Summary
Qui, presentiamo il metodo di ricottura simulata adattiva (ASAM) per ottimizzare un modello approssimativo di superficie di risposta quadratica (QRSM) corrispondente a un sistema di gestione del calore della batteria coperto di particolato polveroso e soddisfare i cali di temperatura regolando la combinazione di velocità del flusso d'aria degli ingressi del sistema.
Abstract
Questo studio mira a risolvere il problema dell'aumento della temperatura della cella e del declino delle prestazioni causato dal particolato polveroso che copre la superficie della cella attraverso l'allocazione delle velocità del flusso d'aria agli ingressi della scatola di raffreddamento della batteria con l'obiettivo di un basso consumo energetico. Prendiamo la temperatura massima del pacco batteria a una velocità del flusso d'aria specificata e in un ambiente privo di polvere come temperatura prevista in un ambiente polveroso. La temperatura massima del pacco batterie in un ambiente polveroso viene risolta a diverse velocità del flusso d'aria in ingresso, che sono le condizioni al contorno del modello di analisi costruito nel software di simulazione. Gli array che rappresentano le diverse combinazioni di velocità del flusso d'aria degli ingressi sono generati in modo casuale attraverso l'algoritmo dell'ipercubo latino ottimale (OLHA), in cui i limiti inferiore e superiore delle velocità corrispondenti alle temperature superiori alla temperatura desiderata sono impostati nel software di ottimizzazione. Stabiliamo un QRSM approssimativo tra la combinazione di velocità e la temperatura massima utilizzando il modulo di fitting del software di ottimizzazione. Il QRSM è ottimizzato in base all'ASAM, e il risultato ottimale è in buon accordo con il risultato dell'analisi ottenuto dal software di simulazione. Dopo l'ottimizzazione, la portata dell'ingresso centrale viene modificata da 5,5 m/s a 5 m/s e la velocità totale del flusso d'aria viene ridotta del 3%. Il protocollo qui presenta un metodo di ottimizzazione che considera contemporaneamente il consumo energetico e le prestazioni termiche del sistema di gestione della batteria che è stato stabilito, e può essere ampiamente utilizzato per migliorare il ciclo di vita del pacco batteria con costi operativi minimi.
Introduction
Con il rapido sviluppo dell'industria automobilistica, i veicoli a carburante tradizionale consumano molte risorse non rinnovabili, con conseguente grave inquinamento ambientale e carenza di energia. Una delle soluzioni più promettenti è lo sviluppo di veicoli elettrici (EV)1,2.
Le batterie di alimentazione utilizzate per i veicoli elettrici possono immagazzinare energia elettrochimica, che è la chiave per sostituire i veicoli a carburante tradizionali. Le batterie di alimentazione utilizzate nei veicoli elettrici includono batterie agli ioni di litio (LIB), batterie al nichel-metallo idruro (NiMH) e condensatori elettrici a doppio strato (EDLC)3. Rispetto alle altre batterie, le batterie agli ioni di litio sono attualmente ampiamente utilizzate come unità di accumulo di energia nei veicoli elettrici grazie ai loro vantaggi come l'elevata densità energetica, l'alta efficienza e il lungo ciclo di vita 4,5,6,7.
Tuttavia, a causa del calore di reazione chimica e del calore Joule, è facile accumulare una grande quantità di calore e aumentare la temperatura della batteria durante la ricarica rapida e la scarica ad alta intensità. La temperatura di esercizio ideale di LIB è 20-40 °C 8,9. La differenza massima di temperatura tra le batterie in una stringa di batterie non deve superare i 5 °C10,11. In caso contrario, potrebbe portare a una serie di rischi come lo squilibrio di temperatura tra le batterie, l'invecchiamento accelerato, persino il surriscaldamento, l'incendio, l'esplosione e così via12. Pertanto, la criticità da risolvere è la progettazione e l'ottimizzazione di un efficiente sistema di gestione termica della batteria (BTMS) in grado di controllare la temperatura e la differenza di temperatura del pacco batteria all'interno di uno stretto.
I BTMS tipici includono il raffreddamento ad aria, il raffreddamento ad acqua e il raffreddamento dei materiali a cambiamento di fase13. Tra questi metodi di raffreddamento, il tipo di raffreddamento ad aria è ampiamente utilizzato per il suo basso costo e la semplicità della struttura14. A causa della limitata capacità termica specifica dell'aria, è facile che si verifichino alte temperature e grandi differenze di temperatura tra le celle della batteria nei sistemi raffreddati ad aria. Al fine di migliorare le prestazioni di raffreddamento del BTMS raffreddato ad aria, è necessario progettare un sistema efficiente 15,16,17. Qian et al.18 hanno raccolto la temperatura massima del pacco batteria e la differenza di temperatura per addestrare il corrispondente modello di rete neurale bayesiana, che viene utilizzato per ottimizzare le distanze tra le celle del pacco batteria raffreddato ad aria della serie. Chen et al.19 hanno riferito utilizzando il metodo Newton e il modello di rete di resistenza al flusso per l'ottimizzazione delle larghezze del plenum di divergenza in ingresso e del plenum di convergenza in uscita nel sistema parallelo di tipo Z raffreddato ad aria. I risultati hanno mostrato una riduzione del 45% della differenza di temperatura del sistema. Liu et al.20 hanno campionato cinque gruppi di condotti di raffreddamento nel J-BTMS e hanno ottenuto la migliore combinazione di spaziature cellulari mediante l'algoritmo di ottimizzazione basato su surrogati di ensemble. Baveja et al.21 hanno modellato un modulo batteria bilanciato passivamente e lo studio ha descritto gli effetti della previsione termica sul bilanciamento passivo a livello di modulo e viceversa. Singh et al.22 hanno studiato un sistema di gestione termica della batteria (BTMS) che utilizzava materiale a cambiamento di fase incapsulato insieme al raffreddamento forzato dell'aria convettiva progettato utilizzando la modellazione elettrochimica-termica accoppiata. Fan et al.23 hanno proposto una piastra di raffreddamento a liquido comprendente una configurazione di valvole di Tesla multistadio per fornire un intervallo di temperatura più sicuro per una batteria agli ioni di litio di tipo prismatico con un elevato riconoscimento nelle applicazioni microfluidiche. Feng et al. 24 hanno utilizzato il metodo del coefficiente di variazione per valutare gli schemi con diverse portate in ingresso e distanze della batteria. Talele et al.25 hanno introdotto l'isolamento termico del rivestimento pirotecnico potenziato dalle pareti per immagazzinare il potenziale calore generato in base al posizionamento ottimale delle pellicole riscaldanti.
