李 達(dá)，鄧鈞君，張照生，劉 鵬，王震坡

（1.北京理工大學(xué)機(jī)械與車輛學(xué)院，電動車輛國家工程研究中心，北京 100081；2.北京電動車輛協(xié)同創(chuàng)新中心，北京 100081）

前言

為了應(yīng)對能源枯竭和環(huán)境污染問題，世界各國紛紛出臺政策推動電動車輛產(chǎn)業(yè)的發(fā)展。我國在《新能源汽車產(chǎn)業(yè)發(fā)展規(guī)劃（2021—2035 年）》中提出把“新能源汽車”作為重點(diǎn)發(fā)展領(lǐng)域。2021 年8月，美國總統(tǒng)簽署了“加強(qiáng)美國在清潔汽車領(lǐng)域領(lǐng)導(dǎo)地位”行政命令，設(shè)定了美國到2030 年零碳排放汽車銷量達(dá)50%的重大目標(biāo)。2021 年8 月，日本經(jīng)濟(jì)產(chǎn)業(yè)省宣布2022 年將進(jìn)一步加大電動車輛、插電式混合動力汽車和燃料電池汽車購買補(bǔ)貼［1］。截止2021 年底，世界電動車輛保有量已達(dá)到1 600 萬輛以上［2］。相比于傳統(tǒng)燃油汽車，電動車輛是綜合機(jī)械、電子、電力、控制和自動化等多學(xué)科的新型車輛［3］。作為“三電”重要組成部分的電池系統(tǒng)決定了電動車輛的續(xù)駛里程、駕駛行為和安全性［4］。鋰離子電池由于其高比能量、無記憶性、長循環(huán)壽命等優(yōu)點(diǎn)被廣泛用于電動車輛，其中磷酸鐵鋰和三元鋰電池成為動力電池的主流［5-6］。盡管鋰離子電池在能量密度和使用壽命方面有了實(shí)質(zhì)性的改善，但電池安全問題仍未解決［7-8］。近年來國內(nèi)外共發(fā)生百余起電動車輛起火事故，其中90%以上的原因是動力電池?zé)崾Э兀?-10］。電池安全問題已成為社會關(guān)注焦點(diǎn)，嚴(yán)重影響了電動車輛產(chǎn)業(yè)的健康發(fā)展和消費(fèi)者的信心［11］。在電動車輛的實(shí)際運(yùn)行過程中，電池系統(tǒng)受到使用行為、各種濫用和天氣的影響，這使得熱失控的原因錯綜復(fù)雜。準(zhǔn)確及時的電池安全預(yù)警一方面可以及時發(fā)現(xiàn)動力電池的潛在安全風(fēng)險，為電池系統(tǒng)的定期維護(hù)提供依據(jù)，另一方面可以實(shí)現(xiàn)熱失控預(yù)測，進(jìn)而避免乘員生命財(cái)產(chǎn)的損失。

文中以電動車輛動力電池安全預(yù)警策略為主線展開。首先，介紹電池安全相關(guān)狀態(tài)定義與概述，并提出了本文框架。之后分別對電池安全特征及影響因素分析、電池建模方法、電池安全風(fēng)險評估/預(yù)測方法3 個方面進(jìn)行了綜述。最后，總結(jié)了現(xiàn)有研究的進(jìn)展與不足，提出了電池安全預(yù)警技術(shù)的發(fā)展趨勢。本文主要實(shí)現(xiàn)如下目標(biāo)：（1）使從事電池和電池安全預(yù)警的研究者和從業(yè)者快速了解相關(guān)內(nèi)容；（2）基于現(xiàn)有的研究情況，為后續(xù)的研究以及工程項(xiàng)目提供參考方向；（3）在文獻(xiàn)綜述的過程中，總結(jié)各類方法的優(yōu)缺點(diǎn)，便于相關(guān)研究人員在解決電池安全問題時能快速了解各類方法優(yōu)勢和弊端。

1 電池安全預(yù)警相關(guān)定義與概述

1.1 電池安全狀態(tài)定義

為了更好地對電池的性能進(jìn)行量化，國內(nèi)外學(xué)者定義了各種電池狀態(tài)，包括電池健康狀態(tài)［12］、電池荷電狀態(tài)（state-of-charge，SOC）［13］、電池功率狀態(tài)［14］等。但是由于電池各種安全問題錯綜復(fù)雜，目前行業(yè)內(nèi)尚未形成統(tǒng)一的電池安全狀態(tài)定義。一些學(xué)者嘗試定性地定義電池安全［15-17］：文獻(xiàn)［15］中將電池安全問題的嚴(yán)重程度分為7 個等級，如表1 所示，由低到高依次為正常、可逆的功能性損傷、不可逆損傷、泄漏、產(chǎn)氣、著火或火焰、破裂、爆炸。

表1 電池安全等級

基于劃分的安全等級，文獻(xiàn)［15］中將電池安全定義為

式中：S代表表1中電池安全問題的嚴(yán)重性；L為安全問題發(fā)生的可能性；HCN為風(fēng)險控制程度。

類似地，文獻(xiàn)［16］中基于電池針刺條件下的沖擊角度、沖擊速度和沖擊質(zhì)量，定義了電池安全包絡(luò)面。為了定量估計(jì)電池安全狀態(tài)，文獻(xiàn)［17］中將電池安全狀態(tài)定義為

式中：fabuse為濫用狀態(tài)；fsafety為安全狀態(tài)；x代表各種描述電池的行為狀態(tài)和控制變量，例如電壓、溫度、充放電電流、內(nèi)部阻抗、電池膨脹、電池變形。

該定義認(rèn)為電池安全與電池濫用呈負(fù)相關(guān)關(guān)系。同時文獻(xiàn)中給出了濫用狀態(tài)函數(shù)fabuse的定義方式，并分析了各參數(shù)和各種故障對電池安全的影響。

1.2 本文框架

一些學(xué)者［18-19］構(gòu)建了電池安全預(yù)警方法，主要針對電池出現(xiàn)安全問題的臨界條件對電池進(jìn)行監(jiān)控和預(yù)警。電池在出現(xiàn)安全問題的過程中，其電壓、電流溫度等參數(shù)會出現(xiàn)明顯的變化，且產(chǎn)生特征氣體。通過對其中一種或幾種特征參數(shù)及特征氣體的監(jiān)測可以對電池安全問題進(jìn)行預(yù)警，從而避免經(jīng)濟(jì)損失［20］。

