大数据在新能源汽车电池产业链安全中的应用研究
◎方锦祥 刘瑾 陆滨 肖富臣[1]
摘要：随着新能源汽车产业的高速增长，相关产业链的动态调整与转型升级也迫在眉睫，而新能源汽车电池作为汽车产品最重要的细分模块之一，其安全性同时也体现在电池产品整体特性以及以电池为中心向外辐射展开的各项关联业务。本文通过阐述新能源汽车及电池产业链、电池大数据分析案例和电池溯源项目，研究新能源汽车及其电池如何通过大数据整合利用，实现全产业链的升级和共赢。
关键词：新能源汽车 大数据 电池 安全 产业链
一 前言
目前，中国已发展成为全世界最大的汽车市场。2018年，中国汽车销量达到2808.06万辆。根据《节能与新能源汽车技术路线图》预测，2020年汽车产销规模将达到3000万辆，2025年将达到3500万辆。在新能源汽车方面，自2015年以来，我国新能源汽车销量复合增长率高达103.68%，预计2020年保有量将达到500万辆。随着新能源汽车产业的高速增长，产业链的动态调整与转型升级也迫在眉睫，其中占据整车成本30%左右的动力电池产业脱颖而出，成为主导新能源汽车未来发展走向的重要一环，与其相关联的金属矿采选、冶炼以及新材料的研发应用也成为产业关注点。
新能源汽车在发展之初就遵循汽车网联化、智能化的发展理念，以互联网、大数据、云计算和人工智能等为代表的新技术，也以极高的效率被应用到新能源汽车的新车型上。这些新技术的应用，除了给广大消费者带来了便利，同时也给汽车企业提供了海量的车辆数据。如此大规模数据要求企业建立适用于万亿规模的大数据存储、分析模型，建设大数据分析能力，以助力对企业充分挖掘数据资产、优化企业产品、抢占未来汽车市场。
汽车行业内的大数据整合开发相对于传统方式具有一定差异，其优势在于大数据的联动具有强大的数据管理能力和逐步系统的重构功能，而这些优势的发挥依赖于汽车企业及其他合作主体创造共同的价值导向，通过积极的知识共享、利益共享、风险共担才能调动产业链的积极性。因此，在大数据背景下，大数据应用应覆盖产业链内各主体，从产品供应链、整车企业、客户等各方收集数据，关注海量数据之间的相关关系，最终识别产品全生命周期的价值提升，实现产业链上各主体间的利益共赢。
新能源汽车电池作为汽车产品的最重要的细分模块之一，其安全性同时也体现在电池产品整体特性以及以电池为中心向外辐射展开的各项关联业务上，本文将从新能源汽车产业链、电池相关大数据分析应用案例及动力蓄电池溯源项目介绍等几个方面展开分析论述。
二 新能源汽车“三电”体系及配套设施现状
传统汽车产业链包含汽车生产制造产业本身以及与其相关联的产业链上游原材料供应产业和下游的汽车服务产业，这些共同构成了汽车产业发展的内外部环境。由于本文主要研究新能源汽车产业链，因此本文围绕新能源汽车直接相关的产业链环节展开。
新能源汽车产业链在传统汽车产业链的基础上增加了电池行业以及电机、电控系统，也就是“三电”体系，并以此延伸至上游的锂、稀土等资源领域和下游的配套设施、运营及监管领域等。
（一）动力电池
电池是新能源汽车产业链中最重要的环节之一，目前中国动力电池以锂离子电池为主，车用动力电池主要有磷酸铁锂电池、三元材料电池、锰酸锂电池、钛酸锂电池等，其中以三元材料和磷酸铁锂作为电池正极是目前两大主流工艺，二者在乘用车领域装机量达到98%（见表1）。
表1 2017年中国新能源乘用车动力电池装机情况
比亚迪推出的“刀片电池”虽然为磷酸铁锂电池，但是通过结构创新，在成组时可以跳过“模组”，大幅提高了体积利用率，最终达到在同样的空间内装入更多电芯的设计目标。相较传统的有模组电池包，“刀片电池”的体积利用率提升了50%以上，续航里程已经达到高能量三元锂电池的同等水平。
除了结构创新带来的续航里程提升，“刀片电池”强调的安全也是其最重要的特点之一，尤其是动力电池“热失控”的情况有效改善。在“针刺穿透测试”中，通过用钢针将动力电池电芯刺穿，造成电芯内部的大面积短路来观察动力电池的状态变化，从比亚迪提供的“针刺测试”视频中，对比三元锂电池、传统磷酸铁锂电池和“刀片电池”三种电池的变化情况，可以看到“刀片电池”无明显异常，温度无明显提高。
（二）动力来源
工信部的《新能源汽车生产企业及产品准入管理规则》中，对于新能源汽车的定义是：新能源汽车是采用非常规的车用燃料作为动力来源（或使用常规的车用燃料、采用新型车载动力装置），综合车辆的动力控制和驱动方面的先进技术，形成的技术原理先进，具有新技术、新结构的汽车。无论纯电动车、混合电动车还是燃料电池电动车的技术发展，都需要电机电控系统技术的支撑。
目前主流的新能源乘用车驱动电机产品为永磁同步电机和交流异步电机，而中国驱动电机生产企业和电机控制器生产企业市场相对集中，比亚迪、北汽新能源、江铃新能源等10家企业所占市场份额超过75%。
（三）配套措施
新能源汽车配套的基础设施建设和服务包括充电桩、电池更换等。
1.充电设施
随着中国新能源汽车保有量的快速增长，中国充电基础设施的建设正在快速开展，但是对相关市场将形成有力拉动。根据我国相关部门对新能源汽车充电基础设施的发展的规划和预测，到2020年，我国将有1.2万个公共充电站，其中会有480万个充电桩为500万辆电动汽车提供充电服务。
2.电池更换站
换电站为用户提供电池或者电池维护服务，由于专业化比较强，需要配备专业人士快速完成电池更换、充电及维护。
三 大数据对新能源汽车的影响
（一）新能源汽车大数据平台融合
未来大数据对于新能源汽车产业乃至整个汽车产业的改变是全面性的。车辆数据、用户操作行为、用户特征、消费习惯等数据会不断驱动新能源汽车在生产制造、持续运营、配套服务和报废回收等全产业链条各个环节持续产生数据，并且进行自身优化和迭代。
大数据平台是海量数据的收集和管理中心，实际上涵盖了企业大数据处理平台、生产信息平台、车载终端平台、信息交互平台、服务运营平台、支撑平台及支付平台等各类相关子平台，除了采集生产、车辆、车主、交通等各类数据，大数据整合应用必定是新能源汽车产业大数据发展的趋势。这要求大数据平台运营主体拥有强大的数据管理能力和逐步的系统重构功能，并且能够把数据整合应用在新能源汽车全产业链的各个主体上。
（二）生产制造环节
汽车大数据的应用在生产制造环节不断优化和完善汽车智能制造体系的建设。其核心内容即打造数据驱动的智能指导体系。以工业大数据为核心，企业将不再单纯生产产品，同时也产生数据；不再是通过传统的生产和销售产品变现价值，而是通过数据达到价值提升。企业通过获取产业数据、运营数据、供应链数据、市场数据等数据推动产品设计生产制造各环节的优化。
以新能源汽车动力电池为例，整车企业通过对收集到的车辆运行数据，包括电池使用状态、电池续航、报警、性能及充电行为等数据进行分析，构建动力电池的工况画像，有针对性地识别当前动力电池工艺的痛点和弱点，继而推动动力电池工艺的改进和升级。而新的动力电池投入又会产生新的极具分析价值的数据，进一步提升大数据分析的针对性和准确性。
（三）持续运营环节
传统汽车产业在销售阶段完成“一刀切”交易后，就无法创造太多的价值。而当前及未来的汽车价值链则延伸到以汽车智能出行服务为中心的持续运营阶段。这个阶段同时也是产生数据的核心阶段，包括上述的车辆运行数据及电池状态数据在内，汽车企业可以采集、整合、分析、处理车辆、用户、交通及其他相关数据，进行用户画像、设计交互、精准营销、智能服务等商业模式创新，使运营阶段的技术应用形成闭环。这种商业模式的创新不仅全面提升汽车产业原有价值，还将极大地扩展汽车产业价值链的覆盖面，为汽车产业发展提供全新的机会。
（四）配套服务环节
基于大数据的新能源汽车配套措施运营实质上是要打造互联网、车联网和充电网相互融合的综合性平台。这个平台除了需要具备海量数据的处理能力及大数据分析能力外，还应该利用智能充电桩和智能汽车作为入口，建立“充电云服务+汽车云服务+远程智能管理”的模式，对新能源汽车、充电设备、用户进行智能管理，借助海量信息基于大数据技术挖掘商业价值并产生收益。
（五）报废和回收环节
在报废和回收环节，本文主要关注新能源汽车的核心——动力蓄电池的溯源和回收，并将围绕大数据应用在动力蓄电池的生命周期管理进行展开，相关的内容会在“电池溯源及生命周期管理”中具体阐述。
四 大数据分析赋能新能源汽车安全案例介绍
随着大数据的应用逐渐得到各方的认可，及业务范围的扩充，各个企业及用户对数据需求也日渐增多，大数据应用已经成为时代的潮流，开始冲击所处的信息时代。数据爆炸式增长已经成为当前信息化时代的重要特征，掌握和利用大数据资源的能力正成为组织竞争力的战略制高点。
新能源汽车大数据是方方面面的，车的数据只是整个系统里面的一部分，比亚迪规划的各个系统目前主要是基于公司内部的设计、生产、运行、售后、舆情全生命周期的数据。通过数据仓库的扩充，大数据的分析场景更加清晰。
传统造车没有数据，更多围绕车本身，比如造型、动力、结构的变化，从而进行多元化的设计，新能源汽车的网联功能和车载应用功能普及后，延伸了原有的车辆数据边界并且产生了大量数据，同时数据的类型以及应用越来越多样化：通过前期的市场调研可以细分市场群体，精准定位市场；根据网络舆情设计配置和改款车型功能等。在新能源汽车生命周期的每个环节都把大数据接入数据仓库中，包含运行数据、OTA数据、多媒体日志数据、网络舆情数据、400客服数据、售后数据等。
伴随数据的主流使用，现如今，企业与用户对数据本身的安全关注度也逐渐增加，而针对企业，如何将数据融入产业链也成为一个核心问题，即数据给谁用，给哪里用，是否有用。本文主要从充电行为分析与报警预警分析进行介绍。
（一）报警预警
1.问题引入
报警的展示，主要来源于车辆驾驶与非驾驶期间，对自身设备发生的异常和问题给予实时有效的反馈，从而最大化保障用户与企业的自身利益。虽然国内主流企业均有安全监管能力，并自建企业平台进行车辆监控并且具备车辆故障实时监测的功能，但是在故障报警及预警方面企业多数采取屏蔽手段，无法真正实现故障预警。如果真有这样的情况存在，新能源汽车地方监管平台的实际意义可能不会实现。无论是为了短期新能源汽车安全性监管、预防骗补，还是长期智慧交通构建，新能源汽车政府监管平台都有一定的宏观意义。随着国家2017年推出GB/T 32960.3-2016《电动汽车远程服务与管理系统技术规范 第3部分：通信协议及数据格式》，国家针对数据的规范及报警要求给予了明确规定，为建立一套新能源汽车数据采集及报警上报的统一方法奠定了坚实的基础。
2.模型建立
随着车辆的实用及普及，企业及用户对于车辆的安全要求也在日渐增加，对于报警信息的提示及核心算法的建立，其目的就是将车辆不安全因素及时反馈告知用户，核心目的即保障用户的安全和权益，针对车辆异常情况能及时做出相应的处理措施，基于此目的引申出报警及预警两个方向的分支。
报警信息，即针对当前正在发生的车辆异常给予实时反馈，并通过预定措施对车辆异常进行修复或消除，但报警信息要求的实时性比较高，故而需要将异常检测和识别的核心算法植入车内，从而及时获取报警的具体内容，这意味着仅仅是远程监控并不能达到最好效果，而需要引入企业的路试、性能分析及数据分析等技术小组，通过高频率数据来记录分析车辆在不同工况下的处理机制。
预警信息，通过现有车辆大数据进行一定范围的不同数据模型的训练，以发现车辆在某些特定指标处于异常时，未来可能会出现车辆异常或故障的关联性，从而实现对未来可能发生的报警给予提前预警并采取缓解措施，以降低严重或较大的车辆异常发生并报警的概率。但目前由于车辆状态数据采集方案的特殊性（需要的硬件及软件技术导致需要投入的成本相对较高，且短时间不能得到良好收益），在实现效果上远不及高频率小数据带来的直观，汽车企业普遍会更关注诸如车辆报警方向，而在预警分析方向的投入相对较小，加之大数据分析人员多半对业务的理解相对较弱，致使大数据与小数据（高频数据）难以有效融合。
因此对于现有汽车大数据与高频率小数据的应用，首要的不是融合两者，而是找出它们的不同点，并且通过了解两者的不同点来规避存在的不足，扬长避短，专项发展，再进行有效的融合。结合实际应用经验可以总结出以下几点。
（1）大数据关注相关性，而小数据重因果
大数据更多地关注是什么而不关心为什么；尽管大数据依然可以回答因果问题，但因果关系主要来自研究者的理论和假设而非统计或数据。大数据分析更关注数据多维度的相关性测量和多视角的商业应用价值。因为大数据的样本量很大，追求的是多样性，往往是通过对不同维度的相关性数据进行挖掘分析，发现那些不能靠直觉发现的信息和知识，有时候这些数据得出来的结论甚至是违背直觉和不可理解的。而小数据则需要有明确的假设或者因果推导，才能得出结论。传统的小数据重实证研究，强调在理论的前提下建立假设，收集数据，证伪理论的适用性，采用随机抽样的定量调查问卷获取数据，验证假设。这是一种自上而下的决策和思维过程。
（2）大数据重预测，小数据重解释
