Die entscheidende Rolle des thermischen Managements bei LED-Beleuchtung

Leuchtdioden (LEDs) haben die Beleuchtungsindustrie verändert, indem sie überlegene Energieeffizienz und Betriebslebensdauern bieten, die 50.000 Stunden überschreiten können. Diese Vorteile hängen jedoch davon ab, den Halbleiterübergang unter seiner maximalen Nenntemperatur zu halten. Wärme ist ein intrinsisches Nebenprodukt der Elektrolumineszenz in LEDs; etwa 70-85% der Eingangsleistung werden in Wärme statt Licht umgewandelt. Ohne ein gut konzipiertes Wärmemanagementsystem steigen die Übergangstemperaturen an, was zu einer beschleunigten Lumenabwertung, spektralen Verschiebungen, reduzierter Effizienz und letztlich zu einem katastrophalen Ausfall führt. Eine effektive thermische Kontrolle ist daher der wichtigste Faktor bei der Bereitstellung zuverlässiger, langlebiger LED-Leuchten.

Computational Fluid Dynamics (CFD) ist zu einem unverzichtbaren Werkzeug für die Vorhersage und Optimierung der Wärmeübertragung innerhalb von LED-Systemen geworden. Unter den kommerziellen CFD-Codes zeichnet sich ANSYS Fluent durch seine robuste Solver-Technologie, eine breite Palette von physikalischen Modellen und eine starke Kopplung mit Designoptimierungs-Workflows aus. Durch die Simulation von Leitung, Konvektion und Strahlung können Ingenieure Temperaturverteilungen, Luftströmungsmuster und thermische Belastung früh im Entwicklungszyklus bewerten - lange bevor physische Prototypen gebaut werden. Dieser Artikel bietet eine umfassende Anleitung zur Modellierung des thermischen Verhaltens von LED-Beleuchtungssystemen mit ANSYS Fluent, die Modellierung, Simulationsstrategien, Ergebnisinterpretation und praktische Vorteile abdeckt.

Grundlagen des LED Thermal Management

Warum Wärme die LED-Leistung verschlechtert

Die Übergangstemperatur (Tj) einer LED beeinflusst direkt ihre Lichtleistung, Farbqualität und Zuverlässigkeit. Mit zunehmender Tj sinkt die interne Quanteneffizienz und reduziert den Lichtstrom. Die Arrhenius-Beziehung bestimmt die Lebensdauer: Ein Anstieg von 10 °C über die Nenntemperatur kann die erwartete Lebensdauer halbieren. Darüber hinaus erfahren phosphorkonvertierte weiße LEDs Wellenlängenverschiebungen und Farbtemperaturdrift bei Überhitzung. In extremen Fällen führen thermische Ausdehnungsfehlanpassungen zu Lötfugenbrüchen oder Delamination des Verkapselungsmaterials.

Wärmeübertragungsmechanismen in LED-Systemen

Das Wärmemanagement in LED-Leuchten basiert auf drei grundlegenden Wärmeübertragungsmodi:

  • Leitung – Wärme fließt vom LED-Übergang durch das Substrat, thermisches Grenzflächenmaterial (TIM) und in die Kühlkörperbasis. Der thermische Widerstand jeder Schicht muss minimiert werden.
  • Konvektion – Natürlicher oder erzwungener Luftstrom führt Wärme von der Kühlkörperflossenanordnung weg. Die Geometrie der Rippen, die Ausrichtung der Leuchte und die Umgebungsluftgeschwindigkeit beeinflussen alle den konvektiven Wärmeübertragungskoeffizienten.
  • Strahlung – Bei erhöhten Oberflächentemperaturen wird der Strahlungswärmeaustausch mit der Umgebung signifikant (in der Regel 5-15% der gesamten Verlustleistung).

Ein effektives thermisches Design gleicht diese Mechanismen aus, um Tj im sicheren Betriebsbereich zu halten (normalerweise -40 °C bis +85 °C für kommerzielle LEDs, obwohl Hochleistungsvarianten Tj unter 105 °C erfordern können).

