Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Engineering
Click here for the English version

Engineering

Tozlu Partikül Madde Kaplı Lityum-İyon Pil Paketleri için Hava Bazlı Isı Yönetim Sisteminin Optimizasyonu

Published: November 3, 2023 doi: 10.3791/65892
Automatic Translation
1, 1, 1, 1, 1
1College of Mechanical and Electrical Engineering, Wenzhou University

Summary

Burada, tozlu partikül madde kaplı bir pil ısı yönetim sistemine karşılık gelen yaklaşık bir ikinci dereceden tepki yüzey modelini (QRSM) optimize etmek ve sistem girişlerinin hava akış hızları kombinasyonunu ayarlayarak sıcaklık düşüşlerini geri almak için uyarlanabilir simüle edilmiş tavlama yöntemini (ASAM) sunuyoruz.

Abstract

Bu çalışma, düşük enerji tüketimi hedefi altında pil soğutma kutusunun girişlerinde hava akış hızlarının tahsisi yoluyla hücre yüzeyini kaplayan tozlu partikül maddenin neden olduğu hücre sıcaklığı artışı ve performans düşüşü sorununu çözmeyi amaçlamaktadır. Pil takımının belirli bir hava akış hızında ve tozsuz ortamdaki maksimum sıcaklığını, tozlu bir ortamda beklenen sıcaklık olarak alıyoruz. Pil takımının tozlu bir ortamdaki maksimum sıcaklığı, simülasyon yazılımında oluşturulan analiz modelinin sınır koşulları olan farklı giriş hava akış hızlarında çözülür. Girişlerin farklı hava akış hızı kombinasyonlarını temsil eden diziler, optimizasyon yazılımında istenen sıcaklığın üzerindeki sıcaklıklara karşılık gelen hızların alt ve üst sınırlarının ayarlandığı optimal Latin hiperküp algoritması (OLHA) aracılığıyla rastgele oluşturulur. Optimizasyon yazılımının montaj modülünü kullanarak hız kombinasyonu ile maksimum sıcaklık arasında yaklaşık bir QRSM oluşturuyoruz. QRSM, ASAM'a göre optimize edilmiştir ve optimum sonuç, simülasyon yazılımı tarafından elde edilen analiz sonucuyla iyi bir uyum içindedir. Optimizasyondan sonra orta girişin akış hızı 5,5 m/s'den 5 m/s'ye değiştirilir ve toplam hava akış hızı %3 azaltılır. Buradaki protokol, kurulan pil yönetim sisteminin enerji tüketimini ve termal performansını göz önünde bulundurarak aynı anda bir optimizasyon yöntemi sunar ve pil paketinin yaşam döngüsünü minimum işletme maliyeti ile iyileştirmek için yaygın olarak kullanılabilir.

Introduction

Otomobil endüstrisinin hızla gelişmesiyle birlikte, geleneksel yakıtlı araçlar çok fazla yenilenemeyen kaynak tüketerek ciddi çevre kirliliğine ve enerji kıtlığına neden oluyor. En umut verici çözümlerden biri elektrikli araçların (EV'ler) geliştirilmesidir1,2.

EV'ler için kullanılan güç pilleri, geleneksel yakıtlı araçların yerini almanın anahtarı olan elektrokimyasal enerjiyi depolayabilir. EV'lerde kullanılan güç pilleri arasında lityum iyon pil (LIB), nikel-metal hidrit pil (NiMH) ve elektrikli çift katmanlı kapasitör (EDLC)3 bulunur. Diğer pillerle karşılaştırıldığında, lityum iyon piller, yüksek enerji yoğunluğu, yüksek verimlilik ve uzun yaşam döngüsü 4,5,6,7 gibi avantajları nedeniyle şu anda EV'lerde enerji depolama üniteleri olarak yaygın olarak kullanılmaktadır.

Bununla birlikte, kimyasal reaksiyon ısısı ve Joule ısısı nedeniyle, hızlı şarj ve yüksek yoğunluklu deşarj sırasında büyük miktarda ısı biriktirmek ve pil sıcaklığını artırmak kolaydır. LIB'nin ideal çalışma sıcaklığı 20-40 °C 8,9'dur. Bir pil dizisindeki piller arasındaki maksimum sıcaklık farkı 5 °C'yigeçmemelidir 10,11. Aksi takdirde, piller arasındaki sıcaklık dengesizliği, hızlandırılmış yaşlanma, hatta aşırı ısınma, yangın, patlama vb. gibi bir dizi riske yol açabilir12. Bu nedenle, çözülmesi gereken kritik sorun, pil takımının sıcaklığını ve sıcaklık farkını dar bir alanda kontrol edebilen verimli bir pil termal yönetim sistemi (BTMS) tasarlamak ve optimize etmektir.

Tipik BTMS, hava soğutma, su soğutma ve faz değişimli malzeme soğutmayıiçerir 13. Bu soğutma yöntemleri arasında hava soğutma tipi, düşük maliyeti ve yapının sadeliği nedeniyle yaygın olarak kullanılmaktadır14. Havanın sınırlı özgül ısı kapasitesi nedeniyle, hava soğutmalı sistemlerde pil hücreleri arasında yüksek sıcaklık ve büyük sıcaklık farklarının oluşması kolaydır. Hava soğutmalı BTMS'nin soğutma performansını artırmak için verimli bir sistemtasarlamak gerekir 15,16,17. Qian ve ark.18, seri hava soğutmalı pil takımının hücre aralıklarını optimize etmek için kullanılan ilgili Bayes sinir ağı modelini eğitmek için pil takımının maksimum sıcaklık ve sıcaklık farkını topladı. Chen ve ark.19, Z tipi paralel hava soğutmalı sistemde giriş ıraksama plenumunun ve çıkış yakınsama plenumunun genişliklerinin optimizasyonu için Newton yöntemini ve akış direnci ağ modelini kullandığını bildirdi. Sonuçlar, sistemin sıcaklık farkında% 45'lik bir azalma gösterdi. Liu ve ark.20, J-BTMS'deki soğutma kanallarının beş grubunu örnekledi ve topluluk vekil tabanlı optimizasyon algoritması ile hücre aralıklarının en iyi kombinasyonunu elde etti. Baveja ve ark.21, pasif olarak dengelenmiş bir pil modülünü modelledi ve çalışma, termal tahminin modül düzeyinde pasif dengeleme üzerindeki etkilerini açıkladı ve bunun tersi de geçerli. Singh ve ark.22, birleştirilmiş elektrokimyasal-termal modelleme kullanılarak tasarlanmış cebri konvektif hava soğutması ile birlikte kapsüllenmiş faz değişim malzemesi kullanan bir pil termal yönetim sistemini (BTMS) araştırdı. Fan ve ark.23, mikroakışkan uygulamalarda yüksek tanıma özelliğine sahip prizmatik tip bir lityum iyon pil için daha güvenli bir sıcaklık aralığı sağlamak için çok aşamalı bir Tesla valf konfigürasyonu içeren bir sıvı soğutma plakası önerdi. Feng ve ark. 24, farklı giriş akış hızlarına ve pil boşluklarına sahip şemaları değerlendirmek için varyasyon katsayısı yöntemini kullandı. Talele ve ark.25, ısıtma filmlerinin optimum yerleşimine dayalı olarak potansiyel olarak üretilen ısıtmayı depolamak için duvarla geliştirilmiş piro astar ısı yalıtımını tanıttı.