网络每天产生的大数据可以在一定规则开放性下，通过应用程序接口（API）和爬虫技术采集，汽车厂商也可以通过车载终端拿到实时上传的整车运行数据，一些商业机构和政府组织也向社会研究机构提供各种海量数据源，特别是政府开始提供权威开放数据源。大数据往往带有时间标签和不同属性，基于全量采集的数据使其本身更具预测性。新能源汽车厂商通过采集车辆电池的运行数据和使用环境数据，期望预测电池的使用寿命。自动驾驶通过对摄像头、雷达及成千上万行人过马路的数据分析，期望预测横穿马路的行人顺利通过马路的概率及汽车需要的应对措施。开放、公开易获得数据源是大数据时代的基本特征和产生社会影响的本质。
（3）大数据重全体，小数据重抽样
大数据是自动化采集、存储的数据，在软硬件满足的条件下可以分析海量数据。随着存储和软硬件的经济性和分析工具的高性能，海量数据的处理能力得到提升，数据挖掘算法不断改进和丰富，特别是统计分析和机器学习的神经网络建模技术不断发展，全体数据是大数据分析的基石，抽样并非必要的手段和方法。
大数据具有边生产边应用、边应用边生产、实时在线和离线分析相结合的特点，往往更关注数据从总体上感知社会，通过大数据的在线可视化技术呈现大规模数据的流动模式，为大数据时代背景下的智慧城市、智能交通、舆情研究、谣言传播提供了数据基础。大数据同时关注对个体的数据挖掘，个性化推荐、精准营销、传播路径分析等应用领域都具有大数据特点。小数据往往采用显著性检验，统计显著性受到样本代表性和样本量的影响，对数据来源的真实性、无偏性和代表性格外重视。尽管大数据不一定能满足全体数据要求，理论上讲再大的局部也没有随机抽样更具代表性，但机器学习算法所带来的个性化推荐技术、非线性建模、空间地理分析、实时在线的数据可视化分析手段都应成为认识世界、感知社会的重要手段和目的。
通过如上比对分析，可以深刻感知大数据与小数据的本质区别，针对报警与预警的实质性要点应该理解为：大数据分析是要将异常情况扼杀在萌芽中，而小数据主要是将异常情况更多更及时地体现。
3.实际应用
目前新能源汽车企业不仅承担着汽车制造商的角色，同时也在向低碳出行服务供应商进行转变，为了实现这个转变，要求汽车企业在车联网应用上建立了明确的战略规划。实际上很多汽车企业的第一阶段的云服务功能都已经实现，此阶段车辆具备基础的网络服务，在车载功能方面引入与云端的交互，从而实现车载功能的极大丰富和增强。当前正在经历的阶段被称为云计算阶段，车辆不再处于各自孤立的状态，从单纯作为终端消费网络服务转变为数据的输出源，结合云计算和大数据技术，为各个车辆提供更有针对性的服务和安全保障。而针对第三个阶段，即智能网联阶段，则需要对车端、网络及服务云端进行进一步的解构和规划。
对于车端，需要在设计阶段对于整车所有的车载模块（实际数据产出的源头）及模块数据信号有极其清晰明确的规划，该定义应围绕后续一系列的云端服务要求进行规划。车载模块需要具备的特点应该是基于互联网的开发的、可扩展的支持模组。而模块数据信号也具备开放的特点，可以进行接口定义。这样规划的目的是建立一套从网络到车端底层的垂直数据通道，使其更有效、直接接入网络。这样的规划同时也有益于汽车企业及开发者构筑更加灵活的基于数据定义的车辆。
网络端的构筑主要就是两个方面——车内网和车际网。车内网主要是构建以太网，以太网能符合线下车联网的特质，同时满足新一代汽车对于车内网络通信的性能要求。车际网随着车载网联终端的技术发展，其性能和功能边界也在不断演化，从最初的基本网联能力到能够无缝关联云-端的高性能综合信息交互系统。下一阶段的网络信息交互系统则会进化成生态车机，就是深度结合车辆车载模块及云端信息互联平台，形成一个真正的生态车机。
目前很多新能源汽车企业已经构筑了自己的企业云平台，包括第三方的车联网服务平台，通过自己的业务中心以及能力开放平台，将会让更多的用户实现他所想要定义的功能。结合汽车大数据，云平台将会精准地构建出汽车画像和用户画像，车载模块喜好以及多样的车辆数据信息则会让已有的画像更加精准。基于云计算和大数据技术，云端对海量数据的深度融合和再应用，可以为用户打造独一无二的、基于用户车辆定义的产品。
通过端、网、云三方面的打造，将会构建出互联互通的平台，让万物实现互联。前面所做的工作其实一直是在改造各个汽车自身的车，让它具备互联的特性。但是针对车企同时也希望车联网化不是一个企业的行为因为有更多的平台需要接入进来，这些平台接入应包含新能源汽车产业链的每一个环节，最终建立一个统一的智能网联汽车生态圈。
除了汽车企业及相关服务企业在车联网大数据云端的规划建设外，国家层面的大数据平台也随着技术发展逐步推进：2011年，新能源汽车监控系统开始建设并在2012年北京质量监督检察月开始对接新能源汽车企业的车辆数据；2013年，该新能源汽车监控平台进行了平台架构上的调整，使用了更为先进的分布式架构；2014年，上海市的新能源汽车数据平台也开始对接汽车企业数据。
2019年末，北京理工大学向各个车企发出邀请，一同参与电池预警工作，主要为解决新能源汽车针对车辆安全下的电池性能预警给出相关模型预估，以提升新能源汽车动力电池的可靠性，在不影响车辆运营的情况下，大幅度减少电池异常造成企业及用户损失的风险。在新能源汽车车端改造升级以及监控平台建设的同时，比亚迪电池事业群也针对车辆电池报警功能成立研究分析小组，进一步深入研究BMS，以求将报警功能做到最好，针对BMS相关信息，本文会在充电分析中再给予部分介绍。
4.结论叙述
本节从汽车数据最早的应用之一——车辆报警信息的应用情况引入，并且从车辆报警和预警功能和异同中提炼出了车辆大数据和小数据的应用问题，并且总结了车辆大数据和小数据应用的几项异同以及基于各自优劣势的数据融合应用方案。随即阐述了新能源汽车企业在构建大数据时代下的车联网服务新形态，并从云、管、端三方面提出了规划建议。最终回归到行业乃至国家监管平台的建设上。
（二）充电行为分析
1.问题引入
新能源汽车的安全性问题，一直是监管部门、汽车行业及社会各界关注的重点问题之一。对于监管部门而言，人民群众的生命财产安全是第一位的，新能源汽车电池安全及充电安全必须满足这个要求；对于汽车行业而言，车辆电池管理系统和“三电”系统的技术革新，充电技术和效率的优化与充电安全之间的权衡尤为重要；而对于用户而言，车辆续航里程和充电效率直接关联到他们在车辆的选择上。将多方考虑归结在一起，本文提出了以充电行为分析为切入点，以提供汽车产业在新能源汽车及其配套措施建设方面更加清晰的建议。
2.实际应用
随着“三电”技术的发展，新能源汽车企业的选择也增加了，部分企业选择从外部引入“三电”技术，以至于原有的内部的研发体系必须处于和外部供应商体系竞争的状态。然而部分产品需要汽车企业深度参与开发的情况依然存在，其原因是这些产品的需求根据车辆的具体情况而产生异化，这点并无法从行业中找到通用的替代品。其中一个需求异化的原因可以从汽车大数据在新能源研发体系中的深度应用中体现，主要是实践工作中提炼出来的技术方面的问题。
汽车企业从早期就已进行用户驾驶习惯分析，通过建立用户画像以指导车辆开发和优化方向。前期在SOC、电压、电流、油门等方面做了很多定义，让它能够符合大数据分析的基础要求。相对的部分数据在进行软件定义的时候并不符合大数据分析的要求，比如门开关的相关数据，通过软件定义输入的改进，增加门开关使用次数统计的数据记录，从而为大数据分析建立基础。这样的软件定义工作并非一蹴而就的，需要汽车企业的大数据业务逐渐积累和优化，以此最终建立满足汽车大数据实际需求，也极大地丰富了大数据分析的应用场景，如SOC的状态，电流的温度、深度等数据及一系列相关的分析场景。
以充电桩分布信息为例，通过整车的充电状态反推GPS信息，从而得出充电桩位置分布情况，这个数据比较简单，初步分析似乎并没有什么作用，但是在实际应用中，给充电的测试帮助很大。因为每个车型充电电压不一样。在上市之前需要做大量的充电测试，这就涉及大量的充电桩测试，在不同的城市就可以通过这个充电桩分布情况数据规划充电测试。再如充电时长和耗电量分布的分析，基于充电时长和耗电量分布数据可以做到充电系统零部件耐久时间的分析和可靠性的分析，而分析结果也表明充电时长大部分是在6个小时，3～8个小时占绝大多数。
充电难一直是行业探讨的问题，通过对比新能源汽车企业内的车主和外部车主的充电情况，发现大部分汽车企业内车主充电率很高，有近90%。原因是新能源汽车企业会在公司范围内安装大量充电桩，企业内车主可以选择在公司给车辆充电而不是在家里或其他充电场所，因此充电率很高，同时22点以后充非常多，7点以后比较少。目前部分早期小区存在扩容难的问题，因为安装车辆充电桩可能会影响小区电容容量，由于22点以后大部分家庭已经把用电设备关闭了，由此提出假设，是不是分时充电就可以实施了？相关假设如果能加以深入讨论和应用，就是大数据应用的积极案例。
在对智能充电分析、寿命评估和使用可靠性的评估后，可以发现对于电动车，没有启动时，很少存在深度放电和充电的情况，相对较多的都是浅放浅充。从分析结果可以得到，相对环境温度较低时，充电次数就会增加；电池寿命衰减比较厉害的话，充电次数也会增加；如果车辆存在异常导致电池深度放电，充电次数也是增加的。
为了避免新能源汽车电池组由制造工艺、工作条件和电池老化等造成的电池不平衡，汽车企业会设计电池均衡策略优化电池组的管理。比亚迪针对均衡方式过程的简要介绍如下：插枪充电，在充电结束的时候，暂时不断电，而是让均衡系统充分均衡至仪表盘全黑，完成后正常用车。正常用车时，将电量用到较低情况（推荐20%以下10%以上）。这样就完成了一个比较完整的循环，所涉及的均衡的时间都是有效的均衡，剩下的就是积累足够的时间。比如部分车辆，累计均衡时间超过约200小时才可以达到一个比较完善的效果。
以上谈到的均衡事宜，主要都是建立在电芯没其他异常问题的情况下。如果某个电芯有问题，导致实际容量降低或者其他异常情况，那么均衡系统就难以发挥其原本设计期望的效果，针对这个情况会引出下一个问题，即如何判断电芯问题？均衡问题导致的电压不一致，比如1%的时候最低电压电芯和100%时最低电压电芯为同一个，而电芯问题导致的是1%的时候最低电压电芯在100%的时候反而电压较高甚至最高，如果对应的电池组是这样的情况，那么只能考虑换掉对应有问题的电芯。
针对一些充电问题同时还发现了一些现象，面对充电量不足与纯电续航里程不足的问题时，如果是因为电池组均衡有问题或某个电芯有问题，则解决方法首先应该判断是哪种情况，再选取后续的处理方式。
车辆充电电量跃升，即电池组在充电时在某个百分比（比如95%），跳过中间正常百分比数值直接达到100%，可能原因是系统对于电池组容量的标记大于实际上电池组的容量，因此在充电到这个百分比的时候，其实已经有电芯的电压达到终止充电的对应电压，导致车辆停止充电，并且显示此时电量已经充满。
电池在低电量时电量下降比较快：因为磷酸铁锂电池对应的放电特征，在中间很长的时间电压变化很小，系统只能估测对应的剩余电量。而当电芯剩余电量达到10%时，电压会突然下降。部分电池管理系统会在有电芯达到此电压时，重新预估电池剩余的电量，如果此时剩余电量显示为40%，而系统重新估测后认为只有10%，那么，系统会提高仪表显示的电量下降速度，造成的结果就是原来1%可以跑1000米，而此时只能跑500米左右。
这样的应用案例在充电行为之外的用户行为分析也是有所体现的，例如，通过对空调温度分布的分析，发现绝大部分车主温度设定是22～27度。通过这些数据的比例可以看出整个空调系统在夏天的工作能力是否满足用户需求，进而对整个空调的设计开发进行优化提升。
又如基于制动系统数据的分析可以发现，车辆制动深度在50%以下比例接近99%，而88%的车主制动深度在30%～35%，即绝大多数的刹车情况都是可控的轻度刹车，而紧急刹车占比则非常少。
3.特点信息说明
在充电行为分析中的实际执行过程中出现了对应数据的建模数据分析人员普遍对业务内容的了解程度不及产品部门人员，而产品部门人员无法像数据分析人员一样从大数据的角度理解和分析业务内的问题，这是所有大数据分析都会碰到的情况，这种情况导致企业出现大数据不知道该分析哪些内容，该将内容提供至哪些人员，而对于产品部门也不知道该如何利用大数据进行分析，该怎么分析。比亚迪的大数据业务部门，在将大数据业务及技术进行推广介绍的同时，与各个部门进行业务对接，让更多业务部门了解并应用大数据，通过实际解决业务部门的问题，来建立在业务部门通过大数据分析解决问题的观念。通过已经完成的分析进行汇总建模，优化建模和分析方案，以做到统一建模、统一提供，结合正向反馈实现大数据分析优化的正向循环。大数据分析广泛应用于现有场景，需要数据、业务、技术三方合作，在设计、开发及售后环节分阶段来给予逐步落实，需要循序渐进，只有做好一项会引入第二项，理论与现实的融合才是大数据应有价值，当然也不能说做到了完美，但通过现有的模型得出了一些心得。
