Battery heating strategy to enhance fast-charge performance at low temperatures
Notice bibliographique
Résumé
• Considerations for BTMS design for fast-charging time reduction in extremely cold conditions. • Evaluation of the impact of fast charging without preheating under cold conditions. • Simulation model with battery and BTMS thermal models for fast charging. • Analysis of heating effects on charging costs, including power consumption during heating. • Suggested optimizing BTMS design by balancing the heater capacity and thermal management strategies. Fast-charge of lithium-ion batteries (LiBs) in battery-powered electric vehicles (BEVs) can be completed within 15 min at 20 °C. However, at subzero temperatures the in-vehicle battery management system (BMS) limits charging speed to ensure battery safety, leading to prolonged charging times and long queues at charging stations. Active battery heating strategies are necessary to overcome this limitation, requiring more heat than conventional systems with a target range of 0–5 °C designed to prevent Li-plating. While improving coolant channel design is important, efficient heat utilization within integrated EV thermal management systems (TMS) is increasing attention. This study assessed heating demands for reducing fast-charge times and the influence of heating capacity on charging performance, including charging times, costs, and battery cell temperatures. An equivalent circuit model and a thermal model of a PTC heater-based battery thermal management systems (BTMS) were developed to simulate heating load scenarios, heating during fast-charge and single-heating. The results showed that heating during fast-charge, even without preheating, significantly reduced charging time. At − 7°C, it decreased from 3 h to 62 min, and at − 20 °C with a larger heater capacity, it remained under 60 min, with additional heating costs remaining negligible at less than $1. However, the impact of higher heater capacities on charging efficiency and temperature imbalances must be carefully evaluated. This study will contribute to the advancement of BTMS designs for enhancing fast-charge performance and provides a foundation for the development of integrated EV TMS for the cabin, powertrain, and battery.
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 | 0,000 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».