我的新闻

引子：电池火灾留给你的逃生时间，有多少？

电动车、储能电站、手机……锂离子电池已经渗透进我们生活的每个角落。它能量密度高、循环寿命长，但它也有一个致命弱点——热失控。

一旦触发，电池内部会发生连锁放热反应，温度可能在极短时间内飙升到1000℃以上，同时喷出大量可燃气体，最终导致起火甚至爆炸。更残酷的是：这个过程不可逆，一旦开始，只有等反应物消耗殆尽才会停止。

所以，唯一有效的防线就是提前预警——在热失控真正发生之前拉响警报，为人员撤离和应急处置争取时间。问题是：靠什么信号来"提前"发现？

三条线索：力、气、温

近日，西安交通大学马登龙团队近期发表综述，系统梳理了基于力-气-温三重信号的锂电池热失控预警方法。这三条线索的物理来源完全不同，因此在提前量、灵敏度、可靠性上也呈现出鲜明的梯度差异。

① 膨胀力：反应最快的"机械信号"

• 热失控时电池内部产气，不仅使内压升高，还会导致电芯外部明显膨胀变形；
• 相比温度和电压，膨胀力响应更早、更灵敏，可提供分钟级的预警提前量；
• 实测数据：某52 Ah磷酸铁锂电池研究中，单体预警提前量达 8.9 分钟，模组为 6.0 分钟；在1C充电条件下，膨胀力比温度异常提前约 11 分钟；另有研究发现膨胀力比温度法提前 26 秒识别热失控，且其最大增量是温升的 4.43 倍；

• 短板

  ：依赖模组约束结构安装、对预紧力敏感、标定复杂，且容易受到机械振动噪声干扰，稳健性中等。

② 特征气体：最早的"化学信号"

• 热失控过程中会产生 H₂、CO、CO₂、CH₄ 等气体，它们源自极早期的副反应——SEI 膜分解、电解液蒸发；
• 这意味着气体预警的提前量可达数十分钟，是三者中最早的；
• 实测数据：某磷酸铁锂电池过充实验中，H₂ 比热失控提前 579 秒被检出，比 CO 早 204 秒、比 CH₄ 早 619 秒；另有红外气体传感系统在安全阀尚未开启时，就提前 25 秒检出了目标气体；

• 短板

  ：气体易被稀释和吸附，传感器存在交叉敏感与"中毒"问题；高选择性传感器价格昂贵，环境（风速、湿度）要求苛刻，维护复杂。

③ 温度：最成熟但最"晚"的防线

• 表面温度监测技术最成熟、成本最低、信号物理意义明确、抗干扰能力强；
• 但受热传导限制，内外温差导致预警严重滞后——它是热失控链条上的"末端信号"，有效预警窗口极短，只适合作为最终确认和后备保护；
• 内部温度更快更准（某研究中内部RTD的峰值温度响应比外部快 7~10 倍），但植入式传感器会破坏电池结构完整性、影响性能与寿命，难以大规模部署。

一句话对比： 气体最早（数十分钟）但不够"稳"；膨胀力较快（分钟级）但不够"净"；温度最稳但最"晚"。 没有任何单一信号能同时做到"超早、可靠、低成本"。

传感技术：从实验室走向工程的关键

综述梳理了大量前沿传感方案：薄膜压力传感器、内置薄膜RTD（响应时间比外置高1.8倍、精度优1.33倍）、热电偶（分辨率可达0.03℃、量程高达1200℃）、光纤布拉格光栅（抗电磁干扰、可分布式测量），以及非分散红外（NDIR）气体传感系统、空心抗共振光纤拉曼气体传感、二维材料气体敏感材料（如Ni掺杂PtSTe、CuO掺杂GeS/SnS单层）和模拟生物嗅觉的电子鼻技术。

先进电池传感技术（AI生成）

此外，电池热模型（电热耦合模型、热滥用模型）与电化学阻抗谱（EIS）等方法，能够通过外部可测量反推内部状态——例如基于阻抗谱虚部的内部温度估计模型，精度优于 1.5℃。

机器学习与"数字电池"：让预警更聪明

现代预警系统越来越依赖算法。综述特别强调了机器学习在提升预警时空精度与泛化能力方面的作用，并介绍了两个有意思的方向：

• 数字孪生

  ：建立电池的实时同步虚拟模型，用它"造"故障数据来训练预警算法——某研究中，78个内短路故障样本在一周内全部生成完毕，效率惊人；

• 温度挖掘（Temperature Excavation）

  ：沿温度轴对实验数据切片、复制、重采样，仅用21次实验就生成了762万个训练数据集，显著提升了模型的训练稳定性、预测能力和泛化性能。

作者指出，未来应把膨胀力、特征气体浓度、内外温度、电压等异构信号作为复合输入特征，借助时序神经网络、注意力机制、物理信息神经网络（PINN）等架构，实现比"单参数阈值判断"更准确、更稳健的预警决策。

结论：力-气-温协同，才是出路

三种信号优缺点高度互补——气体负责"早发现"，膨胀力负责"快响应+冗余确认"，温度负责"稳兜底"。因此，构建以 "气-力-温时序接力与冗余确认" 为核心的多信号融合协同诊断架构，是提升预警系统整体性能与工程可行性的根本路径。

综述同时指出，从实验室走向车载电池包和储能电站，仍需跨过三道工程门槛：传感器安装（紧凑结构限制侵入式传感器与复杂采气管路）、信号干扰（行车振动耦合进膨胀力信号、气流扰动造成气体误报漏报）、成本控制（高选择性传感器成本可能是热敏电阻的数百倍，与汽车行业严苛的成本目标冲突）。

文章最后给出三个未来方向：

• 传感技术

  ：提升气体传感器选择性、抑制漂移，实现低成本分布式传感；

• 算法融合

  ：开发能处理信号时序差异与噪声特性的自适应多信号框架；

• 工程应用

  ：在真实工况下验证"力-气-温"链条，实现低成本车载/现场部署。

此外，综述还提出了功能复用与软测量的思路：让膨胀力传感器同时承担碰撞感知功能；用数字孪生与数据增强生成高保真训练数据，从而在不增加硬件成本的前提下提升系统能力。

一句话总结： 锂电池热失控留给我们的逃生时间，取决于我们"听"到哪条线索。 气早、力快、温稳 ——把三者组合起来，并交给机器学习去融合判断，才能把被动灭火变成主动预防。

来源：Wu Hongzhang, Han Zan, Guo Yicheng, Ma Denglong, Li Yuhong, Liu Yihong, Tian Lihua, "A review of early warning methods based on force-gas-temperature signals for thermal runaway in lithium-ion batteries," Journal of Measurement Science and Instrumentation, 2026, 17(3): 479–496. DOI: 10.62756/jmsi.1674-8042.2026041.