Thermal Management of Lithium-ion Battery Modules for Electric Vehicles
Notice bibliographique
Résumé
This research is particularly focused on studying thermal management of lithium-ion (Li-ion) battery modules in electric vehicles by using active, passive and hybrid active-passive methods. The thermal behavior prediction of batteries is performed by a novel electrochemical-thermal model. Different approaches such as single- and double-channel liquid cooling, pure passive by using phase change materials (PCM), and hybrid active-passive thermal management systems are investigated. Various cooling system configurations are examined to expand understanding of effect of each approach on the battery module thermal responses during a standard driving cycle. It is observed that the temperature distribution of Li-ion batteries is strongly influenced by the electrical and thermal operating conditions and simplified bulk models cannot precisely predict the thermal behavior of these batteries. Additionally, the PCM-based passive systems show advantages such as compactness and simplicity over the active liquid cooling systems. However, these systems suffer from non-uniform temperature distribution due to inherently low thermal conductivity of organic PCM. An effort has been made to enhance the thermal conductivity of a paraffin wax by adding various carbon-based nanoparticles. The results revealed that the thermal conductivity of the base PCM can be improved by about 11 times when using 10% mass fraction of graphite nanopowder. The heat transfer in the nano-enhanced PCM samples showed that the presence of nanoparticles drastically repress the natural convection in the melted nanocomposites. Among the battery thermal management systems studied, the air assisted hybrid cooling system provides the best temperature distribution uniformity in the module while keeping the batteries temperature within the safe limits. Furthermore, this work attempted to recognize the most influential parameters on the temperature distribution in the battery module. It is seen that the thickness of cooling plates and PCM layers in active and hybrid systems has a significant effect on the thermal behavior of the batteries.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».