Tugas Besar Komputasi Teknik-Rizki Aldi Anggara-2606831100

بِسْمِ ٱللَّٰهِ ٱلرَّحْمَٰنِ ٱلرَّحِيمِ

Studi Numerik Sistem Manajemen Termal Baterai: Bionic Mini-Channel Cold Plate

Rizki Aldi Anggara
Program Studi Teknik Mesin, Fakultas Teknik, Universitas Indonesia, Kampus UI, Depok, Jawa Barat, 16424, Indonesia

ABSTRAK

Transisi menuju electric vehicles di wilayah tropis menuntut fokus yang kuat pada pengembangan teknologi baterai. Kondisi lingkungan yang ekstrem mengharuskan adanya sistem manajemen termal yang andal untuk mencegah degradasi termal dan menjamin keamanan operasional. Oleh karena itu penelitian ini mengusulkan desain bionic mini-channel cold plate dengan konfigurasi roots-based. Pendekatan numerik dalam studi ini diatur secara komprehensif berlandaskan kerangka kerja DAI5. Model heat generation pada baterai diatur pada kondisi operasional discharge rate sebesar 5 C. Performa manajemen termal roots-based dievaluasi dan dibandingkan dengan konfigurasi straight-based konvensional pada berbagai variasi Reynolds number. Hasil simulasi menunjukkan bahwa konfigurasi struktur roots-based dengan lima channel memberikan performa disipasi kalor yang lebih unggul karena mampu memperluas area kontak efektif. Desain ini berhasil menekan suhu maksimum baterai hingga 34.65 °C dan menjaga homogenitas temperatur dengan selisih suhu sebesar 4.2 °C. Sebaliknya konfigurasi straight-based channel hanya mampu menekan suhu maksimum hingga 35.08 °C dan selisih suhu sebesar 4.56 °C. Di sisi lain, konfigurasi roots-based menghasilkan resistansi aliran yang lebih tinggi sehingga memicu pressure drop mencapai 2000 Pa yang berujung pada penurunan rasio j/f. Meskipun demikian kondisi tersebut merupakan trade-off desain yang rasional untuk memastikan keselamatan termal baterai secara keseluruhan,

DEKLARASI PENULIS

1. Deep awareness of I

Sebagai penulis saya menyadari sepenuhnya bahwa perancangan battery thermal management system bukan sekadar proses rekayasa komputasi melainkan sebuah upaya sadar untuk memahami dan mengaplikasikan hukum termodinamika serta dinamika fluida dan menjadi ketetapan oleh Tuhan Yang Maha Esa. Kesadaran ini menumbuhkan integritas akademik dan tanggung jawab etis dalam proses komputasi teknik. Oleh karena itu penulis berkomitmen untuk menyajikan hasil evaluasi termal secara objektif dan transparan guna mencegah risiko thermal runaway pada sel baterai. Hal ini didasari oleh pemahaman mendalam bahwa setiap keputusan teknis dalam desain sistem pendingin ini berdampak langsung pada jaminan keselamatan nyawa pengguna electric vehicles.

2. Intention of the project activity

Kegiatan proyek ini diniatkan untuk merancang dan mengevaluasi efektivitas bionic liquid cooling mini-channel cold plate dengan struktur roots-based sebagai solusi komprehensif dalam mengatasi akumulasi kalor ekstrem pada baterai. Niat utama riset ini adalah menghadirkan teknologi manajemen termal yang andal khususnya untuk merespons tantangan kondisi lingkungan iklim tropis dan beban operasional pada discharge rate tinggi. Selain berfokus pada efisiensi disipasi kalor luaran dari penelitian ini juga diniatkan untuk berkontribusi pada pengembangan teknologi konversi energi yang berkelanjutan serta memegang teguh prinsip keselamatan desain keteknikan.

1. PENDAHULUAN

Sektor transportasi berkontribusi secara signifikan terhadap emisi gas rumah kaca global dimana Indonesia menyumbang sekitar 53% dari total emisi nasionalnya [1-4]. Transisi menuju electric vehicles (EV) menjadi solusi strategis untuk mencapai target dekarbonisasi [5-7]. Secara umum EV didukung oleh baterai Lithium-ion (Li-ion)karena kepadatan energinya yang tinggi, siklus hidup yang panjang, dan self-discharge rate yang rendah [8, 9]. Meskipun demikian, tingkat adopsi sistem penyimpanan energi di Indonesia masih tergolong rendah yang terutama disebabkan oleh kekhawatiran terkait keamanan teknologi tersebut. Baterai Li-ion sangat sensitif terhadap suhu operasi sehingga memiliki potensi tinggi untuk self-heating yang dapat memicu electrical abuse dan thermal runaway [10]. Sebagai negara beriklim tropis, Indonesia secara langsung memperburuk kerentanan termal ini. Baterai Li-ion beroperasi secara optimal dalam rentang suhu sempit yaitu 25 °C hingga 40 °C dengan toleransi variasi suhu tidak lebih dari 3 °C hingga 5 °C[11-13].

Lebih lanjut, sebagian besar pusat populasi dan ekonomi di Indonesia terletak di daerah pesisir dan dataran rendah dengan iklim hutan hujan tropis dan monsun tropis dimana suhu lingkungan rata-rata tercatat berada pada kisaran 30 °C hingga 33 °C[14]. Akibat suhu lingkungan yang tinggi, baterai di iklim tropis mengalami tegangan termal yang jauh lebih tinggi dan sangat rentan terhadap akumulasi kalor ekstrem selama pengoperasian. Oleh karena itu pengembangan battery thermal management system (BTMS) yang dirancang khusus untuk beradaptasi dengan lingkungan tropis sangat dibutuhkan guna memastikan keselamatan dan mempercepat adopsi EV di wilayah tersebut.

BTMS dapat diklasifikasikan menjadi tiga jenis medium pendingin yang meliputi water-based liquid-based dan phase change material-based [15]. Di antara ketiga tipe tersebut, pendingin liquid-based merupakan metode yang paling banyak dikembangkan karena keunggulannya dalam mengurangi kalor dengan kapasitas tinggi [16-18]. Pendingin liquid-based umumnya diintegrasikan dengan cold plate untuk memaksimalkan proses perpindahan kalor dari baterai [19]. Konsekuensinya struktur geometris dari saluran yang terbentuk pada cold plate memainkan peran krusial dalam memastikan efektivitas manajemen termal. Monika et al. secara komprehensif meneliti karakteristik straight mini-channel cold plate dengan menyelidiki berbagai aspek, meliputi lebar saluran, jumlah saluran, jenis fluida kerja, laju aliran, suhu fluida kerja, suhu lingkungan, dan discharge rate [20]. Terkait faktor geometris pemilihan lebar dan jumlah saluran memainkan peran penting dalam memengaruhi pressure drop yang dihasilkan. Meskipun straight mini-channel cold plate efektif mempertahankan suhu baterai antara 25 °C dan 40 °C terdapat kebutuhan krusial untuk mempertimbangkan kompensasi konsumsi daya.

