电动汽车大功率充电过程动力电池充电策略与热管理技术综述

吴晓刚，崔智昊，孙一钊，张 锟，杜玖玉

（1哈尔滨理工大学汽车电子驱动控制与系统集成教育部工程研究中心，黑龙江哈尔滨 150080；2清华大学汽车安全与节能国家重点实验室，北京 100084）

电动汽车具有节能、减排以及环保的优点，得到了世界各国的高度关注，相关产业迎来了高速的发展。由国际能源署发布的预测结果表明，预计到2030年世界各国电动汽车保有量总和将达到2.4亿辆[1]。然而，由于锂离子动力电池的能量密度限制，里程焦虑成为了电动汽车大力推广的主要障碍之一[2-3]。主要体现在电动汽车较长的充电时间已无法完全满足用户体验的需求[4]。为解决电动汽车充电时间长的问题，大功率快速充电技术得到行业内的广泛关注，并被认为是未来电动汽车能源补给的一种重要的形式。

国内外对于电动汽车快速充电的标准至今还尚未统一，美国能源部在2011 年提出的报告中将电动汽车快速充电目标定为每分钟充入电量可行驶20英里[5]。根据中国电动汽车大功率充电技术与标准预研工作组研究，电动汽车传导直流大功率充电指充电功率在350 kW或以上，充电80%～90%耗时10～15 min[6]。表1 为各国传导直流充电装置标准。可以看到，最新制定的ChaoJi 充电装置标准的最大允许功率为900 kW，远超之前大功率充电350 kW 的定义。说明电动汽车充电速度仍有一定的发展空间。

表1 传导直流充电装置标准[7-12]Table 1 Conductive DC charging device standard[7-12]

如图1为2015年[13]及2020年几款车型的电池包容量、充电功率及电池的每分钟充入电量行驶里程的比较[7,14-17]。可以看出，由于电动汽车电池包容量在不断增加，在提升续航里程的同时也增加了充电功率。汽车生产企业将大功率充电作为电动汽车里程焦虑的解决方案之一，不断推进充电功率等级的提升。

图1 不同年份电动汽车充电功率级别Fig.1 Electric vehicle charging power level in different years

然而，除了对于充电枪端电力电子变换器件功率等级和散热系统的要求外，电池包本身的一致性、耐久性及安全性成为了制约充电功率等级提升的重要限制条件。随着动力电池比能量的提升，在电动汽车有限的装配空间和容许附加质量限制下可装载的动力电池包的能量不断提升[18]。但由于电池内部的离子扩散速度受限，在大倍率充电电流的情况下，加快了由于锂沉积的线性损失引起的电池老化速度[19]，电池的寿命衰减更为严重。更为重要的是，在大倍率充电条件下，电池的内阻大量产热，导致大功率充电过程电池温度急剧上升，进而对电池的安全性提出挑战[20]。

大功率充电过程中电池的容量衰减由于副反应导致。优化充电策略在提升充电速率的同时可以在一定程度上减小电池的容量衰减[21]。而大功率充电速度较高，电池温度上升较明显，能够控制大功率充电过程电池温度，保证大功率充电过程的安全[22]。

综上，在大功率充电过程中，充电策略和热管理系统的优化是电池管理系统需要面对的两个重要问题。本文大功率充电通过对比已报道充电策略和热管理系统的研究，归纳出现有方法的优点及局限性。在此基础上，对大功率充电技术应用过程中需面对的挑战进行分析。

1 大功率充电策略研究现状

面向大功率快速充电需求时，充电策略的选择能够通过优化实现电池寿命，充电速度和电池温升的最优解。目前针对电动汽车大功率充电策略可分为多阶段恒流充电策略(multi-stage constant current charging，MSCC)，脉冲充电策略(pulse charging，PC)，正弦电流充电策略(sinusoidal-ripple-current，SRC)充电策略，Boost-charging 策略，基于优化算法的策略，基于电池模型的策略等，其分类如图2所示。

图2 大功率充电策略Fig.2 Chart of high power charging strategy

1.1 基本充电策略

1.1.1 多阶段恒流充电策略

多阶段恒流充电策略如图3所示。其充电协议中，每一个台阶都持续一定的充电时间，直到电池电压/容量达到过渡点，然后跳跃到下一个充电台阶，充电过程转入下一个预置电流。由锂电池的极化约束条件可知，在锂电池充电初期即低荷电状态(state of charge，SOC)区间一般使用高电流，在充电末期即高SOC区间，一般使用低电流。因此，MSCC电流水平是逐级降低的。

图3 多阶段恒流充电[23]Fig.3 Chart of multi-stage constant current charging[23]

在多阶段恒流充电策略的研究中，Khan 等[23]以充电截止电压为过渡条件提出了一种多级恒流充电法最优充电策略，该策略基于锂离子电池RC 模型寻求最优充电模式，相比传统的恒流恒压(constant current-constant voltage，CC-CV)方法，该策略充电时间减少12%，充电效率可以提高0.54%，节能1.8%并且具有较低的温升。Lee等[24]提出了一种基于SOC来控制四阶段恒流充电策略，电池每隔25%的荷电状态间隔按预先设定的电流(1.8、1.3、0.9和0.5 C)充电。与CC-CV相比，该策略充电时间减少22.5%，且温度变化几乎是CCCV的一半。SOC估计准确性对于决定是否将其转移到下一个充电阶段至关重要，因此，基于SOC区间移动条件下的多级充电方法需要对SOC 进行实时准确的估计。以充电截止电压为过渡条件还有许多新型MSCC 快充策略，Jiang 等[25]基于田口正交矩阵方法提出了一种多阶段恒流充电策略，该策略将充电容量、充电效率和充电时间作为质量函数进行分析，寻求最优充电电流。与传统CC-CV 相比，该充电策略在充电容量基本相同的条件下将充电效率提高了2.8%，温升降低了9.3 ℃，充电容量基本相同。Li等[26]根据电池充电时间的帕累托边界曲线提出了一种自适应多级恒流恒压充电(multistage constant current constant voltage，MCCCV)策略，与传统的CC-CV 充电策略相比，该策略充电时间减少了37%，容量损耗减少了3.6%。

MSCC 策略(阶梯式充电策略)的特点是简单，易于控制和实现，因此该策略在目前的电动车充电策略中得到了广泛应用。目前采用这种充电策略的有雪佛兰Bolt EV、现代Kona 和IONIQ、起亚Kia e-Niro、北汽EU7、蔚来ES6 等车型[27]。其中雪佛兰Bolt EV、现代Kona 和起亚Kia e-Niro 采用五阶梯式充电模式，北汽EU7 采用四阶梯式充电模式，而现代IONIQ 则采用两阶梯式，蔚来ES6 主体采用阶梯式充电策略，但在后期高SOC 区间呈现出斜坡模式。然而，阶梯式充电模式的问题在于缺乏选择最佳电池充电电流的理论基础，若选取电流倍率过大容易使电池在某一阶段温升超过额定值，从而对电池寿命产生影响。

1.1.2 脉冲充电策略

脉冲充电被认为是一种快速、高效的锂离子电池充电策略，它可以理解为一个不连续的恒流(constant current，CC)或恒压(constant voltage，CV)充电，即充电电流被周期性地静置或放电脉冲中断，如图4所示。其最先应用于铅酸电池快速充电，然后探索用于锂离子电池的快速充电[29]。脉冲充电的主要特点是通过静置或者加一段放电区间(类似于交流充电方式)来消除或降低极化电压，使下一周期的可接受电流高于其他充电方式。这将使脉冲充电的平均充电电流高于其他充电方式，从而缩短充电时间。

图4 非线性脉冲充电[28]Fig.4 Chart of nonlinear pulse charging[28]

脉冲充电策略的关键是通过理论或者实验设计出最合适的脉冲参数(幅值、频率、占空比等)。Fang 等从控制理论的角度研究了电池脉冲充电的最佳脉冲调制问题，建立了最小化健康成本和充电速度的成本函数[29]。该策略不仅有利于脉冲充电的实际应用，也为今后基于控制理论的充电和电池管理系统(battery management system，BMS)设计的研究提供了参考。Amanor-Boadu 等[30]使用田口正交阵列搜索最佳脉冲充电参数，提出了一种最优脉冲充电策略，证明了脉冲充电具有更短的充电时间和更高的充电效率，但是PC 策略对循环寿命的影响尚未研究。Song 等[31]为了消除高幅值脉冲对锂离子电池寿命的消极影响设计了一种负脉冲快速充电策略(fast charging negative pulse，FCNP)，并采用高比能量电池进行了实验验证。虽然脉冲充电策略具有更短的充电时间和更高的充电效率，但在高荷电状态下进行脉冲充电是一种不合理的技术，容易造成锂离子电池的过电压失控，在实际应用中也应考虑其温度和对循环寿命的影响。在实际应用中一般很少有车企直接采用脉冲充电作为大功率充电模式，但少部分车型采用了脉冲快充的方式，采用脉冲的充电模式可以减小锂电池极化从而充进更多电量。采用脉冲充电模式的车型有梅赛德斯奔驰Mercedes-Benz B-Class、雷诺Renault ZOE、比亚迪BYD E6 等[27]。其中，雷诺Renault ZOE 充电25～30 min 其行车里程可达100 km 左右，优于一般的充电模式[32]。

1.1.3 SRC充电策略

SRC 充电策略采用正弦电流和直流电流叠加作为充电电流，如图5所示，该策略通过最小化锂离子电池阻抗频率从而降低锂离子电池的产热。

图5 充电电流波型[33]Fig.5 Chart of charging current waveform[33]

