电池建模与 AI

PyBaMM 里至少有几种不同的“容量”，退化研究常常不自觉地混用：80% capacity 终止条件比的是零电流 eSOH 容量而不是实测放电，汇总变量读的是每个循环最后一刻的状态，Loss of capacity to X 其实是锂而不是容量，默认参数集 Marquis2019 失锂后容量反而上升。PyBaMM 26.5 实测，附检查函数。

PyBaMM 里决定衰减曲线形状的选择都不会报错：OKane2022 的 SEI 只随时间增长，静置长短改变的是循环次数而不是寿终日期；SEI 速率常数是通用占位值，换模型差 450 倍；除 OKane2022 外活化能全为零；低温析锂堵孔在默认网格上高估 5 倍；irreversible 析锂在静置时也会沉积。PyBaMM 26.5 实测，附预检函数。

PyBaMM 的热模型打开就能跑，下面这些设置都不会报错：等温模型的产热变量恒为零，四个参数集的熵系数为零、可逆热整项缺失，四个参数集把电池写成一张两面散热的极片，只设环境温度的低温仿真其实从 25 °C 开始。8 个参数集实测，附检查函数。

PyBaMM 的 Experiment 几乎从不报错，下面五个问题都会让实验正常跑完、交回错误结果：安培写的步骤到 24 小时静默截断，平铺列表让循环寿命被高估 4 倍，save_at_cycles 留下 None，period 不影响精度却会让自己的积分出错，initial_soc=1 不等于 4.2V。附检查实验是否真正跑完的函数。

把同一组实验在 PyBaMM 26.5 的 18 个内置参数集上全跑一遍。报错的不是问题，问题是能跑完却是错的：默认参数集的 “1C” 实际只有 0.78C，Chen2020 在 −10°C 下容量只掉 0.6%，实验字符串会把磷酸铁锂充到 4.2V 且零警告，SEI 能跑但用的是借来的示例参数。附一段可直接运行的检查代码。

搜索排第一的 pybamm-param 已废弃、PyBOP 的 API 刚大改，而真正要命的是可辨识性：参数在方程里以组合出现，一条曲线分不开它们。附一套区分”拟合出来”与”编出来”的验证流程。

长时间退化模拟在第 300 圈崩掉时，调容差通常是错的方向。用 SPMe 对照判定是数值还是物理问题，附 IDAKLU 全部选项默认值与一个静默失效的陷阱。