電動汽車動力電池研究展望：智能電池、智能管理與智慧能源*

王亞楠，韓雪冰，盧蘭光，馮旭寧，李建秋，歐陽明高

（清華大學，汽車安全與節能國家重點實驗室，北京 100084）

1 電動汽車動力系統概述

1.1 現存關鍵問題

為助力“雙碳”目標的實現，汽車電動化發展勢在必行，動力電池是電動汽車動力系統的關鍵部件，亟需開展深入研究。本文中從智能電池、智能管理和智慧能源三大方向闡述當前動力電池系統發展面臨的關鍵問題和主要需求，并從材料科學、物質科學到系統科學等多個層面展開評述動力電池系統感知、監測、管理直至能源互動的研究現狀和發展趨勢。

1.1.1 智能電池與主動控制

電池內部存在大量的復雜微觀電化學反應，對電池的長期穩定運行有嚴重危害，電池外部傳感如電流、電壓和溫度表現微弱、且存在滯后性，往往直到電池內部已因劇烈反應導致燃燒、爆炸時，電池管理系統（battery management system，BMS）才能監測到異常信號。帶有多智能傳感器的智能電池，可監測電池內部溫度、電極電位、壓力和氣體等多種信號，從而可更精準地進行電荷狀態估計和主動控制，是下一代電池的發展方向。針對各傳感器信號的處理、分析及其在BMS中的作用，仍缺乏系統性的研究。此外，目前多數傳感器仍寄生于電池外部，一方面是植入技術不成熟，另一方面是植入所帶來的電池隱患難以排除，這些都是亟需解決的技術難題。

1.1.2 電池缺陷與安全監測

電池缺陷已成為電動汽車熱失控的重要誘因。在生產端的缺陷未能被有效地識別，流入市場后觸發隨機性、突發性事故，目前無法通過測試進行評估，也缺少專門的質量管理手段來完全消除隱患。如何在生產端有效控制缺陷和識別預警亟待研究。在單體層面，內部缺陷區域可能已經觸發熱失控而沒有外在顯示。在模組層面，缺陷電池與正常電池在相同條件下可能呈現出截然不同的現象。在系統層面，現有算法主要聚焦于已知故障類型的分類或分級，而故障背后的缺陷類型缺少描述，對于故障的發展趨勢和潛在風險無法準確分析。此外，缺陷引發電池熱失控的機理（突發型熱失控機理）尚不明確，并存在傳感器布置數量少、數據的精度與同步性差、無法獲取電池內部信息和傳感器成本與壽命等問題。

1.1.3 電池衰退與智能管理

2023年即將退役的鋰離子電池的總容量預計將達到48.09 GW·h，其后續處理方式關系到環境保護和資源循環再利用等，但電池的回收和梯次利用尚缺少對退役電池快速有效的檢測、評價和篩選手段，如電池性能“跳水”問題。針對電池老化衰減和大規模退役電池的發生，適用于全氣候全生命周期的電池智能管理技術亟需完善。現有建模技術如電化學模型、等效電路模型（equivalent circuit model，ECM）、數據驅動模型等，都存在各自的局限性，如電化學模型參數辨識問題、ECM的物理解釋問題、數據驅動模型的過擬合、工況匹配和噪聲干擾等問題。智能管理還須結合電池老化衰減過程進行充電管理、熱管理和均衡管理，目前在線控制策略仍存在缺少電化學機理描述、精度不高和難以提前預測等問題。

1.1.4 電池儲能與智慧能源

從加油到充電，車輛的能源補給方式產生巨大的變革，車輛也可成為移動的儲能站。（1）在快充快換方面：鋰離子電池快充的安全性不足，快充過程的產熱問題嚴重，熱管理系統設計困難，基礎設施建設和運行成本過高；而換電式補給實現多站多車型兼容互換是最大的難點，換電車和電池的不可靠連接存在潛在安全風險，換電設備一次換電成功率相對較低。（2）在車站互動方面：充換電設施與屋頂光伏、建筑用能等構成能源補給微網；如何對上級電網、可再生能源發電、電動汽車充換電負荷間的能量進行優化調度，促進微網內部可再生能源的消納和降低對電網沖擊等亟需深入研究。（3）在車網協同方面：目前大范圍大規模電動汽車調度技術的實時性有待驗證，基礎設施改造成本較高，缺乏有效市場機制和商業模式，很多充電接口和通信標準尚不支持車輛放電行為或高頻切換的充放電模式。

1.2 主要需求

上述行業痛點與技術難點問題，為動力電池系統明確了需求，形成未來研究的聚焦點。

1.2.1 智能電池與主動控制

針對多種傳感功能的傳感器，亟需開發微型化、高穩定、低阻隔的植入電芯式器件。圍繞無損植入式智能電池傳感的核心，須優化傳感器的材料與功能，開發智能傳感系統的安全構建策略，搭建信號提取和無線傳輸功能，加強對電池安全的主動控制能力。此外，須考慮電池內部狀態復雜性，從電池機理出發建立傳感器信號與電池內部狀態映射關系，研究多種信號協同估計方法。此外，在電池的主動控制方面，須研究對溫度、電流和電壓等協同控制的方法，在保證電池安全長壽運行的同時實現更優的動力性。

1.2.2 電池缺陷與安全監測

針對電池缺陷問題，須圍繞電池缺陷致失效機理、安全邊界和外在特征開展研究。須闡明全生命周期下缺陷發展過程與關鍵指標，建立缺陷診斷管理體系。基于電池缺陷相關機理與特征，強化現有診斷算法，對故障進行定量分析并預測故障的發展趨勢。此外，須增加溫度傳感器的布置數量，提升現有傳感器的數據精度、采樣頻率和數據同步性，并結合智能傳感方向的研究與技術，布置諸如氣體和形變等其他傳感器，獲取更多信息。

