Part.01
全文速览
最近，由温州大学的向家伟和吕东祯团队，与南卡罗来纳大学的Bin Zhang团队以及巴黎矿校的Enrico Zio团队在《Cell》子刊上发表了一项开创性的电池寿命预测技术，展示了在电池累计寿命预测领域的重大进展。这一技术创新引入了“累积使用寿命”的概念。该预测方法简化了模型中多种影响因素的耦合，使其能在不同的应用场景中迁移使用显著，提升了实验室研究与实际应用的衔接。
在大规模迁移测试中，该方法不仅稳定提高了早期寿命预测的准确性（误差降至5%以下），还能在便携式设备上实现毫秒级的实时预测，显示出卓越的工程实用性。
Part.02
研究背景
传统的电池寿命预测方法多依赖于实验室条件下的测试，这些方法虽然精确，但在实际应用中往往难以反映电池在真实环境中的表现。因此，如何将实验室研究成果有效地转化为实际应用，成为了电池技术研究中的一大挑战。
针对这一应用瓶颈问题，宁德时代新能源科技股份有限公司曾于2024年6月面向全球发布技术榜单：“基于实验条件下的电芯循环寿命预测已有不少研究，但是针对于实车工况下，真实使用场景、不同环境温度等影响因子的使用寿命预测，还缺乏真正的工程方法”。
Part.03
图文解析
1、全球规模最大、周期最长的性能退化实验
本文的实验研究采用了大量的电池，每个电池分别经历了 500 次到 10000 次以上的充放电循环，全部电池单体和电池组的充放电循环次数的总和超过了 54.6 万次，测试时长的总和则超过 2600 万分钟。这项实验研究生成了超过200GB的退化实验数据，并且测试周期持续了 4 年（2020-2023 年），是目前世界上规模最大，最贴近实际运行工况，持续时间最长的电池退化实验，可以用于深入研究诸如日历老化和季节性温度影响等问题。
图1：不同电池和电池组在不同测试模式下的容量变化。
虽然图1中展示了电池容量随充放循环次数的变化趋势，但很难从中发掘出清晰的规律。这是由于电池单体和电池组的退化过程之间存在着巨大的差异，同时不同测试模式也会导致明显的退化差异。
2、首发基于累计寿命的预测方法
现有的充电电池寿命预测方法大都是基于理想条件下的充电电池寿命测试。在试验测试中，充电过程和放电过程是在专业设备上交替执行的，故而可以保证充电过程和放电过程的完整性。也因此，传统的充电电池寿命预测方法大都采用充放电循环次数作为寿命。
在实际应用中，充电电池的使用方式和频次取决于用户的随机使用习惯。而在这种随机充放电场景中，充电过程和放电过程大都是不连续且不完整的，因而所对应的退化数据具有很差的规律性，也非常难以进行分析。
充电电池的退化过程是非常复杂的，显然单独采用循环次数来描述退化过程是不准确且不合理的。在对前述复杂随机工况下的锂电池退化数据进行分析和研究后发现，采用累计损耗量作为寿命指标能够获取非常一致的退化趋势。由于并不是单单地对循环次数进行计数，这种方式在理论上显得更加的合理。
3、惊人的一致性和迁移预测效果
图2：采用累积放电量作为寿命指标。
如图2所示，在采用累积放电量作为累计损耗寿命指标后，不同电池个体之间的退化一致性得到了显著的提升。
在采用本文所开发的预测方法后，A型电池目标域上的平均百分比误差从52.3%降至12.8%；B型电池目标域上的平均百分比误差从57.5%降至13.50%。此处需注意，传统的基于循环次数的寿命预测方法在源域（即实验室场景）中的预测误差也低至11.4%，但是在目标域（即实际场景）中高达52.3%，难以在实际场景中进行工程应用。
此外，本文所开发的预测方法还遵循了简单实用和高效计算的原则，采用了非常高效的GPR技术，因此非常适合在便携式笔记本上进行计算。此外，所有方法在模型训练阶段的耗时都不超过1秒，并且预测耗时始终保持在10毫秒以下。
Part.04
结论与展望
本项目开发的方法将实验室场景中学到的电池退化模型成功应用于复杂的半充半放实际车辆场景下的电池寿命预测，并且实现了多种复杂工况之间的相互迁移。图3具体总结展示了本项目实验研究的全面性，并且客观展示了所提出解决方案的卓越性能。
图3：应用累计耗损特征提取方法前后的邻域差异。
该实验研究中全部电池单体和电池组的充放电循环次数总计超过了 54.6 万次，测试时长总计超过 2600 万分钟，是目前世界上规模最大，最贴近实际运行场景，持续时间最长的电池退化实验。对应的实验数据已经被命名为“WZU随机电池退化数据”，并面向全球开源共享。
超分辨电化学Lab推广
联系人：许经理 17843129655（同微信）
超分辨电化学显微镜的关键作用
当前，超高时间&空间分辨率的化学反应测量已经成为能源、材料、催化、环境与生命科学等众多领域的关注焦点。这些被测量的化学反应一般发生在界面上，但有些发生在材料体相以及溶液中。超分辨电化学显微镜（SRECM）技术对物理高分辨表征技术（微观物理信息—结构&成分）实现了不可或缺的有益补充（微观化学信息—反应动力学&速率)，建立了之前难以获得的精准构效关系。
