部分可观测条件下电池退化风险的随机可靠性建模与基于风险认知的运行决策

《Process Safety and Environmental Protection》：Stochastic Reliability Modelling and Risk-Informed Operational Decision-Making for Battery Degradation Risk under Partial Observability

　　

**摘要**
随着锂离子电池能量密度的不断提高，内部安全监控变得日益重要，尤其是对于预防灾难性的内部短路而言。传统可靠性方法通常将退化估计与决策制定分开，并可能忽视了电池内部退化的随机性和部分可观测特性。本文开发了一个部分可观测马尔可夫决策过程（POMDP）框架，用于电池退化风险推断和基于风险的操作控制。潜在退化风险状态被表示为隐藏状态，通过离散退化阶段演化，而信念分布则通过贝叶斯推断利用间接诊断信号进行递归更新。该框架使用来自老化NMC/石墨电芯电化学阻抗谱（EIS）数据集的高频电阻（R0）观测值进行演示。连续测量值被离散化为观测类别，用于概率状态估计。结果表明，该框架能够捕捉渐进式退化风险，并随着严重退化估计可能性的增加，建议从正常操作转向降低应力的措施。在假设的奖励结构下，获得了69.08的总折扣奖励，说明了操作效用与故障风险缓解之间的平衡。这一统一结构为在部分可观测条件下提高锂离子电池的安全性和可靠性评估提供了概率方法论。

**引言**
锂离子电池（LIBs）具有高能量密度和长循环寿命，与传统技术（如铅酸电池和镍氢电池）相比，它们是全球向更可持续能源转型的关键推动力量。这些优势加速了锂离子电池在电动汽车和固定储能系统中的应用，在这些系统中，锂离子电池支持交通电气化、电网稳定、削峰填谷以及太阳能和风能等间歇性可再生能源的整合（Ralls等人，2023年，Chen等人，2020年，Diouf和Pode，2015年）。尽管锂离子电池被广泛使用并提供显著的性能优势，但它们在使用过程中可能会面临严重的安全挑战。

电池故障可能通过热失控升级，这是一种快速的自热过程，可能加剧退化并增加安全风险（Pfrang等人，2017年）。内部短路（ISC）是最关键的初始机制之一，因为它可以产生强烈的局部加热，并在严重条件下加速热失控的发生。内部短路可能由装配过程中的颗粒污染或电极和隔膜错位引起，也可能由机械变形和枝晶生长穿透隔膜引起（Comanescu，2025年，Zalosh等人，2021年，Xiong等人，2020年）。严重的电池故障还可能涉及电解质分解、产气、火灾、爆炸以及在滥用或高温条件下释放有害物质（Pfrang等人，2017年，Zalosh等人，2021年，Mrozik等人，2021年）。这些事件不仅引发了人们对电动汽车的担忧，还更广泛地引发了人们对电网储能系统可靠性的关注；如果一个电芯发生故障，它有可能通过模块或电池包产生连锁效应，导致整个系统的毁灭（Pfrang等人，2017年，Doughty和Roth，2012年）。因此，全行业正在紧急推动改进电池监控，采用先进的电池管理系统（BMS）和更严格的可靠性标准，如"安全状态"来监控电池健康并在全生命周期中减轻风险（Pfrang等人，2017年）。这些安全事件说明了理解电池组件级故障机制对于改进内部短路预防的重要性。

锂离子电池通常设计为高能量、高功率和低生产成本，但不断增加的能量密度和总储存能量凸显了确保最大安全性和可靠性的重要性（Chartouni等人，2020年）。在正常运行过程中，锂离子电池会经历多种退化过程，包括电极结构变化、锂沉积和电解质分解，随着内部电阻增加，电芯变得在结构和电化学上越来越不稳定（Khan等人，2025年）。这些老化过程可能导致隔膜损伤和活性材料开裂，从而引起严重的内部短路或热失控（Khan等人，2025年，Elmahallawy等人，2022年）。

这些退化路径受温度波动、激进循环和制造不一致性等因素的高度影响，因此确定性的性能指标不足以预测实际行为（Yang等人，2025年）。因此，可靠性感知设计已成为一门将安全和退化预测整合到电池开发早期阶段的重要学科。这从传统的性能目标转向概率风险评估，以更深入地了解电池在整个生命周期中的行为（Chartouni等人，2020年，Khan等人，2025年，Yang等人，2023年）。

失效模式与影响分析（FMEA）和故障树分析（FTA）是用于表征锂离子电池安全性的系统分析方法，通过识别可能的失效模式、检查危险事件之间的关系以及突出电池系统内的关键弱点（Yang等人，2023年）。此外，先进的概率方法，如贝叶斯网络（BNs）和马尔可夫模型，已被证明是量化危险事件可能性和在不确定性下建模电池退化演化的有用工具（Yang等人，2023年，Kim等人，2024年）。采用这些成熟的可靠性方法，电池研究人员和制造商可以更好地识别异常退化，从而为电动汽车和电网存储等高风险应用开发更安全、更可靠的电池（Khan等人，2025年，Yang等人，2023年）。最近的可靠性研究越来越多地将退化评估与操作决策相结合，包括自适应负载、性能控制、任务中止策略（Qiu等人，2026年，Qiu等人，2025年）以及在检查不确定性下的维护优化（Wang等人，2026年）。在可靠性和维护研究中，部分可观测性广泛描述了真实系统状态只能通过人工检查、有噪声的状态监控、隐藏缺陷诊断或误报/漏报检查结果不完全揭示的情况（Wang等人，2025年）。尽管这些研究解决了可靠性和维护决策中的观测不确定性问题，但它们通常不适用于电池退化监控，在电池退化监控中，内部退化条件无法直接测量，必须从间接电化学信号推断出来（Avula等人，2019年）。在这种情况下，能够处理隐藏系统状态和观测不确定性的建模框架是进行不确定性下的可靠性评估和决策的一种有前景的方法（Xu等人，2025年）。

