CAESES®による電気自動車のバッテリーフィンのパラメトリックモデリングと最適化

はじめに

電気自動車の性能向上により、バッテリの電力消費による発熱が急激に増し、フィン付きヒートシンクの散熱効果への期待が高まっています。

ここでは、バッテリーのフィン付きラジエーターの構造を最適化し、熱交換効率向上を行いました。作業の詳細として、フルパラメーター化されたバッテリーフィンラジエーターモデルを作成し、CAEソリューション連携設定後、最適化を実施しました。


CAESESR®によるパラメトリックモデリング

フィンの長さ、幅および配置角をパラメータとして検討します。

image21.gif image23.gif image22.gif

フィンの長さ変更        フィンの幅変更      フィンの配置角変更



計算条件


1.物理モデル:

  • 二次元

  • 定常計算

  • 流体構造連成解析(個体領域:銅、流体領域:空気)

  • 乱流モデル:k-e標準


2.計算格子:

  • 非構造格子

  • 格子数は約50000


3.境界条件

image.png












CFDとの連携設定

メッシャー、ソルバーおよびポスト処理ツールとの連携設計を行い、解析結果に基づいて形状モデルを調整します。


image.png

最適化アルゴリズム

平均固体温度を評価対象とし、フィンの長さと角度についてSobol(50ケース)で計算しました。

CAESES®には設計変数を制御することで、さまざまなモデルを手にします。実験設計法(Sobolアルゴリズムなど)に加えて、単一目的/多目的最適化アルゴリズム(勾配降下法、遺伝的アルゴリズムNSGA-II、MOSAアルゴリズムなど)もあります。

image.png


フィンの計算結果(一部)

image.png image.png

image.png  image.png

フィンのサイズと角度ともに散熱に影響する



まとめ

  • CAESES®の強力なパラメトリックモデリング機能を実証し、ヒートシンクフィンのタイプ、形状、サイズを制御できることを見せた。

  • 同じ気流と熱条件下で、最適化モデルでの最大温度は2℃下がり、平均温度は48℃から38℃に下がった。

  • Sobolアルゴリズムでの最適化により、フィンのサイズと角度ともに熱放散に影響していることが分かった。

image.png image.png