数字储能网讯：电池储能行业专家Liam Critchley对旨在降低锂离子电池储能系统热失控风险的建模技术、安全标准及分析方法进行了阐述和分析。

在日前发表的一篇文章中，他进一步深入探讨了防范电池储能系统热失控的多层安全防护策略，首先从建模分析热失控的发生机理、原因及后果入手。安全标准、研究数据、软件工具与遥测传感器相结合的策略，有助于降低热失控风险，提升电池储能系统的运营安全性。

Gore Street公司部署的Lower Road电池储能系统

热失控管理的核心安全标准

现有的各种标准和实体测试不仅对确保电池储能系统投运之后的安全至关重要，而且这些测试协议也与热失控建模密切相关。一方面，实体测试生成的数据用于校准模型精度；另一方面，部分法规明确要求将建模分析作为安全评估的关键环节，与实体测试一起开展。

（1）NFPA 855标准

NFPA 855标准是《国际消防规范》及《固定式储能系统安装标准》。该标准由美国国家消防协会（NFPA）制定，旨在保障电池储能系统的安全运行。虽然并非强制要求，但电池建模可与实物测试及危害缓解分析（HMA）结合使用，以证明电池储能系统的部署方案满足安全要求。根据该标准，实物测试及危害缓解分析（HMA）用于限制火灾蔓延、减轻爆炸危害，并确保可燃及有毒气体不会对安装场所周边社区构成威胁。

NFPA 855标准规定了电池储能系统在设计、建造、安装、调试、运行、维护及拆除过程中降低危害的最低标准。该标准还根据上述因素以及设施与建筑物、公共通道、危险材料的距离，确定了电池储能系统的规模上限。

在防止热失控方面，NFPA 855标准对设备、通风、烟雾探测、火灾控制与抑制、应急计划规程提出了具体技术要求。该标准还分析了热失控、气体及烟雾探测失效、通风失效的后果。

（2）UL9540A测试方法

UL9540A实体测试方法用于评估电池储能系统在不同层级（电池、模组、单元）中传播性热失控相关的各类火灾安全隐患。电池级测试判断电池是否易诱发热失控；模组级测试关注模组设计、热释放速率、释放气体及碎片危害；单元级测试则关注电池储能系统设计、热释放速率、释放气体、碎片以及容器内的爆燃泄放危害，同时测量容器壁面温度及热通量。

这些实体测试提供了从电池到系统各个层面的丰富数据，可用于建立高精度的电池储能系统模型，以模拟热失控事件一旦发生后，危害如何显现、演变及蔓延。今年早些时候发布的最新版本UL9540A标准，增加了强制性的大规模火烧测试（LSFT），即将电池储能单元点燃并任其燃烧。

从建模和分析中获得的信息

计算建模可在各个层级进行。目前存在大量基于物理机理的建模方法，覆盖电池层面及其内部过程。虽然这对热失控研究至关重要（因为任何热失控蔓延的起点都在电池内部），但这里将重点介绍更大规模的建模方法，这些方法关注电池储能系统在热失控方面的整体安全性——包括热失控事件发生前的气体动力学行为，以及热失控发生后火灾和爆炸在电池储能系统容器及设施内可能出现的蔓延情况。

对电池储能系统容器内热失控事件进行建模，对于识别设施内各类潜在危害（包括有毒及可燃气体释放、火灾、爆炸）至关重要。电池储能系统建模主要涵盖三个广泛领域，有助于理解和预防热失控：

（1）扩散建模  

模拟热失控发生时电池储能系统内部释放的有毒及可燃气体的扩散过程。作为热失控发生前的早期预警手段，虽然某些分析技术能够检测这些气体，但针对热失控气体的建模工作更侧重于：确保一旦发生热失控事件，电池储能系统相对于人员活动区域的位置足够安全。这是因为事件中可能释放盐酸和氢氟酸，如果距离居民区过近，会造成健康危害。

（2）火灾建模  

模拟热失控事件中火灾的热辐射效应及其蔓延过程。该模型关注电池释放的热量、安全阀开启引发的喷射火灾，以及二次火灾的可能性，并分析所有这些因素如何影响电池储能系统本身以及周边的任何人员和建筑物。

（3）爆炸建模  

模拟封闭在电池储能系统容器内的可燃气体的超压形成及压力传播过程。该模型用于判断爆炸可能造成的破坏程度，以及对电池储能系统及周边区域产生重大结构损坏和人员伤亡的概率。

对电池储能系统热失控事件进行建模，不仅仅是为了满足合规要求；它是管理安全、保护人员及其他能源资产的关键手段。在具体建模技术方面，有两类方法被广泛用于电池储能系统热失控事件建模：计算流体动力学（CFD）和失效模式与影响分析（FMEA）。

计算流体动力学（CFD）用于评估电池失效的影响，模拟其如何在电池储能系统内部引发热事件、烟雾和有毒气体，并建模分析这对电池储能系统周边局部环境的影响。计算流体动力学（CFD）还可用于：确定电池储能系统内部的热通量、电池储能系统对邻近设备的风险程度；电池储能系统内部气体的扩散及复杂气流形态；池火（可燃液体泄漏形成液池，遇火源燃烧形成的火灾）和喷射火的蔓延及泄放点；以及针对特定设施，确定热事件的严重程度。此外，计算流体动力学（CFD）还可作为NFPA 68/NFPA 69标准爆燃分析的一部分，用于模拟防爆板在设施中的有效性以及潜在的爆燃危害。

