一种浸没式储能电池包热失控多模态监测预警方法及系统与流程

本发明涉及电池热失控预警，特别是一种浸没式储能电池包热失控多模态监测预警方法及系统。

背景技术：

1、随着电化学储能电站对能量密度与安全性的要求日益提高，浸没式液冷热管理技术凭借其优异的均温性和散热效率，在大规模储能电池包中得到了广泛应用。针对此类特殊结构，业界已发展出多种热失控监测方案，其中基于多传感器融合的在线预警技术是较为常见的一种，通常在电池包内部署温度、电压、电流及特征气体传感器，并结合电池管理系统实时采集多维运行数据，随后利用机器学习算法对热失控风险进行综合评估。这类方法在一定程度上突破了单一参量预警的局限性，通过多源数据的互补提升了判别准确率，已成为当前储能安全监测领域的重要技术路线之一。

2、现有多传感器融合方案在浸没式储能电池包中的应用存在感知维度局限性，一方面浸没液环境中温度、特征气体波动小；另一方面缺乏电芯内部微观机械形变及浸没液理化性质变化的同步监测方法。上述微弱信号若未被有效捕获，将直接影响热失控预警的提前量。尽管超声检测技术能够反映电池内部材料模量与界面变化，对析锂、产气等劣化机理具有解释力，但受限于超声传感器成本、液体环境声耦合复杂性及在线信号处理难度，该技术目前难以部署于在线监测系统中。

技术实现思路

1、鉴于上述现有存在的问题，提出了本发明。

2、因此，本发明提供了一种浸没式储能电池包热失控多模态监测预警方法解决了浸没式密闭环境下早期劣化信号多维感知不足与离线超声知识无法深度融合在线预警的难题。

3、为解决上述技术问题，本发明提供如下技术方案：

4、第一方面，本发明提供了一种浸没式储能电池包热失控多模态监测预警方法，其包括，s1，在浸没式储能电池包内部同步布置薄膜压力-温度复合传感器、红外光谱探头、顶部多合一气体传感器并结合电池管理系统，实时采集电参量、温度、特征气体、应力、光谱多维物理场时序数据；

5、s2，基于所述多维物理场时序数据，利用离线超声检测建立劣化物理机理、超声声学特征参数与多维在线传感器数据的映射数据库，并为每个时间窗口的多维物理场时序数据打上劣化等级标签及附以超声声速、衰减值和特征波形作为辅助参考特征；

6、s3，根据所述映射数据库，训练以劣化等级为主任务标签、多维在线传感器和电池管理系统数据为辅助监督信号的多模态时序transformer模型，使模型从超声声学特征数据中学习多维物理场时序信号变化相关的隐式表征；

7、s4，将训练好的多模态时序transformer模型经知识蒸馏和量化压缩后部署于边缘计算网关，通过每秒采集一次完整多维物理场时序数据并维护滑动时间窗口进行在线推理，输出劣化等级概率向量并得到风险评分，根据设定的多级预警阈值触发相应的分级预警信号。

8、作为本发明所述浸没式储能电池包热失控多模态监测预警方法的一种优选方案，其中：所述s1中，所述薄膜压力-温度复合传感器贴附于相邻电芯大面之间，每间隔3个电芯布置1片薄膜压力-温度复合传感器，用于感知电芯厚度方向的膨胀/收缩应变及体相温度；所述红外光谱探头布置在电池包浸没液循环系统出口区域，用于通过特定波数处的吸收峰变化表征浸没液的理化劣变；所述顶部多合一气体传感器用于监测特征气体浓度及气相温度。

9、作为本发明所述浸没式储能电池包热失控多模态监测预警方法的一种优选方案，其中：所述红外光谱探头的工作波段覆盖2.5~5μm，作为具备经济效益的原位传感手段，通过监测2.8μm附近的吸收峰反映微量水分或电解液分解产物，通过监测4.3μm附近的吸收峰反映异常产气溶解。

10、作为本发明所述浸没式储能电池包热失控多模态监测预警方法的一种优选方案，其中：所述s2中，利用离线超声检测建立映射数据库的步骤包括：采用高精度超声扫查系统作为非原位检测手段，搭建与在线电池包相同批次的离线等效测试平台，在实验室密封容器内同步部署薄膜压力传感器、红外光谱探头、顶部多合一气体传感器，以模拟浸没式储能电池包在典型运行工况及过充、热滥用、电气串扰等典型异常工况下的劣化过程，并引入高精度超声扫查系统；执行典型异常工况劣化实验，以第一采样频率同步记录所有在线传感器数据，同时以第二采样频率通过超声设备记录超声波声速、衰减系数及背散射信号；结合超声扫查图像、声学参数突变点及事后拆解分析，将电池劣化进程划分为多个劣化等级，并为每个时间窗口的多维物理场时序数据打上对应的劣化等级标签，同时附以超声声速和衰减值作为辅助参考特征，构建融合原位多维信号与非原位超声特征的浸没式电池热失控时序特征信号数据集。

11、作为本发明所述浸没式储能电池包热失控多模态监测预警方法的一种优选方案，其中：所述劣化等级至少包括0级正常、1级sei分解/微量析锂、2级明显析锂/少量产气、3级大量产气/电解液分解、4级热失控爆发，其中1级与2级劣化状态的准确识别用于实现热失控的极早期预警。

