鋰離子電池憑借高能量密度、長循環壽命和低自放電率等優勢，已成為電動汽車的核心動力源。然而，傳統充電技術存在兩大短板：一方面缺乏安全邊界約束，導致充電效率低下且存在安全隱患；另一方面未將充電過程與電池均衡有機結合，造成容量浪費和充電不充分。針對這些行業痛點，科研團隊提出了一種突破性的快充-均衡雙層優化控制方案。
研究團隊構建了電-熱耦合模型，通過二階RC等效電路與等效熱路模型的融合，精確刻畫電池的電熱特性。試驗數據顯示，該模型對電壓和溫度的預測誤差分別控制在7.97mV和1.01℃以內。基于這一模型，科研人員設定了電壓、電流、溫度和SOC（荷電狀態）四維安全邊界，運用改進的鯨魚優化算法，成功開發出兼顧充電速度與安全性的最優充電曲線。與傳統CCCV充電法相比，新方案使充電時間縮短6.84%，電池最高溫度降低2.71%，有效解決了充電效率與安全性的矛盾。
在電池組層面，研究團隊創新性地引入被動均衡拓撲結構，將均衡過程無縫嵌入充電環節。通過Q-learning強化學習算法，系統能夠根據實時采樣數據動態調整充電電流和均衡電流，在最小化能耗的同時最大化充電效率。在由8節電池串聯組成的測試平臺上，實驗組采用新方法后，電池組最大壓差從初始的83mV驟降至6.4mV，可用容量提升4.36%，僅以4.16%的充電時間增加為代價，顯著改善了電池組的一致性。
該成果發表于《電工技術學報》，其核心突破在于構建了"單體優化-組群協同"的雙層控制體系。研究團隊表示，這項技術不僅適用于電動汽車領域，還可推廣至儲能電站等大規模電池應用場景。目前，相關算法已通過國家自然科學基金多個重點項目的資助驗證，為新能源產業提供了重要的理論支撐和技術解決方案。