1.2.3 電池衰退與智能管理

針對退役電池的回收和梯次利用，須開發快速有效的無損檢測和篩選方法。同時，關于電池性能“跳水”機理目前還沒有明確的定論，尚須開展研究。還須進一步開發相應的全生命周期管理技術，用于預測電池的壽命（“跳水時刻”）和優化電池使用工況。針對全氣候全生命周期電池智能管理，在考慮電池老化衰減的情況下，改進電化學、等效電路和數據驅動等建模技術，開發可靠有效的與高精度壽命相關的關鍵狀態估計方法，并結合智能傳感和主動控制等方面的研究，完善在線充電管理、熱管理和均衡管理策略。

1.2.4 電池儲能與智慧能源

（1）對于充換補給：須開發高比能量鋰離子電池及其全氣候安全快充算法，開發寬溫域管理技術和精準控溫策略；探索大功率柔性充電技術，加快快充基礎設施的普及程度；不斷創新換電模式和換電裝備技術，加強換電車輛和電池安全保障措施，研發大范圍高精度車輛停車位置精確檢測系統等。（2）對于車站互動：須探索能源補給微網多層級多時間尺度運行優化策略，在微網層級研究“源?網?荷?儲”自適應協調控制方法，在系統層級研究上級電網與本地微網的動態互動算法。（3）對于車網協同：須設計大規模電動汽車接入電網的聚合算法，及其參與配網和大電網的調控策略，以保證電動汽車響應能夠滿足電網調節的需求；同時應發展低時延的響應技術和長壽命電池管理技術。

1.3 共性問題與關鍵技術

1.3.1 全生命周期流場分布

（1）物質能量流

在車用鋰離子電池全生命周期演化過程中，物質與能量的流動形成從材料到系統又通過資源回收再生回到材料的鏈式閉環，即電池物質流（圖1）。其中，以材料?單體?系統?整車?車輛運行?殘值評估?回收?資源再生?材料為主線。

圖1 車用鋰離子電池全生命周期物質流

（2）數據信息流

隨著數字化程度的加深，鋰離子電池的物質流中還包含大量數據和信息流（圖2）。大數據造就了伴隨電池全生命周期不同類型、層級的數據，構成了電池單體、模組、整包甚至整車的數據畫像。這些數據最終匯聚至云端平臺作為優化管理的主要數據來源。

圖2 車用鋰離子電池全生命周期信息流

（3）流場綜合管理

結合圖1和圖2，BMS設計須緊緊跟隨全生命周期物質流和信息流的流動方向與分布，而如何充分利用積累數據和合理調控能量交換，是如今電動汽車動力系統的共性問題。對能量交換的合理優化，能夠將電動汽車與充換電站、電網等互動，實現調峰調頻、削峰填谷等功能；有效利用積累數據，建立城市甚至大區域的車輛數據庫，挖掘機理相關特征，并結合數據驅動算法和數字孿生技術等，實現電池一致性分析、安全預警、壽命預測和殘值評估等一系列多維度全方位的綜合管理功能。

1.3.2 數字孿生技術

數字孿生技術充分利用物理模型、傳感器采集信息和運行數據等，集成多學科、多物理量和多尺度的仿真過程，在虛擬空間中完成對實體鋰離子電池全生命周期過程的映射，為車輛BMS構建高精度數字模擬模型，即虛擬電池模型（圖3）。根據云端歷史數據，基于平臺的強大算力和存儲空間構建電池孿生模型，能夠大幅提升狀態估計精度、安全預警能力和主動安全防護機制效率，與傳統BMS技術相比，可更有效地減少前期開發過程中的實驗量，縮短開發周期。

圖3 基于數字孿生的電池管理

1.3.3 云邊端構架

云?邊?端構架正在推動BMS的發展。云計算物聯網的出現，使BMS能夠實現聚合大數據分析等功能。物理世界和虛擬世界之間的通信通常由終端、邊緣和云組成的框架來實現，基于云?邊?端構架的下一代BMS（圖4）可提供傳統BMS難以實現的高精度電池狀態監測，并改善電池性能預測和其他復雜優化功能。

圖4 云?邊?端構架的下一代電池管理體系

2 智能電池與主動控制

2.1 智能感知

針對電池內部物理化學狀態的識別，研究人員提供了多樣的感知機制，期望借由更多物理化學信號的提取，幫助BMS以相對較少的測試數據，建立精簡高效的主動控制策略（圖5）。

圖5 智能感知流程

2.1.1 溫度

單體成組后組內溫差加速電池組劣化，而在高倍率場景下將面臨比單體更高的散熱壓力。因此，須將溫度傳感信號集成到BMS中實現溫度狀態的實時監控。但流道的快速降溫設計使通道溫度與實際溫度存在弛豫現象和誤差，影響溫度探測的準確性，尤其針對突發型熱失控，現有感知能力仍十分薄弱。對此，研究人員開展了植入式溫度傳感器的研究，例如利用柔性電子技術實現電壓?電流?溫度三合一的傳感功能（圖6（a）），以及將溫度傳感器制備到柔性襯底并植入集流體，實現棱柱電池內部原位多點的溫度檢測。

圖6 動力電池植入式傳感器方案示例

2.1.2 壓力/應變

電池的呼吸作用使單體內部壓力隨SOC而變化，造成活性材料脫嵌鋰前后的體積變化。此類內部壓應力無法完全消除，且隨著電池充放電的過程會對電池的輸出性能和使用壽命產生影響。現有大部分研究是外置壓力傳感設備，較難及時檢測到內部壓力變化。因此，慕尼黑工業大學團隊通過植入棱柱電池內部TPMS芯片進行實時高精度的氣壓測量（圖6（b）），但該項工作僅僅定性描述了內部氣體壓力與SOC和老化程度等的非線性關系。智能電池設計須探索壓力應變與電池安全狀態、充放電狀態和衰減程度的映射關系，但目前還沒有針對電池內部過充、局部析鋰等情況的內部壓力分布探測方案，例如可采用柔性的薄膜式壓力傳感器，但其本身的穩定性有待提升。

