华商三优陈强：基于大数据构建电池安全评估及充电安全体系 【图】

华商三优陈强：基于大数据构建电池安全评估及充电安全体系 【图】

车云按：2017年6月21日-22日，由中国安全产业协会、TIAA车载信息服务产业应用联盟与车云网共同主办的2017年中国安全产业峰会暨首届交通安全产业论坛在北京召开。本文系华商三优新能源科技有限公司副总经理陈强在会上发表的演讲。陈强就电动车安全的要素、解决方案和应用情况做出了较为全面的阐释。

华商三优新能源科技有限公司副总经理 陈强以下是演讲实录：陈强：大家好！首先，简单介绍一下我们华商三优公司，华商三优公司成立于2010年2月份，是专门做充电设施的方案设计、产品制造、营销、包括运营服务，我们是一个高科技的企业。我们的企业宗旨是要推动电动汽车走进千家万户，我们的目标是要成为国内领先的新能源汽车出行解决方案的一个供应商。目前在北京我们主要是服务于北京公交，建设大容量的公交快速充电站，到现在为止已经建成了30座，预计到年底整个网络要达到100座。另外，还有一些出租充电站，包括近期可能各位在北京市也会看到在原来的扬招站附近，现在也开始部署专用的充电设备，这些项目都是由我们公司来承担的。另外，我们主要做一些私人充电桩的安装服务工作，各位如果有下一部要购换电动汽车的，有安装充电桩服务的话可以跟我们联系。到现在为止，我们在北京市已经建成了28000多个充电桩，形成了790多个电动社区，这是我们公司的一个基本情况。影响电动车安全的三大要素咱们这次会议的主题是交通安全，充电或者说电动汽车的安全，也是我们现在比较关心的。因为终归它是个新鲜的事物，到底安全不安全，发展时间比较短还没有一个很标准的说法。最近出的问题也稍微多一点，包括前些日子因为周边环境的原因，造成了电动汽车停放过程中也发生燃烧。站在我这个角度，我认为任何一种安全都是系统性的工程，在这个系统里头任何一个环节出现问题都可能会产生安全隐患，或者造成系统安全重大事故。影响电动汽车系统安全的主要因素有车辆电池安全、充电安全以及电网系统的安全。车辆方面，电动车辆安全的核心是电池安全，电动汽车动力电池过充、过放是引发电动汽车充电安全的主要原因之一，电池预警机制缺失，会导致无法防范电池潜在缺陷引发的安全事故。特别是电池，电池实际内部也是个系统工程。我记得在2010年刚开始做电动汽车的时候，谁的电池最安全？磷酸铁锂，为什么？因为它的吸氧温度是最高的，实际上后来看到电池的安全不仅仅在于电池的正极材料，真正出现电池安全问题的，可能更多是集中在负极或者电解液，某一个环节的安全不能决定整个系统安全，我们一定要站在一个系统的角度来去解决安全的问题。充电方面，目前充电机的状态它是被动，它是按照车辆提供的需求来去给车辆进行充电，包括充电的电流、电压、包括一些停止的命令。但是因为现在的标准不够细化，各个厂家不同角度理解起来还是有一些差异，还不能做到整个充电机跟电池系统之间的一个协调保护。再有一个是电网方面，随着整个电动车辆逐步的增加，特别是我们现在充电的趋势是向大容量，快速充电去转。我们国家相关单位和机构也在推进大容量充电机。随着负荷的不断增加，对电网的影响也会越来越大。集中大功率充电对区域配网形成负荷冲击、充电谐波、三相不平衡和系统震荡等问题需要在系统层面进行优化和调度。电动车安全解决方案所以我们想针对这几个方面，结合我们在日常工作中的实践，整个的解决方案是通过提高装置本身的安全性、从系统角度提升充电机、电池和云端协同安全的保障能力、基于历史数据对潜在的电池故障进行预警等手段，建立起多维度的安全防护机制。只有把这些工作都充分的做到位了以后，我们整个的充电安全才能够得到一个有效的保证。所谓的设备安全这块，我们现在强调的是说，任何一个设备它应该是一个拟人化动作，应该是智能感知的动作，作为充电机，第一它应该能感知到周边环境的变化，能感知到电池对它的需求，同时它也能对自身的各个关键元器件进行自检测，相当于是个人。就是说我们一定要实现自己状态上报的功能，数据量积累起来就可以通过各种方式，来对数据进行远程的诊断、定位，从而来降低整个设备的故障率。其次就是建立一个系统的机制。目前我们这个机制还是相对简单一点，就是储存保护的关系。就目前我们整个的标准制定来讲，BMS或者车辆是作为整个充电中的大脑，但是我们要建立后备保护机制，一旦大脑失效的时候，充电机给它提供相应的后备保护，这个在我们现有的充电设备里头已经实现了。另外就是数据的收集，利用大数据对历史数据来进行分析，建立起一个协调保护的机制。现在我们感觉虽然按照标准，应该在充电的过程中数据是交互的，但是实际上各个车企在充电的过程中，向充电机这一侧发送的数据量还是比较少。有一些数据在国家标准上是建议性的，并不是强制性的，所以造成了不同的充电机、不同的电池从不同的车辆所获得的参数是比较少的。我们现在公交集团这个项目它有一个比较便利的条件，是因为车辆是由一个运营商来统一管理的，所以我们现在可以对车辆和电机数据之间的交互进行标准的交互，从而能够获得电池在充电过程中相关的信息。通过这些数据的积累，包括我们正在开发的一些智能评估的算法，逐步要建立起一套电池故障的预警系统。刚才说到故障数据实际就是系统的一个数据源，但是大家知道电池的充电过程中，BMS数据采集力度是非常大的，第一对当地硬件的要求比较高，再有一个数据大了可能会变成一种垃圾数据而不是有效的数据，所以我们现在在跟相关的专家共同去研究基于电池的电化学原理。对于电池的预警数据进行压缩，有效的解决海量电子数据的存储和分析的问题。通过我们公交整个项目的实验来看，应该效果还是比较令人满意的。这种方法它的优势一个是对电压测量误差的容忍度高。 大家都知道，我们现在从电池角度能测的不过几个参数，电压、电流，还有一个温度。如果我们安全的要求越高，实际对于采样精度的要求就越高，但是车辆确实在一个动态、恶劣的工作环境下，一些传感器的精度并不能达到我们从安全角度的要求。如何弥补传感器存在的问题实际上很关键，我们现在的算法相对来讲对这个容忍度还是比较高的。第二个就是数据记录总量显著减少，降低了数据的传输和存储压力；第三是复原的电池充电曲线数据误差在1mV以内。这是我们压缩方法能达到的效率。有了这些东西就可以建立起电池的状态、参数和故障数的一个模型，建立电池故障状态评估方法。有了方法以后就可以对电池的状态进行实时的模拟和感知，不断的来调整电池的充电参数。在电池使用的不同阶段，充电策略实际上不应该一样，如何让我们的充电机策略能够根据电池衰减的状态，包括它的一致性、动力性、发热等等，提出优化的充电策略，提出维护的建议，同时能够智能的进行保护和控制，这一块我们现在还在实验。我们现在所有基于大数据要去做的一个最终目标，就是要让充电机能够更好的对电池进行服务。随着历史数据的积累，我们就可以建立起一个中长期的评估和预警的体系。随着咱们数据处理速度的越来越高，我们实时预警的这些手段也能够有效的投入商业应用里，目前还都是在实验室里的是没有问题的。但是考虑到更多成本问题的时候，我们还是需要一个相对长时间的。应用结果我们整个公交集团目前建立的系统，有充电桩监控，也有云端的一个大数据存储，初步建立了安全相关数据的采集、远程监控和数据分析把控的机制，具备电池、充电机还有基础数据上传，故障报警，处理和存储的功能。通过充电过程实时数据监控及完整充电过程记录文件的存储，为电池数据分析和专家系统的建立奠定了基础。到目前为止整个体验运行有30个站，服务的公交车辆是551辆，年底服务的车辆数将会达到5000辆，到目前为止充电次数是144万次，整个充电过程做到了零故障。说明现在这套机制还是起到了作用，但是如何让它能够更大规模的为未来的电动汽车发展做服务，我们还有更多的工作需要做，也需要跟在座的各位能够形成联动的机制。谢谢大家！