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

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

随着锂电池在储能和电动汽车领域的广泛应用，其安全性问题日益受到关注。其中，热失控是锂电池面临的主要安全风险之一。本文介绍了一种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，该传感器能够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。

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。当电池系统中，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。

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

传感器介绍

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，采用先进的人工智能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

传感器结构爆炸图

数据融合与AI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：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。

预测与预警功能

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。

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，如锂电池热四级失控预警、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

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。
10. 防护等级高达IP67，适合严苛的储能环境。

传感器技术参数表

环境条件

电气性能

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。

金天弘科技(北京)有限公司简介

关于金天弘：

• 研发: 12年经验，中国·北京
• 注册资金:1.2亿元

公司自主设计、研发、生产高端微电子机械系统（MEMS）芯片及传感器应用系统，公司建立起了一个系统完整的研发体系，始终坚持产学研合作，研发能力国内领先。

覆盖：

• 新能源储能锂电池热失控监测传感器
• 新能源微环境管理传感器
• MEMS芯片及传感器
• 泛介入式医疗、心脑血管、颅内精准诊疗传感等领域

沉淀多年积累了较为完备的研发技术实力，始终坚持国际化科研及创新，并保持面向未来的发展理念。

产学研合作

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。