许多研究人员通过电化学阻抗谱(electrochemical impedance spectroscopy，EIS)分析得到锂离子电池SRC 充电的最佳频率。Chen 等[34]基于交流阻抗分析探索最佳的充电频率提出了一种锂离子电池正弦波电流充电策略。与CC-CV 策略相比，该策略在充电时间、充电效率、最大温度上升和锂电池的寿命方面分别提高了约17%、1.9%、45.8%和16.1%。为了克服SRC 充电方法的功率限制，Hu等[33]提出了一种适用于电动汽车锂离子电池的混合正弦波脉冲电流HSPC充电策略，利用多脉冲电流中的相移产生高频多电平充电电流，充电器与电机逆变器共用功率器件，节省硬件成本。Bayati等提出了一种跟踪SRC 的极点配置控制策略和最优频率检测算法(frequency detection algorithm，FDA)，该策略可明显缩短充电时间，提高充电效率，并且有很好的温升控制效果[35]。

目前，对于SRC-CV充电方式能否改善锂离子电池的充电性能还没有定论，但已有研究表明SRC 充电策略具有更短的充电时间，更高的充电效率和更好的温升控制效果。然而，SRC 充电策略对硬件水平要求较高，成本较高，还需要进一步的理论分析和实验工作了解SRC 充电在工业上的应用。

1.1.4 Boost-charging策略

Boost-charging 特点是启动充电阶段设置更高的电流或最高电压，然后是较为平缓的CC-CV 部分，如图6所示。

图6 Boost-charging充电[36]Fig.6 Boost-charging Chart[36]

Boost-charging 最早是由Notten 等[37]提出，并在圆柱型(US18500，Sony)和棱柱型(LP423048，Philips)锂离子电池上进行了Boost-charging 实验。与1 C CC-CV 方案相比，圆柱型电池的充电时间减少了约30%～40%，容量衰减没有明显的加速，对于棱柱形电池，充电时间减少较少，容量衰减率略高。Keil和Jossen[38]采用不同的充电策略对不同类型的18650大功率电池进行比较，在相同的充电时间下，与CC-CV 相比，Boost-charging 可以明显缩短充电时间，但是容量衰减率有所增加。Boost-charging作为一种新型快速充电策略可以明显缩短充电时间，提高充电效率，并且对循环寿命没有明显的影响。然而，Boost-charging没有考虑充电电流的优化和温度的控制，因此在大功率充电条件下，电池模组产热情况严重，如果不配以合适的热管理系统，可能会引起热失控。

1.2 充电策略的优化

基于大功率充电的需求，电动汽车动力电池的充电倍率要尽量提高。然而由于热管理系统和电池的耐久性，安全性所限，从电池管理系统的角度而言，电池的充电倍率应受到充电温升、电池寿命等一系列约束条件的限制。这些限制和大功率充电的最终目标，即加快充电速率，减小充电时间矛盾，所以在现有的充电策略适用过程中，常通过对充电策略进行多目标优化，解决大功率充电过程中存在的问题。目前的优化策略主要有两种，一种是基于电池的耐久性实验数据，优化充电策略。另一种是基于电池模型，建立起电池外特性和内部机理之间的联系，从而通过控制充电过程中的极化实现充电策略的控制。

1.2.1 基于优化算法的策略

在大功率充电模式下，虽然缩短了充电时间，提高了充电效率，但充电倍率较高会导致锂离子电池极化电压较大、温升较高、老化加速等一系列问题。基于优化算法的充电策略可实现任意多目标的优化与平衡，从而解决大功率充电过程中存在的问题。

Zhang 等[39]利用遗传算法(genetic algorithm，GA)寻找最优的充电电流轨迹，讨论了充电时间和温升的加权系数对电池充电性能的影响，优化后的充电策略与C/3恒流恒压充电相比，充电时间减少了50%，且相应的温升几乎相同。SUN等[40]提出了一种基于多目标粒子群优化的充电策略，采用多目标粒子群优化(multi-object particle swarm optimizer，MOPSO)方法获得帕累托前沿，采用逼近理想解排序(technique for order preference by similarity to an ideal solution，TOPSIS)方法确定最优解，很好地实现了快充模式下极化的锂离子电池充电时间和温度上升的平衡。Xu等[41]基于动态规划(dynamic programming，DP)算法和电化学-热容量衰减耦合模型提出了一种最优的锂离子电池多级快充策略，与恒流充电方案相比，在3300多个充放电周期内，该策略均能降低4.6%的容量衰减率，降低16.3%的温升。Attia等[42]基于机器学习算法提出了一个闭环优化大功率快充策略，使用贝叶斯优化(Bayesian optimization，BO)算法来减少实验次数。经证明该策略大大减少了穷举法所需实验的数量和时间，提高了实验效率，减少了时间成本。然而，可能会存在某些目标函数过于复杂或者不易描述，目标函数最优解求解困难等问题。

1.2.2 基于电池模型的策略

基于电池模型的充电策略主要通过采用等效电路模型(图7)或电化学模型(图8)来预测最佳充电电流。他们将外部的电行为与内部的反应机制结合起来，通过控制极化电压达到优化充电的目的。

