Name: Author Spotlight: Optimization of Airflow Velocities in Battery Cooling Systems for Enhanced Thermal Performance and Reduced Energy Consumption
Uploaded: 2023-11-03T14:40:00
Description: Watch this Scientific Journal Video about Optimization of Airflow Velocities in Battery Cooling Systems for Enhanced Thermal Performance and Reduced Energy Consumption at JoVE.com

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.

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.
<ol><li>Dessinez un rectangle de 252 mm x 175 mm, cliquez sur Extruder Boss/Base (Extrud...

Optimizing Battery Heat Management in Dusty Environments

<ol>
	<li>Xia, G., Cao, L., Bi, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+review+on+battery+thermal+management+in+electric+vehicle+application.">A review on battery thermal management in electric vehicle application.</a> Journal of Power Sources. 367 (1), 90-105 (2017).</li><li>Mahamud, R., Park, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Reciprocating+air+flow+for+Li-ion+battery+thermal+management+to+improve+temperature+uniformity.">Reciprocating air flow for Li-ion battery thermal management to improve temperature uniformity.</a> Journal of Power Sources. 196 (13), 5685-5696 (2011).</li><li>Kumar, R., Goel, V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+study+on+thermal+management+system+of+lithium-ion+batteries+for+electrical+vehicles:+A+critical+review.">A study on thermal management system of lithium-ion batteries for electrical vehicles: A critical review.</a> Journal of Energy Storage. 71, 108025 (2023).</li><li>Fan, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Experimental+study+on+the+thermal+management+performance+of+air+cooling+for+high+energy+density+cylindrical+lithium-ion+batteries.">Experimental study on the thermal management performance of air cooling for high energy density cylindrical lithium-ion batteries.</a> Applied Thermal Engineering. 155, 96-109 (2019).</li><li>Mohammadian, S. K., He, Y. L., Zhang, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Internal+cooling+of+a+lithium-ion+battery+using+electrolyte+as+coolant+through+microchannels+embedded+inside+the+electrodes.">Internal cooling of a lithium-ion battery using electrolyte as coolant through microchannels embedded inside the electrodes.</a> Journal of Power Sources. 293, 458-466 (2015).</li><li>Skerlos, S. J., Winebrake, J. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Targeting+plug-in+hybrid+electric+vehicle+policies+to+increase+social+benefits.">Targeting plug-in hybrid electric vehicle policies to increase social benefits.</a> Energy Policy. 38 (2), 705-708 (2010).</li><li>Avadikyan, A., Llerena, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+real+options+reasoning+approach+to+hybrid+vehicle+investments.">A real options reasoning approach to hybrid vehicle investments.</a> Technological Forecasting and Social Change. 77 (4), 649-661 (2010).</li><li>Chen, K., Chen, Y., Li, Z., Yuan, F., Wang, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Design+of+the+cell+spacings+of+battery+pack+in+parallel+air-+cooled+battery+thermal+management+system.">Design of the cell spacings of battery pack in parallel air- cooled battery thermal management system.</a> International Journal of Heat and Mass Transfer. 127, 393-401 (2018).</li><li>Jiang, Z. Y., Qu, Z. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Lithium+-+ion+battery+thermal+management+using+heat+pipe+and+phase+change+material+during+discharge+-+charge+cycle:+A+comprehensive+numerical+study.">Lithium - ion battery thermal management using heat pipe and phase change material during discharge - charge cycle: A comprehensive numerical study.</a> Applied Energy. 242, 378-392 (2019).</li><li>Saw, L. H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Computational+fluid+dynamic+and+thermal+analysis+of+Lithium-ion+battery+pack+with+air+cooling.">Computational fluid dynamic and thermal analysis of Lithium-ion battery pack with air cooling.</a> Applied energy. 177, 783-792 (2016).</li><li>Park, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+design+of+air+flow+configuration+for+cooling+lithium+-+ion+battery+in+hybrid+electric+vehicles.">A design of air flow configuration for cooling lithium - ion battery in hybrid electric vehicles.</a> Journal of Power Sources. 239 (10), 30-36 (2013).</li><li>Wang, Q., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Thermal+runaway+caused+fire+and+explosion+of+lithium-ion+battery.">Thermal runaway caused fire and explosion of lithium-ion battery.