第3章电化学-热耦合原理

第三节：电化学-热耦合原理——焦耳热、反应热、极化热、熵热，生热率计算模型

各位同学，咱们今天聊点硬核的。电池发热，说白了就是能量在“搬家”过程中损耗掉了。但损耗不是单一原因，它分好几种类型。我刚开始做热仿真时，以为发热就是电流平方乘电阻，后来发现——嗯，太天真了。

电池内部的生热，其实是四种热源叠加的结果：焦耳热、反应热、极化热、熵热。这四种热源，各有各的脾气。咱们一个一个拆开讲。

焦耳热，也叫欧姆热。公式很简单：Q_ohm = I² × R。电流越大，电阻越大，发热越猛。这个大家都会算。

但这里有个坑——电阻R不是常数。我在项目中遇到过，有人直接用直流内阻算焦耳热，结果仿真温度比实测低了5℃。为什么？因为电池的欧姆内阻随温度、SOC、老化程度都在变。你想想看，冬天电池内阻翻倍，焦耳热也跟着翻倍。

关键点：焦耳热计算时，R必须用动态内阻模型。我习惯用查表法，把不同温度、SOC下的内阻值做成二维表，实时插值。

反应热来自电化学反应本身。锂离子嵌入脱出，本质上是个放热或吸热过程。公式是：

Q_rxn = (ΔH / nF) × I

其中ΔH是反应焓变，n是电子转移数，F是法拉第常数。说白了，每转移一个电子，就带出一份热量。

这里有个有意思的现象：放电时反应热是放热的，充电时可能是吸热的。我记得有一次做快充仿真，发现电池中心温度反而比边缘低，查了半天——原来是反应热在“吃”热量。嗯，这就是熵热的反作用，咱们后面讲。

个人经验：反应热在低倍率下占比不大，但到了3C以上，它就成了主要热源之一。做快充热管理时，千万别忽略它。

极化热，也叫过电位热。电池工作时，实际电压总比开路电压低一点（放电时）或高一点（充电时）。这个差值就是过电位，过电位乘以电流，就是极化热。

公式：Q_pol = (V_ocv - V_terminal) × I

极化热又分三种：

你可能会问：这三种极化怎么区分？说实话，在工程仿真里，我们通常把它们合并成一个“总极化内阻”。我习惯用混合脉冲功率特性（HPPC）测试来标定这个值。

避坑指南：我曾经在低温仿真时，直接用常温的极化参数，结果误差大到离谱。低温下浓差极化会暴增，这个一定要单独建模。

熵热，也叫可逆热。它来自电池内部的熵变。公式：

Q_ent = T × ΔS / (nF) × I

其中ΔS是熵变，T是温度。注意，这个热是可逆的——放电时放热，充电时吸热。我刚开始做仿真时，觉得熵热占比小，直接忽略了。结果有一次做1C恒流放电仿真，发现温度曲线有个“小鼓包”，怎么调参数都消不掉。后来一查——是熵热在某个SOC区间突然变大。

熵热在LFP（磷酸铁锂）电池里特别明显。因为LFP的熵变曲线有个“平台区”，在那个区间内，熵热会剧烈变化。你想想看，如果忽略它，仿真温度曲线就会“失真”。

关键数据：熵热系数dU/dT（即ΔS/nF）可以通过实验测得。我建议至少测10个SOC点，插值使用。LFP电池的dU/dT在50% SOC附近会从正变负，这个拐点一定要捕捉到。

好了，四种热源都讲完了。现在把它们加起来：

Q_total = Q_ohm + Q_rxn + Q_pol + Q_ent

但在实际仿真中，我们通常简化成两种形式：

我个人更推荐Bernardi模型。为什么？因为它只需要两个输入：端电压和开路电压。这两个参数容易测，而且精度够用。我在多个项目中验证过，Bernardi模型的误差在5%以内。

但要注意：Bernardi模型假设电池内部温度均匀。如果你做的是大尺寸电池或高倍率工况，内部温度梯度很大，那就得用三维模型，把生热率分布到每个网格上。

下面这张图，是我自己总结的电化学-热耦合生热模型框架。你看一眼，就能把四种热源的关系理清楚：

这张图把整个流程串起来了。从输入参数开始，到四种热源的计算，再到总生热率的合并，最后落到两种工程模型上。你照着这个框架搭模型，基本不会漏东西。

最后，我分享几个参数校准的实操经验：

嗯，以上就是电化学-热耦合的核心内容。四种热源，各有各的脾气，但摸透了它们的规律，仿真精度就能上一个台阶。我当年也是踩了不少坑才总结出这些经验，希望你们能少走弯路。