为此，中国电动汽车百人会于9月3日在南京召开了动力电池数据价值挖掘与SOH评估研讨会，就动力电池大数据利用和SOH算法相关问题展开讨论。本次研讨会分为动力电池数据平台功能性与数据挖掘、动力电池SOH设计与应用两个部分，共有23家企事业单位50名代表参与讨论。
动力电池健康状态评定直接影响新能源二手车交易
上海市新能源汽车公共数据采集与监测研究中心副主任丁晓华：
上海计划在年底将动力电池SOH估算和预测研究成果在汽车后市场推广。上海市新能源汽车动力电池开放数据库平台通过每10秒或30秒采集本地新能源汽车电池包电压、电流、最高温度、最低温度，以及单体的最高温度、最低温度，利用充电电流积分法和行驶里程法开展动力电池SOH估算和预测研究。预计年底将首先应用在汽车后市场，为电池做评定。虽然评定的准确度不能做到95%或93%，但希望能做到优、良、中几个等级，便于在车辆交易的时候提供参考。
动力电池监控平台是大数据利用的载体和保障
中航锂电科技有限公司失效分析负责人王纯德：
中航锂电从2月份开始搭建动力电池数据平台，计划分两期完成。第一期搭建平台框架，实现基本功能。通过对市场需求功能调研，识别并汇总共计108项需求分类，主要包括运行工况类46项，故障报警及预警类27项，电池性能检测分析类25项，电池寿命及健康类10项。第二期将数据导入平台，实现设计过程、测试数据和终端数据整合。通过数据整合之后，一是有效检测过程中的异常情况；二是通过跟后端合作更好地实现预警功能。
整个动力电池平台项目分为三个层次，基础层、功能层、业务层。基础层包含整车工况；功能层包含电池安全预警、电池健康评估、电池寿命评估、电池故障预警、电池残值评估等；业务层包含整车厂要求、产品研发、质量改善、售后服务、失效分析、梯次利用、应用商评价等。
监管机构主导和电池厂主导可能是动力电池大数据合作的主要方式
深圳市比亚迪锂电池有限公司BMS研究部经理冯天宇：
动力电池大数据有四大痛点：
1.无追溯是指很多在生产端、换电以及电池离开车的期间，电池数据不在整个电池全生命周期数据管理的链条中，影响整个电池包的全生命周期可追溯。
2.数据差是指国标要求数据30秒（有些企业可以做到10秒）更新一次，并且缺失单体电压信息。
3.来源少是指涉及到用户隐私保护和整车厂对于车辆状态保护，数据如何共享或者如何有效利用起来还没有很好的解决方案。
4.算法难是指电池的算法是一个交叉学科，除了对电池要有了解，还要具备大数据处理能力。
动力电池大数据有两种合作模式，一是监管机构主导，另一种是电池厂主导。
监管机构统筹主导，有利于行业有序发展及标准统一。当前阶段，所有的电池数据都是从整车厂直接报送到监管机构，监管机构建立大数据平台，在平台上面可以开展应用。
电池厂主导有利于电池全生命周期数据管理及深度应用。动力电池在退役以后，仍有较长的生命周期，由于电池厂有电池和整包的设计数据，有电池的数字孪生模型，了解电池性能和控制策略，由电池厂管理具有天然优势。
从二手车残值角度撬动主机厂共享电池数据
普华永道思略特管理咨询执行总监刘昕：
动力电池残值评估将直接影响二手车交易价值。对于整车厂而言，都追求品牌向上，而残值管理正好是品牌向上的一个重要体现。在全世界范围领域，为什么认为丰田的品牌要比其他汽车品牌强？原因之一就是丰田的二手车残值比其他品牌贵10%以上。因此，对新能源汽车而言，动力电池残值评估将直接影响二手车交易价值，如果没有历史数据做参考，将无法准确估算出动力电池的健康状态。
动力电池大数据管理有助于提高换电运营效率和安全性
NIO Power电池运营技术负责人叶磊：
蔚来能源针对电池监控提出了从L0到L4五个方面的能力。L0是数据接收层，主要负责全面分析接⼊数据质量，解决原始数据丢失，错误，遗漏等问题；L1是信息处理层，主要负责实现告警、流转、FOTA、维修、梯次利用全面溯源和处理；L2是预警诊断层，主要负责基于运行数据提前识别潜在隐患风险，避免故障发生；L3是状态评估层，主要负责全面评估电池运⾏状态，分析影响因素，深度挖掘知识；L4是业务决策层，主要负责基于知识分析制定业务决策方案。
换电体系下的电池监控运营效果显著。云端预警技术的应用使隐患在演变为故障前即可被探测和处理，提前预警率达95%，识别准确率达95%。监控运营反馈的异常经质量分析已识别的root cause为五大类共30多项。针对每一起root cause从设计改进、工艺优化、供应商管控、来料检测等手段全面开展质量闭环措施，从源头降低隐患的发生概率。