ANSYS Fließende Fähigkeiten für die LED-Thermische Simulation

ANSYS Fluent bietet eine ausgereifte, funktionsreiche Umgebung für die Modellierung der gekoppelten Physik in LED-Systemen.

  • Konjugieren Wärmeübertragung (CHT) – Löst gleichzeitig für Fest- und Fluid-Konvektion, wodurch die Notwendigkeit, künstliche Wärmeübertragungskoeffizienten an Grenzen vorzuschreiben, entfällt.
  • Laminare und Turbulente Flussmodelle – Für natürliche Konvektion in geschlossenen Leuchten (oft laminar) oder erzwungene Konvektion mit Ventilatoren (turbulent, mit k‐ε, k‐ω SST oder Übergangsmodellen).
  • Strahlungsmodelle – Die diskreten Ordinate (DO) oder Oberflächen-zu-Oberfläche (S2S) Modelle erfassen den Strahlungsaustausch zwischen den Oberflächen der Wärmesenke und der Umgebung.
  • Joule Heizung und volumetrische Wärmequellen – Wärmeerzeugung innerhalb des LED-Dies kann als volumetrische Quelle oder als Wärmefluss an der Basis des Chips angegeben werden.
  • Parametrische und Optimierungsintegration – Durch ANSYS Workbench können Design-Point-Studien und Response-Oberflächenoptimierung automatisch die Flossendicke, den Abstand oder die Lüftergeschwindigkeit variieren, um Temperatur oder Masse zu minimieren.

Für einen detaillierten Überblick über die Solver-Fähigkeiten siehe die offizielle ANSYS Fluent Produktseite.

Einrichten eines thermischen Modells in ANSYS Fluent

Vorbereitung und Maschen der Geometrie

Der erste Schritt besteht darin, eine Rechendomäne zu erstellen, die das LED-Paket, TIM, den Kühlkörper und das umgebende Flüssigkeitsvolumen umfasst. Für natürliche Konvektionsstudien sollte die Flüssigkeitsdomäne mindestens das Zehnfache der Kühlkörperabmessungen in jeder Richtung verlängern, um eine Federentwicklung ohne künstliche Grenzen zu ermöglichen. In ANSYS SpaceClaim oder DesignModeler vereinfachen Sie kleine Details (Rundungen, Abschrägungen, Drahtbindungen), die die Massenwärmeübertragung nicht beeinflussen.

Das Meshing ist entscheidend: Ein hochwertiges Mesh sorgt für genaue Temperaturgradienten ohne übermäßigen Rechenaufwand.

  • Verwenden Sie ein Hybridnetz mit hexaedrischen/Prismenschichten in den festen Bereichen und tetraedrischen Zellen in der Flüssigkeit, mit mindestens fünf Prismenschichten an der Grenzfläche für Festkörper, um die Grenzschicht aufzulösen.
  • Setzen Sie y+-Werte nahe 1 für laminare oder niedrig-Reynolds-Zahl Turbulenzmodelle; für hoch-Reynolds-Zahl Zwangsströmung, Wandfunktionen können mit y+ im Bereich von 30-300 verwendet werden.
  • Wenden Sie lokale Verfeinerung um den LED-Dies und die Flossenspitzen an, wo die Temperaturgradienten am steilsten sind.
  • Führen Sie eine Gitterunabhängigkeitsstudie durch Vergleich der Ergebnisse von mindestens drei Maschen mit zunehmender Dichte durch. Eine Änderung der Verbindungstemperatur von weniger als 1 °C zwischen den beiden feinsten Maschen zeigt eine ausreichende Maschenauflösung an.

Materialeigenschaften und Grenzbedingungen

Für die gängigsten Materialien sind genaue Materialdaten unerlässlich:

  • LED-Diele (GaN oder InGaN): anisotrope Wärmeleitfähigkeit (typischerweise 130 W/m·K in der Ebene, 50 W/m·K durch die Ebene). Für vereinfachte Modelle wird häufig ein isotroper Wert von 80 W/m·K verwendet.
  • Substrate (Al2O3 oder AlN): 20–170 W/m·K, abhängig von der Reinheit.
  • Thermal Interface Material (Silikon-basiertes Pad oder Paste): 0,8-5 W/m·K. Fügen Sie den Kontaktwiderstand durch Zuweisung eines dünnwandigen Wärmewiderstands (z. B. 0,5 K·cm2/W) hinzu.
  • Wärmesenke (Al 6061 oder Cu): 167 W/m·K für Aluminium, 385 W/m·K für Kupfer.
  • Luft: temperaturabhängige Eigenschaften (Dichte, Viskosität, Wärmeleitfähigkeit, spezifische Wärme) für natürliche Konvektionsfälle verwenden; für erzwungene Konvektion sind konstante Eigenschaften bei der Eintrittstemperatur oft ausreichend.

