广告
【SAECCE会议日程剧透】动力电池数字化开发与应用
2020-10-22 16:08:38· 来源：中国汽车工程学会年会暨展览会
■导读动力电池作为新能源汽车的关键零部件，近年来有着长足的发展。随着数字化信息时代的到来，数字化工具已经广泛应用在各行各业当中。本专题将围绕数字化工具
■ 导读
动力电池作为新能源汽车的关键零部件，近年来有着长足的发展。随着数字化信息时代的到来，数字化工具已经广泛应用在各行各业当中。本专题将围绕数字化工具在动力电池的全生命周期当中的应用进行讨论。将从动力电池研发设计、评估以及回收等方面介绍数字化工具将如何与传统电池技术相结合，提供创新的电池设计、评估以及回收利用的技术概念和相关解决方案。同时邀请科研机构、整车企业、动力电池企业专家展开讨论。
中国汽车工程学会携手国家新能源汽车技术创新中心、北京航空航天大学将于10月27-29日在上海汽车会展中心举办的“2020中国汽车工程学会年会暨展览会（SAECCE2020）”期间，特别策划和组织专题分会：动力电池数字化开发与应用。
N12：动力电池数字化开发与应用
会议时间&地点
2020年10月29日，13:30-18:00
上海汽车会展中心
（上海市嘉定区博园路7575号）
联合主办单位
中国汽车工程学会
国家新能源汽车技术创新中心
协办单位
北京航空航天大学
会议主席
杨世春
北京航空航天大学交通科学与工程学院院长
会议主席
邹广才
国家新能源汽车技术创新中心副总经理
主持嘉宾
朱星宝
国创中心动力电池首席专家、哈尔滨工业大学教授
01 会议日程安排
02 演讲嘉宾演讲摘要提前看
● 基于实时工况数据的动力电池SOH评价平台开发和应用
丁晓华
上海市新能源汽车公共数据采集与检测研究中心副主任
演讲摘要：
首先介绍国标规定采集的新能源汽车实时采集数据字段、上海新能源汽车数据中心（EVDATA）已经采集的新能源汽车数量、结构、类型以及新修订的上海新能源汽车地标数据。其次，介绍利用这些采集数据开展的动力电池健康度分析方法。最后，通过一个案例，重点介绍由数据中心实现车辆特征数据标定、不同的算法供应商提供各种电池衰减算法，系统平台提供按需查询的动力电池SOH评价应用系统。
演讲要点：
· 新能源汽车实时数据采集标准与上海EVDATA数据
· 基于实时工况数据的动力电池SOH大数据分析方法
· 基于特征数据开放的电池SOH评价平台开发和应用
● 动力电池安全性能评估与预测
杨世春
北京航空航天大学交通科学与工程学院院长
演讲摘要：
随着新能源汽车保有量逐年上升，起火事件频繁发生，造成严重经济财产损失。新能源汽车起火多为突发事件，难以从直观数据进行预测。引发动力电池热失控原因众多，同时在单体电池产生热失控后又会对其他电池进行热失控扩散，蔓延迅猛并引发整车起火，实现动力电池安全评价与热失控预警极为重要。报告对基于行车数据的安全特征提取与热失控预警方法进行详细介绍，包括项目组前期开展的数据修复与处理、模型构建以及热失控预警方法等研究成果，并基于热失控预警案例进行了分析。报告进一步对基于赛博链的热失控预警进行展望，包括基于赛博链方法建立动力电池全生命周期赛博物理系统，实现电池系统自设计到回收过程全方位立体化模拟，采用云端模型安全演化与车端信息闭环联动，实现热失控短期识别和长期预警。
演讲要点：
· 电动汽车起火事件频发且难以预测，热失控机理复杂
· 测试标准与内容难以杜绝小概率偶发的起火事件
· 基于行车数据的安全特征提取与热失控预警方法
· 热失控预警案例分析
· 基于赛博链的热失控预警展望
● 锂离子电池电化学阻抗车载获取和应用
魏学哲
同济大学汽车学院副院长、教授
演讲摘要：
