Summary
Aqui, apresentamos o método de recozimento simulado adaptativo (ASAM) para otimizar um modelo de superfície de resposta quadrática aproximada (QRSM) correspondente a um sistema de gerenciamento de calor de bateria coberto de material particulado empoeirado e preencher as quedas de temperatura ajustando a combinação de velocidades de fluxo de ar das entradas do sistema.
Abstract
Este estudo visa resolver o problema do aumento da temperatura celular e declínio de desempenho causado por material particulado empoeirado que cobre a superfície da célula através da alocação de velocidades de fluxo de ar nas entradas da caixa de resfriamento da bateria sob o objetivo de baixo consumo de energia. Tomamos a temperatura máxima da bateria em uma velocidade de fluxo de ar especificada e ambiente livre de poeira como a temperatura esperada em um ambiente empoeirado. A temperatura máxima da bateria em um ambiente empoeirado é resolvida em diferentes velocidades de fluxo de ar de entrada, que são as condições de contorno do modelo de análise construído no software de simulação. As matrizes que representam as diferentes combinações de velocidades de entrada do fluxo de ar são geradas aleatoriamente através do algoritmo de hipercubo latino ótimo (OLHA), onde os limites inferior e superior das velocidades correspondentes às temperaturas acima da temperatura desejada são definidos no software de otimização. Estabelecemos um QRSM aproximado entre a combinação de velocidades e a temperatura máxima usando o módulo de ajuste do software de otimização. O QRSM é otimizado com base no ASAM, e o resultado ótimo está em boa concordância com o resultado da análise obtida pelo software de simulação. Após a otimização, o fluxo da entrada média é alterado de 5,5 m/s para 5 m/s, e a velocidade total do fluxo de ar é reduzida em 3%. O protocolo aqui apresentado apresenta um método de otimização considerando simultaneamente o consumo de energia e o desempenho térmico do sistema de gerenciamento de baterias que foi estabelecido, e pode ser amplamente utilizado para melhorar o ciclo de vida da bateria com o mínimo custo operacional.
Introduction
Com o rápido desenvolvimento da indústria automobilística, os veículos a combustível tradicionais consomem muitos recursos não renováveis, resultando em grave poluição ambiental e escassez de energia. Uma das soluções mais promissoras é o desenvolvimento de veículos elétricos (VEs)1,2.
As baterias de energia usadas para veículos elétricos podem armazenar energia eletroquímica, que é a chave para substituir os veículos a combustível tradicionais. As baterias de potência usadas em veículos elétricos incluem bateria de íons de lítio (LIB), bateria de níquel-hidreto metálico (NiMH) e capacitor elétrico de camada dupla (EDLC)3. Comparadas às outras baterias, as baterias de íons de lítio são atualmente amplamente utilizadas como unidades de armazenamento de energia em veículos elétricos devido às suas vantagens, como alta densidade energética, alta eficiência e longo ciclo de vida 4,5,6,7.
No entanto, devido ao calor de reação química e ao calor Joule, é fácil acumular uma grande quantidade de calor e aumentar a temperatura da bateria durante o carregamento rápido e a descarga de alta intensidade. A temperatura ideal de operação da LIB é de 20-40 °C 8,9. A diferença de temperatura máxima entre as baterias de uma corda de bateria não deve exceder 5 °C10,11. Caso contrário, pode levar a uma série de riscos, como desequilíbrio de temperatura entre as baterias, envelhecimento acelerado, até superaquecimento, incêndio, explosão, e assim por diante12. Portanto, a questão crítica a ser resolvida é projetar e otimizar um sistema eficiente de gerenciamento térmico da bateria (BTMS) que possa controlar a diferença de temperatura e temperatura da bateria dentro de um estreito.
Os BTMS típicos incluem resfriamento a ar, resfriamento a água e resfriamento de material de mudança de fase13. Dentre esses métodos de resfriamento, o tipo de resfriamento a ar é amplamente utilizado devido ao seu baixo custo e simplicidade da estrutura14. Devido à limitada capacidade térmica específica do ar, altas temperaturas e grandes diferenças de temperatura são fáceis de ocorrer entre células de bateria em sistemas refrigerados a ar. Para melhorar o desempenho de resfriamento do BTMS refrigerado a ar, é necessário projetar um sistema eficiente 15,16,17. Qian et al.18 coletaram a temperatura máxima e a diferença de temperatura da bateria para treinar o modelo de rede neural bayesiana correspondente, que é usado para otimizar os espaçamentos celulares da bateria resfriada a ar da série. Chen et al.19 relataram o uso do método de Newton e do modelo de rede de resistência ao fluxo para otimização das larguras do plenum de divergência de entrada e do plenum de convergência de saída no sistema paralelo refrigerado a ar tipo Z. Os resultados mostraram uma redução de 45% na diferença de temperatura do sistema. Liu et al.20 amostraram cinco grupos de dutos de resfriamento no J-BTMS e obtiveram a melhor combinação de espaçamentos celulares pelo algoritmo de otimização baseado em ensemble surrogate. Baveja et al.21 modelaram um módulo de bateria passivamente balanceado, e o estudo descreveu os efeitos da predição térmica no balanceamento passivo em nível de módulo e vice-versa. Singh et al.22 investigaram um sistema de gerenciamento térmico de baterias (BTMS) que usava material encapsulado de mudança de fase juntamente com resfriamento de ar convectivo forçado projetado usando a modelagem eletroquímico-térmica acoplada. Fan et al.23 propuseram uma placa de resfriamento líquido compreendendo uma configuração de válvula Tesla de vários estágios para fornecer uma faixa de temperatura mais segura para uma bateria de íons de lítio do tipo prismática com alto reconhecimento em aplicações microfluídicas. Feng e col. 24 utilizaram o método do coeficiente de variação para avaliar os esquemas com diferentes vazões de entrada e folgas das baterias. Talele et al.25 introduziram o isolamento térmico de revestimento pirotécnico aprimorado de parede para armazenar o aquecimento potencial gerado com base na colocação ideal de filmes de aquecimento.
