Resumen Técnico: Un Enfoque Escalable para el Modelado Térmico Transitorio de la Electrónica de Potencia Automotriz

Planteamiento del Problema

La gestión térmica eficiente es crítica para la fiabilidad y el rendimiento de la electrónica de potencia automotriz, como inversores, rectificadores y fuentes de alimentación. El calor excesivo puede degradar el rendimiento, reducir la vida útil de los componentes y causar fallos en el sistema. Si bien la Dinámica de Fluidos Computacional (CFD) ofrece simulaciones térmicas precisas, es computacionalmente costosa y lenta, particularmente para sistemas complejos y de gran escala que involucran múltiples fuentes de calor y modos mixtos de transferencia de calor (conducción, convección natural, convección forzada).

Los Modelos de Orden Reducido (ROM) existentes intentan equilibrar la precisión y la eficiencia, pero enfrentan limitaciones significativas:

• Métodos de subespacio de Krylov y truncamiento balanceado: Efectivos para sistemas Lineales e Invariantes en el Tiempo (LTI), pero tienen dificultades con las no linealidades, los comportos térmicos-eléctricos acoplados y las condiciones de contorno variables en el tiempo. También requieren de ensayo y error para los puntos de expansión y se vuelven computacionalmente intensivos a medida que el subespacio crece.
• Descomposición de Órdenes Propios (POD): Efectiva para sistemas con modos térmicos dominantes, pero ofrece ganancias limitadas cuando la energía térmica se distribuye en muchas escalas espaciales y temporales, lo cual es común en aplicaciones automotrices.
• Aprendizaje Automático (Machine Learning): Aunque avanza en la predicción en tiempo real, estos enfoques basados en datos sufren de dependencia de la calidad de los datos, sobreajuste, falta de interpretabilidad y garantías de estabilidad, lo que plantea preocupaciones de seguridad para sistemas críticos.
• Redes Térmicas Compactas (CTN): A menudo dependen de mediciones extensas para la extracción de parámetros y pueden omitir el acoplamiento térmico entre chips o asumir propiedades lineales a pesar de las dependencias de temperatura conocidas.

Existe la necesidad de un enfoque de modelado escalable, interpretable y computacionalmente eficiente capaz de manejar transitorios rápidos, velocidades de flujo variables y mecanismos de transferencia de calor no lineales sin el costo prohibitivo de las simulaciones CFD completas.

Metodología

El artículo propone un método de Superposición Lineal de Parámetros Concentrados (LPLSP). Este enfoque híbrido combina el modelado de parámetros concentrados con el principio de superposición lineal para capturar el comportamiento térmico transitorio de manera eficiente. La metodología se fundamenta en la ecuación de calor generalizada, pero utiliza una formulación derivada empíricamente ajustada a los datos de CFD.

Configuración del Caso de Estudio

El método se valida en un módulo inversor que comprende seis MOSFETs dispuestos en pares de lado alto (high-side) y lado bajo (low-side) para un sistema trifásico, montados en un ensamblaje de placa de circuito impreso (PCBA) unido a un disipador de calor con aletas. Las simulaciones se realizaron en Ansys® Icepak™ bajo tres condiciones:

1. Convección natural.
2. Convección forzada con velocidad constante.
3. Convección forzada con velocidad de flujo variable.

Formulación del Modelo

El modelo LPLSP se deriva en pasos:

1. Sistema Aislado: Supone una difusión de temperatura instantánea, lo que resulta en un aumento de temperatura lineal con el tiempo ($T(t) = T_0 + (P/C)t$).
2. Conducción: Se extiende a múltiples cuerpos donde los gradientes espaciales son significativos. La temperatura se modela como un término lineal más un término de desviación ($T_D$) que sigue una respuesta transitoria tipo circuito RC ($1 - e^{-\theta t}$). Se aplica la superposición para dar cuenta de múltiples fuentes de calor.
3. Convección: Incorpora los efectos de la velocidad del flujo. Para velocidades de flujo variables, el modelo utiliza un estudio paramétrico para establecer las relaciones entre la resistencia térmica ($R_{ij}$), las constantes de tiempo ($\theta_i$) y la velocidad del flujo ($U_f$). Estos parámetros se expresan como funciones de ley de potencia de la velocidad ($R_{ij} = m U_f^\gamma + c$).
4. Generalización: Para sistemas con modos mixtos y entradas variables, la temperatura de cualquier componente se calcula sumando las contribuciones de todas las fuentes de calor, ponderadas por sus respectivas resistencias térmicas y constantes de tiempo, que son funciones de la velocidad de flujo instantánea.

