论文阅读笔记03（下）：热失控与热失控传播建模方法综述——读Vujnovic等Review论文学习整理

1 写在前面：为什么要把单体模型扩展到系统

在上半部分，我们详细梳理了单体电芯级别的热失控建模方法——从完整Arrhenius反应链到六类简化模型，从化学串扰到内短路、泄压、老化等辅助现象。这些工作的核心目标是：准确预测一个电芯在热失控过程中的温度演化。

但在实际工程中，一个电芯失控往往不是终点。真正的灾难通常来自传播——热量从一个电芯传到相邻电芯，引发第二个、第三个…最终整个模组或电池包连锁失效。这就是热失控传播（Thermal Runaway Propagation, TRP）。

对于储能系统、动力电池包来说，TRP的危害比单体失控大得多。一个电芯失效可能只是冒烟、泄压；但十个电芯连锁失控，就可能引发火灾、爆炸，甚至摧毁整个储能舱。因此，安全设计的核心目标之一就是：如果热失控无法完全避免，至少要阻止它传播。

这篇综述的下半部分，正是围绕TRP建模展开的。论文的第三部分（Section 3）用了很大篇幅讨论传播机制、热平衡方程、空间离散化、多物理场耦合、缓解策略建模等。读完后我发现，TRP建模比单体TR建模更"工程化"——它不只是电芯内部的事，还涉及模组结构、散热条件、电芯间距、泄压路径、隔热材料等系统级因素。

下半部分的结构如下：

• 首先，介绍传播的五种机制和TRP的三个阶段，并澄清"预期路径"和"非预期路径"的区别；
• 然后，深入热平衡建模，重点讨论热传导（方壳/软包主导）和泄压对流（圆柱电芯中更显著）的建模细节；
• 接着，比较1D/电阻网络、2D/3D、混合模型等空间离散化方法的适用场景；
• 之后，简要介绍多物理场耦合、数据驱动模型和模型验证方法；
• 最后，讨论缓解策略的建模评估，以及下一代电池（固态、钠离子、富锂锰基）的热失控建模考虑，并总结对BMS、热管理、系统安全的工程启发。

如果你已经读完了上半部分，对单体TR模型有了基本了解，那么下半部分将帮助你把视野从"一个电芯"扩展到"整个系统"。让我们开始。

2 论文基本信息

本文阅读的论文信息如表 1所示：
表 1 阅读论文基本信息

由于在上篇已经介绍过相关信息，故在此仅展示Vujnovic综述的两大核心部分，如图 1所示：

图 1 论文核心内容框架

3 热失控传播建模：从单体到系统

如果说上篇的单体级热失控建模是在回答"一个电芯失控后能释放多少热量、温度能升到多高"，那么这一章的问题就是：这些热量会怎么传给旁边的电芯？旁边的电芯会不会也跟着失控？整个模组会不会像多米诺骨牌一样全部烧掉？

这就是热失控传播（Thermal Runaway Propagation, TRP）建模要回答的问题。论文的第三部分（Section 3）用了很大篇幅来讨论这个话题。我读下来的感受是：TRP建模比单体TR建模更"工程化"——它不能只关注电芯内部的化学反应，还必须考虑模组结构、散热条件、电芯间距、泄压路径等系统级因素。而且，传播过程往往比单体失控更加危险，因为一旦形成级联失效，整个电池包都可能报废。

下面我按照论文的结构，从传播机制、热平衡建模、空间离散化、多物理场耦合、数据驱动、验证、缓解策略到案例，逐步展开。

3.1 传播机制：热量是怎么跑到隔壁电芯的？

论文在3.1节的正文中列出了五种热失控传播机制。按重要性排序整理如表 2所示，示意图如图 2所示：
表 2 热失控传播机制对比

图 2 锂离子电池热失控的五种传播机制

论文特别引用了Feng等人（2020）提出的两个概念：预期路径和非预期路径，如图 11所示。

图 3 热失控传播的"预期路径"与"非预期路径"

• 预期路径：只通过机制1（热传导）传播。这种传播相对可控，可以通过隔热材料、降低相邻电芯SOC、加强散热等方式抑制。
• 非预期路径：涉及机制2-5（气体、火焰、颗粒、电弧）。一旦出现，传播速度会快得多，而且很难预测和阻止。

电池包设计的一个重要目标就是：让热失控始终沿着预期路径传播（甚至完全不传播），避免切换到非预期路径。 论文提到，从预期路径切换到非预期路径通常需要满足三个条件：气体迁移、结构完整性丧失、点火源存在。因此，泄压导向、结构加强和消除点火源是防止切换的关键。

另外，论文还介绍了Jiang等人（2020）对TRP过程的三个阶段划分，如图 12所示：

图 4 热失控传播的三个阶段：初始、快速扩展、爆发

• S1（初始阶段）：传播缓慢，受散热能力影响明显。
• S2（快速扩展阶段）：多个电芯相继失控，传播加速，散热能力相对不足。
• S3（爆发阶段）：传播到达电池包边缘，电芯间失控的时间间隔进一步缩短。

这个阶段划分告诉我们：如果能在S1阶段就检测到异常并采取措施（比如启动强冷、断开高压），阻止传播的成功率最高。一旦进入S2，基本就来不及了。

还有一个值得注意的发现：阵列中失效电芯的行为与单独测试时不同。Archibald等人（2020）发现，在模组中失效的软包电芯，其产气速率比单独测试时慢。这意味着我们不能直接用单体电芯的ARC数据去预测整个模组的TRP行为，必须用模组级实验来验证。

3.2 热平衡建模：热量怎么分配？

传播建模的核心是求解每个电芯的能量平衡方程。论文给出的通用形式是（式36）：

$$\rho c_p\frac{\partial T}{\partial t}=k\frac{{\partial }^{2}T}{\partial x^2}+\frac{hP}{A_{cell}}(T_{cell}-T_{amb})+\sigma ϵA_{cell}(T_{cell}^4-T_{amb}^4)+Q_{source}$$

右边四项分别是：热传导、对流传热、辐射传热、内部热源（来自单体TR模型）。

在实际工程中，为了简化计算，经常使用集总参数模型（lumped model），即假设电芯内部温度均匀，忽略传导项，将对流和辐射合并成一个有效传热系数。但集总模型不适合大尺寸电芯或温度梯度明显的场景。

论文还提醒了两个容易被忽略的细节：

• 电芯之间的汇流排：不仅会传导热量，还可能因为短路而额外产生焦耳热。
• 电池包的排气阀：气体从排气阀逸出会带走能量，这部分能量不再参与传播。但大多数TRP模型都没有考虑这个因素（Peng等人2025的实验表明它很重要）。

下面重点讲热传导和对流——这两项是TRP建模的核心。

3.2.1 热传导建模：方壳/软包的主战场

对于方壳和软包电芯，热传导是传播的绝对主导机制。原因很简单：这些电芯紧密堆叠，接触面积大，热量很容易通过接触面传到隔壁。

（1）热导率的各向异性

电芯内部的"卷芯"（jelly roll）是分层结构：正极、隔膜、负极、集流体交替堆叠或卷绕。这种结构导致热导率在不同方向上差异巨大，如图 13所示：

图 5 不同电芯形式的热各向异性与传热路径

• 面内方向（in-plane）：沿着极片平面的方向。因为有连续的金属集流体（铜箔、铝箔），热导率很高，大约 20–35 W/(m·K)。
• 法向方向（through-plane）：垂直于极片平面的方向。热量需要穿过多层活性材料、隔膜、电解液界面，热阻很大，热导率只有 0.15–1.6 W/(m·K)。

这对TRP建模意味着什么？对于方壳和软包电芯，电芯之间的传热主要发生在法向方向（因为电芯是面对面堆叠的）。所以我们可以把问题简化成一维：只计算法向的热流，忽略面内的温度分布。这大大降低了计算复杂度。

（2）热失控过程中热导率会变化

这是一个容易被忽略的细节。Lai等人（2021）测量了TR前后的热导率，发现TR后的电芯热导率显著下降，变成了一个"隔热层"。他们用一个线性插值公式（式37）来模拟热导率在TR过程中的变化：

• TR触发前：保持初始值
• TR过程中：从初始值线性下降到最终值
• TR结束后：保持最终值

这个现象其实很有意思：一旦一个电芯完全失控，它反而会阻止热量继续向更远的电芯传播（因为它的热导率变低了）。论文引用其他研究指出，NCM电芯的法向热导率随温度升高而降低（负温度系数），而LFP电芯则相反。这与电极颗粒大小和分布有关——NCM颗粒大，与粘结剂的接触不如LFP好。

（3）接触热阻不能忽略

在模组中，电芯与电芯之间通常有隔热材料（如气凝胶、陶瓷板）或压缩垫。这些材料与电芯表面之间存在接触热阻，而且接触热阻会随着电芯鼓胀而改变。

论文详细介绍了Hoelle和Zimmermann（2023）的模型。他们区分了几种热阻：

• 卷芯与壳体之间的间隙热阻（式39）
• 因产气导致的卷芯-壳体热阻变化（式40）：随着温度升高，电解液中的DMC和EC先后汽化，电芯鼓胀，接触压力增大，热阻减小。
• TR后卷芯塌陷形成的气体层热阻（式41）：这个热阻很大，进一步阻止了热量向后方传播。

他们还考虑了隔热材料在"受热侧"和"冷侧"的不同压缩状态，因为每个电芯的质量损失不同，模组整体的厚度会变化，导致不同位置的接触压力不一样。这种精细建模虽然复杂，但对于准确预测TRP的方向和速度很有价值。

（4）边界条件的影响

论文提到，环境风速对TRP有显著影响：在空气冷却的电池包中，风速达到0.43 m/s可以将TRP延迟约40分钟；风速0.85 m/s可以有效抑制传播。预紧力（对软包和方壳模组的压力）也会影响接触热导率，但目前很少有模型明确考虑这一点。