Quando se usa BTMS de resfriamento a ar, partículas de poeira metálica, partículas de poeira mineral, partículas de poeira de materiais de construção e outras partículas no ambiente externo serão trazidas para o BTMS de resfriamento a ar pelo soprador, o que pode fazer com que a superfície das baterias seja coberta com DPM. Se não houver um plano de dissipação de calor, pode causar acidentes devido à temperatura excessivamente alta da bateria. Após a simulação, tomamos a temperatura máxima da bateria em uma velocidade de fluxo de ar especificada e ambiente livre de poeira como a temperatura esperada em um ambiente empoeirado. Primeiro, C-rate refere-se ao valor atual necessário quando a bateria libera sua capacidade nominal dentro do tempo especificado, que é igual a um múltiplo da capacidade nominal da bateria no valor de dados. Neste trabalho, a simulação utiliza a taxa de descarga de 2C. A capacidade nominal é de 10 Ah, e a tensão nominal é de 3,2 V. O fosfato de ferro de lítio (LiFePO4) é usado como o material do eletrodo positivo, e o carbono é usado como o material do eletrodo negativo. O eletrólito tem sal de lítio eletrolítico, um solvente orgânico de alta pureza, aditivos necessários e outras matérias-primas. A matriz aleatória representando as diferentes combinações de velocidades nas entradas foi determinada através do OLHA, e uma função de 2ª ordem entre a temperatura máxima da bateria e a combinação de velocidades de fluxo de entrada foi configurada sob a condição de verificar a precisão do ajuste da curva. Desenhos de hipercubos latinos (LH) têm sido aplicados em muitos experimentos computacionais desde que foram propostos por McKay et al.26. Um LH é dado por uma matriz N x p L, onde cada coluna de L consiste de uma permutação dos inteiros 1 a N. Neste artigo, o método ótimo de amostragem de hipercubo latino é usado para reduzir a carga computacional. O método utiliza amostragem estratificada para garantir que os pontos de amostragem possam abranger todos os elementos internos de amostragem.
Na etapa seguinte, a combinação de velocidade de fluxo de entrada foi otimizada para diminuir a temperatura máxima da bateria em um ambiente empoeirado baseado no ASAM sob a condição de considerar o consumo de energia simultaneamente. O algoritmo de recozimento simulado adaptativo tem sido extensivamente desenvolvido e amplamente utilizado em muitos problemas de otimização27,28. Este algoritmo pode evitar ficar preso em um ótimo local, aceitando a pior solução com uma certa probabilidade. O ótimo global é alcançado pela definição da probabilidade de aceitação e temperatura; A velocidade de cálculo também pode ser ajustada usando esses dois parâmetros. Finalmente, para verificar a precisão da otimização, o resultado ótimo foi comparado com o resultado da análise obtido do software de simulação.
Neste trabalho, um método de otimização para a vazão de entrada da caixa de bateria é proposto para a bateria cujo aumento de temperatura devido à cobertura de poeira. O objetivo é reduzir a temperatura máxima da bateria coberta de poeira para abaixo da temperatura máxima da bateria não coberta de poeira, no caso de baixo consumo de energia.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
NOTA: O roteiro de tecnologia de pesquisa é mostrado na Figura 1, onde o software de modelagem, simulação e otimização é usado. Os materiais necessários são mostrados na Tabela de Materiais.
1. Criando o modelo 3D
NOTA: Usamos o Solidworks para criar o modelo 3D.
- Desenhe um retângulo de 252 mm x 175 mm, clique em Extrude Boss/Base e digite 73. Crie um novo plano a 4 mm da superfície externa.
- Desenhe um retângulo de 131 mm x 16 mm e clique em Padrão de esboço linear. Insira 22 e 6 no espaçamento e no número de instâncias, respectivamente. Selecione todos os quatro lados do retângulo e clique em OK. Digite 180 no ângulo e execute-o novamente. Esta etapa é para simetria no centro do modelo.
- Clique em Extrude Cut, digite 65 e clique em OK. Clique em Extrude Boss/Base e digite 65, desmarque Resultado de mesclagem e clique em Inverter direção e OK.
Observação : quando o resultado de mesclagem é desmarcado, a entidade estendida torna-se uma entidade separada. São 23 peças no total, incluindo 11 baterias, 11 material particulado empoeirado e 1 domínio aéreo. - Desenhe um retângulo de 16 mm x 1 mm. Repita as etapas 1.2 e 1.3.
- Desenhe um retângulo de 63 mm x 15 mm, clique na borda superior do retângulo e em Linear Sketch Pattern. Digite 21, 3 e 270 e clique em OK. Clique em Dividir linha e na face do cubo, clique em OK.
- Desenhe um retângulo de 63 mm x 15 mm. Clique em Dividir linha e na face do cubo, clique em OK.
- Clique em Arquivo e salve-o como um arquivo X_T.
NOTA: O tamanho especificado:L caixa: 73 mm; Caixa W: 252 milímetros; Caixa H: 175 milímetros; Lb, Ld: 65 milímetros; Wb, Wd: 10 milímetros; Hb: 131 milímetros; Hd: 1 milímetro; Li: 63 milímetros; Wi: 15 milímetros; d1, d2:5 mm, d3:6 mm é mostrado na Figura 2. - Arraste o componente de malha clicando em Caixa de Ferramentas > Sistemas de Componentes > Malha para a zona esquemática do projeto. Importe o arquivo de X_T salvo anteriormente clicando em Geometria.
- Entre na janela do modelador de design de malha e o modelo da bateria, incluindo 23 partes como corpos independentes, é exibido novamente clicando em Gerar.
- Selecione todas as 23 partes da bateria para ser uma nova parte nomeada como parte da bateria, todas as partículas empoeiradas de 23 partes como parte de poeira e cavidade de ar como parte de ar, no contorno da árvore para a conveniência de ocultar e nomear objetos subsequentes.
- Primeiro, clique com o botão direito do mouse em BatteryPart e DustPart e selecione a opção Ocultar parte para que o pop-up mostre apenas a parte aérea.
- Mova o mouse para a barra de ferramentas de seleção para selecionar Filtro de seleção: corpos, clique com o botão direito do mouse no modelo de cavidade de ar na zona gráfica para selecionar Seleção nomeada e renomeie o modelo de cavidade de ar na zona de exibição de detalhes como domínio de ar.
