1 写在前面为什么读这篇论文在读完Cherukat等人的热失控建模综述后我意识到一个问题综述里讲了“0D、1D、P2D、3D”的分类框架也提到了“电化学-热-动力学耦合”是趋势但我还没有看到一个完整的、从建模到实验验证的具体案例。这篇Garcia等人的论文正好填补了这个空白。它用了一个P2D电化学模型 Arrhenius热失控动力学 集总热模型的紧耦合框架在NMC811圆柱电芯模组上做了系统的传播实验并用4组不同边界条件的实验数据验证了模型精度。读这篇论文的目标很明确理解多物理场耦合在工程上是如何具体实现的三个子模型怎么交互、怎么传递变量学习参数标定的实操方法遗传算法校准14个参数涵盖电化学和热两方面看看模组级热蔓延实验的设计思路间距、环境温度、单/双触发以及模型的预测精度到底如何获取工程上可用的参数敏感性结论间距、初始温度、填充材料的影响。这篇笔记会按照“模型框架 → 实验验证 → 参数分析 → 工程启发 → 局限”的顺序展开。2 论文基本信息本文阅读的论文信息如表 1所示表 1 阅读论文基本信息项目内容论文题目Experimental validation of multi-physical model for thermal runaway propagation in NMC811 cylindrical cells作者Antonio Garcia, Javier Monsalve-Serrano, Javier Marco-Gimeno, Carlos Guaraco-Figueira期刊Applied Thermal Engineering发表年份2025卷期页码Vol. 283 (2026) 128934DOI10.1016/j.applthermaleng.2025.128934论文类型研究论文主要主题NMC811圆柱电芯热失控传播的多物理场耦合模型包含电化学P2D、热失控动力学Arrhenius、集总热模型以及模组级传播实验验证这篇研究论文不同于我之前读的综述它不是“有哪些模型”的汇总而是一个具体模型的建设与验证全过程。作者团队来自西班牙瓦伦西亚理工大学的CMT研究所这个所在内燃机和电池热管理领域有比较深的积累。论文的核心价值在于给出了一个可以实际跑起来的、经过实验数据校准的、能从正常循环一直算到热失控传播的集成模型而且源代码虽然在商业软件GT-SUITE里和实验设计都是透明的便于复现和改进。3 这篇论文主要讲了什么3.1 研究问题现有热失控模型大多聚焦于单电芯或者只考虑热传递而忽略电化学与化学反应之间的耦合。作者明确指出大多数现有框架要么只做“电化学-热”耦合要么只做“热-动力学”耦合很少有模型在热失控过程中保持所有三个领域的连续交互。本文要解决的核心问题是如何在模组级别上紧耦合电化学、热传递和热失控动力学准确预测热失控的触发和传播。3.2 建模框架核心图 1是论文中三个子模型的交互关系基于原文图6用文字描述如下电化学模型P2D模拟正常充放电性能输出产热和电压同时接收温度反馈。热失控动力学模型Arrhenius模拟热滥用条件下的放热反应和气体生成输出额外的产热和质量损失。集总热模型Lumped Thermal Model模拟模组内的热传导和对流接收来自电化学和动力学模型的产热输出温度给前两者。三个模型在GT-SUITE平台中通过共享变量实现闭环交互。这种设计的优势在于从正常工况到热失控的过渡是连续的不需要在某个温度阈值处“切换”模型——因为电化学模型在高温下仍然在计算只是其产热逐渐被动力学模型的化学产热所覆盖。图 1 三个子模型的交互关系示意图基于原文图63.3 实验验证论文设计了一个3×5排列的圆柱电芯模组15颗电芯中心#8触发热失控做了4组不同边界条件的传播实验如表 2所示。