需要JoVE订阅才能观看此内容。 请登录或开始免费试用

方法文章

优化用于含尘颗粒物覆盖的锂离子电池组的空气基热管理系统

2.4K 次观看

⸱

DOI：

10.3791/65892

⸱

2023年11月3日

 ,  ,  ,  , 
1College of Mechanical and Electrical Engineering, Wenzhou University

本文内容

摘要

本文介绍了采用自适应模拟退火法（ASAM）优化近似二次响应面模型（QRSM），该模型对应于覆盖有粉尘颗粒物的电池热管理系统，通过调节系统入口的气流速度组合，实现温度的降低。

摘要

本研究旨在通过在低能耗目标下调节电池冷却箱入口处的气流速度，解决因灰尘颗粒物覆盖电池表面而导致的电池温升及性能下降问题。我们将指定气流速度且无尘环境下电池组的最高温度作为有尘环境下的期望温度。在不同入口气流速度下求解有尘环境中电池组的最高温度，这些速度作为仿真软件中所构建分析模型的边界条件。通过最优拉丁超立方算法（OLHA）随机生成代表各入口不同气流速度组合的数组，其中在优化软件中设定对应温度高于期望温度的速度上下限。利用优化软件的拟合模块，建立气流速度组合与最高温度之间的近似二次响应面模型（QRSM）。基于自适应模拟退火法（ASAM）对QRSM进行优化，优化结果与仿真软件的分析结果吻合良好。优化后，中间入口的流速由5.5 m/s调整为5 m/s，总气流速度降低了3%。本方案提出了一种同时考虑电池管理系统能耗与热性能的优化方法，该方法已建立并可广泛应用于以最低运行成本延长电池组使用寿命的场景。

引言

随着汽车工业的快速发展，传统燃油汽车消耗大量不可再生资源，导致严重的环境污染和能源短缺。其中最有前景的解决方案之一是发展电动汽车（EVs）1,2。

电动汽车所用的动力电池能够储存电化学能，这是取代传统燃油汽车的关键。电动汽车中使用的动力电池包括锂离子电池（LIB）、镍氢电池（NiMH）和双电层电容器（EDLC）3。与其他电池相比，由于具有能量密度高、效率高和循环寿命长等优势，锂离子电池目前被广泛用作电动汽车中的储能单元4,5,6,7。

然而，由于化学反应热和焦耳热的存在，在快速充电和高倍率放电过程中容易积聚大量热量，导致电池温度升高。锂离子电池（LIB）的理想工作温度范围为 20–40 °C8,9。电池组中各单体电池之间的最大温差不应超过 5 °C10,11。否则，可能导致电池间温度失衡、加速老化，甚至过热、起火、爆炸等一系列风险12。因此，亟需解决的关键问题是设计并优化高效的电池热管理系统（BTMS），以将电池包的温度及其温差控制在较窄的范围内。

典型的电池热管理系统（BTMS）包括风冷、水冷和相变材料冷却13。在这些冷却方式中，由于风冷结构成本低且结构简单，因此被广泛应用14。然而，由于空气的比热容有限，风冷系统中电池单体之间容易出现高温和较大的温差。为了提高风冷型BTMS的冷却性能，有必要设计高效的系统结构15,16,17。Qian 等人18采集了电池模组的最大温度和温差数据，用于训练相应的贝叶斯神经网络模型，以优化串联风冷电池模组中单体之间的间距。Chen 等人19报道了采用牛顿法和流动阻力网络模型，对Z型并联风冷系统中入口分流室和出口汇流室的宽度进行优化，结果使系统的温差降低了45%。Liu 等人20在J型BTMS中对五组冷却通道进行采样，并通过集成代理模型优化算法获得了最佳的单体间距组合。Baveja 等人21建立了一个被动均衡电池模组的模型，研究描述了热预测对模组级被动均衡的影响，以及被动均衡对热行为的反向影响。Singh 等人22研究了一种结合封装式相变材料与强制对流风冷的电池热管理系统（BTMS），该系统基于耦合的电化学-热模型进行设计。Fan 等人23提出了一种包含多级特斯拉阀结构的液冷板，可为棱柱形锂离子电池提供更安全的工作温度范围，该设计在微流体应用中具有较高的认可度。Feng 等人24采用变异系数法评估了不同入口流量和电池间隙方案的性能。Talele 等人25引入了壁面增强型热解衬层隔热结构，通过加热膜的最优布置来储存产生的热能。

