SAECCE 2020 | 格瑞安能姜久春：动力电池安全应用解决方案

2020中国汽车工程学会年会暨展览会（SAECCE 2020）于2020年10月27-29日在嘉定上海国际汽车城-上海汽车会展中心举办，汇聚汽车及相关行业的企业高层、技术领军人物、资深专家学者、广大科技工作者。10月29日，深圳格瑞安能科技有限公司总经理姜久春在本次大会上发表了主旨演讲。

以下为演讲实录：

我给大家报告一下我们最近在做的一些关于电池状态的情况，我的报告主要讲电池安全的一些内容，实际是状态评估和安全的内容，这个报告主要是讲安全。

起火的事情就不多说了，昨天刚刚质监总局又召回了1000多辆车，那个是由于电池制造缺陷造成的，但是事实上发现电池没有问题的时候它也有很多起火的事件，这是最麻烦的事情。我们国家包括全世界在定的规范标准，实际上电池准入和电池退役的标准都是有的，但是使用过程当中这个标准到目前为止仍然是空缺。对这个电池当前的状态，使用状态还有一些安全状态也是一个空缺的，我们想在这方面做一些事情。

我们对能够拿得到数据的起火原因进行了一个统计，可以看到左边的像进水滥用占了23%，碰撞占了19%，这些其实无法从数据角度来解决这个问题，但是从电池角度有58%是由于电芯的原因造成的，我们对电芯里面做了一个分析，能够明显看出电芯有问题的，包括电芯在起火之前有明显异常的，或者跟其他电池相比，或者前面有人提到过明显有一些异常，包括内短路演化的过程只占了30%不到，剩下70%是没有任何征兆的电池就突然猝死了，就得了心脏病直接就死掉了，所以如何解决这58%的问题，其实是现在整个产业界面临的一个非常大的问题。这58%我们认为可能是电池一些生产制造缺陷，无论过程控制怎么样，总有一些缺陷电池会出来，这些缺陷电池在正常使用过程中实际上没有表现出什么异常，但是可能会有一个偶然的触发因素造成了这个电池突然发生内短路，这是很大的一个原因。

另外一个就是电芯的异常老化，电池从容量和内阻来说，从百分之百衰减到95%，但是有一些电芯的衰退规律和其他电芯不一样，我们称之为异常老化，就是这个老化的特征跟别的不一样，我们知道电池实际上是电化学反应的一个过程，它的衰退也应该遵循一个统计学的规律，如果跳出这个统计学的范畴的话这个电芯会发生异常，包括锂离子正极材料、负极材料怎么损失，如果跟别的不一样，这个电池我们就定义为异常老化，但是从外特性来看没有什么差别，也可能会造成猝死。我们想就能不能通过大数据云端监控平台的数据结合地面的还有一些新的分析方法能不能解决一些问题。

我们现在给出了一套解决方案就是通过车载的电池管理系统BMS还有云端还有地面检测相结合的再用动力电池安全预警，从云端来看我们主要就是收集车载数据进行大数据分析，然后预测中长期起火风险以及为短期预警提供数据支持，现在其实面临的最大一个问题还是数据质量的问题，前面的有国标10秒，其实很多厂家的数据质量还是存在一定的问题，我们通过慢慢规范起来，提供一些能够满足需求的数据的话，就可以给所有车建立一个医疗档案。云端有很多车载数据，实际上可以做一些阈值，建立阈值是没有问题的。如果在云端发现电池有一些问题，比如说异常衰退或者是有起火风险就会指定到定面来做精确检测，对运营车辆可以做定期的检测，我们后面参加了标准对运营车辆要提出要定期对车辆进行体检，非运营车辆收集了数据之后如果有起火风险可以到地面做精确检测，上面是一个体检，到地面就是一个精确检测，我们也研发了电池安全检测设备，可以对这个电池进行判断有没有起火风险。

在车载端我们也在考虑，现在基本都是10秒的数据，我们也在研究如果这个数据频率从10毫秒到1秒到10秒对安全预警会有什么样的影响，我们希望在BMS侧还有TBox侧和云端做不同的算法，在B MS和Tbox我们结合了变速器的方法，这块我们正在做一些研究工作，我们想把数据频率做上去，我们也在做分析。从长期来看是按月来进行预警的，包括实现对异常老化电池的识别，通过的手段就是大数据加上地面检测两者相结合起来的。

前面很多老师在讲怎么描述健康状态，实际上就是通过正极材料、负极材料、锂离子的损失，甚至可以把电解液的衰退加进去，就重新建这样一个表征方法，而不能单纯用容量和内阻来描述电芯，就找不到异常老化的电芯了。所以用这个来描述它，但是这里面难点就是刚才北理工熊瑞课题组他们在用充电片段来解决能够识别电池老化的参数，那个工作非常有意义，就是在工程上是可以实现的。如果没有充满放光就很容易得到，但是实际上做不到，我们就用充电片段获取数据就可以得到一个健康表征的方法，把每个电芯就知道了，就可以判断这组电池里面电芯一致性是否存在问题。我们通过这种方法，通过大数据和地面检测的方法就可以在早期识别出一些异常衰退的电池，这些异常衰退的电池避免出现热失控，这个方法也可以给检修提供一个支撑。