Quando si utilizza il BTMS di raffreddamento ad aria, le particelle di polvere metallica, le particelle di polvere minerale, le particelle di polvere dei materiali da costruzione e altre particelle nell'ambiente esterno verranno portate nel BTMS di raffreddamento ad aria dal ventilatore, il che può causare la copertura della superficie delle batterie con DPM. Se non esiste un piano di dissipazione del calore, potrebbero verificarsi incidenti a causa della temperatura della batteria eccessivamente elevata. Dopo la simulazione, prendiamo la temperatura massima del pacco batteria in una velocità del flusso d'aria specificata e in un ambiente privo di polvere come temperatura prevista in un ambiente polveroso. Innanzitutto, la velocità C si riferisce al valore di corrente richiesto quando la batteria rilascia la sua capacità nominale entro il tempo specificato, che è uguale a un multiplo della capacità nominale della batteria nel valore dei dati. In questo documento, la simulazione utilizza la velocità di scarica 2C. La capacità nominale è di 10 Ah e la tensione nominale è di 3,2 V. Il litio ferro fosfato (LiFePO4) viene utilizzato come materiale dell'elettrodo positivo e il carbonio viene utilizzato come materiale dell'elettrodo negativo. L'elettrolita contiene sale di litio elettrolitico, un solvente organico ad alta purezza, additivi necessari e altre materie prime. L'array casuale che rappresenta le diverse combinazioni di velocità agli ingressi è stato determinato attraverso l'OLHA ed è stata impostata una funzione del 2° ordine tra la temperatura massima del pacco batteria e la combinazione di velocità del flusso in ingresso a condizione di verificare l'accuratezza del raccordo della curva. I disegni di ipercubi latini (LH) sono stati applicati in molti esperimenti al computer da quando sono stati proposti da McKay et al.26. Un LH è dato da una matrice N x p L, dove ogni colonna di L è costituita da una permutazione degli interi da 1 a N. In questo articolo, il metodo di campionamento ottimale dell'ipercubo latino viene utilizzato per ridurre il carico computazionale. Il metodo utilizza il campionamento stratificato per garantire che i punti di campionamento possano coprire tutti gli interni del campionamento.
Nella fase successiva, la combinazione di velocità del flusso in ingresso è stata ottimizzata per ridurre la temperatura massima del pacco batteria in un ambiente polveroso in base all'ASAM a condizione di considerare contemporaneamente il consumo di energia. L'algoritmo di ricottura simulata adattiva è stato ampiamente sviluppato e ampiamente utilizzato in molti problemi di ottimizzazione27,28. Questo algoritmo può evitare di rimanere intrappolato in un ottimo locale accettando la soluzione peggiore con una certa probabilità. L'ottimo globale si ottiene definendo la probabilità di accettazione e la temperatura; La velocità di calcolo può essere regolata anche utilizzando questi due parametri. Infine, per verificare l'accuratezza dell'ottimizzazione, il risultato ottimale è stato confrontato con il risultato dell'analisi ottenuto dal software di simulazione.
In questo documento, viene proposto un metodo di ottimizzazione per la portata in ingresso della scatola della batteria per il pacco batteria la cui temperatura aumenta a causa della copertura antipolvere. Lo scopo è quello di ridurre la temperatura massima del pacco batteria coperto di polvere al di sotto della temperatura massima del pacco batteria non coperto di polvere in caso di basso consumo energetico.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
NOTA: la roadmap della tecnologia di ricerca è illustrata nella Figura 1, in cui vengono utilizzati i software di modellazione, simulazione e ottimizzazione. I materiali necessari sono riportati nella Tabella dei Materiali.
1. Creazione del modello 3D
NOTA: Per creare il modello 3D è stato utilizzato Solidworks.
- Disegnate un rettangolo di 252 mm x 175 mm, fate clic su Estrusione estrusione/base (Extrude Boss/Base) e immettete 73. Create un nuovo piano a 4 mm dalla superficie esterna.
- Disegnare un rettangolo di 131 mm x 16 mm e fare clic su Serie di schizzo lineare. Immettere 22 e 6 rispettivamente nella spaziatura e nel numero di istanze. Selezionate tutti e quattro i lati del rettangolo e fate clic su OK. Immettere 180 in angolo ed eseguirlo di nuovo. Questo passo serve per la simmetria al centro del modello.
- Fate clic su Estrusione taglio (Extrude Cut), immettete 65 e fate clic su OK. Fate clic su Estrusione estrusione/base (Extrude Boss/Base ) e immettete 65, deselezionate Risultato unione (Merge result), quindi fate clic su Direzione inversa (Reverse Direction ) e su OK.
NOTA: quando il risultato dell'unione è deselezionato, l'entità allungata diventa un'entità separata. Ci sono 23 parti in totale, tra cui 11 batterie, 11 particolato polveroso e 1 dominio dell'aria. - Disegna un rettangolo di 16 mm x 1 mm. Ripetere i passaggi 1.2 e 1.3.
- Disegnare un rettangolo di 63 mm x 15 mm, fare clic sul bordo superiore del rettangolo e su Schema schizzo lineare. Immettere 21, 3 e 270 e fare clic su OK. Fare clic su Dividi linea e sulla faccia del cubo, quindi fare clic su OK.
- Disegna un rettangolo di 63 mm x 15 mm. Fare clic su Dividi linea e sulla faccia del cubo, quindi fare clic su OK.
- Fare clic su File e salvarlo come file X_T.
NOTA: La dimensione specificata:scatola L: 73 mm; Scatola W:252 mm; Hscatola:175 mm; Lb, Ld:65 mm; Lb, Lp:10 mm; Hb:131 mm; Hd:1 mm; Li:63 mm; Li:15 mm; d1, d2:5 mm, d3:6 mm è mostrato nella Figura 2. - Trascinare il componente mesh facendo clic su Casella degli strumenti > Sistemi di componenti > Mesh nell'area schematica del progetto. Importare il file X_T salvato in precedenza facendo clic su Geometria.
- Accedere alla finestra del modellatore di progetto mesh e il modello del pacco batteria, che include 23 parti come corpi indipendenti, viene nuovamente visualizzato facendo clic su Genera.
- Selezionare tutte le 23 parti della batteria in modo che siano una nuova parte denominata come parte della batteria, tutte le particelle polverose di 23 parti come parte della polvere e la cavità dell'aria come parte dell'aria, nel contorno dell'albero per comodità di nascondere e denominare gli oggetti in seguito.
- Innanzitutto, fai clic con il pulsante destro del mouse su BatteryPart e DustPart e seleziona Nascondi parte in modo che il pop-up mostri solo la parte aerea.
- Spostare il mouse sulla barra degli strumenti di selezione per selezionare Filtro di selezione: Corpi, fare clic con il pulsante destro del mouse sul modello di cavità d'aria nella zona grafica per selezionare Selezione con nome e rinominare il modello di cavità d'aria nella zona di visualizzazione dei dettagli come dominio dell'aria.
- Passa al filtro di selezione: facce, fare clic con il pulsante destro del mouse e rinominare la superficie che è stata divisa in tre parti, dal basso verso l'alto, come ingresso1, ingresso2 e ingresso3, la superficie separata a destra di queste tre facce è denominata uscita, la superficie esterna rimanente è denominata rispettivamente esternoBordo.
- Passare dalla modalità di selezione alla casella di selezione, fare clic sull'asse Y per ottenere la vista adatta del modello di cavità d'aria per facilitare la selezione della casella, rinominare e numerare tutte le superfici interne da Superficie cavità1 a Superficie cavità11 utilizzando la selezione parallelepipedo.
- Per visualizzare solo batteryPart, fare clic con il pulsante destro del mouse su airPart e selezionare Nascondi parte. Fare clic con il pulsante destro del mouse su batteryPart e selezionare Mostra parte dal menu di scelta rapida a comparsa.
