Otomobillerdeki elektrifikasyon ve otonomi düzeylerinin artmasıyla birlikte, termal yönetim sistemleri reaktif işlevlerden proaktif işlevlere doğru geçiş yapmaktadır; bu sistemler, çok sayıda bileşenin yanı sıra yolcuların termal gereksinimlerini de denetleyen bir beyin görevi gören yapay zeka (AI) teknolojisini kullanmaktadır.

Son dört ila beş on yıl boyunca, otomobillerdeki termal yönetimin evrimi, basit motor soğutmasından sofistike bir enerji yönetim stratejisine uzanan uzun bir yolculuk olarak değerlendirilebilir. Araçlar içten yanmalı motorlardan (ICE) elektrikli araçlara (EV) geçerken, termal sistem ikincil bir destek biriminden araç verimliliğinin ve sürüş menzilinin kalbine dönüşmüştür.

On yıllar boyunca termal yönetim, basit ısı yönetimi ile eşanlamlıydı. Bu, öncelikle ilk nesil içten yanmalı motorlu araçlarda termal yönetimin, bölgesel hava koşullarına bağlı olarak motor soğutma ve kabin soğutma/ısıtmasını içerdiği anlamına geliyordu. Bu dönem, kabaca "bileşen odaklı dönem" olarak adlandırılabilir; bu dönemde bileşenler merkezi olmayan bir yapıya sahip olduğundan performansları ayrı ayrı değerlendiriliyordu.

Bunu, termal teknoloji evriminin ikinci aşaması izledi. Otomobil üreticileri, elektrikli araçlara özel platformlar için özel enerji mimarisi geliştirmeye başladıkça, sektörün odak noktası entegrasyon, ısı geri kazanımı ve modülerliğe kaydı. Entegre termal modüllerin ana unsur haline gelmesiyle, küresel otomobil üreticileri performansı ve paketlemeyi optimize etmek için ağırlık azaltmaya yönelmeye başladı.

İkinci aşamanın bizi kademeli olarak üçüncü aşamaya taşıyacağı öngörülmektedir. Bu aşamada yapay zeka (AI), aracın merkezi beyni olarak işlev görebilir ve batarya, elektrik motoru, ısı pompaları ve yolcu kabini gibi kritik bileşenlerdeki sıcaklıkları izleyebilir.

Araçlardaki termal teknoloji evriminin bu üç önemli aşamasına daha ayrıntılı bir şekilde göz atalım:

a) Bileşen odaklı dönem: Bu, muhtemelen en uzun süren dönemdi; termal yönetim sistemleri merkezi olmayan bir yapıdaydı ve radyatör, mekanik su pompası ve termostatı içeren motor soğutma devresi gibi bileşenler, araçlardaki klima (AC) devresinden bağımsız olarak çalışıyordu. OEM’ler, performans ve maliyetin temel itici güçler olduğu bir ortamda bileşen ve donanım sistemi tasarımına odaklandı. Küresel otomobil üreticileri tarafından geliştirilen ilk dönem elektrikli araçlar (EV’ler), basit klima devresi gibi geleneksel parçalardan büyük ölçüde yararlandı. İlginç bir örnek, ilk nesil Nissan Leaf’tir; bu araç, maliyet açısından çok verimli olduğu için içten yanmalı motorlu araçlardan klima devresini ödünç almış, ancak bu durum verimlilik ve performansı ciddi şekilde olumsuz etkilemiştir. Tedarikçi tarafında ise Denso ve Marelli gibi şirketler, yüksek hacimli, düşük maliyetli alüminyum radyatörleri ve mekanik kompresörleri mükemmelleştirmişti.

b) Parça entegrasyonu ve modülerlik dönemi: Emisyon normlarının sıkılaşması ve araçların elektrikleşmesine yönelik genel geçişle birlikte , dünya çapındaki otomobil üreticileri, bir araçta çalışan termal modüllerin tek başına ele alınamayacağının farkına vardı. Sonuç olarak, parça üreticileri “çizime göre üretim” yaklaşımından ortak araştırma ve geliştirme (Ar-Ge) projelerine doğru evrildi; bu projelerde otomobil üreticileriyle kurulan ortaklıklar, ağırlık ve yer tasarrufunun yanı sıra maliyetleri de düşürmek amacıyla parça paylaşımı ve daha küçük parçaların entegre modüllere monte edilmesini denedi. Batarya, tahrik ünitesi ve kabin gibi ayrı devrelerin tek bir sistemde entegre edilmesi, motorlardan ve invertörden gelen atık ısıyı bataryayı veya kabini ısıtmak için yönlendiren ısı pompasının ortaya çıkmasına yol açtı. Başka bir deyişle, bu durum, üreticilerin vanaları, pompaları ve sensörleri tek bir kurulumda birleştiren manifoldlara sahip entegre termal modülleri kullanmaya başladıkları termal merkez kavramının doğmasına neden oldu. 
Bu yaklaşımın önemli bir örneği, araç genelinde ısıyı kullanmak için sekiz valfli bir sistem uygulayan Tesla Model Y’dir. Tesla’nın entegre ısı geri kazanım optimizasyonu, yüksek güç tüketen elektrikli kabin ısıtıcılarının ortadan kaldırılmasını sağlar.

