商用 NCA/石墨 18650 电芯在耦合循环 - 日历老化下基于双罐模型识别与差分电压分析的路径依赖衰减诊断
《Journal of Energy Storage》:Path-dependent degradation diagnosis of commercial NCA/graphite 18650 cells under coupled cycle-calendar aging via dual-tank model identification and differential voltage analysis
【字体:
大
中
小
】
时间:2026年09月27日
来源:Journal of Energy Storage 10.7
编辑推荐:
对商业NCA/石墨18650电池的耦合循环-日历老化进行了诊断。存储SOC对后续循环退化留下了可测量的印记。双罐模型识别捕捉了路径依赖的电极平衡演化。高SOC存储后接循环加剧了与电阻相关的退化。微分电压特征区分了正极与负极相关的老化路径。
引言
锂离子电池因其高能量密度、长
对商业NCA/石墨18650电池的耦合循环-日历老化进行了诊断。存储SOC对后续循环退化留下了可测量的印记。双罐模型识别捕捉了路径依赖的电极平衡演化。高SOC存储后接循环加剧了与电阻相关的退化。微分电压特征区分了正极与负极相关的老化路径。
引言
锂离子电池因其高能量密度、长循环寿命和成熟的制造基础,现已广泛应用于电动汽车、便携式电子设备和固定式储能系统[1], [2]。在这些应用中,准确的老化诊断对于寿命预测、维护计划以及健康感知操作至关重要[3], [4]。电池老化不仅表现为容量衰减和电阻增长,还涉及更细微的电极平衡、反应窗口利用率和内部退化模式的变化[5], [6]。这些内部变化往往隐藏在相似的寿命终止指标背后,这使得具有物理可解释性的诊断对于实际电池管理和存储策略设计尤其有价值[7], [8]。
电池退化通常分为在重复充放电操作期间的循环老化和在存储期间的日历老化[9], [10]。这种区分在概念上是有用的[11],但实际使用历史通常包含交替的使用期和休息期,而非单一的应力模式[12], [13]。在实际应用中,老化还受到温度、充电窗口、热边界条件[14]、车网互动操作、机械滥用以及实际工作曲线的影响[15], [16], [17]。在这种混合工作循环下,退化通过耦合的电化学、机械和热过程演化,其轨迹具有强烈的历史依赖性[18], [19], [20]。因此,两节具有相似通过量或相似最终容量的电池,仍可能通过截然不同的内部退化路径到达这一状态[21]。对石墨/NCA电池的序列控制实验同样表明,即使两种应力模式的总体比例相似,改变日历应力和循环应力的顺序也会改变最终的退化特征[22]。对商业富镍NCA电池的大规模实验进一步证明了在恒定、交替和随机变化的老化条件下进行周期性电极级诊断的价值[23]。
这一问题对于高能富镍圆柱电池尤为相关。商业石墨/NCA 18650电池已被用于先前的日历老化和路径依赖性研究[22], [24],而一项大规模研究在恒定、交替和随机变化的老化条件下考察了具有硅掺杂石墨负极和富镍NCA正极的商业电池[23]。本文所考察的NCR18650GA电池被选为一种商业成熟的高能圆柱平台,其具有分辨良好的石墨和层状氧化物电压特征,适合进行电极窗口重建。所引用的研究并不一定使用完全相同的电池型号;因此,本文工作的定量发现针对的是所考察的电池设计。对于富镍体系,高温和高存储荷电状态(SOC)通常与加速副反应、可循环锂消耗以及渐进的电阻或阻抗增长相关[24], [25], [26]。当存储后恢复循环时,预先存在的退化状态可能改变后续的老化路径,使得存储阶段并非仅仅是操作中的暂停,而是一个可能影响后续退化演变的过渡过程。近期关于日历老化和循环老化的实验与机理研究也强调了理解这种耦合的重要性[27]。所提出的识别工作流并不局限于NCA:它可以应用于具有代表性半电池电位曲线和足够信息量的全电池电压特征的其他化学体系。然而,本文报告的数值参数轨迹和电极级指纹是特定于化学体系和电池设计的。特别是,平电压化学体系如磷酸铁锂(LFP)可能呈现较弱的实际可识别性,而将该方法推广至镍酸锂(NMC)、LFP或钴酸锂(LCO)电池则需要特定化学体系的半电池参考以及重新验证[28], [29], [30], [31]。
从机理角度来看,这种序列依赖性意味着电池老化不能仅用容量保持率等单一标量指标来充分描述。容量损失不能唯一确定退化的主要来源是锂库存损失(LLI)[32]、正极活性材料损失、负极活性材料损失、电极平衡迁移还是这些过程的耦合组合[33], [34]。同样,电阻增长虽然具有信息量,但仅凭自身仍不足以定位退化的根源。因此,能够从非破坏性测量中提取电极相关信息的诊断方法受到了越来越多的关注[35], [36]。
在这些方法中,微分电压分析和全电池开路电压重建尤为引人注目,因为它们将可测量的全电池响应与内部电极行为联系起来[37], [38]。通过将低速率全电池电压-容量曲线与半电池参考信息相结合,这些方法能够识别有效电极容量、锂化窗口和特征反应特征的变化,从而提供比终端指标更具可解释性的退化描述[39]。与此同时,基于电压的诊断正越来越多地与基于模型的参数识别、数据驱动推理以及优化辅助分析相结合[40], [41]。这一更广泛的趋势反映了将可解释的电化学描述符与可扩展的诊断工具相结合日益增长的利益。
然而,对识别参数的解释需要谨慎。当退化变得更加严重或更加不均匀时,拟合参数可能部分相互补偿,并且每个被识别变量的物理意义可能变得不那么直接[42]。当老化不仅改变了可循环锂或活性材料的数量,还改变了电极响应的有效形状、局部利用率范围或反应不均匀性时,这一问题尤为相关[43]。因此,最可靠的解释通常是在将参数识别与微分电压特征以及电池所经历的具体老化路径一同讨论时获得的。这种综合解释使本研究区别于仅报告终端容量/电阻、仅在寿命终止时应用微分电压分析或仅拟合单一聚合老化定律的工作。在本框架中,拟合的电极窗口和与极化相关的变量在预定的诊断状态下进行评估,并与全电池及重建的电极特定微分电压特征进行交叉验证[28], [44]。正极和石墨负极的参考OCP曲线通过扣式半电池测量获得,然后与每条低速率全电池诊断曲线共同使用,以重建相应老化状态下的电极响应。因此,本研究并不声称在每个诊断状态下对两个电极进行直接的破坏性测量;其方法论上的进步在于结合序列控制的老化矩阵、受约束的电压曲线识别以及电极域微分电压分析,以解析插入的存储阶段如何立即表现出来,以及当循环恢复时它是如何被放大或衰减的。
特别是对于商业石墨/NCA 18650电池,先前的研究已分别证明了日历老化期间显著的存储SOC效应以及日历应力与循环应力之间的序列依赖相互作用[22], [24]。然而,关于插入的中间存储阶段的SOC如何修改后续与电极相关的退化特征,以及不同的存储SOC水平是否在后续循环响应中留下可区分的路径依赖印记,仍然未得到充分阐明。该问题的概念背景如图1所示。
受上述问题启发,本工作研究了经历若干耦合老化路径的商业NCR18650GA电池,包括第一阶段循环、在不同SOC水平下的中间日历老化,以及随后的恢复循环。采用双罐模型来识别初始正极锂化度y?、正极容量Cp、初始负极锂化度x?、负极容量Cn以及拟合的与电阻相关的参数R的分阶段演化。随后,将这些参数轨迹与全电池和半电池dV/dQ响应一起进行分析,以确定中间存储阶段如何影响后续的退化演变。本研究旨在阐明的不仅是哪条老化路径导致最严重的最终退化,还包括插入的存储阶段如何以可测量且物理上可解释的方式影响后续退化轨迹。
主要贡献有四方面。首先,设计了一个序列控制的六组实验矩阵,比较不间断循环、循环-日历-循环以及循环-日历-日历历史,从而分离出插入存储、改变存储SOC以及存储后恢复循环各自的效果。其次,对具有电极窗口或极化相关性的五个模型参数——y?、Cp、x?、Cn和R——在14个预定的诊断状态下进行联合识别,从而使得中间存储阶段的延续效应可以被跟踪,而不仅仅从最终容量进行推断。第三,将通过扣式半电池测量获得的参考正极和石墨负极OCP曲线与全电池诊断曲线相结合,以重建电极响应;所得的全电池、正极及石墨负极微分电压窗口随后用于交叉验证参数轨迹。第四,综合分析表明,相似的全电池损失可以由不同的电极域路径产生:不间断循环产生最清晰的后期石墨特征,而高SOC存储后恢复循环则产生更强的全电池/正极收缩以及拟合的与极化相关项的显著增加。因此,本文的贡献并非声称唯一地解决每一个微观机制,而是提供了一个阶段解析且内部交叉验证的程序,该程序将老化序列与可测量的电极选择性特征联系起来,同时明确保留了由耦合参数和参考曲线重建所带来的不确定性。
实验方法
本节介绍实验设计和所提出的诊断框架。通过将全电池电压-容量曲线与半电池OCP数据相结合,该框架能够进行双罐参数识别,并从新鲜状态至约90% SOH老化状态的整个老化区间内解释潜在的退化模式。
结果与讨论
电池1和电池2的容量检查结果在A至F组不同的老化协议下显示出明显差异。在共同的Stage 1循环期间,任何单个电池的容量与所有被测电池平均容量的最大偏差保持在3%以下,表明差异化处理前具有良好的致性。Stage 1结束后,电池进入各自分配的老化轨迹,图6展示了随后阶段的个体容量值。
结论
本文针对商业NCR 18650GA电池在耦合循环-日历老化条件下,开发了一个阶段解析的诊断框架,该框架整合了多阶段老化实验、双罐模型识别和微分电压分析。该框架跟踪了14个预定的诊断状态,从新鲜状态经过路径依赖的老化窗口至约90% SOH。部分电池在最终诊断状态达到了这一参考水平,而其他电池则保持在参考水平之上;因此,90%
CRediT作者贡献声明
Yequan Yang:写作 – 审阅与编辑,写作 – 原稿撰写,可视化,验证,项目管理,方法学,调查研究,形式分析,数据管理,概念设计。
Wanqing Hou:写作 – 原稿撰写,可视化,软件,方法学。
Weixiang Bian:调查研究,形式分析,数据管理。
Yuejiu Zheng:方法学,调查研究,经费获取。
Yuanzhe Li:写作 – 审阅与编辑,验证,监督。
Guoxin Yu:软件,资源,
利益冲突声明
作者声明他们不存在任何已知的财务利益或个人关系,这些利益或关系可能影响本文所报告的工作。
致谢
本工作得到了中国国家自然科学基金(项目编号52507260和52277222)的资助。
Yequan Yang | Wanqing Hou | Weixiang Bian | Yuejiu Zheng | Yuanzhe Li | Guoxin Yu | Xingwen Dong | Dongxu Guo
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号