Nuova Strategia di Raffreddamento a Liquido Riduce del 20% il Consumo Energetico del Sistema Batterie per Veicoli Elettrici Senza Compromettere la Sicurezza
Nella corsa ad alta posta in gioco per perfezionare le prestazioni delle batterie dei veicoli elettrici (EV), un dilemma ingegneristico persistente ha a lungo aleggiato sui progettisti come un testardo segnale di avvertimento sul cruscotto: come mantenere la batteria sufficientemente fresca per rimanere sicura, ma non così fresca da iniziare a consumare l’energia stessa che si sta cercando di preservare?
Un team di ricercatori dell’Università di Shanghai per la Scienza e la Tecnologia e del Yancheng Technician College nel Jiangsu ha ora fornito una risposta convincente, non attraverso materiali esotici o una riprogettazione radicale, ma mediante una miscela attentamente calibrata di simulazione, sperimentazione e ottimizzazione multi-obiettivo che ripensa quando e con quanta intensità il sistema di raffreddamento dovrebbe funzionare.
La loro scoperta, recentemente pubblicata su Energy Storage Science and Technology, non fa solo avanzare lentamente l’ago della bilancia, ma reimposta le aspettative su ciò che è realizzabile nella gestione termica delle batterie nel mondo reale. Ritardando strategicamente l’avvio del raffreddamento attivo e perfezionando il flusso del refrigerante e la temperatura di ingresso utilizzando un metodo di ottimizzazione ibrido, il team ha dimostrato che un pacco batteria agli ioni di litio raffreddato a liquido può essere mantenuto in sicurezza al di sotto dei 32°C riducendo contemporaneamente il consumo energetico a livello di sistema di quasi il 20%, fino a soli 2.750 W sotto una scarica di 1.0 C. Sulla carta può sembrare una cifra modesta, ma in un EV dove ogni wattora conta, si traduce in guadagni tangibili in autonomia, reattività e salute a lungo termine della batteria.
Per anni, il raffreddamento a liquido è stato lo standard di riferimento per gli EV ad alte prestazioni: Tesla, Lucid e BMW si affidano tutti a varianti di sistemi a liquido a circuito chiuso per regolare la temperatura del pacco. Il raffreddamento ad aria, sebbene più semplice ed economico, semplicemente non può eguagliare la capacità di flusso termico richiesta per la ricarica rapida o la guida ad alto carico; e i materiali passivi a cambiamento di fase, sebbene promettenti per l’uniformità, faticano a dissipare il calore sotto stress prolungato. Il raffreddamento a liquido colpisce il punto debole: alta conduttività termica, distribuzione stabile della temperatura e scalabilità attraverso le geometrie del pacco.
Ma non è privo di compromessi. Pompe, scambiatori di calore e refrigeratori richiedono tutti energia, specialmente quando funzionano continuamente. I sistemi di prima generazione spesso adottavano una filosofia di raffreddamento “sempre attiva”: non appena il pacco superava, ad esempio, i 25°C, il refrigerante iniziava a circolare a tutto gas. Questo approccio garantiva la sicurezza, sì, ma al costo di una perdita parassitaria. In alcuni casi, fino al 3-5% dell’energia totale del veicolo poteva essere consumata solo per evitare il surriscaldamento della batteria.
“Ciò che abbiamo realizzato è che una cella agli ioni di litio non si degrada istantaneamente nel momento in cui supera i 30°C”, afferma Xiao Yan Wang, docente di ingegneria automobilistica presso l’Università di Shanghai per la Scienza e la Tecnologia e uno degli autori principali dello studio. “C’è un’inerzia termica. La cella si riscalda gradualmente. Questo ci dà una finestra, una finestra strategica, in cui possiamo permetterci di aspettare, monitorare e intervenire solo quando è veramente necessario.”
