婁忠良：北汽新能源電動汽車和動力電池大數據應用研究

北汽新能源汽車工程研究院工程部部長 婁忠良

我今天主講的題目是“北汽新能源電動汽車和動力電池大數據應用研究”，分三部分：

一，北汽新能源公司及產品介紹。

北汽新能源是專注于純電動汽車制造與研發的企業，北汽新能源公司成立于2009年，2010年首批轎車下線，2012年首批純電動出租車示范運營，到2013年的時候首批實名私人用戶上牌，2014年完成了股份制改造，到2017年5月份，就是今年5月份，公司累計銷售純電動汽車突破了10萬臺，純電動汽車的銷量連續三年排名全國第一，汽車主要銷往全國絕大部分的省份和城市。截至到5月17日凌晨零點的時候，累計行駛總里程達到了8.72萬億公里。

我們在國內建立了九大工程中心，海外有六大研發中心，主要是在德國、巴塞羅那、都靈、東京、硅谷、底特律研發中心，打造全球領先的新能源汽車價值鏈。

北汽新能源擁有目前國內最全的純電動汽車產業線，我們公司現在已經形成了十余條產業線，形成純電動汽車產業群，有EV、ES、EU、EX、EC、Arcfox等系列產品，未來將繼續推出高性能、高競爭力的全新車型，構建產品“夢之隊”。我們將在2019年推出400公里、500公里、600公里的新車型，明星車型EV系列，持續銷量領先并獲得2015年中國汽車工業的獎項。

我們新能源公司銷售如此龐大數量的車輛，意味著我們擁有著巨大的數據庫，如何利用這些數據，把這些數據的價值挖掘出來，我們公司在前幾年已經開始布局，開始建立大數據中心。首先簡單的介紹一下我們公司的大數據中心一些信息，首先我們的大數據中心支持10萬臺車輛存儲、2萬車輛并發監控，主要涉及到四個方面，電動車預警監控管理、保姆式服務體系支持、整車設計、研發數據積累、示范運營車輛監控保障等。

我們也做了一些對標，跟特斯拉企業的對標，我們發現特斯拉之所以成功，大數據分析起到了非常重要的作用。特斯拉將大數據分析應用于設計研發、生產管理產量質量監控、服務維修、用戶習慣等方面，最終打造出的電動車用戶體驗大大超出了傳統汽車和其他的電動車。特斯拉的大數據應用的案例有，超級充電樁布局，汽車各零部件質量監控和改進，汽車主要零部件實時預警系統，定位用戶群體、提高推廣效率，實際剩余里程的一些估算等，工廠庫存以及生產線部件供應預測。

我們公司業務聚焦是以服務北汽新能源全價值鏈環節為目標，以大數據應用為核心，基于北汽新能源多年的遠程監控數據積累和運營經驗，開展以具備數據前置整理、駕駛行為識別、車況診斷、評價體系、擴展研究為核心業務的大數據分析業務，縱向細化業務領域，橫向拓展業務研究范圍。

我們業務規劃主要包括四個方面，售前、研發、售后、O2O的金融服務等。

首先是售前服務，以服務售前為目標，結合現有分析和規劃手段，建立數據庫，積累沉淀，同步，應用大數據技術，開展用戶畫像等大數據分析業務，拓展業務研究范圍，簡化工作量，提高效率，服務產品前沿。主要案例策劃有，定位目標銷售群體，潛在購車客戶畫像。定位用戶廣告群體，提高推廣效率。構建市場調研數據庫，積累沉淀。4S服務區域與客戶群體分析。工廠庫存以及生產線部件供應預測等。

第二，服務研發。以服務產品研發為設計目標，結合整車控制系統級開發流程，基于現有北汽新能源多年的遠程監控數據積累和營運經驗，分析目標車型、目標區域、目標批次車輛的異常，故障預測、續航里程、電池一致性等問題，開展以具備數據前置、故障診斷、預警、駕駛行為識別、車況診斷、評價體系、擴展研究為核心業務的大數據分析業務，服務于產品設計。大數據應用策劃案例有，電動汽車典型的故障分析與預警，行駛里程預測，駕駛行為與能耗的關聯分析，擁堵工況與能耗的關系自適應，重要零部件健康度分析，電池單體生命周期內的一致性變化規律分析。

第三，服務客戶。以服務客戶為目標，聯通現有體系，整合資源，分析目標車型、目標地區、目標客戶、目標群體的車輛使用情況，開展以故障遠程診斷與預警、車輛保養與提醒、客戶問答解答、車聯網i—Link運營服務為核心的大數據分析業務，服務客戶。

