跳到正文

#电化学建模

今日 0 条
10月7日周三
10月6日周二
10月5日周一
  1. 关键词流·设计优化与参数辨识38

    基于实验参数的 LiFePO4 电池 SOC 估计方法,面向混合动力汽车

    该研究提出一种仅用实测电流和端电压的 LiFePO4 电池在线 SOC 估计方法,无需已知初始 SOC。方法先用递推最小二乘辨识低阶等效电路模型,再将 Voc–SOC 关系作为代数约束构建描述符电池模型,并设计降阶未知输入观测器。在脉冲放电和 WLTP 工况下的实验表明,该方法可从不同初始 SOC 快速收敛,并在宽工作范围内保持高估计精度。

10月1日周四
  1. Advanced Energy Materials20

    空间分辨 Pseudo-Eox 方法量化轨道加权能量贡献,揭示溶剂氧化化学新机制

    研究提出空间电子分辨的 Pseudo-Eox 方法,以 ALIEmin 参数通过电子密度加权轨道能量平均评估最高能电子的脆弱性,并定位其普遍存在的 sub-HOMO 局域化。该方法在 20 种常规溶剂上平均绝对误差仅 0.38 V,并重新识别出被传统 HOMO 排序忽略的 F3DECF1 分子,其理论氧化稳定性达 6.45 V,为 147 种碳酸酯/醚衍生物候选中最高的。

9月30日周三
  1. eTransportation62

    石墨/LFP 软包电芯的负值与零值日历容量及阻抗老化建模

    Xinyou Ke 等人在 eTransportation 第 29 卷发表研究,针对石墨/LFP 软包电芯提出负值与零值日历容量及阻抗老化建模方法。作者包括 Xinyou Ke、Hongwei Zhang、Yu Hui Lui、Yameng Liu、Jun Cai,论文计划于 2026 年 9 月出版。

    推荐理由:针对石墨/LFP 软包电芯,提出负值与零值日历容量及阻抗老化建模思路,为静置老化预测提供新视角。

  2. Energy Storage Materials42

    基于逐段识别的锂离子电池 EIS 关键参数辨识与有效重构

    研究提出一种逐段识别方法,用于提取锂离子电池电化学阻抗谱(EIS)的关键参数并实现 EIS 的有效重构。该方法通过分段处理 EIS 数据辨识关键参数,进而完成阻抗谱重构。成果发表于 Energy Storage Materials 第 91 卷,作者为 Ying Kung、Cheng-Hsi Tien、Yi-An Chen、Chi-Jyun Ko、Kuo-Ching Chen。

  3. eTransportation62

    高保真建模揭示不同工况下的析锂与剥离动态

    Jue Chen、Heinrich Ditler、Gereon Stahl、Christiane Rahe、Weihan Li 在 eTransportation 第 29 卷发表研究,对多种运行工况下的析锂与剥离过程进行高保真建模,以揭示其隐藏动态。论文发表于 2026 年 9 月,目前仅见摘要信息。

    推荐理由:针对析锂与剥离过程建立高保真模型并覆盖多种工况,可为快充边界与析锂判据研究提供建模参考。

  4. Energy Storage Materials34

    石墨颗粒倍率依赖阶跃动力学的光学指纹识别

    研究人员利用光学指纹技术,对单个石墨颗粒中倍率依赖的阶跃动力学进行了表征。该方法可实时观测不同充放电倍率下石墨颗粒内部的阶跃行为,为理解石墨负极的动力学过程提供了单颗粒尺度的实验依据。相关成果发表于 Energy Storage Materials。

  5. eTransportation62

    基于物理建模与智能优化的高能量锂离子电池快充策略

    Yajie Liu 等人提出结合物理建模与智能优化的方法,用于实现高能量锂离子电池的快充。该研究发表于 eTransportation 第 29 卷,作者包括 Yu Wang、Fuyuan Liang 和 Xing Zhou,摘要未提供具体模型、优化算法与实验数据。

    推荐理由:面向高能量锂离子电池快充,将物理建模与智能优化结合,为充电策略设计提供可迁移的方法框架。

  6. eTransportation50

    可扩展多源老化耦合框架用于锂离子电池高保真电化学与热建模

    Haoran Lu 等提出一种可扩展的多源老化耦合框架,用于锂离子电池的高保真电化学与热建模。该框架将多源老化信息与电化学、热模型耦合,论文发表于 eTransportation 第 30 卷,作者为 Haoran Lu、Lance Zhao、Luke Hu、Zhe Li。

    推荐理由:该框架把多源老化数据与电化学热模型耦合,为高保真电池建模提供可扩展路径。

9月29日周二
  1. PyBaMM Releases78

    PyBaMM 26.9.0.0 发布:Symbol 改用 slots、新增非结构网格 DFN 与模型库

    PyBaMM 发布 26.9.0.0,Symbol 改用 slots,第三方 Symbol 子类必须声明 __slots__,模型检查改由 BaseModel.variables_matching_keys 比较变量身份,并要求 pybammsolvers>=0.10.0,CasADi 固定版本从 3.7.2 升至 3.8.1。

