Loading…
Thumbnail Image

Experimental investigation and modeling of the thermal behavior of intelligent battery cells and modules under electric vehicle conditions

Kleiner, Jan

The lithium-ion technology is seen as the most promising solution to solve the issue of mobile energy storage in electric vehicles. However, conventionally designed battery systems face the challenge to satisfy specific automotive requirements related to performance, durability and safety. Thereby, one of the main challenges of conventional batteries is the setup of multiple individual electrochemical cells being combined in large format battery systems without the possibility to monitor and control single cells. Therefore, the approach of intelligent batteries has arisen in recent years in order to increase the knowledge of the single cell states and control each cell flexibly in a battery management called reconfiguration. This work deals with the topics of intelligent battery systems from the thermodynamics’ point of view. Since the performance and safety of a battery are significantly influenced by the individual temperature of the electrochemical cells, the main goals of this thesis are to know the thermal influences of intelligent battery hardware and determine and control the local cell temperatures during use. In the first part, the thermal behavior of a prismatic cell within a conventional electric vehicle is determined experimentally and modeled by a 3D CFD model, to form the basis for the later observations. Secondly, the concept of intelligent batteries in electric vehicles is outlined and necessary hardware is designed and investigated in experiment as well as by simulation. Besides the thermal interactions between cell and electronics, especially the behavior in modules during reconfiguration procedures is quantified for different module topologies. To estimate the thermal behavior of intelligent cells during operation, physics-based as well as data-driven real-time models on cell and module level are developed. It is shown that both investigated modeling structures, a Thermal Equivalent Circuit Model and a Neuronal Network, offer the possibility to predict the non-accessible core temperature accurately and with long-term stability. Finally, reconfigurable hardware is combined with real-time thermal models to form an intelligent module to examine the effects of adaptive thermal management. Thereby, general interactions with system current and the state-of-charge are evaluated for the application in electric vehicles. Based on this, an intelligent thermal management algorithm is presented, which reduces the maximum cell temperature as well as the thermal inhomogeneity within a module.
Die Lithium-Ionen-Technologie gilt als die vielversprechendste Lösung, um das Problem der mobilen Energiespeicherung in Elektrofahrzeugen zu lösen. Aktuelle Batteriesysteme stehen jedoch vor der Herausforderung, die automobilen Anforderungen in Bezug auf Leistung, Haltbarkeit und Sicherheit zu erfüllen. Dabei ist eine der größten Herausforderungen konventioneller Batterien der Aufbau aus einer Vielzahl von Einzelzellen, ohne die Möglichkeit, einzelne Zellen zu überwachen oder zu steuern. Als Lösung ist in den letzten Jahren der Ansatz der intelligenten Batteriesysteme entstanden. Diese Arbeit befasst sich mit der Thematik der intelligenten Batteriesysteme aus Sicht der Thermodynamik. Da die Leistung und Sicherheit einer Batterie maßgeblich von der individuellen Temperatur der elektrochemischen Zellen beeinflusst wird, sind die Hauptziele dieser Arbeit, die thermischen Einflüsse intelligenter Batteriehardware zu kennen und die lokalen Zelltemperaturen während der Nutzung zu bestimmen und zu steuern. Im ersten Teil wird das thermische Verhalten einer prismatischen Zelle in einem konventionellen Elektrofahrzeug experimentell ermittelt und durch ein 3D-CFD-Modell modelliert, um die Grundlage für die späteren Betrachtungen zu bilden. Der zweiten Teil beginnt mit Vorstellung des Konzepts intelligenter Batterien in Elektrofahrzeugen und der dafür notwendige Hardware. Neben den thermischen Wechselwirkungen zwischen Zelle und Elektronik bildet insbesondere das Verhalten in den Modulen bei Rekonfigurationsvorgängen für verschiedene Modultopologien einen Schwerpunkt der experimentellen und simulativen Untersuchungen. Um das thermische Verhalten intelligenter Zellen im Betrieb abzuschätzen, werden sowohl physikbasierte als auch datengetriebene Echtzeitmodelle auf Zell- und Modulebene entwickelt. Es zeigt sich, dass beide untersuchten Modellierungsstrukturen, ein thermisches Ersatzschaltbildmodell und ein Neuronales Netzwerk, die Möglichkeit bieten, die nicht zugängliche Kerntemperatur genau und langzeitstabil vorherzusagen. Schließlich wird rekonfigurierbare Hardware mit thermischen Echtzeitmodellen zu einem intelligenten Modul kombiniert, um die Auswirkungen von adaptivem Thermomanagement zu untersuchen. Der dafür vorgestellte intelligente Thermomanagement-Algorithmus reduziert sowohl die maximale Zelltemperatur als auch die thermische Inhomogenität innerhalb eines Moduls.