新的研究发现了一种方法，可以预测和减轻锂离子电池的温度激增和火灾，这种电池通常用于为电动车提供动力。由于温度升高所带来的安全风险，保持电动车电池的冷却至关重要，这可能会导致严重后果。
亚利桑那大学的一名博士生最近进行了一项研究，介绍了一种预测和防止用于这些车辆的锂离子电池过热的技术。
这篇标题为《提高电池安全性》的研究文章，由工程学院的博士生巴萨布·戈斯瓦米主导，已刊登在《电源杂志》上。
在国防部防御建立的竞争性研究刺激计划的资助下，戈斯瓦米与他的导师、航空航天与机械工程教授维塔利·尤尔基夫共同创建了一个采用多物理场和机器学习模型的系统。该系统检测、预测并识别锂离子电池的过热现象，被称为热失控。
戈斯瓦米表示，这个系统最终可以集成到电动车的电池管理系统中，以防止过热，从而确保驾驶员和乘客的安全。
戈斯瓦米说：“向绿色能源的过渡是必要的，但这带来了与锂离子电池相关的安全风险。”
从过去学习以预测未来
热失控具有重大危险，并且 notoriously 难以预见。
戈斯瓦米解释说：“当电池的温度上升时，它会迅速上升，可能引发火灾。”
电动车电池由多个相互连接的电池“单元”组成。现代电动车每个电池包中可能包含超过1000个单元。
当热失控影响一个单元时，邻近的单元很可能也会升温，触发灾难性的连锁反应。戈斯瓦米表示，如果不加以控制，这可能导致整个电池包爆炸。
为了避免这种结果，研究人员建议在电池单元周围安装热传感器。这些传感器将历史温度数据提供给机器学习算法，从而预测未来的温度，有效地预测热失控事件在哪种情况下会开始。
戈斯瓦米说：“了解热点来源（热失控的开始）使我们能够设计解决方案，在电池达到临界点之前制止它。”
尤尔基夫对戈斯瓦米算法的准确性表示赞赏，指出在此项研究之前，机器学习模型并未用于预测热失控。
尤尔基夫补充道：“我们对机器学习在预测热电偶温度和精准定位热点位置方面的有效性感到惊讶。没有人类分析师能够达到这样的准确度。”
这项研究建立在戈斯瓦米和尤尔基夫在一月份发表的先前工作的基础上，探讨了使用热成像来预测热失控——这一方法需要庞大的成像设备进行持续监测。
相比之下，他们最近论文中提出的方法更轻便，成本更高效。
应对全球需求
戈斯瓦米的发现正值美国汽车制造历史的重要时刻。7月份，伴随着研究的发布，拜登政府在八个州推出了17亿美元的电动车制造投资。在2023年，电动车销售比2022年增长了35%。
随着对电动车需求的增长，实施安全措施变得越来越重要，戈斯瓦米指出。
“许多消费者因安全担忧仍对电池持谨慎态度，”他说。“为了让公众广泛接受电动车，展示积极的研究正在解决这些重要的安全挑战至关重要。”
