Термоэлектрические устройства представляют собой твердотельные преобразователи энергии, которые непосредственно преобразуют тепловую энергию в электрическую энергию и наоборот, без движущихся частей или рабочих жидкостей. Их способность использовать отработанное тепло, обеспечивать локализованное охлаждение и бесшумно работать делает их привлекательными для применения в диапазоне от восстановления автомобильных отходов до рекуперации тепла в переносных холодильных и космических зондах. Однако практическая производительность любой термоэлектрической системы критически зависит от точности термодинамических моделей, используемых для прогнозирования ее поведения. Поэтому разработка надежных, прогностических термодинамических моделей имеет важное значение для оптимизации выбора материала, геометрии устройств и условий эксплуатации. Эта статья обеспечивает всеобъемлющий обзор принципов, параметров, подходов к моделированию и будущих направлений в разработке термодинамических моделей для термоэлектрических устройств.

Основы термоэлектрических устройств

Термоэлектрические устройства полагаются на два взаимодополняющих физических явления: эффект Зеебека и эффект Пельтье. Эффект Зеебека Эффект Зеебека описывает генерацию электрического напряжения, когда разница температур существует по термоэлектрическому материалу. Носители заряда (электроны или дырки) диффундируют от горячей стороны к холодной стороне, создавая электрический потенциал. Этот эффект является основой для выработки термоэлектрической энергии. И наоборот, эффект Пелтье Эффект Пелтье происходит, когда электрический ток проходит через соединение двух непохожих проводников или полупроводников; тепло либо поглощается, либо испускается на стыке, в зависимости от направления тока. Этот эффект позволяет твердотельное охлаждение и отопление. Третий связанный феномен, эффект Томсона, описывает обратимый нагрев или охлаждение, которое происходит, когда ток течет через однородный проводник в температурном градиенте, но часто считается вторичным в моделях уровня устройства.

Типичный термоэлектрический модуль состоит из нескольких пар полупроводниковых ножек p-типа и n-типа, соединенных электрически последовательно и термически параллельно между двумя керамическими пластинами. Ноги обычно изготавливаются из теллуридных сплавов висмута (Bi2Te3), теллурида свинца (PbTe) или сплавов кремния-германия (SiGe), каждый из которых оптимизирован для различных температурных диапазонов. Производительность такого модуля зависит не только от свойств материала, но и от геометрии ножек, контактных сопротивлений и термоуправления горячих и холодных сторон. Разработка точных термодинамических моделей требует глубокого понимания механизмов переноса тепла и заряда в этих гетерогенных структурах.

Термодинамические принципы моделирования

Термодинамические модели термоэлектрических устройств построены на фундаментальных законах термодинамики и теории транспорта. Первый закон термодинамики, или сохранения энергии, управляет тепловым балансом внутри устройства. Второй закон накладывает ограничения на эффективность и необратимые потери, такие как нагревание Джоуля и теплопроводность. В термоэлектрическом генераторе тепло подается на горячем стыке, часть этого тепла преобразуется в электрическую работу, а остальная часть отбрасывается на холодном стыке. Максимально возможная эффективность ограничена эффективностью Карно, но реальные устройства работают намного ниже этого предела из-за необратимых процессов.

Уравнения, управляющие термоэлектрическим элементом в условиях устойчивого состояния, сочетают закон теплопроводности Фурье, нагрева Джоуля и эффекты Зеебека и Пельтье. Одномерное уравнение тепла для одной ноги можно записать как:

d/dx (κ dT/dx) + ρ J2 — T J dS/dx = 0

где κ — теплопроводность, ρ — электрическое сопротивление, J — плотность тока, T — абсолютная температура, а S — коэффициент Зеебека.Термин T J dS/dx — это эффект Томсона. Решение таких уравнений аналитически или численно лежит в основе термодинамического моделирования.

