A COMPUTATIONAL FLUID DYNAMICS-BASED THERMAL MANAGEMENT MODEL IN BATTERY SWAPPING STATION

E.Y. Yang; Y. Lee; S. Choi

doi:10.6112/kscfe.2024.29.4.257

Preview

Original Article

Journal of Computational Fluids Engineering. 31 December 2024. 257-269
https://doi.org/10.6112/kscfe.2024.29.4.257

A COMPUTATIONAL FLUID DYNAMICS-BASED THERMAL MANAGEMENT MODEL IN BATTERY SWAPPING STATION

배터리 교환형 충전소의 전산유체역학기반 열관리 모형

E.Y. Yang¹

Y. Lee²

S. Choi¹^†

양 은용¹

이 용권²

최 상헌¹^†

¹School of Mechanical Engineering & IEDT, Kyungpook National University

²TARDIS Technology, Inc.

¹경북대학교 기계공학부 및 공학설계연구소

²타디스 테크놀로지(주)

^{*Corresponding Author}

License (open-access, http://creativecommons.org/licenses/by-nc/4.0):

This is an Open-Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (http://creativecommons.org/licenses/by-nc/4.0) which permits unrestricted noncommercial use, distribution, and reproduction in anymedium, provided the original work is properly cited.

ABSTRACT

The demand for electric mobility is rising, but the time it takes to charge batteries remains a concern for users. Rather than reducing the battery charging cost, battery swapping stations(BSS) offer an alternative solution by allowing users to exchange a discharged battery for a fully charged one. For the purpose of thermal management, we develop a computational fluid dynamics(CFD) model, which describe thermal behavior and airflow within the BSS. Heat generation in the batteries was modeled considering Joule heating, and the pressure minor loss at the outlet was estimated using a separate model that provides the same pressure drop due to the fans. The model accuracy was validated with experimental data measured in high-temperature and low-temperature batteries. As a result, in both high- and low- temperature batteries, temporal variations of the CFD model were consistent with experimental results. The proposed CFD model has the potential to provide guidance for improving designs and operating conditions of the BSS, ultimately enhancing thermal management efficiency.

Keywords

Electric mobility

Computational Fluid Dynamics; CFD

Thermal Management System; TMS

Battery charging and discharging

Cooling system

키워드

전동 모빌리티

전산유체역학

열 관리 시스템

배터리 충전 및 방전

냉각 시스템

MAIN

1. 서 론
2. 실험 설정 및 방법
3. 전산유체역학(CFD) 해석을 사용한 수치 모델 구현
3.1 지배방정식
3.2 배터리 및 전력 모듈의 열 발생 모델링
3.3 CFD 해석 조건
3.4 형상, 격자, 경계 및 초기 조건
3.5 출구 경계조건 값 설정을 위한 부차 손실계수(K) 값 예측
3.6 열 물리적 특성 평가
4. 해석결과 및 토의
4.1 시간에 따른 배터리 온도 변화
4.2 속도 분포 분석
5. 결 론

1. 서 론

오늘날 전 세계적으로 온실가스 배출 저감 및 환경오염 방지를 통하여 기후변화 위기를 극복하고자 하는 노력이 증대되고 있다. 이를 위해 유해한 배기가스를 배출하지 않는 전동구동 모빌리티(Electric-powered mobility)가 중요한 교통수단으로 고려되고 있으며, 이의 급격한 확산은 현대 교통 산업의 혁신적 전환을 이끌고 있다[1]. 자동차, 오토바이, 버스 등 다양한 교통수단의 동력 전동화가 진행됨에 따라, 파생되는 배터리 관리와 충전 솔루션의 중요성도 동시에 부각되고 있다. 배터리 충전에 소요되는 시간과 비용은 전동 모빌리티 전환을 가로막는 주요한 요인 중 하나이며, 특히 도심 지역에서 전동 모빌리티의 빠른 보급과 함께 배터리 충전의 신속성 및 효율성은 사용자의 편의성과 전반적인 시스템 효율성을 좌우하는 핵심적인 요소로 평가되고 있다[2]. 이러한 관점에서 교환형 배터리 충전소(Battery Swapping Station, BSS)는 전동 모빌리티의 지속 가능한 운영을 지원하는 중요한 인프라로, 사용자가 직접 배터리를 충전하는 대신, 이미 충전되어 있는 배터리로 교체하는 방식을 취함으로 충전에 소요되는 시간과 에너지를 획기적으로 개선하는 해결하는 방안으로 주목받고 있다. 이 시스템은 특히 택시, 상용 차량 및 공유 전동 모빌리티와 같이 충전 대기 시간이 경제적 손실로 직결되는 환경에서 필수적인 기술로 자리 잡고 있다.