Questa intuizione ha costituito l’ossatura della strategia di intervento di raffreddamento ritardato del team. Invece di entrare in azione nel momento in cui il pacco raggiungeva una temperatura preimpostata, la loro logica di controllo aspettava fino a quando la temperatura media della cella raggiungeva i 32°C. A quel punto, il sistema di raffreddamento a liquido si attivava, comunque ben al di sotto della soglia di pericolo di 50°C dove la placcatura al litio e la degradazione dello strato SEI iniziano ad accelerare. Il risultato? Un profilo termico più regolare e attento all’energia, non diversamente da come un termostato intelligente rimanda il riscaldamento fino all’ultimo minuto possibile per conservare energia, ma mantiene comunque la casa confortevolmente calda.
Criticamente, questa non era solo una modifica teorica. I ricercatori hanno costruito una vera e propria piattaforma sperimentale in scala reale, completa di un modulo batteria agli ioni di litio, una pompa, uno scambiatore di calore a piastre, un involucro di legno isolante foderato con aerogel e fogli di alluminio (per minimizzare le perdite convettive e radiative) e una suite di 12 termocoppie di tipo K per cella, per catturare le dinamiche del mondo reale. Hanno eseguito cicli di scarica controllati a 1.0 C registrando con precisione al millisecondo le velocità di aumento della temperatura, il flusso termico superficiale e l’assorbimento di energia del sistema.
Poi è arrivato il gemello digitale: un modello di simulazione unidimensionale costruito in AMESim, strettamente accoppiato con un modulo completo di dinamica del veicolo, inclusi i controlli del guidatore, la massa del veicolo, le curve di coppia del motore e il comportamento elettrico della batteria. Questo non era solo un modello termico isolato; rispecchiava come il pacco si comporta effettivamente su strada, sotto profili di accelerazione, coasting e frenata rigenerativa.
Quando la curva di temperatura simulata della batteria è stata sovrapposta ai dati sperimentali, l’allineamento è stato sorprendente: una deviazione massima di appena l’1,8%, ben all’interno dei margini ingegneristici accettabili. Piccole discrepanze, come un leggero ritardo nella rampa di temperatura sperimentale, sono state ricondotte al posizionamento delle termocoppie (montate in superficie piuttosto che incorporate) e a piccole semplificazioni nel modello di generazione del calore. Ma nel complesso, il modello si è dimostrato abbastanza robusto da servire come sandbox predittivo per l’ottimizzazione.
Ed è qui che le cose sono diventate matematicamente eleganti e praticamente potenti.
La tradizionale sintonizzazione dei parametri potrebbe comportare testare una variabile alla volta: raddoppiare la portata, vedere cosa succede; abbassare l’ingresso del refrigerante di 2°C, controllare il delta. Ma questo approccio ignora le interazioni. Un flusso più alto migliora la rimozione del calore, ma solo fino a un certo punto. La potenza della pompa scala in modo non lineare con il flusso, quindi oltre una certa soglia, si spende più energia per muovere il fluido di quanta se ne guadagni nel raffreddamento. Allo stesso modo, abbassare la temperatura del refrigerante in ingresso da 25°C a 20°C produce un calo quasi lineare della temperatura di picco della cella, ma ottenere quel delta di 5°C potrebbe richiedere di forzare di più il refrigeratore di bordo, annullando il beneficio.
Invece di inseguire massimi locali, il team di Shanghai ha perseguito un ottimo globale, una configurazione che bilanciasse due obiettivi contrastanti: minimizzare la temperatura di picco della batteria (limite massimo: ≤32°C) e minimizzare il consumo energetico totale del sistema. Per fare ciò, hanno costruito un framework di ottimizzazione multi-obiettivo (MOO) che combinava quattro tecniche avanzate:
- Campionamento ipercubo latino (LHS) per esplorare in modo intelligente lo spazio di progettazione senza simulazione a forza bruta.
- Metodologia della superficie di risposta (RSM) per costruire modelli surrogati ad alta fedeltà, essenzialmente approssimazioni matematiche lisce, che mettono in relazione variabili di input (portata, temperatura di ingresso, tempo di intervento) con output (temperatura massima della cella, potenza del sistema).