当使用风冷电池热管理系统（BTMS）时，外部环境中的金属粉尘颗粒、矿物粉尘颗粒、建筑材料粉尘颗粒及其他颗粒物会被风机带入风冷BTMS中，从而导致电池表面被可吸入颗粒物（DPM）覆盖。若无有效的散热方案，可能因电池温度过高而引发事故。经过仿真分析后，我们将指定气流速度和无尘环境下的电池包最高温度作为在多尘环境中所期望达到的温度基准。首先，“C倍率”是指电池在规定时间内释放其额定容量所需的电流值，其数值等于电池额定容量的倍数。本文仿真采用2C倍率放电，电池额定容量为10 Ah，标称电压为3.2 V。正极材料采用磷酸铁锂（LiFePO4），负极材料为碳。电解液包含电解质锂盐、高纯度有机溶剂、必要的添加剂及其他原材料。通过正交拉丁超立方阵列（OLHA）确定了代表各入口不同流速组合的随机数组，并在验证曲线拟合精度的前提下，建立了电池包最高温度与入口流速组合之间的二阶函数关系。自McKay等人提出以来26，拉丁超立方（LH）设计已广泛应用于多种计算机实验中。一个LH由一个N×p的矩阵L表示，其中L的每一列均由1到N整数的一个排列构成。本文采用最优拉丁超立方抽样方法以降低计算负担，该方法通过分层抽样确保采样点能够覆盖所有采样区间。

在下一步中，基于ASAM方法，在考虑能耗的同时，针对 dusty 环境下电池组最高温度的降低，对入口流速组合进行了优化。自适应模拟退火算法已在众多优化问题中得到深入发展和广泛应用27,28。该算法通过以一定概率接受较差解，可避免陷入局部最优。通过定义接受概率和温度，可实现全局最优，同时这两个参数也可用于调节计算速度。最后，为验证优化结果的准确性，将最优结果与仿真软件获得的分析结果进行了对比。