- Alternar para Filtro de seleção: Faces, clique com o botão direito do mouse e renomeie a superfície que foi dividida em três partes, de baixo para cima, como entrada1, entrada2 e entrada3, a superfície separada à direita dessas três faces é chamada de saída, a superfície externa restante é chamada de outerBorder, respectivamente.
- Mude o modo Select para o Box Select, clique no eixo Y para obter a visão adequada do modelo de cavidade de ar para a conveniência de selecionar caixa, renomear e numerar todas as superfícies internas como superfície de cavidade1 para superfície de cavidade11 usando a seleção de caixa.
- Para mostrar apenas a batteryPart, clique com o botão direito do mouse em airPart e selecione Ocultar peça. Clique com o botão direito do mouse em batteryPart e selecione Mostrar peça no menu de atalho pop-up.
- Mova o mouse para a barra de ferramentas de seleção para selecionar Filtro de seleção: Corpos, alterne o Modo de seleção para Seleção única, clique com o botão direito do mouse em Cada modelo de bateria na zona Gráficos para selecionar a Seleção nomeada, renomeie e numere os 11 modelos de bateria na zona de exibição de detalhes como batteryDomain1 para batteryDomain11, respectivamente.
- Além disso, cada modelo de bateria tem seis lados, em seguida, mude para Filtro de seleção: faces, clique com o botão direito do mouse em cada lado da bateria numeradaDomínios para selecionar Seleção nomeada e renomeá-los de acordo com a orientação do lado da bateria. Por exemplo, renomeie seis lados da bateriaDomain1 numerada como batteryDomain1_Upper, batteryDomain1_Lower, batteryDomain1_Left, batteryDomain1_Right, batteryDomain1_Front e batteryDomain1_Back.
- Para mostrar apenas o dustPart, clique com o botão direito do mouse em batteryPart e selecione Ocultar peça. Clique com o botão direito do mouse em dustPart e selecione Mostrar peça no menu de atalho pop-up.
- Mova o mouse para a barra de ferramentas de seleção para selecionar o Filtro de seleção: corpos, clique com o botão direito do mouse em cada modelo de material particulado empoeirado na zona Gráficos para selecionar Seleção nomeada, renomeie e numere os 11 modelos de material particulado empoeirado na zona de exibição de detalhes como dpmDomain1 para dpmDomain11, respectivamente.
- Além disso, cada modelo de material particulado empoeirado tem seis lados; em seguida, alterne para o Filtro de seleção: faces, clique com o botão direito do mouse em cada lado dos dpmDomains numerados para selecionar Seleção nomeada e renomeá-los de acordo com a orientação do lado do material particulado empoeirado. Por exemplo, renomeie seis lados de dpmDomain1 numerado como dpmDomain1_Upper, dpmDomain1_Lower, dpmDomain1_Left, dpmDomain1_Right, dpmDomain1_Front e dpmDomain1_Back.
- Mostrar todos os corpos e retornar à janela inicial novamente.
2. Gerar o modelo de malha
NOTA: A malha de elementos finitos é uma etapa muito importante na análise de simulação numérica de elementos finitos, que afeta diretamente a precisão dos resultados da análise numérica subsequente. As entidades renomeadas são então entrelaçadas.
- Para malhar o domínio do ar, o domínio da bateria e o domínio dpm independentemente, arraste dois componentes do Mesh novamente do Toolbox > Component Systems > do Mesh para a zona esquemática do projeto e renomeie-os como airFEM, batteryFEM e dpmFEM, respectivamente. Segure o airFEM > Geometria com o botão esquerdo do mouse e arraste-o para a bateriaFEM > Geometria.
- Em seguida, segure a bateriaFEM > Geometria com o botão esquerdo do mouse e arraste-a para o dpmFEM > Geometria. Clique com o botão direito do mouse em Linhas entre os três componentes de malha e selecione Excluir para desassociá-los uns dos outros.
- Clique duas vezes na Malha do airFEM, entre na janela de malha, clique com o botão direito do mouse em batteryPart e dustPart para selecionar o Suppress Body e altere a preferência física de mecânica para CFD. Gere o modelo de domínio de ar FEM através do dimensionamento facial de 2 mm e do dimensionamento do corpo de 4 mm clicando em Atualizar e retornar à janela inicial.
- Clique duas vezes em batteryFEM's Mesh, entre na janela de malha, clique com o botão direito do mouse em airPart e dustPart para selecionar o Suppress Body e altere a preferência física de Mechanical para CFD. Gere o modelo de domínio da bateria FEM através do dimensionamento do corpo de 2 mm clicando em Atualizar e retorne à janela inicial.
- Clique duas vezes na Malha do dpmFEM, entre na janela de malha, clique com o botão direito do mouse em airPart e batteryPart para selecionar Suprimir Corpo e altere a preferência física de Mecânico para CFD. Gere o modelo de domínio do FEM dpm por meio do dimensionamento do corpo de 2 mm clicando em Atualizar, retorne à janela inicial.
NOTA: A Figura 3A mostra a grade do domínio ar, a Figura 3B mostra a grade do domínio da bateria e a Figura 3C mostra a grade do domínio dpm. - Defina o tamanho mínimo da grade de ar para 4 mm e o tamanho mínimo da bateria e da grade de material particulado empoeirado para 2 mm. Certifique-se de que a grade seja independente da solução, altere o tamanho mínimo da célula da grade e execute um estudo de sensibilidade da grade.
NOTA: Como mostrado na Figura 4, com o número de grades aumentando de 519343 para 1053849, as mudanças de temperatura máxima da bateria são inferiores a 0,6 K. Considerando a capacidade computacional e a precisão, a análise a seguir é baseada no modelo de grade com 931189 grades.
3. Análise de simulação
- Arraste o Fluxo de Fluido do Toolbox > Sistemas de Análise > o Fluxo de Fluido para a zona esquemática do projeto. Segure o airFEM > Mesh, depois o batteryFEM > Mesh e o dpmFEM > Mesh com o botão esquerdo do mouse e arraste-os para Fluid Flow > Setup. Clique com o botão direito do mouse em Fluxo de fluido > Configuração e selecione Atualizar para entrar na janela de conjunto.
