发展大规模分布式储能是实现双碳目标的重要途径。保持蓄电池的安全底线关系到人们的生命安全和社会经济发展。现有的储能电池安全预警方法也面临以下两个挑战：机理研究方法考虑的工况单一，难以推广应用；基于监督学习的数据驱动方法难以有效处理小样本问题。提出了一种基于重构误差计算的数据驱动储能电池热失控预警方法。首先，基于无监督学习的思想，建立了数据驱动的储能电池热失控预警框架。利用重构误差构造电池之间的差异程度，可以有效地处理小样本场景。采用集成学习思想对电池热失控概率进行量化，保证了算法的稳定性。然后，为了有效提取储能电池电压、温度、电流、SOC等数据的时变特征，有效挖掘热失控前后的时变数据特征差异，本文进一步提出了一种基于Bi-LSTM和注意机制的储能电池数据特征挖掘方法，实现了储能电池数据特征的准确学习。最后，通过电动汽车动力电池的实际运行数据验证了该方法的有效性。