从「越用越差」到「越用越强」—锂电池早期容量异常上升的工程启示

TL;DR锂离子电池在日历老化和循环老化早期阶段容量并非单调下降—部分条件下会出现可测量的容量回升即异常容量增长abnormal capacity rise。浙江大学 Cheng 等人的综述文章系统梳理了这一现象的三大机制1负极悬垂区释放额外锂源2聚合物/凝胶状界面膜PGF充当可逆储锂空间3电极结构演变激活更多活性位点电化学机械活化。这一发现对传统 SOH 估计、RUL 预测、BMS 算法设计以及电池寿命工程设计均构成实质性挑战也为电池内部可控补偿机制的研究打开了新的思路。关键词锂离子电池、异常容量上升、日历老化、循环老化、负极悬垂区、PGF界面膜、电化学机械活化、SOH估计、BMS算法、电池寿命设计一、问题意识传统老化认知的盲区1.1 容量单调下降假设的由来与局限电池老化研究中一个被广泛接受的前提假设是电池容量随时间单调递减。无论是基于物理模型的等效电路建模、数据驱动的 SOH 估计还是基于 Arrhenius 方程的寿命加速试验设计工程实践中的默认行为是拟合一条单调下降的容量衰减曲线然后通过偏差分析来评估电池健康状态。这一假设的合理性来自热力学直觉——电池内部的副反应SEI 生长、活性材料损失、电解液分解只会增加内阻、减少可用锂离子。在大多数老化数据库中容量曲线呈总体下降趋势异常回升的数据点通常被视为测量噪声或温度补偿不充分而被过滤。1.2 异常容量回升现象的工程忽视事实上在多个独立实验室的长周期老化测试中都观察到过容量在老化早期出现暂时性回升的现象。部分 NMC 体系电芯在高温存储初期表现出容量小幅上升 [1]LFP 体系电芯在早期循环中也出现过容量平台甚至微升 [2]。工程上忽视这一现象的原因是多方面的。一是现象量级较小通常 1%~5%相对于后续容量衰减容易被统计平均所掩盖。二是 BMS 实际运行中容量估计精度受温度、SOC 校准等多重因素影响微小回升往往淹没在估计误差范围内。三是缺乏对现象机理的系统性认识——没有统一解释框架的情况下不同研究者对同一数据可能给出完全不同的归因。Cheng 等人的这篇综述正是针对这一长期存在但未被系统梳理的现象提供了迄今为止最为完整的机制解析框架。1.3 综述的研究范围该综述覆盖了日历老化和循环老化两大类别下的异常容量上升案例涉及石墨/硅碳负极配合 NMC、NCA、LFP 等正极体系通过梳理大量文献中的实验数据将容量回升现象归纳为三个主要的物理化学机制并讨论了各机制的适用条件和限制因素。二、核心创新三大机制的系统梳理2.1 机制一负极悬垂区释放额外锂源2.1.1 基本原理商业锂离子电池的设计中负极容量通常略大于正极两者的比值称为 N/P 比一般在 1.05~1.20 之间。超出正极投影面积的那部分负极材料在工程上被称为负极悬垂区anode overhang。悬垂区的目的是防止极片对位偏差导致正极边缘析锂但它同时具有电化学功能。在电池静置或低倍率循环过程中悬垂区中嵌入的锂离子因浓度梯度向主工作区迁移。这种迁移效应使得原本储存在悬垂区、未参与主回路电化学反应的锂离子被释放出来增加了可用锂离子的总量宏观上表现为容量的暂时提升。2.1.2 适用条件与影响因素这一机制的强度受多个因素调控SOC 水平高 SOC 状态下悬垂区储锂量更大浓度梯度驱动的释放效应在后续老化过程中更为显著。温度高温有利于锂离子扩散加速悬垂区释放过程但高温同时加速副反应如 SEI 持续生长两者形成竞争关系因此高温下的净容量变化取决于两种速率的相对大小。充放电倍率低倍率循环给予悬垂区锂离子更充分的迁移时间效应更明显高倍率下悬垂区的贡献被动力学限制所抑制。N/P 比设计N/P 比越大悬垂区可释放的锂离子越多容量回升潜力越大。2.1.3 量级估计文献中报道的由悬垂区机制贡献的容量回升通常在初始容量的 1%~3% 范围内。对于 N/P 比设计偏高的电芯这一数值可能更高。该机制在日历老化条件下尤其是长期静置后的恢复性测试中表现最为显著。2.2 机制二聚合物/凝胶状界面膜PGF的可逆储锂行为2.2.1 PGF 与传统 SEI 的区别传统的固体电解质界面膜SEI被认为是电子绝缘、离子导通的钝化层其生长过程持续消耗活性锂是容量不可逆衰减的主要原因之一。然而在含过渡金属离子如 Mn²⁺、Ni²⁺、Co²⁺溶出并沉积到负极表面的电极上会形成一种性质不同的界面膜——聚合物/凝胶状表面膜polymer/gel-like film, PGF。PGF 的关键特性在于其电化学可逆性。