Los dispositivos termoeléctricos son convertidores de energía de estado sólido que transforman directamente la energía térmica en energía eléctrica y viceversa, sin mover partes ni fluidos de trabajo. Su capacidad para aprovechar el calor de los desechos, proporcionar refrigeración localizada y operar silenciosamente los hace atractivos para aplicaciones que van desde la recuperación de residuos automotriz hasta las sondas espaciales portátiles.

Fundamentos de dispositivos termoeléctricos

Los dispositivos termoeléctricos se basan en dos fenómenos físicos complementarios: el efecto Seebeck y el efecto Peltier. El efecto de la corriente Seebeck effect describe la generación de un voltaje eléctrico cuando existe una diferencia de temperatura a través de un material termoeléctrico.

Un módulo termoeléctrico típico consiste en varios pares de patas semiconductoras de tipo p y n conectadas eléctricamente en serie y térmicamente entre dos placas cerámicas. Las piernas están hechas generalmente de diurno de bismut (Bi2Te3), diurno de plomo (PbTe), o silicon-germanium (SiGe) aleaciones, cada uno optimizado para diferentes rangos de temperatura.

Principios termodinámicos para la modelación

Los modelos termodinámicos para dispositivos termoeléctricos se construyen sobre las leyes fundamentales de la termodinámica y la teoría del transporte. La primera ley de la termodinámica, o la conservación de la energía, rige el equilibrio de calor dentro del dispositivo. La segunda ley impone restricciones a la eficiencia e irreversibles pérdidas como la calefacción Joule y la conducción térmica.

Las ecuaciones de gobierno para un elemento termoeléctrico bajo condiciones de estado estable combinan la ley de Fourier de conducción de calor, calefacción Joule y los efectos Seebeck y Peltier. La ecuación de calor unidimensional para una sola pierna se puede escribir como:

d/dx (κ dT/dx) + ρ J2 – T J dS/dx = 0

κ] es la conductividad térmica, ρ es la resistencia eléctrica, J es la densidad actual, T es la temperatura absoluta, y [[FLT] [FLT] [El efecto analítico de la TLT

Parámetros termoeléctricos clave

Tres propiedades de material primario determinan el rendimiento de un material termoeléctrico:

  • Taco de tacto (S): El voltaje generado por diferencia de temperatura de unidad en todo el material, medido en μV/K. Un valor absoluto alto es deseable tanto para la generación de energía como para el enfriamiento.
  • Conductividad eléctrica (σ): La capacidad del material para realizar corriente eléctrica, medida típicamente en S/m. La alta conductividad eléctrica reduce las pérdidas ohmicas.
  • conductividad térmica (κ): La tasa a la que se realiza el calor a través del material, medido en W/(m·K). La baja conductividad térmica mantiene un gradiente de temperatura grande a través del dispositivo, mejorando la eficiencia.

Estos tres parámetros están interrelacionados a través de la estructura electrónica y el transporte de fonón del material. Optimizar una propiedad a menudo degrada otra, creando un comercio bien conocido. Por ejemplo, aumentar la concentración de portadores (doping) puede elevar la conductividad eléctrica y el coeficiente Seebeck hasta un punto, pero también aumenta la conductividad térmica electrónica a través de la ley Wiedemann-Franz.

Figura de Mérito ZT

El rendimiento general de un material termoeléctrico se expresa por la figura de mérito sin dimensión ZT = (S2 σ / κ) T], donde T es la temperatura absoluta. Un ZT superior indica una mejor eficiencia de conversión.

Los modelos termodinámicos deben incorporar con precisión ZT y su dependencia de temperatura para predecir la eficiencia del dispositivo. La máxima eficiencia de un generador termoeléctrico se da por:

ć max = (T h – T c)/T h × (√(1+ZT avg) – 1) / (√(1+ZT avg) + T c/T h)

T h] y T c son las temperaturas laterales calientes y frías, y ZT avg es la figura promedio de mérito sobre el rango de temperatura. Esta fórmula muestra que la eficiencia aumenta con ZT, pero también destaca el papel del factor Th

Modeling Approaches

El desarrollo de un modelo termodinámico predictivo para un dispositivo termoeléctrico real requiere un equilibrio de precisión, coste computacional y datos disponibles. Tres categorías principales de enfoques de modelado se utilizan comúnmente: modelos analíticos, simulaciones numéricas y modelos empíricos o basados en datos. Muchos flujos de trabajo modernos de ingeniería combinan estos métodos.

