利用基于理想解相似性的排序偏好方法，对锂铁磷酸电池在热滥用条件下的早期预警与安全状态进行评估

《Process Safety and Environmental Protection》：Early warning and safety state assessment of lithium iron phosphate batteries under thermal abuse using the technique for order preference by similarity to ideal solution method

锂离子电池热失控早期预警方法研究基于TOPSIS-PCA动态权重优化框架，融合电压、温度、AC电阻和VOC浓度等多源参数构建评估系统，通过PCA消除量纲影响并赋予参数客观权重，结合滑动窗口机制实现动态权重优化，有效捕捉早期微弱信号。实验表明该方法首次预警时间达193-388秒，优于传统阈值法，且"温度+VOC"双参数组合可达原模型95%性能，同时具备传感器失效的强鲁棒性。

　　

李欣|李强|刘彦通|李瑞毅|张进|孙俊丽|李金梅

中国人民警察大学，廊坊市西昌路220号，065000

摘要

为了提高锂离子电池热失控（TR）预警的灵敏度和鲁棒性，本文提出了一种基于相似度排序理想解（TOPSIS）-主成分分析（PCA）的安全状态评估方法，并结合了动态权重优化。通过热滥用实验，同步收集了包括电压、温度、交流电阻和挥发性有机化合物（VOC）浓度在内的多源信号，构建了一个评估系统。首先，使用PCA进行客观权重分配，并验证了权重对标准化方法的鲁棒性。随后，创新性地引入了滑动窗口机制，以实现PCA权重的动态优化，从而增强了捕捉早期微弱信号的能力。TOPSIS模型生成的安全状态指数（SSI）清晰地量化了电池从安全状态到热失控的完整退化过程（三个阶段）。实验表明，该模型的预警效果显著优于传统的单参数阈值方法：基于动态权重的SSI模型在193-388秒内实现了一级预警（SSI < 90%）。参数屏蔽分析进一步揭示，“温度 + VOC”这一双参数组合能够实现超过95%的模型性能。此外，动态权重策略在模拟关键传感器故障时表现出更强的容错能力。本研究为电池系统提供了一种早期、定量且高度鲁棒的安全预警解决方案。

引言

锂离子电池作为新能源行业的核心储能组件，已广泛应用于电动汽车和储能系统中（Lopez等人，2015年）。然而，热失控事故的频繁发生已成为其大规模应用的关键瓶颈（Zhang等人，2023年；Kong等人，2023年；Shahid和Agelin-Chaab，2022年；Gu等人，2025年；Lyu等人，2020年；Chen等人，2025年）。热失控本质上是一个由电池内部自加速放热反应链引发的过程。这导致产生的热量远远超过冷却能力，从而引起温度急剧上升。随后，在高温下生成大量易燃气体，导致压力急剧增加。一旦压力超过压力释放阀的极限，阀门就会打开，释放出高温可燃气体。这些气体在与空气接触或与短路产生的电弧相互作用时可能会自燃，最终导致剧烈燃烧或爆炸（Wang等人，2023年）。其演变过程复杂且具有攻击性，通常由内部短路、过充、锂沉积或机械滥用等触发因素引发。这些触发因素会引发一系列放热副反应，包括阳极上固体电解质界面（SEI）的分解、隔膜失效以及阴极和电解质之间的剧烈反应（Jia等人，2024年；Zhang等人，2022年；Huang等人，2024年）。这种突然性和破坏性对安全预警系统的响应速度提出了极高的要求。

目前，电池热失控的预警主要依赖于对电压、温度和电流等外部参数的阈值监测（Li等人，2024a；Cai等人，2020年；Lyu等人，2022年；Keefe等人，2019年）。然而，这些方法存在显著局限性。一方面，当电池管理系统（BMS）检测到异常电压下降或温度超出安全阈值时，电池往往已经进入不可逆的热失控阶段，导致预警窗口极短。另一方面，早期阶段的微妙内部状态恶化（例如微短路、SEI膜分解）难以通过任何单一参数及时准确地捕捉。多源数据融合技术为克服上述局限性提供了有希望的途径。通过整合多维信息，它能够对电池内部安全状态的变化进行定量评估和早期预警。

