CN113096343B - 多传感器协同的汽车电池火灾防范系统 - Google Patents
多传感器协同的汽车电池火灾防范系统 Download PDFInfo
- Publication number
- CN113096343B CN113096343B CN202110404313.3A CN202110404313A CN113096343B CN 113096343 B CN113096343 B CN 113096343B CN 202110404313 A CN202110404313 A CN 202110404313A CN 113096343 B CN113096343 B CN 113096343B
- Authority
- CN
- China
- Prior art keywords
- data
- sensor
- battery
- fire
- decision
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000002265 prevention Effects 0.000 title claims abstract description 13
- 239000000779 smoke Substances 0.000 claims abstract description 81
- 238000012545 processing Methods 0.000 claims abstract description 55
- 230000004927 fusion Effects 0.000 claims abstract description 53
- 238000001514 detection method Methods 0.000 claims abstract description 47
- 125000004122 cyclic group Chemical group 0.000 claims abstract description 3
- 230000008859 change Effects 0.000 claims description 30
- 238000012544 monitoring process Methods 0.000 claims description 30
- 238000000034 method Methods 0.000 claims description 27
- 238000005070 sampling Methods 0.000 claims description 27
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000009826 distribution Methods 0.000 claims description 20
- 238000009792 diffusion process Methods 0.000 claims description 19
- 238000007499 fusion processing Methods 0.000 claims description 18
- 238000005259 measurement Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 12
- 230000007613 environmental effect Effects 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 8
- 230000001105 regulatory effect Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 5
- 230000001276 controlling effect Effects 0.000 claims description 5
- 230000010485 coping Effects 0.000 claims description 3
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 abstract description 12
- 229910002091 carbon monoxide Inorganic materials 0.000 abstract description 12
- 238000001816 cooling Methods 0.000 description 37
- 239000000835 fiber Substances 0.000 description 27
- 238000006243 chemical reaction Methods 0.000 description 21
- 239000013307 optical fiber Substances 0.000 description 19
- 239000007789 gas Substances 0.000 description 13
- 230000036541 health Effects 0.000 description 13
- 229910052744 lithium Inorganic materials 0.000 description 12
- 238000007726 management method Methods 0.000 description 12
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 11
- 230000001976 improved effect Effects 0.000 description 11
- 239000003795 chemical substances by application Substances 0.000 description 9
- 238000011156 evaluation Methods 0.000 description 9
- 230000002829 reductive effect Effects 0.000 description 9
- 239000003792 electrolyte Substances 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 7
- 230000009467 reduction Effects 0.000 description 7
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 229910001416 lithium ion Inorganic materials 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000000354 decomposition reaction Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 239000000178 monomer Substances 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 4
- 238000002485 combustion reaction Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 4
- 239000006185 dispersion Substances 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- 238000001125 extrusion Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 238000002076 thermal analysis method Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000002269 spontaneous effect Effects 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 238000001069 Raman spectroscopy Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000009529 body temperature measurement Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004880 explosion Methods 0.000 description 2
- 238000000556 factor analysis Methods 0.000 description 2
- 230000017525 heat dissipation Effects 0.000 description 2
- 239000012535 impurity Substances 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 239000012528 membrane Substances 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007500 overflow downdraw method Methods 0.000 description 2