2.1.3 光纖布拉格光柵傳感器

光纖布拉格光柵（fibre bragg grating，FBG）傳感器具有良好的抗腐蝕性、抗拉伸性、高介電性和耐高溫性等，應用于電池內部物化環境具有明顯的穩定性和良好的溫度及應變的探測能力，可同時感知溫度和應力的變化。Pecht團隊將單根光纖傳感器植入紐扣電池，而軟包和圓柱等類型電池相比于紐扣電池具有結構優勢，如植入LFP軟包電池兩層隔膜中間，或在圓柱電池中心位置植入。此外，可通過引入兩根光纖共同工作對溫度和應力的變化解耦。通過降低光纖尺寸，避免對電池結構和離子遷移的影響，FBG傳感器對電池的原位在線監測可用于溫度或壓力模塊的原型設計制作，開發最佳充電模式并提高安全性，并為熱模型和狀態預測方法提供可靠的驗證。

2.1.4 氣體

鋰離子電池循環過程中會釋放CH、H、CO等氣體，揭示不同氣體產生機制和產氣檢測可用于判定電池特定反應和工作狀態。2018年，Kuhn團隊針對大容量軟包電池單體和電池模組進行了多物理信號監測下的熱失控測試，所涉及的物理信號包括電池電壓、溫度、氣體濃度、煙霧、絕緣電阻、應力和氣體壓力（圖7）。但如何在結構封閉的單體電池內部植入氣體傳感器仍沒有較好的解決方案。Hansen團隊研究認為采用結構穩定的微米級銅絲生長氧化銅/氧化亞銅納米線作為氣體探測傳感器植入到電池內部具有一定的可行性。

圖7 開放空間電池模組多傳感器融合測試結果［14］

2.1.5 植入式電位傳感器

在鋰離子電池研究中常采用參比電極測量電池液相電位，將參比電極植入電池中，為電池提供一個原位診斷工具，參比電極此時成為植入式電位傳感器，并與被測電極構成測量控制回路。由于短路風險和狹窄的工作空間，參比電極的制作、實測和應用皆須考慮電解質的化學成份和極片幾何形狀設計等因素。常規類型的制作方法包括T型Swagelok接頭裝配法、參比電極植入法和原位沉積法等。在實際測試中，參比電極不可避免地會偏離熱力學平衡勢。因此，電勢穩定的參比電極須具備較高的交換電流密度，以使其能快速建立和恢復平衡電位，并具有良好的可逆性。向電池內部植入參比電極，可對正、負極的電化學阻抗譜進行解耦分析，用于研究極片和電解液之間的界面反應等。可在不拆解電池的情況下，監測電池運行狀態。此外，研究人員通常使用參比電極確定電池快充邊界，優化充電策略等。

2.2 智能電池應用與主動控制

植入多類傳感器的智能電池，可使其管理與控制得到簡化或完善，從而為BMS更具實用性的安全可靠提供了更多可能性（圖8）。壓力傳感器的布置位置較為靈活，軟包電池可布置在電芯之間，而方殼電池可布置于電芯內部卷芯之間。在單體熱失控初期副反應加劇，電池溫度和壓力信號都會上升，溫度傳感器和壓力傳感器配合進行有效預警和防止產生更嚴重的安全事故。另外，有研究表明，電池的壓力會隨著電池荷電狀態（SOC）變化發生規律性變化，因此基于壓力傳感器的SOC估計或許會成為電池SOC估計技術的突破點。在實車運行過程中可能會形成熱梯度，導致附于電池表面的溫度傳感器測溫值與電芯內部真實溫度產生較大差異。傳統電池內部溫度狀態估計方法，如基于三維電池熱模型、降階模型溫度估計，卡爾曼濾波器估計等具有不同精度和復雜度。內部植入溫度傳感器的智能電池，則可完全省去上述估計過程，直接測量電池內部溫度。電池功率狀態（SOP）的估計往往是基于SOC狀態和溫度狀態進行查表，因此結合內置的電位傳感器和溫度傳感器可進行更準確快捷的SOP估計。有團隊研發了一種內部植入鎳箔的極速自加熱全氣候電池，基于此電池的低溫加熱快充和常溫快充都表現出充電速度和壽命上更可靠的控制優勢。

圖8 智能電池的應用

電池傳感器結合分級電池模型可得到兩電極電壓，再通過閉環反饋可更精確地估計SOC；特別針對磷酸鐵鋰電池的電壓“平臺區”問題。電池剩余能量估計方法大部分是以電池SOC估計為基礎，因此基于電位傳感器還可進行更高精度的剩余能量估計。更進一步，可進行續駛里程的估計。針對電池管理和在線診斷，電池的老化機理可通過可用鋰離子損失（LLI）、正負極活性材料損失（LAM）和內阻的變化獲得，傳統方法是利用雙水箱模型端電壓重構，而若使用電位傳感器，則可直接測得正負極電位而省去模型的重構過程。電位傳感器還可應用于析鋰檢測。鋰枝晶的持續生長可能刺穿隔膜導致內短路進而誘發熱失控，電位傳感器可檢測內短路電池的正負極電位的異常變化，以進行內短路的診斷。此外，電位傳感器還可以用于過充電檢測和輔助設計大倍率無析鋰快充算法。

3 缺陷電池與安全監測

3.1 缺陷電池

目前針對電池存在的各類缺陷問題，現有研究主要基于已有的電池老化、析鋰和內短路等機理，對缺陷局部影響和致失效過程進行解釋性研究，而至今未見有對缺陷電池的整體性和系統性的研究報道。尚未建立各類缺陷與電池熱失控事故之間的明確關聯，還須對缺陷安全邊界和全生命周期缺陷演化機制進行研究（圖9）。

圖9 缺陷電池主要研究與發展趨勢

3.1.1 缺陷與熱失控機理

極片缺陷與隔膜缺陷是電池生產缺陷的主要類型。極片可能發生材料缺失、材料團聚、雜質顆粒混入和極片撕裂等缺陷；隔膜可能發生閉孔、褶皺和隔膜裂紋等缺陷。不同類型的缺陷具有不同的理化機理與發展特征，在電池內部可能共同存在并相互影響。目前缺陷相關研究主要關注典型缺陷的復現與機理分析，其中材料缺失、雜質顆粒和隔膜閉孔是最主要的3類。（1）材料缺失即正負極極片活性材料局部的缺失，可能來源于涂層不均、擠壓粘連、涂層破裂和涂層剝離等。材料缺失的直接影響是對應區域正負極活性材料比（N/P比）異常。正極材料缺失會導致鄰近區域材料的嵌鋰量變化大于正常區域，促進不可逆相變和過渡金屬溶解等有害副反應的發生，加速材料老化。而溶解后的過渡金屬還可能在負極沉積，加速負極老化。同理，負極材料缺失導致的嵌鋰量變化和低電位會進一步在充電時導致析鋰。缺陷區域正負極材料老化失去活性后，產生與材料缺失類似的效果，導致缺陷區域不斷擴大進而加速電池整體的衰退。（2）隔膜閉孔即隔膜內部的孔隙封閉，失去傳導鋰離子的作用。主要誘因有：①隔膜制造過程中局部未能正常產生多孔結構；②局部擠壓力過大，多孔狀結構被壓縮，孔隙封閉；③局部過熱導致隔膜材料融化變形；④外來異物阻塞隔膜孔隙。隔膜閉孔發生后，兩側正負極材料無法直接參與反應。在充電時，缺陷區正極鋰離子堆積，大量鋰離子從缺陷區邊緣繞行流向負極，使缺陷區邊緣負極液相電位升高，缺陷邊緣更易發生析鋰。從實驗驗證角度，須人為制造閉孔隔膜進行測試找到幾何特征?充電倍率的安全邊界。除缺陷區邊緣的直接析鋰外，析出的鋰也可能造成阻隔效應，導致缺陷區域擴大。（3）顆粒雜質可能來源于上游原料、切割環節的碎屑、加工設備磨損粉塵和焊接環節的焊渣等。顆粒雜質混入電池后，失效機理主要有直接機械損傷與間接金屬枝晶兩類。直接機械損傷即顆粒本體在外部壓力作用下對極片和隔膜造成破壞。間接金屬枝晶指混入正極的顆粒在高電位下發生電化學腐蝕溶解，而后在低電位的負極析出為金屬枝晶，枝晶不斷生長穿透隔膜引發內短路。當短路點溫度超過隔膜崩潰溫度，引發熱失控。

3.1.2 缺陷識別技術

電池生產的多個環節均可能產生缺陷并流入市場，現有缺陷識別技術研究主要在生產線上開展，在使用環節的識別技術較少。在生產線上，主要的檢測技術可以分為視覺方法和特殊設備兩類。部分缺陷可體現為材料外觀的異常，可通過機器視覺方法進行實時識別，例如基于實時光學圖像，結合決策樹等人工智能方法，實現對隔膜/極片的全檢和對異常點的報警。除幾何特征外，各類缺陷也包含其他可用于識別的特殊表現。例如，隔膜裂紋導致隔膜透氣性改變，可采用氣壓檢測方法。金屬顆粒不直接造成短路時，可能存在尖端放電現象，對注液前干極片正負極施加高電壓，金屬顆粒將可能被擊穿，以此實現缺陷識別，即HIPOT檢測。對于已組裝完成的電池，可以使用超聲波或CT方法進行內部探傷，識別缺陷。以上方法均適用于生產線檢測，車上的在線缺陷識別方法尚待研究。

3.2 安全監測

鋰離子電池系統的安全預警主要是針對電池熱失控的預警，目前車用BMS和絕大部分電池安全預警方法都是基于電?熱信號。此外，也有相關研究根據氣體、聲音和形變等多傳感器信號進行電池安全監測（圖10）。

圖10 安全預警方法主要分類

3.2.1 基于熱失控機理的安全預警方法

基于熱失控機理的安全預警方法以某種具體的熱失控誘因作為檢測目標，比如電化學誘因中的內短路、析鋰，電誘因中的外短路或熱誘因中的異常接觸電阻。對于內短路檢測，其檢測原理可以概括為：基于電和熱信號提取反映內短路的異常放電或異常產熱的特征參數并報警。現有大部分內短路檢測方法除受限于特定工況、特定電池組結構和特定電池數量外，還面臨一個共同的不足：算法的有效性驗證幾乎都是通過并聯短路電阻或用外短路代替內短路來實現，其本質是對并聯等效電阻的檢測，缺少內短路機理的支撐導致只適用于等效電阻定義范疇內的短路情況。對于析鋰檢測，其檢測原理包括以下兩種：（1）基于鋰的重新嵌入過程引起的特征電壓信號進行析鋰檢測，例如電池低溫充電后的放電曲線的高電壓平臺，或充電析鋰后的靜置電壓曲線的高電壓平臺，Ren等開發了基于充電后弛豫電壓微分分析的電池充電析鋰定量檢測方法；（2）析鋰副反應對電池衰減特征有不同程度的影響，通過對比可以判斷電池是否析鋰，例如容量衰減。現有析鋰檢測方法一方面受限于監控數據的缺失，另一方面受限于實際運行工況中很少出現恒流充放電情況，且容量、內阻和庫倫效率等參數往往難以準確獲取。

