基于AHP-BN的新能源電池試驗動態(tài)風(fēng)險分析

中圖分類號：U467 收稿日期：2025-04-02 DOI： 10.19999/j.cnki.1004-0226.2025.05.014

Dynamic Risk Analysis of New Energy Battery Laboratory Based on AHP-BN

Ma Xinyu Gao Tian CATARCAutomotive Test Center（Wuhan）Co.，Ltd.，Wuhan430o50，China

Abstract：Thesafetyriskassessmentofnewenergybatterylaboratoryisveryimportanttoensurethetestprocess.BasedonAHPBNcouplingmethod，afourdimesioalidexsstecoveringpersoel，quipent，vioentandaagementisostructed. Theanalytichierarchyprocess（AHP）resultsshowedthathepersonnelfactor（weightO.39）andthedamagedegreofsamplesafter testing（weightO.14）hadthemostsignificantimpactonthesafetyrisk.ThedynamicprobabilityanalysiscombinedwithBayesiannetwork shows that the probability of test safety risk is 24.73% ，in which the level of personnel operation，battery SOC status and safety awarenessaretekeyinfluencingfactors.Thismethodefectivelyintegratestheadvantagesofsubjectieandobjectiveevaluatioand puts forward targetedimprovementmeasures，suchasstrengthening persoeltraining，optimizingsampledetectionprocessandrealtimemonitoringofbatery status，whichcanprovide decisionsupportforthesafety management ofnewenergybaterylaboratory.

Keywords：Newenergybattery;AHP;BN;Riskanalysis

1前言

隨著我國能源結(jié)構(gòu)轉(zhuǎn)型加速，新能源汽車產(chǎn)業(yè)已成為實現(xiàn)“雙碳”目標(biāo)的核心領(lǐng)域1。作為新能源汽車的關(guān)鍵部件，新能源電池的安全性與可靠性問題仍存在技術(shù)瓶頸2]。新能源電池試驗室承擔(dān)著電化學(xué)性能測試、濫用工況模擬、失效機理研究等高危試驗任務(wù)，在試驗及存儲過程中可能發(fā)生電解液泄漏、熱失控等現(xiàn)象，存在一定的安全風(fēng)險[3-6]。

近年來，最大溫升監(jiān)控防爆區(qū)設(shè)計8、建筑安全設(shè)計9等方法被用于提高試驗室安全性，但多聚焦于單一風(fēng)險因子，缺乏對“人機料法環(huán)”全要素的系統(tǒng)分析。復(fù)雜系統(tǒng)的風(fēng)險評估的方法主要有層次分析法（AnalyticHierarchyProcess，AHP）[1o]和貝葉斯網(wǎng)絡(luò)（BayesianNetwork，BN）[I]等。張紅燭等[12]基于AHP從管理制度、樣品損傷程度等角度對風(fēng)險因素進行識別，研究表明鋰電池檢測試驗室安全管理的重心應(yīng)當(dāng)在人員和樣品的安全管理；王文和等[13]通過BN敏感性分析識別關(guān)鍵風(fēng)險因素，驗證城市地下燃?xì)夤芫W(wǎng)失效概率為 7.90× 10^-2 ，事故后果以噴射火為主；邢英等[14]對海底隧道交通事故風(fēng)險進行敏感性分析，結(jié)果表明不安全駕駛行為、安全意識和車速是關(guān)鍵因素，海底隧道處于低風(fēng)險狀態(tài)的概率為 79% ，重大風(fēng)險僅 3% 。隨著研究的深入，AHP-BN耦合方法逐漸應(yīng)用于吊裝作業(yè)[15]潰壩生命損失[16]等領(lǐng)域的風(fēng)險分析，形成主客觀兼顧的風(fēng)險評估，有著良好的有效性。新能源電池試驗室安全風(fēng)險評估分析多以單一方法為主，AHP-BN方法應(yīng)用較少，未能實現(xiàn)動態(tài)性與靜態(tài)性的融合。

本研究提出基于AHP-BN的新能源電池試驗室動態(tài)風(fēng)險分析評估方法，結(jié)合試驗室運行經(jīng)驗，構(gòu)建多維度風(fēng)險分析模型，為新能源電池試驗室的安全管理體系搭建提供科學(xué)依據(jù)與技術(shù)支撐。