- Verifique a validade do modelo FEM e verifique se a malha tem volume negativo. O software sugere automaticamente o volume do modelo, e um valor razoável do modelo é positivo. Se houver algum problema com a grade dividida ou configurações de modelo, uma mensagem de erro aparecerá para informar.
- Ativar a equação de energia em modelos de transferência de calor. Entre na interface de configuração do modelo viscoso e do modelo de radiação e selecione o Modelo K-épsilon e o Modelo de Ordenadas Discretas.
NOTA: Como mostrado na Figura 5, comparando quatro modelos viscosos, os resultados do cálculo do modelo de Spalart-Allmaras são bastante diferentes dos outros modelos. Os resultados do modelo K-épsilon padrão são semelhantes aos de outros modelos K-épsilon. O modelo padrão K-épsilon com maior estabilidade e economia é amplamente utilizado; a análise a seguir é baseada no modelo K-épsilon padrão. - Defina os novos materiais com diferentes atributos para material de ar, material de bateria, material dpm e material de caixa de bateria com base na Tabela 1.
NOTA: Dentro da bateria, existem três materiais físicos diferentes: o ar como fluido e o restante como sólido. Em seguida, configure o material.- Altere o tipo de fluido dos domínios de bateria numerados para o tipo Sólido e altere o material dpm para o material da bateria na janela Sólido clicando duas vezes em cada Domínio da bateria. Posteriormente, escolha o item Termos da Fonte e clique nos Termos da Fonte realçados para adicionar uma fonte de energia, atribuindo o número no número de fontes de energia e selecionando Tipo constante para inserir o valor de 209993 w/m3.
- Altere o tipo fluido dos domínios dpm numerados para Tipo sólido .
- Em seguida, defina a interface para o cálculo de simulação de vários domínios diferentes de acordo com a taxa de fluxo de ajuste real e o coeficiente de transferência de calor, conforme descrito abaixo.
- Converta o tipo de todas as superfícies renomeadas, incluindo as superfícies internas do domínio do ar e todos os lados dos domínios da bateria, bem como os domínios dpm da parede padrão para a interface. Uma vez que as etapas acima são concluídas com sucesso, as interfaces de malha serão geradas imediatamente.
- Clique em Interfaces de malha e entre na janela Criar/editar interfaces de malha . Combine as superfícies da cavidade com todos os lados, exceto os lados superiores dos domínios da bateria e os lados inferiores do dpm domian. Em seguida, nomeie-os e numere-os como interface1 para interface11, respectivamente. Assim, as 11 interfaces mesh podem ser criadas entre o domínio aéreo e domians de bateria, bem como domínios dpm.
- Corresponda aos lados superiores dos domínios da bateria e aos lados inferiores dos domínios dpm. Em seguida, nomeie-os e numere-os como interface12 a interface22, respectivamente. Em seguida, as 11 interfaces de malha são criadas entre os domínios de bateria e dpm.
- Atribua a superfície da borda externa como a condição de contorno térmico da parede definindo o coeficiente de transferência de calor como 5 na condição térmica mista e alterando seu material de alumínio padrão para o material da caixa de bateria previamente autodefinido.
- Defina as velocidades de fluxo de ar de todas as entradas como 5 m/s na janela de entrada de velocidade e a pressão manométrica da saída como zero na janela de saída de pressão.
- Em seguida, defina o estado do domínio computacional no momento inicial, como a temperatura inicial de 300 K, o que afetará o processo de convergência computacional.
- Defina o tipo de inicialização da solução como a inicialização padrão antes de inicializar.
- Defina o número de iterações como 2000.
- Clique em Calcular para simular. Retorne à janela inicial até que a simulação seja concluída.
- A parte acima conclui o cálculo de simulação da temperatura e velocidade do ar dentro da bateria e, em seguida, exibe o resultado da simulação em Resultado. Execute as seguintes etapas nos resultados exibidos.
- Clique duas vezes em Fluid Flow > Results para entrar na janela de postagem de CFD e, em seguida, clique no ícone de Contour na caixa de ferramentas.
- Selecione Todos os lados das baterias no seletor de localização e altere a pressão para a temperatura. Em seguida, clique em Aplicar para gerar o contorno de temperatura das baterias.
- Clique em Arquivo > Exportar para selecionar a temperatura da(s) variável(is) selecionada(s). Clique no botão suspenso dos locais para abrir a janela do seletor de local onde todos os domínios da bateria devem ser selecionados. Clique no botão OK e Salvar para sair.
NOTA: Uma planilha cujos dados correspondem às temperaturas dos nós de malha de todas as baterias será salva automaticamente quando o botão salvar for clicado. - Abra a planilha para encontrar o valor máximo, que indica a temperatura máxima das baterias em um ambiente empoeirado a 5 m/s de todas as entradas de fluxo de ar.
- Adquira a temperatura máxima das baterias sob o estado de poeira livre conforme a temperatura esperada e compare-a com a temperatura máxima sob o estado empoeirado; O resultado mostra toda a temperatura aumentando.
NOTA: Para adquirir a temperatura máxima das baterias em um ambiente livre de poeira, o novo modelo de bateria mostrado na Figura 6 deve ser restabelecido e todas as etapas 1.1-3.4.3 devem ser repetidas. - Para reduzir a temperatura máxima dentro da bateria, ajuste as velocidades de fluxo de ar nas entradas de 5 m/s para 6 m/s, aumente em 5% e calcule as temperaturas máximas correspondentes das baterias cobertas de poeira.
NOTA: A análise de sensibilidade dos parâmetros de velocidade do fluxo de ar deve ser feita com bastante antecedência antes de alterar os valores dos parâmetros. Como mostrado na Figura 7 e na Tabela 2, mantivemos o mesmo fluxo total para cada um dos sete grupos de diferentes combinações de velocidades de entrada do fluxo aéreo. Ainda há uma variação óbvia na temperatura máxima devido à diferença na alocação da velocidade do fluxo de ar. Em outras palavras, há de alguma forma uma forte correlação entre a combinação de velocidade do fluxo de ar e a temperatura máxima. Portanto, esses parâmetros de velocidade podem ser usados como variáveis de projeto. - Plote a curva temperatura-velocidade como mostrado na Figura 8, onde a linha vermelha indica que a curva característica da temperatura diminui com o aumento da velocidade do fluxo de ar, e a linha azul representa a temperatura esperada.
