新能源汽車安全事故主要由動力電池熱失控引起，但熱失控的原因錯綜復雜，事故源頭難以明確。目前，我國動力電池行業經過十多年積累已經有了很大提升，特別是在對動力電池的理解和認識方面，應對目前電動汽車的電池使用是能勝任的。

當環境溫度高或發生某些內部故障時，鋰電池很容易著火或發生熱爆炸。這是因為鋰金屬具有高反應性，常用的電解質是易燃的。目前，大多數跟蹤鋰離子電池溫度的技術都不充分，因為傳感器只能讀取電池的外表面溫度，但是，表面溫度不足以告訴電芯的內在狀態。內部溫度會提供更多關于熱力學的信息。但是，目前很少有方法將傳感器放在電池內。

不過，王子冬還表示，需要認識到動力電池的開發需要多學科協調推進，需要整車企業、電池企業、材料企業增強溝通和合作，在多個層面上提高動力電池的整體安全性。如果說動力電池將著火放在安全考量的首位，那么消費類軟包電池的漏液和腐蝕問題，則是業界較難克服的頑疾。

深圳前海久禾科技的電池安全監測設備服務于華為、三星等終端用戶，負責人李永剛介紹說，利用先進的光離子化技術傳感器，來捕捉電解液中的有機分子，進而判斷電解液是否泄漏，這一過程可信賴度高，更容易追蹤測試數據，也有利于測試結果的分類處理。因此，對電池微短路、漏液和腐蝕問題的管控不僅要從電池配方和工藝上入手，還要借助先進的探測技術來確保隱患電池不流入市場。

對此，目前，美國堪薩斯大學的研究人員正在開展一項新的技術：開發機器學習技術，以監測和防止鋰離子電池過熱。通過使用人工智能和機器學習，就可以預測細胞內的溫度，從而能檢測其行為。內部溫度將提供豐富的數據，供給機器學習方法，并結合數學模型來預測細胞內部正在發生的事情。

項目負責人表示，計算機學習技術可預測電池內部溫度的變化，而不是在整個電池中假設溫度均勻，就像現在的建模方法“集總參數模型”一樣，從而更加準確和真實意味著計算電池發生熱失控的可能性。

當充電或放電時，溫度分布不均勻，通常在電極附近內部較高，但是表面外的溫度較低。集總模型僅考慮均勻的溫度分布，但通過機器學習和模型的方法可以提供溫度的時空重建。

鋰電池輸入人工智能以推斷內部溫度的數據可以在由電池供電的設備中處理，或者與云計算相關聯。如果電池經歷熱失控，則設備將被編程為在電池變得足夠熱以引起火災或引發爆炸之前關閉或斷開電池。通過這些創新，鋰電池可以通過將數百個電池捆綁在一起的電池擴大到更高的工業水平。