本文對電池安全預(yù)警策略現(xiàn)有研究進(jìn)行綜述，整體框架圖如圖1 所示，首先，基于實(shí)驗(yàn)室和實(shí)車傳感器采集的電池外部和內(nèi)部參數(shù)，綜述了電池安全特征提取方法，總結(jié)了主要的安全影響因素，包括濫用、電池材料、制造工藝、循化老化，并詳細(xì)綜述了電池使用過程中安全影響因素的研究，作為后續(xù)電池建模與安全風(fēng)險評估/預(yù)測方法的基礎(chǔ)；基于安全影響因素分析的結(jié)論以及提取的安全特征，綜述了3類電池模型，包括等效電路模型、電化學(xué)模型和數(shù)據(jù)驅(qū)動模型，并總結(jié)了電池混合建模方法；在安全特征和電池模型的基礎(chǔ)上，綜述了電池安全風(fēng)險評估/預(yù)測方法，其中安全風(fēng)險評估方法包括閾值法、機(jī)理模型和數(shù)據(jù)驅(qū)動方法，安全風(fēng)險預(yù)測部分討論了異常溫升預(yù)測、異常生熱預(yù)測、異常壓降預(yù)測和熱失控預(yù)測方面的研究；最后，總結(jié)各部分現(xiàn)有研究現(xiàn)狀，并提出未來發(fā)展趨勢。

圖1 本綜述框架圖

2 電池安全特征與安全影響因素分析

在電池發(fā)生安全問題時，電池的外部和內(nèi)部參數(shù)會表現(xiàn)出來異常［21］。為了建立電池安全模型與安全風(fēng)險評估/預(yù)測方法，首先要分析電池安全特征，即不同安全問題、不同工況對應(yīng)特征參數(shù)的變化規(guī)律，同時分析電池安全影響因素。

2.1 電池安全特征

電池的主要電熱特征參數(shù)如表2 所示，在電池安全特征方面，一些學(xué)者通過實(shí)驗(yàn)?zāi)M電池不同工況下的各種安全問題，觀測并分析特征參數(shù)的規(guī)律［22-33］；另一些學(xué)者通過實(shí)車采集的電池參數(shù)歷史時間序列，采用數(shù)據(jù)驅(qū)動方法提取安全特征［34-38］。

實(shí)驗(yàn)室方法主要通過電池充放電設(shè)備和自定義電流工況對電池進(jìn)行充放電，同時采用測試儀和傳感器測量電池外部和內(nèi)部特征參數(shù)的變化規(guī)律，進(jìn)而分析電池安全特征［22-23］。外在特征參數(shù)（溫度、電流、電壓）方面，文獻(xiàn)［24］中從電池材料、電池單體、電池系統(tǒng)等多尺度條件下分析了動力電池電壓、溫度等參數(shù)的變化規(guī)律。文獻(xiàn)［25］中通過人為設(shè)置過充電熱失控觸發(fā)條件，分析電池?zé)崾Э剡^程中電壓、內(nèi)阻和溫度等參數(shù)的變化。文獻(xiàn)［26］中通過分析鋰離子電池的溫度變化，提出了3 個特征溫度作為安全特征。文獻(xiàn)［27］中研究鋰離子電池?zé)崾Э剡吔鐥l件，基于電池生熱機(jī)理建立熱模型，并提出“熱失控?cái)?shù)”作為安全特征。一些學(xué)者提出了新的傳感器拓?fù)浣Y(jié)構(gòu)來更全面地監(jiān)測電池安全特征參數(shù)［28-29］：文獻(xiàn)［28］中根據(jù)熱管理要求，分析了鋰離子電池模塊在充放電條件下的溫度傳感器位置。然后，研究了考慮熱失控的電池模塊溫度分布，并給出了溫度傳感器布置的優(yōu)化結(jié)果。文獻(xiàn)［29］中開發(fā)了光纖傳感器網(wǎng)絡(luò)，以全方位監(jiān)控鋰離子電池的表面溫度分布。另有部分學(xué)者基于電池內(nèi)部參數(shù)（開路電壓、內(nèi)阻）分析動力電池安全特性［30-31］。文獻(xiàn)［32］中通過測量信號同步處理后的電壓電流參數(shù)，估算電池的內(nèi)阻，進(jìn)而建立電池安全特性演變規(guī)律。文獻(xiàn)［33］中開展電池恒流實(shí)驗(yàn)，并將估計(jì)的電池開路電壓與內(nèi)阻作為安全特征參數(shù)。實(shí)驗(yàn)室方法可以精確地測量電池各種外部和內(nèi)部參數(shù)，進(jìn)而提取電池安全特征。但目前也受到如下難題制約。（1）實(shí)驗(yàn)成本和規(guī)模：不同類型、不同材料、不同封裝方式電池安全問題與特征參數(shù)之間的關(guān)系不同，為了構(gòu)建它們之間的關(guān)系，需要開展大量實(shí)驗(yàn)，這些實(shí)驗(yàn)會耗費(fèi)大量的人力物力。（2）實(shí)驗(yàn)場景的適應(yīng)性：現(xiàn)有實(shí)驗(yàn)主要針對電池單體，實(shí)際電動車輛中，電池包往往由多個電池單體并聯(lián)/串聯(lián)組成，由于電池不一致性和“木桶效應(yīng)”等因素影響，整包電池的安全特性需要綜合考慮各個單體的安全性［6］。（3）實(shí)驗(yàn)場景的逼真性：現(xiàn)有實(shí)驗(yàn)主要基于人為自定義工況分析電池安全特性，實(shí)車實(shí)際情況下的隨機(jī)電流激勵和外界多變氣候使得實(shí)驗(yàn)室方法難以直接應(yīng)用于實(shí)車。

為解決這些問題，部分研究學(xué)者提出了基于數(shù)據(jù)驅(qū)動的安全特征提取方法［34-35］，文獻(xiàn)［36］中提出一種基于單個電池電壓比較的數(shù)據(jù)驅(qū)動電池安全特征，文獻(xiàn)［37］中提取各探針溫度變化曲線的熵值作為安全特征，并采用箱型圖方法分析各個探針溫度的變化規(guī)律。文獻(xiàn)［38］中基于單體電壓的時間序列曲線，定義穩(wěn)態(tài)電壓偏移增量與動態(tài)偏差累積次數(shù)兩個指標(biāo)作為電池安全特征，并采用滑動窗口進(jìn)行特征提取，其流程如圖2所示。

