10月8日，國網江蘇省電力有限公司電力科學研究院研制的儲能電站熱失控多參量預警系統在南京江北儲能電站上線運行64天。該系統實時監控站內電池預制艙狀態，一旦出現早期熱失控跡象，可及時發出預警。

　　電化學儲能電站已成為電力系統穩定運行的重要組成部分，但近年國內外發生的儲能電站火災給電力行業敲響警鐘。江蘇電科院提出利用電池安全閥開啟聲音、汽化電解液圖像、電池特征產氣“三合一”的多參量預警解決方案，解決根據單一參量預警不及時、易誤報、易漏報問題，縮短火災預警時延，為執行消防預控措施爭取時間，提升儲能電站火災早期預警能力。

　　試驗：深入了解電池熱失控不同階段多參量變化特征

　　儲能電站安全問題主要源于電池熱失控。儲能電池遭遇過充、過放等濫用情況，在內外部激源影響下，可能突發熱失控。處于熱失控狀態的電池產熱快、易燃燒，起火后火勢蔓延迅速，傳統的消防煙感、溫感探測設備在此類場景下靈敏度低、反應滯后，很難滿足電池熱失控預警需求。

　　2018年年初，江蘇電科院以鎮江儲能電站群為試驗對象，在北山、長旺等8座儲能電站開展火災智能預警技術調研。調研人員發現不同廠家生產、不同規格的電池模組內的溫度測點位置不同、數量不一，紅外系統識別范圍有限，熱失控預警功能不完善。

　　“我們調研過很多國內的企業，也查閱了很多國外的資料，發現電池熱失控預警技術的發展和應用主要經歷兩個階段。此前多應用的是以煙感、溫感為代表的傳統消防預警技術，通過電池外表面溫度、火災煙霧濃度反映電池熱失控狀態，但存在反應滯后等問題。”江蘇電科院安全技術中心主任陶風波介紹，現在則側重以氫氣、一氧化碳等電池熱失控特征產氣來預警。但由于電池架阻擋等原因，氣體擴散較慢、擴散規律復雜等問題客觀存在，極端條件下有預警靈敏性不足的風險，且依賴單一參量的預警系統的可靠性還有提升空間。

　　為提高熱失控預警的靈敏性和可靠性，研究多種特征參量聯動的預警方法迫在眉睫。2018至2019年，江蘇電科院開展了60多次大規模儲能電池燃燒試驗，對電池熱失控不同階段的溫度、壓力、產氣、形變、聲音、圖像等多參量變化特征有了更深入的了解。試驗表明，可用于熱失控預警的電池特征參量眾多，各參量在預警及時性、可靠性、實施難度方面存在差異，部分參量特征適當組合可以較好地反映電池早期熱失控發展趨勢，能夠用于實現更高水平的熱失控預警。以試驗為基礎，陶風波帶領團隊踏上了創新之路。

　　研發：根據聲光氣現象建立預警技術體系

　　研究團隊通過試驗發現，幾乎所有發生熱失控的硬殼電池都出現了安全閥開啟現象，且明火產生前均釋放出大量密度大于空氣的白色霧狀產物。準確無誤地識別這些現象并實現預警，是研究團隊下一步要做的事。

　　2020年2月7日，江蘇電科院一項利用聲學特征開展儲能電池預制艙熱失控狀態判別的發明專利公開，關于熱失控多參量預警技術的研究拉開序幕。該院提出“研究涵蓋熱失控早期不同發展階段的多參量預警技術路線，研制面向大規模工程應用的升級版預警系統”的目標。

　　研究團隊搭建儲能電池熱失控試驗艙，驗證利于探測電池安全閥開啟聲音、汽化電解液圖像的聲學、光學預警方法，實現“聽見、看見”熱失控的目的。

　　為“聽見”熱失控，研究團隊在電池預制艙內安裝聲學麥克風，采集艙內聲信號，使用小波閾值去噪法對艙內聲信號進行去噪處理。試驗表明，研究團隊提出的特征聲信號辨識方法可準確識別電池安全閥破裂、艙內空調及電池管理系統運行、電池充放電流等聲音，整體正確率為97.4%。依托江蘇電科院電力安全技術實驗室，研究團隊還提出適用于電池預制艙的麥克風排布方法和時延定位算法，據此可準確定位各模塊位置，平均誤差不超過8.2厘米。在精準定位故障點的基礎上，運維人員可切斷故障模組所在的電池簇開關，也可檢修和更換艙內的電池模組。

　　為“看見”熱失控，研究團隊在電池預制艙內安裝監控設備，在采集艙內查看可見光圖像信號。借助熱失控過程中霧狀樣本搭建深度神經網絡模型，識別故障電池泄漏產生的霧狀汽化電解液，較傳統的人工判斷更高效、準確。應用該技術比艙內消防主機檢測到煙霧的時間早22秒。

　　加上此前應用的熱失控特征氣體“嗅探”技術，研究團隊建立起一套熱失控早期聲、光、氣預警技術體系，并開發內置預警系統裝置樣機，以此實現儲能電站火災隱患可聽、可見、可嗅探。

　　應用：系統可靠性優于當前單一判據的熱失控預警方法

　　6月14日，儲能電站熱失控多參量預警系統裝置樣機通過第三方檢測認證。8月5日，該系統在南京江北儲能電站上線運行。

　　系統由聲傳感器、光學傳感器、氣體傳感器和后臺預警系統組成。安裝在艙頂的聲傳感器實時監聽艙內電池安全閥破裂聲，一旦檢測到電池安全閥破裂聲信號，系統將自動啟動多參量預警判別程序，可在氣體傳感器檢測到微量特征產氣或光學傳感器捕捉到微弱汽化電解液圖像后，發出預警信號，所在艙體快速進入火災自動報警和消防聯動控制邏輯。

　　由于引入了聲探測技術，該系統將基于特征氣體探測的預警信號發出時間提前200秒左右，較發生熱失控時間平均提前720秒左右，優于當前市面上的熱失控預警系統。多參量疊加應用進一步提高了預警可靠性，聲學判據通過神經網絡訓練后實測識別準確率超97.4%，光學圖像判據識別準確率超90%，加上特征氣體識別，使得系統可靠性優于當前單一判據的熱失控預警方法。（章岑 尹康涌）