Summary

Ottimizzazione di un sistema di gestione del calore ad aria per pacchi batteria agli ioni di litio ricoperti di particolato polveroso

Published: November 03, 2023
doi:

Summary

Qui, presentiamo il metodo di ricottura simulata adattiva (ASAM) per ottimizzare un modello approssimativo di superficie di risposta quadratica (QRSM) corrispondente a un sistema di gestione del calore della batteria coperto di particolato polveroso e soddisfare i cali di temperatura regolando la combinazione di velocità del flusso d’aria degli ingressi del sistema.

Abstract

Questo studio mira a risolvere il problema dell’aumento della temperatura della cella e del declino delle prestazioni causato dal particolato polveroso che copre la superficie della cella attraverso l’allocazione delle velocità del flusso d’aria agli ingressi della scatola di raffreddamento della batteria con l’obiettivo di un basso consumo energetico. Prendiamo la temperatura massima del pacco batteria a una velocità del flusso d’aria specificata e in un ambiente privo di polvere come temperatura prevista in un ambiente polveroso. La temperatura massima del pacco batterie in un ambiente polveroso viene risolta a diverse velocità del flusso d’aria in ingresso, che sono le condizioni al contorno del modello di analisi costruito nel software di simulazione. Gli array che rappresentano le diverse combinazioni di velocità del flusso d’aria degli ingressi sono generati in modo casuale attraverso l’algoritmo dell’ipercubo latino ottimale (OLHA), in cui i limiti inferiore e superiore delle velocità corrispondenti alle temperature superiori alla temperatura desiderata sono impostati nel software di ottimizzazione. Stabiliamo un QRSM approssimativo tra la combinazione di velocità e la temperatura massima utilizzando il modulo di fitting del software di ottimizzazione. Il QRSM è ottimizzato in base all’ASAM, e il risultato ottimale è in buon accordo con il risultato dell’analisi ottenuto dal software di simulazione. Dopo l’ottimizzazione, la portata dell’ingresso centrale viene modificata da 5,5 m/s a 5 m/s e la velocità totale del flusso d’aria viene ridotta del 3%. Il protocollo qui presenta un metodo di ottimizzazione che considera contemporaneamente il consumo energetico e le prestazioni termiche del sistema di gestione della batteria che è stato stabilito, e può essere ampiamente utilizzato per migliorare il ciclo di vita del pacco batteria con costi operativi minimi.

Introduction

Con il rapido sviluppo dell’industria automobilistica, i veicoli a carburante tradizionale consumano molte risorse non rinnovabili, con conseguente grave inquinamento ambientale e carenza di energia. Una delle soluzioni più promettenti è lo sviluppo di veicoli elettrici (EV)1,2.

Le batterie di alimentazione utilizzate per i veicoli elettrici possono immagazzinare energia elettrochimica, che è la chiave per sostituire i veicoli a carburante tradizionali. Le batterie di alimentazione utilizzate nei veicoli elettrici includono batterie agli ioni di litio (LIB), batterie al nichel-metallo idruro (NiMH) e condensatori elettrici a doppio strato (EDLC)3. Rispetto alle altre batterie, le batterie agli ioni di litio sono attualmente ampiamente utilizzate come unità di accumulo di energia nei veicoli elettrici grazie ai loro vantaggi come l’elevata densità energetica, l’alta efficienza e il lungo ciclo di vita 4,5,6,7.

Tuttavia, a causa del calore di reazione chimica e del calore Joule, è facile accumulare una grande quantità di calore e aumentare la temperatura della batteria durante la ricarica rapida e la scarica ad alta intensità. La temperatura di esercizio ideale di LIB è 20-40 °C 8,9. La differenza massima di temperatura tra le batterie in una stringa di batterie non deve superare i 5 °C10,11. In caso contrario, potrebbe portare a una serie di rischi come lo squilibrio di temperatura tra le batterie, l’invecchiamento accelerato, persino il surriscaldamento, l’incendio, l’esplosione e così via12. Pertanto, la criticità da risolvere è la progettazione e l’ottimizzazione di un efficiente sistema di gestione termica della batteria (BTMS) in grado di controllare la temperatura e la differenza di temperatura del pacco batteria all’interno di uno stretto.

I BTMS tipici includono il raffreddamento ad aria, il raffreddamento ad acqua e il raffreddamento dei materiali a cambiamento di fase13. Tra questi metodi di raffreddamento, il tipo di raffreddamento ad aria è ampiamente utilizzato per il suo basso costo e la semplicità della struttura14. A causa della limitata capacità termica specifica dell’aria, è facile che si verifichino alte temperature e grandi differenze di temperatura tra le celle della batteria nei sistemi raffreddati ad aria. Al fine di migliorare le prestazioni di raffreddamento del BTMS raffreddato ad aria, è necessario progettare un sistema efficiente 15,16,17. Qian et al.18 hanno raccolto la temperatura massima del pacco batteria e la differenza di temperatura per addestrare il corrispondente modello di rete neurale bayesiana, che viene utilizzato per ottimizzare le distanze tra le celle del pacco batteria raffreddato ad aria della serie. Chen et al.19 hanno riferito utilizzando il metodo Newton e il modello di rete di resistenza al flusso per l’ottimizzazione delle larghezze del plenum di divergenza in ingresso e del plenum di convergenza in uscita nel sistema parallelo di tipo Z raffreddato ad aria. I risultati hanno mostrato una riduzione del 45% della differenza di temperatura del sistema. Liu et al.20 hanno campionato cinque gruppi di condotti di raffreddamento nel J-BTMS e hanno ottenuto la migliore combinazione di spaziature cellulari mediante l’algoritmo di ottimizzazione basato su surrogati di ensemble. Baveja et al.21 hanno modellato un modulo batteria bilanciato passivamente e lo studio ha descritto gli effetti della previsione termica sul bilanciamento passivo a livello di modulo e viceversa. Singh et al.22 hanno studiato un sistema di gestione termica della batteria (BTMS) che utilizzava materiale a cambiamento di fase incapsulato insieme al raffreddamento forzato dell’aria convettiva progettato utilizzando la modellazione elettrochimica-termica accoppiata. Fan et al.23 hanno proposto una piastra di raffreddamento a liquido comprendente una configurazione di valvole di Tesla multistadio per fornire un intervallo di temperatura più sicuro per una batteria agli ioni di litio di tipo prismatico con un elevato riconoscimento nelle applicazioni microfluidiche. Feng et al. 24 hanno utilizzato il metodo del coefficiente di variazione per valutare gli schemi con diverse portate in ingresso e distanze della batteria. Talele et al.25 hanno introdotto l’isolamento termico del rivestimento pirotecnico potenziato dalle pareti per immagazzinare il potenziale calore generato in base al posizionamento ottimale delle pellicole riscaldanti.

Quando si utilizza il BTMS di raffreddamento ad aria, le particelle di polvere metallica, le particelle di polvere minerale, le particelle di polvere dei materiali da costruzione e altre particelle nell’ambiente esterno verranno portate nel BTMS di raffreddamento ad aria dal ventilatore, il che può causare la copertura della superficie delle batterie con DPM. Se non esiste un piano di dissipazione del calore, potrebbero verificarsi incidenti a causa della temperatura della batteria eccessivamente elevata. Dopo la simulazione, prendiamo la temperatura massima del pacco batteria in una velocità del flusso d’aria specificata e in un ambiente privo di polvere come temperatura prevista in un ambiente polveroso. Innanzitutto, la velocità C si riferisce al valore di corrente richiesto quando la batteria rilascia la sua capacità nominale entro il tempo specificato, che è uguale a un multiplo della capacità nominale della batteria nel valore dei dati. In questo documento, la simulazione utilizza la velocità di scarica 2C. La capacità nominale è di 10 Ah e la tensione nominale è di 3,2 V. Il litio ferro fosfato (LiFePO4) viene utilizzato come materiale dell’elettrodo positivo e il carbonio viene utilizzato come materiale dell’elettrodo negativo. L’elettrolita contiene sale di litio elettrolitico, un solvente organico ad alta purezza, additivi necessari e altre materie prime. L’array casuale che rappresenta le diverse combinazioni di velocità agli ingressi è stato determinato attraverso l’OLHA ed è stata impostata una funzione del 2° ordine tra la temperatura massima del pacco batteria e la combinazione di velocità del flusso in ingresso a condizione di verificare l’accuratezza del raccordo della curva. I disegni di ipercubi latini (LH) sono stati applicati in molti esperimenti al computer da quando sono stati proposti da McKay et al.26. Un LH è dato da una matrice N x p L, dove ogni colonna di L è costituita da una permutazione degli interi da 1 a N. In questo articolo, il metodo di campionamento ottimale dell’ipercubo latino viene utilizzato per ridurre il carico computazionale. Il metodo utilizza il campionamento stratificato per garantire che i punti di campionamento possano coprire tutti gli interni del campionamento.

Nella fase successiva, la combinazione di velocità del flusso in ingresso è stata ottimizzata per ridurre la temperatura massima del pacco batteria in un ambiente polveroso in base all’ASAM a condizione di considerare contemporaneamente il consumo di energia. L’algoritmo di ricottura simulata adattiva è stato ampiamente sviluppato e ampiamente utilizzato in molti problemi di ottimizzazione27,28. Questo algoritmo può evitare di rimanere intrappolato in un ottimo locale accettando la soluzione peggiore con una certa probabilità. L’ottimo globale si ottiene definendo la probabilità di accettazione e la temperatura; La velocità di calcolo può essere regolata anche utilizzando questi due parametri. Infine, per verificare l’accuratezza dell’ottimizzazione, il risultato ottimale è stato confrontato con il risultato dell’analisi ottenuto dal software di simulazione.

In questo documento, viene proposto un metodo di ottimizzazione per la portata in ingresso della scatola della batteria per il pacco batteria la cui temperatura aumenta a causa della copertura antipolvere. Lo scopo è quello di ridurre la temperatura massima del pacco batteria coperto di polvere al di sotto della temperatura massima del pacco batteria non coperto di polvere in caso di basso consumo energetico.

Protocol

NOTA: la roadmap della tecnologia di ricerca è illustrata nella Figura 1, in cui vengono utilizzati i software di modellazione, simulazione e ottimizzazione. I materiali necessari sono riportati nella Tabella dei Materiali. 1. Creazione del modello 3D NOTA: Per creare il modello 3D è stato utilizzato Solidworks. Disegnate un rettangolo di 252 mm x 175 mm, fate clic su Estrusione estrusione/base (Extrude Boss/Base</strong…

Representative Results

Seguendo il protocollo, le prime tre parti sono le più importanti, che includono la modellazione, il meshing e la simulazione, il tutto al fine di ottenere la temperatura massima del pacco batteria. Quindi, la velocità del flusso d’aria viene regolata mediante campionamento e, infine, la combinazione di portata ottimale viene ottenuta mediante ottimizzazione. La Figura 9 mostra il confronto della …

Discussion

Il BTMS utilizzato in questo studio è stato stabilito sulla base del sistema di raffreddamento ad aria grazie al suo basso costo e alla semplicità della struttura. A causa della bassa capacità di trasferimento del calore, le prestazioni del sistema di raffreddamento ad aria sono inferiori a quelle del sistema di raffreddamento a liquido e del sistema di raffreddamento del materiale a cambiamento di fase. Tuttavia, il sistema di raffreddamento a liquido presenta lo svantaggio di perdite di refrigerante e il sistema di …

Disclosures

The authors have nothing to disclose.

Acknowledgements

Alcuni software di analisi e ottimizzazione sono supportati dalla Tsinghua University, dalla Konkuk University, dalla Chonnam National University, dalla Mokpo University e dalla Chiba University.

Materials

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

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

Play Video

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

View Video