Methodenartikel

Optimalisatie van een op lucht gebaseerd warmtebeheersysteem voor met stoffige deeltjes bedekte lithium-ionbatterijpakketten

DOI:

10.3791/65892

⸱

3 november 2023

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

In dit artikel

Samenvatting

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Hier presenteren we de adaptieve gesimuleerde gloeimethode (ASAM) om een benaderend kwadratisch responsoppervlaktemodel (QRSM) te optimaliseren dat overeenkomt met een stoffig, met deeltjes bedekt batterijwarmtebeheersysteem en om de temperatuurdalingen te compenseren door de combinatie van luchtstroomsnelheden van systeeminlaten aan te passen.

Samenvatting

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Deze studie heeft tot doel het probleem van de stijging van de celtemperatuur en de prestatiedaling veroorzaakt door stoffige deeltjes die het oppervlak van de cel bedekken, op te lossen door de toewijzing van luchtstroomsnelheden aan de inlaten van de koelbox van de batterij met als doel een laag energieverbruik. We nemen de maximale temperatuur van het batterijpakket bij een gespecificeerde luchtstroomsnelheid en stofvrije omgeving als de verwachte temperatuur in een stoffige omgeving. De maximale temperatuur van het batterijpakket in een stoffige omgeving wordt opgelost bij verschillende inlaatluchtstroomsnelheden, die de randvoorwaarden zijn van het analysemodel dat in de simulatiesoftware is geconstrueerd. De arrays die de verschillende luchtstroomsnelheidscombinaties van inlaten vertegenwoordigen, worden willekeurig gegenereerd via het optimale Latijnse hyperkubusalgoritme (OLHA), waarbij de onder- en bovengrenzen van snelheden die overeenkomen met de temperaturen boven de gewenste temperatuur worden ingesteld in de optimalisatiesoftware. Met behulp van de aanpasmodule van de optimalisatiesoftware stellen we een geschatte QRSM vast tussen de snelheidscombinatie en de maximale temperatuur. De QRSM is geoptimaliseerd op basis van de ASAM, en het optimale resultaat is in goede overeenstemming met het analyseresultaat dat door de simulatiesoftware wordt verkregen. Na optimalisatie wordt het debiet van de middelste inlaat gewijzigd van 5,5 m/s naar 5 m/s en wordt de totale luchtstroomsnelheid met 3% verlaagd. Het protocol presenteert hier een optimalisatiemethode die tegelijkertijd rekening houdt met het energieverbruik en de thermische prestaties van het batterijbeheersysteem dat is opgezet, en het kan op grote schaal worden gebruikt om de levenscyclus van het batterijpakket te verbeteren met minimale bedrijfskosten.

Inleiding

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Met de snelle ontwikkeling van de auto-industrie verbruiken traditionele brandstofvoertuigen veel niet-hernieuwbare hulpbronnen, wat resulteert in ernstige milieuvervuiling en energietekort. Een van de meest veelbelovende oplossingen is de ontwikkeling van elektrische voertuigen (EV's)1,2.

De stroombatterijen die voor EV's worden gebruikt, kunnen elektrochemische energie opslaan, wat de sleutel is tot het vervangen van traditionele brandstofvoertuigen. Stroombatterijen die in EV's worden gebruikt, zijn onder meer lithium-ionbatterijen (LIB), nikkel-metaalhydridebatterijen (NiMH) en elektrische dubbellaagse condensatoren (EDLC)3. In vergelijking met de andere batterijen worden lithium-ionbatterijen momenteel veel gebruikt als energieopslageenheden in EV's vanwege hun voordelen zoals hoge energiedichtheid, hoog rendement en lange levenscyclus 4,5,6,7.

Door chemische reactiewarmte en Joule-warmte is het echter gemakkelijk om een grote hoeveelheid warmte te accumuleren en de batterijtemperatuur te verhogen tijdens snel opladen en ontladen met hoge intensiteit. De ideale bedrijfstemperatuur van LIB is 20-40 °C 8,9. Het maximale temperatuurverschil tussen de batterijen in een batterijstring mag niet groter zijn dan 5 °C10,11. Anders kan dit leiden tot een reeks risico's, zoals temperatuuronbalans tussen de batterijen, versnelde veroudering, zelfs oververhitting, brand, explosie, enzovoort12. Daarom is het kritieke probleem dat moet worden opgelost het ontwerpen en optimaliseren van een efficiënt thermisch beheersysteem voor batterijen (BTMS) dat de temperatuur en het temperatuurverschil van het batterijpakket binnen een smal niveau kan regelen.

