机械诱导锂离子电池热失控短时域预测中多模态传感器信息的跨家族可迁移性评估

《Batteries》：Cross-Family Transferability of Multimodal Sensor Information for Short-Horizon Forecasting of Mechanically Induced Lithium-Ion Battery Thermal Runaway

　　

额外的传感器模态在熟悉的实验域内可能改善锂离子电池热失控（TR）的短时域预测，但这种收益在未见过的电池/来源家族中能否持续尚不清楚。本研究利用来自六个电池/来源家族的67次机械诱导TR实验评估了跨家族可迁移性。使用过去3秒的温度（T）、端电压（V）和穿透器载荷/力（F）历史预测1、2和5秒的温度增量。在关键的2秒触发前视界下，Extra Trees在实验分组随机验证下对T+V、T+F和T+V+F的效用分别为11.2%、17.5%和12.4%，而在留一家族验证下则分别为?3.5%、?6.3%和?14.3%。去除绝对V(t)将电压迁移惩罚点估计从14.7个百分点降至1.8个百分点；进一步相对缩放产生?0.8个百分点，但没有一致的增量收益。在六个家族中，联合电压-力特征差异在动态最大目标下显示出与迁移惩罚的条件性小样本关联（Spearman ρ = 1.00，精确p = 0.0028）；当使用中位热电偶（TC）温度或第一热电偶通道（TC1）时，该关联减弱。机械传感器迁移估计同样随目标构建而显著变化。在这个机械诱导TR数据集中，这些结果表明，明显的多模态收益取决于验证设计、传感器表示和目标温度定义。因此，跨家族主张应得到家族域留出验证以及协调的输入和目标表示的支持。关键的触发前分析是对一个回顾性定义的窗口（相对于运行TR起点?10 ≤ τ < ?2 s）的短时域回归，而非自主的前瞻性预警触发器。

研究背景与现存问题：锂离子电池在电动汽车和储能系统中的大规模部署使得安全监测至关重要。热失控（TR）是最严重的失效模式之一，自加速的电化学和热化学反应可导致温度快速攀升、喷发、火灾甚至爆炸。为此，已有大量基于热、电、气体、压力、力学、声学和光学等信号的预警研究。然而，附加传感器的实际收益可能取决于评估域：电池化学、设计、容量、荷电状态（SOC）、仪器配置和滥用方式都会改变传感器分布以及传感器与目标之间的关系。已有的跨域状态估计和域泛化方法主要面向状态估计、预后或TR诊断，但诊断或目标域适应并不等同于回答一个更窄的问题：当整个电池/来源家族在模型开发中完全缺失时，新增传感器的边际预测收益能否保持。此外，来源身份与测量表示可能相互混淆：不同实验室的传感器布局、通道数量和仪器约定差异较大，而预测目标（如单点表面温度、多点热电偶最大值或中位数）同样可能因测量设计而不同。因此，研究人员需要系统评估多模态传感器信息在跨家族场景下的可迁移性，并分离验证设计、输入表示和目标温度定义的影响。

研究内容与结论：本研究基于公开的机械诱导锂离子电池热失控数据集（由橡树岭国家实验室和桑迪亚国家实验室合作产生，Mendeley Data版本2，DOI: 10.17632/sn2kv34r4h.2），筛选出67次满足条件的独立实验，涵盖6个电池/来源家族。研究人员严格使用过去3秒的温度（T）、端电压（V）和穿透器载荷/力（F）信号，预测未来1、2和5秒的温度增量，并比较了实验分组随机验证与留一家族验证（LOFO）下的边际传感器效用。研究发现，在关键的2秒触发前视界下，实验分组随机验证中T+V、T+F和T+V+F的相对效用分别为11.2%、17.5%和12.4%，而LOFO下则变为?3.5%、?6.3%和?14.3%，即存在14.7至26.7个百分点的迁移惩罚。去除绝对V(t)可大幅降低电压迁移惩罚点估计（从14.7个百分点降至1.8个百分点），进一步相对缩放未提供一致增量收益。跨家族分析显示，V+F特征差异（MMD²）与配对迁移惩罚在动态最大温度目标下存在完全秩相关（ρ=1.00，p=0.0028），但改用中位热电偶（TC）或第一热电偶通道（TC1）后显著减弱。机械传感器迁移估计同样高度依赖目标温度构建方式。上述结果说明，明显的多模态增益不能脱离验证设计和测量表示进行解读，跨家族预测主张需要家族域留出验证和输入/目标表示协调。

