Enhanced thermal management system for Li-ion batteries using phase change material and liquid cooling under realistic driving cycles
Notice bibliographique
Résumé
Designing effective thermal management for electric vehicle batteries is crucial for ensuring safety, reliability, while minimizing weight and operational costs. This study examines a hybrid battery thermal management system (HBTMS), integrating liquid-cooled plates with phase change material (PCM). We evaluate both continuous (CC) and intermittent cooling (IC) strategies across four realistic drive cycles and two rapid discharge-charge cycles, with configurations including natural convection, standalone PCM, serpentine cold plate (SCP) without PCM, and hybrid cold plates in serpentine and zig-zag patterns (ZCP) with PCM. The hybrid ZCP enhances thermal performance over traditional designs by increasing coolant turbulence and PCM mixing, reducing system weight by 52.9 % due to the lower density of PCM. Using IC, which adjusts coolant flow based on PCM melt fraction, hybrid ZCP decreases pumping power by up to 83.9 % and reduces coolant flow duration to 13.9 % of total cycle time. Higher coolant velocities lower battery temperatures but increase pumping power, whereas lower inlet temperatures accelerate cooling and PCM solidification. While CC offers better thermal regulation, IC markedly reduces energy consumption while maintaining adequate thermal performance, demonstrating the hybrid ZCP's efficacy. • Developed an efficient hybrid BTMS combining PCM with liquid-cooled plates. • Evaluated under four realistic drive cycles and cyclic rapid discharge conditions. • Hybrid Zig-zag cold plate outperforms traditional designs in cooling efficiency. • Intermittent cooling (IC) strategy ensures precise thermal control across all cases. • Reduction in weight and pumping power by up to 53 % and 84 %, respectively.
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 | 0,000 |
| 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 ».