北京理工大学电动汽车国家工程实验室主任王振坡教授

1、新能源汽车大数据发展背景

新能源汽车的发展已成为大势所趋、不可阻挡的历史潮流。虽然受今年疫情影响，新能源汽车销量在过去几个月有所减少，但目前预计今年年底将达到去年的整体水平。

2、新能源汽车大数据关键技术

1.新能源大数据

大数据、新能源汽车是信息化与工业化融合的典范。新能源大数据，在这个大数据体系中，也就是在新能源系统的设计和生产应用领域，主要是由“运行数据”四个字组成，但正是因为这个庞大的数据体系中增加了这样的数据动态运行数据导致数据量激增，为新能源大数据分析奠定了基础。通过对这些大数据的分析，无论从汽车制造商到分销系统再到消费者，都带来了价格的上涨，形成了消费者和车辆用户是第一数据生产者的价值流。卖家在申请过程中产生数据，这些数据反过来又给消费者带来好处。通过这些数据，可以分析车辆的使用行为，并为车辆维护提供相应的服务。

反过来，通过这些卖家的使用习惯，经销商可以知道市场在哪里，如何进行相应的运营策略，这为如何进行精准营销提供了数据基础。有了卖家的数据，厂家就可以知道产品在卖家使用后表现如何，有哪些优点和缺点，并可以有针对性地进行下一轮车型的优化和改进，省去了原来的市场调研工作。如果掉了，可以通过数据进行相应的分析。

2、新能源大数据系统

数字化为汽车技术四化发展提供了最基本的基础。没有数字化，就没有互联互通、智能化的发展。联接和智能化都是数字化发展的延伸。

构建大数据体系，首先要构建大数据技术体系。随着技术的发展，数据库现在采用最流行的分布式技术架构来构建平台。在这个过程中，智能化、网络化对通信技术提出了非常高的要求。我的手机可以重启，但是车辆不能重启，所以采用异步的方式搭建数据网络。

数据的信息安全也非常重要。我们采用软件和硬件双保险来加密通信。随着数据量的增加，出现了两个问题。首先是存储。首先是如何压缩和存储数据。在数据压缩和存储过程中，必须找到数据。如果数据相比以前是冷备份的，在检索时，必须进行相应的转换，而且时间周期很长。因此，为了快速检索，必须根据数据应用频率进行数据之间的热备份、冷备份和温备份。的。

在数据安全方面，如果上报信息在云端传输，边缘预算能力无法达到基于数据安全分析的预警水平。因此，在安全预警方面，边缘计算和云计算是融合的。存储大量数据。当使用存储的数据时，发现保存时出现问题，会很复杂。对于任何返回到平台的数据，结合大数据技术，构建逻辑判断的真实性和逻辑性，这三个数字是否匹配主要看它们的逻辑关系，可以进行简单的逻辑判断。还有一个就是这些大数据经过分析之后，要让客户、消费者看懂、懂，通过视觉手段展示出来，让大家看图说话，一看就知道主题。

3、新能源汽车大数据平台建设

对于新能源数据平台，从平台建设来看，北京理工大学在这方面开展了多年的开发工作。截至目前，该平台的车辆数据应该已经达到了365万条。到2018年，在新能源汽车平台技术方面，应该说通过新能源汽车运行监控管理平台，构建了国家、地方、企业的新能源数据管理平台架构，建立了面向企业的新能源汽车数据管理平台。能源数据管理平台也已建成。新能源安全监管体系是第一责任主体。同时，构建的国家、地方、企业平台体系是目前全球最大的新能源汽车信息网络。通过这些数据，可以从深圳市打印出来，根据国家发改委的一些需要，国家发改委下发的文件调用这些数据进行相应的分析。这种分析系统是由于驾驶员问题或车辆技术问题造成的。同时，通过技术分析构建月度报告，提供给国家相关部委，为政策制定提供依据。我们制作了一本蓝皮书，每年出版一次。为了让数据更好地服务行业，还率先在行业内进行了新能源汽车动态大数据的共享和共享。

根据按照国家标准收集的信息采集项目，目前已采集大项6项，次项200余项。因此，收集到的数据是比较全面的。同时，在标准制定的过程中以及在我们使用的过程中，我们也关注到了混合动力以及现在正在推广的燃油公路电池。上个月，燃油公路电池组合超过5000种。据统计，新能源汽车平台不仅仅包括大家平时理解的内容。数据平台上展示了纯电动汽车和燃料电池汽车的数据。

