本项目聚焦储能电池在长期静置存储状态下的日历老化问题。储能系统作为新型电力系统的关键支撑，其全生命周期经济性由平准化储能成本衡量，而日历老化导致的容量衰减与功率衰退是影响寿命周期长度的主导因素之一。项目综合运用基于机理的电化学仿真与数据驱动预测方法，围绕“机理分析—模型构建—仿真预测”的逻辑框架展开研究。具体包括：基于COMSOL平台建立准二维电化学基础模型，植入负极SEI膜生长、电解液分解、活性物质损失等关键老化机理的定量方程，构建多机理耦合的日历寿命模型；同时采用传统机器学习与深度学习时序模型，从容量衰减、电压弛豫、直流内阻等多维数据中提取老化特征，构建数据驱动的寿命预测模型。通过机理模型与数据模型的对比验证，实现对电池内部状态演变与剩余使用寿命的准确评估，为储能系统的健康管理与存储策略优化提供理论依据与工程解决方案。

项目的主要目标包括以下五个方面：第一，建立高精度的锂离子电池准二维电化学基准模型，通过COMSOL平台实现模型构建，并利用实验数据完成关键物理化学参数的辨识与标定，确保仿真结果与实际充放电行为高度吻合。第二，识别并量化日历存储过程中的核心老化机制（负极SEI膜生长、电解液分解、活性物质损失等），构建各机理的定量数学方程，并将其植入基准模型，形成能够反映电池内部状态演变的多机理耦合日历寿命模型。第三，开发基于数据驱动的日历寿命预测模型，通过特征工程提取与老化强相关的健康指标，采用支持向量回归、长短期记忆网络等算法，实现对不同储存工况下容量衰减轨迹的准确预测。第四，将机理模型与数据模型的预测结果进行系统性对比评估，从精度、可解释性、泛化能力等维度阐明各自的优劣与互补关系。第五，通过真实老化实验数据完成模型验证与修正，提升模型的工程适用性。

本项目预期产出三项核心成果。其一，高精度的锂离子电池准二维电化学基准模型。该模型基于COMSOL平台搭建，利用恒流充放电与开路电压实验数据进行参数标定，能够准确模拟电池初始电化学行为，为后续老化机理研究提供可靠的仿真基础。其二，融合关键老化机理的电池日历寿命机理模型。在P2D基准模型基础上，植入SEI膜生长、电解液分解、活性物质损失等机制的定量方程，实现多物理场耦合计算，能够动态仿真静置存储过程中容量衰减曲线、阻抗增长、SEI膜厚度演变及活性锂损失量，并量化不同老化机理的贡献比例。其三，基于数据驱动的电池日历寿命预测模型。利用不同温度、荷电状态下的存储实验数据，通过提取容量衰减速率、电压弛豫斜率等多维特征，构建支持向量回归与长短期记忆网络模型，实现对未知工况下容量保持率的快速预测。最终通过机理模型与数据模型的对比分析，阐明各自在预测精度、计算效率、可解释性及工程适用性方面的优势与局限。