综述:面向可部署下一代超级电容器的可靠性设计:退化、恶劣环境运行、可持续性与人工智能指导的寿命预测

《Progress in Materials Science》:Reliability-by-design for deployable next-generation supercapacitors: degradation, harsh-environment operation, sustainability, and AI-guided lifetime prediction

【字体: 大 中 小 】 时间:2026年09月21日 来源:Progress in Materials Science 42.9

编辑推荐:

   # 以可靠性设计重塑超级电容器的发展 • 以可靠性设计视角重塑超级电容器的进展 • • 关联退化、自放电、可持续性与AI寿命预测 • • 提出面向可部署超级电容器技术的5R框架 • • 定义超越比容量和循环保持率的可靠性指标 • • 确定面向AI就绪寿命预测的报告标准 •

  

# 以可靠性设计重塑超级电容器的发展

• 以可靠性设计视角重塑超级电容器的进展 •
• 关联退化、自放电、可持续性与AI寿命预测 •
• 提出面向可部署超级电容器技术的5R框架 •
• 定义超越比容量和循环保持率的可靠性指标 •
• 确定面向AI就绪寿命预测的报告标准 •

## 引言

超级电容器(SC)的部署所受到的限制,并非仅仅源于高比容量材料的可获得性,更在于完整器件在持续的电气、热、机械和环境应力下维持可预测性能的能力。可靠性在很大程度上取决于主导的电荷储存机制,因为不同机制会在器件内部重新分配退化风险[1]、[2]、[3]。双电层电容器(EDLCs)避免了反复的体相氧化还原转化,但仍易受电解质引起的孔道堵塞、表面氧化、泄漏、自放电和界面电阻增长的影响[4]、[5]。赝电容电极虽然能提供更高的电荷储存能力,但引入了对溶解、晶格应变、相演变、体积形变和接触丧失的额外敏感性[6]、[7]。混合和非对称器件结合了这些机制,同时增加了电极电位不平衡、动力学失配和非对称老化问题[4]、[5]、[8]、[9]、[10]。这些与机制相关的权衡取舍,而非材料类别或应用的目录,构成了本综述中可靠性设计分析分析的起点。

将高性能超级电容器材料从实验室演示转化为可商业部署、可靠且可重复的器件一直受到限制。其中一个关键问题是,许多报告的性能值是在理想化条件下进行测试后得出的,例如三电极电池、低活性物质负载量、有限(或不切实际的)电压窗口、过量电解质、薄膜电极和短时循环[11]、[12]。尽管这些条件对于探究本征材料行为是有用的,但它们可能会高估可行全器件的性能。在真实的超级电容器器件中,存在集流体、粘结剂、导电添加剂、隔膜、电解质、封装、极耳、端子以及其他非活性组件,这些组件对能量密度、ESR(等效串联电阻)、泄漏电流以及其他因素(如安全性和寿命)都有重大影响[13]、[14]。因此,材料层面的高比容量并不保证器件层面的可靠性能。尽管在材料层面取得了重大进展,但许多候选材料的性能和可靠性在实际器件中仍未得到充分验证。对于紧凑型和固态超级电容器,评估方案仍然存在重大差距,尤其是许多报告的指标排除了非活性组件的质量,并遗漏了关键变量,如电极厚度、电解质用量、耐腐蚀性和器件间变异性[15]。

因此,可靠性已成为下一代超级电容器的关键议题。虽然超级电容器因其较长的使用寿命而广受认可,但它们仍然容易受到多种相互关联的退化机制的影响。电极材料可能遭受表面氧化、孔道堵塞、可及表面积丧失、溶解、膨胀、收缩、开裂、重堆叠、结构塌陷或电接触丧失[16]。在热、电压或环境应力下,电解质可能分解、蒸发、冻结、产气或在电极表面丧失离子电导率[17]。寄生反应、钝化层形成、官能团变化、产气和阻抗增加都是电极-电解质界面可能变得不稳定的途径[18]。集流体、隔膜、粘结剂和封装材料可能发生腐蚀和分层[19]。最重要的是,这些退化过程通常不会单独发生。相反,它们在整个器件架构中相互作用,在短暂的循环期间可能处于潜伏状态,但在电压保持、储存、湿度暴露、机械形变或实际工作周期中才会显现出来。容量衰减应被视为退化特征而非退化机制。以可靠性为重点的分析需要将性能退化与其真正原因进行彻底关联,这涉及化学分解、界面钝化、传输限制、机械接触丧失、腐蚀、产气现象和封装失效。

虽然传统的性能指标很重要,但它们不足以评估超级电容器的实际适用性。比容量、能量密度、功率密度、倍率性能、库仑效率和容量保持率提供了关于电荷储存性能的有价值信息,但它们不能完全反映长期可靠性。一个器件可能仍保持相当比例的原始容量,但却表现出非常高的ESR、泄漏、自放电、不稳定性或封装失效[20]。同样,温和循环条件下的循环稳定性可能无法反映在恒压浮充、日历老化、高温储存、冻融循环、机械载荷或现场相关运行曲线下的循环稳定性[21]。因此,应在超级电容器评估中增加与可靠性相关的指标,如泄漏电流、电压保持稳定性、自放电率、运行电位窗口稳定性、阻抗演变、产气、器件级能量密度、故障概率和统计寿命分布。然而,如果没有统一的剩余使用寿命(RUL)测量和评估方法,任何与超级电容器使用寿命相关的发现或预测都将难以评估[22]、[23]。为使指标具有实际意义,所有测试必须在真实的二电极或封装超级电容器器件上进行,采用相关的负载水平,在受控运行条件下进行,涉及可重复的器件和老化后分析。

对实际部署而言,最重要但报告最少的挑战之一是自放电[24]、[25]。在开路状态下,储存的能量可能因多孔电极的电荷重新分布、欧姆泄漏、杂质驱动的氧化还原反应、电解质分解和寄生法拉第反应而损失。对于备用电源模块、自主传感器、记忆保护电路、间歇性能量收集系统和可穿戴设备——在这些应用中能量必须在使用前长时间保持——这一限制尤为关键。待机效率、安全性和可预测的功率交付也与泄漏电流和电压保持稳定性直接相关[26]。因此,有必要从短期的恒流充放电(GCD)测试转向更好地模拟实际应用场景的测试方法。自放电现象在诊断方面被证明至关重要,它使得可以检测到电池单元内缓慢发生的寄生反应、电池中的泄漏路径、氧化还原穿梭效应、电极不平衡和电解质退化现象。

对可靠性中心设计的需求因柔性、可穿戴、微型化和恶劣环境超级电容器日益增长的需求而进一步增加。可穿戴设备和软电子需要在使用者在弯曲、扭曲、拉伸、挤压、出汗、潮湿以及人体能进行的所有运动中交付电化学功能[27]。微型超级电容器需要在受限的架构、电解质体积和制造要求在面密度和体积密度的基础上提供稳定性能[28]。用于电动汽车、航天系统、户外电子设备、工业和寒冷地区应用的超级电容器需要宽温度工作能力[29]。过高的热量和寒冷会导致电解质粘度增加,减少离子的移动,并分别导致电解质冻结或分解[30]。正如所讨论的挑战所证明的,下一代超级电容器的发展将涉及将所有元件(电极、电解质、隔膜、粘结剂、集流体、界面和封装策略)作为整体系统来设计。系统级视角是必要的,因为不良的运行条件可能在整个器件组件之间引发耦合退化。因此,柔性、可穿戴、微型化和宽温度超级电容器应采用与应用相关的协议进行评估,包括机械形变与电化学循环的同步进行、冻融循环与EIS(电化学阻抗谱)监测、高温浮充测试、湿度或人造汗液暴露,以及形变后界面表征。

未来的超级电容器技术还将必须满足可持续性的要求。使用生物质衍生碳、天然聚合物凝胶、水基电解质、绿色合成路线、可回收集流体和低毒性前驱体,作为环境友好替代方案越来越受到鼓励。然而,此类可持续性主张需要严格评估[31]、[32]。如果生物质衍生碳的生产包括高温热解、激进的化学活化、酸洗、有毒溶剂、低产率、高用水量或器件中不可回收的组件,那么该碳材料并不一定是可持续的[33]、[34]。同样,昂贵且难以获得的原材料、困难的合成工艺、较差的可扩展性或未知的终端解决方案可能是所报道的高性能纳米材料背后的支撑因素。因此,生命周期思维、绿色加工、资源可获得性、可回收性、材料回收和技术经济可行性对于超级电容器的可持续发展至关重要。可持续性必须考虑与功能性相关的参数,而不是将评估限制在前驱体的可再生特性方面。例如,可持续性应包括基于每单位供电量的环境足迹、完整使用寿命期间或每个运行器件的评估。事实上,一种表现出良好容量但具有长期生命周期、最低制造工艺要求、与环保电解质兼容且易于回收的材料,可能成为比另一种表现出更高容量但通过资源密集型和能源密集型工艺制造且寿命较短的材料更好的候选者。

与此同时,人工智能(AI)和机器学习正成为加速超级电容器研究的高效工具[35]。数据驱动模型可用于将材料属性、电极结构、电解质配方、电压窗口、负载量、阻抗变化、循环性能与寿命联系起来。然而,它们的可靠性在很大程度上依赖于数据质量、标准化测试、完整报告以及长期老化数据。为在该领域发挥作用,AI应超越容量预测,扩展到健康状态评估、剩余使用寿命预测、故障模式识别、可解释的材料设计和数字孪生辅助的可靠性评估[36]、[37]。事实上,基于有限文献研究进行的AI算法预测存在不确定性。训练数据集主要由基于三电极测量的研究组成,负载量不一致,缺乏电压保持数据,且器件的失效后分析有限,这些限制了AI的预测能力。使用AI的固态电解质研究需要标准化描述符,报告故障或负面结果,老化行为、阻抗变化、泄漏电流测量、自放电行为、运行温度和不确定性量化。

综上所述,这些局限性表明,核心挑战不仅仅在于缺乏高性能超级电容器材料,更在于缺乏一种将材料层面性能转化为可预测器件层面服役的设计逻辑。先前的综述已经确立了超级电容器失效机制、寿命建模和以可靠性为导向的设计的重要性,而近期文献也强调了先进电极材料从实验室演示向实际能源存储应用的转化[16]、[38]、[39]、[40]、[41]、[42]。退化路径和电化学表征的良好实践也得到了详细探讨[43]、[44]。因此,本综述的独特视角并非可靠性此前未被认识,而是它可以作为一个闭环的材料到器件设计原则来处理。在此,可靠性设计被定义为一种由应用驱动的过程,其中预期的工作周期和运行环境首先定义了相关的电气、热、机械和环境应力;这些应力随后被映射到组件和界面特有的退化机制上;这些机制与可测量的可靠性特征相关联;所产生的证据用于选择有针对性的材料、界面和器件级缓解策略。候选器件随后通过五个相互关联的就绪标准进行评估:可靠性(Reliability)、稳健性(Robustness)、可回收性(Recyclability)、现实基准测试(Realistic benchmarking)和可重复性(Reproducibility)(5R)。长期老化和与应用相关的数据随后可以通过机制失效分析和(在适当情况下)AI辅助的健康状态和剩余使用寿命预测回到设计阶段。在此框架下,可靠性设计既不同于传统的性能优化,也不同于事后老化评估:设计目标不是最大化单一的电化学指标,而是在由预期应用所施加的应力包络、寿命、生命周期约束和统计变异性内保持有用且可预测的性能。后续章节将逐步发展这一框架,依次涵盖电荷储存机制、以可靠性为导向的指标、全器件退化路径、自放电、恶劣环境运行、可持续材料与循环设计、AI启用的预后,以及最终的5R就绪框架。

## 章节片段

### 范围与文献选择

本综述采用批判性的叙事框架,探讨超级电容器中的材料级电化学性能如何转化为在定义的电气、机械、热和环境条件下可预测的整器件运行。而非仅仅强调容量、能量密度、功率密度和循环保持率,本综述通过退化机制、ESR演变、泄漏电流、自放电、电压保持稳定性来评估器件就绪状态,

### 作为可靠性决定因素的电荷储存机制

电化学储能器件的概念基于电极结构、电解质化学、离子传输、界面反应和器件构型之间的相互作用。尽管它们通常以功率密度和长循环寿命来描述,但其实际效用不仅取决于在紧凑空间内储存电力且每周期功率损耗小的能力。同时,分级微/介孔和氮掺杂中空

### 全器件中的失效机制

超级电容器退化是多尺度、多方面的,源于耦合的化学、电化学、界面、机械和热过程。尽管超级电容器的循环寿命通常比电池更长,但它们并不免疫老化。超级电容器可能因容量损失、ESR增加、高自放电、电解质退化、产气、电极和集流体腐蚀甚至封装失效而发生性能退化[88]。

值得注意的是,以下几个方面值得关注:

**自放电:实际部署的关键障碍**

自放电是影响超级电容器(SCs)可靠性的最显著问题之一,但在研究中长期未得到充分重视。它是指已充电电路在开路状态下无人看管时,储存的电荷/电压自动衰减的现象。尽管超级电容器因快速充电、高功率密度和长循环寿命而被认为具有实际用途,但当储存能量在待机期间快速衰减时,其实际可用性可能会受到严重限制[168]。

**恶劣环境下的超级电容器**

随着储能系统从受控的实验室条件转向户外电子设备、电动交通、航空航天平台、可穿戴设备、软体机器人、军事系统和分布式监测网络,开发适用于恶劣环境的超级电容器已成为一项关键挑战[256]。在这些应用场景下,超级电容器必须在极端温度条件、湿度、机械变形或机械冲击、振动以及间歇充电条件下可靠工作。

**可持续超级电容器**

可持续性近期成为超级电容器文献中的一个重要主题,其驱动力在于对低成本、环境友好、可扩展且安全的储能解决方案的需求。越来越多地使用源自生物质的碳材料、水性电解质、天然聚合物、可生物降解的水凝胶和深共晶溶剂,代表了一种从高成本、有毒或高能耗材料向可持续方向的重要转变[334]、[335]、[336]。超级电容器的可持续性不能仅基于单一因素来评估。

**机器学习与人工智能引导的寿命预测**

机器学习和人工智能在超级电容器研究中正发挥着越来越重要的作用,因为许多相互依赖的变量都会影响这些器件的性能和寿命。在传统的实验优化中,实验中独立改变单个变量,如活化温度、孔径、电解质浓度或电极载量。然而,对于超级电容器的行为而言,它很少由单一因素控制。各因素之间的耦合相互作用

**可靠性导向设计:作为闭环框架的5R准备就绪关卡**

此处的"可靠性导向设计"采用的是比长循环寿命或老化后表征更为严格的含义。它将可靠性视为完整超级电容器架构的涌现属性,并将预期的服役条件作为材料和器件设计的输入,而非优化之后施加的外部测试[523]。这种理解与失效物理方法一致,在该方法中,应力相关的退化被用于器件鉴定和寿命评估[84]。

**未来展望**

超级电容器研究的下一阶段应围绕从材料性能到应用合格器件就绪的可量化转变来组织。核心问题不再是有利条件下哪种电极能提供最高的初始电容,而是哪种完整的电池能够在声明的电气、热、机械和环境应力历史中提供所需的能量和功率。电荷存储机理必须与化学相关的退化联系起来。

**结论**

本综述表明,下一代超级电容器部署的主要障碍并非缺乏高电容材料,而是缺乏从材料行为到可预测的全器件服役的一致路径。可靠性导向设计始于声明的应用和应力包络,将应力映射到元件特定的失效机理和可测量的特征信号,应用基于机理的缓解措施,并通过非补偿性可靠性验证器件。

**CRediT作者贡献声明**

Syed Shaheen Shah:撰写—审阅与编辑,撰写—初稿,可视化,验证,监督,软件,资源,项目管理,方法论,调查,形式分析,数据整理,概念化。Hani Albalawi:撰写—审阅与编辑,撰写—初稿,调查,资金获取。Adnan Almasoudi:撰写—审阅与编辑,撰写—初稿,形式分析。Abdul Wadood:撰写—审阅与编辑,撰写—初稿。

**利益冲突声明**

作者声明,他们没有已知的竞争性经济利益或个人关系,这些利益或关系可能会影响本文报告的工作。

**致谢**

作者感谢沙特阿拉伯塔卜克大学的支持,以及沙特阿拉伯王国研究、发展和创新局(RDIA)资助的研究拨款,拨款编号为(13385-Tabuk-2023-UT-R-3-1-SE)。

Syed Shaheen Shah | Hani Albalawi | Adnan Almasoudi | Abdul Wadood | Syed Khasim | Taymour A. Hamdalla | Takaya Ogawa | Munawar Iqbal | Zafar Said | Md. Abdul Aziz
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号