首页/文章/ 详情

Fluent仿真实例-仿真单个锂离子电池的短路问题

1月前浏览1283


1. 外部和内部短路处理


     

   

您将再次使用之前保存的ntgk.cas.h5案例文件来说明如何在电池仿真中处理外部和内部短路。假设电池同时经历外部和内部短路。这种极端情况将用来演示在短路仿真中的问题设置和后处理。

2. 设置和解决短路问题


     

   

1.读取NTGK模型案例文件ntgk.cas.h5。

2.设置外部电路短路。Setup → Models → Battery Model Edit...a. 在Battery Model对话框中,在Model Options标签页的Solution Options组框中,启用“Specified Resistance”(指定电阻)。b. 对于“External Resistance”(外部电阻),输入0.5 Ohm并点击OK。

3.在电池单元中心设置内部电路短路。a. 使用区域适配功能标记图26.16所示的短路区域,并使用区域注册功能。

Solution → Cell Registers → New → Region...

i. 在区域注册对话框中,输入以下输入坐标的值:

ii. 点击Save/Display并关闭Region Register对话框。

Fluent在控制台报告标记了12个单元进行细化。

4.使用标准初始化方法初始化场变量。

Solution → Initialization → Initialize

5.使用短路电阻值修补内部短路区域。

Solution → Initialization → Patch...

a. 在Patch对话框中,在Variable下选择Battery Short Resistance。

b. 在Registers to Patch下选择region_0。

c. 对于Value,输入5.0e-7。

d. 点击Patch并关闭Patch对话框。

6.保存案例文件(ntgk_short_circuit.cas.h5)。

File → Write → Case...

7.运行5秒的仿真。

a. 在Solution → Run Calculation中,设置Time Step Size为1秒,No. of Time Steps为5。

b. 点击Calculate。

8. 保存 case 和 data文件(ntgk_short_circuit.cas.h5 和 ntgk_short_circuit.dat.h5)。


3. 后处理


     

   

1.计算电池标签电压Utab

Results → Reports → Surface Integrals...

a. 在Surface Integrals对话框中,从Report Type下拉列表中选择Area-Weighted Average。

b. 从Field Variable下拉列表中选择Battery Variables... 和 Passive Zone Potential。

c. 在Surfaces过滤器中输入t以显示以"t"开头的表面名称,并从列表中选择tab_p。

d. 点击Compute并关闭Surface Integrals对话框。

电池标签电压约为4.077V,在Area-Weighted Average字段和Fluent控制台中打印出来。

2.计算电池标签电流Itab

Results → Reports → Volume Integrals...

a. 在Volume Integrals对话框中,从Report Type组框中选择Volume Integrals。

b. 从Field Variable下拉列表中选择Battery Variables... 和 Total Current Source。

c. 从Cell Zones选择列表中选择e_zone。

d. 点击Compute并关闭Volume Integrals对话框。

Fluent在Total Volume Integral字段和控制台中报告,体积电流源的总体积积分约为8.155A。

3.显示正极和负极电流收集器的电流矢量图。

Results → Graphics → Vectors → New...

a. 输入 vector-current+ 作为矢量名称。

b. 从样式下拉列表中选择 arrow。

c. 在矢量对话框中,从矢量下拉列表中选择 current-density-jp。

d. 从颜色下拉列表中选择 Battery Variables... 和 Current Magnitude。

e. 从表面选择列表中选择 Wall。

f. 点击 Save/Display。

g. 图显示了电池单元正极电流收集器中的电流矢量图。

h.类似地,通过从矢量下拉列表中选择 current-density-jn 来显示负极电流收集器中的电流。

图显示了电池单元负极电流收集器中的电流矢量图。这些图清楚地显示了除了提供标签电流外,短路电流还通过短路区域从正极流向负极。

4.像前面的步骤一样显示温度的等值图。

Results → Graphics → Contours → contour-temp Display

温度图显示了电池单元内部短路区域的温度热点。

5.检查不同的电流流动速率,如步骤2所述。

Results → Reports → Volume Integrals...

a. 为下表中列出的场变量生成体积积分报告。

b. 验证总产生的电流等于标签电流和短路电流的总和,即 𝐼echem=𝐼tab+𝐼short 。

6.检查不同类型的热生成速率。

a. 像电流源报告一样,为下表中列出的场变量生成报告。

b. 验证总热生成速率是不同贡献的总和,即 𝑄total=𝑄joule+𝑄echem+𝑄short。

7.保存案例文件(ntgk_short_circuit.cas.h5)。

File → Write → Case...