Typische BTMS zijn luchtkoeling, waterkoeling en materiaalkoeling met faseverandering13. Van deze koelmethoden wordt het type luchtkoeling veel gebruikt vanwege de lage kosten en de eenvoud van de structuur14. Door de beperkte specifieke warmtecapaciteit van lucht zijn hoge temperaturen en grote temperatuurverschillen gemakkelijk op te treden tussen batterijcellen in luchtgekoelde systemen. Om de koelprestaties van luchtgekoeld BTMS te verbeteren, is het noodzakelijk om een efficiënt systeem te ontwerpen 15,16,17. Qian et al.18 verzamelden de maximale temperatuur en het temperatuurverschil van het batterijpakket om het bijbehorende Bayesiaanse neurale netwerkmodel te trainen, dat wordt gebruikt om de celafstanden van het luchtgekoelde batterijpakket te optimaliseren. Chen et al.19 rapporteerden met behulp van de Newton-methode en het stroomweerstandsnetwerkmodel voor optimalisatie van de breedtes van het inlaatdivergentieplenum en het uitlaatconvergentieplenum in het Z-type parallelle luchtgekoelde systeem. De resultaten toonden een vermindering van 45% in het temperatuurverschil van het systeem. Liu et al.20 bemonsterden vijf groepen van de koelkanalen in het J-BTMS en verkregen de beste combinatie van celafstanden door het ensemble-surrogaatgebaseerde optimalisatie-algoritme. Baveja et al.21 modelleerden een passief gebalanceerde batterijmodule en de studie beschreef de effecten van thermische voorspelling op passieve balancering op moduleniveau en vice versa. Singh et al.22 onderzochten een thermisch beheersysteem voor batterijen (BTMS) dat gebruik maakte van ingekapseld faseveranderingsmateriaal samen met geforceerde convectieve luchtkoeling, ontworpen met behulp van de gekoppelde elektrochemisch-thermische modellering. Fan et al.23 stelden een vloeistofkoelplaat voor met een meertraps Tesla-klepconfiguratie om een veiliger temperatuurbereik te bieden voor een prismatische lithium-ionbatterij met een hoge herkenning in microfluïdische toepassingen. Feng et al. 24 gebruikten de variatiecoëfficiëntmethode om de schema's met verschillende inlaatstroomsnelheden en batterijspelingen te evalueren. Talele et al.25 introduceerden wandversterkte pyro-bekleding thermische isolatie om potentieel gegenereerde verwarming op te slaan op basis van een optimale plaatsing van verwarmingsfilms.

Wanneer men luchtkoelend BTMS gebruikt, worden metaalstofdeeltjes, minerale stofdeeltjes, stofdeeltjes van bouwmaterialen en andere deeltjes in de externe omgeving door de blazer in het luchtkoelende BTMS gebracht, waardoor het oppervlak van de batterijen bedekt kan raken met DPM. Als er geen warmteafvoerplan is, kan dit ongelukken veroorzaken door de te hoge batterijtemperatuur. Na simulatie nemen we de maximale temperatuur van het batterijpakket in een gespecificeerde luchtstroomsnelheid en stofvrije omgeving als de verwachte temperatuur in een stoffige omgeving. Ten eerste verwijst C-rate naar de huidige waarde die nodig is wanneer de batterij zijn nominale capaciteit binnen de gespecificeerde tijd vrijgeeft, wat gelijk is aan een veelvoud van de nominale capaciteit van de batterij in de gegevenswaarde. In dit artikel maakt de simulatie gebruik van 2C-ontlading. De nominale capaciteit is 10 Ah en de nominale spanning is 3,2 V. Lithiumijzerfosfaat (LiFePO4) wordt gebruikt als het positieve elektrodemateriaal en koolstof wordt gebruikt als het negatieve elektrodemateriaal. De elektrolyt bevat elektrolytlithiumzout, een zeer zuiver organisch oplosmiddel, noodzakelijke additieven en andere grondstoffen. De willekeurige array die de verschillende snelheidscombinaties bij de inlaten vertegenwoordigt, werd bepaald door middel van de OLHA, en een 2e orde-functie tussen de maximale temperatuur van het batterijpakket en de inlaatstroomsnelheidscombinatie werd ingesteld op voorwaarde dat de nauwkeurigheid van de curve-fitting werd gecontroleerd. Latijnse hyperkubus (LH) ontwerpen zijn toegepast in veel computerexperimenten sinds ze werden voorgesteld door McKay et al.26. Een LH wordt gegeven door een N x p-matrix L, waarbij elke kolom van L bestaat uit een permutatie van de gehele getallen 1 tot N. In dit artikel wordt de optimale Latijnse hyperkubusbemonsteringsmethode gebruikt om de rekenlast te verminderen. De methode maakt gebruik van gestratificeerde bemonstering om ervoor te zorgen dat de bemonsteringspunten alle inwendige bemonsteringsorganen kunnen bestrijken.