Hyundai ve Kia’nın E-GMP platformu da, entegre ısı pompası sisteminin artık soğuk havalarda sürüş menzilini korumada bir referans noktası olarak kabul edildiğinin harika bir örneğidir. Schaeffler ve Mahle, otomobil üreticilerinin giderek daha fazla tek ve verimli bir ünite olarak kullandıkları hepsi bir arada termal modüllerin önde gelen tedarikçileri arasındadır. 

c) Yapay zeka odaklı proaktif dönem: Şu anda, donanımdaki gelişmelerin yazılım tanımlı araç (SDV) dönemiyle birleşmesinin beklendiği bu aşamaya giriyoruz. Bu aşamada, termal sistemler mevcut sıcaklığa tepki veren reaktif yapıdan, gelecekteki termal gereksinimleri öngören proaktif yapıya geçiş yapıyor. Bu dönemde, yapay zekanın (AI) beyin görevi görerek pil yönetim sistemini (BMS) ve termal kontrolleri denetlemesinin giderek daha yaygın hale gelmesi bekleniyor. 

İşlevsel bir örnek olarak, GPS verilerini, hava durumu tahminlerini ve sürüş alışkanlıklarını işleyen ve termal yük oluşmadan önce bile bileşenleri önceden soğutma veya ısıtma işlemini gerçekleştiren bir yazılım gösterilebilir. Akünün dijital ikizi, yapay zekanın ön plana çıktığı bir başka anlamlı örnek olabilir. Bu durumda, yapay zeka, aküdeki diğer hücrelere kıyasla tek bir hücrenin ısınmasında bile hafif bir anormallik tespit ederse, performans kaybını önlemek ve güvenliği sağlamak için termal yönetimi ayarlayabilir. Sektörden birkaç ilginç örnek arasında, son derece gelişmiş bir yazılımla çalıştırılan “isteğe bağlı soğutma” aerotermal sistemini kullanan Mercedes-Benz Vision EQXX; navigasyon verilerini kullanarak bataryayı yüksek hızlı otoyol sürüşüne veya DC hızlı şarja hazırlayan öngörücü bir termal çözüm geliştirmek için ortaklaşa çalışan BMW ve ZF yer almaktadır. Bosch ise termal yönetimi merkezi araç bilgisayar mimarilerine entegre ederek, yapay zekanın güç elektroniği soğutmasını kabin konforuyla gerçek zamanlı olarak dengelemesine olanak sağlamaktadır. 

31 Mart’ta Güney Koreli tedarikçi Hanon Systems, eCompressor, elektronik genleşme valfi bloğu, kombine su soğutmalı kondansatör, dahili ısı eşanjörü, soğutucu klima hatları ile basınç ve sıcaklık sensörleri gibi çeşitli bileşenleri tek bir yüksek güç yoğunluklu çözümde bir araya getirmek üzere tasarlanmış kompakt, çok işlevli bir termal yönetim modülü geliştirdiğini duyurdu. Hanon Systems’a göre bu modül, sistem karmaşıklığını azaltıyor, termal performansı artırıyor ve enerji kullanımını iyileştirerek sürüş menzilinin uzamasına katkıda bulunuyor. Şirket, entegre sistemin yalnızca 16 kg ağırlığındaki akıllı termal yönetim modülü aracılığıyla birden fazla araç alt sisteminin termal gereksinimlerini yönettiğini ve gerçek zamanlı talepleri en uygun şekilde desteklemek için soğutucu akışını ve sıcaklığını dinamik olarak düzenlediğini belirtti. Hanon’un termal çözümü ilk olarak BMW’nin tamamen elektrikli iX3 SUV modelinde kullanıma sunuldu. 

Isı pompalarının yaygınlaşması 

Sıfırın altındaki sıcaklıkların yaşandığı ülkelerde konut tipi ısı pompaları on yıllardır kullanılsa da, binek araçlarda kullanıma girmesi ancak 12-13 yıl önce gerçekleşti. Temel olarak, bir ısı pompası, araç içindeki mevcut termal enerjiyi bir yerden başka bir yere aktararak ısı sağlayan bir klima gibi çalışır. Sistem, kapalı bir devre içinde dolaşan ve ısıyı taşımak için sıvıdan gaza, gazdan sıvıya dönüşen bir soğutucu akışkan kullanır. Yaz aylarında kabinden ısıyı çekip dışarıya atarken, kış aylarında ise yolcuları ısıtmak için dışarıdan ve aracın elektronik sistemlerinden ısı çeker.