</a> Journal of power sources. 208, 210-224 (2012).</li><li>Rao, Z., Wang, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+review+of+power+battery+thermal+energy+management.">A review of power battery thermal energy management.</a> Renewable and Sustainable Energy Reviews. 15 (9), 4554-4571 (2011).</li><li>Chen, K., Wu, W., Yuan, F., Chen, L., Wang, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cooling+efficiency+improvement+of+air-cooled+battery+thermal+management+system+through+designing+the+flow+pattern.">Cooling efficiency improvement of air-cooled battery thermal management system through designing the flow pattern.</a> Energy. 167, 781-790 (2019).</li><li>Lan, X., Li, X., Ji, S., Gao, C., He, Z. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Design+and+optimization+of+a+novel+reverse+layered+air-cooling+battery+management+system+using+U+and+Z+type+flow+patterns.">Design and optimization of a novel reverse layered air-cooling battery management system using U and Z type flow patterns.</a> International Journal of Energy Research. 46 (10), 14206-14226 (2022).</li><li>Singh, G., Wu, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Effect+of+different+inlet/outlet+port+configurations+on+the+thermal+management+of+prismatic+Li-ion+batteries.">Effect of different inlet/outlet port configurations on the thermal management of prismatic Li-ion batteries.</a> Journal of Heat Transfer. 144 (11), 112901 (2022).</li><li>Zhang, J., Wu, X., Chen, K., Zhou, D., Song, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Experimental+and+numerical+studies+on+an+efficient+transient+heat+transfer+model+for+air-cooled+battery+thermal+management+systems.">Experimental and numerical studies on an efficient transient heat transfer model for air-cooled battery thermal management systems.</a> Journal of Power Sources. 490, 229539 (2021).</li><li>Qian, X., Xuan, D., Zhao, X., Shi, Z. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Heat+dissipation+optimization+of+lithium-ion+battery+pack+based+on+neural+networks.">Heat dissipation optimization of lithium-ion battery pack based on neural networks.</a> Applied Thermal Engineering. 162, 114289 (2019).</li><li>Chen, K., Wang, S., Song, M., Chen, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Structure+optimization+of+parallel+air-cooled+battery+thermal+management+system.">Structure optimization of parallel air-cooled battery thermal management system.</a> International Journal of Heat and Mass Transfer. 111, 943-952 (2017).</li><li>Liu, Y., Zhang, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Self-adapting+J-type+air-based+battery+thermal+management+system+via+model+predictive+control.">Self-adapting J-type air-based battery thermal management system via model predictive control.</a> Applied Energy. 263, 114640 (2020).</li><li>Baveja, R., Bhattacharya, J., Panchal, S., Fraser, R., Fowler, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Predicting+temperature+distribution+of+passively+balanced+battery+module+under+realistic+driving+conditions+through+coupled+equivalent+circuit+method+and+lumped+heat+dissipation+method.">Predicting temperature distribution of passively balanced battery module under realistic driving conditions through coupled equivalent circuit method and lumped heat dissipation method.</a> Journal of Energy Storage. 70, 107967 (2023).</li><li>Singh, L. K., Kumar, R., Gupta, A. K., Sharma, A. K., Panchal, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Computational+study+on+hybrid+air-PCM+cooling+inside+lithium-ion+battery+packs+with+varying+number+of+cells.">Computational study on hybrid air-PCM cooling inside lithium-ion battery packs with varying number of cells.</a> Journal of Energy Storage. 67, 107649 (2023).</li><li>Fan, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Multi-objective+optimization+design+and+experimental+investigation+for+a+prismatic+lithium-ion+battery+integrated+with+a+multi-stage+Tesla+valve-based+cold+plate.">Multi-objective optimization design and experimental investigation for a prismatic lithium-ion battery integrated with a multi-stage Tesla valve-based cold plate.</a> Processes. 11 (6), 1618 (2023).</li><li>Feng, Z., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Optimization+of+the+Cooling+Performance+of+Symmetric+Battery+Thermal+Management+Systems+at+High+Discharge+Rates.">Optimization of the Cooling Performance of Symmetric Battery Thermal Management Systems at High Discharge Rates.</a> Energy Fuels. 37 (11), 7990-8004 (2023).</li><li>Talele, V., Moral&#305;, U., Patil, M. S., Panchal, S., Mathew, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Optimal+battery+preheating+in+critical+subzero+ambient+condition+using+different+preheating+arrangement+and+advance+pyro+linear+thermal+insulation.">Optimal battery preheating in critical subzero ambient condition using different preheating arrangement and advance pyro linear thermal insulation.</a> Thermal Science and Engineering Progress. 42, 101908 (2023).</li><li>Kenny, Q. Y., Li, W., Sudjianto, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Algorithmic+construction+of+optimal+symmetric+Latin+hypercube+designs.">Algorithmic construction of optimal symmetric Latin hypercube designs.</a> Journal of statistical planning and inference. 90 (1), 145-159 (2000).</li><li>Oliveira Jr, H. A., Petraglia, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Global+optimization+using+dimensional+jumping+and+fuzzy+adaptive+simulated+annealing.">Global optimization using dimensional jumping and fuzzy adaptive simulated annealing.</a> Applied Soft Computing. 11 (6), 4175-4182 (2011).</li><li>Ingber, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Very+fast+simulated+re-annealing.">Very fast simulated re-annealing.</a> Mathematical and computer modelling. 12 (8), 967-973 (1989).</li><li>Yu, X., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Experimental+study+on+transient+thermal+characteristics+of+stagger-arranged+lithium-ion+battery+pack+with+air+cooling+strategy.">Experimental study on transient thermal characteristics of stagger-arranged lithium-ion battery pack with air cooling strategy.</a> International Journal of Heat and Mass Transfer. 143, 118576 (2019).</li><li>Li, W., Xiao, M., Peng, X., Garg, A., Gao, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+surrogate+thermal+modeling+and+parametric+optimization+of+battery+pack+with+air+cooling+for+EVs.">A surrogate thermal modeling and parametric optimization of battery pack with air cooling for EVs.</a> Applied Thermal Engineering. 147, 90-100 (2019).</li><li>Chen, K., Zhang, Z., Wu, B., Song, M., Wu, X. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=An+air-cooled+system+with+a+control+strategy+for+efficient+battery+thermal+management.">An air-cooled system with a control strategy for efficient battery thermal management.</a> Applied Thermal Engineering. 236, 121578 (2023).</li><li>Zhao, L., Li, W., Wang, G., Cheng, W., Chen, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+novel+thermal+management+system+for+lithium-ion+battery+modules+combining+direct+liquid-cooling+with+forced+air-cooling.">A novel thermal management system for lithium-ion battery modules combining direct liquid-cooling with forced air-cooling.</a> Applied Thermal Engineering. 232, 120992 (2023).</li><li>Oyewola, O. M., Awonusi, A. A., Ismail, O. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Design+optimization+of+Air-Cooled+Li-ion+battery+thermal+management+system+with+Step-like+divergence+plenum+for+electric+vehicles.">Design optimization of Air-Cooled Li-ion battery thermal management system with Step-like divergence plenum for electric vehicles.</a> Alexandria Engineering Journal. 71, 631-644 (2023).</li><li>Chen, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Design+of+parallel+air-cooled+battery+thermal+management+system+through+numerical+study.">Design of parallel air-cooled battery thermal management system through numerical study.</a> Energies. 10 (10), 1677 (2017).</li><li>Lyu, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+new+structure+optimization+method+for+forced+air-cooling+system+based+on+the+simplified+multi-physics+model.">A new structure optimization method for forced air-cooling system based on the simplified multi-physics model.</a> Applied Thermal Engineering. 198, 117455 (2021).</li><li>Zhang, W. C., Liang, Z. C., Ling, G. Z., Huang, L. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Influence+of+phase+change+material+dosage+on+the+heat+dissipation+performance+of+the+battery+thermal+management+system.">Influence of phase change material dosage on the heat dissipation performance of the battery thermal management system.</a> Journal of Energy Storage. 41, 102849 (2021).</li><li>Li, M. L., Zang, M. Y., Li, C. Y., Dai, H. Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Optimization+of+structure+of+air+cooling+heat+dissipation+for+Li-ion+batteries.">Optimization of structure of air cooling heat dissipation for Li-ion batteries.</a> Battery Bimonthly. 50 (3), 1001 (2020).</li></ol>

