图2. 单级热电控制；(a) 电路结构，(b) 流程图

为实现热电阵列的可重构，使每个TEM具备冷却、加热和能量收集的并行功能，本文提出了一种基于配置信号切换热电工作模式的电路设计。如 图2(a) 所示，控制信号(row、dir和col)通过两个异或门和一个与门生成开关信号Z (布尔表达式(1))，用于控制继电器的通断状态。根据 图2(b) 的单级热电控制流程，当继电器闭合时，TEM切换为TEC模式，dir信号控制H桥电流方向，输出电压U_out驱动TEC，将电能转化为热能，实现电池温控；当继电器断开时，TEM切换为TEG模式，利用电池与水冷板之间的温差发电，实现能量回收。

$Z=\left(col\cdot dir\cdot \overline{row}\right)+\left(\overline{col}\cdot \overline{dir}\cdot row\right)$ (1)

图3. (a) 阵列连接方式；(b) 在控制信号col-1至col-x为10…0，row-1至row-y为00…0，且dir = 1的情况下，各TEM的工作模式；(c) 基于可重构热电阵列的电池温控系统原理图

采用 图2 的设计，并结合 图3(a) 所示的阵列连接方式，通过X + Y个控制信号即可实现对X × Y个TEM阵列的可重构控制。如 图3(b) 所示，当控制信号设置为col-1至col-x = 10…0，row-1至row-y = 0…0，dir = 1时，row-1上的所有TEM均处于TEC模式，其余部分为TEG模式，实现TEC与TEG的并行工作。基于此方法，构建出 图3(c) 所示的可重构热电阵列电池温控系统。系统通过温度传感器LM75采集热失控电池的温度信息，并存储至红黑树数据结构以快速获取温度分布。随后，热点追踪算法定位T_ex，并通过SPI将控制信号发送至串行输入/并行输出移位寄存器74HC595，动态重构热电阵列中各TEM的功能配置。对于TEC，Fuzzy-PID算法根据热点与目标温度的误差及温度反馈生成脉宽调制(Pulse Width Modulation, PWM)波，驱动H桥提供适当电流至TEC进行精准温控，同时通过电能监测芯片INA226监控电能状态，提前预警H桥短路并及时关闭保护电路；对于TEG，利用温差发电将电压输出至LTC3108，为电池和低功耗芯片提供自供能，实现能量回收与温控的协同优化。

图4. (a) 温度管理算法流程图；(b) 温度分布权重比的计算

如 图4(a) 所示，温度管理调度算法采用闭环控制架构。系统通过热点追踪模块实时获取目标温度点T_ex，并计算其温度误差E_ex。当检测到E_ex > E_min时，算法将Tex对应的TEM设置为制冷模式(TEC)，其余TEM切换为发电模式(TEG)。同时，基于E_ex和T_ex的实时反馈，通过Fuzzy-PID控制器动态调节H桥模块的电流参数，实现T_ex及其邻近区域的精准温控。

针对热失控电池温度分布不均匀但具有连续性和扩散性，本文提出具有扩散补偿机制的热点追踪方法。首先评估温度差异分布E_i,j (公式(2))，计算全域温度差异总和E_total (公式(3))。考虑温度传导的连续性特征，构建权重比矩阵量化各节点对邻域的交互影响(如 图4(b) 所示，蓝色标识需冷却区，红色标识需加热区)。通过卷积运算生成温度管理集，动态提取管理集极值M_ex (公式(4))，实现关键温度点T_ex的定位及其周边区域的协同调控。

$E_{i,j}=|T_{i,j}-T_{\text{target}}|$ (2)

$E_{\text{total}}=\underset{\left(i,j\right)\in \left(x,y\right)}{{\displaystyle \sum }}{E}_{i,j}$ (3)

$Mex=\underset{1\le i\le x,1\le j\le y}{\max }\left(e_{i,j}\cdot w_{i,j}\right)$ (4)

进一步地，系统通过TEG-TEC复合阵列构建双向能量网络。在非平衡态工况下，系统效率η_s由能量流的时空分布特性决定。在忽略焦耳热损耗以及热传导损耗下，定义有效能量因子ξ表征单位无效能耗对应的有效制冷功率，为阵列工作模式优化提供量化依据，则η_s可重构为：

$\xi =\frac{PTEC-P}{PTEC-N}$ (5)

$\eta s=\frac{PTEC\text{-}P-PTEG}{PTEC\text{-}N+PTEC\text{-}P-PTEG}=\frac{1}{1+{\left(\xi +P_{TEG}/P_{TEC\text{-}P}\right)}^{-1}}$ (6)

式中，P_TEC-N源于热管理延迟、控制超调及寄生热传导等不可逆损耗，而P_TEC-P对应目标温区的有效热搬运功率。

对于传统PID控制在非线性温控场景中的局限性 [29] [30] ，采用如式(7)所示的Fuzzy-PID复合控制器。其参数组{K_p, T_i, T_d}通过模糊推理动态调整：首先对温度误差e_k及其变化率Δe_k进行模糊化处理，依据预设规则进行规则推理，最终通过重心法解模糊输出控制量。

