[论文解读] A Continuum of Physics-Based Lithium-Ion Battery Models Reviewed

Ferran Brosa Planella, Weilong Ai+14 more|arXiv (Cornell University)|Mar 30, 2022

Advancements in Battery Materials被引用 8

一句话总结

本文提出了一套统一、系统化的框架，基于多孔电极理论中的降阶技术，从高保真度的微尺度模型推导出一系列基于物理的锂离子电池模型——从高保真度的微尺度模型到简化的模型（如单颗粒模型，SPM）——实现连续统一体系。其核心贡献是建立了一条连贯的推导路径，解决了文献中长期存在的不一致性问题，并可根据应用场景需求进行模型选择，同时将框架扩展至热效应和退化模型。

ABSTRACT

Physics-based electrochemical battery models derived from porous electrode theory are a very powerful tool for understanding lithium-ion batteries, as well as for improving their design and management. Different model fidelity, and thus model complexity, is needed for different applications. For example, in battery design we can afford longer computational times and the use of powerful computers, while for real-time battery control (e.g. in electric vehicles) we need to perform very fast calculations using simple devices. For this reason, simplified models that retain most of the features at a lower computational cost are widely used. Even though in the literature we often find these simplified models posed independently, leading to inconsistencies between models, they can actually be derived from more complicated models using a unified and systematic framework. In this review, we showcase this reductive framework, starting from a high-fidelity microscale model and reducing it all the way down to the Single Particle Model (SPM), deriving in the process other common models, such as the Doyle-Fuller-Newman (DFN) model. We also provide a critical discussion on the advantages and shortcomings of each of the models, which can aid model selection for a particular application. Finally, we provide an overview of possible extensions to the models, with a special focus on thermal models. Any of these extensions could be incorporated into the microscale model and the reductive framework re-applied to lead to a new generation of simplified, multi-physics models.

研究动机与目标

• 通过从统一的高保真度基础模型推导简化电池模型，解决文献中的不一致性问题。
• 提供从微尺度模型到广泛使用的简化模型（如DFN和SPM）的系统化降阶路径。
• 根据精度、计算成本和物理保真度之间的应用特定权衡，指导模型选择。
• 将框架扩展至包含热效应和退化机制，实现多物理场建模。
• 通过支持参数化与实时及设计应用中的先进模型实现，推动工业应用。

提出的方法

• 通过将渐近分析与均质化技术应用于微尺度模型，实现空间与时间尺度的降阶。
• 采用体积平均方法实现从微尺度到均质化模型的过渡，捕捉有效传输特性。
• 通过进一步简化（如忽略电解质动力学或假设颗粒浓度均匀）推导出SPMe和SPM模型。
• 通过能量平衡方程集成热模型，利用集中式或分布式的热表示方法，耦合电化学与热动力学行为。
• 采用现象学与机理建模方法，将退化机制（如SEI生长、颗粒破裂）系统性地整合进连续介质框架。
• 采用模块化结构，支持向相场模型、电容层及多颗粒电极等方向的扩展。

实验结果

研究问题

• RQ1 如何建立一个一致且统一的框架，从高保真度的微尺度模型推导出简化电池模型？
• RQ2 从Doyle-Fuller-Newman（DFN）模型到单颗粒模型（SPM）的推导过程中，关键假设与近似是什么？
• RQ3 模型保真度与计算成本之间的权衡如何影响电池设计与实时控制中的模型选择？
• RQ4 将热效应与退化机制纳入降阶框架会产生何种影响？
• RQ5 如何将该框架扩展以包含相变、电容层及机械应力等先进现象？

主要发现

• 作者通过一致的降阶过程，成功从统一的微尺度基础模型推导出DFN与SPM模型，解决了长期存在的模型公式不一致问题。
• SPMe模型被证明在保留电解质动力学的同时简化了电极行为，实现了精度与计算效率之间的良好平衡。
• SPM被验证为实时应用中的高效模型，但在高倍率或非均匀浓度条件下精度下降。
• 通过集中式或分布式的热模型实现热耦合是可行的，且可逆与不可逆热源均可从电化学反应中推导得出。
• SEI形成与锂金属电镀等退化机制可系统性地整合进该框架，实现电池寿命的预测性建模。
• 该框架通过将降阶技术应用于扩展的微尺度模型，支持开发新型简化多物理场模型，为下一代电池建模铺平道路。