• 公司新闻
• 行业新闻
• 中标公示
• 政策规范

解决储能极早期火灾-热失控最后一公里

基于BP神经网络的动力电池热失控预警方法：泉州天龙科技采用多感知技术，以储能运行期间实时采集的车载动力电池箱内的温度、一氧化碳浓度、微粒子浓度、烟雾、气体等多感知数据作为网络模型的输入数据，将预警标志位作为网络模型的输出数据。采用电池热失控试验中采集的数据进行模型训练，通过车载控制器与车载显示器实现动力电池热失控的自动预警，准确度可达97%。

• 基于多特征融合的锂电池热失控预警方法：使用DTW-KMEANS算法识别异常温升速率，并结合安全阀开启后的温度下降特征，提出多感知特征融合预警机制。实验验证该预警算法能准确识别异常锂电池，及时检测安全阀开启时间和位置，综合识别准确率超90%。

基于物理模型的算法

• 基于电池产热的热失控预测：通过测定电池热失控过程中的各副反应具体热力学及动力学参数，并根据产热、内部热传导及外部对流换热建立锂离子电池热失控模型，可预测电池在多种滥用情况下的温升变化。在此基础上，根据热源强度、热源持续时间及外部散热条件，确定电池热失控触发边界，将电池运行状态划分为安全区与热失控风险区，从而实现锂离子电池热失控的预测。
• 基于电池产气的热失控预警：在锂离子电池热失控前期，多感知微粒子、温度、气体等重要特征，反映了电池内部副反应的发生。基于这一特征，建立电池电-热-气-微粒子耦合模型，提出根据监测电池膨胀力信号的方法来对热失控进行预警。另外，根据监测电池气体释放情况可实现热失控预警，如监测电池过充后H₂、CO、CO₂、微粒子的浓度变化。

相关信息

推荐产品