电池包 GTR20 的 5 分钟要求现在已经覆盖全球市场。动力电池从内部自发热到冒烟起火，中间通常留有几分钟窗口。无论车辆处于什么状态，都必须给乘员留出 5 分钟撤离时间。
英飞凌 XENSIV 用 KP467、KP497 和 TCIx 三条路线，把热失控早期监测的方法做了一次系统性梳理。
动力电池起火，监控画面里看着是“砰”的一声，但绝大多数 BMS 其实等到最后一刻才反应过来。
电芯内部发生微短路，或者被过充，或者被外部加热持续烘烤，内部化学反应就开始自放热。热量攒到一定程度，隔膜熔化。隔膜一垮，正负极直接大面积接触，反应速度上一个台阶，气体开始大量生成。电芯内部压力顶到安全阀阈值，开阀排气。气体灌进电池包，包内压力随之抬升。再往后，才是大量冒烟，才是明火。
这个过程可以分解为：内部化学反应 → 自发热与隔膜熔化 → 产气 → 电芯开阀 → 包内压力上升 → 烟与火。加起来的时间量级，是几分钟。
那问题来了：怎么实现早期检测？
传统 BMS 看的是电压、温度、电流。温度靠 NTC 贴在模组或电芯表面测。热量从电芯内部传到表面，有热阻、有滞后。等 NTC 读数开始往上爬，内部的“戏”已经唱完大半了。电压更晚——开阀之前，单体电压的异常幅度小到足以淹没在采样噪声里，BMS 的均衡阈值和过压保护阈值根本够不到。
在热失控过程中，什么物理信号出现得最早？压力。
气体一生成，包内压力立刻跟着动。压力在同一个封闭腔体里传播，比热量穿过电芯壳体、导热垫、模组结构件要快得多。这正是英飞凌拿气压传感器做热失控检测的出发点——XENSIV KP467 系列。
量程 45 到 200 kPa，精度 ±3.0 kPa，10/12/14 位可选输出，每秒 10 次读数，100 ms 一个周期。热失控压力上升的时间尺度是秒到分钟级，100 ms 的采样周期绰绰有余。采样率的真正瓶颈不在传感器本身，而在静态功耗。
横轴是单体电压，纵轴是温度，中间划出一块“安全操作区”。电芯一致性差、散热设计保守、老化程度不明，都会让这块区域越收越紧。收得越紧，可用容量越少，成本越高。反过来，监测做得细、控制做得准，同样的电芯就能放出更大的 SoA。
GTR20 是联合国层面的电动车安全全球技术法规，要求车辆装一套热失控探测系统（RDS，Runaway Detection System），在热事件恶化到不可控之前，给车内乘员至少 5 分钟的撤离时间。这个 5 分钟不是拍脑袋定的，是拿逃生时间倒推出来的。而且覆盖所有车辆运行模式，包括停车状态，包括 BMS 断电的时候——停车、断电、还要持续监测。
那么问题来了：用 MCU 轮询行不行？
整车休眠的静态电流预算是几十毫安级，MCU 唤醒一次就吃掉几十毫安，撑不过两周。12 V 小电池先趴下，MCU 自己就是最大的功耗黑洞。所以正确的架构是：传感器自己监测，自己判断，超阈值了再唤醒系统。
KP467 的 Autonomous Low Power Monitoring（LPM）模式正是干这个的。传感器按配置周期自己采样，自己比较相邻样本的压差 Δp，超过阈值就拉一个中断把主机叫醒。功耗直接掉到 power down 档 ≤10 µA。英飞凌给 always-on LPM 应用标了 15 年寿命——10 µA 在整车休眠电流预算里，基本可以忽略不计。
第一种是连续样本梯度。每个压力样本跟上一个样本比，Δp₁ 超阈值就唤醒。简单、快，适合抓陡升，也就是那种爆燃式、压力在几十毫秒内冲上去的事件。
第二种是双窗口梯度。Δp₁ 管短窗口，Δp₂ 管一个更宽的间隔。短窗口抓突发，长窗口抓慢漏。比如 LFP 体系反应活性低，产气慢，压力是慢慢往上爬的，单看短窗口梯度很容易漏掉。
误报怎么办？海拔变化——车开上山、下地库——昼夜温度循环、充放电时的呼吸效应，都会让包内压力正常波动，波动幅度轻松盖过 ±3.0 kPa 的精度误差。解决办法是双窗口加 debounce，再加现场可调阈值。传感器配置和算法参数允许在整车量产之后再改，OEM 可以在实车标定结束、拿到真实波动数据之后回刷一组阈值，不用重新开模改硬件。热失控阈值从来不是算出来的，是标定出来的。
功能安全的分化同样关键。KP467 是 ISO 26262 ASIL-B，KP497 标 ASIL-A（可上探 ASIL-B），KP467Q 是 QM（走 AEC-Q103-002），TCI 是 QM，TCI-B 是 ASIL-B。一颗传感器从 QM 走到 ASIL-B，身份就变了：从“加装的检测件”变成“安全概念里有名字的部件”。这条线往上走，产业链的位置也跟着变。
三条路线，覆盖不同的化学体系与包型
英飞凌手里有三条技术路线，多种方案会长期并存，需要的是协同配合、统一策略，不是选边站。
◎ 第一条，纯压力。
