為此，中國電動汽車百人會于9月3日在南京召開了動力電池數據價值挖掘與SOH評估研討會，就動力電池大數據利用和SOH算法相關問題展開討論。本次研討會分為動力電池數據平臺功能性與數據挖掘、動力電池SOH設計與應用兩個部分，共有23家企事業單位50名代表參與討論。

 

動力電池健康狀態評定直接影響新能源二手車交易

 

上海市新能源汽車公共數據采集與監測研究中心副主任丁曉華：

 

上海計劃在年底將動力電池SOH估算和預測研究成果在汽車后市場推廣。上海市新能源汽車動力電池開放數據庫平臺通過每10秒或30秒采集本地新能源汽車電池包電壓、電流、最高溫度、最低溫度，以及單體的最高溫度、最低溫度，利用充電電流積分法和行駛里程法開展動力電池SOH估算和預測研究。預計年底將首先應用在汽車后市場，為電池做評定。雖然評定的準確度不能做到95%或93%，但希望能做到優、良、中幾個等級，便于在車輛交易的時候提供參考。

 

動力電池監控平臺是大數據利用的載體和保障

 

中航鋰電科技有限公司失效分析負責人王純德：

 

中航鋰電從2月份開始搭建動力電池數據平臺，計劃分兩期完成。第一期搭建平臺框架，實現基本功能。通過對市場需求功能調研，識別并匯總共計108項需求分類，主要包括運行工況類46項，故障報警及預警類27項，電池性能檢測分析類25項，電池壽命及健康類10項。第二期將數據導入平臺，實現設計過程、測試數據和終端數據整合。通過數據整合之后，一是有效檢測過程中的異常情況；二是通過跟后端合作更好地實現預警功能。

 

整個動力電池平臺項目分為三個層次，基礎層、功能層、業務層。基礎層包含整車工況；功能層包含電池安全預警、電池健康評估、電池壽命評估、電池故障預警、電池殘值評估等；業務層包含整車廠要求、產品研發、質量改善、售后服務、失效分析、梯次利用、應用商評價等。

 

監管機構主導和電池廠主導可能是動力電池大數據合作的主要方式

 

深圳市比亞迪鋰電池有限公司BMS研究部經理馮天宇：

 

動力電池大數據有四大痛點：

 

1.無追溯是指很多在生產端、換電以及電池離開車的期間，電池數據不在整個電池全生命周期數據管理的鏈條中，影響整個電池包的全生命周期可追溯。

 

2.數據差是指國標要求數據30秒（有些企業可以做到10秒）更新一次，并且缺失單體電壓信息。

 

3.來源少是指涉及到用戶隱私保護和整車廠對于車輛狀態保護，數據如何共享或者如何有效利用起來還沒有很好的解決方案。

 

4.算法難是指電池的算法是一個交叉學科，除了對電池要有了解，還要具備大數據處理能力。

 

動力電池大數據有兩種合作模式，一是監管機構主導，另一種是電池廠主導。

 

監管機構統籌主導，有利于行業有序發展及標準統一。當前階段，所有的電池數據都是從整車廠直接報送到監管機構，監管機構建立大數據平臺，在平臺上面可以開展應用。

 

電池廠主導有利于電池全生命周期數據管理及深度應用。動力電池在退役以后，仍有較長的生命周期，由于電池廠有電池和整包的設計數據，有電池的數字孿生模型，了解電池性能和控制策略，由電池廠管理具有天然優勢。

 

從二手車殘值角度撬動主機廠共享電池數據

 

普華永道思略特管理咨詢執行總監劉昕：

 

動力電池殘值評估將直接影響二手車交易價值。對于整車廠而言，都追求品牌向上，而殘值管理正好是品牌向上的一個重要體現。在全世界范圍領域，為什么認為豐田的品牌要比其他汽車品牌強？原因之一就是豐田的二手車殘值比其他品牌貴10%以上。因此，對新能源汽車而言，動力電池殘值評估將直接影響二手車交易價值，如果沒有歷史數據做參考，將無法準確估算出動力電池的健康狀態。

 

動力電池大數據管理有助于提高換電運營效率和安全性

 

NIO Power電池運營技術負責人葉磊：

 

蔚來能源針對電池監控提出了從L0到L4五個方面的能力。L0是數據接收層，主要負責全面分析接?數據質量，解決原始數據丟失，錯誤，遺漏等問題；L1是信息處理層，主要負責實現告警、流轉、FOTA、維修、梯次利用全面溯源和處理；L2是預警診斷層，主要負責基于運行數據提前識別潛在隱患風險，避免故障發生；L3是狀態評估層，主要負責全面評估電池運?狀態，分析影響因素，深度挖掘知識；L4是業務決策層，主要負責基于知識分析制定業務決策方案。

 

換電體系下的電池監控運營效果顯著。云端預警技術的應用使隱患在演變為故障前即可被探測和處理，提前預警率達95%，識別準確率達95%。監控運營反饋的異常經質量分析已識別的root cause為五大類共30多項。針對每一起root cause從設計改進、工藝優化、供應商管控、來料檢測等手段全面開展質量閉環措施，從源頭降低隱患的發生概率。

 