圖2 文獻(xiàn)［38］中提取的電池安全特征

2.2 電池安全影響因素

各種濫用包括機(jī)械濫用、電氣濫用和熱濫用會引發(fā)電池安全問題［39］。此外，電池材料［40］、制造工藝［41］、循環(huán)老化［42］也會影響電池的安全性。本章節(jié)主要綜述電池在使用過程中安全影響因素的研究，作為后續(xù)電池建模與安全風(fēng)險評估/預(yù)測方法的基礎(chǔ)。

各種濫用與安全之間的關(guān)系如圖3 所示［43］。機(jī)械濫用由電池受力發(fā)生機(jī)械變形造成，主要包括針刺、撞擊、碰撞等，這些變形會導(dǎo)致電池隔膜撕裂，進(jìn)而造成內(nèi)部短路，影響安全性，同時，內(nèi)部短路也會引發(fā)電氣濫用。電氣濫用由電壓管理不當(dāng)、電器元件故障或制造不良等引起，主要包括外部短路、過放電、過充電等，電氣濫用會促進(jìn)鋰枝晶的生長，進(jìn)而導(dǎo)致隔膜穿刺，引發(fā)內(nèi)短路。同時，電氣濫用時電池生熱速率增加，引發(fā)熱濫用。熱濫用由溫度管理不當(dāng)導(dǎo)致的過熱引起，發(fā)生熱濫用時，電池內(nèi)部的高溫會使隔膜瓦解并引發(fā)內(nèi)短路，電池溫度進(jìn)一步增加，一旦電池生熱速率與散熱速率達(dá)到臨界條件，則熱失控不可避免［44］。

圖3 各種濫用與安全之間的關(guān)系

一些學(xué)者通過實(shí)驗(yàn)?zāi)M各種濫用條件下電池特征參數(shù)的變化規(guī)律，研究它們對電池安全的影響［45-49］。機(jī)械濫用方面，文獻(xiàn)［45］中通過X 射線計(jì)算機(jī)斷層掃描技術(shù)的非原位觀測研究了電池在壓痕實(shí)驗(yàn)條件下內(nèi)部短路的演變過程，以及相應(yīng)的電池電壓與溫度演變規(guī)律。文獻(xiàn)［46］中構(gòu)建三維雙向力學(xué)-電化學(xué)-熱耦合模型，并設(shè)計(jì)了機(jī)械碰撞和針刺實(shí)驗(yàn)，研究復(fù)雜機(jī)械濫用環(huán)境下電池從短路到熱失控的演變過程。電氣濫用方面，文獻(xiàn)［47］中通過掃描電鏡、能譜、X 射線衍射和X 射線光電子能譜等多種表征分析方法，研究了微過充和微過放電過程中熱特性變化的機(jī)理，分析了陽極和陰極的形貌、晶體結(jié)構(gòu)和成分演變。熱濫用方面，文獻(xiàn)［48］中采用數(shù)值模擬和實(shí)驗(yàn)相結(jié)合的方法，研究了21700 圓柱形大容量鋰離子電池在不同熱濫用條件下的熱失控現(xiàn)象。文獻(xiàn)［49］中考慮等效電路、熱濫用和流體動力學(xué)模型的多物理場模型，分析了不同熱濫用情況下的電池?zé)岚踩吔?。另外一些學(xué)者綜合分析了各種濫用與電池安全的關(guān)系［50］。文獻(xiàn)［50］中以溫度為耦合因子，建立了熱電耦合濫用下的鋰離子電池?zé)崾Э啬Ｐ?。通過比較鋰離子電池的熱源位置、充電速率和放電速率，分析了不同工況對鋰離子電池內(nèi)部參數(shù)和熱失控特性的影響。

另外一些學(xué)者認(rèn)為電池的循環(huán)老化也會降低電池的安全性［51-52］，但是尚未定量分析它們之間的關(guān)系。文獻(xiàn)［53］中采用10%容量損失、30%容量損失的老化電池和新電池進(jìn)行高溫環(huán)境熱濫用實(shí)驗(yàn)，發(fā)現(xiàn)日歷老化會使電池?zé)崾Э貜母偷臏囟乳_始。文獻(xiàn)［54］中將電池安全問題分為3 類：電解質(zhì)耗盡、鋰庫存損失和電池阻抗增加。并將庫侖效率和壽命預(yù)測相結(jié)合，提出了一種考慮電池SOH 的安全風(fēng)險評估方法。

3 電池建模方法

電池是一個非線性復(fù)雜系統(tǒng)。電池建模是電池狀態(tài)估計(jì)、參數(shù)預(yù)測、安全風(fēng)險評估的基礎(chǔ)［55］?；谏鲜霭踩卣髋c影響因素，國內(nèi)外學(xué)者建立了各種電池模型，并估計(jì)安全相關(guān)參數(shù)［56-93］，主要包括電化學(xué)模型、等效電路模型、數(shù)據(jù)驅(qū)動模型。為了結(jié)合各種電模型的優(yōu)勢，一些學(xué)者提出了電池混合模型［94-96］。

3.1 電化學(xué)模型

電化學(xué)模型是利用電池電化學(xué)原理綜合表征鋰離子電池充放電過程中的電化學(xué)反應(yīng)、鋰離子在電極/電解質(zhì)中的擴(kuò)散和濃度變化以及各種相關(guān)過程的電池模型［57］。20 世紀(jì)90 年代，M.Doyle、T.F.Fuller 和J.Newman 以多孔電極和濃溶液理論建立了偽二維模型（pseudo-two-dimensional model，P2D）［58］，是后續(xù)電池電化學(xué)模型發(fā)展的基礎(chǔ)，P2D模型的結(jié)構(gòu)如圖4 所示［59］，模型將電池的陽極和陰極視為由許多球形顆粒組成的多孔電極，顆粒之間的空間充滿了電解質(zhì)。鋰離子在電極材料顆粒的電解質(zhì)液相和固相中的濃度分布和電位分布由耦合偏微分方程描述。

