锂电行业领域中国已经节制了从材料、装备、电芯制造到整车等环节，在家当链上已然霸占了较为强势的主导权，但是中国锂电行业依然存在一个“阿克琉斯之蹱”，那便是电池设计仿真软件。目前市场大部分电池企业利用的仿真软件都是国外仿真软件，如COMSOL的COMSOL Multiphysics软件、Gamma Technologies的GT-Autolion软件、Ansys的Ansys Fluent软件等，而工业仿真软件也是全体中国工业领域的软肋。节制设计仿真技能将是我国锂电家当未来发展的一个主要目标。霸占正向设计仿真技能这一家当发展的制高点，将有利于推动我国锂电家当从依赖制造上风转变为依赖技能创新上风的发展办法。
工业仿真软件的呈现依赖于制造业的发展，一个新兴制造业的发展必将带动干系设计仿真技能的进步，从而孕育出新兴工业软件，而设计仿真的进步又将反过来推进行业整体的发展。目前锂电池发展已经涌现了多条技能路线，对能量密度、功率密度、寿命及安全性的哀求越来越高，而耗时长、本钱高的实验试错研发方法越来越难以适应下贱市场的需求，因此须要在设计仿真方面实现较大的打破。同时，我们把稳到电化学理论仍在不断发展，一些相对新兴的数值仿照算法也逐渐运用到电池仿真领域，这些条件为海内电池CAE仿真软件的发展供应了较为有利的条件。
电池仿真技能正在向多尺度仿真发展
总体上看，现有的主流电池仿真软件仿真覆盖的尺度多集中在电芯及模组系统方面，在微不雅观尺度上的电化学过程的仿真能力上存在一定的瓶颈，在业界部分设计实践过程中很难供应有效的辅导，而打破这些瓶颈须要结合锂电池电化学模型的理论创新来实现。
当前电池仿真技能紧张的发展趋势为多尺度仿真。多尺度仿真即超过微宏不雅观多个尺度，在电池材料本征特性（微不雅观原子、分子层面）、活性材料颗粒、极片、电芯以及电池模组、电池包多个尺度上进行仿真仿照和设计优化。
下图展示了从材料探索到系统设计的多尺度设计和仿照[1]。
图1从材料探索到系统设计的多尺度设计和仿照
提升锂电池正向设计能力须要从材料-构造-工艺-性能这个四面体关系出发。微不雅观尺度上的材料基因组、DFT、MD等方法是从材料本征特性出发，赞助筛选出新型正负极、电解液、隔膜以及粘结剂等材料，开拓新的化学材料体系，知足新型电池能量密度、功率或者安全性上的哀求。另一方面，在颗粒尺度上构建真实极片构造模型，则更多是从电极微不雅观构造出发提高电池整体性能，且可以与制造工艺结合，优化工艺参数，实现设计与制造两端协同优化。
微不雅观尺度上，原子、分子层面紧张采取的理论方法包括基于密度泛函理论的第一性事理打算（DFT）、分子动力学（MD）、蒙特卡洛仿照、相场仿照等。
个中，DFT常用于打算电极材料的构造稳定性、嵌锂电位、迁移路径及锂离子传输动力学和脱嵌锂相变等性子[2]。但是目前可以仿照的原子数量较少，和实际情形的匹配度还不足高。
分子动力学可以得到原子的位置和运动速率等信息，可以揭示材料中离子的扩散机制，特殊是在探测电解液溶剂化构造方面具有天然上风，而离子电导率和介电常数也与电解液构造干系[3]。因此目前业界会利用分子动力学等方法来进行新型电解液开拓时的初次筛选，即先确定一个大致的范围，之后再通过实验等方法进行风雅的筛选，一定程度上缩短了电解液的研发设计流程和周期，可以节省一定的研发本钱。但目前仍旧要办理打算仿照本钱较高、界面反应机理仿照仍很有限等问题。
宁德时期正在通过创立21C创新实验室来构建AI+物理数字化研发体系，这个体系既包括多尺度打算仿照仿真和高通量打算，同时还引入了AI技能，比如机器学习式函数的力场和分子动力学方法，赞助材料筛选和设计，从数亿计的材料里面筛选出最佳的材料。
中创新航也在2022环球新能源与智能汽车供应链创新大会上表示，公司已经通过结合仿真技能与测试的实验技能来进行新产品研发。
图2中创新航OS高锰铁锂产品材料核心技能
中创新航提到了为理解决锰铁锂体系导电性差、电池阻抗高、极化大的业界难题，综合利用了包覆、掺杂、梯度设计等工艺，详细的技能设计综合利用了实验测试手段和材料仿真技能，包括上述提到的原子分子尺度的第一性事理和电芯尺度的电化学仿真技能，比如在设计初期可以用于评估掺杂不同过渡金属元素之后电极材料的导电性能提高多少、内阻办理程度能有多大。
从颗粒尺度上看，在材料开拓和改性的根本上，材料组分已经确定的情形下，为最大限度发挥材料性能，优化电极的介不雅观构造成为提高电极及电池性能的方法路子之一。通过材料颗粒尺度的三维重构结合锂离子电池电化学模型，可以更直不雅观的研究锂离子的浓度分布、电势分布与电极介不雅观微构造间的关系。相较于经典的P2D模型，这类真实极片构造模型的仿真结果更加贴近实际。