- 238000013021 overheating Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000000411 transmission spectrum Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 208000032953 Device battery issue Diseases 0.000 description 1
- 241000237983 Trochidae Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 239000010405 anode material Substances 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 239000011230 binding agent Substances 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000010406 cathode material Substances 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013501 data transformation Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000002845 discoloration Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000003487 electrochemical reaction Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000002309 gasification Methods 0.000 description 1
- UKACHOXRXFQJFN-UHFFFAOYSA-N heptafluoropropane Chemical compound FC(F)C(F)(F)C(F)(F)F UKACHOXRXFQJFN-UHFFFAOYSA-N 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 239000000411 inducer Substances 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 239000002923 metal particle Substances 0.000 description 1
- 239000011859 microparticle Substances 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000005486 organic electrolyte Substances 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000007086 side reaction Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
-
- A—HUMAN NECESSITIES
- A62—LIFE-SAVING; FIRE-FIGHTING
- A62C—FIRE-FIGHTING
- A62C3/00—Fire prevention, containment or extinguishing specially adapted for particular objects or places
- A62C3/07—Fire prevention, containment or extinguishing specially adapted for particular objects or places in vehicles, e.g. in road vehicles
-
- A—HUMAN NECESSITIES
- A62—LIFE-SAVING; FIRE-FIGHTING
- A62C—FIRE-FIGHTING
- A62C3/00—Fire prevention, containment or extinguishing specially adapted for particular objects or places
- A62C3/16—Fire prevention, containment or extinguishing specially adapted for particular objects or places in electrical installations, e.g. cableways
-
- A—HUMAN NECESSITIES
- A62—LIFE-SAVING; FIRE-FIGHTING
- A62C—FIRE-FIGHTING
- A62C37/00—Control of fire-fighting equipment
- A62C37/04—Control of fire-fighting equipment with electrically-controlled release
-
- A—HUMAN NECESSITIES
- A62—LIFE-SAVING; FIRE-FIGHTING
- A62C—FIRE-FIGHTING
- A62C37/00—Control of fire-fighting equipment
- A62C37/36—Control of fire-fighting equipment an actuating signal being generated by a sensor separate from an outlet device
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/06—Electric actuation of the alarm, e.g. using a thermally-operated switch
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/10—Actuation by presence of smoke or gases, e.g. automatic alarm devices for analysing flowing fluid materials by the use of optical means
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Fire Alarms (AREA)
Abstract
本发明涉及多传感器协同的汽车电池火灾防范系统，至少包括主控制器和探测节点，探测节点可包括但不限于温度传感器、烟雾传感器、气压传感器、一氧化碳传感器和火焰传感器，其特征在于，所述系统还包括第一数据处理模块，各探测节点和第一数据处理模块分别与主控制器相连，第一数据处理模块被配置为：对各探测节点中属于同一类型传感器的探测节点进行数据级融合；对进行数据级融合后得到的属于不同类型传感器的探测节点进行决策级融合并给出决策，其中，主控制器可基于由第一数据处理模块得出的决策进行火灾预警，和/或在进行火灾预警时启动灭火装置并进入循环检测以确定预警解除时机。
Description
技术领域
本发明涉及电池安全技术领域，尤其涉及多传感器协同的汽车电池火灾防范系统。
背景技术
目前各大车企对汽车电池系统进行了深入的研究，在电池性能管理上取得了很大的突破，但电池系统在使用过程中仍然存在不可忽视的安全问题，尤其电池火灾预防及处理这一块，仍然有很多不足。从目前的相关研究来看，过充、短路、挤压、振动、碰撞和过热等因素均可能诱发电池系统的不安全行为。分析其原因，一方面是电池系统所采用的有机电解质易氧化、易燃，若出现鼓胀、泄漏等情况，将引起电池着火甚至爆炸；另一方面，电池系统内部也存在一系列潜在的放热反应，会在电池使用过程中因内外部短路而出现内部温升。
通常，当放热反应产生的热量不被环境的热损失抵消时，就会发生热失控。这种累积的热量驱动温度升高，进而使反应速率呈指数增长。在锂离子电池的情况下，由于电气或机械滥用，或由于外部热源的存在，电池内可能会出现不希望出现的温度升高。如果产生的热量超过了向环境中散热的速度，温度将继续上升。当达到某一临界温度，特别是到达电池隔膜的崩溃温度时，电池会击穿。在不同的工作或边界条件下，一旦电池温度达到，锂离子电池系统就会发生热失控。对于锂电池，由于内部短路或其他原因引起的热点会引起热失控，但是，当锂电池暴露在热滥用条件下，当外部加热引起热失控，且外部加热缓慢(即电池温度均匀)时，随着温度的升高，锂离子电池的发热和反应。然而，当电池暴露在滥用条件下时，温度可能会超过正常工作范围，并且材料会相互分解或反应，最终导致热失控。高温下锂离子电池内部的电化学反应过程非常复杂。随着温度的升高，电池经历以下化学转变：SEI层分解、阳极材料和电解质之间的反应、阴极材料和电解质之间的反应、电解质的脱色位置以及阳极和粘合剂之间的反应。其中许多是并行发生的。热失控发生时，各种材料相继发生热化学反应，放出大量的热量，形成链式反应效应，使得电池体系内部温度不可逆快速升高。链式反应过程中，电解液气化及副反应产气造成电池体系内压力升高，电池喷阀破裂后，可燃气体被点燃发生燃烧反应。单体电池的热失控特性表现为其组成材料反应热特性的叠加。热失控过程可以分为以下几个阶段：第一阶段，温度逐渐上升，并到达SEI膜分解温度，大概在70℃；第二阶段，温度持续上升，电池产热严重，隔膜逐渐破裂，大概在120-130℃，并逐渐释放烟雾和特征气体(如CO、CH4等)；第三阶段，电池内部反应剧烈发生，不需要外加条件就能自发进行，热量在短时间内急剧上升并且电解液开始溅出，最终造成爆炸或起火。
目前，新能源汽车上配备的BMS电池管理系统采用的传感器比较单一，通常以温度传感器为主，通过监测电池包内温度，一旦温度超过阈值，便切断供电，防止出现意外。但由于电池箱体结构复杂，不利于火灾隐患的正确判定，很难保证能精确及时地定位起火点并有效扑灭火源，并且温度的变化不能精准地表示出电池热失控所处状态，因此，这种方案的采集精度较差，判断精度低，容易造成电池热失控误判或者漏判。电动汽车电池的火灾防范问题是电动汽车面临的最重要的问题之一。
现有技术中公开号为CN104784847A的专利文献提出了一种电池箱专用自动灭火装置，包括：多个吸气式火灾探测器，用于探测每个电池包内着火与否；至少两个灭火剂容器，该灭火剂容器的灭火剂输出口连接有灭火剂输送管网，该灭火剂输送管网包括总管路和与该总管路相连接的多个分管路，车辆的每个电池箱分别连接至少一分管路；总管路或灭火剂容器的灭火剂输出口安装有第一阀门，各个分管路分别安装有第二阀门；控制器，其与吸气式火灾探测器、第一阀门和第二阀门相连接，该控制器根据吸气式火灾探测器的探测结果控制各第一阀门、第二阀门开启与否。
其利用吸气式火灾探测器进行动力电池热失控的检测，其存在不足之处：没有说明如何利用采集到的数据进行热失控阶段的判断，即没有一种精确的热失控的预测模型，只说明了在热失控发生后进行灭火，没有说明如何判断热失控，这样的结果就是容易造成热失控的误判，如提前喷灭火剂而造成动力电池系统损坏，或热失控的漏判，如火灾已经发生来不及灭火而容易造成重大安全事故。
现有技术中公开号为CN106066457A的专利文献提出了一种电池热失控检测系统，其包括智能仪表、后台监控中心及设置于电池包内部的热失控探测器，其特征在于，所述热失控探测器包括数据采集装置和主控装置；所述数据采集装置用于采集电池包内部的各个检测节点的当前热失控参数并传送给所述主控装置；所述主控装置包括CPU核心处理模块、通讯传输模块、执行装置控制模块。该专利文献还涉及一种电池热失控检测方法，包括判断火焰值是否大于等于预先设定的火焰阈值；对温度、气体及烟雾参数进行数据过滤处理，提取特征值；将上述参数综合处理，决定启动灭火装置灭火或给出预警信号。
该技术主要是通过热失控探测器及火焰传感器进行热失控监测，其存在不足之处：没有说明如何通过温度、气体、烟雾信息判断热失控是否发生，所以无法准确获得电池热失控的状态；并且采用火焰传感器进行判断热失控是否已经发生，热失控是一个热量积聚的过程，若已经发展成了明火，说明热失控早已发生并且发展到了最后阶段，此时火势已经无法阻止，只能延缓，十分危险。
此外，一方面由于对本领域技术人员的理解存在差异；另一方面由于申请人做出本发明时研究了大量文献和专利，但篇幅所限并未详细罗列所有的细节与内容，然而这绝非本发明不具备这些现有技术的特征，相反本发明已经具备现有技术的所有特征，而且申请人保留在背景技术中增加相关现有技术之权利。
发明内容
针对现有技术之不足，本发明提供了多传感器协同的汽车电池火灾防范系统，至少包括主控制器和探测节点，其特征在于，所述系统还包括第一数据处理模块，各探测节点和第一数据处理模块分别与主控制器相连，第一数据处理模块被配置为：对各探测节点中属于同一类型传感器的探测节点进行数据级融合；对进行数据级融合后得到的属于不同类型传感器的探测节点进行决策级融合并给出决策，其中，主控制器可基于由第一数据处理模块得出的决策进行火灾预警，和/或在进行火灾预警时启动灭火装置并进入循环检测以确定预警解除时机。
根据一种优选实施方式，第一数据处理模块被配置为按照以下步骤进行数据级融合：
S1：对传感器采集到的测量数据进行时间配准，使其所有采样点在同一采样周期T内等间距采样数据i次；
S2：将每类传感器在一个采样周期采集到的环境数据存放在数据矩阵Xa中；
S3：对矩阵的每一行数据进行加权递推平均滤波法处理，作为该周期内的采样数据。
根据一种优选实施方式，基于传感器单采样周期的环境数据所得到的数据矩阵Xa可以为：
其中，a表示传感器的种类，数据矩阵Xa的每一行代表该探测节点(2)在单采样周期内的i次采样数据，单类传感器对应有n个探测节点(2)。
根据一种优选实施方式，第一数据处理模块(4)被配置为按照以下步骤进行加权递推平均滤波法处理：
S31：建立加权系数表宽度为d：
Cd＝[1 2 3 … d -1 d]，
S32：求加权系数和：
S33：循环右移数据窗口，即每次将最旧的采样数据丢弃，包含一个最新的采样数据，并求加权平均数据：
S34：滤波处理后的数据存放在一个n×1的单列矩阵D中：
D＝[F1 F2 … Fn]T。
根据一种优选实施方式，第一数据处理模块对单列矩阵D中的n个数据进行加权平均以得到单类传感器的信任数据Di。
根据一种优选实施方式，第一数据处理模块将每一类传感器通过建立输入量模糊集合，得到初步模糊推理，再根据传感器重要程度加权处理得到火灾危险等级，以此实现决策级融合。
根据一种优选实施方式，第一数据处理模块根据传感器重要程度加权处理可得到P火灾，P火灾＝∝1×D1+∝2×D2+∝3×D3+…+∝i×Di，并将P火灾与预设参数阈值进行对比以输出决策，其中，当P火灾为0～20％时输出无危险的决策；当P火灾为20％～80％时输出存在火灾隐患和/或指示主控制器对传感器的工作状态进行检测的决策；当P火灾为80％～100％时输出发生火警的决策。
本申请还提出了多传感器协同的汽车电池火灾防范系统，该系统至少包括预测模块，预测模块被配置为：在基于由数据获取模块所采集到的数据对电池的使用进行第一风险预测而其第一预测结果触发预设的第一风险监测条件的情况下，结合第一预测结果与预设的第二风险监测条件对电池的使用进行第二风险预测；基于得出的第二预测结果来调控电池包内至少一种类型下的多个传感器所形成的采集密度分布，和/或将第二预测结果至少通过汽车控制系统通知至车内人员。
本申请还提出了多传感器协同的汽车电池火灾防范系统，该系统至少包括第三数据处理模块，其被配置为：在监测到电池包内出现烟雾浓度变化的情况下，根据监测到烟雾浓度变化的传感器所在位置所对应的气流扩散变化规律，反演得到烟雾释放位置以及与之对应的至少一个单体电池，和/或指示分别对应不同单体电池的至少一个灭火装置的启闭策略。
本申请提出了多传感器协同的汽车电池火灾防范方法，至少包括：对各探测节点中属于同一类型传感器的探测节点进行数据级融合；对进行数据级融合后得到的属于不同类型传感器的探测节点进行决策级融合并给出决策；基于决策进行火灾预警和/或在进行火灾预警时启动灭火装置并进入循环检测以确定预警解除时机。
附图说明
图1是本发明提供的汽车电池火灾防范系统的简化模块连接示意图；
图2是本发明提供的汽车电池火灾防范方法的简化流程步骤示意图；
图3是本发明提供的决策级融合过程中建立对应温度传感器的输入量的模糊集合示意图；
图4是本发明提供的决策级融合过程中建立对应烟雾传感器的输入量的模糊集合示意图；
图5是本发明提供的决策级融合过程中建立对应一氧化碳传感器的输入量的模糊集合示意图；
图6是本发明提供的决策级融合过程中建立对应火焰传感器的输入量的模糊集合示意图；
图7是本发明提供的决策级融合过程中建立对应气压传感器的输入量的模糊集合示意图。
附图标记列表
1：主控制器 2：探测节点 3：汽车控制系统
4：第一数据处理模块 5：第二数据处理模块 6：第三数据处理模块
7：数据获取模块 8：预测模块 9：电池管理系统
10：灭火装置 11：GSM模块
具体实施方式
下面结合附图进行详细说明。
本申请提出了一种通过多源传感器相互协同实现对汽车电池火灾的防范目的的系统，该系统运用多传感器的协同，实现数据的融合，减小偏差，采用GSM模块11(GlobalSystem for Mobile Communications，全球移动通信系统)实现预警，最后优化设计电池包及时处理隐患。整个智能化闭环反馈系统集检测、报警、处理于一体，集成度高，实用性强，能够有效解决电池火灾问题。该系统主要通过多源传感器的协同检测来提高火灾预警的及时性和可靠性，并进行电池包的灭火处理。
该系统主要包括主控制器1以及多个电池包内环境传感器。电池包内环境传感器可包括至少一个烟雾传感器、至少一个一氧化碳传感器、至少一个火焰传感器、至少一个温度传感器、至少一个气压传感器中的至少一个。电池包内环境传感器可设置在电池包内部，用以采集电池包内多个位置的火灾相关参数。同类型的多个传感器在电池包内多点布置来全面采集各位置参数，实现电池包内全方位的立体防控。电池包内的多个环境传感器可以分别布置在通过热学分析中较为容易发生火灾的位置上。优选地，电池包内的多个环境传感器可以分别布置在通过分析电池在整车上的装配环境和电池包自身结构特点，所找出的所有最优可能发生结构变形和结构变形后容易产生严重安全后果的结构点上。结构点可以是通过结构设计及有限元仿真软件所分析得到的可能存在内外部结构挤压风险和结构变形风险的部位，由于组成车用动力电池系统核心单元的电芯具有“怕挤压”的特点，电池包受外力影响而发生结构变形和结构变形后，极易引发电池冒烟、起火甚至爆炸，因此传感器所布置的结构点位置也是对应易发生火灾的位置。
该主控制器1可以选用STM32L4xx系列芯片，该系列芯片为超低功耗系列芯片，适合本发明中作为嵌入式系统的低功耗要求，延长系统使用周期。
该系统还包括灭火装置10。灭火装置10可以是通过电磁阀控制其启闭。优选地，灭火装置10中可设有以液化形式储存的七氟丙烷和/或水的灭火剂。当主控制器1下达火灾处理信号时，可启动电磁阀打开灭火装置10，并在打开灭火装置10后返回采样数据以判断火警是否被消除。火灾报警信号可通过GSM模块发送报警短信至用户的手机上。本申请所提出的系统中的GS M模块可以采用USR-GM3模块。
汽车锂电池在热失控的情况下会逸出大量可燃气体，存在引发火焰和爆炸的危险，可燃气体中含有大量碳氢化合物，据此，本发明将检测一氧化碳浓度与烟雾浓度作为火灾指标。本发明所提出的系统中选用MQ-7作为用于采集一氧化碳浓度的传感器。一氧化碳传感器的工作原理在于当外部出现一氧化碳时，会经过传感器外壳上的气孔到达传感器电极的表面，发生氧化反应，电路将化学能转化为电能。目前一氧化碳传感器使用的是半导体材料的气敏元件，灵敏度高、可靠性强，还具有一定的稳定性，但寿命较短。
本发明所提出的系统中选用MQ-2作为采集烟雾浓度的传感器。烟雾传感器的工作原理在于采用火灾场所产生的烟雾产生的离子和微粒子来改变电离室中的电离平衡状态而输出检测电信号。烟雾传感器具有抗腐蚀能力强、高灵敏度、结构简单、功耗小、成本低、维护简便等特点。对不可见烟雾及火速缓慢的初期火灾检测稳定可靠。
当火灾发生时，火焰的监测至关重要，对此，火焰传感器能够利用红外线对火焰非常敏感的特点，使用特制的红外线接受管来检测火焰，然后把火焰的亮度转化为高低变化的电平信号。本发明所提出的系统中可选用四通道火焰传感器来检测火焰指标。
汽车电池起火有10％发生在电池过充状态，因此电池温度是汽车锂电池发生热失控情况下的另一大指标。本发明所提出的系统中可选用DS18B20作为用于采集温度数据的温度传感器。温度传感器的工作原理在于利用热敏元件探测火灾，火灾初期，不仅产生大量烟雾，还会在燃烧的过程中释放大量的热量，温度传感器中的热敏元件随温差发生变化，将温度转换为可用输出信号。温度传感器具有低成本、体积小、稳定性好、可靠性强、误报率低，可以做成密封结构，在恶劣环境同样可以使用，但灵敏度较低。
汽车锂电池在热失控的情况下都会逸出大量可燃气体，所以气压也是汽车锂电池发生热失控情况下的一个重要指标。本发明所提出的系统中可选用BMP180作为采集气压数据的气压传感器。
传统的信号采集往往由单一的传感器来完成，即使采用多个或多类型的传感器也仅是从多个侧面孤立地反映目标信息。实际上，在大多数情况下，必须同时处理多个信号，而这些信号一般又来自多个信号源，即多传感器。但是多传感器也带来了信息冗余甚至矛盾。若对不同类型的多个传感器所采集到的信息进行单独、孤立地加工，不仅会导致信息处理工作量的剧增，而且还割断了各个传感器信息之间的有机联系，丢失信息有机组合下的特征信息，造成信息资源的浪费，对于汽车的电池安全管理而言将面临巨大的防控隐患。
对此，本申请对不同类型的多个传感器采取了分级的信息融合处理，以得出更为准确可靠的监测数据。“信息融合”就是对多传感器的数据进行多级别、多方面、多层次的处理，即组合或融合来自多个传感器或其他信息源的数据，以获得综合的、更好的估计。信息融合优势在于：
其一，采用分级的信息融合处理提高了对汽车电池环境描述的能力，利用来自不同类型下的多个传感器的信息进行互补，经过融合过程处理可更全面且准确地描述电池环境情况，减少识别时的不确定性，提高描述的准确性和全面性。
其二，采用分级的信息融合处理提高了对汽车电池环境描述的精度，在不同类型下的多个传感器分别进行测量时，均会存在着各种非因汽车电池问题而引起的噪声，而多源传感器的分级融合结果可减少由于测量不精确所引起的不确定性，明显地提高系统的精度。
其三，采用分级的信息融合处理有利于提高系统的运行效率，由于多源传感器的结构分布和信息采集是并行进行的，因此多源传感器信息的融合也可并行实现，相比于应用各个单独传感器的串行结构可显著地提升整体信息处理速度，增加系统的实时性。
其四，采用分级的信息融合处理能够有效地提高系统的可靠性和容错能力，在系统中有一个甚至几个传感器出现故障的时候，可利用其他传感器持续地获取汽车电池环境相关信息，保持系统的持续正常工作，以此提高了系统的可靠性；在多源传感器信息融合中，由于各个传感器分别对汽车电池环境的描述之间具有相关性，导致了其中冗余信息的存在，而分级的信息融合处理可利用这类信息使得系统具有更好的容错性能。
其五，采用分级的信息融合处理还可降低系统的使用成本，与未经过融合处理的各类传感器相比，采用多源传感器信息融合的系统能够以较少的代价获得同样的信息，以此有利于降低使用成本。
不同类型的多个传感器信息由于具有时间不同步，数据率不一致及测量维数不匹配等特点，因而具有很大的不确定性。对此，本申请通过采用同类传感器进行数据级融合，以及不同类传感器进行决策级融合并给出决策的方式来实现多源数据融合。主控制器1可根据计算分析后得出的决策结果，通过GSM模块发送火灾预警短信至用户的手机上，若出现火灾预警，主控制器1可调控电磁阀启动进行灭火，并重新进入循环检测，监测火灾问题是否解决。
所谓的数据级融合，也被叫做像素级融合，属于多传感器数据融合级别的最底层。数据级融合是对传感器收取的原始数据直接融合，不经过预处理，直接对数据进行综合分析。主要的数据级融合方法有灰度加权平均法、小波变换法、金字塔分解融合法等等。数据级融合的优点在于其精确度最高，数据量的损失较少，能够融合得到比其他融合级别更详尽细微的数据信息。数据级融合针对传感器采集的数据，依赖于传感器类型，进行同类数据的融合。数据级的融合要处理的数据都是在相同类型的不同传感器下采集得到的。
所谓的决策级融合，处于最高融合层次，一般用于复杂数据的处理。决策级融合通常先将各个传感器按照自身数据完成决策或分类任务，再将分类好的全部结果送至融合中心局部决策，并分析输出最终结果。在决策级融合中，每个传感器都必须独立地检测目标的出现，并对目标数据进行分类。这些检测和分类结果融合成一个综合的决策结果。这种方法必须假定利用每个独立的传感器信号都足以进行独立检测，然后将这些检测结果进行融合决策。与其他所有方法相比较，决策级融合是以认知为基础的，受空间非配准的影响小。决策级融合主要是根据特征级融合所得到的数据特征，进行一定的判别、分类，以及简单的逻辑运算，根据应用需求进行较高级的决策。
本申请所提出的多传感器数据融合算法至少包括：同类型传感器进行数据的预处理，消除极端数据，综合分析，在此基础上不同类传感器数据结合模糊理论决策是否产生火警。
在电池包内分点布置一氧化碳传感器、温度传感器、火焰传感器、温度传感器、气压传感器各n个，布置点设在热学分析中较为容易发生火灾的位置上，采集后的数据进行预处理即数据级融合。数据级融合主要是根据步骤S1～S3来实现的。
S1：针对不同传感器采样频率不同，通信延迟等问题，传感器测量数据存在较大误差，无法有效的进行数据融合，故需要对传感器测量数据进行时间配准，使其所有采样点在同一采样周期T内等间距采样数据i次。
S2：将每类传感器在一个采样周期采集到的环境数据存放在数据矩阵Xa中。数据矩阵Xa为n×i，a＝(1，2，3，4，5)。a表示传感器的种类，可指代一氧化碳传感器、烟雾浓度传感器、火焰传感器、温度传感器、气压传感器五类传感器。
基于传感器单采样周期的环境数据所得到的数据矩阵Xa如下：
矩阵的每一行代表该采样点在单采样周期内的i次采样数据，一类传感器一共有n个采样点，一共建立5个这样的矩阵。
S3：对矩阵的每一行数据进行加权递推平均滤波法处理，作为该周期内的采样数据。
S31：建立加权系数表宽度为d：
Cd＝[1 2 3 … d -1 d]。
S32：求加权系数和：
S33：循环右移数据窗口，即每次将最旧的采样数据丢弃，包含一个最新的采样数据，并求加权平均数据：
S34：滤波处理后的数据将为下一步处理做准备，存放在一个n×1的单列矩阵D中：
D＝[F1 F2 … Fn]T。
单列矩阵D代表该类传感器在该采样周期内各采样点处获得的信任数据。
S35：对单列矩阵D中的这n个数据进行加权平均后，得到该类传感器的信任数据。得出的信任数据包括D温度、D火焰、D烟雾浓度、DCO浓度、D气压中的至少一个，依此为之后的决策级融合做准备。
优选地，根据电池包内热学分析，对单列矩阵D中的这n个数据进行加权平均后，得到该类传感器的信任数据。加权平均数＝(k1*a1+k2*a2+k3*a3+....+kn*an)/(k1+k2+k3+...+kn)，其中的系数(k1，k2，k3，....kn)是指该系数后面的数据(a1，ka2，ka3，....an)在整个统计数据中所占的比重。(k1，k2，k3，....kn)可以是预先设定的参数值。
在数据级融合处理的基础上结合模糊理论，对其所得出的不同类传感器数据进行分析处理，决策是否产生火警。多传感器协同的决策级融合采用的是模糊推理逻辑算法。
将每一类传感器通过建立输入量模糊集合，得到初步模糊推理，再根据传感器重要程度加权处理得到火灾危险等级，以此实现决策级融合。
决策级融合主要是根据步骤S4～S5来实现的。
S4：建立各个输入量的模糊集合。
CO浓度按区间设置为浓度正常0，浓度较高1，如图3所示。
烟雾浓度按区间设置为浓度正常0，浓度较高1，如图4所示。
火焰传感器按区间设置为火焰正常0，火焰存在危险1，如图5所示。
温度传感器按区间设置为温度正常0，温度潜在危险P，温度危险1，如图6所示。
气压传感器按区间设置为气压正常0，气压高1，如图7所示。
S5：设置输出逻辑：
P火灾＝∝1×D温度+∝2×D火焰+∝3×D烟雾浓度+∝4×DCO浓度+∝5×D气压
∝1、∝2、∝3、∝4、∝5可以依次分别为
根据传感器所检测参数的火灾性相关度设置权重(∝1、∝2、∝3、∝4、∝5)，设置输出逻辑P火灾。权重(∝1、∝2、∝3、∝4、∝5)可以是预先设定的参数值。对于权重(∝1、∝2、∝3、∝4、∝5)，通过构建不同程度的火灾风险下的电池热学分析实验，根据由各传感器在不同实验条件下发出火灾警报的情况下采集到的传感数据，分析不同传感器数据与火灾之间的相关性，以此确定不同传感器所分别对应的权重(∝1、∝2、∝3、∝4、∝5)。