- Spostare il mouse sulla barra degli strumenti di selezione per selezionare Filtro di selezione: Corpi, impostare la modalità di selezione su Selezione singola, fare clic con il pulsante destro del mouse su ciascun modello di batteria nell'area grafica per selezionare la selezione con nome, rinominare e numerare gli 11 modelli di batteria nell'area di visualizzazione dei dettagli rispettivamente da batteryDomain1 a batteryDomain11.
- Inoltre, ogni modello di batteria ha sei lati, quindi passare a Filtro di selezione: Facce, fare clic con il pulsante destro del mouse su ciascun lato dei domini di batteria numerati per selezionare Selezione con nome e rinominarli in base all'orientamento del lato batteria. Ad esempio, rinominare sei lati del batteryDomain1 numerato come batteryDomain1_Upper, batteryDomain1_Lower, batteryDomain1_Left, batteryDomain1_Right, batteryDomain1_Front e batteryDomain1_Back.
- Per visualizzare solo dustPart, fare clic con il pulsante destro del mouse su batteryPart e selezionare Nascondi parte. Fare clic con il pulsante destro del mouse su dustPart e selezionare Mostra parte dal menu di scelta rapida a comparsa.
- Spostare il mouse sulla barra degli strumenti di selezione per selezionare il filtro di selezione: Corpi, fare clic con il pulsante destro del mouse su ciascun modello di particolato polveroso nell'area Grafica per selezionare Selezione con nome, rinominare e numerare gli 11 modelli di particolato polveroso nell'area di visualizzazione dei dettagli rispettivamente come dpmDomain1 e dpmDomain11.
- Inoltre, ogni modello di particolato polveroso ha sei lati; quindi passare al Filtro di selezione: Facce, fare clic con il pulsante destro del mouse su ciascun lato dei dpmDomains numerati per selezionare Selezione con nome e rinominarli in base all'orientamento del lato del particolato polveroso. Ad esempio, rinominare sei lati di dpmDomain1 numerato come dpmDomain1_Upper, dpmDomain1_Lower, dpmDomain1_Left, dpmDomain1_Right, dpmDomain1_Front e dpmDomain1_Back.
- Mostra tutti i corpi e torna di nuovo alla finestra iniziale.
2. Generare il modello mesh
NOTA: La mesh agli elementi finiti è una fase molto importante nell'analisi di simulazione numerica agli elementi finiti, che influisce direttamente sull'accuratezza dei risultati dell'analisi numerica successiva. Le entità rinominate vengono quindi sottoposte a mesh.
- Per creare una mesh del dominio air, del dominio della batteria e del dominio dpm in modo indipendente, trascinare nuovamente due componenti Mesh da Toolbox > Component Systems > Mesh nella zona schematica del progetto e rinominarli rispettivamente come airFEM, batteryFEM e dpmFEM. Tenere premuto airFEM > Geometry con il tasto sinistro del mouse e trascinarlo su batteryFEM > Geometry.
- Quindi, tieni premuto batteryFEM > Geometry con il pulsante sinistro del mouse e trascinalo su dpmFEM > Geometry. Fare clic con il pulsante destro del mouse sulle linee tra i tre componenti mesh e selezionare Elimina per dissociarle l'una dall'altra.
- Fare doppio clic sulla mesh di airFEM, accedere alla finestra di meshing, fare clic con il pulsante destro del mouse su batteryPart e dustPart per selezionare Sopprimi corpo e modificare la preferenza fisica da meccanica a CFD. Generare il modello del dominio aereo FEM tramite il dimensionamento della faccia di 2 mm e il dimensionamento del corpo di 4 mm facendo clic su Aggiorna e tornando alla finestra iniziale.
- Fare doppio clic su batteryFEM Mesh, accedere alla finestra meshing, fare clic con il pulsante destro del mouse su airPart e dustPart per selezionare Sopprimi corpo e modificare la preferenza fisica da Meccanica a CFD. Generare il modello di dominio della batteria FEM tramite il dimensionamento del corpo di 2 mm facendo clic su Aggiorna e tornare alla finestra iniziale.
- Fare doppio clic sulla mesh di dpmFEM, accedere alla finestra di meshing, fare clic con il pulsante destro del mouse su airPart e batteryPart per selezionare Sopprimi corpo e modificare la preferenza fisica da Mechanical a CFD. Generare il modello di dominio dpm FEM tramite il dimensionamento del corpo di 2 mm facendo clic su Aggiorna, quindi tornare alla finestra iniziale.
NOTA: La Figura 3A mostra la griglia del dominio dell'aria, la Figura 3B mostra la griglia del dominio della batteria e la Figura 3C mostra la griglia del dominio dpm. - Impostare la dimensione minima della griglia dell'aria su 4 mm e la dimensione minima della batteria e della griglia del particolato polveroso su 2 mm. Assicurarsi che la griglia sia indipendente dalla soluzione, modificare la dimensione minima della cella della griglia ed eseguire uno studio di sensibilità della griglia.
NOTA: Come mostrato nella Figura 4, con l'aumento del numero di griglie da 519343 a 1053849, le variazioni massime di temperatura della batteria sono inferiori a 0,6 K. Considerando la capacità di calcolo e l'accuratezza, la seguente analisi si basa sul modello di griglia con griglie 931189.
3. Analisi di simulazione
- Trascinare Fluid Flow da Toolbox > Analysis Systems > Fluid Flow nell'area dello schema del progetto. Tieni premuto airFEM > Mesh, quindi batteryFEM > Mesh e dpmFEM > Mesh con il pulsante sinistro del mouse e trascinali su Fluid Flow > Setup. Fare clic con il pulsante destro del mouse su Flusso fluido > Impostazione e selezionare Aggiorna per accedere alla finestra impostata.
- Verificare la validità del modello FEM e verificare se la mesh ha un volume negativo. Il software suggerisce automaticamente il volume del modello e un valore ragionevole del modello è positivo. In caso di problemi con le impostazioni della griglia divisa o del modello, verrà visualizzato un messaggio di errore.
- Attivare l'equazione dell'energia nei modelli di trasferimento del calore. Accedere all'interfaccia di impostazione del modello viscoso e del modello di radiazione e selezionare il modello K-epsilon e il modello di ordinate discrete.
NOTA: Come mostrato nella Figura 5, confrontando quattro modelli viscosi, i risultati di calcolo del modello Spalart-Allmaras sono molto diversi da quelli di altri modelli. I risultati del modello K-epsilon standard sono simili a quelli di altri modelli K-epsilon. Il modello K-epsilon standard con maggiore stabilità ed economia è ampiamente utilizzato; l'analisi che segue si basa sul modello K-epsilon standard. - Impostare i nuovi materiali con attributi diversi per il materiale dell'aria, il materiale della batteria, il materiale dpm e il materiale della scatola della batteria in base alla Tabella 1.
