Thermo-elektrische apparaten zijn vaste-staat energie-converters die direct thermische energie omzetten in elektrische energie en vice versa, zonder bewegende onderdelen of werkvloeistoffen. Hun vermogen om afvalwarmte te benutten, lokale koeling te bieden, en te werken in stilte maakt ze aantrekkelijk voor toepassingen variërend van auto-afval-warmteterugwinning tot draagbare koel- en ruimtesondes. Echter, de praktische prestaties van elk thermo-elektrische systeem is kritisch afhankelijk van de nauwkeurigheid van de thermodynamische modellen gebruikt om het gedrag ervan te voorspellen. Het ontwikkelen van robuuste, voorspellende thermodynamische modellen is daarom essentieel voor het optimaliseren van materiaalkeuzes, apparaten geometrien en bedrijfsomstandigheden. Dit artikel biedt een uitgebreid overzicht van de principes, parameters, modelleringsbenaderingen en toekomstige richtingen in de ontwikkeling van thermodynamische modellen voor thermo-elektrische apparaten.

Fundamentele elementen van thermoelektrische apparaten

Thermo-elektrische apparaten vertrouwen op twee complementaire fysische verschijnselen: het Seebeck-effect en het Peltier-effect. Het Seebeck-effect beschrijft de opwekking van een elektrische spanning wanneer er een temperatuurverschil bestaat over een thermo-elektrische stof. Laaddragers (elektronen of gaten) diffuus van de hete kant naar de koude kant, waardoor een elektrisch potentieel ontstaat. Dit effect is de basis voor thermo-elektrische stroomopwekking. Omgekeerd treedt het ]Peltiereffect op wanneer een elektrische stroom wordt doorgegeven door een verbinding van twee verschillende geleiders of halfgeleiders; warmte wordt ofwel geabsorbeerd of uitgestoten bij de splitsing, afhankelijk van de richting van de stroomstroom. Dit effect maakt het mogelijk om te koelen en te verwarmen in vaste toestand. Een derde gerelateerd fenomeen, het Thomson-effect, beschrijft de reversibele verwarming of koeling die optreedt wanneer een stroomstroom door een homogene geleider in een temperatuurgradiënt plaatsvindt, maar wordt vaak beschouwd als secundair in modellen op apparaatniveau.

Een typische thermo-elektrische module bestaat uit verschillende paren van p-type en n-type halfgeleiderbenen die elektrisch in serie en thermisch parallel tussen twee keramische platen zijn verbonden. De benen zijn meestal gemaakt van bismut telluride (Bi2Te3), lood telluride (PbTe), of silicium-germanium (SiGe) legeringen, elk geoptimaliseerd voor verschillende temperatuurbereiken. De prestaties van een dergelijke module is niet alleen afhankelijk van de materiële eigenschappen, maar ook van de geometrie van de benen, de contactweerstanden, en het thermische beheer van de warme en koude zijden. Het ontwikkelen van nauwkeurige thermodynamische modellen vereist een diep begrip van de warmte- en lading transportmechanismen binnen deze heterogene structuren.

Thermodynamische beginselen voor modellering

Thermodynamische modellen voor thermo-elektrische apparaten zijn gebaseerd op de fundamentele wetten van thermodynamica en transport theorie. De eerste wet van thermodynamica, of het behoud van energie, regelt de warmtebalans in het apparaat. De tweede wet legt beperkingen op aan efficiëntie en onomkeerbare verliezen zoals Joule verwarming en thermische geleiding. In een thermo-elektrische generator, warmte wordt geleverd op de hete verbinding, een deel van die warmte wordt omgezet in elektrische werkzaamheden, en de rest wordt afgewezen op de koude verbinding. De maximale mogelijke efficiëntie wordt beperkt door de Carnot efficiëntie, maar echte apparaten werken ver onder die limiet als gevolg van onomkeerbare processen.

