焦耳发热的电磁-热耦合分析

分类: 電磁-熱連成 | 更新 2026-04-12

理论与物理

🧑‍🎓

焦耳发热,不就是电流流过就会发热吗?为什么还需要特意进行耦合分析呢?

🎓

问得好。“电流流过就会发热”确实没错,但事情并非到此为止。温度升高会导致金属的电阻率增加。例如,铜的电阻每升高1°C约增加0.4%。这样一来,即使电流相同,发热量也会进一步增加,温度继续上升,电阻继续增大……这就开始了一个正反馈循环

🧑‍🎓

诶,那温度岂不是会无限上升?

🎓

实际上因为有散热(对流、辐射、传导),最终会在某个点达到发热与散热的平衡,从而稳定在某个温度。但是,这个稳态温度具体是多少°C,必须通过反复计算“电磁场→发热→温度变化→电阻率变化→电磁场”这个循环才能求得。所以,要精确计算焦耳发热,电磁-热耦合分析是必不可少的。

🧑‍🎓

具体在什么情况下会成为问题呢?

🎓

举个身边的例子,EV(电动汽车)800V逆变器的连接端子。需要确认流经400A以上大电流的母线排,其局部温度是否会超过150°C。超过这个温度,绝缘材料就会劣化,导致寿命缩短。如果忽略电阻率的温度依赖性进行计算,会得到比实际低20~30°C的温度,从而漏掉设计缺陷。其他典型例子还有熔断器的熔断特性预测、功率半导体基板设计、输电线的弧垂计算等。

为什么需要耦合分析

焦耳发热分析不能简单地用“P = I²R”计算来应付,原因可归结于电导率 $\sigma$ 是温度 $T$ 的函数。即使在恒定电流条件下,温度上升也会导致电阻率变化,电流密度分布会重新分配。忽略这种双向耦合的分析,会在以下几点上与实测结果产生偏差。

  • 稳态温度的低估: 忽略温度依赖性,可能导致铜母线排的温度被低估20~30°C
  • 电流集中的遗漏: 在截面变化处、连接处,电阻会局部增加,形成热点
  • 瞬态响应的错误: 短路电流等瞬态大电流下的温度上升曲线,会因电阻率变化而呈现非线性

控制方程

🧑‍🎓

那实际上是用什么数学公式表示的呢?

🎓

首先是电磁场侧。对于稳态电流,由电荷守恒定律得到连续性方程。发热量由电流密度和电场的内积决定:

电场的控制方程(稳态电流近似):

$$ \nabla \cdot \mathbf{J} = 0 \quad \text{(电流连续性方程)} $$
$$ \mathbf{J} = \sigma(T) \, \mathbf{E} = -\sigma(T) \, \nabla V \quad \text{(欧姆定律)} $$

单位体积的焦耳发热量:

$$ Q = \mathbf{J} \cdot \mathbf{E} = \frac{|\mathbf{J}|^2}{\sigma(T)} = \sigma(T) \, |\mathbf{E}|^2 $$
🧑‍🎓

$Q = J^2/\sigma$ 和 $Q = \sigma E^2$ 是同一个东西吗?看起来好像是反的……

🎓

很敏锐。代入 $\mathbf{J} = \sigma \mathbf{E}$ 的关系,就得到相同的式子。区别在于,如果电流密度已知,用 $J^2/\sigma$ 更方便;如果电势已知,则用 $\sigma E^2$ 更方便。实际工作中,通常将电势作为未知数求解,所以多以 $\sigma |\nabla V|^2$ 的形式实现。

热场的控制方程(能量守恒):

$$ \rho c_p \frac{\partial T}{\partial t} = \nabla \cdot (k \, \nabla T) + Q $$

其中 $\rho$ 是密度,$c_p$ 是定压比热容,$k$ 是热导率,$Q$ 是焦耳发热量(热源项)。

各项的物理意义
  • $Q = \mathbf{J} \cdot \mathbf{E}$(焦耳发热项):电场加速电荷,通过与晶格振动(声子)的碰撞,动能转化为热能。电子漂移速度越高,散射频率越高,发热量越大。【日常例子】触摸手机充电线感觉温热——这是线缆内部电阻产生焦耳热所致。快速充电时电流更大,发热也更多。
  • $\nabla \cdot \mathbf{J} = 0$(电流连续性方程):表示稳态下电荷不会积累。在截面变化的部位,电流密度会反比例变化,狭窄部位局部发热会集中。【实际例子】母线排螺栓孔周围电流密度增大,形成热点的典型模式。
  • $\rho c_p \partial T / \partial t$(蓄热项):材料热容引起的温度变化延迟。像铜这样热容大的材料,瞬态温度上升较为平缓。如果短路电流持续时间在数秒以下,此项影响很大。
  • $\nabla \cdot (k \nabla T)$(热传导项):与温度梯度成比例的热扩散。铜的热导率 $k \approx 400$ W/(m·K) 非常高,能快速均匀化局部温升。而不锈钢($k \approx 16$)则热点会显著残留。
量纲分析与单位制
变量SI单位典型值(铜, 20°C)
电导率 $\sigma$S/m$5.96 \times 10^7$
电阻率 $\rho_e = 1/\sigma$$\Omega$·m$1.68 \times 10^{-8}$
温度系数 $\alpha$1/K$3.93 \times 10^{-3}$(铜)
电流密度 $J$A/m²$10^5$〜$10^7$(母线排)
发热密度 $Q$W/m³$10^4$〜$10^8$
热导率 $k$W/(m·K)401(铜), 16(SUS304)

