特来电首席科学家茹永刚:充电企业同样要为电池安全尽一份力

  • 2019/11/20
  • 车云网

早期我们投入市场的车载工艺技术不太成熟,经过这几年的使用,车辆已经进入了生命末期。

11月20日-21日,由车云网主办,电动邦协办的“2019中国安全产业大会暨第三届交通安全产业峰会”在广东省佛山市召开。本次峰会以“安全出行 智享未来“为主题,下设新能源汽车安全专场、新技术安全专场以及智慧交通安全专场三大分会场。来自产、学、研等和出行安全相关的企业代表齐聚佛山,共同探讨新四化背景下汽车行业产生的安全新问题。峰会期间,特来电首席科学家茹永刚发表了主题为充电企业该如何助力电池安全的演讲。

以下为演讲实录:

各位朋友大家下午好,我是来自于特来电的茹永刚,特来电是创业板第一股300001的青岛特锐德全资子公司,公司成立于2014年,从成立到现在我们总共发布了三次关于新能源车安全防护,所以很荣幸今天在这里把我们关于自动汽车充电方面给大家做一个介绍,内容主要从四个方面切入。

首先是行业背景,大家都知道这几年国家政策大力的扶持,从2014年开始,中国在新能源汽车保有量上实现了快速的增长,早期我们投入市场的车载工艺技术不是太成熟,经过这几年的使用,车辆已经进入到了生命末期,这三个因素最终导致了从2018年开始整个新能源汽车行业电池起火的增加,导致新能源汽车我们面对很严峻的形势,同时也给行业里边的主机厂、电池厂包括运营企业提出很严峻的问题,我们到底该怎么办。

我们从2011年开始到2015年新能源汽车起火事故做了不完全统计,2017年到2019,整个行业起火事故是增加的趋势,同时新能源汽车起火事故有几个典型的特征,第一是在起火之前我们是不能预测的,第二是一旦出现热失控,在热失控过程中是不可控制的,第三是一旦起火,起火事故是没法处置,只能眼睁睁看着起火,所以对于新能源起火事故我们更多是要提前预防。

第二个,把我们特来电做的充电网新能源汽车防护技术给大家做一个介绍。在做这个技术之前,我们一直在想作为目前全国最大充电运营企业,我们对于充电安全能做什么,包括这个问题在行业里面大家争论也很多,大家说你一个做充电的企业,你们又不做电池,你们怎么做电池安全,我们是这么想的,假如电池只充一次的情况下,作为充电企业我的确是对电池知识不懂,但是可以看到当充电次数到了十万次、一百万次、一千万次、一亿次的时候,一亿次的我就可以得出很清楚的边界,包括电池的安全特征,基于电池的边界和电池的特征,我们就可以设置一个很完善的专家库系统,对电池安全进行防护,今年在教师节那天9月10号特来电总的充电订单次数已经达到一亿次,所以到这个时候作为充电企业对于整个电池的边界范围我们可以做的很清楚,所以通过这些数据我们能够实现对电池安全精确的防护。

目前我们在充电过程中,左边是整个充电网入口,这个入口到目前为止我们总共应该有一亿三千万次的订单,每辆充电订单进来之后都经过两层,第一层是设备层,第二层是大数据层,两层安全防护。在充电过程中我们认为有问题的充电订单,最终会被拦截下来,进入到我异常订单充电库里面,没有问题的车辆我们就正常给他完成充电。

关于两层防护的简单技术架构,中间是两层防护部分,包含了CMS防护层和大数据防护层,大数据防护层对整个生命周期中横向和纵向的数据进行分析,对车辆进行安全防护,两层安全防护数据包括两部分,一部分是当前当次充电的实时数据,包括了BMS数据、充电技术。

另外一部分是这辆车所有的历史充电信息,包括这个车型所有历史充电信息,这两部分数据作为输入进入到两层防护里面,经过19个安全防护模型的测评,最终输出一个安全决策,到底是阻止充电还是报警,最终安全决策作为我的充电数据,再更新到我的历史充电数据库里面,对历史充电数据库进行更新。

接下来是模型建模的方法论。在模型最开始我们主要在红色区内实现,数据进来之后首先是经过数据清洗,我们把无用的数据清洗掉,有用的数据生成样本数据,经过样本分析,最终我们开始模型训练,模型训练结束之后生成最开始的模型,模型生产完之后,下次数据过来就开始完全走在线上去,数据清洗,经过计算分析、特征工程、特征映射,再经过最开始的模型进行对比测试,最终使用到我们的充电过程中进行安全防护,安全防护最终的输出,包括线上日志,包括结构分析再反过来,对我的模型进行二次修正,整个模型建立的就是这么一个完整的过程。

接下来对两层防护模型做一个简单介绍,两层防护模型总共包括19个模型,数据层总共有8个,简单理解充电网或者所有在特来电网深充电的企业,每充一次电就对这辆电动汽车做一个体检,我们相当于一个体检中心,每次充电都会对每辆车进行29个方面的检测。

接下来是几个模型我简单给大家做一个介绍。第一个是关于电池寿命的模型,电池寿命中心目前我们做法就是单位电量和单位SOC区域变化的趋势计算电池的健康状态;接下来模型是动力电池不均衡性模型,动力电池不均衡性对于电动汽车起火事故也是最大的隐患,在我们的模型里边建立了一个电动汽车不均衡性的计算模型,一辆车充满的时候应该SOC百分之百,如果不均衡的情况下,很多企业已经达到电值,但是SOC对应值很低。

同时在我们的两层防护体系里面,我们对于在特来电网上充电的每一辆车都对它的安全性进行量化,每辆车在我们网上都有一个安全评分,根据十几个模型评估值求得,车辆安全评分就是75分。同时在C端对每辆车建立一个安全档案,所有车通过APP可以看到自己安全档案里的信息。

我们建立的车型档案中,这个数据就是在武汉地区某一个车型在这个地区的关键信息,比如最高充电温度的变化趋势,当地最高电压变化的趋势以及电池温升包括最高电压。在用户侧我们对于每次出现的严重告警,对用户在APP端进行提醒,大家在APP看到我这辆车出现什么问题,到底要不要去4S店进行检修。

两层防护安全技术到底能起到什么作用?举我们在福州一个案例,最大温差的防护模型,横轴是个时间轴,里面每个点就代表一次充电订单,纵轴是代表充电过程中最大温差的分布情况,从2018年的11月12号开始到2019年1月2号,在这期间总共出现了九次最大温差,三次最大温差的防护性,最终这辆车在2019年1月20号发生起火,在我们网上目前做的目前一旦温差超过我们预警值,就停止这次充电,同时告知用户这辆车最大温差画面指标有问题,但这辆车一直没处理,最后1月20号发生起火。

第二个模型是云南电池不均衡性的模型,每个点也代表一次订单,这辆车从2018年9月7号到2019年3月26号,它的不均衡性分布范围很大,作为对比我们放了正常均衡性测试结果,每次在充电结束时候它的SOC都是在接近1的点,最终这辆车也是在2019年3月26发生起火。

两层防护从推出到目前已经和国内很多主机厂建立了车辆预警的服务,目前我们总共已经出具了18份的安全预警,包括和国内总共4个省的公交公司建立公交车辆的安全预警服务,目前我们总共服务了9800辆公交车的安全预警。

预警过程中,关于SOC突变预警的情况,底下绿色是正常平均值,是明显高于绿色平均值,这辆车我们通报公交公司进行处理,这个同样是一个给公交公司的预警结果。两层防护总体的防护情况我们做了一个展示,到到目前为止总共充电订单数5000万,有效防护率13万,有效性达到0.25%,基本上通过两次防护可以实现刚才作大的电动汽车做到可监视、可预警、可控制、可追溯。

我们希望能够和行业上下游为电动汽车安全能够进行合作,让电动汽车变成能够让老百姓放心,让政府放心的新能源车,谢谢大家。

更多评论 收起评论

我要说

欢迎您!

退出