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

Son kırk ila elli yıl içinde, otomobillerdeki termal yönetim sistemlerinin gelişimi, 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 ünitesinden araç verimliliğinin ve sürüş menzilinin kalbine dönüşmüştür.

On yıllar boyunca termal yönetim, basit ısı yönetimi ile eşanlamlıydı. Bu, özellikle ilk nesil ICE araçlarda termal yönetimin, bölgesel hava koşullarına bağlı olarak motor soğutma ve kabin soğutma/ısıtmasını içerdiği anlamına geliyordu. Bu dönem, kabaca bileşen merkezli 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 EV'lere özel platformlar için özel enerji mimarisi geliştirmeye başladıkça sektör, entegrasyon, ısı geri kazanımı ve modülerliğe odaklandı. Entegre termal modüllerin ana unsur haline gelmesiyle, küresel otomobil üreticileri performansı ve ambalajlamayı optimize etmek için ağırlık azaltmaya yöneldi.

İkinci aşamanın bizi kademeli olarak üçüncü aşamaya götürmesi bekleniyor. Bu aşamada yapay zeka (AI), aracın merkezi beyni olarak işlev görebilir ve batarya, elektrik motoru, ısı pompaları ve yolcu kabini gibi kritik bileşenlerin sıcaklıklarını 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 yapıya sahipti 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 bileşen ve donanım sistemi tasarımına odaklandı. Küresel otomobil üreticileri tarafından geliştirilen ilk dönem elektrikli araçlar (EV'ler), basit AC devresi gibi eski parçalardan büyük ölçüde yararlanıyordu. İlginç bir örnek, çok uygun maliyetli olmasına rağmen verimlilik ve performansı olumsuz etkileyen, ICE araçlarından AC devresini ödünç alan birinci nesil Nissan Leaf olabilir. 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 alınamayacağını fark etti. Sonuç olarak, parça üreticileri "çizime göre üretim" yaklaşımından ortak araştırma ve geliştirmeye (otomobil üreticileriyle yürütülen Ar-Ge projeleri) doğru evrim geçirdi; bu ortaklıklar, maliyetlerin yanı sıra ağırlık ve yer tasarrufunu artırmak amacıyla parça paylaşımı ve daha küçük parçaların entegre modüllere monte edilmesini denedi. Batarya, tahrik ünitesi ve kabin gibi tek tek devrelerin tek bir sistemde entegrasyonu, motorlardan ve invertörden gelen atık ısıyı bataryayı veya kabini ısıtmak için yönlendiren ısı pompasının ortaya çıkmasına neden oldu. Diğer bir deyişle, bu durum, üreticilerin vanaları, pompaları ve sensörleri tek bir kurulumda birleştiren manifoldlara sahip entegre termal modülleri kullanmaya başladıkları termal hub'ın doğmasına yol açtı. 
Bu yaklaşımın ilgili bir örneği, araç genelinde ısıyı kullanmak için sekiz valfli bir düzenek kullanan Tesla Model Y'dir. Tesla'nın entegre ısı geri kazanım optimizasyonu, çok fazla 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 korumak için bir referans noktası olarak kabul edildiğinin harika bir örneğidir. Schaeffler ve Mahle, otomobil üreticilerinin giderek daha fazla tek ve verimli bir ünite olarak kullandığı 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 bir yapıya doğru geçiş yapıyor. Bu dönemde, yapay zekanın (AI) bir beyin görevi görerek pil yönetim sistemini (BMS) ve termal kontrolleri denetlemesinin giderek daha yaygın hale gelmesi bekleniyor. 

İşlevsel bir örnek olarak, termal yük oluşmadan önce bile bileşenleri önceden soğutmak veya ısıtmak için GPS verilerini, hava tahminlerini ve sürüş alışkanlıklarını işleyen bir yazılım gösterilebilir. Akünün dijital ikizi, yapay zekanın ön plana çıktığı bir başka anlamlı örnek olabilir. Bu sistemde, yapay zeka aküdeki diğer hücrelere kıyasla tek bir hücrenin ısınmasında bile ufak bir anormallik tespit ederse, performans düşüşünü önlemek ve güvenliği sağlamak için termal yönetimi ayarlayabilir. Birkaç ilginç endüstri örneği arasında, son derece gelişmiş bir yazılım tarafından çalıştırılan "isteğe bağlı soğutma" aero-termal sistemi kullanan Mercedes-Benz Vision EQXX; navigasyon verilerini kullanarak bataryayı yüksek hızlı otoyol sürüşüne veya DC hızlı şarjına hazırlayan öngörücü bir termal çözüm geliştirmek için ortaklaşa çalışan BMW ve ZF yer almaktadır. Bosch, termal yönetimi merkezi araç bilgisayar mimarilerine entegre ederek, AI'nın güç elektroniği soğutmasını kabin konforuyla gerçek zamanlı olarak dengelemesini sağlamaktadır. 

31 Mart'ta Güney Koreli tedarikçi Hanon Systems, eCompressor, elektronik genleşme valfi bloğu, kombine su soğutmalı kondansatör, dahili ısı eşanjörü, soğutucu AC hatları ile basınç ve sıcaklık sensörleri gibi çeşitli bileşenleri tek bir yüksek güç yoğunluklu çözümde entegre etmek üzere tasarlanmış kompakt, çok işlevli bir termal yönetim modülü geliştirdiğini duyurdu. Hanon Systems'e göre modül, sistem karmaşıklığını azaltıyor, termal performansı iyileştiriyor ve enerji kullanımını artırarak sürüş menzilinin uzamasına katkıda bulunuyor. Şirket, entegre sistemin yalnızca 16 kg ağırlığındaki akıllı bir termal yönetim modülü aracılığıyla birden fazla araç alt sisteminin termal gereksinimlerini yönettiğini, soğutucu akışını ve sıcaklığı dinamik olarak düzenleyerek gerçek zamanlı talepleri en iyi şekilde desteklediğini belirtti. Hanon'un termal çözümü ilk olarak BMW'nin tamamen elektrikli iX3 SUV modelinde kullanıldı. 

Isı pompalarının yükselişi 

Sıfırın altındaki sıcaklıkların görüldüğü ülkelerde konut tipi ısı pompaları on yıllardır mevcut olsa da, binek araçlarda kullanıma girmesi ancak 12-13 yıl önce gerçekleşmiştir. 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 bir soğutucu akışkan kullanır; bu akışkan, ısıyı taşımak için sıvıdan gaza ve gazdan sıvıya dönüşür. 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 motordan kaynaklanan atık ısı olmadığı için, başlangıçta pozitif sıcaklık katsayılı (PTC) ısıtıcılar kullanılıyordu. Bu ısıtıcılar, elektrikli araç 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 kurtarabileceği anlaşılıyor.

Isı pompasının öncülüğünü hangi otomobil üreticisinin yaptığını kesin olarak belirtmek zor olsa da, 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, şarj süresini önemli ölçüde kısaltmak için hızlı şarj öncesinde bataryayı ideal sıcaklık aralığına (15 °C ila 35 °C) getirmek açısından da hayati öneme sahiptir. Daha önce sadece üst düzey modellerde veya soğuk hava paketi seçeneği olarak sunulan ısı pompalarını artık birçok otomobil üreticisi kullanmaya başladı. Örneğin, Tesla 2020 yılında Model Y'de ilk kez ısı pompalarını kullandı ve bu o kadar başarılı oldu ki, şirket 2021 yılında Model 3'e de bu sistemi ekledi. 

Hyundai Motor da 2021 yılında Ioniq 6 ve Kia EV6 ile E-GMP platformunda ısı pompalarını piyasaya sürdü. Volkswagen, ID.3 ve ID.4 modellerinde ısı pompalarını isteğe bağlı bir "verimlilik paketi" olarak 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 de belirtmek önemlidir. Bu teknoloji, 2. aşamanın ayrılmaz bir parçasıdır; çünkü batarya, elektrik motoru ve kabin arasında enerji transferi yapmak için ısı pompası olmadan entegre bir termal modüle sahip olmak imkansızdır. Sonuç olarak, ısı pompası bir otomobildeki termal yönetimi bir parça koleksiyonundan bir ekosisteme dönüştürmeye yardımcı oldu. 

Dahası, 3. aşamada ısı pompası, 2. aşamadaki donanım sağlayıcı olmaya devam eder, ancak gelişmiş, proaktif bir beyine sahiptir. Nasıl mı? Tipik bir 2. aşama ısı pompası, bir sensörden gelen sinyale göre çalışmaya başlayabilir, ancak yapay zeka ile çalışan bir 3. aşama ısı pompası, merkezi beyin varış noktasını bildiği için yolcu elektrikli aracını şarj etmek üzere şarj istasyonuna varmadan 10 dakika önce ısı pompasını çalıştırabilir.

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 alanından baş araştırma analisti Suraj Shetty’ye göre, OEM’ler pil teknolojisi ve araç performans ölçütlerinin sınırlarını zorlamaya devam ettikçe, karmaşık soğutma sıvısı ve soğutucu akışkan tabanlı pil termal yönetimi dünya çapında standart hale geliyor. 

“Günümüzde, konfigürasyonlar farklılık gösterse de, ısı pompasının kullanımı Büyük Çin, Avrupa ve Kuzey Amerika gibi olgun EV 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, ambalajlamayı iyileştirmek ve üretim maliyetini optimize etmek için giderek daha umut verici bir çözüm olarak görülüyor. Daha yüksek sistem entegrasyonu, termal yönetim sisteminin daha optimize edilmiş bir şekilde kontrol edilmesini de sağlıyor. Kontrol stratejisi, ilk dönemdeki reaktif donanım ve sabit kontrollerden, bir dizi sensör ve aktüatörle çalışan çok sayıda reaktif optimizasyon haritası sunan mevcut mantık denetleyicileri ve PID düzenlemelerine doğru evrimleşti. Termal yönetimdeki bir sonraki adımın, karar verme sürecini gerçek zamanlı olarak devralan ve çözümleri reaktif olmaktan çok öngörücü hale getiren yapay zeka olması bekleniyor,” diye konuştuShetty .

Yazar hakkında:

Amit Panday
Kıdemli Araştırma Analisti, S&P Global Mobility