宾夕法尼亚州立大学研究人员结合计算流体动力学与深度学习，构建虚拟矿山模型以预测锂离子电池热失控风险。
随着矿业向电池驱动设备转型以提升效率，锂离子电池的高能量密度也带来了潜在风险。这类电池可能发生失效、过热甚至起火，并释放有毒物质。针对这一挑战，宾夕法尼亚州立大学的研究团队通过整合三种建模方法构建了虚拟挖矿系统，旨在更全面地预测和减轻地下矿山中锂离子电池引发的火灾危害。
构建虚拟矿山环境以预测火灾动态
研究团队利用计算流体动力学（CFD）建模技术，模拟了动态材料在结构中的移动方式，从而构建出虚拟的地下房间和柱子矿场环境。这是最常见的采矿系统之一，其中煤炭等矿床呈网格状开采，留下巨大的未挖掘物质柱以支撑顶部岩石的重量。
在此基础上，团队训练深度学习模型，以分析在不同通风条件下，温度、烟雾和一氧化碳浓度在虚拟矿山内的演变规律。相关研究成果已发表于《工艺安全与环境保护》杂志。研究人员指出，该发现对于部署自动化控制系统以提升电池供电挖矿系统的安全性和运行弹性具有直接影响。
论文主要作者、约翰和威利·莱昂家族矿物与能源工程系博士生 Khadija Omar Said 表示，将电池电动汽车（BEV）与基于物理的人工智能及自动化控制系统相结合，是矿业发展的下一个前沿方向。“矿业公司希望尽可能优化运营，”Said 说道，“他们认为由电池供电系统支持的自动化能够提高产量并增强安全性。”
人口增长、清洁能源转型以及技术的普及正在推动矿产需求上升，促使采矿业重新思考其设计与运营模式。库马尔指出，越来越多的证据表明电池驱动机器具备优势，近期研究显示电动汽车比传统内燃机车辆能运输更多材料。此外，使用电动汽车可显著降低热量、噪音及柴油废气、颗粒物等有害气体的产生，进而因通风需求减少而降低运营成本。
热失控机制与地下空间的风险放大
Said 解释称，电池因其高能效而被广泛使用，但也存在“热失控”风险。当电池内部温度超过其内部反应阈值时，会发生不可控的爆炸性连锁反应。由于电池的化学特性，这种自加速反应会同时产生火焰和氧气。在地下矿井狭窄且空气流通有限的环境中，烟雾和热量带来的危险被进一步放大。“我们只能试图减轻后果，”Said 说。
导致电池损坏和热失控的原因多种多样，包括物理撞击、环境温度过高、管理不当导致的重复过度充电，或是制造缺陷。“更糟糕的是，电池单元通常紧密组装以产生更大功率，一个单元的热反应可能迅速触发其他单元的连锁反应，”Said 强调，“关键在于预防并开发更好的预测方法。我们需要了解热失控的特征，若能识别这些迹象，或许就能阻止初始点火或抑制连锁反应。”
利用模拟技术在不危及矿工的情况下测试通风策略
人工智能和模拟技术的进步为测试热失控场景及调整通风系统提供了安全途径。研究小组使用 CFD 建模工具中的 Fire Dynamics Simulator 模拟地下矿山的热失控过程，并在多个监测点随时间生成温度、烟雾和一氧化碳数据。
随后，团队测试了风机速度等不同通风措施对有毒烟雾循环和传播的影响。模拟结果显示，危险水平如何下降，或者微小的调整如何在事件下游形成有毒空气口袋。“尽管建模技术不断进步，现代采矿操作中传感器数量也在增加，但针对电池火灾的自主应急响应框架研究仍然有限，”Said 表示，“我们正在弥合这一差距，希望为更具经济效益的解决方案奠定基础。”
研究人员认为，实时经济的方法至关重要，因为每座矿山都不尽相同。矿山的几何结构、通风网络和设备差异会影响全矿的热量、烟雾和气体流动。智能挖矿系统必须考虑这些变量，同时提供足够快的预测以支持实时监测和控制。
深度学习实现更快的预测响应
由于高精度 CFD 模拟在实时应用中计算量巨大，研究人员开发了深度学习替代模型。这些模型能够学习模拟所捕获的复杂热动力学，同时提供更快速的预测，从而支持智能挖矿系统的实时监控乃至自动控制。
Said 解释说，团队评估了三种深度学习模型，每种模型处理数据的方式不同，各有优缺点。常见的测试方法是向模型提供来自真实矿山或热失控事件的数据集，观察其在虚拟矿山中重现场景的能力。“基本上，我们通过要求模型解决已知答案的问题来测试它们，”Said 说，“如果模型能始终重现训练过程中未展示的值，我们就对其在合理范围内预测新情景的能力充满信心。”
气流增加的边际效益递减
结果表明，增加空气流量有助于移除热量并稀释烟雾和有毒气体，改善条件足以让矿工安全撤离。然而，过量增加空气流产生的额外益处有限，因为火灾引起的运动增加会与通风驱动的流量产生竞争。
每个深度学习模型在不同条件下表现出不同的优势，例如在管理气流变化或空间位置方面。综合来看，这些模型提供了关于不同深度学习架构如何捕捉电池热失控事件中不断变化的条件的全面理解。
迈向自动化应急控制
基于模拟结果，研究人员还确定了利用数据改进传感器放置和数据重建的机会。Said 指出，这项工作揭示了设计智能监测和控制蓝图的潜力，明确了需要安装传感器的位置、缺失信息的重建方法以及缓解措施的部署时机。
“我们已经证明，可以在独特的通风条件影响下，预测封闭矿山环境中的热失控；下一步是真正控制它，”Said 总结道，“现在我们了解了导致热失控的动态条件，应该能够利用这些数据开发控制算法，自动触发风扇或喷雾器以抑制效应并确保挖矿操作的弹性。”
参考文献：Khadija Omar Said 等，《通过计算流体动力学建模与深度学习框架理解地下矿山大型电池热失控过程中温度、烟雾和一氧化碳的演变》，Process Safety and Environmental Protection (2026)。DOI: 10.1016/j.psep.2026.109228
