電気自動車のバッテリー冷却戦略、消費電力20％削減に成功 安全性を損なわず効率化を実現
電気自動車（EV）の性能向上をめぐる競争が激化する中、技術者たちは長年にわたり同じ課題に直面してきた。バッテリーを安全な温度に保ちながら、冷却に必要なエネルギー消費を最小限に抑えるにはどうすればよいか——。この難問に対し、上海理工大学と江蘇省塩城技師学院の研究チームが画期的な解決策を提示した。新材料の開発や構造の大幅な変更ではなく、冷却システムの作動タイミングと強度を精密に制御する「遅延冷却介入」戦略により、システム全体の消費電力を20％近く削減することに成功した。
本研究は、学術誌『Energy Storage Science and Technology』に掲載された。リチウムイオンバッテリーパックの最高温度を安全基準の32℃以下に保ちながら、冷却システムの消費電力を2750Wに抑えることを実証。従来の常時冷却方式（3432W）と比較して、682Wの削減を達成した。数値だけ見れば控えめに映るが、EVでは走行可能距離や応答性、バッテリーの長寿命化に直接寄与する重要な成果である。
現在、高性能EVのバッテリー冷却には液体冷却が標準的に採用されている。テスラ、ルシッド、BMWなど各社は、閉ループ式の液体冷却システムを搭載。空冷よりも熱伝導効率が高く、急速充電や高負荷運転時の熱流入に対応できる。ただし、液体冷却システムには課題もある。ポンプ、熱交換器、チラーなどはすべて電力を消費する。初期のシステムでは、バッテリー温度が所定の温度（例：25℃）を超えると、即座に冷却をフル稼働させる方式が多かった。これにより安全性は確保できるが、車両の総エネルギー消費の最大3～5％が冷却に費やされるという問題があった。
「リチウムイオン電池は、30℃を超えた瞬間に劣化するわけではない」と、研究リーダーの一人である上海理工大学の王小燕講師（自動車工学）は説明する。「熱的な慣性があり、温度は徐々に上昇する。この性質を利用すれば、冷却を開始する最適なタイミングを見極めることができる」
研究チームはこの知見をもとに、冷却介入を遅らせる新しい制御ロジックを開発。バッテリー温度が一律の設定値に達したら即作動させるのではなく、平均セル温度が32℃に達するまで待機する。この温度は、リチウム析出やSEI膜の分解が加速する危険領域（50℃）より十分低く、安全余裕は確保されている。結果として、電力消費を抑えながら、バッテリーを適正温度範囲に維持することに成功した。これは、家庭用のスマートサーモスタットが、エネルギー節約のため暖房を必要な瞬間まで遅らせつつ、快適な室温を保つのと同様の原理である。
本研究は単なる理論的な提案ではない。研究チームは、実験用の実規模テスト装置を構築し、実証を行った。リチウムイオンバッテリーモジュール、ポンプ、プレート熱交換器、断熱材（エアロゲルとアルミ箔）で覆った囲い、セルごとに12個のK型熱電対を設置し、温度上昇率、表面熱流束、システム消費電力をミリ秒単位で計測。1.0Cでの放電実験を実施した。
さらに、実験と並行して「デジタルツイン」（仮想空間上の再現モデル）を構築。AMESimを用いた1次元シミュレーションモデルを、ドライバー操作、車両重量、モータートルク特性、バッテリーの電気的挙動を含む総合車両 dynamics モデルと連携させた。これにより、実験室の単純な条件だけでなく、加速、惰行、回生ブレーキを含む実際の走行環境を精度高く再現できるようになった。
シミュレーション結果と実験データを比較したところ、最大偏差は1.8％以内と高い一致を示した。熱電対の取り付け位置（表面測定）や発熱モデルの簡略化に起因する微小な誤差は認められたものの、モデルは最適化のための信頼性の高いツールとして有効であると確認された。
ここからが、数学的に精巧で実用的な最適化プロセスの本番である。
従来のパラメータ調整では、流量を変えてみたり、冷却液入口温度を下げてみたりと、1回に1つの変数を操作する方法が取られがちだった。しかし、この方法では変数間の相互作用を見落としてしまう。流量を増やせば熱除去能力は向上するが、ポンプの消費電力は流量に対して非線形的に増加するため、ある点を超えると、冷却で得る利益よりも移動に要するエネルギー損失の方が大きくなる。同様に、冷却液の入口温度を下げればセル温度は下がるが、それを実現するためにチラーを強力に稼働させれば、消費電力が増加する。
上海の研究チームは、個別の最適化ではなく「大域的最適解」の探索を目指した。つまり、「バッテリー最高温度の最小化（制約：32℃以下）」と「システム全体の消費電力の最小化」という二つの相反する目的を同時に満たす最適なパラメータの組み合わせを見つけることである。これを実現するため、多目的最適化（MOO）フレームワークを構築。以下の4つの先進的な技術を組み合わせた。
- ラテン超立方サンプリング（LHS）：設計空間を効率的に探索する手法。
- 応答曲面法（RSM）：入力変数（流量、入口温度、介入温度）と出力（最高温度、消費電力）の関係を表す高精度の近似モデル（サロゲートモデル）を構築。
- MOGA-II：複数の目的関数を同時に最適化する遺伝的アルゴリズムの一種。パレート最適解（一方の目標を悪化させずに他方を改善できない解の集合）への高速な収束性に優れる。
- K-meansクラスタリング：数百に及ぶパレート最適解を、5つの代表的な「設定タイプ」に分類。超低温度（高エネルギーコスト）、超低電力（温度上昇許容）、そしてその間のバランス型など、異なる哲学に基づく設定を明確化した。
