义柏研究院丨动力电池安全管理专题研究：智能化已成为新一轮竞争胜负手

      公安部数据显示，截至2022年6月底，我国新能源汽车保有量达1001万辆，其中上半年新注册登记新能源汽车220.9万辆，同比增长100.26%。

      随着新能源汽车渗透率迅速提升，动力电池发展也进入确定性爆发期，据汽车工业协会数据，中国动力电池装机量在2021年已达到155GWh，预期在2025年将达到505GWh。

      与之而来的，新能源车安全事故频发。据国家应急管理部消防救援局发布的信息显示，2022年一季度接报新能源汽车火灾640起，同比上升32%，而引发火灾事故的第一大因素就是电池故障和热失控，约占新能源车火灾事故原因的41%，动力电池安全管理问题的重要性日益凸显。

      针对动力电池安全管理问题，行业在动力电池本身、充电环节已形成了安全防护的解决方案。对于动力电池自身安全，目前主要通过三种方式进行确保：本征安全，即材料和工艺方面的提升；被动安全，隔热和散热措施；主动安全，基于BMS的安全管理。在充电环节，充电桩企和运营商通过数据采集与应急控制方式提升安全屏障，同时对“最优充电曲线”的探寻也将帮助动力电池更安全地充电、发挥最佳性能。而在车电与充电两大方面，现有方案仍面临无法提前进行安全隐患预警、故障检测准确度低的局限性，行业亟待更加智能的方案。

      电池数据化、智能化将从本质上提升电池利用环节的安全管理水平，实现超早期、超精准、全链路的电池安全防护。进一步地，将在指导电池研发和生产、电池后市场的维修检测、报废电池的回收利用方面产生巨大价值，通过数据积累和AI算法赋能电池全生命周期各环节。电池智能化已成为电池厂、主机厂新一轮竞争的胜负手，未来掌握海量电池数据资产、核心算法的玩家将领军新一轮的行业颠覆。

      动力电池主要由正负极材料、隔膜、电解液组成，在材料方面的选择和技术革新是保证电池安全的第一道屏障。

      目前动力电池主流的正极材料为磷酸铁锂、三元，其中磷酸铁锂的橄榄石结构决定了其热稳定性更佳，因而磷酸铁锂电池相比三元电池更安全。同时，行业内对于正极材料一般会采用表面包覆、元素掺杂、单晶化等方式进行安全改性，进一步提升安全性。

      在电池隔膜方面，湿法隔膜相比干法隔膜具备更高的安全性，同时能量密度更高，在技术路径的选择上较有优势。涂覆隔膜相比基膜优化了隔膜的热收缩性能和穿刺强度，因此安全性更高。

      常规电解液具有燃点低、极性强的特点，容易导致热失控，通过在电解液中加入添加剂可以提升热稳定性、减少热失控事件，具体添加剂种类包括成膜添加剂、阻燃添加剂、过充保护添加剂等类型。

      除了基于现有主流电池材料的革新，在技术路径上的颠覆也将从根本上提升电池安全。如下一代技术固态电池，相比于现有的易燃有机电解液方案，使用的是稳定固态电解液，将在技术原理根源上实现电池高安全。

      制造工艺方面，电池的内部对齐不良、内部异物、边缘毛刺等也会对电池产生安全性产生影响，因此升级产线、加强出厂检测、极片涂覆陶瓷等方式也可以提升电池安全。

      动力电池由上百个电芯构成，在单体电芯发生热失控后的隔热和散热措施非常关键，否则热蔓延将会引起整个电池系统的热失控。目前主要的隔热解决方案包括电芯间、模组间、系统间的隔热，基本原理是使用气凝胶、防火棉、防火涂料等导热系数低的防火隔热材料防止热蔓延。

      散热措施主要包括风冷、液冷、冷媒直冷三种冷却方式。其中液冷由于换热系数高、热容量大，是市场上主流的散热方式。原理是以冷却液为介质，与制冷循环耦合，转移电池中的余热。同时，行业在自动灭火装置方向上的革新也将为电池散热带来新的解决方案。

      BMS（Battery Management System），即电池管理系统，是在电池运行过程中负责监测电池状态，对电池安全状态进行分析并控制、保护电池的核心部件，是电池的“大脑”。

