/NEWS

详情

特来电铸造两级安全防护体系 保护电动汽车充电安全

日期:2018-10-22 18:46

  中国汽车充电联盟最新数据显示,在全国规模化运营商充电桩总量排名中,特来电以114627个充电桩排名第一位。

  从2014年创建,到2018年9月27日,特来电累计充电量突破13亿度,日均充电量达到360万度,注册用户数突破100万。

  电动汽车有三电,电机、电控和电池。对于电池而言,电池管理系统(BMS)就是它的大脑。大脑出了问题,行为就会紊乱。

  在BMS控制整车充电行为的同时,特来电CMS主动防护技术会针对BMS的异常情况进行二次检测,一旦发现BMS数据超出范围,甚至BMS死机,就会触发主动防护终止该充电订单行为,保证充电安全;此外,电池的温度过高、过低,增长过快,电压过高、过低等情况,也会触发主动防护及时终止充电订单,保护充电安全。

  特来电CMS主动防护技术体系包含了11项技术指标:充电电压不匹配、控制器通信故障、电池过温、电池低温、电池温度异常、电池过充、BMS接触器开路故障、BMS数据超范围、电池端口电压异常、电池单体过压、电池整包过压。

  特来电大数据平台是搭建在云基础设施之上,基于Hadoop分布式架构与组件,自主开发了相关引擎、工具和子平台,支撑主动防护、电池健康、智能运维、实时运营分析等大数据应用。该平台目前支撑着特来电每天12万笔订单、3.5TB的数据(不包含音频、视频等)、40亿次的调用交互。

  电动汽车在充电桩上充电时,一方面有能量的流动,另一方面有数据的流动。充电时产生的数据,包括电池的单体电压、最高/最低温度、需求电压/电流、SOC等,以比较高的频度经过采集、清洗,最终被存储到大数据平台上。这些数据,经过机器学习算法的训练与校准,形成了针对单用户单车的模型,也形成了分品牌分车型的模型,涵盖了安全、健康、经济和运维四个维度。

  每笔充电数据,在大数据平台都会被甄别,其中异常数据会产生报警,一旦触发主动防护的11项指标之一,就会被停止充电。当某辆车在一段时间内,连续触发了主动防护(停止充电),该行为将被通知到用户、运维岗与安全岗,以进行相关的检修检测。

  特来电愿把这些分品牌分车型的数据,以及安全模型、健康模型、经济模型和运维模型,与主机厂、电池厂一起分享,以协同多方力量做更深入地分析。

  2018年至今,特来电总充电订单数2485万笔,基于大数据防护体系,采用11种主动防护模型,涵盖137个汽车品牌、885种车型,总计触发了25.8万次主动防护(终止充电),占比1.04%。根据海因里希事故法则,估计预防了20~25起重大事故。

  商用电动货车的市场刚刚起步,充电订单的总数与商用客车、乘用车相比,几乎差了一个数量级,但是被防护比例却高居前位。每100笔订单中就有接近2笔被主动防护终止充电,充分表明其BMS的稳定性和可靠性亟需提升。

  另有大部分车型未知,主要是因为车辆充电过程中,大部分车辆的BMS没有按照国标传递车辆唯一识别码(VIN)。特来电根据充电过程中产生的数据,利用监督式学习中的决策树C50算法,训练“猜车”模型,计算车型信息,得出来的结果在手机APP端与用户互动,确认或者不确认猜车结果,都会反馈给模型进行优化。目前,基于该模型的猜车准确度达到了99%。

  对于乘用车大类,整体质量水平较高,但仍有个别品牌被防护比例高达6%,与同类某些品牌相比,BMS的稳定性和可靠性相差10倍之巨。

  商用货车BMS的稳定性与可靠性,普遍表现比商用客车、尤其比乘用车差,仅有一个车型的被防护比例低于1%。

  数据显示,在2400多万笔充电订单中,主动防护的前三名,分别是整包过压、BMS接触器开路故障和温度异常热失控。

  特来电两级安全防护体系,在用户方面最终体现在特来电APP端的信息展示与报警功能上。

  除了主动防护的订单之外,特来电还对那些看起来每次都正常结束,但实际上终止原因存不明显严重问题(如单体电压达到目标值而终止)的订单,利用大数据分析工具进行梳理。这些订单有可能存在安全隐患,是发生安全事故的前兆,放任不管可能会导致过充过放、电池热失控,甚至最终导致车辆自燃。

  特来电针对发现的“可疑”数据,更进一步去梳理与分析,并做出相应处理,提醒用户及时进行车辆检测。

  特来电在APP用户端提供了方便的车辆健康体检功能,对充电过程或行驶过程中的相关数据,进行展示与分析。

  (一)提供基于车辆的实时状态监控功能。比如实时监控车辆的充电、驾驶、停放等行为,以及实时展示车辆的运行轨迹。

  (二)对车辆的各种故障、异常数据进行实时采集、处理、诊断和预警,辅以车辆的三电数据,能够快速定位车辆的故障位置、预判故障原因。

  (三)支持不间断地对不同品牌、型号、电池类型车辆的各项指标数据进行收集、分析与处理,持续训练和纠正在大数据修车领域的预测与诊断模型。(行驶数据,需要企业用户授权或者后装TBOX提供。)

  以“BMS传输数据超范围报警终止”个主动防护类型为例,今年以来共发生7016起。BMS传输数据超范围是指,BMS传输的数据超出了正常范围,此时未终止充电意味着BMS对该项指标的控制已经失效,但充电设备主动防护仍能够继续实施对该项指标的监控。

  在统计订单中,特来电发现BMS传输数据准确性目前存在较大问题,SOC、单体电压、需求充电电压、需求充电电流等数据存在明显错误,建议各电池厂家统一数据格式,改进数据准确率。关于临界点的数据,比如32768或者65536附近,是典型的Int16或者UInt16数字越界导致的,是BMS软件的bug。

  某公交车充电时较多情况出现电池过温主动终止。通过大数据分析该车辆历史订单情况,该车辆充电运行时电池温度在正常范围内偏高,发出预警信息。将此情况告知公交公司后,公交公司与车厂确认有此问题,共同讨论增加电池降温措施。

  武汉某充电站现场实车测试时,发现某品牌12 米车在调试中无法启动充电。经现场技术人员与BMS 厂家共同查找问题时发现,其中一单节电池温度异常,显示为205摄氏度,故充电机主动防护发挥作用主动进行了停止。经电池厂家检查确认,该问题单节电池的温度传感器损坏,经确认无误后由BMS 厂家对该单节电池刷了屏蔽策略,再次使用同一台设备测试充电,可正常充电。之后电池厂商对该车辆进行了维修。

  四川乐山某充电站,技术人员调试时发现车牌号川L*****车辆无法充电。现场人员对数据进行排查分析发现,BMS 上传的最高允许电压为65V 左右,实际电池的充电电压为610V左右,充电机主动防护中止充电。经与BMS 厂家沟通,确认是BMS 程序错误,在上传最高允许电压数据时,未按照27930 国标定义导致数据缩小了10 倍,而充电过程的实际电压则是按照标准定义描述。

  某公交充电站,一辆某品牌车辆充电过程中,充电机在未达到SOC100%的情况下中止充电。经调试技术人员确认,该车辆放置时间较长,车辆电池自放电电量减少较多,但SOC 并未及时刷新,导致实际充电电量超过SOC 起始值到SOC100%的校验值较大,充电机判断车辆过充主动中止充电。后与BMS 厂家沟通,完成对车辆SOC 校准,问题得以解决。

  针对三起直流充电事故,经有关部门调查,最终原因判定为排除外部影响因素的电池自燃。但是特来电通过对充电历史数据的追溯分析,发现其中有两起事故的车辆在事故前一个月内持续因单体电压达到目标值终止,由此判断是某电池电芯一致性出现严重偏离,每次都对该电芯过充过放,加剧了内短路问题;而另外一起,则是在事故发生前三个月持续报故障终止,且故障类型未知。

  三起案例说明,单纯的从充电结果,或者从BMS角度看,其实很难判断出存在未来安全隐患,因为问题都不严重。因此,特来电将持续采用大数据分析工具,对车辆单次充电终止原因做长时间大跨度的分析,建立普通报警与严重事故的分析模型,并加大对客户进行提醒的力度。

  与此同时,特来电呼吁电池厂BMS可以更加开放、上传更多的数据以供分析并做防护预警,以避免故障类型“未知“的情况发生。

  特来电建议,在部委指导和规划下,各主机厂、电池厂、充电运营商共同协作,建立起一套基于大数据的新能源汽车及电池全生命周期追溯体系及专家系统。

  (一)针对充电安全,建立不同等级的安全认证标准体系(强制标准)。从标准层面明确电池企业、充电设施企业及主机厂在电动汽车充电安全方面的设计思路和要求。

  (二)打通车辆、充电设施与电池之间的信息通道,并在标准层面进行明确,特别是涉及到电池充电安全的信息通道,包括唯一身份标识、身份认证等。

  (三)通过充电网,建立每组电池的数据档案和专家库系统,做到主动防护和保护电池健康。即使发生了事故,也可以溯源并不断完善。

  (一)特来电愿意开放自己的高可靠性、高性能大数据技术平台,用大数据赋能行业安全应用。

  (二)特来电愿意开放自己的主动防护模型,针对不同的主机厂、电池厂开放自己的相关充电数据。

  (三)特来电倡议主机厂、电池厂开放更多数据,加强跨领域、跨专业紧密协作,共同推进新能源汽车产业的健康发展。

  目前,特来电的两级安全防护体系还是1.0版本,技术架构与模型初步形成,2019年将推出两级安全防护体系的2.0版本。特来电迫切希望与汽车整车、动力电池、充电设施等企业密切合作,从产品设计与制造、充电与行驶、售后与运维等全过程、全方位保障新能源汽车的产品安全和使用安全。

      申博,申博太阳城

所属类别: 申博

该资讯的关键词为:申博太阳城


网站地图