日前，我校火灾安全全国重点实验室王青松研究员团队围绕锂离子电池热失控早期异常识别难题，提出了一种基于内部压力–温度耦合和多源数据融合的早期异常判别方法。相关成果以“Early-stage anomaly discrimination in lithium–ion batteries using internal pressure–temperature coupling and multi-source data fusion”为题，发表在《科学通报》（Science Bulletin）上。

锂离子电池热失控通常经历低强度副反应、气体生成、压力积累和温度快速上升等阶段。实际应用中，早期异常往往仍落在传统正常数据范围内，温度、电压和气体等外部可观测信号的显著变化具有一定滞后性，导致预警窗口被压缩。内部压力直接关联气体生成和材料副反应，但不同容量、触发方式和工况下压力–温度路径差异显著，难以通过单一阈值实现统一判别。因此，如何在“正常数据区域”中解析状态演化差异，是提升早期预警可靠性的关键。

针对上述问题，研究团队构建了涵盖52Ah和300Ah磷酸铁锂电池的过充、热滥用及正常循环实验数据集，共包含30类变量和200余组实验。数据分析表明，在相同压力水平下，不同工况对应的温度差异可超过100°C，说明电池状态演化呈现显著路径依赖。团队进一步从时间序列局部演化结构出发，提取温度与压力的协同变化特征，并将异常识别从单点阈值判别转向对演化路径偏离和动力学加速的识别。

在模型构建方面，研究团队通过多模型协同判别和序列级校正，提高了复杂工况和特征重叠区域中的识别稳定性。蒙特卡洛重复验证结果显示，该方法在不同容量电池中均保持较低误判水平：52 Ah电池的误报率和漏报率总体处于个位数百分比范围，300 Ah电池的误报率进一步降至低于1%，漏报率约为3%。与仅使用温度信号相比，引入压力信息后，误报率可降低一个数量级以上，漏报率也明显下降，表明压力信号能够为早期异常识别提供非冗余信息。

研究团队还开展了初步跨体系验证。基于同一生产体系的三元（NCM523）电池数据分析表明，压力–温度关系拟合精度保持在较高水平，异常识别过程中的误报率维持在和磷酸铁锂电池类似的范围，验证集与测试集均保持稳定判别结果。该结果说明，尽管不同化学体系的参数分布存在偏移，压力–温度协同演化规律仍具有一定可迁移性。

该研究从内部状态演化角度丰富了锂离子电池热失控早期预警的特征体系，为在正常表征范围内识别潜在异常提供了新的技术路径。相关方法有望为电池管理系统、储能安全监测和新能源汽车热安全预警提供参考。

我校火灾安全全国重点实验室博士研究生程志翔为论文第一作者，王青松研究员为论文通讯作者。该研究得到国家自然科学基金等项目支持。

图1 基于压力-温度耦合的早期异常判别框架