CAT蓄电池通过控制负极过电位实现锂离子电池的快速安全充电
来源：
卡特蓄电池 发布时间：2026-04-01 14:24:28 点击： 次
引言
由于具有快速响应速率、高能量与功率密度以及易于集成等优势，锂离子电池已成为消费电子产品、电动汽车和电网级储能等多种应用的理想解决方案，市场对快速充电的需求与日俱增[1][2]。然而，简单地通过增大电流来加速充电会加剧锂枝晶析出等不良副反应，导致电池不可逆衰减并引发重大安全隐患[3]。具体而言，当锂离子电池在低温或大电流条件下充电时，负极固相电位可能跌落至液相电位以下，导致负极过电位（NEO）呈现负值[4]。%%在此情况下，金属锂可能沉积于负极表面形成锂枝晶——这种现象称为锂析出。锂析出现象不仅会减少可用锂离子数量，造成不可逆容量衰减，还会引发显著的安全隐患。锂枝晶的过度生长可能刺穿隔膜，进而诱发内部短路与热失控。
为抑制充电过程中的锂沉积现象，学界已提出多种充电策略。目前最广泛应用的是恒流-恒压（CC-CV）策略：该策略首先以恒定电流对电池进行充电，直至达到预设电压阈值，随后转入恒压阶段。在恒压阶段，随着荷电状态（SOC）升高，充电电流自然衰减，当电流降至指定截止水平时充电过程终止[5]。该策略旨在通过限制上限电压并在接近满充时逐步降低电流来防止过充。然而研究表明，即使在达到电压限制之前，特别是在恒流阶段，也可能满足锂析出的动力学条件，这意味着基于电压的保护机制激活前就可能已发生锂析出[6]。为提高充电安全性，研究者提出了多级恒流（MCC）策略，将充电过程划分为若干阶段，每个阶段采用不同的恒定电流。随着SOC增加，充电电流会以阶梯方式逐步降低[7]。尽管该策略在安全性与充电速度之间取得了平衡，但电流档位的选择通常基于经验知识，因而缺乏精确的量化标准。过高的电流仍可能扳机锂析出，而过度保守的设置则会导致电池快充能力的未充分利用。
为开发安全高效的充电策略，必须对NEO进行精确监测与控制，以防止锂析出并释放最大充电潜力。监测NEO的一种方法是采用配备参比电极的三电极体系[8]。然而此类装置成本高昂，其长期可靠性与稳定性仍存在挑战，限制了其在工业应用中的推广。获取NEO的第二种方法是通过建模，其中最广泛应用的是等效电路模型（ECMs）[9]和电化学模型（EMs）[10]。例如，多个研究团队采用双等效电路模型（dual-ECMs）对双电极半电池进行建模，从而实现对不可逆欧姆过电位（NEO）的估算[9][11][12][13]。然而，该模型进行参数辨识时仍需引入参比电极以解耦单个电极的阻抗特性，导致该方法在标准双电极电池体系中的适用性受限。与等效电路模型相比，电化学机理模型（EMs）能够同时描述锂离子电池的内部和外部行为特征。常见的等效模型包括伪二维（P2D）模型[10]、单粒子（SP）模型[14][15]及其衍生模型。这些模型本质上具备计算NEO的能力。为解决长期开环模拟中存在的模型误差与累积漂移问题，研究者将等效模型与扩展卡尔曼滤波（EKF）、比例-积分-微分（PID）控制等反馈机制相结合，从而实现了NEO的闭环估计[6][16]。
以负极电势（NEO）估算值为基础，可进一步探索模型预测控制（MPC）方法在快充过程中调控NEO并抑制锂枝晶生长的应用。Chu等人[6]基于NEO估算闭环提出了一种策略，该策略采用PID控制器根据估算NEO与预设阈值的偏差来调节充电电流。尽管该方法在确保电池安全运行的同时成功缩短了充电时间，但仍存在若干问题。一方面，闭环系统中采用了简化伪二维（SP2D）模型[14][17]。虽然该模型基于P2D模型进行了若干简化，但仍需辨识包括正极厚度、隔膜厚度、负极厚度以及活性材料粒径在内的20余个参数。这些参数的确定需要对电池进行破坏性测试，同时涉及复杂的仪器设备和操作流程，导致参数可辨识性较差且模型计算过程相对繁琐。另一方面，由于计算负载限制，该实现方案在在线应用时仅支持单步预测。然而模型预测控制（MPC）的运行需要基于足够长时域的多步滚动预测。延长MPC的预测时域能有效捕捉近地天体状态的动态演变，从而尽早发出约束违反的预警信号。无法实现多步预测会削弱近地天体控制的可靠性与稳定性，最终可能导致非析锂充电电流调节的失效。
基于上述分析，本研究将简化电化学模型与多步预测扩展卡尔曼滤波器（EKF）相结合，实现了负极电势（NEO）的多步预测，满足模型预测控制（MPC）算法的需求。在此基础上，提出了一种基于PID控制器的MPC策略，以实现充电过程中NEO的实时调控。本工作的主要贡献如下：提出了融合SP+模型（其参数识别无需侵入式传感器或破坏性实验）与多步预测EKF算法的闭环系统，实现了NEO的先进多步预测；开发了基于NEO估计的MPC充电策略，该策略有效平衡了充电效率与安全性，并展现出显著的实际应用潜力。
