Welcome to visit Advances in New and Renewable Energy!

Structure Optimization of Power Battery Module Based on Flow Resistance Network and Thermal Simulation Method

  • Ming-biao CHEN 1, 2, 3, 4 ,
  • Fan-fei BAI 5 ,
  • Guo-bin ZHONG 6 ,
  • Shi-li LIN 1, 2, 3, 4 ,
  • jie LÜ 1, 2, 3, 4 ,
  • Wen-ji SONG , 1, 2, 3 ,
  • Zi-ping FENG 1, 2, 3, 4
Expand
  • 1. Guangzhou Institute of Energy Conversion, Chinese Academy of Sciences, Guangzhou 510640, China
  • 2. CAS Key Laboratory of Renewable Energy, Guangzhou 510640, China
  • 3. Guangdong Provincial Key Laboratory of New and Renewable Energy Research and Development, Guangzhou 510640, China
  • 4. University of Chinese Academy of Sciences, Beijing 100049, China
  • 5. University of Science and Technology of China, Hefei 230026, China
  • 6. Guangdong Diankeyuan Energy Technology Co., Ltd., Guangzhou 510080, China

Received date: 2020-04-25

  Request revised date: 2020-05-29

Copyright

版权所有 © 《新能源进展》编辑部

Abstract

Air cooling system plays an important role in battery thermal management system (BTMS) because of its simple structure and low cost. The conventional design method of air cooling and heat management has the disadvantages of repetitive work and long design time. In this paper, a design method based on air flow resistance network and thermal simulation was proposed. Air flow resistance network was firstly used to optimize the module structure, and then thermal simulation was used to calculate the flow distribution. Temperature distribution of battery module, and the accuracy of optimization was verified by the thermal simulation result. It was found that flat “C” shape structure was more conducive to improving the temperature consistency of battery module, and the optimized “C” shape structure can improve the temperature consistency further. The calculation results showed that upper-lower flow direction can reduce the maximum temperature and improve the temperature consistency.

Cite this article

Ming-biao CHEN , Fan-fei BAI , Guo-bin ZHONG , Shi-li LIN , jie LÜ , Wen-ji SONG , Zi-ping FENG . Structure Optimization of Power Battery Module Based on Flow Resistance Network and Thermal Simulation Method[J]. Advances in New and Renewable Energy, 2020 , 8(5) : 350 -355 . DOI: 10.3969/j.issn.2095-560X.2020.05.002

0 引言

动力电池热管理系统是电动汽车系统中的重要部分[1]。热管理系统一方面要保证电池温度不超过极限温度,避免热失控甚至爆炸等灾难事件的发生,另一方面,要控制电池温度,使其处于较佳的工作温度范围[2]。由于电池温度是影响电池内阻[3]、老化[4]演变的重要因素,电池模组内温度的不一致容易导致内阻、容量的不一致,使得电池模组性能严重下降[5],因此,控制电池模组的温度均匀性,保证最大温度差处于合理范围内,也是热管理系统的重要任务。
风冷系统因结构简单、成本低等特点,在热管理系统中占据重要地位[6]。在热管理设计中,影响温度场变化的因素很多,如电池尺寸、安装角度、相邻电池间隙、流量等[7]。常规的设计方法是通过正交试验法,采用数值仿真的方法[8,9],获得多个方案下的计算结果,再进行比较。常规设计方法需要在建模、计算等环节消耗大量时间和精力,不利于设计的快速推进。LIU等[10]采用了空气流动风阻网格模型以及瞬时传热模型结合的方法分析电池模组的风速以及温度变化,但是其采用的瞬时传热模型将热力过程简化,不能详细描述局部热力的变化情况。另外,在设计中通常采用均一热源模型,并未考虑电池产热的不均匀性,导致计算结果出现偏差。
因此,本文提出空气流动风阻网格模型结合热力学模型仿真的设计方法。该方法先采用空气流动风阻网格模型,以流速均匀性为优化目标,获得优化的电池结构,再采用热力学模型进行仿真求解,获得优化的电池模组的流场和温度场分布特性。该方法可以大大缩短设计的时间,也能够提供详细的设计信息。

1 建立模型

1.1 空气阻力网络模型

电池模组由15个软包电池平行排列,电池尺寸为W × L × T = 17 cm × 23 cm × 7 cm。电池间隔相等,均匀排列,间距为3 mm,因此共有16个垂直于入口水平方向的间隙通道。空气由风机推动,从下部进入,经导流板分流后分别进入电池模组壳体、电池单体之间的16个流道中。空气与电池模组的热交换方式主要是对流换热,而换热效果主要取决于流动中的空气流速和流量。为了实现电池模组的温度均匀性,则要求每个通道的流速和流量尽量一致,从而保证每个通道的冷却效果相同。本文主要通过改变上下挡板的角度,即通过调整导流板开口高度w1w2的大小来调节每个通道中的空气流速,而且最大值不能超过5 cm,如图1a。
Fig. 1 (a) Structure schematic of the battery module; (b) flowing resistance network model of air

图1 (a)电池模组结构示意图;(b)空气流动阻力网络模型

空气在流动过程中,受到沿程阻力和局部阻力的影响,导致压力以及流速发生变化。根据电池模组结构以及空气流动特点,建立空气流动阻力网格模型,如图1b。由于空气流速较小,可以认为是不可压缩流体。根据伯努利方程,可以知道第i个通道入口(出口)和相邻通道入口(出口)的压力关系:
${P_{m,i}} + \frac{1}{2}{\rho _{{\rm{air}}}}u_{m,i}^2 = {P_{m,i - 1}} + \frac{1}{2}{\rho _{{\rm{air}}}}u_{m,i - 1}^2 - \Delta {P_{{\rm{loss,}}m,i}}$ (1)
其中:u为空气的流速;ΔPloss为压力损失;m表示进口in或出口out。
i个通道内部的压力关系为:
${P_{{\rm{in}},i}} + \frac{1}{2}{\rho _{{\rm{air}}}}u_{{\rm{in}},i}^2 = {P_{{\rm{out}},i}} + \frac{1}{2}{\rho _{{\rm{air}}}}u_{{\rm{out}},i}^2 + \Delta {P_{{\rm{loss,ch}},i}}$ (2)
空气在流动过程的沿程压力损失,采用范宁公式计算:
$\Delta {P_{{\rm{pass,}}m,i}} = {\eta _{m,i}}\frac{{{l_{m,i}}}}{{2{d_{m,i}}}}{\rho _{{\rm{air}}}}u_{m,i}^2$ (3)
其中:摩擦系数η与流动有关,取值参考文献[11];m表示进口in、出口out以及通道ch。
在电池端部和导流板之间的区域,局部压力损失为:
$\Delta {P_{{\rm{local,in}},i}} = \frac{{{\xi _{{\rm{in}},i}}}}{2}{\rho _{{\rm{air}}}}u_{{\rm{in}},i - 1}^2$ (4)
$\Delta {P_{{\rm{local,out}},i}} = \frac{{{\xi _{{\rm{out}},i}}}}{2}{\rho _{{\rm{air}}}}u_{{\rm{out}},i + 1}^2$ (5)
其中:ξ为局部阻力系数。
在各电池(或电池与壁面)之间的间隙通道中,局部压力损失主要包括进入通道以及流出通道的局部损失:
$\Delta {P_{{\rm{local}},i}} = \frac{{{\xi _{{\rm{in}} - {\rm{ch,}}i}}}}{2}{\rho _{{\rm{air}}}}u_{{\rm{in}},i}^2 + \frac{{{\xi _{{\rm{ch}} - {\rm{out}},i}}}}{2}{\rho _{{\rm{air}}}}u_{{\rm{out,}}i}^2$ (6)
局部阻力系数与流动状态、几何结构有关。在中间的间隙通道中类似于T形结构,可以得到局部阻力系数随主管和支管的截面比例系数$\psi$、支管和主管的流量比q的变化关系[12]
${\xi _{{\rm{in}},i}} = q_{{\rm{in,}}i}^2 - \frac{3}{2}{q_{{\rm{in}},i}} + \frac{1}{2}$ (7)
${\xi _{{\rm{out}},i}} = 1 - q_{{\rm{out}},i}^2$ (8)
${\xi _{{\rm{in - ch,}}i}} = q_{{\rm{in - ch}},i}^2\psi _{{\rm{in}},i}^2 - 2\cos \left( {\frac{3}{8}{\rm{\pi }}} \right){q_{{\rm{in - ch}},i}}{\psi _{{\rm{in}},i}} + 1$ (9)
${\xi _{{\rm{ch - out}},i}} = q_{{\rm{ch - out,}}i}^2\psi _{{\rm{out}},i}^2 + 2q_{{\rm{ch - out}},i}^2 - 1$ (10)
由质量守恒方程,在T形结构的出入口处,有:
${u_{{\rm{in}},i}}{A_{{\rm{in}},i}} = {u_{{\rm{in,}}i + 1}}{A_{{\rm{in}},i + 1}} + {u_{{\rm{ch}},i}}{A_{{\rm{in,}}i}}$ (11)
${u_{{\rm{out}},i}}{A_{{\rm{in,}}i + 1}} = {u_{{\rm{out}},i}}{A_{{\rm{out}},i}} + {u_{{\rm{ch,}}i + 1}}{A_{{\rm{out}},i + 1}}$ (12)
其中:A为空气在各部分的流通截面积。
联立求解以上方程组,一旦电池模组的入口总流量确定,整个空气流动阻力网络模型可以求解,空气速度场的分布也可以获得。