      由于锂电池适用的温度范围有限，极低温和极高温情况都将影响电池的充电能力、功率、能量能力、寿命周期乃至发生安全事故；并且电池温度场的长久不均匀分布会造成各电池模块、单体之间性能不均衡，所以对电池进行热管理是非常关键的。这也是BMS的核心功能之一，即在电池充放电过程中防止过压、过温。

      另外，由于动力电池是由上百块电池串联组成的，而电池之间虽然生产一致性日益提高，但仍无法实现电化学特性的完全一致，在内阻、容量、电压方面存在差异，经过电池使用和电池寿命衰减之后，电池之间的不一致性将更加扩大。而在使用电池过程中，不一致性将导致电池处于不良工作状态下，容易出现过度充放电、散热不均等问题，影响电池性能和安全性。因此BMS的一大作用就是对于不一致的单体电池进行均衡，包括主动均衡和被动均衡手段。

      BMS由多个功能模块组成，包括采集计算模块、保护电路模块、均衡电路模块、通信模块。采集计算模块将采集如电压、电流、温度等电池核心指标数据，并通过对数据计算分析得到电池电量状态（SoC）、健康状态（SoH）、功率状态（SoP）等参数。根据上述电池状态分析结果，保护电路模块和均衡电路模块采取不同方式的措施对电池进行控制和保护。在其中通信模块完成BMS各模块之间的通信，及BMS与整车之间的通信。

      BMS的主要功能包括对单体电池电压、电流、温度，电池组总电压、电流，电池包的绝缘状态等关键指标的数据监测和采集；通过采集数据估算SoC、SoP、SoH；以及均衡管理和热管理。

      数据采集、监测与响应  对于一般锂离子动力电池，可靠工作温度范围为放电时-20~55℃，充电时0~45℃；工作电压范围为1.5~4.2V。BMS的检测模块通过数字温度传感器方式检测温度，通过基于回波辨识的快速绝缘监测方法测量电压，通过霍尔电流传感器、串入回路的电流检测电阻测量电流，并在温度、电压、电流超过BMS设定的阈值时进行限制电流、关断等响应处理。

      估算SoC、SoP、SoH  SoC（State of Charge），即电池荷电状态，通俗地理解也就是电池剩余电量。SoC的计算精准度非常重要，精确的估计可以防止电池的过充过放，保持SoC维持在合理范围内。目前可以实现三元电池SoC估算精确度到3%，磷酸铁锂电池SoC估算精确度到5%。现行较为领先的SoC估算方法为卡尔曼滤波法和神经网络法。

      SoH（State of Health），即电池的健康状态，包括安时容量、功率变化，是电池寿命估算的重要参数，对于纯电动车，一般认为当电池的实际容量下降到额定容量的80%以下，SoH下降为0，此时电池组已不适合作为车载动力电池。SoP（State of Power），即电池的功率状态，SoP体现了电池组实时功率能力，整车控制器会根据这一参数限制电机功率，如果不进行限制，电池会被过充或过放，SoP的精确估算可以提高电池利用效率。SoC的估算是SoH和SoP的测算的基础。除此之外，电池状态相关的指标还包括DoD（放电深度）、SoF（功能状态）、SoE（能量状态）、SoS（故障及安全状态）。

      均衡管理和热管理  均衡管理分为被动均衡、主动均衡两种方式：

被动均衡又称为能量耗散式均衡，实现方式是根据单体电池电压情况，对高电压电池的能量进行电阻放电，从而使其与低电压电池保持相同的电量。被动均衡的成本相对较低，在单体电芯一致性较高的情况下配合被动均衡策略将实现高性价比的效果。

      主动均衡又称为能量转移式均衡，技术的原理是截长补短，通过切换电容开关、变压器以及DCDC技术，将高能量电池电荷转移到低能量电池中，从而达到各单体电池中的电荷能量一致。主动均衡的方式需要复杂的电路结构，同时需要增加元器件，所以相比而言主动均衡的成本更高。

      热管理基于对电池温度的准确监测，在电池组温度过高时进行散热和通风，在低温条件下进行快速加热，在有害气体产生时进行通风，保证电池组温度场的均匀分布。热管理系统按照传热介质分为空冷、液冷、相变材料冷却三种方式。