电阻率的温度依赖性

金属的电阻率随温度几乎呈线性增加(对于金属,在室温附近):

$$ \rho(T) = \rho_0 \left[ 1 + \alpha (T - T_0) \right] $$

其中 $\rho_0$ 是基准温度 $T_0$ 下的电阻率,$\alpha$ 是电阻温度系数。

🧑‍🎓

$\alpha$ 的值在不同材料之间有多大差异?

🎓

把典型值汇总成表就一目了然了。

材料$\rho_0$ [$\mu\Omega$·cm]$\alpha$ [1/K]备注
铜 (Cu)1.68$3.93 \times 10^{-3}$使用频率最高的导体
铝 (Al)2.65$4.29 \times 10^{-3}$为轻量化用于母线排
银 (Ag)1.59$3.80 \times 10^{-3}$触点材料,成本高
镍铬合金 (NiCr)108$1.7 \times 10^{-4}$加热丝,α极小
SUS30472$9.4 \times 10^{-4}$结构材料,高电阻
🧑‍🎓

镍铬合金的 $\alpha$ 好小啊。我明白为什么用它做加热丝了——因为温度上升电阻变化不大,所以能得到稳定的发热,对吧?

🎓

没错!相反,铜和铝的 $\alpha$ 很大,所以在母线排和线缆设计中不能忽略温度依赖性。温度上升100°C,铜的电阻会增加约40%。忽略这一点的分析完全无法使用。

耦合的反馈结构

焦耳发热的电磁-热耦合存在明确的正反馈循环

  1. 电流密度 $\mathbf{J}$ 引起的发热 $Q = J^2/\sigma(T)$
  2. 温度 $T$ 上升
  3. 电阻率 $\rho(T)$ 增加($\sigma(T)$ 减小)
  4. 相同电势差下,电流分布发生变化,局部发热密度改变
  5. 回到1
🧑‍🎓

恒流源和恒压源下的行为会有不同吗?

🎓

视角很敏锐。恒压源的情况下,温度上升→电阻增加→电流减小→发热减少,起到自我限制的作用。相反,恒流源的情况下,温度上升→电阻增加→发热 $Q = I^2 R$ 增加→温度进一步上升,朝着失控方向发展。在电力电子中,根据开关器件的驱动条件,两者可能混合存在,所以如果边界条件设置错误,结果会完全不同。

通过身边例子理解反馈

白炽灯泡的灯丝(钨)在室温下电阻率约为5.3 $\mu\Omega$·cm,但在2500°C的工作温度下会跃升至约15倍。电源刚接通时的浪涌电流达到稳态时的10倍以上,就是这个原因。要在CAE分析中再现这种瞬态行为,电阻率的温度依赖性和电磁-热耦合是不可或缺的。

Coffee Break 闲谈

从焦耳定律到180年——P = I²R 支配着现代IC

1841年,詹姆斯·普雷斯科特·焦耳通过给铁丝通电的实验,发现了“发热量与电流的平方和电阻成正比”。那是一个连电的本质都还是谜的时代。180年后的今天,在最先进的3纳米半导体芯片中,数十亿个晶体管在每平方厘米面积上产生超过100瓦的焦耳热。这个热密度相当于太阳表面的大约六分之一。焦耳在实验室里发现的定律,如今已成为左右EV、5G基站、数据中心设计的现代瓶颈。

数值解法与实现

弱耦合与强耦合

🧑‍🎓

我听说过“弱耦合”和“强耦合”,它们怎么区分使用呢?

🎓

焦耳发热分析的耦合方法大致可分为三类:

方法概要适用条件精度
非耦合(单向)求解电磁场→将发热量传递给热分析(仅一次)$\Delta T < 50$°C、$\alpha \Delta T \ll 1$
弱耦合(顺序迭代)电磁场→热→电磁场→热…迭代直至收敛$\Delta T = 50$〜$200$°C中〜高
强耦合(整体式)电磁场和热在一个联立方程组中同时求解$\Delta T > 200$°C、非线性强最高
🧑‍🎓

实际工作中最常用的是哪一种?

