一种锂电池热失控早期火灾检测预警方法技术

本发明专利技术公开了一种锂电池热失控早期火灾检测预警方法。该方法包括锂电池热失控过程中的特征向量检测模型、火灾检测及预警的判别方法及分布式终端处理平台。主要方法为采用热电阻温度传感器、锂电池电解液蒸汽电化学探测器式、激光烟雾探测器进行电池热失控早期特征参量的检测，并在电池仓内根据空间容量进行传感器部署；获得的传感器数据，通过归一化预处理后，进入终端处理平台，通过DS证据理论模型，进行锂电池热失控及火灾预警推断，给出预警及报警。警。警。

【技术实现步骤摘要】
一种锂电池热失控早期火灾检测预警方法


[0001]本专利技术涉及一种锂电池热失控早期火灾检测预警方法，适用于动力锂电池早期火灾探测及预警。

技术介绍

[0002]近年来，在新能源汽车发展及国家产业政策的推动下，动力锂电池因具备高能量密度、大倍率充放电性能和长循环寿命等优点发展迅猛，已成为电动汽车电能、储能电站存储载体采用的主要动力电池类型。然而，锂电池的自燃和爆炸事故也呈高发态势。
[0003]目前对于锂电池火灾的早期探测和预警，传统的方法主要基于环境的检测数据，使用传感器获取锂电池火灾过程中的特征参量，根据一定的专家经验进行分析及预判。基于单一传感器或者多传感器数据的分析，传统的方法预判错误率高，在实际中存在误报漏报的问题。
[0004]基于以上情况，本专利技术基于多传感器融合的数据，提出一种基于DS论据理论的锂电池火灾预警方案，并通过神经递归网络的方法对多传感器数据的序列进行学习及预判，可获得更高的检测准确率。