De regelvergelijkingen voor een thermo-elektrische element onder steady-state omstandigheden combineren Fourier ..zou de wet van warmtegeleiding, Joule verwarming, en de Seebeck en Peltier effecten. De eendimensionale warmtevergelijking voor een enkel been kan worden geschreven als:

d/dx (κ dT/dx) + › J2

Waar κ de thermische geleidbaarheid is, ρ de elektrische weerstand is, J de huidige dichtheid is, T[ de absolute temperatuur is, en S[ de Seebeckcoëfficiënt is. De term T J dS/dx] is de oorzaak van het Thomson-effect. Het oplossen van dergelijke vergelijkingen staat analytisch of numeriek centraal bij het thermodynamische modelleren.

Belangrijkste thermo-elektrische parameters

Drie primaire materiaaleigenschappen bepalen de prestaties van een thermo-elektrisch materiaal:

  • Seebeckcoëfficiënt (S): De spanning die per temperatuurverschil per eenheid wordt gegenereerd, gemeten in μV/K. Een hoge absolute waarde is wenselijk voor zowel elektriciteitsopwekking als koeling.
  • Elektrische geleidbaarheid (σ): Het vermogen van het materiaal om elektrische stroom uit te voeren, meestal gemeten in S/m. Hoge elektrische geleidbaarheid vermindert ohmische verliezen.
  • thermale geleidbaarheid (κ): De snelheid waarmee warmte wordt geleid door het materiaal, gemeten in W/(m·K). Lage thermische geleidbaarheid behoudt een grote temperatuurgradiënt over het apparaat, waardoor de efficiëntie verbetert.

Deze drie parameters zijn onderling verbonden door de elektronische structuur en het fonon transport van het materiaal. Het optimaliseren van de ene eigenschap degradeert vaak een andere, waardoor een bekende trade-off. Bijvoorbeeld, het verhogen van de carrier concentratie (doping) kan zowel elektrische geleidbaarheid en de Seebeck coëfficiënt tot een punt verhogen, maar het verhoogt ook elektronische thermische geleidbaarheid via de Wiedemann-Franz wet.

Figuur van verdienste ZT

De totale prestaties van een thermo-elektrisch materiaal worden uitgedrukt door de dimensieloze verdienste, ZT = (S2 σ / κ) T[, waar T[ de absolute temperatuur is. Een hogere ZT geeft een betere conversie-efficiëntie aan. Voor praktische toepassingen worden ZT-waarden groter dan 1 als goed beschouwd en waarden hoger dan 2 zijn uitstekend. State-of-the-art bulkmaterialen zoals bismut telluride bereiken ZT bij kamertemperatuur bij 1 terwijl sommige nanogestructureerde materialen en complexe chalcogeniden ZT van 2 hebben overschreden. Echter, het bereiken van hoge ZT over een breed temperatuurbereik blijft uitdagen.

Thermodynamische modellen moeten ZT en de temperatuurafhankelijkheid ervan nauwkeurig integreren om de efficiëntie van het apparaat te voorspellen. De maximale efficiëntie van een thermo-elektrische generator wordt gegeven door:

η max = (T h

Waar T h en T c[] zijn de warme en koude zijtemperaturen, en ZT avg is het gemiddelde cijfer van verdienste over het temperatuurbereik. Deze formule toont aan dat de efficiëntie toeneemt met ZT, maar ook de rol van de Carnotfactor (T h

Modelleringsbenaderingen

Het ontwikkelen van een voorspellend thermodynamisch model voor een echt thermo-elektrisch apparaat vereist het uitbalanceren van nauwkeurigheid, rekenkosten en beschikbare gegevens. Drie hoofdcategorieën van modelbenaderingen worden vaak gebruikt: analytische modellen, numerieke simulaties en empirische of data-gedreven modellen. Veel moderne engineering workflows combineren deze methoden.

