基于走行风的动车组牵引变压器表面散热研究及优化

(整期优先)网络出版时间:2024-07-03
/ 4

基于走行风的动车组牵引变压器表面散热研究及优化

朱莉莉钟珩陈日新谷秀甜赵康发缪宇

中车株洲电机有限公司 研究院 湖南株洲 412000

摘要:本文针对现有动车组牵引变压器存在的问题及瓶颈,提出了基于走行风的牵引变压 器表面散热方案,并进行了走行风开放流场中的散热方案寻优研究,使牵引变压器底部散热功率相对现有方案提升了约16 倍。通过仿真分析、试验优化设计、模型构建、多目标寻优、

仿真及试验验证等对比分析研究,验证了研究方法的可行性和优化方案的有效性,对提升动   车组牵引变压器的表面散热性能、降低牵引变压器冷却系统噪声及能耗、践行国家“双碳 政策等具有重要意义。

关键词动车组;牵引变压器;散热;走行风

Research and optimization of surfaceheatdissipationof EMU traction transformer basedonrunning wind

Lili ZhuHeng ZhongRixin ChenXiutian GuKangfa ZhaoYu Miao1

(1.Research Institute,CRRC ZHUZHOU ELECTRIC CO.,Ltd. Zhuzhou 412000, Hunan )

AbstractAiming  at  the  existing  problems  and  bottlenecks  of  tractiontransformersin EMUs, this paperproposesasurfaceheatdissipationschemeoftraction transformer based on running wind, and studies the optimization of heatdissipation scheme in theopenflowfieldof running wind.Theheatdissipationpoweratthebottomoftractiontransformerisincreasedbyabout16timescomparedwiththeexistingscheme.Throughcomparativeanalysisandresearchsuch as simulation analysis, experimental optimizationdesign,modelconstruction, multi-objective optimization, simulation and test verification,thefeasibilityoftheresearchmethodandtheeffectivenessoftheoptimizationschemeareverified,which  isof  great  significancefor  improving  the  surfaceheat  dissipation performance of thetractiontransformerofEMU,reducingthenoiseandenergyconsumptionofthecoolingsystemofthetractiontransformer,and  implementing  China‘s “Double-Carbonpolicy.

Keywords  EMU; Traction transformer; Heat dissipation;running wind

1.引言

随着“双碳”战略的推行、轨道交通的快速发展以及人们对乘车舒适性的需求提升,研制更绿色节能、更低噪声的轨道交通零部件已日趋重要。牵引变压器为动车组的动力源头, 是整车关键部件之一,其能耗、噪声及重量等对整车的综合指标至关重要。目前国内牵引变 压器均为强迫通风冷却方式,噪声较大,冷却风机需消耗辅机功率。因此,通过研究新的冷 却结构,降低牵引变压器冷却系统的能耗、噪声和重量,对提升我国动车组和牵引变压器的 技术水平尤为重要。

18


2.现有牵引变压器的冷却原理及现状

现有国内动车组牵引变压器的冷却方式均为强迫油循环风冷,其冷却系统利用风机叶轮在电机的带动下旋转,强迫冷却空气流经冷却器,在冷却器内与高温变压器油进行热交换,实现对牵引变压器的冷却[1]。其油箱和冷却器的表面均为光滑平板结构,散热功率小,在工程设计时往往忽略不计,全部依靠冷却系统强迫换热进行冷却。

目前国外牵引变压器已开发走行风冷和强迫风冷的组合形式(如新干线)[2],设计部分翅片在冷却器底部,利用走行风散热,其散热功率为总散热功率的10%,减小了冷却系统的 功率、噪声和重量。

因此,国内动车组牵引变压器的发展亟需突破现有冷却技术,研究新的冷却方式与结构,

充分利用车辆运行的走行风进行冷却,促进牵引变压器在噪声、能耗、轻量化等方面取得进 一步的突破,提升牵引变压器和整车的综合技术指标。

3.新型牵引变压器走行风冷散热方案

本文基于国内现有牵引变压器的结构,并在国外新干线牵引变压器的基础上进一步研究,提出新型走行风冷散热方案,即在冷却器和牵引变压器油箱的表面均设置散热翅片(如 下图),增加表面散热面积,充分利用车辆运行的走行风增加表面散热功率,减少冷却系统 所需的散热功率、噪声、能耗及重量。由于国外在冷却器底部已有相关方案研究,本文主要 针对油箱底部散热方案进行分析。

1 牵引变压器油箱底部走行风散热方案

4.仿真分析

由于走行风散热器处于开放流场中,其内、外部流场分布不均匀,难以用传热理论计算 方法进行研究,本文对翅片散热方案和现有光滑平板表面进行相同前端风速下的散热功率仿 真对比分析。

4.1 仿真模型和边界设置

翅片散热器布置在车体变压器底部的模型如2 所示, 初步设置翅片散热器的翅片长 l=600mm、翅片间距s=7mm、翅片高h=55mm、翅片厚t=3mm、基板厚度th=10mm、基板 宽 W=520m,为尽量模拟实际列车底部流场,设置流域宽 Wf为 2200mm,流域高 Hf 430mm

仿真边界加载如下,其中流域两侧面(Side1Side2)设置为平行于走行风方向的速度 边界(近似模拟车辆两侧走行风);流域底部(Wall-bottom)设置为移动壁面,速度方向与走行风方向一致;翅片片散热器基板顶面(Wall-byq)设置壁面温度加载热量(110℃), 端进口风温为40℃,平均进口风速为6m/s

28


3页 共8


Side2

Wall-top

Inlet

Wall-byq

/

Side1

Wall-bottom

3页 共8


2走行风散热器仿真边界设置

4.2仿真结果

4.2.1 散热功率

基于上述模型和边界所仿真的走行风翅片散热器的散热功率3.1kW。用上述方法对相 同底部面积的现有光滑平板表面(长L=600mm,宽W=520mm)进行仿真,散热功率为0.6kW 因此,上述初设的走行风散热器方案的散热功率为现有光滑平板表面散热功率的5.2 倍。

4.2.2  翅片散热器流场与温度场分布

初设翅片散热器方案的流场与温度场分布

截面

流场分布

温度场分布

沿行 车方 向侧

沿行 车方 向底

由上可知:

1)流场分布:翅片散热器内风速沿行车方向逐渐减小,大部分风从翅片前端漏出至散 热器底部外侧流域,造成内部流量减小,风温升高较快;

2)温度场分布:散热器温度沿行车方向以及沿翅片上下方向上分布较为均匀,散热器内部风的温度在后端出风位置基本达到壁面温度,造成中后端冷却效果差,散热器中间与后 端出风面未得到有效利用。

因此,虽然上述走行风翅片散热器方案的散热功率为现有光滑平板表面方案的 5.2倍, 但冷却功率仍然较低,难以满足变压器散热需求。且从流场和温度场分析可知,该初设方案 的散热器中间和后端未进行有效散热,需进一步对走行风翅片散热器进行优化研究。

5.走行风散热方案寻优研究

由于翅片间距、高度、长度等改变,均会影响翅片内部风速分布、温度分布及传热效率等,各因素相互影响关联,因此目前工程应用中基于散热器程序的数值计算寻优方式

[3][4]适用于走行风开放流场中的散热研究,本文基于中心组合设计与多目标寻优设计并结合仿真分析手段,可更准确、快速地进行散热方案寻优设计。

5.1试验设计

3页 共8


5.1.1 试验设计简介

中心组合设计(以下简称CCD),又称二次回归旋转设计,可应用各影响因子的二次  多项式来预测其对评价指标的作用[5]扩展了设计空间并得到高阶信息,能够给响应面近似模型提供样本数据。而正交试验法获得的最优方案只能限制在已定的水平上,不是一定 试验范围内的最优方案,使试验带有很强的摸索性色彩,试验结果不精确。因此,CCD 相

对正交法等试验设计方法,具有设计简单、试验次数少、预测性好等优点[6]

3中心组合设计(CCD

5.1.2 设计因子与设计目标的选择

综合考虑产品实际情况,选择翅片间距、高度、长度三个因素作为自变量设计因子, 散热功率和功率密度作为设计目标。本次试验设计的范围和目标如下表所示。

2 优化设计因子与设计目标

设计因子

低水平

高水平

翅片长l/mm

100

1500

翅片间距s/mm

5

20

翅片高度h/mm

55

200

设计目标

散热功率

max

功率密度(散热量/质量)

max

5.1.3 优化试验设计及目标计算

通过上述CCD方法进行参数变量的试验设计,包括8 个角点、6 面点与6 个中心点

[5]并通过仿真计算获得各个试验工况的散热量与功率密度数据,如下表:

3 CCD试验设计及设计目标计算

试验 序号

设计因子

设计目标

翅片长l

翅片间距s

翅片高h

散热量P/kW

功率密度P/G /(kW/kg)

编码

设计因子水 /mm

编码

设计因子水 /mm

编码

设计因子水 /mm

1

-1

100

-1

5

-1

55

1.61

0.364387

2

1

1500

-1

5

-1

55

3.26

0.049189

3

-1

100

1

20

-1

55

0.678

0.26755

4

1

1500

1

20

-1

55

3.51

0.09234

5

-1

100

-1

5

1

200

2.99

0.243021

6

1

1500

-1

5

1

200

8.8

0.047683

7

-1

100

1

20

1

200

1.17

0.214616

8

1

1500

1

20

1

200

9.52

0.116419

9

-1

100

0

12.5

0

127.5

1.52

0.2959

48


10

1

1500

0

12.5

0

127.5

8.09

0.104993

11

0

800

-1

5

0

127.5

5.89

0.088058

12

0

800

1

20

0

127.5

5.09

0.159347

13

0

800

0

12.5

-1

55

3.03

0.125099

14

0

800

0

12.5

1

200

8.15

0.140592

15

0

800

0

12.5

0

127.5

6.4

0.155737

16

0

800

0

12.5

0

127.5

6.4

0.155737

17

0

800

0

12.5

0

127.5

6.4

0.155737

18

0

800

0

12.5

0

127.5

6.4

0.155737

19

0

800

0

12.5

0

127.5

6.4

0.155737

20

0

800

0

12.5

0

127.5

6.4

0.155737

5.1.4响应面模型构建与分析

1)响应面模型构建与检验

采用上述数据进行响应面模型建立,通过方差分析进行模型参数检验。其中响应面模型的回归方程如下:

P=1.94534  −0.00411883 A  −0.324375 B+0.0245193C   + 0.00069481 AB+6.35728×10−5AC+  5.47491×10−7  A2    +  0.00876214 B2− 9.47962×10−5C22.48346×10−8  A2C2.42476×10−5AB2

=0.4468510.00080841 A  +  0.00055191 B0.000431412C   +  2.18914×10−5  AB

+  1.68801×10−6  AC+  2.1613×10−5BC   +  3.35466×10−7A2    0.000382797 B22.35713×10−6  C2    1.01534×10−8A27.51938e×10−10  A2C

针对该响应面模型的拟合统计分析如下表,实际值与预测值的符合程度如下图所示: 4 散热功率响应面模型的拟合统计

FitStatistics

散热量P

功率密度P/G

c.v.%(变异系数)

5.17

5.36

Adjusted R²(调整后的R2)

0.9904

0.9883

Predicted R²(预测R2)

0.8844

0.8043

其中变异系数c.v.%10%以内,表明模型误差在接受范围内;模型R2接近于1,且预 R2与调整R2差距小于0.2,表明模型有效,可用于指导设计。从实际值与预测值对比图 来看,符合程度较好,各点基本上接近斜线。

散热功率的响应面模型检验

5页 共8


2)各因素下的响应面分析

5 各因素的响应面分析

变量

翅片长-翅片间距

翅片长-翅片高

翅片间距-翅片高

P

P/

G

从响应面图上看,散热量P的最大值位于翅片长l的高水平、翅片间距s的中心点、

翅片高h的高水平位置,且翅片长与翅片高占主导作用。功率密度P/G的最大值位于翅片 l的低水平、翅片间距s的低水平、翅片高h的低水平位置,且翅片长占主导作用。

5.1.5多目标优化设计

本文的优化研究目标为散热量P 与功率密度P/G 均最大化,属于多目标优化问题。可 通过搜寻多目标优化问题的pareto 前沿,确定最优解集,此处一般采用遗传算法[7][8]

Genetic AlgorithmGA)。

本文通过采用遗传算法分析散热量P与功率密度P/G 两目标下的pareto 前沿;然后在 该最优解集上给出设计权重因子对应的最优设计点。

5.1.5.1 pareto 前沿

本文作出的pareto前沿图如下,其中各点代表三个设计因子不同尺寸下的散热量P 功率密度 P/G。蓝色点形成的曲线为pareto前沿,此时pareto前沿为设计空间内的最优解 集。

5    遗传算法pareto前沿

6页 共8


在获得pareto 前沿后,需根据设计提供的各个目标权重因子获取最佳设计点,本文将 散热功率和功率密度的权重均设置为0.5,如下图所示,首先对pareto 前沿进行了归一化, 此时在区域内做一组斜率为-1的斜线,找出与pareto 前沿的切点,即为最佳设计点。

本文的pareto 前沿呈现为非单调递减、先凸再凹后凸的情况,因此对于不同的权重因  子组合下可能出现两个切点,分别位于散热量很小、功率密度很大以及散热功率跟大、功  率密度很小的位置,此时对应的尺寸分别为翅片长100mm、翅片间距5mm、翅片高75mm 以及翅片长1300mm、翅片间距16mm、翅片高200mm,考虑实际变压器底部散热的应

用,选用后者更佳。

6    设置目标权重因子后的pareto前沿

5.1.5.2最优方案验证

1)散热功率与功率密度

对上述最优方案(翅片长1300mm、翅片间距16mm、翅片高200mm),进行仿真和试 验验证,验证结果如下表所示:

6 优化方案的散热功率与功率密度验证

目标参数

预测值

仿真

实测

仿真值

百分误差

实测值

百分误差

散热量P (kW)

10.20

9.54

6.3%

9

11.8%

功率密度P/G (kW/kg)

0.1278

0.1202

6.9%

0.113

11.6%

由上可知:

a)仿真与预测的误差在7%以内,实测与预测的误差在12%以内,说明优化方法有效; b)优化设计后的走行风散热器方案的散热功率为现有光滑平板表面散热功率的16倍。

2)流场与温度场

上述最优散热器方案仿真的流场与温度场分布如下:

优化后翅片散热器方案的流场与温度场分布

截面

流场分布

温度场分布

沿行 车方 向侧 部平

7页 共8


沿行 车方 向底 部平

由上可知,本文通过优化设计的最优方案,与4.1章中的初设散热方案相比:

1)流场分布:散热器内风速沿行车方向减小的梯度明显减缓,绝大部分风从翅片顶端 漏出至散热器底部外流域的现象得到明显改善,散热器内平均流速增加,风温升高减慢;

2)温度场分布:散热器壁面温度从基板到翅片下端、从前端到后端均有降低,散热效果得到改进;散热器内部风温度在后端出风比壁温低,散热器的中后段充分发挥了散热效果; 散热器各部分均得到有效利用,提升了散热器整体散热效率。

6.总结

本文契合国家“双碳”政策、轨道交通的绿色节能、低噪舒适等发展趋势,针对现有  动车组牵引变压器技术发展的问题及瓶颈,突破现有技术,充分利用车辆运行的走行风进  行牵引变压器散热,提出了牵引变压的油箱底部散热优化方案,通过仿真分析、试验优化  设计、模型建立、多目标寻优、仿真及试验验证等分析,最终优化设计后的走行风散热器  方案的散热功率约为现有光滑平板方案的16 倍,散热效果显著增加,可有效降低牵引变压 器冷却系统的噪声、能耗、重量,提升我国动车组牵引变压器及整车的技术实力和综合竞  争力。

参考文献:

[1]   李昂,孔丽君.动车组牵引变压器冷系统散热性能分析[J].铁道机车与动车, 2023,597(11): 26-28.

[2]   YoshitakaYasui  铁 道[J].   国外铁道车 ,2008,(05): 20-23.

[3]   刘超,贾晓宇,胡长生,.电动汽车 SiCMOSFET风冷逆变器的散热器设计[J].电源学 报,2018,16(03):151-157.DOI:10.13234/j.issn.2095-2805.2018.3.151.

[4]   周子涵, 李先允, 王书征, .CLLLC[J].电源技 ,2021,45(03):382-385.

[5]   GunstRF  ,MyersRH,MontgomeryDC.Responsesurfacemethodology  :processand productoptimizationusingdesignedexperiments,fourthedition[M].Hoboken,NewJersey: Wiley,2016.

[6]   任露泉.回归设计及其优化[M].科学出版社,20091-7.

[7]   赖宇阳,姜欣. Isight 参数优化理论与实例详解[M].  北京航空航天大学出版社,2012.

[8]   陈国良.  遗传算法及其应用[M].人民邮电出版社,1996.

88