鉅大LARGE | 點擊量：979次 | 2021年12月06日
嚴曉教授：未來出行中的智能動力鋰離子電池
我今天與大家分享的是“未來出行中的智能動力鋰離子電池”，電動汽車里面的關鍵部件是鋰離子電池。我再講一下智能化過程當中，鋰離子電池是不是也應該有自己的大腦，能夠該怎么做。
我先自我介紹一下，我是2014年從硅谷到了上海工程技術大學汽車學院。前面王博士講到了未來汽車的趨勢，我總結為SAE，今后的汽車都不叫汽車了，叫自動駕駛的共享電車。我們在講趨勢之前先回顧一下歷史。
福特的ModelT對社會的影響，一個是人的行為、信息和能源，是制造的高效化，反映的是組織機構的高效化。然后就是信用卡消費，還有就是生活環(huán)境變化，從城市跑到了郊區(qū)，高速公路多起來了。再就是美國夢，好房好車。再就是財富重新分配，中產階級出現(xiàn)。還有就是美國世紀對全球的影響，這里面很重要的就是人的行為。
現(xiàn)在在自動駕駛AI的環(huán)境下，智能駕駛帶來的變化是城市以前是為車而設計的，以后是為人設計的，產業(yè)的重心從造車變成出行。另外就是AI有可能是機器代替人做決策，這樣會加速“未來車”對社會的經濟影響。
影響體現(xiàn)在什么地方呢？現(xiàn)在看汽車的產業(yè)鏈。整個產業(yè)鏈分成生產銷售和售后，未來怎么樣呢？我們要考慮全生命周期的設計。我們再看能源，能源有這樣幾個要素，第三次工業(yè)革命，一個是新能源，第二個是樓宇，就是一個微型電網(wǎng)形成儲能。第三就是儲能，新能源和微網(wǎng)都要儲能。第四就是能源網(wǎng)，第五就是電動汽車。這里面最重要的就是儲能。
符合Exic IIB T4 Gc防爆標準
充電溫度：0~45℃
-放電溫度：-40~+55℃
-40℃最大放電倍率：1C
-40℃ 0.5放電容量保持率≥70%
新能源要規(guī)模化應用，必須要儲能。而使新能源變成可預測的儲能必須具備如下特質，第一價格不能太貴，第二要有智能化，第三是安全可靠，第四就是規(guī)模上可擴展。因為要在用戶端小的社區(qū)一直到比較大的輸配先的變電站都要調節(jié)，而滿足這些條件里面只有一種，依賴于電池。在新能源汽車里面，大家最追捧的就是鋰離子電池，鋰離子電池現(xiàn)在面對在測試上面有一些技術問題，就是說它測不準，就是它的容量測不準，為何呢？因為不是直接測的，是算出來的，根據(jù)電流算出來的。壽命也是搞不清楚的，只能猜，根據(jù)實驗室的數(shù)據(jù)預測是什么樣子？這個是我們大數(shù)據(jù)情況下，根據(jù)實測數(shù)據(jù)和歷史數(shù)據(jù)進行更準確的預測。我在三年前到上海就把一些新的理念帶過來，我們就是圍繞著多場景的動力鋰離子電池測試需求做文章，考慮把各種各樣的車子打通，建立一個可以測整個純電動汽車的實驗能力的實驗室，然后可以研究做耐久測試，建立容量隨著充放電次數(shù)。隨著溫度的關系，或者是健康狀態(tài)，隨著一個特點值的關系，然后推算過去以后，對運營大數(shù)據(jù)進行分析，然后進行所謂動態(tài)的改變策略，就是做一些預防性診斷。另外就是我們研制了一個新的檢測設備。
下面講一下，不僅僅車要全生命周期，鋰離子電池也要全生命周期設計。也就是說我們在看鋰離子電池全生命周期成本，一個是生產成本，一個是使用壽命?，F(xiàn)在講的使用壽命是80%，剩下的使用壽命怎么樣，剩余價值怎么辦？我們就做了嘗試和挑戰(zhàn)，我們進行梯次應用，然后進行大數(shù)據(jù)分析。根據(jù)產業(yè)的發(fā)展情況，三年多前開始的我國大批量的規(guī)?；褂?，我們預期明年將有爆發(fā)性的退下來的鋰離子電池。
這里面對挑戰(zhàn)的一個問題是成本。相應的方法就是能夠直接用的就直接用。第二就是電池模組容量不一致，我們可以做人工均衡，這個細節(jié)就不說了。還有就是模組內有明顯的短板電池，我們就替換，就采用不依賴一致性配組的iBattery冗余動態(tài)切換架構，這樣三個方法。
另外退下來的梯次利用很具有挑戰(zhàn)性的是什么呢？新的電池用起來就可能出問題，退下來SOC在80%以下是否會加快下降？我們解決的方法就是加速老話實驗直到SOC~30%。安全隱患，我們看看是不是有內短路，我們就用具有CAN解析功能的智能監(jiān)控模塊獲取單體電池信息，上傳到云平臺進行數(shù)據(jù)分析。充放電能力不確定怎么辦呢？我們就用“電池醫(yī)生”進行快速體檢。還有一些不可預測的風險，我們就建立一種體系，因為保險要有數(shù)據(jù)，我們現(xiàn)在新能源汽車很多數(shù)據(jù)缺乏，難以制定保費，所以我們就建立了專業(yè)的電池系列服務。
我說一下這個“電池醫(yī)生”。我們的應用場景是針對動力鋰離子電池的例行檢測，我們供應一個方法，梯次利用的時候可以進行快速的篩選。另外我們做一些大數(shù)據(jù)的分析，目的是對量化電池包的關鍵指標進行統(tǒng)計分析，對電池包進行橫向比較，參照EV-TEST。安博士有一個BestEV，我們跟他們進行橫向比較。我們還有一個任務就是挖掘價值，供應預防性診斷，預測壽命，看看何時退下來，基于用戶的數(shù)據(jù)供應不同的保養(yǎng)。
我們在這個過程當中，用了上海市新能源汽車監(jiān)控中心的數(shù)據(jù)，一鍵式取得車的續(xù)航里程、充電能量多少，能耗多少，大部分的數(shù)據(jù)都可以拿得到。這個iCET的BestEV是用消費者的評價。我們通過數(shù)據(jù)分析，前面的中汽研是用車實測做測試，我們等于是在實驗場地里面做測試，我們用他們的數(shù)據(jù)進行分析。
我們的遠景就是深度學習運行數(shù)據(jù)確定模型參數(shù)，這邊有很多專家，包括許育琳和王教授在深度學習上面都有一些想法。我們也在探討一些合作。對電池使用環(huán)境我們可以進行畫像，對電池充放電能力的影響，不同的分類給你不同的保養(yǎng)費。根據(jù)數(shù)據(jù)分析+檢測進行壽命預測，這個應該是有這樣一些價值。
我今天就講到這兒，謝謝。
（根據(jù)現(xiàn)場發(fā)言整理，未經本人審閱）
