SSB蓄电池锂离子电池的鲁棒紧急快速放电算法

2026-03-10 20:17:12

Abstract

本文提出了一种新型电池紧急放电控制算法，旨在快速降低荷电状态并减少热失控风险。该紧急放电过程可能引发危险，尤其是当放电速率导致高欧姆热生成时，会加速固体电解质界面膜（SEI）的退化速率，进而造成软包电池的排气与破裂。为降低这些风险，我们提出基于控制屏障函数（CBF）的算法来确保紧急放电过程的安全性；同时采用扩展卡尔曼滤波（EKF）的状态估计器来预测不可测状态（如SEI层分解的摩尔分数），该参数对快速放电期间的安全保障至关重要。控制器的有效性通过含电解质的单粒子模型（SPMe）进行验证，并采用蒙特卡洛方法分析其鲁棒性。

引言

近期事件凸显了锂离子电池相关的重大安全挑战。2025年1月，加州莫斯兰汀Vistra Energy锂电池工厂发生重大火灾，有毒烟雾导致多达1500名居民被迫疏散。由于锂离子电池的化学特性使灭火极为困难，最终只能任其自然燃尽(Press, 2025)。2020年，亚利桑那州苏prise市亚利桑那公共服务公司（APS）设施爆炸事件经溯源确认为热失控所致，该过程释放的可燃性气体后续被引燃（Conzen等，2023；Zalosh等，2021）。类似地，2021年中国某电动公交车停车场火灾中，电池泄放的可燃气体导致火势向邻近车辆快速蔓延，这印证了高密度停放场景下火灾传播的风险（HotCars，2021）。
这些事件突显了锂离子电池中两种相互耦合的危害：热失控与泄放当产热速率超过散热能力时，便会发生热失控，产生自加速温升并可能引发火灾（Wang等，2012）。泄压过程会释放易燃或有毒气体，通常由电解质分解或其他内部反应引发的超压作为Trigger，进而加剧电池组内的火势蔓延（Xu等，2023）。这两种现象可能由电气滥用、机械滥用或热滥用引发（Amba Prasad Rao和Shravan Kumar，2024），具体诱因包括过充、物理损伤、制造缺陷、长期高温暴露，以及内部或外部短路导致的大电流放电（Larsson和Mellander，2014）。
紧急放电是此类场景下可行的应对措施。如Golubkov等人(2015)和Joshi等人(2020)所述，降低电池的荷电状态(SoC)可减少储存能量，从而限制热事件的严重程度。当对结构完好但存在滥用风险的电池实施快速放电时，通过从高风险模组中移除能量，有助于防止火灾蔓延和热失控事件的发生。实证研究表明，低SoC电池在滥用条件下释放的能量显著减少，从而降低火焰强度和蔓延风险(Joshi, Azam, Lopez, Kinyon, Jeevarajan, 2020; Zhu, Sun, Wang, Wang, Lin, Shan, 2023)。基于这些研究发现，美国运输部规定将航空运输中锂离子电池的SoC限制在30%以内(Pipeline, 2024)。
实施电池快速放电会带来特有的安全挑战。大电流产热会加速电池性能衰减，而电解液分解可能导致泄压（Ouyang等，2024）。为保障电池安全，标准电池管理系统（BMS）通常强制执行电热约束条件，包括制造商规定的电压/电流限值、预防过放与过充的荷电状态（SoC）限值，以及确保热安全性的最高温度阈值（Rahmani等，2025）。然而这些标准BMS的设计目标是将电池工作状态维持在远低于泄压阈值的范围内对于快速紧急放电场景，电池需要工作于（或接近）泄压阈值的范围内针对这些工况的电池控制算法设计泄压限制在现有文献中关注有限，这仍是电池控制领域中尚处萌芽阶段的研究方向。

针对快速电池放电的首批控制算法在泄压极限条件下采用了模型预测控制（MPC）方法（Ebrahimi, de Castro, Tran, Stefanopoulou, Feng, 2024; Tran, Siegel, Stefanopoulou, 2023）。该方法能够在优化性能指标（如放电时间）的同时，强制实施多重安全约束。虽然为解决该控制问题提供了有效方法论，但其计算需求较高，这导致在计算能力受限的嵌入式系统上部署时存在复杂性。
控制屏障函数（CBFs）是另一种颇具吸引力的方法（Ames等人，2017）。该方法基于集合不变性原理将系统状态维持在预设安全限值内，且通常计算开销较低，因而对实时嵌入式系统具有特殊优势。在电池领域，CBFs近期已被应用于快速充电场景（Feng, de Castro, Ebrahimi, 2024; Kossek, Trimboli, 2025），其通过聚焦正常工况下的电热约束来优化安全性与充电时长。然而，这些既往研究均未涉及在紧急放电场景中至关重要的排气或产气限制。本研究通过提出新型CBF框架弥补了这一不足，该框架不仅强制执行电热约束，还泄压阈值的范围内据我们所知，这是首次泄压限制在基于控制屏障函数（CBF）的电池控制框架中提出该方案。此外，我们证明基于CBF的公式化方法能够提供与最先进模型预测控制（MPC）方法相当的放电性能和约束满足度，同时将总计算时间缩短15倍以上。

实现电池快速放电泄压极限控制算法需要获取无法直接测量的关键电池状态参数，如荷电状态（SoC）、电芯内部温度以及固体电解质界面膜（SEI）分解程度。为满足这一需求，现有文献已提出多种估计方法用于预测SoC（Charkhgard与Farrokhi，2010；Wang等，2021）和电芯内部温度（Kim等，2014；McCarthy等，2022）。然而，作为引发电池泄压的关键因素，SEI分解的估算研究目前仍较为欠缺。
SEI（固体电解质界面膜）是在锂离子电池负极表面于初始充放电循环过程中形成的保护层（Pinson和Bazant，2012）。作为锂离子电池中最热敏感的成分之一，当内部温度达到80℃时该界面膜即开始分解。^∘根据Zu等人的研究（2021年），这种分解过程会导致燃料费（如二氧化碳和氢气）的释放（He等人，2022年）、电解液汽化以及内部压力升高。一旦内部压力超过"临界阈值"，电池阀门会开启并释放通常具有高度可燃性的燃料费（Wang等人，2024年）。由于该排气过程主要由SEI分解驱动，在紧急放电期间监测并估算此状态至关重要。
先前的研究已通过侵入性技术直接测量了固体电解质界面膜（SEI）的分解过程，该方法涉及post-mortem在惰性环境中拆解并使用X射线光电子能谱（XPS）或扫描电子显微镜（SEM）等昂贵实验室装备进行分析（Wu等，2021）。然而，这些技术不适用于实际应用场景（如电动汽车车载环境）中电池的实时监测。另一种侵入性较低的方法涉及使用电化学阻抗谱（EIS）（Lin、Hu、Yang、Pan、Xia、Wei、Gong、Yang，2025；Steinhauer、Risse、Wagner、Friedrich，2017）。该框架内，SEI层通过影响电池高频响应的等效电阻和电容进行建模。此方法需向电池注入（微弱）正弦电流并扫描频率范围，测量产生的电压响应后，采用参数优化方法（Santoni等，2024）拟合实测频率响应。该方法的缺点是需要探测电流，这要求将专用电子设备集成并部署在电池系统内——这种做法目前在工业界尚未得到广泛采用。
针对这些缺陷，本文提出一种基于扩展卡尔曼滤波器（EKF）（Plett，2004）的虚拟传感方法，用于估算SEI分解。该新方法仅需非侵入式测量温度、电压及电池扩展包，并配合SEI分解与电池内部压力的降阶模型。与基于EIS的方法不同，本虚拟传感方法无需额外电子设备来生成探测电流。据作者所知，这是文献中首次提出此类虚拟传感公式化方法。

我们提出一种基于CBF的新型框架，可快速对电池进行放电泄压限制.

• •
  为实现CBF框架中泄压约束的工程应用，我们提出了一种电池压力模型的多项式近似方法，该方法可有效降低建模复杂度。基于此公式化表达，我们推导出与泄压极限相关的一组充分条件，这些条件能保证CBF安全控制集的数值可行性。此外，我们将鲁棒方法应用于CBF框架，以确保在模型存在不确定性的情况下仍能强制执行安全约束。
• •
  我们提出一种基于扩展卡尔曼滤波（EKF）的新方法，用于快速放电过程中固体电解质界面（SEI）分解状态的估计。通过可观测性分析，验证了采用非侵入式测量参数（电压、温度及电池扩展包形变）结合降阶机械/燃料费模型来估算这一引发电池排气关键状态的可行性。
• •
  通过大量蒙特卡洛模拟评估了紧急放电控制器的鲁棒性。通过评估多参数不确定性对泄放安全约束执行的影响，进行了敏感性分析。最终设计方案在基于PyBaMM开发的电解质单粒子模型（SPMe）上进行了物理模型模拟验证。