電池究竟是什么？電池技術(shù)來自何方，走向何處？
來源：寶鄂實業(yè)
2019-04-15 20:08
點擊量：次
十年讓鋰電池儲電量翻倍，成本減半
在第四期青創(chuàng)聯(lián)盟線上研討會上，哥倫比亞大學材料系助理教授楊遠從材料學的角度回顧了電池的歷史、現(xiàn)狀以及未來發(fā)展方向。
在研討開始，楊遠教授介紹了材料科學的歷史和研究熱點。他介紹了人類的發(fā)展史可以說是一部材料發(fā)展史。無論從石器時代到青銅時代還是如今的硅時代（電子產(chǎn)品大量使用硅材料）。
據(jù)楊遠教授統(tǒng)計，過去20年，諾貝爾物理獎和化學獎得主有四分之一來自材料領(lǐng)域，足見人們的重視程度。
隨著數(shù)字時代的到來和人類開始對可持續(xù)發(fā)展愈加重視，電池的應用領(lǐng)域正不斷擴大。
人們對電池性能提出了更高的要求，比如人們需要待機時間更久的手機、續(xù)航里程更長的汽車、太陽能和風能的大規(guī)模儲能需求、可穿戴設備如心臟起搏器（通常10年一換，有了更好的電池可以一輩子不換）等。
這么多的應用場景也就向電池的能量密度、使用壽命、安全性、生產(chǎn)和使用成本等方面提出了新挑戰(zhàn)。
以時下最常用的鋰離子電池為例，楊遠教授介紹稱現(xiàn)在鋰離子電池的能量密度已經(jīng)達到250Wh/kg。未來10-15年的目標是將其能量密度從250Wh/kg提高到500Wh/kg，成本也下降到現(xiàn)在的一半。
為了達到這一目標，楊遠教授介紹了未來電池的兩個發(fā)展方向。一個方向，使用新的材料，比如負極用鋰金屬代替商用石墨，正極使用高鎳的三元材料或者硫。
另一個方向是用純固態(tài)電解質(zhì)替代液態(tài)電解液，以提高電池的容量和安全性。
楊遠教授還指出，有些媒體報道稱“石墨烯電池能讓電動車五分鐘充滿電，一次跑1000公里”。這一說法是過分夸張的。讓鋰離子電池能量翻倍，更加切實可行。
楊遠教授還介紹了如何通過同步輻射光源，也就是比普通X光強上億倍的光源，來給電池照相，看到電池在充放電中的變化、找到電池的缺陷。把這些照片和大數(shù)據(jù)以及AI相結(jié)合，可以了解電池材料和器件的性能，進而更好的了解電池的內(nèi)部特征。
在報告的最后，楊遠教授介紹了自己的兩個研究方向：
1.金屬鋰枝晶的生長。鋰金屬電池的安全隱患主要因為金屬鋰在使用過程中會產(chǎn)生枝晶，枝晶可能會刺穿正負電極中間的塑料隔膜，進而造成短路引發(fā)電池著火。通過研究鋰枝晶的生長過程進而找到解決方案，提升鋰電池的安全性。
2.制作柔性電池。通過把電池做成類脊椎狀結(jié)構(gòu)，然后把硬的部分和軟的部分連接起來，可增加電池的柔性?？梢杂糜谌嵝噪娮赢a(chǎn)品，例如智能手表的表帶，柔性顯示屏等等。
同步輻射光源+大數(shù)據(jù)+AI+新材料
一同參加青創(chuàng)聯(lián)盟線上研討會的青創(chuàng)聯(lián)盟成員還有美國阿貢國家實驗室物理學家同時也是本次研討會的主持人周華、清華大學計算機系副教授崔鵬、休斯頓大學電氣工程及材料科學工程系副教授姚彥。
幾位專家就如何提高電池能力密度和壽命等專業(yè)領(lǐng)域進行了探討，具體內(nèi)容如下：
楊遠：如果下一代同步輻射光源亮度增強數(shù)十倍，能否檢測到電解液中的輕元素？研究會有哪些幫助？同步輻射光源對電池研究會有哪些幫助，如何利用它來全面地表征電池的反應？
周華：輕元素是個物理本質(zhì)上地問題，光源更亮可能幫助不大。因為X-Ray是基于電子的，鋰和氫這種輕的元素，光源強度再強在本質(zhì)上幫助不大。但是亮度增加帶來了一些新的技術(shù)，如基于相干成像的一些成像和動力學的手段。
電池體系比較復雜，電池性能的失效過程是有相關(guān)性的，一個區(qū)的失效和另一個區(qū)的失效可能有一定的關(guān)聯(lián)性。在未來的一些關(guān)聯(lián)上的相干X射線會提供一定的幫助。
在時間尺度上可以用更快的方式拍照，看得更精準一些。同時聚焦也更容易，成像會更三維和動態(tài)，對電池這些復雜的體系來說表征就更容易，而且未來的表征會更多元化。
楊遠：如果人工提取一些具有物理含義的特征，然后把它作為一個參數(shù)把譜線輸入到數(shù)據(jù)模擬里面，如何使用數(shù)據(jù)分析來預測電池的性能？
崔鵬：如果說我們的唯一目標就是要做一個預測。比如說就是想預測電池到底哪個部分是壞的，哪是好的，或者是說它的性能到底是能夠達到多少。
在訓練數(shù)據(jù)量足夠的情況下，比如提取一千萬條譜線再選擇六個參數(shù)（噪音水平、峰位、峰高等），再加上比較好的一些機器學習的算法。我相信會比現(xiàn)在的這六個參數(shù)的性能要好。
但如果還要知道為什么，machine learning就沒有辦法去告訴他到底為什么會這樣。在百萬量級的參數(shù)空間里我們沒有辦法很好的去解釋這個模型。
但通過大規(guī)模數(shù)據(jù)的驅(qū)動，我們能發(fā)現(xiàn)一些原來經(jīng)典學科推理不出來的一些動力學的定律。那這個方向和電池這種交叉性的研究可能會貼得更近一些。
在這種情境下我們要能夠從大規(guī)模數(shù)據(jù)里面去發(fā)現(xiàn)一些新的定律出來。這就要依賴于一些新的一些模式或定律的發(fā)現(xiàn)，進而能夠促進電池性能上有進一步的提升。
楊遠：電池電解液離子的分布以及鋰枝晶的生長速度和表面的離子分布的相關(guān)性研究，有沒有簡單的方法把電池數(shù)據(jù)和圖像讀取進去，然后利用deep learning 自動地去找一些特征的feature？
崔鵬：原來我們處理圖像的方式是人為的定義一些特征，比如抽取譜線的角點，抽取這里面的SIFT或者Gabor、小波等特征。然后設計出來一個維度相對可控的特征集，就可以在一個合適的尺度范圍內(nèi)找到一個合理的解。
但deep learning如果不抽取任何特征，把千萬條譜線全部輸入進去，會帶來一個問題就是空間維度非常高。
所以deep learning要成功必須要有兩個因素：第一個就是你的數(shù)據(jù)量要充分；第二個就是你的算力要足夠到能夠處理這么大規(guī)模的數(shù)據(jù)和這么高維的空間。
周華：如何開發(fā)具有更高能量密度、更長壽命，更便宜和安全的電池？
姚彥：首先提到高能量密度、長壽命、更便宜、更安全，其實這幾個方面都很重要。但是現(xiàn)在還沒有任何一種電池同時滿足這四方面的要求，所以完全是根據(jù)具體的應用場合。
比如說電動汽車對高能量密度要求更高，對安全性要求更高。比如在大規(guī)模風能或太陽能的儲能方面對價格和安全性要求更高。
安全性其實不光是電極材料的問題，還涉及到電解質(zhì)的問題。所以現(xiàn)在全世界范圍內(nèi)都比較熱的全固態(tài)電池、水系電池都是新的研究方向。
現(xiàn)有的鋰離子電池的價格雖然大幅下降，但用到大規(guī)模儲能上還是有很大挑戰(zhàn)?，F(xiàn)在很多電極材料含有鈷和鎳，這些元素在地球上的產(chǎn)量是有限的而且受到地緣政治影響，價格波動非常大。
所以在過去這幾年中，中國電動汽車發(fā)展非?？?。從2015年的15萬輛到去年是70萬輛，今年有可能更多，所以就要考慮到是不是有足夠的鋰、鎳或者鈷來支撐這么多電動車的需求。
所以我們要開發(fā)新的材料體系，比如說用鈉或鎂，亦或是不用含鈷鎳的金屬，而是用地球上更豐富的元素來做新的電池。
但是，未來4-5年里，鋰離子電池在電動汽車領(lǐng)域仍然會占據(jù)統(tǒng)治地位（95%以上的市場份額）。因為，它仍然是能力密度最高的一種電池。
