动力电池液冷散热器的优化方法及装置

本发明涉及散热，具体涉及一种动力电池液冷散热器的优化方法及装置。

背景技术：

1、液冷散热器是利用泵使散热管中的冷却液循环并进行散热。一套典型的液冷散热器具有以下部件：液冷板、循环冷却液、水泵、管道和水箱(或换热器)。液冷散热器的结构设计复杂，不同的结构设计具有不同的散热效果。为了达到较好的设计效果，需要设计出多种不同的液冷散热器结构进行计算后再确定最终的散热效果，整个过程需要付出大量的人力，设计成本高，并且所确定的液冷散热器结构也不一定是最优的结构。

技术实现思路

1、有鉴于此，有必要提供一种动力电池液冷散热器的优化方法及装置，用以实现降低液冷散热器的设计成本，确定液冷散热器最优结构设计的目的。

2、为了实现上述目的，本发明提供了一种动力电池液冷散热器的优化方法，包括：

3、基于动力电池的液冷散热器结构，确定优化所述液冷散热器所需的物理参数的范围、初始样本点和真实响应值；

4、根据所述物理参数的范围、所述初始样本点和所述真实响应值，构建代理模型；

5、基于预设的粒子群算法对所述代理模型进行优化，得到优化后的物理参数；所述粒子群算法中的惯性权重在每次迭代过程中线性递减；

6、根据优化后的物理参数，确定所述液冷散热器的优化方案。

7、进一步地，所述物理参数，包括：液冷板厚度、除去管道液冷板壁厚、入口冷液温度和入口冷液流速；

8、所述液冷板厚度的范围为10mm—15mm，所述除去管道液冷板壁厚的范围为2mm—3.5mm，所述入口冷却液温度的范围为20℃-30℃，所述入口冷却液流速的范围为0.3m/s-3m/s。

9、进一步地，所述基于动力电池的液冷散热器结构，确定优化所述液冷散热器所需的物理参数的范围、初始样本点和真实响应值，包括：

10、基于动力电池的液冷散热器结构，确定优化所述液冷散热器所需的物理参数的范围；

11、对所述物理参数的范围进行box-behnken采样，得到初始样本点；

12、基于cfd热仿真软件对所述初始样本点进行计算，得到真实响应值。

13、进一步地，所述基于预设的粒子群算法对所述代理模型进行优化，得到优化后的物理参数，包括：

14、基于预设的粒子群算法对所述代理模型进行优化，并在粒子群算法的每次迭代过程中，基于最小响应面法添加样本点，以更新所述代理模型，得到优化后的物理参数。

15、进一步地，所述代理模型，包括：温差代理模型、压差代理模型和平均温度代理模型；所述温差代理模型对应的公式为：

16、

17、所述压差代理模型对应的公式为：

18、

19、所述平均温度代理模型对应的公式为：

20、

21、其中，为温差，为压差，为平均温度；

22、x1为液冷板厚度，x2为除去管道冷却板壁厚，x3为入口冷却液温度，x4为入口冷却液流速，a、b、c、d、e、f、g、h、i、j、k、l、m、n、o均分别为最小响应面法计算的数值。