图7 二阶等效电路模型[43]Fig.7 Second-order equivalent circuit model[43]

图8 单粒子电化学模型[43]Fig.8 Single particle electrochemical model[43]

等效电路模型以其计算速度快的优点得到了广泛关注。Ouyang 等[44]基于Rint 电池模型提出了一种两层递阶充电控制策略。顶层控制通过多目标优化来调度最优充电电流，该优化考虑了用户需求、电池均衡、温度和运行约束，利用无源性理论开发了底层控制，使充电器能够很好地跟踪预定的充电电流，经证明该策略在控制温升、缩短充电时间等方面具有很好的效果。Hu 等[45]基于一阶阻容模型提出了一种考虑充电时间和充电损耗冲突的双目标最优充电策略，该策略采用伪谱技术和自适应网格细分算法很好地实现了充电时间和充电损耗二者之间的平衡。Perez 等[46]基于二阶等效电路模型和电池热模型建立了一个非线性电-热-老化耦合模型，提出了一种健康的快速安全充电策略。该策略采用自适应多网格区间配置的勒让德-高斯-拉多伪谱法求解高非线性六状态最优控制问题，实现了充电时间和电池健康状况的最佳平衡。

基于等效电路模型策略的优点是容易捕获电池的外部特性，来设计最优充电协议，但缺点是不能提供电池内部状态信息特别是充电引起的副作用，如SEI生长、锂沉积等。基于电化学模型的优化策略可以预测充电过程中的副反应，因为它们能够估计内部状态，如固体和电解质电位、离子浓度和反应通量。因此，电化学模型越来越多的应用在充电策略的制定中。

Lin 等[47]提出了一种具有降解机理的电解质增强单粒子(SPM，single particle model)模型，采用动态规划技术寻找最优充电策略，该快充策略能够在不牺牲电池健康的前提下显著缩短充电时间。Sturm等[48]基于标准的P2D/Newman电化学模型研究锂离子电池快速充电策略，通过设置阳极电位阈值，可以获得高倍率充电电流，从而最大限度地降低锂电镀的风险，并通过实验证明了该策略可在18 min内可以达到60%以上的SOC。Yin等[49]基于降阶电化学模型(reduced-order electrochemical model，ROM)提出了一种新型锂离子电池快速充电策略，该策略采用双闭环电池系统实时实现，考虑到副反应速率和离子浓度的ROM 快充策略表现出最佳性能。与制造商推荐的1 C CC/CV充电方法相比，ROM策略充电时间可减少40%以上。

基于电化学电池模型策略能够准确表征电池内部的材料特性和反应机理，许多车企实际应用的斜坡式充电模式就是基于电化学模型得来的。所谓斜坡式充电策略就是在大功率充电持续一定时间后，就变成了像一个缓缓下降的山坡。斜坡式充电一般基于P2D等电化学模型，利用三电极电池对SEI电位进行监视预测，防止析锂，从而优化充电策略。斜坡式充电策略对充电过程中大量变化的点进行析锂窗口的判定，主要是电流值的判断，不同温度下、不同SOC 都要去判定，超过这个电流限值，负极表面就会达到析锂电位。目前采用该种充电策略的有Tesla Model 3、宝马BMW i3、保时捷Taycan、捷豹I-PACE、大众e-Golf、奥迪Audi etrone、Nissan Leaf 等车型[27]。其中保时捷Taycan从5% SOC 开始充电，充电电压最大可达800 V，峰值功率可达270 kW[50]。然而，对电动汽车用锂电池进行大功率充电，不能一味地追求功率的提高，由于倍率的提升导致热失控所造成的安全性问题不容忽视。比如2019 年4 月份特斯拉连续的自燃事件，特斯拉此后对Model S 85 kW·h的充电功率进行了降低[51]。

1.3 不同充电策略及优化方法的评价与比较

本文从所研究的电池类型、特点、需要优化的参数以及该充电策略的优缺点对不同的充电策略及优化方法等方面进行了比较，见表2。

表2 不同大功率充电策略的评价与比较Table 2 Evaluation and comparison of different high power charging strategies

对于MSCC 和PC 策略，从充电时间、产热、衰减、成本和高频信号等五个角度对二者进行了比较，如图9 所示。MSCC 和PC 都可以解决充电时间焦虑问题，在缩短充电时间提高充电效率上不相上下。MSCC 一般采用逐级递减的充电策略，而PC 策略由于加入了静置或放电阶段，其平均充电电流水平较高，因此PC 策略产热较多，温度升高幅度较大，温升较大会影响电池循环使用寿命。此外，如果PC 充电方式选择不当也会造成锂电池较高的容量衰减。MSCC最大的特点在于易于控制和实现，成本较低。但PC 对高频信号和脉冲发生装置要求较高。从机理角度而言，有部分研究已经提及到使用脉冲充电方式能够达到去极化的作用，抑制电池寿命的衰减，但该策略应用实例较少。

