Summary

אופטימיזציה של מערכת ניהול חום מבוססת אוויר עבור מארזי סוללות ליתיום-יון מאובקים המכוסים בחלקיקים

Published: November 03, 2023
doi:

Summary

כאן, אנו מציגים את שיטת החישול המדומה האדפטיבית (ASAM) כדי למטב מודל משטח תגובה ריבועית משוערת (QRSM) המתאים למערכת ניהול חום סוללה מכוסה חומר חלקיקי מאובק ולמלא את ירידות הטמפרטורה בחזרה על ידי התאמת שילוב מהירויות זרימת האוויר של פתחי המערכת.

Abstract

מחקר זה נועד לפתור את בעיית עליית טמפרטורת התא וירידה בביצועים הנגרמת על ידי חומר חלקיקי מאובק המכסה את פני התא באמצעות הקצאת מהירויות זרימת האוויר בפתחי תיבת הקירור של הסוללה במטרה של צריכת אנרגיה נמוכה. אנו לוקחים את הטמפרטורה המקסימלית של מארז הסוללות במהירות זרימת אוויר מוגדרת ובסביבה נטולת אבק כטמפרטורה הצפויה בסביבה מאובקת. הטמפרטורה המקסימלית של מארז הסוללות בסביבה מאובקת נפתרת במהירויות זרימת אוויר כניסה שונות, שהן תנאי הגבול של מודל הניתוח שנבנה בתוכנת הסימולציה. המערכים המייצגים את שילובי מהירויות זרימת האוויר השונים של כניסות נוצרים באופן אקראי באמצעות אלגוריתם ההיפרקובייה הלטינית האופטימלית (OLHA), כאשר הגבול התחתון והעליון של מהירויות המתאימות לטמפרטורות מעל הטמפרטורה הרצויה נקבעים בתוכנת האופטימיזציה. אנו קובעים QRSM משוער בין שילוב המהירות לטמפרטורה המקסימלית באמצעות מודול ההתאמה של תוכנת האופטימיזציה. ה- QRSM מותאם על בסיס ה- ASAM, והתוצאה האופטימלית תואמת היטב את תוצאת הניתוח המתקבלת על ידי תוכנת הסימולציה. לאחר האופטימיזציה, קצב הזרימה של הכניסה האמצעית משתנה מ-5.5 מטר לשנייה ל-5 מטר לשנייה, ומהירות זרימת האוויר הכוללת יורדת ב-3%. הפרוטוקול כאן מציג שיטת אופטימיזציה בו זמנית בהתחשב בצריכת האנרגיה והביצועים התרמיים של מערכת ניהול הסוללה שהוקמה, וניתן להשתמש בה באופן נרחב כדי לשפר את מחזור החיים של חבילת הסוללות עם עלות הפעלה מינימלית.

Introduction

עם ההתפתחות המהירה של תעשיית הרכב, רכבי דלק מסורתיים צורכים הרבה משאבים שאינם מתחדשים, וכתוצאה מכך זיהום סביבתי חמור ומחסור באנרגיה. אחד הפתרונות המבטיחים ביותר הוא פיתוח כלי רכב חשמליים (EVs)1,2.

סוללות הכוח המשמשות לרכבים חשמליים יכולות לאגור אנרגיה אלקטרוכימית, שהיא המפתח להחלפת רכבי דלק מסורתיים. סוללות כוח המשמשות בכלי רכב חשמליים כוללות סוללת ליתיום-יון (LIB), סוללת ניקל-מתכת הידריד (NiMH) וקבל חשמלי דו-שכבתי (EDLC)3. בהשוואה לסוללות האחרות, סוללות ליתיום-יון נמצאות כיום בשימוש נרחב כיחידות אחסון אנרגיה ברכב חשמלי בשל יתרונותיהן כגון צפיפות אנרגיה גבוהה, יעילות גבוהה ומחזור חיים ארוך 4,5,6,7.

עם זאת, בשל חום התגובה הכימית וחום הג’אול, קל לצבור כמות גדולה של חום ולהעלות את טמפרטורת הסוללה במהלך טעינה מהירה ופריקה בעוצמה גבוהה. טמפרטורת ההפעלה האידיאלית של LIB היא 20-40 °C 8,9. הפרש הטמפרטורה המרבי בין הסוללות במחרוזת סוללה לא יעלה על 5°C10,11. אחרת, זה עלול להוביל לשורה של סיכונים כגון חוסר איזון טמפרטורה בין הסוללות, הזדקנות מואצת, אפילו התחממות יתר, אש, פיצוץ, וכן הלאה12. לכן, הבעיה הקריטית שיש לפתור היא תכנון ואופטימיזציה של מערכת ניהול תרמי יעילה של הסוללה (BTMS) שיכולה לשלוט בהפרש הטמפרטורה והטמפרטורה של מארז הסוללות בטווח צר.

BTMS טיפוסי כולל קירור אוויר, קירור מים וקירור חומרים לשינוי פאזה13. בין שיטות קירור אלה, סוג קירור האוויר נמצא בשימוש נרחב בגלל העלות הנמוכה שלה ואת הפשטות של המבנה14. בשל קיבולת החום הספציפית המוגבלת של האוויר, קל להתרחש הבדלי טמפרטורה גבוהים והבדלי טמפרטורה גדולים בין תאי הסוללה במערכות מקוררות אוויר. על מנת לשפר את ביצועי הקירור של BTMS מקורר אוויר, יש צורך לתכנן מערכת יעילה 15,16,17. Qian et al.18 אספו את הפרש הטמפרטורה והטמפרטורה המרבי של מארז הסוללות כדי לאמן את מודל הרשת העצבית הבייסיאנית המתאים, המשמש למיטוב ריווח התאים של מארז הסוללות מקורר האוויר בסדרה. Chen et al.19 דיווחו על שימוש בשיטת ניוטון ובמודל רשת התנגדות הזרימה לאופטימיזציה של רוחב מליאת סטיית הכניסה ומלאת התכנסות היציאה במערכת מקוררת אוויר מקבילית מסוג Z. התוצאות הראו ירידה של 45% בהפרש הטמפרטורה של המערכת. Liu et al.20 דגמו חמש קבוצות של צינורות קירור ב- J-BTMS והשיגו את השילוב הטוב ביותר של ריווח תאים על ידי אלגוריתם אופטימיזציה מבוסס אנסמבל חלופי. Baveja et al.21 מידלו מודול סוללה מאוזן באופן פסיבי, והמחקר תיאר את ההשפעות של חיזוי תרמי על איזון פסיבי ברמת המודול ולהיפך. Singh et al.22 חקרו מערכת ניהול תרמי של סוללות (BTMS) שהשתמשה בחומר שינוי פאזה עטוף יחד עם קירור אוויר קונבקטיבי מאולץ שתוכנן באמצעות מודלים אלקטרוכימיים-תרמיים מצומדים. Fan et al.23 הציעו לוח קירור נוזלי הכולל תצורת שסתום טסלה רב-שלבית כדי לספק טווח טמפרטורות בטוח יותר עבור סוללת ליתיום-יון מסוג פריזמטי עם זיהוי גבוה ביישומים מיקרופלואידים. Feng et al. 24 השתמשו בשיטת מקדם השונות כדי להעריך את התוכניות עם קצבי זרימת כניסה שונים ואישורי סוללות. Talele et al.25 הציגו בידוד תרמי משופר קיר של ציפוי פירו כדי לאחסן חימום פוטנציאלי שנוצר על בסיס מיקום אופטימלי של יריעות חימום.

כאשר משתמשים ב-BTMS לקירור אוויר, חלקיקי אבק מתכתיים, חלקיקי אבק מינרליים, חלקיקי אבק חומרי בניין וחלקיקים אחרים בסביבה החיצונית יובאו ל-BTMS קירור האוויר על ידי המפוח, מה שעלול לגרום לפני השטח של הסוללות להיות מכוסים ב-DPM. אם אין תוכנית לפיזור חום, הדבר עלול לגרום לתאונות עקב טמפרטורת הסוללה הגבוהה מדי. לאחר הסימולציה, אנו לוקחים את הטמפרטורה המקסימלית של מארז הסוללות במהירות זרימת אוויר מוגדרת ובסביבה נטולת אבק כטמפרטורה הצפויה בסביבה מאובקת. תחילה, C-rate מתייחס לערך הנוכחי הנדרש כאשר הסוללה משחררת את הקיבולת המדורגת שלה בתוך הזמן שצוין, השווה לכפולה של הקיבולת המדורגת של הסוללה בערך הנתונים. במאמר זה, הסימולציה משתמשת בפריקה בקצב 2C. הקיבולת הנקובה היא 10 Ah, והמתח הנומינלי הוא 3.2 V. ליתיום ברזל פוספט (LiFePO4) משמש כחומר האלקטרודה החיובי, ופחמן משמש כחומר האלקטרודה השלילי. האלקטרוליט מכיל מלח ליתיום אלקטרוליטי, ממס אורגני בעל טוהר גבוה, תוספים נחוצים וחומרי גלם אחרים. המערך האקראי המייצג את צירופי המהירויות השונים בכניסות נקבע באמצעות ה- OLHA, ופונקציה מסדר שני בין הטמפרטורה המרבית של מארז הסוללות לבין שילוב מהירות זרימת הכניסה נקבעה בתנאי של בדיקת דיוק התאמת העקומה. עיצובי היפרקוביה לטינית (LH) יושמו בניסויים ממוחשבים רבים מאז הוצעו על ידי McKay et al.26. LH נתון על ידי N x p-מטריצה L, כאשר כל עמודה של L מורכבת מתמורות של המספרים השלמים 1 עד N. במאמר זה, שיטת הדגימה הלטינית האופטימלית של היפרקובייה משמשת להפחתת הנטל החישובי. השיטה משתמשת בדגימה מרובדת כדי להבטיח שנקודות הדגימה יוכלו לכסות את כל הדגימה הפנימית.

בשלב הבא, שילוב מהירות זרימת הכניסה הותאם כדי להפחית את הטמפרטורה המקסימלית של מארז הסוללות בסביבה מאובקת המבוססת על ASAM בתנאי של התחשבות בצריכת האנרגיה בו זמנית. אלגוריתם החישול המדומה האדפטיבי פותח באופן נרחב ונמצא בשימוש נרחב בבעיות אופטימיזציה רבות27,28. אלגוריתם זה יכול להימנע מלהילכד באופטימום מקומי על ידי קבלת הפתרון הגרוע ביותר בהסתברות מסוימת. האופטימום העולמי מושג על ידי הגדרת הסתברות הקבלה והטמפרטורה; ניתן להתאים את מהירות החישוב גם באמצעות שני פרמטרים אלה. לבסוף, לצורך בדיקת דיוק האופטימיזציה, התוצאה האופטימלית הושוותה לתוצאת הניתוח שהתקבלה מתוכנת הסימולציה.

במאמר זה, מוצעת שיטת אופטימיזציה לקצב זרימת הכניסה של תיבת הסוללה עבור מארז הסוללות שהטמפרטורה שלו עולה עקב כיסוי אבק. המטרה היא להפחית את הטמפרטורה המקסימלית של מארז הסוללות המכוסה באבק אל מתחת לטמפרטורה המקסימלית של מארז הסוללות שאינו מכוסה אבק במקרה של צריכת אנרגיה נמוכה.

Protocol

הערה: מפת הדרכים של טכנולוגיית המחקר מוצגת באיור 1, שבו נעשה שימוש בתוכנת המידול, הסימולציה והאופטימיזציה. החומרים הדרושים מוצגים בטבלת החומרים. 1. יצירת מודל תלת מימד הערה: השתמשנו ב- Solidworks כדי ליצור את מודל התלת-ממד. צייר מלבן בגודל 252 מ”מ x 17…

Representative Results

בעקבות הפרוטוקול, שלושת החלקים הראשונים הם החשובים ביותר, הכוללים מידול, רשת והדמיה, הכל על מנת לקבל את הטמפרטורה המקסימלית של מארז הסוללות. לאחר מכן, מהירות זרימת האוויר מותאמת על ידי דגימה, ולבסוף, שילוב קצב הזרימה האופטימלי מתקבל על ידי אופטימיזציה. <p class="jove_content" fo:keep-…

Discussion

ה- BTMS המשמש במחקר זה הוקם על בסיס מערכת קירור האוויר בשל עלותו הנמוכה ופשטות המבנה. בגלל יכולת העברת החום הנמוכה, הביצועים של מערכת קירור האוויר נמוכים מאלה של מערכת קירור הנוזל ומערכת קירור חומרי שינוי פאזה. עם זאת, למערכת קירור הנוזל יש את החיסרון של דליפת נוזל קירור, ולמערכת קירור חומרי ש…

Disclosures

The authors have nothing to disclose.

Acknowledgements

תוכנות ניתוח ואופטימיזציה מסוימות נתמכות על ידי אוניברסיטת Tsinghua, אוניברסיטת Konkuk, האוניברסיטה הלאומית Chonnam, אוניברסיטת Mokpo ואוניברסיטת 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