Sintesi Tecnica: Un Approccio Scalabile per la Modellazione Termica Transitoria dell'Elettronica di Potenza Automobilistica

Definizione del Problema

La gestione termica efficiente è fondamentale per l'affidabilità e le prestazioni dell'elettronica di potenza automobilistica, come inverter, raddrizzatori e alimentatori. Il calore eccessivo può degradare le prestazioni, ridurre la durata dei componenti e causare il guasto del sistema. Sebbene la fluidodinamica computazionale (CFD) offra simulazioni termiche accurate, essa è computazionalmente costosa e dispendiosa in termini di tempo, particolarmente per sistemi complessi e su larga scala che coinvolgono molteplici sorgenti di calore e modalità di trasferimento termico miste (conduzione, convezione naturale, convezione forzata).

Gli esistenti Modelli a Ordine Ridotto (ROM) tentano di bilanciare accuratezza ed efficienza, ma affrontano significativi limiti:

• Metodi basati su sottospazio di Krylov e sulla riduzione bilanciata (Balanced Truncation): Efficaci per sistemi Lineari Tempo-Invarianti (LTI), ma faticano con le non linearità, i comportamenti termico-elettrici accoppiati e le condizioni al contorno variabili nel tempo. Richiedono inoltre un approccio per tentativi ed errori per i punti di espansione e diventano computazionalmente intensivi all'aumentare della dimensione del sottospazio.
• Decomposizione in Componenti Principali (POD): Efficace per sistemi con modalità termiche dominanti, ma offre vantaggi limitati quando l'energia termica è distribuita su moltepliche scale spaziali e temporali, come accade comunemente nelle applicazioni automobilistiche.
• Machine Learning: Sebbene stia facendo progressi nella previsione in tempo reale, questi approcci basati sui dati soffrono di dipendenza dalla qualità dei dati, overfitting, mancanza di interpretabilità e garanzie di stabilità, ponendo problemi di sicurezza per i sistemi critici.
• Reti Termiche Compatte (CTN): Spesso si affidano a estese misurazioni per l'estrazione dei parametri e possono omettere l'accoppiamento termico tra i chip o assumere proprietà lineari nonostante le note dipendenze dalla temperatura.

Esiste la necessità di un approccio di modellazione scalabile, interpretabile e computazionalmente efficiente, capace di gestire transitori rapidi, velocità di flusso variabili e meccanismi di trasferimento del calore non lineari senza il costo proibitivo delle simulazioni CFD complete.

Metodologia

Il documento propone un metodo di Sovrapposizione Lineare a Parametri Concentrati (LPLSP). Questo approccio ibrido combina la modellazione a parametri concentrati con il principio della sovrapposizione lineare per catturare efficientemente il comportamento termico transitorio. La metodologia si basa sull'equazione del calore generalizzata, ma utilizza una formulazione derivata empiricamente e adattata ai dati CFD.

Configurazione del Caso di Studio

Il metodo viene validato su un modulo inverter composto da sei MOSFET disposti in coppie high-side e low-side per un sistema trifase, montati su un assemblaggio di circuito stampato (PCBA) fissato a un dissipatore alettato. Le simulazioni sono state condotte in Ansys® Icepak™ in tre condizioni:

1. Convezione naturale.
2. Convezione forzata con velocità costante.
3. Convezione forzata con velocità di flusso variabile.

Formulazione del Modello

Il modello LPLSP è derivato in più fasi:

1. Sistema Isolato: Assume una diffusione istantanea della temperatura, risultando in un aumento lineare della temperatura nel tempo ($T(t) = T_0 + (P/C)t$).
2. Conduzione: Si estende a più corpi dove i gradienti spaziali sono significativi. La temperatura è modellata come un termine lineare più un termine di deviazione ($T_D$) che segue una risposta transitoria di tipo circuito RC ($1 - e^{-\theta t}$). La sovrapposizione è applicata per tenere conto di molteplici sorgenti di calore.
3. Convezione: Incorpora gli effetti della velocità del flusso. Per velocità di flusso variabili, il modello utilizza uno studio parametrico per stabilire le relazioni tra la resistenza termica ($R_{ij}$), le costanti di tempo ($\theta_i$) e la velocità del flusso ($U_f$). Questi parametri sono espressi come funzioni di potenza della velocità ($R_{ij} = m U_f^\gamma + c$).
4. Generalizzazione: Per sistemi con modalità miste e input variabili, la temperatura di qualsiasi componente viene calcolata sommando i contributi di tutte le sorgenti di calore, pesati rispetto alle rispettive resistenze termiche e costanti di tempo, che sono funzioni della velocità di flusso istantanea.

