趙藝博
摘要:該文對新能源汽車熱管理系統(tǒng)試驗臺的熱力學模型建立進行了深入研究,該模型可支持制冷加注量工況、系統(tǒng)制冷工況、系統(tǒng)制熱工況、系統(tǒng)除濕工況及系統(tǒng)化霜工況,并能夠模擬R134a、HFO、CO2、R290等新型制冷劑加注量。通過該模型可以快速模擬計算出不同工況下新能源汽車熱管理系統(tǒng)試驗臺的干濕球溫度、部件進出口壓力、空氣流量、制冷量和制熱量等技術(shù)指標。
關鍵詞:新能源汽車熱管理熱力學模型溫度場
中圖分類號: U469.72文獻標識碼:A ? ? ? ?文章編號:1672-3791(2021)11(c)-0000-00
Abstract: This paper makes an in-depth study on the establishment of the thermodynamic model of the new energy vehicle thermal management system test-bed. The model can support the refrigeration filling capacity condition, system refrigeration condition, system heating condition, system dehumidification condition and system defrosting condition, and can simulate the filling capacity of new refrigerants such as R134a, HFO, CO2 and R290. The model can quickly simulate and calculate the dry and wet bulb temperature, component inlet and outlet pressure, air flow, refrigeration capacity and heating capacity of the new energy vehicle thermal management system test-bed under different working conditions.
Key Words: New energy vehicle; Thermal management; Thermodynamic model;Temperature Field
1背景介紹
我國汽車產(chǎn)業(yè)發(fā)展迅速,近年來產(chǎn)銷量穩(wěn)定在2800萬輛,雖然傳統(tǒng)汽車面臨市場困境,但是新能源汽車產(chǎn)銷量猛增,2018年產(chǎn)量達123萬臺,2020年達標產(chǎn)量為288萬臺,保有量達500萬臺。與傳統(tǒng)燃油汽車相比,新能源汽車(特別是純電動汽車)難以利用發(fā)動機余熱作為制熱源,只能通過高壓電池產(chǎn)生熱能,必須在保證安全性的前提下,盡可能提高熱效率。因此,新能源汽車熱管理系統(tǒng)的性能優(yōu)劣直接關系到整車的可靠性、安全性和能耗水平。近年來,國內(nèi)外自主汽車品牌(主要包括一汽、二汽、上汽、吉利、寶馬、保時捷、大眾、日產(chǎn)-雷諾、豐田、本田、現(xiàn)代、GM、Tesla)紛紛開始研發(fā)熱泵型新能源汽車的熱管理系統(tǒng)及其試驗臺,并計劃量產(chǎn)推向市場[1]。通過前期調(diào)研發(fā)現(xiàn),汽車廠家在研發(fā)過程中亟需完整體系的新能源汽車熱管理系統(tǒng)試驗臺的檢測方法與評價標準。
從本世紀初開始,我國開始制定汽車熱管理系統(tǒng)的各項標準[2]。國家機械工業(yè)局在2000年發(fā)布了11 項汽車空調(diào)標準[3-4],分別規(guī)定了傳統(tǒng)汽車空調(diào)的冷氣性能、暖風性能、除霜性能等性能指標的試驗方法和評價要求。目前,我國現(xiàn)行的汽車空調(diào)標準為 GB/T 21361-2017《汽車用空調(diào)器》,其中制冷量采用空氣焓差法進行測量,提出了溫度、壓力、流量的測量方法及制冷量的計算方法。但遺憾的是,上述標準僅根據(jù)傳統(tǒng)汽車空調(diào)制定,一直沒有涉及與新能源汽車熱管理系統(tǒng)試驗臺相關的各項技術(shù)指標和檢測方法,也未包含系統(tǒng)除濕和系統(tǒng)化霜等常用試驗工況。
