Summary

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

Published: November 03, 2023
doi:

Summary

Ici, nous présentons la méthode de recuit simulé adaptatif (ASAM) pour optimiser un modèle de surface de réponse quadratique approximative (QRSM) correspondant à un système de gestion de la chaleur de la batterie recouvert de particules poussiéreuses et combler les baisses de température en ajustant la combinaison des vitesses de flux d’air des entrées du système.

Abstract

Cette étude vise à résoudre le problème de l’élévation de la température de la cellule et de la baisse de performance causée par les particules poussiéreuses recouvrant la surface de la cellule grâce à l’allocation des vitesses de flux d’air aux entrées de la glacière de la batterie dans le but de réduire la consommation d’énergie. Nous prenons la température maximale de la batterie à une vitesse de flux d’air spécifiée et dans un environnement sans poussière comme température attendue dans un environnement poussiéreux. La température maximale de la batterie dans un environnement poussiéreux est résolue à différentes vitesses d’écoulement de l’air d’entrée, qui sont les conditions aux limites du modèle d’analyse construit dans le logiciel de simulation. Les tableaux représentant les différentes combinaisons de vitesses d’écoulement d’air des entrées sont générés de manière aléatoire grâce à l’algorithme optimal de l’hypercube latin (OLHA), où les limites inférieure et supérieure des vitesses correspondant aux températures au-dessus de la température souhaitée sont définies dans le logiciel d’optimisation. Nous établissons un QRSM approximatif entre la combinaison de vitesse et la température maximale à l’aide du module d’ajustement du logiciel d’optimisation. Le QRSM est optimisé sur la base de l’ASAM, et le résultat optimal est en bon accord avec le résultat d’analyse obtenu par le logiciel de simulation. Après optimisation, le débit de l’entrée centrale passe de 5,5 m/s à 5 m/s et la vitesse totale du flux d’air est réduite de 3 %. Le protocole présente ici une méthode d’optimisation tenant compte simultanément de la consommation d’énergie et des performances thermiques du système de gestion de la batterie qui a été établi, et il peut être largement utilisé pour améliorer le cycle de vie de la batterie avec un coût d’exploitation minimal.

Introduction

Avec le développement rapide de l’industrie automobile, les véhicules à carburant traditionnels consomment beaucoup de ressources non renouvelables, ce qui entraîne une grave pollution de l’environnement et une pénurie d’énergie. L’une des solutions les plus prometteuses est le développement des véhicules électriques (VE)1,2.

Les batteries d’alimentation utilisées pour les véhicules électriques peuvent stocker de l’énergie électrochimique, ce qui est la clé pour remplacer les véhicules à carburant traditionnels. Les batteries d’alimentation utilisées dans les véhicules électriques comprennent les batteries lithium-ion (LIB), les batteries nickel-hydrure métallique (NiMH) et les condensateurs électriques à double couche (EDLC)3. Par rapport aux autres batteries, les batteries lithium-ion sont actuellement largement utilisées comme unités de stockage d’énergie dans les véhicules électriques en raison de leurs avantages tels qu’une densité énergétique élevée, un rendement élevé et un long cycle de vie 4,5,6,7.

Cependant, en raison de la chaleur de réaction chimique et de la chaleur Joule, il est facile d’accumuler une grande quantité de chaleur et d’augmenter la température de la batterie lors d’une charge rapide et d’une décharge à haute intensité. La température de fonctionnement idéale du LIB est de 20 à 40 °C 8,9. La différence de température maximale entre les batteries d’une chaîne de batteries ne doit pas dépasser 5 °C10,11. Sinon, cela peut entraîner une série de risques tels qu’un déséquilibre de température entre les batteries, un vieillissement accéléré, voire une surchauffe, un incendie, une explosion, etc. 12. Par conséquent, la question critique à résoudre est de concevoir et d’optimiser un système de gestion thermique de la batterie (BTMS) efficace qui peut contrôler la température et la différence de température de la batterie dans un délai réduit.

Les BTMS typiques comprennent le refroidissement par air, le refroidissement par eau et le refroidissement des matériaux à changement de phase13. Parmi ces méthodes de refroidissement, le type de refroidissement par air est largement utilisé en raison de son faible coût et de la simplicité de la structure14. En raison de la capacité thermique spécifique limitée de l’air, il est facile de produire des différences de température élevées et importantes entre les cellules de batterie dans les systèmes refroidis par air. Afin d’améliorer les performances de refroidissement du BTMS refroidi par air, il est nécessaire de concevoir un système efficace 15,16,17. Qian et al.18 ont collecté la température maximale et la différence de température de la batterie pour entraîner le modèle de réseau neuronal bayésien correspondant, qui est utilisé pour optimiser l’espacement des cellules de la batterie refroidie par air en série. Chen et al.19 ont rapporté l’utilisation de la méthode de Newton et du modèle de réseau de résistance à l’écoulement pour l’optimisation des largeurs du plénum de divergence d’entrée et du plénum de convergence de sortie dans le système de refroidissement par air parallèle de type Z. Les résultats ont montré une réduction de 45 % de la différence de température du système. Liu et al.20 ont échantillonné cinq groupes de conduits de refroidissement dans le J-BTMS et ont obtenu la meilleure combinaison d’espacements cellulaires par l’algorithme d’optimisation basé sur le substitut d’ensemble. Baveja et al.21 ont modélisé un module de batterie équilibré passivement, et l’étude a décrit les effets de la prédiction thermique sur l’équilibrage passif au niveau du module et vice versa. Singh et al.22 ont étudié un système de gestion thermique de batterie (BTMS) qui utilisait un matériau à changement de phase encapsulé ainsi qu’un refroidissement par air par convection forcée conçu à l’aide de la modélisation électrochimique-thermique couplée. Fan et al.23 ont proposé une plaque de refroidissement liquide comprenant une configuration de vanne Tesla à plusieurs étages pour fournir une plage de température plus sûre pour une batterie lithium-ion de type prismatique avec une reconnaissance élevée dans les applications microfluidiques. Feng et al. 24 ont utilisé la méthode du coefficient de variation pour évaluer les schémas avec différents débits d’entrée et jeux de batterie. Talele et al.25 ont introduit l’isolation thermique de revêtement pyrotechnique renforcée par les murs pour stocker le chauffage potentiel généré en fonction de l’emplacement optimal des films chauffants.

Lorsque l’on utilise le BTMS de refroidissement par air, les particules de poussière métallique, les particules de poussière minérale, les particules de poussière de matériaux de construction et d’autres particules de l’environnement extérieur seront amenées dans le BTMS de refroidissement par air par le ventilateur, ce qui peut entraîner la couverture de la surface des batteries avec DPM. S’il n’y a pas de plan de dissipation thermique, cela peut provoquer des accidents en raison de la température trop élevée de la batterie. Après simulation, nous prenons la température maximale de la batterie dans une vitesse d’écoulement d’air spécifiée et dans un environnement sans poussière comme température attendue dans un environnement poussiéreux. Tout d’abord, le taux C fait référence à la valeur actuelle requise lorsque la batterie libère sa capacité nominale dans le délai spécifié, qui est égale à un multiple de la capacité nominale de la batterie dans la valeur de données. Dans cet article, la simulation utilise une décharge de débit de 2C. La capacité nominale est de 10 Ah et la tension nominale est de 3,2 V. Le phosphate de fer lithium (LiFePO4) est utilisé comme matériau d’électrode positive et le carbone est utilisé comme matériau d’électrode négative. L’électrolyte contient du sel de lithium électrolytique, un solvant organique de haute pureté, des additifs nécessaires et d’autres matières premières. Le tableau aléatoire représentant les différentes combinaisons de vitesses aux entrées a été déterminé à l’aide de l’OLHA, et une fonction d’ordre 2 entre la température maximale de la batterie et la combinaison de vitesse d’écoulement d’entrée a été mise en place à la condition de vérifier la précision de l’ajustement de la courbe. Les modèles d’hypercubes latins (LH) ont été appliqués dans de nombreuses expériences informatiques depuis qu’ils ont été proposés par McKay et al.26. Un LH est donné par une matrice N x p L, où chaque colonne de L est constituée d’une permutation des entiers 1 en N. Dans cet article, la méthode optimale d’échantillonnage de l’hypercube latin est utilisée pour réduire la charge de calcul. La méthode utilise un échantillonnage stratifié pour s’assurer que les points d’échantillonnage peuvent couvrir tous les composants internes de l’échantillonnage.

Dans l’étape suivante, la combinaison de vitesse d’écoulement à l’entrée a été optimisée pour diminuer la température maximale de la batterie dans un environnement poussiéreux sur la base de l’ASAM à condition de prendre en compte simultanément la consommation d’énergie. L’algorithme adaptatif de recuit simulé a été largement développé et largement utilisé dans de nombreux problèmes d’optimisation27,28. Cet algorithme permet d’éviter de se faire piéger dans un optimum local en acceptant la pire solution avec une certaine probabilité. L’optimum global est obtenu en définissant la probabilité d’acceptation et la température ; La vitesse de calcul peut également être ajustée à l’aide de ces deux paramètres. Enfin, pour vérifier la précision de l’optimisation, le résultat optimal a été comparé au résultat d’analyse obtenu à partir du logiciel de simulation.

Dans cet article, une méthode d’optimisation du débit d’entrée du boîtier de batterie est proposée pour le bloc-batterie dont la température augmente en raison du couvercle anti-poussière. L’objectif est de réduire la température maximale de la batterie recouverte de poussière en dessous de la température maximale de la batterie non recouverte de poussière dans le cas d’une faible consommation d’énergie.

Protocol

REMARQUE : La feuille de route de la technologie de recherche est illustrée à la figure 1, où le logiciel de modélisation, de simulation et d’optimisation est utilisé. Les matériaux nécessaires sont indiqués dans le tableau des matériaux. 1. Création du modèle 3D REMARQUE : Nous avons utilisé Solidworks pour créer le modèle 3D. Dessinez un rectangle de 252 mm x 175 mm, cliquez sur Extruder Boss/Base (Extrud…

Representative Results

Suivant le protocole, les trois premières parties sont les plus importantes, qui comprennent la modélisation, le maillage et la simulation, le tout afin d’obtenir la température maximale de la batterie. Ensuite, la vitesse du flux d’air est ajustée par échantillonnage, et enfin, la combinaison optimale de débits est obtenue par optimisation. La figure 9 montre la comparaison de la distribu…

Discussion

Le BTMS utilisé dans cette étude a été établi sur la base du système de refroidissement par air en raison de son faible coût et de la simplicité de la structure. En raison de la faible capacité de transfert de chaleur, les performances du système de refroidissement par air sont inférieures à celles du système de refroidissement liquide et du système de refroidissement des matériaux à changement de phase. Cependant, le système de refroidissement liquide présente l’inconvénient d’une fuite de réfrig…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Certains logiciels d’analyse et d’optimisation sont pris en charge par l’Université Tsinghua, l’Université Konkuk, l’Université nationale de Chonnam, l’Université Mokpo et l’Université de Chiba.

Materials

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