IF 15 eTransportation | DGIST,YSU,KERI,UST,KRRI |Korea |热-电化学新建模

 1. 原文链接

DOI Link:

https://doi.org/10.1016/j.etran.2024.100370

 2.通讯作者

• Googleshcolar

https://scholar.google.com/citations?user=9dIJJ7gAAAAJ&hl=en&oi=ao

https://scholar.google.com/citations?user=rl4vw0cAAAAJ&hl=en&oi=ao

https://scholar.google.com/citations?user=Dof_QUsAAAAJ&hl=en&oi=ao

• ScienceDirect: 

• UniversityWeb:

http://batterylab.yonsei.ac.kr/

 3. 收录日期

Received: 12 August 2024

 4. 研究内容

1. 科学问题

• 通过构建基于电池微结构的数字孪生模型，结合P2D电化学模型、3D电流分布和热传导模型，评估电池单体和模块在不同放电速率下的热行为，以提高电池模块的热管理和安全性。

2. 实验与模型方法

2.1 电池以及实验

2.1 电芯与模块的热-电化学评估

1. 测试对象

• 使用8.8 Ah软包型商用电芯，正极为LiNi0.4Co0.3Mn0.3O2（NCM），负极为石墨（Fig. 1）。

• 制作的电池模块用于无人铁路车辆（Fig. 2）。

• 模块壳体采用聚醚醚酮（PEEK），具备高热稳定性和广泛温度范围内的机械强度。

• 模块由5个电芯串联（标称容量/电压：8.8 Ah/18.5 V），满足车辆的功率和运行时间要求。

• 单电芯测试：采用300 A/5 V的循环测试仪（PEBC05-300, PNE）。

• 模块测试：采用60 A/48 V的循环测试仪（BNT60-048-5 ME, Digatron），并使用加厚电缆和焊接的极耳与夹具以减少IR压降（Fig. S3）。

• 充电模式：0.5C恒流-恒压（CC/CV），截止条件为0.05C（0.44 A）。

• 放电模式：不同C倍率的恒流（CC），截止电压为3.0 V。

• 单电芯：前表面布置一个热电偶。

• 模块：顶部、侧面和底部分别布置三个热电偶。

• 测量环境：室温25 °C，放电倍率为0.1、0.5、1、3和5C。

• 使用均方根误差（RMSE）评估实验与模拟的精度。

• 模块实际应用测试：将开发的模块替代文献中的铁路车辆LIB，并基于相同的C倍率转换放电电流。

• 热行为模拟

• 热行为基于能量平衡公式计算：
  

• 热流计算

• 热生成公式：

3. 研究结果

3.1 结构数字孪生模型的热分析验证

1. 电芯级验证

• 利用热电偶直接测量电芯表面温度（Fig. 3a），验证热行为的准确性。

• 模型纳入内部结构（极耳、隔膜、电极），模拟热生成和传播过程（Fig. 3b）。

• 基于有限元法（FEM），实时模拟热生成、传递与散热。

• 热生成来源：

1. 熵热（电化学反应热与可逆热）：通过P2D电化学模型计算。

2. 焦耳热（欧姆热与不可逆热）：通过3D电流分布模型计算（Fig. 3c）。

• 模型将热源应用于3D热物理中，模拟电芯表面自然对流散热。

• 温度反馈至电化学和电流分布模型，更新各区域的热源。

• 将平衡电位、扩散系数和交换电流密度作为锂化状态和温度的函数应用于模型（Table S4）。

• 电芯表面散热通过自然对流模拟，热传导系数（HTC）在1C放电条件下校准为10–15 W m⁻2 K⁻1。

Fig. 3. Overall design of experiment and simulation. (a) Cell image attached with thermocouple inside the chamber. (b) Microstructure-based digital twin structure image. (c) Physics and method of simulation: Coupling P2D electrochemical, 3D current distribution, and 3D thermal physics.

3.2电芯级模型验证

1. 实验与模拟结果对比（Fig. 4a, b）

• 在不同放电倍率（0.1, 0.5, 1, 3, 5C）下，实验与模拟的最高温度一致性高（RMSE低于1），验证了模型的可靠性（Table S5）。

• 虽然5C的单位时间热生成量高于3C，但其放电时间较短，总热生成量低于3C。

• 高放电倍率导致温升显著增加，且热生成速率明显高于低倍率。

• 放电倍率为3C与5C时，温升趋势相反。

Fig. 4. Experimental and simulation results of unit cell. (a) Voltage profiles, and (b) surface temperature profiles. (c–g) 3D temperature images at different discharge rates: (c) 0.1C, (d) 0.5C, (e) 1C, (f) 3C, and (g) 5C.

3.3 模块级数字孪生模型

1. 模块设计与结构

• 模块作为无人轨道车辆的电源，采用高热稳定性和强机械性能的PEEK作为外壳材料（Fig. 2）。

• 模块由五个8.8 Ah电芯串联组成，以满足车辆的功率需求（Fig. 4a, b）。

• 建立反映电芯内部结构及连接的数字孪生模型（Fig. 4c）。

• 模块级模型包括P2D电化学、3D电流分布和3D热物理模型，与电芯级建模方法相似。

• 结构复杂性和多物理场耦合增加了计算难度和时间，但模型能准确测量最大内部温度。

• 适用于评估隔膜熔化及ISC（内短路）等热失控关键因素。

Fig. 3. Module design, fabrication and digital twin structure. (a) Structural drawing of module. (b) Actual module image. (c) Microstructure-based digital twin model for simulation.

