随着全球对可再生能源的日益依赖,可再生能源发电量预计在2025年上半年首次超过燃煤发电量[1],进一步增加了高效储能技术的需求。电池储能系统(BESS)在频率调节和削峰填谷中发挥着至关重要的作用,确保可再生能源稳定可靠地并网。截至2024年底,中国锂离子电池(LIB)储能已占据各种新型储能技术路线的主导地位,约占在运装机容量的96.4%[2]。截至2025年底,中国新型储能累计装机容量约为144.7GW,同比增长约85%,新增装机容量为66.43GW(相当于约189.48GWh的能量)[3]。然而,BESS的快速扩张引发了安全担忧。锂电池在异常条件下可能会发生故障并迅速劣化[4]。例如,2026年1月,加利福尼亚州圣马科斯市一处充电站的公用事业级BESS起火。该事件表明,大规模BESS的故障可能迅速升级。
近年来,BESS的事故风险受到了广泛关注,研究主要集中在内部短路(ISC)、热失控(TR)、气体产生等电池失效机制,以及由此引发的火灾和爆炸风险。在组件层面,许多研究探讨了不同滥用条件下锂离子电池热失控的引发和进展[5], [6], [7], [8],为电池失效的物化过程提供了见解。在系统层面,研究侧重于局部失效的升级,即故障电池释放的热量和气体可能在大规模BESS中引发火灾或爆炸[9], [10]。因此,近期的综述总结了锂离子电池的安全隐患,包括热失控、火灾和爆炸风险,并探讨了缓解策略[11], [12]。
除了对电池失效机制的基础研究外,学者们还通过实验和仿真分析了电池滥用事件的后果。电芯和模组滥用实验表明,热失控通常伴随着剧烈的放热和易燃气体的快速排放[13]。温度、放热量和气体成分测量表明,此类事件可以在短时间内造成高度危险的 thermal 和气体环境[14]。例如,在半封闭空间中的实验表明,在某些条件下热失控会加速,显著增加火灾风险[15]。热失控气体成分分析揭示了大量H2、CO、CO2和其他可燃气体的产生,其快速放热特性取决于电池的化学成分[16], [17]。其他研究证实,在堆叠电池配置中,热失控会导致严重的温度升高和气体释放[18], [19]。数值仿真表明,热传递和电池排列是热失控传播的关键因素。此外,不利条件下的局部失效可以快速升级为严重的热危害[20]。事故分析表明,一旦电池失效,释放的热量和气体可迅速使事态升级,威胁设备和人员安全。
鉴于电池失效的严重后果,BESS安全风险评价日益受到关注。现有研究采用历史数据分析等方法量化危险事件的概率,为系统层面的风险提供见解[21], [22], [23]。基于模型的方法如故障树分析(FTA)和事件树分析(ETA)描述了失效与事故之间的因果关系,而贝叶斯网络(BN)等概率方法则捕获依赖关系和不确定性[24], [25], [26], [27]。更成熟的技术包括失效模式与影响分析(FMEA)、概率风险评价(PRA)和保护层次分析(LOPA),这些方法整合了故障模型并评估安全屏障,以确保风险处于可接受水平。其他方法如Bow-tie分析和系统理论过程分析(STPA)有助于可视化故障路径并评估控制系统失效[28], [29]。功能共振分析方法(FRAM)用于建模系统变异性,了解正常操作中的变化如何导致危险后果[30]。动态贝叶斯网络(DBN)和蒙特卡罗仿真等动态模型为时间相关的风险传播提供了见解[31]。新兴方法还结合了模糊逻辑和概率模型来解决数据稀疏时的不确定性问题,例如引入领域特定的大语言模型(LLM)[32]。这些方法共同构成了BESS风险评价的框架。
当数据不足时,通常采用专家判断,结合模糊集理论或区间分析来管理不确定性[31]。例如,结合模糊故障树分析(FFTA)与专家知识聚合的PRA方法已被开发用于量化BESS中失效事件的似然性,同时考虑设计变异和风险因素间的相互作用,并管理专家意见中的不确定性[24], [33]。模糊逻辑也被整合到故障分析和可靠性模型中,使在缺乏精确数据的情况下能更灵活地估计系统失效概率[21]。此外,已有框架将区间二型模糊集(IT2FS)纳入贝叶斯模型,增强了不确定性表征能力,并允许在不确定条件下动态更新故障概率[34], [35]。除了模糊和贝叶斯方法外,蒙特卡罗仿真也被用于通过风险场景的统计采样近似失效概率,而状态转移或马尔可夫过程模型则为系统状态演化提供了概率描述[36]。此外,提出了一种多尺度综合风险评价框架,整合各种可靠性指标和风险耦合,为评估ESS的安全性和可靠性提供了更广泛的范围[37]。这些混合模糊和概率方法为风险事件概率估计提供了有效工具,尤其是在经验数据有限或不完整时,使其适用于BESS的风险管理。
高速撞击可能对电池系统造成严重危害。尽管目前尚未报道电池系统中发生此类确切事件的案例,但极端外部撞击对相关能源基础设施的潜在严重性已经显现,促使我们进行先导性分析以预测和评估类似危害。一个典型案例是2026年3月对伊朗南帕尔斯天然气田及相关能源基础设施的重大无人机和导弹袭击,该事件严重扰乱了能源供应,凸显了关键能源系统对外部撞击的脆弱性。然而,在如此极端条件下,现有混合模糊概率方法在专家权重确定和不确定性量化方面存在局限性。这些方法往往忽视考虑专家背景信息和适当平衡其判断的重要性。
针对这些局限性,本文的贡献在于开发了一种改进的基于PRA的方法框架,用于确定BESS在极端高速撞击下风险评估中的专家权重。所提出的方法通过处理不确定性和整合专家判断来量化风险,使能够估计火灾和爆炸等危险事件在复杂、不确定情况下的发生似然性。通过该方法,研究可以提高BESS在高速撞击下火灾和爆炸概率估计的准确性。此外,本研究进行了敏感性分析,以调查专家权重和共识的变化如何影响整体风险评价,为驱动该情境下最显著风险的因素提供了有价值的见解。
本文其余部分组织如下。第2节介绍所提出的方法,并描述在有限先验知识下如何获得先验概率。第3节致力于以BESS火灾和爆炸事故为案例构建贝叶斯网络模型并验证该模型。第4节讨论影响BESS火灾和爆炸事故的因素。最后,第5节对全文进行总结。