Ключевые термоэлектрические параметры

Три основных свойства материала определяют производительность термоэлектрического материала:

  • Коэффициент Себека (S): Напряжение, генерируемое на единицу разности температур по материалу, измеряемое в μV/K. Высокое абсолютное значение желательно как для выработки электроэнергии, так и для охлаждения.
  • Электропроводность (σ): Способность материала проводить электрический ток, обычно измеряемый в S/m. Высокая электропроводность уменьшает омические потери.
  • Теплопроводность (κ): Скорость, с которой теплопроводность осуществляется через материал, измеряется в W/(m·K). Низкая теплопроводность поддерживает большой температурный градиент по всему устройству, повышая эффективность.

Эти три параметра взаимосвязаны через электронную структуру и фононную транспортировку материала. Оптимизация одного свойства часто ухудшает другое, создавая известный компромисс. Например, увеличение концентрации носителя (допинг) может повысить как электрическую проводимость, так и коэффициент Зеебека до точки, но также увеличивает электронную теплопроводность через закон Видемана-Франца.

Оригинальное название: Merit ZT

Общая производительность термоэлектрического материала выражается безразмерной фигурой достоинства, ZT = T, где T — абсолютная температура.TТТT]ТТТ[T]Т]ТТ[[FLT]Т]ТТ[[FLT]]Т[[FLT:]Т]Т[[FLT:]Т]Т[[FLT:]Т]Т[[FLT:]Т]Т[[FLT:]Т]Т[[FLT:]Т]Т[[FLT:]Т]Т[[FLT:]Т[[FLT:]Т]Т[[FLT:]Т]

Термодинамические модели должны точно включать ZT и его температурную зависимость для прогнозирования эффективности устройства. Максимальная эффективность термоэлектрического генератора задается:

η max = (T h — T c)/T h × (√(1+ZT avg) — 1)/(√(1+ZT avg) + T c/T h)

где T h и T c — температура на горячей и холодной стороне, а ZT avg — средняя величина заслуги в температурном диапазоне. Эта формула показывает, что эффективность возрастает с ZT, но также подчеркивает роль фактора Карно (T h — T c)/T h.

Моделирование подходов

Разработка прогностической термодинамической модели для реального термоэлектрического устройства требует балансировки точности, вычислительной стоимости и имеющихся данных.Обычно используются три основные категории подходов к моделированию: аналитические модели, численное моделирование и эмпирические или управляемые данными модели.Многие современные инженерные рабочие процессы объединяют эти методы.

Аналитические модели

Аналитические модели основаны на решениях замкнутых форм управляющих уравнений при упрощающих предположениях. Общие предположения включают постоянные свойства материала (независимые от температуры S, σ, κ), незначительные контактные сопротивления и одномерный тепловой поток. Классическая модель для одной термоэлектрической пары рассматривает каждую ногу как однородный материал с однородными свойствами.Ток, напряжение, ввод тепла и отторжение тепла могут затем быть выражены как явные функции температур и параметров материала. Эти модели чрезвычайно быстры для оценки и обеспечения полезных тенденций проектирования, таких как оптимальное сопротивление нагрузки для максимальной выходной мощности или оптимальный ток для максимальной эффективности.

Однако аналитические модели часто не в состоянии уловить нелинейные эффекты, вызванные температурно-зависимыми свойствами, нагреванием Томсона или трехмерным распространением тепла. Например, коэффициент Зеебека многих материалов значительно изменяется с температурой, и пренебрежение этим может привести к ошибкам 10-20% в прогнозируемой выходной мощности. Несмотря на эти ограничения, аналитические модели остаются ценными для ранних стадий проектирования и параметрических исследований, особенно в сочетании с корректирующими факторами, полученными из экспериментов или более подробных симуляций.

Численные симуляции

Численные методы, в частности , анализ конечных элементов (FEA) и , вычислительная гидродинамика (CFD), позволяют решать полностью связанные термоэлектрические уравнения в сложных геометриях с температурозависимыми свойствами. Программные пакеты, такие как ANSYS, COMSOL Multiphysics и SimScale, предлагают выделенные модули для термоэлектрического моделирования. В этих симуляциях геометрия устройства дискретизируется в сетку, а управляющие уравнения решаются итеративно с использованием методов, таких как Ньютон-Рафсон. Численные модели могут учитывать:

  • Трехмерное тепло и поток тока
  • Свойства материала, зависящего от температуры (интерполируются из измеренных данных)
  • Контактное сопротивление (электрическое и тепловое) на интерфейсах
  • Эффекты Томсона и Пелтье на перекрестках
  • Термическое излучение и конвекционные граничные условия
  • Мультифизическая связь с потоками жидкости (например, в теплообменниках)

Основным недостатком численного моделирования является вычислительная стоимость. Детальная 3D-модель модуля с десятками ножек может потребовать часов вычислительного времени, что делает его менее подходящим для оптимизации в реальном времени или крупномасштабных параметрических проверочных работ. Тем не менее, высокоточные симуляции незаменимы для проверки аналитических моделей, исследования режимов отказа (например, теплового напряжения) и проектирования прототипов для высокопроизводительных приложений.

Эмпирические и управляемые данными модели

Эмпирические модели получены из экспериментальной характеристики реальных устройств. Измеряя электрическую и тепловую реакцию в контролируемых условиях, инженеры могут вписать простые полиномиальные или рациональные функции для описания производительности (например, мощность против температуры, напряжение против тока). Эти модели точны в пределах тестируемого диапазона и являются вычислительно тривиальными. Они широко используются в симуляциях системного уровня, где внутренняя физика термоэлектрического устройства менее важна, чем его поведение ввода-вывода.

Недавно появились методы машинного обучения (ML) , которые являются мощным дополнением к физическим моделям. Нейронные сети, машины опорных векторов и регрессия гауссовского процесса могут изучать сложные отношения между условиями работы (температурой, током нагрузки, скоростями потока) и производительностью устройства из экспериментальных или высокоточных данных моделирования. Такие модели, управляемые данными, могут достигать высокой точности даже тогда, когда базовая физика не полностью понята, и их можно обучить включать шум и неопределенность. Однако они требуют больших наборов данных и не могут надежно экстраполироваться за пределы диапазона обучения. Гибридные подходы, которые сочетают физические ограничения (например, законы сохранения) с ML, являются активной областью исследований.

Прогнозирование и оптимизация производительности

После разработки термодинамической модели ее можно использовать для прогнозирования производительности термоэлектрического устройства в различных условиях эксплуатации и оптимизации его конструкции. Ключевые показатели производительности включают выходную мощность, мощность теплового насоса (для охладителей), коэффициент производительности и эффективность преобразования теплового электричества.

Эффективность и выходная мощность

Для выработки электроэнергии эффективность — это отношение электрической мощности, подаваемой на нагрузку, к теплопоглощаемому на горячей стороне. Выходная мощность зависит от сопротивления нагрузки, напряжения Зеебека и внутреннего сопротивления устройства. Оптимальное сопротивление нагрузки для максимальной мощности равно внутреннему сопротивлению, в то время как оптимум для максимальной эффективности несколько выше. Термодинамические модели могут вычислить эти оптимумы и предсказать кривую I-V и P-V модуля.

Для термоэлектрических охладителей коэффициентом производительности (СОР) является отношение тепла, отводимого от холодного борта, к входной электрической мощности. СОР уменьшается по мере увеличения разницы температур. Модели прогнозируют максимальное падение температуры достижимо и ток, который максимизирует СОР.

Термический менеджмент

Термическое управление часто является ограничивающим фактором в реальных приложениях. Горячая сторона термоэлектрического модуля должна быть эффективно охлаждена для поддержания большого температурного градиента; в противном случае производительность резко ухудшается. Модели должны включать тепловое сопротивление теплоотводов, холодных пластин и любых контуров жидкости. В системах рекуперации отработанного тепла источник тепла может иметь конечную тепловую емкость и падение температуры по мере извлечения тепла, требуя анализа сопряженного теплопередачи. Продвинутые модели также рассматривают переходные эффекты, такие как запуск и отключение, где тепловая инерция и зависящие от времени токи влияют на производительность.

