當下正處于百年未遇的大變革時代，汽車產業正在加速電動化轉型。得益于政府支持，近年來中國新能源汽車產業得到了快速的發展。動力電池作為新能源汽車的核心部件，是汽車產業電動化轉型的關鍵支撐，各大動力電池企業都在加速推進新一代電芯產品的研發。能不能在新產品的研發上率先取得進一步突破，決定了企業在接下來更加激烈的市場競爭中能否取得先機。因此，探索一條更加高效、快速、精準的研發路線（研發模式），對于動力電池企業提升自身競爭力來說非常重要。

一、鋰電池研發現狀

近年來鋰電領域已經表現出創新乏力的疲態，主流公司的代表性創新技術大多集中在結構創新方面，比如2170、4680、刀片電池、蜂窩結構、SPS 、CTP、CTC、麒麟電池、AB電池等。而對于電池本身的創新，除了個別公司外（如特斯拉引入的干電極技術），鮮有報道。造成這種現象的一個原因是結構設計領域有大量成熟的商業軟件作為結構設計工具幫助工程師進行快速精準的虛擬設計評估，而電化學設計領域還處于行業發展的初期階段，行業積淀并不深，電化學設計工具缺席，所以研發模式上還是以傳統的實驗試錯方式為主。



圖片來自仿真秀-賈老師服務項目

這種低效的研發模式導致研發投入極大、研發周期較長，不利于新技術的快速突破。基于試錯積累經驗指導創新的模式在處理復雜多因素工程問題時本身就容易產出片面化結論，難以應對多維度設計尋優問題。另外，試錯式研發過度依賴個人經驗，不利于企業的研發知識沉淀，甚至會引入一些錯誤的經驗。比如，在鎳氫電池時代工程師總結出一套基于HPPC測試表征電池功率能力的方法，這種方法作為經驗被引入到鋰電池功率表征中。

然而，實際應用中發現這種方式計算出的功率很多情況下都跟電池實際功率偏差極大，之后才又發展出試電流試功率的表征方法，雖然表征結果更為精準，但是測試效率有待提升。 相比與電芯的“身外之物”——結構方面的創新，聚焦在電芯主體上，圍繞關鍵本征屬性（能量密度、充電能力、功率、安全性、壽命）與目標市場工況及成本之間的多因子交互設計創新更能體現一個企業的技術實力。

因此，目前行業對于電化學正向設計的需求非常強烈，部分公司已經在嘗試借鑒其他成熟行業發展規律，依托仿真技術來搭建自己的數字化正向設計能力，為接下來更加激烈的市場競爭提前準備。

二、鋰電池仿真技術現狀及發展趨勢

目前鋰電池仿真技術根據建模簡化等效原理大致可以分為幾類：基于響應行為等效處理模型(等效電路)、考慮部分物理過程的半物理模型(單顆粒、集總電池)、基于簡化圖像描述電極物理過程的準物理模型(P2D)、基于非簡化極片結構的3D電化學重構模型以及多場耦合模型。

數學層面上，仿真模型技術本身正在朝著能夠描述更多物理過程的方向發展(或者模型與實體對象的物理相似度越來越高的方向發展)。但是考慮實際工程場景下，仿真模型的應用一方面受限于數學建模技術，另一方面也受限于實驗建模技術(建模表征技術)，所以盡管當前已經有不少高物理相似度的電化學模型報道（如3D重構電化學模型、3D多場耦合等），但是這類模型在工程實踐中的應用并不多，反而是P2D框架下衍生出來的模型在工程實踐中應用的越來越廣泛。

比如，市場上的可以提供鋰電池仿真功能的軟件COMSOL、Autolion、BDS等都內置了P2D模型作為電化學仿真的基礎模型。這些軟件中Comsol的應用更為廣泛，但是也還存在一些缺陷，不能夠直接作為電池設計工具來發揮作用。首先，缺乏設計語言翻譯建模引導，使得經驗設計語言與模型語言之間無法互譯，工程師不知道如何把設計文檔轉換為建模輸入，進而無法嵌入到研發設計流程當中；其次，缺乏典型工程場景下從實驗輸入到仿真輸出的標準化SOP，工程師不知道如何設計建模實驗或者基于已有實驗結果完成建模。Autolion、BDS兩款軟件開發的初衷就是作為電池設計工具的，但是這兩款軟件主要是打包了一些現成的學術成果，結合工程實踐進行模型創新方面的工作做的比較少，所以行業應用比較有限。