现在很多电芯厂的检修都是靠技术人员在支撑着，我们只要有云端数据加上地面检测设备工人就可以去操作了，可以大幅度降低企业的维护成本，并且能够识别出异常电池。在中期主要是识别未短路的电池，有一些锂枝晶是慢慢长起来的，所以它的变化是有迹象可循的，你会发现一些特征，这个电池在慢慢的可能会出现内短路。我们的办法就是通过地面检测还有电池管理系统也在做，但是其实这个微短路是一个演化过程，很多是出现微短路但是很快就热失控了，现在的方法需要时间才能判别出来，也有可能会发生漏报的问题。

我们通过地面设备就做了一个主动检测方法，原来都是靠被动的方法，就是靠电压来测量，我们如果在地面设备可以用主动检测方法，再施加一个激励，这样就避免漏报。最后一个就是提到58%里大概有70%是没有任何征兆的电芯，这些电芯怎么办？我们就用基于信号分析的一个短路预警，因为我们能够对电压和电流进行采样，我们对信号做一个分析和处理，我们做了7个参数，用这7个参数来描述电芯是不是有问题，现在我们能做到误报率比较低，对于车厂来说或者对于应用者来说漏报并不危险，反而是误报非常危险，因为误报多了一个是增加人的心理负担，另外一方面就是一旦误报之后维护成本太高了，我们现在是可以一定程度上识别出一些突然死亡的电芯，我们现在也在做把它嵌入到BMS里面，也把它嵌入到TBox里面，我们就构建了长期、短期、中期的安全方法。

来看几个例子，这是我以前做的，这个电芯在这儿，我自己建了一个指标体系，从容量来看，这个电芯和其他电芯差不多，但是我做分析这个地方明显这个电芯出现了一个严重的问题，在这儿除了一个峰，这个电芯就是在负极上会有问题，可以把这个电芯通过我的指标找出来，这个电芯有内短路风险就可以把它挑出去做维修或者替换。另外就是关于容量跳水的问题也是这样的，其实刚才有人讲容量突然衰退了，突然衰退有很多原因，异常衰退也会出现容量跳水，我们用这个方法也可以预测出来这个电池容量要跳水了，所以我们也可以诊断出来。

这是一个实际着火的例子，从这个前端来看，蓝的和黄的他们两个距离比较近，然后越来越宽，说明这两个电芯偏差越来越大，实际上画的是电压，但是实际上做的时候是用SOC来做的，因为电压会存在一些问题，从这个过程到这儿，从一开始来做这个变化的大概用了七天的时间，我发现这个电芯已经开始有微短路，最后把它识别出来，提前五天识别出这个故障，这个车最后还是着了，这种情况并不多。

另外就是用信号分析的方法，从这儿可以看出这两个黄的是明显高的，其实有一些异常衰退的电芯放到这里面也会有高的，但是在用异常衰退和一致性分析的时候把它去掉了，没有风险，而这个一致性分析没有问题，异常老化也没有问题，这个电芯由于它发生衰竭，所以这个电芯有可能起火，我们把这个电芯找出来了，这个是提前了三个小时。

还有一个我们是提前了100秒预测出来，但是没有意义了，主要原因在于数据的频率不够，他们给我数据是30秒和10秒，如果能够给我1秒数据我可能会提前10个小时就能把它判断出来。

做了一个盲测，从国家拿了16辆车的数据，这个样本数不够，但是有7辆车发生了事故，是30秒/次，我最后判断出来是5辆车异常，因为我不知道最后是哪辆车最后起火了，最后判断出来5辆车异常，准确率是百分之百，但是也漏报了两辆车。这个平均时间还好，因为可能跟电池有关系，跟采样的精度都有关系，大概是11.4个小时对热失控进行了预警。北理工的那个平台是19年的，现在大概能够做到60%，但是由于我这个样本量比较小，后来有另外几个厂家又给了我一些数据，他们都是把好数据和坏数据混起来给我的，里面有两辆事故车，有一辆车检测出来，另外一辆车是漏报出来了，但是没有误报，还有一个是给了我30辆车，有5辆车，我是检出了4辆，漏报了一辆，有一辆误报。

我们现在也在跟重庆正在做再用电动汽车动力电池蓄电池系统检测方法。

我们的合作伙伴主要包括东风、滴滴、北气，到年底大概应该有40万辆车。

我们希望通过这套系统能够解决电池状态评估的问题，同时尽量减少电池起火事故。

以上就是我的报告，谢谢大家。

敬请关注“2020中国汽车工程学会年会暨展览会（SAECCE 2020）”直播专题：https://auto.gasgoo.com/NewsTopicLive/282.html

（注：本文根据现场速记整理，未经演讲嘉宾审阅，仅作为参考资料，请勿转载！）