本文提出了一种针对因积尘覆盖导致温度升高的电池组的电池箱入口流量优化方法。该方法旨在低能耗条件下，将积尘覆盖电池组的最高温度降低至未积尘电池组最高温度以下。

访问受限。请登录或开始试用以查看此内容。

方案

注意：研究技术路线如图1所示，其中使用了建模、仿真和优化软件。所需材料见材料表。

1. 创建三维模型

注意：我们使用 Solidworks 创建了三维模型。

  1. 绘制一个 252 毫米 × 175 毫米的矩形，点击 拉伸凸台/基体，输入 73。创建一个距离外表面 4 毫米的新基准面。
  2. 绘制一个 131 毫米 × 16 毫米的矩形，点击 线性草图阵列。在间距和实例数中分别输入 22 和 6。选择矩形的四条边，点击 确定。在角度中输入 180 并再次运行。此步骤用于实现模型中心的对称性。
  3. 点击 拉伸切除，输入 65，点击 确定。点击 拉伸凸台/基体，输入 65，取消勾选 合并结果，点击 反向 和 确定。
    注意：当取消勾选“合并结果”时，拉伸实体将变为独立实体。总共包含 23 个部分，其中包括 11 个电池、11 个含尘颗粒物和 1 个空气域。
  4. 绘制一个 16 毫米 × 1 毫米的矩形。重复步骤 1.2 和 1.3。
  5. 绘制一个 63 毫米 × 15 毫米的矩形，点击矩形的上边缘和 线性草图阵列。输入 21、3 和 270，点击 确定。点击 分割线 和立方体的面，点击 确定。
  6. 绘制一个 63 毫米 × 15 毫米的矩形。点击 分割线 和立方体的面，点击确定。
  7. 点击 文件，将其另存为 X_T 文件。
    注意：指定尺寸如下：Lbox：73 毫米；Wbox：252 毫米；Hbox：175 毫米；Lb、Ld：65 毫米；Wb、Wd：10 毫米；Hb：131 毫米；Hd：1 毫米；Li：63 毫米；Wi：15 毫米；d1、d2：5 毫米，d3：6 毫米，如 图 2 所示。
  8. 通过点击 工具箱 > 组件系统 > 网格，将网格组件拖动到项目示意图区域。通过点击 几何体 导入之前保存的 X_T 文件。
  9. 进入网格设计建模器窗口，点击 生成 后，电池组模型（包含 23 个作为独立实体的部分）将再次显示。
  10. 在树形结构图中，将全部 23 个电池部分选为一个新部分并命名为电池部分，将全部 23 个含尘颗粒物部分选为尘埃部分，将空气空腔选为气域部分，以便后续隐藏和命名对象。
  11. 首先，右键点击 BatteryPart 和 DustPart，选择 隐藏部件，使弹出窗口仅显示空气部分。
  12. 将鼠标移至选择工具栏，选择 选择过滤器：实体，在图形区域右键点击空气空腔模型，选择 命名选择，并在详细信息视图区域将空气空腔模型重命名为气域。
  13. 切换至 选择过滤器：面，右键并依次从下至上将已被分割为三部分的表面重命名为 inlet1、inlet2 和 inlet3；这三个面右侧的独立表面命名为 outlet；其余外表面命名为 outerBorder。
  14. 将 选择模式 切换为 框选，点击 Y 轴 以获得便于框选的空气空腔模型视图，使用框选功能将所有内表面依次重命名并编号为 cavity surface1 至 cavity surface11。
  15. 为仅显示 batteryPart，右键点击 airPart 并选择 隐藏部件。在弹出的快捷菜单中右键点击 batteryPart 并选择 显示部件。
  16. 将鼠标移至选择工具栏，选择 选择过滤器：实体，将 选择模式 切换为 单选，在图形区域右键点击 每个电池模型，选择 命名选择，并在详细信息视图区域将 11 个电池模型依次重命名并编号为 batteryDomain1 至 batteryDomain11。
  17. 此外，每个电池模型有六个面，切换至 选择过滤器：面，右键点击 编号电池域的各个侧面，选择 命名选择，并根据电池侧面的方位进行重命名。例如，将编号为 batteryDomain1 的六个面分别重命名为 batteryDomain1_Upper、batteryDomain1_Lower、batteryDomain1_Left、batteryDomain1_Right、batteryDomain1_Front 和 batteryDomain1_Back。
  18. 为仅显示 dustPart，右键点击 batteryPart 并选择 隐藏部件。在弹出的快捷菜单中右键点击 dustPart 并选择 显示部件。
  19. 将鼠标移至选择工具栏，选择 选择过滤器：实体，在图形区域右键点击每个含尘颗粒物模型，选择 命名选择，并在详细信息视图区域将 11 个含尘颗粒物模型依次重命名并编号为 dpmDomain1 至 dpmDomain11。
  20. 此外，每个含尘颗粒物模型有六个面；然后切换至选择过滤器：面，右键点击 编号 dpmDomain 的各个侧面，选择 命名选择，并根据含尘颗粒物侧面的方位进行重命名。例如，将编号为 dpmDomain1 的六个面分别重命名为 dpmDomain1_Upper、dpmDomain1_Lower、dpmDomain1_Left、dpmDomain1_Right、dpmDomain1_Front 和 dpmDomain1_Back。
  21. 显示所有实体，并返回初始窗口。

