网络首发
基于强化学习的电池温度衰减抑制热管理控制策略研究
尚鑫;郭昌容;刘振;针对动力电池温度引起老化衰减问题，本研究提出了一种融合强化学习(RL， Reinforcement Learning)与多物理场仿真的协同优化方法。通过AMESIM构建包含热电耦合与老化效应的电池模型，结合Simulink搭建强化学习环境，创新性地设计了面向动力电池温度衰减抑制的奖励函数和离散化动作空间（档位步长0.02），在Actor和Critic网络中均引入层归一化(Layer Normalization)，采用双分支归一化结构。并针对电池温度衰减的长周期特性，优化了近端策略优化(PPO， Proximal Policy Optimization)算法关键参数。实验表明：在2C倍率充电工况下，较比例-积分-微分(PID， Proportional-Integral-Derivative)控制，该方法使电池组最高温度降低0.7℃，温差稳定在8.6℃以内，200次循环后容量保持率提升至81.04%（对比比例-积分-微分(PID)组的77.07%），验证了其在动态工况下的温度均匀性控制与衰减抑制能力。
46型圆柱电池充放电热特性研究
白广利;刘宁;本研究以46型圆柱锂离子电池为研究对象，旨在探究其在绝热条件下的热行为特征。基于加速绝热量热仪（Accelerating Rate Calorimetry， ARC）构建的绝热环境，对同一厂家的三种不同尺寸不同材料体系的46型圆柱电池开展了1/3 C恒流充放电实验。通过对充放电过程热效应的系统监测与分析，重点揭示了不同尺寸及材料体系电池在绝热条件下的温升特性与产热规律，为后续46型圆柱锂离子电池热管理方向提供了参考。
钠离子电池循环过程中膨胀力特性研究
程文彬;莫梁君;林嘉铭;陆瑞强;钠离子电池因资源丰沛与成本优势被视为下一代储能技术的核心候选，但其循环过程中因钠离子半径较大引发的体积膨胀效应严重制约了电池的可靠性与寿命。现有研究多聚焦于单一因素（如温度或电压）对膨胀力的影响，而对多因素耦合作用下的动态演变机制缺乏系统探讨。本文通过构建温度（35℃/45℃）与充电截止电压（3.95V/4.0V）的多变量协同实验模型，结合原位膨胀力监测分析，揭示了钠离子电池膨胀力的非线性演化规律及其与SEI膜增厚关联机制。研究发现，高温（45℃）与高截止电压（4.0V）会加剧钠离子嵌入动力学失衡，导致硬碳结构畸变与微孔不可逆填充，并引发界面副反应倍增，使得电池膨胀力持续增长。此外，提出“膨胀力阈值释放”策略，通过应力释放可将容量保持率短期提升0.5%，为钠离子电池的多维度寿命优化提供了理论依据。
液流电池充电后搁置容量损失的影响因素研究
许苗;张永军;刘国华;张天一;针对水系有机液流电池在实际应用场景中的使用需求，本文系统研究了该类电池充电后搁置过程中的容量损失行为。通过对比不同搁置时长、不同荷电状态（SOC）、不同运行功率密度及不同电解质浓度配比等关键因素的影响，深入分析了各因素导致容量损失的潜在机理，并总结了电池容量损失随上述变量变化的行为规律，为优化电池实际应用中的搁置策略、提升循环稳定性提供参考。
液流电池充电后搁置容量损失的放大效应及维护方案
杨万春;许苗;刘国华;李超;本文基于水系有机液流电池的实际应用场景需求，系统研究了电池的放大效应和循环泵开闭状态对搁置容量损失的影响规律，并探究了不同液流电池技术路线下充电后搁置容量损失的差异性特征。基于上述研究结果，针对性提出了水系有机液流电池的搁置维护方案，研究成果为该类电池在长时储能、调频等场景的工程化应用提供了实操性的技术指导。
汽车动力电池劣化的全局和局部影响因素研究
周冲;高艳俊;于兴林;丁华;冯波;为识别新能源汽车电池劣化的关键影响因素并提升预测精度，以车联网平台2024年1月-6月的吉利银河L7插电混动车型的105915条数据为基础，经清洗、缺失值处理及特征筛选后，通过描述性统计、皮尔逊相关性分析初步锁定相关因素；构建多元线性回归、随机森林等5类模型，以均方误差(MSE)和决定系数(R2)评估性能，同时用SHAP值量化特征在具体样本中的贡献度。结果显示，随机森林模型预测最优(MSE=1.109e-06，R=0.997)；蓄电池内阻、累积电池能量、大于4000mA的间隔为核心全局影响因素，且各特征对不同样本的劣化贡献存在差异。据此提出智能充电、降低内阻等策略，以延长电池寿命、降低维护成本。
