针对储能系统的起火、爆炸等事故发生的原因，电池本身的热失控，以及电池模块和系统的热失控扩散，是行业目前关注的焦点。
由于热失控原因复杂且随机性高，因此提出一种反应快、精度高、应用范围广的热失控预测预警传感器技术是一项具有挑战性的任务。
基于多物理参数数据融合和先进人工智能算法的锂电池热失控监测传感器是多种方案中的优选项！是一种快速、准确、可靠、应用广泛的传感方案！可有效监测锂离子电池热失控风险，保障化学能储能电站安全！
01
研究：热失控的机理、特征、危险性和热失控监测技术的发展情况行
什么是电池热失控？
电化学电池以不可控制的方式通过自加热升高其温度的事故即为热失控。
什么是热失控扩散？
热失控电池产生的热量高于它可以消散的热量时，热量进一步积累，可能导致火灾，爆炸和气体释放。如果电池系统中，由于一个电芯产生热失控而引发其他电芯热失控，即为热失控扩散。国家标准GB/T 36276—2018中给出的热失控扩散定义如表2所示。
热失控的引发原因？
热失控现象的产生原因可以分为两类：内因和外因。内因主要指在电池设计及制造过程中产生的原因；外因主要指在电池运输、安装及运行维护过程中由于人员、外部条件等导致的原因。分类概括如下▼
锂电池热失控反应特征非常剧烈-失控难控制
中科院院士欧阳明高说“没有内短路照样有热失控”。锂电池热失控的诱因是多元的。电池热失控非常剧烈，当锂电池一旦发生热失控，整个电池组能够释放出的能量是惊人的。由100节带电量100Ah的电芯组成的电池组，失控能量达到240000000J，合57公斤TNT炸药。
应开发更小电池单元的热失控监测技术，行业瓶颈亟待破解：
通常当有单节电池发生热失控现象时，电池包内压力急剧上升。热失控传感器检测到压力急剧变化时，触发防爆阀打开，释放内部压力，以防止爆炸事故发生。
电池包/组的整体热失控往往是由单体电芯热失控引发的，对于更小电池单元热失控进行监测，将为事故处理和人员撤离赢得宝贵的时间。
储能电站应实现pack级别预警。
pack级别预警
锂电池热失控难控制，容易引发多米诺骨牌效应，最终导致储能电站出现火灾甚至爆炸。
锂电池热失控预警和灭火技术关键对比（热失控预警是火灾发生前，火灾报警是火灾发生后），前者技术难度更高
储能电站火灾、爆炸事故频发，生命财产损失巨大：
储能电站安全的前置防线-国际现有储能安全规范要求提出电池储能系统热失控的监测要求
美国国际防火规范ICC IFC：2018的12章和美国国家消防协会NFPA 855率先提出了对储能系统安装的防火要求。2020年出版的储能系统安全标准UL 9540:2020也引入了这些法规的要求。这些法规标准都提出了电池储能系统热失控火焰蔓延的监测要求，而UL 9540A作为目前唯一的测试方法标准引起了广泛关注。UL 9540A从2017年第一次发布，到如今的2019版，已经是第四个版本，标准的更替也在不断地提升电力储能系统对安全的要求。
热失控预警：储能电池多维度安全监测预警技术受到国家层面高度重视！
针对热失控预警技术，2022年08月29，工信部公开征求对《关于推动能源电子产业发展的指导意见（征求意见稿）》的意见（以下简称《指导意见》）给出了指导意见。
电池系统集成、检测评价和回收利用中指导意见：
加强储能电池多维度安全测试技术、热失控安全预警技术和评价体系的开发与应用，突破电池安全高效回收拆解、梯次利用和再生利用等技术。
储能系统智能预警安防中指导意见：
开发基于声、热、力、电、气多物理8参数的智能安全预警技术，以及高效、清洁的消防技术。
目前热失控监测技术的现状：
常规的电压测量通常已经部署在锂离子电池中用于电池平衡和过充电或过充电保护，电压监测仅是对热失控事件的最后一次反应，把其做为热失控监测手段有着明显热失控报警严重迟滞的缺陷；
电压监测也存在着最长的时间才能显示其输出信号中的检测电压甚至因为更多的单元并行而进一步延迟，检测速度变慢。
急需提出新一代的电池热失控预测及预警方法，主要基于电池电化学机理建模的方法和基于电池大数据分析的人工智能方法，并实现用于新能源储能项目锂电池的热失控的快速、精准的监测和预警，解决锂离子电池热失控预测及预警所面临的挑战。
国际上主要的锂电池热失控监测实验，结果及结论分析
国际学术论文的主要实验结果：
图表说明：
S1电压传感器是绿色的线，它已经实现在绝大多数电池应用场景的电池监测中采用。标有“可见排气”的虚线表示在电池外壳外可见排气的时间。实验结果是所有实验传感器都能在≈20秒的热失控时间窗内检测到电池单元的热失控效应。
实验分析：
目前普遍采用的电压传感器（S1）方案是在20秒窗口的末期才监测到热失控参数，该时间已经是热失控效应的结束期。其他传感器均在20秒窗口的初期既已监测到热失控参数。
电压传感器监测方案不能较好地满足锂电池热失控快速、准备监测的需求。
锂电池热失控监测学术研究结论：两个或多个传感器的组合可以帮助创建一个检测系统，构建多数据融合的人工智能算法模型消除单个传感器的缺点，提高整个系统的可靠性。
02
热失控监测传感器是新的巨大蓝海市场行
蓝海市场热失控监测传感器应用规模不断扩大：
● 2021年7月发改委、能源局发布《关于加快推动新型储能发展的指导意见》，指出到2025年，装机规模达到30GW，新型储能从商业化初期向规模化发展转变。
● 截至2021年底，全国已有21个省级行政区在全省或部分地区明确了新增新能源发电项目规制性配储能比例以及配储时长。3个省份出台鼓励配储政策。综合来看，平均配储比例约为10%，配储时长约为2h。
03
基于多物理参数数据融合和先进人工智能算法的热失控监测传感器行
基于多物理参数数据融合和先进人工智能算法的热失控监测传感器介绍
大数据分析与应用技术国家工程实验室，鄂维南院士说：“机器学习特别是深度神经网络，是一种适用于求解高维问题的数学工具；机器学习的成熟，让很多以前难以甚至是无法计算的复杂问题能够被很好地建模，并且得出足以指导现实世界中工程实践的有效预测，从而前所未有地促进科学发现和技术创新。简单说就是：AI for Science。”
“现在，机器学习、人工智能这些领域的发展和物理建模、科学计算彻彻底底地交织在了一起，我过去 30 年的经验第一次组合到了一起。在这个方向上，咱们组是独一无二的，已经做了不少奠基性的工作，下一步需要努力的地方也很多。”
在鄂维南院士看来，什么是新的科研范式，是第几种范式，其实没那么重要，重要的是如何利用更强大的计算能力和数据处理能力，解决更多实际问题。
鄂维南院士正在带领团队构建下一代机器学习算法，通过新的融合计算的方式，并且结合物理模型，将来在解决物理问题时，或许只需要几个噪声数据点就可以得到对一个现象的完美描述，因为输入的是已知的物理原理。该研究成果将进一步应用到解决物理、化学、环境、新能源等领域的核心问题。
日前，在此基础上，金天弘能源科技（北京）有限公司成功推出了自主可控的基于多物理参数数据融合和先进人工智能算法的锂电池热失控监测传感器，其创新的采用气压力、VOC、CO、CO2、温度多物理参数做数据融合，采用先进人工智能AI神经网络算法，设计了一款具有边缘计算能力的锂电池热失控传感器，该传感器具有快速、准确、可靠、应用广泛等优点！可有效监测锂离子电池热失控风险，保障化学能储能电站安全！。其判断精度、速度、分辨率和稳定性等性能，非常好，达到了业界领先水平，而且获得了多项核心自主知识产权。
基于多物理参数数据融合和先进人工智能算法的锂电池热失控监测传感器采用基于大数据及先进人工智能的算法，传感监测技术基于多物理参数的电池热失控预警大数据模型：
研发人员提出了基于大数据的锂电池故障诊断模型，包括信号分析以消除噪声，优化状态不一致性对时间序列特征提取的影响，物理数据特征融合和流形学习降维，以及基于聚类的离群点检测以识别异常信号特征，通过优化模型可以有效解决多维数据融合特征阈值难以精准确定的问题。
AI神经网络算法输入层神经元向量映射到隐层，隐层的神经元为m个，得到输出层神经元向量为o：
传感器采用的人工智能神经网络算法
在该AI人工神经网络中，信息的处理是由神经元之间的相互作用来实现的，知识与信息的存储表现为网络元件互连间分布式的物理联系，网络的学习和识别取决于和神经元连接权值的动态演化过程。将AI神经网络算法应用于锂电池热失控多数据融合成功解决了快速、准确进行锂电池热失控判断、识别的技术瓶颈。
基于多物理参数数据融合和先进人工智能算法的锂电池热失控监测传感器可以基于历史稳态与实时动态的运行维护电池系统电解液泄漏和泄压阀破裂检测模型：
可通过熵方法在早期以准确预测电池组电解液漏液和泄压阀破裂的时间，从而实现电池系统热失控前兆预测。也为储能电站运行维护时电池及电池管理系统（运行维护）提供指导运行安全预警：比如当电池出现下列情况时可以早期预警，可停止运行并处理→电池壳体变形、鼓胀、破损；泄压阀破裂；电解液泄露。
运行维护算法人工智能模型
AI人工智能算法模型不断训练对精度进行计算拟合，在数据驱动与模型驱动有机结合基础上，在实际工况下打磨算法，不断自我优化。
基于多物理参数数据融合和先进人工智能算法的锂电池热失控监测传感器具有边缘计算能力：
该传感器为分散式运算的架构，将应用程序、数据资料与服务的运算，由网络中心节点，移往网络逻辑上的边缘节点来处理。边缘运算将原本完全由中心节点处理服务加以分解，切割成更小与更容易管理的部分，分散到边缘节点去处理。边缘节点更接近于用户终端装置，可以加快数据的处理与传送速度，减少延迟。因此该传感器可以快速、准确的发出广泛的报警信息，如锂电池热失控四级预警、电池Rack振动监测预警、电池柜内凝露预警、以及电站恶劣天气预警。可以非常高效地为储能电站管理人员提供指引并进行储能安全生产管理、安全运行维护管理，能力非常强大。
方案、特点及优势
1、全自主化方案：从芯片选择、算法实现均采用全自主化产品、设计，自主可控；
2、系统级设计，可与BMS系统连接或通过自主主机上传至上位系统；
3、气压的测量，采用自主知识产权的电容式气压芯片，在全量程测量范围内精度达到惊人的±0.05hPa(高分辨率可有效实现更精准的预测);区别于压阻式气压芯片，电容式气压芯片，极大地提高了传感器的温度稳定性（因为电容式芯片对温度不敏感），在很大温度范围以及急剧的温度变化时（热失控初期温度会急速升高）也能实现高精度测量，并且性能又非常稳定!即时在热失控初期也不会因为温度升高而影响气压力的精准测量；
4、CO的测量，采用自主设计的金属氧化物半导体MOX传感器，采用电子鼻技犬筛选针对CO气体选择性好，温湿度影响小，检测信号稳定。同时可以根据厂家的热失控研究结果扩展检测其他多种气体;
5、温度的测量，采用自主知识产权的阵列技术，测量精度高，可实现准确快速的实时温度监测;
6、采用车规级成熟结构和电路设计，可适应恶劣储能、车载环境;
7、灵活通讯具有CAN/LIN；MUDBUS RS485接口；
8、铝制牢固金属外壳，适合严苛的储能环境；
9、航空插头实现信号连接。
参数表
方案的监测和预警功能
热失控实验环境搭建
应用
项目类型：数据中心电池、机房储能、备电解决方案
数据中心项目为了响应国家绿能号召，利用智慧储能系统来调节用电高峰阻塞对数据安全带来的风险，同时也作为特殊情况下的应急备电，采用锂电池热失控监测传感器保护储能电池安全。
项目类型：大型化学能储能电站（电源侧）
锂电池零碳储能项目。推进清洁能源综合利用，优化能源结构，实现“碳中和”有着重要意义，采用锂电池热失控监测传感器保护储能电池、电站安全。
项目类型：用户侧化学能储能电站
用户侧锂电池零碳储能项目。推进清洁能源综合利用，优化能源结构，实现“碳中和”有着重要意义，采用锂电池热失控监测传感器保护储能电池、电站安全。
04
产学研合作行
大数据分析与应用技术国家工程实验室简介：
大数据分析与应用技术国家工程实验室是国家发展和改革委员会正式批复同意建设的大数据分析技术研发与应用试验平台。实验室由北京大学牵头，联合中国科学院数学与系统科学研究院、北京奇虎科技有限公司、北京嘀嘀无限科技发展有限公司、中山大学、中国信息安全研究院等单位共同参与。该实验室旨在建设大数据分析技术研发与应用试验平台，培养和汇聚大数据分析技术研发与应用高端人才，为推动中国大数据分析、人工智能算法模型及应用的技术进步和产业发展提供技术支撑。
金天弘能源科技（北京）有限公司积极践行产学研合作，与大数据分析与应用技术国家工程实验室在郑州创新中心合作生根发芽，在新能源、介入式医疗传感监测算法、数据模型、人工智能的合作结出了累累硕果。双方在技术交流、人才培养、课题研究、大数据分析应用与人工智能算法等方面已经成功开展多次合作，大数据分析与应用技术国家工程实验室研究团队定期与公司开展技术交流，不断提高并改进研究水平，解决研发生产中大数据分析应用与人工智能算法等实际问题；针对公司在研究开发中遇到的大数据分析应用与人工智能算法难题和公关项目，积极推荐合适的新技术、新算法。
双方在大数据分析应用技术、人工智能算法等科研方向进行了深度合作，组织完成了大数据分析与应用技术国家工程实验室在郑州数字创新中心签约仪式，整合各方资源，发挥各自优势，努力实现机构共建、人才联聘、数据和算法共享、人工智能成果共享的运行新机制。