한편 배터리는 내부 저항, 충전 및 방전 과정에서 화학반응 등으로 인해 열축적 현상이 발생하며, 배터리 열관리를 위한 여러 CFD를 활용한 연구가 수행되었다. 우선 Saw 등[3]은 배터리 팩 내부에서 발생하는 열의 양이 매우 크며, 이를 효과적으로 제어하지 않으면 국부적 과열이 발생해 배터리 수명에 부정적인 영향을 미칠 수 있다는 것을 CFD 해석을 통하여 확인하였다. Pack 등[4]의 연구에서는 배터리 팩의 열 균일성을 높이기 위해 공기와 액체 냉각 시스템을 병행하는 방법을 제안하였으나, 이는 설계가 복잡하고 비용이 증가하는 문제가 있었다. Chaudhari 등[5]은 배터리 팩의 온도 분포를 최적화하기 위해 CFD 기법을 활용한 수냉식 냉각 방식을 연구하였다. 해당 연구에서 배터리 셀 간 열적 불균형을 해결하기 위해 직접 냉각 시스템을 제안하였으나, 이 시스템의 냉각 효과는 뛰어난 반면 배터리 팩의 크기와 설계 복잡성을 증가시키는 문제점이 야기되었다. Hasan 등[6]은 배터리 모듈에서의 열전달율을 높이기 위해 CFD 기법을 활용하여 다양한 냉각재의 성능을 비교 분석하였다. 연구는 나노 유체 기반 냉각 시스템이 공기나 전통적인 액체 냉각보다 더 효과적으로 열을 제거할 수 있다고 밝혔으나, 상용화되기에는 비용적인 측면에서 여전히 어려움이 있다. Bukya 등[7]은 배터리 팩 내부의 유동 저항을 줄이기 위하여, 채널 설계를 최적화하였고 실험으로 효과를 검증하였다.

배터리 열관리와 유사하게 BSS 도 배터리 충전 시 발생하는 과도한 열축적을 효과적으로 제어하는 것이 시스템의 성능과 안정성을 유지하는 중요한 요소이다. 최근 개발되고 있는 배터리는 최적의 충전 온도 범위에서 충전이 가능하도록 배터리 열관리 시스템(Battery Thermal Management System, BTMS)을 내재하고 있어 특정 온도 이하 또는 이상이 되면 충전이 되지 않는다[8]. 그러므로 BSS 내부 환경을 이 특정 온도 범위로 유지하는 것이 배터리 충전 성능을 높이고 충전 시간을 단축시키는데 중요한 요소가 될 수 있다. 이러한 배경에서 본 연구의 목적은 실제 운영 환경에 가까운 BSS 구조를 형상화하여 BSS 내부의 유동 및 열적 특성을 예측할 수 있는 수치적 모델을 개발하는 것이다. 또한, 수치 모델의 신뢰성을 확보하기 위해 해석 결과를 실험적 데이터와 비교하여 검증하고자 한다.

2장에서는 BSS 내부의 열 거동을 실험적으로 분석한다. 40ºC 챔버 환경에서 두 개의 다른 온도를 가진 배터리 팩을 삽입하여 시간에 따른 온도 변화를 관찰한다. 3장에서는 실험과 동일한 조건을 구현한 CFD 모델을 소개한다. 출구 형상에 대한 압력손실계수를 결정하기 위해 출구 영역을 별도로 모델링 하여 BSS 출구 형상이 공기유동 특성에 미치는 영향을 모사한다. 4장에서는 CFD 해석 결과를 실험 결과와 비교하여 제시하고 5장에서는 본 연구의 결론을 제시한다.

2. 실험 설정 및 방법

본 연구에서는 실제 BSS에서 발생하는 열 거동을 정량적으로 측정하였다. 실험에 사용되는 배터리는 LG INR21700- M50 배터리 셀 42개로 구성된 이륜차용 배터리 팩으로, 배터리 사양은 Table 1에 나타나 있다[9].

Table 1.

Manufacturer, model, and energy density of the model

Manufacturer and model	Energy density in Wh/kg
LG INR21700-M50	263.0

BSS 시스템은 4층 구조로, 각 층에는 두 개의 슬롯(왼쪽과 오른쪽)으로 구성되어 있으며, 슬롯 하단에는 배터리와 전원 모듈을 냉각하기 위한 팬이 설치되었다. 본 실험에서 사용된 배터리 팩는 각 슬롯에 맞게 설계되었으며, 4층에 고온 배터리(57 ºC)와 저온 배터리(25 ºC) 각각 하나씩 사용하여 온도에 따른 열 거동 변화를 비교하였다. BSS의 형상은 Fig. 1에 나타나 있다.

https://cdn.apub.kr/journalsite/sites/kscfe/2024-029-04/N0500290421/images/jkscfe_2024_294_257_F1.jpg

Fig. 1.

Geometry of BSS

실험은 BSS의 열 거동을 40 ºC 고온 환경에서 평가하기 위해 제작된 온도 제어 챔버에서 수행되었다. 챔버는 내부 공기 온도를 40°C로 유지하여, BSS가 실험 내내 동일한 외기 조건에서 작동하도록 설계되었다. BSS 장치는 2시간 동안 챔버에 두어 초기 온도를 설정한 후, 고온(57°C) 및 저온(25°C) 배터리 팩을 각각 삽입하여 실험을 시작하였다. 먼저 저온 배터리는 충전을 시작하였고, 1시간 후에는 고온배터리도 충전 가능 온도(47°C)에 도달하여 충전이 시작되었다. 충전 절차는 Table 2에 나타나 있다.

