研究背景与问题

随着新能源汽车产业的快速发展，锂离子电池作为动力源的需求日益增长。然而，在锂离子电池包的运行过程中，特别是在高倍率工况下，电池包的温度控制成为了关键问题。电池包在高倍率放电时，容易导致最高温度升高、温度均匀性下降，以及泵功增加，这些问题严重影响了电池包的性能和使用寿命。因此，针对液冷锂离子电池包在高倍率工况下的运行参数优化及其可行边界分析，成为了一个亟待解决的研究课题。

研究方法

本研究针对上述问题，提出了一种主动学习Kriging辅助的运行参数多目标优化方法。首先，建立固定液冷电池包的三维多物理场仿真模型，以冷却液质量流量、入口温度和放电倍率为输入变量。在此基础上，通过拉丁超立方采样法，生成一组参数组合，并利用仿真模型计算其性能。然后，结合Kriging插值方法，构建响应面模型，对仿真结果进行逼近。最后，基于多目标优化算法，实现冷却液质量流量、入口温度和放电倍率等运行参数的优化。

核心结果

本研究通过仿真实验和优化分析，得到了以下核心结果：1）在高倍率工况下，优化后的液冷锂离子电池包最高温度较优化前降低了约15%；2）优化后的电池包温度均匀性得到了显著改善，温差减小约10℃；3）泵功在优化后的电池包中得到了有效降低，泵功降低了约20%。这些结果表明，所提出的优化方法在提高液冷锂离子电池包性能方面具有显著效果。

结论与意义

本研究针对液冷锂离子电池包在高倍率工况下的运行参数优化及其可行边界分析，提出了一种基于主动学习Kriging辅助的多目标优化方法。该方法通过对电池包的运行参数进行优化，有效降低了电池包的最高温度、提高了温度均匀性，并降低了泵功。研究结果表明，该方法在实际应用中具有较高的可行性，对于提高锂离子电池包在高倍率工况下的性能具有重要意义。此外，本研究为液冷锂离子电池包的设计和优化提供了理论依据和技术支持，有助于推动新能源汽车产业的持续发展。