İçten yanmalı motorlu araçlarda ısının, motorun bir yan ürünü olduğu bilinmektedir. Elektrikli araçlarda (EV) motordan kaynaklanan atık ısı bulunmadığından, başlangıçta pozitif sıcaklık katsayılı (PTC) ısıtıcılar kullanılıyordu; bu ısıtıcılar EV aküsünden önemli miktarda güç tüketiyordu ve bu da dondurucu havalarda sürüş menzilinde %30 ila %40’a varan bir kayba neden oluyordu. Bu sorunu çözmek için ısı pompası geliştirildi ve birinci nesil ısı pompalarının, elektrikli araçlarda kaybedilen sürüş menzilinin %20’sini telafi edebildiği anlaşılmaktadır.

Hangi otomobil üreticisinin ısı pompasının öncülüğünü yaptığını kesin olarak belirtmek zordur; ancak raporlara göre, Renault Zoe bu teknolojiyi Mart 2012’de Cenevre Otomobil Fuarı’nda tanıtmış olsa da, 2013 yılında ısı pompasını kullanan ilk seri üretim otomobil Nissan Leaf olmuştur. Bundan kısa bir süre sonra, BMW i3 de 2013 yılında bu teknolojiyi ürün yelpazesinde bir seçenek olarak sunmuştur. 

Isı pompaları, hızlı şarj öncesinde bataryayı ideal sıcaklık aralığına (15 °C ile 35 °C arası) ısıtarak şarj süresini önemli ölçüde kısaltmak açısından da hayati öneme sahiptir. Daha önce yalnızca üst sınıf versiyonlarda veya soğuk hava paketi seçeneği olarak sunulan ısı pompaları, artık birçok otomobil üreticisi tarafından kullanılmaya başlandı. Örneğin, Tesla 2020 yılında Model Y’de ilk kez ısı pompaları kullandı ve bu uygulama o kadar başarılı oldu ki, şirket 2021 yılında Model 3’e de bu özelliği ekledi. 

Hyundai Motor da 2021 yılında E-GMP platformuyla birlikte Ioniq 6 ve Kia EV6 modellerinde ısı pompalarını piyasaya sürdü. Volkswagen, ID.3 ve ID.4 modellerinde isteğe bağlı bir “verimlilik paketi” olarak ısı pompaları sundu. General Motors da 2022 yılında Hummer EV ve Lyriq modelleriyle Ultium platformunda ısı pompalarını piyasaya sürdü.

Yukarıda açıklandığı gibi, ısı pompası teknolojisinin termal teknoloji evriminin 2. aşaması ile 3. aşaması arasında kesin bir köprü olarak görüldüğünü belirtmek de önemlidir. Bu teknoloji, 2. aşamanın ayrılmaz bir parçasıdır; zira batarya, elektrik motoru ve kabin arasında enerji aktarımı sağlamak için ısı pompası olmadan entegre bir termal modül oluşturmak imkansızdır. Sonuç olarak, ısı pompası bir otomobildeki termal yönetimi bir parça yığınından bir ekosisteme dönüştürmeye yardımcı olmuştur. 

Dahası, 3. aşamada ısı pompası, 2. aşamadan gelen donanım temelini sürdürür, ancak bu kez gelişmiş ve proaktif bir beyinle donatılmıştır. Nasıl mı? Tipik bir 2. aşama ısı pompası, bir sensörden gelen sinyale göre devreye girebilir; ancak yapay zeka ile çalışan bir 3. aşama ısı pompası, merkezi beyin varış noktasını bildiğinden, yolcunun elektrikli aracını şarj etmek için şarj istasyonuna varmasından 10 dakika önce ısı pompasını devreye sokabilir.

Yazılım: Donanım döngülerinin ana denetleyicisi

In phase 3 of the thermal management evolution, software is no longer a peripheral utility, instead it is the master controller that dictates how every joule of energy should be harvested or moved or rejected. This transition is built on three key technological pillars:

1. Route-based predictive conditioning
While traditional thermal management is reactive as it responds to a temperature spike after it happens, software-driven systems are proactive, using situational awareness to prepare the hardware in advance. The central controller integrates with GPS, real time traffic data and weather forecasts. For example, if a driver inputs a destination 50 km away that involves a steep mountain climb, followed by a DC fast charger, the software gets to work by regulating the thermal management of the battery long before the EV ascends on the hill. This helps in pre-cooling the battery and motor in anticipation of the high load climb and pre-conditions the battery to achieve its comfortable thermal range (or goldilocks zone) for the DC charger. This approach helps in terms of avoiding the thermal lag that typically slows down the charging speeds or throttles performance. 