Modelos analíticos

Los modelos analíticos se basan en soluciones de forma cerrada de las ecuaciones de gobierno bajo hipótesis simplificadoras.Las suposiciones comunes incluyen propiedades materiales constantes (temperatura-independiente S, σ, κ), resistencias de contacto insignificantes y flujo de calor unidimensional.El modelo clásico para una pareja termoeléctrica única trata cada pierna como un material homogéneo con propiedades uniformes.

Sin embargo, los modelos analíticos a menudo no captan los efectos no lineales causados por propiedades dependientes de la temperatura, calefacción de Thomson o propagación del calor tridimensional. Por ejemplo, el coeficiente de Seebeck de muchos materiales cambia significativamente con la temperatura, y descuidar esto puede conducir a errores de 10-20% en la producción de energía predicha. A pesar de estas limitaciones, los modelos analíticos siguen siendo valiosos para el diseño de etapas tempranas y estudios paramétricos, especialmente cuando se combinan con factores de corrección más detallados de experimentos.

Simulación numérica

Los métodos numéricos, particularmente análisis de elementos definitivos (FEA)] y dinámicas de fluidos computacionales (CFD), permiten la solución de las ecuaciones termoeléctricas completas en geometrías complejas con propiedades termodependientes de temperatura.

  • calor tridimensional y flujo corriente
  • Propiedades materiales dependientes de la temperatura (interpolados de datos medidos)
  • Resistencias de contacto (electrónicas y térmicas) en interfaces
  • Efectos de Thomson y Peltier en las cruces
  • Radiación térmica y condiciones de convección
  • Acoplamiento multifísico con flujos de fluido (por ejemplo, en intercambiadores de calor)

El principal inconveniente de las simulaciones numéricas es el costo computacional. Un modelo 3D detallado de un módulo con docenas de piernas puede requerir horas de tiempo de cálculo, lo que hace menos adecuado para la optimización en tiempo real o barridos paramétricos de gran escala. Sin embargo, las simulaciones de alta fidelidad son indispensables para validar modelos analíticos, investigar modos de falla (por ejemplo, estrés térmico) y diseñar prototipos para aplicaciones de alto rendimiento.

Modelos empíricos y de datos

Los modelos empíricos se derivan de la caracterización experimental de dispositivos reales. Mediante la medición de la respuesta eléctrica y térmica bajo condiciones controladas, los ingenieros pueden adaptarse a funciones simples polinomio o racionales para describir el rendimiento (por ejemplo, potencia vs. temperatura, tensión vs. corriente). Estos modelos son exactos dentro del rango probado y son computacionalmente triviales. Son ampliamente utilizados en simulaciones de nivel de sistema donde la física interna del dispositivo termoeléctrico es menos importante que su comportamiento.

Recientemente, métodos de aprendizaje automático (ML) han surgido como un poderoso complemento de modelos basados en la física. Las redes neuronales, las máquinas vectoriales de apoyo y la regresión del proceso gausiano pueden aprender la compleja relación entre las condiciones de funcionamiento (temperaturas, corriente de carga, velocidades de flujo) y el rendimiento de dispositivos de datos experimentales o de alta fidelidad.

Predicción y optimización del rendimiento

Una vez desarrollado un modelo termodinámico, se puede utilizar para predecir el rendimiento de un dispositivo termoeléctrico en diversas condiciones de funcionamiento y optimizar su diseño. Las métricas de rendimiento clave incluyen potencia de salida, capacidad de bombeo de calor (para enfriadores), coeficiente de rendimiento y eficiencia de conversión térmica a eléctrica.

Eficiencia y potencia

Para la generación de energía, la eficiencia es la relación de potencia eléctrica entregada a la carga al calor absorbido en el lado caliente. La potencia de salida depende de la resistencia a la carga, el voltaje Seebeck y la resistencia interna del dispositivo. La resistencia óptima a la carga para la máxima potencia es igual a la resistencia interna, mientras que el óptimo para la máxima eficiencia es ligeramente superior. Los modelos termodinámicos pueden calcular estas curvas y predecir la curva I-V y la curva P-V del módulo.

Para los refrigeradores termoeléctricos, el coeficiente de rendimiento (COP) es la relación de calor eliminado del lado frío a la entrada de energía eléctrica. La COP disminuye a medida que aumenta la diferencia de temperatura. Los modelos predicen la caída máxima de temperatura alcanzable y la corriente que maximiza la COP.

