超宽温域储能新进展:国产铝基电池低温性能显著提升

中国科学院深圳先进技术研究院(以下简称"深圳先进院")碳中和技术研究所先进储能技术团队,历经近十年潜心攻关,自主研发的铝基超宽温域锂离子电池 ,近日在黑龙江黑河成功完成极寒整车装车测试。这不仅是该技术首次搭载国内新能源汽车头部企业的量产纯电车型 ,更是首次在真实低温场景下验证了快速充电能力,标志着国产电池在极端环境适应性上迈入全新阶段。

测试现场实测数据亮眼

测试车辆在平均**零下25℃**的严寒环境中静置超过24小时后,进入城市实际工况循环测试。结果显示:

  • 放电效率 超过92%(远高于传统锂电池在同等低温下的表现,通常仅50-70%)
  • 低温快速充电性能突出:从低电量充至90% 仅需20分钟

这一成绩直接解决了北方冬季电动车"趴窝"、充电慢、续航腰斩的痛点,为寒区大规模推广新能源车提供了坚实技术支撑。

(图示:比亚迪等车型在黑河冰雪场地极寒测试场景,类似本次铝基电池搭载车型面临的真实低温环境)

技术原理:铝基负极如何破解低温瓶颈?

传统石墨负极锂离子电池在低温下主要面临两大难题:

  1. 电解液粘度急剧增加,离子迁移受阻
  2. 负极表面SEI膜增厚,锂离子嵌入/脱出困难,导致容量衰减严重

深圳先进院团队创新性地采用合金化类金属材料 ,开发出铝基负极体系。该负极具有以下核心优势:

  • 更高的锂离子扩散系数,低温下迁移阻力显著降低
  • 形成更稳定、薄而致密的SEI膜,抑制锂枝晶生长
  • 整体电化学窗口更宽,兼容超低温电解液体系

最终实现电池工作温度范围扩展至**−70℃ ~ +80℃** ,远超常规锂电池(通常−20℃~+60℃)。团队目标是进一步实现**−40℃** 环境下保持80%以上续航里程,目前已在−25℃实车测试中取得阶段性胜利。

相比2025年冬季的实验室/模拟测试,本次突破有两大"首次":

  • 首次搭载头部新能源车企量产车型(非测试专用车)
  • 首次开展真实低温快充验证

m.eeo.com.cn

(图示:深圳先进院先进储能团队实验室场景与宽温域电池产品展示)

更广阔的应用前景与产业化进展

该技术不仅限于乘用车,已在北方地区智能电网监测清洁能源规模化存储 等领域实现推广应用,并成功入选国家知识产权局2025年第三批专利转化运用优秀案例,显示出极强的产业转化潜力。

未来,随着铝基负极材料工艺优化和成本下降,这项技术有望成为寒冷地区(东北、西北、高原)电动车、储能电站、重卡、无人机等场景的首选方案,推动我国在全球宽温域电池赛道占据领先地位。

qbitai.com

浙大6C快充登Nature:10分钟高速充放,漠河寒冬也不怕-- 量子位

(示意图:典型锂离子电池结构,突出负极材料对宽温性能的关键影响)

结语

从实验室到量产车,从−70℃到+80℃,深圳先进院的铝基超宽温域锂电池用近十年时间,给出了中国在极端环境储能领域的硬核答卷。这不仅仅是一次冬测成功,更是中国电池技术从"跟跑"到"并跑"甚至"领跑"的生动注脚。

期待这项技术早日大规模上车,让北方用户也能像南方一样放心开电动车过冬!

相关推荐
冰西瓜60012 小时前
深度学习的数学原理(十)—— 权重如何自发分工
人工智能·深度学习·计算机视觉
csdn_life1820 小时前
训练式推理:算力通缩时代下下一代AI部署范式的创新与落地
人工智能·深度学习·机器学习
Coding茶水间20 小时前
基于深度学习的猪识别系统演示与介绍(YOLOv12/v11/v8/v5模型+Pyqt5界面+训练代码+数据集)
图像处理·人工智能·python·深度学习·yolo·目标检测
Sunhen_Qiletian21 小时前
深度学习之模型的部署、web框架 服务端及客户端案例
人工智能·深度学习
LaughingZhu1 天前
Product Hunt 每日热榜 | 2026-02-15
人工智能·经验分享·深度学习·神经网络·产品运营
cyforkk1 天前
YAML 配置文件中的常见陷阱:内联字典与块映射混用
人工智能·深度学习·机器学习
月光有害1 天前
深入解析批归一化 (Batch Normalization): 稳定并加速深度学习的基石
开发语言·深度学习·batch
Suryxin.1 天前
从0开始复现nano-vllm「llm_engine.py」
人工智能·python·深度学习·ai·vllm
冰西瓜6001 天前
深度学习的数学原理(九)—— 神经网络为什么能学习特征?
深度学习·神经网络·学习