另外，冷却板可能"帮倒忙"。如果不同模块共用同一个冷却板，热量可能通过冷却板从一个模块传到另一个模块，反而加速模块间的传播。设计时需要评估这种风险。

3.2.2 泄压与对流传热：圆柱电芯中更显著

对于圆柱电芯，情况有所不同。圆柱电芯之间是线接触（或者通过支架固定，有一定间隙），接触面积小，所以传导并不是唯一的传热途径。泄压气体喷出后，可以在间隙中流动，通过对流加热相邻电芯。

泄压气体的双重作用：

• 好的一面：泄压气体带走大量热量（Walker等人的实验显示，小圆柱电芯70-80%的能量由喷射物带走），减少了传导到相邻电芯的能量。
• 坏的一面：如果气体直接喷向相邻电芯，会对流加热它们，加速传播。

论文引用Elsner等人（2023）的工作，展示了如何通过优化排气路径来将"坏的一面"降到最低。在他们的实验中，未优化时泄压气体直接喷向相邻电芯，相邻电芯表面温度高达180°C；优化后（增加导流板，让气体向上排出而不是侧向），相邻电芯温度降到100°C以下，成功阻止了传播（见论文Fig. 7）。示意图如图 14所示：

图 6 泄压气体双重作用与排气路径优化

不同电芯形式的建模差异：

• 圆柱电芯：泄压方向通常是轴向（两端）。电芯之间有空隙，需要用3D CFD或带视角因子的1D网络模型来模拟对流和辐射。圆柱电芯的切向导热率也很高，进一步增加了建模复杂度。
• 方壳电芯：泄压口通常位于顶部或侧面，位置相对固定。可以在电池包内部设计导向板，控制气体流向。由于电芯之间紧密接触，对流传热通常可忽略，只考虑传导即可。
• 软包电芯：泄压位置不可控（从封边最薄弱处破出），而且软包在产气时会鼓胀，影响气体流动路径。目前大多数模型要么忽略软包泄压，要么用能量损失系数折减。论文指出这是一个重要的研究缺口。

火焰与辐射传热：大多数模型将火焰的影响归入对流传热项，极少单独建模辐射传热。但论文提到，低SOC时虽然峰值温度较低，但产气仍然可能发生，而且如果没有及时点火，可燃气体积聚后反而有爆炸风险。因此不能简单地认为"低SOC就一定安全"。

3.3 空间离散化：1D、3D还是混合？

TRP模型必须具有空间分辨率，不能是0D（单体TR模型可以是0D，但传播模型必须区分哪个电芯先失控、哪个后失控）。论文讨论了三种离散化方法。

3.3.1 1D和电阻网络模型

适用场景：方壳和软包电芯模组。因为传热主要在法向（电芯堆叠方向），面内温度梯度很小，可以简化为一维。

电阻网络模型：把每个电芯看作一个节点，相邻节点之间通过热阻连接。热阻可以包括接触热阻、隔热材料热阻、间隙热阻等。能量平衡方程和电路中的基尔霍夫电流定律类似，求解速度快。

论文中Jiang等人（2020）的方壳模组模型就是一个典型的电阻网络。对于圆柱电芯，也可以使用电阻网络，但需要多个节点来近似切向导热——比如Hoelle等人将圆柱电芯分成1个、5个、13个、21个热质节点，节点数越多，对切向导热的近似越准，但计算量也越大。

3.3.2 2D和3D模型

适用场景：需要精确温度分布时，例如研究"热失控锋面"在一个长电芯内部的传播（Zhang et al. 2022），或者考虑局部热点、不均匀泄压、火焰传播等。

优点：可以耦合多物理场（如CFD模拟气体流动），精度高。

缺点：计算量大，参数多。而且TRP本身具有随机性（比如软包泄压位置随机），过度精细的网格不一定带来更有价值的预测。

自适应网格加密：可以在预计发生TR的区域细化网格，其他地方用粗网格，平衡精度和效率。

3.3.3 1D+3D混合模型

折中方案：用0D或1D的单体TR模型（只计算平均温度或一维温度分布），但用3D CFD模型来描述模组内的传热和气体流动。Hoelle和Zimmermann（2023）就是用一个0D单体模型（只输出电芯的平均温度），然后把这个温度作为边界条件输入到3D传热模型中。

这种混合方法的优点是：你不需要给每个电芯建立精细的3D网格，但仍然能获得比较准确的温度场和气体流场。

3.4 多物理场耦合与数据驱动

3.4.1 多物理场耦合

TRP本质上是电-热-化学-力学-流体的多物理场耦合问题。论文列举了常见的耦合类型：
表 3 耦合类型对比

数值挑战：

• 快速化学反应（毫秒到秒级）与慢速热力过程（秒到分钟级）时间尺度差异大，方程刚性强，求解器容易发散。
• 结构失效（隔膜熔化、壳体破裂、密封失效）需要网格重划分，技术难度高。
• 目前没有统一、鲁棒的多物理场TRP建模框架。大多数模型只耦合其中的两到三个物理场。

3.4.2 数据驱动模型

数据驱动方法在TRP建模中的应用比在单体TR建模中更常见。几个例子：

• Daniels等人（2024）：用CFD生成不同传感器布局下的温度数据，训练随机森林分类器，预测故障电芯的位置，在某些情况下准确率可达100%。
• Das Goswami等人（2024）：用3D电化学-热模型生成合成数据，训练GNN-LSTM网络，在热失控发生前预测温度趋势，MAE=0.072°C。
• Ouyang等人（2023）：引入模糊逻辑处理不确定性（如喷射物量、爆炸概率），与神经网络结合预测TRP概率。

论文的观点很明确：数据驱动模型是物理模型的补充，而不是替代。 主要障碍是：需要大量高质量的训练数据，而且黑箱模型的可解释性差。在安全关键领域，人们不太敢完全信任一个无法解释的模型。

3.5 模型验证与误差传播

3.5.1 验证方法

TRP模型的验证通常使用小型模组实验，而不是全尺寸电池包（因为全尺寸实验成本太高）。

• 对于圆柱电芯：常用的配置是7个电芯，中心一个触发，周围六个均匀分布。
• 对于方壳/软包：通常用4-10个电芯堆叠成一排，从一端或中间触发。

验证时比较的指标包括：传播时间（从第一个电芯失控到第二个电芯失控的时间差）、相邻电芯的峰值温度、失控顺序等。

3.5.2 验证精度标准

论文提出了TRP模型可接受的精度范围（基于作者的经验和高精度文献）：

• 峰值温度偏差 $\Delta T_{\max }<10^{\circ }C$
• 传播时间偏差 $\Delta t_{\max }<60s$
• 触发温度/时间偏差作为次要指标

3.5.3 单体模型误差向TRP模型的传播

这是论文中非常值得关注的一个点。单体TR模型的误差会直接传播到TRP模型中，主要体现在如图 15所示的三个方面：

图 7 单体级热失控模型误差向系统级传播模型的传递

论文举了两个例子：

• Lai等人（2021）的模型：单体模型的峰值温度偏差约50°C（相当大），但模组级的传播时间却与实验差异不大。这是因为他们调整了传热参数（比如接触热阻、环境散热系数）来"校准"模型，让传播时间匹配实验。这其实是一种曲线救国——单体模型不准，但通过调整系统参数也能拟合传播结果。然而，这种校准后的模型对其他工况（比如不同SOC、不同隔热材料）的预测能力会下降。
• Xu等人（2023）的模型：在4电芯小模组上验证，误差很小（$\Delta T_{\max }$误差3.2%，$\Delta t_{\max }$误差3.5%）；但在18电芯全模组上验证时，传播时间误差变得明显，虽然失控顺序预测正确。

这说明：从单体到系统，误差可能会放大，也可能被补偿。但无论如何，单体模型的准确性依然是TRP建模的基础。

3.6 缓解策略的建模

论文的3.7节专门讨论了如何通过建模来评估缓解措施的效果。这是工程人员最关心的部分。

3.6.1 隔热材料的建模

Feng等人（2015）提出，要阻止传播，隔热材料需要满足：导热系数 $\lambda <0.2\text{W}/(m\cdot K)$，厚度至少1mm，且能耐受600°C以上的高温。

建模方法：在电芯之间插入一个薄层，赋予其热导率、密度、比热容、厚度等属性。如果有相变材料（PCM），还需要考虑相变潜热。

几个有趣的发现：

• 金属插入件（如铝板）也可以作为热量吸收体，虽然它们导热性好，但比热容大，可以吸收大量热量。
• 放置过多隔热层可能导致热量积聚，反而恶化。Weber等人（2024）建议：用少数较厚的隔热层，而不是很多薄层。
• 如果环境散热系数足够高（>100 W/(m²·K)），即使没有隔热层，TRP也可以被显著延迟。
• 相变材料（PCM）被证明可以完全阻止TRP（Wilke et al., 2017）。

3.6.2 泄压导向的建模

目标：防止高温气体直接喷向相邻电芯，即阻止从"预期路径"切换到"非预期路径"。

建模方法：在CFD模型中设计排气通道（导流板、隔板等），计算气体温度、速度、流向，评估相邻电芯表面的对流热流密度。通过比较优化前后的温度，可以定量评价导向设计的效果。

论文中Elsner等人的案例（Fig. 7）表明，优化排气路径可以将相邻电芯表面温度从180°C降到100°C以下，从而阻止传播。

3.6.3 缓解建模流程图

论文的Fig. 5(b)在原TRP建模流程图（Fig. 5a）的基础上，在每个关键步骤旁边标注了可以采取的缓解措施。我把它翻译成下面的文字版本：

这个流程图的价值在于：它把抽象的"缓解策略"具象化到了建模流程的每个环节，让你知道应该在模型的哪个位置加入相应的参数。

3.7 两个真实案例的建模建议

论文在3.8节选取了两个真实的电动汽车火灾案例，给出了建模方法的建议。我觉得这个部分很接地气，直接摘录如下。

3.7.1 案例1：特斯拉Model S底盘穿刺（圆柱电芯）

• 事故原因：道路碎片刺穿底盘，损坏电池包，引发内短路。
• 电池类型：松下18650圆柱电芯（NCA正极）。
• 传播情况：BMS在失控前报警，传播限于电池包前部（内部隔舱设计起到了作用）。