      现有BMS的技术仍未脱离基于静态规则的实时反馈。尽管BMS作为电池管理的功能模块经历了数十年的迭代，但其在本质原理上仍是对实时测量数据的机械反馈和简单估算，首先前端采集计算模块监测得到电压、电流、温度等数据，并根据数据初步分析得到SoC等指标，然后保护电路模块、均衡电路模块根据数据和指标对应设定的处理方式进行控制，对电池进行均衡控制、热量控制、充放电控制等相应的动作，同时通信模块对信息进行存储以及和系统外信息交互。例如当采集计算模块监测到电池电流超过了BMS所设定的阈值时，反馈到保护电路模块进行限制电流、关断等反应。

      但往往在BMS处理时，电池状态已经受到了一定程度的损害，单纯对异常工作环境数据的即时反应难以从根本上解决电池安全问题。且对于SoC等指标的估算，受制于BMS算力有限和算法模型无法根据数据量增加进行迭代，估算的精确度仍需提高。解决以上两大痛点的发展方向，是建立以大数据、AI技术为基础，同时融合电池机理模型的电池智能化管理平台，以实现对电池故障的提前预警、对电池状态更精准的评测。

      可预测性的智能化方案要求更详尽的数据采集、更高算力和更强的配套算法。

      更详实的数据采集：动力电池中的BMS会对SoC、充放电安时数、故障码等关键数据进行存储，但由于电池包中的BMS体积和尺寸受限，数据存储容量有限，在数据存储的维度、体量、频率方面均较低。数据是智能分析的基础，电池的智能化管理首先要求对电池数据的较高频率收集和回传。需要由前端采集模块获取电池服役全流程数据，并通过通信模块定期上传、存储在云端智能平台。

      更高的算力资源：智能化可以在云端平台实现更加复杂的AI模型计算，提升电池安全管理能力。当前BMS虽有一定的数据处理和分析功能，但是由于BMS电池Pack内部的BMS系统受到功耗限制，很难提高算力水平，存算能力相对较低，无法实现更高频的数据采样和分析处理。智能化管理在加强芯片采集和算力的基础上，将提取的数据通信上传至云端数据平台，在云端实现复杂计算，通过AI模型算法对电池数据进行分析，从而实现更加高频率、精准的电池状态评估和相应控制调整，以及对电池安全风险、热失控提前的预警。

      更强的配套算法：不同于BMS的即时管理模式，智慧的电池运维要求对电池故障实现更早期的预测、提醒，并根据不同的电池衰减程度和风险点进行相应的处理措施，进一步联动电池或车辆的均衡管理模块、热管理模块进行风险处置。这对算法实现超早期、超精准的预警提出了极高的要求。同时随着电池技术的快速发展，针对不同类型、型号电池建立可迁移、可快速冷启动的算法模型也是智能化电池管理的刚需之一。

      智能化对电池全生命周期数据采集、沉淀、监测、分析，在安全管理之外，可为电池研发、生产、维修、回收提供价值。通过电池时序数据全流程的采集和沉淀，智能化方案形成对电池不同工况下、不同使用阶段的状态评估，进一步衍生出更多的价值和对车主的增值服务。通过数据分析，可以反哺指导电池前端的研发和生产制造环节的优化。而持续的数据追踪，也将为电池的回收利用提供依据。

      研发环节。围绕“高比能、高安全、高可靠、低成本”方向的极致追求，近年来电池技术路径、材料、结构等方向前沿技术突破不断，技术发展快速迭代，研发环节效率的提升至关重要。电池仿真测试系统可以研究不同材料、温度、尺寸对电池性能的影响，模拟电池在使用过程中的温度变化，从而实现更快速高效的电池开发。当前，锂离子电池仿真模型已从最初的集中质量模型发展到三维模型，从电化学模型发展到多物理场耦合的模型，极大地促进了近年来电池技术的突飞猛进。同时，电池厂、主机厂通过采集电池不同使用场景的海量数据，可以进一步修正和打磨仿真模型，在研发阶段更好地理解电池特性，指导新型电池研发。

      生产环节。动力电池在生产阶段必须经过测试合格之后才能进入市场，测试包括电性测试、机械性测试、热测试等环节。例如化成分容是电池封装完成后进行活化和检测电池容量的过程，而电池容量的评估精度和一致性关系着电池的循环寿命、稳定性等性能。电池智能化可以基于AI电池容量评估模型，无需完整满充满放，仅需部分充放电数据、通过算法补偿，实现更快速、同时更精确的检测。电池智能化将极大地提升检测设备的效率和精准度，同时降低成本。