需要說明的是，電化學仿真理論本身還不成熟，一些工程仿真需求目前還沒有完善解決方案，或者說仿真方案還沒有標準化，還在持續完善進化中。以老化過程建模為例，雖然學術上針對不同的老化機理都有相應的研究，原則上已經可以考慮電池的老化過程，但是實際工程場景下真實發生的老化過程與文獻中的學術場景相去甚遠。

電池老化是一個復雜的多機理演化過程，不同階段起主導作用的衰減過程是不同的，要準確的描述電池老化行為，需要配合相應的表征手段識別到相應的老化機理以及老化機理的演化時序，否則就不能跟工程實際吻合，即使能在數學上能復現老化現象(也只是一個數學擬合游戲)，也沒辦法真正提供有工程意義的指導。

大量這類需求的存在，就要求仿真模型/軟件要保留一定的開放可進化特點，所以電化學仿真軟件預留一定的開放性接口非常必要。針對處于發展中的領域，仿真工具預留足夠的開放接口，在應用中不斷迭代升級是一種比較靈活的軟件規劃策略。

電化學仿真理論的不成熟一方面帶來了工程應用的困難，另一方面也為國產軟件公司提供了潛在突破機會。近年來，陸續有一些國內公司開始加入電池設計工業軟件的開發中，比如易來科得、屹艮科技、海仿科技、鴻陽智能、北理新源信息科技等。

其中部分公司已經展示出一些初步的代表性技術創新。以易來科得為例，與以往的簡單打包現成學術成果模式不同，這家公司與清華大學李哲老師合作在極片模型上做了一些創新工作。他們通過引入類球棍幾何的方式搭建了非均相電極模型，提供了包含粒徑、導電劑等元素的直觀物理對應，在極片層級上豐富了設計參數輸入自由度，提高了模型與真實極片之間的物理相似度。

不過，通過幾何方式提升模型的物理相似度的方式本身還是有一些局限性的:即使采用類球棍結構堆疊的模型跟真實不規則顆粒堆疊電極結構之間的差異也很大；更多的幾何細節對于網格劃分及求解的收斂性往往帶來不便，同時計算周期往往會增加很多。

對于電極精細模型而言幾何修正并不是唯一方式，還有很多其他途徑可以引入亞極片層級精細描述，比如近年來從一線工程實踐中發展起來的P2.5D模型就是一種非幾何修正的模型。可以預期，隨著技術的進步電化學仿真領域未來可能會有更多創新技術涌現。

從目前的行業狀態中可以看出鋰電池仿真技術未來的主流發展趨勢。一方面，隨著行業對研發設計評估效率的追求，鋰電項目研發過程中仿真手段的參與正在變得不可或缺。另一方面，在利用仿真技術解決研發問題的過程中也可以持續不斷的積累先進工程實踐經驗，迭代升級出更有工程價值更有生命力的仿真技術手段。

這就為仿真技術持續進化為設計工具平臺提供了強的需求驅動力和技術發展土壤，為仿真技術的發展提供一個良性循環條件。因此，隨著正向設計需求越來越強烈，鋰電池電化學仿真朝著設計工具、設計平臺的方向發展的趨勢越來越清晰。

從更長遠的視角來看也可以借鑒半導體電子行業的發展經驗。半導體電子行業中每一個電子元器件都生成一個虛擬器件，借助仿真技術就可以直接拿虛擬器件在軟件設計平臺內進行數字設計，大大減少實物制樣測試費用和周期。未來，鋰電領域也趨向于發展出一套完整的軟件設計平臺（在行業的上下游提供數字材料、數字電芯、虛擬整車等服務），提供自動化、標準的測試和仿真分析流程，幫助電池企業實現電池研發數據的全過程追溯，以及跨部門、跨組織的研發協同。甚至在統一的研發框架下通過標準的流程驅動行業上下游協同研發，在行業的宏觀維度上進一步縮短全鏈研發周期降低研發成本。

三、鋰電池仿真技術亟待解決的問題

業界對仿真技術的終極訴求是以虛擬代替實體，期望在不進行實驗的情況下直接通過仿真手段給出最優工程方案。這是極難達到的，更加務實的方式是基于必要的實驗聯合仿真來：減少昂貴的實驗試錯研發成本（投料制樣、測試表征、迭代優化）、縮短漫長的研發周期、量化定性結論、確定產品應用邊界、探索未知場景、評估技術路線等。

這些訴求就要求仿真技術要具備高準確度（計算結果可信度高，提供強指導性）、高效率（快速建模、快速計算、快速輸出）、高通用性（兼容復雜多樣化的工況）等特征。但是實際情況下很多具體需求都還難以實現，這是因為電化學理論還非常年輕還不夠成熟，這也是電化學仿真難度比較大的重要原因。我們可以把電化學跟傳統成熟仿真領域(比如結構仿真)的特點做一個簡單對比：

1.學科發展史

大約20世紀末傳統電化學理論接近完備，紐曼模型也才 ≈ 40年歷史！

結構力學19世紀中葉開始成為一門獨立的學科。

2.建模參數

（1）電化學:

a.參數數量：以紐曼模型為例，需要確定~50多個參數(熱力學動力學微結構等）

b.物理意義：電化學領域存在參數物理意義不直觀(迂曲度擴散系數遷移率傳遞系數等 )、測量理論不自洽 (比如擴散系數有EIS、GITT、PITT等測試手段，但是測試結果之間無法自洽)

c.表征獲取：需要結合具體工況選用合理的近似測試理論，測試條件復雜

（2）結構力學：

參數少、物理意義清晰、測試容易

3.理論因變量

電化學：濃度、電極電位等(難以測量，需要構建穩定、重現、可逆的參比電極）

結構力學：位移

4.工況復雜度與精度需求

電化學運行工況復雜多樣(CV、EIS、CCCV、MCCV、CPCV、DCR、HPPC、HL、NEDC、WLTC、CLTC、Cycle、Calendar等)，并且電化學行為對工作環境溫度、倍率、荷電狀態等非常敏感；市場對仿真的結果數值精度要求極高

結構力學工況相對簡單，對結果的絕對精度要求不高

5.多物理效應

電化學反應過程本身會伴隨有顯著的熱交互、應力/變形物理過程，所以電化學仿真天然涉及多物理耦合，模型的數學復雜度高。

以上對比就可以看出，電化學理論還處于發展階段，還需要在理論和工程實踐上投入大量創造性的研究工作。

圖片來自仿真秀-賈老師服務項目 建模輸入的問題

從研發角度來說，工程師總是希望建模的實驗輸入盡可能簡化，避免繁瑣的額外測試，最理想的情況是不做實驗輸入，就像第一性原理仿真那樣(實際上第一性原理仿真更不成熟，在工程上的應用更為有限)。然而對于電化學這種唯像理論模型來說，往往又需要非常完善的實驗輸入，才能確保模型的物理預測能力。因此，如何用盡可能簡單的實驗輸入完成建模也是鋰電池仿真領域一個痛點問題。另外，模型中有大量物理意義不直觀，測試表征理論不自洽，難以(甚至不可以)直接測量的物理參數。

準確性問題

準確性是任何仿真技術都繞不開的話題，仿真準確性/預測能力的基礎是：清晰準確的機理+高物理相似度的模型+穩定量化的輸入。也就是說仿真準確性受限于理論和實驗技術兩方面的限制，光有先進的理論（提供清晰準確的機理和高物理相似度的模型）而沒有先進的實驗表征手段（來獲取穩定量化的輸入）也無法保證仿真的準確性！這一點在工作中往往是很容易被忽略的。很多時候仿真不準確大家都會直接去找理論/模型的缺陷，但是問題可能出在實驗輸入環節，比如，建模輸入采用了一個可信度存疑的實驗結果。提升準確性的一個最為有效的方法是在研發過程中制定標準化的仿真實驗迭代修正流程，在項目研發的不同階段逐步迭代修正實驗建模技術。