Hava soğutmalı BTMS kullanıldığında, metal toz parçacıkları, mineral toz parçacıkları, yapı malzemeleri toz parçacıkları ve dış ortamdaki diğer parçacıklar üfleyici tarafından hava soğutmalı BTMS'ye getirilir ve bu da pillerin yüzeyinin DPM ile kaplanmasına neden olabilir. Isı yayma planı yoksa, aşırı yüksek pil sıcaklığı nedeniyle kazalara neden olabilir. Simülasyondan sonra, belirli bir hava akış hızında ve tozsuz ortamda pil takımının maksimum sıcaklığını, tozlu bir ortamda beklenen sıcaklık olarak alıyoruz. İlk olarak, C-oranı, pil belirtilen süre içinde nominal kapasitesini serbest bıraktığında gereken akım değerini ifade eder, bu da veri değerindeki pilin nominal kapasitesinin katlarına eşittir. Bu yazıda, simülasyon 2C oranlı deşarjı kullanır. Nominal kapasite 10 Ah ve nominal voltaj 3,2 V'tur. Pozitif elektrot malzemesi olarak lityum demir fosfat (LiFePO4), negatif elektrot malzemesi olarak karbon kullanılır. Elektrolit, elektrolit lityum tuzuna, yüksek saflıkta bir organik çözücüye, gerekli katkı maddelerine ve diğer hammaddelere sahiptir. Girişlerdeki farklı hız kombinasyonlarını temsil eden rastgele dizi, OLHA aracılığıyla belirlendi ve eğri bağlantısının doğruluğunu kontrol etme koşulu altında pil takımının maksimum sıcaklığı ile giriş akış hızı kombinasyonu arasında 2. dereceden bir fonksiyon kuruldu. Latin hiperküp (LH) tasarımları, McKay ve ark.26 tarafından önerildiğinden beri birçok bilgisayar deneyinde uygulanmıştır. Bir LH, bir N x p-matrisi L ile verilir, burada her bir L sütunu 1'den N'ye kadar olan tamsayıların bir permütasyonundan oluşur. Bu yazıda, hesaplama yükünü azaltmak için en uygun Latin hiperküp örnekleme yöntemi kullanılmıştır. Yöntem, örnekleme noktalarının tüm örnekleme iç kısımlarını kapsayabilmesini sağlamak için tabakalı örnekleme kullanır.

Bir sonraki adımda, SGDD-ASAM'a dayalı tozlu bir ortamda pil takımının maksimum sıcaklığını azaltmak için aynı anda enerji tüketiminin dikkate alınması koşuluyla giriş akış hızı kombinasyonu optimize edildi. Uyarlanabilir simüle edilmiş tavlama algoritması kapsamlı bir şekilde geliştirilmiş ve birçok optimizasyon probleminde yaygın olarak kullanılmıştır27,28. Bu algoritma, belirli bir olasılıkla en kötü çözümü kabul ederek yerel bir optimumda sıkışıp kalmaktan kaçınabilir. Küresel optimum, kabul olasılığını ve sıcaklığı tanımlayarak elde edilir; Hesaplama hızı da bu iki parametre kullanılarak ayarlanabilir. Son olarak, optimizasyonun doğruluğunu kontrol etmek için optimum sonuç, simülasyon yazılımından elde edilen analiz sonucu ile karşılaştırıldı.

Bu yazıda, toz kapağı nedeniyle sıcaklığı yükselen pil takımı için pil kutusunun giriş akış hızı için bir optimizasyon yöntemi önerilmiştir. Amaç, düşük enerji tüketimi durumunda tozla kaplı pil takımının maksimum sıcaklığını, tozla kaplı olmayan pil takımının maksimum sıcaklığının altına düşürmektir.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

NOT: Araştırma teknolojisi yol haritası, modelleme, simülasyon ve optimizasyon yazılımlarının kullanıldığı Şekil 1'de gösterilmektedir. Gerekli malzemeler Malzeme Tablosunda gösterilmiştir.

1. 3D modelin oluşturulması

NOT: 3D modeli oluşturmak için Solidworks'ü kullandık.

