Advances and challenges in thermal runaway modeling of lithium-ion batteries

热失控 多物理 可扩展性 计算机科学 多尺度建模 系统工程 建模与仿真 风险分析(工程) 模拟 物理 工程类 电池(电) 有限元法 生物信息学 生物 数据库 医学 功率(物理) 结构工程 量子力学
作者
Gongquan Wang,Ping Ping,Depeng Kong,Rongqi Peng,Xu He,Yue Zhang,Xinyi Dai,Jennifer Wen
出处
期刊:The Innovation [Elsevier]
卷期号:5 (4): 100624-100624 被引量:8
标识
DOI:10.1016/j.xinn.2024.100624
摘要

The broader application of lithium-ion batteries (LIBs) is constrained by safety concerns arising from thermal runaway (TR). Accurate prediction of TR is essential to comprehend its underlying mechanisms, expedite battery design, and enhance safety protocols, thereby significantly promoting the safer use of LIBs. The complex, nonlinear nature of LIB systems presents substantial challenges in TR modeling, stemming from the need to address multiscale simulations, multiphysics coupling, and computing efficiency issues. This paper provides an extensive review and outlook on TR modeling technologies, focusing on recent advances, current challenges, and potential future directions. We begin with an overview of the evolutionary processes and underlying mechanisms of TR from multiscale perspectives, laying the foundation for TR modeling. Following a comprehensive understanding of TR phenomena and mechanisms, we introduce a multiphysics coupling model framework to encapsulate these aspects. Within this framework, we detail four fundamental physics modeling approaches: thermal, electrical, mechanical, and fluid dynamic models, highlighting the primary challenges in developing and integrating these models. To address the intrinsic trade-off between computational accuracy and efficiency, we discuss several promising modeling strategies to accelerate TR simulations and explore the role of AI in advancing next-generation TR models. Last, we discuss challenges related to data availability, model scalability, and safety standards and regulations.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
似是而非应助南方采纳,获得10
刚刚
2秒前
luli完成签到 ,获得积分10
3秒前
hh完成签到 ,获得积分10
3秒前
6秒前
7秒前
似是而非应助梦将军采纳,获得10
7秒前
椰奶椰奶发布了新的文献求助10
7秒前
Ukuleleen完成签到,获得积分10
8秒前
8秒前
8秒前
125ljw发布了新的文献求助10
9秒前
果冻麻薯牛奶布丁完成签到,获得积分10
10秒前
10秒前
10秒前
Kuseite完成签到,获得积分10
12秒前
ks驳回了乐乐应助
12秒前
12秒前
13秒前
zcj发布了新的文献求助20
13秒前
14秒前
炒饭发布了新的文献求助10
16秒前
16秒前
英俊若灵发布了新的文献求助10
16秒前
JENDEUKI完成签到,获得积分10
17秒前
cckm完成签到,获得积分20
17秒前
龙眼肉发布了新的文献求助10
18秒前
香蕉觅云应助Ting采纳,获得10
18秒前
ppg123应助125ljw采纳,获得10
18秒前
愉快问枫应助125ljw采纳,获得10
18秒前
acutelily发布了新的文献求助10
19秒前
今后应助甜甜的夜南采纳,获得10
20秒前
斯文墨镜完成签到,获得积分10
20秒前
炒饭完成签到,获得积分10
20秒前
21秒前
21秒前
ludong_0完成签到,获得积分20
22秒前
22秒前
桃宝儿完成签到,获得积分10
22秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Very-high-order BVD Schemes Using β-variable THINC Method 890
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
美国体育史 600
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3259528
求助须知:如何正确求助?哪些是违规求助? 2901148
关于积分的说明 8314112
捐赠科研通 2570492
什么是DOI,文献DOI怎么找? 1396557
科研通“疑难数据库(出版商)”最低求助积分说明 653554
邀请新用户注册赠送积分活动 631633