通过这些基础分析和新能源汽车碳排放的分析，我们和中国工程院正在研究新能源汽车碳减排核算方法。我们希望在后续的交易过程中采用这个系统和机制。国外也在进行这方面的研究，并建立了覆盖新能源汽车的大数据平台。如果这些数据能够反馈到碳减排量计算中，并结合各地区的特点，不仅可以评估每个企业，也可以评估每个公司。可以评估每个企业的动态数据，甚至可以动态分配碳配额。从数据中我们可以看到，新能源汽车乘客接驳量持续增加，可以看到政府对消费者驱动的指标正在拉动。

由此，充电水平有所提升，用户充电焦虑逐渐缓解，包括新能源汽车续航里程在内的发展趋势也不断增加。行驶里程超过400公里的自行车总数也在增加。今年除受疫情影响略有下降外，其他总体水平都在持续上升。这是新能源汽车数据展示的动态模型。如何做一个动态显示，包括各种数据，并且图形化的显示出来，包括安全分析显示在这个角。一些工作。

4、新能源汽车安全预警技术

目前，不少车企都停留在基于域值超限、温度变化率的新能源安全管控领域。但现在利用大数据和车辆应用历史数据，他们正在尝试构建一个模型系统。通过车辆应用历史数据分析，当单一车型分析不清楚时，可以对同一车型的多个车型进行横向比较，不能保证分析单一车辆的历史演化规律同时。模型是准确的，所以我建立了多模型覆盖，通过联合来提供预警。什么是工会预警？与医生咨询类似，每个医生都有自己的专长。比如我有5个医生，他们都说这个人有问题。交叉路口是风险增加的地方。当模型出现问题时，我们应该引起重视。当模型出现问题时，风险增强程度应该增加多少。目的和目标是准确定位其故障和风险。

最简单的方法就是利用领域价值，通过长期的数据积累提出一系列领域价值判断的基本原则。这些原则根据不同的企业有相应的调整。通过数据分析，我们还对车辆长时间静止的情况进行挖掘和分析，并进行相应的分析。我们提出的几个风险等级较高的点中，有一个点发生了相应的火灾事故，这说明数据分析对于新能源汽车来说非常重要。行业分析有效。

不同的应用场景中，哪一种是高风险的应用场景？这样的分析方法和方法。电池是大家最关注的。在对电池数据分析的基础上，通过提取电池的健康状态和安全特殊数据，可以识别异常电池。通过分析每个单级电池的参数以及随时间的演变，我们可以找到异常的转折点。出来吧，这是我们要做的两项工作。

如果没有大数据手段，不可能在实验中进行这种分析。看看一个循环或两个循环的充放电过程中的峰值就好了，但多个循环中峰值的演变规律是通过长期应用来判断的。如果你看单个点之间的变化，就会显示出单个点的变化。通过分析点的平均值，可以看出发展变化规律。这样一来，固定经度就很高了。这种方法不仅在我们的实际应用过程中得到了应用，而且发表的论文也是一篇评论很高的热点论文。我们已经建立了5、6个模型。比较好的一种是香农熵电压故障诊断和预警方法，它可以让变化累积到峰值。这样我们就可以为电池提供相应的预警。同时，我们根据经验进行了划分。三个级别。

另外，可移植性是大家关心和重点关注的，通过多层次的筛选方式和方法进行了比较和分析。当车辆进行技术改造时，你可以看到变化的曲线非常明显。这是我们预测的点的温度。回想起来，我们对这次事故有预警吗？我们发现单体和一致性存在异常。 7月份，我们发现电池出现异常。我们发出了预警。 8月份，我们发现这种异常的变异系数持续增大。这是因为我们和公交公司合作，他们对电池进行了调整和优化。更换电池后，到9月份该值恢复正常。

基于数据，我们还可以根据在线数据进行大数据分析，评估电池的安全状况。电池离开我们的车辆系统之后，是否可以整合数据平台，创新检测模型，根据历史数据创建分析报告。通过这种在线分析和离线分析的方法，为电池的检验和测试提供了一种非常快速、非常方便且低成本的检验和测试方法。

这是我们在车辆使用和退役过程中对追溯管理平台进行的检查，评估各种可靠性问题和安全问题。此外，这些相应的数据将用于在车辆营销、技术研发、售后服务等各个方面开展相应的工作。大数据可以做什么来形成一个产业？大数据是基础。有了这些大数据，以及这些大数据和交通管理数据的融合，才能发挥出更大的价值。数据平台和不同数据可以相互集成。只有真正实现共享，才能实现多元化。这种信息数据管理方法可用于新能源汽车。横向可以在特种装备、电动飞机等方面开展项目应用，形成大数据行业应用的产业链。