Analytische modellen

De analytische modellen zijn gebaseerd op gesloten oplossingen van de regelvergelijkingen onder vereenvoudiging van veronderstellingen. Gemeenschappelijke veronderstellingen omvatten constante materiaaleigenschappen (temperatuur-onafhankelijk S, σ, κ), verwaarloosbare contactweerstanden en eendimensionale warmtestroom. Het klassieke model voor een enkel thermo-elektrische koppel behandelt elk been als homogeen materiaal met uniforme eigenschappen. De stroom, spanning, warmte-ingang en warmteafstoting kunnen dan worden uitgedrukt als expliciete functies van de temperaturen en materiaalparameters. Deze modellen zijn uiterst snel te evalueren en bieden nuttige ontwerptrends, zoals de optimale belastingsweerstand voor maximale vermogensoutput of de optimale stroom voor maximale efficiëntie.

Analysemodellen kunnen echter vaak niet de niet-lineaire effecten van temperatuurafhankelijke eigenschappen, Thomson-verwarming of driedimensionale warmtespreiding vastleggen. Zo verandert de Seebeck-coëfficiënt van veel materialen aanzienlijk met temperatuur, en kan dit verwaarlozen tot fouten van 10-20% in het voorspelde vermogen leiden. Ondanks deze beperkingen blijven analytische modellen waardevol voor het ontwerp en de parametrische studies in een vroeg stadium, vooral in combinatie met correctiefactoren die zijn afgeleid uit experimenten of meer gedetailleerde simulaties.

Numerieke simulaties

Numerieke methoden, met name eindige elementanalyse (FEA) en computatievloeistofdynamica (CFD), maken de oplossing mogelijk van de volledig gekoppelde thermo-elektrische vergelijkingen in complexe geometrieën met temperatuurafhankelijke eigenschappen. Softwarepakketten zoals ANSYS, COMSOL Multiphysics en SimScale bieden speciale modules voor thermo-elektrische modellering. In deze simulaties wordt de apparaatgeometrie vervormd tot een mesh, en de bestuurbare vergelijkingen worden iterationeel opgelost met behulp van methoden zoals Newton-Rafson. Numerische modellen kunnen rekening houden met:

  • Driedimensionale warmte- en stroomstroom
  • Temperatuurafhankelijke materiaaleigenschappen (geïmpliceerd uit gemeten gegevens)
  • Contactweerstanden (elektrische en thermische) op interfaces
  • Thomson- en Peltiereffecten bij splitsingen
  • Thermische stralings- en convectiegrenzen
  • Multifysica koppeling met vloeistofstromen (bv. in warmtewisselaars)

Het belangrijkste nadeel van numerieke simulaties is de rekenkosten. Een gedetailleerd 3D-model van een module met tientallen poten kan uren van berekeningstijd vergen, waardoor het minder geschikt is voor real-time optimalisatie of grootschalige parametrische sweeps. Niettemin zijn simulaties met hoge betrouwbaarheid onmisbaar voor het valideren van analytische modellen, het onderzoeken van storingsmodi (bijvoorbeeld thermische stress) en het ontwerpen van prototypes voor high-performance toepassingen.

Empirische en Data-gedreven modellen

Empirische modellen zijn afgeleid van experimentele karakterisering van de werkelijke apparaten. Door de elektrische en thermische respons te meten onder gecontroleerde omstandigheden, kunnen ingenieurs eenvoudige polynomiale of rationele functies passen om de prestaties te beschrijven (bijv. vermogen vs. temperatuur, spanning vs. stroom). Deze modellen zijn nauwkeurig binnen het geteste bereik en zijn computertriviaal. Ze worden op grote schaal gebruikt in systeem-niveau simulaties waar de interne fysica van het thermo-elektrische apparaat minder belangrijk is dan het input-output gedrag.

