《Applied Energy》：Electro-thermal-aging modeling of Li-ion batteries with active-material loss
编辑推荐：
锂离子电池老化机制研究中，传统模型仅考虑锂库存损失（LLI），忽略活性材料损失（LAM）及热生成耦合效应。本文构建电-热-老化（ETA）耦合模型，通过差分电压分析（DVA）量化LAM并建立功率律关系，结合物理信息增强的数据集与MLP-GPR混合算法，有效解决LAM参数估计的稀疏性问题。实验与COMSOL仿真验证表明，ETA模型将电压和容量预测误差分别降低40.63%和21.96%，揭示热生成随老化非线性增长主要由活化极化热驱动。研究为电池全生命周期热管理优化提供新方法。
庞辉|严向平|江楠|曲旭东|景冰冰|安德鲁·F·伯克|赵景源
西安工业大学机械与精密仪器工程学院，中国西安710048
摘要
大多数锂离子电池（LIBs）的老化模型都集中在锂库存损失（LLI）上，而忽视了活性材料损失（LAM），这限制了它们对长期容量衰减和热量产生的捕捉能力。为了解决这一问题，开发了一个耦合的电热老化（ETA）模型，该模型明确考虑了LLI和LAM，并分析了相关的热量产生行为。建模框架首先构建了一个仅包含LLI的基线模型。然后通过差分电压分析（DVA）得出一个定量的LAM指标，该指标与累积充电量呈现出稳定的幂律关系。由于LAM参数映射的实验数据较为稀少，通过物理信息增强的方法扩展了训练数据集，并使用混合多层感知器-高斯过程回归（MLP-GPR）方法获得了准确且连续的参数估计。完整的ETA模型通过实验测量和COMSOL仿真进行了验证，随后评估了在长时间循环过程中各个热量产生组分的演变。与基线模型相比，ETA模型将电压和容量预测误差分别降低了40.63%和21.96%。热分析显示，总热量产生随老化呈非线性增加，主要由活化极化热驱动，欧姆热增加较为温和，而可逆热几乎保持不变。总体而言，ETA框架加深了对多种退化途径如何影响LIBs的电化学和热行为的理解，从而为电池生命周期内更有效的热管理策略的设计提供了依据。
术语表
| BMS | 电池管理系统 |
| CC | 恒电流 |
| CC–CV | 恒电流-恒电压 |
| DVA | 差分电压分析 |
| ETA | 电热老化模型 |
| EXP | 实验数据 |
| ESPM | 扩展单粒子模型 |
| HGR | 热量产生率 |
| IC | 增量容量 |
| LIB | 锂离子电池 |
| LAM | 活性材料损失 |
| LLI | 锂库存损失 |
| MLP–GPR | 混合多层感知器和高斯过程回归 |
| NMRSE | 标准化均方根误差 |
| P2D | 伪二维模型 |
| RMSE | 均方根误差 |