建模建议：

• 需要使用多物理场耦合模型（热-机械-电），因为机械穿刺是起点。
• 针刺模型（如Sun et al., 2025）可以模拟壳体破裂、隔膜失效、内短路发生和焦耳热产生。
• TR触发后，需要耦合化学串扰模型（Arrhenius或能量分配法）。
• 传播部分：由于圆柱电芯之间有空隙，需要考虑传导和对流两种机制。可以用3D CFD或带视角因子的1D网络模型。
• 参数标定：必须使用同型号松下电芯的HWS（Heat-Wait-Seek）数据来拟合Arrhenius参数。

3.7.2 案例2：保时捷Panamera充电火灾（方壳电芯）

• 事故原因：充电系统故障，可能有两种情况——①充电接口过热（局部高温），②过充。
• 电池类型：方壳电芯（具体化学体系未公开）。
• 传播情况：整个电池包起火。

建模建议：

• 可以使用Lai等人（2021）的三合一模型（热-电-机械），该模型支持三种触发方式（外部加热、针刺、过充）。
• 场景①（局部过热）：将热源放在电芯与充电接口的连接处（CCS interface），用热阻网络模拟热量向电芯内部的传播。达到触发温度后，用HWS数据标定的Arrhenius参数启动TR。传播只考虑传导（方壳电芯紧密接触），泄压对流传热可忽略。
• 场景②（过充）：使用过充触发模式，需要根据ARC数据调整总能量（因为过充注入了额外的电能）。传播阶段与场景①相同。
• 该模型可以同时评估两种可能的触发原因，帮助事故分析。

3.8 小结：第二部分的关键收获

读完整理这一章，我有几点比较深的体会：

4 下一代电池的热失控建模考虑

前面讨论的所有建模方法，都是针对当前主流的锂离子电池体系（NCM、LFP、LCO等）。但电池技术正在快速演进——固态电池、富锂锰基、钠离子电池等新一代技术已经在产业化路上。这些新体系在热失控行为上有哪些不同？现有的建模框架还能直接用吗？

论文的2.6节专门讨论了这个问题。虽然篇幅不长，但信息量不小。我把它整理成三个部分：固态电池、富锂锰基电池、钠离子电池。

4.1 固态电池（Solid-State Batteries, SSBs）

4.1.1 传统认知 vs 现实

很多人认为固态电池"绝对安全"，因为没有了易燃的液态电解液。但论文明确指出：固态电池并非完全免疫于热失控。只是失效机制和液态电池不同。

液态电池的热失控链条很长：SEI分解 → 负极-电解液反应 → 隔膜熔化 → 正极分解释氧 → 电解液分解/燃烧 → 化学串扰。其中电解液既是可燃物，也是反应介质。

固态电池没有液态电解液，所以：

• 消除了：溶剂驱动的放热分解、电解液燃烧、大量气体产生（主要指来自溶剂的CO、H₂、烃类）。
• 引入了新的风险：固体电解质与金属锂之间的界面反应、氧释放（某些氧化物电解质）、热应力导致的裂纹。

图 8对比展示液态电池和固态电池的热失控反应链：

图 8 固态电池与液态锂离子电池热失控机制对比示意图

4.1.2 失效机制：氧释放是关键

论文引用了Chen等人（2020）的系统研究。他们发现，氧化物固态电解质在高温下会释放氧气，这些氧气与熔融的金属锂发生剧烈放热反应：

$$\text{氧化物电解质}\to \text{低价态产物}+O_2$$
$$2Li+O_2\to L{i}_{2}O+\text{大量热}$$

这个反应链的触发温度取决于电解质的类型。论文给出了几种典型固态电解质与金属锂接触时的热稳定性排序（从最不稳定到最稳定）：
表 4 几种典型固态电解质与金属锂接触时的热稳定性对比

LAGP和LATP的TR触发温度甚至低于某些液态电池，而且一旦触发，放热非常剧烈。所以不能说"固态就一定更安全"——取决于你选哪种固态电解质。

LLZO（石榴石型）是目前热稳定性最好的氧化物电解质，与锂接触直到350℃都没有明显的放热峰。但LLZO的缺点是离子电导率相对较低，界面接触问题也更严重。

硫化物固态电解质（如LPS、LGPS）虽然离子电导率高，但热稳定性差，在较低温度下就会分解（通常<300℃），而且会产生H₂S等有毒气体。论文没有给出它们与锂接触的具体TR温度，但指出它们比氧化物更容易失效。

4.1.3 对建模的影响

4.1.4 工程启示

对于固态电池，不能简单地说"安全"，而应该说：“与特定固体电解质搭配的固态电池，在某些条件下可能比液态电池安全，但并非绝对。” LLZO体系是目前最有希望实现本征安全的选择，但其他体系（尤其是NASICON型）需要额外的热管理设计。

在建模方面，固态电池的TR模型还在非常初期的阶段。如果你需要评估某种固态电池的安全性，最务实的方法是：先用ARC测试得到其自产热曲线，然后用"直接输入Q(T)曲线"的方法进行系统级仿真，而不是试图从第一性原理建立完整的反应动力学模型——因为参数根本不全。

4.2 富锂锰基电池（Lithium-Rich Manganese-Based, LMR）

4.2.1 背景

LMR正极材料（xLi₂MnO₃·(1-x)LiMO₂，M=Ni, Co, Mn等）因为能量密度高、钴含量低，被认为是下一代高能量密度电池的候选之一。但早期研究担心其高氧含量会带来严重的安全风险——氧释放可能触发剧烈热失控。

4.2.2 最新发现：没那么危险

论文引用了Pei等人（2025）的最新系统研究。他们对比了LMR和NCM92（高镍）电池在ARC下的热失控行为，发现：

• LMR的触发温度更高（自加热开始温度比NCM92高）。
• LMR的峰值温度更低（最高温度431°C vs NCM92的约800°C）。
• LMR的"缓慢自加热窗口"更长：从自加热开始到热失控爆发的时间几乎是NCM92的3倍。

这意味着什么？LMR电池给了BMS更多的预警时间和干预窗口。如果你能在早期检测到异常升温，你有更充裕的时间去降低功率、启动冷却、甚至断开高压。

另外，LMR正极的氧释放是延迟且衰减的，不像NCM那样在某个温度突然大量释氧。这可能是由于LMR正极具有更稳定的层状结构（经过材料改性后）。

4.2.3 对建模的影响

论文认为，LMR电池的TR建模可以直接沿用现有框架，不需要改变模型结构。但需要重新拟合以下参数：

• 正极分解反应的Arrhenius参数（活化能、指前因子、反应焓）
• 化学串扰阶段的总能量（比NCM低）
• 缓慢自加热阶段的持续时间（比NCM长）

如果你有LMR电芯的ARC数据，直接用Q(T)曲线输入法是最简单的。如果你需要预测不同SOC或老化状态下的行为，可以用插值法调整参数。

4.2.4 工程启示

LMR电池在安全性和能量密度之间提供了一个更好的平衡。对于储能系统这种对成本和安全都敏感的应用，LMR可能比高镍三元更有优势。但对于需要极限能量密度的电动汽车，还需要进一步验证其循环寿命和倍率性能。

4.3 钠离子电池（Sodium-Ion Batteries）

4.3.1 热失控特征：介于LFP和NCM之间

论文引用了Yue等人（2024）的对比研究，他们用ARC测试了三种18650电池：LFP（磷酸铁锂）、NCM（三元）、NTM（钠过渡金属氧化物，NaₓTMO₂）。结果很有意思：
表 5 三种18650电池参数对比

解读：

• 钠离子电池的触发温度最低（94℃），这意味着它比LFP和NCM都更容易"启动"热失控。
• 但一旦触发，它的峰值温度和总能量释放都远低于NCM，接近LFP的水平。
• 从自加热开始到TR爆发的时间间隔最短，说明钠离子电池从早期异常到完全失控的过渡非常快。

论文还提到一个有趣的现象：钠离子电池在TR后观察到了剧烈的"核心喷射"（core ejection），即电芯内部的活性材料被整体喷出。这在LFP和NCM电芯中都没有观察到。这说明钠离子电池的泄压和颗粒喷射行为可能与锂离子电池不同，喷出的物质量更大、速度更快。

4.3.2 为什么触发温度低？

钠离子电池的低触发温度可能与SEI的稳定性有关。钠的SEI比锂的SEI更容易溶解和再生成，在较低温度下就会失效。一旦SEI失效，负极与电解液的反应就开始放热。

4.3.3 对建模的影响

需要重新拟合所有参数。论文指出，钠离子电池的活化能 $E_a$ 和指前因子 $\ln A$ 都比LFP和NCM低。这意味着你不能直接用锂离子电池的参数。

需要特别关注泄压和颗粒喷射。因为钠离子电池有剧烈的核心喷射现象，泄压模型需要能够处理大质量喷射物和高速喷射流。如果忽略这一点，会严重低估喷射物带走的热量，导致高估传导热量，TRP预测可能不准。

传播建模时，对流和辐射可能比传导更重要（如果喷射物直接撞击相邻电芯）。现有的以传导为主的TRP模型（如方壳/软包的1D模型）可能不适用于钠离子电池模组。

4.3.4 工程启示

钠离子电池在热安全方面不是LFP级别的"绝对安全"，也不是NCM级别的"高风险"，而是处于中间位置。它的低触发温度是一个需要注意的信号——BMS的温度阈值可能需要设置得更低。但它的低峰值温度和低总能量释放意味着，即使发生热失控，后果也不会像NCM那样严重。

对于储能系统，钠离子电池的成本优势很大，但安全设计需要针对其快速触发和剧烈喷射的特点进行调整。比如，电芯之间可能需要更厚的隔热层，泄压路径需要特别设计以承受高速喷射物的冲击。

4.4 小结：下一代电池的建模差异对比

为了方便对比，三种下一代电池与当前主流NCM电池在TR建模上的差异如表 6和图 9所示：
表 6 下一代电池热失控特性与建模差异对比

图 9 LMR、钠离子、固态电池热失控特征对比雷达图（以NCM为参考）

一句话总结：下一代电池的TR建模，LMR最容易（直接用现有框架，重标参数即可），钠离子次之（需要处理特殊喷射），固态最复杂（机理不同，参数空白，还要耦合力学）。对于大多数工程人员来说，当前最务实的做法是：拿到新体系的ARC数据后，先用Q(T)曲线输入法进行系统级仿真，而不是一上来就试图建立完整的Arrhenius参数模型——因为那些参数可能根本不存在于公开文献中。

5 对BMS、热管理和系统安全的启发

读完这篇综述，我一直在想一个问题：这些建模方法和我日常做的BMS策略、热管理设计、系统安全评估到底有什么关系？ 论文本身是偏学术的综述，但它的很多结论可以直接转化为工程实践中的设计原则。下面我结合自己的理解，从三个角度梳理一下启发。

5.1 对BMS策略的启发

BMS是电池系统的"大脑"，负责监测电压、电流、温度，判断异常并采取保护措施。但传统BMS的保护逻辑大多是固定阈值——比如温度超过60℃报警、超过70℃断电、电压超过4.25V切断充电。这种策略对于正常工况是够用的，但对于热失控这种"渐进式"的故障，存在明显的滞后性。

启发1：把"温度变化率"加入预警逻辑

论文反复强调一个观点：热失控不是突然发生的，而是内部副反应逐步积累、温度缓慢上升，然后进入正反馈加速的过程。在温度明显升高之前，dT/dt 可能已经出现了异常。

举个具体的例子：一个电芯在正常1C放电时，dT/dt 大约 0.5~1℃/min；如果某个电芯因为内短路或局部过热，dT/dt 达到了 3℃/min 但温度只有45℃（还没到报警阈值），这时候其实已经有问题了。如果BMS能检测到这个趋势并提前降功率或通知运维，可能就能避免后续的热失控。

如图 10所示，本图提出了一种多级预警逻辑：当dT/dt超过正常范围但温度仍较低时，进入"关注"状态（黄色区域）；当温度接近阈值且dT/dt持续升高时，进入"预警"状态（橙色区域）；当温度超过阈值或dT/dt急剧上升时，触发"保护"动作（红色区域）。这种基于趋势的判断比单一阈值更早捕捉到异常。

图 10 BMS热失控预警的多级判断逻辑

论文中提到的"分阶段模型"（把TR分成3-5个dT/dt阶段）本质上就是利用了温升速率的变化规律。虽然BMS不可能运行完整的Arrhenius方程，但可以实时计算每个电芯的dT/dt，并与历史数据和同簇其他电芯对比。如果某个电芯的 dT/dt 持续高于正常值，就应该进入"关注"状态。

启发2：单体电压的"静置压降"是一个被低估的信号

在热诱发的热失控中，内短路不是主要热源，但它往往是早期信号之一。当隔膜开始软化或局部受损时，会产生微小的内短路，表现为：静置状态下单体电压缓慢下降，或者充电时端电压偏低。

论文中引用的实验表明，在热失控发生前几十分钟到几小时，电压就可能出现可检测的异常。如果BMS能够定期（比如每10分钟）计算静置压降（delta V / delta t），并与同串其他单体对比，就能提前发现异常单体。当然，这需要BMS有足够精度的电压采样（至少1mV）和稳定的静置条件。

启发3：SOC和SOH会影响安全边界，保护阈值应该动态调整

论文中明确提到：高SOC降低触发温度，高倍率循环导致的析锂进一步降低触发温度（约30-60℃）。这意味着：同样的温度，对于高SOC、老化的电芯来说，可能已经处于危险边缘，而对于低SOC、新电芯来说还是安全的。

因此，BMS的保护阈值不应该是一个固定值，而应该根据SOC和SOH动态调整。比如：

• SOC > 90% 时，温度报警阈值降低5℃；
• SOH < 80% 时（尤其是析锂老化的电芯），温度报警阈值再降低10℃。

论文中Zeng等人的模型用线性公式将SOC与反应物质量分数关联起来，这其实给了BMS一个思路：可以用SOC作为输入，查表或插值得到当前的"等效安全温度上限"。

启发4：气体传感器是BMS的"外挂"，值得认真考虑

大多数BMS只有电压、电流、温度传感器。但论文花了很大篇幅讨论"产气是热失控早期最明显的信号之一"——SEI分解会产生CO₂和C₂H₄，温度再高一点会产生H₂和CO，这些气体的出现往往早于外壳温度明显上升。

热失控过程中，不同信号的出现时机差异很大。如图 11所示，气体信号（CO、CO₂、H₂）通常在温度明显上升之前就出现了，因为SEI分解和电解液早期分解就会产气。电压下降（尤其是微短路导致的自放电）也相对较早。而外壳温度上升和冒烟/火焰出现则明显滞后。这意味着：如果BMS只依赖温度传感器，可能错过宝贵的早期预警窗口；如果增加气体传感器或高精度电压监测，可以提前数分钟到数十分钟发现异常。