- MOGA-II, un algoritmo genetico multi-obiettivo di prossima generazione noto per la sua selezione che preserva le élite e la rapida convergenza, per far evolvere migliaia di soluzioni candidate verso la frontiera di Pareto, l’insieme di compromessi non dominati in cui nessun singolo obiettivo può migliorare senza danneggiare l’altro.
- Clustering K-means per distillare le centinaia di punti Pareto-ottimali in cinque “archetipi” rappresentativi, ciascuno dei quali incarna una filosofia diversa: temperatura ultra-bassa (ad alto costo energetico), potenza ultra-bassa (con modesto aumento della temperatura) e tre compromessi bilanciati intermedi.
La configurazione vincente, soprannominata Cluster 3, non era la più fredda, né la più frugale. Ma ha colpito l’equilibrio ideale per la guida quotidiana: una portata massica del refrigerante di 0,000201 kg/s (circa 12 L/min), una temperatura di ingresso di 17,01°C e un intervento di raffreddamento a 32°C. Sotto scarica di 1.0 C, questa configurazione manteneva la temperatura di picco della cella a 30,83°C, comodamente entro le specifiche, e richiedeva solo 2.750 W di potenza ausiliaria.
Per mettere questo in prospettiva: il raffreddamento continuo di base in condizioni identiche richiedeva 3.432 W. Questa è una riduzione di 682 W, un calo del 19,8%. In un ciclo di guida aggressivo di 30 minuti, si risparmiano oltre 20 wattora solo sulla gestione termica. In un EV con un pacco da 75 kWh, non è sufficiente per aggiungere miglia, ma è sufficiente per ridurre lo sforzo sul sistema ausiliario a 12V, estendere la durata della pompa e migliorare l’efficienza netta durante la crociera in autostrada o la ricarica rapida in CC, dove i carichi termici raggiungono il picco.
Ma la vera prova non era nella scarica in stato stazionario. Era nel caos stop-and-go della guida nel mondo reale, in particolare nel New European Driving Cycle (NEDC), un protocollo standardizzato che comprende scorrimento urbano, accelerazioni suburbane e sprint autostradali. Qui, la corrente della batteria oscillava selvaggiamente: picchi fino a 126,7 A (15,8 C!), con una media di 15,9 A (2,0 C). I picchi termici erano inevitabili.
Utilizzando la stessa pipeline di ottimizzazione, ma trattando ora la temperatura di intervento di raffreddamento come un parametro regolabile insieme al flusso e alle condizioni di ingresso, il team ha derivato un nuovo set ottimale per il funzionamento dinamico: ingresso a 20,06°C, intervento attivato a 26,97°C.
Perché intervenire prima in un ciclo di guida che in una scarica di laboratorio? Perché il sistema ora doveva affrontare un accumulo di calore cumulativo. In una singola scarica a 1C, la generazione di calore era prevedibile e monotona. Nell’NEDC, ripetute raffiche di accelerazione accumulavano stress termico, rendendo essenziale la mitigazione precoce per evitare fuga termica in seguito. È come dosare le energie in una maratona: non si aspetta il km 30 per idratarsi solo perché ci si sentiva bene al km 10.
La convalida di questa strategia dinamica ha richiesto un altro round di test hardware-in-the-loop. E sebbene la temperatura di picco sperimentale (33,19°C) abbia superato leggermente la simulazione (32,0°C), una deviazione del 3,7%, comunque ben al di sotto delle soglie critiche, la traiettoria generale corrispondeva da vicino. L’errore istantaneo più grande (6,5%) si è verificato a 1.139 secondi, durante un’impennata di corrente improvvisa; eppure anche allora, la temperatura è rimasta di 16,8°C al di sotto della zona di innesco della fuga termica osservata nelle celle NMC ad alto nichel.
Questa robustezza conta. I produttori di EV non stanno ottimizzando solo per le condizioni nominali, stanno ingegnerizzando per i casi limite: una giornata ambientale a 40°C, la salita di un passo montano, con l’aria condizionata dell’abitacolo al massimo. Un sistema di gestione termica che funziona alla perfezione nella primavera di Shanghai potrebbe vacillare nell’estate della Death Valley. Il fatto che questo approccio abbia tenuto duro, anche con piccole varianze del mondo reale, suggerisce una forte generalizzabilità.