與傳統(tǒng)汽車相比,新能源汽車的熱管理系統(tǒng)采用了R134a、HFO、CO2、R290等一系列新型制冷劑,在制冷加注量、系統(tǒng)制冷、系統(tǒng)制熱、系統(tǒng)除濕和系統(tǒng)化霜等試驗工況下對其試驗臺的可靠性、安全性和準確性均提出了更高的要求[5]。目前,國內(nèi)外各汽車企業(yè)大部分采用自編方法對新能源汽車熱管理系統(tǒng)試驗臺的各項技術(shù)指標進行檢測[6],并沒有形成統(tǒng)一的檢測規(guī)范。
為了能夠全面且深入了解新能源汽車熱管理系統(tǒng)試驗臺在不同工況下運行時的溫度場、壓力場和流場分布,并最大限度地節(jié)約試驗時間,該文將對新能源汽車熱管理系統(tǒng)試驗臺進行熱力學建模。該模型可支持制冷加注量工況、系統(tǒng)制冷工況、系統(tǒng)制熱工況、系統(tǒng)除濕工況及系統(tǒng)化霜工況,并能夠模擬R134a、HFO、CO2、R290等新型制冷劑加注量[7]。
2熱力學模型建立
圖1展示了新能源汽車熱管理系統(tǒng)試驗臺的熱力學模型建立過程。
通過該模型可以快速模擬計算出不同工況下新能源汽車熱管理系統(tǒng)試驗臺的干濕球溫度、部件進出口壓力、空氣流量、制冷量和制熱量等技術(shù)指標。
3 模擬結(jié)果
根據(jù)上述步驟建立的新能源汽車熱管理系統(tǒng)試驗臺熱力學模型,給定求解器控制參數(shù)、離散格式和殘差收斂標準,初始化流場,開始進行數(shù)值求解:選用層流模型進行計算,求解器選擇壓力和速度耦合的PISO算法,離散格式采用二階迎風格式,殘差收斂標準能量項為10-6,其他參數(shù)均為10-3。
當計算穩(wěn)定后,通過對模擬結(jié)果的分析,可以預測新能源汽車熱管理系統(tǒng)試驗臺中熱交換器的溫度場和流場模擬情況,如圖1和圖2所示。
4結(jié)語
為了推動建立和完善新能源汽車的產(chǎn)業(yè)計量標準,提高新能源汽車熱管理系統(tǒng)試驗臺的計量檢測能力,該文詳細研究了新能源汽車熱管理系統(tǒng)試驗臺的熱力學模型建立方法。該模型可支持制冷加注量工況、系統(tǒng)制冷工況、系統(tǒng)制熱工況、系統(tǒng)除濕工況及系統(tǒng)化霜工況,并能夠模擬R134a、HFO、CO2、R290等新型制冷劑加注量。該模型可以快速模擬計算出不同工況下新能源汽車熱管理系統(tǒng)試驗臺中熱交換器的溫度場和流場情況。
參考文獻
[1]G Wang, Y Chao, Z Chen. Promoting developments of hydrogen powered vehicle and solar PV hydrogen production in China: A study based on evolutionary game theory method[J]. Energy,2021(237):121649.
[2] 全國冷凍空調(diào)設備標準化技術(shù)委員會.汽車用空調(diào)器:GB/T 21361-2017[S].北京:中國標準出版社,2017.
[3] 全國汽車標準化技術(shù)委員會.汽車空調(diào)制冷裝置性能要求:QC/T 656-2000[S].北京:中國標準出版社,2001.
[4] 全國汽車標準化技術(shù)委員會.汽車空調(diào)制冷裝置試驗方法:QC/T 657-2000[S].北京:中國標準出版社,2001.
[5] 王俊倩.新能源汽車熱泵空調(diào)技術(shù)研究與應用探討[J].內(nèi)燃機與配件,2021(20): 215-216.
[6] 全國冷凍空調(diào)設備標準化技術(shù)委員會.汽車空調(diào)用電動壓縮機總成:GB/T 22068-2018[S].北京:中國標準出版社,2018.
[7] D. Frank, P. Champagne, E. Will, et al.Extended range of the Lockheed Martin coaxial Micro cryocooler[J].Cryogenics,2016(74):55–58.
[8] 羅成志,王文斌,沈勇,等.基于阿里云的新能源汽車空調(diào)狀況監(jiān)測系統(tǒng)設計[J].單片機與嵌入式系統(tǒng)應用,2021,21(1):46-49.
[9] H. Z. Dang, Y. B. Zhao, CFD modeling and experimental verification of a single-stage coaxialStirling-type pulse tube cryocooler without either double-inletor multi-bypass operating at 30–35 K using mixed stainless steelmesh regenerator matrices[J]. Cryogenics,2016(78): 40–50.