那么,电池为什么会燃烧呢?经常烧东西的朋友可能比较熟悉,燃烧需要三要素的支持——可燃物、助燃剂和引火源。助燃剂不消多说,空气中的氧。可燃物在电池中就非常多了。简单来说,电池结构可以拆分为正负极、电解质、隔膜等几个部分。而当前包括锂电池在内的大部分新能源电池,使用的都是液态电解质,这些电解液为有机溶剂——有机意味着“易燃”、“易爆”,液态则往往会“挥发”、“泄露”。它们在高温下会加剧发生氧化分解、产生气体、发生剧烈燃烧等。这些分解出的可燃气体与空气混合形成爆炸性混合气体,遇锂电池喷射出的高温颗粒,在局部空间会发生爆燃。这些物质一旦开始燃烧,不仅会产生大量有毒气体,更很难扑灭。近日,韩国京畿道华城一家电池制造厂发生重大火灾,初步调查显示锂电池快速起火引发工厂火灾。事发时,该楼存放着3万多个锂电池成品。从现场情况看,现场锂电池冒烟到爆炸仅15秒,而工人曾试图用干粉灭火器扑救,但结果毫无作用。
那么,能不能想办法让电解液没那么“易燃易爆炸”呢?这个问题不仅作为用户的我们担心,更困扰着广大研发人员。要知道,通过实验找出一款理想的、符合要求的电解液是一个十分漫长的过程,科研人员要反复调整配比和材料种类、长时间的试验,才能找到一款满足某种性质要求的电解液配方。可是对于一款商用电池来说,需要满足的性质指标可远不止一种,如熔点、电导率、充电效率等,当然也包括我们关心的阻燃性。正当大家都在对缓慢的试验速度和庞大的配方空间“望洋兴叹”时,科学大模型出现了。深势科技开发的电解液配方大模型 Uni-ELF 在对大量无标注配方数据预训练,在少量标注数据的微调下,有望实现对于包括阻燃性在内的多种性质配方高通量、自动化筛选。在不远的未来,科研人员或许不需要对着电解液配方空间进行漫无边际的随机搜索,而且在科学大模型的指导下,有的放矢,加速研发。
App 地址:
在我们想办法开发更好阻燃性电解液的时候,另一种思路也应运而生:既然液态电解质易挥发分解、燃烧剧烈,能不能使用固态电解质呢?这也是个好主意。固态电池,顾名思义,是将电池内部的电解液替换为固态的“导锂”材料。这样做的好处在于:一方面固态材料不易燃、不易泄露和挥发,同时由于电池内部不存在液体,隔膜也不需要了。再加上高温不易分解和对锂枝晶生长空间的限制,更不用说“体重”更小,能量密度潜力还高。固态电池简直就是“天选之子”。给了电池发展一个富有想象力的未来。
然而,在固态电解质的研究和开发过程中,仍面临诸多挑战,如开发稳定的电化学材料体系、提高离子传导率、降低内阻以及优化界面稳定性等问题。研究人员往往需要经过反复试验试错,才能找到一种较为理想的材料,而仿真模拟又面临计算精度低、时间长、算力需求大等限制。解决固态电解质材料研究中的关键问题,深势科技、北京科学智能研究院与中科大苏州高等研究院钟志诚教授课题组合作开发了固态电解质预训练大模型。我们使用了超过十二万帧的构型数据做预训练,实现了广泛的材料覆盖(27种元素、接近200种体系)。通过固态大模型,科研人员能够减少试验试错,更有针对性的进行研发;更进一步的,对于新兴材料体系,固态大模型基于更少的微调数据探索更多可能性,寻找更优秀的材料。
https://bohrium.dp.tech/apps/voltcraft
了解了电池的可燃物因素,现在再来看看“引火源”。对于锂电池场景,“热失控”是造成温度过高的元凶。引发热失控的原因是多种多样的,总的来说分成两类:内部因素和外部因素。内部因素包含电池制造缺陷导致的内短路和在使用过程中由于大倍率、过充过放等导致的析锂累计产生的锂枝晶生长穿透隔膜,正负极短路引发过热。外部因素包括撞击、针刺导致的异常短路;外部电路短接;甚至是外部的高温导致的 SEI 膜和正极材料分解,都会引发热失控。
可以发现,大部分导致热失控的场景都不是瞬间发生的,而是存在一个周期。如果在电池出现内外短路的初期,我们就可以及时发现这些“异常”,并及时预警,可能留给我们及时处理的时间就非常充裕了;或者提前发现会出现析锂的电池,然后通过调整电池使用条件,电池也能因此获得更长的寿命。因此,异常检测和电池使用策略调整功能对于新能源电车来说必不可少。这两种功能的实现首先需要基于精准的电池状态估计,如充电状态(SOC)和健康状态(SOH),无论是在云端还是车端电池管理系统(BMS)中。好消息是,现在 BMS 已经集成了相关的算法,甚至一些基于 AI 算法的工具也已经出现,如深势科技开发的电芯健康状态预测预训练模型。随着技术的不断进步和研发人员的持续努力,我们有理由相信,在不久的将来,全面而精确的异常状态监测与智能化使用策略调整将成为现实,为新能源电动车的安全性和可靠性带来质的飞跃。
https://bohrium.dp.tech/org/piloteye
(本文由深势科技电池材料研究员苗嘉伟供稿,深势科技材料与工艺设计团队亦有贡献)
往期回顾
参考文献
[1]Wang, R., Guo, M., Gao, Y., Wang, X., Zhang, Y., Deng, B., Chen, X., Shi, M., Zhang, L., \u0026 Zhong, Z. (2024). A Pre-trained Deep Potential Model for Sulfide Solid Electrolytes with Broad Coverage and High Accuracy. arXiv preprint arXiv:2406.18263. Retrieved from https://arxiv.org/abs/2406.18263
[2]Tikekar, M., Choudhury, S., Tu, Z. et al. Design principles for electrolytes and interfaces for stable lithium-metal batteries. Nat Energy 1, 16114 (2016). https://doi.org/10.1038/nenergy.2016.114
[3]Zeng, B., Chen, S., Liu, X., Chen, C., Deng, B., Wang, X., Gao, Z., Zhang, Y., E, W., & Zhang, L. (2024). Uni-ELF: A Multi-Level Representation Learning Framework for Electrolyte Formulation Design. arXiv preprint arXiv:2407.06152.
推荐关注
关于深势科技