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

Einige Analyse- und Optimierungssoftware wird von der Tsinghua University, der Konkuk University, der Chonnam National University, der Mokpo University und der Chiba University unterstützt.

HINWEIS: Die Roadmap für die Forschungstechnologie ist in Abbildung 1 dargestellt, in der die Modellierungs-, Simulations- und Optimierungssoftware verwendet wird. Die benötigten Materialien sind in der Materialtabelle aufgeführt.
1. Erstellen des 3D-Modells
HINWEIS: Wir haben Solidworks verwendet, um das 3D-Modell zu erstellen.
<ol><li>Zeichnen Sie ein Rechteck mit den Maßen 252 mm x 175 mm, klicken Sie auf Aufsatz/Basis extr...

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>

Das in dieser Studie verwendete BTMS wurde aufgrund seiner geringen Kosten und seiner einfachen Struktur auf der Grundlage des Luftkühlsystems entwickelt. Aufgrund der geringen Wärmeübertragungskapazität ist die Leistung des Luftkühlsystems geringer als die des Flüssigkeitskühlsystems und des Phasenwechselmaterialkühlsystems. Das Flüssigkeitskühlsystem hat jedoch den Nachteil des Kältemittelaustritts, und das Phasenwechsel-Materialkühlsystem weist eine hohe Masse und eine geringe Energiedichte<sup class="xref...

Mit der rasanten Entwicklung der Automobilindustrie verbrauchen Fahrzeuge mit herkömmlichem Kraftstoff viele nicht erneuerbare Ressourcen, was zu ernsthafter Umweltverschmutzung und Energieknappheit führt. Eine der vielversprechendsten Lösungen ist die Entwicklung von Elektrofahrzeugen (EVs)1,2.
Die für Elektrofahrzeuge verwendeten Leistungsbatterien können elektrochemische Energie speichern, was der Schlüssel zum Ersatz herkömmlicher Kraftstofffahrzeuge ist. Zu den Leistungsbatterien, die in Elektrofahrzeugen verwendet werden, gehören Lithium-Ionen-Batterien (LIB), Nickel-Metallhydrid-Batterien (NiMH) und elektrische Doppelschichtkondensatoren (EDLC)3. Im Vergleich zu den anderen Batterien werden Lithium-Ionen-Batterien aufgrund ihrer Vorteile wie hoher Energiedichte, hoher Effizienz und langer Lebensdauer derzeit häufig als Energiespeicher in Elektrofahrzeugen eingesetzt 4,5,6,7.
Aufgrund der chemischen Reaktionswärme und der Joule-Wärme kann es jedoch leicht passieren, dass sich beim Schnellladen und Entladen mit hoher Intensität eine große Wärmemenge ansammelt und die Batterietemperatur erhöht wird. Die ideale Betriebstemperatur von LIB liegt bei 20-40 °C 8,9. Der maximale Temperaturunterschied zwischen den Batterien in einem Batteriestrang sollte 5 °C nicht überschreiten10,11. Andernfalls kann dies zu einer Reihe von Risiken führen, wie z. B. einem Temperaturungleichgewicht zwischen den Batterien, beschleunigter Alterung, sogar Überhitzung, Feuer, Explosion usw.12. Daher ist das kritische Problem, das gelöst werden muss, die Entwicklung und Optimierung eines effizienten Batterie-Wärmemanagementsystems (BTMS), das die Temperatur und die Temperaturdifferenz des Batteriepacks innerhalb eines engen Rahmens steuern kann.
Typische BTMS umfassen Luftkühlung, Wasserkühlung und Phasenwechselmaterialkühlung13. Unter diesen Kühlverfahren ist der Luftkühlungstyp wegen seiner geringen Kosten und der Einfachheit der Struktur14 weit verbreitet. Aufgrund der begrenzten spezifischen Wärmekapazität der Luft kann es in luftgekühlten Systemen leicht zu hohen Temperaturen und großen Temperaturunterschieden zwischen Batteriezellen kommen. Um die Kühlleistung von luftgekühlten BTMS zu verbessern, ist es notwendig, ein effizientes System 15,16,17 zu konzipieren. Qian et al.18 sammelten die maximale Temperatur und Temperaturdifferenz des Akkupacks, um das entsprechende Bayes'sche neuronale Netzwerkmodell zu trainieren, das zur Optimierung der Zellabstände des luftgekühlten Serienbatteriepacks verwendet wird. Chen et al.19 berichteten über die Verwendung der Newton-Methode und des Strömungswiderstands-Netzwerkmodells zur Optimierung der Breiten des Einlassdivergenz-Plenums und des Auslass-Konvergenz-Plenums im parallelen luftgekühlten Z-Typ-System. Die Ergebnisse zeigten eine Reduzierung der Temperaturdifferenz des Systems um 45 %. Liu et al.20 beprobten fünf Gruppen der Kühlkanäle im J-BTMS und erhielten die beste Kombination von Zellabständen durch den Ensemble-Surrogat-basierten Optimierungsalgorithmus. Baveja et al.21 modellierten ein passiv balanciertes Batteriemodul, und die Studie beschrieb die Auswirkungen der thermischen Vorhersage auf den passiven Balancing auf Modulebene und umgekehrt. Singh et al.22 untersuchten ein Batterie-Wärmemanagementsystem (BTMS), das gekapseltes Phasenwechselmaterial zusammen mit einer erzwungenen konvektiven Luftkühlung verwendete, die unter Verwendung der gekoppelten elektrochemisch-thermischen Modellierung entwickelt wurde. Fan et al.23 schlugen eine Flüssigkeitskühlplatte vor, die eine mehrstufige Tesla-Ventilkonfiguration umfasst, um einen sichereren Temperaturbereich für eine prismatische Lithium-Ionen-Batterie mit hoher Erkennung in mikrofluidischen Anwendungen bereitzustellen. Feng et al. 24 verwendeten die Methode des Variationskoeffizienten, um die Schemata mit unterschiedlichen Einlassdurchflussraten und Batterieabständen zu bewerten. Talele et al.25 führten eine wandverstärkte Pyro-Lining-Wärmedämmung ein, um die potenziell erzeugte Wärme auf der Grundlage einer optimalen Platzierung der Heizfolien zu speichern.
Wenn man luftgekühltes BTMS verwendet, werden Metallstaubpartikel, Mineralstaubpartikel, Baustoffstaubpartikel und andere Partikel in der äußeren Umgebung durch das Gebläse in die Luftkühlung BTMS gebracht, was dazu führen kann, dass die Oberfläche der Batterien mit DPM bedeckt wird. Wenn es keinen Wärmeableitungsplan gibt, kann es aufgrund der zu hohen Batterietemperatur zu Unfällen kommen. Nach der Simulation nehmen wir die maximale Temperatur des Akkupacks in einer vorgegebenen Luftströmungsgeschwindigkeit und staubfreien Umgebung als die erwartete Temperatur in einer staubigen Umgebung. Erstens bezieht sich die C-Rate auf den Stromwert, der erforderlich ist, wenn die Batterie ihre Nennkapazität innerhalb der angegebenen Zeit freigibt, was einem Vielfachen der Nennkapazität der Batterie im Datenwert entspricht. In dieser Arbeit wird in der Simulation eine 2C-Entladungsrate verwendet. Die Nennkapazität beträgt 10 Ah, die Nennspannung 3,2 V. Lithium-Eisenphosphat (LiFePO4) wird als positives Elektrodenmaterial und Kohlenstoff als negatives Elektrodenmaterial verwendet. Der Elektrolyt enthält Elektrolyt-Lithiumsalz, ein hochreines organisches Lösungsmittel, notwendige Zusatzstoffe und andere Rohstoffe. Das zufällige Array, das die verschiedenen Geschwindigkeitskombinationen an den Einlässen darstellt, wurde durch den OLHA bestimmt, und eine Funktion 2. Ordnung zwischen der maximalen Temperatur des Batteriepacks und der Kombination der Einlassströmungsgeschwindigkeit wurde unter der Bedingung der Überprüfung der Genauigkeit der Kurvenanpassung eingerichtet. Lateinische Hyperwürfel (LH) wurden in vielen Computerexperimenten angewendet, seit sie von McKay et al. vorgeschlagen wurden.26. Ein LH ist durch eine N x p-Matrix L gegeben, wobei jede Spalte von L aus einer Permutation der ganzen Zahlen 1 bis N besteht. In dieser Arbeit wird die optimale lateinische Hyperwürfel-Sampling-Methode verwendet, um den Rechenaufwand zu reduzieren. Die Methode verwendet geschichtete Stichproben, um sicherzustellen, dass die Probenahmestellen alle Probenahmeinterna abdecken können.
Im folgenden Schritt wurde die Kombination der Einlassströmungsgeschwindigkeit optimiert, um die maximale Temperatur des Batteriepacks in einer staubigen Umgebung auf Basis des ASAM unter gleichzeitiger Berücksichtigung des Energieverbrauchs zu senken. Der adaptive Simulated Annealing-Algorithmus wurde umfassend entwickelt und in vielen Optimierungsproblemen weit verbreitet 27,28. Dieser Algorithmus kann vermeiden, in einem lokalen Optimum gefangen zu sein, indem er mit einer bestimmten Wahrscheinlichkeit die schlechteste Lösung akzeptiert. Das globale Optimum wird durch die Definition der Akzeptanzwahrscheinlichkeit und der Temperatur erreicht; Mit diesen beiden Parametern kann auch die Berechnungsgeschwindigkeit angepasst werden. Um die Genauigkeit der Optimierung zu überprüfen, wurde schließlich das optimale Ergebnis mit dem Analyseergebnis der Simulationssoftware verglichen.
In dieser Arbeit wird eine Optimierungsmethode für den Einlassdurchfluss des Batteriekastens für den Batteriepack vorgeschlagen, dessen Temperatur aufgrund der Staubabdeckung ansteigt. Ziel ist es, bei geringem Energieverbrauch die maximale Temperatur des staubbedeckten Akkupacks unter die maximale Temperatur des nicht staubbedeckten Akkupacks zu senken.

<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

Diese Studie zielt darauf ab, das Problem des Temperaturanstiegs und des Leistungsabfalls der Zelle zu lösen, der durch staubige Partikel verursacht wird, die die Oberfläche der Zelle bedecken, indem Luftströmungsgeschwindigkeiten an den Einlässen der Batteriekühlbox mit dem Ziel eines niedrigen Energieverbrauchs zugewiesen werden. Wir nehmen die maximale Temperatur des Akkupacks bei einer bestimmten Luftströmungsgeschwindigkeit und staubfreien Umgebung als die erwartete Temperatur in einer staubigen Umgebung. Die maximale Temperatur des Batteriepacks in staubiger Umgebung wird bei unterschiedlichen Ansaugluftströmungsgeschwindigkeiten gelöst, die die Randbedingungen des in der Simulationssoftware konstruierten Analysemodells darstellen. Die Arrays, die die verschiedenen Kombinationen von Luftströmungsgeschwindigkeiten von Einlässen darstellen, werden nach dem Zufallsprinzip durch den optimalen lateinischen Hyperwürfelalgorithmus (OLHA) generiert, wobei die untere und obere Grenze der Geschwindigkeiten, die den Temperaturen über der gewünschten Temperatur entsprechen, in der Optimierungssoftware festgelegt wird. Wir ermitteln einen ungefähren QRSM zwischen der Geschwindigkeitskombination und der maximalen Temperatur mit Hilfe des Anpassungsmoduls der Optimierungssoftware. Das QRSM wird auf der Grundlage des ASAM optimiert, und das optimale Ergebnis stimmt gut mit dem Analyseergebnis überein, das von der Simulationssoftware erhalten wird. Nach der Optimierung wird die Strömungsgeschwindigkeit des mittleren Einlasses von 5,5 m/s auf 5 m/s geändert und die Gesamtströmungsgeschwindigkeit um 3 % verringert. Das Protokoll stellt hier eine Optimierungsmethode dar, die gleichzeitig den Energieverbrauch und die thermische Leistung des etablierten Batteriemanagementsystems berücksichtigt und zur Verbesserung der Lebensdauer des Batteriepacks bei minimalen Betriebskosten eingesetzt werden kann.

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 

Optimierung eines luftbasierten Wärmemanagementsystems für staubige, feinstaubbedeckte Lithium-Ionen-Batteriepacks

Dem Protokoll folgend, sind die ersten drei Teile die wichtigsten, zu denen Modellierung, Vernetzung und Simulation gehören, um die maximale Temperatur des Akkupacks zu erhalten. Anschließend wird die Luftströmungsgeschwindigkeit durch Probenahme eingestellt, und schließlich wird durch Optimierung die optimale Durchflussmengenkombination ermittelt.
Abbildung 9 zeigt den Vergleich der Temperaturv...

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

Hier stellen wir die adaptive simulierte Annealing-Methode (ASAM) vor, um ein approximatives quadratisches Reaktionsflächenmodell (QRSM) zu optimieren, das einem staubigen, mit Feinstaub bedeckten Batteriewärmemanagementsystem entspricht, und die Temperaturabfälle durch Anpassung der Luftströmungsgeschwindigkeitskombination von Systemeinlässen zu kompensieren.

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 ...

Diese Studie zielt darauf ab, das Problem des Temperaturanstiegs der Zelle und des Leistungsabfalls zu lösen, der durch die staubigen Partikel verursacht wird, die die Oberfläche der Zelle bedecken, indem die Luftströmungsgeschwindigkeiten bei weniger Batteriekühlbox unter dem Ziel eines niedrigen Energieverbrauchs zugewiesen werden. Es wurde eine Optimierungsmethode entwickelt, die gleichzeitig den Energieverbrauch und die thermische Leistung des Batteriemanagementsystems berücksichtigt. Und es kann in großem Umfang eingesetzt werden, um den Lebenszyklus des Batteriepacks bei minimalen Betriebskosten zu verbessern.

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.

Forschung

Ingenieurwesen

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.