“大数据驱动的动力电池全生命健康评估体系及技术应用”精彩回顾——新能源汽车百家讲坛第44期

由新能源汽车行业知名公众号“连线新能源”和杭州水云间信息技术有限公司主办的新能源汽车百家讲坛第44期:“大数据驱动的动力电池全生命健康评估体系及技术应用”,于本周六(2018年4月14号)在上海如期举行。

来自于整车厂、电芯企业、PACK企业、电机电控企业、充电桩企业、高校研究机构,以及上下游合作伙伴,近100名业内精英齐聚一堂,在上海觉云科技有限公司创始人兼首席执行官常伟常总的分享下,聚焦主题,深度风暴。

百家讲坛于下午2点准时开始,就大数据驱动的动力电池全生命健康评估体系及技术应用,常总从以下3个方面进行了讲解:(1)动力电池集成健康评估(SOH/寿命/故障等)方法介绍;(2)健康评估体系在新能源汽车使用和梯次利用的应用场景分析;(3)梯次利用电池可用寿命模型和储能配比模型总结与经验。

动力锂离子电池在实际使用中,我们非常关注电池的两个状态信息:一个电池的容量信息,也就是我们所说的SoC,这个直接决定了电动汽车还能跑多远;另外一个就是电池的健康状态,也就是我们通常所说的SoH,这个参数就直接决定了电动汽车还能用多久。但是非常不幸的是这两个参数的实际中预测都比较困难,因为锂离子电池是一个非常复杂的体系,不但包含了正极、负极、隔膜、电解液等主要材料,还包含了导电剂、粘结剂等辅助材料,但是我们从电池的外部能够获得的信息却只有电流、电压和温度这几个最基本的参数,这让电池的SoC和SoH的预测变得无比艰难。一般来说电池的SoC和SoH预测方法主要可以分为两大类:1)模型法;2)经验法,近年来产业界已经对SoC的预测方法做了很多工作,也建立很多的模型,能够在不同的使用状态下对锂离子电池的SoC状态作出比较准确的估算,但是SoH估算的研究目前还处在刚刚起步的阶段,大家研究的还比较少。

常总认为建立可靠的SoH预测不仅仅要充分利用动力电池在使用中积累的大量的数据,更为重要是要建立一个可靠的物理模型,然后通过大量的数据对于物理模型进行强化训练,从而对物理模型进行优化,提高预测的准确性。

首先常总强调了数据分析的重要性,一方面我们面临的是海量的数据,因为电动汽车在行驶中会积累大量的数据,一辆电动汽车在两年的时间里会产生三百多万条的数据,这些数据加起来可能会有几十个G,如果没有好的处理方法,浩如烟海的数据对我们来说是没有任何意义的。其次,我们的数据又非常有限的,往往我们只能拿到二三十台电动汽车、两三年的数据,这就让数据非常有局限性。

针对数据处理,常总为我们分享了上海觉云的一些宝贵的经验,在一个典型的流式数据中,所有的数据总计有100多列,一共三百多万条记录,面对如此之多的数据,我们首先要做的就是“筛选”,将其中对我们有用的信息筛选出来,然后逐条对SoH进行分析,这样我们就相当于建立了一个“纯经验”模型,如果化成一条曲线,那我们就有了一个最简单的模型,但是这个模型也存在一定的局限性,因为我们的数据样本太少。为了解决这一问题,上海觉云用了整整六千辆电动汽车的数据进行分析,优化了“经验”模型,从而使得模型的准确率达到了90%左右,如果进一步增加的样本数量,准确率可以达到95%以上,但是这样就大大增加了成本。

解决这一问题就需要用到一些物理模型,锂离子电池的体系非常复杂包含了正负极活性物质、隔膜、导电剂、电解液等等,还有电流、电压、温度、压力等参数,实际上是一个非常复杂的系统,建立一个高可靠性的模型需要的变量可能达到100个,但是常总认为相比于涉及到图像、语音识别的神经网络算法的上万个参数而言,这还是一个比较“简单”的模型,通过算法的优化,实际上我们可以在有限的数据量的情况下,提升动力电池SoH预测的准确性。

在谈到这套SoH预测模型的应用前景时,常总认为在下面的三个场景中该模型有很大的用途:1)对动力电池的服役寿命进行预测,一般动力电池的剩余容量衰降到80%一下,我们就认为这个动力电池需要退役了,通过这一个模型我们就能准确的估算出动力电池会在什么时候退役;2)其次,在电池梯次利用中这套模型也非常有用,随着国内最早的一批电动汽车迎来了退役潮,大量退役动力电池组将涌向市场,从目前来看梯次利用能够最大限度的发掘动力电池的经济价值,但是电动回收工艺一般会根据动力电池的剩余容量来给退役电池进行定价,此时这套系统就能够排上用场,通过预测退役动力电池还剩多少容量,还能使用多长时间,以此作为退役电池的定价依据;3)二手电动汽车价值评估,电池的健康状态一直是二手电动汽车交易环节最让人头痛的问题,毕竟谁也不想买一辆快要报废的电动汽车,SoH评估就为解决这一问题提供了一个很好的手段,通过SoH分析我们可以知道动力电池还剩余多少容量,还能用多长时间,从而合理的为二手电动汽车进行估价。

此外,常总还为大家分享了动力电池故障预测方面的一些经验,相比于SoH的预测,动力电池组的故障预测更加困难,因为我们对于动力电池故障数据的积累还比较少,其次即便是发现了电池组存在故障,我们也很难找出故障的原因。

目前的故障预测主要是两种方法:随机森林法和异常点检测法,随机森林法需要收集大量电池监控数据和故障数据,从而进行学习,但实际上很多时候电池组是不会出现故障数据,因此也就很难找到学习数据,这就需要我们采用异常点检测的方法进行故障预测。

最后,常总也强调了并不是所有的故障都是可以预测的,许多故障并没有征兆的,也是无法预测的。其次,并不存在一种最好的故障预测算法,需要根据不同的故障类型选择合适的算法,只要有足够多的数据就能够找出最佳的预测算法。

常总讲到通过故障预测算法,我们能够预测:1)故障会不会发生;2)还有多久会发生,这样能够为整车厂家的售后服务部分提供一个参考,其次也是为下游用户提供一个动力电池组可靠性评估的方法。

此次是新能源汽车百家讲坛的第44期产业/技术聚焦,在短短两个多小时的精彩课堂中,大家进行了充分的交流碰撞,我们相信就大数据驱动的动力电池全生命健康评估体系及技术应用,每位现场参与的学员都会有一个新的认识、新的理解和新的收获。

更多行业热门资讯及干货,敬请关注“连线新能源”(ID:NELinked

另外,新能源汽车全产业链通讯录欢迎您的加入,微信扫以下二维码,填入公司、职位、电话、邮箱等信息即可加入。

  • 发表于:
  • 原文链接http://kuaibao.qq.com/s/20180415G0BY8Z00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券