建模標準化問題

對于研發應用來說只有實現操作標準化、流程標準化才能達到提效降本的作用。目前，鋰電池仿真模型有一部分已經可以實現工程標準化。這類模型的特點是，物理過程/現象的機理清晰，學術界認識統一，模型的輸入量和輸出量有明確的學術定義，且可表征、可量化。針對這種場景，建模仿真的主要工作只需要在既定的框架下把工程場景翻譯成模型的數學語言，建模可操作性強。不幸的是，鋰電領域還有大量非標準化建模場景。比如，建立材料、極片配方等影響循環壽命的理論模型。

這類情況下，往往學術界未關注到或者認知有爭議，問題懸而未決，理論缺口大，建模的輸入量都難以識別。這種場景建模難度就比較大了，往往需要仿真/機理工程師基于待研究問題識別/轉換關鍵輸入量，根據主觀認知，提出潛在的機理假設，從頭構建輸入量與輸出量之間的理論關系模型。對于這類非標建模，工程上很難一步獲得較好的模型，采用分階段逐步迭代完善建模思路更加實用。比如，搭建一個開放的模型框架，在工程實踐中逐步使得模型從 black box到gray box最終往white box發展。

模型求解的問題

隨著模型朝著高物理相似度方向進化，模型的數學復雜度也大幅度提高了，伴隨而來的往往是求解時間成本和收斂性問題。對于研發場景，單次運行時間在幾分鐘以內是一個比較合適的計算耗時，如果太長就會帶來比較差的計算體驗。對于仿真替代實驗測試場景，綜合時間周期縮短到實測周期的~1/10以下，才會比較符合工程期許，才有顯著工程應用吸引力。收斂性方面，模型越復雜，尤其是模型幾何上增加復雜細節，收斂性越差。需要一些創造性的解決方案來平衡收斂性和物理細節之間的關系。

這里特別說明一點，模型物理描述的復雜程度與模擬結果準確性之間不是等價的，甚至實踐中往往是相反的！原因是，更復雜的模型，需要額外增加更多的輸入內容，而這些輸入內容相比常規輸入往往更難獲取、測試更不穩定，而不穩定的輸入必然造成不穩定的輸出。所以復雜模型本身不能提高仿真準確度，但是它可以引入更多的物理細節描述，拓展模型的物理描述能力，比如P2D模型無法描述非均質行為， 3D微結構電化學模型可以描述電極內的非均質行為，而準確性不是模型本身能夠單方面決定的。所以，對于準確性的追求，單單是模型技術的進步是不夠的，還需要先進的實驗建模技術來提供支持。

除了以上提及的這些問題之外，鋰電池仿真還有很多其他問題需要解決，比如，工程欠約束條件下的多解問題等，這里就不一一展開了。

圖片來自仿真秀-賈老師服務項目

四、淺聊一下大數據

大數據也是近幾年來的高頻熱詞，很多領域也在嘗試利用大數據來輔助研發。但是在鋰電池研發過程中，大數據應用的場景不太明朗。鋰電研發屬于重資產投入場景，所以核心訴求是盡可能減少實驗試錯，從而減少實驗迭代次數，減少測試量。基于這個訴求，鋰電研發過程往往是希望數據量少而精準，追求的是精準“小數據”，這就無法滿足大數據技術對“數據大”的要求。反而在鋰電生產制造過程中，產線上會產生大量數據，在這個場景下，引入大數據技術更具落地可行性，更容易產生實際工程價值。

五、寫在最后

隨著行業的發展，仿真技術在研發過程中的參與度必然會越來越高，最終會朝著設計工具設計平臺的方向發展。一方面會促使研發技術模式的升級，另一方面也會促進仿真技術本身的發展，兩者相輔相成。目前國際上還沒有針對鋰電仿真的專業軟件，這就為國內鋰電仿真軟件的發展提供了機遇。不過當前還有不少鋰電研發人員對仿真技術比較陌生，還不能夠科學地看待仿真技術、科學地運用仿真技術。這里對仿真技術簡單總結如下幾點：

建模仿真的核心任務：是把物理世界的現象/過程通過數學語言描述出來；

建模仿真的工作要點：是用盡可能簡單的數學語言盡可能準確的描述待研究的物理問題/過程/現象；

模型預測能力基礎是：清晰準確的機理+高物理相似度的模型+穩定量化的輸入。

審核編輯：劉清