AIDC 高频脉冲工况下钠电的衰减机制与 AI 诊断挑战

摘要

传统电池健康度（SoH）评估依赖容量衰减作为核心指标。在 AIDC 高频脉冲工况下，电池停在窄 SOC 窗口内运行，容量衰减缓慢，但内阻增长导致功率能力下降却很快。我们提出以脉冲功率能力（PPC）替代容量作为 AIDC 钠电的核心健康指标。文献检索确认，"功率先于容量衰减"在锂电领域已有基础研究（Liaw et al. 2002），但钠电的主导退化模式与锂电相反（LAM_cathode vs LLI），两者之间的功率/容量耦合关系尚未验证。本报告的增量贡献不在于发现这个现象，而在于将其迁移到钠电 + AIDC 脉冲场景并做系统化诊断。

---

一、传统 SoH 评估在 AIDC 下的盲区

现有钠电 SoH 估计方法多依赖部分充放电曲线或满充放容量校准（Xu et al. 2025, J. Phys. Conf. Ser.）。这类方法的前提是电池能周期性地完成较完整的充放电过程。但在 AIDC 脉冲工况下，电池 SOC 在 40%-60% 之间窄幅波动，永远不触及上下限电压。容量基 SoH 的在线估计在这种条件下几乎无法实现——没有完整的充放电边界可以锚定。

问题不止于"测不到"。更根本的问题是：在窄 SOC 脉冲工况下，容量本身就不是最敏感的退化指标。SEI 膜增厚同时影响内阻和容量，但影响速率不同。我们的二阶 ECM 仿真显示，在 AIDC 8C 脉冲工况下，当 SEI 增长使内阻增至初始值的 3 倍时，PPC 跌破 80% EOL 阈值，而容量保持率仍有 83.3%。

---

二、退化模式：锂电 vs 钠电的根本差异

"功率先于容量衰减"在锂电中并非新发现。Liaw et al. (2002) 在 Journal of Power Sources 上证明功率衰减与容量衰减在初始阶段具有相同的 Arrhenius 活化能（~50-55 kJ/mol）。Bloom et al. (2007) 进一步指出极化电阻变化是分叉至容量衰减和 PPC 退化的共同驱动。Edge et al. (2021) 建立了锂电退化的三级框架（机制→退化模式→可观测效应），被引超过 1350 次。

但钠电的情况不同。

Bahrke et al. (2026, EES Batteries) 发表了首个硬碳/层状氧化物钠电全电池的退化模式系统映射。他们的结论很直接：钠电的主导退化模式是正极活性物质损失（LAM_cathode），而非锂电的锂库存损失（LLI）。在某些钠电芯中，可循环钠量甚至因负极过hang均衡化而增加。这意味着锂电中功率/容量的耦合规律可能无法直接迁移到钠电。

Klick et al. (2025) 在钠电退化模式分析中偶然观察到"在某些 DOD/温度条件下，电阻增长先于容量衰减"，但仅为附带观察，未做表征或利用。Waldmann et al. (2025) 发现即使在全新商用钠电中也普遍存在 Na 沉积，且是低温主导失效模式——这是石墨负极中没有直接对应的功率影响机制。

---

三、增量贡献的精确定位

我们的贡献不是"发现功率先于容量衰减"。基于文献切割，真正可辩护的增量贡献有四点：

1. 迁移测试：Li-ion 的功率-先于-容量时间顺序是否在 Na-ion 中成立？给定其相反的主导退化模式（LAM_cathode vs LLI），这个迁移不能假设，必须验证。

2. AIDC 工况量化：在 AIDC 脉冲+待机负荷下量化 PPC 相对容量的提前量。目前没有任何 SIB 老化研究在 AIDC 负荷曲线下进行。商用 SIB 循环寿命极短（~500 次到 50% SOH）但日历寿命极长（600+ 天后 >90% SOH），在 AIDC 待机主导运行中功率衰减的跨此分裂轨迹完全未测量（Irujo et al. 2026）。

3. BMS 算法贡献：将 PPC 运营化为 AIDC 前瞻性状态指标，实现主动容量预留和电池更换调度。这是工程应用层面的贡献，不是机制发现。

4. 硬碳功率特征：解析硬碳扩散受限平台衰减是否产生与石墨 SEI 驱动不同的功率衰减特征。硬碳低电压平台容量受扩散控制，随 C 倍率急剧衰减，功率衰减有负极主导的独特起源。

---

四、AI 诊断架构的设计方向

基于上述分析，AI 诊断模型的预测目标应该从容量转向内阻演化和 PPC。我们提出了 TCN-Transformer 分层架构：TCN 处理高频脉冲响应特征，Transformer 捕捉跨日老化趋势。

在 v3 仿真数据（二阶 ECM + Arrhenius 温度 + 耦合退化）上的对比实验显示，Transformer 取得 R²=0.899，优于 TCN 的 R²=0.776。差距来自 v3 数据的多时间尺度依赖——温度波动（不同活化能）、二阶极化、耦合退化——需要自注意力机制捕捉，TCN 的膨胀卷积只能处理固定模式的时序依赖。

架构决策的完整逻辑：在 v1 简单数据上 TCN 已达 R²=0.978，Transformer 优势不明显；在 v3 真实数据上差距拉开到 12.3 个百分点。这说明模型选型必须基于真实复杂度的数据，而非理想化仿真。

---

五、安全预警的独特挑战

钠电的安全预警不能直接套用锂电模型。三个差异点：

Na 沉积在硬碳表面即使在新电池中也普遍存在，且是 3°C 以下的主导失效模式。这与石墨负极的锂沉积机制不同——锂沉积通常只在低温快充条件下出现，而 Na 沉积更多受电池间一致性影响而非运行工况。

硬碳的扩散受限平台意味着高倍率下容量急剧衰减，功率衰减有负极主导的独特物理起源。

钠电的循环/日历不对称极端——循环寿命极短但日历寿命极长。在 AIDC 待机主导运行中，日历老化（SEI 增长）和循环老化（LAM_cathode）并存，功率衰减在这两个机制下的轨迹可能完全不同。

---

引用来源

1. Liaw, B.Y. et al. (2002). Correlation of Arrhenius behaviors in power and capacity fades with cell impedance and heat generation in cylindrical lithium-ion cells. J. Power Sources 119-121, 874-886.
2. Bloom, I. et al. (2007). Capacity and power fading mechanism identification from a commercial cell evaluation. J. Power Sources.
3. Edge, J. et al. (2021). Lithium ion battery degradation: what you need to know. Phys. Chem. Chem. Phys. (被引 1350+).
4. Bahrke et al. (2026). Calendar and cycle ageing of commercial sodium-ion cells with layered oxide cathodes. EES Batteries.
5. Klick et al. (2025). 钠电退化模式分析。首次 SIB DM 映射。
6. Waldmann et al. (2025). Temperature-Dependent Aging Mechanisms in Commercial Sodium-Ion Batteries. J. Electrochem. Soc.
7. Irujo et al. (2026). Aging behavior of commercial 18650 sodium-ion cells. J. Energy Storage.
8. Xu, B. et al. (2025). State of health estimation of sodium-ion batteries. J. Phys. Conf. Ser. 3084.