MétaCan
Menu
Retour à la cohorte
Enregistrement W7049024858

Modélisation et simulation des piles aux lithium ions

2019· dissertation· fr· W7049024858 sur OpenAlexfundaboutno aff

Notice bibliographique

RevueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2019
Typedissertation
Languefr
DomainePhysics and Astronomy
ThématiqueCrystallography and Radiation Phenomena
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaHydro-Québec
Mots-clésAgrégationHomogeneousLithium metal
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Aujourd'hui, les batteries au lithium-ion (Li-ion) en tant que sources de stockage d'énergie sont largement utilisées dans différentes technologies de pointe, telles que l'aérospatiale, le médical, l'automobile, les appareils photo numériques et les téléphones portables, en raison de leurs caractéristiques spécifiques dont la haute densité de puissance/énergie et leur durabilité. Le développement de telles batteries dans l'industrie automobile peut aider à diminuer les préoccupations concernant l'épuisement des combustibles fossiles et les problèmes environnementaux attribués à l'émission de dioxyde de carbone.
\nMalgré leur temps de calcul plus élevé, les modèles de batteries basés sur la physique comme le modèle pseudo-bidimensionnel (P2D) sont plus fiables et plus robustes que les autres modèles de batteries. Ces modèles comprennent différents mécanismes de transport de charges et d'espèces en phases solide et solution, ainsi que la cinétique de réaction à l'interface solide-solution. Comprendre ces phénomènes est un facteur crucial pour concevoir, optimiser et contrôler les cellules Li-ion.
\nLa performance de la batterie est considérablement affectée par ses propriétés structurelles. Le développement de nouveaux matériaux d'électrode et de nouvelles structures sont d'une importance significative pour les concepteurs de batteries afin d'améliorer leur efficacité. Alors qu'une électrode est composée de particules de différentes tailles, la plupart des modèles dans la littérature utilisent des électrodes avec des particules de même taille (modèle monomodale) pour simplifier les calculs. L'un des principaux objectifs de cette thèse est de comprendre les effets de propriétés structurelles, telles que la distribution granulométrique et la porosité de l'électrode sur le voltage, l'énergie spécifique, la puissance spécifique et la polarisation totale d'une cellule composée des électrodes Graphite et Li_y Mn_2 O_4. En outre, cette thèse quantifiera l'influence de la position des particules dans la morphologie de l'électrode positive sur la performance de la cellule. 
\nLa sécurité est un problème essentiel pour les fabricants de batteries. La température résultant de la chaleur générée peut diminuer la performance de la cellule et entraîner un emballement thermique et même une explosion dans le cas le plus défavorable. Par conséquent, le développement d'un modèle de couplage électrothermique robuste qui peut prédire les comportements électrochimiques et thermiques à travers la cellule est crucial pour les concepteurs de batteries. La polarisation ou la perte de potentiel dans chaque partie d'une cellule peut contribuer à la génération de chaleur. Ainsi, connaître chaque polarisation à l'intérieur de la cellule et trouver les principaux facteurs limitant la performance de la cellule peuvent fournir aux concepteurs de batteries de nouvelles connaissances qui les aideront dans leur conception. Un autre objectif de ce projet est de développer un modèle électrochimique pour une cellule cylindrique commerciale de graphite - LiFePO4 (LFP) afin de trouver les principaux mécanismes de transport contrôlant la performance de la cellule pendant le processus de décharge. Le modèle électrochimique est alors couplé à un modèle thermique pour déterminer la contribution de chaque polarisation dans la chaleur totale générée. Les résultats simulés sont validés avec des données expérimentales fournies par Hydro-Québec.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,384
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)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,233
Écart entre enseignants0,218 · 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

Citations0
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)Même sujetCrystallography and Radiation PhenomenaTravaux en français237 207