【科技】天津大学&郑州大学EER综述:锂离子电池多场景数字化建模

近日，天津大学焦魁教授、杜青教授&郑州大学李伟卓助理研究员、靳遵龙教授以“锂离子电池多场景建模”为主线，系统梳理了锂离子电池建模方法的发展脉络与应用体系，在同一框架下整合了涵盖等效电路模型、电化学模型、热模型与电-热耦合架构、老化与寿命预测模型、热失控模型、相场模型、分子动力学模型七大门类的多种建模方法。该研究致力于构建一个统一的认知体系，以帮助电池研究人员在复杂应用场景下高效选择和整合不同模型，从而推动电池建模由工具集合向系统方法论转变，更好地服务于造“好”电池和用“好”电池。相关成果以《Multi-Scenario Digital Modeling and Simulation of Lithium-ion Batteries》为题发表于国际知名学术期刊《Electrochemical Energy Reviews》。

锂离子电池凭借高能量密度、高效率和长循环寿命，已广泛应用于电动汽车、储能电站以及低空飞行器等多个前沿领域。随着应用场景不断拓展，对电池在高比能、高功率、高安全性及长寿命等方面提出了更高要求。然而，传统依赖实验试错的研发模式不仅成本高、周期长，而且难以有效解析多物理场耦合下的复杂机制，更无法适应当前快节奏的时代。在这一背景下，电池建模与仿真正从辅助分析工具逐步演变为驱动电池技术革新的核心手段。然而，现有研究大多局限于特定尺度或场景，缺乏在统一框架下探讨从原子尺度到系统层集建模的研究。在此背景下，本综述系统梳理了锂离子电池多场景多尺度建模方法，并对其局限性和未来发展路径进行探讨。

图1. 锂离子电池多场景应用与建模

1. 等效电路模型

等效电路模型的核心思想在于将电池内部物理化学过程抽象为电阻、电容及电压源等基本元件。这种处理方式使得等效电路模型在电池管理系统（BMS）、实时状态估计及控制策略中具有重要优势。随着模型的不断演进，从最简单的Ideal与Rint模型，到引入极化过程的Thevenin模型，再到能够刻画多时间尺度动态行为的PNGV、DP及GNL模型，其本质是在有限计算成本下逐步引入更多动力学特征，从而提升对电池动态响应的预测能力。研究表述，参数辨识是决定模型性能的关键环节，包括脉冲测试、频域分析以及最小二乘和遗传算法等方法在内的多种技术已被广泛应用，但由于参数对温度、SOC及SOH高度敏感，其时变性成为制约模型长期精度的主要瓶颈。未来的发展重点并不在于单纯增加电路元件复杂度，而在于构建自适应参数更新与机理信息嵌入的新型模型体系，在计算效率与预测精度之间实现更优平衡。

图2. 锂离子电池常用等效电路模型

2. 电化学模型

电化学模型以守恒定律和反应动力学为基础，对电池内部传输&反应耦合过程进行描述，从而在机理层面连接材料性质、结构设计与电池性能。以P2D模型为代表的均相电化学模型，通过在电极厚度方向与颗粒尺度上建立耦合方程，实现了对离子扩散、电荷传输及界面反应动力学的系统描述，在计算效率与物理真实性之间取得了良好平衡，因此成为电池建模的基础框架。然而，其将电极微结构等效为均匀介质的处理，忽略了颗粒尺寸分布、孔隙结构及局部反应不均匀性，在高倍率或厚电极条件下容易低估极化与传输限制。非均质电化学模型通过引入真实或重构的电极微结构，将传输路径与反应界面显式化，从而能够直接解析局部浓度梯度、电流分布及反应不均匀性，但其对计算资源和结构表征精度提出了更高要求。另一方面，降阶模型（如SP、ESP和LSP）通过对控制方程进行简化，在保留主导动力学特征的同时显著降低计算复杂度，已成为系统级仿真与电池管理的重要工具。

图3. 异构电化学模型

3. 热模型与热-电耦合

热模型及电-热耦合框架的核心作用在于揭示温度场与电化学行为之间的双向反馈机制。热模型首先需要准确描述热源项：简单热模型通过对可逆热和不可逆热两类热源的快速估算实现高效预测，但难以捕捉动态工况下的复杂变化；基于等效电路的热模型则借助电响应信号引入瞬态特征，在工程应用中具有良好的实用性；而基于电化学机理的热模型则从反应动力学、物质传输及热力学出发，能够实现跨工况的高精度时空分布预测，但代价是显著增加的计算复杂度与参数需求。研究表述，热行为的准确预测不仅取决于热源模型本身，更依赖于电-热耦合架构的选择。全耦合模型通过同步求解电场与温度场实现最高物理一致性，但计算代价高昂；部分耦合与集总耦合则通过简化空间分布换取计算效率，适用于电池模组乃至系统层级的快速评估；而精细化集总耦合在保留主导温度效应的同时降低维度复杂性，提供了一种折中方案。

