MétaCan
Menu
Retour à la cohorte
Enregistrement W2152625138 · doi:10.1149/ma2014-02/1/15

Thermal Analysis of High-Power Prismatic LiFePO<sub>4 </sub>batteries: Modeling and Experiment

2014· article· en· W2152625138 sur OpenAlexaff
Maryam Yazdanpour, Peyman Taheri, Majid Bahrami

Notice bibliographique

RevueECS Meeting Abstracts · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésBattery (electricity)MultiphysicsHeat generationMaterials scienceVoltageHeat transferMechanicsThermal conductionThermodynamicsOpen-circuit voltagePower (physics)Electrical engineeringNuclear engineeringFinite element methodPhysicsEngineeringComposite material

Résumé

récupéré en direct d'OpenAlex

A 90Ah prismatic LiFePO4/graphite battery (Sinopoly Battery Ltd., China) is used for the experiments and thermal modeling [cf. Fig. 1]. In the experimental study, a power processing system is employed to cycle the experimental battery. Constant-current discharge tests at 1C-rate (90A), 2C-rate (180A), and 3C (270A) are performed to measure the battery voltage and surface temperatures. In the modelling study, a three-dimensional transient model has been developed to predict the thermal behaviour of the battery during galvanostatic processes. A transient heat conduction equation is sufficient to describe the thermal phenomenon of domain (1); while the heat transfer mechanism in domain (2) is modelled by the natural convection. A convective-radiation boundary condition is considered at the boundaries of the domain. The above-mentioned models are performed in a finite element solver (COMSOL Multiphysics, Version 4.4), and the accuracy of the model is validated through comparison with the experimental data. Some Results The rate of heat generation which is the main parameter calculation in the thermal model, is approximated from [1], g=I/ν[(V-V oc )+T dV oc/dT] (1) where I and V denote the battery operational voltage and current, respectively, ν represents the battery volume, V oc is the open circuit voltage of the battery and T is temperature. The heat generation terms can be determined by using experimental tests or electrochemical models, which the first approach is applied in this study. A constant value of -0.4337 mV/K adapted from Ref. [2], is considered for term dV oc/dT. The rate of heat generation caused by the polarization losses, V-Voc , is defined from the measured electrical performance of the battery. The heat generation rates inside the battery (domain (1)) during three different galvanostatic discharge processes (90 A, 180 A, and 270 A) are calculated based on Eq. (1) and the battery electrical performance, and then the obtained expressions are implemented into the thermal model. In Fig. 2, the modeling results for average surface temperature of the battery (shown by solid lines) are compared to the corresponding experimental data (symbols), during constant-current discharge processes with 90 A, 180 A, and 270 A. The comparison shows an excellent agreement between the predicted results and the data from the experiments. In future, an electrical model will be coupled to the presented model to describe the ohmic heating in the electrodes as a result of the electrical constriction resistance. [1] D. Bernardi, J. Electrochem. Soc., Vol. 132, pp. 5-12, (1985). [2] A. Samba et al. , J. Electrochimica Acta, Vol. 117, pp. 246–254, (2014). [3] P. Taheri et al., J. Electrochem. Soc., Vol. 160, pp. A1731–A1740, (2013).

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,242
Écart entre enseignants0,230 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting AbstractsMême sujetAdvanced Battery Technologies ResearchTravaux en français237 207