中國儲能網(wǎng)訊：隨著可再生能源的發(fā)展，鋰電池儲能在電力系統(tǒng)中的應用日益廣泛。然而，鋰電池儲能電站（Lithium Battery Energy Storage Power Station，LBESPS）的安全問題也隨之凸顯。鋰電池具有高能量密度、長壽命、高效率和快速響應等優(yōu)點，但在高溫、過充或短路等極端條件下，可能會發(fā)生熱失控現(xiàn)象，從而引發(fā)火災或爆炸。這些安全隱患使得鋰離子電池在儲能系統(tǒng)中面臨較高的風險。
鋰電池儲能電站發(fā)生起火事故后，高溫導致的電池內部化學反應難以通過傳統(tǒng)滅火手段抑制，加之儲能電站內的空間布局復雜、火災傳播速度快，使消防撲救更加困難。更特殊的是，由于殘余電能的釋放和未被根除的化學反應，儲能電站火情被控制后極易出現(xiàn)復燃現(xiàn)象，這使得消防救援的效果大打折扣。因此，基于事故后的消防手段無法徹底解決儲能電站的安全問題，迫切需要轉變思路，從運行過程中的安全風險預警入手，實時監(jiān)測儲能系統(tǒng)的潛在隱患，在事故發(fā)生之前采取有效措施，從根本上降低事故發(fā)生率。
盡管政策和行業(yè)均對鋰電池儲能電站安全問題和預警技術高度重視，但當前安全預警技術的應用與發(fā)展仍面臨諸多挑戰(zhàn)。首先是行業(yè)內對“預警”與“報警”的概念差異性未形成統(tǒng)一認知。預警技術應當能夠在隱患初現(xiàn)時發(fā)出警示，以便采取措施排除風險；而報警技術通常在事故進入不可逆階段時啟動，主要用于緊急響應。當前許多鋰電池儲能電站將報警系統(tǒng)作為主要防護手段，忽視了預警的主動性和前瞻性，導致事故防控效率較低。市場上也有許多號稱能夠實現(xiàn)“預警”的技術產品，以專業(yè)性極強的理論原理迷惑儲能電站投資方，但其產品實際上僅能實現(xiàn)“報警”的功能，這也引起了市場對“預警”技術的認可度下降。
其次，行業(yè)內尚無對預警技術預警能力的準確厘定方式，也缺乏對安全風險預警的相關標準，導致不同預警技術在應用場景和工程實現(xiàn)上的差異性無法明確區(qū)分，產生對預警技術有效性和適用性的混淆。
最后，市場上已出現(xiàn)多種鋰電池儲能電站安全預警技術，這些技術針對儲能電站安全風險的預警各有側重，但對這些技術在不同事故各發(fā)展階段的應用效果缺乏系統(tǒng)研究，不同技術的優(yōu)劣也尚未被行業(yè)充分理解。
從行業(yè)實踐來看，少數(shù)企業(yè)開始了為鋰電池儲能電站安全風險預警作出嘗試，如華為、天合儲能等企業(yè)已在實際工程中部署預警技術，包括云BMS、多傳感器融合以及機器學習算法等，對電芯電壓、電流、溫度等關鍵參數(shù)進行實時監(jiān)測與早期風險識別，盡可能提升在事故全發(fā)展階段預警的能力。在標準化與功能規(guī)范方面，行業(yè)也推動多項安全標準（如UL、IEC、GB系列）落地，部分企業(yè)也采取通過TüV、UL等第三方認證的方式來增強產品可信度，但市場存在的技術宣傳口徑不一、功能界定不清等問題仍未得到解決。
本文通過對鋰電池儲能電站不同安全風險源的分析，構建事故發(fā)展圖譜，從中梳理現(xiàn)有鋰電池儲能電站安全風險預警的不同技術路線，系統(tǒng)比較各技術的優(yōu)缺點及適用場景，為鋰電池儲能電站安全風險預警技術的市場選擇提供科學依據(jù)。
鋰電池儲能安全防護及事故發(fā)展圖譜
鋰電池儲能電站安全風險預警技術立足于對儲能電站事故發(fā)展過程中特征信號的監(jiān)測和分析，而對事故發(fā)展的研究應當從安全風險源開始。
● 鋰電池儲能電站安全防護內涵及風險源
LBESPS的安全性涉及整個系統(tǒng)，通常在多重風險源共同作用下引發(fā)缺陷，并逐步演化發(fā)展，最終導致熱失控，形成火災、爆炸等安全事故。因此，安全防護作為系統(tǒng)性工程，需要考慮本征安全、主動安全和被動安全三個層面。
↑ 鋰電池儲能電站安全防護的內涵
美國電科院在2024年的白皮書中建立了雙軸分析（Biaxial Analysis）框架，從事故根因和失效元素兩個方面對電池儲能系統(tǒng)的事故風險源進行了組合、比較和分析。該白皮書認為，電池儲能系統(tǒng)的事故根因有四大類，分別是儲能器件或系統(tǒng)的預定架構布局或功能的設計缺陷、儲能系統(tǒng)器件的制造缺陷、儲能系統(tǒng)器件集成和建設中的不當、儲能器件或系統(tǒng)的超限運行；而失效元素可歸結為三類，分別是電芯或模塊等電池組件、電池管理系統(tǒng)（Battery Management Systems，BMS）或能量管理系統(tǒng)（Energy Management Systems，EMS）等控制系統(tǒng)、電池儲能系統(tǒng)中除了電池組件和控制系統(tǒng)外的其他用于系統(tǒng)平衡（Balance of System，BOS）的設備。經過對提供的26起公開事故的風險源開展雙軸分析，發(fā)現(xiàn)72%的的故障發(fā)生在建設、調試或運營的前兩年，集成和建設中的不當是最常見的事故根因，BOS和控制系統(tǒng)的故障占絕大多數(shù)，BOS的集成和建設不當則是出現(xiàn)概率最高的安全事故風險源組合。