2. 生成网格模型

注意：有限元网格划分是有限元数值模拟分析中非常重要的步骤，直接影响后续数值分析结果的准确性。随后对重命名的实体进行网格划分。

  1. 为了独立划分空气域、电池域和粉尘颗粒域的网格，再次从 工具箱 > 组件系统 > 网格 拖拽两个 网格 组件至项目示意图区域，并分别重命名为 airFEM、batteryFEM 和 dpmFEM。按住鼠标左键拖动 airFEM > 几何体 至 batteryFEM > 几何体 上。
  2. 接着，按住鼠标左键拖动 batteryFEM > 几何体 至 dpmFEM > 几何体 上。右键单击三个网格组件之间的 线条，选择 删除，以解除它们之间的关联。
  3. 双击 airFEM 的网格，进入网格划分窗口，右键单击 batteryPart 和 dustPart，选择 抑制体，并将物理场偏好从“结构”更改为“CFD”。通过设置面尺寸为 2 mm、体尺寸为 4 mm，点击 更新 生成空气域的有限元模型，然后返回初始窗口。
  4. 双击 batteryFEM 的网格，进入网格划分窗口，右键单击 airPart 和 dustPart，选择 抑制体，并将物理场偏好从 结构 更改为 CFD。通过设置体尺寸为 2 mm，点击 更新 生成电池域的有限元模型，然后返回初始窗口。
  5. 双击 dpmFEM 的网格，进入网格划分窗口，右键单击 airPart 和 batteryPart，选择 抑制体，并将物理场偏好从 结构 更改为 CFD。通过设置体尺寸为 2 mm，点击 更新 生成粉尘颗粒域的有限元模型，然后返回初始窗口。
    注：图 3A 显示了空气域的网格，图 3B 显示了电池域的网格，图 3C 显示了粉尘颗粒域的网格。
  6. 将空气网格的最小尺寸设为 4 mm，电池和含尘颗粒物网格的最小尺寸设为 2 mm。确保网格解具有独立性，调整网格的最小单元尺寸，并进行网格敏感性分析。
    注：如 图 4 所示，当网格数量从 519343 增加到 1053849 时，电池最高温度的变化小于 0.6 K。综合考虑计算能力与精度，后续分析基于包含 931189 个网格的网格模型进行。

