Summary
Ici, nous présentons la méthode de recuit simulé adaptatif (ASAM) pour optimiser un modèle de surface de réponse quadratique approximative (QRSM) correspondant à un système de gestion de la chaleur de la batterie recouvert de particules poussiéreuses et combler les baisses de température en ajustant la combinaison des vitesses de flux d’air des entrées du système.
Abstract
Cette étude vise à résoudre le problème de l’élévation de la température de la cellule et de la baisse de performance causée par les particules poussiéreuses recouvrant la surface de la cellule grâce à l’allocation des vitesses de flux d’air aux entrées de la glacière de la batterie dans le but de réduire la consommation d’énergie. Nous prenons la température maximale de la batterie à une vitesse de flux d’air spécifiée et dans un environnement sans poussière comme température attendue dans un environnement poussiéreux. La température maximale de la batterie dans un environnement poussiéreux est résolue à différentes vitesses d’écoulement de l’air d’entrée, qui sont les conditions aux limites du modèle d’analyse construit dans le logiciel de simulation. Les tableaux représentant les différentes combinaisons de vitesses d’écoulement d’air des entrées sont générés de manière aléatoire grâce à l’algorithme optimal de l’hypercube latin (OLHA), où les limites inférieure et supérieure des vitesses correspondant aux températures au-dessus de la température souhaitée sont définies dans le logiciel d’optimisation. Nous établissons un QRSM approximatif entre la combinaison de vitesse et la température maximale à l’aide du module d’ajustement du logiciel d’optimisation. Le QRSM est optimisé sur la base de l’ASAM, et le résultat optimal est en bon accord avec le résultat d’analyse obtenu par le logiciel de simulation. Après optimisation, le débit de l’entrée centrale passe de 5,5 m/s à 5 m/s et la vitesse totale du flux d’air est réduite de 3 %. Le protocole présente ici une méthode d’optimisation tenant compte simultanément de la consommation d’énergie et des performances thermiques du système de gestion de la batterie qui a été établi, et il peut être largement utilisé pour améliorer le cycle de vie de la batterie avec un coût d’exploitation minimal.
Introduction
Avec le développement rapide de l’industrie automobile, les véhicules à carburant traditionnels consomment beaucoup de ressources non renouvelables, ce qui entraîne une grave pollution de l’environnement et une pénurie d’énergie. L’une des solutions les plus prometteuses est le développement des véhicules électriques (VE)1,2.
Les batteries d’alimentation utilisées pour les véhicules électriques peuvent stocker de l’énergie électrochimique, ce qui est la clé pour remplacer les véhicules à carburant traditionnels. Les batteries d’alimentation utilisées dans les véhicules électriques comprennent les batteries lithium-ion (LIB), les batteries nickel-hydrure métallique (NiMH) et les condensateurs électriques à double couche (EDLC)3. Par rapport aux autres batteries, les batteries lithium-ion sont actuellement largement utilisées comme unités de stockage d’énergie dans les véhicules électriques en raison de leurs avantages tels qu’une densité énergétique élevée, un rendement élevé et un long cycle de vie 4,5,6,7.
Cependant, en raison de la chaleur de réaction chimique et de la chaleur Joule, il est facile d’accumuler une grande quantité de chaleur et d’augmenter la température de la batterie lors d’une charge rapide et d’une décharge à haute intensité. La température de fonctionnement idéale du LIB est de 20 à 40 °C 8,9. La différence de température maximale entre les batteries d’une chaîne de batteries ne doit pas dépasser 5 °C10,11. Sinon, cela peut entraîner une série de risques tels qu’un déséquilibre de température entre les batteries, un vieillissement accéléré, voire une surchauffe, un incendie, une explosion, etc. 12. Par conséquent, la question critique à résoudre est de concevoir et d’optimiser un système de gestion thermique de la batterie (BTMS) efficace qui peut contrôler la température et la différence de température de la batterie dans un délai réduit.
Les BTMS typiques comprennent le refroidissement par air, le refroidissement par eau et le refroidissement des matériaux à changement de phase13. Parmi ces méthodes de refroidissement, le type de refroidissement par air est largement utilisé en raison de son faible coût et de la simplicité de la structure14. En raison de la capacité thermique spécifique limitée de l’air, il est facile de produire des différences de température élevées et importantes entre les cellules de batterie dans les systèmes refroidis par air. Afin d’améliorer les performances de refroidissement du BTMS refroidi par air, il est nécessaire de concevoir un système efficace 15,16,17. Qian et al.18 ont collecté la température maximale et la différence de température de la batterie pour entraîner le modèle de réseau neuronal bayésien correspondant, qui est utilisé pour optimiser l’espacement des cellules de la batterie refroidie par air en série. Chen et al.19 ont rapporté l’utilisation de la méthode de Newton et du modèle de réseau de résistance à l’écoulement pour l’optimisation des largeurs du plénum de divergence d’entrée et du plénum de convergence de sortie dans le système de refroidissement par air parallèle de type Z. Les résultats ont montré une réduction de 45 % de la différence de température du système. Liu et al.20 ont échantillonné cinq groupes de conduits de refroidissement dans le J-BTMS et ont obtenu la meilleure combinaison d’espacements cellulaires par l’algorithme d’optimisation basé sur le substitut d’ensemble. Baveja et al.21 ont modélisé un module de batterie équilibré passivement, et l’étude a décrit les effets de la prédiction thermique sur l’équilibrage passif au niveau du module et vice versa. Singh et al.22 ont étudié un système de gestion thermique de batterie (BTMS) qui utilisait un matériau à changement de phase encapsulé ainsi qu’un refroidissement par air par convection forcée conçu à l’aide de la modélisation électrochimique-thermique couplée. Fan et al.23 ont proposé une plaque de refroidissement liquide comprenant une configuration de vanne Tesla à plusieurs étages pour fournir une plage de température plus sûre pour une batterie lithium-ion de type prismatique avec une reconnaissance élevée dans les applications microfluidiques. Feng et al. 24 ont utilisé la méthode du coefficient de variation pour évaluer les schémas avec différents débits d’entrée et jeux de batterie. Talele et al.25 ont introduit l’isolation thermique de revêtement pyrotechnique renforcée par les murs pour stocker le chauffage potentiel généré en fonction de l’emplacement optimal des films chauffants.
