摘要：锂电池的使用在工业化进程中的重要性不言而喻。热失控故障预警技术对储能系统的安全至关重要。以储能系统背景下锂离子电池热失控为出发点，介绍了基于电池温度、气体、内阻、电压特征以及基于多维信号的机器学习预警方法，对上述锂离子电池热失控预警方法在储能系统中的应用进行了总结，对应用于储能系统的锂离子电池热失控预警方法的发展前景进行了展望并提出了建议。
关键词：锂离子电池；热失控；检测方法
锂离子电池广泛应用于储能系统中，在基础理论、应用技术和标准规范等方面都有大量的研究和发展[1]。锂离子电池高功率、高能量密度的特性和性能的不断提高使其在电网储能系统中得到广泛应用。人们在电池材料、电化学性能、电池管理和风险管理等方面开展了大量研究，重点关注锂离子电池储能的安全性[2-3]。由于锂离子电池储能系统具有大规模集群的特点，一旦发生事故，将对人民生命财产和社会经济造成很大的损失和影响。长期以来，锂离子电池储能的安全性受到广泛关注，客观上推动了锂离子电池储能技术的发展[4]。
热失控(thermal runaway，TR)故障是锂离子电池储能安全面临的主要挑战。随着车用动力电池和电网储能系统装机容量不断增大，应用于各种储能系统的锂离子电池也越来越具有大规模集群化的特点，这意味着用于储能的锂离子电池的热失控预警标准趋于规范与严格。2023年6月22日，国家能源局发布的储能政策《新型储能项目管理规范(暂行)(征求意见稿)》中指出，在电池一致性管理技术取得关键突破、动力电池性能监测与评价体系健全之前，原则上不得新建大型动力电池梯次利用储能项目，通过暂停在大型储能项目中级联利用退役电池虽然能够提高储能系统安全性，但即使是来自于同一产线同一批次的电池，其电芯特性也会存在或大或小的差别，更不用说处于复杂工况下的动力电池会偶尔面临诸如针刺、挤压等的恶劣工况[5-6]。