Twin Builder 中的电池等效电路模型仿真

电池单元热设计挑战

电池热管理的主要挑战之一是确保温度低于最大工作限值。较高的温度会导致效率降低、加速老化和潜在的安全隐患。工程师必须了解电池产生的热量,才能充分设计冷却系统。

了解和预测电池模块的热行为需要将电池的热损耗与电池单元的电气机械特性相结合。通过链接电池单元的电气特性,可以提高电池热抑制率,用于冷却系统设计。
 

工程解决方案

通过电池单元的物理测试数据,可以增强电池热行为的仿真。一种类型的电池测试称为混合脉冲功率表征 (HPPC)。此测试可以计算电池内阻。以下是来自示例 HPPC 数据集的一个脉冲示例。电池单元的内阻与电压降除以电流成正比。Twin Builder 从整个 HPPC 数据集生成电阻值,其中可能包括多个温度和充电状态 (SOC) 水平。该电阻与电路电流和电压一起用于预测电池热损失功率。

 

 

Ansys Twin Builder 软件提供了用于仿真和分析电池单元和模块热行为的工具。凭借其 Battery Wizard 功能,Twin Builder 允许工程师对复杂的热交互进行建模并评估不同的电池放电行为。Twin Builder 能够利用 HPPC 数据快速生成排热值。

通过使用 Twin Builder,工程师可以进行参数化研究以探索各种设计配置。这样可以确定确保均匀温度分布和高效散热的解决方案,最终提高电池性能和安全性。

为了应对热管理挑战,工程师可以使用 Ansys 软件评估多个输入。这些输入可以包括不同的电池容量、C-Rate 和 HPPC 数据。Twin Builder 的模拟功能允许评估这些不同的输入。

 

方法

在本讨论中使用 Ansys Twin Builder 设置电池仿真涉及几个步骤。这些步骤包括思维导图、产品图和 Twin Builder 案例设置。

思维导图:生成电池单元的思维导图是为了以结构化的方式组织和表示想法、概念或信息。下面的思维导图显示了模拟研究的目标以及为实现目标而提出的问题。每个问题后面都有一个理论、行动和预测来解决每个问题。生成结果时,结果也会添加到每个分支的底部。
 

 

产品地图:生成电路中电池单元的产品图,以列出和分类产品特性。产品图表示与思维导图中的理论/行动相对应的因素。

下面的地图显示了一个示例 battery HPPC 数据文件和一个 Twin Builder 电路。红色文本项是可变因子或常数因子。

 


 

下图显示了该研究的示例电池 HPPC 数据集和纵的电压脉冲。红色文本项是可变因子。

 

 

Twin Builder 模拟:Twin Builder 模型是根据思维导图生成的研究生成的。在这种情况下,采用 7 因子、2 水平、分数因子 DOE,从而产生 8 种独特的 Twin Builder 处理。下图显示了填充电池模型输入的步骤顺序。第一张图片是 Battery Wizard 中的 Cell Configuration Tool,第二张图片是电路中生成的 Cell 单元。

 


 

 

 

电流源使用幅度为 10 安培的梯形剖面,初始延迟为 20 秒,持续时间为 10 秒。

 

执行仿真计算以生成结果,重点关注电池单元的热损失、电压和电流。分析热损失的处理数据以回答理论问题并确认或反驳预测。
 

Twin Builder 电池仿真结果

图形分析: 下图显示了治疗的瞬态电池单元功率损失结果。该图表表明电压深度是最重要的因素。当 HPPC 数据中的压降较大时,电池电阻较高,导致功率损耗较高。其他输入因素导致热损失变化较小。

 

下面的图表还显示,HPPC 电压深度是影响电池功率损耗的最重要因素。电路输入温度、HPPC 电流和 Twin Builder 电池容量略有显著性。电压偏移和时间拉伸的影响可以忽略不计。

 

 

 