Untuk mengatasi keterbatasan desain tersebut Zhang et al. [21] memodifikasi geometri cold plate dengan menerapkan saluran inklinasi. Konfigurasi terbaik ditemukan pada sudut inklinasi 15 ° yang terbukti mampu meningkatkan efektivitas termal hingga 79.64%. Namun studi ini memiliki keterbatasan karena tidak mempertimbangkan faktor keseragaman suhu baterai. Sebaliknya Bao et al. [22] menggunakan pendekatan berbeda dengan mengusulkan wide straight channel cold plate yang dibandingkan langsung dengan beberapa desain struktur cold plate kompleks seperti saluran serpentine bercabang dan U-turned. Meskipun studi tersebut mengungkapkan bahwa desain saluran yang kompleks dapat meningkatkan kinerja perpindahan kalor, wide straight channel cold plate terbukti menghasilkan pressure drop terendah. Wide straight channel cold plate memerlukan volume pendingin yang besar dan kinerjanya menurun ketika lebar saluran mulai menyempit. Kompleksitas geometri saluran pada cold plate berkembang secara signifikan dengan penerapan pendekatan desain bionic. Zhan et al. [23] mengusulkan struktur tree-like bionic dengan tujuan mempertahankan rentang suhu operasi optimal pada baterai. Sebagai tambahan Hu [24] menerapkan desain saluran bionik sapling-shaped untuk mengatasi keterbatasan cold plate saluran kompleks tradisional. Kedua studi tersebut mendemonstrasikan penurunan suhu maksimum yang efektif dan superior dengan distribusi suhu yang seragam. Selain itu desain saluran bionik pada cold plate menghasilkan pressure drop yang lebih rendah dibandingkan model tradisional.

Berdasarkan tinjauan literatur terbukti bahwa faktor geometris merupakan parameter kunci untuk memastikan efektivitas kinerja manajemen termal. Lebih jauh lagi, desain saluran bionik telah terbukti menjadi pendekatan geometris dengan kinerja manajemen termal superior dan konsumsi daya yang lebih rendah. Namun, pengembangan struktur saluran bionik masih terbatas karena kompleksitasnya yang membuat pencarian parameter geometris optimal menjadi menantang dan memicu peningkatan hambatan aliran dalam saluran. Oleh karena itu penelitian ini mengusulkan pendekatan struktur bionik sederhana menggunakan struktur mini-channelroots-based. Pendekatan ini dirancang untuk mempertahankan efektivitas kinerja battery thermal management system dalam kondisi lingkungan tropis. Dengan demikian studi ini memberikan kontribusi terarah menuju penciptaan sistem manajemen termal yang andal dan adaptif.

2. METODE DAN PROSEDUR

Penelitian ini menggunakan pendekatan numerik, yang secara sistematik prosesnya dijabarkan pada Gambar 1. Berlandaskan Computational Fluid Dynamics (CFD) application, proses ini diinisiasi dengan mendefinisikan geometri sel baterai prismatik dan merancang variasi mini-channel cold plate yang mencakup konfigurasi straight-based dan pendekatan bionik roots-based. Tahapan selanjutnya merupakan eksekusi proses simulasi numerik secara iteratif yang mencakup penetapan parameter fisis pengaplikasian User-Defined Function (UDF) untuk memodelkan lima segmen heat generation pada laju discharge 5 C serta pembuatan mesh tipe tetrahedral yang diverifikasi melalui Grid Convergence Index (GCI) dan divalidasi terhadap data pengukuran eksperimental. Selanjutnya, tahapan dilanjutkan dengan evaluasi dan perbandingan termohidrolik multi-level pada variasi Reynolds number (Re) untuk menganalisis parameter yang menjadi indikator kinerja manajemen termal.

Gambar 1. Diagram alir penelitian

2.1. Idealization

Pada tahap idealisasi, serangkaian asumsi teoretis dan simplifikasi fisis ditetapkan secara untuk mereduksi kompleksitas komputasi tanpa mempengaruhi akurasi fenomenologis dari model perpindahan kalor dan dinamika fluida. Model komputasi disederhanakan dengan memfokuskan evaluasi pada fenomena konveksi dan konduksi, serta mengeliminasi variabel gangguan lingkungan. Secara spesifik, asumsi-asumsi yang diterapkan dalam studi numerik ini dijabarkan sebagai berikut:

Simulasi dijalankan pada kondisi transient untuk menangkap perilaku termal secara real-time
Fluida kerja (water) diasumsikan sebagai fluida inkompresibel dan beroperasi sepenuhnya dalam rezim aliran laminar
Seluruh sifat thermophysical material dari komponen baterai dan cold plate diasumsikan bersifat homogen dan isotropik
Pengaruh gravitasi dan contact thermal resistance antar komponen diabaikan
Electro-chemical reaction di dalam baterai selama proses discharging diabaikan dan direpresentasikan menggunakan pendekatan non-uniform heat generation

a. Physical configuration

Konfigurasi fisik dari battery thermal management system yang diusulkan dalam studi ini terdiri dari sebuah sel baterai dan sebuah mini-channel cold plate. Gambar 2 mengilustrasikan model baterai, yakni sel prismatik Lithium Iron Phosphate (LiFePO4) komersial dengan kapasitas nominal 7 Ah yang digunakan sebagai sumber kalor [25]. Selain itu cold plate diintegrasikan melalui kontak langsung, menutupi area permukaan baterai untuk memaksimalkan area perpindahan kalor [25].

Gambar 2. Skema konfigurasi baterai dan mini-channel cold plate

Sebagai inovasi utama, studi ini mengusulkan roots-based mini-channel cold plate sebagai strategi manajemen termal baterai yang didasarkan pada pendekatan struktur bionik [25]. Di alam morfologi akar tanaman telah berevolusi menjadi struktur bercabang yang dirancang untuk memaksimalkan luas permukaan penyerapan air dan nutrisi [25]. Mengadopsi prinsip alami ini, struktur mini-channel dibangun menyerupai jaringan akar untuk memfasilitasi distribusi fluida kerja yang lebih merata dan memperluas area kontak perpindahan kalor [25]. Untuk mengevaluasi efektivitas kinerjanya studi ini membandingkan secara langsung struktur roots-based dengan straight-based mini-channel cold plate [25]. Selanjutnya setiap strategi desain dibedakan berdasarkan jumlah saluran sehingga memperluas cakupan evaluasi untuk parameter geometris [25]. Parameter struktural dan geometris dari mini-channel cold plate dirinci pada Tabel 1 dan Gambar 3[25].

Gambar 3. Detail dimensional geometri mini-channel cold plate

Tabel 1. Parameter desain mini-channel cold plate

Design parameter	Unit	Value
a	mm	0.5
b	mm	1
c	mm	5
d	mm	5
e	mm	2
f	mm	2.63
g	mm	1.5
α	degree	45
s	mm	15.75; 10.5; 7.875

b. Persamaan pengatur

Evaluasi numerik dilakukan menggunakan solver computational fluid dynamics untuk mensimulasikan fenomena perpindahan kalor dan dinamika fluida yang terjadi akibat interaksi antara sel baterai, cold plate, dan fluida kerja [26]. Di dalam domain fluida dinamika aliran dan distribusi perpindahan kalor diatur oleh prinsip-prinsip kekekalan massa, momentum, dan energi yang diformulasikan secara berurutan pada Persamaan (1) hingga (3) [27]. Aliran fluida di dalam saluran disederhanakan sebagai aliran yang sepenuhnya laminar, yang divalidasi secara matematis melalui Persamaan (4) yaitu Reynolds number (Re) dengan batasan operasional nilai Re dijaga di bawah 2000 [28].