KP467 和 KP467Q，DFN-8 封装，4.5 mm × 4.3 mm，比指甲盖还小。KP467 量程 45 到 200 kPa，KP467Q 收窄到 45 到 145 kPa，专门为 EV 电池包压力监测优化。量程收窄换来的是这个区间里更合适的分辨率表现。供电 3.0 到 5.25 V，主动电流 ≤3.5 mA，接口 SPI（4 线和 3 线都支持）。
◎ 第二条，压力加加速度。
KP497，DSOP-14 封装。量程 20 到 250 kPa，精度收到 ±2.0 kPa，16 bit 输出。供电范围降到 1.7 到 3.6 V，主动电流 ≤1.8 mA，power down ≤0.5 µA。片上还带 3 kB 用户 Flash。
加速度那条轴是干什么用的？磕碰监测。电池包托底、过减速带、路面冲击，加速度传感器记下来。撞完以后，系统可以拿这条记录去评估“这一下到底伤到电芯没有”，决定要不要限速、要不要进店检查。这是安全项。
更深一层的是经济项。欧盟电池法规要求动力电池全生命周期可追溯，机械冲击履历是评估残值、决定能不能梯次利用的关键输入。一颗传感器顺手把这条数据记进 3 kB Flash，边际成本几乎为零，价值却不低。
◎ 第三条，气体。
TCI 和 TCI-B，走热导率路线。测的是混合气体的热导率变化。量程 0 到 16 vol% H₂，精度 ±0.12 vol%，响应 <100 ms，平均电流 112 µA，power down 2.3 µA，给出的是组分整体偏移。
为什么在压力之外还要排一条气体路线？答案就两个字：LFP。
磷酸铁锂的热稳定性比三元好，产气反应慢，压力上升的幅度和速率都小。纯压力路线在 LFP 包上，检测阈值必须压得很低。压低了，又容易误报。热导率气体传感器对气体组分变化敏感，正好补上这个短板。
还有大体积场景。储能集装箱、大电量电池包，单点压力信号会被巨大的腔体体积稀释掉。气体传感器可以放在模组级或者 rack 级，近距离抓局部逸出。TCI 在大体积电池上特别有效，因为那里最容易出漏检和误报。
车端电池包保护乘员和车辆，覆盖正常行驶、充电、维修和碰撞后场景，不需要重新标定、不需要更换；储能端（BESS）保护电网可靠性，传感器装在电池包内或者机架上，抓早期热事件。
从自治能力看，KP467 和 KP467Q 有 LPM 模式，KP497 有可编程自治模式。TCI 这一栏是 No——它要靠主机轮询来喂，停车断电场景的系统设计难度比 KP467 那一条高。TCI-B 把自治运行补上了 Yes，这条短板基本抹平，代价是它从 QM 走到 ASIL-B，认证成本和验证周期都要重新算。
两条气体型号靠的都是 112 µA 的平均电流本身够低，加上 100 ms 的数据率，把系统功耗摊薄。选哪条，得看包的化学体系、体积，还有整车 E/E 架构能给出多少休眠预算。
四种检测信号，各有各的短板
压力信号产气即动、最早出现，在封闭腔体内传播快，器件成熟，还能自治运行。但海拔变化、昼夜温循、充放电呼吸效应都可能造成误报；LFP 慢产气时梯度偏小，也容易漏检。温度信号滞后于产气，优势是 BMS 已有 NTC、无需新增硬件，但热阻导致表面升温明显滞后。电压信号最晚，几乎接近开阀才显现，异常幅度淹没在噪声里，根本够不到保护阈值。气体热导率信号早且独立于压力，对低活性化学体系与大体积包敏感，但它测的是混合气体整体热导率，不是单组分选择性；TCI 需要主机轮询，TCI-B 才补上自治模式。总体来看，压力信号在其中平衡性最好，这也是为什么目前多数新方案把气压传感器作为热失控检测的第一路物理量。
英飞凌配套了五块评估板，还有一篇应用笔记（XENSIV sensors for EV battery thermal runaway detection）、两场 webinar，以及一门专门讲“压力传感器 vs 气体传感器”的培训课。
KP497 在美洲拿下的第一个平台项目挺有代表性。一家客户同时把它用在汽车和卡车、工业储能、人形机器人三个方向，DWIN 规模大约 100 万美元。拿下这个项目的关键点在于：LPM 的灵活度、传感器参数可现场调、ASIL-A 评级。还有一条他们自己写进去的——FAE、SAE 和全球 PAE 陪着客户工程团队跑了两年，跨多个机会点持续做性能和可靠性沟通。
小结
热失控检测通过 GTR20 的 5 分钟要求覆盖了全球范围内的车辆，大概率也会渗透到更多使用场景。
英飞凌的几张方案也正是目前行业的主流选择：压力路线便宜、成熟、能自治；气体路线对 LFP 和大体积包更敏感；加速度顺手把电池护照的数据也挣了。最终让 OEM 按化学体系和包型自己挑。
素材来源：Infineon Technologies《Advancing Battery Safety Through Early Thermal Runaway Detection with Infineon Sensors》，2026 年 9 月公开版，作者 Talal Khan Ali Zai、Giulia Del Frari。
发表于 1 小时前
|
查看: 8|
回复: 0
