33034

مدل‌سازي فرار حرارتي در باتري‌ها با استفاده از شبكه عصبي مبتني بر فيزيك

كارشناسي ارشد

مهندسي مكانيك/تبديل انرژي

1400

1403/7/10

آيت قره قاني

-

مهندسي مكانيك

امروزه، با توجه به نگراني‌هاي ناشي از آلودگي محيط زيست، خودروهاي برقي به‌عنوان جايگزيني مناسب براي خودروهايي كه با سوخت فسيلي كار مي‌كنند، به كار گرفته شده‌اند؛ اين خودروها از باتري‌ها براي ذخيره انرژي الكتريكي استفاده مي‌كنند. يكي از مهم‌ترين انواع باتري‌هاي استفاده شده در اين خودروها، باتري‌هاي ليتيوم يوني هستند. باتوجه‌به شرايط سخت فيزيكي و آب‌وهوايي كه ممكن است در طول مسير براي اين وسايل نقليه و در نتيجه باتري رخ دهد، بررسي رفتار باتري‌ها در شرايط مختلف جزو تحقيقات مهم امروزي هستند. شرايط سوءمصرف مكانيكي، الكتريكي و حرارتي باعث وقوع فرار حرارتي در باتري مي‌شوند كه مي‌تواند باعث انفجار در باتري‌ها شود. بنابراين از مهم‌ترين دليل‌ها براي بررسي فرار حرارتي، حفظ ايمني وسيلة نقليه براي حفظ جان افراد و همچنين جلوگيري از زيان مالي در اثر خسارت ناشي از حوادث تحت اين شرايط است. در اين مطالعه، فرار حرارتي در يك باتري ليتيوم يوني ابتدا با نرم‌افزار كامسول شبيه‌سازي شده و سپس با استفاده از داده‌هاي اين نرم‌افزار، شبكه عصبي مبتني بر فيزيك آموزش داده شده است. پس از آموزش شبكه عصبي، پارامترهاي آن توسط يك تابع زيان تطبيقي به نام روش تعادل نسبي ضرر با نگاه تصادفي بهينه ‌شده‌اند. با استفاده از مدل توسعه داده شده، بيشينه دماي ميانگين باتري 305/6 درجه سانتي‌گراد و زمان رخ‌دادن آن 129/7 دقيقه تخمين زده شد. در اين پايان نامه، لحظۀ شروع فرار حرارتي زماني تعريف شده است كه گراديان تغيير دما نسبت به زمان بيشتر از 2 درجه سانتيگراد بر دقيقه باشد كه طبق نتايج شبيه سازي، زمان شروع فرآيند فرار حرارتي، 125 دقيقه به دست آمده است. براي دماي ميانگين، خطاي ميانگين مطلق 1/75 درجه‌ي سانتي‌گراد و براي خروجي‌هاي بي‌بعد معادلات شيميايي، خطاي ميانگين مطلق كم‌تر از 0/02 به دست آمد. در نهايت اثر دماهاي مختلف محيط و ضريب‌هاي انتقال حرارت جابجايي مختلف بر فرار حرارتي باتري بررسي شده و نتيجه گرفته شد كه يك دماي بحراني براي محيط تعريف مي‌شود كه در آن فرار حرارتي رخ نمي‌دهد. همچنين با كاهش ضريب انتقال حرارت جابجايي با توجه به دماي محيط، وقوع فرار حرارتي يا به تأخير مي‌افتد و يا هرگز رخ نمي‌دهد.

1403/12/01

Modeling Thermal Runaway in Batteries Using Physics-Informed Neural Networks

10/1/2025 12:00:00 AM

In light of concerns about environmental pollution, electric vehicles are being used as a suitable alternative to vehicles powered by fossil fuels. These vehicles utilize batteries to store electrical energy. One of the most important types of batteries used in these vehicles is lithium-ion batteries. Considering the harsh physical and climatic conditions that may occur along the route for these vehicles, and consequently for the batteries, examining the behavior of batteries under various conditions is among today's significant research areas. Mechanical, electrical, and thermal abuse conditions can lead to thermal runaway in batteries, which may result in explosions. Therefore, one of the most crucial reasons for examining thermal runaway is to ensure the safety of the vehicle to protect human lives and to prevent financial losses due to damages caused by incidents under these conditions. In this study, thermal runaway in a lithium-ion battery is first simulated using COMSOL software, and then a physics-informed neural network is trained using the data from this software. After training the neural network, its parameters are optimized via an adaptive loss function known as the relative loss balancing with random lookbacks. Utilizing the developed model, the maximum average battery temperature is estimated to be 305.6 degrees Celsius, occurring at 129.7 minutes. In this thesis, the moment thermal runaway begins is defined as the time when the temperature gradient with respect to time exceeds 2 degrees Celsius per minute, and according to the simulation results, the time at which the thermal runaway process starts is found to be 125 minutes. For the average temperature, the mean absolute error is 1.753 degrees Celsius, and for the dimensionless outputs of the chemical equations, the mean absolute error is less than 0.02. Finally, the effects of various environmental temperatures and different heat transfer coefficients on thermal runaway of the battery are examined, and it is concluded that a critical temperature for the environment is defined, below which thermal runaway does not occur. It is also noted that with decreasing the heat transfer coefficient according to the environmental temperature, thermal runaway either gets delayed or does not occur at all.

باتري ليتيوم يوني , فرار حرارتي , شبكه عصبي مبتني بر فيزيك , تابع ضرر تطبيقي , روش تعادل نسبي ضرر با نگاه تصادفي

lithium-ion battery , thermal runaway , physics-informed neural network , ; adaptive loss function , relative loss balancing with random lookbacks

Reza Abedi Ostad

Ayat Gharehghani