$D_k=K_p\left(e_k+\frac{1}{T_i}{\displaystyle \underset{n=1}{\overset{n}{\sum }}T{e}_n}+T_d\frac{e_k-e_{k-1}}{T}\right)$(7)

式中，Κ_p，T_i，T_d和T分别是比例系数、积分调节周期、微分调节周期和调节周期； $e_k$和 $e_{k-1}$分别为第k次和第 $k-1$次误差。

一个直观易用的操作界面对于提升工作效率至关重要，它能够帮助操作员清晰掌握当前温度分布状况，并据此采取最优控温措施。基于强大的Qt Designer平台，运用C++编程语言设计了一款功能完备的温度检测系统，如 图5 所示。

系统首先创建了一个热电阵列(TEs类)实例，该类负责初始化线程池结构、用户界面(User Interface, UI)以及底层硬件配置。在统一调度的全局线程池中，部署了三大关键线程任务：温度读取线程、电能监测线程以及MQTT物联网数据同步线程。其中，温度读取和电能监测线程实时采集温度和电能数据，并将这些数据实时反映在曲线图表与用户交互界面中。进一步地，在完成温度管理参数配置后系统启动温度管理控制线程，该线程通过实施Fuzzy-PID算法，根据计算结果生成相应的PWM波形信号。最终，带有特定占空比的PWM波被送入H桥驱动电路，从而精确控制热电阵列的温度，实现整个系统的闭环温度管理。

图5. (a) 软件操作界面；(b) Linux系统多线程协同执行框架流程

为验证所提系统的有效性，搭建了如 图6 所示的实验平台，该平台主要由热电阵列模块、热电控制模块和数据监测模块等关键组成部分构成。热电阵列模块包括热失控电池、9个40 mm × 40 mm的TEM以及配套的水冷系统，通过硅脂进行耦合以确保高效的热传导。热电控制模块作为系统的核心，集成了MCU、H桥电路、能量收集电路和热电可重构电路。数据监测模块包含UI界面显示、温度传感器和功率传感器，实时展示实验过程中的关键参数，如温度、功率以及各TEM的工作状态，确保系统的全面监控与可视化管理。

图7. (a) 初始电池温度分布；(b) 最终电池温度分布；(c) 温度曲线图；(d) 温度误差和TEG俘获电压；(e) 阵列效率和TEC消耗功率

基于系统硬件测试平台，本研究以一块 400 mm × 400 mm 的热失控电池为实验对象，将其划分为九个相邻温度区域(Region-1~9)，分别对应不同的温度分布(T₁~T₉)。如 图7(a) 所示，电池初始温度呈现辐射状分布，温度范围从28℃至51℃，中心区域(T₅)的温度最高。以T5区域的温度作为Fuzzy-PID控制计算的参考，设定基准温度T_target = 25℃ (电池的最佳工作温度)。通过误差公式(2)和(3)计算，由 图7(d) 可知，初始总误差E_total为83.31℃，最终花费294 s的调节将E_total降低至1.77℃。 图7(b) 展示了最终温度的均匀分布，温度范围从24.6℃至25.6℃，接近设定的T_target。

如 图7(c) 所示，动态温度管理过程分为三个阶段。在初始阶段(0~T_a)，温度误差大( 图7(a) )，比例控制占据主导地位，实现快速温度下降，并带动周围区域温度同步下降；进入第二阶段(T_a~T_b)，比例与积分控制协同作用，促使整体温度趋于平衡并加速收敛；在最终阶段(T_b~294 s)，温度扩散效应和微分控制成为主要调节手段，从而实现全区域温度的动态平衡( 图7(b) )。

此外， 图7(c) 中的红色区域表明系统在大部分时间内均实现了有效控温，并且根据公式(5)计算，能量因子ξ几乎趋于无穷大，说明阵列能够高效追踪热点并进行精准热搬运，极低的超调比例进一步缩短了温度调节时间和降低了功率消耗。根据 图7(e) 及公式(6)，计算得到阵列效率结果显示，在温度快速下降阶段(0~256.4 s)内，蓝色区域证明所有TEM均有效参与温度管理，未出现超调导致的能量回灌损耗，P_TEC-P占据总功耗的99.89%。而当温度接近平衡时，尽管存在局部超调调控，但TEC的功耗已显著降低，其引起的超调损耗P_TEC-N仅占整体功耗的0.11%。最后， 图7(d) 验证了热电阵列在执行TEC控温的同时，还能并行实现TEG温差发电，峰值捕获电压达319 mV。借助LTC3108芯片，即使在低至20 mV的电压下，也可利用超级电容将电压升至5 V或3.3 V，为低功耗设备提供稳定电源。

本研究提出的系统在关键性能指标上相较于现有技术实现了显著提升。如 表1 所示，本方案在调节时间和温控幅度方面分别较液冷方案缩短了26.5%和提升了23.8%，展现出更快的响应速度和更强的温控能力。在温控面积方面，400 mm × 400 mm的调控范围是液冷方案面积的4.8倍。尽管最终温度误差E_total略高于液冷方案，但相较于风冷方案，仍减少了26.3%，且在实现较大温控幅度的前提下保持了合理的精度。此外，本系统首次实现了319 mV的电压捕获能力，实现了温度管理与能量收集的同步进行。