23、进一步地，在粒子群算法的每次迭代过程中，所述代理模型满足：

24、

25、其中，r2为代理模型的拟合精确程度，na为样本点数量，yn为代理模型的真实响应值，为代理模型的预测值，为真实响应值均值。

26、进一步地，所述粒子群算法中的惯性权重满足：

27、ki＝1:kn

28、wg＝w1-(w1-w2)*ki/kn

29、其中，wg为当前迭代次数对应的惯性权重，w1为最大惯性权重，w2为最小惯性权重，ki为当前迭代次数，kn为总迭代次数。

30、本发明还提供一种动力电池液冷散热器的优化装置，包括：

31、数据获取模块，用于基于动力电池的液冷散热器结构，确定优化所述液冷散热器所需的物理参数的范围、初始样本点和真实响应值；

32、模型构建模块，用于根据所述物理参数的范围、所述初始样本点和所述真实响应值，构建代理模型；所述代理模型，包括：温差代理模型、压差代理模型和平均温度代理模型；

33、优化模块，用于基于预设的粒子群算法对所述代理模型进行优化，得到优化后的物理参数；所述粒子群算法中的惯性权重在每次迭代过程中线性递减；

34、方案确定模块，用于根据优化后的物理参数，确定所述液冷散热器的优化方案。

35、本发明还提供一种电子设备，包括存储器和处理器，其中，

36、所述存储器，用于存储程序；

37、所述处理器，与所述存储器耦合，用于执行所述存储器中存储的所述程序，以实现如上述任意一项所述的动力电池液冷散热器的优化方法中的步骤。

38、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的动力电池液冷散热器的优化方法。

39、采用上述实现方式的有益效果是：本发明提供的动力电池液冷散热器的优化方法及装置，通过动力电池的液冷散热器结构，确定优化所述液冷散热器所需的物理参数的范围、初始样本点和真实响应值；根据所述物理参数的范围、所述初始样本点和所述真实响应值，构建代理模型；所述代理模型，包括：温差代理模型、压差代理模型和平均温度代理模型；基于预设的粒子群算法对所述代理模型进行优化，得到优化后的物理参数；所述粒子群算法中的惯性权重在每次迭代过程中线性递减；根据优化后的物理参数，确定所述液冷散热器的优化方案。

40、本发明构建了动力电池液冷散热器的基本物理参数与输出参数温差、压差、平均温度之间的耦合关系，并通过线性递减惯性权重粒子群算法优化多个基本参数以得到最佳参数组合，以优化后的参数组合构建液冷散热器的优化方案，实现降低液冷散热器的设计成本，确定液冷散热器最优结构设计的目的。

技术特征：

1.一种动力电池液冷散热器的优化方法，其特征在于，包括：

2.根据权利要求1所述的动力电池液冷散热器的优化方法，其特征在于，所述物理参数，包括：液冷板厚度、除去管道液冷板壁厚、入口冷液温度和入口冷液流速；

3.根据权利要求1所述的动力电池液冷散热器的优化方法，其特征在于，所述基于动力电池的液冷散热器结构，确定优化所述液冷散热器所需的物理参数的范围、初始样本点和真实响应值，包括：

4.根据权利要求1所述的动力电池液冷散热器的优化方法，其特征在于，所述基于预设的粒子群算法对所述代理模型进行优化，得到优化后的物理参数，包括：

5.根据权利要求4所述的动力电池液冷散热器的优化方法，其特征在于，所述代理模型，包括：温差代理模型、压差代理模型和平均温度代理模型；所述温差代理模型对应的公式为：

6.根据权利要求4所述的动力电池液冷散热器的优化方法，其特征在于，在粒子群算法的每次迭代过程中，所述代理模型满足：

7.根据权利要求1-6任一项所述的动力电池液冷散热器的优化方法，其特征在于，所述粒子群算法中的惯性权重满足：

8.一种动力电池液冷散热器的优化装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括存储器和处理器，其中，

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的动力电池液冷散热器的优化方法。

技术总结
本发明提供一种动力电池液冷散热器的优化方法及装置，该方法包括：基于动力电池的液冷散热器结构，确定优化所述液冷散热器所需的物理参数的范围、初始样本点和真实响应值；根据所述物理参数的范围、所述初始样本点和所述真实响应值，构建代理模型；所述代理模型，包括：温差代理模型、压差代理模型和平均温度代理模型；基于预设的粒子群算法对所述代理模型进行优化，得到优化后的物理参数；所述粒子群算法中的惯性权重在每次迭代过程中线性递减；根据优化后的物理参数，确定所述液冷散热器的优化方案。本发明可以实现降低液冷散热器的设计成本，确定液冷散热器最优结构设计的目的。

技术研发人员：刘德政,柯子煜,李炎,张帆,余刚,罗静,汪云
受保护的技术使用者：湖北文理学院
技术研发日：
技术公布日：2024/2/21