Grenzbedingungen:

  • Wärmeeintrag: Die abgeleitete Leistung (z. B. 1 W pro LED) wird als volumetrische Wärmequelle im Düsenvolumen oder als Wärmefluss auf der Düsenbodenoberfläche aufgebracht.
  • Ambient: Setzen Sie einen Druckausgang oder eine Fernfeldgrenze bei atmosphärischem Druck und einer festen Temperatur (z. B. 25 ° C oder 50 ° C Worst-Case).
  • Symmetry: Modellieren Sie für Arrays identischer LEDs eine einzelne Einheit mit Symmetrieebenen, um die Maschengröße zu reduzieren.
  • Gravity: Aktivieren Sie die Schwerkraft (-9,81 m/s2 in vertikaler Richtung) für Studien zur natürlichen Konvektion und legen Sie die Betriebsdichte fest.

Simulationsprozess und Solver Settings

  1. Wählen Sie den druckbasierten Solver (empfohlen für inkompressible Strömungen) mit Steady-State-Formulierung für die Design-Punkt-Bewertung. Für transiente Studien (z. B. Warm-up-Zeit, Power Cycling) verwenden Sie den instationären Solver mit einem Zeitschritt von 0,1-1 s in Abhängigkeit von der thermischen Zeitkonstanten.
  2. Aktivieren Sie die Energiegleichung und das entsprechende Turbulenzmodell. Für typische LED-Gehäuse mit natürlicher Konvektion ist der laminare Fluss oft gültig, bis die Rayleigh-Zahl 10 9 übersteigt; Verwenden Sie darüber hinaus das k‐ω-SST-Modell, um den Übergang zu erfassen.
  3. Strahlung einstellen, wenn Oberflächentemperaturen über 80 °C liegen. Das DO-Modell mit Grauabsorption ist eine robuste Wahl. Für Gehäuse ist S2S schneller, setzt jedoch Null-Teilnehmermedien voraus.
  4. Verwenden Sie eine Aufwinddiskretisierung zweiter Ordnung für Impuls und Energie, um die numerische Diffusion zu reduzieren, und verwenden Sie den SIMPLE-Algorithmus für die Druckgeschwindigkeitskopplung.
  5. Die Verbindungspunkttemperatur (oder eine repräsentative volumengemittelte Temperatur) wird während der Iterationen überwacht. Die Konvergenz wird erreicht, wenn die Residuen unter 10−4 für Kontinuität und Geschwindigkeit, 10−6 für Energie fallen, und die überwachte Temperatur stabilisiert sich innerhalb von 0,1 °C über 100 weitere Iterationen.

Für ein schrittweises Tutorial zu ähnlichen Setups bietet der ANSYS Fluent LED Thermal Analysis Blog praktische Anleitungen.

Erweiterte Modellierung Überlegungen

Verbindungspunkttemperatur- und Wärmewiderstandsnetzwerke

Während CFD direkt Die-Oberflächentemperaturen vorhersagt, liegt die wahre Junction-Temperatur aufgrund des internen thermischen Widerstands des Chips etwas höher. Ein gängiger Ansatz besteht darin, den Wärmefluss an der Die-Substrat-Grenzfläche zu extrahieren und dann eine eindimensionale Widerstandskorrektur anzuwenden: Tdie surface + Rth JC × Pdissipated, wobei Rth JC (typischerweise 2-8 K/W) vom LED-Hersteller bereitgestellt wird. Alternativ kann ein detailliertes Submodell der Dienschichten (GaN, Saphir, Phosphor, Silikon) in das CFD-Netz aufgenommen werden, um eine höhere Genauigkeit zu erzielen.