Onlangs zijn er machine learning (ML) methoden ontwikkeld als een krachtige aanvulling op natuurkundige modellen. Neurale netwerken, ondersteuning vector machines, en Gaussiaanse proces regressie kunnen leren de complexe relatie tussen de bedrijfsomstandigheden (temperatuur, belastingstroom, stroomsnelheden) en apparaat prestaties van experimentele of hoog-fidelity simulatie gegevens. Zulke data-gedreven modellen kunnen hoge nauwkeurigheid bereiken, zelfs wanneer de onderliggende fysica niet volledig wordt begrepen, en ze kunnen worden getraind om geluid en onzekerheid te integreren. Echter, ze vereisen grote datasets en kunnen niet betrouwbaar buiten het trainingsgebied extrapoleren. Hybride benaderingen die fysica beperkingen (bijv., behoud wetten) combineren met ML zijn een actief gebied van onderzoek.

Prestatievoorspelling en optimalisatie

Zodra een thermodynamisch model is ontwikkeld, kan het worden gebruikt om de prestaties van een thermo-elektrische apparaat te voorspellen onder verschillende bedrijfsomstandigheden en om het ontwerp te optimaliseren. Belangrijkste prestatie-indicatoren zijn: vermogen, warmtepompcapaciteit (voor koelers), prestatiecoëfficiënt en thermische-elektrische conversie-efficiëntie.

Efficiëntie en vermogensoutput

Voor het opwekken van stroom is de efficiëntie de verhouding van elektrisch vermogen dat wordt geleverd aan de belasting van de warmte die aan de hete zijde wordt geabsorbeerd. Het vermogen is afhankelijk van de belastingsweerstand, de Seebeck-spanning en de interne weerstand van het apparaat. De optimale belastingsweerstand voor het maximale vermogen is gelijk aan de interne weerstand, terwijl het optimale vermogen voor het maximale rendement iets hoger is. Thermodynamische modellen kunnen deze optima berekenen en de I-V-curve en P-V-curve van de module voorspellen.

Voor thermo-elektrische koelers is de prestatiecoëfficiënt (COP) de verhouding tussen de warmte die van de koude kant wordt verwijderd en de elektrische stroom. COP neemt af naarmate het temperatuurverschil toeneemt. Modellen voorspellen de maximale temperatuurdaling en de stroom die COP maximaliseert.

Thermisch beheer

Thermisch beheer is vaak de beperkende factor in toepassingen in de echte wereld. De hete kant van een thermo-elektrische module moet effectief worden gekoeld om een grote temperatuurgradiënt te handhaven; anders, prestaties degradeert sterk. Modellen moeten de thermische weerstand van koelbakken, koude platen, en alle vloeistoflussen omvatten. In afval warmteterugwinning systemen, de warmtebron kan een eindige thermische capaciteit en temperatuur daling als warmte wordt gewonnen, waarvoor een geconjugeerde warmteoverdracht analyse. Geavanceerde modellen ook rekening houden met voorbijgaande effecten, zoals opstarten en afsluiten, waar thermische traagheid en tijdafhankelijke stromen beïnvloeden prestaties.

Toepassingen die nauwkeurige modellen vereisen

Nauwkeurige thermodynamische modellen stimuleren innovatie op verschillende belangrijke toepassingsgebieden:

  • Wastewarmteterugwinning: In de uitlaat van de auto, industriële ovens en datacenters kunnen thermo-elektrische generatoren laagwaardig afvalwarmte omzetten in elektriciteit. Modellen helpen het apparaat aan het thermische profiel van de uitlaatstroom en optimaliseren de geometrie om de stroom uit te voeren zonder buitensporige tegendruk te maximaliseren. Zo hebben onderzoekers van NREL systemen ontwikkeld die thermo-elektrische modules integreren met warmtewisselaars voor zware vrachtwagens.
  • Portable Cooling: Thermo-elektrische koelers worden gebruikt in draagbare koelkasten, wijnkoelers en medische apparaten (bijvoorbeeld koellaserdioden). Modellen voorspellen het koelvermogen en COP als functies van omgevingstemperatuur, vereist temperatuurverschil en ingangsvermogen, waardoor ontwerpers de juiste modulegrootte en koellichaam kunnen kiezen.
  • Ruimte en Remote Power: De thermo-elektrische generatoren van Radio-isotoop (RTG's) hebben veel NASA-missies mogelijk gemaakt, waaronder Voyager en Curiosity. De extreme omgeving en lange missielevens vereisen hoge betrouwbaarheidsmodellen die rekening houden met stralingsschade, materiaaldegradatie en thermische fietsen. JPL gebruikt gedetailleerde modellen van eindige elementen om de prestaties van RTG's gedurende decennia te voorspellen.
  • Warable Devices: Thermo-elektrische generatoren op lichaamswarmte voor wearables vereisen modellen die rekening houden met de kleine temperatuurverschillen (~1-5 K) en de thermische weerstand van de menselijke huid en kleding. Optimalisatie richt zich vaak op het maximaliseren van het vermogen per eenheid gebied bij minimale dikte.