动力电池数据管理能为持有者带来经济效益
广汽新能源电池利用模式高级经理马忠杰：
要让用户从经济性角度体验到电池数据利用的价值。动力电池如果归个人所有，只能在本地报废车辆和电池，而且也不知道在哪个最合适的阶段报废或者做梯次利用，影响了动力电池的经济效益。但如果是电池资产公司做车电分离管理，通过动力电池大数据评估和预测SOH，动力电池的经济效益将会最大化，而且批量处理动力电池也会在环保和材料回收两个阶段产生规模效益。
前馈+闭环是电池系统控制的思维
清华大学车辆与运载学院教授卢兰光：
前馈可以是基于MAP或基于机理的数学模型，其中机理模型也可以称之为孪生模型；大数据就是要靠计算机才能解决的足够大的数据量；这里的闭环（算法）就是要用什么样的算法去做这些大数据研究。在开展动力电池SOH评估和预测时，可以利用大数据提取工况特征或容量的衰减数值，比如：电池的车载运行工况或梯次利用的运行工况。但是，由于电池是新产品，机理也很复杂，产生的大数据不能涵盖所有情景，只采用大数据方法无法预测电池性能“跳水”。
因此，还需要采用孪生模型进行数据增强，即把电池的所有衰减模式或故障模式采用孪生模型生成，尽可能涵盖所有的可能情况。然后，通过迁移学习+神经网络等AI机器学习方法展开研究，获得电池的衰减模式。最后，根据实际运行大数据结果对孪生模型进行修正，进一步完善孪生模型。同时，也可以给电池管理提供改善方法。通过上述方法（机理结合大数据），可以预测未来电池的衰减模式，从而精确估计和预测电池SOH。
从测准、算准、预测三个维度解决动力电池SOH评估难题
深圳市比亚迪锂电池有限公司动力电池安全与可靠性技术部主任研发工程师郭磊：
电池寿命计算和预估难点是如何有效获得整车数据和模型算法的验证。这方面主要是涉及很多部门间协作，数据量不仅比较多，而且受信息保密性制约，整车厂也不愿意提供数据。另一个难点是根据历史数据和当前的工况结合，预测后期寿命走势。
动力电池SOH模型设计主要分三个维度，首先是测准，其次是算准，最后是预测。在测准SOH阶段，先尽量把电放空，在车辆行驶到SOC小于15%或者仪表显示低电量时，在环境温度20℃-40℃搁置24小时。私家车测试方法，把电池放空，消除极化，再开始以7kW的功率充满电量即为剩余容量。运营车辆测试方法，前面的处理都一样，主要是用快充容量作为它的容量标定。在算准阶段，根据三种不同充电条件判断，利用三种算法，按权重融合估算SOH。在预测阶段，首先从大数据中获取需要的字段，比如说倍率、温度等，然后提取工况特性，开展SOH估算。
多维数据互补融合保障电池安全
欣旺达电子股份有限公司电池系统研究院院长姜久春：
现阶段BMS侧和T-BOX侧未考虑电池起火预警，且算力无法支撑相应算法，包括电池“猝死”的预测。云端数据质量比较差，误报率和漏报率相对较高。
在车载端，利用现有的T-BOX芯片增加一个边缘计算模块，未来可以把它装在充电侧。BMS可以做到10毫秒的采集和运算，T-BOX可以做到1毫秒，云端可以做到10秒。通过云端计算，发现异常点，可以到地面检测站检测（可以在充电过程中检测），经过两层检测后，如确实存在问题可及时干预。
三大工具助力换电站动力电池SOH评估
奥动新能源汽车科技有限公司研发中心电池技术部副总监李攀：
大数据平台。基于大规模运行数据进行SOH估算，获取一定规模的电池系统长期运行工况数据和性能状态，通过若干个简单的模型挖掘出SOH的演化规律。
全局温度测量。温度是电池老化过程最重要的因子之一，基于对电池包内所有电芯温度的测量，可以有效的识别电芯衰减的差异，为系统高精度SOH提供有效的判断依据。
新一代换电站电气平台。基于换电站电气架构的功能完善，电池在换电站即可完成电池容量测试，并基于多目标充放电策略的实现对电池放电能量保持率、能量效率保持率、峰值功率保持率、直流内阻及其极差与方差的变化率、电压极差与方差的变化率直接测算。
云端电池AI大数据分析，构建动力电池安全运行屏障
上海电享信息科技有限公司副总裁李佳：
基于AIoT和大数据技术建立电池运营和监控平台，实现对电池的全生命周期溯源管理、安全运行和智能防护。电池平台可实现远程实时监控电池运行数据，通过数据统计和分析，全面掌握接入平台电池运营情况。当发出报警信息时，根据报警级别和类型，进行电池召回、维修、处理、更换和状态进度查询等操作。通过电池预警存档记录对预警和健康情况进行分析和统计，再结合电池履历，一致性，使用习惯等得到电池的健康评估和使用习惯建议。