电池安全状态的动态评估和早期诊断本质上是一类具有高度不确定性的多属性决策（MADM）问题。核心挑战在于融合多源信息以量化电池的安全水平并实现早期预警。近年来，为了解决多指标融合评估的挑战，逐步引入了分析层次过程（AHP）、模糊逻辑和MADM等方法（Dwivedi等人，2023年；Meng等人，2023年），为解决这一问题提供了有价值的参考。AHP依赖于专家经验来构建判断矩阵，适用于具有大量定性指标但主观性强的场景（Saaty，2008年；Ishizaka和Labib，2011年；Ho和Ma，2018年）。模糊逻辑在处理不确定信息方面表现良好；然而，其隶属函数的设置显著影响结果，仍存在一定的主观局限性（Mendel，2007年）。值得注意的是，电池热失控的前兆信息通常隐藏在电压、温度和内部电阻等客观时间序列数据的微妙变化中。因此，理想的方法应能够从原始数据中充分挖掘潜在模式，同时尽量减少人为主观偏差的干扰。在这方面，TOPSIS表现出明显优势：它概念清晰、计算效率高，并能充分利用原始数据信息（Behzadian等人，2012年）。通过计算评估对象与正理想解（POS）和负理想解（NIS）的相对接近度，它实现了系统状态的有效排序，非常适合电池安全状态的连续和定量评估。

然而，将TOPSIS具体应用于电池安全状态的动态评估和早期诊断仍面临几个关键挑战。这些问题包括如何构建一个准确反映热失控演变机制的指标系统，以及如何科学地为每个参数分配权重——这些都需要在本研究中深入探讨。

为了克服现有基于阈值方法的缺点，如预警窗口短和难以感知早期电池退化，本文提出了一种基于TOPSIS的综合性安全状态评估和早期诊断框架，并采用了客观权重。构建了一个集成电压、表面温度、交流电阻和气体浓度参数的评估系统，以全面捕捉电池的早期故障特征。为了克服传统方法的主观性限制，引入了PCA根据数据驱动机制为每个参数确定客观权重。通过计算实时数据序列与预定义的安全状态基准之间的相对接近度，动态生成了定量SSI指数。该指数实现了从“单阈值报警”到“连续状态跟踪”的转变，能够精确描述热失控演变过程，并为电池系统的主动安全保护提供解决方案。

部分摘录

多参数评估系统构建和数据预处理

为了全面捕捉电池热失控的多物理耦合特性，构建了一个多维参数评估系统。该系统包括$m$个监测参数。在$n$个连续采样时间点，形成了原始数据矩阵$X$，如方程1所示：$X_{n\times m}=\left(\begin{array}{ccc}{x}_{11}& \dots & x_{1m}\\ ?& ?& ?\\ x_{n1}\end{array}\right)$其中$x_{\mathrm{ij}}$表示第i个时间样本的第j个参数的值。

数据标准化

PCA对变量尺度非常敏感。为了消除不同参数单位的影响

电池样品

本研究采用了一种商用 pouch型LFP动力电池作为测试对象。选择这种电池的原因是其在研究包装形式和化学系统方面的独特优势：首先，在包装方面，pouch电池采用铝箔包装，其机械刚性远低于棱柱形或圆柱形电池的硬壳包装。这一特性使得内部气体生成和电池变形等物理信号更加

温度

图2展示了温度曲线。所有电池样本在100秒内接受了外部加热。随后，所有样本都表现出三阶段温度响应：缓慢加热阶段、快速热失控阶段和最终冷却阶段。在初始缓慢加热阶段，所有电池的温度随着外部热输入逐渐升高，它们的加热速率相当，没有显著差异。一旦温度达到热失控触发阈值，所有曲线的

结论

为了解决锂离子电池热失控的预警问题，本研究通过结合电压、温度、交流电阻和VOC气体信息，使用TOPSIS-PCA框架开发了一个动态安全状态评估模型。主要结论如下：

(1)

构建了一个基于动态权重优化的定量电池安全状态评估框架。通过使用PCA进行客观权重分配并结合TOPSIS方法，构建了安全状态指数

资助

本工作得到了天津消防安全技术重点实验室2024年开放课题计划的关键项目支持[项目编号2024TKLFST03]。

CRediT作者贡献声明

李金梅：软件开发。李欣：写作 – 审稿与编辑、初稿撰写、可视化、形式分析、数据整理、概念化。刘彦通：调查。李强：项目管理、方法论、资金获取。张进：监督。李瑞毅：验证。孙俊丽：资源协调。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文报告的工作。