Thermal Management of Lithium-Ion Pouch Cell with Indirect Liquid Cooling using Dual Cold Plates Approach
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
<div class="section abstract"><div class="htmlview paragraph">The performance, life cycle cost, and safety of electric and hybrid electric vehicles (EVs and HEVs) depend strongly on their energy storage system. Advanced batteries such as lithium-ion (Li-ion) polymer batteries are quite viable options for storing energy in EVs and HEVs. In addition, thermal management is essential for achieving the desired performance and life cycle from a particular battery. Therefore, to design a thermal management system, a designer must study the thermal characteristics of batteries. The thermal characteristics that are needed include the surface temperature distribution, heat flux, and the heat generation from batteries under various charge/discharge profiles. Therefore, in the first part of the research, surface temperature distribution from a lithium-ion pouch cell (20Ah capacity) is studied under different discharge rates of 1C, 2C, 3C, and 4C. In the second part of the research, the total heat generation from a particular battery is obtained under different discharge rates (1C, 2C, 3C, and 4C) and different boundary conditions (cooling bath temperature of 5°C, 15°C, 25°C, and 35°C). In the third part of the research, the heat flux profile is studied at three different locations on the top surface of the pouch cell (first, near the cathode; second, near the anode; and third, at the center of the cell along the height of the cell) using heat flux sensors. In the fourth part of the research, thermal images from a lithium-ion pouch cell are obtained at different discharge rates to qualitatively evaluate the thermal behaviour and temperature distribution. A “FLIR System” Therma CAM model S60 IR camera is used to obtain thermal images.</div></div>
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle