杨世春教授、刘新华副教授，AEM：桥接多尺度表征技术和数字孪生建模以实现多域协同的锂电池全生命周期管控与评估

第一作者：刘新华

通讯作者：杨凯*，杨世春*

单位：北京航空航天大学，英国萨里大学

高强度、轻量化、高安全、低成本、长寿命正在成为动力电池及管理系统产业的未来发展方向和趋势。目前已经提出的赛博链交互式网络架构能够满足电池系统精细化管理和未来能源互联网构建的需求。

随着大数据时代到来，在电池、太阳能等前景广阔的智能储能系统和储能应用领域，需要通过多学科的探索和分析来指定前沿战略。本文进一步展示了赛博链架构，并基于数字孪生建模实现多域协同的锂电池全生命周期管控与评估，作为放眼未来的数字化解决方案并未产业升级发展提供新思路。

基于此，来自北京航空航天大学的刘新华，杨世春教授与英国萨里大学的杨凯博士合作，在国际知名期刊Advanced Energy Materials上发表题为“Bridging Multiscale Characterization Technologies and Digital Modeling to Evaluate Lithium Battery Full Lifecycle”的文章。

该文章在之前工作中提出的赛博链架构(Matter 3, 27–41, July 1, 2020)基础之上，试图将多尺度实验表征技术手段和数字计算模拟方法联系起来，基于“数字孪生”技术创建包括“物理空间”、“云空间”和“数字空间”在内的新赛博链架构，以实现多域协同的锂电池全生命周期管控与评估。

本文提出一个赛博链架构来作为动力电池全生命周期管理系统的解决方案。文中讨论了表征技术和数字化建模两种先进技术手段融合的典型案例。此外，云计算、大数据、机器学习和人工智能等先进计算技术也可以完善对电池全生命周期的全面理解和精确控制。在该赛博链架构下，“数字孪生技术”将被应用从而实现锂电池的实时监控、自主计算机辅助表征和智能制造。

本文将为进一步深入研究开发高性能锂电池和智能电池管理提供路线图。传统的表征技术可以从材料性质到反应过程中提取不同尺度/维度的数据信息，多尺度模型将锂电池中的电化学/力学/热学特性和过程抽象为参数化模型，进一步应用于数据驱动计算技术。同时，基于智能算法与机器学习技术，数字孪生技术正在推动锂电池设计研究走向大数据时代。基于“物理空间”，该架构应用云端控制技术创建“数字孪生空间”，并深入了解锂电池老化机制、状态监测和电池控制。

该赛博链架构是对数字化多尺度多维度模型工作的精细规划，作为“三纵三横”研发布局中的关键节点，能够为进一步深入研究开发高性能锂电池和智能电池管理系统提供路线图，完善动力电池的回收、梯次利用和再资源化的循环利用体系，加强动力电池的全生命周期监督与评估。

提高锂离子电池的性能以及在热和机械滥用条件下的循环稳定性依赖于对锂电池的深入理解和从固有材料特性到应用层面（如电动汽车、移动电气设备）的合理多尺度设计。图1展示了从材料探索到系统设计的多尺度设计和模拟。多尺度设计和相关表征可以提取丰富的信息，作为高层次仿真模拟的输入。

本要点总结了影响锂离子电池性能的关键参数，以及阻碍不同尺度层面进行改进的关键挑战。为了满足日益增长的能量密度和安全的需求，我们需要从原子物理/化学特性、多分子材料和材料特性等方面进行全面和深入的了解。为了满足锂电池日益增长的能量密度和安全需求，应从原子尺度的物理/化学性质、反应和老化机理的多尺度表征到宏观系统设计进行全面深入的理解，并结合实验和计算模拟进行探索。

图1 从系统设计到材料性能的多尺度处理与仿真模拟

要点二：多尺度老化机理：从微观老化到宏观表征

电池性能下降最明显的外部特征是功率衰减、容量衰减和安全问题。为了更好地了解电池老化情况，图2展示了影响电池寿命的因素和相关老化过程。

在此，本要点从不同长度尺度的层面讨论了三种主要的老化模式：活性锂离子的损失、电极老化和电解质的损失。锂电池的老化总是涉及电化学/机械/热多尺度耦合过程，在各种滥用操作条件下进一步恶化。目前为止研究人员致力于研究特定的老化反应，但在实际和动态操作条件下仍有失效机制未被发现。

图2 多尺度老化机制

要点三：多尺度表征技术：从表征手段到多维参数

深入了解反应和降解机理对于优化高性能电极材料以及大规模储能系统的实际应用至关重要。随着先进的电化学分析和材料表征技术的快速发展，研究人员可以更精确地获取整体电化学性能、原子结构和化学成分信息。

此外，电化学控制/分析与材料表征技术的结合使得实时和原位研究老化机理成为可能。图3总结了关键特性和相应的多尺度表征技术手段。本要点主要讨论了这些多尺度表征技术手段如何参与锂电池中多尺度反应机制的研究。

图3 通过多尺度/维度表征技术评估的关键电池属性

要点四：多尺度模型应用：从面向对象到面向模型

受现有表征方法时空分辨率的限制，一些电池内部的反应和老化机制仍然是经验性的或者未知的。然而得益于计算技术的快速发展，多尺度先进建模与仿真技术手段为电池设计从材料到工程产品应用提供了更多的理论依据、解释和预测。

图4展示了从材料和粒子层、复合电极层到单体和电池包层的多尺度建模。本要点主要讨论了锂电池研究中面向参数的多尺度模型及其相关方法。

图4 锂离子电池中的多尺度参数和相应的多尺度模型。

Bridging Multiscale Characterization Technologies and Digital Modeling to Evaluate Lithium Battery Full Lifecycle

杨世春教授简介：杨世春，北京航空航天大学交通科学与工程学院院长、教授、博士生导师，入选国家万人计划领军人才、科技部中青年科技创新领军人才、全国优秀科技工作者。全国汽车标准化技术委员会电动车辆分标委副主任委员、SAE车辆安全与信息安全技术委员会副主席、中国智能交通协会专家委员会道路车辆专业工作委员会专家。

主要从事新能源汽车能源动力系统安全、高效优化及控制理论研究，第一完成人获得国家科技进步二等奖1项、中国汽车工业技术发明一等奖1项和教育部科技进步二等奖1项。

杨凯博士简介：杨凯，萨里大学博士后，北京大学深圳研究生院先进材料学院博士。研究方向主要集中于储能/转换材料和设备的界面研究、原位表征开发，固态电池复合固态电解质设计，二氧化碳固定技术以及锂/钠/锌-二氧化碳电池等技术。

刘新华副教授简介：刘新华，北京航空航天大学交通科学与工程学院副教授，英国帝国理工大学客座讲师，多年来致力于新能源相关领域研究，相关工作以基础为切入点，应用为导向，依托精细电池模型、大数据挖掘和电池管理技术实现动力电池性能评估、状态预测与安全预警，入选2021年中国科协青年托举人才。

投稿请联系contact@scimaterials.cn