國家新能源汽車大數據聯盟劉鵬：新能源汽車大數據視角下的動力電池
圖為國家新能源汽車大數據聯盟副秘書長劉鵬發(fā)表主題演講
5月22日，“2018第一屆新能源汽車及動力電池(CIBF深圳)國際交流會”在深圳會展中心舉行。國家新能源汽車大數據聯盟副秘書長劉鵬在“新能源汽車專場——識·新政策下車電攜手的變革之路”主題論壇上發(fā)表演講。以下是演講內容：
國家新能源汽車大數據聯盟副秘書長劉鵬
今天我主要從大數據角度與大家談談下電動車動力電池的問題，主要講4個方面。
新能源汽車大數據
現在我們平臺監(jiān)督的車輛有88.3萬輛。從2017年1月1日開始，新能源汽車接入平臺需要滿足一定的要求，包括必須是近半年時間所，賣出的車輛。在這88萬輛車里，日均在線車輛是49.8萬輛，充電次數是16萬次，日均行駛里程1200萬公里，平均每天20公里的行車里程。
我們平臺對車輛運行過程中的實時位置信息、電池基準數據狀態(tài)信息等都有監(jiān)測，包括車速、電池的準備、電池電壓、溫度等，都有詳盡記錄。運用這些數據，我們可以從不同視角了解車的使用狀態(tài)，以及電池、電機的使用狀態(tài)。目前我們基于GB/T32960標準，監(jiān)控和電池相關的數據一共有73項。鋰電池包括電流、電壓、單體詳細問題等;燃料電池包括一些基本信息，針對這些信息，可以準確描述用戶的需求是什么，針對這些需求對后續(xù)電池研發(fā)和技術方向提出突破和管理方向。
動力電池故障診斷
動力電池系統(tǒng)作為電動車輛的主要能量源，由于技術、工況和使用環(huán)境等原因，使它成為電動車輛主要故障源之一?，F在安全性成為了電動汽車發(fā)展所要面臨的首要問題。動力電池安全性成為國際性難題和研究熱點之一。
我們基于大數據，運用國家監(jiān)管平臺進行海量數據全面分析，現在相關的評價標準和分析算法已趨于成熟;通過高精度、高效率的故障預警分析算法，我們可以快速實時響應判斷故障發(fā)生概率，這其中包括了故障級別、故障類別、故障頻率、故障車型、故障原因等。
基于大數據，我們還可以結合車企提供的基礎安全閾值，進行數據縱向和橫向比較挖掘，建立高安全性的動力電池系統(tǒng)遠程故障診斷體系;通過比較典型數據熵值變化，構建動力電池系統(tǒng)故障預警體系。
我們通過故障診斷體系，對車輛運行狀態(tài)模型進行分類分析，對動力電池系統(tǒng)故障類型、故障位置、故障發(fā)生頻次進行系統(tǒng)性統(tǒng)計和精細化分析，提高電動汽車故障診斷效率及準確性。
動力電池溯源管理
基于現有大數據如何有效做監(jiān)管，支撐后續(xù)的服務?
現在節(jié)能環(huán)保說的比較多，尤其是在電池這塊面臨的問題比較多，包括如何回收利用、如何管理，如何做到信息共享，都需要關注。
如果把電池生產過程、運動過程中更換信息能做到標準的信息匯總，就可以判斷每個單體電池如何處理、價值如何評估，對于后續(xù)的利用、分解都非常有利。
另外，監(jiān)控平臺還可以將電池、整車、用戶、回收等多層次的數據進行交互和分析。
動力電池價值評估
電池的梯次利用、回收利用如何定價?需要一些大數據的支撐，才能有效評估電池能量是什么狀態(tài)、功率是什么狀態(tài)、能夠應用到什么領域，這些也是我們接下來會研究的重點。核心還是基于大數據的方式，對電池健康狀態(tài)進行評估，然后才能支撐后續(xù)電池系統(tǒng)的應用。
我們以萬公里動力電池容量衰退率為例，我們結合用戶的運行數據，采用50%-80%區(qū)間段內的里程數做萬公里動力電池衰退率比較。這段數據量是最大的，使用區(qū)間最多，在整個過程中的退化，對于用戶自身也是最關心的。
我們選取2個廠家的4個車型做了結果分析，可以看出比較好的一款車萬公里衰退是1.4%，比較差的是8.2%。造成這種衰退率不僅僅是電池的問題，還有管理系統(tǒng)的問題，也會直接決定了電池在車上使用壽命和性能的發(fā)揮。
實際續(xù)航里程和標稱里程方面，我們以實際消耗每度電所行駛的里程與標稱值作比較，比較結果為指標值。這個指標也會受到駕車習慣的影響，很多人開空調，就會導致用戶反饋數據結果變化。也就是說這個結果一方面和電池本身有關，另一方面也與環(huán)境適應性有關系。
另外還有充電狀態(tài)開始的SOC值分布。這個數據可以反映駕駛員對新能源汽車里程和載客里程的信心指數，也可以反映充電站等基礎設施的建設情況。
我簡單介紹到這里，謝謝。
(根據嘉賓發(fā)言整理，未經嘉賓審閱)
相關閱讀：
驗證碼：
