网络首发
DRT方法分析过充对阻抗影响
崔莞琪;李丽娟;宋林霏;朱振东;本文研究了不同倍率过充对三电极锂离子电池阻抗的影响。通过0.2C电流进行过充实验，使用弛豫时间分布(DRT)的方法分析了电池过充前后在不同荷电状态(SOC)下的阻抗变化。结果表明，过充会导致电池的电荷转移阻抗(Rct)和固态电解质界面(SEI)膜的阻抗(Rf)增加；另外过充会使得DRT曲线中对应的SEI膜阻抗的峰增加，对应SEI膜成分的变化。
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。
极片结构对辊压过程中应力分布与传递特性的影响研究
赵乐;杨凯悦;杜晓钟;杜赫;随着锂电池的快速发展，市场对其有了越来越高的要求。极片作为它的核心部件，其力学特性又会影响锂电池的各个方面。同时辊压工艺作为必不可少的成形工艺会对极片的力学状态有深远的影响。因此，本研究建立了能够表征锂电池极片结构特征的模型，综合考虑颗粒的分布方式、粒径大小及颗粒形貌等微观结构因素，并对辊压过程进行了数值模拟分析。结果表明：辊压过程中正负极极片会呈现出明显的应力分布不均，和不同的应力传递机制。其中正极是条纹状应力传递，负极出现阶梯状的逐级递减；且正极为单尺度小颗粒时会产生更多传递路径，当颗粒为多尺度混合颗粒，会呈现出毛细血管的应力传递方式；在负极中紧密排列结构呈现逐级递减的应力传导路径，而疏松或随机排列则导致应力突变与局部集中更加明显。
不同比表面积的磷酸铁锂对锂离子电池的影响
李影;张正;周若;詹世英;那秀辉;为了探究不同比表面积的磷酸铁锂对电池性能的影响，以人造石墨为负极材料，使用同一款型号不同比表面积的磷酸铁锂(A组比表面积为10.75 m2/g ，B组比表面积为12.78 m2/g;)为正极，通过叠片工艺，制成3Ah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表征了不同比表面积下的加工性能、倍率充放电性能、DCR、高低温放电以及常温循环性能。结果表明：在相同固含量时，小比表面积的LFP制成正极浆料相对粘度更低，在粘度相同时，小比表面积的LFP制成正极浆料相对固含量更高，因此在生产过程中的搅拌工序，比表面积小的样品更节省溶剂，节约成本。适当范围内，大比表面积LFP制成电池的DCR、低温放电性能、倍率性能会更优。但常温循环性能较小比表面积LFP制成电池的差。
锂离子电池防止热失控技术专利分析
胡静;以全球锂离子电池专利为研究对象，介绍了全球和中国申请的趋势，以及各国申请量占比。指出技术分布为材料、结构、热管理(Battery Management System， BMS)、测试、消防和方法，统计了各技术分布的申请趋势以及二级技术分布。材料改性主要包括加入阻燃材料、吸热材料、隔热材料和导热材料以及提高材料的热稳定性，结构改性包括冷却结构、泄爆泄压部件、排气结构、散热结构、微型灭火装置等，并将材料和结构中类似的方法进行对比，以专利文献为例指出区别和类似之处。还介绍了专利维持年限以及主要创新主体，对宁德时代和比亚迪的专利申请进行分析对比。分析锂离子电池的未来发展前景，建议企业继续研究重点申请人的新兴科研技术，注重全球专利布局。
全球能源变革下的我国锂电储能行业未来发展图景
祁麟;王俊鹏;近年来锂电池凭借高能量密度、高充放电效率、高环境适应性、长循环寿命等优势特点成为新型储能行业的佼佼者，本研究将从核心技术研发、产业链协同发展、市场应用与推广、政策支持、标准体系建设等五个方面剖析未来锂电储能技术与产业发展路径，并提出未来展望。研究结果表明：第一，技术与场景创新、政策与环境支持为行业发展带来机遇；第二，非锂电储能技术的出现将形成新的市场格局；第三，外部因素不确定性对我国产业、技术与标准带来挑战。
基于多物理场感知的电池安全性监控技术研究进展
金光辉;李乐;丁飞;随着锂离子电池广泛应用于储能和电动交通领域，其安全性问题日益严峻，成为技术发展的主要障碍。传统的电池监测技术侧重于电、热信号，而智能传感技术的进展使得力学、气体和声波信号的监测成为早期安全预警的重要手段。本文综述了智能传感技术在电池安全性分析中的应用，重点分析了多维信号在电池失效监测中的作用，讨论了其工作原理、技术优势及面临的挑战。通过多信号融合与综合分析，可显著提升电池的安全性、可靠性和使用寿命，为电池技术的优化与发展提供有力支持。
基于信号处理与机器学习的储能电池SOC实时校准策略
常伟;胡志超;潘多昭;师继文;针对储能电池剩余电量状态（State of Charge， SOC）校准过程中出现的跳变和不准确问题，本文提出了一种基于信号处理和机器学习的实时校准策略。该策略首先对电池电压、温度和电流数据进行Kalman平滑处理，以减少数据波动。然后，利用xgboost模型建立电池SOC预测模型，并使用平滑后的数据作为输入。接着，通过小波变换（Wavelet Transform， WT）对预测的SOC值进行去噪，降低预测偏差。最后，采用保序回归算法（Isotonic Regression）重新预测去噪后的SOC序列，确保序列的单调性，并将预测结果作为SOC的校准值返回。该策略综合运用了信号处理和机器学习技术，有效提高了电池SOC实时预测的准确性和稳定性，为电池管理系统提供了可靠的剩余电量估计，具有重要的实际应用价值。
乙炔黑膜修饰铝箔可显著提高商业磷酸铁锂的高倍率性能
白颖;李孟娇;赵棉;梁晓瑄;李维嘉;王辉;丁克强;与锂离子电池三元正极材料相比，磷酸铁锂(LiFePO4，简写为LFP)具有结构稳定、不易发生安全事故等优点，在商业锂离子电池中已经得到了广泛应用，因此如何进一步提高LFP的电化学性能是目前锂离子电池研究领域的热点问题之一。本文采用简单物理涂覆的方法，在锂离子电池正极材料铝箔集流体的表面涂覆了一层乙炔黑膜，形成了一种新型的集流体，之后以此集流体组装LFP电极，进行电化学测试，结果显示在0.1 C倍率下使用此集流体的LFP电极的首次放电比容量为217 mAh/g，远高于传统LFP电极的容量(165 mAh/g )。使用此集流体的LFP在10 C倍率下循环100圈后的放电比容量为76 mAh/g，较传统LFP(58 mAh/g)将近提高30%；在20 C倍率下循环500圈后的放电比容量为38 mAh/g，较传统LFP(27 mAh/g)大约提高40%。本文在利用恒流充放电、循环伏安和交流阻抗等技术对电极的电化学行为进行研究的基础上，还利用XRD、SEM、FTIR等技术对高倍率长循环前后的样品进行了测试表征。结果表明，使用乙炔黑膜修饰铝箔可降低LFP的电荷传递电阻并显著抑制高倍率长循环过程中铝箔腐蚀的发生。本工作具有易规模化商业生产的特点，为基于磷酸铁锂商业锂离子电池性能的提高提供了新思路。