模块级或者电池组级的设计，他们有其它的一系列不同的需求。通常，这些工程师不用担负像电池单体级工程师那么细致的仿真工作，而且他们的仿真目标也有诸多不同。例如，分析电池热量管理的计算流体动力学工程师关心的是将温度维持在期望的范围内，降低压降，维持电池组内部温度的一致性，而其他问题如热产生机制和电池单体的结构却不是他们所主要关心的。计算流体动力学过去被广泛用于预测流量和传热的分析，现在电池热量管理只不过是计算流体动力学仿真的另一个应用。作为计算流体动力学仿真软件供应商，ANSYS致力于为用户创造易用的程序。无需采用不同的工具来完成几何建模、网格剖分、后处理和优化等工作，ANSYS Workbench已经将上述计算流体动力学组件集成融汇于其中。通过Workbench自带的几何建模工具或者从其它CAD软件中导入的几何模型都是参数化的。从模型的几何参数改变到Workbench中 的 结 果 更 新 可 以 一 键 完 成。Workbench内部不同仿真工具之间可以进行无缝数据传递。在ANSYS Workbench的帮助下，电池组整体的热流体动力学分析及优化可以完全在ANSYS Workbench环境下完成。图7和图8显示的是某重要汽车原始设备制造商利用ANSYS Workbench做的计算流体动力学仿真的实例。

       尽管计算流体动力学可以给出电池热量管理系统详细的热分布信息，但是要对不同驾驶循环时的瞬态过程仿真颇费时间。利用模型降阶技术可以从计算流体动力学结果中提取出一个Foster网络模型。Foster网络模型可给出与完整计算流体动力学模型相同的结果，但是与完整计算流体动力学模型相比仿真速度要快得多。对于图7和图8所示模型，在单CPU计算机上采用完整计算流体动力学模型需两个小时才能仿真一个驾驶循环。但是，采用提取的Foster网络模型可以将仿真时间压缩超过两个数量级，达到20秒钟左右。并且，Foster网络模型可以给出与原始完整计算流体动力学模型相同的结果。图9显示的是这两个结果的对比。ANSYS Simplorer将计算流体动力学结果作为输入量，自动完成模型的降阶处理。这一模型降阶技术为之前不实用的仿真技术的实用化打开了一扇门，像电池组热控制系统分析就可由此受益。

       对于电气工程师，他们主要关心的是电池组的电气性能而不是热性能。然而，如前所述，电池组的电气性能是温度的强耦合函数。因此，电气工程师需要一个精确而简单的与电池组电路模型耦合的热模型。图10给出了这样的一个完整的动态模型。该锂离子电池组完整电路模型充分考虑了非线性平衡电势、速变性、温变性、热效应和瞬态功率输出响应等的影响。传统的热网络模型也可以用来和电路模型耦合。利用Simplorer支持的IEEE标准硬件仿真语言VHDL-AMS可以很容易地搭建一个传统的热网络模型。事实上，VHDL-AMS语言可用于更为复杂的多物理和多域问题的建模，上述约翰•纽曼电化学模型就已经在Simplorer中通过VHDL-AMS语言搭建出来了。

本文来源：ANSYS  作者：胡晓

标签： 点击： 评论: