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

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 überschreiten^10,11. 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.