安全问题重于泰山。行业数据显示，今年前三个季度，中国新能源汽车产销分别完成631.3万辆和627.8万辆，同比分别增长33.7%和37.5%，市场占有率达到29.8%。随着新能源车销量、保有量及车辆使用年限增加，新能源汽车安全事件发生率及复杂程度也逐渐增加。

　　在第八届动力电池应用国际峰会(CBIS2023)上，欣旺达系统集成部部长翟冬，作主题为《大数据预警平台在电池安全方面的应用》的演讲，指出安全是行业的底线。“电池作为新能源汽车的主要动力系统，从某种程度上来讲，它的安全决+定了整车安全的底线。”

图为欣旺达系统集成部部长翟冬演讲

　　翟冬援引行业数据，2021年新能源汽车安全事故发生率约为0.03%。其中，在充电时产生的安全事故大概占25%，停放时是37.5%，自然行驶时候占32.1%。他指出，安全事件是行业面临的挑战，行业需要解决的是如何保证造出来的电池包是安全的。

01

疏堵结合的安全防护

　　据介绍，欣旺达做了很多基础理论研究和安全验证。“T1时间从触发安全问题，到能够检测到安全事件基本是秒级时间。从T1到T2，第一颗电芯失效到内部产生热蔓延大概是数十秒;如果没有防护或者防护失效，可能在数秒到数十秒内整个包就产生热蔓延。”翟冬表示，在极端恶劣的情况下，在数秒之内整个包就会达到无法控制的状态。

　　据翟冬介绍，对于安全问题，欣旺达的解决思路一个是疏，一个是堵。堵的方面，欣旺达在电芯层级、模组层级和系统层级都做了大量防护措施。在疏方面，欣旺达在预防安全上下足了功夫，搭建大数据平台监控不同车辆电池的安全状态。目前欣旺达在网运行监控的车辆接近20万台，历史累计车辆也将近百万台，在电池安全数据方面有很多积累。

　　整个大数据基于三端。“车端基于整车提供的硬件平台，通过T-box和云端设备能够及时收集采集电池包相关数据。”翟冬介绍道，欣旺达还会在云端基于大数据衰减机理分析和大数据方法进行融合，对每一个电池包进行差异性管控。

　　“电芯是一个化学品，每一秒都在变化，有可能前一秒电池表现都是ok，后一秒会产生安全事件。因此，建立差异化医疗档案或者是数据记录，对于整包安全分析非常重要。”翟冬强调。同时欣旺达还会制定专项地面端检测手段，或者对电池进行维护。从而实现在车载段、云端和地端构建出三端结合的大数据分析系统。

　　上述整个工作是基于三个模型。一个是机理模型，主要用于分析电池寿命衰减、异常安全。另外是信号分析，从整车上收集到很多电池信号，包括电压、电流以及温度信号，会跟机理模型结合做安全评估。第三是数据发掘，可以用来评估除电芯安全之外整车的其他安全项。基于此可以做线上电芯老化预估，包括微短路监控、分钟级或者小时级安全预警。

　　翟冬展示了一些历史数据。针对电芯内短路或者异物导致电芯异常放电进行安全预警，欣旺达安全方案可以做到提前半年以上，短的提前三四个小时识别出异常电芯。“当然识别出异常并不是最难的，最难的是要做到能够在识别的同时不误判，这非常考验阈值设定和整个数据分析能力。”他说。

　　除了内短路的检测之外，大数据还可以做电池SOC差异分析，“如何在小的差异里面，能够把异常电芯识别出来，这个是我们当前以及以后要长期做的工作。”翟冬介绍，另外还可以对容量单体的异常进行分析，与SOC原理基本一致，基于电池衰减模型，设定两个阶段值，用来做报警和最终判定。

02

全生命周期NP

　　除了预警电池包本身的安全事件，大数据还能做更多事情。比如，分析预警整个高压回路。这包括预警整车端电机、电控的安全，对高压回路内阻和温度的异常进行监控，通过安全边界设定去判定某一车辆高压回路是安全或者是异常。

　　通过大数据还可以做电气件寿命分析。“整车里经常会遇到电芯粘连或者Fuse的异常熔断，但是通过数据发现在熔断那一刻并没有产生很大异常，我们发现熔断是一个累积过程。”翟冬介绍说。

　　因此，欣旺达对熔断器寿命做了一个预估模型，发现Fuse寿命跟它的使用时间、使用温度和最高温度的持续时间相关。当Fuse寿命达到寿命末期的时候，已经出现明显导通能力下降以及温升异常，Fuse部分已经熔断接近寿命终点。

　　“我们的大数据模型，基本上可以识别94%左右的安全事件，热失控检出率可以做到88%以上。”翟冬表示，欣旺达大数据平台对于整个系统目标，是要做到全生命周期NP，无热失控，无热蔓延，“这一块还有很多路要走，当前我们已经走在正确的路上”，他说。