🎓

压倒性地是弱耦合(顺序迭代法)。理由有三点。首先,可以沿用现有的电磁场求解器和热求解器。其次,易于调试——可以单独验证各个物理场。再者,即使是大规模模型也能节省内存。整体式方法自由度会翻倍,内存要求苛刻。

弱耦合的迭代算法(Gauss-Seidel型):

  1. 设定初始温度 $T^{(0)}$(通常为环境温度)
  2. 使用 $\sigma(T^{(k)})$ 求解电场方程,得到 $V^{(k+1)}$
  3. 计算 $Q^{(k+1)} = \sigma(T^{(k)}) |\nabla V^{(k+1)}|^2$
  4. 以 $Q^{(k+1)}$ 为热源项求解热传导方程,得到 $T^{(k+1)}$
  5. 收敛判定:若 $\|T^{(k+1)} - T^{(k)}\|_\infty < \varepsilon$ 则结束,否则返回2
🧑‍🎓

收敛判据 $\varepsilon$ 应该设为多少?

🎓

以温度的绝对值为基准,0.1°C〜1°C是实用的标准。像EV母线排这样允许温度裕量只有10°C左右的情况,用0.1°C;像加热器设计这样有数十°C裕量的情况,1°C就足够了。迭代次数通常在5〜15次内收敛。

有限元公式化

电场的弱形式:

$$ \int_\Omega \sigma(T) \, \nabla N_i \cdot \nabla V \, d\Omega = \int_{\Gamma_N} J_n \, N_i \, d\Gamma $$

其中 $N_i$ 是形函数,$J_n$ 是边界上的法向电流密度。

热场的弱形式:

$$ \int_\Omega \rho c_p N_i \frac{\partial T}{\partial t} \, d\Omega + \int_\Omega k \, \nabla N_i \cdot \nabla T \, d\Omega = \int_\Omega Q \, N_i \, d\Omega + \int_{\Gamma_c} h(T_\infty - T) N_i \, d\Gamma $$

右边第二项是对流边界条件($h$:对流传热系数,$T_\infty$:环境温度)。

🧑‍🎓

电场和热场使用相同的网格吗?

🎓

对于焦耳发热分析,电场和热场存在于相同区域,所以基本上使用同一网格。这是与流固耦合(FSI)很大的不同点,无需担心数据传递的插值误差。在COMSOL或Ansys Workbench中,会自动使用同一网格进行耦合计算。

时间积分与收敛控制

瞬态分析中的时间积分,由于电场响应时间($\tau_e \sim \varepsilon/\sigma \sim 10^{-18}$ s)和热场响应时间($\tau_T \sim \rho c_p L^2/k \sim 1$〜$100$ s)差异极大,需要一些技巧。

参数推荐值备注
电场分析稳态解$\tau_e \ll \tau_T$,因此每个时间步使用稳态解
热场时间步长$\Delta t \leq \tau_T / 10$推荐后退欧拉法(无条件稳定)
耦合迭代收敛标准$\Delta T < 0.1$〜$1$ °C温度的绝对值基准
耦合迭代松弛因子0.5〜0.8防止发散,Aitken松弛也有效
最大耦合迭代次数20〜30超过时降低松弛因子

利用时间尺度分离提高计算效率

电磁场的响应速度(飞秒量级)与热场(秒〜分量级)相比有数量级的差异。也就是说,在热场的每个时间步内,可以假设电磁场瞬间达到稳态。利用这种“准稳态近似”,可以省略电磁场的瞬态分析,只需在每个热时间步求解一次电场的稳态解即可。计算成本大幅降低。对于交流电流的情况,则求取电磁场一个周期平均的发热量传递给热场。

实践指南

分析流程与边界条件

🧑‍🎓

实际开始进行焦耳发热的耦合分析时,第一步应该做什么?

🎓

实际的分析流程是这样的:

  1. 几何建模: 从CAD数据中提取导体部分。螺栓孔、倒角、圆角不要省略,要保留(会影响电流集中)
  2. 材料定义: 输入 $\rho(T)$、$k(T)$、$c_p(T)$ 的温度依赖表格。特别是 $\rho(T)$ 是必须的
  3. 电学边界条件: 在电流入口面设置电流密度或总电流值,出口面设置GND($V = 0$)
  4. 热学边界条件: 在外表面设置自然对流($h = 5$〜$15$ W/m²K),根据需要设置辐射($\varepsilon = 0.1$〜$0.9$)
  5. 耦合设置: 设置弱耦合的迭代次数、收敛标准
  6. 后处理: 确认最高温度、电流密度分布、热流分布
🧑‍🎓

对流的传热系数 $h$ 怎么确定呢?教科书上写5〜25,但范围太宽了……

関連シミュレーター

この分野のインタラクティブシミュレーターで理論を体感しよう

表皮深さ計算ツール シミュレーター一覧

関連する分野

電磁界解析熱解析連成解析
この記事の評価
ご回答ありがとうございます!
参考に
なった
もっと
詳しく
誤りを
報告
参考になった
0
もっと詳しく
0
誤りを報告
0
Written by NovaSolver Contributors
Anonymous Engineers & AI — サイトマップ
关于作者