基于AHP-BN的新能源電池試驗動態風險分析

中圖分類號：U467 收稿日期：2025-04-02 DOI： 10.19999/j.cnki.1004-0226.2025.05.014

Dynamic Risk Analysis of New Energy Battery Laboratory Based on AHP-BN

Ma Xinyu Gao Tian CATARCAutomotive Test Center（Wuhan）Co.，Ltd.，Wuhan430o50，China

Abstract：Thesafetyriskassessmentofnewenergybatterylaboratoryisveryimportanttoensurethetestprocess.BasedonAHPBNcouplingmethod，afourdimesioalidexsstecoveringpersoel，quipent，vioentandaagementisostructed. Theanalytichierarchyprocess（AHP）resultsshowedthathepersonnelfactor（weightO.39）andthedamagedegreofsamplesafter testing（weightO.14）hadthemostsignificantimpactonthesafetyrisk.ThedynamicprobabilityanalysiscombinedwithBayesiannetwork shows that the probability of test safety risk is 24.73% ，in which the level of personnel operation，battery SOC status and safety awarenessaretekeyinfluencingfactors.Thismethodefectivelyintegratestheadvantagesofsubjectieandobjectiveevaluatioand puts forward targetedimprovementmeasures，suchasstrengthening persoeltraining，optimizingsampledetectionprocessandrealtimemonitoringofbatery status，whichcanprovide decisionsupportforthesafety management ofnewenergybaterylaboratory.

Keywords：Newenergybattery;AHP;BN;Riskanalysis

1前言

隨著我國能源結構轉型加速，新能源汽車產業已成為實現“雙碳”目標的核心領域1。作為新能源汽車的關鍵部件，新能源電池的安全性與可靠性問題仍存在技術瓶頸2]。新能源電池試驗室承擔著電化學性能測試、濫用工況模擬、失效機理研究等高危試驗任務，在試驗及存儲過程中可能發生電解液泄漏、熱失控等現象，存在一定的安全風險[3-6]。

近年來，最大溫升監控防爆區設計8、建筑安全設計9等方法被用于提高試驗室安全性，但多聚焦于單一風險因子，缺乏對“人機料法環”全要素的系統分析。復雜系統的風險評估的方法主要有層次分析法（AnalyticHierarchyProcess，AHP）[1o]和貝葉斯網絡（BayesianNetwork，BN）[I]等。張紅燭等[12]基于AHP從管理制度、樣品損傷程度等角度對風險因素進行識別，研究表明鋰電池檢測試驗室安全管理的重心應當在人員和樣品的安全管理；王文和等[13]通過BN敏感性分析識別關鍵風險因素，驗證城市地下燃氣管網失效概率為 7.90× 10^-2 ，事故后果以噴射火為主；邢英等[14]對海底隧道交通事故風險進行敏感性分析，結果表明不安全駕駛行為、安全意識和車速是關鍵因素，海底隧道處于低風險狀態的概率為 79% ，重大風險僅 3% 。隨著研究的深入，AHP-BN耦合方法逐漸應用于吊裝作業[15]潰壩生命損失[16]等領域的風險分析，形成主客觀兼顧的風險評估，有著良好的有效性。新能源電池試驗室安全風險評估分析多以單一方法為主，AHP-BN方法應用較少，未能實現動態性與靜態性的融合。

本研究提出基于AHP-BN的新能源電池試驗室動態風險分析評估方法，結合試驗室運行經驗，構建多維度風險分析模型，為新能源電池試驗室的安全管理體系搭建提供科學依據與技術支撐。

2分析方法

2.1層次分析法

層次分析法是一種基于數學與心理學的多準則決策分析方法，其核心思想是通過構建層次化結構模型，將復雜問題分解為目標層、準則層和方案層，結合定性與定量分析實現決策問題的系統化[7]。下面分析AHP的基本步驟。