3.2.2 數據驅動的安全預警方法

數據驅動的安全預警不考慮具體的熱失控誘因，而是通過大數據挖掘異常特征。主要分為兩類：（1）基于信號分析提取異常值，如熵分析、小波變換、模態分解和相關性分析等，其中以香農熵應用最廣泛；（2）機器學習，如聚類、神經網絡、支持向量機等構建分類模型或回歸模型用于安全預警。典型的輸入特征有：電壓的“電壓偏差增量”和“累積偏差數”，實車大數據的電壓、SOC、溫度、車速和制動踏板行程等。數據驅動方法的一大局限為需要巨大的數據計算量和存儲量，難以在現有車載BMS端部署。但目前很多整車廠都在搭建云端大數據平臺，數據驅動的方法有望在此類平臺上應用。另外，此類方法是從信息科學角度出發，算法本身與電池熱失控機理脫鉤，報警信號與電池安全狀態難以建立明確的對應關系。

3.2.3 基于多傳感器信號的安全預警

在電池的熱失控過程中，根據2.1節可知，包括氣體等多種類的特征信號需要對應的傳感器來測量，而通過綜合利用多傳感器信號，有望實現更為有效的安全預警。Koch等對大容量軟包電池單體和電池模組進行了多傳感器信號測量下的密閉環境單體加熱熱失控實驗和開放環境模組針刺實驗。測量信號包括電壓、溫度、氣體濃度、煙霧、絕緣電阻、應力和氣體壓力，結果表明各信號響應速度和顯著程度在熱失控發生前有所不同。Pannala等通過記憶合金短路觸發熱失控實驗測試了壓力傳感器的信號響應。Su等針對電池儲能應用場景，在標準儲能集裝箱中進行電池過充熱失控實驗，比較了多種氣體濃度傳感器、聲音傳感器對電池熱失控的響應情況。目前基于多傳感器信號的安全預警研究仍處在實驗階段，且實驗往往采用加熱、過充或針刺等較為劇烈的熱失控觸發方法，沒有考慮到諸如內短路、析鋰等更為隱蔽的熱失控誘因。在實際使用中，還須解決傳感器的成本、壽命、布置位置和信號傳輸方式等諸多問題。

4 壽命衰退與智能管理

4.1 電池回收與梯次利用

4.1.1 電池全生命周期循環與材料回收

部分鋰離子電池退役后在特定場景下仍具有應用潛力，若對符合要求的退役電池進行梯次利用，可提高車用鋰離子電池全生命周期價值。電池退役后，可根據其剩余能量和健康狀況對其進行梯次利用或直接拆解并經過物理和化學過程回收貴金屬元素（圖11）。正極材料生產成本占電池生產總成本的1/3以上，因此，當前電池回收主要是針對正極材料，回收工藝可以分為火法冶金、濕法冶金和直接修復法等。

圖11 鋰離子電池全生命周期

（1）火法冶金回收工藝，即將電池在高溫煅燒下處理，直接獲得貴金屬合金和其他副產物。大多數歐美電池回收企業主要采用該工藝路徑，如Umicore，Accurec等。由于使用高溫處理，工藝較為簡單，處理成本低，但常常伴隨高能耗、高排放，仍存在尾氣收集處理等問題。（2）我國大多企業目前主要采用濕法冶金回收，將廢舊電池尤其是其正極材料溶解于溶液中，經過萃取主要元素，獲得純度較高的元素提取液。使用該工藝的代表企業有邦普、國軒高科和華友循環等。該工藝能耦合火法冶金工藝，實現高純度的元素提取，但也存在流程復雜、設備要求高和使用腐蝕性溶液導致大量廢液難以處理等問題。（3）直接修復法是當前受到眾多關注的回收方法，與上述工藝的區別在于利用已有金屬元素進行材料再制備。依據電池材料性能衰退和失效機理，希望采用簡單的物理方法處理廢舊正極材料。該工藝具有工藝流程短、設備簡單、污染較低和回收效率高等優勢。

4.1.2 梯次利用的主要問題與技術難點

退役電池梯次利用的主要問題有：退役電池的分類、篩選和重組；梯次電池的全生命周期管理和安全風險評估。面臨的技術難點包括：“跳水”機理分析、老化電池安全性演變、無損快速檢測和電池延壽。針對退役電池檢測，須根據健康狀態和一致性，附加安全性和歷史數據，對其進行全方位綜合評估（圖12）。

圖12 退役電池檢測思路

容量和內阻健康狀態（SOHC、SOHR）的衰退程度影響梯次電池的可用性能，與退役電池殘余價值關聯；一致性是橫向比較模組/電池包優劣的重要指標，可反映“短板”問題及電池歷史服役強度。根據退役電池是否有歷史數據，解決方案可劃分為“黑箱”和“白箱”（圖13）。白箱方案具有誤差自修正和結果準確的優勢，只需很少的退役檢測即可實現電池性能的精準評估。黑箱方案須對電池進行全方位摸底測試，再通過經驗預測電池壽命，對電池安全性難以評估。

圖13 黑箱白箱方案與關鍵技術

退役電池進行梯次利用后，其在網運維也十分關鍵（圖14）。需要關注“短板”電池的惡化情況，提前判斷容量跳水問題，早期更換或維護問題模組；設立多層級安全報警機制，主動辨識+被動防護，保證電池穩定運行；以及通過運維大數據閉環分析，科學優化退役分選體系。

圖14 梯次電池在網運維關鍵問題

4.2 全生命周期智能管理

4.2.1 電池模型

（1）電池動力模型

電池模型可以分為電化學模型、ECM和數據驅動模型（表1）。（1）電化學模型中，偽二維（pseudo?two?dimensional，P2D）模型能較為完整地反映電池內部機理，但其求解計算量較大，難以應用于實時BMS；單檢子模型（single particle model，SPM）是P2D最為廣泛應用的簡化版本，但該模型僅適用于低倍率放電（小于C/2）；為適用于高倍率放電工況，通過增加液相鋰離子濃度分布的描述，提出增強SPM（enhanced SPM，eSPM）。（2）ECM 結構簡單，計算量小，是目前電池在線狀態估計過程中應用最為廣泛的模型，如1RC和2RC；ECM中的RC環節只能代表固定時間常數的線性特性，而無法充分描述實際電池的全頻域響應特性和非線性行為，尤其在低SOC區域模型精度較差；針對以上問題，有研究考慮電池電化學特性提出了基于物理的 ECM。（3）數據驅動模型，其中LR、EL、KNR算法由于無法描述電池退化過程只適用于簡單建模場景；深度學習（deep learning，DL）算法較強的非線性建模能力，適用于處理電池的時序大數據，其中RNN可描述時序數據的長期相關性，但易出現梯度消失的問題，可通過改進得到長短期記憶神經網絡（LSTM）解決此問題，而CNN通過卷積運算將電池特征進行分解和重組，進而提取有效信息，魯棒性和穩定性更佳。

表1 鋰電池主要建模方法

（2）電池衰減模型

現有鋰離子電池壽命衰減模型可以分為經驗模型、半機理模型和機理模型（表2）。3類模型目標都是預測電池容量減少和內阻增加的壽命衰減情況。目前工程應用受限于參數標定難度而一般采用經驗模型，但由于經驗模型為開環模型且參數和不同工況下的自適應性非常有限。因此，研究人員提出了無模型的容量/內阻估計方法，如模糊邏輯的卡爾曼濾波法和數據驅動法等，更進一步可將經驗模型與無模型方法結合，實現電池壽命的閉環融合在線預測。

表2 電池衰減模型分類

4.2.2 狀態估計

用于表征鋰離子電池的電量、容量、能量、功率和安全狀態等關鍵維度的對應狀態表示為SOX，如SOC、SOH、能量狀態（SOE）、功率狀態（SOP）和安全狀態（SOS）等（圖15）。這些狀態的估計方法可分為無模型和基于模型的方法。無模型方法結構簡單，如SOC的安時積分法、開路電壓法和數據驅動算法等，基于模型方法大部分以表1和表2中的模型為基礎，設計觀測器或卡爾曼濾波器實現狀態估計。目前在實際車載BMS中對多類狀態估計普遍采用的是簡單、計算量小的查表對照方法。為提高精度，逐漸采用研究最為廣泛的基于ECM的卡爾曼濾波系列方法。而現有狀態估計還存在幾個方面的不足：（1）尚未充分考慮電池耐久性的影響，如單體衰減和系統衰減；（2）在不同工況條件下的自適應性較差；（3）多狀態聯合估計結合方式單一。因此，估計方法將朝著機器學習和數據驅動算法的方向發展，或開發機器學習與基于模型方法融合的混合算法，以期實現高精度的多SOX估計。

圖15 動力電池多狀態估計與管理

4.2.3 智能管理

（1）充電管理

在電池運行過程中，充電時間、充電導致的容量衰退和充電效率通常是相互矛盾的。現有充電策略主要分為3類：（1）多階段恒流?恒壓充電策略，采用算法優化階段次數、電流幅值和階段時長；（2）基于ECM充電策略，目前部分研究采用ECM提高充電策略性能，然而ECM無法反映電池電化學機理，致使其未能充分利用電池容量和功率；（3）基于機理模型的充電策略，為實現無析鋰的無損快充，研究人員嘗試采用機理模型。由于電化學?熱?老化耦合模型無法直接應用，有研究采用簡化降階模型實現全生命周期充電控制，以平衡充電時間和性能衰退。

（2）熱管理

電池包熱管理包括高溫冷卻和低溫預熱。這里主要闡述電池高溫冷卻技術。根據冷卻介質的不同，目前高溫冷卻可以分為空氣冷卻、液體冷卻和相變材料冷卻，前兩者分別適用于小倍率和大倍率場景。冷卻效果取決于結構布局、流道設計和冷卻控制策略。現有研究大部分關注于控制策略，如模糊邏輯、協同管理和神經網絡等機器學習算法。相變材料可以在相變過程中吸收和釋放熱量，但難以滿足大倍率放電場景。目前正探索混合冷卻方式，如空氣?相變材料和液體?相變材料，充分利用流體給相變材料散熱，提高熱管理性能。

（3）均衡管理

均衡管理包括均衡結構和均衡策略兩個方面。均衡電路主要分為能量消耗型（被動均衡）和能量轉移型（主動均衡）。耗能電路由于成本低、控制簡單，廣泛用于電動汽車均衡管理中。均衡策略可以電壓、SOC、容量等多個組合指標為基礎。在實際均衡管理中通常采用基于電壓的策略，但均衡效率會受到限制。基于SOC的均衡策略以保持SOC一致為目標，可以最大化電池包的容量。基于容量的均衡策略根據總容量、可充電容量和可放電容量，縮短充電時間并增加可用容量。然而SOC和容量無法直接測量，且其估計準確性易受各種因素，如模型精度、老化程度和溫度等的影響。

5 電池儲能與智慧能源

5.1 快充快換

5.1.1 電動汽車快充系統

電動汽車的快充系統是要求短時間內實現車載電池包的快速能量補給。在電動汽車行業中，存在快充系統（充電功率超過50 kW）和超級充電系統（10 min充電里程增加200英里）的不同定義。為避免電動汽車高比能量鋰離子電池大功率充電過程負極析鋰、容量衰減和安全問題發生（圖16），可從以下方面入手：（1）設計兼顧功率的能量型電池。負極析鋰和電池過熱是限制充電過程的重要因素，且大容量電池內部存在電位和溫度的不均衡特性，因而須設計最優充電曲線，開發電池快充的能力。（2）車?樁系統的合理設計是電動汽車快充的保障。電動汽車的電壓平臺正逐步向800~1 000 V發展。熱管理系統則須解決大功率充電的產熱和環境適應性問題。大功率充電會造成充電系統的高產熱功率和過溫問題。將充電樁和電池系統進行一體化熱管理也是一種可行方案。同時，大功率充電還須匹配低溫預熱技術。目前的可行方法包括：①采用自加熱電池實現全氣候應用，溫升速率可達到60℃/min。②基于電池包分組的車載電機有源激勵加熱方法，成本低，實車實測溫升達到6℃/min以上。③采用充電樁激勵交變電流加熱電池包的方案，根據充電樁功率不同可實現4~10℃/min的溫升速率。（3）充電站建設。充電站的建設須增加建站地點的輸配電容量，且運行過程中避免產生過大的功率沖擊威脅電力系統穩定性。為實現充電站功率負荷的平穩，可以在充電站配備儲能電池，調節電站功率波動。

圖16 快充快換技術問題、解決方案和應用場景對比

5.1.2 電動汽車快換系統

換電模式全天候對電池進行補電，大大縮短了等待時間，而車電分離大大降低了新能源車輛的購置成本，有效延緩電池衰減，減少對電網的沖擊。目前國內外換電技術均可實現乘用車3 min換電，商用車5 min換電。由于能量補充快，車電分離等技術優勢，換電車輛市場已初具規模，前景可期。然而，目前的換電技術還存在多車型不兼容互換，形成“換電孤島”；換電站數量少，換電等待時間長；換電行業標準化程度低，制造成本高等問題，嚴重制約了換電模式電動汽車的發展和推廣。另外，乘用車快換電池和車的松散結構連接，換電車的安全問題也不容忽視。須從以下幾方面實現技術突破：（1）制定完善的互換系列標準，使各個“換電孤島”形成互聯互通互換的網絡化基礎設施。（2）創新換電模式。采用雙機器人協同換電，研發配套的高速換電機器人和協同調度控制系統，最終實現急速“閃換”。（3）智能檢測技術。提高車輛停位檢測精度，使一次換電成功率接近100%。（4）換電安全技術。建立基于電池狀態數據分析的故障預警算法，建設換電車輛安全監控平臺。通過車聯網實現電池和車24 h自動安全預警與應急處置，確保車輛、電池和駕乘人員的安全。

5.2 車站互動

5.2.1 充換電互補能源系統

為解決可再生能源消納與大規模電動汽車充電的雙重難題，發展快充與快換耦合的多類型電動汽車能源補給微網（圖17），并將其作為配電網的重要支撐部分，是一項可行的解決措施與戰略方向。快充區通過大功率快充樁為乘用車進行短時、快速熱管理或補電，快速換電區為商用車、重型貨車等車輛提供換電服務。目前，依據時間尺度和控制對象的差異，電動汽車能源補給微網控制包括變流器層級的動態控制、多變流器間協調和系統層級的能量管理（圖18），如下垂控制和規則控制等。現有微網能量管理優化策略的難點在于，可再生能源的間歇性、多變性和充電負荷的隨機性，應從通信結構、時間尺度和算法等角度進行改進，結合優化問題的時變性、非線性和隨機性，提升能量管理策略的最優性、實時性和魯棒性。

圖17 光儲充換智能微網系統

圖18 “光?儲?充?換”微網分層控制結構

此外，微網運行在并網模式下，參與大電網互動，為大電網提供削峰填谷和頻率調節等電力輔助服務。此時，微網能量管理策略的設計須結合大電網服務需求和微網內部運行效益，例如以微網效益優化進行“二次協調”，以及利用價格激勵優化區域充換電微網運行，以減小負荷峰谷差等。

5.2.2 光儲充互補能源系統

除集中式充電站外，住宅區和工作單位也是電動汽車補電的重要場所。隨著新能源發電比例的快速增長，形成建筑光伏一體化的趨勢，屋頂光伏?電動汽車?建筑負荷構成建筑微網（見圖19）。電動汽車作為移動儲能裝置，通過雙向能量調節，既可充電并消納光伏發電能量，也可為建筑負荷提供電能補給。建筑微網與電網互動的優化可通過調節建筑微網中不同組成部件及其控制策略，例如動態調整電動汽車充放電倍率以提升光伏能量利用率，根據光伏發電和家庭負荷曲線設計模式劃分策略，以及對變頻空調進行虛擬同步機改造進而參與微網互動等方法。

圖19 光儲充互補能源系統示意圖

5.3 車網協同

5.3.1 電動汽車與電網協同的必要性

根據《節能與新能源汽車技術路線圖2.0》預測，2030年新能源汽車銷量將達到汽車總銷量的40%~50%，總保有量達到8 000萬輛，年用電量將達3 000億kW·h，相當于2030年全國預測用電量9.87萬億kW·h的3%。到十四五末期，隨著交通電氣化的加速，將有超過2 000萬輛電動汽車的充電負荷接入電網，充電總功率將超過1億kW，帶來海量分布式新增沖擊負荷，將給電網安全運營和經濟調度帶來巨大挑戰。在發電側，存在電源容量與負荷平衡問題。在配電側，存在電能質量問題，具體包括：諧波污染、電壓偏差、變壓器過載、三相電壓不對稱和電壓紋波。

車網互動（vehicle to grid，V2G）技術被認為是構建新型智慧電力系統的重要組成部分（見圖20）。車網互動的發展能激活海量分布式儲能資源，對于電力系統規劃和碳減排具有重要作用。與無序充電或單獨的智能有序充電相比，V2G能降低用電功率峰值，降低電力系統新增投資甚至將新增投資轉為負值，將碳排放也變為負值。然而，車網互動減碳潛力與發電結構密切相關，文獻［112］的測算表明，在煤炭發電裝機仍大于40%的情景下，V2G反而會造成額外的碳排放。

圖20 車網協同層級架構、運營模式與發展展望

5.3.2 電動汽車與電網協同的主要方式

（1）電動汽車接入配電網與微電網

電動汽車接入后，能夠改善配網負荷、電能質量和運行經濟性。在改善配網負荷方面，美國NREL研究表明，電動汽車大規模接入（滲透率超過50%）并采取有序充電，則幾乎不需要發電側的新增裝機。在改善電能質量和運行經濟性方面，有研究測算在丹麥使用簡單充電計劃的系統成本為263歐元/車輛/年，而智能充電車輛的系統成本為36 歐元/車輛/年，節省 227 歐元/車輛/年。文獻［115］中引入基于消費者經驗數據的行為模型，表明有序充電可以降低發電成本，每輛車每年能帶來50?70美元的經濟效益；且當電動汽車占比超過20%時，有序智能充電才能發揮較為顯著的作用。

（2）電動汽車接入大電網

電動汽車和鋰離子電池原理上符合一次調頻和二次調頻的功率支撐邏輯。一次調頻可以通過集中式聚合的電動汽車實現，也可以通過分布式的下垂控制實現。二次調頻須進行無差調節，一般在調頻控制器中增加積分環節即可實現，但此時對電動汽車提供的能量也有更高要求，須長時間補充造成頻率偏差的功率缺口。在新能源和電力電子占比逐漸提高的電網系統中，維持頻率穩定除需要電池參與調頻環節外，在受到沖擊后的第一時間提供虛擬慣量，降低頻率變化率和最大波動值將是電網穩定更核心的因素。理想狀況下，鋰離子電池和電力電子設備應在100 ms~2 s內參與并介入頻率波動過程，才能有效地將頻率變化率抑制在各個標準的允許范圍內。電池本身的特性如最大功率、SOC和SOE等也將制約虛擬慣量的支撐效果。

5.3.3 車網互動的關鍵環節

（1）關鍵技術

①低時延通信：需要有統一開發的通信標準，部分車網協同應用（如調頻）對通信的實時性要求高，響應時間和實時性分別要在15～30 s和1～3 s范圍內。車?樁通信是車?樁?網通信鏈條上必經環節，其響應時間與實時性必須至少維持在百毫秒級內。②雙向電力電子模塊：雙向DC?DC被認為是目前高壓直流充電平臺發展趨勢下，未來V2G設備的重要支持裝置。而在日本的日產公司等采用的交流樁系統中，雙向DC?AC則是關鍵的環節。③長壽命電池：亟需深入研究電池在調峰、調頻輔助服務下復雜的衰減特性。④優化調度策略：需要聚合商（aggregator）代表電動汽車集群，通過有效的調度策略，參與日前和實時階段的電能和輔助服務市場。

（2）市場機制建設

在多市場主體的參與方面，文獻［120］中考慮到電動車作為分布式儲能系統參與電網調頻服務，將車輛作為充放電決策的獨立參與主體和聚合商進行博弈，通過智能定價給車主和聚合商帶來收益，并滿足電網穩定調節的需求。文獻［121］中研究了車主和運營商之間簽訂合同的模式對車主參與V2G意愿的影響，認為相比于傳統的預先簽訂長期合同的方式，聚合商可以采用“現用現付”或預先支付的方式以降低車主的不確定性，從而提升用戶參與V2G的意愿。文獻［122］中通過在德國的調查，研究了參與V2G與否的個人、技術和經濟因素，結果表明“里程焦慮”是用戶參與V2G的主要顧慮，消除這類擔憂后即使沒有很高的報酬也能實現V2G的高參與率。

6 結論與展望

汽車電動化是我國乃至全世界汽車的必然趨勢，動力電池系統是關鍵核心部件，亟需從多個層面開展推進。

在智能電池與主動控制方面，考慮阻隔效應的影響，借助柔性電子技術、先進通信技術，設計植入式無線傳輸的柔性分布式多信號集成傳感器和相應的反饋控制系統將會是下一代BMS輕量化設計與顛覆性發展的關鍵。

在電池缺陷與安全監測方面，須結合實際制造工藝，進一步分析不同類型不同程度缺陷對應的失效邊界，研究缺陷全生命周期演化機制與建模，探索超聲、CT、HIPOT、視覺等生產線檢測技術，并結合先進傳感技術與大數據和人工智能算法，形成可靠的全流程電池安全監測方法。

在電池衰退與智能管理方面，須面向電池全生命周期多階段應用，從機理研究出發，結合云邊端技術、智能算法，形成云端到車端自上而下的管理體系，并在全生命周期維度上，強調管理閉環，增強老化管理、梯次利用和電池回收各環節，形成單體?系統?整車?使用?老化?退役?梯次?回收?再生?材料?單體的全鏈條閉環智能管理。

在電池儲能與智慧能源方面，目前處于前期探索階段，隨著新能源車的飛速發展和可再生能源比例的提升，須在源網荷儲各層面，開發先進電力電子技術和分層控制優化算法，考慮充換協同、風光消納、多能互補和多車聚合，結合大數據和人工智能等，探索兼顧魯棒性、實時性和最優性的車?站?網多層級多時空尺度運行優化策略，構建多微網協同和與大電網動態互動的能源智能調度系統，實現電力?能源?交通的智慧互聯。

感謝作者所在的清華大學車輛與運載學院電池安全實驗室的成員李立國、郭東旭、李亞倫、諸斐琴、蘇安宇、侯玉昆、王得鵬、孫道明、潘岳、許曉東、袁悅博、魏一凡和毛爍源在本文撰寫過程中的協助。