NOTA: All'interno del pacco batteria sono presenti tre diversi materiali fisici: l'aria come fluido e il resto come solido. Quindi, imposta il materiale.- Modificare il tipo di fluido dei domini di batteria numerati in Tipo solido e modificare il materiale dpm in Materiale batteria nella finestra Solido facendo doppio clic su ciascun dominio batteria. Successivamente, scegliere la voce Termini di origine e fare clic sui termini di origine evidenziati per aggiungere una fonte di energia assegnando il numero nel numero di fonti di energia e selezionando Tipo costante per inserire il valore di 209993 w/m3.
- Modificare il tipo di fluido dei domini dpm numerati in Tipo solido .
- Successivamente, impostare l'interfaccia per il calcolo della simulazione di diversi domini in base alla portata e al coefficiente di scambio termico dell'impostazione effettiva, come descritto di seguito.
- Convertire il tipo di tutte le superfici rinominate, incluse le superfici interne del dominio air e tutti i lati dei domini della batteria, nonché i domini dpm dalla parete di default all'interfaccia. Una volta completati correttamente i passaggi precedenti, le interfacce mesh verranno generate immediatamente.
- Fare clic su Interfacce mesh e accedere alla finestra Crea/Modifica interfacce mesh . Far combaciare le superfici della cavità su tutti i lati tranne i lati superiori dei domini della batteria e i lati inferiori del dpm domian. Successivamente, assegna loro un nome e un numero rispettivamente da interface1 a interface11. Quindi, le 11 interfacce mesh possono essere create tra i domini air e battery domians e dpm.
- Far corrispondere i lati superiori dei domini della batteria e i lati inferiori dei domini dpm. Successivamente, assegna loro un nome e un numero rispettivamente da interface12 a interface22. Quindi, vengono create le 11 interfacce mesh tra i domini della batteria e i domini dpm.
- Assegnare la superficie del bordo esterno come condizione termica al contorno della parete impostando il coefficiente di scambio termico su 5 nella condizione termica mista e modificando il materiale dall'alluminio predefinito al materiale della scatola della batteria precedentemente definito automaticamente.
- Impostare la velocità del flusso d'aria di tutti gli ingressi su 5 m/s nella finestra di ingresso della velocità e la pressione relativa dell'uscita su zero nella finestra di uscita della pressione.
- Successivamente, impostare lo stato del dominio di calcolo al momento iniziale, ad esempio la temperatura iniziale di 300 K, che influirà sul processo di calcolo della convergenza.
- Impostare il tipo di inizializzazione della soluzione come inizializzazione standard prima dell'inizializzazione.
- Impostare il numero di iterazioni su 2000.
- Fare clic su Calcola per simulare. Tornare alla finestra iniziale fino al termine della simulazione.
- La parte precedente completa il calcolo della simulazione della temperatura e della velocità dell'aria all'interno del pacco batteria e quindi visualizza il risultato della simulazione in Risultato. Eseguire i seguenti passaggi nei risultati visualizzati.
- Fare doppio clic su Fluid Flow > Results per accedere alla finestra CFD post, quindi fare clic sull'icona di Contour nella casella degli strumenti.
- Selezionare Tutti i lati delle batterie nel selettore di posizione e modificare la pressione in temperatura. Quindi fare clic su Applica per generare il contorno della temperatura delle batterie.
- Fare clic su File > Esporta per selezionare la temperatura delle variabili selezionate. Fare clic sul pulsante a discesa delle posizioni per visualizzare la finestra di selezione delle posizioni in cui devono essere selezionati tutti i domini della batteria. Fare clic su OK e sul pulsante Salva per uscire.
NOTA: Un foglio di calcolo i cui dati corrispondono alle temperature dei nodi mesh di tutte le batterie verrà salvato automaticamente quando si fa clic sul pulsante di salvataggio. - Apri il foglio di calcolo per trovare il valore massimo, che indica la temperatura massima delle batterie in un ambiente polveroso a 5 m/s da tutte le prese d'aria.
- Acquisire la temperatura massima delle batterie allo stato di polvere libera come temperatura prevista e confrontarla con la temperatura massima allo stato di polvere; Il risultato mostra l'intera temperatura in aumento.
NOTA: Per acquisire la temperatura massima delle batterie in un ambiente privo di polvere, è necessario ripristinare il nuovo modello di pacco batteria mostrato nella Figura 6 e ripetere tutti i passaggi 1.1-3.4.3. - Per abbassare la temperatura massima all'interno del pacco batteria, impostare le velocità del flusso d'aria agli ingressi da 5 m/s a 6 m/s, aumentare del 5% e calcolare le corrispondenti temperature massime delle batterie coperte di polvere.
NOTA: L'analisi della sensibilità dei parametri di velocità del flusso d'aria deve essere eseguita con largo anticipo prima di modificare i valori dei parametri. Come mostrato nella Figura 7 e nella Tabella 2, abbiamo mantenuto lo stesso flusso totale per ciascuno dei sette gruppi di diverse combinazioni di velocità del flusso d'aria in ingresso. C'è ancora un'evidente variazione della temperatura massima a causa della differenza nell'allocazione della velocità del flusso d'aria. In altre parole, c'è in qualche modo una forte correlazione tra la combinazione di velocità del flusso d'aria e la temperatura massima. Pertanto, tali parametri di velocità possono essere utilizzati come variabili di progetto. - Tracciare la curva temperatura-velocità come mostrato nella Figura 8, dove la linea rossa indica che la curva caratteristica della temperatura diminuisce con l'aumento della velocità del flusso d'aria e la linea blu rappresenta la temperatura prevista.
- Mantenere un aumento della velocità del flusso d'aria del 10%. Quando l'incremento di velocità è superiore al 10%, la temperatura massima è già inferiore alla temperatura prevista, ma questo non soddisfa lo scopo di un basso consumo energetico. Per la portata d'aria rimanente, ridurre la temperatura massima del pacco batterie alla temperatura prevista attraverso l'ottimizzazione, raggiungendo così l'obiettivo di un basso consumo energetico.
4. Campionamento ottimale dell'ipercubo latino e modellazione della superficie di risposta
NOTA: Per le portate trattenute di 5 m/s-5,5 m/s, i campioni vengono selezionati per costruire diverse combinazioni di portate all'interno di questo intervallo di portata. Le combinazioni di velocità vengono simulate per ottenere la temperatura massima. Costruisci la funzione della velocità e della temperatura massima.
- Apri un nuovo foglio di calcolo vuoto per creare una tabella le cui righe nella prima colonna sono denominate inlet1, inlet2 e inlet3 e salva il file come sampling.xlsx.
- Esegui il software di ottimizzazione e trascina l'icona del foglio di calcolo sulla freccia singola dell'attività 1. Quindi, fai doppio clic sull'icona Foglio di calcolo per visualizzare la finestra Editor componenti-Excel.
- Importare il sampling.xlsx facendo clic sul pulsante Sfoglia e mappare inlet1, inlet2 e inlet3 su A1, A2 e A3 come parametri facendo clic sul pulsante Aggiungi questo mapping. Fare clic sul pulsante OK per tornare alla finestra iniziale.
- Trascinare l'icona DOE in Task1 e fare doppio clic su di essa per visualizzare la finestra Component Editor-DOE. Selezionare l'ipercubo latino OptimOKal e impostare il numero di punti su 15 nella finestra Generale.
