Summary

Otimização de um sistema de gerenciamento de calor baseado em ar para baterias de íons de lítio cobertas de material particulado empoeirado

Published: November 03, 2023
doi:

Summary

Aqui, apresentamos o método de recozimento simulado adaptativo (ASAM) para otimizar um modelo de superfície de resposta quadrática aproximada (QRSM) correspondente a um sistema de gerenciamento de calor de bateria coberto de material particulado empoeirado e preencher as quedas de temperatura ajustando a combinação de velocidades de fluxo de ar das entradas do sistema.

Abstract

Este estudo visa resolver o problema do aumento da temperatura celular e declínio de desempenho causado por material particulado empoeirado que cobre a superfície da célula através da alocação de velocidades de fluxo de ar nas entradas da caixa de resfriamento da bateria sob o objetivo de baixo consumo de energia. Tomamos a temperatura máxima da bateria em uma velocidade de fluxo de ar especificada e ambiente livre de poeira como a temperatura esperada em um ambiente empoeirado. A temperatura máxima da bateria em um ambiente empoeirado é resolvida em diferentes velocidades de fluxo de ar de entrada, que são as condições de contorno do modelo de análise construído no software de simulação. As matrizes que representam as diferentes combinações de velocidades de entrada do fluxo de ar são geradas aleatoriamente através do algoritmo de hipercubo latino ótimo (OLHA), onde os limites inferior e superior das velocidades correspondentes às temperaturas acima da temperatura desejada são definidos no software de otimização. Estabelecemos um QRSM aproximado entre a combinação de velocidades e a temperatura máxima usando o módulo de ajuste do software de otimização. O QRSM é otimizado com base no ASAM, e o resultado ótimo está em boa concordância com o resultado da análise obtida pelo software de simulação. Após a otimização, o fluxo da entrada média é alterado de 5,5 m/s para 5 m/s, e a velocidade total do fluxo de ar é reduzida em 3%. O protocolo aqui apresentado apresenta um método de otimização considerando simultaneamente o consumo de energia e o desempenho térmico do sistema de gerenciamento de baterias que foi estabelecido, e pode ser amplamente utilizado para melhorar o ciclo de vida da bateria com o mínimo custo operacional.

Introduction

Com o rápido desenvolvimento da indústria automobilística, os veículos a combustível tradicionais consomem muitos recursos não renováveis, resultando em grave poluição ambiental e escassez de energia. Uma das soluções mais promissoras é o desenvolvimento de veículos elétricos (VEs)1,2.

As baterias de energia usadas para veículos elétricos podem armazenar energia eletroquímica, que é a chave para substituir os veículos a combustível tradicionais. As baterias de potência usadas em veículos elétricos incluem bateria de íons de lítio (LIB), bateria de níquel-hidreto metálico (NiMH) e capacitor elétrico de camada dupla (EDLC)3. Comparadas às outras baterias, as baterias de íons de lítio são atualmente amplamente utilizadas como unidades de armazenamento de energia em veículos elétricos devido às suas vantagens, como alta densidade energética, alta eficiência e longo ciclo de vida 4,5,6,7.

No entanto, devido ao calor de reação química e ao calor Joule, é fácil acumular uma grande quantidade de calor e aumentar a temperatura da bateria durante o carregamento rápido e a descarga de alta intensidade. A temperatura ideal de operação da LIB é de 20-40 °C 8,9. A diferença de temperatura máxima entre as baterias de uma corda de bateria não deve exceder 5 °C10,11. Caso contrário, pode levar a uma série de riscos, como desequilíbrio de temperatura entre as baterias, envelhecimento acelerado, até superaquecimento, incêndio, explosão, e assim por diante12. Portanto, a questão crítica a ser resolvida é projetar e otimizar um sistema eficiente de gerenciamento térmico da bateria (BTMS) que possa controlar a diferença de temperatura e temperatura da bateria dentro de um estreito.

Os BTMS típicos incluem resfriamento a ar, resfriamento a água e resfriamento de material de mudança de fase13. Dentre esses métodos de resfriamento, o tipo de resfriamento a ar é amplamente utilizado devido ao seu baixo custo e simplicidade da estrutura14. Devido à limitada capacidade térmica específica do ar, altas temperaturas e grandes diferenças de temperatura são fáceis de ocorrer entre células de bateria em sistemas refrigerados a ar. Para melhorar o desempenho de resfriamento do BTMS refrigerado a ar, é necessário projetar um sistema eficiente 15,16,17. Qian et al.18 coletaram a temperatura máxima e a diferença de temperatura da bateria para treinar o modelo de rede neural bayesiana correspondente, que é usado para otimizar os espaçamentos celulares da bateria resfriada a ar da série. Chen et al.19 relataram o uso do método de Newton e do modelo de rede de resistência ao fluxo para otimização das larguras do plenum de divergência de entrada e do plenum de convergência de saída no sistema paralelo refrigerado a ar tipo Z. Os resultados mostraram uma redução de 45% na diferença de temperatura do sistema. Liu et al.20 amostraram cinco grupos de dutos de resfriamento no J-BTMS e obtiveram a melhor combinação de espaçamentos celulares pelo algoritmo de otimização baseado em ensemble surrogate. Baveja et al.21 modelaram um módulo de bateria passivamente balanceado, e o estudo descreveu os efeitos da predição térmica no balanceamento passivo em nível de módulo e vice-versa. Singh et al.22 investigaram um sistema de gerenciamento térmico de baterias (BTMS) que usava material encapsulado de mudança de fase juntamente com resfriamento de ar convectivo forçado projetado usando a modelagem eletroquímico-térmica acoplada. Fan et al.23 propuseram uma placa de resfriamento líquido compreendendo uma configuração de válvula Tesla de vários estágios para fornecer uma faixa de temperatura mais segura para uma bateria de íons de lítio do tipo prismática com alto reconhecimento em aplicações microfluídicas. Feng e col. 24 utilizaram o método do coeficiente de variação para avaliar os esquemas com diferentes vazões de entrada e folgas das baterias. Talele et al.25 introduziram o isolamento térmico de revestimento pirotécnico aprimorado de parede para armazenar o aquecimento potencial gerado com base na colocação ideal de filmes de aquecimento.