图9 MSCC与PC评价指标雷达图Fig.9 Radar chart of MSCC and PC evaluation Index

对于SRC-CV充电方式能否改善锂离子电池的充电性能还没有定论，主要是因为如果考虑DC 分量，SRC 策略相比于其他策略没有显著的性能提升。此外，SRC对硬件水平要求较高，成本较高。Boost-charging 策略最大的特色是可以在5 min 内将完全放电的电池充满其额定容量的1/3 而对循环寿命没有明显的影响。然而，Boost-charging策略的缺点是温度难以控制，充电电压电流没有优化。

基于优化算法的快充策略其最大的优点是可实现任意需求目标的优化与控制，为在线实现大功率充电策略提供了理论和实验研究基础。然而，其缺点是某些目标函数过于复杂或者不易描述，容易陷入局部最优解，或者收敛速度太慢甚至不收敛，目标函数求解困难且制定充电策略前需要大量的耐久性实验数据作为支持。近年来，一些研究人员尝试使用基于等效电路模型(equivalent circuit model，ECM)来设计最优充电协议。基于ECM策略的优点是容易捕获电池的外部特性，来设计最优充电协议，其缺点是不能提供电池内部状态信息特别是充电引起的副作用，如SEI生长、锂沉积等。为此，基于算法和模型的充电策略受到广泛关注，尤其是基于电化学模型的大功率充电策略，不仅能改善锂电池充电性能，更能反映锂电池内部副反应。

在电动汽车空间有限的情况下，考虑到电池包能量密度的需求，电池的热管理系统功率受到了限制，在热管理技术没有飞跃式进步的前提下，充电过程的最高温度仍然是充电功率的主要限制条件，在对各种充电策略进行优化时都应确保电池温升在安全阈值的范围内。而对于充电过程中电池的寿命衰减，除通过耐久性实验标定以外，目前的充电策略优化考虑通过大量变化的点进行析锂窗口的判定，通过三电极电池监测析锂电位或者通过电化学模型预测SEI 电位，避免充电电流超过电流限值，负极表面达到析锂电位，发生析锂，造成严重的寿命衰减。该解决方法能够很大程度上缓解大功率充电的电池寿命问题，但在不同温度下、不同工况、不同类型电池、不同SOC 下均需要进行判定，这需要车企或电芯企业海量的数据支持。

2 电池组热管理研究现状

温度对锂离子电池的性能、安全性和循环寿命有显著影响[52]。主要体现在，低温条件下锂离子电池的电解质黏度增加，离子电导率降低，化学离子定向迁移阻抗增大[53]，使得低温下电荷转移电阻增加，影响电池的动力学性能[54]。另一种典型的低温效应是镀锂，锂镀层以枝晶的形式存在，电池长期在低温下运行时，锂枝晶将会增长，造成电池容量的不可逆损失[55-56]，当增长到一定程度时枝晶可能会穿透隔膜，引发电池内部短路，增加电池的安全风险[57]。而当电池温度过高时将导致电池性能发生退化，温度升至45 ℃时电池极化内阻将增加[58]。当电池在超过50 ℃的温度环境中运行时，电池内部的降解反应加剧，电池的容量明显下降[59]。当电池温度超过90 ℃后负极表面的SEI 膜开始溶解，电池开始自产热，此时如果不能有效地降低电池温度，任由电池温度上升，将会引起电池发生热失控[60]。

电池在25～40 ℃区间运行时可实现最佳的功率输出和输入、最大的可用能量，以及最长的循环寿命[59]。因此，需要通过电池热管理系统(battery thermal management system,BTMS)，将电池组的工作温度控制在安全范围内。然而在大功率充电过程中，电池会产生大量的热量，单体电池局部的温度可能会急剧增加，从而导致某个模块或整个电池组温度过高[61]。当电池温度过高时，整个电池组的温度均匀性会变差，每个电池的充放电容量会有所不同，从而导致电池间的性能以及SOC差异[62]。如果电动汽车的电池组长期在较高的温度下运行，电池组的一致性会降低，严重影响电池组的循环寿命，导致行驶里程的大幅减少[62]。

为此，合理的热管理系统设计，成为了大功率充电技术中面临的重要挑战。在高温冷却方面，主要存在内部冷却和外部冷却两种形式。内部冷却可以将电池的热量直接在内部散去，Bandhauer 和Garimella 等[63]引入了微通道相变内部冷却概念，以改善车用LiFePO4锂离子电池的热梯度和温度均匀性。但该种内部冷却技术仍然存在单个电池或电池组中电池之间的温差较大的问题。工程应用较多的仍然是外部冷却方式，主要分为空气冷却、液体冷却、相变材料以及热管冷却，如图10所示。

图10 各种电池冷却系统原理[60]Fig.10 Schematic diagram of various battery cooling systems[60]

2.1 空气冷却

空气冷却可以分为自然风冷和强制对流两种，管道类型和电池组布局如图11 所示，包括电池组的水平和纵向布局以及常用的U 型管道和Z 型管道。Xu等[64]将电动汽车的强制空气冷却方式作为研究对象，研究了不同气流管道模式的散热性能，结果表明，双U型管道电池组可满足各种工况下的散热性能要求，它具有较大的充放电裕度，可满足电动汽车加减速运行的需要。Mahamad等[65]采用往复气流对锂离子电池进行冷却以改善电动汽车电池的温度均匀性，降低电池的最高温度，结果表明，往复周期越短，系统的电池温差和电池最高温度越低。

图11 液冷热管理系统[69]Fig.11 Liquid cooling thermal management system[69]

由于大功率充电过程温升较大，空气冷却可能无法使系统温度降低到安全上限温度，而且进出口位置可能会有很高的温度差。Sabbah 等[66]比较了大功率锂离子电池的相变材料被动冷却与主动气冷方式的效果，通过对插电式混合动力汽车小型锂离子电池组的仿真显示，在恒定放电倍率高达6.67 C以及环境温度高达45 ℃甚至52 ℃时，主动气冷方式下电池温度会超过安全工作温度上限。Lou[67]为了增强电池与外界的热交换，设计了一种五叶型NiMH 电池组，但空气冷却不能使模组温度差低于5 ℃，并且在电池组靠近和远离风扇的位置之间可能会很高的温度差。因此，空气不是维持锂离子电池组温度均匀性以及控制表面温度的最佳传热介质，如何改进空气冷却方法使之满足大功率充电的需求仍值得进一步研究。

2.2 液体冷却

与空气冷却方式相比，液体具有更高的热导率和比热容[68]。液体冷却按照按冷却介质可以分为制冷剂和冷却剂，如图11 所示。冷却方式可以分为直接冷却和间接冷却，间接液体冷却方式的典型散热方法如图12所示。

图12 5种不同液体冷却散热器[70]Fig.12 Five different liquid cooling radiators[70]

Qian 等[68]采用了一种微通道的液体冷却方法，通过建立三维模型，分析了通道数量、入口流速、流向和通道宽度对电池组热性能的影响。Panchal等[71]通过实验和仿真的方法对棱柱形电池组的微型通道冷板温度和流速分布进行了比较研究。结果表明，微通道冷板内的温度随着放电倍率的增加而增加，最靠近电极(阳极和阴极)的热电偶传感器测得的温度高于电池表面中心。Jin 等[72]设计了蛇形通道液冷板，分别为直线型mini通道液冷板和超薄型mini 通道液冷板，并将热负荷设置为220 W 和1240 W，来模拟电池正常运行和大功率充电/放电条件，结果表明新型冷板可以在热负荷下以0.1 L/min和0.9 L/min 的低流速将加热器表面温度保持在50 ℃以下。Teng 等[73]采用三维FEA 电池冷却模型对两种PHEV电池组的热性能进行了分析，结果表明，从包装约束、重量能量密度、设计和控制的复杂性、成本和可靠性等角度评估，直接液体冷却比间接液体冷却效果更好。

为了更好地提升液体冷却热管理系统的冷却效率，节约成本，Jarrett等[74]对电动汽车的电池散热板进行优化设计，采用参数化方法建立了如图13所示的蛇型通道冷却板的数学模型，利用计算流体动力学对其特性进行了评价，定义了压降、平均温度和温度均匀性的目标函数并通过改变通道宽度和位置进行数值优化。Huo等[75]为锂离子电池设计了一种基于微通道冷板的电池热管理系统，对冷却系统进行三维热建模，研究了通道数、流动方向、进口质量流量和环境温度对电池放电过程中温升和温度分布的影响。结果表明，电池的最高温度随着通道数和入口质量流量的增加而降低。质量流量增加后，流动方向对冷却性能的影响变小。冷却性能随入口质量流量的增大而提升，但提升的趋势变小。Wang 等[76]为锂离子电池设计了一种基于热硅片的液体冷却电池热管理系统，评估了不同放电速率时，不同数量的冷却通道、流量和流动方向的电池热管理系统的冷却能力。结果表明，随着热硅片和液道的增加，电池内部达到的最高温度逐渐降低，流动方向对冷却性能没有显著影响，而冷却性能随入口流量的增大而明显提高，在超过特定阈值后，增益大大降低，Zhou 等[77]针对圆柱型锂离子电池提出了一种基于半螺旋管的液体冷却方法，通过仿真分析了电池5C 倍率放电时入口质量流量、螺旋管的间距和数量、液体流动方向和螺旋管直径的影响。研究结果表明，大直径的螺旋管有利于降低电池的温差，采用不同流体方向的半螺旋管可以调节电池单体的温度分布。

图13 冷却板CFD分析[75]Fig.13 Cooling plate CFD analysis[75]

在液冷系统的实际应用中，奔驰S400 Blue Hybrid汽车采用了制冷剂的直接冷却方式[69]；Tesla电动汽车中的采用了直接液体冷却/加热方式。Tesla Roadster中的电池冷却系统使用1∶1比例的乙二醇/水混合物作为冷却剂[78]。散热接口紧贴在冷却管上，形成电池组下方的底座(图14)来用作散热器，通过与冷却液的热交换来提供有效的冷却。

图14 特斯拉跑车电池冷却[74]Fig.14 Tesla Roadster battery cooling[74]

2.3 相变材料冷却

空气冷却和液体冷却在广泛应用的同时，也仍存在着缺点，其冷却系统在电动汽车(即风扇和泵)中占用了额外的空间，因此会增大设计的复杂程度[79]。为了克服传统热管理系统的缺点，相变材料(phase change material，PCM)被应用在了电池热管理系统中。相变材料冷却是指温度不变的情况下改变物质状态并且提供潜热物质，转变物理性质的过程，这个过程会吸收或释放大量潜热，使电池降温，如图15所示[80]。根据应用，相变材料初始状态为：液-气、固-气、固-固和固-液。目前，固-液相变材料在电池热管理应用中备受青睐[79]。

图15 相变热管理系统概念Fig.15 PCM BTMS concept

Rao[81]在简化热源35 A(5 C)恒流放电条件下，测试了相变材料和电池的电导率。结果表明，潜热随热导率的增大而减小。此外，通过对相变材料热管理系统进行建模得出，熔点高于45 ℃的相变材料对推荐最高温度低于50 ℃的电池组的散热效果更好。Ling等[82]提出了一种相变材料与强制气冷相结合的锂离子电池混合热管理系统，该系统有效阻止了热量累积，并且在所有循环周期内能够使最高温度维持在50 ℃以下。研究表明，相变材料的热物理性质决定了电池组的最高温升和温度均匀性，而强制空气对流对相变材料的蓄热能力的恢复起着关键作用。Rao等[83]设计了一种相变材料/微通道耦合动力电池热管理系统以及三维电池热模型，如图16所示，采用数值方法研究了入水口质量流量、相变温度以及相变材料的热导率等的影响，结果表明，相变材料的热导率和相变温度对相变材料的液相体积比影响很大，通道数的增加导致电池组的最高温度和最大温差的降低。此外，相变材料/微通道耦合电池热管理系统的热性能更加有效，为相变材料/液体耦合电池热管理系统的设计提供了参考。

图16 相变材料/微流道[83]Fig.16 Schematic of PCM/mini-channel coupled BTMS system[83]

潜热能力、热导率和熔点都是相变材料是否合适的重要因素。如表3 所示，针对电池热管理系统，文献[84]已经对相变材料的热性能进行了分析，并列出了可用于电池热管理的理想相变材料。

表3 车辆应用和相变材料[84]Table 3 Vehicle applications and PCMs

2.4 热管冷却

热管可以将电池模块内部热量转移到周围环境中，从而使电池在不同工作条件下能够保持所需的正常温度，并显著降低电池模块内部和模块间的温差[85]。作为一种典型的无吸液芯热管，脉动热管(oscillating heat pipe，OHP)能够较好地克服传统吸液芯热管易受携带和沸腾极限制约的缺陷，具有传热性能优异和环境适用性强等优点[86]，在电动汽车热管理方面具有很好的应用前景。

Ye等[87]将热管应用到方壳或软包电池的热管理系统中，通过优化设计和灵敏度研究提高系统的冷却能力并改善系统的温度均匀性，在单体电池和电池模组上对优化设计后的方壳电池热性能进行了评估，结果表明，优化的热管系统对能够很好地处理电池8 C充电时最大产热量的2倍热量。Zhao等[88]针对锂离子电池在高速运行过程中出现的热冲击问题提出了一种体积小、重量轻、能有效控制电池放电温度的热管湿冷式电池热管理系统，如图17 所示。湿冷式热管理系统只用4个喷涂水的装置就可以保持8 A·h电池组的温度低于30 ℃。与空气冷却和液体冷却不同，热管冷却仍处于初步开发阶段。但是热管BTMS还没有得到充分的认识[89]。

图17 8 A·h(上)和3 A·h(下)热管冷却电池[88]Fig.17 8 A·h(top)and 3 A·h(bottom)battery packs with heat pipes[88]

2.5 不同冷却方式评价

为了评价电池热管理系统在大功率充电条件下的冷却效果，从所研究的电池类型、充电倍率、冷却效果等方面，对各种外部冷却方法进行了比较，见表4。

表4 大功率充电热管理策略比较Table 4 Comparison of thermal management strategies for high power charging

在空气、液体、PCM和热管四种冷却方式中，空气冷却和液体冷却被认为是应用较为广泛的冷却方式，而PCM 和热管冷却仍需进一步去研究。空气冷却适用范围广，成本低，易于获取冷却材料。近年来，空冷技术主要围绕着几何布局和运行参数优化去发展。但在大功率充电条件下，温度上升剧烈，可能无法将模组温度控制在安全范围内，并且会导致入口和出口位置产生较大的温差。大功率充电状态下液体冷却的研究集中在冷却板的几何结构、冷却液流速和冷却介质等方面。受限于目前电池的封装技术，这两者需要风机、泵、箱体、冷却管道等其他附件，导致空气冷却和液冷的成本较大，风机/泵、冷却管道会加大冷却系统的重量和空间利用率。同时，它们会消耗电动汽车电池能量，降低电池的功率和能量密度。PCM 冷却可以将大功率充电状态下的模组温度控制在安全范围内，并且模组均匀性较好。但是在大功率充电条件下仍面临着一些挑战，相变冷却的导热性较差，并且面临着相变物质融化完全失效的风险。为了解决这一问题，PCM 系统中集成了强制空气和液体冷却以及热管技术来回收潜热，但这种冷却方式会牺牲简单性和紧凑性。同样的，PCM 系统集成强制空气和液体冷却会大大增加重量和成本。因此，为了加快PCM 冷却方法商业化的发展，使之实际应用于大功率充电场合，需要进一步研究并且找出合适的PCM 材料。热管在工业和电子热管理等领域已经得到了广泛的应用，但在电池热管理系统中的应用还不多见。选择合适的热管与电池组良好接触，选择有效的冷却方式和冷却结构使热管电池热管理系统具有良好的热性能和冷却效果，是下一步研究的关键。

图18 不同冷却方式的比较Fig.18 Comparison of different cooling methods

3 电动汽车大功率充电策略及热管理系统面临的主要挑战

3.1 大功率充电策略面临的主要挑战

（1）为满足电动汽车长续驶里程的需求，动力电池企业近几年重点发展了单体能量密度提升至300 W·h/kg 以上的制造技术，即采用更高容量的材料和较厚的电极。但要实现电池大功率充电，仍需要在材料制备上，优化电极的厚度，进一步改善锂离子的接受和传输能力。

（2）为满足大功率充电时动力电池的安全性，需要提升电池管理系统在全气候温度条件下状态估计方面的能力，以避免动力电池组由于SOC 状态估计错误导致的单体电池过充情况。

（3）为了能够快速消除高速充电产生的高温热量，电池电量到达一定比例或热量较高时，需要有效降低充电功率，防止过充或者起火，延长电池寿命。为此，需要构建能够反映电池大功率快速充电过程的热-电耦合动态模型，结合动力电池的耐久性模型，开展充电功率时变优化策略的研究。

3.2 大功率充电过程动力电池组热管理系统面临的主要挑战

（1）大功率充电过程中，动力电池单体将产生大量的热，如果冷却系统强制冷却，将导致单体电池内外部温差加大，进而影响电池的性能。为此，如何根据准确估计动力电池内部温度，结合外部温度测量，构建实现闭环的冷却功率时变动态优化控制，是热管理系统面临的主要难题之一。

（2）大功率充电过程，动力电池组面临的产热及温度分布不均匀问题，温度最高的单体电池寿命衰减最快，加大了电池组中单体电池容量的不一致性，降低了动力电池组的可用能量。为此，如何在明确动力电池组产热机制的同时，优化电池系统散热结构设计，选择合适散热方式，合理管理电池热量，提升动力电池组的可用容量，是动力电池组热管理系统面临的另一个难题。

4 结论

动力电池大功率充电能够在一定程度上解决电动汽车里程焦虑的问题，被学术界和产业界公认为理想的充电方式。但是在动力电池大功率充电过程中，电池管理系统面临着一系列技术难题需要解决，本文对动力电池大功率充电策略及热管理系统的研究现状进行了总结，进一步分析了大功率充电过程电池充电策略及热管理系统面临的挑战。

（1）减少充电时长的同时更好地避免电池的寿命衰退，仍是电动汽车大功率充电所面临的重要挑战。已报道的快速充电策略中，基于电化学模型的大功率充电策略，不仅能改善锂电池充电性能，更能反映锂电池内部副反应。如果能够对模型进行降阶简化并结合相关算法进行优化，未来会有更大的应用前景。

（2）大功率充电条件下，空气冷却可能无法使电池组温度降到安全范围内，并且导致模组均匀性变差。液体冷却、PCM 和热管冷却方式都可以在大功率条件下将电池温度控制在安全范围内。作为目前电池热管理系统中，主要采用的液体冷却方式，但是存在着泵、压缩机等消耗电池的功率，导致电池组能量密度下降，并且成本较高的缺点。因此，未来可以从液冷板的几何结构、冷板布置方式等方面去分析和优化。

针对庞大的电动汽车市场及快速充电的需求，大功率充电面临的冷却成本较高、冷却结构优化设计复杂和寿命衰退等难题仍需得到进一步突破。而面向大功率充电过程中充电策略优化、电池组热管理系统优化等关键技术的发展是解决上述挑战的重要解决途径。