- Manter um aumento na velocidade do fluxo de ar de 10%. Quando o incremento de velocidade é superior a 10%, a temperatura máxima já está abaixo da temperatura esperada, mas isso não atende ao propósito de baixo consumo de energia. Para a vazão de ar restante, reduza a temperatura máxima da bateria para a temperatura esperada através da otimização, atingindo assim o objetivo de baixo consumo de energia.
4. Amostragem de hipercubo latino ideal e modelagem de superfície de resposta
NOTA: Para as vazões retidas de 5 m/s-5,5 m/s, as amostras são selecionadas para construir diferentes combinações de vazões dentro dessa faixa de vazão. As combinações de velocidades são simuladas para obter a temperatura máxima. Construa a função de velocidade e temperatura máxima.
- Abra uma nova planilha vazia para criar uma tabela cujas linhas na primeira coluna são denominadas inlet1, inlet2 e inlet3 e salve o arquivo como sampling.xlsx.
- Execute o software de otimização e arraste o ícone Planilha para a seta única da Tarefa 1. Em seguida, clique duas vezes no ícone Planilha para exibir a janela Editor de componentes-Excel.
- Importe o sampling.xlsx clicando no botão Procurar e mapeie a entrada1, entrada2 e entrada3 para os parâmetros A1, A2 e A3 clicando no botão Adicionar este mapeamento. Clique no botão OK para retornar à janela inicial.
- Arraste o ícone DOE para a Tarefa1 e clique duas vezes nele para abrir a janela Editor de componentes-DOE. Selecione o OptimOKal Latin Hypercube e defina o Número de Pontos como 15 na janela Geral.
- Alterne para a janela Fatores e defina 5,5 como limite superior e 5 como limite inferior para A1, A2 e A3.
- Alterne para a janela Matriz de design e clique em Gerar para gerar os pontos de amostragem aleatórios correspondentes às diferentes velocidades de entrada. Desligue o software de otimização.
- Pegue as matrizes de combinações de velocidade dos pontos de amostragem aleatórios de volta para calcular e repita as etapas 3.5.5-3.7.5 para obter a matriz de temperatura correspondente composta pelas temperaturas máximas das baterias.
- Combine as variáveis preditoras x1, x2 e x3 das matrizes de combinações de velocidade e y das matrizes de temperatura para formar uma nova tabela de variáveis, conforme mostrado na Tabela 3, e salve-a como um arquivo sample.txt. Importe o arquivo para ajustar um modelo de superfície de resposta.
- Execute novamente o software de otimização e arraste o ícone Aproximação para a seta única da Tarefa1. Clique duas vezes no ícone Task1 para abrir a janela de aproximação do editor de componentes para selecionar o Modelo de Superfície de Resposta.
- Alterne para a janela Arquivo de Dados e importe o arquivo sample.txt que contém as variáveis de previsão.
- Alterne para a janela Parâmetros e clique em Verificar para abrir os parâmetros na janela do arquivo de dados onde as variáveis preditoras de x1, x2 e x3 são definidas como entrada e y como saída.
- Alterne para a janela Opções de técnica e selecione a Quadrática em ordem polinomial. Alterne para a janela Opções de Análise de Erros e selecione a Validação Cruzada no método de análise de erros.
- Alterne para a janela Exibir Dados e clique em Inicializar Agora para obter os coeficientes da equação de regressão linear quadrática.
- Clique no botão Análise de erros para abrir a janela de análise de erros de aproximação para verificar se os erros podem satisfazer os padrões aceitáveis para cada tipo de erro. Feche a janela do componente de aproximação. Se o erro arbitrário não puder satisfazer os padrões aceitáveis correspondentes, adicione mais pontos de amostra para participar do ajuste do modelo.
5. Modelo de ajuste aproximado baseado em algoritmo de recozimento simulado adaptativo
NOTA: Em seguida, o software e o algoritmo são usados para encontrar o valor ideal do modelo aproximado
- Arraste o ícone Otimização para a Tarefa1 e clique duas vezes nele para abrir a janela de otimização do editor de componentes. Selecione o Recozimento Simulado Adaptativo (ASA) na técnica de otimização.
- Alterne para a janela Variáveis para definir 5,5 como limite superior e 5 como limite inferior.
- Alterne para a janela Objetivos e selecione o parâmetro Y antes de fechar a janela de otimização do editor de componentes.
- Clique no botão Executar otimização e aguarde o resultado da otimização.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Seguindo o protocolo, as três primeiras partes são as mais importantes, que incluem modelagem, malha e simulação, tudo para obter a temperatura máxima da bateria. Em seguida, a velocidade do fluxo de ar é ajustada por amostragem e, finalmente, a combinação ótima de vazão é obtida por otimização.
A Figura 9 mostra a comparação da distribuição da temperatura da bateria em diferentes ambientes, e a Figura 10 mostra a comparação da segunda distribuição da temperatura da bateria em diferentes ambientes. Como mostrado na Figura 9 e na Figura 10, a temperatura da bateria sob o estado empoeirado é aumentada para um certo nível devido à baixa condutividade térmica do DPM (material particulado empoeirado).
Para ajustar a distribuição da temperatura da bateria, ajuste as velocidades do fluxo de ar nas entradas de 5 m/s a 6 m/s, aumente em 5% sob o modelo empoeirado e obtenha as temperaturas máximas em cada velocidade de fluxo de ar. Quando a velocidade do fluxo de ar foi aumentada em 15% e 20%, a temperatura máxima da bateria sob o estado empoeirado caiu abaixo da temperatura máxima da bateria sob o estado de poeira livre, como mostrado na Figura 8. Considerando o consumo de energia, a velocidade máxima de entrada é definida em 5,5 m/s (aumentada em 10%) para diminuir a temperatura máxima da bateria no estado empoeirado.