Estimación de Parámetros

Las constantes del modelo se determinan mediante un proceso de simulación paramétrica de CFD:

• Se aplica una potencia unitaria (1W) a un MOSFET a la vez mientras los demás están apagados.
• Las simulaciones se ejecutan durante duraciones cortas (aprox. 10s) para capturar las respuestas transitorias.
• Las resistencias térmicas y las constantes de tiempo se optimizan minimizando la suma de los errores al cuadrado entre los datos de CFD y la desviación predicha por el modelo de la curva de temperatura lineal.
• Para escenarios de velocidad variable, se realizan simulaciones paramétricas a velocidades discretas (por ejemplo, 1, 5, 10, 20 m/s), y se utiliza la interpolación lineal para valores intermedios.

Contribuciones Clave

• Modelado Transitorio Escalable: El método LPLSP proporciona un marco que modela con precisión el comportamiento térmico transitorio en sistemas con múltiples fuentes de calor y modos de transferencia de calor mixtos, incluyendo velocidades de flujo variables.
• Manejo de la No Linealidad: A diferencia de los ROM LTI tradicionales, el LPLSP mantiene una alta precisión en regímenes no lineales (por ejemplo, la convección natural donde el flujo y la temperatura están acoplados) mediante la caracterización de las respuestas en ventanas de tiempo más cortas donde la linealización local es válida.
• Eficiencia Computacional: Una vez realizadas las simulaciones paramétricas (un costo de una sola vez), el modelo puede evaluar variaciones arbitrarias de entrada (disipación de potencia, velocidad de flujo) en menos de un segundo, órdenes de magnitud más rápido que la CFD completa.
• Interpretabilidad: El modelo ofrece una relación funcional clara entre los parámetros físicos (geometría, propiedades de los materiales, flujo) y la respuesta térmica, evitando la naturaleza de "caja negra" del aprendizaje automático.
• Estrategias de Optimización: El artículo identifica que los componentes con geometrías/propiedades de materiales similares o proximidad espacial exhiben parámetros de modelo similares. Sugiere agrupar componentes y omitir interacciones con constantes de tiempo insignificantes para reducir aún más el número de simulaciones paramétricas requeridas.

Resultados

Se realizaron comparaciones entre el modelo LPLSP, un Modelo de Orden Reducido Lineal e Invariante en el Tiempo (LTI-ROM) y las simulaciones CFD completas en tres escenarios:

1. Convección Natural:
   • LPLSP: Logró un error porcentual medio del 4.74% en comparación con CFD.
   • LTI-ROM: Falló significativamente con un error del 25.11% debido a la naturaleza inherente no lineal y variante en el tiempo de la convección natural, lo que viola los supuestos LTI.
2. Convección Forzada (Velocidad Constante):
   • Tanto el LPLSP como el LTI-ROM lograron errores por debajo del 5% (2.48% y 4.97%, respectivamente), ya que el sistema se comporta linealmente bajo condiciones de flujo constante.
3. Convección Forzada (Velocidad Variable):
   • LPLSP: Mantuvo un error por debajo del 5% (4.22%) mediante el uso de aproximaciones lineales por tramos para los parámetros dependientes de la velocidad.
   • LTI-ROM: No fue evaluado, ya que las grandes variaciones de velocidad harían que las funciones de impulso de velocidad fija fueran inexactas.

Tiempo de Computación:

• Las simulaciones de CFD completo tomaron 730–900 segundos por caso.
• El desarrollo paramétrico de LPLSP tomó 1440–4800 segundos (dependiendo del número de pasos de velocidad), pero las evaluaciones subsecuentes en MATLAB tomaron < 1 segundo.
• El desarrollo de LTI-ROM tomó 4140 segundos (requiriendo convergencia de estado estacionario), con tiempos de evaluación de ~6 segundos.

Significancia y Reivindicaciones

El artículo afirma que el método LPLSP ofrece un camino práctico para reducir los ciclos de desarrollo en el diseño de la electrónica de potencia automotriz. Su principal significancia radica en su capacidad para:

• Permitir la evaluación rápida del rendimiento térmico en sistemas con transitorios rápidos y condiciones ambientales variables.
• Proporcionar una alta precisión (error < 5%) en escenarios donde los ROM basados en LTI convencionales fallan (por ejemplo, convección natural, flujo variable).
• Servir como una herramienta robusta para iteraciones de diseño en etapas tempranas y simulaciones de perfiles de misión de larga duración donde la CFD completa es prohibitivamente lenta.

Los autores reconocen las limitaciones, señalando que el modelo asume una disposición mecánica fija y puede tener dificultades con flujos multifásicos complejos (por ejemplo, tubos de calor) o sistemas que exhiben aumentos exponenciales de múltiples etapas con constantes de tiempo muy diferentes. Se propone trabajo futuro para validar el modelo contra datos experimentales y, potencialmente, incorporar submodelos híbridos para la dinámica de cambio de fase. Sin embargo, dentro del alcance de la electrónica automotriz de disposición fija, el método se presenta como una alternativa escalable, precisa y computacionalmente eficiente a las técnicas de simulación tradicionales.