a.建立層次結構模型。

將復雜問題分解為多層次結構，頂層為目標，中間層為準則層，底層為指標層。目標層為待解決的核心問題；準則層為影響目標的關鍵因素；指標層為各準則下的具體評估指標。

b.構造判斷矩陣。

采用1～9標度法對同一層次的元素進行兩兩比較，形成判斷矩陣：

式中， a_ij 為元素 i 相對于元素 j 的重要性程度。例如，若指標 i 比指標 j 重要3倍，則 a_ij=3，a_ji=1/3 。

c.權重計算。

計算判斷矩陣的最大特征值 λ_max ，然后計算對應的特征向量，歸一化后得到權重向量 ω_i ，相關公式如下：

d.一致性檢驗。

通過一致性指標 （CI） 和隨機一致性指標 （RI） 計算一致性比率 （CR） 驗證判斷矩陣的合理性，公式如下：

若 CRlt;0.1 ，則矩陣具有一致性；否則需調整判斷矩陣。

2.2貝葉斯網絡

貝葉斯網絡是一種概率圖模型，通過有向無環圖（DAG）和條件概率表（CPT）描述變量間的因果關系與不確定性，其核心是利用貝葉斯定理實現動態概率推理，適用于復雜系統的風險評估與預測[18]。

貝葉斯網絡由節點和有向邊構成，節點代表隨機變量，有向邊表示變量間的直接因果關系。若存在從節點X 指向節點 Y 的邊，則 X 為 Y 的父節點， Y 為 X 的子節點。網絡中的根節點（無父節點）需定義先驗概率，而非根節點則需定義在父節點取值組合下的條件概率分布。貝葉斯網絡通過鏈式法則計算聯合概率分布。對于包含 n 個節點的網絡，聯合概率分布如下：

式中， F（X_i） 為 X_i 的父節點集合。

基于貝葉斯公式，可根據父節點狀態預測子節點的后驗概率，或根據子節點狀態反推父節點的后驗概率，貝葉斯公式如下：

其中， P（B） 可通過全概率公式計算：

與BN的耦合優勢

AHP依賴專家主觀判斷，難以處理動態不確定性問題和變量間的因果依賴關系。BN網絡結構復雜，節點權重分配可能缺乏系統性依據。本研究結合AHP與BN方法，利用AHP構建評價體系層級，利用BN量化風險因素間的動態影響關系，將AHP的權重計算結果轉化為BN的先驗概率，提升復雜系統的決策魯棒性，實現主觀經驗與客觀數據的融合分析。

3結果與分析

3.1基于AHP的新能源電池試驗室風險分析

通過專家討論研究，并結合實際案例和試驗室安全管理經驗，得出新能源電池試驗室風險因素，其包含人員因素 B₁ 、物的因素 B₂ 環境因素 B₃ 、管理因素 B₄₀ 為便于定量分析，其風險指標體系如表1所示。

3.1.1模型構建

以各風險指標為基礎，構建新能源電池試驗室風險層次結構模型，如圖1所示。

3.1.2層次分析法計算結果分析

邀請一位來自其他新能源電池試驗室的相關領域專家，其具備新能源電池測試實踐基礎，熟悉新能源電池試驗室安全管理規范，對新能源電池測試要求、潛在風險，應急處置預案等有著深入了解。該專家采用1～9標度法對各一級風險指標影響因子進行打分，得到判斷矩陣：

對判斷矩陣進行權重計算和一致性檢驗，其一致性指標 CI 為0.0069，一致性比率CR為0.0076，滿足小于1的條件，即具有一致性。同樣，該專家對各一級風險指標下的二級風險指標影響因子進行打分，計算后的數據均表現出良好的一致性，各風險指標權重如表2所示。

由表2可知，一級指標中，人員因素 B₁ 權重最高，物的因素 B₂ 次之，環境因素 B₃ 最低。其中人員因素權重達到了0.3856，較物的因素 B₂ 高0.0358。結果表明，人員因素是新能源電池試驗室安全管理的重點方向，應當著重進行人員教育、管理和監督。二級指標中，人員安全意識 C₁ 權重最高，達到0.2068，其次分別是測試后樣品的損傷程度 C₇.50C 狀態 C₆ 、人員安全防護技術能力 C₂ 應急預案 C₁₃ ，上述5項二級指標權重之和為0.63。結果表明，在進行新能源電池試驗室安全管理時，重點任務是提高人員安全意識，此外還應當關注測試后樣品的損傷程度和SOC狀態，提高人員安全防護技術能力，完善應急預案，從而提升新能源電池試驗室安全水平。

3.2基于BN的新能源電池試驗室風險分析

新能源電池試驗過程中存在多維度風險因素，為實現對事故風險的系統性評估，本研究基于系統安全理論框架，從人員操作 （B₁） 、設備狀態 、環境條件 （B₃） 和管理制度 （B₄） 四個維度構建風險識別體系。試驗安全性的關鍵在于對作業流程中潛在風險的有效管控，通過對各環節風險要素的系統識別，運用GeNIe軟件建立了電池事故風險的貝葉斯網絡模型，如圖2所示。

3.2.1條件概率的獲取

采用專家打分法以及試驗信息來確定各風險因素的先驗概率，如表3所示，其中 Y 代表風險發生， N 代表風險不發生。

在貝葉斯網絡模型的構建過程中，條件概率的精確設定是確保模型可靠性的關鍵。針對具有條件依賴關系的非根節點，需要采用結構化概率關系來表征其不確定性特征。本研究引入概率估計模型作為量化分析工具，旨在系統揭示節點間復雜的非線性關聯模式和作用機理。以“環境因素\"節點為例，其狀態概率分布不僅取決于父節點的直接影響，還可能涉及多變量的協同作用。通過建立參數化的條件概率表達式，可以直觀展示不同風險因子組合對環境風險水平的動態影響規律，具體量化結果如表4所示。

3.2.2貝葉斯網絡推理分析

基于貝葉斯網絡模型的計算結果，在電池事故發生時，各風險因素的后驗概率分布如圖3所示。分析表明，人為因素（ 30% ）對事故的影響最為顯著，其次是設備因素 27% 、管理因素（ 20% 和環境因素 （9%） 。在具體風險因子中，人員操作水平 （5%） 、安全意識 （6%） 以及電池SOC狀態 6% ）的貢獻度較高。因此，試驗室安全管理應重點關注以下方面：強化操作人員技能考核、定期開展安全教育培訓、嚴格執行樣品去電化處理以降低SOC狀態。

當部分風險因素已知時，可采用貝葉斯逆向推理方法進行事故診斷分析。以某次試驗為例，已知條件包括：操作人員資質達標、團隊配合良好、測試前樣品狀態正常、測試后樣品受損嚴重、設備維護記錄完整、安全設施運行有效且應急預案完善。通過反向推理計算發現，SOC狀態和人員安全意識的后驗概率顯著升高，如圖4所示。這表明，新能源電池試驗室應當著重從SOC狀態、人員安全意識兩方面入手進行隱患排查。通過持續更新現場實際數據，貝葉斯網絡能夠動態計算各節點的概率分布，為風險管控決策提供量化依據，直至將事故風險控制在可接受水平。

3.3基于AHP-BN的新能源電池試驗室動態風險分析

在風險評估領域，層次分析法和貝葉斯網絡各自具備獨特的優勢。AHP能夠構建出一套系統的權重結構，把難以直接量化的定性因素進行量化處理，實現對定性因素的量化評估。而貝葉斯網絡則是基于條件概率論開展量化計算，依據已有的數據信息，確定各個變量之間的條件概率關系，對其他變量的狀態進行概率推理。本研究通過將AHP權重轉化為修正參數并與BN輸出結果耦合，在風險分析中既考慮量化數據又融人結構化專家判斷，從而實現更加準確的新能源電池試驗室動態風險分析。

本研究采用層次分析法與貝葉斯網絡相結合的方法構建風險評估模型。在模型構建過程中，首先基于AHP確定的指標權重體系，將其轉化為貝葉斯網絡的條件概率。當父節點處于“高”風險狀態時，子節點的條件概率直接采用AHP權重值。當父節點處于“低\"風險狀態時，將子節點條件概率統一設定為0.2的基準值。

結果顯示，試驗安全風險的整體發生概率達到24.73% 。測試后樣品損傷程度、人員安全意識水平、電池SOC狀態3個二級指標的影響最為顯著，分別達到15.2%.13.8%.11.6% 。對測試后樣品損傷程度、人員安全意識水平、電池SOC狀態進行敏感性分析，可知當上述任一風險因素的發生概率達到 100% 時，試驗安全風險發生概率將出現超過 15% 的顯著增長。

基于以上研究結果，建議新能源電池試驗室在安全管理中重點采取以下改進措施：完善樣品檢測流程規范，降低測試后樣品損傷風險；加強人員安全培訓，提升操作人員的安全意識；建立完善的環境監控系統，實時監測電池SOC等關鍵狀態參數。這些措施的實施將有效降低試驗過程中的安全風險。

