首页/文章/ 详情

编外热管理工程师对于闪充的快问快答

3月前浏览667

问题1: 快充完55度以上是否正常? 答:正常。

液冷换热说到底就是对流换热,换热总量是温差的积分,快充时间越短换热的边际效应越明显。下图是作者通过amesim软件预演的数据,数据不是实测,但用于演示趋势没问题,当快充倍率达到6C时,最高温度在68度,而通过液冷换热的比例只有10%。

问题2:双冷板是否有效?答:有,但不多,而且整车付出的成本更多。

为了增加换热能力,首先电池得加重,而且整车的压缩机能力能得提高,大cc压缩机节能和效率方面并不是太友好。另外,最关键的,对高温的收益有限。如下图,同样的case通过double换热能力来仿真,最高温66度,仅收益2℃,换热率从10%提升至15%。

问题3:直冷呢?答:先解决温度均匀性问题吧

电池换热的瓶颈在于电芯本身,因为其导热率很低,虽然直冷能拉低进口水温,但整体换热能力提升有限,另外直冷气液两项分布不均导致,导致换热差异较大。

电池直冷  

问题4:浸没呢?答:还是多关注下AI行业吧

想想看吧,在成本竞争如此激烈的新能源行业,有多少车企会愿意为材料兼容性埋单,而且整个测试周期比较长,等整个液冷环路都测试完,车型都迭代好几轮了。

浸没式冷却  

问题5:在超快充/闪充时代,电池热管理还能有所突破吗?答:非常遗憾,很难了。

首先不能违背物理规律,在整包几十甚至上百千瓦的发热功率面前,整车那几千瓦制冷量杯水车薪。另外,电池本身是个较大的热容体,若增加相变材料等更大的热容体来吸收热量,收益也不成比例。所以,热量带也带不走,吸也吸不掉,只有电芯自己扛了。

问题6:照这么说热管理可有可无?答:肯定不是。

快充/闪充在整个电池使用工况里占较小,不要忘了,还有低温工况,普通快充,高温放电等等工况,那才是热管理的战场。电池热管理的挑战:

  • 低成本、高集成,本身安全
  • 日常使用在尽可能理想的温度范围内
  • 保证整包温度均一性
  • 精确预测最高和最低温度
热管理  

问题7:闪充真的安全吗,对循环寿命影响有多少?答:有请电芯的小伙伴来回答这些问题。

问题8:之前预判的双冷板等技术方向为何没有普及?答:作者年轻气盛,认识有限。

作者之前的文章800V快充(上)和800V快充(下)曾预判因为快充电池包会大范围加大换热面积,没想到可以拿电芯的一部分循环寿命来cover。

总结:存在即合理,锂电行业还在不停进步。


来源:韩工的酱油台
新能源AMESim材料
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2026-05-22
最近编辑:3月前
电工韩
硕士 签名征集中
获赞 34粉丝 73文章 44课程 0
点赞
收藏
作者推荐