圖4 電池偽二維電化學(xué)模型

由于P2D模型中偏微分方程的高復(fù)雜度和高計(jì)算量，實(shí)際應(yīng)用時一些學(xué)者提出了簡化的P2D模型，最常見的單粒子模型（single particle model，SPM）將每個電極表示為球形粒子，并描繪了鋰離子在粒子中的嵌入和擴(kuò)散［60］。另外一些學(xué)者對SPM 進(jìn)行改進(jìn)，以滿足不同的要求［61-63］。文獻(xiàn)［64］中建立了7階線性電解質(zhì)增強(qiáng)SPM 進(jìn)行電池SOC 估計(jì)，并驗(yàn)證了該模型在不同電流倍率和溫度下的準(zhǔn)確性。文獻(xiàn)［65］中將溶液相電荷和物質(zhì)平衡結(jié)合到SPM 中，提高SPM 在高倍率電流下的準(zhǔn)確性，經(jīng)驗(yàn)證，該模型在最高為5C 的不同充放電速率下電池電壓相對誤差均小于1%。文獻(xiàn)［66］中將應(yīng)力增強(qiáng)擴(kuò)散和電解質(zhì)濃度分布整合到修正的SPM 中，兼顧模型的準(zhǔn)確性和計(jì)算效率。經(jīng)驗(yàn)證，該模型相比于計(jì)算時間是P2D 的3 倍，同時平均電壓誤差相比SPM 減小了33.8%。此外，一些學(xué)者將數(shù)值模型降階方法應(yīng)用于P2D 或其他電化學(xué)模型，以簡化計(jì)算［67-69］。文獻(xiàn)［70］中基于控制偏微分方程的空間和時間離散化，以及阻尼牛頓法求解P2D中的離散模型方程。文獻(xiàn)［71］中提出了一種基于絕對節(jié)點(diǎn)坐標(biāo)法的模型，該模型包含了固態(tài)電極和電解液在不同空間位置的狀態(tài)濃度水平，經(jīng)仿真驗(yàn)證，所建立的模型在3C 電流倍率下的均方根誤差為2.37e-2。

3.2 等效電路模型

等效電路模型是指通過理想電壓源、歐姆內(nèi)阻、極化內(nèi)阻、電容等元器件組成的電路網(wǎng)絡(luò)來近似代替電池內(nèi)部結(jié)構(gòu)，進(jìn)而描述電池特性的電池模型［72］。常見的等效電路模型如圖5 所示［73］，其中Rint 模型、Thevenin 模型和雙極化模型分別對應(yīng)極化內(nèi)阻-電容環(huán)（resistance-capacity，RC）為0、1、2 的情況。Rint 模型由一個理想電壓源和一個電阻串聯(lián)而成［74］，結(jié)構(gòu)簡單，沒有考慮極化和擴(kuò)散現(xiàn)象。隨著RC 環(huán)的增加，模型精度不斷提高：在文獻(xiàn)［73］中的動態(tài)應(yīng)力試驗(yàn)工況下，Thevenin 模型電壓誤差絕對值的均值比Rint 模型降低了88.4%，雙極化模型電壓誤差絕對值的均值比Thevenin 模型降低了5.7%。

圖5 常見的等效電路模型

文獻(xiàn)［75］中使用1 階RC 等效電路模型來模擬鋰離子電池的充放電行為。文獻(xiàn)［76］中利用2 階RC 等效電路模型逼近電池動態(tài)性能，經(jīng)驗(yàn)證電壓誤差小于40 mV。文獻(xiàn)［77］和文獻(xiàn)［78］中給出了鋰離子電池的理想阻抗譜，并提出了具有3 個RC 網(wǎng)絡(luò)的等效電路模型?；诘刃щ娐纺Ｐ停恍W(xué)者提出了電池內(nèi)部參數(shù)和狀態(tài)估計(jì)方法：內(nèi)部參數(shù)包括歐姆內(nèi)阻和開路電壓［79-80］，狀態(tài)估計(jì)包括健康狀態(tài)、SOC 等［81］。文獻(xiàn)［82］中基于Thevenin 模型，提出了一種利用開關(guān)電容均衡器產(chǎn)生的信號估計(jì)磷酸鐵鋰電池內(nèi)阻的方法。文獻(xiàn)［83］中提出了一種估計(jì)等效電路模型中多個RC并聯(lián)支路模型參數(shù)的方法，通過設(shè)置搜索范圍限制和移動窗口，設(shè)計(jì)了馬爾可夫鏈蒙特卡羅算法，實(shí)現(xiàn)了對不同時間常數(shù)的并行分支模型參數(shù)的估計(jì)。

3.3 數(shù)據(jù)驅(qū)動模型

數(shù)據(jù)驅(qū)動模型是指通過數(shù)據(jù)訓(xùn)練得到模型內(nèi)部參數(shù)，進(jìn)而建立電池輸入與輸出響應(yīng)之間的非線性關(guān)系的電池模型［84-85］。近年來學(xué)者們主要采用機(jī)器學(xué)習(xí)與深度學(xué)習(xí)模型來構(gòu)建電池非線性特性［86-93］。

機(jī)器學(xué)習(xí)是指機(jī)器通過統(tǒng)計(jì)學(xué)算法，對大量歷史數(shù)據(jù)進(jìn)行學(xué)習(xí)，進(jìn)而利用生成的經(jīng)驗(yàn)?zāi)Ｐ椭笇?dǎo)業(yè)務(wù)。一些學(xué)者將其中的前饋神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)運(yùn)用到電池建模中［86-87］，前饋神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖6所示。前饋神經(jīng)網(wǎng)絡(luò)［86］是一種最簡單的神經(jīng)網(wǎng)絡(luò)，它由輸入層、輸出層和多個隱藏層構(gòu)成，各神經(jīng)元分層排列，每個神經(jīng)元只與前一層的神經(jīng)元相連。接收前一層的輸出，并輸出給下一層，各層間沒有反饋。文獻(xiàn)［87］中采用由外源輸入的非線性自回歸模型構(gòu)建電池輸入電流、溫度、SOC 與輸出電壓之間的關(guān)系。同時采用前饋神經(jīng)網(wǎng)絡(luò)構(gòu)建輸入電流、電壓、溫度與輸出SOC之間的關(guān)系，最后，采用反饋策略對兩個電池模型進(jìn)行耦合。支持向量機(jī)是一類按監(jiān)督學(xué)習(xí)方式對數(shù)據(jù)進(jìn)行二元分類的廣義線性分類器，其決策邊界是對學(xué)習(xí)樣本求解的最大邊距超平面。文獻(xiàn)［88］中通過“雙步策略”構(gòu)建了數(shù)據(jù)驅(qū)動電池模型，該模型以電池電流、溫度、SOC 和歷史電壓為輸入，通過多個支持向量機(jī)聯(lián)合估算電池輸出電壓。類似地，文獻(xiàn)［89］中采用支持向量機(jī)建立電池模型，并估算電池電壓。