另一方面，失效模式与影响分析（FMEA）是一种失效模式建模方法，用于识别不同组件中可能导致电池储能系统内部火灾的潜在失效模式。失效模式与影响分析（FMEA）研究电池储能系统中各组件如何引发热失控，并分析每种组件可能导致热失控的具体失效模式及其严重程度。该方法最初由美国国防部采用，随后成为电池储能行业商用领域的广泛工具。UL 9540和NFPA 855标准也推荐将失效模式与影响分析（FMEA）作为储能管理系统（ESMS）的安全分析工具。

将数据分析应用于热失控建模

目前，行业相关技术服务商主要分为两类：一类是直接从事基于计算建模的公司，研究特定电池储能系统配置下热失控事件可能发生的情况，并利用这些数据确保安装方案的安全性。另一类则更侧重于分析，不参与电池储能系统安装前的建模工作，而是在电池储能系统投运后实施实时监控，在热失控事件发生前提供早期预警。两者都至关重要，并且在预防电池储能系统热失控方面发挥着不同的作用。

（1）ACCURE平台  

ACCURE开发了电池智能软件，将基于物理的建模与机器学习相结合，可以提前数周预测电池储能系统何时会发生热失控。该分析平台追踪20多种不同的安全指标，生成用于评估热失控风险的安全评分。

其物理模型利用热力学和电化学原理，识别微小异常、制造缺陷、设备故障以及内部短路的先兆信号。机器学习算法扫描模型产生的大数据集，聚焦热失控前兆，包括电压异常、阻抗增长和热点。

该平台被视为电池储能系统中电池管理系统（BMS）之上的额外安全层——电池管理系统（BMS）收集数据并发送至云端，在云端进行分析，从而发现异常和先兆信号。该平台还能分析电池老化情况，更精准地预测电池随时间的健康状态，因为电池健康状态不佳时更容易产生缺陷，从而引发热失控事件。

（2）TWAICE平台  

TWAICE开发基于云端的建模与分析平台，用于确保特定电池配置的安全性。TWAICE结合电气模型、衰减模型和热模型来预测电池行为。

电气模型识别模组间的不平衡以及出现过热前兆的电池。分析平台中的衰减模型用于评估热失控事件中电池之间蔓延的风险。热模型模拟电池对施加的热载荷的响应以预测温升。

这些模型既用于优化性能，也用于防止电池储能系统内部的级联风险。它们能够检测到来自过热电池或故障电池的早期失效迹象，可用于发现热异常、电阻异常和自放电异常，在热失控发生前进行预警，并识别有问题的电池以免影响整个电池串。

（3）PowerUP平台  

PowerUP开发了一款名为Battery Insight的电热建模平台，集成了机器学习技术。该平台将实验室测试和现场电池资产中电池管理系统（BMS采集的电流、电压和温度数据进行比较，以模拟电池储能系统的行为并了解电池内部状况。与其他平台类似，它能够识别细微信号，从而洞察电池行为及热失控的可能性。

实验室测试结合了滥用测试和加速老化测试，用于训练算法，使平台在识别表明热失控即将发生的数据异常时更加准确。这些异常包括电池温度过高、过压、欠压、过流等。当该分析平台集成到电池储能系统中之后，可从模组级到机架级提供安全状态指标，在事件发生前12个月向电池储能系统所有者发出潜在危险和热失控预警。

（4）Gexcon平台  

Gexcon拥有一个名为X-suite的集成软件平台，可用于模拟各层级热失控的潜在影响，以满足法规合规要求。该平台包含三个主要工具：EFFECTS、FLACS和RISKCURVES。

EFFECTS用于估算热失控事件中有毒气体（包括氟化氢、一氧化碳、氯化氢、氰化氢和二氧化氮）的扩散和释放，以及热辐射和爆炸风险。它是一个筛选工具，能够确定扩散气云中的气体浓度、电池储能系统火灾的热辐射强度，以及电池储能系统内部气体超压可能引发不同类型爆炸的机制。

EFFECTS生成的数据可输入FLACS——这是一款CFD工具，用于识别这些气体、火灾和爆炸威胁在更复杂环境中的行为，包括地形、布局和通风如何影响气体扩散及爆炸动力学。FLACS还能评估容器设计，检验缓解措施的效果，例如危险场景下通风和屏蔽系统的有效性。

这两个工具生成的数据还可输入RISKCURVES，进行更高级的电池储能系统定量风险评估。该工具计算特定地点的个体风险、基于选址的潜在社会风险，以及当热辐射、气体浓度和内部压力超过特定阈值时可能造成的后果。

X-suite中的所有工具均已通过实验数据和真实事故案例进行验证，旨在提供完整的建模工作流，用于支持监管申报材料，并证明符合国家或地方指南的要求。