📚 课程目录第2章电池产热机理与热特性基础

2. 电池产热机理与热特性基础

锂离子电池的热模型之所以复杂，根源在于它的产热并非单一来源。同一时刻，电池内部可能同时存在可逆的熵变热、不可逆的焦耳热和极化热，三者的符号、量级和随工况变化的规律各不相同。如果只用一个笼统的"内阻发热"来描述，模型在低倍率或低温工况下会明显失真。因此，理解产热机理是后续参数辨识和热模型搭建的物理前提。

一、锂离子电池工作原理与热量的来源

锂离子电池的正极通常为钴酸锂、三元材料或磷酸铁锂，负极为石墨，电解液承担锂离子传输。充电时，锂离子从正极脱出，经电解液穿过隔膜嵌入负极，电子则通过外电路从正极流向负极；放电时过程相反。这一"摇椅式"往返过程本身并不直接产热，真正产生热量的是锂离子和电子在迁移过程中遇到的各类阻力，以及锂嵌入/脱出引起的熵变。

从能量守恒看，电池的产热速率可写成：

Q_total = Q_rev + Q_irr
        = I·T·(∂U/∂T) + I·(U_ocv − U_term)

其中：
  I        为电流（充电取正、放电取负，需全文统一约定）
  T        为电池温度（K）
  ∂U/∂T    为熵变系数（V/K），由开路电压随温度变化率决定
  U_ocv    为开路电压
  U_term   为端电压
  (U_ocv − U_term) 即总过电位，包含欧姆压降与极化过电位

这里采用"充电为正、放电为负"的电流约定，后文与图示均保持一致。若切换为放电为正，则 Q_rev 与 Q_irr 的符号需同步调整，否则会出现"放电反而吸热"的错误结论。

二、可逆产热：熵变热

熵变热 Q_rev = I·T·(∂U/∂T) 是锂离子嵌入/脱出引起电极材料熵变而产生的热量，它可正可负。当 ∂U/∂T 为正时，充电过程吸热、放电过程放热；当 ∂U/∂T 为负时则相反。不同正极材料的熵变系数差异很大：磷酸铁锂在较宽 SOC 区间内 ∂U/∂T 接近零甚至为负，产热以不可逆项为主；三元材料在部分 SOC 区间 ∂U/∂T 可达 0.1～0.5 mV/K 量级，在低倍率下熵变热占比不可忽略。

熵变系数通常通过"不同温度下的开路电压测量"获得：在 SOC 分别为 0%、10%、…、100% 处静置至电压稳定，记录 25 ℃、35 ℃、45 ℃ 下的 U_ocv，用 (U_ocv(45℃) − U_ocv(25℃)) / 20 近似 ∂U/∂T。这一数据是热模型中唯一需要温度维度实验才能标定的参数，也是低倍率工况下模型精度的关键。

三、不可逆产热：焦耳热与极化热

不可逆产热恒为正，是电池发热的主体。它可进一步拆分为两部分：

焦耳热：由欧姆内阻 R_ohm 引起，包括集流体、极耳、电解液和接触电阻，满足 Q_ohm = I²·R_ohm。它与电流平方成正比，在大倍率下迅速主导产热。
极化热：由电化学极化和浓差极化引起，表现为端电压偏离开路电压的过电位部分，Q_pol = I·η_pol。极化过电位随电流、SOC 和温度变化，低温下显著增大。

工程上常把两者合并为 Q_irr = I·(U_ocv − U_term)，再通过 HPPC（混合脉冲功率特性）测试分离：对电池施加 10 s 充电/放电脉冲，记录电压响应，用 ΔU/ΔI 拟合不同 SOC 和温度下的直流内阻 R_dc，其中包含欧姆与极化贡献。若需区分，可在脉冲结束后观察电压弛豫曲线，快速跳变部分对应欧姆压降，缓慢恢复部分对应极化过电位。

教学示例（合理假设，非实测）：某三元电池在 25 ℃、50% SOC 下，R_ohm = 1.2 mΩ，10 s 脉冲总内阻 R_dc = 2.0 mΩ。以 2C（假设容量 50 Ah，即 I = 100 A）放电 10 s，则 Q_ohm = 100² × 0.0012 = 12 W，Q_pol = 100² × (0.0020 − 0.0012) = 8 W，不可逆产热合计约 20 W。若此时 ∂U/∂T = 0.2 mV/K，T = 298 K，则 Q_rev = (−100) × 298 × 0.0002 ≈ −6 W（放电取负电流，吸热）。总产热约 14 W，可见低倍率下熵变热占比接近 30%，不能忽略。

四、温度对性能与安全的影响

温度升高会降低电解液黏度、提高锂离子扩散系数，因此内阻下降、可用容量和功率能力提升。但这一"利好"有明确边界：当温度超过约 60 ℃，SEI 膜开始加速分解，副反应产热进一步推高温度，形成正反馈。若散热不足，可能触发热失控链：SEI 分解 → 隔膜收缩 → 内短路 → 电解液分解 → 喷阀起火。

低温则走向另一极端：-20 ℃ 下电解液电导率大幅下降，极化过电位急剧增大，充电时负极表面易析锂，不仅造成容量不可逆损失，析出的锂枝晶还可能刺穿隔膜。因此，热模型不仅要预测温升，还要为 BMS 的温度阈值判断和热管理策略提供依据。

五、从机理到建模的衔接

把上述机理落到热模型上，通常采用 Bernardi 产热方程作为集总或一维模型的源项：

q = I·(U_ocv − U_term) + I·T·(∂U/∂T)

其中第一项为不可逆热，第二项为可逆热。
在三维热模型中，q 作为体积热源分配到正极、负极和隔膜区域，
再与导热方程 ρ·c_p·(∂T/∂t) = ∇·(k·∇T) + q 耦合求解。

参数辨识的任务，就是通过实验确定 R_ohm、R_dc、∂U/∂T 以及导热系数 k 和比热容 c_p。其中 R_ohm 和 R_dc 来自 HPPC 与脉冲测试，∂U/∂T 来自多温度 OCV 测试，k 和 c_p 则可通过 ARC（加速量热）或激光闪射法获得。这些参数随 SOC 和温度变化，实际建模时通常以二维查表形式存储，再在仿真中插值调用。

常见误区：把总内阻当作常数代入 Q = I²R。实际上 R_dc 在 -20 ℃ 下可能是 25 ℃ 的 3～5 倍，在低 SOC 下也会明显上升。若忽略这一变化，低温或低 SOC 工况的温升预测会严重偏低，导致热管理策略失效。

理解产热机理之后，下一步才能合理选择热模型的维度和复杂度：低倍率、小电芯可用集总模型；大倍率、大容量电芯或模组则需要一维或三维模型来捕捉内部温度梯度。产热机理决定了源项怎么写，热特性决定了边界条件和参数怎么定，两者共同构成后续建模与辨识的物理基础。