Ao estabelecer o QRSM quadrático, o número mínimo de amostras é calculado por (N + 1) x (N + 2)/2, onde N é o número de variáveis do teste. Há três variáveis de projeto neste artigo, que são as velocidades de entrada e o número mínimo de amostras é 10. A fim de estabelecer um modelo de superfície de resposta com alta precisão de ajuste, 15 amostras foram selecionadas usando o componente DOE da plataforma de software de otimização. O método dos mínimos quadrados é utilizado para completar o ajuste da superfície de resposta entre a temperatura máxima da bateria obtida pelo software de simulação e três velocidades de entrada. O modelo de superfície de resposta aproximada é estabelecido da seguinte forma:
R2 mede o ajuste global da equação de regressão e expressa a relação global entre a variável dependente e todas as variáveis independentes. R2 é igual à razão entre a soma dos quadrados da regressão e a soma total dos quadrados, ou seja, a porcentagem da variabilidade da variável dependente que a equação de regressão pode explicar. Quanto mais próximo de 1 o valor de R2, melhor o ajuste da curva de regressão ao valor observado.
A análise dos erros dos resultados do cálculo mostra que R2 é de 0,93127, como mostra a Figura 11, que mostra que o modelo de aproximação de superfície de resposta polinomial de segunda ordem tem uma boa precisão de ajuste.
No final, o recozimento simulado adaptativo (ASA) é usado como o método de otimização para encontrar combinações ótimas de velocidade de fluxo de entrada. O número máximo de projetos gerados é 10.000, o número de projetos para verificação de convergência é 5 e o épsilon de convergência é 1,0 x 10-8. A taxa relativa de recozimento dos parâmetros, anelamento de custos, têmpera de parâmetros e têmpera de custo foram o mesmo valor de 1.
A temperatura máxima da bateria obtida por otimização foi de 309,391420 K. As velocidades de fluxo de ar das entradas são de 5,5 m/s, 5 m/s e 5,5 m/s. Para confirmar a acurácia, o caso ótimo foi analisado pelo software de simulação. A Tabela 4 mostra a comparação entre os resultados da verificação da otimização e da simulação. Pode-se observar que o erro da temperatura máxima da bateria está dentro de 0,001% sob três condições de velocidades de entrada do fluxo de ar, o que indica que o método de otimização adotado neste trabalho é efetivo e viável.
A comparação da distribuição da temperatura da segunda bateria sob as diferentes velocidades do fluxo de ar de entrada é mostrada na Figura 12, e a comparação da distribuição da temperatura da bateria antes e depois da otimização é mostrada na Figura 13. A Tabela 5 mostra os valores específicos das temperaturas máximas e as combinações de velocidades de fluxo aéreo. Quando as velocidades de fluxo de ar das entradas 1-3 são de 5,5 m/s, 5,5 m/s e 5,5 m/s, respectivamente, a temperatura máxima da bateria é de 309,426208 K. Após a otimização, a velocidade do fluxo de ar das entradas 1-3 é de 5,5 m/s, 5m/s e 5,5 m/s, e a temperatura máxima da bateria é de 309,392853 K. Deve-se notar que a soma das velocidades de fluxo aéreo do caso otimizado mostrado na Figura 12B é menor do que a soma das velocidades de fluxo aéreo do caso mostrado na Figura 12A. No entanto, a temperatura máxima não aumenta com a diminuição da velocidade do fluxo de ar. Além disso, a bateria otimizada é comparada com a bateria inicial (ou seja, as velocidades de fluxo de ar das três entradas são todas de 5 m/s, e as baterias são cobertas com DPM). A Figura 14 compara a distribuição da linha de fluxo antes e depois da otimização, e pode-se observar que a distribuição da linha de fluxo após a otimização é mais ampla. A Figura 15 compara os efeitos de cada fator sobre a temperatura; O fator x1 tem a maior influência sobre a temperatura. Os fatores x1 e x3 têm efeitos semelhantes sobre a temperatura. Em uma palavra, a velocidade total do fluxo de ar diminui em 3%, e a temperatura máxima da bateria é diminuída para a temperatura esperada (ou seja, a temperatura máxima da bateria sob um estado livre de poeira).
O método de otimização pode ser amplamente utilizado para melhorar o ciclo de vida da bateria com baixo consumo de energia.
Figura 1: O roteiro técnico. Esta figura descreve o processo detalhado de simulação e otimização de acordo com o conteúdo da pesquisa, incluindo objetos de pesquisa, métodos, soluções, modelagem, simulação e software de otimização. Clique aqui para ver uma versão maior desta figura.
Figura 2: Um modelo 3D de bateria de íons de lítio em um ambiente empoeirado. O modelo 3D do pacote LIB, que pode ser salvo como um arquivo X_T e importado para um software de simulação para simular, é desenhado por um software de modelagem. Clique aqui para ver uma versão maior desta figura.
Figura 3: Diagrama de grade. (A) Esta figura mostra a grade do domínio aéreo. (B) Esta figura mostra a grade do domínio da bateria. (C) Esta figura mostra a grade do domínio dpm. Clique aqui para ver uma versão maior desta figura.
Figura 4: Teste de independência da grade. O eixo X é o número total diferente de grades no modelo de malha, e o eixo Y é a temperatura. Clique aqui para ver uma versão maior desta figura.
Figura 5: Ensaio do modelo viscoso. O eixo X é o tipo de modelo viscoso, o número 1 representa o modelo k-épsilon padrão, o número 2 representa o modelo k-épsilon RNG, o número 3 representa o modelo k-épsilon realizável, o número 4 representa o modelo de Spalart-Allmaras, o eixo Y é a temperatura. Clique aqui para ver uma versão maior desta figura.
Figura 6: Modelo 3D da bateria de íons de lítio em um ambiente livre de poeira. O modelo 3D do pacote LIB, que pode ser salvo como um arquivo X_T e importado para um software de simulação para simular, é desenhado por um software de modelagem. Clique aqui para ver uma versão maior desta figura.