图4. 电-热模型耦合架构

4. 老化模型

老化模型通过建立性能衰退与内部演化过程之间的定量关联，从而实现对电池寿命的可预测管理。电池容量损失与性能退化主要可归因于三类关键机制，即可循环锂损失（LLI）、活性物质损失（LAM）以及内阻增长（RI），其背后对应的是SEI持续生长、锂沉积、过渡金属溶解以及结构破坏等一系列耦合的物理化学过程。针对这些复杂机制，研究强调需要多尺度表征手段的协同支撑，从ICA/DVA、EIS等电化学方法到nano-CT、XPS和NMR等先进表征技术，不同手段在时间与空间尺度上的互补性为老化机理解析提供了关键依据。在建模层面，现有方法可概括为四类：经验模型通过简单函数拟合实现快速预测，但缺乏机理支撑与外推能力；机理模型则显式描述SEI生长或锂沉积等过程，具备较强解释能力，但高度依赖参数且计算复杂；基于参数的数据驱动模型借助机器学习实现高精度拟合，但对数据质量与覆盖范围高度敏感；而物理信息驱动模型（PINN）通过将机理约束嵌入数据模型，在一定程度上实现了精度、泛化能力与可解释性的协同提升。

图5. 锂离子电池老化模型

5. 热失控模型

热失控模型主要用于刻画电池由局部失稳向灾难性失效演化的全链条过程，从而实现对安全边界的前瞻性预测与主动控制。从触发机制来看，机械滥用、电滥用与热滥用构成三类典型诱因，引发一系列不可逆放热反应。随着温度持续升高，电池内部经历由SEI膜分解、负极与电解液反应、隔膜熔融，到正极释氧及气相燃烧的级联反应过程，这一演化路径可通过基于Arrhenius动力学的链式反应模型进行统一描述，其中关键热力学参数通常依赖ARC、DSC等量热技术进行反演标定。真实工况下的热失控行为本质上是多物理场耦合问题，需要将反应动力学与热传递、电化学及力学模型相结合，以刻画不同滥用条件下的失效演化过程；当反应进入剧烈阶段，气体生成、喷射与燃烧行为成为主导，此时通常借助计算流体力学（CFD）及湍流燃烧模型对喷射火焰与爆燃过程进行描述；而在系统层级，热失控传播模型则关注热量、火焰及颗粒在电芯之间的扩散路径，通过高保真三维模型或简化的热阻网络模型评估模组与电池包的安全性。

图6. 锂离子电池热失控建模

6. 相场模型

相场模型的优势在于通过连续序参量与自由能泛函的统一描述，实现对复杂界面演化与多物理场耦合过程的本构刻画，从而为解析锂离子电池中多尺度退化行为提供了独特视角。因此，相场模型在枝晶生长、相分离及颗粒开裂等关键问题中展现出显著优势。研究举例阐述了在锂枝晶问题中，相场模型可同时捕捉成核、尖端演化及分叉过程，揭示电场与浓度场耦合作用下的不稳定生长机制；在LiFePO₄等相变材料中，其对两相共存与界面迁移的刻画，有助于理解各向异性扩散与颗粒尺度形貌演化之间的内在关联；而在力学退化方面，相场断裂模型通过能量最小化原理统一描述裂纹萌生与扩展路径，为高稳定性电极结构设计提供理论依据。

图7. 相场模型在锂枝晶生长中的应用

7. 分子动力学模型

分子动力学模型从原子尺度出发揭示电池性能、衰退与安全行为背后的本征机制，是连接材料设计与宏观性能的重要桥梁。在应用中，MD方法围绕电解液、界面及电极材料三大关键体系展开。在电解液层面，其能够解析溶剂化结构与离子迁移机制，并进一步关联电导率与扩散系数等宏观性质；在电极-电解液界面，基于AIMD与反应MD的方法可直接捕捉电解液分解、SEI/CEI形成以及锂离子去溶剂化与沉积等复杂反应路径；在电极材料内部，MD模型则揭示了石墨、硅及过渡金属氧化物中锂扩散、结构演化及应力发展的内在规律。尽管MD模拟已在机理认知方面取得显著进展，其发展仍受到若干关键瓶颈制约：经典MD依赖经验势函数，通用性与精度难以兼顾，而AIMD虽具备更高保真度，却受限于计算规模与时间尺度；同时，原子尺度动力学与宏观电池行为之间仍缺乏有效衔接。

图8. 分子动力学在电解液建模中的应用

本综述回顾梳理了贯穿锂离子电池全生命周期的主流仿真模型，从原子与颗粒尺度的机理解析，到电芯与系统层级的性能预测与运行管理，构建起“认知-设计-管理”的统一框架。作者团队总结，现有模型体系仍面临精度与效率难以兼顾、跨尺度耦合不足以及参数获取与标准化缺失等关键瓶颈，反映出模型复杂性与工程可用性之间的长期矛盾。未来的发展方向不在于单一模型的进一步复杂化，而在于推动“多尺度协同-多物理融合-数据与机理耦合”的体系重构，即通过融合物理建模与数据驱动方法，实现从原子到系统的贯通式描述，并依托标准化参数数据库与先进表征手段提升模型可用性。在此基础上，以“云-边-端”协同为代表的新一代数字孪生架构，有望实现模型、数据与控制的闭环融合，使电池从被动储能单元演化为具备自感知、自决策能力的智能系统。随着上述关键问题的逐步突破，多场景建模将持续驱动电池科学从经验主导走向机理与数据协同驱动，为构建安全、高效、可持续的能源体系提供坚实支撑。

图9. 锂离子电池多尺度建模与展望

Weizhuo Li, Zhiming Bao, Dingjian Wang, Yang Wang, Yinsheng Yu, Hang Li, Qing Du^*, Zunlong Jin^*, Kui Jiao^*. Multi-Scenario Digital Modeling and Simulation of Lithium-Ion Batteries. Electrochemical Energy Reviews. 9, 9 (2026). https://doi.org/ 10.1007/s41918-026-00284-1