- Passare alla finestra Fattori e impostare 5.5 come limite superiore e 5 come limite inferiore per A1, A2 e A3.
- Passare alla finestra Matrice di disegno e fare clic su Genera per generare i punti di campionamento casuali corrispondenti alle diverse velocità di ingresso. Arrestare il software di ottimizzazione.
- Riprendere gli array di combinazioni di velocità dei punti di campionamento casuali per calcolare e ripetere i passaggi 3.5.5-3.7.5 per ottenere l'array di temperature corrispondente composto dalle temperature massime delle batterie.
- Combinare le variabili predittive x1, x2 e x3 delle matrici di combinazioni di velocità e y delle matrici di temperatura per formare una nuova tabella di variabili, come mostrato nella Tabella 3, e salvarla come file sample.txt. Importare il file per adattarlo a un modello di superficie di risposta.
- Eseguire nuovamente il software di ottimizzazione e trascinare l'icona Approssimazione sulla freccia singola di Task1. Fare doppio clic sull'icona Task1 per visualizzare la finestra di approssimazione dell'editor dei componenti per selezionare il modello di superficie di risposta.
- Passare alla finestra File di dati e importare il file sample.txt contenente le variabili di previsione.
- Passare alla finestra Parametri e fare clic su Scansione per aprire i parametri nella finestra del file di dati in cui le variabili predittive di x1, x2 e x3 sono definite come input e y come output.
- Passare alla finestra Opzioni tecnica e selezionare il quadratico in ordine polinomiale. Passare alla finestra Opzioni di analisi degli errori e selezionare la convalida incrociata nel metodo di analisi degli errori.
- Passare alla finestra Visualizza dati e fare clic su Inizializza ora per ottenere i coefficienti dell'equazione di regressione lineare quadratica.
- Fare clic sul pulsante Analisi errori per visualizzare la finestra di analisi degli errori di approssimazione per verificare se gli errori possono soddisfare gli standard accettabili per ciascun tipo di errore. Chiudere la finestra del componente di approssimazione. Se l'errore arbitrario non è in grado di soddisfare gli standard accettabili corrispondenti, aggiungere altri punti di campionamento per partecipare all'adattamento del modello.
5. Modello di adattamento approssimato basato su algoritmo di ricottura simulato adattivo
NOTA: Successivamente, vengono utilizzati software e algoritmo per trovare il valore ottimale del modello approssimato
- Trascinare l'icona Ottimizzazione in Task1 e fare doppio clic su di essa per visualizzare la finestra di ottimizzazione dell'editor dei componenti. Selezionare l'ASA (Adaptive Simulated Annealing) nella tecnica di ottimizzazione.
- Passare alla finestra Variabili per impostare 5,5 come limite superiore e 5 come limite inferiore.
- Passare alla finestra Obiettivi e selezionare il parametro Y prima di chiudere la finestra di ottimizzazione dell'editor dei componenti.
- Fare clic sul pulsante Esegui ottimizzazione e attendere il risultato dell'ottimizzazione.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Seguendo il protocollo, le prime tre parti sono le più importanti, che includono la modellazione, il meshing e la simulazione, il tutto al fine di ottenere la temperatura massima del pacco batteria. Quindi, la velocità del flusso d'aria viene regolata mediante campionamento e, infine, la combinazione di portata ottimale viene ottenuta mediante ottimizzazione.
La Figura 9 mostra il confronto della distribuzione della temperatura del pacco batteria in ambienti diversi, mentre la Figura 10 mostra il confronto della distribuzione della temperatura della seconda batteria in ambienti diversi. Come mostrato nella Figura 9 e nella Figura 10, la temperatura della batteria allo stato polveroso è aumentata a un certo livello a causa della bassa conduttività termica del DPM (particolato polveroso).
Per regolare la distribuzione della temperatura della batteria, impostare le velocità del flusso d'aria agli ingressi da 5 m/s a 6 m/s, aumentare del 5% sotto il modello polveroso e ottenere le temperature massime a ciascuna velocità del flusso d'aria. Quando la velocità del flusso d'aria è stata aumentata del 15% e del 20%, la temperatura massima del pacco batteria allo stato di polvere è scesa al di sotto della temperatura massima del pacco batteria allo stato di polvere libera, come mostrato nella Figura 8. Considerando il consumo energetico, la velocità massima di ingresso è impostata a 5,5 m/s (aumentata del 10%) per diminuire la temperatura massima del pacco batteria allo stato polveroso.
Quando si stabilisce il QRSM quadratico, il numero minimo di campioni viene calcolato da (N + 1) x (N + 2)/2, dove N è il numero di variabili di prova. In questo articolo sono presenti tre variabili di progettazione, ovvero le velocità di ingresso e il numero minimo di campioni è 10. Al fine di stabilire un modello di superficie di risposta con un'elevata precisione di adattamento, sono stati selezionati 15 campioni utilizzando il componente DOE della piattaforma software di ottimizzazione. Il metodo dei minimi quadrati viene utilizzato per completare l'adattamento della superficie di risposta tra la temperatura massima del pacco batterie ottenuta dal software di simulazione e tre velocità di ingresso. Il modello approssimato della superficie di risposta è stabilito come segue:
R2 misura l'adattamento complessivo dell'equazione di regressione ed esprime la relazione complessiva tra la variabile dipendente e tutte le variabili indipendenti. R2 è uguale al rapporto tra la somma dei quadrati di regressione e la somma totale dei quadrati, cioè la percentuale della variabilità della variabile dipendente che l'equazione di regressione può spiegare. Più il valore di R2 è vicino a 1, migliore è l'adattamento della curva di regressione al valore osservato.
L'analisi degli errori dei risultati del calcolo mostra che R2 è 0,93127, come mostrato nella Figura 11, che mostra che il modello di approssimazione della superficie di risposta polinomiale del secondo ordine ha una buona precisione di adattamento.
Alla fine, la ricottura simulata adattiva (ASA) viene utilizzata come metodo di ottimizzazione per trovare combinazioni ottimali di velocità del flusso in ingresso. Il numero massimo di disegni generati è 10.000, il numero di progetti per il controllo della convergenza è 5 e l'epsilon di convergenza è 1,0 x 10-8. La velocità relativa di ricottura dei parametri, ricottura dei costi, tempra dei parametri e tempra dei costi era lo stesso valore di 1.
La temperatura massima del pacco batterie ottenuta mediante ottimizzazione è stata di 309,391420 K. Le velocità del flusso d'aria degli ingressi sono 5,5 m/s, 5 m/s e 5,5 m/s. Per confermare l'accuratezza, il caso ottimale è stato analizzato dal software di simulazione. La Tabella 4 mostra il confronto tra i risultati dell'ottimizzazione e della verifica della simulazione. Si può vedere che l'errore della temperatura massima del pacco batteria è entro lo 0,001% in tre condizioni di velocità del flusso d'aria in ingresso, il che indica che il metodo di ottimizzazione adottato in questo lavoro è efficace e fattibile.
Il confronto della distribuzione della seconda temperatura della batteria sotto le diverse velocità del flusso d'aria in ingresso è mostrato nella Figura 12 e il confronto della distribuzione della temperatura del pacco batteria prima e dopo l'ottimizzazione è mostrato nella Figura 13. La tabella 5 mostra i valori specifici delle temperature massime e le combinazioni delle velocità del flusso d'aria. Quando le velocità del flusso d'aria degli ingressi 1-3 sono rispettivamente di 5.5 m/s, 5.5 m/s e 5.5 m/s, la temperatura massima del pacco batteria è 309.426208 K. Dopo l'ottimizzazione, la velocità del flusso d'aria degli ingressi 1-3 è di 5,5 m/s, 5 m/s e 5,5 m/s e la temperatura massima del pacco batteria è di 309,392853 K. Va notato che la somma delle velocità del flusso d'aria del case ottimizzato mostrato nella Figura 12B è inferiore alla somma delle velocità del flusso d'aria del case mostrato nella Figura 12A. Tuttavia, la temperatura massima non aumenta con la diminuzione della velocità del flusso d'aria. Inoltre, il pacco batteria ottimizzato viene confrontato con il pacco batteria iniziale (ovvero, le velocità del flusso d'aria dei tre ingressi sono tutte di 5 m/s e le batterie sono coperte da DPM). La Figura 14 confronta la distribuzione della linea di flusso prima e dopo l'ottimizzazione e si può notare che la distribuzione della linea di flusso dopo l'ottimizzazione è più ampia. La Figura 15 confronta gli effetti di ciascun fattore sulla temperatura; Il fattore X1 ha la maggiore influenza sulla temperatura. I fattori x1 e x3 hanno effetti simili sulla temperatura. In una parola, la velocità totale del flusso d'aria diminuisce del 3% e la temperatura massima del pacco batteria viene ridotta alla temperatura prevista (ovvero la temperatura massima del pacco batteria in uno stato privo di polvere).
Il metodo di ottimizzazione può essere ampiamente utilizzato per migliorare il ciclo di vita del pacco batteria con un basso consumo energetico.
Figura 1: La tabella di marcia tecnica. Questa figura descrive il processo dettagliato di simulazione e ottimizzazione in base al contenuto della ricerca, inclusi gli oggetti di ricerca, i metodi, le soluzioni, la modellazione, la simulazione e il software di ottimizzazione. Fare clic qui per visualizzare una versione più grande di questa figura.
Figura 2: Un modello 3D di un pacco batteria agli ioni di litio in un ambiente polveroso. Il modello 3D del pacchetto LIB, che può essere salvato come file X_T e importato nel software di simulazione per simulare, viene disegnato dal software di modellazione. Fare clic qui per visualizzare una versione più grande di questa figura.
Figura 3: Diagramma a griglia. (A) Questa figura mostra la griglia del dominio dell'aria. (B) Questa figura mostra la griglia del dominio della batteria. (C) Questa figura mostra la griglia del dominio dpm. Fare clic qui per visualizzare una versione più grande di questa figura.
Figura 4: Test di indipendenza dalla rete. L'asse X è il diverso numero totale di griglie nel modello di mesh e l'asse Y è la temperatura. Fare clic qui per visualizzare una versione più grande di questa figura.
Figura 5: Test del modello viscoso. L'asse X è il tipo di modello viscoso, il numero 1 rappresenta il modello k-epsilon standard, il numero 2 rappresenta il modello k-epsilon RNG, il numero 3 rappresenta il modello k-epsilon realizzabile, il numero 4 rappresenta il modello Spalart-Allmaras, l'asse Y è la temperatura. Fare clic qui per visualizzare una versione più grande di questa figura.
Figura 6: Modello 3D di un pacco batteria agli ioni di litio in un ambiente privo di polvere. Il modello 3D del pacchetto LIB, che può essere salvato come file X_T e importato nel software di simulazione per simulare, viene disegnato dal software di modellazione. Fare clic qui per visualizzare una versione più grande di questa figura.
Figura 7: Analisi di sensibilità dei parametri. Il numero sull'asse x rappresenta l'ennesima combinazione di velocità del flusso d'aria in ingresso. Ad esempio, il numero 5 rappresenta la combinazione di velocità (3,5,7) corrispondente a 3 m/s all'ingresso1, 5 m/s all'ingresso2, 7 m/s all'ingresso3. Allo stesso modo, il numero 1,2,3,4,6 rappresenta la diversa combinazione di velocità del flusso d'aria in ingresso di (5,5,5), (4,5,6), (5,6,4), (5,4,6), (3,5,7), (5,3,7), (5,7,3), rispettivamente. L'asse Y è la temperatura. Fare clic qui per visualizzare una versione più grande di questa figura.
Figura 8: Variazione della temperatura del pacco batteria a diverse velocità del flusso d'aria in ingresso. La figura mostra la temperatura massima del pacco batteria che diminuisce con l'aumentare della velocità del flusso d'aria in ingresso. L'asse x è il tasso di aumento della velocità del flusso d'aria agli ingressi. L'asse Y è la temperatura. Fare clic qui per visualizzare una versione più grande di questa figura.
Figura 9: Confronto della distribuzione della temperatura del pacco batteria in ambienti diversi. (A) Questa figura mostra la distribuzione della temperatura del pacco batteria in un ambiente privo di polvere. (B) Questa figura mostra la distribuzione della temperatura del pacco batteria in un ambiente polveroso, da cui la temperatura è più alta nella batteria numero 2. Fare clic qui per visualizzare una versione più grande di questa figura.
Figura 10: Confronto della distribuzione della temperatura della batteria numero 2 in ambienti diversi. (A) Questa figura mostra la distribuzione della temperatura della batteria numero 2 in un ambiente privo di polvere. (B) Questa figura mostra la distribuzione della temperatura della batteria numero 2 in un ambiente polveroso. Fare clic qui per visualizzare una versione più grande di questa figura.
Figura 11: Analisi degli errori del modello di superficie di risposta di approssimazione. La figura indica che il modello di approssimazione della superficie di risposta polinomiale quadratica ha una buona precisione di adattamento. Fare clic qui per visualizzare una versione più grande di questa figura.
Figura 12: Confronto della distribuzione della temperatura della batteria numero 2 a diverse velocità del flusso d'aria in ingresso. (A) Questa figura mostra la distribuzione della temperatura della batteria numero 2 semplicemente aumentando la velocità del flusso d'aria in ingresso stessa. (B) Questa figura mostra la distribuzione della temperatura della batteria numero 2 dopo l'ottimizzazione della velocità del flusso d'aria in ingresso. Fare clic qui per visualizzare una versione più grande di questa figura.
Figura 13: Confronto della distribuzione della temperatura del pacco batteria prima e dopo l'ottimizzazione. (A) Questa figura mostra la distribuzione della temperatura del pacco batteria in un ambiente polveroso senza ottimizzazione. (B) Questa figura mostra la distribuzione della temperatura del pacco batteria in un ambiente polveroso dopo l'ottimizzazione. Fare clic qui per visualizzare una versione più grande di questa figura.
Figura 14: Confronto tra la distribuzione semplificata del pacco batteria prima e dopo l'ottimizzazione. (A) Questa figura mostra la distribuzione semplificata del pacco batteria in un ambiente polveroso senza ottimizzazione. (B) Questa figura mostra la distribuzione semplificata del pacco batteria in un ambiente polveroso dopo l'ottimizzazione. Fare clic qui per visualizzare una versione più grande di questa figura.
Figura 15: Influenza di tre fattori sulla temperatura. (A) Questa figura mostra gli effetti di x1 e x2 sulla temperatura. (B) Questa figura mostra gli effetti di x1 e x3 sulla temperatura. Fare clic qui per visualizzare una versione più grande di questa figura.
| Nome del mezzo | ρ/kg·m-3 | C/J· (chilogrammo· K)-1 | K/W (m·K)-1 |
| aria Materiale | 1.225 | 1006.43 | 0.0242 |
| materiale della batteria | 1958.7 | 733 | kx = 3.6, ky = kz = 10.8 |
| Materiale dpm | 2870 | 910 | 1.75 |
| batterybox Materiale | 7930 | 500 | 16.3 |
Tabella 1: Proprietà del materiale. Le proprietà del materiale corrispondenti all'aria, alla batteria, al particolato polveroso e alla scatola della batteria verranno utilizzate nelle impostazioni dei parametri del software di simulazione.
| Numero | Ingresso1 (m/s) | Ingresso2 (m/s) | Ingresso3 (m/s) | Temperatura massima del pacco batteria (K) |
| 1 | 5 | 5 | 5 | 309.72049 |
| 2 | 4 | 5 | 6 | 309.26413 |
| 3 | 5 | 6 | 4 | 309.703369 |
| 4 | 5 | 4 | 6 | 309.389038 |
| 5 | 3 | 5 | 7 | 311.54599 |
| 6 | 5 | 3 | 7 | 308.858704 |
| 7 | 5 | 7 | 3 | 309.801086 |
Tabella 2: Analisi di sensitività dei parametri. La tabella mostra le sette combinazioni di velocità del flusso d'aria in ingresso e la corrispondente temperatura massima del pacco batteria. Ad esempio, il numero 5 rappresenta la combinazione di velocità (3,5,7) corrispondente a 3 m/s all'ingresso1, 5 m/s all'ingresso2, 7 m/s all'ingresso3 e la corrispondente temperatura massima del pacco batteria di 311,54599 K.
| Numero | Ingresso1 (m/s) | Ingresso2 (m/s) | Ingresso3 (m/s) | Temperatura massima del pacco batteria (K) |
| 1 | 5.071 | 5.429 | 5.179 | 309.58725 |
| 2 | 5.286 | 5.071 | 5.036 | 309.59982 |
| 3 | 5.393 | 5.143 | 5.429 | 309.48029 |
| 4 | 5.464 | 5.25 | 5.071 | 309.52237 |
| 5 | 5.179 | 5.036 | 5.25 | 309.59082 |
| 6 | 5.143 | 5.107 | 5.5 | 309.50894 |
| 7 | 5.5 | 5.357 | 5.321 | 309.46039 |
| 8 | 5.107 | 5.393 | 5.464 | 309.52564 |
| 9 | 5.036 | 5.179 | 5.107 | 309.64923 |
| 10 | 5.214 | 5.321 | 5 | 309.59052 |
| 11 | 5.321 | 5.5 | 5.393 | 309.48645 |
| 12 | 5.357 | 5.464 | 5.143 | 309.5264 |
| 13 | 5.429 | 5 | 5.214 | 309.50253 |
| 14 | 5 | 5.214 | 5.357 | 309.58344 |
| 15 | 5.25 | 5.286 | 5.286 | 309.54627 |
Tabella 3: Matrici di velocità e temperatura utilizzate per il modello di superficie di risposta quadratica. Le diverse combinazioni di velocità del flusso d'aria agli ingressi possono essere generate in modo casuale dall'OLHA e le temperature massime corrispondenti vengono calcolate dal software di simulazione.
| Nome | Ingresso1 (m/s) | Ingresso2 (m/s) | Ingresso3 (m/s) | Temperatura massima del pacco batteria (K) |
| Risultato dell'ottimizzazione | 5.5 | 5 | 5.5 | 309.39142 |
| Risultato della verifica della simulazione | 5.5 | 5 | 5.5 | 309.392853 |
Tabella 4: Confronto tra i risultati dell'ottimizzazione e della verifica della simulazione. L'adeguata combinazione di velocità del flusso d'aria agli ingressi e la temperatura corrispondente possono essere ottenute ottimizzando, il che si dimostra accurato anche dalla verifica della simulazione.
| Nome | Ingresso1 (m/s) | Ingresso2 (m/s) | Ingresso3 (m/s) | Temperatura massima del pacco batteria (K) |
| Un | 5 | 5 | 5 | 309.412537 |
| B | 5 | 5 | 5 | 309.72049 |
| C | 5.5 | 5.5 | 5.5 | 309.426208 |
| D | 5.5 | 5 | 5.5 | 309.392853 |
Tabella 5: Confronto tra la velocità del flusso d'aria in ingresso e la temperatura massima del pacco batteria in diverse condizioni. (A) Il pacco batteria in ingresso normale, velocità del flusso d'aria e ambiente privo di polvere. (B) Il pacco batteria in presenza della normale velocità del flusso d'aria in ingresso e in un ambiente polveroso. (C) Il pacco batteria sotto gli ingressi aumenta la velocità del flusso d'aria e l'ambiente polveroso. (D) Il pacco batteria sotto le velocità del flusso d'aria ottimizzate e l'ambiente polveroso.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Il BTMS utilizzato in questo studio è stato stabilito sulla base del sistema di raffreddamento ad aria grazie al suo basso costo e alla semplicità della struttura. A causa della bassa capacità di trasferimento del calore, le prestazioni del sistema di raffreddamento ad aria sono inferiori a quelle del sistema di raffreddamento a liquido e del sistema di raffreddamento del materiale a cambiamento di fase. Tuttavia, il sistema di raffreddamento a liquido presenta lo svantaggio di perdite di refrigerante e il sistema di raffreddamento del materiale a cambiamento di fase ha un'elevata massa e una bassa densità di energia29. Questi sistemi di raffreddamento hanno i loro vantaggi e svantaggi. Pertanto, il BTMS può essere stabilito combinando un sistema di raffreddamento ad aria con un sistema di raffreddamento a liquido o un sistema di raffreddamento del materiale a cambiamento di fase per promuovere le prestazioni di raffreddamento.
È stato implementato un solutore CFD per simulare il profilo di flusso e temperatura del modello. Le equazioni che governano30, come la continuità (2) e l'equazione di conservazione dell'energia (3), sono state impiegate per risolvere il problema termico dipendente dal tempo del flusso d'aria.
Dove p, k e c sono le proprietà dell'aria impiegata, che sono rispettivamente densità, conducibilità termica e calore specifico; T e 
sono la pressione statica, la temperatura e la velocità dell'aria di raffreddamento.
Equazioni della quantità di moto31
Dove ui e uj sono componenti di velocità mediate da Reynolds; xi e xj sono coordinate cartesiane; P è la pressione media di Reynolds; μ è la viscosità dinamica; μt è la viscosità dinamica turbolenta. k è l'energia cinetica turbolenta; ε è la velocità di dissipazione dell'energia cinetica turbolenta.