观察

电压降深度:HPPC 脉冲中的电压降深度越高,内阻越高,因此热损耗越高。

电路温度:电路温度对电阻的影响较小,因为 25C 时脉冲的电压降大于 45C 时的电压降,较大的电压降会导致更高的电阻和更高的热损失。

HPPC Data Current:HPPC 文件中指定的电流越高,电阻越小,因此热损失越小。

Battery Wizard 电池容量: 电池容量对电阻的影响很小,因此对热损失的影响很小。

HPPC SOC: HPPC SOC 对电阻的影响很小,因此对热损失的影响很小。

电压偏移:电压偏移对电阻的影响可以忽略不计,因此对热损失的影响可以忽略不计。

电压时间拉伸:时间拉伸对脉冲电压降的影响可以忽略不计,因此对热损失的影响可以忽略不计。


总结

每个 Twin Builder 模拟都用了不到 2 秒的时间来解决。工程师可以从 HPPC 数据中快速确定电池单元的热损失。

 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/904378.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

一种基于条件生成对抗网络(cGAN)的CT重建算法

简介 简介:该文提出了一种基于条件生成对抗网络(cGAN)的CT重建算法,通过引入CBAM注意力机制增强网络对关键特征的提取能力,有效解决了CT成像中因噪声干扰导致的重建精度下降问题。实验采用固体火箭发动机模拟件数据集,将正弦图分为五组并添加不同程度的噪声进行训练。结…

【Redis篇】linux 7.6安装单机Redis7.0(参数优化详解)

💫《博主主页》: 🔎 CSDN主页 🔎 IF Club社区主页 🔥《擅长领域》:擅长阿里云AnalyticDB for MySQL(分布式数据仓库)、Oracle、MySQL、Linux、prometheus监控;并对SQLserver、NoSQL(MongoDB)有了…

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

问题: 使用mmdetection框架使用COCO格式训练自定义数据集时,其中模型使用HTC模型时出现如下问题: AttributeError: ‘DetDataSample’ object has no attribute ‘_gt_sem_seg’. Did you mean: ‘gt_sem_seg’? results self(**data, mode…

Java日期格式化方法总结

在Java中,日期格式化主要涉及将 Date、LocalDate、LocalDateTime 等日期时间对象转换为指定格式的字符串,或将字符串解析为日期对象。以下是两种常用的日期格式化方式: 一、使用 SimpleDateFormat(旧版API,Java 8之前&…

【NLP】27. 语言模型训练以及模型选择:从预训练到下游任务

语言模型训练:从预训练到下游任务 本文详细讲解大型语言模型(LLMs)是如何训练的,包括不同的模型类型(Encoder、Decoder、Encoder-Decoder),以及各类预训练任务的原理、对比、适用场景&#xff0…

通过 ModernBERT 实现零样本分类的性能提升

文本分类 是机器学习中最基础的任务之一,拥有悠久的研究历史和深远的实用价值。更重要的是,它是许多实际项目中不可或缺的组成部分,从搜索引擎到生物医学研究都离不开它。文本分类方法被广泛应用于科学论文分类、用户工单分类、社交媒体情感分…

基于SpringBoot网上书店的设计与实现

pom.xml配置文件 1. 项目基本信息(没什么作用) <groupId>com.spring</groupId> <!--项目组织标识&#xff0c;通常对应包结构--> <artifactId>boot</artifactId> <!--项目唯一标识--> <version>0.0.1-SNAPSHOT</ve…

STM32H743单片机实现ADC+DMA多通道检测+事件组

在上个文章基础上改用事件组进行处理&#xff0c;以便实时任务。 stm32cubeMX自动生成代码 osEventFlagsId_t adctestEventHandle; const osEventFlagsAttr_t adctestEvent_attributes {.name "adctestEvent" };adctestEventHandle osEventFlagsNew(&adctest…

AI Agent开发第57课-AI用在销售归因分析场景中-用随机森林从0构建自己的“小模型”

开篇 在前一篇《机器学习的基础-线性回归如何应用在商业场景中》里,我们说到了如果我们只是简单的分析和预测一下投入广告费用和销售额增长是否存在必然关系,我们用了线性回归法得到了分析,得到的分析结果极其精准,以及提到了:如果当销售因素是非线性的并且有着额外一些如…