In de volgende stap werd de combinatie van de inlaatstroomsnelheid geoptimaliseerd om de maximale temperatuur van het batterijpakket in een stoffige omgeving te verlagen op basis van de ASAM op voorwaarde dat tegelijkertijd rekening wordt gehouden met het energieverbruik. Het adaptieve gesimuleerde gloeialgoritme is uitgebreid ontwikkeld en wordt veel gebruikt in veel optimalisatieproblemen27,28. Dit algoritme kan voorkomen dat het verstrikt raakt in een lokaal optimum door de slechtste oplossing met een zekere waarschijnlijkheid te accepteren. Het globale optimum wordt bereikt door het definiëren van de acceptatiekans en temperatuur; De rekensnelheid kan ook worden aangepast met behulp van deze twee parameters. Ten slotte werd voor het controleren van de nauwkeurigheid van de optimalisatie het optimale resultaat vergeleken met het analyseresultaat verkregen uit de simulatiesoftware.

In dit artikel wordt een optimalisatiemethode voor het inlaatdebiet van de accubak voorgesteld voor het accupakket waarvan de temperatuur stijgt als gevolg van stofkap. Het doel is om bij een laag energieverbruik de maximumtemperatuur van de met stof bedekte accu te verlagen tot onder de maximumtemperatuur van de niet-stoffige accu.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

OPMERKING: De roadmap voor onderzoekstechnologie wordt weergegeven in afbeelding 1, waar de modellerings-, simulatie- en optimalisatiesoftware wordt gebruikt. De benodigde materialen worden weergegeven in de Tabel met materialen.

1. Het maken van het 3D-model

OPMERKING: We hebben Solidworks gebruikt om het 3D-model te maken.