（三）国内电池管理系统BMS的困境
新能源汽车的发展道路其实并不是一帆风顺的，过去这几年，伴随着新能源汽车的大量推广使用，新能源汽车领域也出现了不少不良新闻：虚假续航里程、自燃等，而对于产生这些问题的原因，主要是没有使用电池管理系统或使用劣质的不成熟的电池管理系统。科技部、财政部、工信部和国家发改委等四部委，已经联合发布了新能源汽车示范推广“安全令”（即《关于加强节能与新能源汽车示范推广安全管理工作的函》），强调“对投入示范运行的插电式混合动力汽车、纯电动汽车要全部安装车辆运行技术状态实时监控系统（简称BMS），特别是装载动力电池和燃料电池的电动汽车”。
但是并非安装了电池管理系统就代表没有任何问题，例如：在精度、安全、放电、寿命能力等方面，单体电池可以充放电1000次，成电池组后可能只有600次，若搭载上不理想的BMS，无法实时精准地监控对应电池的充放电状况，极易造成电池芯局部功耗过大，产生局部热量，且信息无法传递至驾驶员，这样也极易导致电池自燃发生。
然而也有不少的专业人员认为，安装好的BMS能够有效提高电池的利用率，防止电池出现过充电和过放电，并且延长电池的使用寿命，监控电池组及各电池单芯的运行状态，有效预防电池组自燃，如遇紧急情况提前给司机提供突发事件预警，为保障安全赢得时间。
（四）新能源汽车和电池管理系统的未来
中国新能源汽车产业发展始于21世纪初，直至今日，也不过十余年，但由于对于环保和可再生能源的渴求，新能源汽车发展逐渐迎来了春天，随之也越来越受到用户关注，在相当长的一段时间内，新能源汽车都会与传统燃油汽车争夺市场，而且由于社会发展的需要，这种市场份额的侵占是可以预期的。但是在展望新能源汽车快速发展的同时，新能源汽车企业也必须清楚地认识到，技术的发展才是行业发展的基础，而高效、稳定、可靠的产品就是技术最好的体现。随着新能源汽车产业的蓬勃发展，各家汽车企业都在电动汽车充电领域发力，相信充电难题会很快得到解决，或者比汽油车还要方便。当然国内有关新能源汽车行业的舆论也层出不穷，电动车自燃事件和虚假续航里程，都暴露出国内目前新能源电池管理系统的设计、检测、生产的标准的不完善。技术参数及标准缺失，也没有权威机构对厂家生产的BMS进行检测，这是目前国内BMS市场的困局，导致BMS产品的参差不齐，难以大面积推广。同时，目前国内很多汽车厂商认为只要各个单体电池芯能链接上，就能保证车辆运行安全。
对于未来，通过新能源的发展，不仅可以减少对自然的污染，起到环境保护的作用，同时也更方便了人们的出行。但为了保障“绿色出行”，国家与各个车企也需要更加紧密的合作，拒绝闭门造车，跟紧行业大潮，利用大数据的优势做出更懂用户的车、更懂用户的物联网。
五 电池溯源及生命周期管理
（一）问题的提出
目前，中国已经成为世界上最大的新能源汽车动力蓄电池生产和消费国，同时随着第一代新能源汽车电池寿命将至，新能源汽车电池产业回收及报废阶段的管理受到极大的重视。考虑到我国的新能源车产量，电池寿命及车辆运行工况等因素，预计2020年动力蓄电池退役量将达到约25GWh（约20万吨）；至2025年，累计退役量将达到约116GWh（约78万吨），其中磷酸铁锂电池占比44%，三元电池占比50%。对此，动力蓄电池回收再利用的市场可达136亿元，2023年将超过300亿元。
（二）电池溯源项目目标及影响
政府部门高度重视新能源汽车动力蓄电池的回收利用问题，2018年2月，工信部等七部门联合发布了《新能源汽车动力蓄电池回收利用暂行办法》，7月工信部更是提出了《新能源汽车动力蓄电池回收利用溯源管理暂行规定》，规定要求各个责任主体上传电池溯源信息。
结合有关规定，整个回收再利用市场需要对动力蓄电池的生产、使用、维修、更换等过程进行管理，也就是对动力蓄电池的整个生命周期进行有效溯源，需要各方提供数据支撑及分析。基于国家政策要求与国标编码的电池清单，结合整车企业内部数据、整车上传数据、销售及售后环节等分析数据，对动力蓄电池全生命周期所涉及的各个环节，包括生产、销售、维修、回收、退役、更换进行管理追溯，实现各个环节电池信息的管理，最终确保动力蓄电池产品来源可查、去向可追、节点可控。
（三）结合运行数据的电池溯源管控