Lorsque l’on utilise le BTMS de refroidissement par air, les particules de poussière métallique, les particules de poussière minérale, les particules de poussière de matériaux de construction et d’autres particules de l’environnement extérieur seront amenées dans le BTMS de refroidissement par air par le ventilateur, ce qui peut entraîner la couverture de la surface des batteries avec DPM. S’il n’y a pas de plan de dissipation thermique, cela peut provoquer des accidents en raison de la température trop élevée de la batterie. Après simulation, nous prenons la température maximale de la batterie dans une vitesse d’écoulement d’air spécifiée et dans un environnement sans poussière comme température attendue dans un environnement poussiéreux. Tout d’abord, le taux C fait référence à la valeur actuelle requise lorsque la batterie libère sa capacité nominale dans le délai spécifié, qui est égale à un multiple de la capacité nominale de la batterie dans la valeur de données. Dans cet article, la simulation utilise une décharge de débit de 2C. La capacité nominale est de 10 Ah et la tension nominale est de 3,2 V. Le phosphate de fer lithium (LiFePO4) est utilisé comme matériau d’électrode positive et le carbone est utilisé comme matériau d’électrode négative. L’électrolyte contient du sel de lithium électrolytique, un solvant organique de haute pureté, des additifs nécessaires et d’autres matières premières. Le tableau aléatoire représentant les différentes combinaisons de vitesses aux entrées a été déterminé à l’aide de l’OLHA, et une fonction d’ordre 2 entre la température maximale de la batterie et la combinaison de vitesse d’écoulement d’entrée a été mise en place à la condition de vérifier la précision de l’ajustement de la courbe. Les modèles d’hypercubes latins (LH) ont été appliqués dans de nombreuses expériences informatiques depuis qu’ils ont été proposés par McKay et al.26. Un LH est donné par une matrice N x p L, où chaque colonne de L est constituée d’une permutation des entiers 1 en N. Dans cet article, la méthode optimale d’échantillonnage de l’hypercube latin est utilisée pour réduire la charge de calcul. La méthode utilise un échantillonnage stratifié pour s’assurer que les points d’échantillonnage peuvent couvrir tous les composants internes de l’échantillonnage.
Dans l’étape suivante, la combinaison de vitesse d’écoulement à l’entrée a été optimisée pour diminuer la température maximale de la batterie dans un environnement poussiéreux sur la base de l’ASAM à condition de prendre en compte simultanément la consommation d’énergie. L’algorithme adaptatif de recuit simulé a été largement développé et largement utilisé dans de nombreux problèmes d’optimisation27,28. Cet algorithme permet d’éviter de se faire piéger dans un optimum local en acceptant la pire solution avec une certaine probabilité. L’optimum global est obtenu en définissant la probabilité d’acceptation et la température ; La vitesse de calcul peut également être ajustée à l’aide de ces deux paramètres. Enfin, pour vérifier la précision de l’optimisation, le résultat optimal a été comparé au résultat d’analyse obtenu à partir du logiciel de simulation.
Dans cet article, une méthode d’optimisation du débit d’entrée du boîtier de batterie est proposée pour le bloc-batterie dont la température augmente en raison du couvercle anti-poussière. L’objectif est de réduire la température maximale de la batterie recouverte de poussière en dessous de la température maximale de la batterie non recouverte de poussière dans le cas d’une faible consommation d’énergie.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
REMARQUE : La feuille de route de la technologie de recherche est illustrée à la figure 1, où le logiciel de modélisation, de simulation et d’optimisation est utilisé. Les matériaux nécessaires sont indiqués dans le tableau des matériaux.
1. Création du modèle 3D
REMARQUE : Nous avons utilisé Solidworks pour créer le modèle 3D.
- Dessinez un rectangle de 252 mm x 175 mm, cliquez sur Extruder Boss/Base (Extruder Boss/Base) et saisissez 73. Créez un nouveau plan à 4 mm de la surface extérieure.
- Dessinez un rectangle de 131 mm x 16 mm et cliquez sur Répétition d’esquisse linéaire. Entrez 22 et 6 dans l’espacement et le nombre d’instances, respectivement. Sélectionnez les quatre côtés du rectangle et cliquez sur OK. Entrez 180 dans l’angle et exécutez-le à nouveau. Cette étape concerne la symétrie au centre du modèle.
- Cliquez sur Extruder la coupe, entrez 65, puis cliquez sur OK. Cliquez sur Extruder Boss/Base (Extruder boss/Base) et entrez 65, décochez la case Fusionner le résultat, puis cliquez sur Inverser la direction et sur OK.
REMARQUE : Lorsque le résultat de la fusion n’est pas coché, l’entité étirée devient une entité distincte. Il y a 23 pièces au total, dont 11 batteries, 11 particules poussiéreuses et 1 domaine aérien. - Dessinez un rectangle de 16 mm x 1 mm. Répétez les étapes 1.2 et 1.3.
- Dessinez un rectangle de 63 mm x 15 mm, cliquez sur le bord supérieur du rectangle et sur la répétition d’esquisse linéaire. Entrez 21, 3 et 270, puis cliquez sur OK. Cliquez sur Diviser la ligne et sur la face du cube, cliquez sur OK.
- Dessinez un rectangle de 63 mm x 15 mm. Cliquez sur Diviser la ligne et sur la face du cube, cliquez sur OK.
- Cliquez sur Fichier et enregistrez-le en tant que fichier X_T.
REMARQUE : La taille spécifiée :boîte en L : 73 mm ; Boîte W :252 mm ; Boîte H :175 mm ; Lb, Ld : 65 mm ; Lb, Lp :10 mm ; Hb :131 mm ; Hd :1 mm ; Li :63 mm ; Li :15 mm ; d1, d2 :5 mm, d3 :6 mm sont illustrés à la figure 2. - Faites glisser le composant de maillage en cliquant sur Boîte à outils > Systèmes de composants > Maillage vers la zone schématique du projet. Importez le fichier X_T précédemment enregistré en cliquant sur Géométrie.
- Entrez dans la fenêtre du modeleur de conception de maillage et le modèle de batterie, comprenant 23 pièces en tant que corps indépendants, s’affiche à nouveau en cliquant sur Générer.
- Sélectionnez les 23 parties de la batterie pour qu’elles soient une nouvelle pièce nommée en tant que pièce de batterie, toutes les particules poussiéreuses de 23 parties en tant que partie poussière et la cavité d’air en tant que partie d’air, dans le contour de l’arborescence pour plus de commodité pour masquer et nommer les objets ultérieurs.
- Tout d’abord, faites un clic droit sur BatteryPart et DustPart et sélectionnez Masquer la pièce afin que la fenêtre contextuelle n’affiche que la partie aérienne.
- Déplacez la souris sur la barre d’outils de sélection pour sélectionner Filtre de sélection : Corps, cliquez avec le bouton droit de la souris sur le modèle de cavité d’air dans la zone graphique pour sélectionner Sélection nommée, puis renommez le modèle de cavité d’air dans la zone d’affichage de détails en tant que domaine d’air.
