锂离子电池效能评估：一种新型混合多准则决策方法

《Processes》：Evaluation of Lithium-Ion Battery Effectiveness Using a Novel Hybrid Multi-Criteria Decision-Making Approach

　　

影响电动汽车动力与效率的最重要因素是锂离子电池（LIB）阴极活性材料的配置。该配置化学体系的选择需要对LIB技术效能进行综合评估，并建立决策框架。为此，研究人员考察了八种不同电池技术，采用六项影响现有电池选择的标准对其实用性进行评价。在此背景下，研究人员使用简单权重计算（SIWEC）法对标准赋权，随后使用基于自适应标准化区间的备选排序技术（ARTASI）对备选技术排序。继而通过参数分析以及与其他多准则决策（MCDM）技术比较来检验结果的稳健性，以确定这一新型MCDM集成方法的效能。研究人员进一步使用Dodgson方法进行交换计算，将不同结果聚合得到折衷解。最终，磷酸铁锂（LFP）被确定为最优电池化学体系，其后依次为镍锰钴酸锂（NMC）与钛酸锂（LTO）基LIB，而钴酸锂（LCO）排名最后。所提方法旨在最小化主观专家评价带来的不确定性，并将不同排序结果纳入统一决策框架；该集成使备选方案同时从基于标准与基于多数两个视角被评价，从而同时考量决策结果的多个侧面。

研究背景方面，全球对电动汽车替代内燃机的兴趣复兴，使先进储能技术快速发展；可充电电池是实现净零碳目标的核心，而LIB因轻量、高能量密度被广泛采用。但不同阴极活性材料化学体系在性能、安全、耐久与功率特性上差异显著，具体能量、比功率、安全、性能效率、寿命、成本等标准相互依赖且可能冲突，单准则或纯技术分析不足以解决电池选型问题。现有LIB评价文献多依赖常规赋权—排序组合，新方法应用有限，稳健性常只用单一验证策略，且少有研究用基于共识的聚合来调和不同MCDM排序分歧。因此，研究人员开展一项基于共识的混合MCDM框架研究，由学术界与产业界四位专家参与，对八种LIB技术与六项标准进行评价，成果发表于《Processes》。

主要关键技术方法上，研究人员采用简单权重计算（SIWEC，一种依据决策者用1—9标度评价标准、经归一化与标准差修正得到准则权重的方法）确定标准权重；采用基于自适应标准化区间的备选排序技术（ARTASI，Pamucar等2024年提出、将决策矩阵标准化至区间并借理想/反理想效用度得到排序的分层MCDM方法）完成八种电池排序；为验证，使用参数敏感性分析调节α与φ，并与SAW、TOPSIS、MABAC等常规MCDM方法比较；最后把各MCDM方法产生的排名称作偏好剖面，用Dodgson方法（一种孔多塞框架下通过计算使某备选成为孔多塞胜者所需最少偏好交换数的社会选择机制）聚合出共识排序。专家面板含工业工程、机械汽车工程、电气工程等领域四人，评价为技术级代表值而非单一商品电池实测值。

研究结果部分，按论文主体小标题归纳如下。

1. 2.
   Methodology中，框架分赋权、排序、验证、折衷、结论五阶段。2.1 SIWEC Method里，专家以1—9语言项评标准，建初始矩阵，归一化后算标准化矩阵标准差，将归一化值乘标准差再汇总并归一，使准则权和为1；结果显示性能C₄、比能量C₁、安全C₃权重最高，成本C₆与寿命C₅较低。2.2 ARTASI Method里，聚合决策矩阵后取最大最小值，标准化至Ψ=1与Ψ=100区间，借理想与反理想效用度公式与参数α∈[0,1]、φ∈[1,+∞]算总效用，基线α=0.5、案例α=0.8、φ=1；首轮ARTASI排序为A₈固态电池＞A₆ LTO＞A₃ NCA＞A₁ NMC＞A₅ LMO＞A₂ LFP＞A₇ Li-Po＞A₄ LCO。2.3 Dodgson Method里，将各MCDM方法排序作为投票剖面，建排序矩阵与两两比较矩阵，做孔多塞检查；若无孔多塞胜者则算每备选成为胜者的最少交换数，Dodgson分数最低者最优。
2. 3.
   Case Study中，四位专家用九点评语标度给八技术六标准打分，Kendall’s W≈0.405且不显著（p=0.151），故用算术平均聚合。SIWEC得标准权重：性能最高，比能量与安全次之，比功率再次，寿命与成本最低。ARTASI首轮把固态电池、LTO、NCA排前，LFP仅第六，LCO最后；专家认为这反映各技术权衡，如LFP安全与寿命高但比能量/比功率低，固态电池安全/性能/寿命/比能量较均衡。
3. 4.
   Validation of Results中，φ在30—50内排名不变；α从0到1以0.1步进时首尾备选稳定、中间微动，证明框架对参数稳健。与SAW、TOPSIS、MABAC比较时，LFP在SAW与TOPSIS排第一、MABAC排第二；Dodgson聚合后最终共识排名为A₂ LFP＞A₁ NMC=A₆ LTO＞A₈ 固态＞A₃ NCA=A₅ LMO＞A₇ Li-Po＞A₄ LCO，A₂交换分6为孔多塞胜者，A₄交换分21最弱。研究人员指出Dodgson此处是算法级共识聚合，不是人类选民投票。

讨论与结论部分总结：不同MCDM方法因归一化与聚合逻辑不同而产生不同排序，属方法依赖现象；Dodgson聚合给出反映多方法集体偏好的折衷解，而非单算法结果。LFP凭安全、成本、循环寿命优势成为产业级共识解，与量产电动汽车趋势一致。局限在于偏好剖面来自MCDM方法而非人，未来可扩标准、引模糊逻辑、纳厂商特定模型、把SIWEC—ARTASI移到其他问题域。

结论译文：电动汽车自诞生起快速演进并成为受偏好技术，影响其动力与效率最关键者是LIB。市场品牌靠发动机与燃料技术获性能，电动车则靠电池技术。随用量上升，竞争细节凸显，用哪种电池成为重要研究问题；故依恰当标准与正确MCDM方法评价电池至关重要。本研究采SIWEC与ARTASI集成，并以MABAC、SAW、TOPSIS校验，再用Dodgson分达成折衷。结果明晰显示LFP在文献所建议标准下最优：其比能量、低成本、长寿命使其领先；NMC与LTO基LIB并列次优，前者凭高能量密度与性能、后者凭寿命与安全；LCO因高成本、短寿命、低安全居末。不同MCDM方法即便同标准同框架也产出不同排序，Dodgson框架把这些分歧调和成多方法集体偏好而非单算法输出。该验证框架提升了最终决策稳健性与可辩护性，为电动汽车LIB选型提供平衡依据。研究局限为Dodgson输入是方法级剖面而非人类选民；未来可扩标准、用模糊逻辑、增新技术、入厂商模型并迁移方法至其他领域。