截至2018年9月份，中國新能源汽車保有量已經(jīng)突破200萬輛，位居全球第一。

在新能源汽車保有量快速增長的同時，新能源汽車電池安全的問題也開始引發(fā)越來越人的關(guān)注。

今年以來，我國已經(jīng)陸續(xù)出現(xiàn)了多起電池的安全事故，行業(yè)意識到需要把電池安全提升到一個非常高的程度。目前國內(nèi)的公交車、乘用車都出現(xiàn)一些冒煙起火的事故，國外的特斯拉汽車也因起火處在風(fēng)口浪尖。

在近日召開的新能源汽車國家大數(shù)據(jù)聯(lián)盟2018年會上，湖南中車時代電動汽車股份有限公司（以簡稱“中車電動”）副總經(jīng)理汪偉表示，針對電池安全，中車電動主要做了兩項探索：首先是針對電池安全的一些監(jiān)控，包括故障的精準(zhǔn)定位和故障的閉環(huán)處理，第二個層面針對故障和壽命的預(yù)測做這方面的探索。

今年以來，中車電動已經(jīng)成功處理了106起電池的安全隱患，沒有出現(xiàn)安全事故。

如何對電池安全有效監(jiān)控

早在2015年，中車電動建立了一個智能網(wǎng)聯(lián)平臺——云智通。

截止到目前為止，接入云智通平臺的車輛總數(shù)是17000萬輛，整個存儲數(shù)據(jù)量達(dá)到100TB，其中監(jiān)控的數(shù)據(jù)項目有469項，其中電池數(shù)據(jù)占了165項，全面覆蓋了整車和關(guān)鍵零部件的全部信息。

汪偉表示，不管是國家層面，還是中車公司層面，大家對于電池的安全都非常重視。中車電動已經(jīng)成立了專門的網(wǎng)聯(lián)中心，在后臺對電池安全進(jìn)行24小時不間斷地監(jiān)控。

根據(jù)海恩法則，每一期嚴(yán)重事故的背后必然都有29次輕微的事故和300起未遂先兆以及1000起事故的隱患。

目前中車公司對于電池的安全監(jiān)控是怎么做的呢？“初步的層次是，車輛儀表上面會通過BMS推送故障碼，司機會收到故障碼對車輛進(jìn)行檢查看故障率怎么樣。第一個層次報完故障以后，有些故障報一次之后現(xiàn)象就消失了，不再出現(xiàn)。”汪偉介紹。

第二個層次就利用云智通后臺的數(shù)據(jù)，在后臺檢測到有故障之后，比如某一臺車報了絕緣故障，這時在后臺對這個車的歷史數(shù)據(jù)，觀察它一周和一個月的變化，或者它的報警頻率來分析這個車是否是真的發(fā)生了絕緣故障，它的絕緣等級下降的嚴(yán)重程度是怎么樣。

“先是通過人工對數(shù)據(jù)的處理和分析，對嚴(yán)重等級相對比較高的，比較緊急的我們會要求現(xiàn)場的人員對車輛進(jìn)行開箱檢查，實現(xiàn)故障精準(zhǔn)地判斷和處理，讓我們的安全隱患消除在萌芽狀態(tài)，同時減輕一定的工作量。”汪偉介紹。

第三，建立智能預(yù)警的模型，基于故障的歷史數(shù)據(jù)和售后實際到現(xiàn)場去檢查之后是否真實有效的故障進(jìn)行一個比照對比，這樣來反饋回來，對故障需求分析和挖掘的方法不斷地改進(jìn)和優(yōu)化進(jìn)行迭代，以此來建立信息化智能預(yù)警的模型，進(jìn)一步提高我們故障判斷的準(zhǔn)確率。

為了確保電池的安全，中車電動在預(yù)防機制上主要做了三項工作。第一，全面監(jiān)控所有車輛的電池故障。“我們出去的車有各家的電池、各種類型的電池，不同的區(qū)域、不同的應(yīng)用場景。當(dāng)運行的數(shù)據(jù)出現(xiàn)異常或者BMS報出故障時，及時分析，不留下任何安全隱患。”汪偉介紹。

第二，重點監(jiān)控隱患電池高發(fā)故障。對電池歷史故障數(shù)據(jù)進(jìn)行統(tǒng)計分析，發(fā)現(xiàn)不同電池的高發(fā)故障類型，針對國內(nèi)某品牌電池易發(fā)生單體過壓故障，對該電池單體電壓進(jìn)行重點監(jiān)控和分析、提醒。

第三，故障分級，降低售后工作強度。對于系統(tǒng)報出的電池故障，結(jié)合歷史數(shù)據(jù)的參照，特別緊急、特別嚴(yán)重的車輛要發(fā)生事故的，馬上車輛靠邊停運。第二種情況處于有這種隱患，但是車輛還能夠行駛，這時對車輛進(jìn)行限制功率，停止載客運行，讓車輛能夠回到車庫進(jìn)行當(dāng)天的維修。這種分級處理的方式最大的好處解放了售后的資源，不用說一接到報警，馬上就去處理要去開箱，原來的方式至少有50%、60%的工作基本上是白做。

“基于電池的故障預(yù)警信息化，主要是這樣一個模式，首先是實時不間斷地自動采集電池的狀態(tài)，主要的數(shù)據(jù)包括電池總電壓、總電流、單體電壓、單體溫度、絕緣電阻，最后根據(jù)智能預(yù)警模型，檢測到狀態(tài)異常推送到用戶和售后人員。經(jīng)過今年的探索和研究，發(fā)現(xiàn)單體電壓和絕緣電阻這兩個值是引起對這個電池故障，這兩個參數(shù)是最重要、最核心的參數(shù)。”汪偉介紹。

汪偉以某個品牌的電池為例。“通過對單體過壓故障相關(guān)的電壓數(shù)據(jù)進(jìn)行聚類分析，會發(fā)現(xiàn)其中有部分故障電壓雖然我們是報過壓故障，但是過壓已經(jīng)超出了原則上合理的范圍，這些不是真正的電池單體的過壓，它引起的有傳感器、軟連接，甚至有BMS采量的問題，這會屏蔽掉一部分的問題。”

汪偉分析，對電池單體過壓的故障進(jìn)一步進(jìn)行準(zhǔn)確分析的話，有效區(qū)分單體和非單體問題，同時有些廠家電池在分布電壓傳感器、溫度傳感器、絕緣采樣這塊是不夠精細(xì)的，比較粗放的，這塊對我們整車廠和電池監(jiān)控造成了一些不準(zhǔn)確的因素，我們也是通過大數(shù)據(jù)的分析和對比挖掘精準(zhǔn)的去定位這個故障。

如何對電池故障進(jìn)行科學(xué)預(yù)測

在電池安全的有效監(jiān)控之外，中車電動還在探索針對電池故障的預(yù)測。

所謂電池故障的預(yù)測就是電池還沒有發(fā)生故障，甚至還沒有報警，還沒有發(fā)生絕緣，也還沒有發(fā)生單體過壓之前，根據(jù)大數(shù)據(jù)的分析和自學(xué)習(xí)，可以提前推斷出這個電池可能還有一個星期，或者兩個星期即將發(fā)生這樣的過壓，或者絕緣的問題。

為此，中車電動建立故障的基礎(chǔ)大數(shù)據(jù)庫，基于BMS報警數(shù)據(jù)以及歷史故障的分析數(shù)據(jù)，結(jié)合售后反饋情況，找到故障樣本，對故障樣本建立基礎(chǔ)大數(shù)據(jù)庫，涵蓋影響電池安全的關(guān)鍵故障和相關(guān)的參數(shù)，為真正的故障數(shù)據(jù)打上標(biāo)簽。

“我們可以提供豐富的數(shù)據(jù)樣本，將故障預(yù)測可以從無監(jiān)督的學(xué)習(xí)轉(zhuǎn)化為半監(jiān)督，最后到有監(jiān)督的學(xué)習(xí)，這樣提高了建模預(yù)測的準(zhǔn)確率，也為基于大數(shù)據(jù)的電池故障預(yù)測奠定數(shù)據(jù)的基礎(chǔ)。”汪偉介紹。

汪偉解釋，基于大數(shù)據(jù)對故障隱患單體定位，是在整個電池生命周期內(nèi)，每個單體出現(xiàn)最高電壓的次數(shù)越多，或者越頻繁，過壓的峰值有一個趨勢，我們能夠根據(jù)這一些數(shù)據(jù)的分析和對比，能夠大概預(yù)測出它即將發(fā)生過壓故障的概率，就會對這些單體進(jìn)行重點關(guān)注，這些車輛、這些線路，依此類推，同廠家、同線路、同工況的電池提前進(jìn)行重點關(guān)注。

同時，對于電池的健康預(yù)測，主要是根據(jù)電池歷史的運行狀況和信息來識別電池性能退化情況，挖掘電池的退化規(guī)律。在這個基礎(chǔ)上，結(jié)合智能算法，預(yù)測電池狀態(tài)的演化趨勢，預(yù)測性能失效時間。

傳統(tǒng)的方法去預(yù)測單體電壓和預(yù)測這個電池故障的話，需要對電池非常專業(yè)的了解，比如基于它退化的機理模型和等效電路模型。

“整車廠用了不同廠家的電池模型，不可能對每一家廠家電池模型進(jìn)行了解，基于數(shù)據(jù)驅(qū)動的方法整車廠做這種預(yù)測是有基礎(chǔ)和有優(yōu)勢的，首先不用太過深入了解電池單體本身的機理，而主機廠又存儲了豐富的運營數(shù)據(jù)，不同電池廠、不同運用場景的數(shù)據(jù)，為這種驅(qū)動建模有這樣的基礎(chǔ)，對整車廠來說，用大數(shù)據(jù)進(jìn)行電池故障的預(yù)測和分析是最有效，而且應(yīng)該說是最直接的。”汪偉分析。

對于電池健康的問題，實際上最后聚焦還是在電池的不均衡，就基于大數(shù)據(jù)的單體進(jìn)行了不均衡故障預(yù)測建模，引入不均衡度這樣一個參數(shù)，進(jìn)行從實時的不均衡事件，最后細(xì)化分布到不均衡程度天的情況。

汪偉介紹，最終通過這樣的手段解決了幾個問題：對主機廠對電池機理了解不深的問題，可以通過大數(shù)據(jù)分析的方式可以解決，同時解決模型適用性的問題，提出不均衡程度的指標(biāo)，可以從很大程度上來說，有效地排除了不同電池種類之間的差異，不同廠家電池的差異，提高模型的通用度，也解決了預(yù)測精度不高的問題，基于故障的基礎(chǔ)大數(shù)據(jù)庫，把故障預(yù)測從無監(jiān)督的學(xué)習(xí)轉(zhuǎn)化為有監(jiān)督的學(xué)習(xí)，提高模型的準(zhǔn)確性。

“最后我們得到的效果是這種模型的通用性比較好，準(zhǔn)確率比較高，最終理想可以達(dá)到80%左右的精度。”汪偉提出。

對于電池健康度的管理和運用，中車電動后續(xù)還將做這新一步，下一步正在采用邊緣計算+云計算的架構(gòu)模式，在我的服務(wù)器、云端分析模型和分析參數(shù)在云端，具體的數(shù)據(jù)分析和計算是在我的整車終端上進(jìn)行計算，再把結(jié)果傳回云端。這樣的好處就是數(shù)據(jù)不需要遠(yuǎn)距離的傳輸，在邊緣就可以了，具體的業(yè)務(wù)應(yīng)用在邊緣模型管理就可以運行，避開了網(wǎng)絡(luò)通信瓶頸限制，提高了模型的運行效率，同時提高了數(shù)據(jù)的事實時性和維護(hù)處理能力。