凭借高能量密度、长循环寿命和低自放电率等优势，锂离子电池已成为电动汽车的核心动力来源。不过，传统充电技术存在两大短板：一方面缺乏安全边界约束，导致充电效率低下且存在安全隐患；另一方面未能将充电过程与电池均衡有机结合，造成容量浪费和充电不充分。针对这些行业痛点，科研团队提出了一种突破性的快充-均衡双层优化控制方案。

研究团队构建了电-热耦合模型，通过二阶RC等效电路与等效热路模型的融合，精确刻画电池的电热特性。实验数据显示，该模型对电压和温度的预测误差分别控制在7.97mV和1.01℃以内。基于这一模型，科研人员设定了电压、电流、温度和荷电状态四维安全边界，运用改进的鲸鱼优化算法，成功开发出兼顾充电速度与安全性的最优充电曲线。与传统CCCV充电法相比，新方案使充电时间缩短6.84%，电池最高温度降低2.71%，有效解决了充电效率与安全性的矛盾。

在电池组层面，研究团队创新性地引入被动均衡拓扑结构，将均衡过程无缝嵌入充电环节。通过Q-learning强化学习算法，系统能够根据实时采样数据动态调整充电电流和均衡电流，在最小化能耗的同时最大化充电效率。在由8节电池串联组成的测试平台上，实验组采用新方法后，电池组最大压差从初始的83mV骤降至6.4mV，可用容量提升4.36%，仅以4.16%的充电时间增加为代价，显著改善了电池组的一致性。

该成果发表于《电工技术学报》，其核心突破在于构建了“单体优化-群体协同”的双层控制体系。研究团队表示，这项技术不仅适用于电动汽车领域，还可推广至储能电站等大规模电池应用场景。目前，相关算法已通过国家自然科学基金多个重点项目的资助验证，为新能源产业提供了重要的理论支撑和技术解决方案。