1.2 热力学模型

采用空气阻力网络模型可以快速求出电池模组的优化结构,热学模型则求解特定结构下的传热与流动特性。
电池模组内软包电池的温度变化符合能量守恒定律:
${\rho _{\rm{b}}}{c_{p,{\rm{b}}}}\frac{{\partial T}}{{\partial t}} = {\lambda _{\rm{b}}}{\nabla ^2}T + {q_{{\rm{air}}}} + {q_{{\rm{gen}}}}$ (13)
其中:ρb为电池的密度;λb为导热系数;T为温度;t为时间;qgen为电池的产热[13,14];qair为空气带出外界的热量,其计算式为:
${q_{{\rm{air}}}} = {c_p}m\Delta T = {c_p}\rho u{A_{{\rm{in}}}}\left( {{T_{{\rm{out}}}} + {T_{{\rm{in}}}}} \right)$ (14)
其中:TinTout分别为电池模组内空气的入口温度和出口温度;Ain为电池模组空气入口的面积;u为空气的流速。为获得空气的流速与温度参数,需要对空气域进行仿真计算。
空气流动过程中不断冷却电池模组,其中空气的流动传热要遵循能量守恒方程、动量守恒方程和连续性方程。
$\frac{{\partial T}}{{\partial t}} + \overrightarrow v \cdot \nabla T = \frac{\lambda }{{\rho {c_p}}}{\nabla ^2}T$ (15)
$\frac{{\partial \overrightarrow v }}{{\partial t}} + (\overrightarrow v \cdot \nabla )\overrightarrow v = \overrightarrow f - \frac{1}{\rho }\nabla P + \mu {\nabla ^2}\overrightarrow v$ (16)
$\frac{{\partial \rho }}{{\partial t}} + \nabla \cdot \left( {\rho \overrightarrow v } \right) = 0$ (17)
其中:ρcpλμ分别代表流动空气的密度、比热、热导率和黏度;P为空气压力。
对于整个电池模组的流动与热边界条件设置,具体如下:①入口速度、温度皆恒定,为输入条件;②出口表压力为0;③模组壁面假设为绝热面。
数值计算采用非稳态模型进行求解,时间步长为0.05,收敛的条件是变量残差值低于1.00 × 10-6。经过多次计算,当网格数超过107量级时,电池模组和空气的换热量变化不大,因此采用网格数目为1.01 × 107,计算总耗时约2 h。经过计算,可以获得特定结构下电池模组的温度场以及流场分布。

2 结果与讨论

2.1 空气流动阻力网格模型优化结构与对比验证

以各个流道内空气流速的方差为评价指标,利用空气流动阻力网络模型计算不同结构参数下流动特性发现,“Z”字形电池模组的最优结构是w1 = 0 cm、w2 = 0 cm,即进出口导流板倾斜角为0°,如图2a所示。这意味着,调节导流板倾斜角只会增加电池模组内冷却流道空气流速的不均匀性。此时“Z”字形结构的方差为2.58。由于方差较大,因此进一步调整出口方向,变为“C”字形,如图2b所示。以此为基础继续优化上下导流板的角度,发现最优方案是w1 = 4.6 cm、w2 = 0 cm,即入口导流板的倾斜角度为16.7°、出口导流板的倾斜角为0°。图2中三种结构的方差分别是2.58、1.12和0.97。这表明“C”字形结构更利于模组内空气的均匀分配,且优化后的“C”字形结构中空气流量的分配更加均匀。
Fig. 2 Structure schematic of the models: (a) “Z” shape; (b) flat “C” shape; (c) optimized “C” shape

图2 模组结构示意图:(a)“Z”字形结构;(b)“C”字形结构;(c)优化的“C”字形结构

为验证结论的准确性,采用热力学仿真方法分别对三种结构进行仿真计算,电池模组中不同间隙通道的流速如图3所示。可以发现“Z”字形结构、“C”字形结构以及优化的“C”字形结构三种方案下,“C”字形结构方案的空气流速分布更加均匀,而且经过优化后的“C”字形结构方案的气流流速分布也有所改善。结论与空气流动阻力网格模型的计算结果相同。可以认为经过空气流动阻力网格模型获得的优化结果具有一定的准确性。
Fig. 3 Velocity in different path of the battery module

图3 电池模组中不同间隙通道的流速

2.2 不同结构电池模组的流场

图3可知,不同的流道结构,其流速分布各不相同。其中靠近空气入口端为1号间隙通道,靠近出口端为16号间隙通道(电池间)。在“Z”字形结构中,流道内的空气速度沿着空气入口的方向增大。其中1号间隙通道的空气流速比较小,且小于2.5 m/s,而3 ~ 14号间隙通道内空气流速均匀增加,16通道内空气几乎是1号通道内空气流速的两倍。这显示出“Z”字形结构的流场不均匀性。空气流动当中,压差变化是导致流速差异的主要原因。在“Z”字形结构中,经过每一个通道的空气所流过的路径轨迹的长度基本相同,这意味着沿程阻力比较相似。但是由于入口段的流速较大,静压较小,而且间隙流道垂直于水平入口方向,因此1号通道的流速较小。沿着入口方向,由于受到模组后壁的影响,入口的气流逐渐向通道的方向倾斜,气流有平行于间隙流道的速度分量,因此进入流道内的空气流量逐渐增加。在“C”字形结构中,间隙流道中的流速是沿着入口方向(编号变大的方向)先增大后减小。1号流道内的空气速度最小,为3.4 m/s;3号流道内空气流速最大,为4.49 m/s;3 ~ 14号流道内空气流速均匀降低。显然,“C”字形结构的速度分布比“Z”字形的速度分布更加均匀,速度一致性有了显著的提高。由于风冷系统中空气流速是导致温度一致性的重要因素,因此“C”字形结构的温度分布也将比“Z”字形结构的温度分布更加均匀。导致空气流速不同的主要原因是,在“C”字形结构中,经过每一个通道的空气所流过的路径轨迹的长度相差较大。显然,1号间隙通道的气流流过的路径长度最小,即摩擦损失最小,而远离1号间隙通道的16号间隙通道的内部空气流过的路径最长,摩擦损失较大。路径长短不同引起的压力损失的差异平衡了空气在不同冷却通道内的流量分布。在初始“C”字形结构中,由于模组左下端后壁的影响,空气流速较小。增加入口导流板的角度,有助于降低空气的总压降,提升远端通道的空气流速,从而降低整个模组的流速平方差,增加空气流动的均匀性。对于优化的“C”字形结构,空气流速沿着入口方向(编号变大的方向)先增大后基本保持不变。