Fan-Modellierung für erzwungene Konvektion

Wenn eine aktive Kühlung erforderlich ist, können die Ventilatoren mit folgenden Mitteln modelliert werden:

  • Fan-Grenzbedingung – ein Drucksprung, der über einen porösen Bereich angewendet wird, wobei die Fankurve als Polynomfunktion des Volumenstroms definiert ist.
  • Bewegter Referenzrahmen (MRF) – für Axial- oder Zentrifugalventilatoren modelliert der MRF-Ansatz das rotierende Laufrad als stationäre Approximation und erfasst Dralleffekte.
  • Sliding mesh – vollständig transient, aber rechnerisch teuer; nur verwendet, wenn akustische oder Klingendurchgangseffekte von Interesse sind.

In allen Fällen ist sicherzustellen, dass der Lüfterbetriebspunkt (Durchflussrate vs. Druckanstieg) mit der vom CFD-Modell vorhergesagten Systemimpedanzkurve übereinstimmt.

Transiente thermische Simulationen

LED-Systeme, die Dimm-, Ein-Aus-Zyklen oder unterschiedlichen Umgebungstemperaturen unterliegen, erfordern eine transiente Analyse. Der instationäre Solver mit adaptivem Zeitschritt von ANSYS Fluent kann thermische Trägheit erfassen. Der Zeitschritt sollte klein genug sein, um den schnellsten thermischen Transienten zu lösen (oftmals der Stempel, mit einer Zeitkonstante von Millisekunden), aber groß genug, um praktische Simulationszeiten zu ermöglichen. Eine gängige Strategie besteht darin, mit einer stationären Lösung bei voller Leistung zu beginnen, dann eine Leistungsschrittänderung zu verhängen und für mehrere thermische Zeitkonstanten transient zu laufen (normalerweise 10-30 Minuten für eine Leuchte).

Ergebnisse interpretieren und Hotspots identifizieren

Temperatur- und Durchflussvisualisierung

Nach einer konvergierten Lösung sollten Sie die Nachbearbeitungstools von ANSYS Fluent verwenden, um Folgendes zu untersuchen:

  • Temperaturkonturen auf dem Kühlkörper, dem Substrat und der Düse. Die maximale Verbindungspunkttemperatur ist die primäre Metrik. Suchen Sie nach lokalisierten Hotspots in der Nähe der Chipkanten oder zwischen den Fin-Reihen.
  • Velocity vectors and streamlines in the fluid domain. Recirculation zones or stagnant air pockets hungerveiled the heat sink of cooling flow. For natural convection, check that the buoyancy-driven plume exits ungehindert.
  • Wärmeflussvektoren auf Kühlkörperflächen – diese weisen auf Bereiche mit hohem konvektiven Wirkungsgrad hin. Rippen mit niedrigem Wärmefluss können überdimensioniert oder schlecht platziert sein.
  • Strahlungswärmefluss – kann für schwarz-anodisierte Kühlkörper 15–30 W/m2 betragen. Wenn die Strahlung ausgeschaltet wird, überschätzt das Modell die Temperatur der Abscheidung um 3–8 °C.

Designoptimierung aus CFD-Ergebnissen

Zu den gängigen Optimierungsstrategien, die von CFD informiert werden, gehören:

  • Steigende Rippendicke oder abnehmende Rippensteigung, bis die Verbesserung des Wärmewiderstands abnimmt (normalerweise eine 2-4 mm-Steigung für natürliche Konvektion).
  • Hinzufügen von Schlitzen oder Lüftungsöffnungen in das Gehäuse, um Schornsteineffekte zu fördern.
  • Wählen Sie ein TIM mit geringerem Wärmewiderstand oder Anlegen einer gleichmäßigen Bond-Liniendicke.
  • Ausrichtung der Leuchte, um Wärmestauung an der Oberseite des Kühlkörpers zu vermeiden (für Anhänger sollte sich der Kühlkörper über der LED-Platine befinden).