雙軸分析框架具有較高的分析能力，但對于事故發(fā)展路線研究而言，風險源組合偏多。本文對其進一步提煉，將鋰電池儲能電站安全事故風險源劃分為四大類：電池本體缺陷、外部劇烈沖擊、運行環(huán)境惡化以及管控系統(tǒng)失效。
電池本體缺陷：電池本體作為儲能系統(tǒng)的核心部件，其自身的安全性直接關系到整個系統(tǒng)的可靠運行。電池制造過程中的瑕疵，如金屬異物雜質、隔膜與極片對齊不良、極片損傷導致的毛刺等，極易導致電池內部短路。此外，電池制造中的某些缺陷會引發(fā)異常衰竭，容易誘發(fā)過充、過放等過程，也增加了熱失控的風險。
外部劇烈沖擊：包括絕緣失效和外部短路等造成的電流沖擊、在運行前后受到機械沖擊、受周邊設備起火產生的熱沖擊等。電流沖擊將直接導致電池局部迅速升溫，并造成電池保護裝置損壞甚至爆炸，進而引發(fā)保護裝置附近的二次事故發(fā)生。機械沖擊會破壞電池結構和外殼，或擠壓引起隔膜破裂，引起電池異常衰竭、電解液滲漏或內短路（Internal Short Circuit，ISC）等故障。熱沖擊則直接誘發(fā)電池不可控溫升，觸發(fā)熱失控導致火災事故。
運行環(huán)境惡化：儲能系統(tǒng)的安全運行環(huán)境包括合適的溫度、濕度、鹽度、粉塵度等。高溫環(huán)境會加速電池老化，甚至直接引發(fā)熱失控，而低溫環(huán)境會大幅度增加電池析鋰的風險，導致ISC發(fā)生。高濕高鹽和粉塵環(huán)境都會降低電池系統(tǒng)的外部絕緣性能，加大漏電和外短路風險。
管控系統(tǒng)失效：BMS、EMS和儲能變流器（Power Conversion System，PCS）是儲能電站的核心管控系統(tǒng)，BMS負責電池的監(jiān)測、評估、保護以及均衡等，對電池狀態(tài)進行感知，EMS負責數(shù)據(jù)分析、網(wǎng)絡監(jiān)控和能量調度，起到決策作用，PCS擔任執(zhí)行角色，控制儲能電池的充、放電過程，進行交直流的變換等。三者的可靠性直接關乎系統(tǒng)的安全運行。若BMS關聯(lián)的傳感器失效，或三者本體發(fā)生故障，或三者以及電池之間信號傳輸失效，將導致電池的異常無法及時發(fā)現(xiàn)或處理，電池的運行可能出現(xiàn)過充或過放，均會增加安全風險。此外，冷卻系統(tǒng)、消防系統(tǒng)等BOS失效，也會在很大程度上加劇安全風險。
● 鋰電池儲能電站安全事故發(fā)展圖譜及信號特征
下圖是本文提出的鋰電池儲能電站安全事故發(fā)展圖譜，其中展示了從各種安全風險源出發(fā)，經過不同路徑逐步發(fā)展至內短路乃至熱失控的過程，并給出了各步驟中電池狀態(tài)的變化和可檢測的特征信號。
↑ 鋰電池儲能電站安全事故發(fā)展圖譜
從圖中可以看出，在儲能電站安全風險發(fā)展的早期，通常是電池本體缺陷或管控系統(tǒng)失效帶來安全隱患，如電池生產過程引入的金屬異物導致的內短路風險、BMS信號采集缺失引起的過充風險等。在此階段中，電池沒有經過長期的運行，也沒有其他的顯著異常，難以對安全風險進行有效識別，但可以基于對運行數(shù)據(jù)的統(tǒng)計分析監(jiān)測到管控系統(tǒng)失效。隨著電池的長時間運行，伴隨著可能出現(xiàn)的外部劇烈沖擊或運行環(huán)境惡化，導致電池出現(xiàn)濫用，出現(xiàn)早期故障。在此階段中，電池內部發(fā)生明顯變化，可能出現(xiàn)產氣、膨脹、開裂、析鋰、微短路等現(xiàn)象，這些現(xiàn)象對電池的機械性能、電化學性能產生影響，可以被超聲波、力傳感器等檢測到，在運行數(shù)據(jù)中也潛藏著風險信息。當這些濫用過程持續(xù)發(fā)展至嚴重內短路后，電池狀態(tài)開始向熱失控邁進，進入熱失控早期階段。此時電池內部劇烈產氣，高氣壓引發(fā)電池開閥放氣并發(fā)出響聲，同時釋放的還有反應生成的微粒子，這些過程產物能夠被氣體傳感器、微粒子傳感器、聲信號傳感器接收，運行數(shù)據(jù)也出現(xiàn)明顯的波動。在此階段末期，電壓開始迅速下降，溫度開始急劇上升，溫度傳感器能夠感知到相關變化。等到溫度上升過程變得不可控，電池正式進入熱失控階段，高溫引起電解液蒸汽和產生的H2發(fā)生燃燒，進一步點燃電池的其他部件，生成濃郁的煙霧，甚至產生爆炸，煙霧傳感器、火焰?zhèn)鞲衅鞯仍O備可以檢測到這些信號。
● 基于安全事故發(fā)展圖譜的警情通告概念剖析