Table 2.

Timeline of experimental procedures

Time	Description
0h - 2h	BSS device soaked in a 40°C chamber
2h	Low-temperature and high-temperature batteries inserted
3h	High-temperature battery reaches 47°C, and charging begins

온도 측정을 위해 ±1°C의 분해능을 가진 K-타입 열전대 센서를 사용하였으며, BTMS에 설치된 세 개의 온도 센서의 평균값을 통해 배터리 팩의 실시간 온도 변화 양상을 관찰하였다. 각 센서는 배터리 외벽에서 15 mm 떨어진 서로 다른 세 위치에 설치되어 있어 온도 분포를 정확하게 파악할 수 있도록 하였다. 배터리 내부 온도 센서의 구체적인 위치는 Fig. 2에 나타나 있다.

https://cdn.apub.kr/journalsite/sites/kscfe/2024-029-04/N0500290421/images/jkscfe_2024_294_257_F2.jpg

Fig. 2.

Location of temperature sensors in the battery

Fig. 3a는 BSS에 삽입된 고온 및 저온 배터리 팩의 위치를 나타내며, Fig. 3b는 시간에 따른 각 배터리의 온도변화를 나타낸다. 3장에서 수행할 CFD 해석은 실험 조건과 유사한 환경의 해석을 구현하기 위하여 실험에서 배터리 투입하는 시점과 동일한 해석 조건을 초기조건으로 부여하고 이로부터 1시간 동안 비정상상태 CFD를 수행한다. 57°C 의 고온 배터리는 충전 가능 범위(47°C) 에 도달하기 위하여 냉각이 이루어지고, 25°C의 저온 배터리는 충전과 동시에 발열이 발생하는 것을 해석적으로 관찰한다. 이를 통해 해석 결과와 실험 데이터를 비교하여 CFD 모형의 정확도를 검증한다.

https://cdn.apub.kr/journalsite/sites/kscfe/2024-029-04/N0500290421/images/jkscfe_2024_294_257_F3.jpg

Fig. 3.

(a) Measurement location, (b) temporal variations of batteries

3. 전산유체역학(CFD) 해석을 사용한 수치 모델 구현

실제 BSS 구조를 Computer Aided Design(CAD)파일로 모델링하여 3차원 형상을 구현한다. 유동 및 발열과 관련된 영역을 추출하여 표면 및 체적 격자를 생성하고 BSS 내부의 유동 및 열적 특성을 예측할 수 있는 CFD 해석을 수행한다. 모델링 과정에서 배터리 팩과 전원 모듈에서 발생하는 열을 각각의 배터리 슬롯 하단의 팬을 이용해 공랭식으로 냉각하도록 시스템을 설계하였다. 각 팬에서 발생하는 압력 강하를 39 Pa로 설정하여 CFD 해석에 반영함으로써, 실제 냉각 시스템의 효율성을 평가[10]하였으며, 비압축성 나비에-스토크스(Navier-Stokes) 방정식과 에너지 방정식을 풀어 속도 및 온도장을 도출하였다. 이를 통해 BSS 내의 유동 및 열 분포를 정량적으로 파악하고, CFD 모델의 정확성을 평가하는 데 초점을 맞추었다. CFD 해석은 ANSYS Fluent 2022 R1 소프트웨어를 활용하였다.

3.1 지배방정식

비압축성 유동을 가정하였으며 아래의 연속 방정식, 운동량 보존 방정식, 에너지 보존 방정식을 통하여 속도 및 온도장을 획득하였다.

(1-a)

\nabla ∙ \vec{u} = 0,

(1-b)

\frac{\partial (ρ \vec{u})}{\partial t} + \nabla ∙ (ρ \vec{u u}) = - \nabla P + \nabla ∙ [μ (\nabla \vec{u} + \nabla {\vec{u}}^{T})] + ρ \vec{g},

(1-c)

\frac{\partial (ρ c_{p} T)}{\partial t} + \nabla ∙ (ρ c_{p} T \vec{u}) = \nabla ∙ (k \nabla T) + \dot{q},

여기서, $\vec{u}$ 는 속도 벡터, ρ는 유체 밀도, P는 압력, μ는 절대점성계수, $\vec{g}$ 는 중력가속도 벡터, T는 온도, c_p 는 정압 비열, k는 열전도도, $\dot{q}$ 는 내부 열 발생을 나타낸다.

