Li+學社丨孚能科技劉麗榮：提高動力電池熱失控報警和安全風險預警能力
日前，由電池中國網主辦的第15期“Li+學社”大講堂在廣州舉辦。孚能科技(贛州)股份有限公司研究院副院長劉麗榮，做了關于“系統級別的熱失控報警和安全預警技術”的分享。
圖為孚能科技研究院副院長劉麗榮作交流分享
劉麗榮談道，關于電池安全系統的預警和報警是兩個不同的概念，預警指的是防患于未然，在熱失控發生之前發出預警信號;報警指的是熱失控要發生或者已經發生了，發出報警信號;國標38031規定：電池包或系統在由于單個電池熱失控引起熱擴散、進而導致乘員艙發生危險之前5min，應提供一個報警信號。
劉麗榮表示，報警信號以前主要可通過BMS檢測到的異常電壓、溫度、電流等特征信號進行組合判斷分析。隨著零部件的發展，集氣體、煙霧、氣壓信號于一體的探測器應用越來越多，報警信號的及時性和準確性的得到一定程度的提高。具體的安全報警策略整車廠可能研究的更多一點。
預警技術主要是通過電池安全失效機理與大數據人工智能技術相融合，建立各種失效模式的安全預警模型，常用的有電池內短、析鋰、容量異常等。電池的這些異常變化表現為電池運行數據中電壓、溫度、電流等數據的異?；蜍壽E異常，通過對電池運行過程中BMS記錄的電壓、電流、溫度等數據的多維分析，可以識別出電池的故障信息，判斷電池安全風險，達到預警目的。
隨著現在行業對熱失控要求的不斷提升，熱失控目標從原來的5min提升到30min、60min，甚至是大于24h無明火/無蔓延，這就對動力電池系統的熱失控防護抑制技術提出了更高的要求。
劉麗榮指出，現在的PACK和模組設計都是同一原理，主要側重于PACK和模組級別的主被動安全設計;進一步從系統角度來講，智能管理技術、大數據云監控平臺也同樣重要。目前主要通過智能BMS數據的精準采集和分析計算能力與大數據人工智能技術相結合，運用各種電池安全算法模型實現電池潛在安全風險的分析預測。
通過模組和PACK層級的主被動安全設計及系統層級的大數據云平臺預警技術相互協同，降低電池熱失控發生概率或一只電池發生后不影響其它電池，最終實現熱蔓延阻斷。
相關閱讀：
驗證碼：