探究磷酸铁锂回收料对锂离子电池的影响
李影;张正;周若;詹世英;那秀辉;为了探究磷酸铁锂回收料对锂离子电池性能的影响，以石墨为负极材料，使用磷酸铁锂（A组LFP为常规料，B组LFP为回收料）为正极，通过叠片工艺，做成小软包电池进行验证和评估，并通过制备工艺及电化学测试等对比磷酸铁锂常规料和回收料的加工性能、倍率充放电性能、DCR、高低温放电以及不同温度的循环性能。结果表明：磷酸铁锂回收料的加工性能与常规料相差不大，但浆料稳定性较差；在全电体系中，磷酸铁锂回收料制备的电池在0.2C的克发挥比常规料低8.23 mAh/g；在短期电性能中，磷酸铁锂回收料制备的电池直流内阻较好，高低温性能和不同倍率放电性能与常规料制备的电池相差不大，但不同倍率放电性能较差；在长期电性能中，磷酸铁锂回收料制备的电池在常温25 ℃循环1000圈的容量保持率比常规料低1.98%，在高温45 ℃循环1200圈的容量保持率比常规料低4.39%。
基于STAR-CCM+的储能预制舱液冷管路结构设计优化
于海洋;姚昕烨;郭玉恒;侯飞;潘海平;随着可再生能源的大规模接入，储能系统在电力调峰、提升电网稳定性方面发挥关键作用。针对锂离子电池储能预制舱在运行过程中因液冷系统流量分配不均导致的电池组温度一致性差、热安全隐患突出等问题，为提升整舱热管理性能，本文基于计算流体力学方法，利用STAR-CCM+软件对某5 MWh储能预制舱液冷系统开展研究。通过提出并联式管路布局与变径节流阀优化设计，采用基于仿真的序列逼近迭代算法，确定了二级与三级管路节流阀最优孔径和安装位置组合，以调节各支路流动阻力。研究结果表明，经节流优化后，整舱各电池Pack间冷却液流量偏差由原方案的± 16.4%降低至± 8.5%；整舱电芯间最大温差由3.74 ℃降至3.38 ℃，有效将系统温差控制在3.5 ℃以下。进一步的液冷系统能耗评估表明，为实现上述均流效果，系统理论泵功增加20%，但其绝对增量远低于温度一致性改善所带来的综合效益。该研究证实了基于节流阀的均流设计可有效改善储能预制舱温度均匀性，为大型液冷储能系统的热管理设计提供了理论依据与工程参考。
第三方主导的动力电池回收体系建设研究
梁琳;罗湘湘;罗元元;周萌;常文文;黄文泰;随着我国新能源汽车产业快速发展，动力电池退役量持续增长，其规范回收对产业链可持续发展至关重要，兼具资源价值与环保意义。然而，当前行业仍面临政策体系不完善、关键技术存在短板、市场秩序混乱及国际绿色壁垒加剧等多重挑战。本文提出构建以第三方企业为主导的回收体系，通过“回收-处理-再利用”闭环管理，集成区块链溯源与智能拆解技术，并建立覆盖政策、技术、协同与合规的保障机制。该体系旨在提升资源利用效率，遏制非正规回收渠道，推动动力电池产业绿色低碳循环发展，并为应对国际市场竞争与合规要求提供系统解决方案。
基于安时积分法-双向循环神经网络的蓄电池状态预测模型
杨军;王仲夏;许云辰;为了解决传统蓄电池状态预测方法精度不足及安时积分法累积误差问题，该研究构建了一种融合安时积分法（Coulomb Counting Method）与双向循环神经网络（BiRNN）的CC-BiRNN预测模型。模型首先利用安时积分法对蓄电池电流时间序列进行积分计算，生成容量时间序列；随后融合电流、电压、温度等多源数据形成状态矩阵；最后将多源数据输入BiRNN模型进行训练，以预测蓄电池的参数值。实验采用CC-BiRNN预测模型预测某储能电站电池的电压值，以均方误差（MSE）和平均绝对误差（MAE）作为评价指标，并与传统的深度循环神经网络（Deep Recurrent Neural Network）进行对比。结果表明，CC - BiRNN模型的均方误差为0.78，而DRNN模型的均方误差为1.33，CC - BiRNN模型的均方误差降低了41.3%；CC - BiRNN模型的平均绝对误差为0.06V，DRNN模型的平均绝对误差为0.2V，CC - BiRNN模型的平均绝对误差减少了近70%。这些数据进一步证明了CC - BiRNN模型在容量预测方面的高精度优势。该模型通过多源数据融合和双向时序处理，有效克服了安时积分法的累积误差，显著提升了蓄电池状态预测精度，为蓄电池的预测性维护提供了高精度工具。