Persamaan 1:

\nabla \cdot \vec{v} = 0

Persamaan 2:

\rho_l \left[ \frac{\partial \vec{v}}{\partial t} + (\vec{v} \cdot \nabla)\vec{v} \right] = -\nabla p + \mu \nabla^2 \vec{v}

Persamaan 3:

\rho_l c_{p,l} \frac{\partial T_l}{\partial t} + \nabla \cdot (\rho_l c_{p,l} \vec{v} T_l) = \nabla \cdot (k_l \nabla T_l)

Persamaan 4:

Re = \frac{\rho_l \cdot U \cdot D_h}{\mu_l}

Dalam konteks proses discharging sel baterai diasumsikan sebagai sumber kalor volumetrik transien [29]. Fenomena distribusi suhu dan difusivitas termal di dalam domain baterai diselesaikan melalui prinsip kekekalan energi yang diatur oleh Persamaan (5) dimana Qgen mewakili fungsi heat generation internal baterai [29].

Persamaan 5:

\rho_b c_{p,b} \frac{\partial T}{\partial t} = \lambda_{x,b} \frac{\partial^2 T}{\partial x^2} + \lambda_{y,b} \frac{\partial^2 T}{\partial y^2} + \lambda_{z,b} \frac{\partial^2 T}{\partial z^2} + Q_{gen}

2.2 Instruktur (set)

a. Setup kondisi batas

Sifat termofisik dari setiap komponen dalam unit konfigurasi battery tunggal yang mencakup sel baterai, cold plate, dan air sebagai fluida kerja dirinci pada Tabel 2 [25]. Sifat termal bahan sel LiFePO4 ini diadopsi dari studi yang dilakukan oleh Rao et al. [30]. Kondisi batas untuk domain numerik diilustrasikan pada Gambar 3(a) [42]. Untuk meminimalkan biaya komputasi dua bidang simetri didefinisikan pada sel baterai dan cold plate [42]. Pada domain fluida bagian inlet didefinisikan sebagai velocity inlet dan outlet sebagai zero-pressure boundary [42]. Suhu fluida kerja diatur pada 30 ^oC sedangkan suhu lingkungan diatur pada 35^oC untuk mewakili suhu rata-rata iklim tropis [42]. Kecepatan aliran inlet divariasikan dalam rezim laminar dengan interval 200 ≤ Re ≤ 1400 [42]. Selain itu koefisien perpindahan kalor konvektif sebesar diaplikasikan pada permukaan sel baterai untuk memodelkan interaksi termal dengan lingkungan sekitar [42].

Tabel 2. Sifat termofisik komponen Battery Thermal Management System (BTMS)

	Battery	Aluminum	Water
Density (ρ)	2500 kg/m³	2719 kg/m³	998.2 kg/m³
Specific heat (c_p)	1000 J/kgK	871 J/kgK	4182 J/kgK
Thermal conductivity	3 W/mK	202.4 W/mK	0.6 W/mK
Viscosity	–	–	0.001 Kg m^-1 s^-1

Gambar 3. (a) Pengaturan kondisi batas (b) Model localized heat generation

Menurut rekomendasi 863 Program laju pengisian dan pengosongan daya maksimum untuk baterai Li-ion pada electric vehicles dapat mencapai 5 C [30]. Laju discharge yang tinggi seperti ini biasanya terjadi selama skenario mengemudi yang menuntut beban tinggi, seperti akselerasi cepat ke kecepatan jalan raya (0-100 km/jam) atau manuver menyalip dengan kecepatan tinggi [31]. Oleh karena itu distribusi suhu non-uniform selama operasi transient dengan laju discharge 5 C dimodelkan menggunakan pendekatan localized heat generation seperti yang ditunjukkan pada Gambar 3(b). Berdasarkan karakteristik aktual baterai yang dibuktikan secara eksperimental oleh Rao et al. [30] sel baterai dibagi menjadi lima segmen volume dengan profil heat generation yang berbeda [32]. Nilai heat generation pada setiap segmentasi volume diatur oleh Persamaan (6). Secara terukur, nilai Q_gen(1-5) didasarkan pada laju perubahan suhu aktual terhadap waktu yang dirumuskan dalam Persamaan (7). Karakteristik termal tersebut kemudian kalibrasi menggunakan fungsi polinomial kalibrasi pada Persamaan (8) untuk menyertakan pengaruh difusivitas termal antar segmen volume. Fungsi polinomial yang telah dikalibrasi ini digunakan sebagai input untuk User-Defined Function (UDF) yang mendefinisikan sumber kalor pada domain sel baterai [33].

Persamaan 6:

Q_{gen(1-5)}(x,y,z,t) = Q_{gen(1-5)}(t) – \lambda_b \nabla^2 T_{b(1-5)}

Persamaan 7:

Q_{gen(1-5)}(t) = \rho_b c_{p,b} \frac{\Delta T_b}{\Delta t}

Persamaan 8:

\overline{Q}_{gen(1-5)}(x,y,z,t) = a_{(1-5)}t^3 + b_{(1-5)}t^2 + c_{(1-5)}t + d_{(1-5)}

b. Mesh generation

Dalam domain komputasi yang dimodelkan unstructured tetrahedral mesh digunakan untuk mengakomodasi bentuk geometris yang kompleks sebagaimana disajikan pada Gambar 4. Mesh independensi harus dipastikan selama proses verifikasi untuk mempertahankan standar akurasi numerik. Oleh karena itu studi ini menggunakan pendekatan Roache untuk melakukan uji mesh independence [34]. Berdasarkan jumlah elemennya mesh dibagi menjadi tiga sampel yaitu fine (8062712 elemen) medium (5325945 elemen) dan coarse (3550703 elemen) [42]. Kuantifikasi jumlah elemen di setiap sampel mesh ditentukan menggunakan rasio sebesar r=1.5 pada Persamaan (9).

Gambar 4. Unstructured tetrahedral mesh

Untuk menguji ketiga sampel mesh ini, studi ini menggunakan parameter suhu maksimum dan pressure drop sebagai indikator independensi pada aspek termal dan hidrolik. Dalam menentukan deviasi yang terkuantifikasi tiap mesh, Grid Convergence Index (GCI) dihitung melalui Persamaan (11) dan Persamaan (12). Selanjutnya hasil perhitungan GCI dipasikan konvergensinya seperti yang didefinisikan pada Persamaan (14) . Jika uji konvergensi terpenuhi, true value dari masing-masing parameter dapat dihitung menggunakan Persamaan (15) [42]. Hasil uji mesh independence dideskripsikan pada Tabel 3 dan Gambar 5. Sampel fine mesh ditemukan sebagai sampel dengan nilai error terendah. Dengan demikian fine mesh ditetapkan sebagai spesifikasi resolusi numerik untuk keseluruhan proses investigasi dalam studi ini.