- Passez à Filtre de sélection : Faces, cliquez avec le bouton droit de la souris et renommez la surface qui a été divisée en trois morceaux, de bas en haut, en inlet1, inlet2 et inlet3, la surface séparée à droite de ces trois faces est nommée outlet, la surface extérieure restante est nommée outerBorder, respectivement.
- Basculez le mode de sélection sur la sélection de boîte, cliquez sur l’axe Y pour obtenir la vue appropriée du modèle de cavité d’air pour la commodité de la sélection de la boîte, renommez et numérotez toutes les surfaces intérieures en tant que surface de la cavité1 en surface de la cavité11 à l’aide de la sélection de boîte.
- Afin d’afficher uniquement la batteriePièce, cliquez avec le bouton droit de la souris sur airPart et sélectionnez Masquer la pièce. Cliquez avec le bouton droit de la souris sur batteryPart et sélectionnez Afficher la pièce dans le menu contextuel.
- Déplacez la souris sur la barre d’outils de sélection pour sélectionner Filtre de sélection : Corps, basculez le mode de sélection sur Sélection unique, cliquez avec le bouton droit de la souris sur Chaque modèle de batterie dans la zone Graphiques pour sélectionner la sélection nommée, renommez et numérotez les 11 modèles de batterie dans la zone d’affichage des détails en tant que batteryDomain1 en batteryDomain11, respectivement.
- De plus, chaque modèle de batterie a six côtés, puis passez à Filtre de sélection : Faces, cliquez avec le bouton droit de la souris sur chaque côté des domaines de batterie numérotés pour sélectionner Sélection nommée et renommez-les en fonction de l’orientation du côté de la batterie. Par exemple, renommez six côtés de la batterieDomain1 numérotée en batteryDomain1_Upper, batteryDomain1_Lower, batteryDomain1_Left, batteryDomain1_Right, batteryDomain1_Front et batteryDomain1_Back.
- Afin d’afficher uniquement la pièce dust, cliquez avec le bouton droit de la souris sur batteryPart et sélectionnez Masquer la pièce. Cliquez avec le bouton droit de la souris sur dustPart et sélectionnez Afficher la pièce dans le menu contextuel.
- Déplacez la souris sur la barre d’outils de sélection pour sélectionner le filtre de sélection : Corps, cliquez avec le bouton droit de la souris sur chaque modèle de particules poussiéreuses dans la zone Graphiques pour sélectionner Sélection nommée, renommez et numérotez les 11 modèles de particules poussiéreuses dans la zone d’affichage des détails en tant que dpmDomain1 à dpmDomain11, respectivement.
- De plus, chaque modèle de matière particulaire poussiéreuse a six côtés ; puis passez au Filtre de sélection : Faces, cliquez avec le bouton droit de la souris sur chaque côté des domaines dpmDomains numérotés pour sélectionner Sélection nommée et renommez-les en fonction de l’orientation du côté des particules poussiéreuses. Par exemple, renommez six côtés de dpmDomain1 numéroté en dpmDomain1_Upper, dpmDomain1_Lower, dpmDomain1_Left, dpmDomain1_Right, dpmDomain1_Front et dpmDomain1_Back.
- Affichez tous les corps et revenez à la fenêtre initiale.
2. Générer le modèle de maillage
REMARQUE : Le maillage par éléments finis est une étape très importante de l’analyse de simulation numérique par éléments finis, qui affecte directement la précision des résultats d’analyse numérique ultérieurs. Les entités renommées sont ensuite maillées.
- Afin de mailler le domaine air, le domaine de batterie et le domaine dpm indépendamment, faites glisser à nouveau deux composants de maillage de Toolbox > Component Systems > Mesh vers la zone schématique du projet et renommez-les respectivement airFEM, batteryFEM et dpmFEM. Maintenez l’airFEM > Geometry enfoncé avec le bouton gauche de la souris et faites-le glisser vers la batterieFEM > Geometry.
- Ensuite, maintenez la géométrie batteryFEM > enfoncée avec le bouton gauche de la souris et faites-la glisser vers la géométrie > dpmFEM. Cliquez avec le bouton droit de la souris sur les lignes parmi les trois composants de maillage et sélectionnez Supprimer pour les dissocier les uns des autres.
- Double-cliquez sur le maillage d’airFEM, entrez dans la fenêtre de maillage, cliquez avec le bouton droit de la souris sur batteryPart et dustPart pour sélectionner Suppress Body (Supprimer le corps) et modifiez la préférence physique de mécanique à CFD. Générez le modèle de domaine aérien MEF à l’aide d’un dimensionnement de face de 2 mm et d’un dimensionnement de corps de 4 mm en cliquant sur Mettre à jour et revenez à la fenêtre initiale.
- Double-cliquez sur le maillage de batteryFEM, entrez dans la fenêtre de maillage, cliquez avec le bouton droit de la souris sur airPart et dustPart pour sélectionner Suppress Body, puis modifiez la préférence physique de Mechanical à CFD. Générez le modèle de domaine de batterie FEM via le dimensionnement du corps de 2 mm en cliquant sur Mettre à jour et revenez à la fenêtre initiale.
- Double-cliquez sur le maillage de dpmFEM, entrez dans la fenêtre de maillage, cliquez avec le bouton droit de la souris sur airPart et batteryPart pour sélectionner Supprimer le corps, puis modifiez la préférence physique de Mechanical à CFD. Générez le modèle de domaine dpm FEM via le dimensionnement du corps de 2 mm en cliquant sur Mettre à jour, revenez à la fenêtre initiale.
REMARQUE : La figure 3A montre la grille du domaine de l’air, la figure 3B montre la grille du domaine de la batterie et la figure 3C montre la grille du domaine dpm. - Réglez la taille minimale de la grille d’air à 4 mm et la taille minimale de la grille de batterie et de particules poussiéreuses à 2 mm. Assurez-vous que la grille est indépendante de la solution, modifiez la taille minimale des cellules de la grille et effectuez une étude de sensibilité de la grille.
REMARQUE : Comme le montre la figure 4, lorsque le nombre de grilles augmente de 519343 à 1053849, les changements de température maximale de la batterie sont inférieurs à 0,6 K. Compte tenu de la capacité et de la précision de calcul, l’analyse suivante est basée sur le modèle de grille avec 931189 grilles.
3. Analyse de simulation
- Faites glisser Fluid Flow de Toolbox > Analysis Systems > Fluid Flow vers la zone schématique du projet. Maintenez airFEM > Mesh, puis batteryFEM > Mesh et dpmFEM > Mesh avec le bouton gauche de la souris et faites-les glisser vers Fluid Flow > Setup. Cliquez avec le bouton droit de la souris sur Fluid Flow > Setup et sélectionnez Mettre à jour pour accéder à la fenêtre de définis.
- Vérifiez la validité du modèle MEF et vérifiez si le maillage a un volume négatif. Le logiciel suggère automatiquement le volume du modèle, et une valeur de modèle raisonnable est positive. S’il y a un problème avec la grille divisée ou les paramètres du modèle, un message d’erreur apparaîtra pour l’indiquer.
- Activez l’équation de l’énergie dans les modèles de transfert de chaleur. Entrez dans l’interface de réglage du modèle visqueux et du modèle de rayonnement, puis sélectionnez le modèle K-epsilon et le modèle d’ordonnées discrètes.
NOTE : Comme le montre la figure 5, comparant quatre modèles visqueux, les résultats de calcul du modèle Spalart-Allmaras sont très différents de ceux des autres modèles. Les résultats du modèle K-epsilon standard sont similaires à ceux des autres modèles K-epsilon. Le modèle K-epsilon standard avec une stabilité et une économie plus élevées est largement utilisé ; L’analyse suivante est basée sur le modèle standard K-epsilon. - Définissez les nouveaux matériaux avec des attributs différents pour le matériau de l’air, le matériau de la batterie, le matériau dpm et le matériau du boîtier de la batterie en fonction du tableau 1.
REMARQUE : À l’intérieur de la batterie, il y a trois matériaux physiques différents : l’air sous forme de fluide et le reste sous forme solide. Ensuite, configurez le matériel.- Remplacez le type de fluide des domaines de batterie numérotés par le type Solide et remplacez le matériau dpm par le matériau de batterie dans la fenêtre Solide en double-cliquant sur chaque domaine de batterie. Ensuite, choisissez l’élément Termes sources et cliquez sur les termes sources en surbrillance pour ajouter une source d’énergie en attribuant le numéro dans le nombre de sources d’énergie et en sélectionnant Type de constante pour saisir la valeur de 209993 w/m3.
- Remplacez le type de fluide des domaines dpm numérotés par Type solide .
- Ensuite, définissez l’interface pour le calcul de simulation de plusieurs domaines différents en fonction du débit de réglage réel et du coefficient de transfert de chaleur, comme décrit ci-dessous.
- Convertissez le type de toutes les surfaces renommées, y compris les surfaces intérieures du domaine air et tous les côtés des domaines de batterie, ainsi que les domaines dpm du mur par défaut vers l’interface. Une fois les étapes ci-dessus terminées avec succès, les interfaces de maillage seront générées immédiatement.
- Cliquez sur Interfaces de maillage et accédez à la fenêtre Créer/Modifier des interfaces de maillage . Faites correspondre les surfaces de la cavité à tous les côtés, à l’exception des côtés supérieurs des domaines de batterie et des côtés inférieurs du dpm domian. Ensuite, nommez-les et numérotez-les en tant qu’interface1 à interface11, respectivement. Ainsi, les 11 interfaces maillées peuvent être créées entre les domaines air et battery domians ainsi que les domaines dpm.
- Faites correspondre les côtés supérieurs des domaines de batterie et les côtés inférieurs des domaines dpm. Ensuite, nommez-les et numérotez-les en tant qu’interface12 à interface22, respectivement. Ensuite, les 11 interfaces maillées sont créées entre les domaines de batterie et les domaines dpm.
- Affectez la surface de la bordure extérieure comme condition aux limites thermiques du mur en définissant le coefficient de transfert de chaleur sur 5 dans la condition thermique mixte et en remplaçant son matériau de l’aluminium par défaut par le matériau du boîtier de batterie précédemment défini par vous-même.
- Réglez les vitesses d’écoulement d’air de toutes les entrées sur 5 m/s dans la fenêtre d’entrée de vitesse et la pression manométrique de sortie sur zéro dans la fenêtre de sortie de pression.
- Ensuite, définissez l’état du domaine de calcul au moment initial, par exemple la température initiale de 300 K, ce qui affectera le processus de convergence de calcul.
- Définissez le type d’initialisation de la solution comme initialisation standard avant l’initialisation.
- Définissez le nombre d’itérations sur 2000.
- Cliquez sur Calculer pour simuler. Revenez à la fenêtre initiale jusqu’à ce que la simulation soit terminée.
- La partie ci-dessus termine le calcul de simulation de la température et de la vitesse de l’air à l’intérieur de la batterie, puis affiche le résultat de la simulation dans Résultat. Effectuez les étapes suivantes dans les résultats affichés.
- Double-cliquez sur Fluid Flow > Results pour accéder à la fenêtre de publication CFD, puis cliquez sur l’icône de Contour dans la boîte à outils.
- Sélectionnez Tous les côtés des batteries dans le sélecteur d’emplacement et changez la pression en température. Cliquez ensuite sur Appliquer pour générer le contour de température des batteries.
- Cliquez sur Fichier > Exporter pour sélectionner la température de la ou des variables sélectionnées. Cliquez sur le bouton déroulant des emplacements pour faire apparaître la fenêtre de sélection d’emplacement où tous les domaines de batterie doivent être sélectionnés. Cliquez sur OK et sur le bouton Enregistrer pour quitter.
REMARQUE : Une feuille de calcul dont les données correspondent aux températures de tous les nœuds de maillage des batteries sera enregistrée automatiquement lorsque vous cliquerez sur le bouton d’enregistrement. - Ouvrez la feuille de calcul pour trouver la valeur maximale, qui indique la température maximale des batteries dans un environnement poussiéreux à 5 m/s de toutes les entrées de flux d’air.
- Acquérir la température maximale des batteries à l’état de poussière libre comme température attendue et la comparer à la température maximale à l’état poussiéreux ; Le résultat montre que l’ensemble de la température augmente.
REMARQUE : Pour obtenir la température maximale des batteries dans un environnement exempt de poussière, le nouveau modèle de batterie illustré à la Figure 6 doit être rétabli et toutes les étapes 1.1 à 3.4.3 doivent être répétées. - Afin d’abaisser la température maximale à l’intérieur de la batterie, réglez les vitesses de flux d’air aux entrées de 5 m/s à 6 m/s, augmentez de 5 % et calculez les températures maximales correspondantes des batteries recouvertes de poussière.
REMARQUE : L’analyse de sensibilité des paramètres de vitesse d’écoulement d’air doit être effectuée bien à l’avance avant de modifier les valeurs des paramètres. Comme le montrent la figure 7 et le tableau 2, nous avons conservé le même débit total pour chacun des sept groupes de différentes combinaisons de vitesses d’écoulement d’air d’entrée. Il y a encore une variation évidente de la température maximale en raison de la différence dans l’allocation de la vitesse du flux d’air. En d’autres termes, il existe en quelque sorte une forte corrélation entre la combinaison de vitesse du flux d’air et la température maximale. Par conséquent, ces paramètres de vitesse peuvent être utilisés comme variables de conception. - Tracez la courbe température-vitesse comme le montre la figure 8, où la ligne rouge indique que la courbe caractéristique de la température diminue avec l’augmentation de la vitesse du flux d’air, et la ligne bleue représente la température attendue.
- Maintenir une augmentation de la vitesse du flux d’air de 10 %. Lorsque l’incrément de vitesse est supérieur à 10 %, la température maximale est déjà inférieure à la température attendue, mais cela ne répond pas à l’objectif d’une faible consommation d’énergie. Pour le débit d’air restant, réduisez la température maximale de la batterie à la température attendue grâce à l’optimisation, atteignant ainsi l’objectif d’une faible consommation d’énergie.
4. Échantillonnage optimal de l’hypercube latin et modélisation de la surface de réponse
NOTA : Pour les débits retenus de 5 m/s à 5,5 m/s, des échantillons sont sélectionnés pour construire différentes combinaisons de débits dans cette plage de débits. Les combinaisons de vitesses sont simulées pour obtenir la température maximale. Construisez la fonction de la vitesse et de la température maximale.
- Ouvrez une feuille de calcul vide pour créer un tableau dont les lignes de la première colonne sont nommées inlet1, inlet2 et inlet3, puis enregistrez le fichier sous sampling.xlsx.
- Exécutez le logiciel d’optimisation et faites glisser l’icône Feuille de calcul sur la flèche unique de la tâche 1. Ensuite, double-cliquez sur l’icône Feuille de calcul pour faire apparaître la fenêtre Éditeur de composants-Excel.
- Importez le sampling.xlsx en cliquant sur le bouton Parcourir et mappez l’entrée1, l’entrée2 et l’entrée3 aux paramètres A1, A2 et A3 en cliquant sur Ajouter ce mappage. Cliquez sur le bouton OK pour revenir à la fenêtre initiale.
- Faites glisser l’icône DOE dans Task1 et double-cliquez dessus pour faire apparaître la fenêtre Component Editor-DOE. Sélectionnez l’hypercube latin OptimOKal et définissez le nombre de points sur 15 dans la fenêtre Général.
- Passez à la fenêtre Facteurs et définissez 5,5 comme limite supérieure et 5 comme limite inférieure pour A1, A2 et A3.
- Passez à la fenêtre Matrice de conception et cliquez sur Générer pour générer les points d’échantillonnage aléatoires correspondant aux différentes vitesses d’entrée. Arrêtez le logiciel d’optimisation.
- Reprenez les tableaux de combinaisons de vitesses des points d’échantillonnage aléatoires pour calculer et répétez les étapes 3.5.5 à 3.7.5 pour obtenir le tableau de température correspondant composé des températures maximales des batteries.
- Combinez les variables de prédiction x1, x2 et x3 des tableaux de combinaisons de vitesse et y des tableaux de température pour former une nouvelle table de variables, comme indiqué dans le tableau 3, et enregistrez-la en tant que fichier sample.txt. Importez le fichier pour l’adapter à un modèle de surface de réponse.
- Réexécutez le logiciel d’optimisation et faites glisser l’icône Approximation sur la flèche unique de Task1. Double-cliquez sur l’icône Tâche1 pour faire apparaître la fenêtre d’approximation de l’éditeur de composants afin de sélectionner le modèle de surface de réponse.
- Passez à la fenêtre Fichier de données et importez le fichier sample.txt contenant les variables de prédiction.
- Passez à la fenêtre Paramètres et cliquez sur Analyser pour ouvrir les paramètres dans la fenêtre du fichier de données où les variables de prédiction x1, x2 et x3 sont définies en entrée et y en sortie.
- Passez à la fenêtre Options de la technique et sélectionnez le quadratique dans l’ordre polynomial. Passez à la fenêtre Options d’analyse des erreurs et sélectionnez la validation croisée dans la méthode d’analyse des erreurs.
- Passez à la fenêtre Afficher les données et cliquez sur Initialiser maintenant pour obtenir les coefficients de l’équation de régression linéaire quadratique.
- Cliquez sur le bouton Analyse des erreurs pour ouvrir la fenêtre d’analyse des erreurs d’approximation afin de vérifier si les erreurs peuvent satisfaire aux normes acceptables pour chaque type d’erreur. Fermez la fenêtre du composant d’approximation. Si l’erreur arbitraire ne peut pas satisfaire aux normes acceptables correspondantes, ajoutez d’autres points d’échantillonnage pour participer à l’ajustement du modèle.
5. Modèle d’ajustement approximatif basé sur un algorithme de recuit simulé adaptatif
REMARQUE : Ensuite, le logiciel et l’algorithme sont utilisés pour trouver la valeur optimale du modèle approximatif
- Faites glisser l’icône Optimisation dans Tâche1 et double-cliquez dessus pour afficher la fenêtre d’optimisation de l’éditeur de composants. Sélectionnez le recuit simulé adaptatif (ASA) dans la technique d’optimisation.
- Passez à la fenêtre Variables pour définir 5,5 comme limite supérieure et 5 comme limite inférieure.
- Passez à la fenêtre Objectifs et sélectionnez le paramètre Y avant de fermer la fenêtre d’optimisation de l’éditeur de composants.
- Cliquez sur le bouton Exécuter l’optimisation et attendez le résultat de l’optimisation.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Suivant le protocole, les trois premières parties sont les plus importantes, qui comprennent la modélisation, le maillage et la simulation, le tout afin d’obtenir la température maximale de la batterie. Ensuite, la vitesse du flux d’air est ajustée par échantillonnage, et enfin, la combinaison optimale de débits est obtenue par optimisation.
La figure 9 montre la comparaison de la distribution de la température de la batterie dans différents environnements, et la figure 10 montre la comparaison de la distribution de la température de la deuxième batterie dans différents environnements. Comme le montrent les figures 9 et 10, la température de la batterie à l’état poussiéreux est augmentée à un certain niveau en raison de la faible conductivité thermique des particules poussiéreuses (DPM).
Afin d’ajuster la répartition de la température de la batterie, réglez les vitesses de flux d’air aux entrées de 5 m/s à 6 m/s, augmentez de 5 % sous le modèle poussiéreux et obtenez les températures maximales à chaque vitesse de flux d’air. Lorsque la vitesse d’écoulement de l’air a été augmentée de 15 % et de 20 %, la température maximale de la batterie à l’état poussiéreux est tombée en dessous de la température maximale de la batterie à l’état de poussière libre, comme le montre la figure 8. Compte tenu de la consommation d’énergie, la vitesse d’entrée maximale est fixée à 5,5 m/s (augmentée de 10 %) pour diminuer la température maximale de la batterie à l’état poussiéreux.
Lors de l’établissement du QRSM quadratique, le nombre minimal d’échantillons est calculé par (N + 1) x (N + 2)/2, où N est le nombre de variables d’essai. Il y a trois variables de conception dans cet article, qui sont les vitesses d’entrée et le nombre minimum d’échantillons est de 10. Afin d’établir un modèle de surface de réponse avec une grande précision d’ajustement, 15 échantillons ont été sélectionnés à l’aide du composant DOE de la plate-forme logicielle d’optimisation. La méthode des moindres carrés est utilisée pour compléter l’ajustement de la surface de réponse entre la température maximale de la batterie obtenue par le logiciel de simulation et trois vitesses d’entrée. Le modèle de surface de réponse approximatif est établi comme suit :
R2 mesure l’ajustement global de l’équation de régression et exprime la relation globale entre la variable dépendante et toutes les variables indépendantes. R2 est égal au rapport de la somme des carrés de régression à la somme totale des carrés, c’est-à-dire le pourcentage de la variabilité de la variable dépendante que l’équation de régression peut expliquer. Plus la valeur de R2 est proche de 1, meilleur est l’ajustement de la courbe de régression à la valeur observée.
L’analyse d’erreur des résultats de calcul montre que R2 est égal à 0,93127, comme le montre la figure 11, qui montre que le modèle d’approximation de surface de réponse polynomiale du second ordre a une bonne précision d’ajustement.
En fin de compte, le recuit simulé adaptatif (ASA) est utilisé comme méthode d’optimisation pour trouver des combinaisons optimales de vitesses d’écoulement à l’entrée. Le nombre maximal de plans générés est de 10 000, le nombre de plans pour le contrôle de convergence est de 5 et l’epsilon de convergence est de 1,0 x 10-8. Le taux relatif de recuit des paramètres, du recuit des coûts, de l’extinction des paramètres et de l’extinction des coûts était la même valeur de 1.
La température maximale de la batterie obtenue par optimisation était de 309,391420 K. Les vitesses d’écoulement de l’air des entrées sont de 5,5 m/s, 5 m/s et 5,5 m/s. Pour confirmer l’exactitude, le cas optimal a été analysé par le logiciel de simulation. Le tableau 4 montre la comparaison entre les résultats de l’optimisation et ceux de la vérification de la simulation. On peut voir que l’erreur de la température maximale de la batterie est de l’ordre de 0,001% dans trois conditions de vitesse d’écoulement d’air d’entrée, ce qui indique que la méthode d’optimisation adoptée dans ce travail est efficace et réalisable.
La comparaison de la distribution de la température de la deuxième batterie sous les différentes vitesses d’écoulement de l’air d’entrée est illustrée à la figure 12, et la comparaison de la distribution de la température de la batterie avant et après l’optimisation est illustrée à la figure 13. Le tableau 5 montre les valeurs spécifiques des températures maximales et les combinaisons de vitesses d’écoulement de l’air. Lorsque les vitesses d’écoulement de l’air des entrées 1 à 3 sont respectivement de 5,5 m/s, 5,5 m/s et 5,5 m/s, la température maximale de la batterie est de 309,426208 K. Après optimisation, la vitesse d’écoulement de l’air des entrées 1 à 3 est de 5,5 m/s, 5 m/s et 5,5 m/s, et la température maximale de la batterie est de 309,392853 K. Il convient de noter que la somme des vitesses d’écoulement de l’air du cas optimisé illustré à la figure 12B est inférieure à la somme des vitesses d’écoulement de l’air du cas illustré à la figure 12A. Cependant, la température maximale n’augmente pas avec la diminution de la vitesse du flux d’air. De plus, la batterie optimisée est comparée à la batterie initiale (c’est-à-dire que les vitesses de flux d’air des trois entrées sont toutes de 5 m/s et que les batteries sont recouvertes de DPM). La figure 14 compare la distribution de la ligne d’écoulement avant et après optimisation, et on peut voir que la distribution de la ligne d’écoulement après optimisation est plus large. La figure 15 compare les effets de chaque facteur sur la température ; Le facteur x1 a la plus grande influence sur la température. Les facteurs x1 et x3 ont des effets similaires sur la température. En un mot, la vitesse totale du flux d’air diminue de 3 % et la température maximale de la batterie est abaissée à la température attendue (c’est-à-dire la température maximale de la batterie à l’état exempt de poussière).
La méthode d’optimisation peut être largement utilisée pour améliorer le cycle de vie de la batterie avec une faible consommation d’énergie.
Figure 1 : La feuille de route technique. Cette figure décrit le processus détaillé de simulation et d’optimisation en fonction du contenu de la recherche, y compris les objets de recherche, les méthodes, les solutions, la modélisation, la simulation et les logiciels d’optimisation. Veuillez cliquer ici pour voir une version agrandie de cette figure.
Figure 2 : Modèle 3D d’une batterie lithium-ion dans un environnement poussiéreux. Le modèle 3D du pack LIB, qui peut être enregistré sous forme de fichier X_T et importé dans un logiciel de simulation pour simuler, est dessiné par un logiciel de modélisation. Veuillez cliquer ici pour voir une version agrandie de cette figure.
Figure 3 : Diagramme de la grille. (A) Cette figure montre la grille du domaine aérien. (B) Cette figure montre la grille du domaine de la batterie. (C) Cette figure montre la grille du domaine dpm. Veuillez cliquer ici pour voir une version agrandie de cette figure.
Figure 4 : Test d’indépendance du réseau. L’axe des abscisses représente le nombre total différent de grilles dans le modèle de maillage et l’axe des ordonnées correspond à la température. Veuillez cliquer ici pour voir une version agrandie de cette figure.
Figure 5 : Test de modèle visqueux. L’axe X est le type de modèle visqueux, le chiffre 1 représente le modèle k-epsilon standard, le chiffre 2 représente le modèle k-epsilon RNG, le chiffre 3 représente le modèle k-epsilon réalisable, le nombre 4 représente le modèle Spalart-Allmaras, l’axe Y est la température. Veuillez cliquer ici pour voir une version agrandie de cette figure.
Figure 6 : Modèle 3D d’une batterie lithium-ion dans un environnement sans poussière. Le modèle 3D du pack LIB, qui peut être enregistré sous forme de fichier X_T et importé dans un logiciel de simulation pour simuler, est dessiné par un logiciel de modélisation. Veuillez cliquer ici pour voir une version agrandie de cette figure.
Figure 7 : Analyse de sensibilité des paramètres. Le nombre sur l’axe des abscisses représente la nième combinaison de vitesses d’écoulement d’air d’entrée. Par exemple, le nombre 5 représente la combinaison de vitesses (3,5,7) correspondant à 3 m/s à l’entrée1, 5 m/s à l’entrée2, 7 m/s à l’entrée3. De même, le nombre 1,2,3,4,6 représente la combinaison des différentes vitesses d’écoulement de l’air d’entrée de (5,5,5), (4,5,6), (5,6,4), (5,4,6), (3,5,7), (5,3,7), (5,7,3), respectivement. L’axe Y est la température. Veuillez cliquer ici pour voir une version agrandie de cette figure.
Figure 8 : Variation de température de la batterie à différentes vitesses d’écoulement d’air d’entrée. La figure montre que la température maximale de la batterie diminue avec l’augmentation de la vitesse du flux d’air d’entrée. L’axe des abscisses est le taux d’augmentation de la vitesse du flux d’air aux entrées. L’axe Y est la température. Veuillez cliquer ici pour voir une version agrandie de cette figure.
Figure 9 : Comparaison de la distribution de la température de la batterie dans différents environnements. (A) Cette figure montre la répartition de la température de la batterie dans un environnement exempt de poussière. (B) Cette figure montre la répartition de la température de la batterie dans un environnement poussiéreux, à partir duquel la température est la plus élevée dans la batterie numéro 2. Veuillez cliquer ici pour voir une version agrandie de cette figure.
Figure 10 : Comparaison de la distribution de la température de la batterie numéro 2 dans différents environnements. (A) Cette figure montre la distribution de la température de la batterie numéro 2 dans un environnement sans poussière. (B) Cette figure montre la distribution de la température de la batterie numéro 2 dans un environnement poussiéreux. Veuillez cliquer ici pour voir une version agrandie de cette figure.
Figure 11 : Analyse d’erreur du modèle de surface de réponse approximative. La figure indique que le modèle d’approximation de surface de réponse polynomiale quadratique a une bonne précision d’ajustement. Veuillez cliquer ici pour voir une version agrandie de cette figure.
Figure 12 : Comparaison de la distribution de la température de la batterie numéro 2 sous différentes vitesses de flux d’air d’entrée. (A) Cette figure montre la distribution de la température de la batterie numéro 2 en augmentant simplement la vitesse du flux d’air d’entrée elle-même. (B) Cette figure montre la distribution de la température de la batterie numéro 2 après optimisation de la vitesse du flux d’air d’entrée. Veuillez cliquer ici pour voir une version agrandie de cette figure.
Figure 13 : Comparaison de la distribution de la température de la batterie avant et après optimisation. (A) Cette figure montre la distribution de la température de la batterie dans un environnement poussiéreux sans optimisation. (B) Cette figure montre la répartition de la température de la batterie dans un environnement poussiéreux après optimisation. Veuillez cliquer ici pour voir une version agrandie de cette figure.
Figure 14 : Comparaison de la distribution simplifiée du bloc-batterie avant et après l’optimisation. (A) Cette figure montre la distribution rationalisée du bloc-batterie dans un environnement poussiéreux sans optimisation. (B) Cette figure montre la distribution rationalisée de la batterie dans un environnement poussiéreux après optimisation. Veuillez cliquer ici pour voir une version agrandie de cette figure.
Figure 15 : Influence de trois facteurs sur la température. (A) Cette figure montre les effets de x1 et x2 sur la température. (B) Cette figure montre les effets de x1 et x3 sur la température. Veuillez cliquer ici pour voir une version agrandie de cette figure.
| Nom du support | ρ/kg·m-3 | C/J· (kg· K)-1 | K/W (m·K)-1 |
| Matériel d’air | 1.225 | 1006.43 | 0.0242 |
| Matériel de la batterie | 1958.7 | 733 | kx=3.6,ky=kz=10.8 |
| Matériau dpm | 2870 | 910 | 1.75 |
| batterybox Matériel | 7930 | 500 | 16.3 |
Tableau 1 : Propriétés des matériaux. Les propriétés du matériau correspondant à l’air, à la batterie, aux particules poussiéreuses et au boîtier de la batterie seront utilisées dans les paramètres Paramètres du logiciel de simulation.
| Nombre | Entrée1 (m/s) | Entrée2 (m/s) | Entrée3 (m/s) | Température maximale de la batterie (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 |
Tableau 2 : Analyse de sensibilité des paramètres. Le tableau montre les sept combinaisons de vitesses d’écoulement d’air d’entrée et la température maximale correspondante de la batterie. Par exemple, le nombre 5 représente la combinaison de vitesses (3,5,7) correspondant à 3 m/s à l’entrée1, 5 m/s à l’entrée2, 7 m/s à l’entrée3 et la température maximale correspondante de la batterie de 311,54599 K.
| Nombre | Entrée1 (m/s) | Entrée2 (m/s) | Entrée3 (m/s) | Température maximale de la batterie (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 |
Tableau 3 : Tableaux de vitesse et de température utilisés pour le modèle de surface de réponse quadratique. Les différentes combinaisons de vitesses d’écoulement d’air aux entrées peuvent être générées de manière aléatoire par l’OLHA, et les températures maximales correspondantes sont calculées par le logiciel de simulation.
| Nom | Entrée1 (m/s) | Entrée2 (m/s) | Entrée3 (m/s) | Température maximale de la batterie (K) |
| Résultat de l’optimisation | 5.5 | 5 | 5.5 | 309.39142 |
| Résultat de la vérification de la simulation | 5.5 | 5 | 5.5 | 309.392853 |
Tableau 4 : Comparaison entre les résultats de l’optimisation et ceux de la vérification de la simulation. La combinaison appropriée de la vitesse d’écoulement de l’air à l’entrée et de la température correspondante peut être obtenue par optimisation, ce qui est également prouvé par la vérification de la simulation.
| Nom | Entrée1 (m/s) | Entrée2 (m/s) | Entrée3 (m/s) | Température maximale de la batterie (K) |
| Un | 5 | 5 | 5 | 309.412537 |
| B | 5 | 5 | 5 | 309.72049 |
| C | 5.5 | 5.5 | 5.5 | 309.426208 |
| D | 5.5 | 5 | 5.5 | 309.392853 |
Tableau 5 : Comparaisons de la vitesse d’écoulement de l’air d’entrée et de la température maximale de la batterie dans différentes conditions. (A) La batterie sous la vitesse normale d’écoulement de l’air d’entrée et l’environnement sans poussière. (B) La batterie sous la vitesse normale d’écoulement de l’air d’entrée et l’environnement poussiéreux. (C) La batterie sous les entrées d’air augmente la vitesse d’écoulement et l’environnement poussiéreux. (D) La batterie sous les vitesses de flux d’air optimisées et l’environnement poussiéreux.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Le BTMS utilisé dans cette étude a été établi sur la base du système de refroidissement par air en raison de son faible coût et de la simplicité de la structure. En raison de la faible capacité de transfert de chaleur, les performances du système de refroidissement par air sont inférieures à celles du système de refroidissement liquide et du système de refroidissement des matériaux à changement de phase. Cependant, le système de refroidissement liquide présente l’inconvénient d’une fuite de réfrigérant et le système de refroidissement du matériau à changement de phase a une masse élevée et une faible densité d’énergie29. Ces systèmes de refroidissement ont leurs avantages et leurs inconvénients. Par conséquent, le BTMS peut être établi en combinant un système de refroidissement par air avec un système de refroidissement liquide ou un système de refroidissement par matériau à changement de phase pour favoriser les performances de refroidissement.