S6：P火灾输出为0～20％视为无危险，安全；
P火灾输出为20％～80％则视为存在火灾隐患，并检测传感器工作状态是否正常；
P火灾输出为80％～100％则视为发生火警。S1～S6可以是由第一数据处理模块4执行完成的。在本申请中数据处理模块可以是指单个模块，也可以是指多个分别执行不同指令的单元，对此并不具体限定。
S7：在发生火警时，主控制器1根据决策结果通过GSM模块发送短信至用户的手机。打开电磁阀释放灭火剂进行灭火操作。灭火操作后进入下一个采样周期内检测火警是否消除。
在上述通过多源传感器信息融合处理实现第一时间对汽车电池火灾的警报的基础上，由于在火灾发生前后的几秒虽然较短，但对于车内车外人员而言都是宝贵的逃生时间，对此，为进一步更有利于人员安全以及电池安全管理，本申请所提出的系统还能够为汽车电池火灾进行预警，在真正发生火灾之前就对不良状况进行及时地提示，以使行车人员可以及时地采取行动，减少损失。
对火灾进行预警需要识别出可能引发电池起火的不良状况，汽车电池起火的原因有很多因素。如果在制造商推荐的条件下内储存和充放电，锂电池的失效率估计为1/40000000。然而，不可预测的情况，如充电过度、外部加热和机械滥用，可能会大大增加这种故障的可能性。尽管各种安全装置已并入商用锂电池中，但也发生了大量备受瞩目的电池故障事故，其中许多事故对电池制造商以及在其产品中使用锂技术的公司造成了重大不利影响。然而，汽车电池系统在使用过程中的工况比较复杂，可能会遇到很多滥用的情况，可能会大大地增加这种故障的可能性。汽车电池系统的滥用，一般指由于意外事故或者管理系统故障造成对电池不恰当的使用，常见的类型包括：过度充电，高温环境，外部短路和外部用途造成的内短路等。汽车电池系统热失控的主要滥用诱因包括可单独或者结合引发热失控的机械滥用、电滥用和热滥用。热滥用包括过热和火灾暴露，电滥用包括过充、过放电和外部/内部短路，机械滥用包括碰撞、穿透和弯曲。
碰撞是典型的机械触发热失控中最为典型的方式之一，也就是汽车碰撞事故而引发电池受损。电池受损时也会产生内短路而引发热失控，但是这种短路与电化学诱因引发的短路不同，机械受损一般是瞬间发生的，对应实际生活中的突发事故，强烈的撞击、翻车、挤压都可以导致电池在很短的时间内发生机械损坏。当无法避免的碰撞发生时，电池会发生某种程度的变形，虽不会直接导致其起火爆炸，但随着作用力的不断上升，电池系统内部的电芯结构就会被破坏，随之出现内短路等情况。
所谓的热诱因就是外部高温环境，包括外部起火、电池散热不良等。在外部高温下，由于锂离子电池结构的特性，SEI膜、电解液等会发生分解反应，电解液的分解物还会与正极、负极发生反应，电芯隔膜将融化分解，多种反应导致大量热量的产生。隔膜融化将导致内部短路，点能量的释放又增大了热量的生产。这种累积的互相增强的破坏作用，其后果是导致电芯防爆膜破裂，电解液喷出，发生燃烧起火。对此，相关研究提出可以从电池设计和电池管理系统9(Battery Management System，BMS)两个方面来解决热诱因的问题，从电池设计角度，可以开发来防止热失控的材料，阻断热失控的反应；从电池管理角度，可以预测不同的温度范围，来定义不同的安全等级，从而进行分级报警。现在市面上的电动汽车的动力电池都包含热管理系统，采用风冷或者水冷方案为电池散热。对于用户，要从使用习惯开始消除热诱因，比如避免阳光直射车辆、车内不要放置易燃物等，同时常备车载灭火器，消除自燃因素。此外，时刻关注仪表板或中控屏上的电池温度信息，一般来说单体电池的工作温度在40℃～50℃之间，高于或低于这个温度范围都是不利于电池使用的。
所谓的电化学诱因是指电池制造杂质、金属颗粒、充放电膨胀的收缩、析锂等都有可能造成内短路。这种内短路是缓慢发生的，时间非常长，而且不知道它什么时候会出现热失控。若进行试验，无法重复验证。相关研究指出，要解决电化学诱因问题，首先要提高制造工艺，减少电池制造中的杂质，选择产品品质好的电池厂商。其次对内短路进行安全预测，在没有发生热失控之前，要找到有内短路的单体。电池是不一致的，内阻也是不一致的，只要找到中间有变异的单体，就可以将其辨别出来。具体而言，正常的一个电池的等效电路和发生了微短路的等效电路，方程的形式实际上是一样的，只不过正常单体、微短路的单体的参数发生了变化。可以针对这些参数来进行研究，看其在内短路变化中的一些特征。满电状态的电池负极上嵌入大量锂离子，过充后，负极片上产生析锂现象，出现针状的锂金属结晶，刺穿隔膜发生短路。在BMS电池管理系统9中，都会有过充保护策略，当系统检测到电池电压达到阈值时，就会关断充电回路，对电池进行保护。
因此，汽车电池起火的原因较为复杂，无法通过单一的传感器或单一的判断规则进行预测。对此，本申请所提出的系统借助于电池管理系统9和车辆控制系统，在故障发生之前就实时地对汽车电池的使用状态进行监测及分析，对可能影响电池使用的例如机械诱因、电化学诱因、热诱因等进行综合考虑，将电池使用状态量化为可视指标，一方面既方便用户更直观地查看到电池使用状态，另一方面可即时地触发系统通过调控电池包内传感器的采集密度分布来提高监测精度，提升安全保障。
针对目前采用数量庞大的多类型传感器进行汽车电池安全防范的监测系统，逐一分布式布置的传感器会由于现场环境的湿度、温度以及供电电压等的变化而导致系统检测的准确度改变，从而导致起火警报的误报，同时，由于传感器数量庞大而导致制造成本以及工艺复杂度剧增，并且对主控制器1所需完成的数据处理量以及数据处理速度提出了更高要求，不利于实现快速有效的安全监测。现有技术的测量都是通过将烟雾吸入器内部后通过设置在定点出的光学敏感元件进行测量，无法实现多点测量，定点测量会导致烟雾传感器数据的不确定性增加。对于具有多点测量的烟雾报警装置，都是设置了多个烟雾传感器件，由于使用了多个器件而导致设计成本增加，在生产过程中由于制备工艺的复杂性，增加了该烟雾预警装置的制作复杂度。对此，本申请所提出的系统采用了用以取缔数量庞大的分布式传感器的光纤结构，光纤能够在降低程度及工艺复杂度的同时达到更高的监测精确度，同时本申请通过优化光纤布置形态提出了传感数据采集密度可调节的设置方式，可以区别于不同的电池单体提供不同的监测敏感度，从而有针对性地实现更有效可靠的安全监测，尤其是更好地实现了由于单个单体电池故障而引发火灾的及时可靠的安全监测。
在本申请中，该系统还包括数据获取模块7，数据获取模块7可分别与电池管理系统9和汽车控制系统3相连并进行信息交互。数据获取模块7可获取到车辆行驶情况、电池使用情况、电池包外部机械情况、车辆驾驶环境情况、传感器数据等中的一个或几个。
该系统还包括预测模块8，用以在基于由数据获取模块7所采集到的数据对电池的使用进行第一风险预测而其第一预测结果触发预设的第一风险监测条件的情况下，结合第一预测结果与预设的第二风险监测条件对电池的使用进行第二风险预测，基于得出的第二预测结果来调控电池包内至少一种类型下的多个传感器所形成的采集密度分布，和/或将第二预测结果至少通过汽车控制系统3通知至车内人员。
第一预测结果中至少包括用于表征电池使用风险的评估值和/或用于表征电池使用风险变化情况的评估变化值。第一风险监测条件可以是指将第一预测结果中的评估值和/或评估变化值与预设阈值之间进行对比，在出现评估值低于第一预设阈值、评估变化值低于第二预设阈值、评估值低于第三预设阈值且评估变化值低于第四预设阈值中的一个或几个组合的情况下，触发第一风险监测条件。
在基于由数据获取模块7所采集到的数据对电池的使用进行第一风险预测而其第一预测结果触发预设的第一风险监测条件的情况下，即为在发现汽车电池受到了可能引发火灾的情况下。在该状况下未通过电池包内传感器监测到火灾情况，即为未引发火灾但分析判定其存在火灾隐患的情况。
第二风险监测条件可以是指通过分析多数据之间的交叠性并将该交叠性结果结合第一预测结果进行条件匹配，以确定与之对应的应对策略。分析多数据之间的交叠性，指的是对由数据获取模块7所采集到的数据进行区域性交叠。区域性交叠即针对不同单体电池分别对应的区域内的影响情况进行融合处理以得到各区域所单独对应的风险情况。例如，某一单体电池所在区域在汽车高速行驶的期间受到轻微/中度/严重碰撞，或某一单体电池所在区域在汽车高速行驶且外界持续高温的期间受到轻微/中度/严重碰撞，或某一单体电池所在区域在外界持续高温的期间受到轻微/中度/严重碰撞，或某一单体电池所在区域发生内部微短路等等。预测模块8针对各个单体电池，将其所在区域所对应的影响情况进行融合以将该区域划分为高危级、中危级、低危级中的至少一个。高危级可以是该单体电池所对应的风险情况中至少一个因素对单体电池的影响严重，或无严重影响因素但至少两个因素对单体电池的影响均为中度。中危级可以是除高危级中所归纳的情况之外的该单体电池所对应的风险情况中至少一个因素对单体电池的影响为中度。低危级可以是该单体电池所对应的风险情况中任一因素均为轻微。
应对策略即包括调控电池包内至少一种类型下的多个传感器所形成的采集密度分布，和/或将第二预测结果至少通过汽车控制系统3通知至车内人员。针对单个单体电池，在其交叠性结果处于高危级的情况下，将电池包内处于该单体电池所在区域内的至少一种类型下的多个传感器所形成的采集密度分布提高至第一分布密度，并将至少包括第一预测结果和/或交叠性结果的第二预测结果至少通过汽车控制系统3通知至车内人员。
在第一预测结果中评分处于第一梯度的情况下，将所有单体电池所在区域内的至少一种类型下的多个传感器所形成的采集密度分布提高至第一分布密度，并将至少包括第一预测结果和/或交叠性结果的第二预测结果至少通过汽车控制系统3通知至车内人员。