Quando se usa BTMS de resfriamento a ar, partículas de poeira metálica, partículas de poeira mineral, partículas de poeira de materiais de construção e outras partículas no ambiente externo serão trazidas para o BTMS de resfriamento a ar pelo soprador, o que pode fazer com que a superfície das baterias seja coberta com DPM. Se não houver um plano de dissipação de calor, pode causar acidentes devido à temperatura excessivamente alta da bateria. Após a simulação, tomamos a temperatura máxima da bateria em uma velocidade de fluxo de ar especificada e ambiente livre de poeira como a temperatura esperada em um ambiente empoeirado. Primeiro, C-rate refere-se ao valor atual necessário quando a bateria libera sua capacidade nominal dentro do tempo especificado, que é igual a um múltiplo da capacidade nominal da bateria no valor de dados. Neste trabalho, a simulação utiliza a taxa de descarga de 2C. A capacidade nominal é de 10 Ah, e a tensão nominal é de 3,2 V. O fosfato de ferro de lítio (LiFePO4) é usado como o material do eletrodo positivo, e o carbono é usado como o material do eletrodo negativo. O eletrólito tem sal de lítio eletrolítico, um solvente orgânico de alta pureza, aditivos necessários e outras matérias-primas. A matriz aleatória representando as diferentes combinações de velocidades nas entradas foi determinada através do OLHA, e uma função de 2ª ordem entre a temperatura máxima da bateria e a combinação de velocidades de fluxo de entrada foi configurada sob a condição de verificar a precisão do ajuste da curva. Desenhos de hipercubos latinos (LH) têm sido aplicados em muitos experimentos computacionais desde que foram propostos por McKay et al.26. Um LH é dado por uma matriz N x p L, onde cada coluna de L consiste de uma permutação dos inteiros 1 a N. Neste artigo, o método ótimo de amostragem de hipercubo latino é usado para reduzir a carga computacional. O método utiliza amostragem estratificada para garantir que os pontos de amostragem possam abranger todos os elementos internos de amostragem.

Na etapa seguinte, a combinação de velocidade de fluxo de entrada foi otimizada para diminuir a temperatura máxima da bateria em um ambiente empoeirado baseado no ASAM sob a condição de considerar o consumo de energia simultaneamente. O algoritmo de recozimento simulado adaptativo tem sido extensivamente desenvolvido e amplamente utilizado em muitos problemas de otimização27,28. Este algoritmo pode evitar ficar preso em um ótimo local, aceitando a pior solução com uma certa probabilidade. O ótimo global é alcançado pela definição da probabilidade de aceitação e temperatura; A velocidade de cálculo também pode ser ajustada usando esses dois parâmetros. Finalmente, para verificar a precisão da otimização, o resultado ótimo foi comparado com o resultado da análise obtido do software de simulação.

Neste trabalho, um método de otimização para a vazão de entrada da caixa de bateria é proposto para a bateria cujo aumento de temperatura devido à cobertura de poeira. O objetivo é reduzir a temperatura máxima da bateria coberta de poeira para abaixo da temperatura máxima da bateria não coberta de poeira, no caso de baixo consumo de energia.

Protocol

NOTA: O roteiro de tecnologia de pesquisa é mostrado na Figura 1, onde o software de modelagem, simulação e otimização é usado. Os materiais necessários são mostrados na Tabela de Materiais. 1. Criando o modelo 3D NOTA: Usamos o Solidworks para criar o modelo 3D. Desenhe um retângulo de 252 mm x 175 mm, clique em Extrude Boss/Base e digite 73. Crie um novo plano a 4 mm da superfície externa. De…

Representative Results

Seguindo o protocolo, as três primeiras partes são as mais importantes, que incluem modelagem, malha e simulação, tudo para obter a temperatura máxima da bateria. Em seguida, a velocidade do fluxo de ar é ajustada por amostragem e, finalmente, a combinação ótima de vazão é obtida por otimização. A Figura 9 mostra a comparação da distribuição da temperatura da bateria em diferentes a…

Discussion

O BTMS utilizado neste estudo foi estabelecido com base no sistema de resfriamento a ar devido ao seu baixo custo e simplicidade da estrutura. Devido à baixa capacidade de transferência de calor, o desempenho do sistema de resfriamento a ar é menor do que o do sistema de resfriamento líquido e do sistema de resfriamento de material de mudança de fase. No entanto, o sistema de resfriamento líquido tem a desvantagem de vazamento de refrigerante, e o sistema de resfriamento de material de mudança de fase tem alta mas…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Alguns softwares de análise e otimização são suportados pela Universidade de Tsinghua, Universidade de Konkuk, Universidade Nacional de Chonnam, Universidade de Mokpo e Universidade 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