3.2 배터리 및 전력 모듈의 열 발생 모델링

배터리 팩 내부에서 발생하는 열은 내부 저항에 의한 줄열과 가역적으로 발생하는 열(엔트로피 열)로 다음과 같이 구분된다[11]:

(2-a)

{\dot{q}}_{joule} = N \frac{I^{2} R}{V_{pack}},

(2-b)

{\dot{q}}_{entropy} = - \frac{T I}{V_{pack}} (\frac{d V_{O C}}{d T}),

여기서, N은 배터리 셀의 수, I는 전류, R은 내부 저항, V_pack은 배터리 팩의 체적, V_OC는 개방 회로 전압이다. 또한, $\frac{d V_{O C}}{d T}$ 는 온도에 따른 개방 회로 전압의 변화율을 나타내며, 이는 배터리의 엔트로피 변화와 직접적으로 연관된다. 엔트로피 변화열은 줄열에 비해 매우 작다고 가정하여 줄열만 배터리 발열[12]로 설정 하였으며, 배터리 팩의 줄열과 더불어 전력 모듈에서 발생하는 열은 손실된 전력이 모두 열로 변환[13]되는 것으로 가정하였다.

3.3 CFD 해석 조건

본 연구에서는 상용 CFD 소프트웨어인 ANSYS Fluent를 사용하여 BSS 내부의 열 거동을 분석하였다. 유동 해석자는 압력 기반 방식을 적용하였으며, 난류 모형은 Shear Stress Transport(SST) k-ω 모델을 적용하였다 [14]:

(3-a)

\frac{\partial}{\partial t} (ρ k) + \frac{\partial}{\partial x_{i}} (ρ k u_{i}) = \frac{\partial}{\partial x_{j}} (Γ_{k} \frac{\partial k}{\partial x_{j}}) + G_{k} - Y_{k} + S_{k},

(3-b)

\frac{\partial}{\partial t} (ρ ω) + \frac{\partial}{\partial x_{i}} (ρ ω u_{i}) = \frac{\partial}{\partial x_{j}} (Γ_{ω} \frac{\partial ω}{\partial x_{j}}) + G_{ω} - Y_{ω} + D_{ω} + S_{ω},

여기서 Г_k와 Г_ω는 각각 난류 운동에너지 k와 난류 생성률 ω에 대한 유효 확산 계수이며, G_k는 k 생성 항, G_ω는 ω 생성 항이다. Y_k와 Y_ω 는 각각 k와 ω의 소산 항, D_ω는 교차 확산 항이며, S_k와 S_ω는 사용자 지정 소스 항을 나타낸다. SST k-ω모델에서 교차 확산 항 D_ω는 두 모델 간 결합의 중요한 역할을 하며, 다음과 같이 정의된다.

(4)

D_{ω} = 2 (1 - F_{1}) ρ σ_{ω, 2} \frac{1}{ω} \frac{\partial k}{\partial x_{j}} \frac{\partial ω}{\partial x_{j}}

여기서, F₁은 혼합 함수로서 벽 근처에서의 안정적 유동 해석이 가능하도록 설정된 파라미터이다. 벽 근처 유동에서 k-ω 모델을, 자유 전단 유동에서는 k-ε모델로 적용하도록 한다. 혼합 함수 F₁은 다음과 같이 정의된다.

(5)

F_{1} = \tanh (\arg_{1}^{4})

여기서, arg₁은 k-ω모델을 벽 근처에서 안정적으로 적용하기 위한 물성치로 정의되며 아래와 같이 표현된다.

(6)

\arg_{1} = \min [\max (\frac{\sqrt{k}}{0.09 ω y}, \frac{500 μ}{ρ y^{2} ω}), \frac{4 ρ k}{ρ_{ω, 2} D_{ω}^{+} y^{2}}]

본 연구에서는 모델상수 a₁, β_i,1, β_i,2 그리고 프란틀 수 σ_k,1, σ_ω,1, σ_k,2, σ_ω,2는 각각 0.31, 0.075, 0.0828, 1.176, 2.0, 1.0, 1.168으로 설정되었다. 이 상수들은 각 항이 시스템 내 난류와 벽면에서의 유동을 적절히 표현하도록 조정된 값이다.

(7)

v_{t} = \frac{a_{1} k}{\max (a_{1} ω, S F_{2})}

난류 점성 계수는 위 식에 의하여 정의되며, 여기서 S는 전단 변형률, F₂는 두 모델 간의 전환을 위한 보조 혼합 함수이다. 위 난류 지배 방정식을 구성하는 내용은 참고문헌[15]에서 자세히 확인 할 수 있다.

해석에서는 과도 상태 해석자를 사용하여 시간이 지남에 따른 유동 및 온도 변화를 관찰하였다. 운동량 및 에너지 방정식에는 2차 정확도 방식을 적용하였으며, 압력-속도 결합은 Coupled 알고리즘으로 처리하였다. 배터리와 전원 모듈의 열 생성은 일정한 값으로 정의되어 각 셀에 소스로 입력되었다.

3.4 형상, 격자, 경계 및 초기 조건

Fig. 4는 CFD를 위해 생성한 BSS 개략도와 격자가 나타나 있다. BSS 내부 구조는 배터리 팩, 전원 모듈, 팩이 삽입되는 슬롯, 그리고 팬을 포함하여 모델링하였다. 경계면의 복잡한 유동 특성을 적절히 모사하기 위해 로컬 메싱(local meshing) 기법을 사용하였으며, 배터리와 입출구 주변에서 높은 밀도의 격자를 적용하였다. 총 360만 개의 셀로 구성된 격자 구조를 사용했으며, 해석은 Intel Xeon Gold 6140 CPU의 36개 코어를 사용하여 약 3일 동안 실행하여 수렴된 해를 얻었다.

https://cdn.apub.kr/journalsite/sites/kscfe/2024-029-04/N0500290421/images/jkscfe_2024_294_257_F4.jpg

Fig. 4.

