新能源汽车国家大数据联盟微课堂自2022年底推出安全系列化课程，围绕网络安全、数据安全、车辆安全邀请专家大咖分享课程和观点，旨在服务国家数据安全治理体系的构建，促进数字经济的健康持续发展。
2024年4月25日晚联盟微课堂安全系列化课程第十八讲的课程上，来自江苏大学的盘朝奉教授，分享了题为《动力电池安全技术挑战与应对策略》的课程。锂电池安全问题仍然是生产企业、终端使用者和政府监管部门关注的热点，锂电池安全技术仍面临多方面的挑战，课程从动力电池产业发展动态、动力电池安全技术挑战、电池荷电状态估算研究、电池健康状态估算研究、电池热管理系统研究五个方面分别展开，以下为课程回顾。
由于能量密度高、放电功率高、循环寿命长等特点，自1998年首次引入锂电池相关技术以来，我国锂电池产业已走过了25 年的发展历程，并成为目前电动汽车使用的主要动力电池。据中国汽车流通协会汽车市场研究分会近日发布数据显示，2024年4月上半月，中国乘用车市场零售51.6万辆，其中新能源车市场零售26万辆。这意味着中国新能源汽车市场渗透率首次突破50%，市场占比首次超过燃油车！
作为新能源汽车的动力源，动力电池形成了完备的产业链和全球市场规模。然而，随着保有量的增加，电池在使用过程中存在的安全隐患和挑战是时刻存在的。因此，在制造、设计和制造过程中，需要严格把控每个组件的选择配置，以确保最终产品的安全性能。
课程中，针对动力电池安全问题，盘教授首先介绍到，造成电池安全事故并引发自燃的主要原因包括：制造缺陷或外部损伤导致的内部短路、过充与过放以及电池的热失控等。为了确保电池安全，企业和研究机构需要持续投入研发资源，解决现有的安全挑战，确保电池技术既高效又安全。从电池运行角度，可以采取精细的电池状态监测和控制，实时预测和防止存在的安全风险。在电池设计和制造过程中，要对电芯的技术、电解液和隔膜材料的性能提升，增强电池在受到物理损伤情况下的安全性能。
电池荷电状态估算研究方面，盘教授提出，在选择方法时需要考虑精度、成本等多方面因素，并根据具体需求和环境选择合适的方法。常用的测试设备包括恒温箱和充放电设备。在获取测试数据后，可以采用不同模型进行估算，如内阻模型、一阶RC模型、一阶RC直斥模型等。在选择模型的基础上，还需要进行参数辨识，然后进行模型的验证。此外，还可以引入滤波算法，如卡尔曼滤波算法，以提高估算精度并减少计算时间。最后，通过建立简化化的串联电池模型，可以实现对电池组的SOC估算，从而提高精度。
电池健康状态估算研究上，实验分析法可以通过获取电池性能数据，评估其健康状态。基于模型的方法，可结合电池状态估计参数估计等方法，分析模型输出结果观测值差异，预测电池的健康状态。最后，随着机器学习和大数据技术的发展，数据驱动方法成为一种新兴有效的评估手段。在评估过程中，需要构建和分割实车环境数据集，量化电池包健康状态，进行全气候健康特征工程，分类特征数据，构建优化和验证数据模型。
课程最后针对电池热管理系统，盘教授指出，电池热管理的研究主要通过加热或冷却方式进行分类，主要通过结构设计、仿真分析和控制策略等方面展开研究。通过有效的监控和管理，可以预防许多常见的电池安全问题，进而提高电池系统的安全性和可靠性。
问题1:电池安全一直是消费者所关注的，请问您如何看待科研成果的落地，快速有效地应用到车企并服务消费者？
我们在学校开展研究过的程中，也会跟踪行业的需求进行相关的工作，特别是我们最近开展的基于数据驱动的方式，挖掘出与电池性能或者安全有关的需求，对产品的设计、制造、运行管理都具有指导的意义。目前我们也跟着行业里面的一些协会或企业广泛开展交流与合作，这些也是行业里面的通行做法。
问题2:您认为当前汽车动力电池的硬件保护是否完备？以后是要在硬件上提升，还是在现有硬件的基础上，通过软件解决锂电池的安全问题？
我的理解是，首先要保证硬件系统足够的稳定，经过长时间的发展，不论是传统汽车还是新能源汽车，它的性能也好、安全也好，都要有一个比较先进的一个硬件的平台。比如说整个结构设计的合理性，以及采用先进的这些材料技术，或者是设计的理念或者是制造的一些工艺的进步。在这样的基础下，我们再进一步运用先进的或智能的技术改善性能。
问题3:电动汽车的应用场景和用户的需求越发多样化，不同的应用场景对锂电池的安全要求也有所不同。请问在不同应用场景下，我们如何能够快速的对电池的热管理策略进行调整，来保证其稳定运行？
我们的不同产品，在开发过程中就考虑到应用场景的不同，在设计在制造的过程中，整个硬件平台参数的配置都是有针对性的。在这样的基础下，得益于数据的不断积累，我们可以在特定的场景运行时，对可调的一些参数进行优化，从而提高电池的效率及稳定性。
问题4:您如何看待AI大模型技术未来是否能为电池安全的预警，电池健康度的评估和有效的延长电池寿命等方面产生帮助？
在电池领域，AI大模型具有广阔的应用前景，以后如果要通过AI大模型来形成对我们有用决策结果，首先需要注意到获取的数据是否具有代表性，再一个是积累的数据，它的标准化格式化是否具有通用性和扩展性，最后数据中心从硬件和软件的功能上，能不能满足多个并发数据的需求，实际上都是值得探讨的。