The Innovation Energy | 从鲨鱼结构到高速列车的仿生设计“强化破阻”——蓄电池柔性热管理

自然界的生物经过进化，形成其独有特性。本文将鲨鱼表面启发的减阻结构应用于相变材料散热器并集成应用于电池热管理系统中，而相关的底层结构设计参数尚未系统优化，进一步借助高速列车的破阻设计调节近壁面气流并降低流动阻力。

导  读

目前极端环境的电池应用对其散热提出更高要求，仿生鲨鱼鳞片几何结构为同时提升散热效率与降低管道压降提供了潜在路径，结合高速列车车头造型，探讨了受鲨鱼鳞片启发的仿生柔性相变材料散热器与轴向风冷的集成应用。

图1 图文摘要

本研究提出了一种基于仿生结构优化的复合相变材料（PCM）散热器，该散热器结合轴向风冷技术用于电池热管理系统（BTMS），可显著提升电池组的散热性能。

首先将所研制的PEG1500/EG/BN/TPE复合柔性PCM，压制成表面带有仿生鱼鳞状结构的散热片，将其贴附于电池表面。探究该散热片的散热能力，进行了自然对流、风冷、风冷耦合PCM 及风冷耦合鱼鳞状PCM 四种实验设置，1C、1.5C、2C 三种放电实验工况的电池放热实验。结果表明，随着放电倍率的增加，电池放电最终温度提高，各实验组的最终放电温度温差逐步增大；在1C放电情况下，四个实验组的放电最终温度均未超过安全温度，自然对流组的温度最高为48.54 ℃，风冷耦合鱼鳞状PCM组的温度最低为40.78 ℃；在2C 放电情况下，风冷耦合鱼鳞状PCM 组的温度为50.90 ℃，温升仅为自然对流组的49.3%（如图1）。为探究该鱼鳞结构的减阻能力，实验测试了风冷、风冷耦合PCM 及风冷耦合鱼鳞状PCM的风道压降变化情况。不包裹PCM 的电池组，因为其风道最开阔，风道进出口压降减少最小；鱼鳞状PCM 相较于光滑PCM，其压降损失有所降低了3.1%，验证了鱼鳞状结构有助于减小风道压降的理论（如图2）。

图1 数值模型在2℃放电时的温度验证：(A) 自然对流；(B) 空气冷却；(C) 空气冷却结合相变材料；(D) 空气冷却结合仿生相变材料；(E) 实验温度与数值温度的NMBE和CVRMSE对比。（原图3）

图2 验证数值模型的压降、2C排放时的温度和速度分布轮廓：（A）验证空气冷却；（B）验证空气冷却与PCM的结合；（C）验证空气冷却与仿生PCM的结合；（D）空气冷却与PCM耦合的温度分布；（E）空气冷却与仿生PCM耦合的温度分布；（F）空气冷却与PCM耦合的速度分布；（G）空气冷却与仿生PCM耦合的速度分布。（I：720 s；II：1440 s）（原图4）

通过HPPC 法测得电池内阻，获取了电池发热量及边界换热特性，建立了电池组的数值计算模型。利用已有实验数据验证了模型的可靠性后，运用凹抛物线理论对鱼鳞结构的高宽比进行优化，依据列车的流线结构对鱼鳞散热片的侧面结构进行优化（如图3），并通过改变鱼鳞排数及排列方式探究了最优的鱼鳞散热结构。（1）计算出对应风速下各高宽比中，最利于减阻的鱼鳞肋尺寸。建立PCM表面带鱼鳞肋的电池组模型，利用数值模拟对各组模型进行放热模拟，发现高宽比为0.5的鱼鳞结构散热效果最佳，可将电池组温度控制在46.84 ℃，最大温差控制在1.2 ℃。（2）在高宽比优化基础上，使用复兴号400系列、法国TGV列车的车头流线结构对鱼鳞的侧面结构进行优化。通过数值模拟获得的电池放热结果，发现侧面结构为CR400AF的结构散热效果最佳，可将电池组温度控制在46.24 ℃，最大温差控制在1.2 ℃。（3）在完成对鱼鳞结构的优化探究后，通过改变散热片上鱼鳞排数及排列方式对鱼鳞散热片进行优化。通过数值模拟获得的电池放热结果，发现13排且叉排排列的散热片散热效果最佳，可使将电池组温度控制在46.11 ℃，最大温差控制在1.2 ℃。（4）各组电池模型在风道各位置的流速模拟，在135°的轴向各测点速度均随着风道的深入而不断提高，其余各角度测点的轴向速度均随着风道的深入而降低。

通过多组模拟分析，得到了最合适的鱼鳞结构及排列方式，即鱼鳞高宽比为0.5、侧面结构为CR400AF、13 排且叉排排列，可将电池组各点表面平均温度控制在46.11 ℃，最大温差控制在1.2 ℃。（如表1）

图3 不同横向结构电池的肋侧结构优化与仿真结果：(A) 复兴号CR400AF及结构提取；(B) 复兴号CR400BF及结构提取；(C) 法国TGV列车及结构提取；(D) CR400AF横向结构仿真结果；(E) CR400BF横向结构仿真结果；(F) TGV横向结构仿真结果。列车照片来源于互联网。（I：电池最终温度；II：风速）（原图7）

表1 不同情况下电池组轴向各点的平均最终温度（原表S12）

总结与展望

本研究阐明了仿生表面结构在PCM-风冷BTMS中同时调节传热与流动阻力的作用机制。通过引入仿生鲨鱼鳞片PCM表面，实现了传热增强和流阻缓解的协同调节。仿生PCM表面的热性能由肋长宽比、横向几何形状和布置形式的耦合设计控制。未来可引入机器学习辅助优化方法来补充CFD的模拟，如响应面模型、高斯过程回归、随机森林或神经网络。当前设计可扩展到更苛刻的运行场景以进一步评估其耐用性、可靠性和安全裕度，纳入各因素向多目标设计拓展。

责任编辑

杨青青    北京理工大学

丁振亚    The Innovation