Приложения, требующие точных моделей

Точные термодинамические модели стимулируют инновации в нескольких ключевых областях применения:

  • Восстановление тепла отработавших газов: В автомобильных выхлопных газах, промышленных печах и центрах обработки данных термоэлектрические генераторы могут преобразовывать низкосортное отработанное тепло в электричество. Модели помогают сопоставить устройство с тепловым профилем потока выхлопных газов и оптимизировать геометрию для максимизации выходной мощности без чрезмерного обратного давления. Например, исследователи из NREL разработали модели системного уровня, которые интегрируют термоэлектрические модули с теплообменниками для тяжелых грузовиков.
  • Портативное охлаждение: Термоэлектрические охладители используются в портативных холодильниках, винных охладителях и медицинских устройствах (например, охлаждающих лазерных диодах). Модели предсказывают холодопроизводительность и COP как функции температуры окружающей среды, требуемой разницы температур и входной мощности, что позволяет дизайнерам выбирать подходящий размер модуля и теплоотвод.
  • Космос и дистанционная мощность: Радиоизотопные термоэлектрические генераторы (RTG) питают многие миссии НАСА, включая Voyager и Curiosity. Экстремальная среда и длительные сроки службы миссии требуют высокоточных моделей, которые учитывают радиационное повреждение, деградацию материала и тепловой цикл.JPL использует подробные модели конечных элементов для прогнозирования производительности RTG в течение десятилетий.
  • Носимые устройства: Теплообогащающие термоэлектрические генераторы для носимых устройств требуют моделей, которые учитывают небольшие перепады температур (~1-5 К) и тепловое сопротивление кожи и одежды человека. Оптимизация часто фокусируется на максимизации мощности на единицу площади при минимальной толщине.

Будущие направления

Область термоэлектрического моделирования быстро развивается, что обусловлено необходимостью повышения эффективности и доступности новых вычислительных инструментов.

Передовые материалы и многомасштабное моделирование

Новые термоэлектрические материалы, такие как полу-гейслеровые соединения, кристаллы SnSe и органически-неорганические гибриды, предлагают значения ZT выше 2 в определенных температурных диапазонах. Однако их свойства часто являются анизотропными и чувствительными к температуре. Многомасштабные подходы к моделированию, которые связывают вычисления ab initio с моделями континуума уровня устройства, разрабатываются для прогнозирования производительности новых материалов до синтеза. Например, проект Materials Project предоставляет базы данных вычисленных термоэлектрических свойств, которые могут быть поданы в макроскопические модели.

Интеграция машинного обучения

Машинное обучение используется не только для суррогатного моделирования, но и для обратного проектирования: учитывая целевую производительность (например, высокий средний ZT в широком температурном диапазоне), модель ML может предложить оптимальные композиции материалов и уровни допинга. Генеративные модели могут предлагать новые кристаллические структуры с низкой теплопроводностью. Комбинирование ML с физическим моделированием создает мощную оптимизационную структуру, которая может ускорить открытие на порядки величины.

Цифровые близнецы и системная интеграция

В промышленной практике термоэлектрические устройства часто являются компонентами более крупных систем (например, управление тепловым режимом транспортного средства, строительство HVAC). Технология цифровых двойников - виртуальная копия физической системы, которая обновляется в режиме реального времени - связана с быстрыми, точными термодинамическими моделями. Модели с пониженным порядком, полученные из высокоточных симуляций, позволяют осуществлять мониторинг производительности в режиме реального времени, прогнозное обслуживание и адаптивное управление. Будущие цифровые двойники будут включать количественную оценку неопределенности для обеспечения доверительных интервалов для прогнозируемой производительности, что позволяет принимать решения, не связанные с риском.

Заключение

Разработка термодинамических моделей для термоэлектрических устройств является многодисциплинарной задачей, которая объединяет физику твердого тела, теплообмен, электротехнику и науку о данных. От простых аналитических уравнений до сложных симуляций конечных элементов и суррогатов машинного обучения, каждый подход к моделированию имеет свое место в разработке и оптимизации трубопровода. По мере появления материалов с более высокими показателями заслуг и развития вычислительных методов эти модели станут все более прогностическими, позволяя термоэлектрическим технологиям играть большую роль в преобразовании энергии и управлении температурой. Инженеры и исследователи, которые овладевают как фундаментальной термодинамикой, так и практической реализацией этих моделей, будут хорошо расположены для стимулирования инноваций в этой захватывающей области.