甘肃储能电站热失控火灾敲响警钟，主动安全预警技术破解行业困局？

北极星储能网讯：2023年4月22日17时56分，甘肃省民勤县某磷酸铁锂储能电站发生火灾，造成站内1个储能电池舱烧损，直接经济损失约410万元。此后，武威市消防救援支队在《中国设备工程》发表《一起储能电站火灾事故的分析与研究》（以下简称《事故分析》），披露了本次事故的详细信息。

图1：电站火灾现场照片

1．事故定性 — 磷酸铁锂电池热失控事故

该储能电站设有4座集装箱式储能电池舱及储能升压一体舱。每个电池舱内含14个电池簇，每个电池簇内装配25个电池模块。此次起火舱室为1号电池舱。

图2：1号电池舱内部空间示意图

依据报案人对事故现场描述，1号电池舱火灾前出现“嘭”状爆炸声，其后起火部位处有白色烟气并伴有刺激性气味，5min后出现黑烟。相关理论表明，电池组内部热失控时，其内部电解液首先发生化学反应产生白色烟气，此后电池组内部出现大规模短路，导致温度急剧升高引发明火，明火点燃相关可燃物生成黑烟。因此，现场事故描述符合锂电池热失控特征。

据灾后勘验结果，起火电池中指定模块呈现挤压变形状态，其余模块电池均为鼓胀变形状态。相关理论表明，电池热失控过程中，起火点模块电池最先发生故障，其电解液分解放热并产生气体鼓胀和向外喷放，同时，相邻电池逐渐受外热相继产生气体鼓胀，对内部气体已经排空的起火点模块电池进行挤压，导致其最终呈现挤压变形状态。因此，灾后勘验结果亦符合锂电池热失控外观特征。

最后，经过对事故外因的核查，外来火源和供电回路过压等外因被排除，随后提取电站内部监控中心数据进行分析，发现1号电池舱第4簇第12模块带动其周围模块在火灾前出现了电压等指标异常变化及BMS告警，这一事实符合该模块电池最先热失控后造成周围模块相继受热短路，最终引发火灾的逻辑顺序。

综上，该起火事故最终被定性为磷酸铁锂电池热失控事故。

表1 事故前电站监控中心后台记录的事件

2. 事故分析 — 储能电站主动安全防控设备亟待完善

1）BMS未能准确评估电池状态

依据电站内部监控中心数据（表1），本次热失控为第4簇第12模块电池过压升温，带动周围模块大面积短路导致。

进一步追溯该模块过压升温的原因，该模块设计充电时间为2h，而当日15时暨事故发生前两小时左右，现场测试人员对电池进行满充测试，实际充电时间达到了3h，是可能导致电池进入过充滥用的高风险行为。

出于事故防范和安全运营的角度，电站对测试人员操作的安全性应配置有效的监测，并在发现不恰当操作时给出及时示警。然而，电站BMS只在事故发生前20分钟处进行了过压告警，而在事故前两小时现场人员进行超时满充测试操作时，BMS没有对超时充电操作给出进行任何风险提示。

从电池机理出发，电池是否进入过充状态以电池荷电状态（SOC）为判定基准，当监测到电池SOC超过100%时，则可以判定电池处于过充状态。

理论上，BMS可以实现簇级SOC评估，但实际工程中其评估误差往往较高，在实际工程案例中可高达65%；此外，BMS自身失效率也较高，据美国电力研究协会（EPRI）统计，2024年储能电池故障案例中有29%来自储能电站监控系统失效导致的操作不当。因此在本事故中，BMS可能由于对SOC的评估不准（低估了电池的SOC），导致电池在超时充电时未能及时给出风险提示。

图3：某储能电站BMS评估各簇SOC一致性良好的电池时出现近66%的误差

若电站能实现对电池SOC等电池日常运行指标的精准实时评估，并在相应指标超限时及时提醒运维人员停止对应电池滥用行为，则可极大地降低后续的热失控风险。

2）BMS未能及时检出电池早期故障

抛开事故中的人为超时充电因素，第4簇第12模块电池内部缺陷也可能是其在本次事故中率先起火的原因。由于BMS自身的存储和算力有限，无法基于长周期数据的分析实现对电池早期故障的预警，因此起火点模块电池在事故前可能已有累积的早期故障（如内部活性物质损失、内短路等）未被及时检出。

内短路是大多数电池热失控的重要原因，历史储能电站热失控事故案例中有90%均源自内短路。内短路从开始出现异常到发生热失控会经历数十到数百小时，在故障早期会表现电压曲线上某些特征量的异常。若电站能准确识别、检出早期内短路电池并及时更换，则可以遏制其最终发展为热失控。

3）电站BMS未能及时对热失控进行报警

本次事故发生前20分钟，起火点第4簇第12模块电池已经出现升温，但BMS在当时仅仅给出了过压警告，未对可能导致起火的危险温升现象作出提示；此外，起火点模块电池出现过温后，舱内14簇各模块电池受热出现了整体温升现象，BMS也未对该现象及此后的热失控作任何明确提示。

事实上，目前市场上普遍应用的BMS报警往往采用较为粗糙的单一指标（如电压、温度等）阈值，当指标超过阈值时触发警报，存在报警不及时、不可靠的问题。此外，BMS的温度感知也常出现失效、温漂等故障，容易造成误报漏报。

若能对电池多维信号进行复杂模型分析，在热失控发生早期实现报警，则可以指示运维人员及时采取断电等措施抑制热失控发展，最终避免严重事故的发生。

3. 事故反思 — 储能主动安全势在必行

储能电站的安全防控体系应包含本征安全、主动安全、被动安全三个环节。其中，主动安全环节贯穿于电站运行维护阶段，通过分析储能电站运行数据，实时评估电池安全状态，识别和定位安全风险隐患，通过主动运维措施，可及时排除故障风险，避免严重事故发生。

然而，目前多数储能电站的运行监测主要依赖BMS。BMS存在电池状态评估精度低、自身失效率高、难以检出电池早期故障等问题。在本次事故中，BMS自身缺陷正是造成事故的重要风险因素。此外，现有储能电站运维手段也存在不足。定期的被动运维检修依靠人工检修，工作量大，效率低下，难以及时发现安全隐患。

基于这一背景，北京西清能源科技有限公司依托清华大学四川能源互联网研究院研发了一套完整的储能电站主动安全及智能运维技术，并基于此成功研发了储能主动安全一站式预警系统。自从2020年实现国内首台最大单体储能电站应用以来，目前已累计覆盖储能装机容量超过4.0GWh，单站最大容量超过600MWh。

图4：西清能源首创的主动安全三级防控体系

针对本事故中因BMS缺陷而造成的各个安全漏洞环节，西清主动安全系统可以实现：

1）电站安全状态评估：基于大数据-电池机理融合模型实现电池单体级SOC及SOH评估，评估误差3%，相比电站BMS簇级评估的颗粒度更细，且评估精度相比国标要求提升40%，可在SOC越限、电池异常衰竭时及时发出风险告警。

图5：西清储能主动安全系统在线安全评估界面

2）电站安全隐患辨识及诊断：基于模式识别算法可对电站内存在的安全风险隐患—如BMS对SOC评估不准、传感器失效、均衡失效以及热管理系统故障等问题进行识别、定位、告警，避免因BMS失效或热管理系统故障造成电池滥用。在西清储能主动安全系统历史检出电站故障中，有近75%为BMS故障，13.1%为制冷设备故障。

图6：西清储能主动安全系统历史检出电站故障类型统计

基于状态评估及异常识别的结果，融合专家知识及运维现场经验构建了故障诊断及智能运维知识图谱，实现对检出的风险隐患进行诊断分析，并提供有针对性的运维措施建议。

图7：西清储能主动安全系统的故障分析诊断功能

3）电池早期故障准确识别及诊断：基于多维健康因子提取、漏电流模型等智能算法准确识别电池早期故障特征，实现内短路电池、异常衰竭检出准确率>99%，相比报警算法粗糙、无法实现内短路检出的BMS实现质的飞跃，可将热失控的诱发早期故障及时检出并扼杀在摇篮里。

图8：西清储能主动安全系统在某储能电站检出的内短路电池案例

4）热失控及时告警：基于多指标复杂模式联动分析算法，可提前15分钟以上发现热失控征兆，通过采取及时断电等措施抑制热失控进程，避免事故发展到消防阶段。

表2：西清主动安全系统与BMS的安全防控能力比较

表3：西清主动安全系统评估功能及效用

西清主动安全系统在目前储能电站主动安全市场上占有率高于80%，已在山东、江苏、内蒙古、重庆多地大型储能电站获得实际工程应用，守护超过4.0GWh电站的安全，其中单站最大容量超过600MWh，且已投运于国内最大的两个百兆瓦级储能电站。

图9：西清主动安全系统部分应用项目分布

4．结语

2011年以来，全球已发生大型储能电站火灾爆炸事故100余起，安全事故成为阻碍储能行业高效稳定发展的首要瓶颈。近年来，国家能源局、工信部、国标委等多次发文要求加强储能运行安全建设，2023年11月，国家能源局对储能电站风险监测能力作出严格规定，提出“各电力企业应于2024年12月31日前完成本企业监测能力建设，2025年以后新建及存量电化学储能电站应全部纳入监测范围”；此后，广东省、山东省等地方部委陆续发布储能电站设计规范，实现国家方针向地方实践的逐步渗透。

表4. 加强储能主动安全建设的政策号召

2025年2月17日，工信部等八部门联合印发《新型储能制造业高质量发展行动方案》，明确提出“加强新型储能各技术路线热失控及燃烧爆炸失效机理研究，发展基于电压、温度、荷电状态、变化率等运行关键参数智能传感器，结合先进算法开发高精度储能系统安全故障预判和诊断技术、储能电池热失控预警技术、储能电池状态和残值评估技术及相关验证技术”，该方案严密契合将电站安全防控建设融入日常安全评估、早期故障检出和重大事故预警三大环节，实现安全防控主动、科学与体系化的实践要求。

图10：工信部2月17日发文细则

作为国内储能主动安全技术的领创者，西清能源愿携手全行业同仁积极响应政策号召，精研覃思，奋楫笃行，助力电化学储能主动安全专业领域蓬勃发展，推动国家新能源战略实施和“双碳”目标的实现。

参考文献

[1]郭子清.一起储能电站火灾事故的分析与研究[J].中国设备工程,2023,(19):6-8.

[2] Srinivasan L, Shaw S, Billaut E. Insights from EPRI’s Battery Energy Storage Systems (BESS) Failure Incident Database: Analysis of Failure Root Cause[R]. [2024-05-10]. https://restservice.epri.com/publicdownload/000000003002030360/0/Product

文丨西清能源