熱電器件優化設計研究現狀及展望

何杭

摘 要：本文對熱電器件優化設計的相關研究做了綜合性的介紹。熱電器件具有無可動部件、穩定性高、可靠性好等優點，而熱電器件優化設計有望改善其效率不高的局限性，因而相關的研究在近年來得到了迅速發展。本篇文章對熱電器件優化設計——兩級熱電發電機、兩級熱電制冷器的幾何參數優化為例做了介紹，并對其中采用的優化方法做了說明。結合現階段熱電器件優化設計研究的進展，給出了對于熱電器件優化設計研究主題的展望，為今后考慮特定場合與復雜工況下熱電器件的優化設計提供參考。

關鍵詞：熱電器件;優化;熱電發電機;熱電制冷器

一、緒論

熱電器件具有固態能量轉換器的特點，通常可以被分為兩類：半導體熱電發電機基于塞貝克效應將熱能轉化成電能，半導體熱電制冷器基于珀耳帖效應將電能用于制冷。由于基于半導體材料特性的能量轉換不需要流動介質或可動部件，這使得熱電器件相比傳統的發電、制冷系統具有更好的可靠性和穩定性，有很好地研究前景。[1]

熱電器件的性能與半導體熱電材料的發展密切相關，許多研究人員關注熱電材料的物理特性和熱電器件的制造技術以提高熱電器件的能量轉換性能。然而除了熱電材料和模塊的改進之外，熱電器件的優化設計對于提高其性能同樣重要。

為了改善熱電器件能量轉換效率不高的局限性，有關熱電器件優化設計的研究在近年來得到了迅速發展。

二、當前研究現狀

近五年來，結合優化算法對熱電器件設計進行多參數優化的研究工作被公開。由于優化過程對于熱電器件性能分析的準確度有較高的要求，因此相關研究多采取變物性三維耦合模型以提高性能預測精度。幾個代表性的熱電參數優化研究的介紹與分析如下。

（1）兩級熱電發電機（TEC）幾何優化。Liu等采用簡化共軛梯度法（SCGM）結合三維數值模擬，以采用BiTe半導體材料的兩級熱電發電機為研究對象。[2]優化半導體腿長比和半導體橫截面積比。相比優化前，輸出功率與發電效率分別提升了42.9% 與31.4%。

（2）兩級熱電制冷器（TEC）幾何優化。Huang等采用共軛梯度法（CGM）結合三維耦合模型，以采用Bi2與Te3 半導體材料的兩級熱電制冷器為研究對象。[3]優化半導體對數、腿長比和半導體橫截面積比。結論是相比初始的幾何參數結構，熱電器件冷端的吸熱量提高了214%。

（3）兩級熱電發電機（TEC）拓撲結構優化。Sun等采用非支配排序遺傳算法（NSGA-II）結合三維有限元仿真，以采用Bi2與Te3 半導體材料的兩級熱電發電機為研究對象。[4]優化結構，配置和負載電阻。結論是與初始設計參數相比，輸出功率、發電效率分別提升36.4%，31.21%，并且熵產率降低52.92%。

三、分析與展望

熱電器件所具有的可靠性高以及結構簡單等優點，讓熱電器件在諸多特殊的應用場合具有優勢。有望作為各種復雜能量轉換或能量管理系統的重要組成部件，如低品位能源的高效回收、微通道熱沉的強化冷端等。

然而，目前對于熱電器件結構設計優化的研究工作大多著眼與熱電單元層面。針對附加在各種復雜能量轉換或能量管理系統的熱電器件的結構優化，如汽車尾氣余熱回收、太陽能聚光、燃料電池吸熱、結合微通道熱沉等具體場景的熱電器件結構優化設計還有研究的空間。

針對特定應用的多種因素變化，在多方面加大了優化的復雜度。針對不同工況的變化，僅用固定的邊界條件研究出的熱電器件優化設計是不適用的。

半導體熱電器件在具體應用時，要考慮工況在時間上的變化。當熱電器件用于汽車尾氣余熱發電時，汽車在啟動、低速行駛、高速行駛等不同狀態，對應著熱電器件的不同工況;當熱電器件用于太陽能光熱發電中，太陽光照強度也會隨季節與天氣變化，產生隨時間變化的熱源強度。針對工況隨時間的變化，僅用固定的邊界條件研究出的熱電器件優化設計是不適用的。

同時，在半導體熱電器件應用的實際案例中，也應當考慮工況在空間上的非均勻分布。例如，當熱電器件應用在煙氣余熱回收時，靠近煙氣源頭的熱電器件轉換較多的熱量，使得整個熱電器件模塊的熱端溫度分布按照流動方向梯度下降。同時熱電器件各個單元之間存在耦合關系，單個熱電單元的改變都將會影響溫度場的分布。因此，對于工況在空間上的變化，采用固定的邊界條件假定進行熱電器件優化設計也是不精確的。

對于在特定場合使用的半導體熱電器件的優化，應當具體考慮。特定應用工況的多種因素變化，大大加大了計算的復雜程度。因此可以考慮引入更先進的智能算法來解決優化問題。

參考文獻：

[1]劉靜，李敬鋒.熱電材料的應用及研究進展[J].新材料產業，2004（08）：49-53.

[2]Liu Z，Zhu S，Ge Y，etal.Geometry optimization of two-stage thermoelectric generators using simplified conjugate-gradient method[J].Applied energy，2017，190：540-552.

[3]Huang Y X，Wang X D，Cheng C H，etal.Geometry optimization of thermoelectric coolers using simplified conjugate-gradient method[J].Energy，2013，59：689-697.

[4]Sun H，Ge Y，Liu W，etal.Geometric optimization of two-stage thermoelectric generator using genetic algorithms and thermodynamic analysis[J].Energy，2019，171：37-48.