图为优必爱信息技术(北京)有限公司首席数据科学家王志刚做主题演讲

　　9月22日上午，由中国化学与物理行业协会动力电池应用分会和电池中国网联合主办，全球未来出行大会组委会战略支持，同济大学汽车学院、优必爱信息技术(北京)有限公司重点支持的“Li+学社·成就锂享 智信未来（2018）电池技术沙龙”第五期：“归因重组-大数据解开电池安全困局”沙龙在杭州国际博览中心举办。优必爱信息技术(北京)有限公司首席数据科学家王志刚在沙龙上做主题演讲，以下是演讲内容。

　　优必爱信息技术(北京)有限公司首席数据科学家王志刚：

　　先介绍一下我们的公司（优必爱），在电池行业里面大家对优必爱可能不是特别熟悉，我们是做从数据上创造价值的公司。优必爱名称源于燃油车的保险改革，现在大家买的保险主要是按时间算的，比如包年，未来保险将出现包里程的，还有是基于驾驶行为的保险，即UBI保险，我们在公司名字又加入了BI(商业智能)和AI（人工智能），就成为了UBiAi。

　　今天周总给安排的演讲位置也蛮有寓意的，应该是充分考虑到了我们数据处理在整个电池产业链中的位置。其实我们公司现在做的这件事情和前面行业内公司做的可能还真不一样，大家在电芯、模组、PACK还有实验室的环境测试做了非常多的工作，我们工作恰好是接在你们的后面，整车的数据收集上来以后放到了云端，我们试图从云端的数据角度来入手，看能够从数据中得到哪些有价值的信息。我们之前是在优必爱保险上面。我们在动力电池上研究时间还不算长，可能有一些事情考虑不太周到，希望大家多多批评指正。

　　今天的报告会分成两个部分：一个是在线的管理方案，另一个是通过在线的数据来进行的评价。

姜博士（同济大学汽车学院姜波）在讨论的时候，我非常羡慕他们有非常好的试验设备和环境去做这样一个电池的性能测试，从他的报告可以感受到离线电池测试复杂度是非常高的，因此通过这样的测试能够拿到的样本数据又是非常有限的。

　　另一方面，现在在线上跑的车也有几十万辆，是一个很大的样本库，这些车的电池性能如何？是否安全？现实条件下不可能拿到实验室去测每一块电池的模块是怎么样的。一个自然的想法就是我们能不能从数据的角度来解决这个问题，就是我们可以通过获得的电动汽车动力电池数据帮我做前面提到的工作，现在整个车联网技术给我们带来了多维度的大量数据，为这个想法提供了可能。

　　过去我们在做这样一个状况检测和车辆维护的时候，比如说我们设服务站和配件的配送，还有我们给它做电池状态的检测，这些东西过去只能靠一些经验来做，但现在因为有车联网技术我们可以实时知道一个区域内有多少车，甚至可以知道这个区域车辆的状态是怎么样的，这样我们的工作会更加准确。

　我们的工作主要是故障初筛，我并不能精准找出哪一个电池是坏的，但是我们很快速的告诉你，坏的电池应该就在这部分，这几辆车可能是有故障的，其他的车应该是没有问题的，你不用太关注它。当这些车能够到4S店被检查的时候，你去重点关注一下它，看看它的电池是不是有问题，这项工作就是动力电池的故障初筛。

　　例如在非典来的时候，在人流量非常大的情况下，不可能每个人去验证他是否携带非典病毒，这个时候我们做了温度初筛，把可疑的人群很快锁定出来，对他们进行进一步的诊断，我们提供的工作价值与此类似，做完初筛后，后面的事情由在座的前辈来完成。

　　由于电动汽车的动力电池由大量的电芯，通过串联和并联联起来，构成一个极为复杂的电池系统。按照工程设计开始一节电池和一个电芯的可靠度还是很好的，但是整个车串联下来，这个故障率是随着系统复杂上升上来的，在这种情况下我们做这样工作就是有价值的。

　　传统线下复杂的测试是无法逐一对几十万辆车来展开测试的，这个是不现实的，一是经济成本和时间成本巨大；二是即使有足够的经济和设备资源我们也没办法通过维修厂触达每辆车，给它做一个复杂的测试。

　　还有车辆的安全性，这个安全性不容忽视，我们必须要认真解决。我们整个做一套在线的数据管理方案，通过对于BMS采集上来的数据，我们对它进行再一步的校准，对它的数据特征进行观测，然后给它提出校正。

发现问题后，在线选择优化算法试图解决问题，看能不能解决，如果解决不了，根据数据特征识别出故障在哪里，把这个故障记录下来提供到车企的维修站，当这个问题车触达的时候，我们让工程师进行监测维护。当然，如果这个问题严重级别比较高的话，可能会提醒车主主动去维修站监测维修。

　　另一个工作是对现在新能源车上的电池作评价，衡量电池现在的性能如何？电池工程师在实验室环境里做了很多有价值的工作。但实际电池涉及不同的车可能在不同的温度、路况、驾驶习惯，再加上不同电池的型号，我们想对它们电池的寿命曲线进行一个估计，如果这些拆分开，我们就算这4个里头每一个再有4种可能的话，就是4的4次方，这就需要256测试实验，很难为每种电池提供如此多的试验车去测试。

　　既然我们之前已经有了一些基础的理论研究，现在又有在线的数据，而在线的数据恰好又把各种情况下都可以取出一些数据，比如我们只要采集温度数据就够了，还可以看不同的驾驶人员不同的驾驶习惯是怎么做的。我们通过实验室再加上在线的数据来做这样的工作。

　　因为这个工作也是新开始来做的，在理论上，我们知道标准的电池状态在充电次数上有一个衰减的曲线，这是可以在实验室的环境下得到的，我们想从这一理论分布曲线看看在实际环境下它的真实状态是怎么样的，这个时候我们需要把这种不同的环境、工况、使用偏好加到整个模型中，我们通过深度学习，再加上实验设计，通过不同的方法，可以得到一个这个数据在每个特征情况下的曲线。

　　基于以上这些事情我们可以拿出来做一些工作。首先我们的电池是可以根据它的在线积累下来的数据，进行一个评级或者分类。我们知道现在的二手动力电池它的状态是什么样子的，我们还可以对它的性能做出分类，根据这个分类，因为它有不同的电池状态，还有不同的其余保险需求，我们会给它提供一个合适的电池保险产品。

　　我们刚刚说到安全这件事情是必不可少的，当可以知道什么样的电池出现了潜在的故障，当它触达到维修站或4S店的时候对它进行重点的排验，这是几种。在这个里头对于电池分类管理我们想过这么一件事情，此外电池包有一个梯次利用，通过运行状态你会看到原始数据这样，但可能会体现出不同的特征，有的可能是健康状态非常好的电池，继续保留在PACK里；有些电池衰减了一些，在这个里面可能会影响车的性能，这个拿出去进行梯次利用，而有些电池发现存在安全隐患，这种电池基本上就作为报废的状态了。

　　基于电池的性能评价，根据客户的使用需求，可以提供新的电池保险，根据已有的技术方案，首先我们的方案可以帮助它优化电池使用过程中的状态，让这个电池尽可能能够用下去，当然如果出了问题我们还会给他提供一个维护和保障。因此再加上保险的赋能，我们会给消费者提供一个更好的电池使用体验。

　　我的报告就到这里，谢谢大家！