  1. Teken een rechthoek van 252 mm x 175 mm, klik op Einddruk/basis extruderen en voer 73 in. Maak een nieuw vlak op 4 mm van het buitenoppervlak.
  2. Teken een rechthoek van 131 mm x 16 mm en klik op Lineair schetspatroon. Voer respectievelijk 22 en 6 in de afstand en het aantal exemplaren in. Selecteer alle vier de zijden van de rechthoek en klik op OK. Voer 180 in de hoek in en voer deze opnieuw uit. Deze stap is voor symmetrie in het midden van het model.
  3. Klik op Uitsnijden extruderen, voer 65 in en klik op OK. Klik op Eindmixer/basis en voer 65 in, verwijder het vinkje bij Resultaat samenvoegen en klik op Omgekeerde richting en OK.
    OPMERKING: Wanneer het samenvoegresultaat niet is aangevinkt, wordt de uitgerekte entiteit een afzonderlijke entiteit. Er zijn in totaal 23 onderdelen, waaronder 11 batterijen, 11 stoffige fijnstof en 1 luchtdomein.
  4. Teken een rechthoek van 16 mm x 1 mm. Herhaal stap 1.2 en 1.3.
  5. Teken een rechthoek van 63 mm x 15 mm, klik op de bovenrand van de rechthoek en op Lineair schetspatroon. Voer 21, 3 en 270 in en klik op OK. Klik op Lijn splitsen en klik op het oppervlak van de kubus op OK.
  6. Teken een rechthoek van 63 mm x 15 mm. Klik op Lijn splitsen en klik op de voorkant van de kubus op OK.
  7. Klik op Bestand en sla het op als een X_T bestand.
    OPMERKING: De gespecificeerde maat:L-doos: 73 mm; W-doos: 252 mm; H-doos: 175 mm; Lb, Ld: 65 mm; Bb, Bd:10 mm; Hb: 131 mm; Hd:1 mm; Li:63 mm; Bi:15 mm; d1, d2:5 mm, d3:6 mm is weergegeven in figuur 2.
  8. Sleep de component met mazen door te klikken op Toolbox > Componentsystemen > Mesh naar de zone met het projectschema. Importeer het eerder opgeslagen X_T bestand door op Geometrie te klikken.
  9. Ga naar het modelleringsvenster met gaasontwerp en het batterijpakketmodel, inclusief 23 onderdelen als onafhankelijke lichamen, wordt opnieuw weergegeven door op Genereren te klikken.
  10. Selecteer alle 23 delen van de batterij als een nieuw onderdeel met de naam batterijdeel, alle stoffige deeltjes van 23 delen als stofdeel en luchtholte als luchtdeel in de boomomtrek voor het gemak van het later verbergen en benoemen van objecten.
  11. Klik eerst met de rechtermuisknop op BatteryPart en DustPart en selecteer de Deel verbergen zodat de pop-up alleen het luchtgedeelte toont.
  12. Beweeg de muis naar de selectiewerkbalk om Selectiefilter: Lichamen te selecteren, klik met de rechtermuisknop op het luchtspouwmodel in de grafische zone om Benoemde selectie te selecteren en wijzig de naam van het luchtholtemodel in de detailweergavezone als luchtdomein.
  13. Overschakelen naar selectiefilter: Vlakken, klik met de rechtermuisknop en hernoem het oppervlak dat in drie stukken is gesplitst, van onder naar boven, als inlaat1, inlaat2 en inlaat3, het afzonderlijke oppervlak rechts van deze drie vlakken wordt uitlaat genoemd, het resterende buitenoppervlak wordt respectievelijk buitengrens genoemd.
  14. Schakel de selectiemodus naar de Box Select, klik op de Y-as om de geschikte weergave van het luchtspouwmodel te verkrijgen voor het gemak van het selecteren van dozen, hernoem en nummer alle binnenoppervlakken als holteoppervlak1 naar holteoppervlak11 met behulp van doosselectie.
  15. Om alleen het batteryPart weer te geven, klikt u met de rechtermuisknop op airPart en selecteert u Part verbergen. Klik met de rechtermuisknop op batteryPart en selecteer Part weergeven in het snelmenu van het pop-upvenster.
  16. Beweeg de muis naar de selectiewerkbalk om Selectiefilter: Lichamen te selecteren, schakel de selectiemodus naar Enkele selectie, klik met de rechtermuisknop op Elk batterijmodel in de grafische zone om de benoemde selectie te selecteren, hernoem en nummer de 11 batterijmodellen in de detailweergavezone als respectievelijk batteryDomain1 naar batteryDomain11.
  17. Bovendien heeft elk batterijmodel zes zijden, schakel vervolgens over naar Selectiefilter: Gezichten, klik met de rechtermuisknop op elke kant van de genummerde batterijdomeinen om Benoemde selectie te selecteren en hernoem ze volgens de oriëntatie van de batterijzijde. Wijzig bijvoorbeeld de naam van zes zijden van het genummerde batteryDomain1 als batteryDomain1_Upper, batteryDomain1_Lower, batteryDomain1_Left, batteryDomain1_Right, batteryDomain1_Front en batteryDomain1_Back.
  18. Om alleen het dustPart weer te geven, klikt u met de rechtermuisknop op batteryPart en selecteert u Part verbergen. Klik met de rechtermuisknop op dustPart en selecteer Part weergeven in het snelmenu van het pop-upvenster.
  19. Beweeg de muis naar de selectiewerkbalk om het Selectiefilter: Lichamen te selecteren, klik met de rechtermuisknop op elk stoffig deeltjesmodel in de zone Afbeeldingen om Benoemde selectie te selecteren, hernoem en nummer de 11 stoffige deeltjesmodellen in de detailweergavezone als respectievelijk dpmDomain1 naar dpmDomain11.
  20. Verder heeft elk stoffig fijnstofmodel zes kanten; schakel vervolgens over naar de Selectiefilter: Gezichten, klik met de rechtermuisknop op elke kant van de genummerde dpmDomains om Benoemde selectie te selecteren en hernoem ze volgens de oriëntatie van de stoffige deeltjeszijde. Wijzig bijvoorbeeld de naam van zes zijden van het genummerde dpmDomain1 in dpmDomain1_Upper, dpmDomain1_Lower, dpmDomain1_Left, dpmDomain1_Right, dpmDomain1_Front en dpmDomain1_Back.
  21. Toon alle lichamen en keer terug naar het beginvenster.

2. Genereer het mesh-model

OPMERKING: Eindige-elementennetten zijn een zeer belangrijke stap in de numerieke simulatieanalyse van eindige-elementen, die rechtstreeks van invloed is op de nauwkeurigheid van de daaropvolgende numerieke analyseresultaten. De hernoemde entiteiten worden vervolgens in elkaar gepast.