      维修环节。电池后市场的第一道门槛是对电池状态的评估和问题发现。一方面，智能化的检测设备通过AI模型可以极大地简化这一环节；另一方面，理想情况下“云端电池”已经积累了电池从生产、到服役各阶段的全流程数据，所以只要通过对云平台电池数据的调用和分析，无需进行线下的硬件设备检测，就可以掌握电池实时状况和风险点，并形成相应的解决方案，快速定位问题并解决。而故障电池的数据反馈也是智能化模型持续迭代非常重要的一环。

      回收环节。当前电池回收市场存在确定性的爆发机会，但同时行业缺少对于废旧电池低成本且精准的检测方式。多数电池不经过检测就投入回收，或者仅根据电池型号、使用公里数等简单指标、凭借经验公式对电池进行分容和定价，不准确的电池评估造成大量价值被浪费，这是发展退役电池梯次利用的一大难点。电池智能化将通过持续的数据沉淀、精准的AI算法为快速的电池定容、定价提供更加低成本的方案。未来，每个电池都将对应一个云端的溯源数据库，以及基于数据库形成的“云端身份证”，在回收市场上可以直接进行交易，在下游回收环节也可以直接进行对应的梯次利用分容重组。

      电池智能化管理将同时带来硬件通信端和软件算法端的机会，也将成为主机厂、电池厂新一轮竞争的重要发展方向。硬件端，无线BMS和上云处理要求在BMS内部增加主控芯片MCU、AFE、ADC，其与BMS有线通信架构相比，可以减少90%的线缆和连接器，提高电池组的紧凑度，将成为新一代BMS发展方向。软件端，如何以AI模型实现对不同类型、型号电池的通用检测，如何结合具体场景输出insights，对于市场参与主体的算法能力、电池机理理解深度都提出了不小的挑战。

• 华为

      华为推出的AI BMS端云电池管理系统由电池控制单元、电池采样单元、云BMS组成。通过建立精准的电池热失控故障算法模型，华为提升了SoC估算精度，同时通过云端数字孪生系统，实现了电池全生命周期数据可追溯。通过超过10万台新能源车辆数据的接入和数据的持续收集，华为持续迭代热失控模型，提升预测精准度。

• 博世

      博世“云端电池”弥补BMS本地存储能力、运算能力低的局限性，存储和分析电池从出厂到报废的全生命周期信息，通过服务器端大数据模型的计算，为用户提供更准确的电池实时状态评估、剩余使用寿命预测，还可以根据用户的驾驶习惯推荐最佳停靠充电位置。除了帮助用户在使用过程中有更好的体验，还将为动力电池的回收、新能源车的二手交易提供估价参考。

      安全性在动力电池乃至新能源汽车的竞争中扮演着重要的角色，而智能化是安全性的提升和确保中最具潜力的一大发展方向。除安全性的提升之外，智能化也影响到电池的性能效率发挥、后市场维修与回收利用，动力电池全生命周期的智能化管理将越来越成为动力主机厂、电池厂竞争胜负手。而智能管理AI算法技术的竞争，本质上是电池数据资产沉淀的竞争，不同型号、工况下的电池时序数据积累将成为市场各参与方重要的优质资产。

      充电安全在电池安全中扮演重要的角色，过充、过放都会引起电池的寿命衰减和异常，据统计显示，新能源车自燃事故中80%是在充电中或充满电后一小时内发生，在新能源车自燃事故中有31%的引起因素是充电。

      针对充电对电池安全的影响，充电桩生产商、充电站运营商都提出了相应的解决方案。如国内最大的公共充电运营商特来电，建立了两层安全防护体系，通过CMS（柔性智能充电管理系统）主动防护、大数据安全防护对新能源车进行充电主动防护和大数据监测。1）CMS是在BMS对电池和整车状况保护的基础上的二次监测，在有安全问题时CMS会触发主动防护、终止充电。CMS体系中包含电池过温、电池低温、电池温度异常、电池过充、充电电压不匹配、控制器通信故障等11种防护模式。2）大数据安全防护包括8种防护模型，在触发后同样会停止充电并产生报警。如果某辆车连续触发以上两种防护模型，系统就会向车主、运维岗、安全岗报警，提示进行相关检测。

