上海工程技術大學汽車工程學院特聘教授嚴曉在主題峰會上發表題為“未來出行中的智能動力鋰電池”的主題演講，內容實錄如下：
 

　　我今天與大家分享的是“未來出行中的智能動力鋰電池”，電動汽車里面的關鍵部件是鋰電池。我再講一下智能化過程當中，鋰電池是不是也應該有自己的大腦，能夠該怎么做。
 

　　我先自我介紹一下，我是2014年從硅谷到了上海工程技術大學汽車學院。前面王博士講到了未來汽車的趨勢，我總結為SAE，今后的汽車都不叫汽車了，叫自動駕駛的共享電車。我們在講趨勢之前先回顧一下歷史。
 

　　福特的Model T對社會的影響，一個是人的行為、信息和能源，是制造的高效化，反映的是組織機構的高效化。然后就是信用卡消費，還有就是生活環境變化，從城市跑到了郊區，高速公路多起來了。再就是美國夢，好房好車。再就是財富重新分配，中產階級產生。還有就是美國世紀對全球的影響，這里面很重要的就是人的行為。
 

　　現在在自動駕駛AI的環境下，智能駕駛帶來的變化是城市以前是為車而設計的，以后是為人設計的，產業的重心從造車變成出行。另外就是AI有可能是機器代替人做決策，這樣會加速“未來車”對社會的經濟影響。
 

　　影響體現在什么地方呢?現在看汽車的產業鏈。整個產業鏈分成生產銷售和售后，未來怎么樣呢?我們要考慮全生命周期的設計。我們再看能源，能源有這樣幾個要素，第三次工業革命，一個是新能源，第二個是樓宇，就是一個微型電網形成儲能。第三就是儲能，新能源和微網都需要儲能。第四就是能源網，第五就是電動汽車。這里面最重要的就是儲能。
 

　　新能源要規模化應用，必須要儲能。而使新能源變成可預測的儲能必須具備如下特質，第一價格不能太貴，第二要有智能化，第三是安全可靠，第四就是規模上可擴展。因為需要在用戶端小的社區一直到比較大的輸配先的變電站都需要調節，而滿足這些條件里面只有一種，依賴于電池。在新能源汽車里面，大家最追捧的就是鋰電池，鋰電池現在面臨在測試上面有一些技術問題，就是說它測不準，就是它的容量測不準，為什么呢?因為不是直接測的，是算出來的，根據電流算出來的。壽命也是搞不清楚的，只能猜，根據實驗室的數據預測是什么樣子?這個是我們大數據情況下，根據實測數據和歷史數據進行更準確的預測。我在三年前到上海就把一些新的理念帶過來，我們就是圍繞著多場景的動力電池測試需求做文章，考慮把各種各樣的車子打通，建立一個可以測整個純電動汽車的實驗能力的實驗室，然后可以研究做耐久測試，建立容量隨著充放電次數。隨著溫度的關系，或者是健康狀態，隨著一個特征值的關系，然后推算過去以后，對運營大數據進行分析，然后進行所謂動態的改變策略，就是做一些預防性診斷。另外就是我們研制了一個新的檢測設備。
 

　　下面講一下，不僅僅車要全生命周期，鋰電池也需要全生命周期設計。也就是說我們在看鋰電池全生命周期成本，一個是生產成本，一個是使用壽命。現在講的使用壽命是80%，剩下的使用壽命怎么樣，剩余價值怎么辦?我們就做了嘗試和挑戰，我們進行梯次應用，然后進行大數據分析。根據產業的發展情況，三年多前開始的中國大批量的規模化使用，我們預期明年將有爆發性的退下來的鋰電池。

　　這里面臨挑戰的一個問題是成本。相應的方案就是能夠直接用的就直接用。第二就是電池模組容量不一致，我們可以做人工均衡，這個細節就不說了。還有就是模組內有明顯的短板電池，我們就替換，就采用不依賴一致性配組的iBattery冗余動態切換架構，這樣三個方案。
 

　　另外退下來的梯次利用很具有挑戰性的是什么呢?新的電池用起來就可能出問題，退下來SOC在80%以下是否會加快下降?我們解決的方案就是加速老話實驗直到SOC~30%。安全隱患，我們看看是不是有內短路，我們就用具有CAN解析功能的智能監控模塊獲取單體電池信息，上傳到云平臺進行數據分析。充放電能力不確定怎么辦呢?我們就用“電池醫生”進行快速體檢。還有一些不可預測的風險，我們就建立一種體系，因為保險需要有數據，我們現在新能源汽車很多數據缺乏，難以制定保費，所以我們就建立了專業的電池系列服務。
 

　　我說一下這個“電池醫生”。我們的應用場景是針對動力電池的例行檢測，我們提供一個方案，梯次利用的時候可以進行快速的篩選。另外我們做一些大數據的分析，目的是對量化電池包的關鍵指標進行統計分析，對電池包進行橫向比較，參照EV-TEST。安博士有一個BestEV，我們跟他們進行橫向比較。我們還有一個任務就是挖掘價值，提供預防性診斷，預測壽命，看看何時退下來，基于用戶的數據提供不同的保養。
 

　　我們在這個過程當中，用了上海市新能源汽車監控中心的數據，一鍵式取得車的續航里程、充電能量多少，能耗多少，大部分的數據都可以拿得到。這個iCET的BestEV是用消費者的評價。我們通過數據分析，前面的中汽研是用車實測做測試，我們等于是在實驗場地里面做測試，我們用他們的數據進行分析。
 

　　我們的遠景就是深度學習運行數據確定模型參數，這邊有很多專家，包括許育琳和王教授在深度學習上面都有一些想法。我們也在探討一些合作。對電池使用環境我們可以進行畫像，對電池充放電能力的影響，不同的分類給你不同的保養費。根據數據分析+檢測進行壽命預測，這個應該是有這樣一些價值。