阻抗反映了离子和电子在电池不同区域、不同过程运动所受到的阻力，是锂离子电池性能的重要表征，可以创新设计车载充电机对动力电池产生激励电流，并利用BMS中单体电压和电流采样单元测量响应电压，基于数字锁相放大器的电池阻抗计算，也可以用小波变换及S变换获取动态工况的电池阻抗，用于电池内部温度估计、老化状态估计及寿命预测。
演讲要点：
· 锂离子电池的电化学阻抗的特征及机理
· 电化学阻抗的测量及车载快速计算方法
· 电化学阻抗可用于电池的安全与寿命评估
● AI赋能动力电池老化多维评估与寿命快速评估
熊瑞
北京理工大学电动车辆国家工程实验室教授
演讲摘要：
动力电池老化一直以来是制约电动汽车发展的瓶颈。电池工作机理复杂，目前常用的老化评价标准如容量下降、内阻增长无法全面评价电池老化状态。人工智能的快速发展为电池老化诊断提供了一个新的角度。使用深度学习技术，可以从日常充电信号中提取正负极容量等信息评估电池老化状态，并重构出完整的正负极开路电压曲线。由此实现对电池老化的及时干预，最大化电池性能与寿命。
演讲要点：
· 新能源汽车安全事故分析
· 动力电池老化机理与衰退分析
· 性能衰退的多维度分析
· 人工智能在寿命衰退中的应用
· 剩余寿命快速预测
● 数字化工具在新能源汽车动力电池上的应用
王辰
国家新能源汽车技术创新中心动力电池高级电池性能工程师
演讲摘要：
动力电池作为新能源汽车重要的组成部分，其使用过程中的状态决定了整车安全、续航里程。因此，动力电池在使用过程中的状态评估是主机厂较关心的事情。同时，动力电池成本在整车占比较大，在二手车市场、保险等行业，动力电池状态也很大程度上决定了车辆本身价值以及相关金融产品的价格。通过应用机器学习、AI大数据算法等数字化工具可以分析行车数据，帮助评估动力电池在使用过程中状态，解决新能源汽车的安全以及里程焦虑问题，帮助规范新能源汽车在二手车市场以及保险行业的交易规则。另一方面，由于动力电池是一个包括了电化学、机械、电、热等多物理维度的系统，其设计以及生产工艺要求很高，过多的重复性试验以及生产工艺验证大大的增加了动力电池出厂之前的研发和制造成本。数字化仿真工具可以很好的帮助解决这一问题。同时，利用设计过程中材料、电芯、模组、系统的参数和数据，以及生产工艺过程中的监控数据，可以很好的与机器学习相结合，优化设计过程以及提高生产工艺水平。本报告将就数字化工具在动力电池这两方面的应用进行简单介绍以及目前成果的汇报。
演讲要点：
· 机器学习
· 数字化仿真工具
· 动力电池
● 面向未来的固态电池的正向设计
颜辉
天目湖先进储能技术研究院有限公司智能制造中心主任
演讲摘要：
当前，锂离子电池已几乎在人类所有的生活、生产以及特种领域获得了广泛应用，并已形成规模制造产业，制造技术也开始朝着工业4.0方向快速发展。目前液态电解质锂离子电池还不能兼顾高能量密度（单体能量密度≥350Wh/kg，≥800Wh/L）、快充快放（6-12分钟，5-10C）、滥用条件下不发生热失控、长寿命（动力电池单次充电600-1000km，循环4000次以上，全寿命周期超过100万次，支持V2G；储能电池日历寿命达到20年以上，循环寿命超过15000次）、低成本（单体成本小于0.8元/Wh）、较好的环境适应性（-40℃-80℃）等更高的要求。通过开发更安全、高温性能更好、寿命更长的固态电池，有望满足上述极富挑战的目标。面对这些需求，未来固态电池的设计，在产品和技术上有哪些设计需求和可能的创新点，是非常重要的话题。本报告将讨论为提高未来固态电池的设计水平，如何用数字化方法进行正向设计。
演讲要点：
· 固态电池技术与产业发展前景
· 固态电池产品与技术设计需求
· 固态电池正向设计思路
● 全生命周期数字化电池管理系统
邓林旺
弗迪电池有限公司电池管理系统工厂厂长
演讲要点：
· 基于数字孪生模型的全生命周期电池SOX估计
