欢迎光临HAWKER英国霍克蓄电池（中国）营销总部
服务热线：15313702523

首页 > 技术支持

霍克锂电池从电芯到模组：面向21,700个电动汽车锂离子电池的集成化识别、建模、模拟与实验验证方法

锂离子电池（LiBs）因其高能量密度与功率密度、长循环寿命及低自放电率[3][4]，被广泛应用于电动汽车、电子设备及固定式节能装置[1][2]。随着全球能源系统脱碳进程加速，锂离子电池作为支撑可持续交通转型与可再生能源并网的关键储能技术[5][6]，其重要性日益凸显。然而，锂离子电池的快速普及也带来了热管理和安全性方面的新工程挑战。锂离子电池（LiBs）的性能高度依赖温度。在高充电速率和放电速率下，尤其是高密度电池模组中产生的过量热量会导致温度分布不均并形成局部热点，从而使电池组超出最佳工作温度范围[7]。这种现象不仅会降低电池性能、缩短使用寿命，还会显著增加热失控风险，可能引发火灾或爆炸[8]。
此外，电池在高倍率充放电条件下的运行不可避免地会产生过量热量，导致严重的空间温度不均匀性并形成关键热集中区。Fan等[9]证实，这种不均匀的温度分布会在电池卷芯结构深处产生局部热点，进而引发显著的热致应变。这种内部机械变形作为早期失效信号，往往先于可检测的表面温度变化或电压Drop出现。若无法通过有效散热来缓解这些内部异常，情况可能迅速恶化为热失控。如Li等人[10]所指出的，这种灾难性失效伴随高温固体颗粒排放物的剧烈喷射。这些喷射颗粒不仅释放有毒重金属，还会成为可燃气体混合物的点火源，并增强对相邻电池的辐射传热，从而加速火灾蔓延并危及整个电池组的安全。此外，电池组内部的热不均匀性会导致不均衡老化，从而降低整个系统的可靠性[11][12]。为确保锂离子电池在不同工况下的安全性、提升性能并延长使用寿命，开发高效稳定的电池热管理系统（BTMS）势在必行。
根据是否依赖外部能量进行温度调控，电池热管理系统(BTMS)通常分为主动式与被动式两类。主动式BTMS主要采用强制风冷或液冷技术，通过泵、风扇、压缩机等组件实现对电池组的热量耗散[13]。这类系统展现出优异的冷却效率与可控性，适用于高热流密度设备。然而，其代价是增加了系统复杂性、能耗及维护需求，可能影响系统整体效率与紧凑性[14][15]。被动式电池热管理系统(BTMS)依赖无需外部能量输入即可散热的材料或结构设计。此类材料或设计的典型代表包括相变材料(PCM)、热管(HP)以及自然对流[16][17][18]。虽然这类系统结构更简单、运行更安静且能效更高，但其普遍存在冷却能力有限、对高热负荷响应迟缓等缺陷。因此，选择合适的BTMS需要综合考虑热性能、能效指标与设计约束之间的trade。
在被动冷却技术中，相变材料（PCMs）与热管（HPs）因其紧凑性而备受关注。相变材料通过固-液相变过程吸收潜热，在高放电率条件下有效抑制电池组温升。Wang等[19]研究了浸没于相变材料中的电池组，发现...Tm...相变材料的相变温度必须与电池组理想工作温度相匹配。Xiao等[20]开发了一种采用液冷板的混合冷却方案。然而，相变材料普遍存在导热系数较低的问题k)，限制了其散热速率，在不当管理下可能导致局部过热[21][22][23]。在多种热管类型中，传统吸液芯结构热管(CHPs)被广泛用于电池系统的热管理。CHPs通过毛细作用驱动的蒸发-冷凝循环，将热量从高温区域高效传递至低温区域[24][25]。Sun等[26]采用超薄柔性热管(厚度：0.63 mm)实现了2333.1 W/mK的最大导热系数。
尽管每种技术都具有独特优势，但其单独使用可能不足以满足现代锂离子电池日益严苛的热管理需求。为克服相变材料（PCMs）与化学热管（CHPs）各自的局限性，近期研究探索了将两种技术整合的混合被动式电池热管理系统（BTMSs），以实现协同热控。在此类系统中，PCM在峰值负荷期间吸收多余热量，而CHPs则促进热量快速再分配，从而提升整体导热性能[27][28][29]。针对混合BTMSs的实验研究表明，该系统在高充电率与放电率条件下能有效降低电池峰值温度并改善热均匀性。Zhang等[30]提出了一种新型混合BTMSs，实验数据显示其最大电池温度（Tb,max在5°C/min的升温速率下，最高温度达到44.9°C。Wang等[31]将相变材料与复合蜂窝结构填充至电池组间隙，开发出不增加系统总体积的紧凑型混合电池热管理系统。然而，由于涉及复杂的传热机制，此类系统的优化仍具挑战性。实验方法还存在安全风险高、成本昂贵等局限。相比之下，数值模拟为详细参数分析与设计探索提供了更安全且经济高效的途径，已成为分析优化不同工况下被动式混合电池热管理系统的重要工具。