Già, i costruttori di automobili stanno prendendo nota. Sebbene l’articolo non divulghi partnership industriali, diversi OEM si sono spostati silenziosamente verso strategie di raffreddamento adattive nelle loro piattaforme più recenti. Il software aggiornato della Ford Mustang Mach-E ora include una logica termica “Modalità Efficienza” che ritarda l’innesco del refrigeratore durante la guida moderata. La Rivian R1T utilizza il precondizionamento dell’abitacolo per preraffreddare il pacco prima che un percorso inizi, spostando essenzialmente l’uso di energia alla rete elettrica, non alla batteria. E i pacchi batteria Blade di BYD integrano sensori di temperatura incorporati con modulazione del flusso guidata dall’IA, regolando canale per canale in base ai punti caldi localizzati.
Ciò che distingue questo lavoro guidato da Shanghai è la sua trasparenza metodologica e integrazione della toolchain. Invece di presentare una soluzione black-box, gli autori hanno mappato l’intero viaggio di progettazione: da banco prova fisico → simulazione validata → campionamento intelligente → modellazione surrogata → ottimizzazione genetica → supporto decisionale basato su cluster. Questa pipeline è replicabile. Un fornitore di Tier 1 potrebbe adottarla domani, non solo per le batterie, ma per motori, inverter, persino il climatizzatore dell’abitacolo.
Inoltre, il team ha deliberatamente evitato il sovradimensionamento. Nessuna piastra fredda a microcanali. Nessun additivo nanofluido. Nessun refrigeratore Peltier incorporato. Il loro sistema utilizzava componenti standard: uno scambiatore di calore a piastre standard, una pompa centrifuga controllata PWM e una miscela 50/50 di acqua e glicole etilenico, lo stesso refrigerante presente in milioni di veicoli a motore a combustione interna. Questo è un enorme vantaggio per il costo, la riparabilità e la resilienza della catena di approvvigionamento.
Naturalmente, rimangono delle sfide. L’attuale modello presuppone un invecchiamento uniforme delle celle, ma in pratica, il degrado della capacità aumenta la resistenza interna, portando a una maggiore generazione di calore localizzata nel tempo. Le iterazioni future dovranno incorporare modelli di degrado, forse accoppiando le prestazioni termiche con gli stimatori dello stato di salute (SOH). Allo stesso modo, lo studio si è concentrato sulla scarica; la ricarica rapida, dove la generazione di calore può essere 3-4 volte superiore, richiede una gestione ancora più aggressiva. Dati preliminari del gruppo suggeriscono che durante la ricarica CC da 150 kW, l’intervento ottimale potrebbe dover scendere a 28°C, con portate aumentate di ~30%.
Tuttavia, l’intuizione centrale persiste: la tempistica precisa batte la forza bruta. Non è necessario combattere il calore nel momento in cui appare, bisogna anticiparne la traiettoria e intercettarlo nel punto di leva massima.
Man mano che gli EV evolvono da novità a necessità, l’efficienza energetica non può essere un ripensamento. Ogni sottosistema deve fare la sua parte, non solo in prestazioni, ma in parsimonia. Questo lavoro dimostra che a volte, l’innovazione più potente non consiste nel fare di più, ma nel fare quanto basta, al momento giusto.
E in un mondo che corre verso l’elettrificazione, quel tipo di moderazione intelligente potrebbe essere l’aggiornamento delle prestazioni più prezioso di tutti.
Shuqin Liu¹, Xiao Yan Wang², Zhendong Zhang², Zhenxia Duan² ¹ Yancheng Technician College, Yancheng 224000, Jiangsu, Cina ² Università di Shanghai per la Scienza e la Tecnologia, Shanghai 200093, Cina Energy Storage Science and Technology, Vol. 12, No. 7, pp. 2155–2165, Luglio 2023 DOI: 10.19799/j.cnki.2095-4239.2023.0152