关键方法：研究人员从公共数据集中筛选出67次机械诱导TR实验（来自6个电池/来源家族）。使用温度、端电压和穿透器载荷/力信号构造严格因果的3秒历史特征，通过Ridge回归和Extra Trees回归进行多输出预测（1、2和5秒温度增量）。验证方案包括族内分组、实验分组随机和留一家族（LOFO）。域差异用平方最大均值差异（MMD²）量化。电压表示采用原始、仅动态和相对缩放三臂消融；机械信号采用尺度不变与极性不变变换；目标温度以动态最大为主，并以中位TC和TC1作敏感性分析。

### 3.1 边际传感器效用的验证方案依赖性
在首要动态最大温度目标下，实验分组随机验证中Extra Trees对T+V、T+F和T+V+F在2秒前触发视界的效用为正（11.2%、17.5%、12.4%），而LOFO下均为负（?3.5%、?6.3%、?14.3%），迁移惩罚分别达14.7、23.8和26.7个百分点，其中T+F和T+V+F的95% bootstrap区间不含零。十种替代随机划分和族内分组验证也得到类似的正效用估计，说明熟悉域内的收益并非由单个划分造成。Ridge的迁移惩罚较小（T+F为5.4、T+V+F为2.5个百分点），模型容量和归纳偏置影响了衰减程度。Extra Trees的随机种子和树数变化不改变正向惩罚的定性模式。跨家族和跨实验的迁移退化存在明显异质性，SNL LCO表现最差，Soteria Control几乎无退化。

### 3.2 传感器域差异和电压表示
在六个家族中，联合电压-力特征差异MMD²与配对惩罚在2秒和5秒时秩相关完全一致（ρ=1.00，p=0.0028；ρ=1.00），在1秒时为0.886；该关联被视为条件性小样本相关而非因果定律。电压三臂消融显示，原始电压在2秒的迁移惩罚为14.7个百分点；去除绝对V(t)后点估计降至1.8个百分点，LOFO效用变为11.1%且组随机效用为13.0%；进一步相对缩放产生?0.8个百分点，但增量减小（3.8个百分点，95% CI含零）未得到一致支持。大多数点估计层面的改进来自排除绝对电压水平，而非相对缩放。

### 3.3 目标温度表示、稳健性和局限性
替换SNL热电偶聚合方式显著改变结果。动态最大目标下V+F MMD²与罚的相关性（ρ=1.00）在中位TC下降至0.43（p=0.419），在TC1下降至0.71（p=0.136）。SNL LCO的T+V+F配对惩罚从主目标下的+6.53 °C变为中位TC下的?0.10 °C和TC1下的+0.50 °C。机械信号方面，尺度不变和极性不变变换降低了域差异（MMD²从0.600降至0.485和0.307），但未改善LOFO下的T+F效用，反而从?6.3%降至?27.5%和?28.8%；原始T+F惩罚从动态最大下的23.8个百分点变为中位TC下的?5.5和TC1下的?13.4个百分点。目标温度构建方式因此可逆转变换结论。

讨论与结论：讨论部分强调，LOFO和迁移惩罚能够揭示新增传感器在未见家族中的收益是否持续，但预测误差本身不等同于可用预警提前时间。实际报警还需考虑阈值、确认逻辑、采样节奏、传感器响应、通信和处理延迟等。本研究的局限包括：仅针对机械诱导内部短路实验，家族标签为复合域，无法分解单一因素；触发前分析依赖于回顾性定义的窗口，不具备前瞻性；穿透力信号来自滥用装置而非可部署的膨胀传感器；SNL六热电偶与其他家族单通道的差异导致目标构建不确定；仅六个独立域限制了结论外推。结论可翻译为：在本文评估的机械诱导TR数据集内，明显的多模态预测收益并不等于跨电池/来源家族可迁移的收益。验证设计、传感器表示和目标温度定义共同决定一个表观传感器收益能否被合理地解释为可复用的预测信息。这些发现并未建立可运行预警提前时间或电池管理系统（BMS）报警性能。