表 2热失控传播实验矩阵实验编号电芯间距环境温度触发方式观察结果#15 mm15°C单触发仅#8无传播#20 mm15°C单触发无传播#30 mm30°C单触发发生传播#40 mm30°C双触发#8及相邻全模组传播这套实验设计非常清晰先证明间距和低温可以抑制传播再证明高温和多触发会加剧传播为模型验证提供了不同难度的测试用例。3.4 模型应用用验证后的模型做了两件事参数敏感性分析改变电芯间距1–4mm和初始温度15–45℃看对相邻电芯最高温度和传播时间的影响。高风险工况模拟实验5在触发热失控之前先对模组施加3C方波电流循环使整体温度升至近100℃再触发热失控。模型预测这种“电化学预热”会显著加速传播。3.5 核心结论模型预测触发时间在±6秒以内峰值温度在±8℃以内针对相邻电芯。电芯间距是控制热蔓延最有效的参数之一间距从1mm增至4mm相邻电芯温度降低约60℃。初始温度每升高10℃传播时间显著缩短高温工况下风险急剧上升。高倍率循环后的预热效应不可忽视事故往往发生在行驶后电池已处于高温不是实验室里的室温状态。4 多物理场耦合模型详解这一章是整个论文的技术核心。作者把三个成熟的子模型电化学模型P2D模拟正常充放电性能输出产热和电压同时接收温度反馈。热失控动力学模型Arrhenius模拟热滥用条件下的放热反应和气体生成输出额外的产热和质量损失。集总热模型Lumped Thermal Model模拟模组内的热传导和对流接收来自电化学和动力学模型的产热输出温度给前两者。用GT‑SUITE平台“粘”在了一起。三个模型各自负责一个物理领域但通过共享变量实现双向数据交换形成紧耦合。这样做的好处是从正常放电到热失控触发再到火焰蔓延整个过程是连续计算的不需要人为设定一个“切换温度”来告诉模型“现在该用热失控模型了”。下面分别介绍每个子模型。4.1 电化学模型P2D电化学模型用的是经典的 Doyle‑Fuller‑NewmanDFN伪二维框架在GT‑SUITE的Autolion模块中实现。研究对象是LG 18650mh1圆柱电芯正极是NMC811镍含量81.8%负极是石墨粘合剂是PVDF电解液是DMCECPC混合溶剂LiPF₆作为锂盐。电芯基本参数见表 3。表 3 LG 18650mh1电芯技术参数基于原文表1参数数值标称容量3200 mAh最小容量3100 mAh标称电压3.60 V最大电压4.20 V截止电压2.50 V最大放电电流10 A平均重量49 gP2D 模型的精度高度依赖于输入参数而这些参数有很多是无法直接测量的比如颗粒尺寸、接触电阻、活性材料的确切容量等。为了得到一套可信的参数作者做了非常系统的工作先用遗传算法GA对14个关键参数进行优化。标定数据覆盖了 0.1C到3C共五个放电倍率以及10°C、25°C、45°C三个温度。目标函数是电压和温度RMSE的加权和其中电压的权重比温度高10倍因为作者希望优先保证电学行为的准确性。表 4给出了部分参数的优化边界和最终最优值。表 4 P2D模型参数优化上下限及最优值基于原文表2简化展示参数下限上限最优值负极颗粒直径 (μm)33021.42正极颗粒直径 (μm)0.01304.61对流换热系数 (W/m²K)35015.98正极厚度 (μm)——62.5给定负极厚度 (μm)——93.5给定隔膜厚度 (μm)——20给定正极总容量 (Ah)253.51负极总容量 (Ah)11.53.93接触电阻 (Ω·m²)5e-51e-39.50e-4比热容 (J/kg·K)8001100919.37标定完成后作者用两组独立的实验数据做了验证。第一组是单电芯的 CCCv 充电测试分别在10°C、25°C 和45°C下进行。