部分可观测马尔可夫决策过程（POMDPs）通过统一潜在状态推断和不确定性下的序贯决策优化，相比确定性框架、标准马尔可夫决策/退化模型和基于贝叶斯网络的可*译*方法提供了有用的结构优势。与依赖静态阈值并可能对噪声条件敏感的确定性基于规则的方法不同，POMDP维护递归信念分布，作为系统历史的充分统计量，正式量化了从间接诊断信号推导出的不确定性（Deep等人，2023年，Pouya和Madni，2021年）。虽然标准马尔可夫决策模型通常假设完全状态可观测性，而这一假设在内部电池监控中经常被违反，因为在内部电池监控中退化必须从电化学特征推断，但POMDP明确解决了部分可观测性问题，可能减轻过早或过于激进的 control 行为（Xu等人，2025年，Spaan，2012年）。此外，虽然贝叶斯网络有助于对依赖性进行概率推理（Kwag等*译*，2018年），但POMDP明确地将这种推断与结合信息价值的统一决策结构耦合在一起（Song等人，2022年）。通过计算最优价值函数和累积折扣奖励，该框架为平衡长期操作效用与故障风险提供了定量基础，随着潜在退化状态的演化（Song等人，2022年，Hauskrecht，2000年）。

单个电芯组件（如负极、正极、电解质和隔膜）的电化学和机械行为对锂离子电池的安全性和可靠性至关重要。许多关键的退化和失效机制发生在这个组件层面，包括锂沉积和枝晶生长、电极结构损伤（如颗粒断裂）、电解质分解以及内部阻抗的增加（Chartouni等人，2020年，Kaliaperumal等人，2021年）。尽管隔膜完整性对于防止内部短路至关重要，但组件级退化和失效演化很少使用鲁棒的可靠性框架进行建模（Yuan等人，2020年）。机械损伤、热收缩、孔隙堵塞或结构坍塌可能损害隔膜完整性，产生内部短路，引发快速放热链式反应，导致热失控（Feng等人，2018年）。因此，全面了解这些组件级的失效过程对于提高电池使用寿命和预测性可靠性分析至关重要（Kaliaperumal等人，2021年）。

本研究旨在开发一种基于POMDP的框架，用于评估部分可观测条件下锂离子电池的退化风险，特别关注内部电池安全问题。所提出的框架在统一结构中集成了隐藏状态估计、递归概率更新和操作决策支持。使用EIS衍生的高频电阻作为间接诊断信号（而非组件级故障的直接证据）来更新潜在退化风险状态的概率。基于不断演化的风险评估，该框架建议基于风险的操作，包括继续运行、降低应力运行或关机。为了演示所提方法的适用性，使用老化锂离子电池的EIS数据进行了案例研究。

**方法论**
提出了一种创新的框架，使用部分可观测马尔可夫决策过程（POMDP）将电池退化风险动态建模为部分可观测下的序贯决策过程。该框架能够从观测到的电化学参数中估计潜在的退化风险状态，同时捕捉退化的随机性和操作决策的影响。

该框架的创新之处在于其能够将退化建模、

**方法论的应用：案例研究**
为了演示所提出框架的适用性，我们考虑了一个使用已发表的EIS数据集的案例研究（Khan等人，2026年）。在这里，由于数据可用性，我们仅考虑EIS从基于阻抗的观测中推断潜在退化风险状态，尽管如通用方法论第2节所示，可以使用多种退化指标。这里的目的是演示所提出的基于POMDP的框架的适用性，以推断潜在的

**结论**
本工作提出了一种基于POMDP的概率框架，用于锂离子电池的退化风险推断。所提出的框架在统一结构中集成了退化建模、隐藏状态估计和基于风险的决策制定，以解决电池退化风险演化的部分可观测性和随机特征。使用贝叶斯信念更新，基于间接诊断信号推断潜在退化风险状态，这允许

CRediT作者贡献声明
Amir Hooshang Taheri：撰写——审阅与编辑、监督、资金获取、概念化。Rouzbeh Abbassi：撰写——审阅与编辑、资源、项目管理、资金获取、概念化。Shiva Quick：撰写——原稿、验证、软件、方法论、形式化分析、数据整理、概念化。Omid Javadi：撰写——审阅与编辑、监督、概念化。Fatemeh Salehi：撰写——审阅与编辑、监督、概念化。

竞争利益声明
作者声明他们没有已知的竞争财务利益或个人关系，这些可能影响本文报告的工作。

致谢
作者感谢Voltavate和麦考瑞大学为本研究提供的财务支持。本工作的部分内容在AI语言模型的帮助下起草，以提高清晰度和语法。所有内容、分析、解释和结论均为作者的责任。

Shiva Quick | Rouzbeh Abbassi | Omid Javadi | Fatemeh Salehi | Amir Hooshang Taheri