Twin Builder 中的電池等效電路模型仿真

電池單元熱設計挑戰

電池熱管理的主要挑戰之一是確保溫度低于最大工作限值。較高的溫度會導致效率降低、加速老化和潛在的安全隱患。工程師必須了解電池產生的熱量,才能充分設計冷卻系統。

了解和預測電池模塊的熱行為需要將電池的熱損耗與電池單元的電氣機械特性相結合。通過鏈接電池單元的電氣特性,可以提高電池熱抑制率,用于冷卻系統設計。
?

工程解決方案

通過電池單元的物理測試數據,可以增強電池熱行為的仿真。一種類型的電池測試稱為混合脈沖功率表征 (HPPC)。此測試可以計算電池內阻。以下是來自示例 HPPC 數據集的一個脈沖示例。電池單元的內阻與電壓降除以電流成正比。Twin Builder 從整個 HPPC 數據集生成電阻值,其中可能包括多個溫度和充電狀態 (SOC) 水平。該電阻與電路電流和電壓一起用于預測電池熱損失功率。

?

?

Ansys Twin Builder 軟件提供了用于仿真和分析電池單元和模塊熱行為的工具。憑借其 Battery Wizard 功能,Twin Builder 允許工程師對復雜的熱交互進行建模并評估不同的電池放電行為。Twin Builder 能夠利用 HPPC 數據快速生成排熱值。

通過使用 Twin Builder,工程師可以進行參數化研究以探索各種設計配置。這樣可以確定確保均勻溫度分布和高效散熱的解決方案,最終提高電池性能和安全性。

為了應對熱管理挑戰,工程師可以使用 Ansys 軟件評估多個輸入。這些輸入可以包括不同的電池容量、C-Rate 和 HPPC 數據。Twin Builder 的模擬功能允許評估這些不同的輸入。

?

方法

在本討論中使用 Ansys Twin Builder 設置電池仿真涉及幾個步驟。這些步驟包括思維導圖、產品圖和 Twin Builder 案例設置。

思維導圖:生成電池單元的思維導圖是為了以結構化的方式組織和表示想法、概念或信息。下面的思維導圖顯示了模擬研究的目標以及為實現目標而提出的問題。每個問題后面都有一個理論、行動和預測來解決每個問題。生成結果時,結果也會添加到每個分支的底部。
?

?

產品地圖:生成電路中電池單元的產品圖,以列出和分類產品特性。產品圖表示與思維導圖中的理論/行動相對應的因素。

下面的地圖顯示了一個示例 battery HPPC 數據文件和一個 Twin Builder 電路。紅色文本項是可變因子或常數因子。

?


?

下圖顯示了該研究的示例電池 HPPC 數據集和縱的電壓脈沖。紅色文本項是可變因子。

?

?

Twin Builder 模擬:Twin Builder 模型是根據思維導圖生成的研究生成的。在這種情況下,采用 7 因子、2 水平、分數因子 DOE,從而產生 8 種獨特的 Twin Builder 處理。下圖顯示了填充電池模型輸入的步驟順序。第一張圖片是 Battery Wizard 中的 Cell Configuration Tool,第二張圖片是電路中生成的 Cell 單元。

?


?

?

?

電流源使用幅度為 10 安培的梯形剖面,初始延遲為 20 秒,持續時間為 10 秒。

?

執行仿真計算以生成結果,重點關注電池單元的熱損失、電壓和電流。分析熱損失的處理數據以回答理論問題并確認或反駁預測。
?

Twin Builder 電池仿真結果

圖形分析:?下圖顯示了治療的瞬態電池單元功率損失結果。該圖表表明電壓深度是最重要的因素。當 HPPC 數據中的壓降較大時,電池電阻較高,導致功率損耗較高。其他輸入因素導致熱損失變化較小。

?

下面的圖表還顯示,HPPC 電壓深度是影響電池功率損耗的最重要因素。電路輸入溫度、HPPC 電流和 Twin Builder 電池容量略有顯著性。電壓偏移和時間拉伸的影響可以忽略不計。

?

?

?