· 基于数字孪生模型的全生命周期电池寿命预测及优化
· 基于数字孪生模型的全生命周期电池故障预警
● 动力电池安全应用解决方案
姜久春
深圳格瑞安能科技有限公司总经理
演讲摘要：
给出了电池安全运行解决方案，通过云端地面检测以及异常信号识别，对于异常电池进行早期干预，为维护提供技术支撑；通过渐变式内短路以及突发性内短路、通过状态识别和信号分析给出预警。
演讲要点：
· 电池安全
· 电池云端技术
· 安全预警
● 锂离子电池老化及其寿命预测：
物理模型以及数据驱动模型在锂离子电池
寿命预测上的应用
Dhammika WIDANALAGE
华威大学华威制造工程学院特征建模控制组副教授
演讲摘要：
预测电池老化程度和剩余可用寿命是当前锂离子电池技术的前沿。如果电动汽车（EV）的电池在其预期使用寿命内停止工作，主机厂可能会支出巨大的成本来维护消费者权益。从设计好的电池包中预测电芯寿命是一项关键的且困难重重的研究课题，电池老化机理是复杂的，任何的非线性容量衰退都需要准确的预测，因为它们都对电池寿命产生重要的影响。这些预测的不确定性应该系统地耦合在一起，而机器学习方法可以很好的处理这一问题。本报告将展示最新的科研成果和目前的模型精度。我们已经开发并实验验证了一个基于物理的模型来预测非线性容量衰减，并且正处于开发包含上述不确定性预测的耦合模型的初始研发阶段。
演讲要点：
· 锂离子电池剩余寿命预测
· 机器学习
· 电池建模
● 基于运行大数据的电动汽车动力电池安全控制策略研究
洪吉超
北京科技大学机械工程学院特聘副教授
演讲摘要：
高安全性是电动汽车商业化推广应用的首要保障，近年来动力电池安全事故给驾乘人员造成了巨大的生命安全风险和经济损失，引发了消费者的安全焦虑，因此动力电池安全预测与管控已成为研究的热点和重点之一。以动力电池系统安全高效管控为目标，基于实车运行大数据，重点开展了动力电池系统安全性与一致性耦合机制，状态预测、故障诊断和风险预警方法，以及安全控制策略研究，主要成果如下：
（1）以实车运行大数据为基础，阐明了动力电池系统一致性、安全性与寿命老化的关联关系，以及动力电池系统安全性随不一致性非线性扩展的劣化趋势，揭示了动力电池系统安全性与一致性之间的耦合机制；
（2）综合考虑环境应力、驾驶行为、行驶/充电状态等多应力冗合，构建了基于长短时记忆（LSTM）神经网络的在线预测模型，实现了复杂实车工况下的动力电池系统多状态多步联合预测及SOH在线精确估计；
（3）基于修正香农熵建立了面向实车动力电池的故障诊断模型，并结合统计学方法设定了多级诊断阈值，克服了传统阈值法诊断指标单一、报警时间短等缺陷，实现了对早期隐蔽性电池故障的有效诊断；
（4）基于改进多尺度熵及离散小波分解算法，结合充电/行驶状态特征提出了动力电池多级风险预警策略，实现了早期风险信号多尺度筛选、放大提取及精准定位；
（5）基于多模型融合理论，提出了面向实车动力电池系统的高安全性、高可靠性和高稳定性的安全控制策略，可实现动力电池系统全寿命周期内的安全状态可监控、可追溯，具有重要的工程应用价值。
演讲要点：
· 动力电池系统安全性与一致性耦合机制
· 动力电池系统状态预测
· 动力电池系统故障诊断
· 动力电池系统风险预警
· 动力电池系统安全控制策略
广告 
广告
最新资讯
-
荷兰Zepp氢燃料电池卡车-Europa
2024-12-22 10:13
-
NCACFE -车队油耗经济性报告（2024版）
2024-12-22 10:11
-
R54法规对商用车轮胎的要求（上）
2024-12-22 10:10
-
蔚来ET9数字架构解析
2024-12-22 09:53
-
4G/5G网络新时代的高效紧急呼叫系统NG-eCal
2024-12-20 22:33
广告
广告
