CAT蓄电池低温浸没效应对锂离子与钠离子电池性能的影响研究——基于机器学习的容量优化方法
来源：
卡特蓄电池 发布时间：2026-03-17 10:55:49 点击： 次
图文摘要
引言
全球人口增长正推动能源需求快速上升，这使得寻找可持续且可靠的能源解决方案变得至关重要。尽管可再生能源占比不断提升，化石燃料目前仍供应着全球约84%的能源，并可能在未来数年内保持主导地位[1,2]。日益增长的能源需求与气候变化的紧迫挑战共同凸显了向太阳能、风能等可再生能源转型的重要性。然而，这些可再生能源需要依赖高效的储能系统才能保持稳定供应，特别是在能量产出不足的时段[3]。满足可再生能源存储需求的关键解决方案之一是采用电池储能系统(BESS)。从电动汽车到大规模储能系统，电池已成为各类应用的核心部件[4,5]。可充电电池因其环境友好性、灵活配置特性和能量转换效率，被视为最适宜的储能选择。
锂离子（Li-ion）和钠离子（Na-ion）电池是当前研究最广泛、发展最成熟的两种可充电电池技术[[6], [7], [8]]。这类电池通过锂离子或钠离子在正负极之间的迁移实现充放电过程。锂离子电池（LIBs）以其高能量密度、长循环寿命著称，已广泛应用于消费电子、电动汽车及可再生能源存储领域[9]。然而，该技术依赖的锂资源不仅价格昂贵，且存在储量限制。相比之下，钠离子电池（SIBs）因钠元素储量丰富、成本低廉而展现出显著优势，使其更具可持续性且潜在成本低于锂基电池。尽管钠离子电池的能量密度通常低于锂离子电池，但当前研究正致力于提升其性能表现[10]。
受损、缺陷或报废（EOL）电池在运输和储存过程中存在热失控、火灾和爆炸等严重风险[11]。为降低这些风险，采用液氮（LN₂）进行低温闪速冷冻（CFF）已成为一种实用解决方案。LN₂能将电池迅速冷却至−196°C[12]，从而停止电化学反应并防止热失控，即使在严苛条件下也有效。将电池浸入LN₂还有助于研究极端低温对电池材料与性能的影响，因为该过程产生的强烈热梯度可能作用于内部组件。该流程不仅对安全有益，亦具有物流优势。传统危险电池运输需使用昂贵的防爆容器[13]，而经液氮处理的电池无需此类装备即可满足ADR SP376等国际安全标准。此外，液氮冷冻有助于保持电池结构完整性，支持后续按照循环经济原则进行再利用或回收。因此，理解不同液氮浸没时长如何影响电池性能，对于确保安全性和持续功能性均具有重要意义。
多项研究已对锂离子与钠离子电池的低温性能进行了深入探究。Zhang等[14]发现，当温度低于−10°C时，锂离子电池的电荷转移电阻(Rct)显著增大，尤其在放电状态下，充电过程比放电更为困难。当温度低于0°C时，由于锂离子扩散受阻，锂离子电池会出现容量衰减、安全风险增加及循环寿命缩短等问题。+扩散[15]。Chen等[16]发现低温暴露会加速锂离子电池(LIBs)的容量衰减，特别是在高充放电速率或较长暴露时间下，这源于正极颗粒开裂与死锂形成。与LIBs类似，钠离子电池(SIBs)在低温下也表现出显著的性能下降，这限制了其在严苛气候条件下的应用[17]。该性能掉落主要归因于电解质电阻增加和固体电解质界面相(SEI)的不稳定性。Wang等[18]开发了基于醚类的电解液配方，该配方在低至-150°C时仍能保持稳定，并支持有效的固体电解质界面膜（SEI）形成。研究表明，这些电解液能使钠金属电池在-80°C的极低温环境下实现稳定的长期循环，显著提升了钠离子电池（SIBs）在极端环境中的适用性。该低温工艺涉及将材料暴露于极低温度环境，这对其物理化学性质可能产生重大影响。尽管对低温电池性能的研究兴趣日益增长，但既往大多数研究仅关注中等低温环境下的性能表现[19,20]。对于极端低温条件（如接近液氮温度-196°C）下锂离子与钠离子电池的性能演变与衰减机制，目前尚未形成系统化研究。在此类超低温工况中，电池的整体性能指标——包括容量、循环寿命及充电效率——均可能受到显著影响。
机器学习（ML）已成为电池研究领域的重要工具，尤其在预测电池健康状态、循环寿命及故障检测方面表现突出。Zou等[21]开发了一套基于化成数据的ML框架，用于电池质量分类与寿命预测。该模型实现了89.74%的分类准确率及5.45%的寿命预测误差，为电池生产的质量控制和性能预测提供了经济高效的解决方案。Chatterjee等[22]提出了一种结合支持向量机（SVM）和无迹卡尔曼滤波器（UKF）的锂离子电池故障检测方法。无迹卡尔曼滤波器(UKF)通过最小化噪声来提升荷电状态(SOC)估计精度，而支持向量机(SVM)则用于短路检测。Celik等人[23]利用早期循环数据和机器学习预测锂离子电池循环寿命。Stock团队[24]将机器学习应用于锂离子电池生产中的早期质量预测，在基于循环寿命的电池分类中实现了97%的准确率。机器学习在预测电池容量、健康状态、循环寿命及故障检测方面已展现出潜力，但其在极端低温环境电池中的应用仍有待探索。这种条件会显著影响锂离子电池与钠离子电池的容量。
本研究旨在探究深冷浸没处理对全新及循环使用(容量保持率低于80%)的锂离子与钠离子电池的影响。研究采用机器学习模型预测不同浸没时长下的电池容量变化规律，重点考察循环使用电池的性能演变。结合X射线衍射(XRD)与扫描电子显微镜(SEM)进行结构表征，系统分析电池形貌与电极结构的潜在变化。这些分析揭示了深冷温度对锂/钠离子电池综合性能的作用机制，为电池在深冷环境下的再利用、再制造及安全运输提供了重要理论依据。
