Li+学社丨孚能科技刘丽荣:提高动力电池热失控报警和安全风险预警能力
发布时间:2022-06-27 17:37:00
关键词:动力电池 Li+学社

  日前,由电池中国网主办的第15期“Li+学社”大讲堂在广州举办。孚能科技(赣州)股份有限公司研究院副院长刘丽荣,做了关于“系统级别的热失控报警和安全预警技术”的分享。

孚能科技刘丽荣:提高动力电池热失控报警和安全风险预警能力

图为孚能科技研究院副院长刘丽荣作交流分享

  刘丽荣谈道,关于电池安全系统的预警和报警是两个不同的概念,预警指的是防患于未然,在热失控发生之前发出预警信号;报警指的是热失控要发生或者已经发生了,发出报警信号;国标38031规定:电池包或系统在由于单个电池热失控引起热扩散、进而导致乘员舱发生危险之前5min,应提供一个报警信号。

  刘丽荣表示,报警信号以前主要可通过BMS检测到的异常电压、温度、电流等特征信号进行组合判断分析。随着零部件的发展,集气体、烟雾、气压信号于一体的探测器应用越来越多,报警信号的及时性和准确性的得到一定程度的提高。具体的安全报警策略整车厂可能研究的更多一点。

  预警技术主要是通过电池安全失效机理与大数据人工智能技术相融合,建立各种失效模式的安全预警模型,常用的有电池内短、析锂、容量异常等。电池的这些异常变化表现为电池运行数据中电压、温度、电流等数据的异常或轨迹异常,通过对电池运行过程中BMS记录的电压、电流、温度等数据的多维分析,可以识别出电池的故障信息,判断电池安全风险,达到预警目的。

  随着现在行业对热失控要求的不断提升,热失控目标从原来的5min提升到30min、60min,甚至是大于24h无明火/无蔓延,这就对动力电池系统的热失控防护抑制技术提出了更高的要求。

  刘丽荣指出,现在的PACK和模组设计都是同一原理,主要侧重于PACK和模组级别的主被动安全设计;进一步从系统角度来讲,智能管理技术、大数据云监控平台也同样重要。目前主要通过智能BMS数据的精准采集和分析计算能力与大数据人工智能技术相结合,运用各种电池安全算法模型实现电池潜在安全风险的分析预测。

  通过模组和PACK层级的主被动安全设计及系统层级的大数据云平台预警技术相互协同,降低电池热失控发生概率或一只电池发生后不影响其它电池,最终实现热蔓延阻断。

孚能科技刘丽荣:提高动力电池热失控报警和安全风险预警能力

稿件来源: 电池中国网
相关阅读:
发布
验证码: