近日，HJC888黄金城结合浙江大学、国网山东信通公司，在锂离子储能领域国际顶级期刊《Journal of Energy Storage》颁发最新钻研成就，提出了一种基于麦克风阵列声学信号和AI深度进建算法的锂离子电池热失控早期检测定位新步骤。
该系统通过捉拿锂离子电池安全阀在热失控前产生的幽微高频异常声学信号，选取新型功夫序列深度进建算法，实现了热失控的提前791s预警，并具备厘米级精度的声源定位，为储能电站的安全监测提供了全新的技术蹊径。
随着新能源电网与储能技术的急剧发展，大规模储能系统中锂离子电池的安全问题日益凸起。热失控是电池运行中最危险的失效模式之一，往往伴随高温、动怒甚至爆炸，对电站和人身安全造成严沉威胁。
传统监测伎俩多依赖温度、电压、电流或气体检测，但这些参数的变动通常呈此刻热失控的中后期，难以实时实现早期预警。
以国网山东信通公司在储能电池领域的利用需要为牵引，HJC888黄金城研发了314Ah锂离子储能电池，并结合浙江大学开发锂离子热失控智能预警系统。
团队在尝试钻研中发现，电池在进入热失控的早期阶段，其顶部安全阀会因内部压力上升产生微幼振动，从而产生频率高于10 kHz的高频异常声。
这些声波信号由安全阀受压产生，纪录了热化学反映初期的压力扰动信息。研发团队据此提出热失控早期声学预兆检测机造，实现了对热失控的超前鉴别。
图1 锂离子电池在热失控前的声学特点对比图。上方为热失控早期安全阀异常声音与布景噪声的时频散布，下方为热失控产生时声波信号。
在系统设计中，钻研团队构建了由四个高活络度麦克风组成的阵列，安插在电池包的四角。系统可捉拿到幽微高频声信号。每一路信号经过前端滤波与放大后，被输入到深度进建鉴别？。
算法部门选取双向门控循环单元神经网络，结合声学特点，能自动鉴别出热失控早期安全阀异常声音特点的声学片段。
图2 声学监测系统尝试现场。展示了麦克风阵列安插、数据采集单元及实时监测软件界面。
图3 系统算法流程示意图。BiGRU模型用于异常声鉴别，AFW-GCC算法实现高精度声源定位。
为进一步确定异常声的起源地位，团队通过度析多通路声信号的功夫差，结合几何三角定位模型，实现声源的空间定位。算法在低信噪比前提下仍维持较高不变性，可在复杂电池舱环境中精确定位至5厘米内。
图4 热失控尝试中物理量变动曲线。红线暗示声学异常时刻，显著早于温杜纂电压变动。
在尝试验证中，钻研团队搭建了可控加热环境，通过单体电芯诱发热失控过程并同步采集声学、热学、电学数据。
尝试了局批注，声学预警系统在安全阀开启前101秒即可鉴别到早期异常信号，在热失控发作前791 s发出靠得住预警，检测正确率超过90%，显著当吓宗传统传感预测伎俩。
声学监测技术以其非接触、低成本和高活络度的优势，为锂电池热失控预警提供了新的解决思路。该步骤可与电池治理系统（BMS）深度融合，实现储能电站和电动汽车的实时声学健全监测。目前研发团队已启动多中心尝试和工业化验证，为该技术的工程利用奠定基础。