2.3 不同结构电池模组温度场分布

空气流动阻力网格模型求解比较快速,结合智能算法如遗传算法[15]可以获得较好的优化结果。但是该模型不能获得温度场分布,因此采用热力学模型模拟计算电池模组的温度场变化,并验证空气流动阻力网格模型的正确性。假设模型不同冷却结构中的电池组都采用2 C的倍率进行放电,即热源相同。在放电结束后,不同结构电池模组的温度分布情况如图4所示。可以看到“Z”字形的温度变化最大,而“C”字形结构中,电池模组的温度变化较小,而且优化后的“C”字形结构的温度分布最均匀。可以发现,采用热力学模型仿真计算的模组温度结果与采用空气流动阻力网格模型得到的结果一致。可知对于类似结构的模组结构,可以采用空气流动阻力网格模型进行优化。
Fig. 4 The maximum temperature Tmax (a), average temperature Tave (b), minimum temperature Tmin (c) and maximum temperature difference ΔTmax (d) of each battery in the module

图4 电池模组内各电池单体的最高温度Tmax(a)、平均温度Tave(b)、最低温度Tmin(c)和最大温差ΔTmax(d)

图4,1号电池的最高温度Tmax和平均温度Tave最高,这是由于在1号间隙通道处的流速最小,对流换热作用较弱,带走的热量较小,因此温度较高。远离1号电池的16号电池则相反,16号间隙通道的空气流速较大,对流作用强烈,带走更多热量,因此温度较低。值得注意的是,如图4c中三种结构的电池模组中单体电池的最低温度Tmin变化不大。空气冷却过程中,单体电池温度最低的点出现在电池最下方,该区域电池产热量低,最先受到低温空气的冷却,这是不同结构的电池模组中该点温度接近的主要原因,空气的流速对该点温度的影响较小。

2.4 空气流动方向对冷却效果的影响

由于软包锂离子电池充放电过程中各区域的产热量不同,靠近极耳附近的区域产热量大、温度高,而远离极耳的区域产热量相对较小[13]。因此,以优化后的“C”字形电池模组结构为研究对象,计算空气流动方向改变后的温度分布,结果如图5所示。空气从上端进入时,空气的温度较低,极耳附近区域得到优先冷却。而自下而上的冷却气流方案(方案A)中,空气在流动过程中逐渐升温,达到极耳附近时温度较高,导致极耳的冷却效果不佳,整体的温度均匀性差。相比于下进上出的方案(方案A),上进下出的方案(方案B)的最高温度和最大温差都有明显的下降,分别下降了约2℃和3℃。另外,在方案B中,空气流到底部时,空气温度相对方案A中的空气温度要高,因此底部的换热效果较差,因而方案B中的最低温度比方案A中的最低温度要高。这也使得方案B中的电池模组的温度更加均匀,保证电池的一致性,有利于长期的运行。另一方面,相对于下进上出的流动方式,空气上进下出冷却电池时,单体电池的平均温度略有上升。这表明空气与电池总的换热量有所下降。
Fig. 5 Cooling of battery module with different air flow direction

图5 不同空气流动方向时模组内各电池单体的冷却效果:(a)空气下进上出(方案A);(b)空气上进下出(方案B)

结果显示,将模组的空气入口布置在上方,出口布置在下方,采用空气上进下出的流动方式可进一步降低模组内单体电池的最高温度,提升单体电池温度场的一致性。
[1]
董缇, 彭鹏, 曹文炅, 等. 锂离子电池热管理和安全性研究[J]. 新能源进展, 2019, 7(1): 50-59. DOI: 10.3969/ j.issn.2095-560X.2019.01.006.

[2]
白帆飞, 陈明彪, 宋文吉, 等. 锂离子电池组风冷结构设计与优化[J]. 新能源进展, 2016, 4(5): 358-363. DOI: 10.3969/j.issn.2095-560X.2016.05.004.

[3]
魏学哲, 杨静, 刘耀锋, 等. 锂离子动力电池内阻模型与实验研究[J]. 同济大学学报(自然科学版), 2015, 43(10): 1542-1549. DOI: 10.11908/j.issn.0253-374x.2015. 10.014.

[4]
OMAR N, MONEM M A, FIROUZ Y, et al.Lithium iron phosphate based battery-Assessment of the aging parameters and development of cycle life model[J]. Applied energy, 2014, 113: 1575-1585. DOI: 10.1016/j. apenergy.2013.09.003.

[5]
李腾, 林成涛, 陈全世. 磷酸铁锂电池组成组过程的不一致性分析[J]. 清华大学学报(自然科学版), 2012, 52(7): 1001-1006. DOI: 10.16511/j.cnki.qhdxxb.2012.07.026.

[6]
袁征, 赵津, 韩磊. 风冷锂离子电池包的热仿真[J]. 电池, 2019, 49(3): 208-211. DOI: 10.19535/j.1001-1579.2019.03.007.

[7]
YANG N X, ZHANG X W, LI G J, et al.Assessment of the forced air-cooling performance for cylindrical lithium-ion battery packs: A comparative analysis between aligned and staggered cell arrangements[J]. Applied thermal engineering, 2015, 80: 55-65. DOI: 10.1016/j.applthermaleng.2015.01.049.

[8]
李妮檜. 锂离子电池热管理系统散热结构的设计和优化[D]. 成都: 西南交通大学, 2019. DOI: 10.27414/ d.cnki.gxnju.2019.003043.

[9]
谢金红. 电动汽车锂离子电池组散热结构优化研究[D]. 广州: 华南理工大学, 2018.

[10]
LIU Z M, WANG Y X, ZHANG J, et al.Shortcut computation for the thermal management of a large air-cooled battery pack[J]. Applied thermal engineering, 2014, 66(1/2): 445-452. DOI: 10.1016/j.applthermaleng. 2014.02.040.

[11]
SHI Y, WANG J D, YU G C, et al. Chemical engineering handbook[M]. 2nd ed. Beijing: Chemical Industry Press, 1996.

[12]
BASSETT M D, WINTERBONE D E, PEARSON R J.Calculation of steady flow pressure loss coefficients for pipe junctions[J]. Proceedings of the institution of mechanical engineers, part C: journal of mechanical engineering science, 2001, 215(8): 861-881. DOI: 10.1177/095440620121500801.

[13]
CHEN M B, BAI F F, SONG W J, et al.A multilayer electro-thermal model of pouch battery during normal discharge and internal short circuit process[J]. Applied thermal engineering, 2017, 120: 506-516. DOI: 10.1016/j.applthermaleng.2017.03.135.

[14]
宋文吉, 陈明彪, 白帆飞, 等, 基于电-热耦合模型的锂离子电池热特性与优化[J]. 电池, 2018, 48(5): 309-312. DOI: 10.19535/j.1001-1579.2018.05.004.

[15]
陈凯, 汪双凤. 基于遗传算法的风冷式动力电池热管理系统优化[J]. 工程热物理学报, 2018, 39(2): 384-388.

Outlines

/