在第一预测结果中评分处于第二梯度的情况下，针对单个的单体电池，在其交叠性结果处于中危级的情况下，将电池包内处于该单体电池所在区域内的至少一种类型下的多个传感器所形成的采集密度分布提高至第二分布密度。
在第一预测结果中评分处于第二梯度的情况下，针对单个的单体电池，在其交叠性结果处于低危级的情况下，维持电池包内处于该单体电池所在区域内的至少一种类型下的多个传感器所形成的采集密度分布。
第一梯度的分数阈值低于第二梯度所对应的分数阈值。第一预测结果所对应的第一梯度和第二梯度可以分别是60％～80％、20％～60％。
若某一单体电池所相邻的两个单体电池中任一的交叠性结果处于高危级，则将该单体电池所在区域内的至少一种类型下的多个传感器所形成的采集密度分布提高至第三分布密度。
第一分布密度、第三分布密度、第二分布密度依次递减。
单体电池发生内部微短路，可以是通过利用微分电路的特性将电池的直流电压进行隔离，同时将分离出来的微小变化电压信号送到放大器进行放大，采用高速AD转换器对放大后的信号进行模数转换，将AD转换结果通过单片机传输到计算机，最后判断出发生了内部细微短路的产品。降低了对高精度仪表的要求，更加有效的精准的检测电池细微的电压或者电流变化。
优选地，至少一种类型下的多个传感器可以是通过光纤铺设的方式装配在电池包内部。光纤可以是指分布式光纤光栅传感模块，分布式光纤光栅传感模块采用光纤光栅传感器，以光纤光栅作为测量各环境参数的元件，具有全光测量、不受雷击、不受电磁干扰、高精度、高可靠性等特性。温度、应变和应力的变化会引起光纤光栅的栅距和折射率的变化，从而使光纤光栅的反射和透射谱发生变化。通过检测光纤光栅反射谱或透射谱的变化，就可以获得相应的温度、应变和压力信息，即可利用光纤来测量目标对象的温度、应变和压力。分布式光纤光栅传感模块包括沿其光纤长度方向布置的至少一个光纤光栅烟雾传感器、至少一个光纤光栅气压传感器、至少一个光纤光栅烟雾浓度传感器以及至少一个光纤光栅温度传感器中的至少一种传感器。
光纤光栅温度传感器采用高品质的脉冲光源、光接收设备和高速的信号采集处理技术，就可以得到沿光纤所有点的准确温度值。光纤光栅温度传感器集光、电、机械、计算机和微弱信号检测等技术为一体，可实现大范围空间温度分布式实时测量，具有测量距离长、无测量盲区、实时监测、可精确定位等优点。光纤光栅温度传感器同时实现温度测量和空间定位功能，其中温度测量利用光纤自发拉曼(Raman)散射效应，空间定位则利用光时域反射(OTDR)技术。高速窄脉宽半导体激光脉冲耦合进入传感光纤中，通过光纤微弱背向散射信号的滤波、探测以及高速数据采集与分析，获得温度敏感的反斯托克斯信号Anti-Stokes和温度不敏感的斯托克斯信号Stokes，Ant i-Stokes与Stokes的比值提供了温度的绝对指示，利用这一原理从而实时获得沿光纤分布的准确温度信息，实现传感光纤全程的实时在线监测。
单条光纤上可间隔式布置有多个光纤光栅烟雾传感器、多个光纤光栅气压传感器、多个光纤光栅一氧化碳传感器、多个光纤光栅温度传感器中的至少一种传感器。多个不同类型传感器可分别地布置在不同条光纤上，也可以是布置在同一条光纤上。单条光纤按照其长度沿单个电池单体上与竖直平面相垂直或相平行的至少一个端面上来回环绕的方式铺设在电池包内部。电池包内各单体电池之间相邻的区域内分别设置有多条横纵加强梁板，保护内部单体电池。即便某个电芯单体发生热失控，横纵加强梁板可以确保其释放的能量最小化，避免波及到周围其他电芯，进而防止电池包系统发生严重热失控。电池包上方由顶部外壳进行保护，因此对于单个电池单体而言其相当于置于无盖的方形盒内，即单个电池单体所对应的与竖直平面相垂直或相平行的端面可包括四个侧面和底面。
单条光纤可沿与单个电池单体所对应的一个、两个、三个或四个端面连续延伸布置。优选地，单条光纤可以是按照其在单个端面上来回环绕布置后再进入下一端面继续来回环绕布置的方式铺设在电池包内与单个电池单体所对应的至少一个端面上。进一步优选地，若干端面可以划分若干组，每一组包括一个端面或彼此相邻的两个端面或依次相连的三个或四个端面，单条光纤可以是按照其在一组端面上来回环绕布置后再进入下一组端面继续来回环绕布置的方式铺设在电池包内与单个电池单体所对应的至少一个端面上。来回环绕可以是指呈U型与呈倒U型交替出现的形态。不同光纤之间存在部分交叠但彼此不完全重合。从而通过调控启闭的光纤数量即可使得该单体电池所在区域内的至少一种类型下的多个传感器所形成的采集密度分布至少具有至少一个分布密度。
该系统还包括第二数据处理模块5，其被配置为结合预先构建的电池使用预测模型对由数据获取模块7所采集到的数据对电池的使用进行第一风险预测，和/或判定第一预测结果是否触发预设的第一风险监测条件。
电池使用预测模型的构建至少包括以下步骤：
对数据库内储存的历史数据进行分析处理，处理得到第一数据；
基于第一数据与电池使用状态之间的关联性来构建电池使用预测模型。
对数据库内储存的历史数据执行数据清洗。采用描述性统计方法，初步清洗所述车辆工况数据中的脏数据，所述脏数据包括：重复值、空值、无效值和/或异常值；通过对实时获得的车辆数据进行数据分析处理，得到车辆工况数据专家系统对经过初步清洗处理的车辆工况数据进行进一步清洗处理，输出最终的车辆工况数据，记为第一数据集，所述专家系统为基于车辆工况数据变量的物理意义构建的数据清洗工具；利用空值预测模型对所述第一数据集的空值进行预测，得到包括空值预测值在内的第二数据集，其中，空值预测模型采用BP神经网络算法进行训练得到。
对数据库内储存的历史数据执行数据转换。将利用空值预测模型得到的第二数据集(包括空值预测值)进行转换，该转换采用标准差标准化的方式完成数据转换工作，转换后的数据形式方便后续处理。
对数据库内储存的历史数据执行数据归约处理。分别采用无关特征向量删除方法和特征归约中的子集选择法，对第三数据集进行连续两次降维处理，完成数据的归约工作。将第三数据集进行无关特征向量的删除操作，完成数据的初步降维；通过特征归约中子集选择的方法完成数据的二次降维，得出第一数据。
基于二次降维后得到的第一数据，采用因子分析的方法，提取影响电池健康程度的数据，再采用监督类学习方法，挖掘所述影响电池健康程度的数据与车辆工况数据间的潜在关系，构建初始电池健康预测模型。从经过数据预处理后的车辆工况数据中，提取与电池信息相关的数据变量；基于与电池信息相关的数据变量，采用因子分析方法，构建电池健康指标评测模型，挖掘影响电池健康程度的数据变量，进而得到影响电池健康的关键因素变量；基于所述影响电池健康的关键因素变量与获得的其它车辆工况数据变量，采用随机森林和RBF神经网络算法，挖掘二者之间的潜在关系，构建预测变量模型，其中所述其他车辆工况数据为不含电池数据变量信息的车辆工况数据；根据所述影响电池健康的关键因素变量与所述影响电池健康程度的数据变量的关系，得到电池健康评分模型，将所述预测变量模型与所述电池健康评分模型相结合得到初始电池健康预测模型。对初始电池健康预测模型进行模型评估和算法优化，得到优化后的电池使用预测模型。
通常，电池包内出现烟雾的情况会被与之临近的烟雾传感器而监测到，但针对内部采用有风冷设备的电池包而言，其内部环境气体并非无流动而是会极大地受到风冷设备所提供的冷却用风的影响而发生相应的流动，也就将无法保证电池包内烟雾释放位置出现的烟雾能够被烟雾释放位置相邻的烟雾传感器所监测到，尤其针对烟雾释放位置处于两个相邻的单体电池之间的区域，而通常会被与之临近的烟雾传感器所监测到，导致系统可能误将运行正常的单体电池作为故障对象，进而无法确定真正发生故障的单体电池以及无法第一时间采取有效的消防措施。此外，电池包并非完全静止而是随行驶的车体一起移动，电池包内部气体具有一定的质量，电池包内部气体受到车体速度变化尤其是车体快速或加速行驶的情况的影响而发生流动，进而当电池包内出现烟雾时，烟雾并非以烟雾释放位置为中心自然向外扩散。并且，从烟雾释放位置所产生的烟雾往往不是在烟雾释放位置达到最大浓度，而是在距离烟雾释放位置一定距离的区域达到最大浓度，继而朝向更远的区域扩散开。
现有技术中有提出采用对角线布置烟雾传感器以更好地确定真正发生故障的单体电池，例如公开号为CN110251875B的专利文献所提出的一种基于新能源汽车电池分区管理的消防方法，在电池充电仓内间隔设置两个烟感传感器以分别得到对应电池充电仓内的第一烟雾数值和第二烟雾数值，通过将第一烟雾数值、第二烟雾数值和温度三个监控因素作为消防判断因素，使得在产生烟雾到起火的时间间隔段做出消防反应，以能够更好的在电池充电仓起火前做出反应，在产生火焰燃烧之前做出消防判断，以更好的提高电池充电仓消防的及时性，降低经济损失。并且通过第一烟雾数值、第二烟雾数值能够更好的降低误判，提高消防的准确性。同时，当向任意一个电池充电仓执行注入消防介质后，后续的任意一个电池充电仓中监测到的第一烟雾数值、第二烟雾数值和电池温度三个监控因素中三个因素都超过对应的极限值时，同时第一烟雾数值和第二烟雾数值的差值小于预设值时，才执行向该电池充电仓内注入消防介质的步骤。这样能够减少第一个电池充电仓对其余电池充电仓的影响。因当任意一个电池充电仓发生故障产生烟雾，烟雾流窜到电池充电仓外部，并扩散到其余的电池充电仓，此时烟雾扩散到其余的电池充电仓时，往往是从电池充电仓的一侧进入，这样会使得电池充电仓内间隔设置两个烟感传感器得到的第一烟雾数值和第二烟雾数值的差值相差较大，从而当第一烟雾数值和第二烟雾数值的差值大于等于预设值时，即是外部充电仓的干扰，能够防止误操作。只有当第一烟雾数值和第二烟雾数值的差值小于预设值时，能够判断为是该电池充电仓自身产生故障。能够降低电池充电仓之间的相互影响，降低误判概率。
