Effect of Heat Transfer Coefficients in Forced Convective Cooling of Batteries on the Sustained Performance of PCMs
Notice bibliographique
Résumé
Effective thermal management of lithium-ion batteries (LIBs) is necessary to sustain phase stability in an optimal temperature range of 15 to 45 C, which ensures longevity and prevents thermal runaway under repeated highfrequency discharging-charging cycles.This study focuses on determining the optimal heat transfer coefficient (h) required to facilitate complete solidification during the charging after the full melting of phase change materials (PCMs) during high-rate discharging for effective and continuous use of PCMs.Utilizing the Newman-Tiedemann-Gu-Kim (NTGK) model, the performance of the SAMSUNG ICR 18650-26J battery is studied.The cell is encased by a copper shell, followed by the addition of the PCM, and then further encapsulated by another copper shell.The present study evaluated three PCMs such as n-Heneicosane, OM42, and n-Docosane and a range of heat transfer coefficients (h) from 20 W/mK to 500 W/mK for the thermal management of cells.It is found that increasing the PCM thickness from 3 mm to 4 mm reduces the maximum cell temperature from 53.19 C to 51.94 C during a 5C discharge at 40 C ambient temperature, however, resulting in lower PCM utilization, making 3 mm as the optimal PCM thickness.At an ambient temperature of 35 C, n-Heneicosane remains in the liquid state, whereas n-Docosane maintained better thermal regulation and complete solidification, demonstrating its suitability for moderate ambient conditions.Under harsh conditions (40C), increasing the convective heat transfer coefficient to 500 W/mK during charging allows n-Docosane to solidify within 750 s fully, ensuring effective thermal management.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».