刀片电池遇上智能传感会碰出怎样的火花？
刀片电池遇上智能传感会碰出怎样的火花？
导读：2024年6月27日，吉利汽车推出了其创新的快充高比能的磷酸铁锂电池——"神盾短刀电池"。这款电池以其卓越的平均充电倍率2.45C和高达192Wh/kg的能量密度（相较于特斯拉Model 3所使用的方形磷酸铁锂电池（163Wh/kg）实现了近18%的提升），将磷酸铁锂体系的性能潜力进一步挖掘到了极致。
“造好电池”是一个非常有挑战性的工作，同样“用好电池”也是一个非常有挑战性的工作。首先，电池是通过内部发生复杂的电化学反应来实现能量的存储和释放的，为了使电池正常的工作，要控制反应不能过快也不能太慢；其次，电池内部除了用来完成能量转换的主反应之外，还有可能发生一系列导致电池性能衰退的副反应甚至一些反应还可能引发安全风险，因此电池工作过程中还需要尽可能地抑制不利反应。可以看出监测并掌握电池内部的电化学状态，对于用好电池至关重要。然而，实际工程场景下能够监测到的电池状态信号非常有限，大多数场景下我们只能通过电流/电压信号来估算电池的状态，如SOC。不幸的是，很多时候通过电压电流信号测量SOC误差极大，很难获取高精度的状态参量。尤其是磷酸铁锂电池，由于其OCV曲线上存在两个非常平坦的平台，通过OCV曲线测量电池SOC的误差甚至能超过10%。因此，很多搭载磷酸铁锂电池的电动车为了防止因为SOC估算不准造成行驶趴窝，都会限制电池不能完全放完电。这样一来也就没法实际发挥出电池的最大能力，相当于间接降低了电池的能量密度。
为了更好了解/监测电池工作过程中的物理参数对电化学反应过程的影响，有效解决黑箱问题。欧洲《电池2030+》提出将智能传感器嵌入到电池中，能够实现电池在空间和时间上的分辨监视。这样可以整合和开发各种传感技术在电池中以实时传递信息（如温度，压力，应变，电解质成分，电极膨胀度，热流变化等）。最重要的是依据大量的原位实时监测数据，可以与BIG-MAP协作构建电池工作状态函数及模型，开发智能的响应式电池管理系统。将在单体电池级别和整个系统级别上进行分层管理。《电池2030+》报告认为光纤光子晶体传感器可以对多感应信号同时采集但又解耦合分析，是未来发展多参数监测新型传感器的趋势。部分国内外头部企业已经在尝试将光纤传感器引入到锂电池内部，然而实际应用效果却并不理想。尽管光纤直径可以做到微米级别，但是内置到电池中依然会遇到结构兼容性问题，破坏电池的反应界面，而且生产和信号采集方面也遇到了难以克服的困难。其他非光纤类传感器应用的难度就更大了，除了结构兼容性、制造兼容性方面的问题还会遇到化学兼容性问题。
那有没有更好的办法来监测电池的信号能？为了探测电池的状态信号，除了使用额外的传感测量手段外，还可以利用电池本身作为传感器进行自传感探测——电池充放电过程中伴随着电、热、力多物理信号的变化。比如，电池充放电过程中材料会发生显著的体积膨胀收缩效应，而且从材料学理论角度出发，SOC跟嵌锂量之间存在直接理论关联，嵌锂量又会直接在材料颗粒膨胀效应上体现，膨胀效应可以用来作为电池状态的一个监测信号。用膨胀效应来监测电池SOC的优势也非常明显：SOC—膨胀曲线的几何特征更加分明，比如磷酸铁锂体系，其曲线上存在两个极值点，可以非常方便地用来校准SOC。
事实上，行业内很早就发现了电池膨胀效应跟SOC之间的关联行为，只是传统的膨胀测量手段需要使用体积较大的力学传感器，这类传感器只能在实验室和测试中心使用，无法直接嵌入到电池包中。如果能够利用电池系统自身的电化学诱导结构信号实现电池状体的探测，就可以在不借助外部额外传感器的情况下实现电池状态的自传感。
电池在充放电过程中由于显著的膨胀效应(LFP电池满充膨胀率>0.5%)会导致系统的结构分布阻抗参数跟随发生变化。以电池包中的一颗电池为研究对象通过仿真模拟可以看到，充放电过程中结构分布电容跟电池SOC之间存在稳定可检测的连续变化信号。通过测量电池的电化学诱导结构分布阻抗(电容)就可以实现电池状态的自传感。