      现有的充电安全实践中，主要方式原理与BMS相近，核心是通过充电过程中充电桩与电池交互行为数据的收集，针对主要指标如温度、电压等设定合理工作范围，如超过该范围则产生报警、应急处理。其局限性也与BMS的短板相似，即无法对安全事故进行预防预警，往往是在问题发生后的响应，同时机械式的数据范围设定也无法对电池状况有更精确、有洞察力的判断。

      充电智能化将显著提升安全性，同时在电池全生命周期管理发挥价值。充电过程中的智能化要求对每个充电桩进行监控运维，收集电池充电数据并在云端进行AI算法模型计算分析，以实现安全隐患的提前发现和预防。同时，充电作为动力电池使用过程中频率最高的交互方式，是对电池数据进行持续采集、对电池状况进行跟踪检测和评估的一大切入点。通过充电沉淀的海量电池数据对于充电运营商提升运营安全性和效率、提供增值服务有非常重要的意义，对于车主了解电池安全和寿命也有很大的帮助。

      最优充电曲线可达到充电速度和电池寿命的平衡。快速补能是新能源车主当前最迫切的需求之一，而充电的速度与电池寿命是一对矛盾体，充电输出功率越大，也越有可能损伤电池、缩短电池寿命。因此，根据电池运行状态采取灵活的充电策略，对于提升充电速度的同时保证电池不受损伤是非常重要的。对于铅酸蓄电池，1972年美国科学家马斯提出了以最低出气率为前提的蓄电池可接受充电曲线，如果充电电流沿着这条充电曲线变化就可以缩短充电时间、同时不影响电池的容量和寿命，这就是最佳充电曲线，也就是“马斯充电曲线”。对于锂电池，也同样存在一条最佳充电曲线，这条曲线受电池类型、环境参数等因素影响，同时在电池充电过程中需要动态调整变化。因此，建立通用性迁移性强的AI充电模型，在充电过程中实时监测电池参数，并控制电流使电池沿着最优充电曲线充电将为快速乃至超级充电提供终极解决方案。

      在动力电池产业日趋成熟的今天，如何更安全、充分地利用电池，并在电池退役后进行回收利用越来越成为行业发展的关键话题。近日，欧阳明高院士在世界动力电池大会上表示，从技术角度进行展望，未来动力电池产业要高端化、低碳化、智能化；其中智能化包括智能设计、智能制造，以及智能控制，智能化已成为新一代动力电池发展的趋势和方向。

      义柏研究院认为，电池智能化的机遇需要市场各参与方各自发挥作用、共同合作挖掘。在研发阶段，电池仿真测试平台的日益完善将进一步加速新技术方向的开发，推动电池升级。在生产阶段，搭载AI算法模型的电池检测设备将更高效地对电池进行检测，保证出厂电池质量。在使用阶段，通过硬件端BMS或传感器采集电池数据并通信上传至软件云端平台，以融合电池机理的AI模型对电池进行全生命周期的安全管理、故障预警，为电池安全保驾护航。在电池后市场的维修和回收阶段，电池的“云端身份证”将为电池的评估、定价提供依据。同时，充电场站的安全管理、充电的最优曲线应用也越来越成为电池全链路管理中的关键环节。电池智能化的变革中，必将有更多价值等待身怀绝技的各方合作共创。

      动力电池行业潮头迭起，在新一轮电池智能化浪潮之下，且看谁将弄潮而立。

参考资料

1.     冯燕等.锂离子电池仿真模型的进展[J].储能科学与技术,2019(8):18-22

2.     符晓玲等.电动汽车电池管理系统研究现状及发展趋势[J].电力电子技术,2011(45):27-30

3.     廖晓军等.电池管理系统国内外现状及其未来发展趋势[J].汽车工程,2006(28):961-964

4.     【国金证券】动力电池安全系列研究（一）：安全性要求迈向新台阶，催生新兴增量赛道

5.     【安信证券】市场空间广阔，电池管理（BMS/BMIC）芯片国产替代进程加速

6.     【广证恒生】竞逐BMS行业280亿市场，掌握“软件技术+数据”方执牛耳

7.     【国金证券】华为智能电动的布局和启示