[发明专利]一种锂电池热失控早期火灾检测预警方法

权利要求书

1.一种锂电池热失控早期火灾检测预警方法，其特征在于，包括以下步骤：

(1)采用分布式传感器部署方法在电池仓中布置多个传感器，测得温度、可燃气体和烟雾的特征参量；

(2)采用步骤(1)所测得的特征参量，通过多参数融合证据理论模型，进行锂电池热失控及火灾预警判断，给出预警及报警。

2.根据权利要求1所述的一种锂电池热失控早期火灾检测预警方法，其特征在于，步骤(1)中，所述的传感器部署方法采用线性及对称的分布式部署方法，对温度、可燃气体及颗粒物进行检测。

3.根据权利要求1所述的一种锂电池热失控早期火灾检测预警方法，其特征在于，步骤(2)中，使用多参数融合证据理论模型及其计算方法进行锂电池早期火灾预警，通过对温度、可燃气体、烟雾这三个传感器信息的融合，研判火灾的状态；所述的多参数融合证据理论模型为：将锂电池热失控并发生早期火灾分三个状态表示分别为正常、预警、火灾；通过针刺、加热或过充方式进行实验，获取三种6组传感器在热失控三个状态的信任度σ₁、σ₂、σ₃、σ₄、σ₅、σ₆分别为：

其中表示早期火灾的三个状态概率值,n表示早期火灾的三个状态，m表示第m个传感器；可获得融合后的置信公式为：

其中：

Φ为空集且满足：σ(Φ)＝0；

根据上述传感器融合数据及预测公式，选择中最大的概率值，进行锂电池热失控早期火灾状态的判定。

4.根据权利要求1所述的一种锂电池热失控早期火灾检测预警方法，其特征在于，步骤(2)中，通过神经递归网络的方法对多传感器数据的序列进行学习及预判。

5.根据权利要求3所述的一种锂电池热失控早期火灾检测预警方法，其特征在于，步骤(2)中，使用深度学习递归神经网络的方法，进行多传感器数据信任度σ的推算；通过将温度、可燃气体、烟雾探测的物理量{V1,V2,V3,V4,V5,V6}输入至递归神经网络中，训练得到σ₁、σ₂、σ₃、σ₄、σ₅、σ₆；最终将获得的模型二值化处理后移植至芯片中，实现终端处理平台的智能决策；其中，V1和V2为温度特征参数值，单位均为摄氏度；V3和V4为气体特征参数值，单位均为PPM；V5和V6为烟雾特征参数值，单位均为mg/M³。

6.根据权利要求1所述的一种锂电池热失控早期火灾检测预警方法，其特征在于，步骤(1)中，使用热敏电阻实现对电池仓环境温度的测量；使用电化学气体探测方法实现对可燃气体的检测；使用激光散射探测方法实现热失控过程中产生的烟雾进行检测；其中，所述可燃气体包括锂电池电解液蒸汽。

7.根据权利要求1所述的一种锂电池热失控早期火灾检测预警方法，其特征在于，步骤(1)中，所述特征参量至少包括电池仓环境温度、可燃气体浓度和烟雾的颗粒物浓度数值。

8.根据权利要求1所述的一种锂电池热失控早期火灾检测预警方法，其特征在于，步骤(1)中，每立方米3.7V/1000AH锂电池储能空间内，按照2组每组5个热电阻传感器、2个可燃气体传感器、2个烟雾传感器线性及对称的分布式部署方法。