3. 模拟分析

  1. 从工具箱 > 分析系统 > 流体流动中拖拽流体流动至项目原理图区域。按住鼠标左键，选中airFEM > 网格、batteryFEM > 网格和dpmFEM > 网格，并将它们拖动到流体流动 > 设置中。右键单击流体流动 > 设置，选择更新以进入设置窗口。
  2. 验证有限元模型的有效性，并检查网格是否存在负体积。软件会自动提示模型的体积，合理的模型体积应为正值。若划分的网格或模型设置存在问题，系统将弹出错误信息提示。
  3. 在传热模型中激活能量方程。进入粘性模型和辐射模型的设置界面，选择K-epsilon 模型和离散坐标模型。
    注：如图5所示，比较四种粘性模型，Spalart-Allmaras 模型的计算结果与其他模型差异较大。标准 K-epsilon 模型的结果与其他 K-epsilon 模型相似。标准 K-epsilon 模型具有较高的稳定性和经济性，被广泛使用；后续分析基于标准 K-epsilon 模型进行。
  4. 根据表1，为空气材料、电池材料、dpm 材料和电池箱材料设置具有不同属性的新材料。
    注：在电池包内部，存在三种不同的物理材料：空气为流体，其余为固体。接下来进行材料设置。
    1. 通过双击每个电池域，在固体窗口中将编号电池域的流体类型更改为固体类型，并将 dpm 材料更改为电池材料。随后选择源项选项，点击高亮的源项，通过输入能量源数量并选择常数类型，输入值为 209993 w/m3，以添加能量源。
    2. 将编号 dpm 域的流体类型更改为固体类型。
  5. 接下来，根据实际设定的流速和传热系数，设置多个不同域的仿真计算界面，具体如下：
    1. 将所有重命名的表面类型（包括空气域的内表面、电池域的所有侧面以及 dpm 域）从默认的壁面转换为界面。上述步骤成功完成后，网格界面将立即生成。
    2. 点击网格界面，进入创建/编辑网格界面窗口。将空腔表面与除电池域上侧面和 dpm 域下侧面外的所有侧面进行匹配。然后分别将其命名为 interface1 至 interface11。因此，可在空气域与电池域以及 dpm 域之间创建 11 个网格界面。
    3. 将电池域的上侧面与 dpm 域的下侧面进行匹配。然后分别将其命名为 interface12 至 interface22。这样，在电池域与 dpm 域之间创建了 11 个网格界面。
    4. 通过在混合热条件中将传热系数设置为 5，并将其材料从默认的铝更改为先前自定义的电池箱材料，将外边界表面指定为壁面热边界条件。
    5. 在速度入口窗口中将所有入口的气流速度设置为 5 m/s，在压力出口窗口中将出口的表压设置为零。
  6. 接下来，设置计算域在初始时刻的状态，例如初始温度为 300 K，这将影响计算收敛过程。
    1. 在初始化前，将解初始化类型设置为标准初始化。
    2. 将迭代次数设置为 2000。
    3. 点击计算开始仿真。仿真完成后返回初始窗口。
  7. 上述步骤完成了电池包内部温度和气流速度的仿真计算，随后在结果中显示仿真结果。对显示的结果执行以下操作：
    1. 双击流体流动 > 结果进入 CFD 后处理窗口，然后点击工具箱中的等值线图标。
    2. 在位置选择器中选择电池的所有侧面，并将压力更改为温度。然后点击应用生成电池的温度等值线图。
    3. 点击文件 > 导出，选择要导出的变量（温度）。点击位置的下拉按钮，弹出位置选择器窗口，选择所有电池域。点击确定和保存按钮退出。
      注：点击保存按钮后，将自动保存一个电子表格，其中数据对应于所有电池网格节点的温度。
    4. 打开该电子表格，查找最大值，该值表示在所有气流入口为 5 m/s 的 dusty 环境下电池的最高温度。
    5. 获取无尘状态下电池的最高温度作为期望温度，并与 dusty 状态下的最高温度进行比较；结果表明整体温度升高。
      注：为获取无尘环境下的电池最高温度，应重新建立如图6所示的新电池包模型，并重复所有步骤 1.1–3.4.3。
    6. 为降低电池包内部的最高温度，将入口处的气流速度从 5 m/s 提高至 6 m/s，增幅为 5%，并计算 dusty 覆盖电池对应的最高温度。
      注：在更改参数值之前，应提前完成气流速度参数的敏感性分析。如图7和表2所示，我们保持了七组不同入口气流速度组合的总流量相同。由于气流速度分配的差异，最高温度仍存在明显变化。换句话说，气流速度组合与最高温度之间存在较强的关联性。因此，这些速度参数可作为设计变量。
    7. 绘制如图8所示的温度-速度曲线，其中红线表示温度特性曲线随气流速度增加而下降，蓝线表示期望温度。
    8. 保持气流速度增加 10%。当速度增量超过 10% 时，最高温度已低于期望温度，但这不符合低能耗的设计目标。对于剩余的气流速率，通过优化将电池包的最高温度降至期望温度，从而实现低能耗目标。

4. 最优拉丁超立方采样与响应面建模

注意：对于保留的流速范围5 m/s-5.5 m/s，选择样本以在此流速范围内构建不同的流速组合。对这些流速组合进行模拟，以获得最高温度。建立流速与最高温度之间的函数关系。