2分析方法

2.1層次分析法

層次分析法是一種基于數(shù)學(xué)與心理學(xué)的多準(zhǔn)則決策分析方法，其核心思想是通過構(gòu)建層次化結(jié)構(gòu)模型，將復(fù)雜問題分解為目標(biāo)層、準(zhǔn)則層和方案層，結(jié)合定性與定量分析實現(xiàn)決策問題的系統(tǒng)化[7]。下面分析AHP的基本步驟。

a.建立層次結(jié)構(gòu)模型。

將復(fù)雜問題分解為多層次結(jié)構(gòu)，頂層為目標(biāo)，中間層為準(zhǔn)則層，底層為指標(biāo)層。目標(biāo)層為待解決的核心問題；準(zhǔn)則層為影響目標(biāo)的關(guān)鍵因素；指標(biāo)層為各準(zhǔn)則下的具體評估指標(biāo)。

b.構(gòu)造判斷矩陣。

采用1～9標(biāo)度法對同一層次的元素進行兩兩比較，形成判斷矩陣：

式中， a_ij 為元素 i 相對于元素 j 的重要性程度。例如，若指標(biāo) i 比指標(biāo) j 重要3倍，則 a_ij=3，a_ji=1/3 。

c.權(quán)重計算。

計算判斷矩陣的最大特征值 λ_max ，然后計算對應(yīng)的特征向量，歸一化后得到權(quán)重向量 ω_i ，相關(guān)公式如下：

d.一致性檢驗。

通過一致性指標(biāo) （CI） 和隨機一致性指標(biāo) （RI） 計算一致性比率 （CR） 驗證判斷矩陣的合理性，公式如下：

若 CRlt;0.1 ，則矩陣具有一致性；否則需調(diào)整判斷矩陣。

2.2貝葉斯網(wǎng)絡(luò)

貝葉斯網(wǎng)絡(luò)是一種概率圖模型，通過有向無環(huán)圖（DAG）和條件概率表（CPT）描述變量間的因果關(guān)系與不確定性，其核心是利用貝葉斯定理實現(xiàn)動態(tài)概率推理，適用于復(fù)雜系統(tǒng)的風(fēng)險評估與預(yù)測[18]。

貝葉斯網(wǎng)絡(luò)由節(jié)點和有向邊構(gòu)成，節(jié)點代表隨機變量，有向邊表示變量間的直接因果關(guān)系。若存在從節(jié)點X 指向節(jié)點 Y 的邊，則 X 為 Y 的父節(jié)點， Y 為 X 的子節(jié)點。網(wǎng)絡(luò)中的根節(jié)點（無父節(jié)點）需定義先驗概率，而非根節(jié)點則需定義在父節(jié)點取值組合下的條件概率分布。貝葉斯網(wǎng)絡(luò)通過鏈?zhǔn)椒▌t計算聯(lián)合概率分布。對于包含 n 個節(jié)點的網(wǎng)絡(luò)，聯(lián)合概率分布如下：

式中， F（X_i） 為 X_i 的父節(jié)點集合。

基于貝葉斯公式，可根據(jù)父節(jié)點狀態(tài)預(yù)測子節(jié)點的后驗概率，或根據(jù)子節(jié)點狀態(tài)反推父節(jié)點的后驗概率，貝葉斯公式如下：

其中， P（B） 可通過全概率公式計算：

與BN的耦合優(yōu)勢

AHP依賴專家主觀判斷，難以處理動態(tài)不確定性問題和變量間的因果依賴關(guān)系。BN網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜，節(jié)點權(quán)重分配可能缺乏系統(tǒng)性依據(jù)。本研究結(jié)合AHP與BN方法，利用AHP構(gòu)建評價體系層級，利用BN量化風(fēng)險因素間的動態(tài)影響關(guān)系，將AHP的權(quán)重計算結(jié)果轉(zhuǎn)化為BN的先驗概率，提升復(fù)雜系統(tǒng)的決策魯棒性，實現(xiàn)主觀經(jīng)驗與客觀數(shù)據(jù)的融合分析。

3結(jié)果與分析

3.1基于AHP的新能源電池試驗室風(fēng)險分析

通過專家討論研究，并結(jié)合實際案例和試驗室安全管理經(jīng)驗，得出新能源電池試驗室風(fēng)險因素，其包含人員因素 B₁ 、物的因素 B₂ 環(huán)境因素 B₃ 、管理因素 B₄₀ 為便于定量分析，其風(fēng)險指標(biāo)體系如表1所示。