圖6 全連接神經(jīng)網(wǎng)絡(luò)

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)領(lǐng)域中一個新的研究方向，通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示。一些學(xué)者將其中的卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural network，CNN）和循環(huán)神經(jīng)網(wǎng)絡(luò)運(yùn)用到電池建模中［90-91］：循環(huán)神經(jīng)網(wǎng)絡(luò)是一類以序列數(shù)據(jù)為輸入、在序列的演進(jìn)方向進(jìn)行遞歸且所有節(jié)點(diǎn)按鏈?zhǔn)竭B接的遞歸神經(jīng)網(wǎng)絡(luò)［90］。文獻(xiàn)［91］中通過壓縮海量的汽車時間序列數(shù)據(jù)來創(chuàng)建一個新數(shù)據(jù)集，并采用長短時記憶循環(huán)神經(jīng)網(wǎng)絡(luò)（long short-term memory，LSTM）進(jìn)行電池建模。CNN包含了一個由卷積層和子采樣層構(gòu)成的特征抽取器。在CNN 的卷積層中，一個神經(jīng)元只與部分鄰層神經(jīng)元相連接［92］。文獻(xiàn)［93］中結(jié)合CNN 和LSTM，建立鋰離子電池剩余壽命預(yù)測模型，并通過自動編碼器來增大數(shù)據(jù)的維數(shù)，以便更有效地訓(xùn)練CNN和LSTM。

3.4 混合模型

基于3.1 節(jié)～3.3 節(jié)的分析，表3 中總結(jié)了上述3類電化學(xué)模型、等效電路模型、數(shù)據(jù)驅(qū)動模型電池模型的優(yōu)缺點(diǎn)。為了利用各種模型的優(yōu)勢，一些學(xué)者將電化學(xué)模型與數(shù)據(jù)驅(qū)動模型進(jìn)行結(jié)合，進(jìn)而構(gòu)建電池混合模型［94-96］。文獻(xiàn)［94］中提出了兩種電化學(xué)-機(jī)器學(xué)習(xí)混合架構(gòu)，將SPM 與熱動力學(xué)模型和前饋神經(jīng)網(wǎng)絡(luò)相結(jié)合，提高大電流倍率下模型的精度。經(jīng)驗(yàn)證，架構(gòu)1和架構(gòu)2在10C 電流倍率下的電壓均方根誤差分別為10.67和13.03 mV。文獻(xiàn)［95］中提出了一種基于電池機(jī)理和數(shù)據(jù)驅(qū)動混合模型的剩余容量估計(jì)方法，首先利用麥夸特法和斯皮爾曼相關(guān)性，從預(yù)測和機(jī)理模型中推導(dǎo)出3 個與剩余容量損失機(jī)制直接相關(guān)的新的健康指標(biāo)。其次，對1 000 節(jié)廢舊磷酸鐵鋰電池進(jìn)行了剩余容量測試，基于所提出的健康指標(biāo)建立了數(shù)據(jù)驅(qū)動的剩余容量估計(jì)模型。文獻(xiàn)［96］中提出了一種電池健康狀態(tài)估計(jì)和剩余有用壽命預(yù)測的模型-數(shù)據(jù)融合方法，首先，結(jié)合代謝灰色模型和多輸出高斯過程回歸，建立動態(tài)數(shù)據(jù)驅(qū)動的電池退化模型，模擬電池復(fù)雜的退化行為，其次，為了抑制在線電池信息的測量噪聲，利用粒子濾波器跟蹤電池容量退化進(jìn)行健康狀態(tài)估計(jì)，并外推退化軌跡進(jìn)行剩余有用壽命預(yù)測。

表3 電池模型優(yōu)缺點(diǎn)

4 動力電池安全風(fēng)險評估/預(yù)測方法

近年來，國內(nèi)外學(xué)者提出了電池安全風(fēng)險評估/預(yù)測方法，旨在安全問題發(fā)生之前及時地進(jìn)行預(yù)測與預(yù)警，防止電池安全問題的發(fā)生［97-151］。

4.1 動力電池安全風(fēng)險評估方法

現(xiàn)有的動力電池安全風(fēng)險評估方法主要分為基于閾值、基于機(jī)理模型和基于數(shù)據(jù)驅(qū)動3 大類?；陂撝档姆椒ㄒ卜Q基于知識方法，常被用于監(jiān)測電池過壓/過溫、低壓故障和一致性差等問題。文獻(xiàn)［97］中根據(jù)信息熵計(jì)算所選指標(biāo)的標(biāo)準(zhǔn)差，并設(shè)置閾值來評估電池單體的不一致性。文獻(xiàn)［98］中提出電池管理系統(tǒng)應(yīng)該通過監(jiān)測電池的電壓和溫度，使電池在安全窗口內(nèi)運(yùn)行。閾值法計(jì)算簡單，適用于快速監(jiān)測電池安全問題，但無法對電池安全問題進(jìn)行預(yù)警，一旦電池參數(shù)超出了閾值，安全問題往往已經(jīng)無法避免，此外，不同應(yīng)用場景很難確定合適的閾值?；跈C(jī)理模型的方法可以準(zhǔn)確描述電池正常和/或異常狀態(tài)下的規(guī)律［99-102］。文獻(xiàn)［103］中提出了一種基于模型的安全風(fēng)險評估方法來評估電池組絕緣狀態(tài)。類似地，文獻(xiàn)［104］中提出了一種基于模型的串聯(lián)電池組傳感器故障檢測與分類方法。文獻(xiàn)［105］中通過分析鋰離子電池的電化學(xué)阻抗譜，提出了一種基于電化學(xué)阻抗的截獲頻率估算鋰離子電池內(nèi)部溫度的方法。文獻(xiàn)［106］中提出了一種基于阻抗的鋰離子電池溫度估算方法。機(jī)理模型來源于電池電化學(xué)機(jī)理，因此能真實(shí)地表示電池內(nèi)部反應(yīng)過程，但其復(fù)雜性也決定了機(jī)理模型往往只能針對特定的安全風(fēng)險類型和特定的工況，而無法適應(yīng)電動車輛運(yùn)行過程中隨機(jī)多變的工況與安全問題。另外，機(jī)理模型的高計(jì)算量也限制了其在電池管理系統(tǒng)中的應(yīng)用。為了建立電池安全問題與其特征參數(shù)之間的非線性關(guān)系，數(shù)據(jù)驅(qū)動方法也得到了廣泛的應(yīng)用［107-109］。在這方面，文獻(xiàn)［110］中提出了一種基于交錯電壓測量拓?fù)涞拇?lián)電池組多安全問題評估方法。文獻(xiàn)［111］中提出了一種基于改進(jìn)的樣本熵的電池早期多安全問題評估方法。文獻(xiàn)［112］中利用威布爾分布擬合電池?cái)?shù)據(jù)，基于統(tǒng)計(jì)分析和聚類方法進(jìn)行電池安全風(fēng)險評估。文獻(xiàn)［113］中將通用生成函數(shù)方法進(jìn)行了擴(kuò)展，以估計(jì)電池的風(fēng)險和可靠性。數(shù)據(jù)驅(qū)動方法精度依賴于數(shù)據(jù)，但是高質(zhì)量數(shù)據(jù)的獲取和數(shù)據(jù)預(yù)處理本身也是亟待解決的問題，此外，上述研究中基于閾值、基于機(jī)理模型法和基于數(shù)據(jù)驅(qū)動的方法主要基于仿真或?qū)嶒?yàn)室實(shí)驗(yàn)，在實(shí)際電動車輛中沒有得到驗(yàn)證。

