目前在北京我們主要是服務于北京公交，建設大容量的公交快速充電站，到現在為止已經建成了30座，預計到年底整個網絡要達到100座。另外，還有一些出租充電站，包括近期可能各位在北京市也會看到在原來的揚招站附近，現在也開始部署專用的充電設備，這些項目都是由我們公司來承擔的。

 

       另外，我們主要做一些私人充電樁的安裝服務工作，各位如果有下一部要購換電動汽車的，有安裝充電樁服務的話可以跟我們聯系。到現在為止，我們在北京市已經建成了28000多個充電樁，形成了790多個電動社區，這是我們公司的一個基本情況。

 

       影響電動車安全的三大要素

 

       咱們這次會議的主題是交通安全，充電或者說電動汽車的安全，也是我們現在比較關心的。因為終歸它是個新鮮的事物，到底安全不安全，發展時間比較短還沒有一個很標準的說法。最近出的問題也稍微多一點，包括前些日子因為周邊環境的原因，造成了電動汽車停放過程中也發生燃燒。站在我這個角度，我認為任何一種安全都是系統性的工程，在這個系統里頭任何一個環節出現問題都可能會產生安全隱患，或者造成系統安全重大事故。

 

       影響電動汽車系統安全的主要因素有車輛電池安全、充電安全以及電網系統的安全。

 

       車輛方面，電動車輛安全的核心是電池安全，電動汽車動力電池過充、過放是引發電動汽車充電安全的主要原因之一，電池預警機制缺失，會導致無法防范電池潛在缺陷引發的安全事故。特別是電池，電池實際內部也是個系統工程。

 

       我記得在2010年剛開始做電動汽車的時候，誰的電池最安全？磷酸鐵鋰，為什么？因為它的吸氧溫度是最高的，實際上后來看到電池的安全不僅僅在于電池的正極材料，真正出現電池安全問題的，可能更多是集中在負極或者電解液，某一個環節的安全不能決定整個系統安全，我們一定要站在一個系統的角度來去解決安全的問題。

 

       充電方面，目前充電機的狀態它是被動，它是按照車輛提供的需求來去給車輛進行充電，包括充電的電流、電壓、包括一些停止的命令。但是因為現在的標準不夠細化，各個廠家不同角度理解起來還是有一些差異，還不能做到整個充電機跟電池系統之間的一個協調保護。

 

       再有一個是電網方面，隨著整個電動車輛逐步的增加，特別是我們現在充電的趨勢是向大容量，快速充電去轉。我們國家相關單位和機構也在推進大容量充電機。隨著負荷的不斷增加，對電網的影響也會越來越大。集中大功率充電對區域配網形成負荷沖擊、充電諧波、三相不平衡和系統震蕩等問題需要在系統層面進行優化和調度。

 

       電動車安全解決方案

 

       所以我們想針對這幾個方面，結合我們在日常工作中的實踐，整個的解決方案是通過提高裝置本身的安全性、從系統角度提升充電機、電池和云端協同安全的保障能力、基于歷史數據對潛在的電池故障進行預警等手段，建立起多維度的安全防護機制。只有把這些工作都充分的做到位了以后，我們整個的充電安全才能夠得到一個有效的保證。

 

       所謂的設備安全這塊，我們現在強調的是說，任何一個設備它應該是一個擬人化動作，應該是智能感知的動作，作為充電機，第一它應該能感知到周邊環境的變化，能感知到電池對它的需求，同時它也能對自身的各個關鍵元器件進行自檢測，相當于是個人。就是說我們一定要實現自己狀態上報的功能，數據量積累起來就可以通過各種方式，來對數據進行遠程的診斷、定位，從而來降低整個設備的故障率。

 

       其次就是建立一個系統的機制。目前我們這個機制還是相對簡單一點，就是儲存保護的關系。就目前我們整個的標準制定來講，BMS或者車輛是作為整個充電中的大腦，但是我們要建立后備保護機制，一旦大腦失效的時候，充電機給它提供相應的后備保護，這個在我們現有的充電設備里頭已經實現了。