技术实现思路

[0005]本专利技术的目的在于提供一种锂电池热失控早期火灾检测预警方法。该方法包括锂电池热失控过程中的特征向量检测模型、火灾检测及预警的判别方法及分布式终端处理平台。主要方法为采用热电阻温度传感器、半导体电解液蒸汽探测器、烟雾颗粒物探测器进行电池热失控早期特征参量的检测，并在电池仓内根据空间容量进行传感器部署；获得的传感器数据，通过归一化预处理后，进入终端处理平台，通过DS证据理论模型，进行锂电池热失控及火灾预警推断，给出预警及报警。
[0006]为实现上述目的，本专利技术采用的技术方案是：
[0007]本专利技术包括基于温度、可燃气体、烟雾的多传感器探测系统，多参数融合(DS)证据理论模型，基于递归神经网络的传感器数据序列分析模型和基于比特大陆BM1880的智能终端处理平台。
[0008]一种锂电池热失控早期火灾检测预警方法，包括以下步骤：
[0009](1)采用分布式传感器部署方法在电池仓中布置多个传感器，测得温度、可燃气体和烟雾的特征参量。优选地，所述特征参量至少包括电池仓环境温度、可燃气体浓度和烟雾的颗粒物浓度数值。
[0010](2)采用步骤(1)所测得的特征参量，通过多参数融合证据理论模型，进行锂电池热失控及火灾预警判断，给出预警及报警。
[0011]进一步地，所述锂电池热失控早期火灾检测预警方法，包括传感器部署方案、动力锂电池早期热失控DS证据理论模型、终端深度学习处理平台。其中采用分布式传感器部署方法，对温度、可燃气体、烟雾的特征参量进行监测。其中主要使用热敏电阻实现对电池仓
环境温度的精确测量；使用电化学气体探测方法实现对锂电池电解液蒸汽的检测；使用激光散射探测方法实现热失控过程中产生的烟雾进行检测。
[0012]进一步地，所述的传感器部署方法，包括对温度、可燃气体及颗粒物的检测，每立方米3.7V/1000AH锂电池储能空间内，按照2组每组5个热电阻传感器、2个可燃气体传感器、2个烟雾传感器线性及对称的分布式部署方法，能够实现对锂电池早期热失控及火灾产生的环境影响进行准确监测。
[0013]进一步地，步骤(2)中，使用多参数融合(DS)证据理论模型及其计算方法进行锂电池早期火灾预警，通过对温度、可燃气体、烟雾这三个传感器信息的融合，研判火灾的状态。所述的多参数融合证据理论模型为：将锂电池热失控并发生早期火灾分三个状态表示分别为正常、预警、火灾；通过针刺、加热、过充等方式进行实验，获取三种6组传感器在热失控三个状态的信任度σ1、σ2、σ3、σ4、σ5、σ6分别为：
[0014][0015][0016][0017][0018][0019][0020]其中表示早期火灾的三个状态概率值,n表示早期火灾的三个状态概率值，m为第m个传感器。可获得融合后的置信公式为：
[0021][0022]其中：
[0023][0024]Φ为空集且满足：σ(Φ)＝0；
[0025]根据上述传感器融合数据及预测公式，选择中最大的概率值，进行锂电池热失控早期火灾状态的判定。
[0026]进一步地，所述预警方法还包括：步骤(2)中，通过神经递归网络的方法对多传感器数据的序列进行学习及预判。
[0027]进一步地，所述预警方法还包括：步骤(2)中，使用深度学习递归神经网络(RNN)的方法，进行多传感器数据信任度σ的推算。通过将温度、可燃气体、烟雾探测的物理量{V1,V2,V3,V4,V5,V6}输入至RNN网络中,训练得到σ1、σ2、σ3、σ4、σ5、σ6。最终将获得的模型二值化处理后移植至BM1880芯片中，实现终端处理平台的智能决策。其中，V1和V2为温度特征参数值，单位均为摄氏度；V3和V4为气体特征参数值，单位均为PPM；V5和V6为烟雾特征参数值，单位均为mg/M3[0028]进一步地，所述的归一化预处理包括：传感器获取到数据后，针对多传感器融合的模型，对数据进行归一化处理，将数据处理到[0，1]区间，使用的数学方法为：
[0029][0030]获得多个传感器的归一化处理数据。
[0031]本专利技术采用热电阻温度传感器、锂电池电解液蒸汽电化学探测器、激光烟雾探测器进行电池热失控早期特征参量的检测，并在电池仓内根据空间容量进行传感器部署；获得的传感器数据，通过归一化预处理后，进入终端处理平台，通过DS证据理论模型，进行锂电池热失控及火灾预警推断，给出预警及报警，并通过神经递归网络的方法对多传感器数据的序列进行学习及预判，可获得更高的检测准确率。
附图说明
[0032]图1是本专利技术的锂电池热失控实验平台示意图；
[0033]图2是本专利技术的总体硬件框图；
[0034]图3是本专利技术的数据处理流程图。
[0035]图中，1电池箱、2锂电池、3温度传感器、4烟雾传感器、5可燃气体传感器、6直流电源。
具体实施方式
[0036]下面结合附图和实施例，对本专利技术作进一步的描述。
[0037]图1是本专利技术锂电池热失控实验平台示意图。如图1所示，锂电池热失控实验平台包括电池箱1、锂电池2、阵列式温度传感器3、烟雾传感器4、ZE21
‑
CS可燃气体传感器5、直流电源6、数字式CAN总线、采集卡和BM1880智能终端。BM1880智能终端为终端处理平台。阵列式温度传感器3为阵列式PT100热敏电阻温度采集系统。烟雾传感器4为激光烟雾探测器。锂电池2置于电池箱1内。直流电源6设置于电池箱1外。直流电源6分别与阵列式温度传感器3、烟雾传感器4和ZE21
‑
CS可燃气体传感器5通过导线连接。电池箱1内设置有温度传感器3、烟雾传感器4和可燃气体传感器5。可燃气体传感器5为电解液蒸汽传感器。数字式CAN总线一端依次连接采集卡和BM1880智能终端。数字式CAN总线另一端连接温度传感器3、烟雾传感器4和可燃气体传感器5。温度传感器3、烟雾传感器4和可燃气体传感器5为并联连接到并联连接到数字式CAN总线上。阵列式温度传感器3采本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种锂电池热失控早期火灾检测预警方法，其特征在于，包括以下步骤：(1)采用分布式传感器部署方法在电池仓中布置多个传感器，测得温度、可燃气体和烟雾的特征参量；(2)采用步骤(1)所测得的特征参量，通过多参数融合证据理论模型，进行锂电池热失控及火灾预警判断，给出预警及报警。2.根据权利要求1所述的一种锂电池热失控早期火灾检测预警方法，其特征在于，步骤(1)中，所述的传感器部署方法采用线性及对称的分布式部署方法，对温度、可燃气体及颗粒物进行检测。3.根据权利要求1所述的一种锂电池热失控早期火灾检测预警方法，其特征在于，步骤(2)中，使用多参数融合证据理论模型及其计算方法进行锂电池早期火灾预警，通过对温度、可燃气体、烟雾这三个传感器信息的融合，研判火灾的状态；所述的多参数融合证据理论模型为：将锂电池热失控并发生早期火灾分三个状态表示分别为正常、预警、火灾；通过针刺、加热或过充方式进行实验，获取三种6组传感器在热失控三个状态的信任度σ1、σ2、σ3、σ4、σ5、σ6分别为：分别为：分别为：分别为：分别为：分别为：其中表示早期火灾的三个状态概率值,n表示早期火灾的三个状态，m表示第m个传感器；可获得融合后的置信公式为：其中：Φ为空集且满足：σ(Φ)＝0；根据上述传感器融合数据及预测公式，选择中最大的概率值，进行锂电池热失控早期火灾状态的判定。4.根据权利要求1所述的一种锂电池热失控早期火灾检测预警方法，其特征在于，步骤(2)中，通过...

【专利技术属性】
技术研发人员：张永明，单志林，张启兴，胡建，郭世伟，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：