图 11 热失控发展过程中不同信号的可检测性对比

对于储能系统（尤其是集装箱式储能），空间相对宽敞，布置气体传感器（VOC、CO、H₂、CO₂）是可行的。一旦检测到异常气体，可以联动排风扇、断开高压、通知消防。对于车载BMS，空间和成本受限，但至少可以在电池包出气口布置一个CO传感器——很多研究已经证明CO是热失控早期的特征气体之一。

5.2 对热管理设计的启发

热管理系统的主要任务是把电池温度控制在合理范围内，同时尽量减小温差。但从热失控预防的角度，热管理还有另一层意义：延缓温度上升，为BMS争取预警和处置时间。

启发1：温差控制比平均温度更重要

论文中提到，热失控往往不是从平均温度最高的电芯开始的，而是从局部热点开始的。局部热点可能来自：电芯内部缺陷、接触电阻过大、冷却不均等。

因此，热管理设计不仅要关注"最高温度不超过多少度"，还要关注"电芯之间的最大温差"和"单个电芯表面的温度梯度"。在液冷板设计中，应尽量保证每个电芯的冷却路径长度一致，避免某些电芯"喝不到水"。在风冷系统中，要避免气流短路，确保每个电芯都能被风吹到。

启发2：冷却系统失效本身就是一种触发条件

论文中多次提到"热滥用"包括冷却系统故障。这意味着：如果BMS检测到水泵故障、风扇停转、冷却液泄漏，应该立即降功率或停机，而不是等到温度报警再动作。

很多安全标准（如GB 38031）要求电池系统在冷却失效后仍能保证一定时间的安全运行。但更好的设计是：冷却系统状态直接参与BMS的保护逻辑。一旦冷却能力下降，充电电流和放电功率的上限应该相应降低。

启发3：泄压路径设计和隔热材料是最后一道防线

对于方壳和软包模组，如果热失控已经发生，传导是最主要的传播路径。论文中给出的隔热材料要求：导热系数 λ < 0.2 W/(m·K)，厚度至少1mm，耐温>600℃。气凝胶、陶瓷纤维、云母板都是常见选择。

更关键的是泄压路径设计。论文中Elsner等人的实验表明：通过优化排气通道，可以把相邻电芯的峰值温度从180℃降到100℃以下。具体做法包括：

• 在电芯之间设置导流板，让高温气体向上或向侧面排出，而不是直接冲击相邻电芯；
• 在电池包顶部或侧面设置单向排气阀，让气体尽快离开电池包；
• 避免在排气路径上布置线束、塑料件等易燃物。

这些设计可以通过CFD仿真提前验证，不需要等到样机测试阶段才发现问题。

5.3 对系统级安全设计的启发

启发1：安全设计要分层、冗余

论文反复强调的一个观点是：没有单一措施能完全消除热失控风险。材料层面的本征安全可以降低概率，但不能保证绝对安全；BMS可以提前预警，但不能阻止所有异常；隔热材料可以延缓传播，但可能被高压气体冲开。

因此，系统级安全设计应该是一个如表 7和图 12所示的"多层防护"体系，当某一层失效时，后续层仍有机会阻止事故扩大。
表 7 电池系统安全的多层防护措施

图 20 锂离子电池系统热安全的多层防护体系

启发2：传播时间是一个关键指标

安全标准（如GB 38031-2025）要求：热失控发生后，应保证乘客有足够的时间逃生。通常要求"从报警到电池包外部起火不少于5分钟"。

在设计中，可以用TRP模型来估算"从第一个电芯失控到第二个电芯失控的时间间隔"，以及"从第一个电芯失控到电池包外部出现明火的时间"。如果时间太短，就需要加强隔热或优化泄压。

论文中给出的验证指标——ΔT_max < 10°C、Δt_max < 60s——虽然不是直接的安全标准，但可以用来校准模型，确保传播时间的预测误差在可接受范围内。

启发3：老化电池的安全风险需要重新评估

论文专门讨论了老化对热失控的影响。析锂老化的电芯，触发温度可能降低30-60℃。这意味着：一辆使用了5年的电动车，其电池包的热安全裕度可能远低于新车。

因此，在系统级安全设计中，应该考虑电池全生命周期的风险。例如：

• BMS中存储不同老化阶段的安全阈值（基于加速老化实验数据）；
• 运维时定期对电池包进行"健康检查"（比如检测自放电率、AC内阻、温升特性）；
• 对于已经出现明显析锂的电芯，应考虑更换或降级使用。

6 小结

这篇综述的下半部分，让我对热失控传播有了比较系统的认识。总结下来，几点核心收获：

从上半部分的"单体TR建模"到下半部分的"系统TRP建模"，这篇综述帮我建立了一个相对完整的框架：既知道一个电芯为什么会失控，也知道它失控后如何影响周围、如何阻断传播、如何通过建模来优化设计。对于后续的工程实践，这个框架比记住几个具体参数更有价值。

参考文献