  1. 252 mm x 175 mm'lik bir dikdörtgen çizin, Extrude Boss/Base'e tıklayın ve 73 girin. Dış yüzeyden 4 mm uzakta yeni bir düzlem oluşturun.
  2. 131 mm x 16 mm'lik bir dikdörtgen çizin ve Doğrusal Çizim Deseni'ni tıklatın. Aralık ve örnek sayısı olarak sırasıyla 22 ve 6 girin. Dikdörtgenin dört kenarını da seçin ve Tamam'ı tıklatın. Açı olarak 180 girin ve tekrar çalıştırın. Bu adım, modelin ortasındaki simetri içindir.
  3. Extrude Cut'ı tıklatın, 65 girin ve OK'i tıklatın. Extrude Boss/Base'e tıklayın ve 65 girin, Sonucu birleştir'in işaretini kaldırın ve Ters Yön ve Tamam'a tıklayın.
    NOT: Birleştirme sonucu işaretlenmediğinde, esnetilen varlık ayrı bir varlık haline gelir. 11 pil, 11 tozlu partikül madde ve 1 hava alanı olmak üzere toplam 23 parça bulunmaktadır.
  4. 16 mm x 1 mm'lik bir dikdörtgen çizin. 1.2 ve 1.3 adımlarını tekrarlayın.
  5. 63 mm x 15 mm'lik bir dikdörtgen çizin, dikdörtgenin üst kenarını ve Doğrusal Çizim Deseni'ni tıklatın. 21, 3 ve 270 girin ve Tamam'a tıklayın. Çizgiyi Böl'ü ve küpün yüzünü tıklatın, Tamam'ı tıklatın.
  6. 63 mm x 15 mm boyutlarında bir dikdörtgen çizin. Çizgiyi Böl'ü ve küpün yüzünü tıklatın, Tamam'ı tıklatın.
  7. Dosya'yı tıklatın ve X_T dosyası olarak kaydedin.
    NOT: Belirtilen boyut: Lkutusu: 73 mm; Gkutusu: 252 mm; Ykutusu: 175 mm; Lb, Ld:65 mm; Gb, Gd:10 mm; Yb:131 mm; Yd: 1 mm; Li:63 mm; Gi:15 mm; d1, d2:5 mm, d3:6 mm Şekil 2'de gösterilmiştir.
  8. Araç Kutusu'nu > Bileşen Sistemleri > Mesh'i tıklatarak kafes bileşenini proje şematik bölgesine sürükleyin. Geometri'yi tıklatarak önceden kaydedilmiş X_T dosyasını içe aktarın.
  9. Ağ tasarımlı modelleyici penceresine girin ve bağımsız gövdeler olarak 23 parça içeren pil takımı modeli, Oluştur'a tıklanarak tekrar görüntülenir.
  10. Pilin 23 parçasının tamamını, pil parçası olarak adlandırılan yeni bir parça, 23 parçadan oluşan tüm tozlu partikül maddelerini toz parçası olarak ve hava boşluğunu hava parçası olarak seçin, daha sonra nesneleri gizleme ve adlandırma kolaylığı için ağaç taslağında.
  11. İlk olarak, BatteryPart ve DustPart'a sağ tıklayın ve açılır pencerenin yalnızca hava kısmını göstermesi için Parçayı Gizle'yi seçin.
  12. Seçim Filtresi: Gövdeler'i seçmek için fareyi seçim araç çubuğuna getirin, Adlandırılmış Seçim'i seçmek için grafik bölgesindeki hava boşluğu modeline sağ tıklayın ve ayrıntılar görünümü alanındaki hava boşluğu modelini hava etki alanı olarak yeniden adlandırın.
  13. Seçim Filtresine Geç: Yüzler, sağ tıklayın ve aşağıdan yukarıya doğru üç parçaya bölünmüş yüzeyi inlet1, inlet2 ve inlet3 olarak yeniden adlandırın, bu üç yüzün sağındaki ayrı yüzey output olarak adlandırılır, kalan dış yüzey sırasıyla outerBorder olarak adlandırılır.
  14. Seçim Modunu Kutu Seçimi olarak değiştirin, kutu seçiminin rahatlığı için hava boşluğu modelinin uygun görünümünü elde etmek için Y eksenine tıklayın, kutu seçimini kullanarak tüm iç yüzeyleri boşluk yüzeyi1 ila boşluk yüzeyi11 olarak yeniden adlandırın ve numaralandırın.
  15. Yalnızca batteryPart'ı göstermek için, airPart'a sağ tıklayın ve Parçayı Gizle'yi seçin. batteryPart'a sağ tıklayın ve açılır kısayol menüsünde Parçayı Göster'i seçin.
  16. Seçim Filtresi: Gövdeler'i seçmek için fareyi seçim araç çubuğuna getirin, Seçim Modu'nu Tek Seçim olarak değiştirin, Adlandırılmış Seçimi seçmek için Grafik bölgesindeki Her Pil Modeli'ne sağ tıklayın, ayrıntılar görüntüleme bölgesindeki 11 pil modelini sırasıyla batteryDomain1 olarak yeniden adlandırın ve numaralandırın.
  17. Ayrıca, her pil modelinin altı tarafı vardır, ardından Seçim Filtresi: Yüzler'e geçin, Adlandırılmış Seçim'i seçmek için Numaralı batteryDomains'in her bir Tarafına sağ tıklayın ve bunları pil tarafının yönüne göre yeniden adlandırın. Örneğin, numaralandırılmış batteryDomain1'in altı kenarını batteryDomain1_Upper, batteryDomain1_Lower, batteryDomain1_Left, batteryDomain1_Right, batteryDomain1_Front ve batteryDomain1_Back olarak yeniden adlandırın.
  18. Yalnızca dustPart'ı göstermek için, batteryPart'a sağ tıklayın ve Parçayı Gizle'yi seçin. dustPart'a sağ tıklayın ve açılır kısayol menüsünde Parçayı Göster'i seçin.
  19. Seçim Filtresi: Gövdeler'i seçmek için fareyi seçim araç çubuğuna getirin, Adlandırılmış Seçim'i seçmek için Grafik bölgesindeki her tozlu partikül madde modeline sağ tıklayın, ayrıntılar görünümü bölgesindeki 11 tozlu partikül madde modelini sırasıyla dpmDomain1 olarak yeniden adlandırın ve dpmDomain11 olarak numaralandırın.
  20. Ayrıca, her tozlu partikül madde modelinin altı kenarı vardır; ardından Seçim Filtresi: Yüzler'e geçin, Adlandırılmış Seçim'i seçmek için Numaralı dpmDomain'lerin Her İki Tarafına sağ tıklayın ve bunları tozlu partikül madde tarafının yönüne göre yeniden adlandırın. Örneğin, numaralandırılmış dpmDomain1'in altı kenarını dpmDomain1_Upper, dpmDomain1_Lower, dpmDomain1_Left, dpmDomain1_Right, dpmDomain1_Front ve dpmDomain1_Back olarak yeniden adlandırın.
  21. Tüm gövdeleri gösterin ve tekrar ilk pencereye dönün.

2. Kafes modelini oluşturun

NOT: Sonlu elemanlar örgüsü, sonlu elemanlar sayısal simülasyon analizinde çok önemli bir adımdır ve sonraki sayısal analiz sonuçlarının doğruluğunu doğrudan etkiler. Yeniden adlandırılan varlıklar daha sonra meshlenir.

  1. Hava etki alanını, pil etki alanını ve dpm etki alanını bağımsız olarak meshlemek için iki Mesh bileşenini Toolbox > Component Systems > Mesh'ten proje şematik bölgesine tekrar sürükleyin ve bunları sırasıyla airFEM, batteryFEM ve dpmFEM olarak yeniden adlandırın. airFEM > Geometry'yi farenin sol tuşu ile basılı tutun ve batteryFEM > Geometry'ye sürükleyin.
  2. Ardından, farenin sol tuşu ile batteryFEM > Geometry'yi basılı tutun ve dpmFEM > Geometry'ye sürükleyin. Üç kafes bileşeni arasındaki Çizgiler'e sağ tıklayın ve bunların birbirleriyle ilişkisini kesmek için Sil'i seçin.
  3. airFEM'in Mesh'ine çift tıklayın, meshleme penceresine girin, Suppress Body'yi seçmek için batteryPart ve dustPart'a sağ tıklayın ve fiziksel tercihi mekanikten CFD'ye değiştirin. Güncelle'ye tıklayarak 2 mm'lik yüzey boyutlandırması ve 4 mm'lik gövde boyutlandırması aracılığıyla FEM hava etki alanı modelini oluşturun ve ilk pencereye dönün.
  4. batteryFEM's Mesh'e çift tıklayın, meshleme penceresine girin, Suppress Body'yi seçmek için airPart ve dustPart'a sağ tıklayın ve fiziksel tercihi Mekanik'ten CFD'ye değiştirin. Güncelle'ye tıklayarak 2 mm gövde boyutu üzerinden FEM pil etki alanı modelini oluşturun ve ilk pencereye dönün.
  5. dpmFEM'in Mesh'ine çift tıklayın, meshleme penceresine girin, airPart ve batteryPart'a sağ tıklayarak Extract Body'yi seçin ve fiziksel tercihi Mechanical'dan CFD'ye değiştirin. Güncelle'ye tıklayarak 2 mm gövde boyutlandırması yoluyla FEM dpm etki alanı modelini oluşturun, ilk pencereye dönün.
    NOT: Şekil 3A , hava alanının ızgarasını, Şekil 3B , pil alanının ızgarasını ve Şekil 3C , dpm alanının ızgarasını göstermektedir.
  6. Hava ızgarasının minimum boyutunu 4 mm'ye ve pilin ve tozlu partikül madde ızgarasının minimum boyutunu 2 mm'ye ayarlayın. Kılavuzun çözümden bağımsız olduğundan emin olun, kılavuzun minimum hücre boyutunu değiştirin ve bir ızgara duyarlılığı etüdü gerçekleştirin.
    NOT: Şekil 4'te gösterildiği gibi, ızgara sayısı 519343'den 1053849'ye yükselirken, maksimum pil sıcaklığı değişiklikleri 0.6 K'den azdır. Hesaplama yeteneği ve doğruluğu göz önüne alındığında, aşağıdaki analiz 931189 ızgaralı ızgara modeline dayanmaktadır.