4結語

通過AHP-BN的新能源電池試驗室動態風險分析方法實現了新能源電池試驗室風險的動態量化評估，揭示了人員因素和樣品狀態的核心影響，彌補了傳統靜態評估方法的不足。研究成果為試驗室安全管理提供了針對性改進方向，如強化人員安全意識、優化樣品處理流程等。未來可結合更多實時數據優化模型參數，進一步提升風險評估的準確性與時效性，為新能源電池行業的安全發展提供技術支撐。

參考文獻：

[1]任高暉，姜成龍，劉磊，等.面向新能源動力電池試驗室潛在風險的安全管控策略研究［J/OL].電池工業，1-11[2025-03-27].http：//kns.cnki.net/kcms/detail/32.1448.TM.20250311.1047.002.html.

[2]WangQ，maoB，Stoliarov SI，etal.Review of lithium ion battery fail-ure mechanisms and fire prevention strategies[J].Progress in EnergyandCombustionScience，2019，73：95-131.

[3]馮爽，許立坤，胡帛濤，等.三元鋰離子電池熱擴散行為研究[J].電源技術，2025，49（2）：355-360.

[4]李季梅，陳寧，姚曉暉.鋰電池火災爆炸風險九度分析模型及安全防范策略研究[J].消防科學與技術，2025，44（1）：1-9.

[5]LaiXin，Yao Jian，JinChangyong，etal.AReview ofLithium-IonBat-teryFailureHazards：TestStandards，AccidentAnalysis，and SafetySuggestions[J].Batteries，2022，8（11）：47-51.

[6]Feng Xuning，Ren Dongsheng，He Xiangming，etal.Mitigating ThermalRunawayofLithium-IonBatteries[J].JOULE，2020，4（4）：119-124.

[7]于會濤，張曉婷，朱海兵.淺論動力電池試驗室的廣義安全和主動安全[J].上海汽車，2024（3）：47-50.

[8]李秋實，張謙，曾光，等.汽車試驗室的火災危險性及防爆區分析[C]//中國汽車工程學會.2021中國汽車工程學會年會論文集（5）.機械工業第九設計研究院有限公司，2021：696-699

[9]尚旭.新能源電池試驗室建筑安全設計研究[J].汽車知識，2025，25（2）：81-83.

[10]黃遵樂，程坤，阮翔麟.基于層次分析法的城市綜合管廊消防安全評估分析[J].城市建筑，2025，22（6）：65-67.

[11]LiSY，HuangZH，GeFL，etal.An emergency linkage system of ur-bangaspipeline network based on Bayesian network[J].Journal ofLossPreventionintheProcessIndustries，2024，92：105-110.

[12]張紅燭，董文楷，衛利峰.鋰電池檢測試驗室的安全管理風險指標分析及體系構建對策措施研究[J].中國汽車，2023（12）：44-50.

[13]王文和，董傳富，劉林精，等.基于貝葉斯網絡的城市地下燃氣管網動態風險分析[J].中國安全生產科學技術，2019，15（5）：55-62.

[14]邢英，胡雪芳，劉子萌.基于貝葉斯網絡的海底隧道交通事故風險預測研究[J].汽車實用技術，2025，50（5）：142-147.

[15]薛魯寧，趙晉云，劉冰，等.基于AHP與BN的天然氣場站吊裝作業動態風險評估模型[J].中國安全生產科學技術，2024，20（11）：92-100.

[16]葛巍，焦余鐵，洪辛茜，等.基于AHP-BN法的潰壩生命損失風險評價[J].鄭州大學學報（工學版），2021，42（3）：8-12.

[17]DiX，LiX，ZhouL，et al.Risk evaluation of railway business line con-struction plan based on analytic hierarchy process and baye- sian net-work[C]//2O2O IEEE 5th International Conference on IntelligentTransportationEngineering（ICITE）.IEEE，2020.

[18]Yu Q，HouL，LiY，etal.Pipeline failure assessment based on fuzzybayesian network and AHP[J].Journal of Pipeline Systems Engin-eeringandPractice，2023，14（1）：13-16.

作者簡介：馬昕昱，女，1997年生，助理工程師，研究方向為試驗室安全管理。