Gestión térmica

El lado caliente de un módulo termoeléctrico debe ser enfriado para mantener un gradiente de temperatura grande; de lo contrario, el rendimiento se degrada afiladamente. Los modelos deben incorporar la resistencia térmica de los lavabos de calor, las placas frías y cualquier bucle de fluido. En los sistemas de recuperación de calor de residuos, la fuente de calor puede tener una capacidad térmica finita y una caída de temperatura como los modelos de calor

Aplicaciones Requiriendo modelos precisos

Los modelos termodinámicos precisos impulsan la innovación en varias áreas clave de aplicación:

  • Recuperación de calor: En el escape automotriz, hornos industriales y centros de datos, los generadores termoeléctricos pueden convertir el calor de residuos de baja calidad en electricidad. Los modelos ayudan a que coincida con el perfil térmico del flujo de escape y optimizar la geometría para maximizar la salida de energía sin una presión excesiva.
  • ]Enfriamiento portátil: Los refrigeradores termoeléctricos se utilizan en refrigeradores portátiles, enfriadores de vino y dispositivos médicos (por ejemplo, diodos láser de refrigeración). Los modelos predicen la capacidad de refrigeración y la COP como funciones de temperatura ambiente, diferencia de temperatura requerida y potencia de entrada, permitiendo a los diseñadores seleccionar el tamaño del módulo adecuado y el fregadero de calor.
  • ]Space y Remote Power: Los generadores termoeléctricos de radioisótopo (RTGs) han impulsado muchas misiones de la NASA, incluyendo Voyager y Curiosidad. El medio ambiente extremo y las largas vidas de las misiones exigen modelos de alta fidelidad que representan daños de radiación, degradación de materiales y ciclo térmico. JPL
  • ] Dispositivos utilizables: Generadores termoeléctricos accionados por el calor corporal para los wearables requieren modelos que tengan en cuenta las pequeñas diferencias de temperatura (~1-5 K) y la resistencia térmica de la piel y la ropa humana. La optimización se centra a menudo en maximizar la potencia por área de unidad a un espesor mínimo.

Future Directions

El campo de modelado termoeléctrico avanza rápidamente, impulsado por la necesidad de una mayor eficiencia y la disponibilidad de nuevas herramientas computacionales.

Materiales avanzados y modelado multiescala

Los materiales termoeléctricos novedosos como compuestos de medio heusler, cristales SnSe y híbridos orgánico-inorgánicos ofrecen valores ZT superiores a 2 en ciertos rangos de temperatura. Sin embargo, sus propiedades son a menudo anisotrópicos y sensibles a la temperatura.Modelos de modelado multies que conectan ] los cálculos de rendimiento initio[Frmoric[FLT]

Integración de aprendizaje automático

El aprendizaje automático no solo se utiliza para modelar surrogados sino también para el diseño inverso: dado un rendimiento objetivo (por ejemplo, ZT de alta media sobre un amplio rango de temperatura), un modelo ML puede sugerir composiciones materiales óptimas y niveles de dopaje. Los modelos generadores pueden proponer nuevas estructuras de cristal con baja conductividad térmica. Combinar ML con simulaciones basadas en la física crea un poderoso marco de optimización que puede acelerar el descubrimiento por órdenes de magnitud.

Gemelos digitales e integración de sistemas

En la práctica industrial, los dispositivos termoeléctricos son a menudo componentes de sistemas más grandes (por ejemplo, gestión térmica de vehículos, construcción de HVAC). La tecnología digital gemela —una réplica virtual del sistema físico que actualiza en tiempo real— se basa en modelos termodinámicos rápidos y precisos. Los modelos de orden reducido derivados de simulaciones de alta fidelidad permiten el monitoreo de rendimiento en tiempo real, mantenimiento predictivo y control adaptativo.

Conclusión

Desarrollar modelos termodinámicos para dispositivos termoeléctricos es un desafío multidisciplinar que integra la física de estado sólido, la transferencia de calor, la ingeniería eléctrica y la ciencia de datos. Desde ecuaciones analíticas simples hasta simulaciones de elementos finitos sofisticados y subros de aprendizaje automático, cada enfoque de modelado tiene su lugar en el diseño y optimización de tubería.