电池热管理的数值模型可大致分为高保真模拟和降阶模型(ROMs)，包括集总(0D)模型、一维模型、基于投影的方法和数据驱动方法。三维计算流体力学(CFD)能够实现温度场和复杂几何结构的精细解析，因此非常适合用于电池包终期验证[32], [33], [34], [35], [36]。然而，采用三维CFD精确解析相变材料(PCM)中的瞬态相变行为以及复合热管(CHPs)内的气液输运过程会产生高昂的计算成本，这限制了其在需要快速迭代和大量参数研究的早期设计阶段的实际应用。
为缓解这一计算负担，近期研究探索了基于投影和数据驱动的高保真降阶模型(ROMs)，这类方法在文献[37]中常被称为"黑箱"模型。%%虽然这些方法能在保持高预测精度的同时显著降低计算成本，但通常存在外推能力有限和物理可解释性降低的问题。 %%为应对这些不足，物理信息机器学习框架（如物理信息神经网络PINNs）被提出，旨在将第一性原理约束融入数据驱动模型[38][39][40]。然而，许多基于投影和数据驱动的降阶模型本质上仍依赖于代表性的高保真数据进行模型构建或训练，包括基于快照的方法（如奇异值分解SVD/本征正交分解POD）[41]、Krylov子空间方法[42]以及基于神经网络的代理模型[43]。因此，这些方法在数据稀缺场景中的适用性存在固有局限，而这种情况在电池热管理系统（BTMS）的早期开发阶段十分常见。相比之下，基于物理学的降阶模型（"白箱"模型）[44]特别适合于以极低计算成本捕获电池组的瞬态热行为。通过实现快速模拟，这些模型能够在早期设计阶段促进高效的参数分析和系统级优化。然而，此类模型的开发通常需要精细的物理建模和定制化实现，这些过程往往无法依赖商业化模拟工具，因而高度依赖于研究人员个体的专业能力。
现有基于物理的数值模型在模拟混合BTMS三个核心组件（均热板、相变材料和电池）时存在显著的能力局限。对于均热板，大量研究假设其有效导热系数为恒定值[17][34][35][36][45]，这种处理忽略了内部沸腾和冷凝等相变现象对该参数的显著影响[46]。由于均热板内部传热特性受电池非稳态产热率的强烈影响，这种简化处理可能导致动态工况下的预测失准。对于相变材料，部分研究采用将热容视为表观温度依赖特性的建模方法[44][47][48][49]来模拟其熔化过程。尽管该方法能够捕捉熔化过程中的延迟温升现象，但其依赖需通过实验数据拟合的经验参数，这限制了模型的泛化能力和物理保真度。最后，电池产热通常采用恒定热流输入而非实际充放电曲线进行建模[34][36][45]。这种做法削弱了模型在真实工况下的适用性——在这些工况中，电化学动力学与荷电状态（State of Charge）SOC) 发挥着关键作用。
本研究开发了一个降阶模型，旨在提升电池热管理系统（BTMS）模拟的物理保真度与适用性，其贡献主要体现在以下四个方面：
  • 1.
    通过采用动态热阻来模拟复合相变材料（CHPs）的传热过程，该热阻作为电池动态热读档的函数，能够准确捕捉潜在的相变动力学特性。
  • 2.
    采用基于一维焓的能量方程解析相变材料熔化过程，以消除经验性相变参数。
  • 3.
    模拟了随温度与SOC变化的实际生热模型，该模型通过电流与SOC作为全局输入。
  • 4.
    本文实现了一种热投影映射算法（TPMA），用于间接评估整个系统的温度梯度，从而克服了单胞模型的局限性。
上一个：霍克锂电池用于“插层-转化”锂硫电池的原位锂化干法制备石墨电极 下一个：霍克锂电池基于工艺-结构优化策略的硅基圆柱电池循环性能研究

推荐新闻

新闻中心

联系我们

联系人：英国霍克蓄电池（中国）营销总部

手机：15313702523（微信同号）

E-mail：ukhawker@yeah.net