Shakeel Ahmad，刘彦辉，黄鑫炎
锂离子电池凭借高能量密度、长循环寿命和低自放电率等优势，在电动汽车和电化学储能系统中发挥着重要作用。然而，锂离子电池的工作性能对温度极为敏感。在充放电过程中，电池会释放热量，长期高温运行会加速老化并导致性能衰退；如果热量在电池内部持续累积，可能引发热失控和火灾风险。此外，电芯之间的温度不一致性也会使电芯性能差异扩大，进而影响电池系统的充放电效率。因此，高效可靠的热管理系统是保障电池安全运行和延长电池使用寿命的关键。通常，电池热管理的目标是将单体温度控制在15 °C至35 °C，并保证电芯间的最大温差小于5 °C。
随着锂离子电池市场需求和应用场景不断增加，多种电池热管理冷却技术应运而生，包括风冷、液冷、相变材料冷却、热管冷却、热电冷却等。学界也对电池热管理技术进行大量的实验和计算机数值模拟研究。比如，风冷通过空气流动带走热量，结构简单、成本低廉，在小型电池组中具有明显优势。风冷与轻质高导热翅片耦合的热管理技术，因其轻量化且低能耗的特点，在电动飞行设备中备受青睐。
相变材料冷却通常将相变材料与电芯接触，利用材料的相态变化吸收热量，从而降低电池温度并提升电池系统的温度均匀性。由于相变材料只能储存热量，如果所吸收的热量不能及时导出，则会引起相变潜热耗尽，导致热管理系统失效。在实际应用中，相变材料需要进一步结合风冷或液冷技术，以增强其二次散热能力，从而提升热管理系统的安全性和稳定性。（见前文“电池热管理：相变材料+翅片风冷”）。
相变材料-翅片-风冷技术耦合的电池热管理方案[3]
液冷是当前应用最为广泛的电池热管理技术之一[4]。根据冷却介质与电芯的接触方式不同，液冷可分为直接液冷和间接液冷。间接液冷通过冷板或冷却管道与电池接触，利用冷却液在管道或板内循环，吸收并带走电池产生的热量。而直接液冷，又称为浸没式液冷，是将冷却液直接与电池接触，其传热效率更高、冷却速度更快。因此，浸没式液冷系统在大规模电池储能系统中展现出良好的应用潜力[5]。其中，冷却液性质、换热模式及流动特性对电池系统的电-热性能影响显著，是当前研究热点（见前文“电池热管理：静态单相浸没式冷却初探”）。
为进一步研究不同设计参数对浸没式液冷性能的影响，并探讨机器学习方法对系统效率的预测效果，理大火灾实验室近期提出了一种适用于方形电池模组的浸没式液冷系统。在5C放电倍率下，研究了电芯间距、贴壁距离、进液速度和进/出液口间距对电池散热效率及系统能耗的影响。基于仿真得到的数据集，我们采用人工神经网络（ANN）模型对系统性能进行预测，并确定了设计参数的最优组合策略。
我们首先选取具有3个中心进/出液口、电芯间距和贴壁距离均为6 mm、进液口直径为4 mm、进液速度为1 m/s的液冷系统为动态基准案例，对比了其与静态液冷系统的控温性能（即进液速度为0 m/s）。结果显示，动态浸没式液冷可显著强化散热效果，电池最高温度相较于静态浸没液冷系统降低了8.3%。进一步的仿真研究发现，电池最高温度和最大温差随电池间距的增加而略有上升；随贴壁距离、进液速度和进/出液口数量的增加而降低。然而，系统功率消耗随着进液速度和进/出液口数量的增加、电芯间距和贴壁距离的减小而增加。
而后，本研究利用人工神经网络（ANN）对仿真数据进行训练，通过映射输入与输出之间的非线性关系，预测浸没式液冷系统在不同参数组合下的性能。数据集由200个仿真案例构成，每个案例包括4个输入参数（电芯间距、贴壁距离、进液流速、进液口数量）和3个输出参数（电芯温度、电芯温差、系统能耗）。数据集被随机分为三部分：70%用于训练，15%用于验证，15%用于测试。随后，采用Levenberg-Marquardt（LM）优化算法对AI 模型进行训练，以加速收敛速度并提高计算效率。结果表明，AI 模型的预测与实际模拟数据高度吻合，展示了优异的预测准确性。
最终，机器学习模型在预设范围内对输入的设计参数进行了划分和组合，生成了8080个不同的参数组合。通过比较这些组合的输出结果（预测的最高温度、最大温差和系统能耗），评估并优化了设计方案。本文以基准案例的系统能耗为约束条件，优化了电芯间距和贴壁距离。优化结果显示，电池的最高温度下降了7.7%，最大温差减少了86%。
相关研究成果已发表工程热物理领域的核心期刊在《International Communications in Heat and Mass Transfer》[6]。未来的研究将扩大电池系统的规模，并考虑潜在的热失控风险，以进一步优化热管理设计。
相关链接文献
刘彦辉：香港理工大学博士生，研究领域涉及电池火灾安全。
查看刘彦辉个人网页
黄鑫炎 博士：香港理工大学副教授、博士生导师，研究领域包括基础燃烧科学和火灾安全应用。
相关阅读：
图文 | 刘彦辉
编辑 | 谢伟康
审核 | 黄鑫炎