Persamaan 9:

r = \frac{h_2}{h_1}

Persamaan 10:

\overline{p} = \frac{\ln \left( \frac{f_3 – f_2}{f_2 – f_1} \right)}{\ln(r)}

Persamaan 11:

GCI_{fine} = \frac{F_s |\epsilon|}{r^{\overline{p}} – 1}

Persamaan 12:

GCI_{coarse} = \frac{F_s |\epsilon| r^{\overline{p}}}{r^{\overline{p}} – 1}

Persamaan 13:

\epsilon = \frac{f_{n+1} – f_n}{f_n}

Persamaan 14:

\frac{GCI_{coarse}}{GCI_{fine} r^{\overline{p}}} \approx 1

Persamaan 15:

f_{h=0} = f_1 + \frac{f_1 – f_2}{r^{\overline{p}} – 1}

Tabel 3. Hasil studi independensi mesh

Mesh	Fine	Medium	Coarse
T_max
Value	40.55987	40.56528	40.58463
Order		3.14
r		1.5
GCI_fine		0.00648%
GCI_coarse		0.02316%
f_rh = 0		40.55777
Konvergensi		1
Error	0.00518%	0.01853%	0.06623%
ΔP
Value	74.39525	73.57719	70.39204
Order		3.35
r		1.5
GCI_fine		0.47502%
GCI_coarse		1.84953%
f_rh = 0		74.67796
Konvergensi		1
Error	0.37858%	1.47402%	5.73921%

Gambar 5. Sensitivitas mesh

c. Solver

Seluruh prosedur simulasi numerik dalam studi ini dieksekusi secara iteratif menggunakan perangkat lunak computational fluid dynamics komersial ANSYS Fluent. Penyelesaian persamaan atur untuk dinamika fluida dan perpindahan kalor transien dikonfigurasi menggunakan pendekatan pressure-velocity coupling berbasis Coupled scheme guna memastikan stabilitas dan konvergensi solusi yang optimal. Diskritisasi spasial untuk persamaan momentum tekanan dan energi menggunakan metode second-order upwind untuk mereduksi numerical diffusion serta meningkatkan presisi komputasi pada pemodelan distribusi kalor non-uniform. Kriteria konvergensi absolut ditetapkan pada residual kurang dari 10^-6 untuk seluruh variabel persamaan pada setiap langkah waktu (time-step) komputasi guna menjamin akurasi profil heat generation dan fenomena pressure drop yang dimodelkan.

d. Performance indicators

Kinerja sistem manajemen termal secara komprehensif dievaluasi berdasarkan indikator termal dinamika fluida dan efisiensi konsumsi daya energi. Dari perspektif termal parameter utama yang dinilai meliputi suhu maksimum (T_max) yang krusial untuk memastikan baterai beroperasi di bawah batas termal yang ditetapkan. Lebih lanjut selisih suhu (ΔT) ditentukan menggunakan Persamaan (16) yang berfungsi sebagai indikator keseragaman suhu dalam unit sel baterai individu.

Persamaan 16:

\Delta T_b = T_{b,max} – T_{b,min}

Pada aspek hidrolik hambatan aliran fluida di dalam saluran dievaluasi menggunakan metrik pressure drop (ΔP) yang didefinisikan oleh Persamaan (17). Pressure drop ini memengaruhi secara langsung kebutuhan daya pompa (P_pump) yang diformulasikan pada Persamaan (18) sebagai representasi beban konsumsi daya keseluruhan sistem [23].

Persamaan 17:

\Delta P = P_{in} – P_{out}

Persamaan 18:

P_{pump} = \Delta P \cdot A_{in} \cdot U

Untuk menganalisis efektivitas perpindahan kalor dari desain saluran roots-based dan straight-based karakteristik termohidrolik diperiksa lebih rinci [42]. Parameter koefisien perpindahan kalor konvektif (h_l) dan disipasi kalor (Q_l) dirumuskan masing-masing pada Persamaan (19) dan Persamaan (20) untuk mengkuantifikasi laju serta kapasitas pelepasan kalor ke dalam fluida kerja.

Persamaan 19:

h_l = \frac{Q_l}{A_c \left[ T_{b,max} – \frac{(T_{l,in} + T_{l,out})}{2} \right]}

Persamaan 20:

Q_l = c_p \dot{m} (T_{l,out} – T_{l,in})

Sebagai tambahan, faktor non-dimensional (j/f) digunakan untuk mengukur kesetimbangan antara kinerja disipasi kalor sistem pendingin terhadap peningkatan hambatan hidroliknya [42]. Dalam kasus ini faktor j mewakili dimensi heat transfer yang diformulasikan dalam Persamaan (21) sedangkan faktor f mewakili dimensi resistansi hidrolik yang didefinisikan pada Persamaan (22) [33].

Persamaan 21:

j = \frac{Nu}{Re \cdot Pr^{1/3}}

Persamaan 22:

f = \frac{\Delta P}{\frac{1}{2} \rho_l U^2} \cdot \frac{D_h}{4L}

Persamaan 23:

Nu = \frac{h_l \cdot D_h}{\lambda_l}

3. HASIL DAN PEMBAHASAN

3.1 Validasi

Sebelum menganalisis efektivitas sistem manajemen termal yang diusulkan, akurasi model numerik dievaluasi terlebih dahulu pada tahap validasi. Proses validasi ini dilakukan dengan membandingkan kurva suhu dari hasil simulasi numerik dengan data eksperimental yang dilaporkan oleh Rao et al. Pada perbandingan ini, parameter operasional diatur pada kondisi aktual yaitu pada discharge rate 5 C di bawah suhu lingkungan konstan 25 ^oC [30]. Berdasarkan grafik perbandingan yang ditunjukkan pada Gambar 6(a) hasil simulasi secara jelas menunjukkan tren peningkatan suhu yang serupa dengan hasil pengukuran eksperimental pada lima lokasi titik pengukuran yang berbeda. Tren ini memiliki rentang deviasi yang minimal sehingga sangat mengindikasikan bahwa model heat generation lima segmen yang diimplementasikan valid dalam menangkap dinamika termal baterai. Persentase errorabsolut rata-rata dari simulasi numerik ditunjukkan pada Gambar 6(b).

c
Gambar 6. (a) Validasi numerik (b) Kesalahan persentase absolut rata-rata (c) Distribusi suhu pada sel baterai

Lebih lanjut, karakteristik spasial dari fenomena termal di dalam baterai divisualisasikan melalui kontur distribusi suhu pada Gambar 6(c). Visualisasi tersebut dengan jelas menunjukkan bahwa profil suhu di dalam sel baterai selama operasi pada discharge rate tinggi (5 C) bersifat non-uniform menghasilkan lonjakan beda suhu melampaui batas operasional aman. Titik akumulasi kalor tertinggi secara konsisten ditemukan terpusat di area atas baterai tepatnya di area yang berdekatan dengan positive tab. Temuan ini secara fundamental mengonfirmasi bahwa konsentrasi aliran arus yang tinggi di sekitar area terminal memicu peningkatan resistansi ohmik yang pada akhirnya menghasilkan intensitas kalor ekstrem di wilayah lokal tersebut. Karakteristik distribusi termal non-uniform ini juga memberikan pembenaran empiris bahwa penempatan strategi battery thermal management system harus dirancang secara presisi untuk mengurangi penumpukan kalor di area kritis baterai.

