基于机器学习和遗传算法的动力电池液冷板结构设计与性能优化

《Journal of Energy Storage》：Structure design and performance optimization of liquid cooling plate of power battery based on machine learning and genetic algorithm

液冷板结构参数优化结合CAWOA-BP神经网络与NSGA-II算法，显著提升热性能系数和努塞尔数，同时摩擦系数增加。研究通过耦合椭圆柱体与交错半圆形肋复合结构，验证了多维优化方法在电池热管理中的有效性。

　　

张天石|刘正|杨世春|韩志武|徐凌汉|袁文静|范慧|于向南|李宁

吉林大学汽车底盘集成与仿生学国家重点实验室，吉林，中国

摘要

液冷板（LCP）的结构参数对动力电池的温度控制有显著影响。本文通过结合CAWOA-BP神经网络和NSGA-II优化算法，优化了肋柱复合结构的参数，并与原始结构相比，有效提高了其热导率（Nu）和热增强系数（TEC）。首先，将肋柱复合结构与蛇形流道LCP耦合，结果表明椭圆形柱和交错半圆形肋复合结构EC-SSR的性能最佳，其TEC提高了34.47%。然后，从中提取了五个结构参数作为变量，并以Nu和摩擦系数f为目标函数构建数据集。接着使用包含155组样本点的训练集对CAWOA-BP神经网络进行训练，再通过优化算法和数值模拟确定最优结构参数。最优结构的Nu从2.89提高到6.32，TEC提高了51.33%，尽管其摩擦系数f从0.41增加到1.24。本文为冷却结构的研究提供了一些新的见解。

引言

由于锂离子电池（LiBs）具有高能量密度、长循环寿命、零记忆效应和优异的放电倍率特性[1]、[2]、[3]，它们已成为电动汽车（EVs）动力系统的标准。作为EVs的核心供电单元，LiBs的工作状态直接决定了整个车辆的性能和安全性[4]。然而，在高倍率充放电条件（>3C）下，电池内部会积聚大量热量（温度上升速率>5°C/min），这会加速循环寿命的衰减，并可能引发热失控的连锁反应[5]、[6]、[7]、[8]。因此，构建高效可靠的电池热管理系统（BTMS）成为确保动力电池长期可靠运行的关键技术挑战。

目前主流的BTMS系统包括四种主要方式：空气对流冷却、相变材料温度控制、热管传导冷却和冷却介质循环制冷[9]、[10]、[11]。多维度技术经济评估表明，由于液冷系统具有更高的热流密度和较高的热容量，在商用车和高端乘用车领域占据了主导市场份额。系统架构主要分为两条技术路线：浸没式液冷和LCP接触传导[12]、[13]、[14]。与浸没式液冷相比，LCP通过通道设计提高了热传递能力，同时将系统集成复杂性降低了40%以上，生命周期维护成本降低了25%[15]。这使得LCP成为近年来的学术研究热点。LCP技术创新集中在三个维度上的突破。在流道拓扑优化领域，Fan团队[16]通过嵌入椭圆形微槽和次级分形流道，将流阻降低了92.6%。锂离子电池LCP的设计通常涉及多个目标的同步优化。一些学者基于此目标进行了结构优化研究，例如：Zhu等人[17]对锂离子电池LCP进行了多目标拓扑优化设计，以提高热交换效率并降低压降，结果表明拓扑优化后的LCP比仿生设计LCP的功耗降低了38.81%，温度上升降低了17.87%。Guo等人[18]研究了四种蛇形流道的LCP，其中平行螺旋流道性能最佳，并通过正交实验优化了结构参数，压降降低了74.18%。Jiang等人[19]优化了蛇形流道LCP的宽度、深度和转弯半径，结果显示优化后的泵功率降低了71%。Sheng等人[20]设计了一种新型的双入口双出口蛇形流道LCP，结果表明入口和出口的位置以及流动方向对电池的温度分布和LCP的功耗比有很大影响。为了进一步提高LCP的热传递效率，研究人员研究了湍流增强热传递机制。Abdulqader等人[21]设计了七种不同的矩形多通道LCP，实验验证表明菱形多通道性能最佳。Rajalingam等人[22]在通道中引入了不同截面的微结构，通过数值模拟发现翼型鳍和反翼型鳍的热传递性能得到了提升，压降也得到了降低。Nagendra等人[23]研究了肋条角度、肋条长度和肋条宽度对次级通道热性能的影响，结果表明肋条与流动方向平行时综合性能最佳。在微结构工程方面，Wu等人[24]研究了扇形腔和圆形肋条组合对微通道的影响，结果表明圆形肋条和扇形腔的组合可以降低压降并提高热传递效率。Wang等人[25]的研究表明，尽管等腰三角形和等腰梯形截面的波纹肋条的热传递系数分别提高了14.88%和20.66%，但其摩擦系数是矩形截面的1.2-2倍。Lu等人[26]优化了梯形肋条流道，当压降降低87.9 Pa时，流道的热传递性能略有提升。Fu等人[27]采用正交优化方案改进了流线型蜂窝鳍片LCP，实现了最大温差小于2°C。大量研究表明，在流道内部添加肋条、柱状结构等可以提升流道的热性能。

LCP的热性能受多种因素影响，这些因素之间的相互作用复杂，难以用传统公式准确描述。机器学习（ML）能够高效准确地识别变量之间的复杂关系并建立精确的预测模型，大幅降低实验和时间成本。此外，ML可以与多种优化算法结合使用，找到因素的最佳组合。Chen等人[28]总结了近年来的微通道冷却技术，指出结构设计与机器学习的紧密结合可以实现更好的热传递效果。目前LCP优化研究通过算法进步不断突破性能极限。Liu团队[29]在仿生脉状LCP中应用NSGA-II算法，将流道的分形维度优化到2.17，使T_max降低了0.23°C，ΔT_max降低了0.28°C，同时ΔP_avg大幅降低了65.56%。Monika等人[30]构建了LHS和智能体建模与多目标遗传算法的混合架构，对六边形微通道进行了优化，最终ΔP降低了62.32%，而Nu提高了64.41%。一些学者还研究了不同ML方法之间的差异，例如Zhu等人[31]结合神经网络算法和多目标优化算法优化了浸没冷却系统的结构参数，比较了三种神经网络算法（ANN、Kriging和RBF）的性能，发现Kriging产生的R²值最接近1，误差最小。Zhan等人[32]基于树拓扑优化采用NSGA-II优化了他们提出的树形通道LCP，结果表明与传统直通LCP相比，最大温度、温差和压降分别降低了13.94%、52.94%和61.5%，综合评估指数提高了89%。Gai等人[33]使用LHS和Kriging模型及多目标优化算法对热管理参数进行了系统优化，结果表明功耗降低了80.8%。Fan团队[34]对创新的双层枝晶流道进行NSGA-II优化后，LCP的性能达到了最佳，与普通LCP相比有了显著提升。这些研究表明神经网络和优化算法是解决工程优化问题的有效手段。尽管BP神经网络是一种高效稳定的算法，但对于复杂模型而言精度不够高。因此，本文采用CAWOA改进BP神经网络，以获得适用于本文的高精度模型。

如前述文献所示，优化LCP的热传递性能不仅限于仿生叶片脉状结构或手风琴管等结构修改。流道内的内部热传递增强结构的作用不容忽视。然而，当前研究主要集中在修改LCP的形态以提高热传递效率，而对内部湍流诱导结构（特别是肋柱复合结构）及其对LCP热传递性能的影响研究不足。因此，本研究重点关注流道内的肋柱复合结构，探讨它们对LCP热传递和压降的影响。目前，人工智能在各个学科中都是主流研究趋势。因此，本文比较分析了CAWOA-BP神经网络算法和传统BP神经网络算法的性能差异，并提出了一种结合CAWOA-BP神经网络和NSGA-II设计和优化锂离子电池蛇形LCP结构和性能的方法。希望这些探索性工作能为动力电池热管理研究提供新的见解和参考。

节选内容

LCP建模与肋柱复合结构设计

本研究以广泛用于EVs的方形锂NCM三元电池作为研究对象。表1列出了其关键物理参数和结构尺寸参数。如图1所示，方形电池串联组成电池模块，基于模块的几何特性设计了蛇形流道LCP系统。该系统的结构参数为148 mm（L_c）× 108 mm（L_k

结果与讨论

对于方形NCM三元锂电池在3C放电高温工作条件下的情况，本研究建立了恒定泵功率的BTMS，并对LCP的结构进行了优化研究。通过数值模拟分析了1200秒连续热释放过程中的流动和热传递耦合效应，以及流道内部结构对LCP热性能和流体动力特性的协同影响

结论

本文通过结合CAWOA-BP神经网络和NSGA-II优化算法，对带肋柱复合结构的LCP进行了优化，其热导率（Nu）和热增强系数（TEC）得到了有效提升。以下是本文的一些结论。

• (1)
  流道参数对LCP性能的影响表明，Nu与流道参数呈显著的反比例关系

CRediT作者贡献声明

张天石：验证、项目管理、方法论、概念化。刘正：写作——审稿与编辑、初稿撰写、可视化、验证、监督、软件使用、资源管理、方法论研究、资金获取、正式分析、数据整理。杨世春：项目管理、资金获取、概念化。韩志武：项目管理、资金获取、概念化。徐凌汉：方法论研究。袁文静：资金支持

利益冲突声明

无。

致谢

作者衷心感谢吉林省自然科学基金（编号20240101137JC）的财政支持。