Linux运维——Vim技巧三

Vim技巧 一、按 按模 模式 式匹 匹配 配及 及按 按原 原义 义匹 匹配1.1、调整查找模式的大小写敏感性1.2、按正则表达式查找时&#xff0c;使用 \v 模式开关1.3、按原义查找文本时&#xff0c;使用 \V 原义开关1.4、使用圆括号捕获子匹配1.5、界定单词的边界1.6、界定匹配的边…

NLTK库(1): 数据集-语料库(Corpus)

1.简介 NLTK &#xff08;Natural Language Toolkit&#xff09; 是自然语言处理&#xff08;NLP&#xff09;任务的 Python 库&#xff0c;内置大量NLP数据集与计算包。 NLP数据集也叫语料库 (Corpus), 若无特殊格式或标记&#xff0c;数据集通常来自txt等文本文件。 本教程…

spring详解-循环依赖的解决

Spring循环依赖 重点提示&#xff1a; 本文都快写完了&#xff0c;发现“丈夫” 的英文是husband… 在“②有AOP循环依赖” 改过来了&#xff0c;前面用到的位置太多了就没改。我是说怎么idea的hansband英文下面怎么有波浪线。各位能够理解意思就行&#xff0c;英文拼写不要过…

随机快速排序算法

一、随机化原理 经典快速排序 选取固定的“枢轴”&#xff08;通常取第一个或最后一个元素&#xff09;&#xff0c;在最坏情况下&#xff08;如已经有序&#xff09;会退化为 。 随机快速排序 在每次分区前随机地从当前区间 [p..r] 中等概率选取一个枢轴&#xff0c;将它与末…

数据可视化与分析

数据可视化的目的是为了数据分析&#xff0c;而非仅仅是数据的图形化展示。 项目介绍 项目案例为电商双11美妆数据分析&#xff0c;分析品牌销售量、性价比等。 数据集包括更新日期、ID、title、品牌名、克数容量、价格、销售数量、评论数量、店名等信息。 1、数据初步了解…

美团Java高级配送员面经分享|玩梗版

美团Java高级配送员面经分享&#xff01;纯玩梗&#xff01;

在windows中卸载mysql

一、停止服务 winR快捷键 -->> 输入services.msc -->> 进入服务窗口关闭Mysql服务 二、卸载程序&#xff08;可选&#xff09; 如果是通过解压压缩包安装的则跳过这一步&#xff0c;如果是使用.msi文件驱动安装则需要卸载 控制面板 -->> 程序和功能 -->…

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

.Net Core从零学习搭建权限管理系统教程 推荐一组WPF自定义控件开源项目。 项目简介 这是基于WPF开发的&#xff0c;为开发人员提供了一组方便使用自定义组件&#xff0c;并提供了各种常用的示例。 包含组件&#xff1a;数据表格、属性列表、树形列表、选色器、单选框列表、…

三、网络管理

网络管理 一、IP地址 原理&#xff1a; 定义与作用&#xff1a;IP 地址是互联网协议地址&#xff0c;用于在网络中唯一标识一台设备。它如同现实生活中的家庭住址&#xff0c;确保数据能准确无误地从源设备传输到目标设备。地址分类&#xff1a;IP 地址分为 IPv4 和 IPv6 两种…

Auto.js 脚本:清理手机数据但保留账号

Auto.js 脚本&#xff1a;清理手机数据但保留账号 以下是一个使用 Auto.js 实现的脚本&#xff0c;它可以帮你清理手机数据&#xff08;类似恢复出厂设置&#xff09;&#xff0c;同时尽可能保留已登录的账号状态。请注意&#xff0c;这个脚本不能完全等同于真正的恢复出厂设置…

LeetCode 热题 100 279. 完全平方数

LeetCode 热题 100 | 279. 完全平方数 大家好&#xff0c;今天我们来解决一道经典的动态规划问题——完全平方数。这道题在 LeetCode 上被标记为中等难度&#xff0c;要求找到和为给定整数 n 的完全平方数的最少数量。 问题描述 给定一个整数 n&#xff0c;返回和为 n 的完全…