تصميم نظام تبريد لبطارية ليثيوم أيون يدمج المواد متغيرة الطور، أنابيب الحرارة، ودوائر سائلة باستخدام شبكات عصبية محسّنة بخوارزمية مفترس البحار والتحسين متعدد الأكوان

إبقاء بطاريات السيارات باردة وآمنة

تشغّل بطاريات الليثيوم أيون كل شيء من الهواتف الذكية إلى السيارات الكهربائية، لكنها لا تتحمّل درجات الحرارة العالية جيدًا. عندما يسخن حزم البطاريات بشكل غير متساوٍ، قد تفقد السعة بسرعة أكبر، وتهدر الطاقة، وفي الحالات القصوى قد تفشل بشكل خطِر. تستعرض هذه الورقة طريقة ذكية للحفاظ على درجات حرارة مريحة لمثل هذه البطاريات من خلال دمج عدة أساليب تبريد واستخدام الذكاء الاصطناعي لتعديل التصميم بدقة، بهدف مركبات كهربائية أكثر أمانًا وطول عمر وكفاءة.

نوع جديد من «السندويتش» التبريدي

تركز الدراسة على نظام تبريد «مهجن» يلتف حول وحدة من خلايا ليثيوم أيون أسطوانية. بدلاً من الاعتماد على الهواء فقط، تُدمج البطاريات في طبقة على شكل سندويتش مكوّنة من ثلاثة عناصر متعاونة: مادة متغيرة الطور (PCM) تمتص الحرارة بالانصهار، وشبكة من أنابيب حرارية صغيرة مدمجة تنشر الحرارة بسرعة، ولوح تبريد سائل ينقل الحرارة بعيدًا. تعمل هذه الطبقات معًا لتحقيق هدفين في آنٍ واحد: تسوية نقاط السخونة بين الخلايا المجاورة والحفاظ على درجة الحرارة العامة تحت حد آمن، مع الحفاظ قدر الإمكان على أكبر طاقة قابلة للاستخدام لكل كيلوجرام.

موازنة المساحة والشكل والتخزين

نظرًا لأن البطاريات يجب أن تتناسب مع مساحات ضيقة في السيارات والحافلات، أولى المؤلفون اهتمامًا كبيرًا للهندسة: المسافة بين الخلايا في اتجاهين، وسمك وارتفاع صف أنابيب الحرارة. باستخدام محاكاة حاسوبية مفصّلة مستمدة من أعمال تجريبية سابقة، يحلّلون كيف تؤثر هذه الأبعاد على ثلاث نتائج: مقدار تفاوت درجات الحرارة داخل الحزمة، أعلى درجة حرارة تصل إليها الخلية الأكثر سخونة، وكمية الطاقة التي يمكن أن يخزنها كامل الوحدة لكل وحدة وزن. تُظهر النتائج مقايضات واضحة. يساعد اتساع الفراغات وزيادة سمك وارتفاع طبقة أنابيب الحرارة على نشر وإزالة الحرارة، ما يخفض درجة حرارة البقع الساخنة والتفاوت. لكن نفس خيارات التصميم تضيف حجمًا ووزنًا، مما يُقلل من كثافة الطاقة للحزمة.

تعليم الخوارزميات تصميم التبريد

لاستكشاف جميع خيارات التصميم بكفاءة، يبني الباحثون نماذج تعلم آلي تعمل كـ«بدائل» سريعة للمحاكاة المكلفة. يدربون شبكات عصبية للتنبؤ بفروق درجات الحرارة، ودرجة الحرارة القصوى، وكثافة الطاقة من المدخلات الهندسية. تُستخدم طريقتان بحثيتان مستلهمتان من الطبيعة — خوارزمية جينية وخوارزمية مفترس البحار — لضبط الإعدادات الداخلية لهذه الشبكات بحيث تتوافق تنبؤاتها مع بيانات المرجع. بعد التدريب، تحقق النماذج دقة عالية جدًا، مما يمكّن الفريق من تقدير سلوك ملايين تصاميم محتملة بسرعة دون إعادة تشغيل المحاكاة الفيزيائية الكاملة في كل مرة.

إيجاد أفضل التسويات، لا تصميمًا واحدًا فقط

بدلًا من السعي وراء تخطيط واحد مثالي، تستخدم الدراسة طريقة تحسين متعددة الأهداف تولّد "حد باريتو" من التسويات المتساوية الصلاحية. على هذا الحد، يؤدي تحسّن هدف واحد — مثل زيادة واط-ساعة لكل كيلوجرام — حتمًا إلى تدهور آخر، مثل ارتفاع درجة حرارة الخلية الأكثر سخونة. تُظهر التحليلات أن هياكل أنابيب حرارة سميكة وطويلة جدًا يمكن أن تحافظ على فروق درجات حرارة منخفضة تصل إلى نحو 2 درجة مئوية ودرجات قصوى تقارب 38–39 °C، لكنها تقلّل كثافة الطاقة إلى حوالي 140 واط·ساعة/كجم. التصاميم الأرق ترفع كثافة الطاقة قرب 157 واط·ساعة/كجم، وهو أقرب لما تريده شركات تصنيع السيارات، لكنها تسمح بفواصل حرارية أكبر وذروات أعلى. تقع التصاميم المتوسطة في المنتصف، مقدِّمة هوامش أمان معقولة وسعة تخزين محترمة.

من المنحنيات إلى خيارات العالم الحقيقي

لا يزال المهندسون بحاجة لاختيار تصميم واحد لحزمة بطارية فعلية. لجسر هذه الفجوة النهائية، يطبق المؤلفون طريقة لاتخاذ القرار تصنّف العديد من الخيارات المثلى بحسب باريتو وفق أولويات مختلفة — مثل تعظيم السلامة، أو تعظيم السعة، أو الوصول إلى حل متوازن. من خلال تعديل هذه الأوزان، يحددون وصفات هندسية محددة لسيناريوهات مثل المركبات الكهربائية ذات الأولوية للسلامة، أو الأنظمة المحمولة عالية الكثافة الطاقية، أو وحدات تخزين الشبكة المتوازنة. ببساطة، تُظهر الورقة كيف أن الجمع بين أجهزة تبريد ذكية وخوارزميات متقدّمة يمكن أن يحول تشابك المقايضات إلى إرشاد واضح، مما يساعد المصممين على بناء حزم بطاريات أكثر برودة وأمانًا وكفاءة في الاستخدام اليومي.

الاستشهاد: Ali, N.B., Louhichi, B., Hassan, W.H. et al. Design of a Li-ion battery cooling system incorporating PCM, heat pipes, and liquid circuits using marine predator algorithm-enhanced ANN and multi-verse optimization. Sci Rep 16, 11796 (2026). https://doi.org/10.1038/s41598-026-41155-5

الكلمات المفتاحية: تبريد بطارية ليثيوم أيون, إدارة حرارية للبطارية, المركبات الكهربائية, مواد متغيرة الطور, تحسين باستخدام تعلم الآلة