3.2 Analisis

Gambar 7 menyajikan kinerja sistem manajemen termal pada laju aliran fluida konstan (Re = 200) yang dievaluasi secara komprehensif dengan membandingkan evolusi suhu maksimum (T_max) dan beda suhu (ΔT). Pada Gambar 7(a) karakteristik termal selama periode pengosongan daya dapat diklasifikasikan ke dalam tiga fase utama. Pada fase awal (0-100 s) kurva T_max menunjukkan gradien peningkatan yang tajam akibat dominasi heat generation segera setelah siklus discharge dimulai. Pada puncak fase ini struktur bionik roots-based dengan jumlah saluran terbanyak berhasil mengurangi lonjakan suhu menjadi 38 ^oC mengungguli struktur straight-based yang mencapai 39 ^oC. Namun, parameter homogenitas suhu pada Gambar 7(b) mengungkapkan bahwa lonjakan awal ini secara instan memicu peningkatan ΔT melampaui batas toleransi aman (<5 ^oC). Fenomena ini mengindikasikan bahwa kapasitas konveksi fluida kerja pada Re=200 tidak cukup efektif untuk mendisipasi konsentrasi kalor lokal sehingga menciptakan ketidakseimbangan gradien suhu spasial yang ekstrem di awal operasi.

Gambar 7. Karakteristik termal baterai pada Re=200: (a) Suhu maksimum (T_max) (b) Beda suhu ( ΔT).

Memasuki fase menengah (100-500 s) laju disipasi kalor dari sirkulasi fluida kerja secara bertahap mulai mengimbangi heat generation baterai. Kurva T_max menunjukkan tren penurunan dimana cold plate berkonfigurasi roots-based secara konsisten menunjukkan kinerja superior dengan mempertahankan suhu maksimum pada batas minimum sekitar 35,5 ^oC. Penekanan suhu ini secara signifikan memengaruhi keseimbangan termal yang ditandai dengan penurunan ΔT mendekati batas aman pada interval 400 hingga 500 s. Namun efektivitas penyerapan kalor pada Re=200 mengalami degradasi selama fase akhir siklus discharge. Peningkatan tajam pada discharge process memicu eskalasi heat generation yang signifikan. Akibatnya kurva T_max kembali meningkat melampaui ambang kritis 40 ^oC pada semua konfigurasi struktur mini-channel cold plate. Kegagalan sistem ini diperburuk oleh lonjakan kurva ΔT yang melampaui batas operasional aman. Secara keseluruhan hasil investigasi di bawah kondisi ini mengonfirmasi bahwa meskipun desain roots-based menawarkan efektivitas disipasi kalor yang lebih baik konfigurasi tersebut masih belum memadai untuk mengatasi homogenitas suhu baterai secara utuh pada laju aliran rendah.

Lebih lanjut pengaruh variasi Re terhadap T_max diinvestigasi lebih mendalam seperti yang ditunjukkan pada Gambar 8(a). Analisis mengindikasikan bahwa perubahan pada T_max mulai menunjukkan dampak signifikan pada Re=400. Sebaliknya, efektivitas profil ΔT menjadi sangat jelas pada konfigurasi roots-based dengan 5 saluran pada Re=800. Peningkatan aliran fluida kerja hingga Re=1400 menunjukkan bahwa semua variasi struktural dari mini-channel cold plate menghasilkan kinerja ΔT yang memuaskan. Di antara seluruh variasi yang diuji, desain roots-based dengan 5 saluran diidentifikasi sebagai konfigurasi struktural yang unggul karena menunjukkan kemampuan untuk secara optimal mengurangi ΔT hingga mencapai 4,2 ^oC.

Gambar 8. Karakteristik termal baterai dengan variasi Re: (a) Suhu maksimum (T_max) (b) Beda suhu (ΔT)

Untuk memahami fundamental mekanisme yang mendasari peningkatan manajemen termal dan kompensasi hidrolik, karakteristik termohidrolik sistem dievaluasi berdasarkan parameter koefisien perpindahan kalor konvektif rata-rata (h_l) dan pressure drop (ΔP) seperti yang diilustrasikan secara berurutan pada Gambar 9. Hasil studi mengindikasikan bahwa eskalasi Re secara proporsional memperkuat perpindahan kalor konvektif sekaligus meningkatkan hambatan aliran internal di semua konfigurasi. Dari aspek efektivitas perpindahan kalor pada Gambar 9(a), peningkatan jumlah saluran berimplikasi pada penurunan h_l. Pada Re konstan, penambahan saluran meminimalisir momentum fluida kerja sehingga mengurangi kecepatan aliran lokal di setiap cabang. Meskipun demikian, struktur root-based mini-channel cold plate secara konsisten atas keunggulannya dengan menghasilkan efektivitas konvektif yang lebih signifikan dibandingkan dengan saluran straight-based. Cabang-cabang dengan diameter hidrolik yang lebih kecil dengan karakteristik morfologi akar mengganggu pertumbuhan thermal boundary layer. Melalui mekanisme ini, konfigurasi roots-based dengan 3 saluran terbukti berhasil mencapai h_l tertinggi.

Gambar 9. Kinerja sistem pendingin dengan variasi Re: (a) Koefisien perpindahan kalor konvektif (h_l) (b) Pressure drop (ΔP)

Meskipun demikian, analisis hidrolik yang disajikan pada Gambar 9(b) mengindikasikan bahwa terlepas dari kinerja perpindahan kalor yang superior roots-based mini-channel cold plate mengalami pressure drop yang lebih signifikan dibandingkan dengan struktur straight-based konvensional. Morfologi mini-channelroots-based memicu hambatan aliran internal yang lebih besar yang menyebabkan kerugian hidrolik dan berdampak pada peningkatan konsumsi daya pompa sebagaimana dikuantifikasi pada Tabel 4. Cold plate dengan konfigurasi roots-based 3 saluran diidentifikasi memiliki ΔP tertinggi mencapai lebih dari 2000 Pa dengan konsumsi daya pompa mencapai 8,58 x 10^-3 Watt. Kerugian ini dapat ditekan dengan menambah jumlah saluran. Oleh karena itu desain straight-based dengan 7 saluran mencatatkan ΔP terendah sekitar 1400 Pa dengan konsumsi daya pompa hanya sebesar 5,36 x 10^-3 Watt.

Tabel 4. Konsumsi daya pompa (Watt) dari sistem pendingin dengan variasi Re

Re	Straight based			Roots based
Re	3 channels	5 channels	7 channels	3 channels	5 channels
200	5.72×10^-5	4.49×10^-5	3.93×10^-5	8.44×10^-5	6.05×10^-5
400	2.71×10^-4	2.28×10^-4	2.07×10^-4	3.97×10^-4	2.97×10^-4
600	7.08×10^-4	6.24×10^-4	5.80×10^-4	1.03×10^-3	7.96×10^-4
800	1.44×10^-3	1.30×10^-3	1.22×10^-3	2.08×10^-3	1.64×10^-3
1000	2.51×10^-3	2.31×10^-3	2.20×10^-3	3.63×10^-3	2.91×10^-3
1200	3.99×10^-3	3.72×10^-3	3.56×10^-3	5.76×10^-3	4.67×10^-3
1400	5.92×10^-3	5.59×10^-3	5.36×10^-3	8.58×10^-3	7.00×10^-3

Pada studi ini, visualisasi kontur distribusi suhu sel baterai pada laju aliran fluida kerja maksimum (Re = 1400) di seluruh konfigurasi struktur mini-channel cold plate disajikan pada Gambar 10. Secara umum, integrasi mini-channel cold plate memicu redistribusi termal yang signifikan. Konsentrasi akumulasi kalor ekstrem di area terminal berhasil didisipasi dan didistribusikan menuju penampang bawah sel. Namun, konfigurasi struktur dengan jumlah saluran minim masih menunjukkan lokalisasi kalor terutama di wilayah internal sel baterai. Fenomena ini mengonfirmasi bahwa baterai memiliki konduktivitas termal yang sangat rendah. Dengan demikian, area kontak efektif dari konfigurasi ini tidak cukup untuk memaksimalkan disipasi kalor di dalam sel internal di bawah kondisi operasional tersebut.

Gambar 10. Distribusi suhu sel baterai pada Re=1400: (a) Konfigurasi straight-based 3 saluran (b) Konfigurasi straight-based 5 saluran (c) Konfigurasi straight-based 7 saluran (d) Konfigurasi roots-based 3 saluran (e) Konfigurasi roots-based 5 saluran

Dalam mengoptimalisasi battery thermal management system, penambahan jumlah saluran menjadi sangat krusial. Ekspansi ini tidak hanya menghasilkan penurunan signifikan pada suhu maksimum yang diamati tetapi juga memperbaiki homogenitas termal di seluruh baterai. Selain penambahan jumlah saluran, rekonstruksi struktur mini-channel cold plate dengan pendekatan bionik terbukti memproduksi kinerja manajemen termal yang superior. Konfigurasi roots-based dengan 5 saluran mendemonstrasikan rentang suhu terendah dengan distribusi yang paling seragam. Hal ini membuktikan bahwa morfologi percabangan roots-based memfasilitasi penyebaran distribusi aliran fluida kerja dengan area kontak efektif yang jauh lebih masif.

Di sisi lain kontur distribusi tekanan di dalam mini-channel cold plate pada Re = 1400 divisualisasikan pada Gambar 11 Visualisasi ini mengilustrasikan trade-off yang terkait dengan implementasi struktur bionik dalam kaitannya dengan beban hidrolik di dalam sistem pendingin. Pada konfigurasi struktur roots-based dengan jumlah saluran minimum, zona tekanan tinggi yang dominan diidentifikasi pada area upstream. Fenomena ini terjadi akibat morfologi percabangan yang terbentuk dengan diameter hidrolik yang lebih kecil menghasilkan zona tekanan stagnasi yang tinggi. Pada kasus ini, hambatan aliran internal sangat dominan dan memicu energy loss yang signifikan. Hambatan aliran internal tersebut terbukti diminimalisir pada konfigurasi struktur straight-based. Lebih lanjut, penambahan jumlah saluran secara efektif meminimalkan intensitas zona tekanan tinggi di sisi upstream. Oleh karena itu konfigurasi straight-based dengan 7 saluran menghasilkan pressure drop terendah.

Gambar 11. Distribusi tekanan mini-channel cold plate pada Re=1400: (a) Konfigurasi straight-based 3 saluran (b) Konfigurasi straight-based 5 saluran (c) Konfigurasi straight-based 7 saluran (d) Konfigurasi roots-based 3 saluran (e) Konfigurasi roots-based 5 saluran

Sebagai tambahan, keseimbangan antara peningkatan efektivitas perpindahan kalor dan trade-off hidrolik dievaluasi secara holistik berdasarkan rasio j/f non-dimensional di setiap konfigurasi struktur mini-channel cold plate sebagaimana direpresentasikan pada Gambar 11. Secara umum, semua konfigurasi menunjukkan tren kurva yang serupa. Nilai rasio j/f mengalami eskalasi pada fase awal dan mencapai titik puncak di sekitar Re=400. Namun, seiring dengan peningkatan Re, rasio j/f menunjukkan tren penurunan. Fenomena ini mengindikasikan bahwa pada laju aliran fluida kerja yang lebih tinggi, pertumbuhan resistansi hidrolik akibat pressure drop meningkat secara lebih dominan dibandingkan dengan efektivitas perpindahan kalor sistem.

Gambar 12. Rasio j/f dengan variasi Re

Secara keseluruhan konfigurasi straight-based mencatatkan rasio j/f yang lebih tinggi dibandingkan dengan konfigurasi roots-based pada setiap variasi jumlah saluran. Varian straight-based dengan 3 saluran diidentifikasi sebagai konfigurasi dengan rasio j/f tertinggi. Meskipun memiliki pressure drop yang lebih tinggi dibandingkan dengan desain yang memiliki jumlah saluran lebih banyak, konfigurasi ini menunjukkan rata-rata perpindahan kalor yang lebih signifikan sehingga memaksimalkan efektivitas mini-channel cold plate. Sebaliknya struktur bionik roots-based cenderung memproduksi pressure drop masif yang mendegradasi rasio j/f secara keseluruhan. Walaupun demikian, terdapat trade-off antara efektivitas sistem manajemen termal dan indikator kinerja untuk keamanan suhu baterai. Konfigurasi straight-based dengan 3 saluran memang tampak efektif secara termal namun gagal memenuhi indikator kinerja termal baterai untuk mempertahankan homogenitas suhu di bawah ambang batas aman. Di sisi lain, meskipun struktur roots-based dengan 5 saluran memerlukan kompensasi beban hidrolik yang lebih tinggi, konfigurasi ini mampu memenuhi indikator kinerja manajemen termal baterai dengan sangat baik pada laju aliran fluida kerja yang lebih rendah. Oleh karena itu, penurunan efektivitas termohidrolik pada struktur roots-based ini memberikan pembenaran yang kuat sebagai sebuah trade-off esensial demi memastikan keandalan dan keselamatan termal sel baterai khususnya untuk adaptasi operasional di iklim tropis yang ekstrem.

4. KESIMPULAN, PENUTUP, REKOMENDASI

Studi ini mengusulkan mini-channel cold plate dengan struktur bionik roots-based sebagai battery thermal management system yang ditujukan untuk mencegah degradasi termal dan memastikan keselamatan operasional electric vehicles di iklim tropis. Melalui pendekatan numerik model localized heat generation, secara akurat mampu menangkap fenomena distribusi suhu non-uniform dimana akumulasi kalor terpusat di area positive tab akibat dominasi resistansi ohmik selama siklus discharge rate 5 C. Hasil investigasi mendemonstrasikan bahwa penggunaan konfigurasi roots-based secara signifikan meningkatkan kinerja disipasi kalor dengan memperluas area kontak efektif melalui morfologi percabangan bionik. Secara spesifik konfigurasi roots-based dengan 5 saluran menunjukkan kinerja superior dengan keberhasilannya menekan suhu maksimum hingga 34,65 ^oC dan memenuhi batas aman homogenitas suhu baterai melalui selisih suhu yang terjaga di bawah 5 ^oC. Namun peningkatan efektivitas perpindahan kalor konvektif pada desain bionik ini menuntut kompensasi yang signifikan terhadap beban hidrolik fluida kerja karena kompleksitas strukturalnya menginduksi zona tekanan stagnasi di area upstream yang berujung pada pressure drop akibat tingginya hambatan aliran internal. Evaluasi kesetimbangan termohidrolik yang komprehensif mengonfirmasi bahwa konfigurasi straight-based dengan 3 saluran memang menghasilkan rasio j/f tertinggi. Namun, desain ini terbukti tidak efektif dalam memenuhi standar homogenitas suhu baterai. Sebagai catatan, konfigurasi roots-based dengan 5 saluran memberikan justifikasi yang sangat kuat sebagai sebuah trade-off untuk menjamin distribusi suhu baterai yang andal dan seragam. Meskipun demikian, mengingat keterbatasan utama dari pendekatan roots-based ini terletak pada tingginya pressure drop yang dihasilkan, maka direkomendasikan adanya penelitian lebih lanjut untuk mengoptimalkan parameter geometris dari struktur tersebut. Rekomendasi ini bertujuan untuk meminimalkan kerugian hidrolik tanpa harus mengorbankan efektivitas manajemen termal superior yang telah dicapai.

UCAPAN TERIMAKASIH

Penulis menyampaikan penghargaan dan rasa terima kasih yang sebesar-besarnya kepada Prof. Ir. Ahmad Indra Siswantara Ph.D. selaku dosen pengampu mata kuliah Komputasi Teknik. Penghargaan ini diberikan atas dedikasi dan bimbingan beliau yang telah mewadahi pelaksanaan penelitian ini secara komprehensif. Penggunaan kerangka kerja DAI5 yang beliau perkenalkan telah memberikan landasan filosofis dan teknis yang sangat kuat dalam mengeksekusi metode komputasi teknik khususnya pada ruang lingkup pemodelan numerik battery thermal management system. Integrasi nilai-nilai kesadaran spiritual dan tanggung jawab rekayasa melalui pendekatan tersebut tidak hanya meningkatkan keandalan analisis komputasi tetapi juga menumbuhkan integritas akademik dalam merumuskan solusi disipasi kalor yang inovatif bagi peradaban.

DAFTAR PUSTAKA

[1] Hope, J., Yang, H.Y., Gu, M.Y., Fang, C., Li, Y.Z. (2023). Assessing the future trajectory of the China’s electric vehicle industry: A mini-review of the greenhouse gas emissions in Beijing and Shenzhen. E3S Web of Conferences, 393: 01037. https://doi.org/10.1051/e3sconf/202339301037

[2] Dwiananto, Y.I., Apriyanto, H., Soehadi, G., et al. (2022). Modeling projection of the number of charging stations and battery electric vehicles until 2030 in Jakarta Indonesia in order to reduce greenhouse gas (GHG) emissions. IOP Conference Series: Earth and Environmental Science, 1108(1): 012024. https://doi.org/10.1088/1755-1315/1108/1/012024

[3] Hill, G., Heidrich, O., Creutzig, F., Blythe, P. (2019). The role of electric vehicles in near-term mitigation pathways and achieving the UK’s carbon budget. Applied Energy, 251: 113111. https://doi.org/10.1016/j.apenergy.2019.04.107

[4] Yaacob, N.F.F., Mat Yazid, M.R., Abdul Maulud, K.N., Ahmad Basri, N.E. (2020). A review of the measurement method, analysis and implementation policy of carbon dioxide emission from transportation. Sustainability, 12(14): 5873. https://doi.org/10.3390/su12145873[cite: 88]

[5] Hakam, D.F., Jumayla, S. (2024). Electric vehicle adoption in Indonesia: Lesson learned from developed and developing countries. Sustainable Futures, 8: 100348. https://doi.org/10.1016/j.sftr.2024.100348

[6] Veza, I., Abas, M.A., Djamari, D.W., et al. (2022). Electric vehicles in Malaysia and Indonesia: Opportunities and challenges. Energies, 15(7): 2564. https://doi.org/10.3390/en15072564

[7] Nurliyana, C., Lestari, Y.D., Prasetio, E.A., Belgiawan, P.F. (2023). Exploring drivers’ interest in different levels of autonomous vehicles: Insights from Java Island, Indonesia. Transportation Research Interdisciplinary Perspectives, 19: 100820. https://doi.org/10.1016/j.trip.2023.100820

[8] Feng, J., He, Y.L., Wang, G.F. (2013). Comparison study of equivalent circuit model of Li-ion battery for electrical vehicles. Research Journal of Applied Sciences, Engineering and Technology, 6(20): 3756-3759. https://doi.org/10.19026/rjaset.6.3587

[9] Ali, A.O., Abdelrehim, O., Saafan, M.M., Elmarghany, M.R., Hamed, A.M. (2025). Comprehensive review of battery management systems for electric vehicles: Thermal management, charging strategies, and emerging technologies. Journal of Power Sources, 658: 238269. https://doi.org/10.1016/j.jpowsour.2025.238269

[10] He, D., Wang, J.L., Peng, Y.J., et al. (2024). Research advances on thermal runaway mechanism of lithium-ion batteries and safety improvement. Sustainable Materials and Technologies, 41: e01017. https://doi.org/10.1016/j.susmat.2024.e01017

[11] Ramshankar, S., Manimozhi, M. (2025). Integration of digital twin technologies for state estimation in electric vehicle batteries: A review. Results in Engineering, 27: 106858. https://doi.org/10.1016/j.rineng.2025.106858

[12] Mammacıoğlu, O., Coskun, G. (2025). A new experimental approach to lithium-ion battery fires in electric vehicles: Investigation of fire behavior and effectiveness of extinguishing agents. Case Studies in Thermal Engineering, 73: 106554. https://doi.org/10.1016/j.csite.2025.106554

[13] Jaguemont, J., Boulon, L., Dubé, Y. (2016). A comprehensive review of lithium-ion batteries used in hybrid and electric vehicles at cold temperatures. Applied Energy, 164: 99-114. https://doi.org/10.1016/j.apenergy.2015.11.034

[14] Paramita, B., Matzarakis, A. (2023). Urban biometeorology of tropical climate: Af, Am, Aw, a propensity of 34 provincial cities in Indonesia. In Climate Change and Cooling Cities. Urban Sustainability. Springer, Singapore, pp. 283-296. https://doi.org/10.1007/978-981-99-3675-5_16

[15] Osaimi, B.A., Ali, H.M. (2026). Review of thermal management strategies for cylindrical lithium-ion batteries: Active, passive, and hybrid approaches. Energy Reports, 15: 108915. https://doi.org/10.1016/j.egyr.2025.12.052

[16] Sharma, A., Khatamifar, M., Lin, W.X., Pitchumani, R. (2024). A state-of-the-art review on numerical investigations of liquid-cooled battery thermal management systems for lithium-ion batteries of electric vehicles. Journal of Energy Storage, 101: 113844. https://doi.org/10.1016/j.est.2024.113844

[17] Qian, Z., Li, Y.M., Rao, Z.H. (2016). Thermal performance of lithium-ion battery thermal management system by using mini-channel cooling. Energy Conversion and Management, 126: 622-631. https://doi.org/10.1016/j.enconman.2016.08.063

[18] Xu, J., Guo, Z.C., Xu, Z.M., Zhou, X., Mei, X.S. (2023). A systematic review and comparison of liquid-based cooling system for lithium-ion batteries. e Transportation, 17: 100242. https://doi.org/10.1016/j.etran.2023.100242

[19] Lan, C.J., Xu, J., Qiao, Y., Ma, Y.B. (2016). Thermal management for high power lithium-ion battery by minichannel aluminum tubes. Applied Thermal Engineering, 101: 284-292. https://doi.org/10.1016/j.applthermaleng.2016.02.070

[20] Monika, K., Chakraborty, C., Roy, S., Dinda, S., Singh, S.A., Datta, S.P. (2021). Parametric investigation to optimize the thermal management of pouch type lithium-ion batteries with mini-channel cold plates. International Journal of Heat and Mass Transfer, 164: 120568. https://doi.org/10.1016/j.ijheatmasstransfer.2020.120568