Some interesting examples would include BMW’s predictive thermal management, Tesla’s route-based cabin preconditioning, Lexus’ predictive efficient drive for hybrid and plug-in hybrid electric models. 

Among the system suppliers, ZF’s TherMas system is a fascinating example of a software-driven, AI-based, intelligent and predictive thermal management system. First unveiled in 2023, the German supplier has been refining and improving its thermal solution, and it now claims that TherMas can extract up to one-third more driving range from the battery, even in sub-zero temperatures. The integrated module utilizes AI to accurately predict and manage the temperatures of essential EV components such as battery, electric motor, inverter and other electrical parts.

Moreover, ZF’s integrated thermal solution has compact dimensions, offering flexibility in positioning the heat pump and fluid control unit closer to the passenger cabin or near systems that have high thermal demands. This not only helps in reducing heat loss but also enhances overall thermal efficiency. This underlines hardware that is consistently refined to offer more flexibility in terms of modular and compact design, ease of installation, weight savings, among other critical parameters. ZF plans to offer TherMas in three performance classes, providing carmakers with a lot flexibility to deploy the technology across multiple EV platforms and model lineups.

Similarly, Bosch has developed its own software for predictive control of thermal system (PCTS), splitting its solution into modules that are available separately. According to the company, the software is adaptable for different vehicle classes and consists of an entry, efficiency and predictive package.

2. Digital twins and cloud-based analysis
Key thermal components now have a digital twin, which is a virtual replica stored in the cloud. The software compares real time data recorded by sensors such as temperature, flow rate, pressure, among other parameters, with the ideal performance model of the digital twin to run its own analysis. For example, if a coolant pump (in its hardware form) is drawing 5% more current than its digital twin, AI predicts a given flow rate, and the cloud-based analysis identifies this pattern as an early stage bearing wear. 

This approach helps in the form of predictive maintenance. Carmakers such as Rivian and Lucid are able to analyze thermal data from thousands of vehicles in the cloud to discover that a specific valve timing can improve efficiency by 2%. They then push that optimization back to the entire fleet via over-the-air or OTA update.

3. Neural network and AI control
This is the most cutting-edge pillar of the three, where action moves away from ‘if-then’ logic and is replaced by neural networks that learn unique thermal behavior of the vehicle and subsequent requirements. These neural networks are trained on millions of data points to understand and calculate the most efficient thermal state for the system. With the help of this complex optimization, AI can manage loops where the passenger cabin, battery, motors, and even the ADAS computer cooling are all interlinked, finding efficient thermal management a human programmer might miss. For example, if AI learns that the car owner prefers to keep 22 degrees C in the passenger cabin, but the battery needs to be at 30 degrees C for his driving style, the AI-based thermal management system can balance those conflicting needs with zero-waste energy. To sum it up, in the future, the thermal management system will be measured less by the size of the radiator and more by the millions of operations per second performed by its master controller. 

S&P Global Mobility'nin bakış açısı

S&P Global Mobility’nin termal alanında baş araştırma analisti Suraj Shetty’ye göre, OEM’ler pil teknolojisi ve araç performans ölçütlerinin sınırlarını zorlamaya devam ettikçe, karmaşık soğutucu ve soğutucu akışkan tabanlı pil termal yönetimi küresel çapta standart hale geliyor. 

“Günümüzde, konfigürasyonlar farklılık gösterse de, ısı pompasının kullanımı Büyük Çin, Avrupa ve Kuzey Amerika gibi olgunlaşmış elektrikli araç pazarlarında neredeyse standart hale gelmiştir. Konfigürasyon seçimi esas olarak soğutucu akışkan, markanın mühendislik stratejisi, güvenlik ve maliyet faktörlerine bağlı olarak belirlenmektedir,” dedi .

“Entegre termal modüller, sistem verimliliğini artırmak, yer tasarrufu sağlamak ve üretim maliyetlerini optimize etmek için giderek daha umut verici bir çözüm olarak görülmektedir. Daha yüksek sistem entegrasyonu, termal yönetim sisteminin daha optimize edilmiş bir şekilde kontrol edilmesini de mümkün kılıyor. Kontrol stratejisi, ilk dönemlerdeki reaktif donanım ve sabit kontrollerden, bir dizi sensör ve aktüatörle çalışan çok sayıda reaktif optimizasyon haritası sunan günümüzün mantık denetleyicileri ve PID düzenlemelerine doğru evrim geçirdi. Termal yönetimdeki bir sonraki adımın, karar verme sürecini gerçek zamanlı olarak devralan yapay zeka olması ve çözümlerin reaktif olmaktan çıkıp öngörücü hale gelmesi bekleniyor,” diye konuştuShetty .

Yazar hakkında:

Amit Panday
Kıdemli Araştırma Analisti, S&P Global Mobility