  1. 新建一个空白电子表格，创建一个表格，其中第一列的行名为 inlet1、inlet2 和 inlet3，并将文件保存为 sampling.xlsx。
  2. 运行优化软件，将 电子表格 图标拖动到任务1的单箭头上。然后双击 电子表格 图标，弹出组件编辑器-Excel 窗口。
  3. 通过点击 浏览 按钮导入 sampling.xlsx 文件，并通过点击 添加此映射 将 inlet1、inlet2 和 inlet3 映射为参数 A1、A2 和 A3。点击 确定 按钮返回初始窗口。
  4. 将 DOE 图标拖入任务1并双击，弹出组件编辑器-DOE 窗口。在“常规”窗口中选择 OptimOKal 拉丁超立方 ，并将 点数 设置为 15。
  5. 切换到 因子 窗口，为 A1、A2 和 A3 设置上限为 5.5，下限为 5。
  6. 切换到 设计矩阵 窗口，点击 生成 以生成对应不同入口流速的随机采样点。关闭优化软件。
  7. 将随机采样点的流速组合数组带回进行计算，并重复步骤 3.5.5–3.7.5，以获得由电池最高温度组成的相应温度数组。
  8. 将流速组合数组的预测变量 x1、x2 和 x3 与温度数组的 y 组合，形成一个新的变量表，如 表 3 所示，并将其保存为 sample.txt 文件。导入该文件以拟合响应面模型。
  9. 重新运行优化软件，将 近似 图标拖动到任务1的单箭头上。双击 任务1 图标，弹出组件编辑器-近似窗口，选择 响应面模型。
  10. 切换到 数据文件 窗口，导入包含预测变量的 sample.txt 文件。
  11. 切换到 参数 窗口，点击 扫描 以打开数据文件中的参数窗口，将预测变量 x1、x2 和 x3 定义为输入，y 定义为输出。
  12. 切换到 技术选项 窗口，在多项式阶数中选择 二次 。切换到 误差分析选项 窗口，在误差分析方法中选择 交叉验证 。
  13. 切换到 查看数据 窗口，点击 立即初始化 以获得二次线性回归方程的系数。
  14. 点击 误差分析 按钮，弹出近似误差分析窗口，检查各类误差是否满足可接受标准。关闭近似组件窗口。如果任意误差无法满足相应的可接受标准，则需增加更多样本点参与模型拟合。

5. 基于自适应模拟退火算法的近似拟合模型

注意：接下来，使用软件和算法来寻找近似模型的最优值

  1. 将 优化 图标拖入任务1，然后双击以弹出组件编辑器-优化窗口。在优化方法中选择 自适应模拟退火 (ASA)。
  2. 切换到 变量 窗口，将上限设置为 5.5，下限设置为 5。
  3. 切换到 目标 窗口，在关闭组件编辑器-优化窗口前选择 Y 参数。
  4. 点击 运行优化 按钮，并等待优化结果。

访问受限。请登录或开始试用以查看此内容。

结果

根据该方案，前三个部分最为重要，依次为建模、网格划分和仿真，目的均为获得电池包的最高温度。随后通过采样调整空气流速，最终通过优化得到最优的流量组合。

图9 展示了不同环境下电池组温度分布的对比，图10展示了不同环境下第二块电池温度分布的对比。如图9和图10所示，由于粉尘颗粒物（DPM, dusty particulate matter）的导热系数较低，处于粉尘状态下的电池温度升高到了一定程度。 

为调节电池温度分布，将进风口的气流速度从 5 m/s 调整至 6 m/s，在含尘模...

访问受限。请登录或开始试用以查看此内容。

讨论

 本研究中采用的电池热管理系统（BTMS）基于风冷系统构建，因其成本低且结构简单。由于风冷系统的传热能力较低，其性能不及液冷系统和相变材料冷却系统。然而，液冷系统存在制冷剂泄漏的风险，而相变材料冷却系统则质量较大且能量密度较低29。这些冷却系统各有优缺点。因此，可通过将风冷系统与液冷系统或相变材料冷却系统相结合来构建电池热管理系统，以提升冷却性能。

采用计算流体动力学（CFD）求解器对模型的流动和温度分布进行模拟。通过控制方程30，如连续性方程（2）和能量守恒方程（3），求解气流的瞬态热力学问题。

figure-discussion-1
figure-discussion-2

访问受限。请登录或开始试用以查看此内容。

披露

作者无任何利益冲突需要披露。

致谢

一些分析与优化软件由清华大学、韩国建国大学、韩国全南国立大学、韩国木浦大学以及日本千叶大学提供支持。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
Ansys-WorkbenchANSYSN/A多用途有限元法计算机设计程序软件。https://www.ansys.com
IsightEngineous SogtwareN/A综合性计算机辅助工程软件。https://www.3ds.com
NVIDIA GPUNVIDIAN/A需要配备 NVIDIA GPU，否则以下部分软件框架将无法运行。https://www.nvidia.com
软件
SOLIDWORKSDassault SystemesN/ASOLIDWORKS 提供多种设计解决方案，减少设计过程中的错误，并提升产品质量
www.solidworks.com

