如何實現動力電池的熱失控預測及預警

■文/張 希

近年來，電動汽車的自燃事故頻繁發生，究其原因是由鋰離子動力電池熱失控引起的。因此，如何提升動力電池的安全性以及實現其熱失控提前預測成為亟待解決的痛點問題。

近年來，由于政府政策支持力度和消費者認可度的提高，我國的電動汽車產業迎來井噴式發展，2021年銷量超過300 萬臺，已穩居全球第一。根據《中國制造2025》計劃內容可以看出，電動汽車發展將作為我國未來工業轉型升級的重要支柱，其核心零部件的技術革新將提高我國汽車工業的戰略性競爭力，推動整個國民經濟的可持續健康發展。

動力電池作為電動汽車的動力來源，對電動汽車的續航里程、動力性能及安全性能等起著決定性作用。鋰離子電池因其單體電壓高、比能量高、自放電率小、循環壽命長等優越性能被廣泛應用于電動汽車的儲能系統中。然而，隨著鋰離子電池能量密度的不斷提高，電池的安全性也隨之下降，由鋰離子電池熱失控引起的電動汽車自燃事故近年來頻頻發生，嚴重阻礙了電動汽車的發展。

鋰離子電池熱失控原因比較復雜，許多學者對鋰離子電池熱失控的誘發機理和內部過程進行了基本探索。目前，公認的鋰離子電池熱失控原因主要分為機械濫用、電氣濫用和熱濫用。在這3 種濫用條件引起的熱失控過程中，一系列不可控的放熱反應是引起熱失控的關鍵，包括固體電解質界面（SEI）的分解、陽極與電解液的反應、陰極與電解液的反應、電解液的分解等。熱失控一旦發生，消防手段暫時無法真正觸及正在進行的反應物質，其終止只能是反應物全部燃盡。為了提高動力電池的安全性，進一步保障電動汽車產業健康發展，構建精準、廣泛適用的動力電池熱失控預測和預警方法具有重要意義。

“鋰離子電池的熱失控預測和預警主要是通過將傳感器采集的實時數據輸入到既定的算法中，并與熱失控邊界進行比較來實現的。”

鋰離子電池的熱失控預測和預警主要是通過將傳感器采集的實時數據輸入到既定的算法中，并與熱失控邊界進行比較來實現的。傳感器收集的數據包括電壓、電流、溫度、氣體濃度和膨脹力等。目前，鋰離子電池的熱失控預測方法可以分為兩類：一類是基于電池內部電化學機理建立的；另一類則是基于電池大數據的人工智能算法。

在基于電池電化學機理建立的熱失控預測和預警方面，一般通過電化學-熱耦合模型計算電池發熱量，并根據電池工作條件確定電池熱失控邊界。通過測量電池在熱失控初期的氣體生成量，包括一氧化碳、二氧化碳等，可以實現基于氣體濃度監測的鋰離子電池片和電池組的熱失控預警。此外，根據鋰離子電池的電化學阻抗譜特征進行熱失控預警，包括以阻抗相角、零穿越頻率等參數估計電池內部的實時溫度，以動態阻抗斜率在特定頻率范圍內由負變正的特征檢測電池過充情況，從而防止電池熱失控事故的發生。這些方法具有很強的可解釋性，但由于熱失控事件的隨機性和復雜機制，建立精準的機理預測模型較為困難。

在基于電池大數據的人工智能熱失控預測方法方面，從算法的先進性來看，經歷了閾值邊界確定方法、信息統計確定、機器學習到元學習方法的發展。從直接分析電壓、電流、溫度等參數到多模態數據的小樣本學習，算法效果進步神速。人工智能方法獲取熱失控數據的途徑也多種多樣，如實車數據、熱失控實驗數據、故障注入模擬數據等。然而，基于大數據的動力電池熱失控預測算法同樣面臨諸多挑戰。電池是一個復雜的時變系統，閾值參數邊界會隨著電池的類型和老化而變化，模型的可遷移性能值得探討。基于實驗性熱失控數據的研究在一定程度上揭示了熱失控的原因，但這種理想的數據與真實的車輛數據之間存在很大的差距。因此，目前業界還未形成穩定可靠的算法來預測基于真實車輛數據的熱失控。

為了建立準確的、廣泛適用的鋰離子電池熱失控預測和預警方法，應建立一種結合外部特征（溫度、電壓、電流）和內部機制（電化學反應和材料變化）的多尺度方法，分析鋰離子電池在熱失控演化過程中的電化學-熱耦合特性。此外，應構建電化學參數的逐漸變化與熱失控風險之間的定量規律，以此為依據構建動力電池安全運行邊界，從而實現對鋰離子電池熱失控風險的定量評估和預測。

近年來，雖然鋰離子電池安全研究取得了一些成績，但是鋰離子電池熱失控預測和預警研究還有很長的路要走，需要整合材料學、電化學、熱力學、人工智能等學科，從而建立準確、廣泛適用的鋰離子電池熱失控預測和預警方法。這些方法將降低電動汽車自燃事故的發生概率，提高電動汽車的市場接受度，促進電動汽車產業的發展。