以扫描电化学液池显微镜（SECCM）技术为例，它能够直接绘制二维材料、表面缺陷及晶界等不同位置的催化活性差异（参见Nature, 2023, 620, 782；Nature, 2021, 593, 67；Science, 2017, 358, 1187；Nat. Mater., 2021, 20, 1000等）。同样，扫描电化学显微镜（SECM）技术能够实现催化反应中间体、动力学速率以及催化剂活性位点密度的定量测量（参见Nat. Catal., 2021, 4, 654；Nat. Catal., 2021, 4, 615等）。
这些先进的SRECM技术为我们提供了在微观尺度上理解化学反应的窗口，同时也为精确设计和优化催化剂、材料以及理解反应动力学机制提供了有力工具。
超分辨电化学Lab
以超分辨电化学显微镜为核心，通过一站式完整解决方案&完全自主研发产品，实现化学反应的高分辨测量（也称化学高分辨）。
六大主力型号
最强型号MT-SRECM600——超分辨电化学显微镜与共聚焦拉曼显微镜联用
代表作
Accelerating the Discovery of Efficient High-Entropy Alloy Electrocatalysts: High-Throughput Experimentation and Data-Driven Strategies, Nano Lett. 2024 (https://doi.org/10.1021/acs.nanolett.4c03208).
Modulating the Surface Concentration and Lifetime of Active Hydrogen in Cu-Based Layered Double Hydroxides for Electrocatalytic Nitrate Reduction to Ammonia, ACS Catal. 2024, 14, 12042.
Accelerating the Discovery of Oxygen Reduction Electrocatalysts: High‐Throughput Screening of Element Combinations in Pt‐Based High‐Entropy Alloys, Angew Chem. Int. Ed. 2024, e202407116.
Benchmarking the Intrinsic Activity of Transition Metal Oxides for the Oxygen Evolution Reaction with Advanced Nanoelectrodes, Angew Chem. Int. Ed. 2024, e202404663(hot paper).
Thermally Enhanced Relay Electrocatalysis of Nitrate-to-Ammonia Reduction over Single-Atom-Alloy Oxides, J. Am. Chem. Soc. 2024, 146, 7779.
AI-高通量材料平台推广
联系人：许经理 17843129655（同微信）
AI-高通量材料平台的基本架构
以多维电分析筛选工作站为核心，通过AI驱动≥12种自主研发的高通量材料工作站，实现单日合成与筛选≥2000种目标材料，达到国际领先水平。
AI-高通量材料平台的具体设备
代表作
Accelerating the Discovery of Efficient High-Entropy Alloy Electrocatalysts: High-Throughput Experimentation and Data-Driven Strategies, Nano Lett. 2024 (https://doi.org/10.1021/acs.nanolett.4c03208).
Accelerating the Discovery of Oxygen Reduction Electrocatalysts: High‐Throughput Screening of Element Combinations in Pt‐Based High‐Entropy Alloys, Angew Chem. Int. Ed. 2024, e202407116.
仪器信息可参阅
课题组网站：
http://gw.mintech-instrument.com/
仪器信息网：
https://www.instrument.com.cn/netshow/SH117451/