Toekomstige aanwijzingen

Het veld van thermo-elektrische modellering vordert snel, gedreven door de behoefte aan een hogere efficiëntie en de beschikbaarheid van nieuwe rekeninstrumenten.

Geavanceerde materialen en multischaalmodellering

Nieuwe thermo-elektrische materialen zoals half-Heusler verbindingen, SnSe kristallen en organische-anorganische hybriden bieden ZT waarden boven 2 in bepaalde temperatuurbereiken. Echter, hun eigenschappen zijn vaak anisotroop en temperatuurgevoelig. Multischaal modellering benaderingen die koppelen ab initio berekeningen (dichtheid functionele theorie) met apparaat-niveau continuüm modellen worden ontwikkeld om de prestaties van nieuwe materialen te voorspellen voor synthese. Bijvoorbeeld, het Materiaal Project biedt databases van berekende thermo-elektrische eigenschappen die kunnen worden gevoed in macroscopische modellen.

Integratie van het machineonderwijs

Machine learning wordt niet alleen gebruikt voor surrogaatmodellering maar ook voor inverse design: gezien een doelprestatie (bv. hooggemiddeld ZT over een breed temperatuurbereik), kan een ML-model een optimale materiaalsamenstelling en dopingniveaus suggereren. Generatieve modellen kunnen nieuwe kristalstructuren voorstellen met lage thermische geleidbaarheid. Samen met ML met natuurkundige simulaties creëert een krachtig optimalisatiekader dat ontdekking kan versnellen door orden van grootte.

Digitale tweeling en systeemintegratie

In de industriële praktijk zijn thermo-elektrische apparaten vaak componenten van grotere systemen (bijvoorbeeld, voertuig thermisch beheer, gebouw HVAC). Digitale dubbele technologie een virtuele replica van het fysieke systeem dat in real-time repliceert op snelle, nauwkeurige thermodynamische modellen. Verminderde-orde modellen afgeleid van high-fidelity simulaties maken real-time prestatiebewaking, voorspellend onderhoud en adaptieve controle. Toekomstige digitale tweelingen zullen onzekerheid kwantificering om betrouwbaarheidsintervallen voor voorspelde prestaties te bieden, waardoor risico-averse ontwerp beslissingen.

Conclusie

Het ontwikkelen van thermodynamische modellen voor thermo-elektrische apparaten is een multidisciplinaire uitdaging die de solid-state fysica, warmteoverdracht, elektrotechniek en datawetenschappen integreert. Van eenvoudige analytische vergelijkingen tot geavanceerde eindige elementensimulaties en machine learning surrogaten, elke modeling benadering heeft zijn plaats in het ontwerp en optimalisatie pijplijn. Aangezien materialen met hogere cijfers van verdienste ontstaan en berekeningsmethoden vooruit, zullen deze modellen steeds meer voorspellend worden, waardoor thermo-elektrische technologie een grotere rol kan spelen in energieconversie en warmtemanagement. Engineers en onderzoekers die zowel de fundamentele thermodynamica als de praktische implementatie van deze modellen beheersen, zullen goed geplaatst worden om innovatie in dit spannende veld te stimuleren.