초록 리튬 이온 배터리(LIB)의 크기가 증가함에 따라, 보다 많은 온도 센싱 포인트를 배치할 수 있어 포괄적인 열 프로파일을 캡처하고 배터리 상태를 보다 정확하게 모니터링할 수 있다. 그러나 전통적인 내부 단락(ISC) 인식 방법은 초기 단계의 미세 단락에 대한 민감도가 제한적이며, 반응이 지연되고 외부 열 교란에 취약하여 잘못된 경고나 탐지 누락으로 이어지는 경우가 많다. 이러한 문제를 해결하기 위해, 본 연구에서는 열 저항 네트워크 모델과 코사인 유사성 기반 다양성 분석을 통합한 초기 ISC 식별 방법을 제안하며, 모델 예측 온도 필드를 참조 기준으로 사용한다. 이후에는 코사인 유사성에 기반한 비유사성 지수를 도입하여 측정된 온도 행렬의 지역적 편차를 동적으로 모니터링함으로써 미세 단락을 조기에 식별할 수 있도록 한다. 동시에 측정된 온도 필드와 예측된 온도 필드 간의 불일치 진화를 분석함으로써, 이 방법은 약한 외부 열 교란 하에서도 내부 결함 증상을 효과적으로 식별할 수 있다. 또한, 전기 난방선을 사용한 지역 가열 실험을 통해 ISC의 초기 열 거동을 시뮬레이션함으로써, 제안된 방법은 전통적인 온도 차이나 기울기 기반 접근 방법보다 높은 정확도, 견고성 및 반응 속도를 달성함을 보여주며, 특히 미세 단락에 유리하다. 이 방법은 미세 단락 인식의 민감도와 신뢰성을 향상시킬 뿐만 아니라 대형 LIB의 디지털 열 안전 모니터링을 위한 유망한 솔루션을 제공한다.
Wang et al. (Mon,)은 이 질문을 연구하였다.