利用电池的膨胀效应作为检测信号的另一个优点是，可以实现SOH的直接测量。反复的充放电循环过程，一方面会因为材料周期性脱嵌锂而表现出周期性膨胀收缩，另一方面也会因为SEI增厚及极片的结构松弛效应而不断变厚。通过建模仿真可以得到电池充放电过程中膨胀力的震荡式增长过程与电池SOH之间的显著相关性，因此可以用于直接检测电池的SOH状态。
原位自传感测量技术还有很多其他应用场景，如系统均衡控制、电池析锂实时监测、寿命优化等。原位自传感的测量信号为与材料的荷电状态直接相关的电化学诱导结构分布阻抗参数(类似于直接测量燃油车内的油液面高度)，为其提供了准确测量的基础，可以获得高精度的电池SOC状态，为系统均衡动作提供了准确的均衡容量信息，可以使得系统工作过程中每一颗电池的步调都始终一致。
电池工作过程中除了正常的充放电Swelling行为会改变系统的结构参量，一旦发生析锂，也会显著改变系统的结构参量，这就为析锂监测提供了理论跟实验基础。电池发生析锂后，电极表面会形成一层锂镀层，会使电芯的Swelling行为发生变异，通过Swelling行为变异的分析可以实时监测是否发生析锂。上图的仿真结果对比了正常充电跟析锂后电池Swelling的差异。运用原位自传感测量可以获得准确的充电边界，实际工程应用场景下，可以根据需求去定量优化电池充电策略来平衡充电速度跟服役寿命。
安全性对于锂电池应用也至关重要，行业内也有尝试通过电信号、氢气探测等方式来预测热失控行为，这些方式往往面临着信号解析度差或者预警滞后等问题。原位自传感测量技术也可以作为热失控预警的重要手段。热失控是一系列链式反应导致的。通常热失控初期阶段会出发SEI的分解反应，分解的过程中会产生大量还原性气体，同时放出热量造场电池内部温度升高，进而触发阳极和电解液之间的反应放出更多热量，进一步诱发其他放热反应最终导致电池失控。理论上如果能够提前探测到链式反应的初期触发反应就可以对热失控进行有效预警干预。但是热失控初期电池的电信号不会明显变化，内部的温升也很难被有效探测，氢气释放也需要失控反应进行到中期阶段防爆阀破口之后才能被探测，所以这几种信号都很难有效的用于热失控预警。
不过热失控初期的SEI分解反应产生的其他会造成电池内压升高，从而也会导致电池的结构分布参数变化，因此可以被原位自传感测量技术准确捕获到，也就为热失控的预警提供了理论基础。学术上也有一些利用力学信号成功预警热失控的报道。通过仿真模拟分析表明，对于一些热失控场景下，采用原位自传感测量技术可以提前十分钟探测到电池内的SEI分解反应。十分钟的提前量完全足够提前进行人员疏散撤离，避免热失控的人员危害，甚至可以导入主动干预策略直接切断热失控反应的链式发展路径，使得电池不失控。
回到本文的开头：“造好电池”是一个非常有挑战性的工作，同样“用好电池”也是一个非常有挑战性的工作。以往的电池管理系统主要依靠测量电压、电流、温度信号来估测电池状态的。由于电池工作过程中电压电流本身受负载的影响波动振荡加之LFP体系的台阶式OCV特点，很难依靠电信号测量得到准确的SOC状态。温度信号也极易受工况环境干扰，所以以往的电池监测手段就很难准确获取到电池的真实状态，也就无法提供用好电池的工程前提。原位自传感测量技术是通过测试电化学诱导的Swelling行为来获取电池内部状态的，这种测试方式在理论上直接与材料脱嵌锂联系在一起，所以能够更加精准稳定地获取到电池内部的电化学状态。原位自传感测量技术的独特性使得其应用场景非常丰富，不仅可以用于SOC测量，还可以用于直接测量SOH状态，同时在充电析锂监测、寿命优化、安全预警，结构可靠性预警等方面。当然，原位自传感测量手段是一种相对量测量手段，在实际工程应用落地的过程中跟以往的传感方式还存在很大的差异。根据学术结论及工程数据结合仿真技术可以高效的评估优化原位自传感的应用策略。仿真分析结果表明采用结构分布电容特性作为自传感测量信号结合简单的智能学习算法可以有效的利用获取的相对量信号来计算电池的电化学状态，为 “用好电池”提供必要条件。原位自传感测量技术的另一个显著工程优势在于，它无需额外引入传感器单元，而是能够利用电池本身作为传感器，这显著降低了部署成本和系统复杂度。。可以预期，刀片电池（”好电池”）跟智能传感技术（“用好电池的手段”）之间可以碰撞出更多火花。
