首页/文章/ 详情

锂金属电池 – 潜力巨大,应用期望不只在汽车

20分钟前浏览0

上个月在北京亦庄参加由盟维科技(Monta Vista)与中国汽车工程学会联合主办的2026锂金属电池前沿论坛,学习了该技术路线最新的进展,有不少收获,在这里和大家分享一下。  


 
 

  锂金属电池目前发展到什么技术水平了?    

在过去几年,锂金属电池的技术水平已经有了长足的进步。我记得3年前左右 ,可能大家也就是有一个400Wh/kg左右的样品,安时数也小,而且循环寿命也不是太理想。  

而在这次会议中,总结一下学界/工业界的技术水平,基本可以发现:400Wh/kg的电芯已经有很多有很长的寿命了(比如盟维的1000+循环),500Wh/kg电芯可以有150~200+,而且更高能量密度的700+Wh/kg样品都已经有了(在盟维、尉海军老师的介绍资料等地都能看见)。从以上的KPI不难看出,更高能量密度的指标都可以逐渐实现,当然相应的循环寿命会打一些折扣,这与我们理解的高比能体系的一些本征挑战是吻合的。  

摘自盟维科技创始人周莉莎的报告  

摘自北京工业大学尉海军教授的报告

摘自华中科技大学黄云辉教授的报告

摘自南京大学周豪慎教授的报告  

但是不得不说,技术水平的进步还是非常快的:大量的400~500Wh/kg 产品已经具有一定的成熟度,循环寿命也比以前进步明显的多,在尤其是EVTOL等非车用领域应该已经可以期待能尽早的打开应用市场了。 


 
 

基于主要哪些改性途径实现的性能提升?  

基于笔者的工作经验,在这一块电池生产的企业不会告诉你太详细的内容,但是基于学术界和设备企业在这次会议中的介绍,我们也可以有一个大概的总结和推断。  

电解液工程  

氟代溶剂:氟化后溶剂配位能力减弱,更多阴离子进入溶剂化鞘层,形成相对富阴离子的溶剂化结构,阴离子主导分解更容易形成LiF/Li3N/Li2S的SEI,这些组分是我们更希望的SEI组分(要更“结实”一些),这一类的富氟的SEI / CEI对于保护材料界面减少副反应,支持高压正极应用(高比能体系要靠正极负极匹配)来说至关重要。 而且氟会将分子链上的电子云吸引过去,使得分子不容易失电子,表现为抗氧化性提升;这个设计会同时让分子更容易得电子,表现为还原电位提升——这一点正好在锂金属里是需要的,因为需要氟代溶剂优先成膜阻止电子隧穿。氟代溶剂/氟化优化的方向在业内早有大量的工作,比如去年张强老师的工作用氟化聚醚支持了600Wh/kg的达成。另外,西安交通大学薛伟江老师课题组开发的一系列氟磺酰胺溶剂分子在锂金属电池上也表现出了很高的锂金属库伦效率、高电压稳定性和经济性。该体系的优点自然主要就是高压兼容,化学稳定,可以支持致密均匀柱状的锂金属沉积;但是缺点在于氟化带来的高成本+环保合规挑战,以及在低温+黏度方面的动力学问题(似乎充电方面总是不太清楚性能,当然在放电方面只要不是太低的温度,锂电池一般倒是都还可以)。  

摘自南京大学周豪慎教授的报告  

氯代醚溶剂:主要是利用氯的位阻 + 吸电子效应对传统醚进行改性,有效改善传统醚电解液氧化电压耐受偏低的问题,促进阴离子成膜 (LiF/LiCl),从而解决锂容易粉化的问题。在这次会议中,南京大学周豪慎老师展示的 510 Wh/kg 研究型软包就是用这个体系的电解液支持的。该体系展现了高比能潜力、在贫液方面表现突出。不过如果进一步实用化,可能要在腐蚀、材料兼容和长期稳定性方面再做一些工作,以及氯毕竟比氟“劲小”,优化效果可能也不及氟。相比来说,该方向是电解液优化方面中成熟度较低的。  

弱溶剂化/局部高浓度电解液:使用电解液体系削弱 Li⁺溶剂作用,促进阴离子衍生成膜。在这方面学术研究成果不少,好处是:兼顾界面稳定与黏度/成本优化,挑战在于:盐/稀释剂纯度的要求,制造窗口敏感以及使用温度窗口敏感(宽温域有挑战:高温存储产气、低温盐析可能是问题,但不排除大家优化配方之后会解决)。     

摘自复旦大学董晓丽教授的报告     

摘自南京大学周豪慎教授的报告  

SEI/CEI 界面工程 优化  

LiF-rich——行业内一直以来都有不少工作都在介绍富LiF的SEI,该体系具有高模量、高界面能、电子绝缘、对锂可导通的优点,可以帮助诱导均匀沉积;比如刚才我说的用各种含氟电解液的工作。以及还比如这次会议中,王青松老师的工作就介绍了利用SnF₂ 原位反应形成 LiF 与 Li-Sn 双相界面,目标是均匀沉积、降低极化并缓解应力。该路线的一大优点就是与现有液态体系兼容;材料用量较小;对沉积形貌、阻抗和正极副反应均可产生直接影响。当然SEI 在反复体积变化中仍可能开裂并持续消耗锂与电解液,以及有效性高度依赖界面均匀性和工艺窗口。其实该技术的最大优点就在于:基本和传统电池的改性/工艺路线高度相似(调电解液,改化成工艺什么),所以导入起来没什么大困难,相应的成熟度也是比较高的。 

摘自中科大王青松教授的报告     

此外像添加稳定剂/添加剂也是已经比较成熟的方向了,像锂硝酸盐(LiNO3),在锂金属表面形成一层致密的氮化锂(也有人说是富氧的界面层),可以有效地抑制枝晶生长,只是可能基于牺牲机理,用光后就没法再起作用了。  

以及用锂盐高分子预涂表面处理也是主要的改性路线,这可以防止电子漏出,抑制不想要的锂损失反应,不过对于工程精度的挑战大些——其可调控空间受限于制备工艺能达到的均匀性、厚度控制与成本边界(怎么均匀的涂薄,保证保护效果?)。  

结构化锂负极(3D/复合锂/无负极)  

传统的锂金属中,因为枝晶等效应,容易局部电流集中 → 尖端沉积 / 空洞 / 死锂。而如果把锂负极进行结构处理,增加3D骨架(通过模板法、电沉积等方式 制备多孔锂金属或锂合金使用铜或镍泡沫作为底底),可以形成诱导容纳成核沉积区,并在沉积锂的过程中降低局部电流密度,缓冲体积变化,从而缓解厚度变化及界面接触波动(宏观的膨胀+微观的界面接触劣化对于锂金属/固态等体系是真要命的东西)。主要问题则是:骨架会增加非活性质量和体积(得算清代价和收益);浸润、压实和连续复合工艺复杂,在工艺上是否好控制,重复性如何,都需要仔细研究。     

摘自吉阳智能的报告     

摘自厦门大学孙世刚教授的报告  

超薄锂制造  

超薄锂制造,也是这次会议中重点介绍的一个方向。要把锂金属电池做高能量密度,降低成本,肯定目标是要降低锂过量,如果能使用 3–12 μm 超薄锂就可以让生产更为高效化。此外卷对卷亲锂化/表面修饰也很重要——卷对卷意味着连续生产,表面修饰则意味着改善界面与提高稳定性。还有一个:原位固化与在线缺陷检测也是重点方向,因为对于传统锂电来说,控制缺陷,改善工艺都很重要,对于锂金属电池的生产就更是如此了(吉阳智能的报告非常值得一看)。  

摘自吉阳智能的报告  

固态 / 聚合物电解质

        这次会议中感觉固态相关的内容不是太多。其实固态电池(电解质)配锂金属倒不是什么太稀奇的方向,大家都期望用固态电解质可以实现阻挡锂枝晶生长,从而达成高比能组分配合的新一代电池设计的愿景。通过液态前驱体原位聚合,有可能从根本上解决固-固接触不良问题,形成致密无缺陷的电极/电解质界面;其核心挑战在于前驱体材料的活性调控与固化工艺的精准优化。此外,从生产上来说,目前的高分子前驱体活性偏高,如何开发出可以稳定、均匀的量产的原位固化工艺,就比较重要了。  

但是实际上有相当多的学术论文已经指出:析出锂金属尖端的应力/蠕变对于固态电解质是很有考验的,能不能达成避免内短路(尤其是循环后)真不好说,另外聚合物电解质似乎也还和硫系一样,常面临着常温电导不佳、高低压一头甚至是两头稳定性不良的问题。  

或者说,没准固态会影响我们达成高比能,那又何苦非要做固态呢?  

    

锂金属电池向哪里去?  

其实对于电动化来说,本来就不只是电动汽车一个领域。不管是这两年爆火的储能,还是船舶,再到现在最新兴起的机器人和EVTOL,都对于电池有着旺盛的需求以及很广阔的前景。     

摘自上个月在北京举办的中国电子信息产业发展研究院(赛迪研究院)产业政策研究所王昊的报告  

而且最有意思的在于,不同领域对于电池的性能期望要求也不同,很多对于车用不合适的路线,换个赛道也许就能展现前景。比如我的循环300左右,车用是不合适,换到无人机上,是不是就合理了呢?比如钴酸锂做高体积比能,车上不会有人用(太贵),但是一直就是手机上的最核心体系。以及锰酸锂,在车用上在艰难复兴中,但是各种混掺体系不是已经在两轮领域中各种大放光彩了。  

所以也期望着其它领域的电动化快速发展,为我们的电池产业带来更多的增量空间,大家共同发展,让新质生产力的赛道更加繁荣。  

感谢盟维科技主办的这次会议,期待明年行业更多进展。  


 

来源:弗雷刘
化学船舶汽车电子材料储能机器人控制无人机
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2026-11-03
最近编辑:20分钟前
弗雷刘
博士 动力电池 新能源行业科普
获赞 2粉丝 6文章 148课程 0
点赞
收藏
作者推荐

如何定量评估热失控发生几率?如何用慢速针刺评估热失控发生临界缺陷尺度?

电动汽车有时会发生起火-热失控-蔓延现象,热蔓延源于热失控(Thermal runaway),而热失控可能来自比较直接快速的外界诱因(比如过充、碰撞、重度托底),这些都可以算做滥用场景触发。但其实热失控更多来自自触发 情景 (Self triggered thermal runaway, STR),这才是电动汽车实际使用服役中的大部分热失控事件的本质(并没有直接的剧烈诱因,常常是放那里突然就开始了。既然外部剧烈触发没有,那自触发热失控STR的核心诱因自然也就是我们一直所知道的:它是由内短路(Internal short circuit,ISC)触发的。而在这个方面,其发生就会具有相当的随机性/难预测性了——可能来自没能检测出的生产缺陷,局部控制不好的析锂等,或者是因为环境使用多方面因素叠加,导致的缺陷逐渐长大抵达临界尺寸等多种因素,想要把它非常清楚定量的研究明白是有些难度的。这也是一直困扰业内的一个核心点,即很多热失控事件发生前的预兆非常难以捕捉,无奈之下只好给先一刀切定性为一部分可预测,剩下的就只能叫“猝死”。 但是对于这个临界缺陷尺寸和热失控发生概率,我们不应该因此就放弃对它的研究,要努力尽量去迫近事情的本质,并找出相应的解决思路。而今天我们就可以看看,这次理想汽车和中科院物理所的合作研究,对这个问题的分析是怎样的。研究热失控发生概率有两个主要指标P1: 电池包发生内短路ISC 的概率 。这个他们是用云数据来估计的。他们分析了150,000个电池包,做了脱敏处理,然后找出静置起码2h以上之后的电压数据,这样可以比较好地识别出因为ISC导致自放电现象(压降),用于估计P1。P2: 针 刺实验刺入深度vs发生TR概率, 这可以用于估计ISC后发生热失控TR的概率。他们对比了2mm/s和 0.1mm/s的刺入速度(这比我们一般做针 刺时的25-40mm/s要慢好多),这样可以帮我们来鉴定找出临界针入深度CPD (Critical penetration depth),否则扎太快了就没法发现了。然后他们做了不同的SOC荷电状态和健康状态SOH下的样品的慢刺实验,来看是不是这些状态的电芯对应的CPD是不同的。最后,全生命周期中,在不同SOH/SOC态的电池包发生TR的概率就是P(TR)=P1*P2。当然这是最原始版本,而考虑到P1、P2都受ISC的严重度影响,并不是一个固定值,所以要进一步修正(大概考虑了多层并联模型等因素,包括还有Weibull模数等的使用在可靠性方面计算修正,在这我就不展开了,给大家介绍主要的思路),最后下图里这个升级版的等式2就是最后的热失控发生概率的计算方法。 先看P2:慢速针 刺找出的热失控触发临界缺陷尺寸是?从下面的图1不难看出,相比图中上面的相对更快针 刺2mm/s,下面的0.1mm/s的慢刺,整体的数据分散程度要更小规律更好找,比如热失控都在80~120s左右发生,临界针 刺深度CPD基本都是7.5~10mm,而且从最右的h图也可以看出,P2数据分布也明显要更为集中(曲线更竖),说明这样的临界深度(模拟缺陷大小?)就是一个我们找到触发热失控的临界条件。然后,这篇文章进一步研究了不同SOC/SOH的影响,看P2曲线的研究方法是不是适用度更广,如下图所示。A图: 95%SOH最健康,然后从红->黄SOC电量在下降,可以看出,电量越高,临界深度越小,也就是对于缺陷越敏感。100%SOC的临界值似乎只有7.5mm左右 ,而70%SOC有近15mm。B图,85%SOH健康度比A要下降一些,结论和上面类似,当然此时所有的临界值都下移了,100%SOC临界值只有6mm左右了。所以健康度越低,导致发生热失控的缺陷临界值越小。C图,健康度更低,到了75%,数据整体进一步下移,最低临界值只有5mm,符合我们对这个问题的理解。所以在这也简评一下:行业里其实研究热失控机理,做慢浅刺(IEC针 刺)是非常常见的方法,而它的好处其实也在上面已经介绍分析+实例证明了。快刺根本无法捕捉临界尺寸的信息,而且实验的偶发性/重复性实在是非常麻烦。展示针 刺看个热闹让老百姓impressive是可以,但你要是业内的人士,天天就针 刺长针 刺短针 刺个没完没了,大家肯定会用迷茫的眼神看着你。 针 刺试验结果偶发问题大,常常不可重复,图摘自本人25年9月发表的文章《为什么纠结于电池能否过针 刺意义不大(2)》再看P1,实地数据从压降数据得来?然后再算P1,步骤是:从云数据的150000个包的数据,得到每个包的最大最小电芯电压差delta V1,过一阵后再算delta V2,最后算这段时间的变化率。(Delta V2 -Delta V1) / t,得到变化率mV/h的分布概率 ,如图3C所示。在这里,他们选了0.02mV/h作为筛选阈值——太小的自然就不用看了,说明没有短路。在我理解,这里的数据说明的应该是对于缺陷的容忍能力:最上面的橙色数据(高健康度),存在的高压降的数据更多,而最下面的数据基本都向最左收敛靠拢了。而随着使用,高压降的包肯定会被监测到,要么被主动剔除服役,要么可能就出现了事故,而能坚持到生命末期的,肯定是相对来说缺陷少点的,短路发展相对缓慢的,这是一种“幸存者筛选“。更进一步的:慢刺-电芯多层并联模型的仿真是怎么做的?众所周知,电芯中是一片片极片实际上(靠多个极耳焊在一起)并联的(尤其是叠片最典型),那我们就可以来模拟多层极片在一层层慢刺后的行为。如下图所示极耳内阻Rtab和内阻Rin可以通过HPPC/计算得到。然后刺穿带来的ISC内阻Rs,与原本在的每一个子电芯单元-Rin回路并联。更进一步的,把以上的所有结果统筹在一起(P1*P2),看P(TR),可以看出,下图B中,高SOC意味着更高的P(TR),进一步的做成一张图的话,下图C可以给我们一个更直观的感受。而且最右边的80~70%SOH图中,可以看出P(TR)热失控的发生概率的增加明显要比前两个情景要高很多,这主要是因为低SOH时电芯的各种缺陷会明显增多,P(1)会明显增加,而且此时对于临界缺陷的容忍性也会变低,P(2)也会变大,两者一乘,整体热失控概率大为提升就不足为奇了,所以此时的概率上升不只是线性的,可能是线性平方?所以,他们搭建了基于多层极片的内短路模型,再通过慢速针 刺来验证&为该模型提供数据,发现这样得到的P2失效概率是PPM级,这也与目前工业界对于STR发生概率的认知基本一致。再引入可靠性模型,得到P1概率。最后就可以算出整体的P(TR)热失控发生概率。小结其实我觉得这篇文章带来的结论并不算太特别:高SOH,低SOC,可以带来对于临界缺陷尺寸更好的容忍度。但是我觉得这篇文章的最大意义在于,它给了我们一个完整的逻辑框架:如何去定量分析热失控的概率问题?如何把临界缺陷尺寸通过合理的实验方法找出?实际车辆中的临界内短路发生概率为何?虽然所有模型都得一步步建立 ,一步步修正,总会有一些地方还需要再完善,但是这篇文章提供的整体框架我认为已经相当棒了。作者也很中肯,也在文章中提醒了一些注意事项。传统的针 刺研究是有很多问题的:随机性差,可重复性不怎么好,像针的材质、针尖角度、直径、刺入速度都会有明显影响。如果把这些因素搞明白了,重复性会好点——仍然是在提醒浅/慢刺试验的意义(储能强制国标44240就只要求过浅刺)。这篇文章的内容对于NCM适用,而LFP的电压曲线太平,电压检测更困难,这应该是一个新的挑战,或者说也会是下一个值得研究的重点。另外圆柱,或者其它的方形软包内并联模组,它们不可避免的存在互相充放电平衡的类均衡效应,也是个问题(你就很难第一时间发现内短路的端倪了)。所以从这个方面是不是也意味着,方形和软包做这种多并,先天就不是一个好的选择(圆柱你是没办法不可能不并)?毕竟哪怕全串系统,系统里的均衡也会起作用,这先天就会压低一部分P1检测出的概率。作者也说,这篇文章的多层极片模型只考虑了正负极材料之间的短路,没考虑集流体短接机理,它们认为这个是太激烈的反应(这种太剧烈可能快速就着了?云数据记录不了?)。该模型只考虑了纯电学,没考虑更复杂的电化学和热机制——我倒是觉得,如果后面有可能把这些机理都考虑进去,模型会更严谨(当然也更复杂)。来源:弗雷刘

未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习计划 福利任务
下载APP
联系我们
帮助与反馈