Critical Understanding of Temperature Gradient During Fast Charging of Lithium-ion Batteries at Low Temperatures
Notice bibliographique
Résumé
Fast charging of lithium-ion battery (LIB) packs at low temperatures can have several effects on the performance and overall health of the battery. Repetitive fast charging at low temperatures accelerates internal resistance growth, leading to inefficient charging. Slow and inefficient chemical reactions at low temperatures result in slower charging rates and increased heat generation. Furthermore, repeated fast charging at subzero temperatures accelerates degradation processes due to increased wear on the battery, significantly reducing the cycle life of the battery. This research paper presents a series of experimental studies conducted on a 21700 Lithium-Nickel-Manganese-Cobalt-Oxide (NMC) LIB cell to investigate the temperature gradient and its impact on battery performance at a wide range of ambient temperatures (-5°C to 25°C) and charging rate (1C to 2 C). The findings highlight the highest rate of change of surface temperature and differential temperature (15°C) with a charging rate of 2 C at ambient temperature of -5°C. Moreover, a reduction in battery discharge performance is observed during low-temperature charging compared to charging at 25°C with the same charging rate. These findings are crucial for the development of health-conscious fast charging algorithms, improved thermal management techniques, and the establishment of a thermal safety framework.
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 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 | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».