上述专利文献通过设计烟雾传感器的位置试图达到降低误判的目的，确实通过间隔一定距离来布置传感器，可以验证是否是由电池包故障而产生的烟雾，但问题在于，目前大多数电池包为保障电池运作环境的安全，都采用了完全封闭式的电池包外壳结构，也就是电池包内一旦出现烟雾，则必然是由于电池仓故障所产生的烟雾。此外，电池包内气体流动情况多变而根本无法保证烟雾自然扩散，烟雾快速地消散将导致相近位置处的多个烟雾传感器可能检测到的数据相近，而无法实现准确判定真正发生故障的单体电池，无法及时阻止故障的继续恶化。
对此，本申请所提出的系统通过预先模拟分析真实的电池包内环境，在实际发生火灾而出现烟雾时能够快速准确地分析出真正出现故障的单体电池，进而有利于灭火措施的及时及有效性，显著地提升电池系统事故风险预测预警能力，并在紧急状态下及时给出应急响应，有效地降低损失。
该系统还包括第三数据处理模块6，其被配置为在监测到电池包内出现烟雾浓度变化的情况下，根据监测到烟雾浓度变化的传感器所在位置所对应的气流扩散变化规律，反演得到烟雾释放位置以及与之对应的至少一个单体电池。第三数据处理模块6可基于由数据采集模块所获取到的实时数据分析未来烟雾扩散方向、扩散范围和扩散程度中的至少一个，用以指示分别对应不同单体电池的至少一个灭火装置10的启闭策略。
在风冷设备提供的冷却用风处于第一风冷条件时，第一风冷条件下的冷却用风的风量较大，电池包内空气流动情况主要由冷却用风所主导而受车辆行驶速度变化所受的影响可忽略。通过装配在电池包内部的多个气流传感器可获取到在模拟冷却用风处于第一风冷条件的实验中电池包内各区域处所分别对应的气流扩散变化规律。气流扩散变化规律可以是通过在各区域处标识气流扩散方向、扩散范围和扩散程度中的至少一个。气流扩散变化规律可以按照不同颜色表示气流扩散程度/气流量大小，线条指向表示气流扩散方向，线条圈设范围表示扩散范围的方式进行存储或标识在模拟电池包内部结构的视图中。在不同的电池包温度下，所提供的冷却用风的设置参数不同，对此基本不影响气流扩散方向，仅针对扩散范围和扩散程度以其范围或程度呈递增式较小变化。由于电池包温度借助于风冷和水冷基本保持一预设温度范围内，对此将实验过程的温度保持在该预设温度范围内，以消除其对实验结果的影响。气流传感器可采用芯片级载气流速流向传感器。
在风冷设备提供的冷却用风处于第二风冷条件时，第二风冷条件下的冷却用风相对第一风冷条件的较弱，电池包内空气流动情况主要由冷却用风与车辆行驶速度变化两者共同作用影响。在模拟冷却用风处于第二风冷条件的实验中，调控车辆行驶高速行驶或以预设加速度阈值加速行驶或以预设加速度阈值减速行驶，通过装配在电池包内部的多个气流传感器可获取到电池包内各区域处在第二风冷条件下的所对应的由车辆行驶影响与冷却用风影响相叠加所导致的气流扩散变化规律。
在风冷设备提供的冷却用风处于第三风冷条件时，第三风冷条件下的冷却用风相对第二风冷条件的更弱，电池包内空气流动情况主要由车辆行驶速度变化所主导而受冷却用风的影响可忽略。在模拟冷却用风处于第三风冷条件的实验中，调控车辆行驶高速行驶或以预设加速度阈值加速行驶或以预设加速度阈值减速行驶，通过装配在电池包内部的多个气流传感器可获取到电池包内各区域处在第三风冷条件下的所对应的与车辆行驶情况相关的气流扩散变化规律。
当获取到由至少一个第一传感器所监测到的第一时刻下的烟雾浓度变化时，获取至少一个第一传感器的传感器定位位置、第一时刻下的风冷设备运行数据以及车辆行驶数据，并基于风冷设备运行数据与车辆行驶数据调取到与之对应的气流扩散变化规律，基于传感器定位位置将已获取到的烟雾浓度变化对应至气流扩散变化规律，以反演得到真正的烟雾释放位置以及与之对应的至少一个单体电池。烟雾浓度变化可以是指烟雾浓度的变化方向和/或烟雾浓度的扩散程度。
需要注意的是，上述具体实施例是示例性的，本领域技术人员可以在本发明公开内容的启发下想出各种解决方案，而这些解决方案也都属于本发明的公开范围并落入本发明的保护范围之内。本领域技术人员应该明白，本发明说明书及其附图均为说明性而并非构成对权利要求的限制。本发明的保护范围由权利要求及其等同物限定。本发明说明书包含多项发明构思，诸如“优选地”、“根据一个优选实施方式”或“可选地”均表示相应段落公开了一个独立的构思，申请人保留根据每项发明构思提出分案申请的权利。
Claims (9)
1.多传感器协同的汽车电池火灾防范系统，至少包括主控制器(1)和探测节点(2)，其特征在于，
所述系统还包括第一数据处理模块(4)，各探测节点(2)和第一数据处理模块(4)分别与主控制器(1)相连，第一数据处理模块(4)被配置为：
对各探测节点(2)中属于同一类型传感器的探测节点(2)进行数据级融合；
对进行数据级融合后得到的属于不同类型传感器的探测节点(2)进行决策级融合并给出决策，
其中，主控制器(1)可基于由第一数据处理模块(4)得出的决策进行火灾预警，和/或在进行火灾预警时启动灭火装置(10)并进入循环检测以确定预警解除时机；
该系统至少包括预测模块(8)，预测模块(8)被配置为：
在基于由数据获取模块(7)所采集到的数据对电池的使用进行第一风险预测而其第一预测结果触发预设的第一风险监测条件的情况下，结合第一预测结果与预设的第二风险监测条件对电池的使用进行第二风险预测；
基于得出的第二预测结果来调控电池包内至少一种类型下的多个传感器所形成的采集密度分布，和/或将第二预测结果至少通过汽车控制系统(3)通知至车内人员；
其中，第二风险监测条件是指通过分析多数据之间的交叠性并将该交叠性结果结合第一预测结果进行条件匹配，以确定与之对应的应对策略，分析多数据之间的交叠性，指的是对由数据获取模块(7)所采集到的数据进行区域性交叠，区域性交叠即针对不同单体电池分别对应的区域内的影响情况进行融合处理以得到各区域所单独对应的风险情况。
2.如权利要求1所述的系统，其特征在于，第一数据处理模块(4)被配置为按照以下步骤进行数据级融合：
S1：对传感器采集到的测量数据进行时间配准，使其所有采样点在同一采样周期T内等间距采样数据i次；
S2：将每类传感器在一个采样周期采集到的环境数据存放在数据矩阵Xa中；
S3：对矩阵的每一行数据进行加权递推平均滤波法处理，作为该周期内的采样数据。
3.如权利要求2所述的系统，其特征在于，基于传感器单采样周期的环境数据所得到的数据矩阵Xa可以为：
其中，a表示传感器的种类，数据矩阵Xa的每一行代表该探测节点(2)在单采样周期内的i次采样数据，单类传感器对应有n个探测节点(2)。
4.如权利要求3所述的系统，其特征在于，第一数据处理模块(4)被配置为按照以下步骤进行加权递推平均滤波法处理：
S31：建立加权系数表宽度为d：
Cd＝[1 2 3 … d-1 d]，
S32：求加权系数和：
S33：循环右移数据窗口，即每次将最旧的采样数据丢弃，包含一个最新的采样数据，并求加权平均数据：
S34：滤波处理后的数据存放在一个n×1的单列矩阵D中：
D＝[F1 F2 … Fn]T。
5.如权利要求4所述的系统，其特征在于，第一数据处理模块(4)对单列矩阵D中的n个数据进行加权平均以得到单类传感器的信任数据Di。
6.如权利要求5所述的系统，其特征在于，第一数据处理模块(4)将每一类传感器通过建立输入量模糊集合，得到初步模糊推理，再根据传感器重要程度加权处理得到火灾危险等级，以此实现决策级融合。
7.如权利要求6所述的系统，其特征在于，第一数据处理模块(4)根据传感器重要程度加权处理可得到P火灾，P火灾＝∝1×D1+∝2×D2+∝3×D3+…+∝i×Di，并将P火灾与预设参数阈值进行对比以输出决策，其中，
当P火灾为0～20％时输出无危险的决策；
当P火灾为20％～80％时输出存在火灾隐患和/或指示主控制器(1)对传感器的工作状态进行检测的决策；
当P火灾为80％～100％时输出发生火警的决策。
8.如权利要求1至7之一所述的系统，其特征在于，该系统至少包括第三数据处理模块(6)，其被配置为：
在监测到电池包内出现烟雾浓度变化的情况下，根据监测到烟雾浓度变化的传感器所在位置所对应的气流扩散变化规律，反演得到烟雾释放位置以及与之对应的至少一个单体电池，和/或指示分别对应不同单体电池的至少一个灭火装置(10)的启闭策略。
9.一种根据权利要求1至8之一所述的多传感器协同的汽车电池火灾防范系统进行火灾防范的方法，其特征在于，至少包括：
对各探测节点(2)中属于同一类型传感器的探测节点(2)进行数据级融合；
对进行数据级融合后得到的属于不同类型传感器的探测节点(2)进行决策级融合并给出决策；
基于决策进行火灾预警和/或在进行火灾预警时启动灭火装置(10)并进入循环检测以确定预警解除时机。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110404313.3A CN113096343B (zh) | 2021-04-14 | 2021-04-14 | 多传感器协同的汽车电池火灾防范系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110404313.3A CN113096343B (zh) | 2021-04-14 | 2021-04-14 | 多传感器协同的汽车电池火灾防范系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113096343A CN113096343A (zh) | 2021-07-09 |
| CN113096343B true CN113096343B (zh) | 2023-01-24 |
Family
ID=76677570