(a) Schematic of BSS (b) Zoom-in of meshes

근벽 격자(y⁺) 설정은 SST k-ω모델의 자동 근벽 처리 방식을 사용하여 수렴성에 영향을 미치지 않도록 하였다. 초기에는 벽면에서 y⁺ 값을 고려하여 첫 번째 레이어를 2 mm로 설정하였으나, 왜곡 및 수렴성 문제로 인해 현재 형상에서는 추가 근벽 레이어를 적용되지 않았다. 자동 근벽 처리 방식은 y⁺ 값에 따라 낮은 레이놀즈 벽 처리와 벽 함수 방식을 자동으로 전환하며, 현재 형상에서 배터리 슬롯, 배터리 및 전원 모듈 등의 주요 벽면에서 최대 y⁺ 값은 약 29.2로 나타났다. 본 해석에 적용된 경계 조건은 Table 3에 나타나 있다.

Table 3.

Boundary conditions

Boundary conditions
Solid surface	No slip condition
Domain boundary temperature	40°C
Inlet	Velocity-inlet
Outlet	Outlet-vent
Fan	Fan condition(P_jump = 39 Pa)

모든 고체 표면에는 비점착 조건을 적용하였다. 도메인 경계 온도는 40°C로 설정되었으며, 출구는 실제로는 배기 팬을 통해 공기가 배출되나 수렴성을 고려하여 출구-벤트 조건을 부여하였다. 내부에 설치된 각 팬은 실제 팬 제품의 스펙을 반영하여 39 Pa의 압력강하 조건을 부여하였다. 입구에는 출구-벤트의 유량을 고려하여 균일 속도 조건을 부여하였다.

3.5 출구 경계조건 값 설정을 위한 부차 손실계수(K) 값 예측

형상의 복잡성으로 인해 출구에 팬조건을 직접 부여할 경우 해석의 수렴성이 좋지 않아 대안으로 출구에 팬 조건 대신 출구-벤트 조건을 부여하였다. 이 경우 팬에서 야기되는 압력강하에 상응하는 부차손실을 고려하여 경계조건에 부여하는 것이 요구된다[16].

(8)

K = Δ P \frac{2}{ρ} {(\frac{1}{V_{out}})}^{2},

여기서, K는 부차 손실계수, ∆P는 압력강하(Pa), V_out은 출구에서의 유속을 나타낸다.

BSS 출구 일부 형상에 대하여 팬에 압력 경계 조건을 부여한 경우( Case 1)과 팬의 영향을 출구에 배기구 조건으로 설정한 경우(Case 2)의 형상을 Fig. 5와 같이 모델링하였다. Case 2에서는 출구의 부차 손실 계수 K 값을 변경하여 두 형상의 출구 속도가 일정하게 유지되는 조건을 찾고, 이를 통해 두 해석의 출구 속도가 같아 질량 보존 법칙을 충족함으로써 동일한 현상으로 간주한다. 현재 해석에서 Case 2의 출구 부차 손실 계수 𝐾값을 0.5에서 1.0까지 0.1 간격으로 조정하여 두 형상의 출구 속도가 일치하는 부차 손실 계수 K 값을 Fig. 6에서 도출하였다[17].

https://cdn.apub.kr/journalsite/sites/kscfe/2024-029-04/N0500290421/images/jkscfe_2024_294_257_F5.jpg

Fig. 5.

Geometry and boundary conditions

https://cdn.apub.kr/journalsite/sites/kscfe/2024-029-04/N0500290421/images/jkscfe_2024_294_257_F6.jpg

Fig. 6.

Outlet velocity based on loss coefficient(K)

Case 1에서는 출구 유속이 5.86 m/s, 위아래 각각의 팬에서는 5.70 m/s, 5.74 m/s 속도로 나타났다. Case 1과 Case 2에서 출구 유속을 비교한 결과, Case 2에서는 K=0.8일 때 5.87 m/s로 나타났다(오차율 0.17%). 따라서 BSS 출구 경계 조건에는 손실계수 0.8의 K 값 을 적용하였다. K=0.8에서의 출구 속도를 참고하여 식 (5)을 통해 균일한 입구 유속 3.18 m/s를 획득하였다.

(9)

V_{in} = V_{out} (\frac{A_{out}}{A_{in}}),

3.6 열 물리적 특성 평가

해석에서 공기의 열 물리적 특성은 상온 대기압의 공기 특성 데이터를 사용하였으며, 배터리 팩 및 전원 모듈의 밀도는 균일하다고 가정하였다. 해석 초기온도 및 발열량은 Table 4에 나타내었다.

Table 4.