在電動車輛實(shí)際運(yùn)行過程中，由于各種隨機(jī)因素包括隨機(jī)駕駛行為、不確定的外界環(huán)境影響，電池系統(tǒng)會發(fā)生各種常見的安全問題，包括外短路、內(nèi)短路、過充電等。為了實(shí)現(xiàn)統(tǒng)一的安全風(fēng)險評估，國內(nèi)外一些學(xué)者利用現(xiàn)有實(shí)車傳感器采集的參數(shù)，提出了基于實(shí)際運(yùn)行數(shù)據(jù)驅(qū)動的安全風(fēng)險評估方法［114］。文獻(xiàn)［115］中提出了一種基于熵值的安全風(fēng)險評估方法，對由96 個串聯(lián)電池單體組成的電池組進(jìn)行安全監(jiān)測。類似地，文獻(xiàn)［116］～文獻(xiàn)［118］中也基于各串聯(lián)電池單體電壓的一致性識別異常單體，進(jìn)而進(jìn)行電池安全風(fēng)險評估。另外一些學(xué)者開發(fā)新的傳感器并優(yōu)化現(xiàn)有傳感器的拓?fù)浣Y(jié)構(gòu)，以全面地監(jiān)測電池安全狀態(tài)，并進(jìn)行安全風(fēng)險評估［119-122］：其中一些研究集中于全面監(jiān)測電池表面溫度［119-120］。文獻(xiàn)［119］中使用光纖布拉格光柵光學(xué)傳感器和K 型熱電偶來檢測鋰離子電池頂部、中部和底部的表面溫度。文獻(xiàn)［120］中開發(fā)了一個光纖傳感器網(wǎng)絡(luò)，用于實(shí)時、現(xiàn)場和多點(diǎn)操作，以監(jiān)控鋰離子電池上的表面溫度分布。另外一些學(xué)者使用嵌入式傳感器來監(jiān)視鋰離子電池的內(nèi)部核心溫度［121-122］：文獻(xiàn)［121］和文獻(xiàn)［122］中實(shí)現(xiàn)了一種基于嵌入式光纖布拉格光柵光學(xué)傳感器的內(nèi)部狀態(tài)監(jiān)視設(shè)備。這些傳感器可以全面地監(jiān)測電池安全狀態(tài)，但其昂貴的成本限制了在實(shí)車上的應(yīng)用。

4.2 動力電池安全風(fēng)險預(yù)測方法

人工智能的發(fā)展為電池安全問題的分析與建模提供了新的契機(jī)。一些學(xué)者利用深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)結(jié)合電池實(shí)驗(yàn)測試實(shí)現(xiàn)電池安全風(fēng)險的預(yù)測［123-124］。文獻(xiàn)［125］中引入與電池電壓演化相關(guān)的外部變量，并采用神經(jīng)網(wǎng)絡(luò)模型預(yù)測電池安全風(fēng)險。文獻(xiàn)［126］中提出了一種將鋰離子電池模型與循環(huán)神經(jīng)網(wǎng)絡(luò)相結(jié)合的安全風(fēng)險預(yù)測方法。另外一些學(xué)者基于電池機(jī)理，建立安全風(fēng)險預(yù)測模型［127-128］，文獻(xiàn)［127］中研究了外短路引起的鋰離子電池溫升特性，并提出了最大溫升的在線預(yù)測方法。文獻(xiàn)［128］中提出了一種基于內(nèi)部簡化溫度模型的在線內(nèi)部溫度估算方法，并定量分析了熵變和超電勢對熱量產(chǎn)生的影響。這些研究基于電池實(shí)驗(yàn)數(shù)據(jù)訓(xùn)練/建立模型，可以在特定的實(shí)驗(yàn)室環(huán)境下和自定義工況下實(shí)現(xiàn)電池安全風(fēng)險的短期預(yù)測。

