-
题名基于气液逸出物图像识别的锂离子电池火灾早期预警
被引量：10
- 1
-
-
作者
唐文杰
姜欣
刘昊琰
金阳
-
机构
郑州大学电气工程学院
-
出处
《高电压技术》
EI
CAS
CSCD
北大核心
2022年第8期3295-3304,共10页
-
基金
国家自然科学基金(51807180)。
-
文摘
锂离子电池在事故条件(过充、短路等)下会在安全阀处喷出气液逸出物,其中包含大量可见的白色汽化电解液以及部分无色气体,有效识别白色汽化电解液并发出预警可大大降低储能电站火灾甚至爆炸的风险。为此,提出了一种基于气液逸出物图像识别的锂离子电池火灾早期预警方法。以YOLOv3算法为基础,同时考虑到锂离子电池储能舱快速、精确识别的安全性需求,将算法中的原始Darknet53特征提取网络替换成轻量级Re XNet特征提取网络;此外,利用K-means聚类算法得到适宜的初始化锚框,加快模型的收敛速度,并结合路径聚合网络进行多尺度特征融合提升模型的检测精度,使模型对大目标和小目标均能达到良好的识别效果。实验结果显示:该方法在对实际锂离子电池储能舱汽化电解液进行识别时表现出了良好的效果,在GTX1650显卡上测试的模型预测速度可以达到每秒65帧,平均精确度均值达到83.65%,基本满足实际应用需要。研究结果对于进一步提升锂离子电池储能电站的安全性及推动电化学储能的健康发展具有一定的参考价值。
-
关键词
锂离子电池
目标检测
多尺度特征融合
ReXNet
汽化电解液
储能电站
火灾
-
Keywords
lithium-ion battery
object detection
multi-scale fusion
ReXNet
vaporized electrolyte
energy storage power station
fire
-
分类号
TM912
[电气工程—电力电子与电力传动]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