参考文献

  1. Xia, G., Cao, L., Bi, G. A review on battery thermal management in electric vehicle application. Journal of Power Sources. 367 (1), 90-105 (2017).
  2. Mahamud, R., Park, C. Reciprocating air flow for Li-ion battery thermal management to improve temperature uniformity. Journal of Power Sources. 196 (13), 5685-5696 (2011).
  3. Kumar, R., Goel, V. A study on thermal management system of lithium-ion batteries for electrical vehicles: A critical review. Journal of Energy Storage. 71, 108025(2023).
  4. Fan, Y., et al. Experimental study on the thermal management performance of air cooling for high energy density cylindrical lithium-ion batteries. Applied Thermal Engineering. 155, 96-109 (2019).
  5. Mohammadian, S. K., He, Y. L., Zhang, Y. Internal cooling of a lithium-ion battery using electrolyte as coolant through microchannels embedded inside the electrodes. Journal of Power Sources. 293, 458-466 (2015).
  6. Skerlos, S. J., Winebrake, J. J. Targeting plug-in hybrid electric vehicle policies to increase social benefits. Energy Policy. 38 (2), 705-708 (2010).
  7. Avadikyan, A., Llerena, P. A real options reasoning approach to hybrid vehicle investments. Technological Forecasting and Social Change. 77 (4), 649-661 (2010).
  8. Chen, K., Chen, Y., Li, Z., Yuan, F., Wang, S. Design of the cell spacings of battery pack in parallel air- cooled battery thermal management system. International Journal of Heat and Mass Transfer. 127, 393-401 (2018).
  9. Jiang, Z. Y., Qu, Z. G. Lithium - ion battery thermal management using heat pipe and phase change material during discharge - charge cycle: A comprehensive numerical study. Applied Energy. 242, 378-392 (2019).
  10. Saw, L. H., et al. Computational fluid dynamic and thermal analysis of Lithium-ion battery pack with air cooling. Applied energy. 177, 783-792 (2016).
  11. Park, H. A design of air flow configuration for cooling lithium - ion battery in hybrid electric vehicles. Journal of Power Sources. 239 (10), 30-36 (2013).
  12. Wang, Q., et al. Thermal runaway caused fire and explosion of lithium-ion battery. Journal of power sources. 208, 210-224 (2012).
  13. Rao, Z., Wang, S. A review of power battery thermal energy management. Renewable and Sustainable Energy Reviews. 15 (9), 4554-4571 (2011).
  14. Chen, K., Wu, W., Yuan, F., Chen, L., Wang, S. Cooling efficiency improvement of air-cooled battery thermal management system through designing the flow pattern. Energy. 167, 781-790 (2019).
  15. Lan, X., Li, X., Ji, S., Gao, C., He, Z. Design and optimization of a novel reverse layered air-cooling battery management system using U and Z type flow patterns. International Journal of Energy Research. 46 (10), 14206-14226 (2022).
  16. Singh, G., Wu, H. Effect of different inlet/outlet port configurations on the thermal management of prismatic Li-ion batteries. Journal of Heat Transfer. 144 (11), 112901(2022).
  17. Zhang, J., Wu, X., Chen, K., Zhou, D., Song, M. Experimental and numerical studies on an efficient transient heat transfer model for air-cooled battery thermal management systems. Journal of Power Sources. 490, 229539(2021).
  18. Qian, X., Xuan, D., Zhao, X., Shi, Z. Heat dissipation optimization of lithium-ion battery pack based on neural networks. Applied Thermal Engineering. 162, 114289(2019).
  19. Chen, K., Wang, S., Song, M., Chen, L. Structure optimization of parallel air-cooled battery thermal management system. International Journal of Heat and Mass Transfer. 111, 943-952 (2017).
  20. Liu, Y., Zhang, J. Self-adapting J-type air-based battery thermal management system via model predictive control. Applied Energy. 263, 114640(2020).