Vorteile und Real-World-Anwendungen

CFD-gesteuertes Design reduziert den Produktentwicklungszyklus erheblich. Indem es auf umfangreiches physisches Prototyping verzichtet, kann ein Unternehmen Dutzende von Kühlkörperkonfigurationen in der Zeit bewerten, die es für die Maschine und den Test benötigt. Die finanziellen Einsparungen sind erheblich: Ein einziges thermisches Problem, das in der Simulationsphase erkannt wurde, kann einen kostspieligen Rückruf oder Feldausfall vermeiden. Darüber hinaus ermöglicht die Simulation es Ingenieuren, den Bereich der Miniaturisierung und höherer Leistungsdichten zu erweitern - entscheidend für Automobilscheinwerfer, Stadionbeleuchtung und Gartenbau.

Beispielsweise verwendete ein Hersteller von LED-Hochregalleuchten ANSYS Fluent, um einen passiven Kühlkörper neu zu entwerfen, indem er die Verbindungstemperatur von 92 °C auf 78 °C senkte und gleichzeitig die Masse des Kühlkörpers um 18 % reduzierte. Das Ergebnis war ein Produkt, das die Anforderungen an die LED-Beleuchtung von DOE für die Lebensdauer (L70 > 50.000 h) erfüllte und die volle Lichtleistung über den Garantiezeitraum beibehielt. Ein weiterer Fall betraf einen Straßenlaternenhersteller, der die Wirkung von Insektenschirmen und Gittern auf den Luftstrom simulierte; das CFD-Modell ergab, dass gewöhnliche Maschen die konvektive Kühlung um 40 % reduzierten, was zu einer neu gestalteten offenzelligen Struktur führte, die die thermische Leistungsfähigkeit beibehielt.

Best Practices und häufige Fallstricke

  • Immer validieren gegen mindestens eine experimentelle Messung (Thermo- oder Infrarotkamera). CFD ist ein Werkzeug, keine Kristallkugel; Validierung baut Vertrauen in das Modell auf.
  • Vernachlässige Strahlung nicht – selbst “Niedertemperatur”-Wärmesen (70–90 °C) können 10 % der Gesamtwärme durch Strahlung verlieren.
  • Verrechnung für die TIM-Degradation – nach dem thermischen Zyklus kann TIM auspumpen und den Widerstand erhöhen. Modell mit einer Sicherheitsmarge von 20–30 % auf die TIM-Bulkleitfähigkeit.
  • Vermeiden Sie eine übermäßige Einschränkung der Domäne – eine zu kleine Flüssigkeitsdomäne schränkt den Luftstrom künstlich ein und führt zu überschätzten Temperaturen.
  • Verwenden Sie Parallel Computing - Meshes für vollständige Leuchten überschreiten oft 5 Millionen Zellen; Verwenden Sie mindestens 8-16 Kerne für einen angemessenen Turnaround (2-6 Stunden pro stationärem Fall).

Für weitere Informationen zu Best Practices bietet der Review-Artikel zum Thema LED-Thermomanagement von Luo et al. (2018) einen umfassenden Überblick über experimentelle und numerische Ansätze.

Schlussfolgerung

Die Modellierung des Wärmemanagements von LED-Beleuchtungssystemen mit ANSYS Fluent bietet Ingenieuren eine leistungsstarke Vorhersagefähigkeit, die sich direkt auf die Zuverlässigkeit, Kosten und Time-to-Market-Produkte auswirkt. Durch die zuverlässige Erfassung von Leitung, Konvektion und Strahlung ermöglicht Fluent eine detaillierte Wärmeflussanalyse, die Hotspot-Standorte aufdeckt, die Effizienz von Kühlkörpern quantifiziert und Designentscheidungen leitet. Von der anfänglichen Geometrieeinrichtung und -verzahnung bis hin zur Ergebnisinterpretation und -optimierung ist der Workflow robust, wenn Best Practices befolgt werden. Da die LED-Leistungsdichten weiter steigen und die Formfaktoren schrumpfen, wird CFD ein wesentliches Werkzeug im Arsenal des Lichtingenieurs bleiben - sicherstellen, dass der thermische "Schatten" niemals das Versprechen der Festkörperbeleuchtung verdunkelt.