钠电热失控多维信号分级预警的实验与 LSTM 实现

摘要 钠电比锂电安全是行业话术，但需要给安全一个量化边界。2025 年 3 月 MDPI《Batteries》推出的钠电热失控分级预警研究（11(3): 108）表明：在 0.5C/1C/2C 电滥用实验下，电压+温度双信号的传统监测在高倍率下的分级误判率会显著升高（2C 下准确率跌至 0.55–0.60），而多维信号（电压、温度、应变、气体）的组合建模把分级预警准确率维持在 95% 以上，并给出提前识别、阶段化处置的判据体系。本文梳理该研究的四级信号指纹设计、PCA 降维 + LSTM 分级模型与结果，并讨论其在电站级监控布点上的延伸价值。 关键词：钠离子电池；热失控；分级预警；LSTM；主成分分析；应变传感；气体监测

正文 一、先给钠电更安全的现状 钠电体系的热失控行为并非天然免疫，只是触发阈值和放热路径与锂电不同。近年综述（文献[3]）指出了钠电较敏感的三处薄弱环节：一是硬碳负极的 SEI 层热稳定性偏低，约在 100–130 ℃ 就开始分解；二是钠化后的硬碳在放热反应中的热效应显著（610 J/g，高于石墨的 449 J/g），失控时的能量释放更集中；三是硬碳微孔中残留的钠金属团簇在高 SOC 下可能加剧自加热。结论是：钠电的“安全余量”对温度和 SOC 敏感，运维系统对这种余量需要一套更细腻的分级观测手段，而不是单一阈值报警。

二、实验设计：多维信号同步采集 文献[1] 的实验在过充电滥用条件下测钠电热失控，同步记录电压、温度、应变、CO₂/CO 气体浓度四类信号（采样率 1 Hz）。所有数据按不同充电倍率分组：1C 完整热失控序列作测试集（约 20%），0.5C、1C、2C 其余数据做训练（约 80%），以检验模型对不同倍率的泛化性。四个阶段的信号指纹清晰可辨： ①稳定阶段（I）：所有参数波动很小，无明显内反应积累；②产气阶段（II）：CO₂/CO 缓慢上升，电池鼓胀，应变信号明显增大；③破裂阶段（III）：应变到达峰值后骤降——壳体泄压的机械信号标志，同时气体浓度快速上升；④热失控阶段（IV）：内部短路触发电解液与氧的剧烈氧化还原，温度与气体浓度同时出现陡峭峰值。这套阶段定义把“热失控不是瞬间事件、而是有 3–4 个可观测中间态的演化过程”用工程数据写实了。 图1｜四阶段信号演化示意

三、模型设计：先降维再分级 多维信号带来信息，也带来冗余。作者用两步处理：先用 PCA 按贡献度评估每个信号并压缩冗余维度，再作相关性分析剔除相互重叠的信息，得到精简后的信号组合。分级模型是 LSTM——热失控演化本就是时序依赖强的过程，RNN 结构擅长捕捉非稳态信号的时间依赖关系。从安全性视角看，这套两级架构的信号选择过程是可解释的（PCA 贡献度可回溯），预警模型的样本和训练标签均由实验提供。

四、关键结果：多维信号这一招在高倍率下更值钱 分层警报的表现有两处值得电站运维记牢：其一，传统电压+温度的单一/双参量方案在 2C 高倍率下准确率只有 0.55–0.60（电压 0.552/温度 0.593），且在早期/中期阶段（II/III）基本都是“看不出来”；而多维参数方案在三档倍率下稳定在 0.96 以上（2C 达 0.963），阶段 II/III 的预警窗口几乎完全依赖应变与气体，电压温度此时已经滞后。其二，分类模型在 0.5C、1C、2C 三档精度均 >0.95，其在不经历过的 3C、4C 更高倍率下仍有良好泛化的预期。对工程是明确的提示：电站级监控这几类传感器栈中，应变与气体传感不再是可有可无，而是构成早期预警窗口不可替代的两路信号。 图2｜不同信号方案、不同倍率的分级预警准确率对比

五、从“实验室指纹”到“电站级预警” 2024 年 IEEE TIM 的另一项钠电多参数预警研究（文献[2]）在电滥用实验中把钠电热失控过程划分为三个阶段，并发现应变信号和产气信号比电压、温度更早给出预警。2025 年《储能科学与技术》的中文研究（文献[5]）采用反熵权方法协调电压/温度/压力（膨胀力）三类信号构建了多级报警模型，其阶段Ⅱ识别起点与实际仅偏差 1 分钟（传统阈值法偏差约 24 分钟）。三篇文献从三个方向叠出同一个结论：热失控的“可预警时长”是分级的、多通道的，早期的运维价值来自多传感和模型融合，而不是单点阈值。本文正是这层预警窗口的经济计算，两稿构成技术与价值的完整关节。

参考文献 [1] Li J, Xie Y, Xu B, Zhang J, Wang X, Mao L. Multistage Early Warning of Sodium-Ion Battery Thermal Runaway Using Multidimensional Signal Analysis and Redundancy Optimization. Batteries, 2025. [2] Evaluation of Multiparameter Warning Capability of Sodium-Ion Battery. IEEE Transactions on Instrumentation and Measurement, 2024. [3] Review of thermal runaway risks in Na-ion and Li-ion batteries: safety improvement suggestions for Na-ion batteries. Journal of Engineering and Applied Science, 2025. DOI: 10.1186/s44147-025-00668-y. [4] Ji W, Fu Y, Zhang H, et al. Machine learning-enhanced multiscale modeling of high-rate sodium-ion batteries integrating electrochemical dynamics and thermal safety analysis. Journal of Energy Storage, 2025. DOI: 10.1016/j.est.2025.117445. [5] 钠离子电池过充热失控多阶段预警方法研究（基于反熵权法，185 Ah 层状氧化物正极体系）. 储能科学与技术, 2025.