第四，O2O的金融服務。以車為核心，以大數據分析為業務載體，以數據應用進行多維度的業務滲透，創造以“車—社會—人”為核心商業生態圈的整體業務平臺，使得大數據分析業務正項服務O2O金融領域、車輛運行等增值服務，反向應用車載電子開發設計前瞻技術業務預見與規劃。通過信息化平臺打通經銷商的幾個不同業務的模塊，發揮協同效益，提高效率，降低成本，借助信息化平臺和已有客戶，吸引第三方的汽車售后服務商，充分利用社會資源打通產業鏈，進行產業聚集，增加對多產品、多廠商、多服務的支持，提供一站式服務，增加車主的黏性。信息化平臺對接互聯網，互聯網的車主、行為、經銷商的板塊數據整合等形成大數據，創新業務模式，增加新的業務營銷。

大數據的主要價值有：

第一，管理價值。依托自主研發的大數據分析應用中心，從戰略上提升大數據管理與應用高度，確立數據資產的概念，分析企業各價值鏈環節的業務大數據，提升科學決策和企業運營效率。

第二，研發價值。依托自主研發的大數據分析應用平臺，實現專業化的數據生產和加工，提高大數據分析落地效率，實現產品快速迭代。

第三，市場價值。產業鏈多點滲透布局，數軟結合，多維度數據融合，向車主經濟+車經濟的雙模式轉變，實現數據增值產出。

因為我們有一個大數據中心，我們基于現在的大數據中心，對電動汽車和電池大數據這方面做了一些應用研究。

首先，千輛級電動汽車運行規律研究。主要內容包括電動出租車，私家乘用車應用規律研究，電動汽車充電規律研究，電動汽車用戶用車規律研究等等這四方面的研究內容。我們分析了北京市共計83輛出租車為期一年的數據，共21844車天的56849次出行，分析出租車的出行和充電效率。我們得出以下結論，平均單次出行里程6.21公里，平均單次出行時間160分鐘，平均單日出行里程11.2公里，平均單日出行時間427分鐘，單日出行里程增加，峰值在100公里左右，80%的天數單日出行里程在168公里以內。出租車在春季和秋季出行里程較少，在冬季出行較多。平均近2天一次快充，平均1天進行一次慢充。

我們對私家車也做了一些分析，也得到一些結論，短途出行充電量集中在20%—50%之間，中途出行和長途出行集中在60—80%，其中中途出行的峰值比長途出行更小一些。

對電動汽車工況也做了一些分析，因為電動汽車的對標工況是整車設計、控制與管理的一些基礎，中國目前使用的工況為歐洲工況，與中國的實際工況有所差異，目前我國已有大量的電動汽車運行數據，基于這些數據提取符合中國實際情況的工況，將使電動汽車的設計和性能評價與市場實際表現更為符合。

我們通過一些處理方法得出了四種典型的工況，郊區工況、嚴重堵塞工況、一般城市工況和堵塞工況。

第三個是基于大數據的電池容量估計。因為電動車實際使用大多數時間都不可能完整的滿充滿放，難以直接評價電池的衰減情況，我們通過自己的一些自主開發的研究方法，做了一些數據分析。我們通過數據分析發現，磷酸鐵鋰電池兩年的容量變化情況，我們這個方法直觀定量的描述了動力電池的衰減，我們也做了一些實際的驗證，通過驗證我們發現這個研究方法與實際的誤差在2%左右。

第四，基于大數據的電池溫度分析。我們通過分析通州出租車、廈門出租車，同一時間的電池最高溫度和最低溫度，我們得出了通州出租車電池極低溫度、電芯極高溫度，我們通過這些分析可以為熱管理系統、電芯壽命選型提供一些重要的依據。

第五，基于大數據的一致性分析。隨著電動汽車運行里程和時間的增加，由于各單體自放電、容量衰減、內阻增加的差異性，單體一致性會有所變化，最直觀最簡單的就是反映在壓差上，我們對壓差進行了一些分析，左圖是單體電壓差隨里程的變化，右圖是動態充電末端電壓，可以看得出來，我們可以通過這種分析直接定位到BMU問題，提醒客戶維修。

第六，故障預警。通過嵌入故障診斷邏輯或進行歷史故障數據的學習，實現故障預警功能。通過一些數據也能分析出電池松動大數據，就是說可以知道現在車有什么問題，需要維修或者其他情況的。

 樂清市人禾電子有限公司專業生產制造汽車新能源配件，接線端子，銅排等。