Initial temperature and heat generation of battery and power module

	Battery 1	Battery 2	Module 1	Module 2
Initial temperature [ºC]	25	57	43	44
Heat generation [ $W / m^{3}$ ]	2090	-	9323	-

해석에서 사용되는 유체는 상온 공기로, 고체는 강철로 가정되었다. 실험 환경에 맞춰 유입 및 주변 온도 40ºC의 공기의 물성치를 적용한 해석 결과, 기존 상온 공기 물성치를 사용한 결과와 비교했을 때 고온 배터리 및 저온 배터리 온도 변화의 최대 오차는 각각 0.169%와 0.086%로 나타나, 상온 공기 가정이 본 연구에서 유효함을 확인하였다. 이러한 분석을 통해 본 연구에서는 상온 공기 물성치를 적용하여 해석을 진행하였다. 공기 및 강철에 대한 재료 물성치는 Table 5에 나타내었으며, ANSYS Fluent의 내장된 수치를 사용하였다. BSS 외곽 Case의 고체면은 1-D 방식의 경계조건을 적용하였다.

Table 5.

Properties of air and steel

Property	Air	Steel
Density(ρ)	1.225 kg/m³	7,850 kg/m³
Specific heat(C_p)	1005 J/kg·K	500 J/kg·K
Thermal conductivity(k)	0.0257 W/m·K	60.5 W/m·K
Dynamic viscosity(μ)	1.7894e-5 Pa·s	-

4. 해석결과 및 토의

본 연구의 CFD 해석 결과는 고온 배터리의 투입 및 저온 배터리의 충전 시작인 2시간 시점부터 1시간 동안 측정한 실험데이터와 비교 분석하였다. 주요 분석 항목은 각 층에서 공기 흐름 속도 분포와 배터리 온도 변화이다.

4.1 시간에 따른 배터리 온도 변화

실험에서 2시간이 지난 배터리 투입 시점부터 고온 배터리의 충전 시작 시점까지 1시간 동안 비정상 상태 CFD 해석을 수행하였다. 저온 배터리와 고온 배터리가 위치한 4층에서 배터리 온도 변화를 해석결과는 실선으로 실험 데이터는 심볼로 표현하고, 점선으로 스플라인 보간하여 Fig. 7에 나타내었다. Fig. 7a는 충전이 시작되기 전 고온(57 ºC) 배터리 팩의 결과로 해석 초기부터 1시간에 걸쳐 빠르게 온도가 감소하는 것을 보여준다. CFD 해석 결과와 실험 결과 모두 배터리 투입 후 1시간 동안 경과 시점에서 최저 온도에 도달하였으며, 이 시점에서 최대 오차율은 0.59%로 낮은 값을 보였다. Fig. 7b는 충전이 진행되고 있는 저온(25 ºC) 배터리 팩의 결과를 실험 결과와 비교하여 나타낸다. 저온 배터리의 경우 배터리 충전로 인한 발열과 주변 온도차에 의한 열전달로 인해 시간에 따라 서서히 온도가 상승하는 것을 관찰할 수 있다. CFD 해석 결과와 실험 결과를 비교하였을 때, 배터리 팩 투입 후 20분이 경과한 시점에서 최대 오차율 5.94%를 갖는 것을 확인하였다.

https://cdn.apub.kr/journalsite/sites/kscfe/2024-029-04/N0500290421/images/jkscfe_2024_294_257_F7.jpg

Fig. 7.

Temporal changes of battery with (a) high temperature and (b) low temperature from simulation results

고온 배터리와 달리 저온 배터리에서 나타난 5.94%의 비교적 큰 오차는 단순하게 설계된 배터리 발열 설정으로 부터 기인한 것으로 추측된다. 고온 배터리는 충전이 시작되기 이전 시점이므로 충전으로 인한 발열 효과를 무시할 수 있으나, 저온 배터리는 충전이 진행 중이므로 충전 발열 모델이 해석 결과 정확도에 민감하게 작용될 수 있다. 즉 현재 CFD 해석은 줄열을 통해 배터리 내부 저항에 의한 발열을 단순하게 고려하였으나, 전기화학 반응 특성과 그로 인한 열 생성을 모사할 수 있는 다물리 해석이 수행될 필요가 있다. 실제로 충전 초기에는 더 많은 열이 발생할 수 있고, 발열량은 배터리 충전 상태에 따라 가변적일 수 있다[18].

4.2 속도 분포 분석

Fig. 8의 각 측(1~4층)에 대한 속도 분포는 BSS 입구에서 유입된 공기가 각 층의 배터리 슬롯 벽을 따라 전달되는 과정을 가시화하고 있다. 1층에서는 공기 흐름이 비교적 균일하게 유입되지만, 층이 올라갈수록 아래층의 영향을 받아 공기 속도와 패턴에 변화가 관찰되었다. 2층과 3층에서 입구로 들어오는 공기의 흐름은 아래에서 상승하는 유동에 영향을 받아 점점 복잡해지는 경향이 있으며, 특히 4층에서 가장 복잡하고 강한 유동이 관찰되었다. 4층의 빠르고 복잡한 공기 유동은 아래 층에서 상승된 유동과 4층 입구의 유동이 만나는 것과, 4층 배터리 슬롯 아래의 냉각을 위해 작동 중인 팬의 영향으로 기인한다. Fig. 9에서도 볼 수 있듯이, 이러한 난류 발생은 공기 흐름의 혼합을 증가시키고 결과적으로 냉각 성능을 향상시키는 중요한 요소이다.

https://cdn.apub.kr/journalsite/sites/kscfe/2024-029-04/N0500290421/images/jkscfe_2024_294_257_F8.jpg

Fig. 8.

Velocity distribution across each layer((a)1^st layer (b)2^nd layer (c)3^rd layer (d)4^th layer)

https://cdn.apub.kr/journalsite/sites/kscfe/2024-029-04/N0500290421/images/jkscfe_2024_294_257_F9.jpg

Fig. 9.

Turbulent kinetic energy(TKE) distribution(y=0.263 m)

5. 결 론

본 연구는 정제된 실험 조건에서 획득된 실험 데이터와 실험과 동일한 조건에서 수행된 해석을 통하여 CFD 모형을 검증하였다. 저온 배터리는 투입 즉시 충전이 시작되었으며, 고온 배터리는 충전이 가능한 온도까지 냉각되는 과정을 관찰하였다. 배터리 충전으로 인한 발열이 고려되지 않은 고온 배터리는 비교적 정확히 예측되었으나, 충전이 수반된 저온 배터리의 온도 분포는 약 5.94%의 오차를 가지는 것을 확인하였다. 이는 단순화된 배터리 발열 설정에서 기인한 것으로 추측된다. 현재 해석은 배터리 내부 저항에 의한 발열만을 고려하여 줄열을 상수로 설정하였으나, 배터리의 충전 상태(SOC)에 따른 발열량을 정밀하게 반영하지 않았다. 향후 연구에서 엔트로피 발열을 포함한 배터리 발열량 수치를 정밀하게 개선하여 CFD 해석의 정확성을 높일 필요가 있다.

유동분포 관점에서 4층에서 가장 강한 속도가 관찰되었는데, 이는 하단부에서 상승된 유동과 4층 입구에서의 유동이 만나는 것과, 4층 배터리 슬롯 하단부의 팬 작동의 영향으로 기인한다. 팬으로 인한 강한 속도와 난류 특성은 해당 층에 냉각 성능을 높이는 중요한 요소이다. 한편 내부 형상에 복잡성으로 인해 팬의 강제대류 효과는 상대적으로 미미한 것으로 관찰되어 추후 연구에서 부력 모델을 고려하여 자연대류 효과를 평가할 필요가 있다.

이 연구를 바탕으로, 향후 연구에서는 실제 BSS 성능을 다각도로 평가하기 위해 복사 조건을 고려한 고온 환경 분석이 필요하고, 겨울철과 같은 저온 환경에서의 성능 검토도 필요하다. 결론적으로, 본 연구에서 개발된 CFD 모형은 BSS의 설계와 운영에 있어 유용한 가이드라인을 제공할 수 있으며, 실험을 대체하여 다양한 조건에서 BSS 성능을 평가할 수 있는 디지털 트윈 모델로 활용할 수 있다.

Acknowledgements

본 연구는 산업통상자원부와 한국산업기술진흥원의 “지역혁신클러스터육성(R&D, P0025441)” 사업의 지원을 받아 수행된 연구 결과임.

References

2022, Xiang, K. and Koo, S., "A Convergence Study on the Near Future Design Direction of Electric Mobility-focused on usability by Vehicle-", The Korean Society of Science & Art, Vol.40, pp.393-404.

10.17548/ksaf.2022.01.30.393

2022, Joo, Y.H., "Current Status and Key Issues of Mobility Services," J. Korean Inst. Commun. Inf. Sci., Vol.39, pp.26-35.

2016, Saw, L.H., Ye, Y., Tay, A.A., Chong, W.T., Kuan, S.H. and Yew, M.C., "Computational fluid dynamic and thermal analysis of Lithium-ion battery pack with air cooling," Appl. Energy, Vol.177, pp.783-792.

10.1016/j.apenergy.2016.05.122

2023, Park, S., Yu, J.K., Lee, H. and Choi, H.K., "Flow study on lithium-ion battery pack with air cooling," J. Mech. Sci. Technol., Vol.37, pp.4631-4638.

10.1007/s12206-023-0818-6

2024, Chaudhari, J., Singh, G.K., Rathod, M.K. and Ali, H.M., "Experimental and computational analysis on lithium- ion battery thermal management system utilizing air cooling with radial fins," J. Therm. Anal. Calorim., Vol.149, pp.203-218.

10.1007/s10973-023-12698-w

2023, Hasan, H.A., Togun, H., Abed, A.M., Qasem, N.A., Mohammed, H.I., Abderrahmane, A., Guedri, K. and Tag-Eldin, E.S.M., "Efficient Cooling System for Lithium-Ion Battery Cells by Using Different Concentrations of Nanoparticles of SiO₂-Water: A Numerical Investigation," Symmetry, Vol.15, p.640.