图 2展示了实验与模拟的电压曲线对比。可以看到模型在恒流阶段拟合得非常好但在10°C的恒压阶段出现了一点偏差——模拟的恒压充电时间比实验长一些。这说明低温下的离子传输动力学比如扩散系数、反应速率还没有被完全捕捉到但总体来说精度已经很高了。图 2 单电芯CCCv充电验证实验与模拟电压对比基于原文图1第二组验证是把单电芯模型直接扩展成一个 5s3p5 串 3 并的模组然后用一个动态放电循环电流在 0 到 3C 之间波动去测试。温度范围从 10°C 一直拉到 65°C甚至超出了标定时的最高温度45°C。图 3是模组电压的对比结果。模型在所有温度下都给出了很好的预测而且温度越高精度越好这很容易理解高温下反应动力学和离子导电性都变强模型参数也更匹配。图 3 5s3p模组动态放电验证实验与模拟电压对比基于原文图2工程启发参数标定是模型可信度的根基。如果直接抄文献里的参数大概率会得到离谱的结果。虽然遗传算法计算量很大但一旦标定完成这个模型就能在很宽的工况范围内稳定工作后续的敏感性分析、虚拟测试都可以放心使用。4.2 热失控动力学模型电化学模型管的是“正常情况”那一旦电池进入热滥用比如被外部加热器持续加热就需要另一个模型来描述内部的化学反应了。作者采用了Wang等人2022年针对NMC811提出的一套反应网络一共6条反应路径涵盖了正极‑负极、正极‑电解液、负极‑电解液之间的相互作用。每条反应都用一个阿伦尼乌斯型的速率方程来描述kRiARexp⁡(−Ea,RiRT)⋅cRinRik_{ R_{ i } }A_{ R }exp⁡(-E_{ a,R_{ i } }RT)⋅c_{ R_{ i } }^{ n_{ R_{ i } } }kRi​​AR​exp⁡(−Ea,Ri​​RT)⋅cRi​nRi​​​公式里的ARA_{R}AR​是指前因子可以理解为原子碰撞的频率Ea,RE_{a,R}Ea,R​是活化能反应需要翻越的能量山nRn_{R}nR​是反应级数cRic_{R_{i}}cRi​​是反应物浓度。表 5列出了几组关键反应的参数全部来自文献校准但作者又用自己的ARC实验数据做了二次验证。表 5 NMC811热失控反应动力学参数基于原文表3示例几行反应指前因子 (s⁻¹)活化能 (J/mol)反应焓 (J/g)正极-负极3.40×10¹⁰1.03×10⁵52正极-电解液3.40×10¹⁵1.46×10⁵125负极-电解液4.10×10¹⁵1.38×10⁵812负极-粘合剂3.41×10¹⁶1.11×10⁵250为了单独验证这个动力学子模型的准确性不掺杂热模型和电化学模型的影响作者做了ARC-HWS加速量热仪-加热-等待-搜索实验并在无氧条件下进行避免燃烧干扰。ARC的运作方式是把电池或样品放在一个绝热腔体里逐步加热一旦检测到样品自身的温度上升速率超过某个阈值比如 0.02°C/min系统就自动切换到绝热模式跟踪自加热过程。图 4是三个重复实验的温度曲线与模拟结果的对比。图 4 ARC-HWS实验与模拟温度曲线对比基于原文图3从表 6可以看出触发温度的误差确实很小这是模型最核心的能力。峰值温度偏差较大但作者的解释是在高速放热事件中热电偶的接触、样品的位置、壳体热惯性等因素都会带来很大不确定性几组实验本身之间的峰值温度也有几十度的差异。我认为这个解释是合理的——工程上最关心的其实是“什么时候会触发失控”而不是“最高能烧到多少度”。表 6 热失控动力学模型验证误差统计基于原文表4实验组平均RMSE (°C)最大偏差 (°C)触发温度误差 (°C)#15.58120.902.73#23.9347.041.25#35.35112.103.15工程启发动力学子模型不能和热模型“绑定验证”一定要用独立的ARC数据来校准。否则一旦模组传播实验对不上你根本搞不清楚是化学反应的参数错了还是热传递的计算错了。4.3 集总热模型前两个模型负责“产热”但热量怎么在模组里传递、怎么散到环境中去就靠这个集总热模型了。作者采用了一种集总参数 热阻网络的方法把每个电芯简化成两个节点卷芯节点jellyroll主动产热的部分接收来自电化学和动力学模型的热源外壳节点casing被动传热的部分与空气、模组支架、相邻电芯换热如图 5所示节点之间用热导连接外壳节点再连接到相邻电芯、空气间隙和模组支架。这样一来整个模组就变成了一个由几十个热节点组成的网络每个节点的温度由一个能量平衡方程控制。图 5 集总热模型模组离散化示意图基于原文图4每个节点的温度变化服从下面的能量平衡方程miCpdTidtjkijAijdij(Tj−Ti)fhifAif(Tf−Ti)Qgenm_{ i }C_{ p }dT_{ i }dtjk_{ ij }A_{ ij }d_{ ij }(T_{ j }-T_{ i })fh_{ if }A_{ if }(T_{ f }-T_{ i })Q_{ gen }mi​Cp​dTi​dtjkij​Aij​dij​(Tj​−Ti​)fhif​Aif​(Tf​−Ti​)Qgen​公式里的三项分别对应与相邻固体节点的传导换热、与流体节点空气的对流换热、以及内部产热来自电化学模型和动力学模型。作者特别声明辐射被忽略理由是模组有绝缘设计而且电芯之间的缝隙很小辐射的贡献可以忽略。后面会讨论这个假设是否合理。对流传热系数是通过实验标定得到的。作者把整个模组放进气候箱施加两种热载荷一种是 1.5°C/min 的慢速升温斜坡另一种是动态加热-冷却循环。然后用遗传算法反标定出自然对流模型Churchill-Chu 关联式中的几个参数。最终标定出的对流系数是电芯-空气21.38 W/m²K电芯-空气-电芯11.61 W/m²K图 6是标定后的模型验证结果模拟温度与实验温度曲线几乎重合。图 6 集总热模型校准与验证模拟与实验温度对比基于原文图5工程启发集总热模型的计算量远小于3D CFD几分钟就能跑完一个模组的热蔓延模拟这对工程上的参数扫描比如反复调整间距、填充材料来说非常友好。关键在于节点划分要合理——每个电芯两个节点卷芯外壳是一个很好的平衡点既能反映卷芯与外壳之间的温差又不会让模型变得太复杂。4.4 三个子模型的耦合方式在GT-SUITE中三个子模型通过共享变量实现数据交换电化学模型 → 热模型输出电化学产热焦耳热、极化热、可逆熵热热模型 → 电化学模型反馈温度因为电化学反应速率强烈依赖温度电化学模型 → 动力学模型提供初始条件卷芯质量、化学组分分布动力学模型 → 热模型输出化学产热来自放热分解反应热模型 → 动力学模型反馈温度因为Arrhenius反应速率依赖温度这是一个完全双向耦合的框架。每一步迭代中温度同时影响电化学反应和热失控反应而两者的产热又共同决定下一时刻的温度。正因为这种紧耦合模型才能从正常工况连续地过渡到热失控而不需要人为设定一个“切换温度”。我的理解如果把热失控建模比作开车很多模型是“手动挡”——到了某个温度就切换算法。这个模型是“自动挡”——三个模块一直同时工作谁产热多谁主导过渡平滑。这种设计更贴近物理现实因为电池内部本来就是同时发生着电化学反应和热分解反应只是不同阶段的主次不同而已。5 实验验证与模型精度5.1 实验设置实验装置的核心是一个3×5排列的圆柱电芯模组一共15颗 LG 18650mh1电芯电芯之间用塑料支架固定间距可以调节。位于阵列正中心的8 号电芯被选为“触发电芯”用一个紧贴其表面的电阻加热器强制加热模拟局部热滥用场景。模组被安装在一个带有顶盖的保温外壳中顶盖上开有排气孔既保证安全又尽量不改变气体流动路径。每颗电芯的底部都布置了热电偶用来记录整个传播过程中的温度变化。图 7是实验装置的示意图可以直观地看到电芯布局、模组结构和加热器的细节。图 7 模组传播实验装置示意图基于原文图75.2 模型验证结果为了验证模型在不同条件下的表现作者设计了四组实验分别改变电芯间距、环境温度和触发方式。表 7把这四组实验的关键条件整理在一起方便对比。表 7 热失控传播实验矩阵实验编号电芯间距环境温度触发方式观察结果#15 mm15°C单触发仅#8无传播#20 mm15°C单触发无传播#30 mm30°C单触发发生传播#40 mm30°C双触发#8及相邻全模组传播图 8展示了四组实验中模拟温度曲线虚线与实验实测曲线实线的对比。每个子图对应一组实验每条曲线代表一个或一组电芯的温度变化。整体来看模型的预测与实验吻合得相当好尤其是在传播的起始时间和温度上升的斜率方面。最明显的偏差出现在峰值温度上尤其是触发电芯本身——模拟预测的峰值往往比实验值高出几十度。但仔细看传播到外围电芯的曲线误差就小得多了有时几乎分不清虚实线。图 8 四组传播实验实验与模拟温度曲线对比基于原文图10作者计算了每个电芯组在不同实验中的均方根误差RMSE汇总在表 8中。触发电芯的RMSE最大在26.8到47.3°C之间这主要是因为触发电芯的峰值温度被高估了。但传播到最近邻组时RMSE就降到了14–33°C之间到了最外围的组最低可以到7.2°C。这说明模型的误差主要集中在热失控最剧烈的局部区域而在热蔓延过程中相对误差并没有被逐级放大反而有所收敛。另外作者特别指出触发时间的预测误差在±6秒以内这对于工程判断来说已经非常好了。表 8 模型预测RMSE汇总基于原文表5电芯位置实验#1 RMSE (°C)实验#2 RMSE (°C)实验#3 RMSE (°C)实验#4 RMSE (°C)触发电芯#847.337.939.926.8最近邻组Cells 3,7,9,1324.814.118.732.5次邻组Cells 2,4,12,1425.826.49.940.1最远组Cells 1,5,11,1512.210.77.240.2为什么触发电芯的峰值温度偏差这么大有如下两个可能的原因模型忽略了辐射换热在触发电芯热失控的最剧烈阶段卷芯温度可能超过800°C外壳温度也远高于相邻电芯此时辐射传热的贡献不可忽略。模型只考虑了固体传导和空气自然对流相当于少了一条重要的散热路径导致模拟的峰值温度偏高。与热电偶的测量有关实验中热电偶贴在电芯底部而热失控的核心在卷芯内部两者之间存在热惯性实测的峰值可能比真实值偏低。两个因素叠加就造成了 50–100°C 的差距。有趣的是在实验#4双触发中触发电芯的RMSE反而最小26.8°C。这可能是因为双触发的热负荷更大热传导和对流已经不足以快速带走热量辐射的相对重要性下降——但这也只是猜测。尽管存在这些偏差模型的核心预测能力——什么时候传播、传播到谁、传播得多快——已经得到了充分验证。论文给出的整体精度结论是触发时间预测在±6秒以内相邻电芯的峰值温度预测在±8°C以内。6 参数敏感性分析与工程启发验证完模型的精度之后作者用它做了一些很有实际意义的参数扫描。这些计算成本极低——模型一旦标定好改变一个输入值再跑一遍几小时就能出结果而做一组新的物理实验可能需要几周。下面三个方向的分析对电池包的热安全设计有直接参考价值。6.1 电芯间距的影响作者把间距从1mm逐渐增加到4mm保持其他条件不变环境温度30°C空气作为间隙介质观察相邻电芯的最高温度和传播时间的变化。结果很直观间距越大热传导路径越长、接触热阻越大相邻电芯接收到的热量就越少。图 9上侧显示间距从1mm增加到4mm相邻电芯的最高温度下降了约60°C下侧则显示传播时间随间距增大而显著延长且呈非线性增长——从1mm到2mm的改善幅度比从3mm到4mm更大。这意味着在能量密度允许的前提下哪怕只把间距增加1–2mm都能带来可观的安全收益。图 9 电芯间距对相邻电芯最高温度和传播时间的影响基于原文图11工程启发间距是控制热蔓延最有效的参数之一。在能量密度允许的情况下适当增加电芯间距例如从1mm到2–3mm能显著提升模组安全性。但实际电池包中间距增加会降低体积能量密度需要权衡。6.2 初始温度的影响者将模组的初始环境温度从15°C提高到45°C间隔10°C取点计算传播时间的变化。结果发现初始温度每升高10°C传播时间大约缩短50%。这个结论很容易理解相邻电芯的起点温度越高离热失控触发温度通常150–200°C就越近只需要更少的外来热量就能跨过门槛。工程启发在高温地区比如夏季地表温度超过 60°C运行的电池包热失控传播的风险比常温下高得多BMS的预警阈值应该动态调整车辆在高速行驶或大功率快充后立即发生热滥用后果会比冷车状态下严重很多因为此时整个模组已经被“预热”到了较高温度。6.3 填充材料的影响论文只用了空气作为间隙材料但方法可以扩展到其他材料如导热胶、气凝胶、相变材料。从热传导的基本原理就能推断如果间隙中填入高导热材料如导热胶、石墨片相邻电芯之间的热耦合会更强热失控传播会加速这对安全是不利的填入低导热材料如气凝胶、陶瓷纤维纸能够有效阻断热传导延缓甚至阻止传播。但需要注意低导热材料在正常工况下会阻碍电芯向冷却系统的散热可能导致电芯长期工作在较高温度下反而加速老化和增加热失控风险。工程启发设计时需要在“正常散热需求”和“异常隔热需求”之间找平衡。气凝胶等低导热材料虽然能延缓热蔓延但也会影响正常工况下的散热可能需要配合主动冷却。6.4 电化学-热耦合工况实验5是论文中最有警示意义的一个模拟。作者先不对任何电芯触发热失控而是让整个模组以3C的方波电流持续循环充放电每次交替改变±5% SOC。这种高倍率循环本身就产生大量焦耳热和极化热模组的平均温度在几十个循环后逐渐上升到接近100°C。然后在模组处于这个“预热”状态时再对8号电芯施加局部加热触发热失控。实验结果见图 10非常惊人由于相邻电芯已经接近100°C触发电芯一失控热量几乎瞬间就传导到周围整个模组在很短时间内同时进入热失控几乎没有“传播”的先后顺序。图 10 耦合电化学-热滥用工况实验与模拟温度对比基于原文图12工程启发BMS不能只看单电芯的瞬时温度还要考虑累计热负荷和模组整体温度分布。高倍率循环后如连续快充快放电池的安全裕度会大幅下降。此时如果发生局部内短路或热滥用后果比冷态下严重得多。热失控测试通常在室温或绝热条件下进行但真实事故往往发生在车辆行驶后电池已处于较高温度。因此安全设计应留有余量。总结来说间距每增加1mm相邻电芯温度可降低十几度到几十度初始温度每升高10°C传播时间缩短约一半填充材料的选型需要在正常散热和异常隔热之间平衡而高倍率循环后的“预热”效应可能让整个模组同时失控这是最需要警惕的。7 论文的局限任何模型都有适用范围这篇论文也不例外。作者自己也在文中坦承了几个不足再加上我在阅读过程中注意到的一些问题汇总如下。忽略辐射传热作者的理由是模组有绝缘设计且电芯之间缝隙很小辐射贡献可忽略。但根据Zhang等人2024年的研究在NMC811等高能量密度电芯的热失控过程中喷射出的高温固体颗粒会使辐射热流提高4倍以上。圆柱电芯的排气方向虽然是轴向上下两端不会直接冲击相邻电芯的侧面但热失控后期电芯外壳温度极高超过600°C相邻电芯之间的辐射换热依然存在。忽略辐射可能导致模型在预测传播速度时偏慢、预测峰值温度时偏高。对于工程应用来说这是一个偏危险的假设低估风险使用时需要额外注意。