觀察

電壓降深度:HPPC 脈沖中的電壓降深度越高,內阻越高,因此熱損耗越高。

電路溫度:電路溫度對電阻的影響較小,因為 25C 時脈沖的電壓降大于 45C 時的電壓降,較大的電壓降會導致更高的電阻和更高的熱損失。

HPPC Data Current:HPPC 文件中指定的電流越高,電阻越小,因此熱損失越小。

Battery Wizard 電池容量:?電池容量對電阻的影響很小,因此對熱損失的影響很小。

HPPC SOC:?HPPC SOC 對電阻的影響很小,因此對熱損失的影響很小。

電壓偏移:電壓偏移對電阻的影響可以忽略不計,因此對熱損失的影響可以忽略不計。

電壓時間拉伸:時間拉伸對脈沖電壓降的影響可以忽略不計,因此對熱損失的影響可以忽略不計。


總結

每個 Twin Builder 模擬都用了不到 2 秒的時間來解決。工程師可以從 HPPC 數據中快速確定電池單元的熱損失。

?

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/news/904378.shtml
繁體地址,請注明出處:http://hk.pswp.cn/news/904378.shtml
英文地址,請注明出處:http://en.pswp.cn/news/904378.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

一種基于條件生成對抗網絡(cGAN)的CT重建算法

簡介 簡介:該文提出了一種基于條件生成對抗網絡(cGAN)的CT重建算法,通過引入CBAM注意力機制增強網絡對關鍵特征的提取能力,有效解決了CT成像中因噪聲干擾導致的重建精度下降問題。實驗采用固體火箭發動機模擬件數據集,將正弦圖分為五組并添加不同程度的噪聲進行訓練。結…

【Redis篇】linux 7.6安裝單機Redis7.0(參數優化詳解)

💫《博主主頁》: 🔎 CSDN主頁 🔎 IF Club社區主頁 🔥《擅長領域》:擅長阿里云AnalyticDB for MySQL(分布式數據倉庫)、Oracle、MySQL、Linux、prometheus監控;并對SQLserver、NoSQL(MongoDB)有了…

【BUG】‘DetDataSample‘ object has no attribute ‘_gt_sem_seg‘

問題: 使用mmdetection框架使用COCO格式訓練自定義數據集時,其中模型使用HTC模型時出現如下問題: AttributeError: ‘DetDataSample’ object has no attribute ‘_gt_sem_seg’. Did you mean: ‘gt_sem_seg’? results self(**data, mode…

Java日期格式化方法總結

在Java中,日期格式化主要涉及將 Date、LocalDate、LocalDateTime 等日期時間對象轉換為指定格式的字符串,或將字符串解析為日期對象。以下是兩種常用的日期格式化方式: 一、使用 SimpleDateFormat(舊版API,Java 8之前&…

【NLP】27. 語言模型訓練以及模型選擇:從預訓練到下游任務

語言模型訓練:從預訓練到下游任務 本文詳細講解大型語言模型(LLMs)是如何訓練的,包括不同的模型類型(Encoder、Decoder、Encoder-Decoder),以及各類預訓練任務的原理、對比、適用場景&#xff0…

通過 ModernBERT 實現零樣本分類的性能提升

文本分類 是機器學習中最基礎的任務之一,擁有悠久的研究歷史和深遠的實用價值。更重要的是,它是許多實際項目中不可或缺的組成部分,從搜索引擎到生物醫學研究都離不開它。文本分類方法被廣泛應用于科學論文分類、用戶工單分類、社交媒體情感分…

基于SpringBoot網上書店的設計與實現

pom.xml配置文件 1. 項目基本信息(沒什么作用) <groupId>com.spring</groupId> <!--項目組織標識&#xff0c;通常對應包結構--> <artifactId>boot</artifactId> <!--項目唯一標識--> <version>0.0.1-SNAPSHOT</ve…

STM32H743單片機實現ADC+DMA多通道檢測+事件組

在上個文章基礎上改用事件組進行處理&#xff0c;以便實時任務。 stm32cubeMX自動生成代碼 osEventFlagsId_t adctestEventHandle; const osEventFlagsAttr_t adctestEvent_attributes {.name "adctestEvent" };adctestEventHandle osEventFlagsNew(&adctest…

AI Agent開發第57課-AI用在銷售歸因分析場景中-用隨機森林從0構建自己的“小模型”

開篇 在前一篇《機器學習的基礎-線性回歸如何應用在商業場景中》里,我們說到了如果我們只是簡單的分析和預測一下投入廣告費用和銷售額增長是否存在必然關系,我們用了線性回歸法得到了分析,得到的分析結果極其精準,以及提到了:如果當銷售因素是非線性的并且有著額外一些如…

Linux運維——Vim技巧三

Vim技巧 一、按 按模 模式 式匹 匹配 配及 及按 按原 原義 義匹 匹配1.1、調整查找模式的大小寫敏感性1.2、按正則表達式查找時&#xff0c;使用 \v 模式開關1.3、按原義查找文本時&#xff0c;使用 \V 原義開關1.4、使用圓括號捕獲子匹配1.5、界定單詞的邊界1.6、界定匹配的邊…

NLTK庫(1): 數據集-語料庫(Corpus)

1.簡介 NLTK &#xff08;Natural Language Toolkit&#xff09; 是自然語言處理&#xff08;NLP&#xff09;任務的 Python 庫&#xff0c;內置大量NLP數據集與計算包。 NLP數據集也叫語料庫 (Corpus), 若無特殊格式或標記&#xff0c;數據集通常來自txt等文本文件。 本教程…

spring詳解-循環依賴的解決

Spring循環依賴 重點提示&#xff1a; 本文都快寫完了&#xff0c;發現“丈夫” 的英文是husband… 在“②有AOP循環依賴” 改過來了&#xff0c;前面用到的位置太多了就沒改。我是說怎么idea的hansband英文下面怎么有波浪線。各位能夠理解意思就行&#xff0c;英文拼寫不要過…

隨機快速排序算法

一、隨機化原理 經典快速排序 選取固定的“樞軸”&#xff08;通常取第一個或最后一個元素&#xff09;&#xff0c;在最壞情況下&#xff08;如已經有序&#xff09;會退化為 。 隨機快速排序 在每次分區前隨機地從當前區間 [p..r] 中等概率選取一個樞軸&#xff0c;將它與末…

數據可視化與分析

數據可視化的目的是為了數據分析&#xff0c;而非僅僅是數據的圖形化展示。 項目介紹 項目案例為電商雙11美妝數據分析&#xff0c;分析品牌銷售量、性價比等。 數據集包括更新日期、ID、title、品牌名、克數容量、價格、銷售數量、評論數量、店名等信息。 1、數據初步了解…

美團Java高級配送員面經分享|玩梗版

美團Java高級配送員面經分享&#xff01;純玩梗&#xff01;

在windows中卸載mysql

一、停止服務 winR快捷鍵 -->> 輸入services.msc -->> 進入服務窗口關閉Mysql服務 二、卸載程序&#xff08;可選&#xff09; 如果是通過解壓壓縮包安裝的則跳過這一步&#xff0c;如果是使用.msi文件驅動安裝則需要卸載 控制面板 -->> 程序和功能 -->…

https://juejin.cn/editor/drafts/7262346366541070395

.Net Core從零學習搭建權限管理系統教程 推薦一組WPF自定義控件開源項目。 項目簡介 這是基于WPF開發的&#xff0c;為開發人員提供了一組方便使用自定義組件&#xff0c;并提供了各種常用的示例。 包含組件&#xff1a;數據表格、屬性列表、樹形列表、選色器、單選框列表、…

三、網絡管理

網絡管理 一、IP地址 原理&#xff1a; 定義與作用&#xff1a;IP 地址是互聯網協議地址&#xff0c;用于在網絡中唯一標識一臺設備。它如同現實生活中的家庭住址&#xff0c;確保數據能準確無誤地從源設備傳輸到目標設備。地址分類&#xff1a;IP 地址分為 IPv4 和 IPv6 兩種…

Auto.js 腳本:清理手機數據但保留賬號

Auto.js 腳本&#xff1a;清理手機數據但保留賬號 以下是一個使用 Auto.js 實現的腳本&#xff0c;它可以幫你清理手機數據&#xff08;類似恢復出廠設置&#xff09;&#xff0c;同時盡可能保留已登錄的賬號狀態。請注意&#xff0c;這個腳本不能完全等同于真正的恢復出廠設置…

LeetCode 熱題 100 279. 完全平方數

LeetCode 熱題 100 | 279. 完全平方數 大家好&#xff0c;今天我們來解決一道經典的動態規劃問題——完全平方數。這道題在 LeetCode 上被標記為中等難度&#xff0c;要求找到和為給定整數 n 的完全平方數的最少數量。 問題描述 給定一個整數 n&#xff0c;返回和為 n 的完全…