電池?zé)崾Э厥亲顕?yán)重的電池安全問題，隨著電動車輛熱失控事故的增多，熱失控機(jī)理與預(yù)測方法已成為研究的熱點(diǎn)。一些學(xué)者致力于通過實(shí)驗(yàn)測試探索熱失控過程中電池內(nèi)部反應(yīng)機(jī)理和外部特性，包括溫度、電壓和氣體成分的變化［129-132］。文獻(xiàn)［129］中研究了在指定工作條件下考慮不同熱源的電池內(nèi)部溫度升高過程，并找出了熱失控的觸發(fā)條件。同樣，文獻(xiàn)［130］中分析了51 個電池在熱失控過程中產(chǎn)生的7 種氣體的成分和數(shù)量，包括CO2、CO、H2、C2H4、CH4、C2H6和C3H6。其他研究人員分析了在過度充電和過度放電條件下的熱失控現(xiàn)象。文獻(xiàn)［131］和文獻(xiàn)［132］中研究了鋰離子電池在過充電和過放電期間的熱行為，發(fā)現(xiàn)熱失控發(fā)生之前的峰值電壓為5.4 V。這些研究側(cè)重于發(fā)現(xiàn)熱失控的外部特征，另外一些學(xué)者建立模型來描述熱失控行為［133-138］。文獻(xiàn)［133］中建立了一個電化學(xué)-熱耦合模型來描述過充電引起的熱失控。類似地，文獻(xiàn)［134］中建立了一個數(shù)學(xué)模型來描述過充電期間鋰離子電池的電壓和溫度變化。文獻(xiàn)［135］中使用有限元方法開發(fā)了一個耦合的電熱失控模型。文獻(xiàn)［136］中提出了一種基于模型的開關(guān)模型方法來檢測鋰離子電池中的短路。在成組、整包電池?zé)崾Э貦C(jī)制研究方面，文獻(xiàn)［137］中針對6節(jié)25 A·h三元鋰離子動力電池組成的串聯(lián)模塊，進(jìn)行了針刺觸發(fā)的熱失控實(shí)驗(yàn)，進(jìn)而對熱失控蔓延機(jī)理做了分析。文獻(xiàn)［138］中的研究表明，并聯(lián)狀態(tài)下的動力電池發(fā)生熱失控后產(chǎn)生的溫升高于沒有電連接或串聯(lián)的動力電池組?；谏鲜鰺崾Э氐姆治雠c建模，另外一些學(xué)者提出熱失控預(yù)測方法［139-143］，文獻(xiàn)［139］中以動力電池系統(tǒng)在不同振動頻率情況下的電壓波動為輸入量，采用整體香農(nóng)熵算法實(shí)現(xiàn)了實(shí)時鋰離子動力電池連接方式失效預(yù)測。文獻(xiàn)［140］和文獻(xiàn)［141］中建立了熱失控蔓延的集總參數(shù)模型和三維模型。文獻(xiàn)［142］和文獻(xiàn)［143］中提出了一種基于分頻模型和擴(kuò)展卡爾曼濾波器的微短路量化方法，用于預(yù)測動力電池?zé)崾Э貭顟B(tài)的發(fā)生幾率。上述方法主要基于實(shí)驗(yàn)室自定義工況和理想條件構(gòu)建電池安全風(fēng)險/熱失控預(yù)測方法，而實(shí)車隨機(jī)工況、外部噪聲的影響使這些方法很難應(yīng)用于實(shí)際車輛。

為了進(jìn)一步提高在實(shí)車上的可應(yīng)用性，一些學(xué)者提出基于實(shí)車數(shù)據(jù)驅(qū)動的安全風(fēng)險預(yù)測方法［144-146］，文獻(xiàn)［147］中基于實(shí)車廉價傳感器采集的稀疏探針溫度數(shù)據(jù)，提出了一種兩步的熱失控預(yù)測方法，首先通過極限梯度提升學(xué)習(xí)方法實(shí)現(xiàn)探針溫度的多步預(yù)測，之后基于預(yù)測的溫度，采用基于密度空間的聚類算法預(yù)測電池包內(nèi)的熱失控位置。文獻(xiàn)［148］中提出了一種基于實(shí)車歷史數(shù)據(jù)和LSTM 的多步電壓預(yù)測方法，并通過設(shè)定過壓與欠壓閾值實(shí)現(xiàn)安全風(fēng)險預(yù)測。該方法電壓預(yù)測窗口步長為6，安全預(yù)警時間有待提高。文獻(xiàn)［149］中使用LSTM 對電池系統(tǒng)進(jìn)行準(zhǔn)確的同步多參數(shù)預(yù)測包括電壓、溫度、SOC。文獻(xiàn)［150］中將電池等效電路模型與LSTM 進(jìn)行自適應(yīng)耦合，考慮電池的電特性以及數(shù)據(jù)異常特征，從而進(jìn)行長時間尺度的安全風(fēng)險預(yù)測與短期的熱失控預(yù)警。文獻(xiàn)［151］中將深度學(xué)習(xí)溫度預(yù)測模型與電池生熱/散熱方程相結(jié)合，可以提前27 h 預(yù)測熱失控。文獻(xiàn)［150］和文獻(xiàn)［151］中的方法框架如圖7 所示。這些方法采用實(shí)車數(shù)據(jù)構(gòu)建模型，可以應(yīng)用于實(shí)車電池安全預(yù)警，但計(jì)算時間較長，例如文獻(xiàn)［151］中的方法在處理器為Intel（R）i5-7300HQ、運(yùn)行內(nèi)存為16 GB、顯存為4 GHz 的筆記本電腦上平均運(yùn)行時間為0.758 s。這導(dǎo)致這些方法目前很難應(yīng)用于電池管理系統(tǒng)，但可以部署在云端大數(shù)據(jù)平臺對電池進(jìn)行監(jiān)控。

圖7 基于實(shí)車數(shù)據(jù)的電池安全風(fēng)險預(yù)測方法［150-151］

5 電動車輛動力電池安全預(yù)警技術(shù)現(xiàn)狀總結(jié)與發(fā)展趨勢

及時準(zhǔn)確的電池安全預(yù)警對于電動車輛的正常運(yùn)行和乘員的安全至關(guān)重要。隨著電動汽車保有量的增加以及數(shù)據(jù)采集技術(shù)、人工智能技術(shù)的發(fā)展，電池安全預(yù)警技術(shù)不斷與前沿學(xué)科進(jìn)行融合，數(shù)據(jù)驅(qū)動方法也在電池領(lǐng)域得到了應(yīng)用與發(fā)展。在這個過程中，大量軟件也被運(yùn)用于模型構(gòu)建與方法建立：數(shù)學(xué)軟件Matlab/Simulink 被用于構(gòu)建電池等效電路模型與分析實(shí)驗(yàn)數(shù)據(jù)［73，76］；數(shù)據(jù)分析軟件Python 被用于分析實(shí)車電池歷史數(shù)據(jù)和構(gòu)建深度學(xué)習(xí)模型［147，150-151］；流體動力學(xué)軟件OpenFOAM 被用于模擬電池生熱/散熱過程［152］；多物理場仿真軟件Comsol［66］和AutoLion-ST［153］被用于研究電池電化學(xué)機(jī)理并構(gòu)建電化學(xué)模型。