3.1.1模型構(gòu)建

以各風(fēng)險指標(biāo)為基礎(chǔ)，構(gòu)建新能源電池試驗室風(fēng)險層次結(jié)構(gòu)模型，如圖1所示。

3.1.2層次分析法計算結(jié)果分析

邀請一位來自其他新能源電池試驗室的相關(guān)領(lǐng)域?qū)＜遥渚邆湫履茉措姵販y試實踐基礎(chǔ)，熟悉新能源電池試驗室安全管理規(guī)范，對新能源電池測試要求、潛在風(fēng)險，應(yīng)急處置預(yù)案等有著深入了解。該專家采用1～9標(biāo)度法對各一級風(fēng)險指標(biāo)影響因子進行打分，得到判斷矩陣：

對判斷矩陣進行權(quán)重計算和一致性檢驗，其一致性指標(biāo) CI 為0.0069，一致性比率CR為0.0076，滿足小于1的條件，即具有一致性。同樣，該專家對各一級風(fēng)險指標(biāo)下的二級風(fēng)險指標(biāo)影響因子進行打分，計算后的數(shù)據(jù)均表現(xiàn)出良好的一致性，各風(fēng)險指標(biāo)權(quán)重如表2所示。

由表2可知，一級指標(biāo)中，人員因素 B₁ 權(quán)重最高，物的因素 B₂ 次之，環(huán)境因素 B₃ 最低。其中人員因素權(quán)重達(dá)到了0.3856，較物的因素 B₂ 高0.0358。結(jié)果表明，人員因素是新能源電池試驗室安全管理的重點方向，應(yīng)當(dāng)著重進行人員教育、管理和監(jiān)督。二級指標(biāo)中，人員安全意識 C₁ 權(quán)重最高，達(dá)到0.2068，其次分別是測試后樣品的損傷程度 C₇.50C 狀態(tài) C₆ 、人員安全防護技術(shù)能力 C₂ 應(yīng)急預(yù)案 C₁₃ ，上述5項二級指標(biāo)權(quán)重之和為0.63。結(jié)果表明，在進行新能源電池試驗室安全管理時，重點任務(wù)是提高人員安全意識，此外還應(yīng)當(dāng)關(guān)注測試后樣品的損傷程度和SOC狀態(tài)，提高人員安全防護技術(shù)能力，完善應(yīng)急預(yù)案，從而提升新能源電池試驗室安全水平。

3.2基于BN的新能源電池試驗室風(fēng)險分析

新能源電池試驗過程中存在多維度風(fēng)險因素，為實現(xiàn)對事故風(fēng)險的系統(tǒng)性評估，本研究基于系統(tǒng)安全理論框架，從人員操作 （B₁） 、設(shè)備狀態(tài) 、環(huán)境條件 （B₃） 和管理制度 （B₄） 四個維度構(gòu)建風(fēng)險識別體系。試驗安全性的關(guān)鍵在于對作業(yè)流程中潛在風(fēng)險的有效管控，通過對各環(huán)節(jié)風(fēng)險要素的系統(tǒng)識別，運用GeNIe軟件建立了電池事故風(fēng)險的貝葉斯網(wǎng)絡(luò)模型，如圖2所示。

3.2.1條件概率的獲取

采用專家打分法以及試驗信息來確定各風(fēng)險因素的先驗概率，如表3所示，其中 Y 代表風(fēng)險發(fā)生， N 代表風(fēng)險不發(fā)生。

在貝葉斯網(wǎng)絡(luò)模型的構(gòu)建過程中，條件概率的精確設(shè)定是確保模型可靠性的關(guān)鍵。針對具有條件依賴關(guān)系的非根節(jié)點，需要采用結(jié)構(gòu)化概率關(guān)系來表征其不確定性特征。本研究引入概率估計模型作為量化分析工具，旨在系統(tǒng)揭示節(jié)點間復(fù)雜的非線性關(guān)聯(lián)模式和作用機理。以“環(huán)境因素\"節(jié)點為例，其狀態(tài)概率分布不僅取決于父節(jié)點的直接影響，還可能涉及多變量的協(xié)同作用。通過建立參數(shù)化的條件概率表達(dá)式，可以直觀展示不同風(fēng)險因子組合對環(huán)境風(fēng)險水平的動態(tài)影響規(guī)律，具體量化結(jié)果如表4所示。

3.2.2貝葉斯網(wǎng)絡(luò)推理分析

基于貝葉斯網(wǎng)絡(luò)模型的計算結(jié)果，在電池事故發(fā)生時，各風(fēng)險因素的后驗概率分布如圖3所示。分析表明，人為因素（ 30% ）對事故的影響最為顯著，其次是設(shè)備因素 27% 、管理因素（ 20% 和環(huán)境因素 （9%） 。在具體風(fēng)險因子中，人員操作水平 （5%） 、安全意識 （6%） 以及電池SOC狀態(tài) 6% ）的貢獻度較高。因此，試驗室安全管理應(yīng)重點關(guān)注以下方面：強化操作人員技能考核、定期開展安全教育培訓(xùn)、嚴(yán)格執(zhí)行樣品去電化處理以降低SOC狀態(tài)。

當(dāng)部分風(fēng)險因素已知時，可采用貝葉斯逆向推理方法進行事故診斷分析。以某次試驗為例，已知條件包括：操作人員資質(zhì)達(dá)標(biāo)、團隊配合良好、測試前樣品狀態(tài)正常、測試后樣品受損嚴(yán)重、設(shè)備維護記錄完整、安全設(shè)施運行有效且應(yīng)急預(yù)案完善。通過反向推理計算發(fā)現(xiàn)，SOC狀態(tài)和人員安全意識的后驗概率顯著升高，如圖4所示。這表明，新能源電池試驗室應(yīng)當(dāng)著重從SOC狀態(tài)、人員安全意識兩方面入手進行隱患排查。通過持續(xù)更新現(xiàn)場實際數(shù)據(jù)，貝葉斯網(wǎng)絡(luò)能夠動態(tài)計算各節(jié)點的概率分布，為風(fēng)險管控決策提供量化依據(jù)，直至將事故風(fēng)險控制在可接受水平。

3.3基于AHP-BN的新能源電池試驗室動態(tài)風(fēng)險分析

在風(fēng)險評估領(lǐng)域，層次分析法和貝葉斯網(wǎng)絡(luò)各自具備獨特的優(yōu)勢。AHP能夠構(gòu)建出一套系統(tǒng)的權(quán)重結(jié)構(gòu)，把難以直接量化的定性因素進行量化處理，實現(xiàn)對定性因素的量化評估。而貝葉斯網(wǎng)絡(luò)則是基于條件概率論開展量化計算，依據(jù)已有的數(shù)據(jù)信息，確定各個變量之間的條件概率關(guān)系，對其他變量的狀態(tài)進行概率推理。本研究通過將AHP權(quán)重轉(zhuǎn)化為修正參數(shù)并與BN輸出結(jié)果耦合，在風(fēng)險分析中既考慮量化數(shù)據(jù)又融人結(jié)構(gòu)化專家判斷，從而實現(xiàn)更加準(zhǔn)確的新能源電池試驗室動態(tài)風(fēng)險分析。

本研究采用層次分析法與貝葉斯網(wǎng)絡(luò)相結(jié)合的方法構(gòu)建風(fēng)險評估模型。在模型構(gòu)建過程中，首先基于AHP確定的指標(biāo)權(quán)重體系，將其轉(zhuǎn)化為貝葉斯網(wǎng)絡(luò)的條件概率。當(dāng)父節(jié)點處于“高”風(fēng)險狀態(tài)時，子節(jié)點的條件概率直接采用AHP權(quán)重值。當(dāng)父節(jié)點處于“低\"風(fēng)險狀態(tài)時，將子節(jié)點條件概率統(tǒng)一設(shè)定為0.2的基準(zhǔn)值。

結(jié)果顯示，試驗安全風(fēng)險的整體發(fā)生概率達(dá)到24.73% 。測試后樣品損傷程度、人員安全意識水平、電池SOC狀態(tài)3個二級指標(biāo)的影響最為顯著，分別達(dá)到15.2%.13.8%.11.6% 。對測試后樣品損傷程度、人員安全意識水平、電池SOC狀態(tài)進行敏感性分析，可知當(dāng)上述任一風(fēng)險因素的發(fā)生概率達(dá)到 100% 時，試驗安全風(fēng)險發(fā)生概率將出現(xiàn)超過 15% 的顯著增長。

基于以上研究結(jié)果，建議新能源電池試驗室在安全管理中重點采取以下改進措施：完善樣品檢測流程規(guī)范，降低測試后樣品損傷風(fēng)險；加強人員安全培訓(xùn)，提升操作人員的安全意識；建立完善的環(huán)境監(jiān)控系統(tǒng)，實時監(jiān)測電池SOC等關(guān)鍵狀態(tài)參數(shù)。這些措施的實施將有效降低試驗過程中的安全風(fēng)險。

4結(jié)語

通過AHP-BN的新能源電池試驗室動態(tài)風(fēng)險分析方法實現(xiàn)了新能源電池試驗室風(fēng)險的動態(tài)量化評估，揭示了人員因素和樣品狀態(tài)的核心影響，彌補了傳統(tǒng)靜態(tài)評估方法的不足。研究成果為試驗室安全管理提供了針對性改進方向，如強化人員安全意識、優(yōu)化樣品處理流程等。未來可結(jié)合更多實時數(shù)據(jù)優(yōu)化模型參數(shù)，進一步提升風(fēng)險評估的準(zhǔn)確性與時效性，為新能源電池行業(yè)的安全發(fā)展提供技術(shù)支撐。

參考文獻：

[1]任高暉，姜成龍，劉磊，等.面向新能源動力電池試驗室潛在風(fēng)險的安全管控策略研究［J/OL].電池工業(yè)，1-11[2025-03-27].http：//kns.cnki.net/kcms/detail/32.1448.TM.20250311.1047.002.html.

[2]WangQ，maoB，Stoliarov SI，etal.Review of lithium ion battery fail-ure mechanisms and fire prevention strategies[J].Progress in EnergyandCombustionScience，2019，73：95-131.

[3]馮爽，許立坤，胡帛濤，等.三元鋰離子電池?zé)釘U散行為研究[J].電源技術(shù)，2025，49（2）：355-360.

[4]李季梅，陳寧，姚曉暉.鋰電池火災(zāi)爆炸風(fēng)險九度分析模型及安全防范策略研究[J].消防科學(xué)與技術(shù)，2025，44（1）：1-9.

[5]LaiXin，Yao Jian，JinChangyong，etal.AReview ofLithium-IonBat-teryFailureHazards：TestStandards，AccidentAnalysis，and SafetySuggestions[J].Batteries，2022，8（11）：47-51.

[6]Feng Xuning，Ren Dongsheng，He Xiangming，etal.Mitigating ThermalRunawayofLithium-IonBatteries[J].JOULE，2020，4（4）：119-124.

[7]于會濤，張曉婷，朱海兵.淺論動力電池試驗室的廣義安全和主動安全[J].上海汽車，2024（3）：47-50.

[8]李秋實，張謙，曾光，等.汽車試驗室的火災(zāi)危險性及防爆區(qū)分析[C]//中國汽車工程學(xué)會.2021中國汽車工程學(xué)會年會論文集（5）.機械工業(yè)第九設(shè)計研究院有限公司，2021：696-699

[9]尚旭.新能源電池試驗室建筑安全設(shè)計研究[J].汽車知識，2025，25（2）：81-83.

[10]黃遵樂，程坤，阮翔麟.基于層次分析法的城市綜合管廊消防安全評估分析[J].城市建筑，2025，22（6）：65-67.

[11]LiSY，HuangZH，GeFL，etal.An emergency linkage system of ur-bangaspipeline network based on Bayesian network[J].Journal ofLossPreventionintheProcessIndustries，2024，92：105-110.

[12]張紅燭，董文楷，衛(wèi)利峰.鋰電池檢測試驗室的安全管理風(fēng)險指標(biāo)分析及體系構(gòu)建對策措施研究[J].中國汽車，2023（12）：44-50.

[13]王文和，董傳富，劉林精，等.基于貝葉斯網(wǎng)絡(luò)的城市地下燃?xì)夤芫W(wǎng)動態(tài)風(fēng)險分析[J].中國安全生產(chǎn)科學(xué)技術(shù)，2019，15（5）：55-62.

[14]邢英，胡雪芳，劉子萌.基于貝葉斯網(wǎng)絡(luò)的海底隧道交通事故風(fēng)險預(yù)測研究[J].汽車實用技術(shù)，2025，50（5）：142-147.

[15]薛魯寧，趙晉云，劉冰，等.基于AHP與BN的天然氣場站吊裝作業(yè)動態(tài)風(fēng)險評估模型[J].中國安全生產(chǎn)科學(xué)技術(shù)，2024，20（11）：92-100.

[16]葛巍，焦余鐵，洪辛茜，等.基于AHP-BN法的潰壩生命損失風(fēng)險評價[J].鄭州大學(xué)學(xué)報（工學(xué)版），2021，42（3）：8-12.

[17]DiX，LiX，ZhouL，et al.Risk evaluation of railway business line con-struction plan based on analytic hierarchy process and baye- sian net-work[C]//2O2O IEEE 5th International Conference on IntelligentTransportationEngineering（ICITE）.IEEE，2020.

[18]Yu Q，HouL，LiY，etal.Pipeline failure assessment based on fuzzybayesian network and AHP[J].Journal of Pipeline Systems Engin-eeringandPractice，2023，14（1）：13-16.

作者簡介：馬昕昱，女，1997年生，助理工程師，研究方向為試驗室安全管理。