发展大规模、分布式储能是实现“双碳”目标的重要途径。守住储能电池的安全底线关乎人民生命安全和社会经济发展。现有储能电池安全预警方法还面临如下两方面挑战：机理研究方法考虑的工况单一，难以推广应用；基于有监督学习的数据驱动方法难以有效应对小样本问题。对此，本文提出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，基于无监督学习思想，建立数据驱动的储能电池热失控预警框架，利用重构误差构建电池间的差异程度，可有效应对小样本场景；利用集成学习思想量化电池热失控概率，可保障算法的稳定性。然后，为有效提取储能电池电压、温度、电流、SOC等数据的时变特性，高效挖掘热失控前后的时变数据特征差异，本文进一步提出基于Bi-LSTM与注意力机制的储能电池数据特征挖掘方法，实现储能电池数据特征的精准学习。最后，通过电动汽车动力电池的真实运行数据，验证了所提方法的有效性。