重磅突破！这项南都科研成果登上国际顶级期刊

近日，南都电源联合浙江大学、国网山东信通公司，在锂离子储能领域国际顶级期刊《Journal of Energy Storage》发表最新研究成果，提出了一种基于麦克风阵列声学信号和AI深度学习算法的锂离子电池热失控早期检测定位新方法。

该系统通过捕捉锂离子电池安全阀在热失控前产生的微弱高频异常声学信号，采用新型时间序列深度学习算法，实现了热失控的提前791s预警，并具备厘米级精度的声源定位，为储能电站的安全监测提供了全新的技术路径。

随着新能源电网与储能技术的快速发展，大规模储能系统中锂离子电池的安全问题日益突出。热失控是电池运行中最危险的失效模式之一，往往伴随高温、起火甚至爆炸，对电站和人身安全造成严重威胁。

传统监测手段多依赖温度、电压、电流或气体检测，但这些参数的变化通常出现在热失控的中后期，难以及时实现早期预警。

以国网山东信通公司在储能电池领域的应用需求为牵引，南都电源研发了314Ah锂离子储能电池，并联合浙江大学开发锂离子热失控智能预警系统。

团队在实验研究中发现，电池在进入热失控的早期阶段，其顶部安全阀会因内部压力上升发生微小振动，从而产生频率高于10 kHz的高频异常声。

这些声波信号由安全阀受压产生，记录了热化学反应初期的压力扰动信息。研发团队据此提出热失控早期声学前兆检测机制，实现了对热失控的超前识别。