针对锂离子电池单体和模块的实用热生成建模及实验验证

《Journal of Energy Storage》：Realistic heat generation modeling and experimental validation for lithium-ion battery cells and modules

精准热建模对锂离子电池安全与性能至关重要。本研究构建了包含焦耳热、过电位损耗、可逆熵变、副反应、老化效应及停放电热松弛的六维综合热模型，采用COMSOL Multiphysics 6.1实现多物理场耦合仿真，验证显示温度及热生成率预测相对误差均低于5%，适用于电池模块的高倍率放电场景。

　　随着全球能源危机的加剧和严峻的环境问题，包括由化石燃料消耗引发的气候变化和空气污染，对可持续能源解决方案的需求正在迅速增长。在这一背景下，电动汽车（EVs）和可再生能源存储系统（ESS）成为实现碳中和的重要路径。锂离子电池（LiBs）因其高能量密度、长循环寿命、低自放电率以及无记忆效应等优点，已成为这些系统中最主流的能量存储技术。然而，锂离子电池的广泛应用也带来了复杂的热管理挑战，这些挑战直接关系到电池的运行安全、效率和使用寿命。

锂离子电池对温度变化极为敏感，高温可能导致电极材料的降解、固态电解质界面（SEI）的生长以及热失控现象的发生，而低温则会降低锂离子的导电性，并导致锂沉积，最终加速电池容量的衰减。研究表明，锂离子电池的最佳工作温度范围为15°C至35°C，超出这一范围后，无论是可逆的还是不可逆的热效应都可能显著损害电池的健康状况。此外，由于电池内部的非均匀热生成，局部热点的形成进一步加剧了老化过程，并可能在紧密排列的电池模块中引发连锁故障。

因此，有效的电池热管理系统（BTMS）对于维持锂离子电池在安全的操作范围内至关重要。现有的热管理方法包括空气冷却、液体冷却和基于相变材料（PCM）的冷却技术。空气冷却虽然简单，但由于其热导率低且在高负载下散热效果差，因此在实际应用中受到一定限制。液体冷却技术虽然效率较高，但其复杂的系统结构、较高的重量以及潜在的泄漏风险导致短路等问题，使得其在某些应用场景下并不理想。相变材料冷却作为一种被动、等温且紧凑的解决方案，虽然具有良好的温度均匀性，但其热导率较低、存在泄漏风险以及回收利用受限，也限制了其应用范围。为了克服这些缺点，研究者们正在探索通过添加导电材料（如膨胀石墨、石墨烯）或采用混合设计来提升相变材料的性能。

无论采用哪种热管理方式，有效的温度控制都依赖于对电池内部热生成模式的精确表征。这种表征需要在时间和空间两个维度上深入理解热生成机制及其动态行为。准确量化热生成过程并将其纳入到热模型中，是构建稳健热模型、制定安全设计规范以及开发智能电池管理系统的关键前提。在过去的研究中，热生成模型往往仅关注欧姆损耗，忽略了诸如极化损耗、可逆熵变、老化、副反应等其他重要的电化学热源。然而，近期的研究表明，这些简化可能在高倍率或低温工况下导致较大的温度预测偏差。

不可逆热生成过程主要来源于电池内部的阻抗和界面电荷转移限制，其热效应与温度、老化状态和充电状态密切相关，从而在整个电池系统中形成复杂的热反馈机制。与此同时，可逆熵变热生成，由锂离子嵌入反应过程中热力学熵的变化所主导，其对电池温度的影响在特定的充电状态和热环境中尤为显著。虽然在低倍率运行时，熵变相关的加热通常可以忽略不计，但在低温条件下或显著老化电池中，其热效应可能占据主导地位。

近年来，研究者们提出了多种热模型以更准确地描述锂离子电池的热生成行为。经典的模型基于Bernardi方程，将总热分为焦耳热和熵变热两部分，而更先进的模型则引入了老化、副反应和放电后的热效应。伪二维（P2D）电化学模型和多尺度多域（MSMD）模型在提升模型精度方面具有优势，但其计算成本较高，难以应用于电池组级别的模拟。等效电路模型（ECMs）虽然结构简单，但缺乏对物理过程的深入理解。许多传统模型忽略了放电后的热弛豫过程，未能准确捕捉到电池组中固有的热机械耦合和热滞后现象。因此，开发一个能够全面反映多物理场相互作用的热生成模型，对于实现预测性热管理至关重要。

为了应对上述挑战并推动这一领域的发展，本研究提出了一种全面且物理一致的锂离子电池热生成模型。该模型整合了六种不同的热生成机制：欧姆加热、极化损耗、可逆熵变、副反应热、老化相关热以及放电后的吸热弛豫效应。特别关注的是内部电阻参数和熵变系数对温度和充电状态的依赖性，同时考虑了电流停止后的瞬态动态，包括对流再平衡过程、离子重新分布以及电化学双电层的重组。

为了进一步提高模型的准确性和实用性，本研究还引入了一种新的相变材料（PCM）有效热容公式。该公式具有温度依赖性，能够反映潜热效应，并通过放电后增强因子来表示热吸收能力，即使在没有主动热源的情况下也能实现有效的热管理。与传统模型相比，该模型在物理现实性和计算可行性方面均有显著提升，其在单个18650电池和配备不同相变材料的20电池模块上的验证结果表明，模型的预测值与实验数据高度一致，相对误差均低于5%。这证明了该模型在不同放电速率（1C、3C、5C）下均能准确捕捉电池的主要热行为。

本研究的成果不仅为锂离子电池的热管理提供了坚实的理论基础，还为未来研究中引入主动热管理策略提供了可行的模型框架。通过结合物理基础模型与数据驱动的增强方法，该模型在保持物理严谨性的同时，也具备较高的计算效率，使其能够广泛应用于实际电池系统的设计和优化。此外，该模型的提出有助于推动智能电池管理系统的发展，为实现更高效、更安全的电池运行提供支持。随着新能源技术的不断进步，对电池热管理的需求将持续增长，因此，开发一种既能准确反映电池内部热生成机制，又能适应不同应用场景的热模型具有重要的现实意义。