Figura 7: Análise de sensibilidade dos parâmetros. O número no eixo x representa a enésima combinação de velocidades de entrada do fluxo de ar. Por exemplo, o número 5 representa a combinação de velocidades (3,5,7) correspondente a 3 m/s na entrada1, 5 m/s na entrada2, 7 m/s na entrada3. Da mesma forma, o número 1,2,3,4,6 representa a combinação das diferentes velocidades de entrada do fluxo de ar de (5,5,5), (4,5,6), (5,6,4), (5,4,6), (3,5,7), (5,3,7), (5,7,3), respectivamente. O eixo Y é a temperatura. Clique aqui para ver uma versão maior desta figura.
Figura 8: Variação da temperatura da bateria em diferentes velocidades de fluxo de ar de entrada. A figura mostra a temperatura máxima da bateria diminuindo com o aumento da velocidade do fluxo de ar de entrada. O eixo x é a taxa de aumento da velocidade do fluxo de ar nas entradas. O eixo Y é a temperatura. Clique aqui para ver uma versão maior desta figura.
Figura 9: Comparação da distribuição da temperatura da bateria em diferentes ambientes. (A) Esta figura mostra a distribuição de temperatura da bateria em um ambiente livre de poeira. (B) Esta figura mostra a distribuição de temperatura da bateria em um ambiente empoeirado, a partir do qual a temperatura é mais alta na bateria número 2. Clique aqui para ver uma versão maior desta figura.
Figura 10: Comparação da distribuição de temperatura da bateria número 2 em diferentes ambientes. (A) Esta figura mostra a distribuição de temperatura da bateria número 2 em um ambiente livre de poeira. (B) Esta figura mostra a distribuição de temperatura da bateria número 2 em um ambiente empoeirado. Clique aqui para ver uma versão maior desta figura.
Figura 11: Análise de erros do modelo de superfície de resposta de aproximação. A figura indica que o modelo de aproximação de superfície de resposta polinomial quadrática tem boa precisão de ajuste. Clique aqui para ver uma versão maior desta figura.
Figura 12: Comparação da distribuição de temperatura da bateria número 2 sob diferentes velocidades de fluxo de ar de entrada. (A) Esta figura mostra a distribuição de temperatura da bateria número 2 apenas aumentando a velocidade do fluxo de ar de entrada em si. (B) Esta figura mostra a distribuição de temperatura da bateria número 2 após a otimização da velocidade do fluxo de ar de entrada. Clique aqui para ver uma versão maior desta figura.
Figura 13: Comparação da distribuição da temperatura da bateria antes e depois da otimização. (A) Esta figura mostra a distribuição de temperatura da bateria em um ambiente empoeirado sem otimização. (B) Esta figura mostra a distribuição de temperatura da bateria em um ambiente empoeirado após otimização. Clique aqui para ver uma versão maior desta figura.
Figura 14: Comparação da bateria agilizar a distribuição antes e depois da otimização. (A) Esta figura mostra a distribuição simplificada da bateria em um ambiente empoeirado sem otimização. (B) Esta figura mostra a distribuição simplificada da bateria em um ambiente empoeirado após a otimização. Clique aqui para ver uma versão maior desta figura.
Figura 15: Influência de três fatores sobre a temperatura. (A) Esta figura mostra os efeitos de x1 e x2 sobre a temperatura. (B) Esta figura mostra os efeitos de x1 e x3 sobre a temperatura. Clique aqui para ver uma versão maior desta figura.
| Nome do médium | ρ/kg·m-3 | C/J· (kg· K)-1 | K/W (m·K)-1 |
| Material do ar | 1.225 | 1006.43 | 0.0242 |
| Material da bateria | 1958.7 | 733 | kx=3.6,ky=kz=10.8 |
| Material dpm | 2870 | 910 | 1.75 |
| Material da caixa de bateria | 7930 | 500 | 16.3 |
Tabela 1: Propriedades do material. As propriedades do material correspondentes ao ar, bateria, material particulado empoeirado e caixa da bateria serão usadas nos parâmetros Configurações do software de simulação.
| Número | Entrada1 (m/s) | Entrada2 (m/s) | Entrada3 (m/s) | Temperatura máxima da bateria (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 |
Tabela 2: Análise de sensibilidade dos parâmetros. A tabela mostra as sete combinações de velocidades de fluxo de ar de entrada e a temperatura máxima correspondente da bateria. Por exemplo, o número 5 representa a combinação de velocidades (3,5,7) correspondente a 3 m/s na entrada1, 5m/s na entrada2, 7 m/s na entrada3 e a temperatura máxima da bateria correspondente de 311,54599 K.
| Número | Entrada1 (m/s) | Entrada2 (m/s) | Entrada3 (m/s) | Temperatura máxima da bateria (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 |
Tabela 3: Matrizes de velocidade e temperatura utilizadas para o modelo de superfície de resposta quadrática. As diferentes combinações de velocidades de fluxo de ar nas entradas podem ser geradas aleatoriamente pelo OLHA, e as temperaturas máximas correspondentes são calculadas pelo software de simulação.
| Nome | Entrada1 (m/s) | Entrada2 (m/s) | Entrada3 (m/s) | Temperatura máxima da bateria (K) |
| Resultado de otimização | 5.5 | 5 | 5.5 | 309.39142 |
| Resultado da verificação da simulação | 5.5 | 5 | 5.5 | 309.392853 |
Tabela 4: Comparação entre os resultados da otimização e da verificação da simulação. A combinação adequada de velocidade de fluxo de ar nas entradas e temperatura correspondente pode ser obtida otimizando, o que também é provado ser preciso pela verificação da simulação.
| Nome | Entrada1 (m/s) | Entrada2 (m/s) | Entrada3 (m/s) | Temperatura máxima da bateria (K) |
| Um | 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 |
Tabela 5: Comparações da velocidade do fluxo de ar de entrada e da temperatura máxima da bateria em diferentes condições. (A) A bateria sob as entradas normais, velocidade do fluxo de ar e ambiente de poeira livre. (B) A bateria sob as entradas normais, velocidade do fluxo de ar e ambiente empoeirado. (C) A bateria sob as entradas de ar aumenta as velocidades do fluxo e empoeira. (D) A bateria sob as velocidades otimizadas do fluxo de ar e ambiente empoeirado.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
O BTMS utilizado neste estudo foi estabelecido com base no sistema de resfriamento a ar devido ao seu baixo custo e simplicidade da estrutura. Devido à baixa capacidade de transferência de calor, o desempenho do sistema de resfriamento a ar é menor do que o do sistema de resfriamento líquido e do sistema de resfriamento de material de mudança de fase. No entanto, o sistema de resfriamento líquido tem a desvantagem de vazamento de refrigerante, e o sistema de resfriamento de material de mudança de fase tem alta massa e baixa densidade de energia29. Estes sistemas de refrigeração têm suas vantagens e desvantagens. Portanto, o BTMS pode ser estabelecido combinando um sistema de resfriamento a ar com um sistema de resfriamento líquido ou um sistema de resfriamento de material de mudança de fase para promover o desempenho de resfriamento.