[21] Zhang, Y.T., Zuo, W., E, J.Q., et al. (2022). Performance comparison between straight channel cold plate and inclined channel cold plate for thermal management of a prismatic LiFePO4 battery. Energy, 248: 123637. https://doi.org/10.1016/j.energy.2022.123637

[22] Bao, Y.H., Shao, S.Q. (2023). Numerical study on ultrathin wide straight flow channel cold plate for Li-ion battery thermal management. Journal of Energy Storage, 64: 107263. https://doi.org/10.1016/j.est.2023.107263

[23] Zhan, S., Que, Y.C., Yin, Y.L., Li, Z.H., Yu, C. (2024). A novel tree-like bionic structure for liquid-cooled lithium-ion battery plates. International Journal of Thermal Sciences, 203: 109098. https://doi.org/10.1016/j.ijthermalsci.2024.109098

[24] Hu, Y. (2026). Numerical investigation of the battery thermal management system using a bionic sapling-Shaped channel liquid Cooled plate. International Communications in Heat and Mass Transfer, 171: 110101. https://doi.org/10.1016/j.icheatmasstransfer.2025.110101

[25] Huo, Y.T., Rao, Z.H., Liu, X.J., Zhao, J.T. (2015). Investigation of power battery thermal management by using mini-channel cold plate. Energy Conversion and Management, 89: 387-395. https://doi.org/10.1016/j.enconman.2014.10.015

[26] Ran, Y., Su, Y.F., Chen, L., Yan, K., Yang, C.X., Zhao, Y. (2022). Investigation on thermal performance of water-cooled Li-ion cell and module with tree-shaped channel cold plate. Journal of Energy Storage, 50: 104040. https://doi.org/10.1016/j.est.2022.104040[cite: 89]

[27] Tousi, M., Sarchami, A., Kiani, M., Najafi, M., Houshfar, E. (2021). Numerical study of novel liquid-cooled thermal management system for cylindrical Li-ion battery packs under high discharge rate based on AgO nanofluid and copper sheath. Journal of Energy Storage, 41: 102910. https://doi.org/10.1016/j.est.2021.102910

[28] Zhang, D.Y., Yu, Y.J., Yang, W.W., Zhang, X.Q., Yu, C.J., Zhang, Q.F. (2026). Research on the performance of battery thermal management system based on bionic coupling structure and multi-objective optimization. Journal of Energy Storage, 169: 119034. https://doi.org/10.1016/j.est.2025.119034

[29] Liu, H.Q., Ahmad, S., Shi, Y., Zhao, J.Y. (2021). A parametric study of a hybrid battery thermal management system that couples PCM/copper foam composite with helical liquid channel cooling. Energy, 231: 120869. https://doi.org/10.1016/j.energy.2021.120869

[30] Rao, Z.H., Wang, S.F., Zhang, G.Q. (2011). Simulation and experiment of thermal energy management with phase change material for ageing LiFePO4 power battery. Energy Conversion and Management, 52(12): 3408-3414. https://doi.org/10.1016/j.enconman.2011.07.009

[31] Palasai, W., Tepsorn, P., Katthiyawan, T., Srichai, P., Chaopisit, I. (2025). Investigation of the wheel power and state of charge of plug-in hybrid electric vehicles (PHEVs) on a chassis dynamometer in various driving test cycles. Applied Sciences, 15(22): 12320. https://doi.org/10.3390/app152212320

[32] Wang, Z.P., Ma, J., Zhang, L. (2017). Finite element thermal model and simulation for a cylindrical Li-ion battery. IEEE Access, 5: 15372-15379. https://doi.org/10.1109/ACCESS.2017.2723436

[33] Ma, K., Wang, J., Wang, Q.C., Mao, Q.Z. (2025). Numerical simulation of battery thermal management based on ring microchannel cold plate. International Journal of Thermal Sciences, 210: 109563. https://doi.org/10.1016/j.ijthermalsci.2024.109563

[34] Roache, P.J. (1994). Perspective: A method for uniform reporting of grid refinement studies. Journal of Fluids Engineering, 116(3): 405-413. https://doi.org/10.1115/1.2910291

LAMPIRAN

UDF source:

#include "udf.h"

DEFINE_PROFILE(Q1, thread, position) 
{
  face_t f;
  real t = CURRENT_TIME;
  begin_f_loop(f, thread)
    {
        if (t >= 0 && t <= 720)
        {
            F_PROFILE(f, thread, position) = ((0.00000000208891582)*(t*t*t*t*t))+((-0.00000170860405)*(t*t*t*t))+((0.00176641291)*(t*t*t))+((-1.06121784)*(t*t))+((161.511915)*(t))+(102813.884);
        }
    }
    end_f_loop(f, thread)
}


DEFINE_PROFILE(Q2, thread, position) 
{
  face_t f;
  real t = CURRENT_TIME;
  begin_f_loop(f, thread)
    {
       if (t >= 0 && t <= 720)
        {
        }
             F_PROFILE(f, thread, position) = ((0.00000000208891582)*(t*t*t*t*t))+((-0.00000170860405)*(t*t*t*t))+((0.00176641291)*(t*t*t))+((-1.06121784)*(t*t))+((161.511915)*(t))+(102813.884);
    }
    end_f_loop(f, thread)
}


DEFINE_PROFILE(Q3, thread, position) 
{
  face_t f;
  real t = CURRENT_TIME;
  begin_f_loop(f, thread)
    {
        if (t >= 0 && t <= 720)
        {
             F_PROFILE(f, thread, position) = ((0.00000000240701701)*(t*t*t*t*t))+((-0.00000604831234)*(t*t*t*t))+((0.0074647657)*(t*t*t))+((-3.70255043)*(t*t))+((565.685011)*(t))+(118470.435);
        }
    }
    end_f_loop(f, thread)
}


DEFINE_PROFILE(Q4, thread, position) 
{
  face_t f;
  real t = CURRENT_TIME;
  begin_f_loop(f, thread)
    {
        if (t >= 0 && t <= 720)
        {
             F_PROFILE(f, thread, position) = ((0.00000000557303315)*(t*t*t*t*t))+((-0.00000535247438)*(t*t*t*t))+((0.00047871758)*(t*t*t))+((1.40513992)*(t*t))+((-850.373195)*(t))+(274297.88);
        }
    }
    end_f_loop(f, thread)
}


DEFINE_PROFILE(Q5, thread, position) 
{
  face_t f;
  real t = CURRENT_TIME;
  begin_f_loop(f, thread)
    {
        if (t >= 0 && t <= 720)
        {
             F_PROFILE(f, thread, position) = ((0.00000000624020284)*(t*t*t*t*t))+((-0.000011615539)*(t*t*t*t))+((0.00866351034)*(t*t*t))+((-2.13163848)*(t*t))+((-447.340977)*(t))+(307135.157);
        }
    }
    end_f_loop(f, thread)
}

ccitonline.com

Quick Links

Tugas Besar Komputasi Teknik-Rizki Aldi Anggara-2606831100

بِسْمِ ٱللَّٰهِ ٱلرَّحْمَٰنِ ٱلرَّحِيمِ

Leave a Reply Cancel reply