12、作为本发明所述浸没式储能电池包热失控多模态监测预警方法的一种优选方案，其中：所述s3中，所述多模态时序transformer模型的输入为过去预设时间窗口内的多维物理场时序数据，包括薄膜压力（均值/方差）、红外吸光度比值、包内压力、特征气体浓度、极耳温度、气相温度、电池体相温度、电池端电压、电流、soc、内阻估算值中的至少一种；模型输出端包含主任务和辅助任务，所述主任务用于预测未来时间窗口内的劣化等级概率分布，所述辅助任务用于回归预测当前对应的超声声学特征，通过海量原位传感器数据与对应非原位超声标注数据的联合迭代训练，使模型学习到从多维在线时序信号到电池内部劣化状态的隐式映射关系，提升模型鲁棒性与泛化能力；训练时损失函数为主任务的加权交叉熵损失与辅助任务的均方误差损失之和。

13、作为本发明所述浸没式储能电池包热失控多模态监测预警方法的一种优选方案，其中：所述s4中，所述风险评分定义为劣化等级达到预设级别的概率的加权和，并根据所述风险评分设定多级预警阈值，当风险评分超过相应阈值时触发对应级别的预警信号，并将预警信号上传至监控系统及云平台，触发安全联动策略。

14、风险评分表达式为：

15、；

16、其中，为风险评分，为劣化等级的最大编号，为劣化等级的离散变量，为预设级别的下限阈值，为对应于劣化等级的预设权重系数，为当前时刻处于劣化等级的概率。

17、劣化等级的预设权重系数表达式为：

18、

19、其中，为预设基准权重，为温度变化量绝对值，为电压变化量绝对值，为电芯间压力变化量绝对值，为包内压力变化量绝对值，为荷电状态偏离度，为特征气体浓度特征值，、、、、、τ均为预先标定的自适应调节系数。

20、作为本发明所述浸没式储能电池包热失控多模态监测预警方法的一种优选方案，其中：所述多级预警阈值包括：风险评分＜0.2为安全，0.2～0.4为关注，0.4～0.7为警告，＞0.7为危险；预警触发前还包括连续多个推理周期确认的防误报策略，以提升系统在复杂工况下的预警可靠性。

21、作为本发明所述浸没式储能电池包热失控多模态监测预警方法的一种优选方案，其中：所述s4中，对训练好的多模态时序transformer模型进行知识蒸馏和int8量化压缩，将其部署于电池包旁的边缘计算网关，使得在线运行阶段无需依赖超声探测设备，在线运行时每秒采集一次完整多维物理场时序数据，维护300秒滑动时间窗口，每累积60个数据点（1分钟）进行一次前向推理，输出劣化等级概率向量，在保证监测时效性的同时有效降低平台计算负载与推理压力，实现仅基于原位传感器与bms数据的热失控极早期预警。

22、第二方面，本发明提供了一种浸没式储能电池包热失控多模态监测预警系统，包括传感器模块、映射数据库模块、模型训练模块和边缘计算网关模块；所述传感器模块用于在浸没式储能电池包内部电芯大面之间同步布置薄膜压力-温度复合传感器、红外光谱探头、顶部多合一气体传感器并结合电池管理系统，作为低成本、可长期运行的原位感知前端，实时采集多维物理场时序数据；所述映射数据库模块用于存储离线超声检测建立的劣化物理机理、超声声学特征参数与多维在线传感器数据的映射关系；所述模型训练模块用于根据所述映射数据库训练以劣化等级为主任务标签、超声声学特征为辅助监督信号的多模态时序transformer模型；所述边缘计算网关模块用于部署经知识蒸馏和量化压缩后的多模态时序transformer模型，并执行在线推理与分级预警。

23、第三方面，本发明提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中：所述计算机程序被处理器执行时实现如本发明第一方面所述的浸没式储能电池包热失控多模态监测预警方法的任一步骤。

24、第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，其中：所述计算机程序被处理器执行时实现如本发明第一方面所述的浸没式储能电池包热失控多模态监测预警方法的任一步骤。

25、本发明有益效果为：通过s2步骤构建融合原位多维信号与非原位超声特征的映射数据库，利用高精度超声扫查系统作为“物理标尺”，在离线环境下对薄膜压力、红外光谱及气体浓度等低成本原位传感数据进行微观机理层面的标定与劣化等级标注，解决了浸没式环境中原位传感器因受液体扰动及热耦合干扰而难以直接表征sei分解、微量析锂等早期微观劣化的问题，实现了将不易集成的超声检测能力转化为可迁移的隐性知识，为模型训练提供了具备物理可解释性的高质量数据集，通过s3步骤训练多模态时序transformer模型并引入超声声学特征作为辅助监督信号，迫使模型在反向传播过程中学习多维在线时序信号与内部超声特征之间的深层非线性映射关系，突破了单一物理场数据在特征提取上的维度限制，显著提升了模型对早期微弱故障特征的辨识精度与跨工况泛化能力。进一步结合s4步骤的知识蒸馏与量化压缩处理，将经过超声知识增强的复杂模型轻量化部署于边缘计算网关，使得在线推理阶段完全摆脱了对超声硬件的依赖，仅利用原位传感器与bms数据即可通过滑动时间窗口实现毫秒级响应的极早期预警，有效平衡了监测精度与系统经济性，最终达成了在浸没式储能场景下以低成本传感架构实现高精度、高可靠性热失控预警。