与高度稳定的无机 SEI如 LiF、Li₂CO₃ 基不同PGF 在充放电过程中可以发生反复的形成与溶解循环。这意味着 PGF 不仅不会永久消耗锂离子反而能够在特定电位窗口内充当额外的储锂空间。2.2.2 PGF 贡献容量回升的路径PGF 对容量回升的贡献路径包括可逆储锂PGF 中的聚合物链段能够嵌入/脱出锂离子在充放电过程中提供额外的电化学容量。改善传输动力学PGF 的凝胶状结构具有较高的离子电导率能够降低界面阻抗改善锂离子在电极/电解液界面的传输效率。动态自修复在循环过程中PGF 的部分溶解暴露出新鲜表面促进新的 PGF 形成形成动态平衡。这种动态特性使得 PGF 在早期循环中维持其功能表现为容量的稳定甚至微升。2.2.3 适用条件PGF 机制主要出现在含锰、镍等过渡金属的电极体系中。高镍 NMC 和含锰体系如 NMC 中 Mn 的溶出、LMO 体系中 PGF 效应更为显著。在高温条件下45°C过渡金属溶出加速PGF 的形成更为充分。此外电解液中添加剂的种类和含量也会影响 PGF 的组成和可逆性。2.3 机制三电化学机械活化暴露更多活性位点2.3.1 电化学机械活化概念循环过程中电极材料经历反复的嵌入/脱出引起的体积膨胀/收缩导致颗粒破碎、晶格畸变、表面裂纹扩展等结构变化。在传统的退化分析中这些变化被归为有害因素——颗粒破碎增加了新的表面面积需要消耗更多电解液来形成新的 SEI同时破碎的颗粒可能失去电子连接成为死区。然而该综述的作者提出了一个不同的视角在特定条件下颗粒破碎和结构无序化能够暴露出原本被包裹在颗粒内部的活性位点缩短锂离子的固相扩散路径从而提升活性材料的利用率。作者将这一过程称为电化学机械活化electrochemical milling类比于工业中的机械化学活化过程。2.3.2 具体机制颗粒破碎暴露新鲜表面破碎产生的新鲜表面虽然需要形成新的 SEI但其短程扩散距离有利于提高反应动力学。对于扩散限制型材料如某些 LFP 颗粒、厚电极中的 NMC 颗粒这种效应可能带来显著的容量提升。晶体结构转变部分材料在循环初期发生从有序到无序的相变无序化后的结构可能提供更开放的锂离子扩散通道。材料无序化增加活性位点密度结构缺陷如空位、位错在某些情况下本身就是储锂活性位点。2.3.3 适用条件与限制电化学机械活化机制具有明显的窗口效应——在老化早期颗粒破碎程度较轻暴露新表面的正面效应占主导随着循环继续破碎加剧导致电子连接丧失和副反应面积急剧增加负面效应超过正面效应容量开始加速下降。因此这一机制解释的容量回升通常是短暂的出现在循环寿命的前 5%~15%。颗粒尺寸、电极孔隙率、粘结剂体系、集流体附着力等工程参数都会影响机械活化的程度和时间窗口。纳米级颗粒由于本身尺寸较小破碎的边际效应有限微米级大颗粒的活化效应更为显著。三、触类旁通与相关研究的交叉对照3.1 与 SEI 动态演变研究的交叉SEI 并非静态结构——这一点已在近年的多项研究中被证实。Xiao 等人通过原位 AFM 和电化学阻抗谱追踪了 SEI 在早期循环中的动态演变过程发现 SEI 的组成和形貌在最初的 20~50 个循环中持续变化 [3]。这一发现与 PGF 机制的动态自修复特性形成了呼应界面膜的可逆性并非个例而是多种界面膜在特定条件下的共性特征。传统 SEI 研究中关注的 LiF 基无机层与 PGF 之间的竞争与共存关系是一个尚未得到充分研究的课题。当两种界面膜共存时其对容量变化的净效应取决于各自的相对比例和电化学活性。综述中讨论的 PGF 机制为理解SEI 组成-容量演化的非线性关系提供了新的分析维度。3.2 与容量再生现象及 SOH 估计的交叉在数据驱动的 SOH 估计领域容量再生capacity regeneration现象——即容量在某些循环节点出现暂时性回升——是一个已知的干扰因素。多项基于 Gaussian Process Regression 和 LSTM 的 SOH 估计研究都专门建模了容量再生现象以提高估计精度 [4][5]。然而这些研究中的容量再生通常被当作统计异常值处理而非赋予其物理化学解释。本综述的贡献在于将容量再生从数据噪声提升为有明确机理支撑的可解释现象为 SOH 估计模型中容量再生的参数化提供了物理约束条件。例如模型可以引入悬垂区释放动力学方程来约束再生容量的上界或利用温度-容量回升相关性来辅助区分不同机制的贡献。3.3 与 LFP 早期快速衰减的交叉LFP磷酸铁锂体系在循环早期经常出现所谓的快速衰减rapid capacity fade现象即在一段相对稳定的容量保持之后突然加速下降 [6]。这一现象被认为与 LFP 颗粒内部的相分离动力学和多米诺式脱锂机制有关。值得注意的是在快速衰减发生之前部分 LFP 电芯表现出容量的短暂平台甚至微升。这与电化学机械活化机制形成了对照早期循环中的颗粒微破碎可能暂时改善了 LFP 的动力学性能LFP 本身是典型的扩散限制型材料但在相分离应力的持续积累下颗粒最终发生灾难性断裂导致快速衰减。3.4 与日历老化浮充电流研究的交叉日历老化中电池自放电与内部微短路产生的浮充电流可能影响容量测量结果 [7]。悬垂区锂释放缓慢扩散控制时间常数数百小时与浮充电流效应取决于微短路程度在时间尺度上存在叠加。实验设计中需区分这两种效应的贡献才能准确解析日历老化中的容量回升现象。四、工程落地评估4.1 BMS 算法修正方向4.1.1 容量估计模型的调整当前主流的 BMS 容量估计算法如安时积分法结合 OCV-SOC 校准默认容量是单调递减的。当出现容量回升时算法可能出现 SOC 校准偏差导致累积误差。修正方向包括引入非单调容量模型在容量估计的状态空间模型中允许容量状态变量出现正向增量。可以通过在状态转移方程中添加容量回升概率项来实现该项可由温度和循环次数等可观测变量驱动。多参数联合监测仅凭容量变化难以区分回升机制需要结合内阻演化趋势悬垂区释放通常不改变内阻而 PGF 可能降低界面阻抗、自放电率变化悬垂区释放可能伴随自放电率变化等多维信息。自适应遗忘因子在基于递推最小二乘或卡尔曼滤波的参数估计中对早期数据采用较短的遗忘因子允许模型快速适应容量的非单调变化。4.1.2 RUL 预测的修正基于单调衰减假设的 RUL 预测模型如 Wiener 过程、粒子滤波在遇到容量回升时可能出现预测发散。可通过分段建模将寿命分为早期波动段和稳定衰减段或引入隐马尔可夫模型来区分不同退化模式提高预测鲁棒性。4.2 电池设计新思路4.2.1 负极结构的可控设计悬垂区释放机制揭示了负极几何设计中隐含的容量补偿功能。这启发了一种新的设计思路可控悬垂区设计通过优化负极悬垂区的面积和孔隙率结构调控悬垂区锂离子的释放速率使其在老化中后期的容量衰减阶段提供持续的补偿效果。梯度 N/P 比设计在极片不同区域采用不同的 N/P 比使得悬垂区释放的时空分布与主工作区的衰减模式相匹配。4.2.2 界面工程的优化PGF 机制表明特定类型的界面膜不仅不是纯损耗还可以在特定条件下提供电化学功能。这对界面工程研究的启示包括可控 PGF 构建通过电解液添加剂设计有意构建具有一定可逆储锂能力的界面膜在不牺牲循环稳定性的前提下提升早期容量保持率。过渡金属溶出的利用高镍体系中的过渡金属溶出传统上被视为退化因素但 PGF 机制提示其在早期可能具有正面效果。如何在利用 PGF 正面效应的同时抑制其长期负面效应是一个值得探索的方向。4.2.3 颗粒尺寸与电极结构的协同优化电化学机械活化机制提示特定粒径范围内的电极颗粒在早期循环中的破碎可能是有益的。可探索的优化方向包括通过预处理循环引发适度机械活化以提前暴露活性位点以及选用具有自修复功能的粘结剂体系以延长活化效应的正面时间窗口。4.3 产业化可行性与时间线评估从实验室发现到产业化应用上述工程启示的落地路径和时间线大致如下方向可行性预计时间线主要障碍BMS 算法修正非单调模型较高2~3 年需要在大量不同体系电芯上验证模型的鲁棒性多参数联合监测中等3~5 年依赖内阻在线测量精度的提升可控悬垂区设计中等3~5 年需要与电池制造工艺兼容可控 PGF 构建较低5~8 年添加剂开发周期长需平衡多方面性能预活化处理工艺较低5~8 年增加生产工序需评估成本效益BMS 算法层面的修正相对最为可行——它不涉及硬件变更可以通过 OTA 更新实现且已有部分 SOH 估计文献开始引入非单调退化模型。电池设计层面的改进则需要更长的开发周期涉及材料-电极-电芯-系统多尺度的协同优化。五、FAQQ1异常容量上升是否意味着电池越用越好否。综述中讨论的容量回升仅出现在老化早期阶段且回升量级有限通常不超过初始容量的 5%。在回升阶段之后电池仍然会进入稳定的容量衰减通道且后续衰减速率并不因此减缓。容量回升是多种短期可逆效应的叠加表现不改变电池长期退化的基本趋势。Q2哪些电池体系更容易出现异常容量上升根据综述的梳理以下体系条件更易出现该现象N/P 比设计偏高的电芯悬垂区效应、含锰或高镍的电极体系PGF 效应、使用微米级大颗粒活性材料的厚电极电化学机械活化效应。LFP 体系在特定条件下也观察到类似现象但机理可能有所不同。