  21. Baveja, R., Bhattacharya, J., Panchal, S., Fraser, R., Fowler, M. Predicting temperature distribution of passively balanced battery module under realistic driving conditions through coupled equivalent circuit method and lumped heat dissipation method. Journal of Energy Storage. 70, 107967(2023).
  22. Singh, L. K., Kumar, R., Gupta, A. K., Sharma, A. K., Panchal, S. Computational study on hybrid air-PCM cooling inside lithium-ion battery packs with varying number of cells. Journal of Energy Storage. 67, 107649(2023).
  23. Fan, Y., et al. Multi-objective optimization design and experimental investigation for a prismatic lithium-ion battery integrated with a multi-stage Tesla valve-based cold plate. Processes. 11 (6), 1618(2023).
  24. Feng, Z., et al. Optimization of the Cooling Performance of Symmetric Battery Thermal Management Systems at High Discharge Rates. Energy Fuels. 37 (11), 7990-8004 (2023).
  25. Talele, V., Moralı, U., Patil, M. S., Panchal, S., Mathew, K. Optimal battery preheating in critical subzero ambient condition using different preheating arrangement and advance pyro linear thermal insulation. Thermal Science and Engineering Progress. 42, 101908(2023).
  26. Kenny, Q. Y., Li, W., Sudjianto, A. Algorithmic construction of optimal symmetric Latin hypercube designs. Journal of statistical planning and inference. 90 (1), 145-159 (2000).
  27. Oliveira Jr, H. A., Petraglia, A. Global optimization using dimensional jumping and fuzzy adaptive simulated annealing. Applied Soft Computing. 11 (6), 4175-4182 (2011).
  28. Ingber, L. Very fast simulated re-annealing. Mathematical and computer modelling. 12 (8), 967-973 (1989).
  29. Yu, X., et al. Experimental study on transient thermal characteristics of stagger-arranged lithium-ion battery pack with air cooling strategy. International Journal of Heat and Mass Transfer. 143, 118576(2019).
  30. Li, W., Xiao, M., Peng, X., Garg, A., Gao, L. A surrogate thermal modeling and parametric optimization of battery pack with air cooling for EVs. Applied Thermal Engineering. 147, 90-100 (2019).
  31. Chen, K., Zhang, Z., Wu, B., Song, M., Wu, X. An air-cooled system with a control strategy for efficient battery thermal management. Applied Thermal Engineering. 236, 121578(2023).
  32. Zhao, L., Li, W., Wang, G., Cheng, W., Chen, M. A novel thermal management system for lithium-ion battery modules combining direct liquid-cooling with forced air-cooling. Applied Thermal Engineering. 232, 120992(2023).
  33. Oyewola, O. M., Awonusi, A. A., Ismail, O. S. Design optimization of Air-Cooled Li-ion battery thermal management system with Step-like divergence plenum for electric vehicles. Alexandria Engineering Journal. 71, 631-644 (2023).
  34. Chen, K., et al. Design of parallel air-cooled battery thermal management system through numerical study. Energies. 10 (10), 1677(2017).
  35. Lyu, C., et al. A new structure optimization method for forced air-cooling system based on the simplified multi-physics model. Applied Thermal Engineering. 198, 117455(2021).
  36. Zhang, W. C., Liang, Z. C., Ling, G. Z., Huang, L. S. Influence of phase change material dosage on the heat dissipation performance of the battery thermal management system. Journal of Energy Storage. 41, 102849(2021).
  37. Li, M. L., Zang, M. Y., Li, C. Y., Dai, H. Y. Optimization of structure of air cooling heat dissipation for Li-ion batteries. Battery Bimonthly. 50 (3), 1001(2020).

访问受限。请登录或开始试用以查看此内容。

重印与许可

标签

电池热管理气流优化流体流动分析有限元模拟响应面模型拉丁超立方采样能耗
优化用于含尘颗粒物覆盖的锂离子电池组的空气基热管理系统
联系我们
向图书馆推荐

隐私政策

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。