Um solver CFD foi implementado para simular o perfil de vazão e temperatura do modelo. As equações governantes30, como a continuidade (2) e a equação de conservação de energia (3), foram empregadas para resolver o problema térmico dependente do tempo do fluxo de ar.
Onde p, k e c são as propriedades do ar empregadas, que são densidade, condutividade térmica e calor específico, respectivamente; T, e 
são a pressão estática, temperatura e velocidade do ar de resfriamento.
Equações de momento31
Onde ui e uj são componentes de velocidade média de Reynolds; xi e xj são coordenadas cartesianas; P é a pressão média de Reynolds; μ é a viscosidade dinâmica; μt é viscosidade dinâmica turbulenta. k é energia cinética turbulenta; ε é a taxa de dissipação de energia cinética turbulenta.
O número de Reynolds baseado na velocidade do fluxo de entrada (v=5 m/s) e no diâmetro equivalente foi estimado em 0,0242308; o número de Reynolds é calculado como 9894, assim, um modelo de turbulência do modelo padrão k-e foi selecionado.
Equação numérica de Reynolds32
Onde Pl é a densidade, Vmax é a velocidade máxima de fluxo do líquido, D é o diâmetro equivalente do recipiente e ul é a viscosidade dinâmica do líquido.
Equação da energia cinética turbulenta33
Onde kt e ε é a energia cinética turbulenta e a taxa de dissipação de turbulência, respectivamente; uj é o j-ésimo componente do vetor velocidade, e μ e ut são a viscosidade dinâmica molecular e turbulenta, respectivamente; o Gkt e o Gb são a geração de energia cinética turbulenta causada pela velocidade média e a geração de energia cinética turbulenta como resultado dos efeitos de empuxo, respectivamente; YM representa a influência da dilatação flutuante incompressível turbulenta à soma das taxas de dissipação; Skt é o termo fonte de kt; αkt é o número de Prandtl efetivo inverso para kt.
Equação de dissipação de energia cinética turbulenta33
Onde Sε é termo de origem de ε; αt é o número de Prandtl efetivo inverso para ε; C1ε , C2ε e C3ε são constantes empíricas.
Para as células de bateria, a equação de conservação de energia34
Onde Q, kb, cb; e Pb representam o calor gerado, a condutividade térmica, a capacidade térmica específica e a densidade da bateria, respectivamente.
Fórmula de convecção térmica35
Onde hf representa o coeficiente de transferência de calor por convecção; Ts representa a temperatura superficial das LIBs; TB representa a temperatura do ar ambiente; e q* representa a taxa de transferência de calor por convecção.
A entrada do BTMS foi ajustada para uma condição de contorno de velocidade de entrada de 5 m/s e temperatura de 300 K, enquanto a saída do sistema foi condicionada à saída de pressão com a pressão circundante ajustada à pressão atmosférica. As paredes ao redor do sistema são definidas para convecção natural.
Este trabalho iniciou a pesquisa sob a condição de que a estrutura do modelo da bateria fosse determinada, a poeira que cobre a superfície da bateria fará com que a temperatura da bateria suba. Em seguida, apresentamos o ASAM para otimizar um QRSM aproximado e cumprir as quedas de temperatura de volta através da combinação de velocidades de fluxo de ar ideais de entradas do sistema para resolver o problema do efeito DPM. Deve-se mencionar que as posições de entrada e saída de ar da bateria também têm grande influência na temperatura do BTMS14.
Existem algumas etapas críticas no protocolo. Ao criar o modelo 3D da bateria, dê a cada corpo e superfície no modelo um nome reconhecível para material de adição subsequente, criação de interface de malha e configuração de condições de contorno. Ao operar o software de simulação, é necessário definir cada parâmetro com precisão, especialmente a unidade do parâmetro.
Em termos de modelo de ajuste, a análise de erros é significativa na modelagem de superfície de resposta, se o erro arbitrário não puder satisfazer os padrões aceitáveis correspondentes, então mais pontos amostrais devem ser adicionados para participar do ajuste do modelo até que o erro atinja os padrões aceitáveis. Depois que o software de simulação importar o modelo de grade, solucione problemas do modelo de malha, clique em Verificar para verificar se a malha tem um volume negativo. Se houver algum problema com as configurações de grade dividida ou modelo, uma mensagem de erro será exibida.
A principal limitação deste estudo é que o modelo geométrico utilizado na simulação é derivado simplificando o modelo de bateria realista, é quase impossível refletir totalmente a realidade. Então, é improvável que as condições de contorno impostas sejam consistentes com a situação real. Os resultados do cálculo também são diferentes de acordo com diferentes teorias de cálculo. Para facilitar a simulação, simplificamos o modelo de geração de calor da bateria, a taxa média de geração de calor da bateria é de 20.993 kW/m3 como fonte de calor interna36,37.
A importância em relação aos métodos existentes e quaisquer aplicações futuras da técnica:
Este protocolo ajudará a estabelecer um método de otimização, considerando simultaneamente o consumo de energia e o desempenho térmico do sistema de gerenciamento de baterias, e pode ser amplamente utilizado para melhorar o ciclo de vida da bateria com o mínimo custo operacional. Esta técnica também pode ser usada em projeto mecânico, projeto arquitetônico e outros campos.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Os autores não têm nada a revelar.
Acknowledgments
Alguns softwares de análise e otimização são suportados pela Universidade de Tsinghua, Universidade de Konkuk, Universidade Nacional de Chonnam, Universidade de Mokpo e Universidade de Chiba.
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).
