전압, 내부 저항, 열 발생 및 온도는 충전 중인 NiMH 셀에서 폐루프를 이룹니다: 전류와 저항은 열을 만들고, 열은 저항과 전극 전위를 바꾸며, 이러한 변화는 전압과 충전 수용도를 바꾸고, 바뀐 수용도는 전류 중 얼마가 열이 되는지를 바꿉니다. 전기와 열을 따로 다루는 모델은 급속 충전에서 가장 중요한 피드백을 놓칩니다. 이 글은 결합된 전기-열 모델—전압을 위한 온도 의존 등가회로, 온도를 위한 집중 열 네트워크, 그리고 둘 사이의 양방향 결합—을 구축하고, 단 하나의 시제품도 혹사시키기 전에 이 모델이 충전 궤적을 예측하고 냉각과 전류의 크기를 정하며 열 한계에 대한 여유를 정량화하는 방법을 보여줍니다.
전기 하위 모델은 등가회로입니다: 옴 저항과 SOC 및 온도 의존 평형 전압과 직렬로 연결된 하나 또는 두 개의 RC 분극 블록. SOC와 온도 격자에서 펄스 시험으로 식별된 매개변수—제17편의 방법—는 조회 면으로 저장되어, 모델이 차가운 셀이 더 큰 저항과 더 높은 전압 피크를 보이는 방식과 따뜻한 셀이 그 반대임을 재현하게 합니다. 결정적으로 매개변수는 온도 의존성을 가지며, 이것이 전기 절반을 열 절반과 결합하는 지점입니다.
단일 RC 모델조차 동적 전압의 대부분을 포착합니다; 두 번째 RC는 긴 펄스와 주어진 전류에서 산소 시작이 언제 일어날지 추정하는 데 관련된 확산 규모 거동을 개선합니다.
열 하위 모델은 제4편의 에너지 균형을 적용합니다: 열 발생은 I-제곱-R 및 분극 열(이제 ECM 저항과 전류에서 계산됨), SOC에 대해 표로 작성된 가역 엔트로피 항, 그리고 산소 시작 무릎 너머로 켜지는 재결합 열의 합입니다. 집중 용량과 환경에 대한 열 저항(또는 팩을 위한 다중 노드 네트워크)이 온도를 전파합니다; 매개변수는 셀 질량, 비열 및 측정된 냉각 곡선에서 나옵니다.
재결합 열을 SOC 제어 항으로 표현하는 것이 NiMH의 핵심 모델링 선택입니다, 왜냐하면 순수 저항 모델이 줄 수 없는 충전 말기 열 굴곡을 재현하기 때문입니다—dT/dt 종료기가 주시하는 바로 그 굴곡.
결합은 양방향으로 작동합니다: 전기 모델의 저항 및 재결합 손실은 열 모델을 열원으로 공급하고, 열 모델의 온도는 ECM 매개변수 면과 충전 수용도/효율 모델로 다시 공급됩니다. 각 시간 단계에서 둘을 함께 푸는 것은 분리된 모델이 놓치는 관찰된 현상을 재현합니다—따뜻한 셀의 수축하는 전압 피크, 가속하는 충전 말기 온도, 그리고 열에 갇힌 셀을 발산하게 하는 양의 피드백.
또한 안정성 여유를 드러냅니다: 충전 프로파일은 제안된 전류에서 결합 시스템의 평형이 절대 온도 한계 아래에 여유를 두고 위치할 때만 열적으로 안전합니다; 열 발생이 냉각이 제거할 수 있는 것보다 온도에 따라 빠르게 증가하면, 모델은 하드웨어를 위험에 빠뜨리기 전에 발산을 예측합니다.
예측 제어기는 모델을 역전시킵니다: 목표 충전 시간과 최대 셀 온도가 주어지면, 모의된 온도, 압력 프록시 및 전압이 한계 내에 유지되는 가장 큰 전류 궤적을 찾습니다—최적 충전 연구가 옹호하는 유형의 모델 기반 다단계 프로파일을 산출합니다(프런티어 그룹에서 개발). 고정된 경감 표와 비교해, 모델 기반 계획은 셀이 차갑고 강할 때 더 빠르게 충전하고 결합 모델이 열 굴곡을 예측할 때 정확하게 물러납니다.
같은 모델은 팩 설계를 지원합니다: 다중 노드 열 네트워크는 가장 뜨거운 내부 셀과 이를 한계 내로 유지하는 데 필요한 기류 또는 전도를 드러내어, 팩 그룹의 열 관리 글에 직접 공급합니다.
식별은 SOC–온도–전류 공간에 걸쳐 제어된 펄스 및 열 시험을 통해 진행되어 ECM 매개변수, 열용량 및 열 저항을 맞추고, 그런 다음 예약된 조건에서 독립적인 완전 충전에 대해 검증합니다—모델은 다른 속도에서 식별된 매개변수에서 보지 못한 0.7C 충전을 예측해야 합니다. 기계 학습 열 모델링 리뷰는 데이터 기반 잔차 보정으로 물리 모델을 점점 보완하지만, 모델이 훈련 데이터 너머로 안전하게 외삽하게 하는 것은 물리 핵심입니다.
첫 번째 그림은 양방향 결합 모델 구조를 도식화하고; 두 번째는 측정 및 예측된 전압/온도 궤적을 비교하며, 모델이 전류를 설정하도록 허용되기 전에 필요한 검증 증거입니다.
유용한 전기-열 모델은 매개변수 면, 산소 시작/재결합 열 게이팅, 각 후보 프로파일에 대한 예측된 최악 온도, 그리고 매개변수 불확실성을 반영하는 신뢰 한계를 제공합니다. 그 한계는 정직합니다: 국소 핫스팟이 아닌 평균 셀 거동을 예측하고, 기체 균형 하위 모델을 추가하지 않으면 압력은 간접적으로 표현됩니다(제3편). 이러한 한계 내에서 사용되면, 급속 충전 설계를 시행착오에서 시뮬레이션 주도 엔지니어링으로 전환합니다.
Weijiang은 매개변수 식별에 필요한 펄스, 열 및 수용도 데이터로 모델 기반 파트너를 지원합니다. 다음 글은 충전 모델에 정말 얼마나 많은 물리적 세부 사항이 필요한지 묻고, 등가회로와 전기화학적 모델링 접근 방식을 비교합니다.
Weijiang Power는 소비자, 산업, 의료 및 모빌리티 고객을 위해 니켈-금속수소화물 셀, 매칭된 팩 및 충전 준비 구성을 설계·제조하며, 충전 프로토콜 안내, IEC 61951-2 성능 파일, IEC 62133-1 안전 증명 및 충전기 공동 검증으로 파트너를 지원합니다. 셀 형식, 충전율, 열 범위 및 사이클 목표를 알려주시면, 당사 엔지니어가 사용 시간과 수명을 모두 보호하는 셀-충전 조합을 지정하겠습니다. 제품 페이지에서 제품군을 확인하십시오.
