Influence of ambient temperature, discharge C‐rate, and convective heat transfer coefficient on thermal behaviour of lithium‐ion battery pack: A numerical study
Notice bibliographique
Résumé
Abstract Lithium‐ion batteries play a crucial role in reducing carbon emissions and promoting the use of electric vehicles. There are numerous input variables influencing the thermal profile of lithium‐ion batteries. Therefore, a precise assessment of the relative contributions of various factors is essential for optimizing thermal management and control processes. In this study, we tested a lithium‐ion battery pack composed of five 14.6 Ah prismatic cells connected in series under different discharge rates (2C, 3C, 4C, and 5C), ambient temperatures (30, 35, 40, and 45°C), and convective heat transfer coefficients (5, 10, 20, and 40 ). Results showed that the ambient temperature with a contribution of 58.01% had a strong influence on the maximum battery pack temperature. Furthermore, the influences of discharge C‐rate and convective heat transfer coefficient on the maximum battery pack temperature were identical. Moreover, it was found that the homogeneousness of the battery pack was very sensitive to the discharge C‐rate, contributing 71.07% to the increase in temperature difference. To ensure battery pack temperature and temperature uniformity at the same time, moderate ambient temperatures, low discharge C‐rates, and high convective heat transfer coefficients can be preferred. Consequently, the statistically obtained results in this study may contribute towards performance optimization and improved thermal safety of lithium‐ion battery packs.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».