Un solveur CFD a été implémenté pour simuler le profil d’écoulement et de température du modèle. Les équations30, telles que la continuité (2) et l’équation de conservation de l’énergie (3), ont été utilisées pour résoudre le problème thermique de l’écoulement de l’air en fonction du temps.
Où p, k et c sont les propriétés de l’air employé, qui sont respectivement la densité, la conductivité thermique et la chaleur spécifique ; T, et 
sont la pression statique, la température et la vitesse de l’air de refroidissement.
Équations de quantité de mouvement31
Où ui et uj sont des composantes de vitesse moyennées par Reynolds ; xi et xj sont des coordonnées cartésiennes ; P est la pression moyenne de Reynolds ; μ est la viscosité dynamique ; μt est la viscosité dynamique turbulente. k est l’énergie cinétique turbulente ; ε est le taux de dissipation de l’énergie cinétique turbulente.
Le nombre de Reynolds basé sur la vitesse d’écoulement à l’entrée (v = 5 m/s) et le diamètre équivalent a été estimé à 0,0242308 ; le nombre de Reynolds est calculé comme 9894, ce qui a permis de sélectionner un modèle de turbulence du modèle standard k-e.
Équation du nombre de Reynolds32
Où Pl est la densité, Vmax est la vitesse d’écoulement maximale du liquide, D est le diamètre équivalent du récipient et ul est la viscosité dynamique du liquide.
Équation de l’énergie cinétique turbulente33
Où kt et ε sont respectivement l’énergie cinétique turbulente et le taux de dissipation turbulente ; uj est la jème composante du vecteur vitesse, et μ et ut sont respectivement la viscosité moléculaire et la viscosité dynamique turbulente ; le Gkt et le Gb sont respectivement la génération d’énergie cinétique turbulente causée par la vitesse moyenne et la génération d’énergie cinétique turbulente résultant des effets de flottabilité ; YM représente l’influence de la dilatation fluctuante incompressible turbulente sur la somme des taux de dissipation ; Skt est le terme source de kt ; αkt est le nombre de Prandtl effectif inverse pour kt.
Équation de dissipation de l’énergie cinétique turbulente33
Où Sε est le terme source de ε ; αt est le nombre de Prandtl effectif inverse pour ε ; C1ε , C2ε et C3ε sont des constantes empiriques.
Pour les cellules de batterie, l’équation d’économie d’énergie34
Où Q, kb, cb ; et Pb représentent respectivement la chaleur générée, la conductivité thermique, la capacité thermique spécifique et la densité de la batterie.
Formule de convection thermique35
Où hf représente le coefficient de transfert de chaleur par convection ; Ts représente la température de surface des LIB ; TB représente la température de l’air ambiant ; et q* représente le taux de transfert de chaleur par convection.
L’entrée du BTMS a été réglée sur une condition aux limites d’entrée de vitesse de 5 m/s et une température de 300 K, tandis que la sortie du système a été conditionnée à une pression de sortie avec la pression environnante réglée sur la pression atmosphérique. Les murs autour du système sont réglés pour la convection naturelle.
Cet article a commencé la recherche à la condition que la structure du modèle de batterie ait été déterminée, la poussière recouvrant la surface de la batterie provoquera une augmentation de la température de la batterie. Ensuite, nous présentons l’ASAM pour optimiser un QRSM approximatif et combler les baisses de température grâce à la combinaison optimale des vitesses de flux d’air des entrées du système pour résoudre le problème de l’effet DPM. Il convient de mentionner que les positions de l’entrée et de la sortie d’air de la batterie ont également une grande influence sur la température du BTMS14.
Il y a des étapes critiques dans le protocole. Lors de la création du modèle 3D de la batterie, donnez à chaque corps et à chaque surface du modèle un nom reconnaissable pour l’ajout ultérieur de matériau, la création d’une interface de maillage et la définition des conditions aux limites. Lors de l’utilisation du logiciel de simulation, il est nécessaire de régler chaque paramètre avec précision, en particulier l’unité du paramètre.
En termes de modèle d’ajustement, l’analyse d’erreur est importante dans la modélisation de la surface de réponse, si l’erreur arbitraire ne peut pas satisfaire aux normes acceptables correspondantes, alors plus de points d’échantillonnage doivent être ajoutés pour participer à l’ajustement du modèle jusqu’à ce que l’erreur atteigne les normes acceptables. Une fois que le logiciel de simulation a importé le modèle de grille, dépannez le modèle de maillage, cliquez sur Vérifier pour vérifier si le maillage a un volume négatif. S’il y a un problème avec la grille divisée ou les paramètres du modèle, un message d’erreur apparaîtra.
La principale limite de cette étude est que le modèle géométrique utilisé dans la simulation est dérivé en simplifiant le modèle réaliste de la batterie, il est presque impossible de refléter pleinement la réalité. Dans ce cas, il est peu probable que les conditions aux limites imposées soient cohérentes avec la situation réelle. Les résultats des calculs sont également différents selon les différentes théories de calcul. Pour faciliter la simulation, nous avons simplifié le modèle de génération de chaleur de la batterie, le taux moyen de génération de chaleur de la batterie est de 20,993 kW/m3 comme source de chaleur interne36,37.
L’importance des méthodes existantes et des applications futures de la technique :
Ce protocole aidera à établir une méthode d’optimisation tout en tenant compte simultanément de la consommation d’énergie et des performances thermiques du système de gestion de la batterie, et il peut être largement utilisé pour améliorer le cycle de vie de la batterie avec un coût d’exploitation minimal. Cette technique peut également être utilisée dans la conception mécanique, la conception architecturale et d’autres domaines.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Les auteurs n’ont rien à divulguer.
Acknowledgments
Certains logiciels d’analyse et d’optimisation sont pris en charge par l’Université Tsinghua, l’Université Konkuk, l’Université nationale de Chonnam, l’Université Mokpo et l’Université 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).
