MétaCan
Menu
Retour à la cohorte
Enregistrement W4404497815 · doi:10.3390/batteries10110404

Coupled Electro-Thermal-Aging Battery Pack Modeling—Part 1: Cell Level

2024· article· en· W4404497815 sur OpenAlexafffund
Hadi Pasdarshahri, Émile Veilleux, William Mooney, Luc G. Fréchette, François Grondin, David Rancourt

Notice bibliographique

RevueBatteries · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensInstitut interdisciplinaire d'innovation technologiqueUniversité de Sherbrooke
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaConsortium de Recherche et d’innovation en Aérospatiale au Québec
Mots-clésBattery (electricity)Battery packComputer scienceThermalAutomotive engineeringMaterials scienceEnvironmental sciencePower (physics)EngineeringThermodynamicsPhysics

Résumé

récupéré en direct d'OpenAlex

This paper presents a modeling approach to capture the coupled effects of electrical–thermal aging in Li-ion batteries at the cell level. The proposed semi-empirical method allows for a relatively high accuracy and low computational cost compared to expensive computer simulations. This is something current models often lack but is essential for system level simulations, relevant for electric vehicle manufacturers. The aging analysis includes both cycling and calendar effects across the lifetime of the cell and reversible and irreversible heat in a lumped-mass model to capture the temperature evolution of the cell in operation. The Thévenin equivalent circuit model with capacitance used to simulate the electrical behavior of the cell was experimentally validated, showing a high correlation with the proposed model during the charging and discharging phases. A maximum error of 3% on the voltage reading was identified during discharge with the complete model. This model was also designed to be used as a stepping stone for a comprehensive model at the module and vehicle levels that can later be used by designers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,553
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,033
Tête enseignante GPT0,260
Écart entre enseignants0,227 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
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

Citations7
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBatteriesMême sujetAdvanced Battery Technologies ResearchTravaux en français237 207