10.3390/sym15030640

2024, Bukya, M., Kumar, R., Mathur, A., Bandhu, D. and Suryaprakash Reddy, V., "Thermo-electric modeling and analysis of lithium-ion battery pack for E-mobility," Int. J. Interact. Des. Manuf., (IJIDeM), pp.1-15.

2024, Bhatnagar, P., Mittal, G., Bisht, V. and Saxena, A., "CFD modelling of an air cooling battery thermal management system," AIP Conference Proceedings, AIP Publishing.

2020, Popp, H., Zhang, N., Jahn, M., Arrinda, M., Ritz, S., Faber, M., ... and Cendoya, I., "Ante-mortem analysis, electrical, thermal, and ageing testing of state-of-the-art cylindrical lithium-ion cells," Elektrotech. Informationstechnik, Vol.137, No.4, pp.169-176.

10.1007/s00502-020-00814-9

2021, Bokam, B.S.S., Reddy, C.S. and Ravi, K., "Thermal Modelling of Battery Pack of an Electric Vehicle using Computational Fluid Dynamics", ARAI J. Mobi. Tech., Vol.1, pp.61-68.

10.37285/ajmt.1.0.8

2017, Gümüşsu, E., Ekici, Ö. and Köksal, M., "3-D CFD modeling and experimental testing of thermal behavior of a Li-Ion battery," Appl. Therm. Eng., Vol.120, pp.484-495.

10.1016/j.applthermaleng.2017.04.017

2014, He, F., Li, X. and Ma, L., "Combined experimental and numerical study of thermal management of battery module consisting of multiple Li-ion cells," Int. J. Heat Mass Transf., Vol.72, pp.622-629.

10.1016/j.ijheatmasstransfer.2014.01.038

2015, Baloch, A.A., Bahaidarah, H.M., Gandhidasan, P. and Al-Sulaiman, F.A., "Experimental and numerical performance analysis of a converging channel heat exchanger for PV cooling," Energy Convers. Manag., Vol.103, pp.14-27.

10.1016/j.enconman.2015.06.018

2021, Kummitha, O.R., Kumar, R.V. and Krishna, V.M., "CFD analysis for airflow distribution of a conventional building plan for different wind directions," J. Comput. Des. Eng., Vol.8, No.2, pp.559-569.

10.1093/jcde/qwaa095

2009, AFS ENEA, "ANSYS Fluent 12.0 Theory Guide - Turbulence Modeling, 4.5.2 SST k-ω Model," ANSYS Fluent Documentation, Available at: https://www.afs.enea.it/project/neptunius/docs/fluent/html/th/node67.htm (Accessed on 2024-11-13).

2004, Karava, P., Stathopoulos, T. and Athienitis, A., "Wind driven flow through openings-a review of discharge coefficients," Int. J. Vent., Vol.3, pp.255-266.

10.1080/14733315.2004.11683920

2017, Kim, K. and Ha, T.W., "CFD Analysis of Leakage Prediction for Brush Element," The KSFM Journal of Fluid Machinery, Vol.20, pp.11-16.

10.5293/kfma.2017.20.2.011

2014, Liu, G., Ouyang, M., Lu, L., Li, J. and Han, X., "Analysis of the heat generation of lithium-ion battery during charging and discharging considering different influencing factors," J. Therm. Anal. Calorim., Vol.116, pp. 1001-1010.

10.1007/s10973-013-3599-9

Journal of Computational Fluids Engineering ISSN:1598-6071(Print) 3022-6252(Online) 한국전산유체공학회지

Preview

A COMPUTATIONAL FLUID DYNAMICS-BASED THERMAL MANAGEMENT MODEL IN BATTERY SWAPPING STATION

ABSTRACT

MAIN

Table 1.

Manufacturer, model, and energy density of the model

Fig. 1.

Geometry of BSS

Table 2.

Timeline of experimental procedures

Fig. 2.

Location of temperature sensors in the battery

Fig. 3.

(a) Measurement location, (b) temporal variations of batteries

(1-a)

(1-b)

(1-c)

(2-a)

(2-b)

(3-a)

(3-b)

(4)

(5)

(6)

(7)

Fig. 4.

(a) Schematic of BSS (b) Zoom-in of meshes

Table 3.

Boundary conditions

(8)

Fig. 5.

Geometry and boundary conditions

Fig. 6.

Outlet velocity based on loss coefficient(K)

(9)

Table 4.

Initial temperature and heat generation of battery and power module

Table 5.

Properties of air and steel

Fig. 7.

Temporal changes of battery with (a) high temperature and (b) low temperature from simulation results

Fig. 8.

Velocity distribution across each layer((a)1st layer (b)2nd layer (c)3rd layer (d)4th layer)

Fig. 9.

Turbulent kinetic energy(TKE) distribution(y=0.263 m)

Acknowledgements

References

Velocity distribution across each layer((a)1^st layer (b)2^nd layer (c)3^rd layer (d)4^th layer)