寻路整车能量仿真:整车能耗建模的探索与未竟之途

支线任务提起《魔兽世界》,老玩家们一定不会陌生这款曾经风靡全球的在线角色扮演游戏,核心玩法之一就是通过完成各式任务来升级、获取装备、提升声望。其中,主线任务承载着核心剧情,像最初的“经典旧世”版本,就是带领玩家探索艾泽拉斯、对抗燃烧军团的史诗篇章。而丰富游戏世界、增添深度与趣味的,则是那些支线任务。它们或深挖背景故事,或带来意想不到的挑战与奖励。当然,今天这篇文章,并非要探讨魔兽世界的团本怎么打,也不讲仿真怎么建模。熟悉本号的老读者大概已经猜到,作者的“主线任务”是围绕着电池热管理展开。不过,正如艾泽拉斯的勇士们不会只盯着一条任务线,在技术探索的征途中,我也接过不少值得回味的“支线任务”。鉴于近期工作重心的变化,是时候提笔写篇“回忆录”了,专门回顾其中一个重要的支线:“整车能量管理仿真”。这篇回忆,关于那段旅程中遇到的人,以及沿途明白的事。 能量模型1.0时间线拉回2018年,我的这个“支线任务”正式开启。彼时,某款车型上市后暴露出能耗偏高的问题。团队希望通过三电系统热仿真进行策略优化,并将其嵌入整车控制模型进行联合仿真,这相当于在实车标定前,对热管理策略进行一次“虚拟预标定”。虽然是三电平台的热管理仿真,但主要策略聚焦于电池热管理,凭着对电池系统和热模型的一腔热忱(用现在的话说,就是有点“初生牛犊不怕虎”),我接下了这个挑战。技术攻坚的“副本”随即展开。由于该车型的三电系统(电池、电机/电控)通过四通阀耦合在同一水循环中,建模工作变得异常复杂:需完整的水路模型:包括水泵、管路、阻力元件、四通阀/三通阀;各换热单元模型:电机、电机控制器、DCDC、散热器;电池电模型与温度模型的强耦合建模;大量零部件参数标定,以及被控单元与控制单元的联合仿真调试。 然而,技术建模只是“开荒”的第一关。真正的“团队副本”难点在于跨部门协作。 项目涉及多个部门,获取关键数据阻力重重:有的部门配合度低,参数给的极少,更有部门在会上对主导权归属存疑,直接“撂挑子”退出。项目一度陷入僵局,进度堪忧。就在此时,一位关键“队友”L(负责整车里程的同事)站了出来,如同“雪中送炭”。 L不仅提供了整车动力模型的核心算法,还分享了宝贵的电机效率MAP等关键数据。而其他难以直接获取的模型参数,我们则另辟蹊径,基于有限的台架和整车测试数据,强行进行反向拟合和标定。 正是L的鼎力相助和自己的“土法攻坚”,这个初版(虽仅聚焦高压三电)的整车能量模型才得以成型。 但它立刻发挥了作用,帮助我们深入分析并优化了若干高压电气能耗痛点:低温行车: 是否开启电池加热器(PTC)?何时开?开多大功率?余热回收: 不同工况下,如何最大化利用电机/电控产生的废热?充放电管理: 冷却和加热策略的能耗如何与充放电过程协同优化?系统仿真的魅力,就在于它能在多维度的物理约束中,精准“寻优”,找到那个理论上的最佳平衡点, 我们将这些优化后的策略点交给标定团队进行实车验证。令人振奋的是,仿真与实测结果高度吻合——能耗差异仅在零点几度电(kWh)级别! 这为后续的工程优化提供了坚实且可信赖的方向。能量模型2.0由于组织架构调整和车型迭代,这个“支线任务”暂时被搁置了。未曾想,剧情在三年后迎来了转机。一天,老队友L(那位负责整车经济性/动力性的关键人物)突然找到我:“现在整车要正式计算高低温续驶里程了,需要一个完整的整车能量仿真模型,有没有兴趣一起做?”这简直是“任务续章”的召唤! 我自然毫不犹豫地答应。当年那个初代三电模型虽小有成就,但终究不是“完全体”,我内心一直渴望能更深入地探索整车能量流的奥秘。于是,“整车能量管理模型2.0”在全新的软件平台上正式开工。 这次,我们的目标非常明确:必须打造一个“全家桶”级别的模型,覆盖所有关键能耗环节! L 凭借其对整车性能的深刻理解,主导搭建整车级的模型架构。我们两人合力在1.0版的三电模块基础上,进行了关键性拓展与精细化标定:空调系统四大件(压缩机、冷凝器、膨胀阀、蒸发器)模型;乘员舱热负荷模型;更复杂的阀体(如五通阀)等效模型;电机模型深度细化: 将内部结构离散为转子、绕组、定子、外壳,进行更精准的产热与传热计算;电池模型针对性增强: 为精确模拟高低温下的能耗特性,对电池在极端温度下的行为表达(如内阻变化、可用容量衰减、最低和最高温度离散)进行了专门优化。 但同时也有困难与挑战,此时的我们已不在控制器部门,失去了直接与实车控制模型进行深度耦合的权限。面对这个限制,我们也没有放弃。我们将核心的控制逻辑(关键阈值点、状态转换逻辑)提取出来,用Stateflow编写了一套简化版的“虚拟控制器”,嵌入模型中。尽管存在控制器耦合的缺憾和台架-整车数据差异等一系列困难,这个倾注心血的2.0模型,在高低温续驶里程的预测上,交出了令人满意的答卷——与实测数据的误差均控制在3%以内,如果继续优化,可以进一步减小误差。能量模型3.0基于前两版模型的经验,我和L都深刻认识到: 整车能量模型最大的“拦路虎”,莫过于海量参数的获取与验证。更关键的是,事必躬亲、从零搭建所有模块,效率实在太低,且难以持续。为此,我提出了一个“破局”思路: 借鉴国际主流整车厂管理模型的经验,采用“黑盒”交互模式。即由各专业部门(如空调、电池、电机、软件等)负责提供并保证其子系统模型的精度(封装为黑盒),我们则在统一软件平台上进行集成与系统级仿真。这理论上能大幅提升效率,并确保各模块的专业性。 然而,理想的方案总在现实中碰壁。软件平台并非核心问题,真正的“死结”在于:由哪个部门来主导这个跨领域的模型集成项目?(权责不清)其他部门能否、又愿意配合到什么程度?(协作意愿与资源保障)更令人忧心的是: 即便整车部门出面推进相对“聚焦里程”的2.0模型时,我们也再一次深刻领教跨部门协作的艰难与阻力,那些无形的“墙”依然存在。面对这样的现实,我和L的共识是: 这个更宏大、更依赖协作的“模型集成”新方案,在当前的土壤里,短期内几乎没有破土而出的可能。带着一丝遗憾和无奈,我们终于明白,这场关于整车能量管理深度仿真的“征程”,不得不在此暂时搁笔。 短期内,我们恐怕都无力再继续推进了。思考这段始于“支线任务”的技术旅程,虽因现实的壁垒而暂时搁置,其价值却早已超越了模型本身,深深烙印在我们的认知与实践之中。它更是一堂生动的“协作启示录”, L在关键时刻的鼎力相助,诠释了技术攻关中“关键队友”的不可或缺;我们共同经历的“土法攻坚”,证明了工程师在资源限制下的智慧与韧性。遗憾,是有的。 未能将“黑盒集成”的蓝图落地,未能构建起一个跨部门协作的模型生态,是技术理想遭遇组织现实的无奈叹息。但希望,从未熄灭。 这段经历所沉淀的模型架构经验、参数标定心得、系统级思维方法,以及那份对能量流动本质的执着探索,已成为我们技术工具箱中的宝贵财富。它们或许会以新的形式,在未来的某个项目、某个平台、某个需要深度剖析能耗的环节中,悄然复苏,焕发新生。后记时隔一段时间,当我再次碰到L时我问他你最近在忙啥,他说:我在研究AI算法,想用AI工具寻优里程算法。我说:我也在关注AI算法和大数据,一起学啊。全文完。来源:韩工的酱油台

未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习计划 福利任务
下载APP
联系我们
帮助与反馈