  1. Als u het luchtdomein, het batterijdomein en het dpm-domein onafhankelijk van elkaar wilt vermalen, sleept u twee Mesh-componenten opnieuw van Toolbox > Component Systems > Mesh naar de schematische zone van het project en wijzigt u de naam ervan in respectievelijk airFEM, batteryFEM en dpmFEM. Houd de airFEM > Geometry vast met de linkermuisknop en sleep deze naar de batteryFEM > Geometry.
  2. Houd vervolgens met de linkermuisknop de batteryFEM > Geometry vast en sleep deze naar de dpmFEM > Geometry. Klik met de rechtermuisknop op de lijnen tussen de drie onderdelen van mazen en selecteer Verwijderen om ze van elkaar los te koppelen.
  3. Dubbelklik op airFEM's Mesh, ga naar het meshing-venster, klik met de rechtermuisknop op batteryPart en dustPart om het Suppress Body te selecteren en wijzig de fysieke voorkeur van mechanisch naar CFD. Genereer het FEM-luchtdomeinmodel door middel van de gezichtsgrootte van 2 mm en de lichaamsgrootte van 4 mm door op Bijwerken te klikken en terug te keren naar het beginvenster.
  4. Dubbelklik op batteryFEM's Mesh, ga naar het meshing-venster, klik met de rechtermuisknop op airPart en dustPart om het Suppress Body te selecteren en wijzig de fysieke voorkeur van Mechanisch naar CFD. Genereer het FEM-batterijdomeinmodel via de behuizing van 2 mm door op Bijwerken te klikken en terug te keren naar het beginvenster.
  5. Dubbelklik op dpmFEM's Mesh, ga naar het meshing-venster, klik met de rechtermuisknop op airPart en batteryPart om Suppress Body te selecteren en wijzig de fysieke voorkeur van Mechanical naar CFD. Genereer het FEM dpm-domeinmodel door middel van een lichaamsgrootte van 2 mm door op Bijwerken te klikken en terug te keren naar het beginvenster.
    OPMERKING: Figuur 3A toont het raster van het luchtdomein, Figuur 3B toont het raster van het batterijdomein en Figuur 3C toont het raster van het dpm-domein.
  6. Stel de minimale grootte van het luchtrooster in op 4 mm en de minimale grootte van de batterij en het stoffig fijnstofrooster op 2 mm. Zorg ervoor dat het raster oplossingsonafhankelijk is, wijzig de minimale celgrootte van het raster en voer een rastergevoeligheidsonderzoek uit.
    OPMERKING: Zoals te zien is in afbeelding 4, zijn de maximale temperatuurveranderingen van de batterij minder dan 0,6 K naarmate het aantal roosters toeneemt van 519343 naar 1053849. Rekening houdend met de rekencapaciteit en nauwkeurigheid, is de volgende analyse gebaseerd op het rastermodel met 931189 rasters.

3. Simulatie analyse

  1. Sleep Fluid Flow van Toolbox > Analysis Systems > Fluid Flow naar de schematische zone van het project. Houd airFEM > Mesh, vervolgens batteryFEM > Mesh en dpmFEM > Mesh met de linkermuisknop en sleep ze naar Fluid Flow > Setup. Klik met de rechtermuisknop op Fluid Flow > Setup en selecteer Bijwerken om het ingestelde venster te openen.
  2. Controleer de validiteit van het FEM-model en controleer of het net een negatief volume heeft. De software stelt automatisch het volume van het model voor en een redelijke modelwaarde is positief. Als er een probleem is met de instellingen van het verdeelde raster of het model, verschijnt er een foutmelding om dit te vertellen.
  3. Activeer de energievergelijking in warmteoverdrachtsmodellen. Ga naar de instellingsinterface van het viskeuze model en het stralingsmodel en selecteer het K-epsilon-model en het discrete ordinatenmodel.
    OPMERKING: Zoals te zien is in figuur 5, waarin vier viskeuze modellen worden vergeleken, zijn de berekeningsresultaten van het Spalart-Allmaras-model heel anders dan die van andere modellen. De resultaten van het standaard K-epsilon model zijn vergelijkbaar met die van andere K-epsilon modellen. Het standaard K-epsilon-model met hogere stabiliteit en zuinigheid wordt veel gebruikt; de volgende analyse is gebaseerd op het standaard K-epsilon model.
  4. Stel de nieuwe materialen in met verschillende kenmerken voor luchtmateriaal, batterijmateriaal, dpm-materiaal en batterijbakmateriaal op basis van tabel 1.
    NOTITIE: In het batterijpakket bevinden zich drie verschillende fysieke materialen: lucht als vloeistof en de rest als vaste stof. Stel vervolgens het materiaal in.
    1. Wijzig het vloeistoftype van de genummerde batterijdomeinen in het Solid-type en wijzig het dpm-materiaal in het batterijmateriaal in het Solid-venster door op elk batterijdomein te dubbelklikken. Kies vervolgens het item Brontermen en klik op de gemarkeerde Brontermen om een energiebron toe te voegen door het nummer in het aantal energiebronnen toe te wijzen en Constant type te selecteren om de waarde van 209993 w/m3 in te voeren.
    2. Wijzig het vloeistoftype van de genummerde dpm-domeinen in Vast type.
  5. Stel vervolgens de interface in voor simulatieberekening van verschillende domeinen volgens het werkelijk ingestelde debiet en warmteoverdrachtscoëfficiënt zoals hieronder beschreven.
    1. Converteer het type van alle hernoemde oppervlakken, inclusief de binnenoppervlakken van het luchtdomein en alle zijden van de batterijdomeinen, evenals dpm-domeinen van de standaardmuur naar de interface. Zodra de bovenstaande stappen met succes zijn voltooid, worden de mesh-interfaces onmiddellijk gegenereerd.
    2. Klik op de Mesh-interfaces en open het venster Mesh-interfaces maken/bewerken . Zorg ervoor dat de oppervlakken van de holte aan alle kanten worden afgestemd, behalve aan de bovenkanten van de batterijdomeinen en de onderkant van de dpm domian. Geef ze vervolgens een naam en nummer ze respectievelijk als interface1 naar interface11. De 11 mesh-interfaces kunnen dus worden gemaakt tussen het luchtdomein en de batterijdomians en dpm-domeinen.
    3. Zorg voor de bovenzijde van de batterijdomeinen en de onderzijde van de dpm-domeinen. Geef ze vervolgens een naam en nummer ze als respectievelijk interface12 naar interface22. Vervolgens worden de 11 mesh-interfaces gemaakt tussen de batterijdomeinen en dpm-domeinen.
    4. Wijs het oppervlak van de buitenrand toe als de thermische grensvoorwaarde van de muur door de warmteoverdrachtscoëfficiënt in te stellen op 5 in de gemengde thermische toestand en het materiaal te wijzigen van standaard aluminium naar het eerder zelf gedefinieerde materiaal van de accubak.
    5. Stel de luchtstroomsnelheden van alle inlaten in op 5 m/s in het snelheidsinlaatvenster en de overdruk van de uitlaat op nul in het drukuitlaatvenster.
  6. Stel vervolgens de toestand van het rekendomein op het beginmoment in, zoals de begintemperatuur van 300 K, wat het proces van rekenconvergentie zal beïnvloeden.
    1. Stel het type oplossingsinitialisatie in als de standaardinitialisatie voordat u initialiseert.
    2. Stel het aantal iteraties in op 2000.
    3. Klik op Berekenen om te simuleren. Keer terug naar het beginvenster totdat de simulatie is voltooid.
  7. Het bovenstaande deel voltooit de simulatieberekening van de temperatuur en luchtsnelheid in het batterijpakket en geeft vervolgens het simulatieresultaat weer in Resultaat. Voer de volgende stappen uit in de weergegeven resultaten.
    1. Dubbelklik op Fluid Flow > Results om het CFD-postvenster te openen en klik vervolgens op het pictogram van Contour in de toolbox.
    2. Selecteer Alle zijden van de batterijen in de locatiekiezer en verander de druk in temperatuur. Klik vervolgens op Toepassen om de temperatuurcontour van de batterijen te genereren.
    3. Klik op Bestand > Exporteren om de temperatuur van de geselecteerde variabele(n) te selecteren. Klik op de Dropdown knop van de locaties om het locatieselectievenster te openen waar alle batterijdomeinen moeten worden geselecteerd. Klik op de knop OK en opslaan om te stoppen.
      OPMERKING: Een spreadsheet waarvan de gegevens overeenkomen met de temperaturen van de mesh-knooppunten van alle batterijen, wordt automatisch opgeslagen wanneer op de knop Opslaan wordt geklikt.
    4. Open de spreadsheet om de maximale waarde te vinden, die de maximale temperatuur van de batterijen in een stoffige omgeving aangeeft bij 5 m/s van alle luchtstroominlaten.
    5. Verreken de maximale temperatuur van de batterijen in de vrije stoftoestand als de verwachte temperatuur en vergelijk deze met de maximale temperatuur in stoffige toestand; Het resultaat laat zien dat de hele temperatuur stijgt.
      NOTITIE: Om de maximale temperatuur van batterijen in een stofvrije omgeving te verkrijgen, moet het nieuwe batterijmodel zoals weergegeven in afbeelding 6 opnieuw worden ingesteld en moeten alle stappen 1.1-3.4.3 worden herhaald.
    6. Om de maximale temperatuur in het accupack te verlagen, stelt u de luchtstroomsnelheden bij de inlaten in van 5 m/s tot 6 m/s, verhoogt u deze met 5% en berekent u de overeenkomstige maximumtemperaturen van de stoffige accu's.
      OPMERKING: De gevoeligheidsanalyse van de parameters van de luchtstroomsnelheid moet ruim van tevoren worden uitgevoerd voordat de parameterwaarden worden gewijzigd. Zoals te zien is in figuur 7 en tabel 2, hebben we hetzelfde totale debiet aangehouden voor elk van de zeven groepen van verschillende combinaties van inlaatluchtstroomsnelheden. Er is nog steeds een duidelijke variatie in de maximumtemperatuur als gevolg van het verschil in toewijzing van de luchtstroomsnelheid. Met andere woorden, er is op de een of andere manier een sterke correlatie tussen de combinatie van de luchtstroomsnelheid en de maximale temperatuur. Daarom kunnen die snelheidsparameters worden gebruikt als ontwerpvariabelen.
    7. Zet de temperatuur-snelheidscurve uit zoals weergegeven in figuur 8, waarbij de rode lijn aangeeft dat de temperatuurkarakteristiek afneemt met de toename van de luchtstroomsnelheid, en de blauwe lijn de verwachte temperatuur voorstelt.
    8. Zorg voor een verhoging van de luchtstroomsnelheid van 10%. Wanneer de snelheidstoename meer dan 10% is, is de maximale temperatuur al lager dan de verwachte temperatuur, maar dit voldoet niet aan het doel van een laag energieverbruik. Verlaag voor het resterende luchtdebiet de maximale temperatuur van het batterijpakket tot de verwachte temperatuur door middel van optimalisatie, waardoor het doel van een laag energieverbruik wordt bereikt.

4. Optimale Latijnse hypercube sampling en respons surface modellering

OPMERKING: Voor de behouden stroomsnelheden van 5 m/s-5.5 m/s worden monsters geselecteerd om verschillende stroomsnelheidscombinaties binnen dit stroomsnelheidsbereik te construeren. De snelheidscombinaties worden gesimuleerd om de maximale temperatuur te verkrijgen. Construeer de functie van snelheid en maximale temperatuur.

  1. Open een nieuwe lege spreadsheet om een tabel te maken waarvan de rijen in de eerste kolom inlet1, inlet2 en inlet3 heten en sla het bestand op als sampling.xlsx.
  2. Voer de optimalisatiesoftware uit en sleep het spreadsheetpictogram naar de enkele pijl van taak 1. Dubbelklik vervolgens op het pictogram Spreadsheet om het venster Component Editor-Excel te openen.
  3. Importeer de sampling.xlsx door op de knop Bladeren te klikken en wijs de inlaat1, inlaat2 en inlaat3 toe aan de parameters A1, A2 en A3 door te klikken op de knop Deze toewijzing toevoegen. Klik op de knop OK om terug te keren naar het oorspronkelijke venster.
  4. Sleep het DOE-pictogram naar Taak1 en dubbelklik erop om het Component Editor-DOE-venster te openen. Selecteer de OptimOKal Latin Hypercube en stel het aantal punten in op 15 in het venster Algemeen.
  5. Ga naar het venster Factoren en stel 5,5 in als bovengrens en 5 als ondergrens voor A1, A2 en A3.
  6. Schakel over naar het venster Ontwerpmatrix en klik op Genereren om de willekeurige bemonsteringspunten te genereren die overeenkomen met de verschillende inlaatsnelheden. Sluit optimalisatiesoftware af.
  7. Neem de snelheidscombinatiereeksen van de willekeurige bemonsteringspunten terug om de stappen 3.5.5-3.7.5 te berekenen en herhaal deze om de overeenkomstige temperatuurarray te verkrijgen die is samengesteld uit de maximale temperaturen van batterijen.
  8. Combineer de voorspellingsvariabelen x1, x2 en x3 van de snelheidscombinatiematrices en y van de temperatuurmatrices om een nieuwe tabel met variabelen te vormen, zoals weergegeven in Tabel 3, en sla deze op als een sample.txt bestand. Importeer het bestand zodat het in een model met een antwoordoppervlak past.
  9. Voer de optimalisatiesoftware opnieuw uit en sleep het pictogram Benadering naar de enkele pijl van Taak1. Dubbelklik op het pictogram Taak1 om het venster voor benadering van de componenteditor te openen om het Response Surface Model te selecteren.
  10. Ga naar het venster Gegevensbestand en importeer het sample.txt bestand met de voorspellingsvariabelen.
  11. Schakel over naar het venster Parameters en klik op de Scannen om de parameters in het gegevensbestandsvenster te openen waarin de voorspellende variabelen van x1, x2 en x3 zijn gedefinieerd als invoer en y als uitvoer.
  12. Schakel over naar het venster Techniekopties en selecteer de kwadratische in polynomiale volgorde. Schakel over naar het venster Opties voor foutanalyse en selecteer de kruisvalidatie in de foutanalysemethode.
  13. Ga naar het venster Gegevens weergeven en klik op Nu initialiseren om de coëfficiënten van de kwadratische lineaire regressievergelijking te verkrijgen.
  14. Klik op de knop Foutanalyse om het venster Analyse van benaderingsfouten te openen om te controleren of de fouten kunnen voldoen aan de acceptabele normen voor elk fouttype. Sluit het venster van de benaderingscomponent. Als de willekeurige fout niet aan de overeenkomstige aanvaardbare normen kan voldoen, voeg dan meer voorbeeldpunten toe om deel te nemen aan de modelaanpassing.

