电池数据分析与算法平台
基于AI模型,构建动力电池性能及工况的全生命周期管理体系
您所在的位置: 首页 > 电池数据分析与算法平台
业务挑战
电池安全问题始终是行业焦点
随着新能源汽车市场的扩大,多数车企已按“GB/T32960”进行了车辆数据采集和上传,但同时由于缺乏专业、全面的电池管理解决方案,动力电池安全领域依然存在巨大的监控盲区和管理挑战。主机厂对电池运维的管理相对滞后,未发挥云端数据的全部价值;消费者依然顾虑新能源汽车电池安全和寿命问题。
现有管理系统难以满足多元需求
随着电池产业的快速增长,业务场景对电池的统一高效服务也提出新的诉求。目前BMS系统只能对特定车型的单车电池进行基础功能管理,面对大规模电池的服务需要的超大规模的存储和算力,BMS并不具备,而且BMS的算法模型也无法解决多类型、多任务、全周期的电池服务问题。
保险和二手车市场管理仍空白
目前,燃油汽车和新能源汽车之间的保险区别并不明显。行业缺乏对新能源汽车保险的统一监管,在具体定价、定损理赔原则的制定方面,保险公司和监管机构须通过考虑技术因素和风险特征来区分燃油汽车和新能源汽车,并制定合适的保险理赔政策。
方案优势
AI模型构建动力电池全生命周期管理体系
通过SOH、PHM,及热失控预测,建立新能源车动力电池评估指标体系,对电池/电机的运行情况进行实时和定期统计分析,实现动态状态评估,解决电池全生命周期安全管理问题。
海量数据高阶处理,模型库完整成熟
支持短时间内处理数百万、数亿条数据,精准分析和决策;拥有绝佳数据源,模型库完整且成熟度高。已累积5年以上的全生命周期电芯级数据和10GWh+的安全管理电池容量;支持多品牌、多型号、多等级电池。
推动围绕电池数据资产的价值运营
建立一系列电池性能与安全指标,结合电池健康度、市场供需关系、电池衰减、车身损耗等因素,实现二手车线上自动化状况评估及估价输出,有效保护二手车价值并促进流通,主动参与二手车定价,有助于稳定和提升车辆残值。
亮点功能
电池健康度评估及寿命预测模型
从动力电池的一致性、衰减特性、能效特性等多个方面对健康度进行综合评估,建立动态的预测模型,从而预测电池的可用寿命和剩余价值。帮助车企合理安排更换策略,提升批次电池退役管理。
电池故障分析模型
建立电池故障预测模型,包括过温、温度不均衡、过压、欠压、亏电、绝缘密封失效等故障。预测故障发生时间、发现根因并提供解决办法。助力车企实现电池的预测性维护,减少因电池故障导致的维修、召回等成本风险。
电池热失控风险评估模型
该模型由多类AI小模型组成,分别对热失控不同诱因进行监测,从而实现热失控风险告警功能。目前已经可以做到长周期提前7天预警,短周期提前45分钟预警,有效识别事故风险。