動力電池競爭的下一維度，仿真尋找電池研發的「摩爾定律」｜深度研究

文 |張丞

編輯 |石亞瓊

封面來源｜IC photo

本文是智能製造系列研究的第三篇，前面《智能製造走向深水區》提出裝備和工藝智能化和仿真促進正向設計是智能製造發展的兩個重點，《鋰電裝備二十年進化史》以鋰電產業中鋰電設備的行業發展爲例，梳理總結了裝備製造業自身的發展規律以及對下游行業的支撐作用。本文我們仍將以鋰電池行業為例，闡述仿真技術在鋰電池行業的發展現狀和發展趨勢、仿真將如何促進正向設計等方面，並希望和讀者朋友們探討國內鋰電池CAE軟件未來發展的突破口。

當企業進行原創性的研發設計時，特別是整個產品體系需要從頭創新或有很大變革時，就需要根據需求目標進行正向產品設計，通常會需要耗費大量的物料和人力進行制樣測試，仿真的意義和作用就在於幫助企業儘可能減少制樣測試的次數，避免盲目試錯，獲得更優的設計方案。仿真軟件的發展是以人為核心，圍繞着幫助仿真工程師以及非專業相關人員更好、更快地正向設計出最佳的產品工藝方案這個核心。

工業仿真軟件的涌現依賴於製造業的發展，一個新興製造業的發展必將帶動相關設計仿真技術的進步，從而孕育出新興工業軟件，而設計仿真的進步又將反過來推進行業整體的發展。目前鋰電池發展已經出現了多條技術路線，對能量密度、功率密度、壽命及安全性的要求越來越高，而耗時長、成本高的實驗試錯研發方法越來越難以適應下游市場的需求，因此需要在設計仿真方面實現較大的突破。同時，我們注意到電化學理論仍在不斷發展，一些相對新興的數值模擬算法也逐漸應用到鋰電池仿真領域，這些條件為國內鋰電池CAE仿真軟件的發展提供了較為有利的條件。

下文中我們 將先從鋰電池仿真技術現狀和前沿發展趨勢展開 ，接着分析 開發CAE軟件所需具備的功能特點以及CAE軟件當前的發展趨勢 ，並結合以上兩方面詳細闡述 國內鋰電池CAE軟件未來發展的突破口 。文章結構要點如下：

現有鋰電池仿真技術現狀及相關商業軟件

鋰電池仿真技術前沿發展趨勢

多尺度仿真

數值模擬算法

CAE仿真軟件發展趨勢

功能和架構

多物理場耦合、多尺度仿真

全流程協同

雲仿真及SaaS

國內鋰電池CAE仿真軟件的突破口

建模及數值模擬

工程經驗積累

開源是否適用於國內CAE仿真軟件發展

鋰電池CAE仿真軟件市場分析

一、鋰電池仿真技術現狀及相關商業軟件

目前鋰電池仿真模型主要為以Newman偽二維（P2D）模型為主的電化學模型、等效電路模型和熱電耦合模型這三大類，此外還包括電化學-力學耦合模型等。

其中以Newman偽二維（P2D）模型為代表的電化學模型主要用於電極與單體電芯的設計和性能仿真，通過一系列偏微分方程組來描述鋰離子電池內部發生的電化學反應，包括鋰離子固液兩相擴散、電解質中鋰離子的遷移、固液界面的電荷轉移等過程。P2D模型包括以下6個方程：

基於Fick第二定理的固相擴散方程

液相擴散方程

固相電勢方程

液相電勢方程

電荷守恆方程

Bulter-Volmer動力學方程

等效電路模型是將電池簡化為電路網絡來描述電池，結構簡單，參數辨識複雜度和計算量小，是目前電池管理系統開發和電池在線狀態估計領域應用最為廣泛的模型。

熱電耦合模型，是充分考慮了電池產熱温度對電化學過程的影響，可以對電池電化學過程和性能進行更精準的模擬，可以用於電池單體、電池模組的熱管理仿真。

目前市場上的鋰電池仿真軟件內置的機理模型大都包括以上三種仿真模型。主流的仿真軟件包括COMSOL、Autolion、西門子的BDS和star-CCM+、達索的Abaqus以及ANSYS Fluent。下面將簡要介紹這些軟件。

COMSOL

COMSOL是一款可以實現多物理場耦合仿真的軟件，電化學建模方式包括基於均質多孔電極結構的模型和基於非均質的模型，可以建立從零維到三維的電化學模型（或者稱之爲準三維模型），可以建立從極片級別到電芯級別到模組級別甚至到系統級別的仿真，並且可以和温度場、流場耦合，同時軟件也包括了等效電路模型。

值得一提的是，COMSOL軟件具有 自定義控制方程的功能 ，這對於做鋰電池的仿真是很有必要的，比如容量衰減機理目前可能還沒有一些定論，沒有非常標準的經驗模型或者方程模型去描述這個過程，這時仿真人員可以根據自身的經驗或者查閲文獻自定義添加修改控制方程進行仿真求解[1]。

COMSOL軟件建模方法

Autolion

該軟件原先屬於EC Power公司，后被Gamma Technologies公司收購。EC Power創始人王朝陽博士是賓夕法尼亞州立大學終身講座教授，目前正在研究鋰電池驅動的飛行汽車。AutoLion建模方式包括了經典的電化學模型、等效電路模型，同時還提供一個電化學-力耦合的膨脹模型，該模型能夠預測電池因活性顆粒材料在鋰化過程中產生膨脹導致內部應力變化的情況。AutoLion還配置了電化學材料數據庫，以此減輕實驗室測試電化學性能的負擔。

BDS及STAR-CCM+

BDS軟件功能

Battery Design Studio簡稱BDS，BDS是一款電芯設計軟件。BDS的特點是，在電極層面支持輸入基於SEM掃描重構幾何模型和隨機構建的虛擬幾何建模，

同時BDS還可以與STAR-CCM+中的BSM模塊聯合實現電化學和流/固體傳熱的雙向強耦合分析，可以用於塗布輥壓工藝仿真和熱管理仿真。STAR-CCM+的流體仿真功能也支持模組和系統級別的設計需求。

與COMSOL不同的是，BDS不支持用户自定義修改控制方程，模型是固定好的，所以對於鋰電池這個機理模型還在不斷發展的領域來説，用户使用的友 好度 和適用性就相對弱了一些。

達索電池相關仿真軟件

達索由於過往收購的工業仿真軟件很多，因此能拿出來很多不同軟件形成一套從電芯到模組到系統級別的仿真解決方案。電芯設計方面是由Abaqus支持，Abaqus最新版本中的電化學模型是基於擴展的三維多孔電極理論 Porous Electrode Theory（PET） Newman本構模型。Abaqus本身在結構物理場上優勢也在鋰電池仿真中加以應用，可以通過熱-電化學-結構多物理場耦合來對電芯3D模型的熱電化學結構特性提供定量的仿真模擬，預測電芯的温度、電流、變形之間的耦合效應，避免電芯變形過大造成內部短路，還可以對電池模組、電池包的振動和衝擊、跌落進行分析。PowerFLOW可以對動力電池的熱管理問題進行瞬態精確模擬。

