锂电池储能系统多参量传感监测与智能诊断

研究背景与挑战

储能电站安全事故频发，严重影响产业发展。我国储能装机规模全球第一，但安全预警和防护能力不足，缺乏主动防护措施。电池储能系统结构复杂，失效过程涉及多场耦合，故障种类多且早期信号特征弱，系统层级结构复杂导致信号耦合干扰严重。

研究进展与创新

1. 多场耦合失效机理：

   • 建立电-温-气-声-压多物理场原位协同表征方法，解析失效早期关键特征信号。
   • 形成热失控全链条“电-热-力-化”多物理场耦合关系图谱，将关键参量分辨率提升到材料层。

2. 内外部多参量传感探测：

   • 提出声纹识别-时延定位-噪声抑制三位一体电池安全阀开启识别模型，强干扰下识别准确率达97.4%。
   • 研制电化学储能专用声音定位器，获工信部金奖，推广应用防护储能项目规模达15GWh。
   • 开发基于热电效应的内部植入式温度薄膜传感器和基于压阻原理的电池内部植入式压力薄膜传感器，实时监测内部温度和应变。

3. 储能系统智能诊断模型：

   • 提出基于电流源激励的大容量电池极小阻抗在线测量方法，开发第二代增强型电池管理系统（E-BMS），提升阻抗、相角分瓣率。
   • 构建基于一阶残差模型的微过充早期预警方法，实现电池微过充状态的精准判断。
   • 建立面向储能电站结构化BMS数据的多层级异常诊断分析方法，实现电芯级电压异常和模组级温度异常的智能诊断，为故障隐患精准定位和能量效率均衡优化提供决策支持。

研究结论

通过多场耦合失效机理研究、内外部多参量传感探测技术及储能系统智能诊断模型的开发，显著提升了储能电站的安全状态感知和防护水平，已在多个大型储能项目中成功应用并取得显著成效。