为应对动力蓄电池回收利用的管理压力和响应政府部门对各责任方的要求，用于动力蓄电池溯源管理的国家平台——新能源汽车国家监测与动力蓄电池回收利用溯源管理平台建设完成。该平台的投入使用，有助于动力蓄电池全生命周期的管理追溯，实现动力蓄电池产品来源可查、去向可追、节点可控。
整车企业作为动力蓄电池溯源管理的核心环节，是打通电池生产企业与下游使用环境的关键。从大数据角度来看，整车企业除了有生产、装配、销售、维修等基于整车的信息外，还有车辆上传的运行大数据，这些大数据代表了车辆的使用环境和驾驶员的操作习惯，也直接体现了动力蓄电池的实际使用环境和工作情况。通过结合车辆上传的车辆状态数据，包括车辆内外部使用环境温度、单节电池最低和最高温度、充电时长、起始充电SOC等数据，以及动力蓄电池维修方面的信息进行数学建模及监督训练，形成了针对动力蓄电池的健康度的算法，可以有效管控动力蓄电池的使用及工作情况，确保动力蓄电池的全生命周期管理。
图1 各温度区间分布
六 结论
新能源汽车发展初期正好是中国互联网蓬勃向上的时期，并且随着基础通信手段的极大提升，新能源汽车能够与车联网、云计算、工业大数据等技术迅速结合，继而对新能源汽车产业链产生巨大影响。汽车大数据对新能源汽车产业链的影响是全面的，包括上游的材料、研发，中游的制造，下游的销售、服务和监管等各个环节，都将迎来全新机遇。
大数据时代下的汽车大数据分析由于其行业特点的影响，以新能源汽车电池安全为中心，衍生出差异化的数据特点，如车辆大数据和高频率小数据；分析角度，针对车辆电池状态的分析，针对用户行为的分析，以及车联网生态的构建规划，云、管、端角度。对于汽车大数据以及传统大数据分析业务而言都是新的挑战。其中基于大数据的车联网生态构建更是全汽车产业链及相关组成部分共同协力才能完成的巨大任务。细化到电池安全领域，整车企业基于新能源汽车运营大数据的分析，为动力蓄电池的研发、生产、运营和回收提供了全新的切入点，通过电池报警、性能及充电行为的大数据分析，为电池研发提供重要参考信息。对于新能源汽车行业必须面对的电池回收利用及电池溯源管理的现实问题，通过大数据平台和数据监管平台的有效结合，把动力蓄电池产业链的各个责任主体关联起来，形成电池全生命流程跟踪管理的完整链条。整车企业作为该链条中最重要的核心环节之一，结合车辆状态数据及动力蓄电池维修信息进行建模分析及监督训练，形成动力蓄电池健康度算法并有效管控电池使用和工作状态。
新能源汽车及其电池的数据整合利用，必定是新能源汽车产业在当前趋势下必须考虑和钻研的，有效利用大数据实现全产业链共赢互利，是促进新能源汽车产业再次高速发展的关键命题。
参考文献
王文斌. 汽车企业的大数据分析模型研究与实现［J］. 信息与电脑（理论版），2019（14）：149-151.
陈云香，孙华平，张茜，刘宏笪. 价值链曲线视角下中国新能源汽车电池产业转型升级策略研究［J］. 经济研究参考，2019（09）：46-51.
马建，刘晓东，陈轶嵩等. 中国新能源汽车产业与技术发展现状及对策［J］. 中国公路学报，2018，31（08）：1-19.
中华人民共和国工业和信息化部.新能源汽车生产企业及产品准入管理规划［Z］. 2009-6-17.
贡俊，张舟云. 车用驱动电机产业发展动态［R］. 北京：中国汽车技术研究中心. 2017.
马亚蕾. 浅谈大数据在新能源汽车领域的应用［J］. 计算机产品与流通，2019（11）：145.
王攀，李龙辉，徐树杰. 中国新能源汽车动力蓄电池回收利用产业发展探究［J］. 时代汽车，2019（21）：36-37.
[1] 方锦祥，比亚迪汽车工业有限公司汽车工程研究院，车联网系统架构主任，主要从事车联网整体架构研究及体系建设、整车信息安全设计等，侧重于传统汽车与IT技术融合领域研究；刘瑾，比亚迪汽车工业有限公司汽车工程研究院，车联网数据分析中级工程师，主要从事汽车大数据研究，侧重于大数据、数据分析、数据挖掘、人工智能等技术在汽车领域的应用；陆滨，比亚迪汽车工业有限公司汽车工程研究院，车联网安全初级工程师，主要从事汽车信息安全研究，侧重于汽车信息安全架构设计、汽车信息安全体系建设、整车信息安全设计等；肖富臣，比亚迪汽车工业有限公司汽车工程研究院，车联网数据监管初级工程师，主要从事汽车大数据研究，侧重于方案架构，产品业务规划、协调市场、开发、运维、管理等团队确立产品方案。