ANSYS

ANSYS電池仿真軟件

ANSYS強項在結構力學和熱管理的流體仿真，對於電芯本身的電化學反應仿真能力相對而言較為薄弱，沒有提供獨立的電芯仿真軟件。在流體仿真用於熱管理方面，ANSYS可以提供ROM降階模型以縮短仿真計算時間，精度與經典的三維CFD方法接近，對於設計控制策略和開發BMS系統有較大幫助。

小結： 總體上看，現有電池仿真軟件仿真覆蓋的尺度多集中在電芯及模組系統方面，對於電化學過程的仿真能力上存在一定的瓶頸，在業界部分設計實踐過程中很難提供有效的指導，而突破這些瓶頸需要結合鋰電池電化學模型的理論創新來實現。下面我們就會介紹鋰電池仿真技術前沿發展趨勢。

二、鋰電池仿真技術前沿發展趨勢

多尺度仿真

現有的電池研發方式是以實驗為主導的，通常需要耗費大量的人力、物料、測試機器等成本，測試和驗證的周期很長。同時，現有的實驗試錯方法很難完全控制某個單一變量,也很難考慮到多個因素共同作用下的影響機制。而鋰離子電池本身是一個複雜的電化學系統，電池性能受到多個尺度、多個物理場內不同因素的影響，而且這些因素往往是互相耦合的。

因此，提高鋰離子電池的性能、合理優化電池材料和結構上的設計，就需要系統地研究電池內部各物理場的耦合作用機理，從多尺度範圍上深入理解電池運行機理，建立數學物理模型，並通過數值模擬仿真技術，在電池材料本徵特性（微觀原子、分子層面）、活性材料顆粒、極片、電芯以及電池模組、電池包多個尺度上進行仿真模擬和設計優化。

下圖展示了從材料探索到系統設計的多尺度設計和模擬[2]。

圖 鋰離子電池多尺度設計和模擬概況[2]

宏觀尺度上電池模組、電池包及系統的仿真模擬發展相對成熟，下文中我們重點探討微觀尺度和介觀顆粒尺度以及電芯尺度上的前沿進展。

微觀尺度上 ，原子、分子層面主要採用的理論方法包括基於密度泛函理論的第一性原理計算（DFT）、分子動力學（MD）、 蒙特卡洛 模擬、相場模擬等。

其中，DFT常用於計算電極材料的結構穩定性、嵌鋰電位、遷移路徑及鋰離子傳輸動力學和脱嵌鋰相變等性質[3]。但是目前可以模擬的原子數量較少，和實際情況的匹配度還不夠高。

分子動力學可以獲得原子的位置和運動速度等信息，可以揭示材料中離子的擴散機制，特別是 在探測電解液溶劑化結構方面具有天然優勢 ，而離子電導率和介電常數也與電解液結構相關[4]。因此目前業界會使用分子動力學等方法來進行新型電解液開發時的初次篩選，即先確定一個大致的範圍，之后再通過實驗等方法進行精細的篩選，一定程度上縮短了電解液的研發設計流程和周期，可以節省一定的研發成本。但目前仍然要解決計算模擬成本較高、界面反應機理模擬仍很有限等問題。

在原子分子層面的計算材料模擬，國內不少高校課題組開展了很多工作，有的也開發出相應的仿真模擬軟件，比如北大深研院潘鋒教授團隊自主開發了基於 GPU 高通量計算集羣的第一性原理計算程序 PWmat，相比於VASP軟件，計算速度更快[5]；華東理工大學團隊開發的軟件可以介入電極電解液界面反應的尺度，幫助篩選電解液[6]。

從顆粒尺度上看，在材料開發和改性的基礎上，材料組分已經確定的情況下，優化電極的介觀結構成為提高電極及電池性能的方法途徑之一。 因為即便是同一種類的正負極材料, 如果材料的微觀結構不同，宏觀上表現出來的電池性能也會不同。

如果想要深入研究電極結構對性能的影響，憑藉現有的P2D模型無法做到。因為Newman的P2D模型的假設基於體積平均法，這種方法對電極複雜微觀結構進行了簡化，將鋰離子電池多孔電極固液兩相看做一種均勻介質，這使得模型忽略了電極內部反應速率不均勻性等問題，仿真的範圍受到限制，因此無法進一步探究多孔電極介觀微結構對電池性能的影響。

目前許多介觀的電極結構模型和表徵成像技術陸續被開發出來[7]。模型構建方法一般分為兩類，一類是把電極顆粒採用隨機堆疊方式構建出虛擬電極結構，逐步逼近電極真實結構，一般被稱為顆粒堆疊模型，隨機堆疊方法包括蒙特卡洛法等。FANG利用非均相的電極結構來計算等效參數，提出了擴展均相多孔電極模型，可以建立負極區域顆粒粒徑分佈與電池倍率性能之間的關係，並且因為沒有直接基於非均相結構進行仿真，節省了計算周期和成本[8]。類似的，還有研究建立了二維的團聚體顆粒堆疊半電池模型[9]。

另一類是基於高精度層析成像技術如nano-CT、SEM等，獲取真實的電極二維形貌圖像后再重構出電極材料的三維微觀結構，一般被稱為幾何重構模型。三維幾何重構模型可以考察電極孔隙率和曲折係數的關係，探究不同的孔隙率對鋰離子傳輸過程的影響[10]。

此外，還可以藉助相場模型在電極顆粒尺度研究鋰離子嵌入和脫出過程中的傳輸行為、應力變化規律，這對設計優化電極微結構來提升電極的倍率性能，即快充性能具有重要指導意義[11]。

通過材料顆粒尺度的三維重構結合鋰離子電池電化學模型 ，可以更直觀的研究鋰離子的濃度分佈、電勢分佈與電極介觀微結構間的關係，相較於P2D模型其仿真結果更加貼近實際。比如構建包含顆粒尺度的三維異構電化學-機械模型，該模型能夠同時考察顆粒尺度以及電極尺度中的電化學-機械耦合過程，可以輔助不同材料體系下活性顆粒和電極層結構設計[12]。 同時由於考慮到顆粒尺度，這種基於顆粒尺度的電化學模型可以更好地和製程工藝相結合。

已有研究系統梳理了電極結構的孔隙率、迂曲度以及導電劑、粘結劑分佈會如何影響電極和電池的電化學性能，總結了微結構-工藝-性能的關聯關係，以及用哪些方法來優化電極介觀微結構[13,14]。

圖 鋰離子電池電極製造工藝-微結構-性能關係[14]

但更為關鍵的是，需要建立電池性能與電極微結構以及工藝參數之間模型化的表達，比如正負極材料特徵參數（顆粒結構、D10/D50/D90粒徑指標、石墨負極的焦原材料等）、極片結構參數（極片孔隙率、孔隙分佈、曲折度）與電池倍率性能、能量密度、循環次數之間的關聯，能否建立相應的數學物理模型，並以此為基礎開發一套仿真軟件系統或者叫平臺，來系統地指導材料選型與電極設計。

這方面歐洲的Alejandro A. Franco團隊做了一系列的工作，建立了一個模擬鋰離子電池製造過程並預測其電化學性能的多尺度仿真平臺。該仿真平臺涵蓋了電極介觀結構生成、網格劃分、有限元或有限體積以及格子玻爾茲曼（LBM）和離散元（DEM）的數值模擬仿真應用[15]。

該平臺採用粗粒化分子動力學（CGMD，coarse grained molecular dynamics）模型用於漿料製備和電極乾燥過程介觀結構的生成，從電極製備工藝追溯模擬電極介觀的生成，而不是通過前述的兩類模型構建方法，因為成像技術或者模擬產生的介觀結構並不是電極的全貌，一般都是根據電極樣品的平均特性來表徵電極特徵。而且CGMD模型考慮了活性顆粒（AM）和碳膠相顆粒（CBD），可以評估CBD的空間位置及其對鋰離子傳輸效果這兩點對於整體電化學性能的影響[16]。

圖 多尺度仿真平臺

乾燥后的電極介觀結構會再通過離散元法（DEM）來模擬輥壓工藝過程、LBM（Lattice Boltzmann Model）來模擬注液過程，分析輥壓和注液對電極介觀結構的影響，包括孔徑分佈、迂曲度和顆粒排列等。最后，利用有限元或有限體積法進行單體電芯尺度上的電化學仿真。如此基於3D電極介觀結構建立電化學模型，可以分析電極輥壓程度和注液過程對宏觀電化學行為的影響，可以建立輥壓和注液工藝、電極介觀結構及電池整體性能之間的聯繫。從而幫助設計優化材料選型、電極結構和工藝過程[17,18]。

Alejandro A. Franco團隊還開發了電池數值模擬前處理中的網格劃分工具，該工具內置了基於MATLAB開發的體素化網格劃分算法，可以將輸入的 三維電極介觀結構 （無論是掃描還是重構得到的）離散成若干個四面體網格，之后網格可以輸入到COMSOL中進行宏觀尺度上的有限元仿真模擬。INNOV劃分網格時可以充分考慮孔隙以及活性材料顆粒（AM）和碳膠相顆粒（CBD）的狀態，而不是簡單的把AM和CBD簡化為一個相。INNOV還可以用來生成全固態電池的結構模型[19,20]。

圖 INNOV網格劃分算法工作流程

此外，該團隊還綜合利用DoE試驗設計（Design of Experiement）、仿真模型和機器學習算法的混合建模方法，來預測材料、電極製造和電池性能之間的最佳組合。即將DoE試驗和仿真模型得到的結果，經過一個數據驅動的隨機電極介觀結構生成器擴大樣本，再將這些樣本用於訓練機器學習算法，以求得到製造工藝參數與電極性能之間的關係。有效評估輥壓壓力、電極組分和初始孔隙率對極片孔隙曲折度、離子/電子電導率等電極微結構特徵的影響，進而發現其對電池電化學性能的作用規律[21]。

單體電芯尺度上 ，可以結合前述顆粒尺度模型進行全極片的仿真分析，分析極片層級的不均勻性對電池熱分佈、壽命及安全性的影響。針對電池熱管理，建立更高保真度的電化學-熱耦合仿真模型，以此進行電池結構優化設計及其熱管理系統設計。此外，爲了深入瞭解電池老化機制，學界也在持續構建新的電化學-力學耦合模型和析鋰模型等。

提升鋰電池正向設計能力需要從材料-結構-工藝-性能這個四面體關係出發。材料基因組、DFT、MD等方法更多是從材料本徵特性出發，篩選出新型正負極、電解液以及粘結劑等材料，開發新的化學材料體系，滿足新型電池能量密度、功率或者安全性上的要求。顆粒尺度則更多是從電極微觀結構出發提高電池整體性能，並且可以與加工工藝結合，優化工藝參數，實現設計與製造兩端協同優化。

之前所提到的COMSOL等多個商業仿真軟件都是在單體電芯及模組和電池包這些宏觀尺度上運用有限元FEM、有限體積FVM等方法進行仿真模擬。而鋰電池仿真模擬的前沿方向是要向更微觀的層面探索，基於從微觀、介觀上發現的電化學機理來構建更為精準的數學物理模型，進而開發仿真模擬軟件。這一點是國內鋰電池CAE軟件發展最重要的突破口之一，我們將在下文中繼續探討。

數值模擬是求解理論模型的方法手段，目前一些相對新興的數值模擬技術被用來探究介觀尺度上的電化學反應過程機理[22]，同時一些模型降階、時間離散等計算加速方法也被應用進來，以達到兼顧模型精度和計算效率的目的[23]。

數值模擬算法方面， LBM可以用來研究電極介觀微結構對於電池電化學性能的影響。比如利用LBM模擬鋰離子和電子的傳輸過程 ，研究極片顆粒粒徑和孔隙率對鋰離子濃度分佈和放電深度的影響[24]，以及模擬電解液在一個3D鋰離子電極模型中的浸漬過程，考察電極結構對電解質潤濕速度的影響[25,26]。相較於FEM/FVM，LBM網格生成效率更高，支持解決複雜的幾何形狀、邊界條件和多孔介質，其在多相流多組分仿真的優勢可以在電極介觀尺度上發揮出來。

而且LBM這種算法本身就具有極強的並行計算能力，支持並行數據分析，非常適合於現有的並行計算集羣，可以將LBM和並行計算硬件資源結合起來，進一步加快模型求解速度。

計算加速方法方面，有學者提出一種準顯式非線性多尺度電池模型GH-MSMD，以提高先前開發的MSMD的計算速度，在時間離散的方法下，無需傳統計算方法中的嵌套迭代，該模型可以在顆粒、電極、電池以及電池模組的尺度上進行仿真[27]。

還有學者使用降階的多尺度多維模型（MSMD），採用基於伽遼金投影法的模型降階方法，降低了計算的複雜性，並通過實驗數據驗證該模型的高保真度，結果表明，該MSMD模型的計算複雜度顯著降低，並且提供了高精度的電化學和熱性質分佈情況[28]。

三、CAE仿真軟件發展趨勢

CAE仿真軟件一直在不斷發展，一些重要的發展趨勢值得國內CAE軟件公司參考。如果在鋰電池領域開發國產自主的CAE仿真軟件，除了具備前文中所提到的需要將前沿電化學理論參數化表達，如果進一步形成系統的代碼以及開發相應的仿真軟件，依然需要符合CAE軟件開發的一般規律，開發出來的軟件產品需要具備比肩甚至超越國外CAE軟件的性能。下面先就CAE軟件的產品模塊和功能特點進行分析。

功能和架構：

從大的方面來説，CAE軟件通常是綜合了數學、物理、電化學等多學科理論基礎、計算機科學、工程應用實踐三方面的知識。對於現實客觀世界的建模通常依靠物理、電化學等基礎學科理論， 深入理解描述物理、電化學等過程的原理理論 。原理理論的開拓通常需要無數數學家、物理學家、化學家以及科研工作者持續的探索和歸納，不斷提出對客觀規律更為精準的描述方法。電化學過程目前普遍採用Newman提出的偽二維模型來描述，遵循電荷守恆和物料守恆。流體仿真中描述流動的底層物理規律是動量、質量守恆，其中N-S方程被用來描述動量守恆過程，連續性方程描述質量守恆。每一種物理場都可以用若干模型和方程來描述，當涉及到多個物理場時，還要建立耦合模型，構成偏微分方程組再進行求解。

這些現實客觀世界的建模所設立的方程通常為偏微分方程，從這一點來説，偏微分方程是人類用來描述客觀世界的工具，而CAE仿真軟件就是要通過計算機科學技術來實現對客觀世界的建模、求解、結果展示以及優化設計。

CAE軟件從產品角度來看有三個重要的組成部分，分別是前處理器、求解器和后處理器。后處理器用於展示CAE求解結果，這里通常運用計算機圖形學技術來開發。CAE軟件的核心在於對現實現象的精準建模以及實現高保真度的數值模擬求解。CAE軟件的仿真質量和數值模擬的質量直接相關。

數值模擬計算一般分為三個環節：網格離散（網格劃分）、邊界條件設定和求解過程本身。數值模擬求解的核心在於網格離散和數值算法，因此前處理器中的網格劃分模塊和求解器是CAE軟件中最為關鍵的兩個部分。

首先，數值計算需要輸入高質量的網格數據，否則就會是「garbage in, garbage out」，網格剖分的好壞直接決定了仿真質量的高低，因此網格生成的算法技術非常重要。而且網格生成的密度還要結合實際工程應用場景，平衡計算精度和計算效率。目前實際仿真場景中前處理仍主要依靠人工處理，處理時間較長，往往40%左右的時間都花在網格處理上面。目前業界主要通過自適應網格加密劃分技術和AI來提高前處理中網格劃分的效率。

求解器的開發實際上是運用C++/Fortran等語言將數值計算方法編寫成軟件程序，求解過程就是求解程序在硬件上運行，求解的對象是基於網格數據生成的大規模線性方程組。求解器的魯棒性和收斂性至關重要，計算求解如果很容易發散，得不到收斂的結果，那麼開發出來的仿真軟件市場反響就不會很好。目前很多數值計算方法已經相對成熟，比如有限元法、有限體積法等，這些也都是現有商業軟件廣泛應用的數值方法。而面對電池領域尚未得到很好解答的一些問題，比如涉及到介觀尺度方面的仿真模擬問題，就可以運用一些相對新興的數值解法如LBM、SPH等，這在前文中已詳細介紹過。

另一方面，實際仿真過程的計算時間有可能長達幾天甚至幾個月，仿真工程師都希望仿真的速度能夠進一步提升。目前業界在通過降階模型（ROM）和高性能計算等技術來緩解「仿真計算速度焦慮」。

簡要總結一下，自主開發的CAE軟件需要具備的功能特點：

前處理器：支持生成多種網格類型（四面體、六面體等等），易用性好，劃分速度快；圖形界面操作方便，交互頁面簡單易懂、方便工程師快速設置求解模型的多種邊界條件。

求解器：收斂性和穩定性，不容易發散；計算速度快、計算精度高，誤差小

后處理器：圖形引擎穩定性高，可生成各種后處理圖形和動畫，可視化效果好

除了軟件產品需要具備上述功能特點，技術支持團隊要能提供高質量的仿真應用支持服務，要保證仿真軟件應用效果和用户應用體驗，以此保障交付和訂單的可持續性，特別是在工業仿真軟件也在向SaaS轉變的趨勢下。要搭建完善的客户交付體系，在用户培訓、軟件試用以及技術支持的各個環節都要能快速響應、解決問題。

多物理場耦合、多尺度仿真

仿真已經從單一物理場仿真演進為多物理場耦合仿真，考慮兩種或多種物理場的交叉作用和相互耦合，多物理場耦合仿真會涉及到模型交互、幾何網格匹配、求解等多種挑戰。以電池為例，就涉及到物理、電化學、流體、機械結構、電磁兼容等諸多物理場。

未來仿真不僅僅是多物理場耦合，也將會是從材料到系統層次覆蓋多尺度的，和前述我們分析電池仿真類似的還有半導體仿真，半導體器件仿真也在將器件性能與材料特性聯繫起來，系統研究材料、幾何形狀以及工藝的變化將如何影響器件的電學性能，以此優化器件設計。應用材料公司在2021年提出Materials to Systems Co-Optimization，希望實現從材料到系統的多尺度協同優化， 以此確定最佳工藝路線和參數 （覆蓋前道、中道及后道中多個工藝環節）。

國外工業軟件大廠也在多尺度仿真上早有動作，2014年達索收購acclrys，現更名為BIOVIA，BIOVIA主要側重生物科學。2020年西門子收購了計算化學公司Culgi，Culgi軟件可以提供量子化學和分子模擬功能。

全流程協同

仿真與測試協同

仿真是企業研發的重要一環，除了提供高效的仿真分析，仿真軟件還要提供仿真流程與數據管理平臺，有效管理海量的、不同類型的仿真文檔和數據，建立分析文檔與產品模型的對應關係，幫助企業建立專有的仿真知識庫和流程規範，提高對仿真知識、流程的可複用程度。

研發不僅僅是仿真。研發過程中仿真-測試共同產生的海量數據藴藏着重要價值，因此工業仿真軟件不僅僅要沉澱工藝經驗知識的仿真數據，還需要沉澱研發管理、設計仿真的數據管理經驗，將設計-仿真-測試全流程標準化。

仿真軟件除了要提供傑出的仿真技術為設計提供指導依據外，還可以深入研發測試環節，提供仿真-測試的綜合服務。比如西門子2012年收購的比利時LMS公司，就是一家可以為汽車企業客户提供NVH方面綜合的仿真-測試解決方案。LMS提供了測試所需要的軟硬件產品，其中就包括測試數據管理系統，可以最大限度地減少客户處理測試數據和創建報告所花費的時間，幫助客户提高整個組織的協作效率。

研發數據管理問題對於電池企業愈發凸顯，由於電池研發本身是一個複雜工程，研發過程中會產生的TB級以上的數據量，如何有效地管理這些研發測試數據，為數據分析和引入AI算法做好基礎工作，是目前電池及電池材料企業研發管理需要解決的一個重要問題。

