Refroidissement par immersion biphasique de batteries lithium-ions dans une enceinte fermée
Bibliographic record
Abstract
La transition vers l’électrification des transports, essentielle pour réduire les émissions de gaz à effet de serre, entraîne une utilisation accrue des batteries lithium-ion. Leur performance, leur sécurité et leur durabilité dépendent fortement de leur gestion thermique. En fonctionnement, ces batteries génèrent de la chaleur en raison des pertes ohmiques et des réactions électrochimiques internes. Sans contrôle adéquat, la température des batteries sort rapidement de la plage optimale de 15 °C à 35 °C, entraînant une dégradation accélérée ou, dans les cas extrêmes, un emballement thermique. Pour limiter ces risques, plusieurs méthodes de refroidissement sont utilisées, dont le refroidissement à l’air, les plaques froides à contact indirect et le refroidissement par immersion. Parmi celles-ci, l’immersion biphasique se distingue par sa capacité à maintenir des températures stables et uniformes grâce au cycle d’ébullition et de condensation du fluide diélectrique. Cependant, l’efficacité de cette méthode dépend fortement de l’intégrité de l’enceinte de refroidissement et des paramètres d’exploitation du système. Ce mémoire vise donc à déterminer comment l’étanchéité du système et les conditions d’opération influencent le comportement thermique de batteries lithium-ion refroidies par immersion biphasique. Le premier volet de l’objectif consiste à comparer trois configurations d’enceinte : une enceinte ouverte simulant une fuite majeure, une enceinte fermée non dégazée contenant des gaz non condensables (GNC) et simulant une fuite lente, et une enceinte fermée dégazée représentant un système idéalement scellé. Les résultats montrent que, pour la configuration ouverte où le système est à pression atmosphérique, la température des batteries plafonne à la température d’ébullition du liquide d’immersion. Dans la configuration fermée non dégazée, la présence de GNC réduit significativement l’efficacité du condenseur, accroît la pression interne au-delà de la pression atmosphérique et augmente la température des batteries. La configuration fermée dégazée présente les meilleures performances thermiques avec une température des batteries suivant la courbe température-pression de saturation du liquide d’immersion. Le deuxième volet de l’objectif porte sur l’influence des paramètres d’exploitation dans la configuration optimale d’enceinte (fermée et dégazée). Les résultats démontrent que le débit et la température du liquide dans le condenseur influencent la pression interne de l’enceinte et la température des batteries. De plus, une augmentation du taux de décharge des batteries augmente la chaleur générée par celles-ci. Ceci entraîne une hausse de la température de surface des batteries, ainsi qu’une augmentation des écarts de température à la surface des batteries et entre celles-ci. Une simulation numérique démontre que les écarts de température les plus importants sont à l’intérieur des batteries, et augmentent avec le taux de décharge. Ceci démontre que dans un système d’immersion biphasique, la conductivité thermique des batteries et le taux de décharge sont deux facteurs limitants. Dans l’ensemble, ce travail caractérise les effets du dégazage et de l’étanchéité de l’enceinte, des paramètres du condenseur et du taux de décharge des batteries pour optimiser le refroidissement par immersion biphasique des batteries au lithium-ion.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".