注意:随着电池温度的升高,可能会发生热失控。如果热失控开始,将发生一些不良的放热分解反应。对于热失控仿真,不能使用默认的电化学模型。短路处理只能捕捉到热失控发生前的热升高过程。




来源:CFD饭圈
FluentCFXSTEPS燃烧化学电路PolyflowUM控制
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2024-09-08
最近编辑:1月前
CFD饭圈
硕士 分享CFD文章,感谢关注
获赞 22粉丝 22文章 377课程 0
点赞
收藏
作者推荐

AI和CFD:是AI辅助仿真还是仿真辅助AI

在AI热潮和无尽的技术整合中,似乎还有一个技术组织仍然区别对待,那就是仿真。尽管AI和仿真一直处于技术增长和数字化的前沿,特别是在汽车工业中,像OEM和汽车供应商这样的组织还没有完全采用AI仿真。这绝不是技术兼容性的缺乏;这只是技术整合的初期阶段。2023年,Gartner的研究人员将AI仿真定位在他们著名的AI炒作周期(Gartner Hype CycleTM)的“创新触发(innovation trigger)”阶段。这个阶段以技术突破、概念验证故事和媒体宣传为特征,然后达到所谓的“过度期望的顶峰(peak of inflated expectations)”。然而,AI仿真最近的发展速度显示出了巨大的潜力和商业可行性,特别是随着云原生仿真的出现,工程仿真领域发生了转变。1.AI和仿真的融合 工程仿真一直是完善和验证设计的基本工具。在20世纪后半叶和21世纪初年,仿真软件积累了大量数据和计算,这对于测试和增强各种工程解决方案至关重要。这使得设计优化可以进行数百万次迭代,但它也有局限性。由于硬件、计算和软件的限制,CAE仿真存在复杂的瓶颈,如缺乏可扩展性、准确性与速度的权衡、长时间的仿真周期和,更关键的是,长时间的仿真前置时间。随着云计算的出现,云原生仿真使组织不仅能够解决这些瓶颈,而且能够完全消除它们。云原生仿真的可扩展性是固有的,工程师和设计师可以并行运行尽可能多的仿真,而不受硬件的限制。结果,准确性不需要妥协,仿真前置时间从几周缩短到几小时。此外,在线运行仿真还使组织能够克服团队之间的数据孤岛,通过简单地点击一个按钮共享项目,使他们能够实时协作仿真项目,从而促进了仿真在全公司范围内的部署。今天,随着AI的出现,仿真领域继续进一步发展,改变了我们进行仿真的方法。AI和仿真的融合正在通过注入AI驱动的洞察力和能力,彻底改变仿真方法学。AI仿真的本质在于其加速和增强仿真过程的能力,使其对整个设计周期中的工程师和设计师更加高效、直观和易于访问,不仅仅是作为最后的设计验证步骤。AI仿真的核心是两种关键方法:AI辅助仿真和仿真辅助AI。2.AI辅助仿真 在这里,智能AI算法被部署来优化仿真参数和流程,简化设计迭代并加速解决方案的收敛。这种AI驱动的优化不仅加快了仿真过程,还提高了其准确性和有效性。Gartner的分析师建议通过以下方式将AI应用于仿真:使用深度学习加速仿真使用生成式AI增强仿真结果,仿真项目将从AI的能力中受益,增加执行复杂仿真的速度或使用生成式AI填补CAE和仿真模型中的空白。今天,只有云原生仿真基础设施才能充分利用AI的全部优势,因为所有仿真都立即准备好在云GPU上进行AI训练。随着新数据的添加,AI模型的重新训练变得简单。例如,在云原生平台上,AI模型与CFD仿真一起部署,AI结果用于近乎即时的评估,CFD用于验证。3.仿真辅助AI 仿真辅助AI利用仿真输出来丰富AI模型。通过整合仿真的洞察力,AI模型可以被训练以更好地理解复杂系统并以更大的精度预测它们的行为。仿真和AI之间的这种共生关系使工程师和研究人员能够利用两个学科的优势,最终导致更健壮和有洞察力的工程解决方案。通过仿真数据支持AI有助于优化业务决策,并克服真实世界数据稀缺的常见挑战,通过提供丰富的仿真环境用于合成数据生成和强化学习。AI成为汽车、供应链、电子制造和工业设备制造等领域合成数据使用的自然和补充性增加只是时间问题。4.AI仿真的4个优势 AI仿真为工程设计提供了众多好处,特别是在过程效率、仿真结果的准确性和决策方面。以下是AI仿真提供的四个关键优势:1).加速创新:最重要的好处之一是AI增强仿真的运行速度。与传统方法不同,AI可以迅速分析过去仿真的大量数据,并几乎立即提供结果。通过识别和检查数据中的复杂模式,AI可以加速设计和优化过程。2).仿真民主化:AI辅助仿真还可以帮助民主化仿真技术的使用。以前只限于仿真专家,AI仿真可以建立在云原生仿真所提供的基础上,并帮助使仿真对非专家可访问。这种可访问性促进了更广泛的设计工程师参与设计分析的协作和创新,允许在设计周期的早期使用仿真。3).全面数据:AI仿真整合多个模型,提供对复杂系统的更全面理解。这些仿真提供全面的表示,使工程师能够更深入地了解他们正在设计的系统的行为。这种全面的方法增强了决策能力,并促进了更健壮和高效设计的形成。4).持续学习:这是AI的固有优势,其迭代性质促进了持续改进。工程师可以逐渐减少限制,改进和增强他们的设计,这导致更具创新性的解决方案和优化的结果,确保设计满足不断发展的要求和标准。来源:CFD饭圈

未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习 福利任务 兑换礼品
下载APP
联系我们
帮助与反馈