由于考虑到颗粒尺度，这种基于颗粒尺度的电化学模型可以更好地和制造工艺相结合。
如果能够建立电池性能与电极微构造以及工艺参数之间模型化的表达，比如正负极材料特色参数（颗粒构造、D10/D50/D90粒径指标、石墨负极的焦原材料等）、极片构造参数（极片孔隙率、孔隙分布、弯曲度）与电池倍率性能、能量密度、循环次数之间的关联，建立相应的数学物理模型，并以此为根本开拓一套仿真软件系统或者叫平台，来系统地辅导材料选型与电极设计将是未来的发展方向之一。
这方面欧洲的Alejandro A.Franco团队做了一系列的事情，建立了一个仿照锂离子电池制造过程并预测其电化学性能的多尺度仿真平台。该仿真平台涵盖了电极介不雅观构造天生、网格划分、有限元或有限体积以及格子玻尔兹曼（LBM）和离散元（DEM）的数值仿照仿真运用[4]。
该平台采取粗粒化分子动力学（CGMD，coarse grained molecular dynamics）模型用于浆料制备和电极干燥过程介不雅观构造的天生，从电极制备工艺追溯仿照电极介不雅观的天生，而不是通过前述的两类模型构建方法，由于成像技能或者仿照产生的介不雅观构造并不是电极的全貌，一样平常都是根据电极样品的均匀特性来表征电极特色。而且CGMD模型考虑了活性颗粒（AM）和碳胶相颗粒（CBD），可以评估CBD的空间位置及其对锂离子传输效果这两点对付整体电化学性能的影响[5]。
图多尺度仿真平台
干燥后的电极介不雅观构造会再通过离散元法（DEM）来仿照辊压工艺过程、LBM（Lattice Boltzmann Model）来仿照注液过程，剖析辊压和注液对电极介不雅观构造的影响，包括孔径分布、迂曲度和颗粒排列等。末了，利用有限元或有限体积法进行单体电芯尺度上的电化学仿真。如此基于3D电极介不雅观构造建立电化学模型，可以剖析电极辊压程度和注液过程对宏不雅观电化学行为的影响，可以建立辊压和注液工艺、电极介不雅观构造及电池整体性能之间的联系。从而帮助设计优化材料选型、电极构造和工艺过程[6,7]。
Alejandro A.Franco团队还开拓了电池数值仿照前处理中的网格划分工具，该工具内置了基于MATLAB开拓的体素化网格划分算法，可以将输入的三维电极介不雅观构造（无论是扫描还是重构得到的）离散成多少个四面体网格，之后网格可以输入到COMSOL中进行宏不雅观尺度上的有限元仿真仿照。INNOV划分网格时可以充分考虑孔隙以及活性材料颗粒（AM）和碳胶相颗粒（CBD）的状态，而不是大略的把AM和CBD简化为一个相。INNOV还可以用来天生全固态电池的构造模型[8,9]。
图INNOV网格划分算法事情流程
此外，该团队还综合利用DoE试验设计（Design of Experiement）、仿真模型和机器学习算法的稠浊建模方法，来预测材料、电极制造和电池性能之间的最佳组合。即将DoE试验和仿真模型得到的结果，经由一个数据驱动的随机电极介不雅观构造天生器扩大样本，再将这些样本用于演习机器学习算法，以求得到制造工艺参数与电极性能之间的关系。有效评估辊压压力、电极组分和初始孔隙率对极片孔隙弯曲度、离子/电子电导率等电极微构造特色的影响，进而创造其对电池电化学性能的浸染规律[10]。
中国电池CAE软件的打破口在于电化学理论和数值算法创新及数据积累
综合来看，中国电池CAE软件的打破口一方面在于电化学建模逐步深入到电极微不雅观和介不雅观颗粒尺度，这部分海内国外基本处于同一起跑线，另一方面一些相对新兴的数值仿照技能被用来探究介不雅观尺度上的电化学反应过程机理。海内电池CAE软件应该聚焦这两个方面进行打破。同时要利用恰当的模型降阶、韶光离散等打算加速方法，兼顾模型的精度和打算效率。
一是不断优化仿真模型及其掌握方程，及时跟踪电池仿真在微不雅观、介不雅观尺度上的前沿进展，将精度更好的理论模型内置在软件之中，并开拓出适配电池仿真领域的网格划分工具。其次是可以向COMSOL学习，保持软件的开放性，这一点是指在建模阶段仿真工程师可以自定义修正设立掌握方程组（偏微分方程组）及其假设条件，而不是只能采取软件内置的方程组。软件不断跟进业界的前辈实践履历，通过加强与业界职员的互助来优化迭代自身软件求解器的性能。相较于其他成熟的仿真领域，这一点对付电池领域的仿真软件更为凸显。
求解方法方面看重利用新的求解方法，并将多种数值算法结合起来，比如LBM、DEM、FEM和FVM结合起来，并看重数值打算方法和工程实际业务场景深度结合。同时工业仿真软件须要权衡精度和效率，这就须要恰当地利用降阶模型、伽辽金投影法、韶光离散方法如龙格－库塔法（Runge-Kutta methods）等打算方法，尽可能确保在不丢失仿真精度的情形下提高打算效率。
除了理论模型和数值算法，仿真软件还须要看重工程履历的积累，特殊是对付电池这一非线性的繁芜系统来说。因此，一方面，海内电池CAE软件公司须要在产品功能上加强与实验测试数据的结合，为设计和仿真职员供应更便捷的仿真做事。详细而言，电池仿真常日须要大量参数输入，部分参数须要标定和实验以及文献参考得来，如果积累了大量的真实测试数据，就可以供应一个丰富的数据库，更加方便快捷供应仿照仿真所需参数，避免由于仿真职员标定涌现问题带来较大的偏差，进一步缩短设计验证周期。
另一方面，海内电池CAE软件公司须要看重加强与电池企业的互助，更好地积累测试和实际制造的数据，以此优化仿真软件性能，更好地实现设计仿真与制造工艺协同。总之，要充分利用好我国节制锂电百口当链这一弘大制造规模的上风，由于海量测试和制造数据中蕴藏着巨大的数据上风，利用好这些数据资产，有利于海内电池CAE软件公司加速发展起来。
仿真与测试相结合，数据平台实现研发全流程协同
研发不仅仅是仿真。研发过程中仿真-测试共同产生的海量数据蕴藏着重要代价，因此工业仿真软件不仅仅要沉淀工艺履历知识的仿真数据，还须要沉淀研发管理、设计仿真的数据管理履历，将设计-仿真-测试全流程标准化。
仿真软件公司参与研发测试数据管理具有主要意义：仿真-测试综合做事有利于为客户提出更多有代价的研发建议，提高客户粘性；可为未来引入AI和打算材料学方法打下良好的数据根本。
在供应研发数据管理、电池电化学参数、表征数据、测试数据和材料等数据体系化存储功能的根本上，更主要的是，海内电池仿真软件公司还可以为企业供应一个统一的研发数据管理剖析平台。
研发数据剖析平台可以为用户供应自动化、标准的测试和仿真剖析报告，帮助电池企业实现电池研发数据的全过程追溯，以及跨部门、跨组织的研发协同。企业可以通过数据平台对测试过程数据和结果数据进行剖析和规律挖掘，尽可能地利用AI等技能提炼出电池内部机理规律，缩短电池的研发周期。
同时电池仿真软件如果能够帮助企业有效管理研发所用到的材料数据，将大大减轻企业仿真包袱、提升仿真精度。由于电池研发也会涉及到种类繁多的金属和非金属材料，不同供应商供应的同种材料、不同工艺制备出来的同类型材料都可能在材料属性特色上存在差异，加上掺杂、包覆等多种工艺，使得电池材料的管理也非常繁芜。仿真软件公司通过综合企业内部的试验、设计、历史积累数据和企业外部材料信息数据资源，帮助企业打造一个企业级的电池材料数据管理系统，可以帮助企业更加方便地获取准确的材料数据，将有效提升企业电池研发仿真精度与效率。
光明在前，道阻且长
电池仿真技能无论是在理论上还是数值仿照方法上都存在拓展的空间，这就为海内电池仿真软件发展供应了技能研发上的条件和空间。而海内电池百口当链的弘大制造规模上风，潜在的测试数据规模上风，也为海内电池CAE仿真软件的发展供应了丰硕的土壤。新兴制造业发展势必带来新产品和新工艺的开拓，进而产生新的设计和仿真需求，为促进仿真软件的发展供应了市场条件。从这个角度上说，电池仿真是海内CAE仿真软件的一个打破口。
目前海内已经涌现一些电池仿真软件公司，如易来科得、深势科技、屹艮科技、鸿之微、海仿科技等。
工业仿真软件发展周期长、开拓难度很高，以多物理场仿真软件COMSOL公司为例，公司在1998年发布了COMSOL Multiphysics的首个版本，迭代发展到本日也已经走过近30年。开拓工业仿真软件须要数学、物理、化学、流体力学、材料科学、打算机技能等浩瀚根本科学和工程科学的科技人才。而且工业软件只有迈向高端这西岳一条路可以走，工业仿真软件企业须要从创立之初就秉承着研发高端技能产品的信念，才有可能从小到大、从弱到强发展起来。
实现电池领域的多尺度多物理场耦合仿真道阻且长，须要多学科人才、知识积累乃至多个细分软件工具的领悟，希望未来海内能有越来越多的公司、人才投入到电池仿真领域中来，一起汇聚成为电芯设计仿真领域磅礴的中国力量！
参考文献
1.Liu X,Zhang L,Yu H,et al.Bridging Multiscale Characterization Technologies and Digital Modeling to Evaluate Lithium Battery Full Lifecycle[J].Advanced Energy Materials,2022,Jun 15:2200889.