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 réfrig...

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.

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>Ansys-Workbench</td>
			<td>ANSYS</td>
			<td>N/A</td>
			<td>Multi-purpose finite element method computer design program software.https://www.ansys.com</td>
		</tr>
		<tr>
			<td>Isight</td>
			<td>Engineous Sogtware</td>
			<td>N/A</td>
			<td>Comprehensive computer-aided engineering software.https://www.3ds.com</td>
		</tr>
		<tr>
			<td>NVIDIA GPU</td>
			<td>NVIDIA</td>
			<td>N/A</td>
			<td>An NVIDIA GPU is needed as some of the software frameworks below will not work otherwise. https://www.nvidia.com</td>
		</tr>
		<tr>
			<td>Software</td>
			<td></td>
			<td></td>
			<td></td>
		</tr>
		<tr>
			<td>SOLIDWORKS</td>
			<td>Dassault Systemes</td>
			<td>N/A</td>
			<td>SolidWorks provides different design solutions, reduces errors in the design process, and improves product quality 
			www.solidworks.com</td>
		</tr>
	</tbody>
</table>

optimization of an air-based heat management system for dusty particulate matter-covered lithium-ion battery packs

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.

With the rapid development of the automobile industry, traditional fuel vehicles consume a lot of non-renewable resources, resulting in serious environmental pollution and energy shortage. One of the most promising solutions is the development of electric vehicles (EVs)1,2.
The power batteries used for EVs can store electrochemical energy, which is the key to replacing traditional fuel vehicles. Power batteries used in EVs include lithium-ion battery (LIB), nickel-metal hydride battery (NiMH), and electric double-layer capacitor (EDLC)3. Compared to the other batteries, lithium-ion batteries are currently widely used as energy storage units in EVs owing to their advantages such as high energy density, high efficiency, and long life cycle4,5,6,7.
However, due to chemical reaction heat and Joule heat, it is easy to accumulate a large amount of heat and increase the battery temperature during rapid charging and high-intensity discharging. The ideal operating temperature of LIB is 20-40 &#176;C8,9. The maximum temperature difference between the batteries in a battery string should not exceed 5 &#176;C10,11. Otherwise, it may lead to a series of risks such as temperature imbalance between the batteries, accelerated aging, even overheating, fire, explosion, and so on12. Therefore, the critical issue to be resolved is designing and optimizing an efficient battery thermal management system (BTMS) that can control the temperature and temperature difference of the battery pack within a narrow.
Typical BTMS include air cooling, water cooling, and phase change material cooling13. Among these cooling methods, the air cooling type is widely used because of its low cost and simplicity of the structure14. Due to the limited specific heat capacity of air, high temperature and large temperature differences are easy to occur between battery cells in air-cooled systems. In order to improve the cooling performance of air-cooled BTMS, it is necessary to design an efficient system15,16,17. Qian et al.18 collected the battery pack&#39;s maximum temperature and temperature difference to train the corresponding Bayesian neural network model, which is used to optimize cell spacings of the series air-cooled battery pack. Chen et al.19 reported using the Newton method and the flow resistance network model for optimization of the widths of the inlet divergence plenum and the outlet convergence plenum in the Z-type parallel air-cooled system. The results showed a 45% reduction in the temperature difference of the system. Liu et al.20 sampled five groups of the cooling ducts in the J-BTMS and obtained the best combination of cell spacings by the ensemble surrogate-based optimization algorithm. Baveja et al.21 modeled a passively balanced battery module, and the study described the effects of thermal prediction on module-level passive balancing and vice versa. Singh et al.22 investigated a battery thermal management system (BTMS) that used encapsulated phase change material along with forced convective air cooling designed using the coupled electrochemical-thermal modeling. Fan et al.23 proposed a liquid cooling plate comprising a multi-stage Tesla valve configuration to provide a safer temperature range for a prismatic-type lithium-ion battery with high recognition in microfluidic applications. Feng et al. 24 used the coefficient of variation method to evaluate the schemes with different inlet flow rates and battery clearances. Talele et al.25 introduced wall-enhanced pyro lining thermal insulation to store potential generated heating based on optimal placement of heating films.
When one uses air-cooling BTMS, metal dust particles, mineral dust particles, building materials dust particles, and other particles in the external environment will be brought into the air-cooling BTMS by the blower, which can cause the surface of the batteries to be covered with DPM. If there is no heat dissipation plan, it may cause accidents due to the excessively high battery temperature. After simulation, we take the maximum temperature of the battery pack in a specified airflow velocity and dust-free environment as the expected temperature in a dusty environment. First, C-rate refers to the current value required when the battery releases its rated capacity within the specified time, which is equal to a multiple of the battery&#39;s rated capacity in the data value. In this paper, the simulation uses 2C rate discharge. The rated capacity is 10 Ah, and the nominal voltage is 3.2 V. Lithium iron phosphate (LiFePO4) is used as the positive electrode material, and carbon is used as the negative electrode material. The electrolyte has electrolyte lithium salt, a high-purity organic solvent, necessary additives, and other raw materials. The random array representing the different velocity combinations at the inlets was determined through the OLHA, and a 2nd order function between the maximum temperature of the battery pack and the inlet flow velocity combination was set up under the condition of checking the accuracy of the curve fitting. Latin hypercube (LH) designs have been applied in many computer experiments since they were proposed by McKay et al.26. An LH is given by an N x p-matrix L, where each column of L consists of a permutation of the integers 1 to N. In this paper, the optimal Latin hypercube sampling method is used to reduce the computational burden. The method uses stratified sampling to ensure that the sampling points can cover all the sampling internals.
In the following step, the inlet flow velocity combination was optimized to decrease the maximum temperature of the battery pack in a dusty environment based on the ASAM under the condition of considering energy consumption simultaneously. The adaptive simulated annealing algorithm has been extensively developed and widely used in many optimization problems27,28. This algorithm can avoid getting trapped in a local optimum by accepting the worst solution with a certain probability. The global optimum is achieved by defining the acceptance probability and temperature; the calculation speed can also be adjusted by using these two parameters. Finally, for checking the accuracy of the optimization, the optimal result was compared with the analysis result obtained from the simulation software.
In this paper, an optimization method for the inlet flow rate of the battery box is proposed for the battery pack whose temperature rises due to dust cover. The purpose is to reduce the maximum temperature of the dust-covered battery pack to below the maximum temperature of the non-dust-covered battery pack in the case of low energy consumption.

Author Spotlight: Optimization of Airflow Velocities in Battery Cooling Systems for Enhanced Thermal Performance and Reduced Energy Consumption 

Optimisation d’un système de gestion de la chaleur à base d’air pour les batteries lithium-ion recouvertes de particules poussiéreuses

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 distribu...

Watch this Scientific Journal Video about Optimization of Airflow Velocities in Battery Cooling Systems for Enhanced Thermal Performance and Reduced Energy Consumption at JoVE.com

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.

This study aims to solve the problem of the cell temperature rise and performance decline caused by dusty particulate matter covering the surface of the ...

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 par l’allocation des vitesses de flux d’air au moins de la glacière de la batterie dans le but de réduire la consommation d’énergie. Une méthode d’optimisation prenant en compte simultanément la consommation d’énergie et les performances thermiques du système de gestion de la batterie a été établie. Et il peut être largement utilisé pour améliorer le cycle de vie de la batterie avec un coût d’exploitation minimal.

optimization-an-air-based-heat-management-system-for-dusty

Research

Education

JoVE Core

JoVE Journal

Electrical Engineering

Engineering

Unit 1

Optimization of An Air-Based Heat Management System for Dusty Particulate Matter-Covered Lithium-Ion Battery Packs

