A comprehensive review on battery thermal management system for better guidance and operation
Notice bibliographique
Résumé
Abstract Batteries are essential to mobilization and electrification as they are used in a wide range of applications, from electric vehicles to small mobile devices. All these devices are powered with AC or DC inside their systems, so they require different battery systems depending on their technical requirements. Batteries show unique characteristics depending on their types, and their needs vary based on their performance, ambient conditions, and so forth. One of the main demands for them is thermal stability. For batteries, thermal stability is not just about safety; it's also about economics, the environment, performance, and system stability. This paper has evaluated over 200 papers and harvested their data to build a collective understanding of battery thermal management systems (BTMSs). These studies are specifically designed to solve different problems. This paper has been prepared to show what these systems are, how they work, what they have been designed for, and under what conditions they should be applied. The BTMSs have been evaluated based on their method, method tools, discharge rate, maximum temperature, temperature difference values, and ambient and inlet temperatures. After evaluating over 200 studies, the results indicate that the passive BTMSs are not useful the cases where the temperature reaches higher values suddenly, especially for system systems that require higher discharge rates. On the other hand, active cooling methods do not manage the temperature difference in the battery cells. However, hybrid cooling methods address both cases admirably by compensating for both of their weaknesses and bringing out their advantages. The general optimum temperature for lithium battery batteries is 55°C. Even though there are many other parameters that need to be considered before making a decision for a BTMS design, the best performance for an optimum system seems to be methods 34, 38, and 22 as they are able to provide lower maximum temperature and temperature difference in the cells.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».