最適解として選ばれた「クラスター3」の設定は、最も冷やす設定でも、最も省電力な設定でもなかった。日常の走行に理想的なバランスを実現したのである。具体的には、冷却液質量流量0.000201 kg/s（約12 L/min）、入口温度17.01℃、冷却介入開始温度32℃。この設定により、1.0C放電時における最高セル温度は30.83℃に抑制され、補機系統の消費電力は2750Wに収まった。
この効果は、定常放電時のみならず、実践的な走行サイクルでも検証された。欧州で標準的に用いられる走行パターン（NEDC）をシミュレーションしたのである。NEDCは市街地の低速走行、郊外の加速、高速道路のスプリントを含み、バッテリー電流は126.7A（15.8C）まで急激に変動する。この動的な負荷に対応するため、最適化パイプラインを再適用。流量と入口温度に加え、「冷却介入温度」も tunable なパラメータとして扱い、新しい最適セットを導出した。その結果、入口温度20.06℃、介入開始温度26.97℃という設定が得られた。
なぜ、動的運転では実験室の放電時よりも「早い」介入が必要なのか。その理由は「累積的な熱の蓄積」にある。一定負荷の放電では発熱は予測可能で単調だが、NEDCでは繰り返される加速により熱ストレスが蓄積する。後々の暴走を防ぐには、早期の緩和が不可欠なのである。マラソンで、10マイル地点で平気だからといって、20マイルまで給水を我慢しないのと同じ道理である。
この動的戦略を検証するため、Hardware-in-the-Loop（HIL）テストを実施。実験での最高温度（33.19℃）はシミュレーション結果（32.0℃）を3.7％上回ったが、依然として危険域は大きく下回った。最大の瞬間誤差（6.5％）は、1139秒後の急激な電流サージ時に観測されたが、その時点でも熱暴走が始まる温度より16.8℃低かった。
この堅牢性は極めて重要である。自動車メーカーは通常状態だけでなく、「辺境領域」――外気温40℃の環境で、山道を登りながら、室内のエアコンはフル稼働――といった極限状態も想定して設計する。上海の春条件下で優れた性能を発揮する熱管理システムが、デスバレーの夏でも機能する保証はない。本研究のアプローチが現実のばらつきに対しても強固であった事実は、その汎用性の高さを示唆している。
この成果を受け、自動車メーカー各社は既に「適応型」冷却戦略への関心を強めている。フォードは新型マスタング Mach-E のソフトウェアを更新し、穏やかな走行時にはチラーの作動を遅らせる「効率モード」を搭載。リビアンのR1Tは、ルート開始前にキャビンの予備冷暖房を用いてバッテリーパックを事前冷却する機能を採用し、走行中のバッテリー負荷を軽減している。BYDの「Blade Battery」は、埋め込み型の温度センサーとAI駆動の流量制御を統合し、局所的な過熱箇所に応じて冷却を調整する。
本研究の独自性は、その方法論の透明性とツールチェーンの統合性にある。ブラックボックス化された解答を提示するのではなく、物理的な試験装置→検証済みシミュレーション→インテリジェントなサンプリング→近似モデリング→遺伝的最適化→クラスタリングに基づく意思決定支援、という設計プロセス全体を明らかにした点である。このパイプラインは再現可能であり、サプライヤーはバッテリーだけでなく、モーター、インバーター、室内空調（HVAC）の最適化にも応用できる。
さらに、研究チームは過剰な設計を意図的に避けた。マイクロチャネル冷却プレート、ナノ流体添加、埋め込みペルティエ冷却素子などの高度（かつ高価）な技術は採用せず、市販のプレート熱交換器、PWM制御の遠心ポンプ、水とエチレングリコールの50/50混合液という、既存の内燃機関車でも広く使われる汎用コンポーネントで構成されたシステムを使用した。これはコスト、保守性、サプライチェーンの強靭さの面で大きな強みとなる。
もちろん、課題は残る。現在のモデルは均一なセル劣化を仮定しているが、実際には容量劣化に伴う内部抵抗の増加により、局所的な発熱が進行する。将来の研究では、熱性能モデルと電池状態（SOH）推定器を連携させ、劣化を考慮した制御が必要となるだろう。同様に、本研究は放電に焦点を当てたが、発熱量が3～4倍に達する急速「充電」時には、より積極的な熱管理が要求される。研究グループによる予備的なデータでは、150kWの直流急速充電時には、最適な介入温度は28℃まで低下し、流量を約30％増加させる必要がある可能性が示唆されている。
それでも、中核をなす洞察は揺るぎない。「精密なタイミング制御は、単純な力任せの冷却に勝る」。熱が現れた瞬間に全力で対抗する必要はない。その軌道を予測し、最大の効果が得られるポイントで迎え撃つことが重要なのだ。
EVが新奇な存在から社会の必需品へと進化する中で、エネルギー効率は後回しにできない要素である。すべてのサブシステムは、性能だけでなく、省エネルギー性においてもその存在意義を示さなければならない。本研究は、最も強力なイノベーションとは、時に「より多く」を行うことではなく、「必要な分だけ」を「必要な時」に行うことであることを示した。
脱炭素化へと向かう世界において、このような知性的な抑制こそが、最高の性能向上策となるかもしれない。
王小燕（シャンハイりこうだいがく） 劉 淑琴（えんじょうぎしがくいん） 張 振東（シャンハイりこうだいがく） 段 珍霞（シャンハイりこうだいがく）
Energy Storage Science and Technology, Vol. 12, No. 7, pp. 2155–2165, 2023年7月 DOI: 10.19799/j.cnki.2095-4239.2023.0152