Transient Stability and System Controls

SCIENTISTS IN ACTION

This study aims to solve the problem of the cell temperature rise and performance decline caused by dusty particulate matter covering the surface of the cell through the allocation of airflow velocities at the inlets of the battery cooling box under the goal of low energy consumption. We take the maximum temperature of the battery pack at a specified airflow velocity and dust-free environment as the expected temperature in a dusty environment. The maximum temperature of the battery pack in a dusty environment is solved at different inlet airflow velocities, which are the boundary conditions of the analysis model constructed in the simulation software. The arrays representing the different airflow velocity combinations of inlets are generated randomly through the optimal Latin hypercube algorithm (OLHA), where the lower and upper limits of velocities corresponding to the temperatures above the desired temperature are set in the optimization software. We establish an approximate QRSM between the velocity combination and the maximum temperature using the fitting module of the optimization software. The QRSM is optimized based on the ASAM, and the optimal result is in good agreement with the analysis result obtained by the simulation software. After optimization, the flow rate of the middle inlet is changed from 5.5 m/s to 5 m/s, and the total airflow velocity is decreased by 3%. The protocol here presents an optimization method simultaneously considering energy consumption and thermal performance of the battery management system that has been established, and it can be widely used to improve the life cycle of the battery pack with minimum operating cost.

Here, we present the adaptive simulated annealing method (ASAM) to optimize an approximate quadratic response surface model (QRSM) corresponding to a dusty particulate matter-covered battery heat management system and fulfill the temperature drops back by adjusting the airflow velocities combination of system inlets.

Recherche

Ingénierie

Simulation Analysis for Evaluating Temperature and Airflow Dynamics in Battery Packs 

To begin the fluid flow analysis, drag Fluid Flow from the toolbox and Analysis Systems into the project schematic zone. Then hold airFEM mesh, batteryFEM mesh, and dpmFEM mesh fluid flow with the left mouse button and move them to fluid flow setup. Right click on Fluid Flow, then set up and select Update to enter the Setup window.Confirm the validity of the FEM model and check if the mesh has a negative volume. Now, enter the setting interface of the Viscous model and the Radiation model and select the K-epsilon model and the Discrete Ordinates model respectively. Change the fluid type of the numbered battery domains to the solid type.Then on the Solid window, double click each battery domain to change the DPM material to the battery material. Subsequently, choose the source terms item and check the highlighted source terms to add an energy source by assigning the number and the number of energy sources and selecting constant type to input the source value. Change the fluid type of numbered DPM domains to solid type.Next, convert the type of all renamed surfaces, including the inner surfaces of the air domain, all sides of the battery domains, and DPM domains from the default wall to the interface. To generate mesh interfaces, click the Mesh Interfaces and enter the Create and Edit Mesh Interfaces Window. Match the cavity surfaces to all sides, except the upper sides of the battery domains and the lower sides of the DPM domains.Name and number them as interface1 to interface11 respectively. Then match the upper sides of the battery domains and the lower sides of the DPM domains. Name and number them as interface12 to interface22 respectively.To assign the outer border surface as the wall thermal boundary, set the heat transfer coefficient as five in the mixed thermal condition. Then change the material from default aluminum to the previously self-defined battery box material. In the Velocity Inlet window, set airflow velocities of all inlets to five meters per second.Then set the gauge pressure of the outlet to zero in the Pressure Outlet window. Next, set the state of the computing domain with an initial temperature of 300 kelvin and solution initialization type, best standard initialization. Set the number of iterations to 2000 and click Calculate to begin the simulation.To enter the CFD Post window, double click Fluid Flow followed by Results. Then from the toolbox, double click the icon of contour. In the location selector, choose all sides of the batteries and switch from pressure to temperature.Then click Apply to generate the temperature contour of the batteries. Click File, then Export. To select the temperature of the selected variables, then click the dropdown button of the locations to select the battery domains.Click OK followed by the Save button to quit. Battery pack temperature variation at different inlet airflow velocities demonstrated that the maximum battery pack temperature decreases with the increase of inlet airflow velocity. The comparison of the battery pack temperature distribution and the second battery temperature distribution in different environments showed that the temperature of the battery increases under dusty conditions due to the low thermal conductivity of DPM.