目前多數電池及電池材料企業仍然主要以紙質或者藉助簡單的Excel表格存儲管理研發數據。少數頭部企業通過上線研發試驗管理系統來提高研發數據管理水平，保證測試數據的可追溯性和可重用性。在部分電池企業，這類管理系統會覆蓋電池常規測試、電池表徵測試、電池失效分析等方面。少數材料企業希望以此實現材料包覆、預鋰預鎂等工藝的研發測試管理數字化。電池及材料企業都希望藉此提高研發效率、降低研發運營成本[29] 。

仿真軟件還可以增加與測試數據的對比以獲得更好的工程洞察力。比如西門子的Teamcenter就包括創建虛擬傳感器的技術，客户可以在難以放置真實傳感器的區域獲取數據，Teamcenter內置的數據管理軟件可以匯聚企業測試得到的真實數據和仿真數據。通過將設計、仿真和測試數據匯集在一起，在軟件中創建驗證序列，企業客户可以快速定位問題、更好地評估設計方案。

材料數據庫

仿真不可避免會涉及到各種材料，所以部分仿真軟件配置相關的材料數據庫，比如COMSOL和ANSYS，以ANSYS為例，ANSYS於2019年收購了Granta Design公司，並將它重組為ANSYS的材料事業部門。Granta Materials同時融合了多種標準材料數據庫，能夠為產品設計提供豐富的材料數據信息。這些數據庫涵蓋了通用材料、航空航天、塑料、醫療器械等多個領域。同時支撐企業自有數據錄入。

總結一下，仿真軟件公司介入研發測試數據管理具有很強的重要性：研發數據很重要富有研發價值；仿真-測試綜合服務有利於為客户提出更多有價值的研發建議，提高客户粘性；未來引入AI和計算材料學方法需要良好的數據基礎。此外，仿真軟件會配置相關材料數據庫來減輕企業仿真負擔、提升仿真精度。

對於國內鋰電池領域的仿真軟件公司來説，可以在提供電池測試數據管理功能模塊的基礎上，通過建立電池表徵管理和電化學參數庫，實現電池測試數據和材料數據的結構化存儲，為之后將測試數據和仿真所需參數結合起來打好基礎。統一的研發數據管理分析平臺，為用户提供自動化、標準的測試和仿真分析報告，幫助電池企業實現電池研發數據的全過程追溯，以及跨部門、跨組織的研發協同。

而且電池研發也會涉及到種類繁多的金屬和非金屬材料，不同供應商提供的同種材料、不同工藝製備出來的同類型材料都可能在材料屬性特徵上存在差異，加上摻雜、包覆等多種工藝，使得電池材料的管理也非常複雜。電池仿真軟件如果能夠幫助企業有效管理研發所用到的材料數據，綜合企業內部的試驗、設計、歷史積累數據和企業外部材料信息數據資源，最終形成一個覆蓋範圍廣泛的企業級電池材料信息管理系統，幫助企業更加方便地獲取準確的材料數據，將有效提升企業電池研發仿真精度與效率。

設計仿真與製造工藝、產品運行等環節的協同

整體上看各行業仿真與製造工藝的協同趨勢已然顯現，其中以半導體的DTCO為代表，這種協同不單單是一個企業內部跨部門、跨組織的協同，甚至有可能是跨上下游的協同，因此需要第三方的工業軟件公司來承擔起作用。鋰電池領域設計仿真與製造工藝協同也有所發展，但是需求主體和強烈度、發展節奏和成熟度與半導體行業DFM和DTCO的有所不同。

一個好的設計必須要考慮製造環節的工藝過程，而設計與工藝的協同就需要導入仿真技術，特別是對於工藝變化很快的領域。以動力電池為例，工藝變化速度較快。目前實驗驗證的試錯法又無法全局考慮問題，會導致製造現場不斷調整參數。而且新方案測試耗時也很長。一個新的材料新配方去做驗證可能需要12個月左右，導致新產品開發和產業化節奏較慢。因此，必須導入仿真技術，實現設計仿真和製造工藝的協同，加速推動產品的正向設計。

目前面向製造工藝的仿真技術有下圖中所列的五大類[30]：

面向製造工藝的仿真模型

同時，仿真要實現與設計、製造、運行的全流程協同，在產品設計、生產工藝、質量測試、實際運行乃至產品回收等各環節都要進行相關仿真。這就意味着，不僅僅是在設計仿真過程要建立數字化的模型，而是要形成一個全生命周期的數字化模型，不斷逼近物理實體狀態，輔助實際決策。以電池為例，除了單體電芯級別的仿真模型之外，還需要將從電池到PACK到電池管理的仿真融合起來。這對仿真的實時性、精度和效率都提出了非常高的要求。

仿真要融入產品實際運行的環節過程中，就要與實際業務的應用場景緊密結合，比如通過工業物聯網技術採集實時數據，再通過仿真技術實時提供仿真預測，輔助實際業務的決策。例如在電池領域，就可以考慮將電池實際運行的工況數據納入仿真體系中來，除了用於實時的壽命預測和健康管理之外，還可以將老化數據與仿真模型進行對照，結合機器學習進一步優化仿真精度，還可以反饋優化設計和工藝。

隨着上下游協同性的增強，仿真軟件的使用者將從單純的仿真工程師拓展到工藝人員等其他部門乃至上下游企業。以電池行業為例，可能電池廠的電芯工程師、工藝工程師要和上游的材料工程師、下游汽車主機廠的工程師和設計人員一起在仿真軟件上探討如何優化電芯的設計方案。

仿真反饋設計優化

仿真的目的在於優化產品設計方案，當前仿真、設計與優化三者結合的趨勢越來越緊密。仿真軟件目前會通過提供多種方案的評估對比，提供仿真結果輔助設計參數的優化，未來將會有更多和業務場景深度結合的優化應用出現。

無論是多物理場還是多尺度仿真，還是和測試、製造工藝等全流程結合協同優化，目的都是爲了增強仿真置信度、加強仿真在研發設計中的指導作用，即讓仿真輔助設計優化甚至決定材料的選取、工藝參數的設定、器件乃至系統的設計，這是當前非常重要的發展趨勢。

以長安汽車為例，長安汽車對標福特汽車、通用公司建立CAE仿真置信度5級評價體系，第一級為由試驗驗證設計，不做仿真，第二級為運用仿真預測變化趨勢，第三級為仿真篩選優化方案、減少試驗次數，第四級為仿真篩選試驗，試驗只做一次，第五級則是由仿真直接驗證設計，無需試驗。對照這五級標準，如前所述鋰電池行業目前普遍仍以實驗試錯法為主導[31]。

雲仿真和SaaS

當前仿真軟件也在逐步走向雲端，相較於本地仿真，在雲端仿真對於企業用户有以下幾方面優勢：

對於超大規模模型的仿真，提交到雲端仿真可以進行多核並行計算，計算效率提升會非常明顯。藉助彈性的雲計算功能，用户可以根據需要同時運行儘可能多的模擬。此外，用户可以隨時按需擴展計算資源。

計算資源來自雲端，可以為企業用户節省大量的硬件成本

通過「用户-角色-權限」的授權方式，即為用户分配角色來分配相應權限，可以簡化常規的賦予和取消等權限管理，減少系統開銷的同時有效保障企業的數據安全

項目所有相關人員都可以在雲端軟件內實時查看相同的仿真模型數據，有效增強用户之間的協作。

便於企業用户進行分佈式存儲備份和版本管理

用户可以在任何地點參與仿真操作，提高了辦公靈活性

節省軟件安裝、更新成本

對於仿真軟件開發公司來説，選擇交付雲端SaaS版仿真軟件也是一個不小的挑戰，會帶來以下轉變：

SaaS交付的銷售價格將會更低，企業短期內收入會承受一定壓力。

如果產品體驗不佳，用户很可能取消訂閲，企業需要拿出比「銷售永久license時代」更好的客户交付服務，確保客户使用體驗長期維持在高水平。因為這不再是一錘子買賣。

雲端頁面的交互顯示十分重要，這對仿真軟件企業在圖形渲染、軟件架構技術方面提出更高的要求。

近年來越來越多的工程師開始採用雲端仿真，根據ANSYS的報告數據，52%的受訪工程師表示在設計仿真過程中所面臨的最大業務挑戰是如何縮短設計周期，爲了加速完成一些規模較大的仿真任務，工程師必須要獲取大量的計算資源。在2014年的報告中，只有10％的工程師使用超過32個以上的內核，而2021年有44％的用户使用了12個以上的內核並行處理其最大的仿真應用程序，18％的用户使用的內核數量超過36個。中大型公司對多核計算資源的需求表現更為明顯。同時工業仿真計算場景已經從單個工作站的單機模式逐漸演變為包含工作站、筆記本、集羣和雲端的複雜混合環境[32]。

在解決仿真效率問題方面，雲技術和HPC（高性能計算）是緊密結合的，HPC硬件部分包括CPU、GPU、NPU等，軟件部分主要解決集羣資源調度問題。目前雲廠商如阿里雲，騰訊雲等會提供開放式的雲端硬件計算平臺，將商業CAE仿真軟件安裝在雲端HPC服務器上，按照資源使用時間收費。也有第三方公司如國內的 速石科技 和國外的Rescale等，比如速石科技就是綜合多家雲廠商資源和多種仿真軟件，為企業用户提供集羣運行仿真服務，解決企業資源峰值需求，避免過度投資或者預估資源不足的情況。

國外雲端CAE軟件公司有Simscale、Onscale、Designworld、Caeplex、Ceetron等，以Simscale為例，其採用SaaS模式進行交付。Simscale希望通過SaaS交付來為用户進一步節省下IT資源的部署投入，為工程師提供另一條更低成本的選擇，而不是隻能高價購買仿真軟件的license。Simscale可以進行多物理場仿真，覆蓋結構、熱、流體等領域。但是，Simscale的求解器模塊採用開源的OpenFOAM和CalculiX，OpenFOAM用於流體仿真，而CalculiX用於結構力學仿真，這意味着Simscale的仿真求解功能有限，只能解決一些基本問題，無法向高端市場躍進[33]。下圖為Simscale與其他部署類型仿真軟件之間的對比。

Simscale軟件特點

國外大型仿真軟件公司近年也一直在雲端仿真方面持續推進，達索將自身不同仿真領域的軟件集成到3D EXPERIENCE平臺上，支持4-16核的本地計算機並行計算和雲端計算，對於超大規模模型，如果用户想提升計算速度，可以將模型提交到雲端計算。

ANSYS在今年4月收購雲仿真供應商Onscale，意圖將Onscale的雲技術與自身先進的仿真求解功能結合起來為客户提供服務，用户通過web就可以訪問。ANSYS今年5月還宣佈和AWS合作開發基於雲端的Ansys Gateway 仿真解決方案，發展雲端高性能計算，推出EDA、CAE和CAD雲端解決方案。種種動作表明ANSYS似乎想要搭建統一的雲平臺，把自身各條業務線產品都放到雲平臺上，客户可以在這個平臺上進行設計仿真的所有操作，這一步可以説要比達索的3D EXPERIENCE平臺更加貼近雲原生。

實現更為高效的雲仿真還需要面對很多挑戰：仿真協同方面，如何有效應對大規模複雜模型仿真，不同領域仿真模型實現高效耦合；易用性方面，如何集成多種仿真平臺工具的並提供簡單易用的使用方式；作業運行方面，如何採取有效的仿真應用資源調度方法來提高仿真應用運行效率；網絡化方面，未來雲端仿真如何更好地和物聯網實際數據融合起來等[34]。

面向電池領域的仿真軟件也需要考慮利用雲和HPC技術來增強用户項目組內部以及和上下游之間的仿真協作、提升用户仿真效率，特別是注重利用雲端仿真技術實現電池數據的全生命周期管理。 對於仿真軟件來説，上雲和SaaS是成為行業頭部企業的必要非充分條件，技術上的突破纔是根本，即要在理論模型和數值模擬算法上立住腳。

四、國內鋰電池CAE仿真軟件的突破口

一方面電化學建模逐步深入到電極介觀尺度，另一方面一些相對新興的數值模擬技術被用來探究介觀尺度上的電化學反應過程機理。國內鋰電池CAE軟件應當聚焦這兩個方面進行突破。同時要使用恰當的模型降階、時間離散等計算加速方法，兼顧模型的精度和計算效率。

一是不斷優化仿真模型及其控制方程，及時跟蹤電池仿真在微觀、介觀尺度上的前沿進展，將精度更好的理論模型內置在軟件之中，並開發出適配電池領域的網格劃分工具。其次是可以向COMSOL學習，保持軟件的開放性，這一點是指在建模階段仿真工程師可以自定義修改設立控制方程組（偏微分方程組）及其假設條件，而不是隻能採用軟件內置的方程組。軟件不斷跟進業界的先進實踐經驗，通過加強與業界人員的合作來優化迭代自身軟件求解器的性能。相較於其他成熟的仿真領域，這一點對於電池領域的仿真軟件更為凸顯。

求解方法方面注重運用新的求解方法，並將多種數值算法結合起來，比如LBM、DEM、FEM和FVM 結合起來，並注重數值計算方法和工程實際業務場景深度結合。同時工業仿真軟件需要權衡精度和效率，這就需要恰當地使用降階模型、伽遼金投影法、時間離散方法如龍格－庫塔法（Runge-Kutta methods）等計算方法，儘可能確保在不損失仿真精度的情況下提高計算效率。

除了理論模型和數值算法，仿真軟件還需要注重工程經驗的積累，特別是對於電池這一非線性的複雜系統來説。因此，國內鋰電池CAE軟件公司一方面需要在產品功能上加強與實驗測試數據的結合，為設計和仿真人員提供更便捷的仿真服務。這里具體來説，電池仿真通常需要大量參數輸入，部分參數需要標定和實驗以及文獻參考得來，如果積累了大量的測試數據，就可以提供一個豐富的數據庫，更加方便快捷提供模擬仿真所需參數，避免因為仿真人員標定出現問題帶來較大的偏差，進一步縮短設計驗證周期。

另一方面，國內鋰電池CAE軟件公司需要注重加強與電池企業的合作，更好地積累測試和實際製造的數據，以此優化仿真軟件性能，更好地實現設計仿真與製造工藝協同。總之，要充分利用好我國掌握鋰電全產業鏈這一龐大製造規模的優勢，因為海量測試和製造數據中藴藏着巨大的數據優勢，利用好這些數據資產，有利於國內鋰電池CAE軟件公司加速發展起來。

綜合本文前述內容，鋰電池仿真軟件的突破，要實現多尺度、多物理場、全生命周期的仿真服務，同時要利用好工業物聯網和雲計算技術，將電池的設計、仿真、製造以及使用過程中產生的海量工藝技術、工況數據形成數字化資產。

鋰電池仿真軟件不僅僅擔負着仿真驅動正向設計的功能，也是推動整體鋰電池領域研發數字化進程的重要力量。由獨立於上下游企業主體的第三方軟件公司驅動行業研發數字化、通過標準的流程、功能完善的仿真平臺帶動，實現上下游研發的網絡化協同。

目前國內已經出現一些鋰電池仿真軟件公司，如 易來科得 、屹艮科技、鴻陽智能、海仿科技等。

實現電池領域的多尺度多物理場耦合仿真道阻且長，需要多學科人才、知識積累乃至多個細分軟件工具的融合，參照COMSOL的發展歷程[35]（COMSOL產品發佈歷程 (comsol.com)），這將會是一個長達20-30年的過程。

CAE仿真領域有不少開源軟件，鋰電池仿真領域就有TauFactor、OpenPNM等開源軟件。關於開源是否能夠加速國產CAE仿真軟件的發展，也曾被多次討論過，這里簡要表達我們對工業仿真軟件領域開源的看法：

軟件開源能否提高國產工業軟件迭代升級、向歐美成熟工業軟件追趕的速度？

我們目前認為是不能。一般基礎軟件通過開源獲取技術迭代助力的邏輯並不適用於工業軟件。首先，工業軟件的底層核心在於基礎理論和數值算法，這兩方面的理論突破和算法創新才能從根本上實現工業軟件的技術突破，很難通過無數軟件開發人員的使用、貢獻代碼來提高CAE軟件的性能，比如仿真計算速度更快、收斂更好、精度更高。

其次，仿真軟件並不是一個互聯網研發編寫程序時需要用到的基礎軟件，而是一個受眾面相對較小的專用軟件，並且仿真軟件代碼編寫的門檻很高，通過開源無法像互聯網開源基礎軟件獲得很多程序員的開發助力。

此外，互聯網基礎軟件通過源代碼開源吸引廣大的開發者，這些開發者多數也會轉變為客户，意味着基礎軟件的開源本身就是一種營銷手段，開源基礎軟件無需付出高昂的銷售成本就可以獲得大量的用户。但是對於工業軟件來説，代碼開源並不意味着工程師就會使用這款軟件甚至成為付費用户。由於製造業的行業屬性，工程師需要選擇穩定性更好、仿真質量更佳的軟件，免費並不能構成一個富有競爭力的因素。

使用開源軟件（組件）可能存在的弊端：

從技術研發角度看，如果前處理和求解器部分採用開源軟件，相當於將技術核心命脈交在了別人手中，技術體系的更新完全依賴於開源軟件的迭代升級。

從產品功能角度看，工業軟件需要具備高可靠性和優異性能，並能與實際工程應用場景深度結合。開源軟件通常自身性能和穩定性較低，一旦面對整體非常複雜的大型模型仿真，使用開源軟件很可能出現計算不容易收斂或者求解速度過慢等問題。此外，開源軟件通常缺乏大量的實際應用案例和幫助文檔，可能無法迴應仿真工程師的實際需求[36]。

從軟件架構角度看，如果在某些功能模塊採用開源軟件（組件），也可能會出現架構耦合上的問題，軟件升級后也會涉及和其他功能模塊協同的問題，甚至會需要調整開源軟件的架構，如此一來需要投入很多研發資源，結果可能得不償失，還不如一開始就選擇自主研發。

自主開發纔是正途。這是一條少有人走的路。或有企業在開源軟件基礎上二次開發，套上一層殼就宣稱自己是國產替代。這種做法只是看上去在走捷徑，實際上是選擇依附在其他公司的技術體系內，企業並未形成基於自身實際經驗的產品原始研發能力。只有當企業以自主研發理念創新、性能先進的商業產品為目標時，企業纔可能產生更強的創新動力和學習能力，才能在自主開發產品中突破技術瓶頸、逐漸掌握工業軟件的研發能力。

自主開發也不意味着完完全全從頭做起，除底層技術需要自身突破外，部分非核心軟件模塊可以考慮採用已經非常成熟的商業開發工具，比如GUI組件和圖形渲染方面。在軟件生態上也要加強合作，開放仿真上下游的第三方軟件API接口，做好數據兼容，進一步增強軟件的易用性和包容性，融入現有的設計仿真工具鏈中，降低工程師的軟件使用成本。

五、鋰電池CAE仿真軟件市場分析

前文我們從理論、技術、產品三個方面進行了詳細闡述，下面從市場側進行簡要的分析。

軟件的需求問題：通常電池企業的制樣測試周期長達8-36個月，包括物料、測試通道設備、人工等在內的耗費成本甚至可能要上億元。而仿真軟件減少幾次制樣測試的成本基本可以就完全覆蓋掉軟件的採購價格，為企業帶來的經濟效益和投入產出比是非常高的。但是要注意用户對於仿真軟件的精度、穩定性要求很高，工業仿真軟件不存在所謂明顯意義上的中低端市場。

鋰電池CAE仿真軟件國內總體市場規模可以通過國內鋰電池企業數量、軟件購買數量和軟件單價（單機版）或訂閲費用（按年計算）估算獲得，如果假定以SaaS形式交付，具體軟件購買量可以通過現有鋰電池企業仿真人員數量、使用頻次及時長估算得到。

從市場用户拓展來看，多尺度以及和製造工藝協同的仿真，可以使仿真軟件串聯起鋰電產業上下游，未來有希望可以覆蓋整車企業、電芯企業及電池材料企業。

我國已經建立起了鋰電池行業材料-電芯-模組-新能源汽車的完整產業鏈，中國製造的電池產品遠銷歐美發達國家市場以及印度等新興市場，部分電池企業也和國外的主機廠展開合作，將電池製造技術帶到歐美，由此可見中國鋰電行業已經實現了產品輸出和製造技術輸出甚至是資本輸出。

但是從產業競爭的視角來看，鋰電池的設計仿真這一核心技術仍未掌握，現有成熟的商業仿真軟件仍屬海外公司，國外科研人員和公司也都在加緊開發更加前沿的鋰電池仿真技術，希望從源頭的設計端突破，重新掌握鋰電產業的主導權。所以，掌握設計仿真技術將是我國鋰電產業未來發展的一個重要目標。佔據正向設計仿真技術這一產業發展的制高點，將有利於推動我國鋰電產業從依靠製造優勢轉變為依靠技術創新優勢的發展方式。

鋰電池仿真技術無論是在理論上還是數值模擬方法上都存在拓展的空間，這就為國內鋰電池仿真軟件發展提供了技術研發上的條件和空間，而國內鋰電全產業鏈的龐大製造規模優勢，潛在的測試數據規模優勢，也為國內鋰電池CAE仿真軟件的發展提供了豐厚的土壤。新興製造業發展引發新產品和新工藝開發，進而產生新的設計和仿真需求，為促進仿真軟件的發展提供了市場條件。從這個角度上説，鋰電池仿真是國內CAE仿真軟件的一個突破口。

工業仿真軟件發展周期長、開發難度很高，以多物理場仿真軟件COMSOL為例，公司成立於1998年，發展到今天也已經走過近30年。開發工業仿真軟件需要數學、物理、化學、流體力學、材料科學、計算機技術等眾多基礎科學和工程科學的科技人才。而且工業軟件只有邁向高端這華山一條路可以走，工業仿真軟件企業需要從創立之初就秉承着研發高端技術產品的信念，纔有可能從小到大、從弱到強發展起來。

唯有技術持續創新發展，才能使產業不斷走向繁榮。從原理出發，站在基礎科學的前沿上實現理論工程化的實際突破，纔有可能真正實現創新驅動的發展。工業仿真軟件恰是會承擔起這樣的作用。

由於筆者時間、視野、認知有限，本文難免出現錯誤、疏漏等問題，期待各位讀者朋友、業界專家指正交流。

文中部分業界觀點獲得 六度智囊 支持，在此表示感謝

【智能製造會議報告-施翀】多物理場仿真助力鋰離子電池研發 (qq.com)

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.

黃傑,凌仕剛,王雪龍,蔣禮威,胡勇勝,肖睿娟,李泓.鋰離子電池基礎科學問題(ⅩⅣ)——計算方法[J].儲能科學與技術,2015,4(02):215-230.

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

林海,鄭家新,林原,潘鋒.材料基因組技術在新能源材料領域應用進展[J].儲能科學與技術,2017,6(05):990-999.

鋰離子電池多尺度多物理場模擬方法發展與應用_嗶哩嗶哩_bilibili https://www.bilibili.com/video/BV1Lr4y1u7ud?spm_id_from=333.880.my_history.page.click

Chen, Z., Danilov, D. L., Eichel, R. A., & Notten, P. H. (2022). Porous Electrode Modeling and its Applications to Li‐Ion Batteries. Advanced Energy Materials, 2201506.

FANG Ruqing, GE Hao, WANG Ziheng, et al. A two-dimensional heterogeneous model of lithium-ion battery and application on designing electrode with non-uniform porosity[J]. Journal of the Electrochemical Society, 2020, 167(13): 130513.

王子珩. 團聚體堆疊型多孔電極模型構建與應用[D]. 北京: 清華大學, 2017.

Stephenson, David E., et al. Modeling 3D microstructure and ion transport in porous Li-ion battery electrodes[J] Journal of The Electrochemical Society , 2011，158(7): A781.

常力戈. 鋰離子電池電極性能與顆粒微結構關聯的相場模擬[D].中國科學技術大學,2021.

項李志. 顆粒尺度電化學-機械模型構建與應用研究[D].哈爾濱工業大學,2020.

巫湘坤,詹秋設,張蘭,張鎖江.鋰電池極片微結構優化及可控制備技術進展[J].應用化學,2018,35(09):1076-1092.

李茂源,張雲,汪正堂,譚鵬輝,劉興鵬,張道琦,李光,解晶瑩,周華民.鋰離子電池極片製造中的微結構演化[J].科學通報,2022,67(11):1088-1102.

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.

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.

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.

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.

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.

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.

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.

Ryan E M , Mukherjee P P . Mesoscale modeling in electrochemical devices—A critical perspective[J]. Progress in Energy and Combustion Science, 2019, 71(MAR.):118-142.

Bermejo R , Sastre P . An implicit-explicit Runge-Kutta-Chebyshev finite element method for the nonlinear Lithium-ion battery equations[J]. Applied Mathematics and Computation, 2019, 361:398-420.

Jiang Z Y , Qu Z G , Zhou L , et al. A microscopic investigation of ion and electron transport in lithium-ion battery porous electrodes using the lattice Boltzmann method[J]. Applied Energy, 2016, 194(MAY15):530-539.

Shodiev A , Primo E , Arcelus O , et al. Insight on Electrolyte Infiltration of Lithium Ion Battery Electrodes by Means of a New Three-Dimensional-Resolved Lattice Boltzmann Model[J]. Energy Storage Materials, 2021, 38(8).

Asa B , Fmza B , Jia Y , et al. Designing Electrode Architectures to Facilitate Electrolyte Infiltration for Lithium-Ion Batteries[J]. Energy Storage Materials, 2022.

Kim G H , Smith K , Lawrence-Simon J , et al. Efficient and Extensible Quasi-Explicit Modular Nonlinear Multiscale Battery Model: GH-MSMD[J]. Journal of the Electrochemical Society, 2017, 164(6):A1076-A1088.

Fan G , Pan K , Storti G L , et al. A Reduced-Order Multi-Scale, Multi-Dimensional Model for Performance Prediction of Large-Format Li-Ion Cells[J]. Journal of The Electrochemical Society, 2017, 164(2):A252-A264.

淺談電池研發實驗管理數字化成熟度模型的價值與應用 (qq.com)

Ayerbe E, Berecibar M, Clark S, Franco AA, Ruhland J. Digitalization of battery manufacturing: Current Status, challenges, and opportunities[J]. Advanced Energy Materials, 2022 May;12(17):2102696.

仿真驅動設計 (qq.com)

https://fastonetech.com/blog/cae-ansys-simulation-20210531/

SimScale – Wikipedia

段紅,邱曉剛.網絡化仿真及其發展趨勢[J].系統仿真學報,2021,33(07):1526-1533.

COMSOL產品發佈歷程 (comsol.com)             https://cn.comsol.com/release-history

專題討論70--開源CFD軟件和商用CFD軟件_嗶哩嗶哩_bilibili https://www.bilibili.com/video/BV1Et4y147NX?spm_id_from=333.880.my_history.page.click

2022年11月29日，未來能源創投新風向大會將會正式舉辦，歡迎大家掃描下方二維碼進行報名參會。同時可以進羣提前瞭解更多大會相關信息。

WISE2022 未來能源創投新風向大會

更多活動信息及行業詳情，請關注微信公眾號「數字時氪」（微信 ID ：digital36kr），期待您的到來。

本文來自微信公眾號 「數字時氪」（ID:digital36kr） ，作者：張丞，36氪經授權發佈。