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

Summary

Hier stellen wir die adaptive simulierte Annealing-Methode (ASAM) vor, um ein approximatives quadratisches Reaktionsflächenmodell (QRSM) zu optimieren, das einem staubigen, mit Feinstaub bedeckten Batteriewärmemanagementsystem entspricht, und die Temperaturabfälle durch Anpassung der Luftströmungsgeschwindigkeitskombination von Systemeinlässen zu kompensieren.

Abstract

Diese Studie zielt darauf ab, das Problem des Temperaturanstiegs und des Leistungsabfalls der Zelle zu lösen, der durch staubige Partikel verursacht wird, die die Oberfläche der Zelle bedecken, indem Luftströmungsgeschwindigkeiten an den Einlässen der Batteriekühlbox mit dem Ziel eines niedrigen Energieverbrauchs zugewiesen werden. Wir nehmen die maximale Temperatur des Akkupacks bei einer bestimmten Luftströmungsgeschwindigkeit und staubfreien Umgebung als die erwartete Temperatur in einer staubigen Umgebung. Die maximale Temperatur des Batteriepacks in staubiger Umgebung wird bei unterschiedlichen Ansaugluftströmungsgeschwindigkeiten gelöst, die die Randbedingungen des in der Simulationssoftware konstruierten Analysemodells darstellen. Die Arrays, die die verschiedenen Kombinationen von Luftströmungsgeschwindigkeiten von Einlässen darstellen, werden nach dem Zufallsprinzip durch den optimalen lateinischen Hyperwürfelalgorithmus (OLHA) generiert, wobei die untere und obere Grenze der Geschwindigkeiten, die den Temperaturen über der gewünschten Temperatur entsprechen, in der Optimierungssoftware festgelegt wird. Wir ermitteln einen ungefähren QRSM zwischen der Geschwindigkeitskombination und der maximalen Temperatur mit Hilfe des Anpassungsmoduls der Optimierungssoftware. Das QRSM wird auf der Grundlage des ASAM optimiert, und das optimale Ergebnis stimmt gut mit dem Analyseergebnis überein, das von der Simulationssoftware erhalten wird. Nach der Optimierung wird die Strömungsgeschwindigkeit des mittleren Einlasses von 5,5 m/s auf 5 m/s geändert und die Gesamtströmungsgeschwindigkeit um 3 % verringert. Das Protokoll stellt hier eine Optimierungsmethode dar, die gleichzeitig den Energieverbrauch und die thermische Leistung des etablierten Batteriemanagementsystems berücksichtigt und zur Verbesserung der Lebensdauer des Batteriepacks bei minimalen Betriebskosten eingesetzt werden kann.

Introduction

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.

Protocol

HINWEIS: Die Roadmap für die Forschungstechnologie ist in Abbildung 1 dargestellt, in der die Modellierungs-, Simulations- und Optimierungssoftware verwendet wird. Die benötigten Materialien sind in der Materialtabelle aufgeführt. 1. Erstellen des 3D-Modells HINWEIS: Wir haben Solidworks verwendet, um das 3D-Modell zu erstellen. Zeichnen Sie ein Rechteck mit den Maßen 252 mm x 175 mm, klicken Sie auf Aufsatz/Basis extr…

Representative Results

Dem Protokoll folgend, sind die ersten drei Teile die wichtigsten, zu denen Modellierung, Vernetzung und Simulation gehören, um die maximale Temperatur des Akkupacks zu erhalten. Anschließend wird die Luftströmungsgeschwindigkeit durch Probenahme eingestellt, und schließlich wird durch Optimierung die optimale Durchflussmengenkombination ermittelt. Abbildung 9 zeigt den Vergleich der Temperaturv…

Discussion

Das in dieser Studie verwendete BTMS wurde aufgrund seiner geringen Kosten und seiner einfachen Struktur auf der Grundlage des Luftkühlsystems entwickelt. Aufgrund der geringen Wärmeübertragungskapazität ist die Leistung des Luftkühlsystems geringer als die des Flüssigkeitskühlsystems und des Phasenwechselmaterialkühlsystems. Das Flüssigkeitskühlsystem hat jedoch den Nachteil des Kältemittelaustritts, und das Phasenwechsel-Materialkühlsystem weist eine hohe Masse und eine geringe Energiedichte<sup class="xref…

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