3.4 模块级数字孪生模型验证

1. 实验与模拟结果对比（Fig. 5a–c）

• Fig. 5a：展示了模块在整个循环过程中的实验温度曲线，显示模块不同区域（顶部、底部、侧面）的温度变化。

• 模拟结果与实验结果高度一致（Fig. 5b, c），准确反映了模块的3D表面温度梯度（Fig. 5d–h）。

• 在1C以下放电倍率下，底部区域温度最高；但在3C以上放电倍率时，顶部区域温度较高。

• 这一现象源于顶部外壳较底部薄，且PEEK的热导率较低，导致热量难以快速散发，造成模块内部热量积聚。

• 在5C放电倍率下，单位时间热生成速率是1C的10倍以上，导致温度快速上升。

• 在高放电倍率下，顶部薄外壳区域的温度上升更快；而在低放电倍率下，底部区域的温度上升较为显著。

• 在低于1C的放电倍率下，放电初期顶部区域温度较底部高，表明薄PEEK外壳导致顶部区域温度变化较快。

Fig. 5. Experimental and simulation results of module. (a) Experimental results: temperature curves of three different regions during cycling. Experiment and simulation comparisons of (b) discharge voltage, and (c) top surface temperature. (d–h) 3D temperature distribution of module surface depending on different discharge rates: (d) 0.1C, (e) 0.5C, (f) 1C, (g) 3C, and (h) 5C.

3.5高放电倍率下的热模拟与模型对比

1. 高放电倍率热模拟（Fig. 6）

• 在5C以上的放电倍率下，仅进行热模拟，无实验数据。

• Fig. 6：10C放电条件下横截面的温度分布。

• 为了展示数字孪生模型的优势，构建了传统的集中参数模型并进行对比。

• 集中模型将电芯结构简化为一个简单的盒子，仅耦合热电化学物理学，热源均匀分布。

• 数字孪生模型则反映了电芯的内部结构，能够准确计算内部热生成，并展现出不均匀的温度梯度。

• 在放电初期，模块内的最高温度位于中心电芯的接线处，随着放电进展，温度分布逐渐接近集中模型的均匀状态。

• 在放电结束时，数字孪生模型与集中模型的最大温差显著（TDT, max/TL, max = 137.2 °C/123.9 °C）。

• 数字孪生模型能够考虑每个内部结构的热生成，而集中模型将总热生成均匀分配，导致较大的温差。

• 特别是在10C高放电倍率下，温度差异更为明显，表明不考虑内部结构影响的模型在高放电倍率下可能导致显著的误差。

• 集中模型无法预测模块内部超过120 °C的最大温度，无法准确预测热失控。

• 相反，数字孪生模型能在早期提供可靠的TR预测，保证更高的预测精度。

• ARC与DSC分析显示，隔膜熔化温度约为120–130 °C，与数字孪生模型的预测一致，进一步验证了该模型的可靠性。

Fig. 7. Thermal stability analysis of the unit cell. (a) Temperature and voltage profile using ARC(b)PE separator's heat flow depending on temperature using DSC.

3.6 实际应用中的热评估与模型验证

1. 铁路车辆驾驶模式的热评估（Fig. 8）

• 模型通过应用两种铁路车辆驾驶模式进行评估（Mikuni模式与Katsuyama模式）。

• 每种模式的放电电流基于模块的规格，结合单体电池的放电倍率计算得出。

• Mikuni模式在2000–3000秒左右有一个休息期，其放电电流波动较小，而Katsuyama模式的电流波动较大。

• Mikuni模式的最大温差较低，仅为1.3 °C（TDT, max/TL, max = 32.4 °C/31.1 °C），而Katsuyama模式则表现出较大的最大温差，为8.6 °C（TDT, max/TL, max = 67.5 °C/58.9 °C）。

• 这表明，数字孪生模型能够更准确地预测最大温度，从而有助于避免模块达到危险温度。

• 数字孪生模型能提供更精确的温度预测，尤其是在异常或极端条件下的热评估。

• 该模型预计将成为预防热失控的有效工具，尤其在铁路车辆等高风险场景中，能显著提升安全性。

Fig. 8. Simulation results obtained by applying two types of railway driving patterns. Applied discharge current of (a) Mikuni railway pattern, and (b) Katsuyama railway pattern. Voltage and maximum temperature curves of digital twin model and lumped model: (c) Mikuni pattern, and (d) Katsuyama pattern. 

1. 数字孪生模型验证
   通过拆解电池单体并结合P2D电化学模型和3D热传导模型，构建了可靠的微结构数字孪生模型，能够准确预测电池的热行为。
2. 模块级扩展
   将模型从电池单体扩展到模块级，模拟了五个电池串联的模块，能够精确计算不同放电速率下的温度分布和热行为，验证了模型的可靠性。
3. 与传统模型比较
   与传统 lumped 模型相比，数字孪生模型能反映电池内部结构，提供更准确的温度预测，特别是在高放电速率下，避免了传统模型的显著误差。

4. 实际应用评估
   在铁路车辆的不同驾驶模式下，数字孪生模型能够有效预测模块温度变化，帮助防止温度过高，提升电池系统的安全性。

• PDF