 

       另外就是數據的收集，利用大數據對歷史數據來進行分析，建立起一個協調保護的機制。現在我們感覺雖然按照標準，應該在充電的過程中數據是交互的，但是實際上各個車企在充電的過程中，向充電機這一側發送的數據量還是比較少。有一些數據在國家標準上是建議性的，并不是強制性的，所以造成了不同的充電機、不同的電池從不同的車輛所獲得的參數是比較少的。

 

       我們現在公交集團這個項目它有一個比較便利的條件，是因為車輛是由一個運營商來統一管理的，所以我們現在可以對車輛和電機數據之間的交互進行標準的交互，從而能夠獲得電池在充電過程中相關的信息。通過這些數據的積累，包括我們正在開發的一些智能評估的算法，逐步要建立起一套電池故障的預警系統。

 

       剛才說到故障數據實際就是系統的一個數據源，但是大家知道電池的充電過程中，BMS數據采集力度是非常大的，第一對當地硬件的要求比較高，再有一個數據大了可能會變成一種垃圾數據而不是有效的數據，所以我們現在在跟相關的專家共同去研究基于電池的電化學原理。對于電池的預警數據進行壓縮，有效的解決海量電子數據的存儲和分析的問題。通過我們公交整個項目的實驗來看，應該效果還是比較令人滿意的。

 

       這種方法它的優勢一個是對電壓測量誤差的容忍度高。 大家都知道，我們現在從電池角度能測的不過幾個參數，電壓、電流，還有一個溫度。如果我們安全的要求越高，實際對于采樣精度的要求就越高，但是車輛確實在一個動態、惡劣的工作環境下，一些傳感器的精度并不能達到我們從安全角度的要求。如何彌補傳感器存在的問題實際上很關鍵，我們現在的算法相對來講對這個容忍度還是比較高的。

 

       第二個就是數據記錄總量顯著減少，降低了數據的傳輸和存儲壓力；第三是復原的電池充電曲線數據誤差在1mV以內。這是我們壓縮方法能達到的效率。有了這些東西就可以建立起電池的狀態、參數和故障數的一個模型，建立電池故障狀態評估方法。

 

       有了方法以后就可以對電池的狀態進行實時的模擬和感知，不斷的來調整電池的充電參數。在電池使用的不同階段，充電策略實際上不應該一樣，如何讓我們的充電機策略能夠根據電池衰減的狀態，包括它的一致性、動力性、發熱等等，提出優化的充電策略，提出維護的建議，同時能夠智能的進行保護和控制，這一塊我們現在還在實驗。我們現在所有基于大數據要去做的一個最終目標，就是要讓充電機能夠更好的對電池進行服務。

 

       隨著歷史數據的積累，我們就可以建立起一個中長期的評估和預警的體系。隨著咱們數據處理速度的越來越高，我們實時預警的這些手段也能夠有效的投入商業應用里，目前還都是在實驗室里的是沒有問題的。但是考慮到更多成本問題的時候，我們還是需要一個相對長時間的。

 

       應用結果

 

       我們整個公交集團目前建立的系統，有充電樁監控，也有云端的一個大數據存儲，初步建立了安全相關數據的采集、遠程監控和數據分析把控的機制，具備電池、充電機還有基礎數據上傳，故障報警，處理和存儲的功能。通過充電過程實時數據監控及完整充電過程記錄文件的存儲，為電池數據分析和專家系統的建立奠定了基礎。

 

       到目前為止整個體驗運行有30個站，服務的公交車輛是551輛，年底服務的車輛數將會達到5000輛，到目前為止充電次數是144萬次，整個充電過程做到了零故障。說明現在這套機制還是起到了作用，但是如何讓它能夠更大規模的為未來的電動汽車發展做服務，我們還有更多的工作需要做，也需要跟在座的各位能夠形成聯動的機制。謝謝大家！