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110404313.3A Active CN113096343B (zh) | 2021-04-14 | 2021-04-14 | 多传感器协同的汽车电池火灾防范系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113096343B (zh) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113689649B (zh) * | 2021-07-31 | 2022-11-15 | 华能新能源股份有限公司 | 一种火灾预警方法、火灾预警系统和计算机设备 |
| CN113663250A (zh) * | 2021-08-19 | 2021-11-19 | 厦门海辰新能源科技有限公司 | 储能系统的消防控制方法、消防控制装置和储能系统 |
| CN114088867B (zh) * | 2021-11-17 | 2024-02-23 | 杭州仰仪科技有限公司 | 一种敞口加热炉燃烧状态自动检测装置及方法 |
| CN114917510B (zh) * | 2022-05-12 | 2023-01-17 | 西安理工大学 | 一种用于锂电池储能的热失控抑制系统及其抑制方法 |
| CN114899511B (zh) * | 2022-05-20 | 2023-03-31 | 电子科技大学 | 一种基于分布式传感器的锂离子电池热失控预警系统 |
| CN114724327A (zh) * | 2022-05-24 | 2022-07-08 | 武汉新能源研究院有限公司 | 一种锂电池储能站的报警装置及方法 |
| CN115424403B (zh) * | 2022-09-05 | 2024-08-16 | 潍柴动力股份有限公司 | 燃料电池火灾的检测方法、检测装置和车辆 |
| CN115600643B (zh) * | 2022-10-17 | 2023-06-09 | 中国科学技术大学 | 一种毒害气体快速预测方法及系统 |
| CN115501516B (zh) * | 2022-10-18 | 2023-08-22 | 一汽解放汽车有限公司 | 车辆火情控制方法、装置、控制器及存储介质 |
| CN115671616B (zh) * | 2022-10-28 | 2023-06-27 | 厦门海辰储能科技股份有限公司 | 一种用于储能集装箱的消防系统、方法及存储介质 |
| CN115692889A (zh) * | 2022-11-21 | 2023-02-03 | 广东电网有限责任公司 | 一种储能电池的安全控制方法、装置、设备以及介质 |
| CN116361620B (zh) * | 2023-06-02 | 2023-08-29 | 西安麦仁网络科技有限公司 | 一种用于芯片数据智能处理方法 |
| CN118238622B (zh) * | 2024-05-27 | 2024-07-16 | 山西安享汇科技有限公司 | 基于多传感监测的车载供电保护方法及系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110816276A (zh) * | 2019-11-22 | 2020-02-21 | 奇瑞汽车股份有限公司 | 一种车用电池碰撞安全装置及其使用方法 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040084193A1 (en) * | 2002-11-01 | 2004-05-06 | Tseng Jing Shiong | Automatic anti-fire apparatus for vehicles |
| FR2973174B1 (fr) * | 2011-03-25 | 2013-04-05 | Hager Security | Boitier a doigt d'anti-montage sur contact |
| CN102765363A (zh) * | 2012-06-19 | 2012-11-07 | 常州瑞恩动力科技有限公司 | 一种新能源汽车撞车自动保护器 |
| CN102945585A (zh) * | 2012-11-21 | 2013-02-27 | 苏州两江科技有限公司 | 通过多传感器数据融合进行火灾预警的方法 |
| KR101551000B1 (ko) * | 2013-12-12 | 2015-09-07 | 현대자동차주식회사 | 전기자동차의 고전압배터리 시스템 |
| CN104616416A (zh) * | 2015-01-14 | 2015-05-13 | 东华大学 | 一种基于多传感器信息融合的无线火灾报警系统 |
| CN110276310A (zh) * | 2019-06-25 | 2019-09-24 | 上海秒针网络科技有限公司 | 吸烟烟雾确定方法及装置、存储介质、电子装置 |
| CN110796822B (zh) * | 2019-09-15 | 2021-07-20 | 杭州拓深科技有限公司 | 一种基于改进的烟雾报警器预判起火点方位的方法 |
| CN112116776B (zh) * | 2020-10-21 | 2022-05-31 | 国网陕西省电力公司电力科学研究院 | 一种变电站内电缆火灾预测监控系统及方法 |
| CN112649101A (zh) * | 2020-12-15 | 2021-04-13 | 中国电力科学研究院有限公司 | 一种电池模块预警方法和系统及火灾探测装置 |
-
2021
- 2021-04-14 CN CN202110404313.3A patent/CN113096343B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110816276A (zh) * | 2019-11-22 | 2020-02-21 | 奇瑞汽车股份有限公司 | 一种车用电池碰撞安全装置及其使用方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113096343A (zh) | 2021-07-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113096343B (zh) | 多传感器协同的汽车电池火灾防范系统 | |
| CN109786872B (zh) | 一种锂离子电池热失控预警系统及方法 | |
| CN111391668B (zh) | 一种电池热失控预警处理方法、装置、设备及存储介质 | |
| CN109316687B (zh) | 一种电池系统的灭火方法及电池系统 | |
| CN205680751U (zh) | 一种电池热失控检测系统 | |
| CN106597299A (zh) | 一种锂电池热失控早期预警及自动控制方法 | |
| CN102682560B (zh) | 一种船舶舱室火灾连锁报警等级评估装置 | |
| CN113948781A (zh) | 一种电池热失控预警方法和装置 | |
| CN113013514B (zh) | 一种车载锂离子动力电池的热失控气敏报警装置及其检测方法 | |
| CN113991200B (zh) | 二次电池的监测方法、监测装置、二次电池及车辆 | |
| CN102708645B (zh) | 一种船舶舱室火灾连锁报警优先级评估方法 | |
| CN106066457A (zh) | 一种电池热失控检测系统及其检测方法 | |
| US20220123559A1 (en) | System For Detecting, Assessing, and Displaying Battery Faults | |
| CN110416644A (zh) | 一种车载锂离子动力电池隐性损伤监测和热失控早期预警装置及其预警方法 | |
| CN104992299A (zh) | 一种电网风险分析及预警的方法 | |
| CN108038631B (zh) | 一种锂离子电池危险性评估方法 | |
| CN113625692B (zh) | 一种基于故障注入的电动汽车电池安全性检验系统 | |
| CN106600167A (zh) | 考虑人因失误和组织缺陷的海洋平台火灾风险评估方法 | |
| CN105389965A (zh) | 基于tdlas传感器的城市燃气管道无线监测系统及监测方法 | |
| CN115808634A (zh) | 储能电站锂电池安全状态估计方法、装置、设备及介质 | |
| CN118299684A (zh) | 动力电池热失控预警系统及方法 | |
| CN118067416A (zh) | 基于底部针刺整车热扩散试验的整车安全评估方法 | |
| Meng et al. | Risk analysis of lithium-ion battery accidents based on physics-informed data-driven Bayesian networks | |
| Wang et al. | [Retracted] Research on the Early Warning Mechanism for Thermal Runaway of Lithium‐Ion Power Batteries in Electric Vehicles | |
| Koncz et al. | Fuzzy rule-based hierarchical overall risk analysis of battery testing laboratories |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |