AI 为 EV 电池管理优化指明方向 — 增强的AI有助于提升电池的耐用性、能量密度和充电速度

Eatron Technologies 的专家解释道，增强的人工智能有助于提升电池的耐用性、能量密度和充电速度。


Eatron Technologies 基于云的网联电池架构。（图片来源：Eatron Technologies)

20 多年来，电动汽车电池开发取得了显著进步，各类创新技术不断涌现，电池性能不断提升，充电更快速、更安全，电池也更加长寿耐用。在这些技术中，使用人工智能技术（AI）优化电池管理系统（BMS）是最近的热门话题之一。Eatron Technologies 是一家总部位于英国的公司，专门从事电动和自动驾驶汽车的智能软件开发。公司总经理 Umut Genc 博士表示，这是人工智能的一个创新应用领域。

“我们认为这是一种借助选择性人工智能技术的基于物理建模的方法。” Genc 博士说，“对此，了解人工智能的局限性至关重要。首先，AI 系统有很高的内存和处理能力需求，这无疑会增加成本和能耗。其次，AI 技术的应用仍处于早期阶段，因此通常被认为并非万无一失。目前，任何完全依赖 AI 技术的关键功能系统都很难独立通过汽车行业的标准验证。”

Genc 回答说，这两个问题的答案是一致的，那就是首先要正确设定对人工智能技术的期待。Eatron 公司的技术总监 Can Kurtulus 强调称，OEM 必须认识到，电池化学技术不会在未来短时间内出现长足进步。这种情况下，只能通过优化电池管理来提升电池的耐久性、有效能量密度和充电速度。

Kurtulus 进一步认为，优化电池管理的关键是应用基于设备实体的软件，即采用基于嵌入式系统模型的控制系统，这种系统使用嵌入式软件模型取代简单的查找表。

“在车辆设计的其他领域，数字模拟有助于避免发生过度工程的情况，形成一种‘良性循环’，从而降低成本和重量。”Kurtulus 说，“在电池管理系统设计中应用人工智能技术的情况很类似，不同之处是我们必须把模型嵌入每一个电池组的控制系统中，并将其应用至车辆的完整使用寿命中，而非仅应用在设计阶段。因此，可以说这不仅仅是常规的 AI 技术。”


Eatron Technologies 电池管理系统的 AI 电芯诊断。（图片来源：Eatron Technologies）

AI技术首次用于电动汽车诊断

在一家未公布名称的德国一级供应商以及英国和土耳其的工程团队的支持下，Eatron 开展了与汽车底盘管理系统和 SAE L2 级自动驾驶辅助系统相关的初始生产项目。不过，如今电池管理系统已经成为了Eatron 的重点研发项目之一。Eatron 声称，公司应用选择性 AI 技术的直接好处是无需再对电池进行过度管理，但同样可以保护电池耐用性，从而降低保修成本。

“目前，对电池寿命影响最大的因素是荷电状态变化窗口，也就是电池过冲和过放的极限，其次就是充电速率。” Kurtulus 表示，“正是如此，如今的大多数量产电池管理系统均经过专门校准，会坚决避免电池出现过冲或过放的情况，即使车辆几公里外就有充电站也无法多行驶一公里，并始终严格限制快充功能的使用，从而最大限度地避免发生保修索赔的情况。”

Eatron 的另一项创新是使用其基于物理的建模技术，预测电池的剩余使用寿命（RUL）。这家公司有望成为首家可为量产锂离子电池提供剩余使用寿命预测功能的供应商。公司还计划率先为汽车 OEM 的车辆诊断系统增加剩余使用寿命的指标。

Genc 指出，将车辆的电池管理系统接入云可以让公司的选择性 AI 技术充分发挥其主要优势。“电池剩余使用寿命预测功能允许车辆 OEM 及时发布 OTA 校准更新，以最大限度地保护客户利益，例如放开快速充电和提升续航里程等，但同时有效控制保修索赔成本，保证电池的耐用性。”

随着分析数据的不断累计，人工智能技术也会进行持续学习，从而提供更加准确的预测，进而作出更加全面的决策。车辆 OEM 也有机会借此推出新功能，为车主带来额外收益。

举个例子，如今车主在购买二手车时很难确定车辆的电池剩余使用寿命。Genc 说，“在处理转让车辆时，能否查看并验证电池剩余使用寿命非常重要，特别是对于车队来说。我们可以在车辆仪表盘上增加显示电池的剩余使用寿命。” Eatron 的业务发展总监 Amedeo Bianchimano 补充说，“人工智能和云连接的结合可以让电池管理软件发挥更重要的作用，不仅可以最大限度地优化电动汽车的性能，还有助于提供主动保修管理等更多附加软件服务。”


Eatron Technologies 公司高管（左起）Can Kurtulus、Umut Genc博士和 Amedeo Bianchimano 介绍了选择性 AI 技术的潜力。（图片来源：Eatron Technologies）

丰富车辆故障预测内容

Eatron 公司与英国华威大学下属华威大学制造工程学院（WMG）开展了一个联合研究项目，探索电池管理系统可以在车辆故障预测方面发挥的更大作用。现阶段，电池管理系统只能在电芯已经出现故障或即将发生故障时（提前几秒）发挥作用，即关闭电池组或让汽车进入“缓行回家”模式。

与华威大学制造工程学院的联合研究主要是为了改进一项汽车故障预测方面的创新，帮助 Eatron 的系统在故障发生前有效发现电池相关问题，但不是像目前这样仅提前几秒钟发现，而是提前几个月前就能发现问题。

“通过将这项技术集成至电池组中，可以帮助电池组发挥更大的化学潜能。”Kurtulus 强调说，“充分发挥电池的化学潜力一直是电池领域的努力方向之一，但之前只能靠增加很多非常复杂的硬件设备实现。我们的思路是将机器学习技术和成熟的信号处理理论结合应用，避免信号杂音对汽车故障诊断的影响，而且无需增加任何额外组件。”

按照 Eatron 的说法，车主还可以借助电池管理系统校准技术，享受到更长的续航里程和更快的充电速度，“并同时降低车辆临时故障抛锚的风险。”Genc 表示，“我们的方法是使用经过验证的基于模型的控制技术，创建一个稳健的系统，然后根据具体需求有针对性的应用人工智能技术。人工智能技术在电池健康管理中的应用只是一个起点，真正令人兴奋的是之后即将发生的事情！”