動力電池數據管理能為持有者帶來經濟效益

 

廣汽新能源電池利用模式高級經理馬忠杰：

 

要讓用戶從經濟性角度體驗到電池數據利用的價值。動力電池如果歸個人所有，只能在本地報廢車輛和電池，而且也不知道在哪個最合適的階段報廢或者做梯次利用，影響了動力電池的經濟效益。但如果是電池資產公司做車電分離管理，通過動力電池大數據評估和預測SOH，動力電池的經濟效益將會最大化，而且批量處理動力電池也會在環保和材料回收兩個階段產生規模效益。

 

前饋+閉環是電池系統控制的思維

 

清華大學車輛與運載學院教授盧蘭光：

 

前饋可以是基于MAP或基于機理的數學模型，其中機理模型也可以稱之為孿生模型；大數據就是要靠計算機才能解決的足夠大的數據量；這里的閉環（算法）就是要用什么樣的算法去做這些大數據研究。在開展動力電池SOH評估和預測時，可以利用大數據提取工況特征或容量的衰減數值，比如：電池的車載運行工況或梯次利用的運行工況。但是，由于電池是新產品，機理也很復雜，產生的大數據不能涵蓋所有情景，只采用大數據方法無法預測電池性能“跳水”。

 

因此，還需要采用孿生模型進行數據增強，即把電池的所有衰減模式或故障模式采用孿生模型生成，盡可能涵蓋所有的可能情況。然后，通過遷移學習+神經網絡等AI機器學習方法展開研究，獲得電池的衰減模式。最后，根據實際運行大數據結果對孿生模型進行修正，進一步完善孿生模型。同時，也可以給電池管理提供改善方法。通過上述方法（機理結合大數據），可以預測未來電池的衰減模式，從而精確估計和預測電池SOH。

 

從測準、算準、預測三個維度解決動力電池SOH評估難題

 

深圳市比亞迪鋰電池有限公司動力電池安全與可靠性技術部主任研發工程師郭磊：

 

電池壽命計算和預估難點是如何有效獲得整車數據和模型算法的驗證。這方面主要是涉及很多部門間協作，數據量不僅比較多，而且受信息保密性制約，整車廠也不愿意提供數據。另一個難點是根據歷史數據和當前的工況結合，預測后期壽命走勢。

 

動力電池SOH模型設計主要分三個維度，首先是測準，其次是算準，最后是預測。在測準SOH階段，先盡量把電放空，在車輛行駛到SOC小于15%或者儀表顯示低電量時，在環境溫度20℃-40℃擱置24小時。私家車測試方法，把電池放空，消除極化，再開始以7kW的功率充滿電量即為剩余容量。運營車輛測試方法，前面的處理都一樣，主要是用快充容量作為它的容量標定。在算準階段，根據三種不同充電條件判斷，利用三種算法，按權重融合估算SOH。在預測階段，首先從大數據中獲取需要的字段，比如說倍率、溫度等，然后提取工況特性，開展SOH估算。

 

多維數據互補融合保障電池安全

 

欣旺達電子股份有限公司電池系統研究院院長姜久春：

 

現階段BMS側和T-BOX側未考慮電池起火預警，且算力無法支撐相應算法，包括電池“猝死”的預測。云端數據質量比較差，誤報率和漏報率相對較高。

 

在車載端，利用現有的T-BOX芯片增加一個邊緣計算模塊，未來可以把它裝在充電側。BMS可以做到10毫秒的采集和運算，T-BOX可以做到1毫秒，云端可以做到10秒。通過云端計算，發現異常點，可以到地面檢測站檢測（可以在充電過程中檢測），經過兩層檢測后，如確實存在問題可及時干預。

 

三大工具助力換電站動力電池SOH評估

 

奧動新能源汽車科技有限公司研發中心電池技術部副總監李攀：

 

大數據平臺。基于大規模運行數據進行SOH估算，獲取一定規模的電池系統長期運行工況數據和性能狀態，通過若干個簡單的模型挖掘出SOH的演化規律。

 

全局溫度測量。溫度是電池老化過程最重要的因子之一，基于對電池包內所有電芯溫度的測量，可以有效的識別電芯衰減的差異，為系統高精度SOH提供有效的判斷依據。

 

新一代換電站電氣平臺。基于換電站電氣架構的功能完善，電池在換電站即可完成電池容量測試，并基于多目標充放電策略的實現對電池放電能量保持率、能量效率保持率、峰值功率保持率、直流內阻及其極差與方差的變化率、電壓極差與方差的變化率直接測算。

 

云端電池AI大數據分析，構建動力電池安全運行屏障

 

上海電享信息科技有限公司副總裁李佳：

 

基于AIoT和大數據技術建立電池運營和監控平臺，實現對電池的全生命周期溯源管理、安全運行和智能防護。電池平臺可實現遠程實時監控電池運行數據，通過數據統計和分析，全面掌握接入平臺電池運營情況。當發出報警信息時，根據報警級別和類型，進行電池召回、維修、處理、更換和狀態進度查詢等操作。通過電池預警存檔記錄對預警和健康情況進行分析和統計，再結合電池履歷，一致性，使用習慣等得到電池的健康評估和使用習慣建議。