伦敦帝国理工学院的燃料电池和蓄电池研究小组因为在关于电化学器件实际应用性的拓展工作中的出色表现而赢得了国际上的赞誉。

在英国，Nigel Brandon教授、Ricardo Martinez-Botas教授和Gregory Offer博士领导了一个囊括了电化学专家、材料学专家、化学工程师、电子工程师和机械工程师的团队，该团队拥有强大基础科学背景的团队，他们正在使用科学而又系统的方法，努力解决一些在电池能量存储和转换领域中存在的问题。该学术团队同时研究用于电网的存能设备和应用于汽车的储能设备，其研究领域包括所有使用燃料电池、蓄电池或是超级电容的场合。针对汽车行业，他们的工作涉及电动增压技术、混合驱动、纯电力驱动和燃料电池汽车等，甚至还包括一项通过电解反应生产燃料的特殊技术。

锂离子电池应用的主要挑战之一是对电池实际性能以及性能衰减的预测。目前，该团队正在以分析和试验的方法把模型变得参数化，便于日后对模型的验证。该科研团队还在开发车载表征方案以便能够在车辆运行时诊断和预测电池的性能。建立这样的系统和模型是有必要的，他们能够安全地将电池技术推向极致。

图1  伦敦帝国理工学院的学生制作的被动式燃料电池混合动力发电机

沟通障碍

过去，在单体电池的研发环节和制造环节之间存在着很大的理论差距，由于大部分的设计信息属于高度机密，因此试验室的研发人员不愿意透露数据信息。另一方面，极少有系统工程师能够完全理解元器件内部的基础科学知识，因此围绕着这些元器件在汽车应用中的实际应用和理论认知存在差距。许多设计模型是为研发单体电池而开发的，但是问题是非线性的，不可能基于某个单体的模型来发展整个系统的模型，或者推断整个系统的性能。这样的问题在开发涉及到电池性能衰减和失效、能够诊断和预测电池性能以及能够进行车载实时检测的模型时也尤为突出。

试验室中，对（基于基础科学原理设计的）模型的使用已经在汽车行业的其他领域产生了积极影响，例如在碰撞安全性等领域。基于模型的方法能够加速设计迭代的过程，缩短解决问题的周期，同时削减在研发中消耗的成本。在仿真模型中探索问题更容易实现，这意味着可以用模型预测来代替昂贵的实体研发，从而降低开发成本，并使得开发更有可能成功。在电动车上，利用模型通过有限数量的车载测量装置可以监测电池的情况，预测电池的内部状态，以最大限度地提电池高性能并保证安全性。模型需要简单易用，然而开发这个模型却并不是简单，这也是该团队要面临的主要问题之一。正确识别所有的关键衰减机理和失效模式，理解基础物理学并建模。耦合所有模型并了解它们之间如何相互影响，然后创建简化版本的模型以便车载运行。尽管这些工作有很大的挑战性，但这些工作内容对汽车工业意义深远，因此值得为此做出努力。

图2  使用被动式燃料电池混合动力发电机为音乐节等活动提供电能

被动式混合动力发电机

Imperial Racing Green是伦敦帝国理工学院的一项本科教学计划，意在训练下一代工程师成为电池、燃料电池和电动车技术的领导者。燃料电池技术应用的主要壁垒包括成本和耐久性。为了解决这个问题，帝国理工学院的学生已经着手开发被动式燃料电池混合动力发电机（见图1），在一些依赖柴油发电机供电的活动中（例如图2的音乐节等）推广零排放的供电技术。

作为教学项目的一部分，来自于多个院系的约100名学生，制作零排放赛车并参赛（见图3）。驾驶电力驱动的车辆进行比赛已经不再只是停留在大学理论里的科研项目了。如图4所示，采用混合动力驱动的摩托车已经开始参加专业赛事了。

图3  由伦敦帝国理工学院的学生设计的电池模块，用于他们的2014大学生方程式赛车

主动式混合动力系统具有功率和能量需求解耦的优点，部件可以实现小型化以节省成本。缺点是需要采用功率电子设备，例如DC-DC转换器等，这会增加一些成本，同时增加了功率转换的环节。在被动式混合动力系统中，功率电子设备直接彼此耦合，与主动式混合动力系统具有相同的优点，但无需额外的DC-DC转换器。虽然被动式系统失去了有功功率调节能力，但是配合适当的系统设计，仍然利大于弊。

Johnson Matthey燃料电池公司和Nedstack公司为该团队赞助了一个75芯燃料电池堆和膜电极组件，大约能输出9.5kW的功率。它直接耦合到33支麦克斯维尔1500 F超级电容器中，峰值输出功率超过30kW。

这套系统在BBC的报道中出现过，当时是为一台电吉他供电。在这种构型中，超级电容器由于具有低阻抗特性，充当了燃料电池的低通滤波器。在汽车的应用中，这最大限度地减少了燃料电池的两种运行模式——零负载怠速和快速功率循环，通常情况下，这两种模式会导致燃料电池性能衰减。因此，系统有可能通过减少组件以降低燃料电池动力系统的成本。

图4  内燃机+电动机动力的混合动力摩托车在2013年曼岛TT赛场上飞驰

开拓性的方法

为了创建能够代表锂离子电池物理原理的先进模型，该团队已经开发出了一套行之有效的表征方法。例如高分辨率的同步辐射纳米CT技术，该技术可用于对生成典型锂离子电池的材料进行三维断层数据采集，每个元素的尺寸可以降到16nm以下。这些数据可以被用来量化表面积、体积、导电性和扭曲系数等，这是建立精确模型所必需的一些参数，而且这些参数有助于理解电池在车辆运行的过程中电流密度分布的局部不均匀性。

该团队根据实时阻抗测量，还为电池管理系统开发出了一种新的低成本表征方案。结合先进的参数预估方法和先进模型，该方案可以实现对电池电量和电池内部参数进行更准确的估计和预测，例如动态运行条件下的温度变化。

图5  热管理试验台在探索不同的热学边界条件对电池性能影响

这个试验室获得的160万美元的投资也使该团队获益匪浅，利用这笔投资，他们可以获得目前世界上最先进的各种试验设备，使得他们可以在极端条件下测试器件的电化学性能，更好地开展研究项目。

另外，该团队已经开发出在单体电池运行过程中人为地引入和保持热学边界条件的试验方法。这种方法可以“重现”一个单体电池在电池组中可能会经历的环境及其变化，而在此之前，人们只能通过模型仿真或者额外制造一个电池组来进行试验。这种新开发的试验方法可以在探索不同的热学边界条件对电池性能影响的试验中削减整体开发成本（见图5）。

将表征方法与改良的运行和衰减模型相结合，配合建模和预测性能的能力，应使所有系统工程师可以在将来更好地通过理解基础物理学，围绕现有的锂离子电池技术，设计出成本更低的电池产品。