本文以電池安全預(yù)警策略為主線，詳細(xì)梳理了電池安全特征與安全影響因素分析、電池建模方法、電池安全風(fēng)險評估/預(yù)測方法。各方面的進(jìn)展和不足總結(jié)如下。

在安全特征提取與影響因素分析方面，現(xiàn)有的研究通過開展電池充放電和安全實(shí)驗(yàn)，測得不同條件下電池外部/內(nèi)部參數(shù)的規(guī)律，進(jìn)而結(jié)合電池機(jī)理構(gòu)建安全特征，并分析不同濫用條件對安全性的影響。也有一些學(xué)者基于實(shí)車條件下測得的電池外部參數(shù)，通過數(shù)據(jù)驅(qū)動方法提取安全特征和因素。這些安全特征可以充分表征電池在某種工況或某種安全問題下的安全性，同時也構(gòu)建了各種濫用與安全性的定量關(guān)系。但是缺乏一些可以應(yīng)用于更多場景的安全特征。同時各種安全特征的有效性和魯棒性缺乏統(tǒng)一的比較。

在電池建模方面，現(xiàn)有研究從電池電化學(xué)機(jī)理、內(nèi)部電路等效和數(shù)據(jù)表征的角度，分別構(gòu)建了電化學(xué)模型、等效電路模型和數(shù)據(jù)驅(qū)動模型。電化學(xué)模型優(yōu)點(diǎn)是精度高［154］，但所涉及的電化學(xué)參數(shù)難以獲得，且只適用于低電流倍率工況；等效電路模型輸入?yún)?shù)易于獲取，但精度低于電化學(xué)模型且參數(shù)估計(jì)精度受限于固定的脈沖循環(huán)工況和動態(tài)應(yīng)力試驗(yàn)工況；數(shù)據(jù)驅(qū)動模型精度依賴于數(shù)據(jù)質(zhì)量。一些學(xué)者將電化學(xué)模型與數(shù)據(jù)驅(qū)動模型進(jìn)行融合，建立了電池混合模型。

在電池安全風(fēng)險評估/預(yù)測方面，現(xiàn)有研究基于安全閾值、機(jī)理模型和數(shù)據(jù)驅(qū)動構(gòu)建了大量安全風(fēng)險評估/預(yù)測方法，另外一些學(xué)者基于實(shí)車運(yùn)行數(shù)據(jù)，考慮實(shí)車運(yùn)行過程中外界環(huán)境、隨機(jī)工況等影響，提出長時間尺度的安全風(fēng)險評估/預(yù)測方法。這些方法主要面向特定故障類型或工況進(jìn)行電池安全預(yù)警，目前面臨如下挑戰(zhàn)：（1）不同類型、不同材料、不同封裝方式、不同成組方式電池的特性和熱穩(wěn)定性不同，而實(shí)車可采集的參數(shù)有限，這對電池安全預(yù)警方法的魯棒性提出了挑戰(zhàn)。（2）不同故障類型導(dǎo)致的電池參數(shù)特性差異大，例如內(nèi)/外短路時電池電壓急劇下降；過充電時電池電壓高于截止電壓；熱濫用時溫度急劇上升。這要求安全預(yù)警方法與系統(tǒng)能識別各種常見安全問題。（3）突發(fā)安全問題預(yù)警時間窗口短，這要求電池安全預(yù)警與系統(tǒng)不僅能準(zhǔn)確監(jiān)測安全問題，還能及時進(jìn)行安全預(yù)警，從而給乘員預(yù)留充足的反應(yīng)時間。（4）實(shí)車運(yùn)行條件下，電池狀態(tài)受到隨機(jī)噪聲、駕駛行為、外界環(huán)境等多方面因素的影響，電池安全與這些影響因素之間的定量關(guān)系尚缺乏研究。

基于上述的分析，電動車輛動力電池安全預(yù)警技術(shù)發(fā)展趨勢可總結(jié)為如下幾個方面。

（1）新型傳感器的研發(fā)與應(yīng)用

現(xiàn)有的電動車輛實(shí)車傳感器具有可采集的電池參數(shù)少（電壓、電流和溫度）、采樣頻率慢（1 Hz）和精度低（溫度傳感器0.5 ℃）的特點(diǎn)，這導(dǎo)致實(shí)驗(yàn)室所建立的精準(zhǔn)的電池模型因缺少輸入?yún)?shù)無法應(yīng)用于實(shí)車。隨著光纖和納米技術(shù)的不斷發(fā)展，通過光纖傳感器等高精度新型傳感器監(jiān)測電池的內(nèi)部溫度，可以為安全預(yù)警方法提供更準(zhǔn)確的輸入。另一方面，為了實(shí)現(xiàn)批量化的產(chǎn)業(yè)應(yīng)用，如何降低新型傳感器的成本也是一個需要研究的課題。

（2）多因素融合的電池安全預(yù)警方法

我國幅員遼闊，經(jīng)緯度跨度大，不同地域氣候差異大。電動車輛實(shí)車運(yùn)行環(huán)境復(fù)雜，受溫度、濕度、路況等多方面影響。電池安全性也受到外界環(huán)境、濫用行為等多因素耦合影響。研究電池安全與各影響因素之間的耦合機(jī)制，構(gòu)建實(shí)車環(huán)境下多因素融合的強(qiáng)魯棒性、高準(zhǔn)確性的電池安全預(yù)警方法是一個需要研究的方向。

（3）“端-邊-云”融合的電池安全預(yù)警體系

電動車輛保有量的提升增加了線下車輛檢測和維護(hù)的成本與壓力。因此，基于實(shí)車運(yùn)行過程中車載傳感器采集的和電池管理系統(tǒng)估計(jì)的電池參數(shù)（包括電壓、溫度、SOC、電流），提取海量實(shí)車運(yùn)行數(shù)據(jù)特征，挖掘與安全相關(guān)的特征參數(shù)演變規(guī)律，建立動力電池安全風(fēng)險評估/預(yù)測方法，進(jìn)而構(gòu)建“端（電池管理系統(tǒng)）-邊（智能數(shù)據(jù)終端）-云（云平臺）”融合的動力電池安全多層主動管控體系，篩選高風(fēng)險車輛與電池進(jìn)行進(jìn)一步線下安全檢測，有利于實(shí)現(xiàn)從海量篩查到精確監(jiān)測防控、從安全報(bào)警到安全預(yù)警，從被動防護(hù)到“端-邊-云”融合主動管控的跨越式發(fā)展。