    推荐理由:PyBaMM 26.9.0.0 的破坏性变更与迁移指引集中在一处,便于依赖该库的建模与仿真工作评估升级成本。

9月28日周一
  1. arXiv · battery(eess.SY 系统与控制)22

    基于非线性模型预测控制的海浪供电海底数据中心热管理与功率集成管理

    研究提出面向海浪供电海底数据中心的集成建模与NMPC框架,协同优化热管理、柔性负载调度、海浪能利用与电池运行。热行为采用IT设备、循环氮气与耐压壳体的三节点集总模型,以周围海水为热边界,NMPC在热、电池与负载约束下联合优化柔性负载功率预算与冷却指令。闭环仿真表明该框架在维持热安全的同时可随海浪能可用性与电池SOC调整冷却与柔性负载执行,电池容量与海浪发电容量显著影响电池可用性与柔性负载队列积累。

9月27日周日
  1. Advanced Energy Materials62

    3D 结构 MIEC 石榴石实现无锂负极固态电池

    研究在混合离子电子导电(MIEC)石榴石多孔骨架中实现均匀锂沉积,骨架本征电子导电性使锂沿内部孔表面形核并快速形成共形锂层,在极低锂体积分数下建立电子连通,从而大幅降低负极阻抗,实现可逆镀锂/脱锂,库仑效率达 99.95%。

    推荐理由:该工作用 MIEC 石榴石骨架把无锂负极的锂形核问题转化为渗流输运过程,并给出 99.95% 库仑效率的室温无压循环结果。

9月26日周六
  1. Advanced Materials62

    脱溶剂动力学主导石墨负极中碳酸丙烯酯共嵌入

    研究通过系统筛选商用石墨、PC 基电解液与聚合物粘结剂,表明石墨中的溶剂共嵌入是恒流极化下常规 Li+ 嵌入与溶剂辅助嵌入竞争的系统级动力学结果。作者提出最低可达电位 P_LA 这一半定量操作描述符,用于刻画石墨-电解液体系在给定测试条件下被极化到 PC 共嵌入占主导之前的程度。

    推荐理由:原文提出最低可达电位描述符,把溶剂化、界面化学与工况统一到同一动力学框架中解释 PC 共嵌入。

9月25日周五
  1. arXiv · battery(eess.SY 系统与控制)42

    基于 KKT 条件的混合储能系统最优功率分配

    针对 10 MW 光伏电站配锂离子电池与液流电池各 2.5 MW/5 MWh 的混合储能系统,研究提出基于 Karush-Kuhn-Tucker(KKT)条件解析验证的功率分配控制器,在计入各储能技术功率相关效率曲线的前提下最小化系统损耗。该方法计算效率高,MATLAB/Simulink 仿真验证了主要贡献,OPAL-RT 实时实现证明了其用于实时应用的可行性。

9月23日周三
  1. Advanced Energy Materials31

    过锂化 NCM 正极的相演化路径与多金属顺序还原机制

    研究建立了一个统一的过锂化模型,将 NCM333/523/811 等正极的过锂化过程划分为嵌入反应区和转化反应区。嵌入区中过量锂通过成分依赖的顺序还原机制进入层状结构:NCM333 先由 Co³⁺/²⁺ 还原引发,第二平台由 Mn⁴⁺/²⁺ 主导;非等摩尔 Ni-Mn 体系则优先顺序还原 Ni³⁺/²⁺ 和 Co³⁺/²⁺,Mn⁴⁺/²⁺ 还原被大幅推迟。

  2. Advanced Energy Materials62

    亲核阴离子重构溶剂化结构实现 PC 基电解液中高倍率低温石墨||LFP 软包电池

    研究提出亲核阴离子调控溶剂化策略,让 NO3− 优先进入 Li+ 溶剂化鞘并替换配位 PC 分子,同时不牺牲离子电导率。对六种锂盐阴离子的模拟显示,引入 LiNO3 后溶剂分离离子对减少 26%,接触离子对和聚集体分别增加 19% 和 7%,促进 Li+ 去溶剂化并形成富 Li3N 无机 SEI,抑制 PC 共嵌入石墨。

    推荐理由:针对 PC 基电解液与石墨负极不兼容的难题,提出亲核阴离子调控溶剂化结构,兼顾离子电导与低温快充性能。

  3. arXiv · battery(eess.SY 系统与控制)27

    融合大语言模型与电池物理的驾驶员感知电动汽车行驶管理

    该研究提出一种物理与AI混合框架,将LLM作为高层行为推理层嵌入物理驱动的监督架构,通过解读文本用户意图与结构化电池反馈生成有界行为参数,塑造放电电流包络,再由物理安全滤波器强制约束后计算可行车速建议。基于Lyapunov的分析证明了在电池模型与提示不准确情况下推荐误差有界,仿真结果显示该架构可实现自适应、用户感知的运行且不牺牲物理安全。