Stima dei Parametri

Le costanti del modello sono determinate attraverso un processo di simulazione parametrica CFD:

• Viene applicata una potenza unitaria (1W) a un solo MOSFET alla volta, mentre gli altri sono spenti.
• Le simulazioni vengono eseguite per brevi durate (circa 10 s) per catturare le risposte transitorie.
• Le resistenze termiche e le costanti di tempo vengono ottimizzate minimizzando la somma dei quadrati degli errori tra i dati CFD e la risposta prevista dal modello rispetto alla curva di temperatura lineare.
• Per gli scenari a velocità variabile, vengono eseguite simulazioni parametriche a velocità discrete (ad es. 1, 5, 10, 20 m/s) e viene utilizzata l'interpolazione lineare per i valori intermedi.

Contributi Chiave

• Modellazione Transitoria Scalabile: Il metodo LPLSP fornisce un quadro che modella accuratamente il comportamento termico transitorio in sistemi con molteplici sorgenti di calore e modalità di trasferimento termico miste, incluse le velocità di flusso variabili.
• Gestione della Non Linearità: A differenza dei tradizionali ROM LTI, l'LPLSP mantiene un'elevata accuratezza nei regimi non lineari (ad es. convezione naturale dove flusso e temperatura sono accoppiati) caratterizzando le risposte su finestre temporali più brevi dove la linearizzazione locale è valida.
• Efficienza Computazionale: Una volta eseguiti i processi parametrici (un costo una tantum), il modello può valutare variazioni arbitrarie di input (dissipazione di potenza, velocità del flusso) in meno di un secondo, ordini di grandezza più velocemente della CFD completa.
• Interpretabilità: Il modello offre una chiara relazione funzionale tra i parametri fisici (geometria, proprietà dei materiali, flusso) e la risposta termica, evitando la natura "black box" del machine learning.
• Strategie di Ottimizzazione: Il documento identifica che i componenti con proprietà geometriche/materiche simili o vicinanza spaziale esibiscono parametri di modello simili. Suggerisce di raggruppare i componenti e trascurare le interazioni con costanti di tempo trascurabili per ridurre ulteriormente il numero di simulazioni parametriche richieste.

Risultati

Sono stati effettuati confronti tra il modello LPLSP, un modello a ordine ridotto tempo-invariante lineare (LTI-ROM) e le simulazioni CFD complete in tre scenari:

1. Convezione Naturale:
   • LPLSP: Ha raggiunto un errore percentuale medio del 4,74% rispetto alla CFD.
   • LTI-ROM: È fallito significativamente con un errore del 25,11% a causa della natura intrinsecamente non lineare e variabile nel tempo della convezione naturale, che viola le assunzioni LTI.
2. Convezione Forzata (Velocità Costante):
   • Sia LPLSP che LTI-ROM hanno ottenuto errori inferiori al 5% (rispettivamente 2,48% e 4,97%), poiché il sistema si comporta linearmente in condizioni di flusso costante.
3. Convezzione Forzata (Velocità Variabile):
   • LPLSP: Ha mantenuto un errore inferiore al 5% (4,22%), utilizzando approssimazioni lineari a tratti per i parametri dipendenti dalla velocità.
   • LTI-ROM: Non è stato valutato, poiché le grandi variazioni di velocità avrebbero reso imprecise le funzioni d'impulso a velocità fissa.

Tempo di Calcolo:

• Le simulazioni CFD complete hanno richiesto 730–900 secondi per caso.
• Lo sviluppo parametrico LPLSP ha richiesto 1440–4800 secondi (a seconda del numero di step di velocità), ma le successive valutazioni in MATLAB sono state effettuate in < 1 secondo.
• Lo sviluppo LTI-ROM ha richiesto 4140 secondi (richiedendo la convergenza dello stato stazionario), con tempi di valutazione di circa 6 secondi.

Significato e Rivendicazioni

Il documento sostiene che il metodo LPLSP offre un percorso pratico per ridurre i cicli di sviluppo del design dell'elettronica di potenza automobilistica. La sua importanza primaria risiede nella capacità di:

• Consentire una rapida valutazione delle prestazioni termiche per sistemi con transitori veloci e condizioni ambientali variabili.
• Fornire un'elevata accuratezza (errore < 5%) in scenari in cui i convenzionali ROM basati su LTI falliscono (ad es. convezione naturale, flusso variabile).
• Servire come strumento robusto per le iterazioni di progettazione nelle fasi iniziali o per simulazioni di profili di missione a lunga durata dove la CFD completa è proibitiva.

Gli autori riconoscono i limiti, osservando che il modello assume una disposizione meccanica fissa e potrebbe avere difficoltà con flussi multi-fase complessi (ad es. heat pipe) o sistemi che esibiscono aumenti esponenziali multi-stadio con costanti di tempo molto diverse. Il lavoro futuro proposto prevede la validazione del modello rispetto a dati sperimentali e la potenziale integrazione di sub-modelli ibridi per la dinamica del cambiamento di fase. Tuttavia, nell'ambito della progettazione di elettronica automobilistica con layout fisso, il metodo è presentato come un'alternativa scalabile, accurata ed efficiente dal punto di vista computazionale alle tecniche di simulazione tradizionali.