Q3BMS 工程师需要立即修改算法吗消费类电池中容量回升量级通常在估计误差范围内短期内无需紧急修改。对于储能系统和电动汽车等对 SOH 精度要求较高的场景建议在下一代 BMS 算法升级中纳入非单调容量模型特别是使用高镍体系或硅碳负极等更易出现容量回升的电池时。Q4异常容量上升是否影响电池的 warranty 计算当前质保计算基于容量单调衰减模型加安全裕度。回升量级在裕度范围内则不影响质保执行若超出预期可能导致基于初期数据 extrapolation 的寿命预测出现偏差质保模型中纳入非单调退化值得考量。Q5如何区分异常容量回升与测量误差关键判据包括1回升是否在不同测量周期中可重复出现2回升是否与特定的温度、SOC、倍率条件存在相关性3是否伴随内阻或自放电率的相应变化。如果容量回升仅出现在个别数据点且无物理量相关性则更可能是测量误差如果呈现系统性的、与环境条件相关的回升趋势则更可能是真实的电化学现象。本解读文章旨在对学术论文进行客观梳理和分析讨论。文中涉及的机制描述、工程评估和未来展望均基于对原文及相关文献的理解不代表对任何特定电池技术路线或商业产品的推荐。参考文献[1]: Attia, P.M., Grover, A., Jin, N.et al.Closed-loop optimization of fast-charging protocols for batteries with machine learning.Nature578, 397–402 (2020).[2]: Tiwari, R.V.; Rao, L.C.; Basaran, C. Review of State-of-the-Art Degradation Models for Lithium-Ion Batteries.Entropy2026,28, 669.[3]: S. Y. Kim, S.-M. Bak, K. Jun, G. Ceder, G. Chen, Revealing Dynamic Evolution of the Anode-Electrolyte Interphase in All-Solid-State Batteries with Excellent Cyclability.Adv. Energy Mater.2024, 14, 2401299.[4]: T. An, Z. Liu, C. Yan, K. Xu and H. Su, Improved Hybrid Gaussian Process Regression Model for State-of-Health Estimation of Li-ion Batteries,2024 China Automation Congress (CAC), Qingdao, China, 2024, pp. 728-733.[5]: Li, X., et al. State-of-health estimation of lithium-ion batteries using LSTM network with capacity regeneration modeling.Journal of Energy Storage, 2023, 64(1): 107063.[6]: Hu, C.; Geng, M.; Yang, H.; Fan, M.; Sun, Z.; Yu, R.; Wei, B. A Review of Capacity Fade Mechanism and Promotion Strategies for Lithium Iron Phosphate Batteries.Coatings2024,14, 832.[7]: Xiaofan Cui, Florian Stroebl, Maitri Uppaluri, Vivek N. Lam, William C. Chueh and Simona Onori. 2025J. Electrochem. Soc.172060521主文献Cheng, H., Xiao, Y., Xiong, R., Lu, Y. Ke, X. Abnormal Capacity Rise During Early Stage of Calendar and Cycling Aging for Li-Ion Batteries: A Review.Advanced Energy Materials, 2026. DOI: e71268