2.黄杰,凌仕刚,王雪龙,蒋礼威,胡勇胜,肖睿娟,李泓.锂离子电池根本科学问题(ⅩⅣ)——打算方法[J].储能科学与技能,2015,4(02):215-230.
3.Yao N,Chen X,Fu ZH,Zhang Q.Applying Classical,Ab Initio,and Machine-Learning Molecular Dynamics Simulations to the Liquid Electrolyte for Rechargeable Batteries[J].Chemical Reviews.2022
4.Ngandjong A,Rucci A,Maiza M,et al.A Multiscale Simulation Platform Linking Lithium Ion Battery Electrode Fabrication Process With Performance At The Cell Level[J].Journal of Physical Chemistry Letters,2017:5966.
5.Chouchane M,Rucci A,Lombardo T,et al.Lithium ion battery electrodes predicted from manufacturing simulations:Assessing the impact of the carbon-binder spatial location on the electrochemical performance[J].Journal of power sources,2019,444(Dec.31):227285.1-227285.6.
6.Rucci A,Ngandjong A C,Primo E N,et al.Tracking variabilities in the simulation of Lithium Ion Battery electrode fabrication and its impact on electrochemical performance[J].Electrochimica Acta,2019.
7.Acna B,Tla B,Enpa B,et al.Investigating electrode calendering and its impact on electrochemical performance by means of a new discrete element method model:Towards a digital twin of Li-Ion battery manufacturing-ScienceDirect[J].Journal of Power Sources,2021,485.
8.Chouchane M,Rucci A,Franco A A.A Versatile and Efficient Voxelization-Based Meshing Algorithm of Multiple Phases[J].ACS Omega,2019,4(6):11141-11144.
9.Chouchane M,Franco A A.An Invitation to Engage with Computational Modeling:User-friendly Tool for In Silico Battery Component Generation and Meshing[J].Batteries&Supercaps,2021.
10.Duquesnoy M,Lombardo T,Chouchane M,et al.Data-driven assessment of electrode calendering process by combining experimental results,in silico mesostructures generation and machine learning[J].Journal of Power Sources,2020,480:229103.
转自公众年夜众号：PLM之神