排气模型简化动力学模型中包含气体生成但没有详细描述排气如何影响相邻电池的对流换热。集总热模型中只考虑了空气间隙的自然对流没有模拟高速喷射气流的冲击传热。对于圆柱电芯排气方向是轴向可能不会直接冲击相邻电芯的侧面这种简化在本文的模组构型下可能是合理的但迁移到其他构型时需要重新评估。参数标定依赖特定电芯14个参数是通过遗传算法针对LG 18650mh1标定的迁移到其他电芯不同容量、不同正极镍含量、不同老化状态需要重新标定。论文没有给出参数对不同化学体系的通用性规律这意味着每个新电芯都需要从头做一套完整的DSC/ARC实验和遗传算法优化成本较高。模组规模有限只有15颗电芯。实际电池包可能有上百颗电芯边界条件和散热路径复杂得多。例如边缘电芯的散热条件与中心电芯不同传播方向可能呈现各向异性多个电芯同时热失控时气体流动和压力分布也会改变。本文的3×5排列是高度对称的不能完全代表真实电池包的不规则布局。未考虑老化效应所有验证都使用新电芯。老化SEI增厚、锂析出、活性物质损失会改变热失控的触发温度和放热量。本文模型目前无法应用于老化电池的安全评估。缺少与其他模型的定量对比论文展示了模型自身的预测精度但没有横向比较——比如同样一组实验数据用简化0D模型3个反应来跑误差会大多少用忽略排气的模型来跑传播时间会差多少这种对比可以帮助读者更好地理解“紧耦合”到底带来了多少价值。尽管如此上述局限并不否定本工作的价值它们更多是给后续研究者指出了改进方向。8 我的理解与总结读完这篇论文我最深的感受是多物理场耦合不是把三个模型简单拼在一起而是要让它们“对话”。本文的三个子模型——P2D、Arrhenius动力学、集总热——各自都不算新颖但通过GT‑SUITE中的共享变量实现双向耦合后整体预测能力远超单独使用任何一个。这种“1113”的效果正是系统级建模的魅力所在。从方法论角度本文最值得学习的三点是分层建模电化学P2D、热失控动力学Arrhenius、热传递集总三个子模型独立开发再通过共享变量耦合。这种模块化设计便于后续替换或升级某个子模型。系统标定先用遗传算法标定电化学模型的14个参数再用ARC数据标定热失控动力学参数最后用模组传播实验验证整体模型。每一步都有实验数据支撑不是“拍脑袋”的参数。多工况验证4组不同间距、温度、触发数量的传播实验覆盖了从“不传播”到“全模组传播”的多种结果对模型的区分能力要求很高。从工程实践角度看几条结论可以直接用电芯间距是控制热蔓延最有效的参数之一。1mm到4mm的变化能带来60°C的温差。初始温度每升高10°C传播时间可能缩短数十个百分点。高温工况下BMS应降低预警阈值。高倍率循环后的“预热”效应不可忽视。事故往往发生在行驶后电池已处于高温不是实验室里的室温状态。一个重要的提醒本文的模型是在新电芯、特定模组构型、忽略辐射的条件下验证的。如果要用它来指导真实产品的安全设计建议额外做两个工作一是估算辐射传热的贡献简单方法假设电芯外壳温度600°C用斯特藩-玻尔兹曼定律算一下辐射热流与传导热流的比值二是对老化电池进行抽样测试确认本文的结论尤其是触发温度是否仍然适用。安全设计宁可保守一点。参考文献García A ,Serrano M J ,Gimeno M J , et al.Experimental validation of multi-physical model for thermal runaway propagation in NMC811 cylindrical cells[J].Applied Thermal Engineering,2026,283128934-128934.DOI:10.1016/J.APPLTHERMALENG.2025.128934.