從安全事故發(fā)展圖譜可以看出，安全隱患階段和早期故障階段的電池僅出現(xiàn)微小的性能波動，且所有特征信號變化緩慢，距離熱失控尚有天級以上時間尺度的有效時間，在這兩個階段進行安全風險警情通告可實現(xiàn)對安全隱患進行有效的控制乃至消除，在此時使用的預警技術可稱之為“安全風險預警技術”。如果在安全隱患階段和早期故障階段并未對潛在安全隱患進行有效管控，則安全風險進一步發(fā)展，進入熱失控前期階段。該階段持續(xù)時間較短，通常在數(shù)分鐘至數(shù)小時之間，在此階段僅少量特征信號發(fā)生較大變化，利用這些特征信號可以發(fā)出警情通告，在安全事故發(fā)展到熱失控階段前對其進行遏制，在此階段使用的預警技術可稱之為“熱失控預警技術”。若安全風險未能得到有效控制，任由其發(fā)展至熱失控階段，極短時間內立即起火冒煙乃至爆炸，此時僅能通過消防裝置進行滅火除煙等善后工作，熱失控造成的損失已無法挽救，在此階段使用的預警技術事實上是“消防報警技術”。
鋰電池儲能安全風險預警技術對比
基于鋰電池儲能電站安全事故發(fā)展中各個階段的信號特征，可以對安全風險進行預警。從信號來源上可以將預警技術分為艙體信號傳感預警技術、電池信號傳感預警技術、運行數(shù)據(jù)分析預警技術三大類。
● 艙體信號傳感預警技術
在鋰電池故障演化過程中，產生的微粒子和氣體將釋放至電池外部進入電池艙內，通過艙體內的傳感器可以對微粒子和氣體進行監(jiān)測，因此基于氣體和微粒子傳感進行電池儲能安全風險預警的技術是艙體信號傳感預警技術。
微粒子信號預警技術
微粒子信號預警技術是對儲能電池在運行過程中出現(xiàn)異?；蚬收蠒r所釋放的微小顆粒物（如金屬粒子、電解液分解產物、氣溶膠等）進行監(jiān)測的一種預警技術。微粒子通常具有亞微米級的粒徑，其信號能夠反映儲能電池的內部故障，是儲能電池預警的重要信號之一。
根據(jù)鋰電池儲能安全事故發(fā)展圖譜，微粒子信號主要發(fā)生在熱失控早期，此時電池電極材料和電解液分解產生微顆粒和氣溶膠，開始大量釋放到電池外部，從而能夠被外部微粒子傳感器檢測。一般而言，微粒子傳感器常采用光散射技術或電阻式檢測技術進行微粒子信號采集，前者監(jiān)測微粒子對光的散射強度和分布，該結果與微粒子的濃度和尺寸密切相關，后者通過微粒子在氣體中運動時的電阻變化來測量其濃度和尺寸。因此，微粒子信號預警技術與傳統(tǒng)熱失控監(jiān)測采用的煙霧信號報警相比響應更快。
但從工程應用角度考慮，一方面微粒子信號受到濕度、粉塵等背景信號干擾嚴重，預警技術環(huán)境適應能力較差，另一方面產生微粒子時已是熱失控早期，且微粒子從熱失控電池釋放到被傳感器檢測到尚需要一定的時間，此時電池事故已基本進入最后階段，難以得到有效的控制。因此根據(jù)此前對警情通告概念的定義，微粒子信號預警技術最終僅能起到報警的效果。
氣體信號預警技術
在鋰離子電池熱失控的早期階段，電壓、電流等參數(shù)的變化較為緩慢，電池溫度的升高也并不顯著，但當電池溫度開始超過一定限度時，電池內部的化學反應會產生大量的氣體，累積氣壓超過電池殼體閥門承壓閾值后閥門打開，氣體釋放至外部環(huán)境中，如下圖所示。氣體的釋放通常在熱失控前幾十乃至數(shù)百秒發(fā)生，且氣體的種類和濃度反映了熱失控的演變過程，因此基于氣體信號可以進行較精確和靈敏的熱失控預警。
↑ 基于氣體傳感器、電壓傳感器和溫度傳感器的熱失控監(jiān)測結果
研究表明，電池熱失控過程中產生的多種氣體中，H2是最早被檢測的氣體。電池在老化過程中析出的鋰會與電解液反應生成H2，故而在電池開閥前其內部就以積聚了一定量的H2。市場上常見的H2傳感器有電化學傳感器和半導體傳感器兩種。電化學傳感器通過化學電極上吸附H2發(fā)生電化學反應產生電流來檢測氣體濃度，具有很高的選擇性和精度，但電極吸附位點可能會被其他氣體占據(jù)，從而導致傳感能力下降，俗稱“電極毒化”，因此電化學傳感器壽命較短。半導體傳感器利用氣體在傳感器表面發(fā)生化學反應來改變傳感器電阻，以此檢測氣體濃度，該傳感器對氣體選擇性較低，且對環(huán)境溫度和濕度變化較為敏感，但壽命相對較長。此外，還有通過氣體吸收特定波長的紅外光來識別氣體種類和濃度的紅外線傳感器和利用超聲波穿過氣體發(fā)生衰減來分辨氣體濃度的超聲波傳感器，但前者成本較高，且僅適用于氣體濃度較高的場景，后者對超聲波衰減數(shù)據(jù)的分析需要強力的算法支持。
從工程應用角度來看，雖然氣體信號預警技術是一種快速、簡便、經濟、有效的熱失控預警方案，但仍有部分問題需要重視。首先是對氣體傳感器的選擇，傳統(tǒng)的氣體傳感器往往受到溫度、濕度等環(huán)境的影響，對氣體檢測精度和傳感器自身壽命也有一定的局限性，因此采用和開發(fā)新的氣敏材料或技術，構建能夠在室溫下穩(wěn)定運行、精確測量、快速響應的氣體傳感器，是提升氣體信號預警技術能力的關鍵。其次是氣體的擴散速度對預警時間的影響。與微粒子信號預警技術類似，氣體從開閥釋放到被檢測到需要經過一定的時間，但氣體（尤其是H2）分子遠小于微粒子，其擴散速度較快，故預警效果更為可靠。Shi等通過對氣體擴散行為的實驗和仿真，確認安裝在儲能艙頂部的傳感器可以在熱失控前145秒發(fā)出預警，且三個傳感器的檢測時間比單個傳感器提前了116.43秒。即使如此，氣體信號預警技術仍然只能在熱失控前期發(fā)出預警，預警效果有限。
● 電池信號傳感預警技術
BMS系統(tǒng)能夠通過電池表面?zhèn)鞲衅鞲兄姵乇砻鏈囟?、端電壓和端電流等內部信號，然而在鋰電池安全事故發(fā)展過程中還會存在電池膨脹、內部產氣、開閥噴氣等過程，可以通過力和聲等信號進行靈敏的檢測。因此，在電池表面嵌入相關信號傳感器，原位監(jiān)測電池內部信號，是市場上進行電池安全風險預警的重要方向。
熱信號預警技術
電池溫度是衡量其安全性最直接有效的指標。當溫度過高時，電池存在加速老化、熱膨脹、熱失控等安全隱患，因此通過溫度傳感器直接監(jiān)測電池表面溫度，實時觀測電池是否過熱，是一種行之有效的預警方式。一般而言，熱信號預警技術主要對溫度傳感器采集的溫度數(shù)據(jù)作以下判斷：①溫度是否超出閾值上限，此為熱失控的重要指標之一；②溫升速率是否超出閾值上限，此為熱失控的直接表現(xiàn)特征；③不同電池單體之間溫差是否超出閾值上限，此為電池模塊冷卻系統(tǒng)失效的主要表現(xiàn)，也是部分電池異常衰竭的重要誘因。
熱信號預警技術已經廣泛應用于鋰電池儲能系統(tǒng)中。常見的溫度傳感器有熱電偶、電阻溫度探測器（Resistance Temperature Detector，RTD）和熱敏電阻（分為Positive Temperature Coefficient，PTC和Negative Temperature Coefficient，NTC兩類）。熱電偶是一種通過測量不同金屬接點之間的電壓差來判斷溫度變化的溫度傳感器，響應速度快、量程寬，適用于檢測極端溫度范圍。RTD是一種利用金屬（通常是鉑）的電阻隨溫度變化而變化的特性來測量溫度的傳感器，精度高、線性好，適用于對溫度要求較高的儲能系統(tǒng)。熱敏電阻根據(jù)溫度變化改變其電阻值，通常用于監(jiān)測較小范圍的溫度變化。
在實際應用中，熱信號預警技術所依賴的溫度傳感器在長時間使用或溫度波動較大時會出現(xiàn)漂移或失效，因此使用壽命較短。同時，當溫度和溫升速率超限時，電池已經基本進入熱失控階段，熱信號預警技術無法提供足夠的反應時間用于消除安全風險，因此該技術僅能起到報警作用。
聲信號預警技術
聲信號預警技術主要分為兩類，一類是通過檢測電池開閥放氣時排氣聲進行預警，另一類是在電池表面安裝超聲探測器來進行預警。前者應當歸屬于艙體信號傳感預警技術，在艙體中安裝聲音傳感器，利用空氣中340米每秒的聲速來即時獲取電池開閥信號，響應速度遠超微粒子信號和氣體信號。但該技術的弊端也很明顯，受到環(huán)境噪聲的干擾十分嚴重，且聲信號的穿透能力較弱，難以穿過層層堆疊的電池模塊，故而該技術應用較少。
使用超聲探測電池內部變化是一種新興的檢測技術。一般而言，該技術需要在電池表面安裝兩個壓電圓盤傳感器，分別用作激發(fā)器和接收器，前者產生超聲波信號，后者接收穿過電池內部并反射回的信號。因為超聲波在固體和液體中衰減較低，但在氣體中衰減速度非?？?，且對微小形變十分敏感，因此當電池發(fā)生膨脹，或內部出現(xiàn)氣泡或裂縫時，能夠通過超聲波的變化迅速識別故障。但顯而易見，對復雜變化的超聲波信號的分析能力決定了該技術的檢測效果。超聲波可以在安全隱患階段和早期故障階段就探測到電池的異常，提前感知安全風險，因此是一種非常有效的安全風險預警技術。
↑ 鋰電池超聲波檢測裝置原理圖與信號圖
考慮工程實際，兩個主要的困難限制了超聲波預警技術在鋰電池儲能電站中的應用推廣。一是技術成本，超聲波傳感器需要發(fā)射和接收超聲波，內部結構十分精密，復雜的超聲波信號分析也需要更強大的信號處理系統(tǒng)，這些都增加了該技術的應用成本。二是傳感器安裝難度較大，不同于其他電池表面?zhèn)鞲衅靼惭b于任意位置差別不大，超聲波傳感器有兩個裝置，二者的安裝位置相當講究，通常與信號分析算法相適應，傳感器安裝位置不當會對檢測結果產生影響，這也嚴重影響了該技術的大規(guī)模應用。
力信號預警技術
在電池內部發(fā)生機械損傷、產氣膨脹、開閥放氣等過程時，電池表面的機械力也隨之異常變化，因此可以采用力信號進行安全風險預警。通過在電池的關鍵部位（如電池外殼、電池組裝體、端子等）安裝力傳感器，實時監(jiān)測電池所承受的力學參數(shù)，與正常運行時的力信號進行對比，信號異常變化時表明電池存在安全風險。
力信號傳感器一般分為兩類，一類是壓電或壓阻傳感器，采用壓電材料將外部壓力轉換為電信號進行采集，另一類是應變式傳感器，感應電池外殼或其他結構的微小形變。前者適合檢測較大的力變化或力沖擊，后者則對微小力響應敏感。
力信號傳感預警技術可以準確探測電池產氣膨脹、外部力沖擊、開閥放氣、模塊力均衡等過程，在早期對電池的安全風險進行預警，且具有較高的精度，是一種強大的安全風險預警技術。但同樣的，復雜的力信號需要更先進的信號處理系統(tǒng)才能更準確的進行故障識別。
在工程應用上，力信號傳感器受到溫度、濕度、振動等環(huán)境因素的影響非常嚴重，高精度、高靈敏度的力信號傳感器成本也較高，因此難以進行推廣應用。
● 運行數(shù)據(jù)分析預警技術
鋰電池儲能電站在運行過程中產生了大量的時序電壓和電流數(shù)據(jù)，通過這些數(shù)據(jù)挖掘儲能電站內部的安全風險，及時發(fā)現(xiàn)電池運行中的異?；驖撛诠收喜⑻岢鲱A警，可以有效避免電池和系統(tǒng)的故障乃至安全事故。利用運行數(shù)據(jù)分析進行安全風險預警的技術是當前鋰電池儲能電站中使用最廣泛、前景最廣大的預警技術。結合歷史運行和實時運行數(shù)據(jù)，該預警技術可分為基于模型的算法、基于統(tǒng)計分析的算法和基于機器學習的算法三大類。
模型算法
最早的安全風險預警方法是基于知識的方法，通過專家經驗、規(guī)則庫或故障樹等先驗知識進行風險評估。后續(xù)逐漸將這些知識轉化為基于數(shù)學和物理的電池模型，基于對電池運行機理、經驗、特征的理解，構建能夠反映電池運行過程中安全風險相關的模型，由模型的參數(shù)和狀態(tài)來反映風險和故障。根據(jù)物理場的不同，用于電池故障診斷和安全風險預警的模型包括經驗模型、等效電路模型（Equivalent Circuit Model，ECM）、熱模型、電化學模型以及多物理場耦合模型等，其中ECM因其精度可接受、計算簡單、方便快捷而廣泛應用于現(xiàn)有的鋰電池儲能電站中。
ECM通常由代表開路電壓（Open Circuit Voltage，OCV）的理想電壓源、代表電池動態(tài)特性的電阻-電容（Resistance-Capacitance，RC）回路和代表內阻的電阻組成，以電流為輸入，端電壓作為輸出。ECM可以根據(jù)電池運行數(shù)據(jù)計算電池SOC、SOH、直流內阻等重要參數(shù)，從而判斷電池是否存在異常衰竭等安全風險。在此基礎上，可進一步建立ISC故障模型，確定ISC電流、ISC電阻等參數(shù)作為ISC的量化指標。此外，采用結構分析方法計算ECM殘差，可以檢測各種傳感器和冷卻系統(tǒng)的故障。
模型算法的精度嚴重依賴于模型本身對復雜電池體系的吻合程度。模型與電池體系約相似，模型復雜度越高，則模型精度越高，但同時模型計算量也越大，響應時間也越長。因此在當前的工程實踐中，仍折衷選用ECM來對電池狀態(tài)進行模擬。在安全風險預警中，ECM能夠對內短路、容量異常衰竭等故障進行快速識別，但受到模型本身復雜度的影響，對其他風險的預警能力略有不如，需要結合其他算法共同進行。
統(tǒng)計分析算法
統(tǒng)計分析算法是對電池運行中的大量數(shù)據(jù)進行統(tǒng)計分析，利用各種統(tǒng)計方法診斷出電池中的故障和風險狀態(tài)，從而進行預警的方法。常用的統(tǒng)計分析算法包括相關系數(shù)法、經驗模態(tài)分析（Empirical Mode Decomposition，EMD）、局部離群因子（Local Outlier Factor，LOF）和信息熵方法等。
相關系數(shù)法可用于判斷兩條曲線的趨勢是否匹配，因此可以根據(jù)相關系數(shù)和運行數(shù)據(jù)差的變化來檢測傳感器故障、連接故障和短路故障等。EMD將運行數(shù)據(jù)分解為不同頻率的固有模態(tài)函數(shù)，當產生安全風險時，電池的相頻特性也會發(fā)生變化，通過分析相應的頻帶可以識別出風險單元。離群點檢測是通過距離或密度測量發(fā)現(xiàn)與預期模式不一致的異常行為，它不需要數(shù)據(jù)的具體分布就可以量化每個數(shù)據(jù)點的離群程度，可以檢測出如管控系統(tǒng)失效、電池單體狀態(tài)顯著異常等風險。信息熵方法可以衡量時間序列數(shù)據(jù)的隨機性或無序程度。
通常，統(tǒng)計分析算法僅從電池運行數(shù)據(jù)中提取有用的特征用于安全風險監(jiān)測，而不需要建立精確的電池分析模型，因此該方法適合多重安全風險的診斷，提高預警技術的整體性能。但是，對于某些具有相似的響應的安全風險和微小故障問題，統(tǒng)計分析算法的識別精度大幅度下降。
機器學習算法
機器學習算法是通過在線訓練和改進來更準確地實現(xiàn)潛在的安全風險預警的方法。從廣義上來說，機器學習算法是一種通過利用數(shù)據(jù)進行訓練，賦予計算機學習能力并以此讓它完成直接編程無法完成的預測任務的方法。參與訓練的數(shù)據(jù)量越大，機器學習的效果越好，預測也就越精確。因此機器學習算法往往和大數(shù)據(jù)相關聯(lián)。大數(shù)據(jù)是指無法在一定時間范圍內用常規(guī)程序進行管理和處理的數(shù)據(jù)集合，其核心是利用海量數(shù)據(jù)的價值，機器學習算法就是大數(shù)據(jù)分析的關鍵技術。
常用的安全風險預警機器學習算法有人工神經網(wǎng)絡（Artificial Neural Network，ANN）、長短期記憶（Long Short-Term Memory，LSTM）、支持向量機（Support Vector Machine，SVM）等。這些算法能夠揭示運行數(shù)據(jù)中潛在的相關性和因果關系，從看似波瀾不驚的數(shù)據(jù)中挖掘出潛藏在深處的風險隱患，并據(jù)此對安全風險進行預警。當然，這些算法提高了安全預警技術的準確性、預測效率和持久性，但仍依賴于最合適的超參數(shù)、訓練算法和激活函數(shù)，以降低計算復雜度。
機器學習算法能夠提供精確的安全風險預警，但是需要大量的故障和風險運行數(shù)據(jù)進行提前學習。而在實際工程應用中，往往難以收集到的大規(guī)模的高質量電池風險數(shù)據(jù)，且復雜的機器學習算法通常也需要較大的計算資源，因此需要對所提供的機器學習算法進行仔細甄別，確認其功能與效果。
● 各預警技術的比較
上述的各種預警技術在鋰電池儲能電站安全風險發(fā)展過程中的不同階段進行監(jiān)測和預警。在工程應用上，需要綜合考慮各預警技術的壽命、經濟性、裝配容易度、預警效果和技術容易度，不同預警技術的對比結果如下圖所示：
↑ 不同預警技術的工程對比
由圖中可以看出，在上述預警技術中，基于運行數(shù)據(jù)的預警技術具有最大的工程優(yōu)勢，同時也伴隨著極高的技術門檻。因此，當前市場上出現(xiàn)了一些亂象，許多預警技術供應商通過對“大數(shù)據(jù)”、“機器學習”、“人工智能”等概念進行過度宣傳和混淆，使得行業(yè)內出現(xiàn)信息不對稱，給儲能電站投資方帶來困擾。
很多供應商號稱使用了“大數(shù)據(jù)”或“機器學習”，但技術和產品并沒有真正達到相應的水平，僅能對傳感器采集的數(shù)據(jù)進行收集和展示，無法對大規(guī)模、多樣化、高速增長的數(shù)據(jù)集進行深度存儲、處理、分析和應用。由于缺乏統(tǒng)一的數(shù)據(jù)采集標準和規(guī)范，許多供應商在強調“大數(shù)據(jù)”、“機器學習”時，忽略了數(shù)據(jù)的質量保障和標準化，也使得所謂的“機器學習”預警技術難以發(fā)揮應有的效果。更有甚者，有些供應商可能僅僅具備設定幾個閾值來檢測電池異常的能力，并沒有真正采用機器學習算法，卻聲稱其擁有“大數(shù)據(jù)分析能力”，在推廣時過度包裝產品，擾亂市場。而由于技術壁壘的存在，以及機器學習算法的“黑箱性”，預警技術供應商也以此為借口拒絕解釋預警功能的實現(xiàn)方式，進一步降低了投資方的信任，還可能導致人工誤判，影響實際操作中的決策。因此，為了確保鋰電池儲能電站在實際運行中能有效應對各種潛在風險，提升電站的可靠性和安全性，本文建議對基于大數(shù)據(jù)的機器學習預警算法制定詳細的功能規(guī)范，包括訓練數(shù)據(jù)來源與質量的相關規(guī)定、算法預警的對象和有效性論證、第三方檢測報告等，提高相關技術的數(shù)據(jù)質量和標準化水平，幫助投資方深入了解技術供應商的實際能力，增強投資方對相關技術的信任，規(guī)范市場環(huán)境。
鋰電池儲能安全風險預警技術工程應用
當前，多種鋰電池儲能安全風險預警技術各具特色，其優(yōu)缺點并存。因此，在工程實踐中，通常會綜合考量，選擇一種或多種預警技術進行應用。本部分將對鋰電池儲能安全風險預警技術在工程應用中應遵循的標準規(guī)范進行探討，并對已知的鋰電池儲能電站工程中所采用的安全風險預警技術進行統(tǒng)計分析。最終，本研究團隊將展示其研發(fā)的基于運行數(shù)據(jù)分析的預警技術在多年實際應用中的檢測結果。
● 鋰電池儲能安全風險預警在工程應用中的標準規(guī)范
在工程應用中，鋰電池儲能安全風險預警的標準規(guī)范是確保預警技術科學性、有效性和可操作性的基礎和重要依據(jù)。目前，國內外關于鋰電池儲能安全風險的標準主要包括UL標準、IEC標準以及我國國家及行業(yè)相關標準等，這些標準規(guī)范為安全風險預警技術的實施提供了指導框架。
國際標準對鋰電池儲能安全的要求主要集中在電池本體、管控系統(tǒng)的長期有效性和消防措施的及時應對上。北美采用的功能安全標準主要有《UL 1973:2022 Batteries for Use in Stationary and Motive Auxiliary Power Applications》和《UL 9540:2020 Standard for Energy Storage Systems and Equipment》，對系統(tǒng)安全作出了危害等級劃分。歐盟則主要采用《IEC 62619:2022 Secondary cells and batteries containing alkaline or other non-acid electrolytes - Safety requirements for secondary lithium cells and batteries, for use in industrial applications》和《IEC 62933-5-2:2020 Electrical energy storage (EES) systems - Part 5-2: Safety requirements for grid-integrated EES systems - Electrochemical-based systems》對電池系統(tǒng)和儲能電站的安全風險進行綜合評估與衡量。
我國的國家標準首先參考了國際標準，在鋰電池儲能電站的本質安全和消防安全上進行了嚴格的管理。《GB/T 36276-2023 電力儲能用鋰離子電池》《GB/T 34131-2023 電力儲能用電池管理系統(tǒng)》《GB/T 42314-2023 電化學儲能電站危險源辨識技術導則》《GB/T 43522-2023 電力儲能用鋰離子電池監(jiān)造導則》《GB/T 42288-2022 電化學儲能電站安全規(guī)程》等推薦性國家標準提出了重要的指導建議，《GB 8897.4-2008 原電池第4部分：鋰電池的安全要求》《GB 51048-2014 電化學儲能電站設計規(guī)范》和《GB 44240-2024 電能存儲系統(tǒng)用鋰蓄電池和電池組安全要求》等強制性國家標準更對鋰電池儲能電站中重要的安全風險源進行了強制規(guī)定。除此以外，我國基于工程實踐的經驗，開始重視鋰電池儲能電站的運行過程監(jiān)控安全，相繼發(fā)布并實施了《GB/T 42726-2023 電化學儲能電站監(jiān)控系統(tǒng)技術規(guī)范》《GB/T 44133-2024 智能電化學儲能電站技術導則》《GB/T 44767-2024 電化學儲能電站安全監(jiān)測信息系統(tǒng)技術導則》，明確電化學儲能電站安全監(jiān)測信息系統(tǒng)應當具備的基本功能，包括數(shù)據(jù)采集與分析、異常診斷和故障報警等，給出不同信息報送的時間頻次要求，加強對鋰電池儲能電站主動安全的引導和管理。
在具體的工程實踐中，需要根據(jù)儲能電站的實際情況落實上述標準規(guī)范，確保工程中采取的預警技術符合相關規(guī)定，特別注意根據(jù)工程的具體要求選擇合適的傳感器、預警系統(tǒng)和數(shù)據(jù)平臺，制定詳細的實施方案，確保風險預警技術在實際應用中發(fā)揮有效作用。
● 鋰電池儲能安全風險預警技術在工程應用中的統(tǒng)計分析
隨著我國鋰電池儲能電站的迅猛發(fā)展，安全風險逐漸成為儲能電站的關鍵控制因素，安全風險預警技術亦在儲能電站中獲得了廣泛應用。為確保消防安全，所有儲能電站均無一例外地采用了熱信號和氣體信號預警技術。此外，國家電投海陽100兆瓦/200兆瓦時儲能電站采納了微粒子信號預警技術以進行安全風險預警，大唐東營廣饒鹽化120兆瓦/240 兆瓦時電化學儲能項目綜合運用了開閥聲信號、阻抗譜分析以及機器學習算法的運行數(shù)據(jù)分析預警技術，而三峽能源烏蘭察布550兆瓦/1100兆瓦時風光配儲場站則配置了融合模型、統(tǒng)計分析、機器學習等多元分析方法的運行數(shù)據(jù)分析預警技術。根據(jù)對合作伙伴的數(shù)據(jù)統(tǒng)計，目前在運行和已規(guī)劃的部分鋰電池儲能電站中，各類預警技術的應用比例如下圖所示：
↑ 不同安全風險預警技術在鋰電池儲能電站中的應用占比
統(tǒng)計分析揭示，熱信號與氣體信號預警技術的采納率達到了100%。這一現(xiàn)象可歸因于溫度與特征氣體作為電池熱失控的直接指標，它們能夠在一定程度上提供有效的熱失控預警，或作為熱失控信息的報警信號。相對地，超聲信號與力信號預警技術的采納率為0%，這表明這兩種預警技術的成熟度及預警效能尚未達到可忽略其附加信號傳感器高昂成本的水平。少數(shù)儲能電站采用了開閥聲信號預警技術，原因在于在電池艙體內安裝少量聲信號接收器的成本較低，且能在電池開閥時提供一次預警，從而增加一層安全風險防護，因此該技術也獲得了相當程度的青睞。大多數(shù)儲能電站聲稱采用了運行數(shù)據(jù)分析預警技術，特別是大數(shù)據(jù)機器學習算法，然而由于市場上相關產品的質量參差不齊，其真實性和有效性仍存疑。值得注意的是，微粒子信號預警技術的高采納比例，這反映出眾多儲能電站已經認識到傳統(tǒng)消防措施的局限性，并愿意采用新技術對熱失控進行早期預警。然而，這也表明市場對微粒子信號預警技術的理解仍停留在宣傳層面，易受產品營銷影響，尚未形成對安全風險預警技術的深刻理解，在選擇預警技術時存在一定程度的盲目性。
● 運行數(shù)據(jù)分析預警技術在實際工程案例中的應用結果
主動安全位于本征安全和被動安全之間，通過在線監(jiān)測實時數(shù)據(jù)來識別潛在風險和早期故障并發(fā)出預警，是最重要的安全防護措施。本研究團隊首次提出了LBESPS三級主動防控體系，涵蓋風險源識別、電池故障監(jiān)測和熱失控預警，逐步降低事故發(fā)生的可能性。在風險源識別方面，重點關注電池內部析鋰、隔膜損傷、內短路等電芯級別隱患，以及BMS通信異常、傳感器失效等系統(tǒng)級故障。電池故障監(jiān)測的核心參數(shù)則包括單體和簇電壓、溫度梯度、SOC估算偏差、內阻偏差、參數(shù)不一致性等，并設定多級閾值觸發(fā)預警。熱失控預警則是通過特征氣體濃度、溫度增長率等多維度判據(jù)，實時觸發(fā)聲光報警并推送處置指令至運維人員。同時，團隊開發(fā)了100%自主知識產權的基于運行數(shù)據(jù)分析的風險預警算法，構建“預警-控制-運維”的閉環(huán)防控體系，基于評估預警信息提供智能運維策略，及時消除安全風險，降低嚴重事故的風險，如下圖所示：
↑ 全站級主動安全三級防控體系
本研究團隊運用運行數(shù)據(jù)分析預警技術，與超過4吉瓦時的鋰電池儲能電站合作，開展安全風險預警工作。監(jiān)測范圍包括電池本體、BMS以及冷卻系統(tǒng)。截至2024年12月，共識別出1178次安全風險事件，其中主要風險包括BMS失效、制冷設備故障、設備連接松動以及電池異常。相關數(shù)據(jù)及分析結果如下圖所示：
↑ 檢出安全風險統(tǒng)計
統(tǒng)計分析結果顯示，在鋰電池儲能電站中，BMS的失效構成了主要的安全風險，其數(shù)量顯著高于其他類別。特別是NTC傳感器失效和電池均衡功能失效的風險概率尤為突出，成為鋰電池儲能電站中最為關鍵的安全隱患。
通過審視鋰電池儲能電站安全事故的發(fā)展歷程，可以發(fā)現(xiàn)，管控系統(tǒng)的失效將導致電池持續(xù)的過充和過放現(xiàn)象，進而逐步引發(fā)包括析鋰、膨脹、產氣、微短路等在內的安全問題。這些安全問題最終會表現(xiàn)為電池的異常衰竭和內部短路等現(xiàn)象。然而，在上圖的統(tǒng)計數(shù)據(jù)中，電池異常僅占極小比例。這一現(xiàn)象表明，本研究團隊開發(fā)的運行數(shù)據(jù)分析預警技術能夠在BMS失效這一安全風險的源頭進行有效的監(jiān)控和預警，避免了風險進一步發(fā)展至電池異常階段才發(fā)出預警信號。這進一步證實了該技術在預警方面的高效性和提前量的顯著性。
↑ 山東省某電站故障統(tǒng)計
以山東省某100兆瓦/200兆瓦時集中式儲能電站為例，本研究團隊開發(fā)的運行數(shù)據(jù)分析預警技術在電池艙中檢出了多次故障。比如監(jiān)測到某電池簇電壓與其他電池簇相比存在顯著差異，偏離了正常范圍，進一步數(shù)據(jù)分析發(fā)現(xiàn)，BMS未能有效均衡電池單體之間的電壓差異，才導致了簇電壓異常變化，于是發(fā)出預警信號。隨后的現(xiàn)場檢修記錄也確認了BMS均衡失效故障，證明了故障診斷的準確性。在該儲能電站中還檢出了電壓和溫度異常的故障。從數(shù)據(jù)上看，某電池簇采集過程中出現(xiàn)了65535通訊異常，部分單體電壓采集結果也存在明顯偏離電池電壓合理值的趨勢。部分電池簇的溫度數(shù)據(jù)也發(fā)生異常波動，系統(tǒng)溫度控制出現(xiàn)了失效風險。在發(fā)生預警信號后，現(xiàn)場工作人員進行了即時檢修，確定電壓異常的原因是控制設備更換后接線松動所導致，溫度異常則是由NTC傳感器故障引發(fā)。
總體而言，通過及時檢測和診斷儲能電站系統(tǒng)故障與潛在風險，及時發(fā)出預警并采取檢修措施，能夠極大程度確保儲能系統(tǒng)的穩(wěn)定和安全運行。
本文圍繞鋰電池儲能電站安全風險預警技術，對安全事故風險源進行了分析，構建了安全事故發(fā)展圖譜，介紹了不同安全風險預警技術并對比了優(yōu)缺點，分析了工程應用中使用安全風險預警技術的標準規(guī)范和統(tǒng)計結果，為市場選擇鋰電池儲能電站安全風險預警技術提供了技術和樣本支持。
根據(jù)我們的研究發(fā)現(xiàn)，鋰電池儲能電站的安全事故往往呈現(xiàn)出多階段的演變過程，每一階段的特征信號特征有所不同，因此為了確保全面的安全，可以采用多種預警技術的互補，覆蓋鋰電池儲能電站的不同安全風險。同時，運行數(shù)據(jù)分析預警技術，尤其是機器學習算法在儲能電站預警中具有巨大的潛力，需要進一步推廣和提升該技術的應用能力，但也要注意到這些技術在實際工程中的有效性和可操作性，如面臨數(shù)據(jù)不完整、遷移能力差等實際問題，因此在應用時需更加注重預警技術與工程實踐的結合，考慮多重影響因素，增強預警技術的魯棒性與容錯能力。此外，面對市場上對基于大數(shù)據(jù)的機器學習預警算法的宣傳亂象，必須制定詳細的功能規(guī)范進行標準化管理，行業(yè)協(xié)同制定統(tǒng)一的技術標準和評估體系，確保算法的可解釋性、透明性和實際應用效果，提升有效的安全預警技術的市場競爭力。