3. Simülasyon analizi

  1. Akışkan Akışı'nı Toolbox > Analysis Systems > Akışkan Akışı'ndan proje şematik bölgesine sürükleyin. airFEM'> Mesh'i basılı tutun, ardından farenin sol tuşuyla batteryFEM > Mesh ve dpmFEM > Mesh'i basılı tutun ve Fluid Flow > Setup'a sürükleyin. Akışkan Akışı > Kurulum'a sağ tıklayın ve ayarlanan pencereye girmek için Güncelle'yi seçin.
  2. FEM modelinin geçerliliğini doğrulayın ve ağın negatif bir hacme sahip olup olmadığını kontrol edin. Yazılım, modelin hacmini otomatik olarak önerir ve makul bir model değeri pozitiftir. Bölünmüş ızgara veya model ayarlarıyla ilgili herhangi bir sorun varsa, bunu söylemek için bir hata mesajı açılır.
  3. Isı transfer modellerinde enerji denklemini etkinleştirin. Viskoz modelin ve radyasyon modelinin ayar arayüzüne girin ve K-epsilon Modelini ve Ayrık Ordinat Modelini seçin.
    NOT: Şekil 5'te gösterildiği gibi, dört viskoz model karşılaştırıldığında, Spalart-Allmaras modelinin hesaplama sonuçları diğer modellerden oldukça farklıdır. Standart K-epsilon modelinin sonuçları diğer K-epsilon modellerininkiler gibidir. Daha yüksek stabilite ve ekonomiye sahip Standart K-epsilon modeli yaygın olarak kullanılmaktadır; Aşağıdaki analiz Standart K-epsilon modeline dayanmaktadır.
  4. Hava malzemesi, pil malzemesi, dpm malzemesi ve pil kutusu malzemesi için farklı özelliklere sahip yeni malzemeleri Tablo 1'e göre ayarlayın.
    NOT: Pil takımının içinde üç farklı fiziksel malzeme vardır: sıvı olarak hava ve katı olarak geri kalanı. Ardından, malzemeyi ayarlayın.
    1. Numaralandırılmış pil etki alanlarının sıvı türünü Katı tür olarak değiştirin ve her bir Pil Etki Alanı'na çift tıklayarak dpm malzemesini Katı penceresindeki pil malzemesiyle değiştirin. Ardından, Kaynak Terimleri öğesini seçin ve enerji kaynaklarının sayısına sayı atayarak ve w/m3 değerini girmek için Sabit türü'nü seçerek bir enerji kaynağı eklemek için vurgulanan Kaynak Terimleri'209993 tıklayın.
    2. Numaralandırılmış dpm etki alanlarının akışkan türünü Katı tür olarak değiştirin.
  5. Ardından, aşağıda açıklandığı gibi gerçek ayar akış hızına ve ısı transfer katsayısına göre birkaç farklı alanın simülasyon hesaplaması için arayüzü ayarlayın.
    1. Hava alanının iç yüzeyleri ve pil alanlarının tüm kenarları dahil olmak üzere yeniden adlandırılan tüm yüzeylerin türünü ve ayrıca varsayılan duvardaki dpm etki alanlarını arayüze dönüştürün. Yukarıdaki adımlar başarıyla tamamlandığında, ağ arayüzleri hemen oluşturulacaktır.
    2. Mesh Arayüzleri'ne tıklayın ve Mesh Arayüzleri Oluştur/Düzenle penceresine girin. Boşluk yüzeylerini, pil alanlarının üst tarafları ve dpm domian'ın alt tarafları hariç tüm taraflarla eşleştirin. Ardından, bunları sırasıyla interface1 ila interface11 olarak adlandırın ve numaralandırın. Böylece, 11 ağ arabirimi, hava alanı ve pil domian'larının yanı sıra dpm etki alanları arasında oluşturulabilir.
    3. Pil etki alanlarının üst taraflarını ve dpm etki alanlarının alt taraflarını eşleştirin. Ardından, bunları sırasıyla interface12 ila interface22 olarak adlandırın ve numaralandırın. Ardından, pil etki alanları ve dpm etki alanları arasında 11 ağ arabirimi oluşturulur.
    4. Karışık termal durumda ısı transfer katsayısını 5 olarak ayarlayarak ve malzemesini varsayılan alüminyumdan önceden tanımlanmış pil kutusu malzemesine değiştirerek dış kenarlığın yüzeyini duvar termal sınır koşulu olarak atayın.
    5. Hız giriş penceresinde tüm girişlerin hava akış hızlarını 5 m/s ve basınç çıkış penceresinde çıkışın gösterge basıncını sıfır olarak ayarlayın.
  6. Ardından, bilgi işlem alanının durumunu, hesaplama yakınsama sürecini etkileyecek olan 300 K'lık başlangıç sıcaklığı gibi ilk anda ayarlayın.
    1. Başlatmadan önce çözüm başlatma türünü standart başlatma olarak ayarlayın.
    2. Yineleme sayısını 2000 olarak ayarlayın.
    3. Simülasyon yapmak için Hesapla'ya tıklayın. Simülasyon bitene kadar ilk pencereye dönün.
  7. Yukarıdaki bölüm, pil takımının içindeki sıcaklık ve hava hızının simülasyon hesaplamasını tamamlar ve ardından simülasyon sonucunu Sonuç'ta görüntüler. Görüntülenen sonuçlarda aşağıdaki adımları gerçekleştirin.
    1. CFD gönderi penceresine girmek için Akışkan Akışı > Sonuçları'na çift tıklayın, ardından araç kutusundaki Contour simgesine tıklayın.
    2. Konum seçicide Pillerin Tüm Tarafları'nı seçin ve basıncı sıcaklığa değiştirin. Ardından pillerin sıcaklık konturunu oluşturmak için Uygula'ya tıklayın.
    3. Seçilen değişkenlerin sıcaklığını seçmek için Dosya > Dışa Aktar'a tıklayın. Tüm pil alanlarının seçilmesi gereken konum seçici penceresini açmak için konumların Açılır düğmesini tıklayın. Çıkmak için Tamam ve Kaydet düğmesine tıklayın.
      NOT: Verileri tüm pillerin ağ düğümlerinin sıcaklıklarına karşılık gelen bir elektronik tablo, kaydet düğmesine tıklandığında otomatik olarak kaydedilecektir.
    4. Tozlu bir ortamda pillerin maksimum sıcaklığını tüm hava akışı girişlerinin 5 m/s'sinde gösteren maksimum değeri bulmak için elektronik tabloyu açın.
    5. Pillerin serbest toz durumundaki maksimum sıcaklığını beklenen sıcaklık olarak alın ve tozlu durumdaki maksimum sıcaklıkla karşılaştırın; Sonuç, tüm sıcaklığın arttığını gösterir.
      NOT: Tozsuz bir ortamda pillerin maksimum sıcaklığını elde etmek için, Şekil 6'da gösterilen yeni pil takımı modeli yeniden kurulmalı ve 1.1-3.4.3'teki tüm adımlar tekrarlanmalıdır.
    6. Akü paketinin içindeki maksimum sıcaklığı düşürmek için, girişlerdeki hava akış hızlarını 5 m/s'den 6 m/s'ye ayarlayın, %5 artırın ve tozlu pillerin karşılık gelen maksimum sıcaklıklarını hesaplayın.
      NOT: Parametre değerlerini değiştirmeden önce hava akış hızı parametrelerinin hassasiyet analizi çok önceden yapılmalıdır. Şekil 7 ve Tablo 2'de gösterildiği gibi, farklı giriş hava akış hızı kombinasyonlarının yedi grubunun her biri için aynı toplam akışı tuttuk. Hava akış hızı tahsisindeki farklılık nedeniyle maksimum sıcaklıkta hala bariz bir değişiklik vardır. Başka bir deyişle, hava akış hızı kombinasyonu ile maksimum sıcaklık arasında bir şekilde güçlü bir korelasyon vardır. Bu nedenle, bu hız parametreleri tasarım değişkenleri olarak kullanılabilir.
    7. Sıcaklık-hız eğrisini Şekil 8'de gösterildiği gibi çizin, burada kırmızı çizgi hava akış hızının artmasıyla sıcaklık karakteristik eğrisinin azaldığını ve mavi çizgi beklenen sıcaklığı temsil eder.
    8. Hava akış hızında %10'luk bir artış sağlayın. Hız artışı %10'dan fazla olduğunda, maksimum sıcaklık zaten beklenen sıcaklıktan daha düşüktür, ancak bu düşük enerji tüketimi amacını karşılamaz. Kalan hava akış hızı için, optimizasyon yoluyla pil takımının maksimum sıcaklığını beklenen sıcaklığa düşürün, böylece düşük enerji tüketimi hedefine ulaşın.

4. Optimal Latin hiperküp örneklemesi ve yanıt yüzeyi modellemesi

NOT: 5 m/s-5.5 m/s'lik tutulan akış hızları için, bu akış hızı aralığında farklı akış hızı kombinasyonları oluşturmak üzere numuneler seçilir. Maksimum sıcaklığı elde etmek için hız kombinasyonları simüle edilir. Hız ve maksimum sıcaklık fonksiyonunu oluşturun.

  1. İlk sütundaki satırları inlet1, inlet2 ve inlet3 olarak adlandırılan bir tablo oluşturmak için yeni bir boş elektronik tablo açın ve dosyayı sampling.xlsx olarak kaydedin.
  2. Optimizasyon yazılımını çalıştırın ve Elektronik Tablo simgesini Görev 1'in tek okuna sürükleyin. Ardından, Bileşen Düzenleyici-Excel penceresini açmak için Elektronik Tablo simgesine çift tıklayın.
  3. Gözat düğmesine tıklayarak sampling.xlsx içe aktarın ve Bu eşlemeyi ekle'ye tıklayarak giriş1, giriş2 ve giriş3'ü parametre olarak A1, A2 ve A3'e eşleyin. Tıkla OK İlk pencereye dönmek için düğmesine basın.
  4. DOE simgesini Task1'e sürükleyin ve Component Editor-DOE penceresini açmak için çift tıklayın. OptimOKal Latin Hypercube'u seçin ve Genel penceresinde Nokta Sayısı'nı 15 olarak ayarlayın.
  5. Faktörler penceresine geçin ve A1, A2 ve A3 için üst sınır olarak 5,5'i ve alt sınır olarak 5'i ayarlayın.
  6. Tasarım Matrisi penceresine geçin ve farklı giriş hızlarına karşılık gelen rastgele örnekleme noktalarını oluşturmak için Oluştur'a tıklayın. Optimizasyon yazılımını kapatın.
  7. Hesaplamak için rastgele örnekleme noktalarının hız kombinasyonları dizilerini geri alın ve pillerin maksimum sıcaklıklarından oluşan karşılık gelen sıcaklık dizisini elde etmek için 3.5.5-3.7.5 adımlarını tekrarlayın.
  8. Tablo 3'te gösterildiği gibi yeni bir değişken tablosu oluşturmak için hız kombinasyonları dizilerinin x1, x2 ve x3 tahmin değişkenlerini ve sıcaklık dizilerinin y'sini birleştirin ve bunu bir sample.txt dosyası olarak kaydedin. Yanıt yüzeyi modeline sığdırmak için dosyayı içeri aktarın.
  9. Optimizasyon yazılımını yeniden çalıştırın ve Yaklaşım simgesini Task1'in tek okuna sürükleyin. Yanıt Yüzeyi Modeli'ni seçmek üzere bileşen düzenleyicisi yaklaşım penceresini açmak için Task1 simgesine çift tıklayın.
  10. Veri Dosyası penceresine geçin ve tahmin değişkenlerini içeren sample.txt dosyasını içe aktarın.
  11. Parametreler penceresine geçin ve taramak x1, x2 ve x3 tahmin değişkenlerinin giriş ve y çıkış olarak tanımlandığı veri dosyası penceresinde parametreleri açmak için.
  12. Teknik Seçenekleri penceresine geçin ve polinom sırasına göre İkinci Dereceden seçin. Hata Analizi Seçenekleri penceresine geçin ve hata analizi yönteminde Çapraz Doğrulama'yı seçin.
  13. Verileri Görüntüle penceresine geçin ve ikinci dereceden doğrusal regresyon denkleminin katsayılarını elde etmek için Şimdi Başlat'a tıklayın.
  14. Hataların her hata türü için kabul edilebilir standartları karşılayıp karşılayamayacağını kontrol etmek için yaklaşık hata analizi penceresini açmak için Hata Analizi düğmesine tıklayın. Yaklaşım bileşeni penceresini kapatın. Keyfi hata, karşılık gelen kabul edilebilir standartları karşılayamıyorsa, model montajına katılmak için daha fazla örnek noktası ekleyin.

5. Uyarlanabilir simüle edilmiş tavlama algoritması tabanlı yaklaşık uydurma modeli

NOT: Daha sonra, yaklaşık modelin en uygun değerini bulmak için yazılım ve algoritma kullanılır

  1. Optimizasyon simgesini Task1'e sürükleyin ve bileşen düzenleyicisi optimizasyon penceresini açmak için çift tıklayın. Optimizasyon tekniğinde Uyarlamalı Tavlama Simülasyonu'nu (ASA) seçin.
  2. Üst sınır olarak 5.5 ve alt sınır olarak 5 ayarlamak için Değişkenler penceresine geçin.
  3. Hedefler penceresine geçin ve bileşen düzenleyicisi optimizasyonu penceresini kapatmadan önce Y parametresini seçin.
  4. Optimizasyonu Çalıştır düğmesine tıklayın ve optimizasyon sonucunu bekleyin.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Protokolü takiben, pil takımının maksimum sıcaklığını elde etmek için modelleme, ağ oluşturma ve simülasyonu içeren ilk üç bölüm en önemli olanlardır. Daha sonra örnekleme ile hava akış hızı ayarlanır ve son olarak optimizasyon ile optimum akış hızı kombinasyonu elde edilir.

Şekil 9, farklı ortamlardaki pil paketi sıcaklık dağılımının karşılaştırmasını gösterir ve Şekil 10 , farklı ortamlardaki ikinci pil sıcaklık dağılımının karşılaştırmasını gösterir. Şekil 9 ve Şekil 10'da gösterildiği gibi, DPM'nin (tozlu partikül madde) düşük ısı iletkenliği nedeniyle pilin tozlu durumdaki sıcaklığı belirli bir seviyeye yükseltilir.

Akü sıcaklık dağılımını ayarlamak için girişlerdeki hava akış hızlarını 5 m/s ile 6 m/s arasında ayarlayın, tozlu modelde %5 artırın ve her hava akış hızında maksimum sıcaklıkları elde edin. Hava akış hızı %15 ve %20 artırıldığında, Şekil 8'de gösterildiği gibi, tozlu durumdaki pil takımının maksimum sıcaklığı, serbest toz durumundaki pil takımının maksimum sıcaklığının altına düştü. Enerji tüketimi göz önünde bulundurularak, tozlu durumda pil takımının maksimum sıcaklığını azaltmak için maksimum giriş hızı 5,5 m/s (%10 artırıldı) olarak ayarlanmıştır.

İkinci dereceden QRSM'yi oluştururken, minimum numune sayısı (N + 1) x (N + 2)/2 ile hesaplanır, burada N test değişkenlerinin sayısıdır. Bu makalede, giriş hızları ve minimum numune sayısı 10 olan üç tasarım değişkeni vardır. Yüksek montaj doğruluğuna sahip bir yanıt yüzeyi modeli oluşturmak için, optimizasyon yazılım platformunun DOE bileşeni kullanılarak 15 numune seçildi. En küçük kareler yöntemi, simülasyon yazılımı tarafından elde edilen pil takımının maksimum sıcaklığı ile üç giriş hızı arasındaki tepki yüzeyinin takılmasını tamamlamak için kullanılır. Yaklaşık yanıt yüzeyi modeli aşağıdaki gibi kurulur:

Equation1

R2, regresyon denkleminin genel uyumunu ölçer ve bağımlı değişken ile tüm bağımsız değişkenler arasındaki genel ilişkiyi ifade eder. R2, karelerin regresyon toplamının toplam kareler toplamına oranına, yani regresyon denkleminin açıklayabileceği bağımlı değişkenin değişkenlik yüzdesine eşittir. R2'nin değeri 1'e ne kadar yakınsa, regresyon eğrisinin gözlemlenen değere uyumu o kadar iyi olur.

Hesaplama sonuçlarının hata analizi, Şekil 11'de gösterildiği gibi R2'nin 0.93127 olduğunu gösterir, bu da ikinci dereceden polinom tepki yüzeyi yaklaşım modelinin iyi bir uydurma doğruluğuna sahip olduğunu gösterir.

Sonunda, uyarlanabilir simüle edilmiş tavlama (ASA), optimum giriş akış hızı kombinasyonlarını bulmak için optimizasyon yöntemi olarak kullanılır. Oluşturulan maksimum tasarım sayısı 10.000, yakınsama kontrolü için tasarım sayısı 5 ve yakınsama epsilonu 1.0 x 10-8'dir. Parametre tavlama, maliyet tavlama, parametre su verme ve maliyet söndürme nispi oranı 1 ile aynı değerdi.

Optimizasyonla elde edilen pil takımının maksimum sıcaklığı 309.391420 K idi. Girişlerin hava akış hızları 5.5 m/s, 5m/s ve 5.5 m/s'dir. Doğruluğu doğrulamak için, en uygun durum simülasyon yazılımı tarafından analiz edildi. Tablo 4 , optimizasyon ve simülasyon doğrulama sonuçları arasındaki karşılaştırmayı göstermektedir. Pil takımının maksimum sıcaklığının hatasının, üç giriş hava akış hızı koşulu altında% 0.001 içinde olduğu görülebilir, bu da bu çalışmada benimsenen optimizasyon yönteminin etkili ve uygulanabilir olduğunu gösterir.

Farklı giriş hava akış hızları altında ikinci pil sıcaklık dağılımının karşılaştırılması Şekil 12'de gösterilmektedir ve optimizasyondan önce ve sonra pil paketi sıcaklık dağılımının karşılaştırılması Şekil 13'te gösterilmektedir. Tablo 5 , maksimum sıcaklıkların spesifik değerlerini ve hava akış hızlarının kombinasyonlarını göstermektedir. 1-3 girişlerinin hava akış hızları sırasıyla 5.5 m/s, 5.5 m/s ve 5.5 m/s olduğunda, pil takımının maksimum sıcaklığı 309.426208 K'dir. Optimizasyondan sonra, 1-3 girişlerinin hava akış hızı 5.5 m/s, 5m/s ve 5.5 m/s'dir ve pil takımının maksimum sıcaklığı 309.392853 K'dir. Şekil 12B'de gösterilen optimize edilmiş kasanın hava akış hızlarının toplamının, Şekil 12A'da gösterilen kasanın hava akış hızlarının toplamından daha az olduğuna dikkat edilmelidir. Bununla birlikte, hava akış hızı azaldıkça maksimum sıcaklık artmaz. Ayrıca, optimize edilmiş pil takımı ilk pil takımıyla karşılaştırılır (yani, üç girişin hava akış hızlarının tümü 5 m/s'dir ve piller DPM ile kaplıdır). Şekil 14 , optimizasyondan önceki ve sonraki akış çizgisi dağılımını karşılaştırır ve optimizasyondan sonra akış çizgisi dağılımının daha geniş olduğu görülebilir. Şekil 15 , her bir faktörün sıcaklık üzerindeki etkilerini karşılaştırır; Faktör X1, sıcaklık üzerinde en büyük etkiye sahiptir. x1 ve x3 faktörlerinin sıcaklık üzerinde benzer etkileri vardır. Kısacası, toplam hava akış hızı% 3 azalır ve pil takımının maksimum sıcaklığı beklenen sıcaklığa düşürülür (yani, pil takımının tozsuz durumdaki maksimum sıcaklığı).

Optimizasyon yöntemi, düşük enerji tüketimi ile pil takımının yaşam döngüsünü iyileştirmek için yaygın olarak kullanılabilir.

Figure 1
Şekil 1: Teknik yol haritası. Bu şekil, araştırma nesneleri, yöntemleri, çözümleri, modelleme, simülasyon ve optimizasyon yazılımı dahil olmak üzere araştırma içeriğine göre ayrıntılı simülasyon ve optimizasyon sürecini açıklamaktadır. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 2
Şekil 2: Tozlu bir ortamda lityum iyon pil takımının 3D modeli. X_T dosyası olarak kaydedilebilen ve simüle etmek için simülasyon yazılımına aktarılabilen LIB paketinin 3D modeli, modelleme yazılımı tarafından çizilir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 3
Şekil 3: Izgara diyagramı. (A) Bu şekil, hava alanının ızgarasını göstermektedir. (B) Bu şekil, pil alanının ızgarasını göstermektedir. (C) Bu şekil, dpm etki alanının ızgarasını gösterir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 4
Şekil 4: Şebeke bağımsızlığı testi. X ekseni, kafes modelindeki farklı toplam ızgara sayısıdır ve Y ekseni sıcaklıktır. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 5
Şekil 5: Viskoz model testi. X ekseni viskoz modelin tipidir, 1 rakamı Standart k-epsilon modelini, 2 rakamı RNG k-epsilon modelini, 3 rakamı Gerçekleştirilebilir k-epsilon modelini, 4 rakamı Spalart-Allmaras modelini, Y ekseni sıcaklıktır. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 6
Şekil 6: Tozsuz bir ortamda lityum iyon pil takımının 3D modeli. X_T dosyası olarak kaydedilebilen ve simüle etmek için simülasyon yazılımına aktarılabilen LIB paketinin 3D modeli, modelleme yazılımı tarafından çizilir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 7
Şekil 7: Parametre duyarlılık analizi. X eksenindeki sayı, giriş hava akış hızlarının n'inci kombinasyonunu temsil eder. Örneğin, 5 sayısı, giriş1'de 3 m/s, giriş2'de 5 m/s, giriş3'te 7 m/s'ye karşılık gelen hız kombinasyonunu (3,5,7) temsil eder. Benzer şekilde, 1,2,3,4,6 sayısı sırasıyla (5,5,5), (4,5,6), (5,6,4), (5,4,6), (3,5,7), (5,3,7), (5,7,3)'ün farklı giriş hava akış hızı kombinasyonunu temsil eder. Y ekseni sıcaklıktır. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 8
Şekil 8: Farklı giriş hava akış hızlarında pil takımı sıcaklık değişimi. Şekil, giriş hava akış hızının artmasıyla azalan maksimum pil takımı sıcaklığını göstermektedir. X ekseni, girişlerdeki hava akış hızı artış hızıdır. Y ekseni sıcaklıktır. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 9
Şekil 9: Farklı ortamlardaki pil takımı sıcaklık dağılımının karşılaştırılması. (A) Bu şekil, pil takımının tozsuz bir ortamdaki sıcaklık dağılımını göstermektedir. (B) Bu şekil, 2 numaralı pilde sıcaklığın en yüksek olduğu tozlu bir ortamda pil takımının sıcaklık dağılımını göstermektedir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 10
Şekil 10: Farklı ortamlarda 2 numaralı pil sıcaklık dağılımının karşılaştırılması. (A) Bu şekil, tozsuz bir ortamda 2 numaralı pilin sıcaklık dağılımını göstermektedir. (B) Bu şekil, tozlu bir ortamda 2 numaralı pilin sıcaklık dağılımını göstermektedir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 11
Şekil 11: Yaklaşım yanıt yüzeyi modelinin hata analizi. Şekil, ikinci dereceden polinom tepki yüzeyi yaklaşım modelinin iyi bir uyum doğruluğuna sahip olduğunu göstermektedir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 12
Şekil 12: Farklı giriş hava akış hızları altında 2 numaralı pil sıcaklık dağılımının karşılaştırılması. (A) Bu şekil, sadece giriş hava akış hızını artırarak 2 numaralı pilin sıcaklık dağılımını göstermektedir. (B) Bu şekil, giriş hava akış hızının optimizasyonundan sonra 2 numaralı pilin sıcaklık dağılımını göstermektedir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 13
Şekil 13: Optimizasyondan önce ve sonra pil takımı sıcaklık dağılımının karşılaştırılması. (A) Bu şekil, optimizasyon yapılmadan tozlu bir ortamda pil takımının sıcaklık dağılımını göstermektedir. (B) Bu şekil, optimizasyondan sonra pil takımının tozlu bir ortamdaki sıcaklık dağılımını gösterir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 14
Şekil 14: Pil paketinin optimizasyonundan önce ve sonra dağıtımı düzene sokmasının karşılaştırılması. (A) Bu şekil, pil takımının tozlu bir ortamda optimizasyon yapılmadan düzenli dağılımını göstermektedir. (B) Bu şekil, optimizasyondan sonra pil takımının tozlu bir ortamda düzenli dağılımını göstermektedir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 15
Şekil 15: Üç faktörün sıcaklık üzerindeki etkisi. (A) Bu şekil, x1 ve x2'nin sıcaklık üzerindeki etkilerini göstermektedir. (B) Bu şekil, x1 ve x3'ün sıcaklık üzerindeki etkilerini göstermektedir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Ortamın adı ρ/kg·m-3 C/J· (kg· K)-1 K/W (m·K)-1
hava malzemesi 1.225 1006.43 0.0242
pil malzemesi 1958.7 733 kx=3.6,ky=kz=10.8
dpm Malzemesi 2870 910 1.75
pil kutusu malzemesi 7930 500 16.3

Tablo 1: Malzeme özellikleri. Havaya, pile, tozlu partikül maddeye ve pil kutusuna karşılık gelen malzeme özellikleri, simülasyon yazılımının parametre Ayarlarında kullanılacaktır.

Sayı Giriş1(m/s) Giriş2(m/s) Giriş3(m/s) Pil takımının maksimum sıcaklığı (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

Tablo 2: Parametre duyarlılık analizi. Tablo, giriş hava akış hızlarının yedi kombinasyonunu ve pil takımının karşılık gelen maksimum sıcaklığını göstermektedir. Örneğin, 5 sayısı, girişte 3,5,7 m/s, giriş3'de 5m/s, giriş2'de 7 m/s ve karşılık gelen pil paketi maksimum sıcaklığı 311.54599 K'ye karşılık gelen hız kombinasyonunu (311.54599) temsil eder.

Sayı Giriş1(m/s) Giriş2(m/s) Giriş3(m/s) Pil takımının maksimum sıcaklığı (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

Tablo 3: İkinci dereceden tepki yüzey modeli için kullanılan hız ve sıcaklık dizileri. Girişlerdeki farklı hava akış hızı kombinasyonları OLHA tarafından rastgele oluşturulabilir ve karşılık gelen maksimum sıcaklıklar simülasyon yazılımı tarafından hesaplanır.

Ad Giriş1(m/s) Giriş2(m/s) Giriş3(m/s) Pil takımının maksimum sıcaklığı (K)
Optimizasyon sonucu 5.5 5 5.5 309.39142
Simülasyon doğrulama sonucu 5.5 5 5.5 309.392853

Tablo 4: Optimizasyon ve simülasyon doğrulama sonuçları arasındaki karşılaştırma. Girişlerde ve karşılık gelen sıcaklıkta uygun hava akış hızı kombinasyonu, simülasyon doğrulaması ile de doğru olduğu kanıtlanan optimizasyon ile elde edilebilir.

Ad Giriş1(m/s) Giriş2(m/s) Giriş3(m/s) Pil takımının maksimum sıcaklığı (K)
A 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

Tablo 5: Farklı koşullar altında pil takımının giriş hava akış hızı ve maksimum sıcaklığının karşılaştırılması. (A) Normal girişlerin altındaki pil takımı, hava akış hızı ve serbest toz ortamı. (B) Normal girişlerin altındaki pil takımı, hava akış hızı ve tozlu ortam. (C) Girişlerin altındaki pil takımının hava akış hızları artar ve tozlu ortam. (D) Optimize edilmiş hava akış hızları ve tozlu ortam altında pil takımı.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Bu çalışmada kullanılan BTMS, düşük maliyeti ve yapının sadeliği nedeniyle hava soğutma sistemine dayalı olarak kurulmuştur. Düşük ısı transfer kapasitesi nedeniyle, hava soğutma sisteminin performansı, sıvı soğutma sistemi ve faz değişimli malzeme soğutma sisteminden daha düşüktür. Bununla birlikte, sıvı soğutma sistemi, soğutucu akışkan sızıntısı dezavantajına sahiptir ve faz değiştiren malzeme soğutma sistemi, yüksek kütle ve düşük enerji yoğunluğunasahiptir 29. Bu soğutma sistemlerinin avantajları ve dezavantajları vardır. Bu nedenle, BTMS, soğutma performansını artırmak için bir hava soğutma sistemini bir sıvı soğutma sistemi veya bir faz değişimli malzeme soğutma sistemi ile birleştirerek kurulabilir.

Modelin akış ve sıcaklık profilini simüle etmek için bir CFD çözücü uygulandı. Süreklilik (2) ve enerji tasarrufu denklemi (3) gibi yönetim denklemleri30, hava akışının zamana bağlı termal problemini çözmek için kullanıldı.

Equation2
Equation3

Burada p, k ve c , kullanılan havanın sırasıyla yoğunluk, termal iletkenlik ve özgül ısı olan özellikleridir; T ve Equation11 soğutma havasının statik basıncı, sıcaklığı ve hızıdır.

Momentum denklemleri31

Equation4
Equation5

Burada ui ve uj Reynolds ortalamalı hız bileşenleridir; xi ve xj kartezyen koordinatlardır; P, Reynolds ortalama basıncıdır; μ dinamik viskozitedir; μt türbülanslı dinamik viskozitedir. k türbülanslı kinetik enerjidir; ε türbülanslı kinetik enerji yayılma hızıdır.

Giriş akış hızına (v=5 m/s) ve eşdeğer çapa dayalı Reynolds sayısı 0.0242308 olarak tahmin edilmiştir; Reynolds sayısı 9894 olarak hesaplandı, böylece standart ke modelinin türbülans modeli seçildi.

Reynolds sayı denklemi32

Equation6

Burada PL yoğunluktur, Vmax sıvının maksimum akış hızıdır, D kabın eşdeğer çapıdır ve ul sıvının dinamik viskozitesidir.

Türbülanslı kinetik enerji denklemi33

Equation7

Burada kt ve ε sırasıyla türbülanslı kinetik enerji ve türbülans yayılma hızıdır; uj, hız vektörünün j. bileşenidir ve μ ve ut sırasıyla moleküler ve türbülanslı dinamik viskozitedir; Gkt ve Gb, sırasıyla ortalama hızın neden olduğu türbülanslı kinetik enerji üretimi ve kaldırma kuvveti etkilerinin bir sonucu olarak türbülanslı kinetik enerji üretimidir; YM, dalgalanan genişlemenin, sıkıştırılamaz türbülansın, dağılma oranlarının toplamına etkisini temsil eder; Skt, kt'nin kaynak terimidir; αkt, kt için ters etkili Prandtl sayısıdır.

Türbülanslı kinetik enerji dağılımı denklemi33

Equation8

Sε, ε'nin kaynak terimidir; αt, ε için ters etkili Prandtl sayısıdır; C1ε , C2ε ve C3ε ampirik sabitlerdir.

Pil hücreleri için enerji korunumu denklemi34

Equation9

Burada Q, kb, cb; ve PB, sırasıyla pilin üretilen ısısını, termal iletkenliğini, özgül ısı kapasitesini ve yoğunluğunu temsil eder.

Isı konveksiyon formülü35

Equation10

Hf konveksiyonla ısı transfer katsayısını temsil ederken; TS , LIB'lerin yüzey sıcaklığını temsil eder; TB, ortam havasının sıcaklığını temsil eder; ve q* konveksiyonla ısı transfer hızını temsil eder.

BTMS'nin girişi, 5 m/s'lik bir hız-giriş sınırı koşuluna ve 300 K sıcaklığa ayarlanırken, sistem çıkışı, çevre basıncı atmosferik basınca ayarlanmış olarak basınç çıkışına koşullandırıldı. Sistemin etrafındaki duvarlar doğal konveksiyon için ayarlanmıştır.

Bu makale, pil takımı modelinin yapısının belirlenmesi koşuluyla araştırmaya başladı, pilin yüzeyini kaplayan toz, pilin sıcaklığının yükselmesine neden olacaktır. Ardından, yaklaşık bir QRSM'yi optimize etmek ve DPM etkisi sorununu çözmek için sistem girişlerinin optimum hava akış hızları kombinasyonu aracılığıyla sıcaklık düşüşlerini yerine getirmek için SGDD-ASAM'ı sunuyoruz. Pil takımının hava giriş ve çıkış konumlarının da BTMS14'ün sıcaklığı üzerinde büyük etkisi olduğu belirtilmelidir.

Protokolde bazı kritik adımlar vardır. Pil takımının 3D modelini oluştururken, modeldeki her gövdeye ve yüzeye, sonraki malzeme ekleme malzemesi, ağ arayüzünün oluşturulması ve sınır koşullarının ayarlanması için tanınabilir bir ad verin. Simülasyon yazılımını çalıştırırken, her parametreyi, özellikle de parametrenin birimini doğru bir şekilde ayarlamak gerekir.

Montaj modeli açısından, yanıt yüzeyi modellemesinde hata analizi önemlidir, eğer keyfi hata karşılık gelen kabul edilebilir standartları karşılayamıyorsa, hata kabul edilebilir standartlara ulaşana kadar model uydurmaya katılmak için daha fazla numune noktası eklenmelidir. Simülasyon yazılımı ızgara modelini içe aktardıktan sonra, kafes modelinde sorun giderin, kafesin negatif hacme sahip olup olmadığını kontrol etmek için Denetle'ye tıklayın. Bölünmüş ızgara veya model ayarlarıyla ilgili herhangi bir sorun varsa, bir hata mesajı açılır.

Bu çalışmanın temel sınırlılığı, simülasyonda kullanılan geometrik modelin gerçekçi pil takımı modelinin sadeleştirilmesiyle türetilmesi, gerçeği tam olarak yansıtmanın neredeyse imkansız olmasıdır. O zaman, dayatılan sınır koşullarının fiili durumla tutarlı olması pek olası değildir. Hesaplama sonuçları da farklı hesaplama teorilerine göre farklıdır. Simülasyonu kolaylaştırmak için pilin ısı üretim modelini basitleştirdik, pilin ortalama ısı üretim hızı 20.993 kW/m3 olarak dahili ısı kaynağı 36,37'tür.

Mevcut yöntemlerin ve tekniğin gelecekteki uygulamalarının önemi:

Bu protokol, pil yönetim sisteminin enerji tüketimini ve termal performansını aynı anda göz önünde bulundurarak bir optimizasyon yöntemi oluşturmaya yardımcı olacaktır ve pil takımının yaşam döngüsünü minimum işletme maliyetiyle iyileştirmek için yaygın olarak kullanılabilir. Bu teknik mekanik tasarım, mimari tasarım ve diğer alanlarda da kullanılabilir.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Yazarların açıklayacak hiçbir şeyi yok.

Acknowledgments

Bazı analiz ve optimizasyon yazılımları Tsinghua Üniversitesi, Konkuk Üniversitesi, Chonnam Ulusal Üniversitesi, Mokpo Üniversitesi ve Chiba Üniversitesi tarafından desteklenmektedir.

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

DOWNLOAD MATERIALS LIST

References

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

Tags

Mühendislik Sayı 201 pil termal yönetim sistemi lityum-iyon pil hava soğutma optimal Latin hiperküp algoritması ikinci dereceden tepki yüzey modeli uyarlanabilir benzetimli tavlama yöntemi
Tozlu Partikül Madde Kaplı Lityum-İyon Pil Paketleri için Hava Bazlı Isı Yönetim Sisteminin Optimizasyonu
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Feng, X., Li, Z., Pang, S., Ren, M., … More

Feng, X., Li, Z., Pang, S., Ren, M., Chen, Z. Optimization of An Air-Based Heat Management System for Dusty Particulate Matter-Covered Lithium-Ion Battery Packs. J. Vis. Exp. (201), e65892, doi:10.3791/65892 (2023).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter