江苏电科院研发储能电站热失控多参量预警系统

10月8日，国网江苏省电力有限公司电力科学研究院研制的储能电站热失控多参量预警系统在南京江北储能电站上线运行64天。该系统实时监控站内电池预制舱状态，一旦出现早期热失控迹象，可及时发出预警。

电化学储能电站已成为电力系统稳定运行的重要组成部分，但近年国内外发生的储能电站火灾给电力行业敲响警钟。江苏电科院提出利用电池安全阀开启声音、汽化电解液图像、电池特征产气“三合一”的多参量预警解决方案，解决根据单一参量预警不及时、易误报、易漏报问题，缩短火灾预警时延，为执行消防预控措施争取时间，提升储能电站火灾早期预警能力。

试验：深入了解电池热失控不同阶段多参量变化特征

储能电站安全问题主要源于电池热失控。储能电池遭遇过充、过放等滥用情况，在内外部激源影响下，可能突发热失控。处于热失控状态的电池产热快、易燃烧，起火后火势蔓延迅速，传统的消防烟感、温感探测设备在此类场景下灵敏度低、反应滞后，很难满足电池热失控预警需求。

2018年年初，江苏电科院以镇江储能电站群为试验对象，在北山、长旺等8座储能电站开展火灾智能预警技术调研。调研人员发现不同厂家生产、不同规格的电池模组内的温度测点位置不同、数量不一，红外系统识别范围有限，热失控预警功能不完善。

“我们调研过很多国内的企业，也查阅了很多国外的资料，发现电池热失控预警技术的发展和应用主要经历两个阶段。此前多应用的是以烟感、温感为代表的传统消防预警技术，通过电池外表面温度、火灾烟雾浓度反映电池热失控状态，但存在反应滞后等问题。”江苏电科院安全技术中心主任陶风波介绍，现在则侧重以氢气、一氧化碳等电池热失控特征产气来预警。但由于电池架阻挡等原因，气体扩散较慢、扩散规律复杂等问题客观存在，极端条件下有预警灵敏性不足的风险，且依赖单一参量的预警系统的可靠性还有提升空间。

为提高热失控预警的灵敏性和可靠性，研究多种特征参量联动的预警方法迫在眉睫。2018至2019年，江苏电科院开展了60多次大规模储能电池燃烧试验，对电池热失控不同阶段的温度、压力、产气、形变、声音、图像等多参量变化特征有了更深入的了解。试验表明，可用于热失控预警的电池特征参量众多，各参量在预警及时性、可靠性、实施难度方面存在差异，部分参量特征适当组合可以较好地反映电池早期热失控发展趋势，能够用于实现更高水平的热失控预警。以试验为基础，陶风波带领团队踏上了创新之路。

研发：根据声光气现象建立预警技术体系

研究团队通过试验发现，几乎所有发生热失控的硬壳电池都出现了安全阀开启现象，且明火产生前均释放出大量密度大于空气的白色雾状产物。准确无误地识别这些现象并实现预警，是研究团队下一步要做的事。

2020年2月7日，江苏电科院一项利用声学特征开展储能电池预制舱热失控状态判别的发明专利公开，关于热失控多参量预警技术的研究拉开序幕。该院提出“研究涵盖热失控早期不同发展阶段的多参量预警技术路线，研制面向大规模工程应用的升级版预警系统”的目标。

研究团队搭建储能电池热失控试验舱，验证利于探测电池安全阀开启声音、汽化电解液图像的声学、光学预警方法，实现“听见、看见”热失控的目的。

为“听见”热失控，研究团队在电池预制舱内安装声学麦克风，采集舱内声信号，使用小波阈值去噪法对舱内声信号进行去噪处理。试验表明，研究团队提出的特征声信号辨识方法可准确识别电池安全阀破裂、舱内空调及电池管理系统运行、电池充放电流等声音，整体正确率为97.4%。依托江苏电科院电力安全技术实验室，研究团队还提出适用于电池预制舱的麦克风排布方法和时延定位算法，据此可准确定位各模块位置，平均误差不超过8.2厘米。在精准定位故障点的基础上，运维人员可切断故障模组所在的电池簇开关，也可检修和更换舱内的电池模组。

为“看见”热失控，研究团队在电池预制舱内安装监控设备，在采集舱内查看可见光图像信号。借助热失控过程中雾状样本搭建深度神经网络模型，识别故障电池泄漏产生的雾状汽化电解液，较传统的人工判断更高效、准确。应用该技术比舱内消防主机检测到烟雾的时间早22秒。

加上此前应用的热失控特征气体“嗅探”技术，研究团队建立起一套热失控早期声、光、气预警技术体系，并开发内置预警系统装置样机，以此实现储能电站火灾隐患可听、可见、可嗅探。

应用：系统可靠性优于当前单一判据的热失控预警方法

6月14日，储能电站热失控多参量预警系统装置样机通过第三方检测认证。8月5日，该系统在南京江北储能电站上线运行。

系统由声传感器、光学传感器、气体传感器和后台预警系统组成。安装在舱顶的声传感器实时监听舱内电池安全阀破裂声，一旦检测到电池安全阀破裂声信号，系统将自动启动多参量预警判别程序，可在气体传感器检测到微量特征产气或光学传感器捕捉到微弱汽化电解液图像后，发出预警信号，所在舱体快速进入火灾自动报警和消防联动控制逻辑。

由于引入了声探测技术，该系统将基于特征气体探测的预警信号发出时间提前200秒左右，较发生热失控时间平均提前720秒左右，优于当前市面上的热失控预警系统。多参量叠加应用进一步提高了预警可靠性，声学判据通过神经网络训练后实测识别准确率超97.4%，光学图像判据识别准确率超90%，加上特征气体识别，使得系统可靠性优于当前单一判据的热失控预警方法。