【论文阅读笔记05】NMC811圆柱电芯热失控传播多物理场模型的实验验证——Garcia等论文学习整理

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

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6）

3.3 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

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‑Newman（DFN）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DMC+EC+PC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）

P2D 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）

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 5s3p（5 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：

kRi=ARexp⁡(−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）

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）

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：

miCpdTidt=jkijAijdij(Tj−Ti)+fhifAif(Tf−Ti)+Qgenm_{ i }C_{ p }dT_{ i }dt=jk_{ ij }A_{ ij }d_{ ij }(T_{ j }-T_{ i })+fh_{ if }A_{ if }(T_{ f }-T_{ i })+Q_{ gen }mi​Cp​dTi​dt=jkij​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7）

5.2 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

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）

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“1+1+1>3”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.