大型LiFePO4 储能电池热失控预警中内温与外参的关联机制研究

　　为解决大容量LiFePO4 (LFP)储能电池热失控预警精度不足的问题，研究人员通过实验揭示了过热场景下电池内温与外参（如表面温度、膨胀力、开路电压）的关联性，提出基于多参数（OCV、膨胀力、动态电阻等）的四级预警模型，预警时间提前超1000秒，为提升储能系统安全性提供了新策略。

　　

随着锂离子电池在储能领域的广泛应用，大容量LiFePO₄
(LFP)电池因其高安全性成为主流选择。然而，传统热失控(thermal runaway, TR)预警技术依赖外部单一参数（如表面温度），难以精准捕捉电池内部状态变化。尤其当电池容量突破300Ah时，多极组结构导致TR过程更复杂，释放的毒气（如H₂
、CO）和烟雾会严重威胁人员安全。中国的研究团队针对这一难题，系统研究了314Ah LFP电池在过热条件下的TR特性，首次建立了内温与外参的定量关联模型，为开发高效预警技术提供了关键依据。

研究团队采用多参数同步监测技术，对314Ah和150Ah两种LFP电池进行过热实验，采集了内温（两极组中心）、外温（大面中心）、膨胀力、开路电压(OCV)、氢气浓度等数据。通过分析不同SOC（state of charge）、预紧力和容量下的TR行为，构建了基于动态电阻和膨胀力变化的四级预警模型。

典型热失控特性分析
实验显示，314Ah电池TR过程较三元电池温和，主要表现为大量气体/烟雾释放而非剧烈燃烧。安全阀开启前，内温与膨胀力、OCV呈显著相关性：膨胀力在80°C时突增（5N/s斜率），OCV在100°C后加速下降，而动态电阻在TR前骤升。这些参数可作为内温的间接指标。

多参数预警模型
提出的四级预警包含：1级（OCV下降+膨胀力>200N）、2级（内温估算>80°C）、3级（动态电阻异常）、4级（氢气浓度>1%）。该模型在50%SOC条件下可实现1000秒预警提前量，且高SOC（如100%）时预警更敏感。

结论与意义
该研究首次揭示了大容量LFP电池内温与外参的动态关联规律，提出的多参数分级预警技术突破了传统方法的局限性。通过非侵入式监测外部参数反演内部状态，显著提升了预警精度和时效性，为储能电站安全运行提供了关键技术支撑。未来可结合人工智能算法进一步优化模型普适性。

（注：全文细节均基于原文，专业术语如OCV=open-circuit voltage，TR=thermal runaway，SOC=state of charge等均按原文格式保留上下标及大小写。）