5. Adaptief gesimuleerd gloeialgoritme-gebaseerd benaderend montagemodel

OPMERKING: Vervolgens worden software en algoritme gebruikt om de optimale waarde van het geschatte model te vinden

  1. Sleep het pictogram Optimalisatie naar Taak1 en dubbelklik erop om het venster voor het optimaliseren van de componenteditor te openen. Selecteer de Adaptive Simulated Annealing (ASA) in de optimalisatietechniek.
  2. Schakel over naar het venster Variabelen om 5,5 als bovengrens en 5 als ondergrens in te stellen.
  3. Schakel over naar het venster Doelstellingen en selecteer de parameter Y voordat u het venster voor het optimaliseren van de componenteditor sluit.
  4. Klik op de knop Optimalisatie uitvoeren en wacht op het optimalisatieresultaat.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Resultaten

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Volgens het protocol zijn de eerste drie onderdelen de belangrijkste, waaronder modellering, meshing en simulatie, allemaal om de maximale temperatuur van het batterijpakket te krijgen. Vervolgens wordt de luchtstroomsnelheid aangepast door middel van bemonstering en ten slotte wordt de optimale combinatie van stroomsnelheden verkregen door optimalisatie.

Figuur 9 toont de vergelijking van de temper...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Discussie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Het BTMS dat in deze studie is gebruikt, is vastgesteld op basis van het luchtkoelsysteem vanwege de lage kosten en de eenvoud van de structuur. Vanwege de lage warmteoverdrachtscapaciteit zijn de prestaties van het luchtkoelsysteem lager dan die van het vloeistofkoelsysteem en het koelsysteem met faseveranderingsmateriaal. Het vloeistofkoelsysteem heeft echter het nadeel van koelmiddellekkage en het koelsysteem van faseveranderingsmateriaal heeft een hoge massa en een lage energiedichtheid29. Dez...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Openbaarmakingen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

De auteurs hebben niets te onthullen.

Dankbetuigingen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Sommige analyse- en optimalisatiesoftware wordt ondersteund door Tsinghua University, Konkuk University, Chonnam National University, Mokpo University en Chiba University.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Materialen

Lijst van materialen gebruikt in dit artikel
NaamBedrijfCatalogusnummerOpmerkingen
Ansys-WorkbenchANSYSN/AMultifunctioneel eindige-elementmethode computerontwerpprogramma software.https://www.ansys.com
IsightEngineous SogtwareN/AUitgebreide computer-aided engineering software.https://www.3ds.com
NVIDIA GPUNVIDIAN/AEen NVIDIA GPU is nodig omdat sommige van de onderstaande software frameworks anders niet zullen werken. https://www.nvidia.com
Software
SOLIDWORKSDassault SystemesN/ASolidWorks biedt verschillende ontwerpoplossingen, vermindert fouten in het ontwerpproces en verbetert de productkwaliteit
www.solidworks.com

Referenties

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  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).

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Herprints en machtigingen

Toestemming aanvragen om de tekst of afbeeldingen van dit JoVE-artikel te hergebruiken

Toestemming aanvragen

Trefwoorden

Thermisch beheer van batterijenluchtstroomoptimalisatievloeistofstroomanalyseFEM simulatieresponsoppervlakmodelLatin Hypercube Samplingenergieverbruik

Gerelateerde artikelen