Il numero di Reynolds basato sulla velocità del flusso in ingresso (v=5 m/s) e sul diametro equivalente è stato stimato in 0,0242308; il numero di Reynolds è calcolato come 9894, quindi è stato selezionato un modello di turbolenza del modello k-e standard.
Equazione dei numeri di Reynolds32
Dove Pl è la densità, Vmax è la velocità massima del flusso del liquido, D è il diametro equivalente del contenitore e ul è la viscosità dinamica del liquido.
Equazione dell'energia cinetica turbolenta33
Dove kt e ε sono rispettivamente l'energia cinetica turbolenta e la velocità di dissipazione della turbolenza; uj è la componente j-esima del vettore velocità e μ e ut sono rispettivamente la viscosità dinamica molecolare e turbolenta; il Gkt e il Gb sono rispettivamente la generazione di energia cinetica turbolenta causata dalla velocità media e la generazione di energia cinetica turbolenta come risultato di effetti di galleggiamento; Y,M rappresenta l'influenza della dilatazione fluttuante, incomprimibile, turbolenta rispetto alla somma delle velocità di dissipazione; Skt è il termine sorgente di kt; αkt è il numero di Prandtl efficace inverso per kt.
Equazione di dissipazione dell'energia cinetica turbolenta33
Dove Sε è il termine sorgente di ε; αt è il numero di Prandtl inverso effettivo per ε; C1ε , C2ε e C3ε sono costanti empiriche.
Per le celle della batteria, l'equazione di conservazione dell'energia34
Dove Q, kb, cb; e Pb rappresentano rispettivamente il calore generato, la conduttività termica, la capacità termica specifica e la densità della batteria.
Formula di convezione del calore35
Dove hf rappresenta il coefficiente di scambio termico per convezione; Ts rappresenta la temperatura superficiale dei LIB; TB rappresenta la temperatura dell'aria ambiente; e q* rappresenta la velocità di trasferimento del calore per convezione.
L'ingresso del BTMS è stato impostato su una condizione al contorno di velocità-ingresso di 5 m/s e temperatura di 300 K, mentre l'uscita del sistema è stata condizionata sull'uscita in pressione con la pressione circostante impostata sulla pressione atmosferica. Le pareti intorno al sistema sono impostate per la convezione naturale.
Questo documento ha iniziato la ricerca a condizione che la struttura del modello del pacco batteria fosse determinata, la polvere che copre la superficie della batteria causerà l'aumento della temperatura della batteria. Quindi presentiamo l'ASAM per ottimizzare un QRSM approssimativo e soddisfare le cadute di temperatura attraverso la combinazione ottimale di velocità del flusso d'aria degli ingressi del sistema per risolvere il problema dell'effetto DPM. Va detto che anche le posizioni dell'ingresso e dell'uscita dell'aria del pacco batteria hanno una grande influenza sulla temperatura del BTMS14.
Ci sono alcuni passaggi critici nel protocollo. Quando si crea il modello 3D del pacco batteria, assegnare a ciascun corpo e superficie del modello un nome riconoscibile per la successiva aggiunta di materiale materiale, la creazione dell'interfaccia mesh e l'impostazione delle condizioni al contorno. Quando si utilizza il software di simulazione, è necessario impostare con precisione ogni parametro, in particolare l'unità del parametro.
In termini di modello di adattamento, l'analisi dell'errore è significativa nella modellazione della superficie di risposta, se l'errore arbitrario non è in grado di soddisfare gli standard accettabili corrispondenti, è necessario aggiungere più punti di campionamento per partecipare all'adattamento del modello fino a quando l'errore non raggiunge gli standard accettabili. Dopo che il software di simulazione ha importato il modello di griglia, risolvere i problemi relativi al modello di mesh, fare clic su Verifica per verificare se la mesh ha un volume negativo. In caso di problemi con le impostazioni della griglia divisa o del modello, verrà visualizzato un messaggio di errore.
Il limite principale di questo studio è che il modello geometrico utilizzato nella simulazione è derivato semplificando il modello realistico del pacco batteria, è quasi impossibile riflettere completamente la realtà. Quindi, è improbabile che le condizioni al contorno imposte siano coerenti con la situazione reale. Anche i risultati dei calcoli sono diversi a seconda delle diverse teorie di calcolo. Per facilitare la simulazione, abbiamo semplificato il modello di generazione di calore della batteria, il tasso medio di generazione di calore della batteria è di 20.993 kW/m3 come fonte di calore interna36,37.
L'importanza per quanto riguarda i metodi esistenti e le eventuali applicazioni future della tecnica:
Questo protocollo aiuterà a stabilire un metodo di ottimizzazione considerando contemporaneamente il consumo energetico e le prestazioni termiche del sistema di gestione della batteria e può essere ampiamente utilizzato per migliorare il ciclo di vita del pacco batteria con costi operativi minimi. Questa tecnica può essere utilizzata anche nella progettazione meccanica, nella progettazione architettonica e in altri campi.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Gli autori non hanno nulla da rivelare.
Acknowledgments
Alcuni software di analisi e ottimizzazione sono supportati dalla Tsinghua University, dalla Konkuk University, dalla Chonnam National University, dalla Mokpo University e dalla Chiba University.
Materials
| Name | Company | Catalog Number | Comments |
| Ansys-Workbench | ANSYS | N/A | Multi-purpose finite element method computer design program software.https://www.ansys.com |
| Isight | Engineous Sogtware | N/A | Comprehensive computer-aided engineering software.https://www.3ds.com |
| NVIDIA GPU | NVIDIA | N/A | An NVIDIA GPU is needed as some of the software frameworks below will not work otherwise. https://www.nvidia.com |
| Software | |||
| SOLIDWORKS | Dassault Systemes | N/A | SolidWorks provides different design solutions, reduces errors in the design process, and improves product quality www.solidworks.com |
References
- 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).
- 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).
- 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).
- 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).
- 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).
- Skerlos, S. J., Winebrake, J. J. Targeting plug-in hybrid electric vehicle policies to increase social benefits. Energy Policy. 38 (2), 705-708 (2010).
- Avadikyan, A., Llerena, P. A real options reasoning approach to hybrid vehicle investments. Technological Forecasting and Social Change. 77 (4), 649-661 (2010).
- 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).
- 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).
- 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).
- 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).
- Wang, Q., et al. Thermal runaway caused fire and explosion of lithium-ion battery. Journal of power sources. 208, 210-224 (2012).
- Rao, Z., Wang, S. A review of power battery thermal energy management. Renewable and Sustainable Energy Reviews. 15 (9), 4554-4571 (2011).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Liu, Y., Zhang, J. Self-adapting J-type air-based battery thermal management system via model predictive control. Applied Energy. 263, 114640 (2020).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Oliveira Jr, H. A., Petraglia, A. Global optimization using dimensional jumping and fuzzy adaptive simulated annealing. Applied Soft Computing. 11 (6), 4175-4182 (2011).
- Ingber, L.
- 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).
- 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).
- 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).
- 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).
- 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).
- Chen, K., et al. Design of parallel air-cooled battery thermal management system through numerical study. Energies. 10 (10), 1677 (2017).
- 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).
- 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).
- 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).
