MétaCan
Menu
Retour à la cohorte
Enregistrement W2560456307 · doi:10.1109/epec.2016.7771723

Safety study of three types of lithium ion batteries

2016· article· en· W2560456307 sur OpenAlexaff
Rui Zhao, Sijie Zhang, Junjie Gu, Jie Liu

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésInternal resistanceBattery (electricity)Penetration (warfare)ElectrodeMaterials scienceLithium-ion batteryThermalNuclear engineeringIonAutomotive engineeringElectrical engineeringChemistryPower (physics)PhysicsEngineeringThermodynamics

Résumé

récupéré en direct d'OpenAlex

Safety is the first priority of any energy storage system. In this paper, safety studies are performed on three types of 2.6 Ah lithium ion batteries: high-drain thin-electrode battery (Cell 1), cellphone battery (Cell 2) and 18650 type battery (Cell 3), which are different in geometry and internal parameters. The batteries' discharge behaviors are tested on a battery analyzer, and their performances in nail penetration are simulated with an electrochemical-thermal coupling model. It is found that both the battery geometry and internal parameters have significant effects on the performance and safety of battery. Cell 1, with the lowest internal resistance among all, has the minimal temperature variations during discharges, but its simulated temperature rise in penetration is dramatic, especially at the nail point. As the internal resistance of battery increases, Cell 2 and Cell 3 experience severer temperature elevations and significant losses of available power and capacity at high-rate discharges, but meanwhile, they show better thermal behaviors in penetration simulation, with the maximum temperatures of both keeping below 200oC.

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)0,001
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: Expérimental (laboratoire)
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
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
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 Opus0,021
Tête enseignante GPT0,266
Écart entre enseignants0,245 · 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

Citations5
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Battery Technologies ResearchTravaux en français237 207