2022年11月13日，由沈阳市人民政府和新能源汽车国家大数据联盟共同主办的“中国新能源汽车大数据2022年产业峰会”在北京成功举行。在13日下午举办的“分论坛一：新能源汽车数字化与安全”上，中国汽车工程研究院股份有限公司数据产品部高级经理晏玖江发表了主题演讲，以下为演讲实录：

各位领导、各位线上专家，新能源汽车国家大数据联盟的成员单位代表，大家下午好。很高兴参加中国新能源汽车大数据2022年产业峰会，今天通过在线的形式和大家见面，就“数据驱动新能源汽车产品与安全提升与产业健康发展”做一个简单的分享。

首先，我们介绍一下数字技术如何赋能汽车安全。我们的社会在经历了农业经济时代、工业经济时代，已经进入了数字经济时代，生产要素已经从农业经济时代的土地人口，到工业经济时代的工具和基础设施建设，数字经济时代大数据才是数字经济时代最重要的生产要素，各行各业中的数据生产、采集、传输、存储、计算、分析、服务等已经成为战略性资源，如何挖掘这些海量数据中的深层次应用，是未来产业发展的关键。

汽车产业同样经历了三个发展阶段，1.0时代汽车实现从无到有，2.0时代实现汽车大规模生产，现在已经进入3.0阶段。通过制造+服务，形成了产业生态化，产品服务化，3.0时代下的汽车产业背景下，新技术提出了新挑战，新业态催生了新趋势，新模式拓展了新意义，大数据推动的产业融合创新，推动汽车产业全面进入3.0数字化发展阶段。

在数字经济时代，汽车是数据战略资源最大的生产方之一，随着汽车的电动化、智能化、共享化和网联化发展，汽车在生产、运行、检测等场景会产生海量数据，也让智能化的新能源汽车每秒会产生约1GB的数据。车企每年生产的数据总量会超过100个PB，基于大数据战略资源，汽车产业的数字化发展是数字经济时代的最佳场景。

中国汽研在新能源汽车各领域汇集了行业领先的数据资源，包括国家核心资源，业内领先的故障标签数据，行业的高危车辆数据，行业前二的新能源汽车运行数据，行业前二的指数评价数据，研发检测环节的各类数据，还覆盖主流市场测行的舆情数据，共同构建了中国汽研的研发检测和大数据服务能力，服务于国家部委、地方政府和动力电池整车等企业。

新能源汽车的快速发展，同时也伴随着一些安全性问题。截止2021年，新能源汽车起火事件据媒体公开数据，高达276起，并且截止2022年11月呈现快速递增的趋势，新能源汽车产品召回数量占保有量的占比达到了25.3%，占比较高。说明新能源汽车还存在着一些质量问题，召回的原因主要集中在新能源汽车的特有部件、三电系统，以及电池包热失控，充分说明新能源汽车的安全主要还需要持续的加强。新能源汽车火灾事故频发，安全事故主要有三电系统、电池、电机、电控引起。其中电机技术相对成熟，几乎没有电机导致火灾事故。其次，电控技术也相对较为成熟，导致火灾的概率也不大。最后电池安全引发的事故占比高达65%，动力电池热失控是新能源汽车火灾事故的主要因素。电池安全问题主要是因为其制造材料复杂，运行工况复杂，故障类型多样等客观因素，解决电池安全问题难度较高，同时也是新能源汽车安全运行的关键。

解决电池安全问题需要三位一体协同施策，最开始我们可能更关注电池本身安全，比如单体、热失控机理之类，但这是本体自身的，主要解决解决的是新车问题，难以解决再用车的问题。电池滥用、损害或者衰老之后，一些问题的暴露推动电池企业在本质安全上进一步采取一些被动的安全手段。比如隔热、壳体强化，乃至配置消防接口，把问题事故控制住，这是一个具像的过程。这些主要是用于解决新车问题，部分可通过售后进行优化，然而这依然不够，前面提到的新能源数字经济革命，汽车3.0时代的到来，汽车动力电池必然与数据驱动的主动安全联系在一起，主动安全和被动安全之间其实就是一个抽象的关系，这是逻辑思考、逻辑策略层面出发想到的解决办法。通过主动安全既能解决新车问题，也可以解决再用车的一些问题，通过主动安全，通过AI算法、平台监控等技术，把一些大数据反映出来的问题，再反馈到电池研发制造维护环节，也就是本身安全环节去优化本身安全，这就是一个具像。从具像到抽象再到具像闭环，实际上就延伸和拓展了电池安全的边界，也协同提升了我们电池整个安全水平。

动力电池系统的几种典型风险是引起电池起火的主要原因，中国汽研基于数据驱动的主动安全技术，对各类典型故障进行了针对性的安全预警模型开始，分类施策，消除隐患，动力电池系统典型风险主要分为电池性能劣化和电池系统软硬件异常，其中电池性能劣化又分为自发电异常、容量异常衰减等等。电池系统软硬件异常又分为连接异常、采样异常和其他的控制策略异常等等。针对典型故障模式，中国汽研开发了基于大数据的安全预警模型，提前识别风险的隐患，避免了自然事故的发生。新能源汽车主动安全模式，经过长期研究认为行业需要着力攻关一系列的关键技术，再次提出三类关键技术及配套的标准规范问题以供探讨。

关键技术问题一，基于海量数据的快速风险筛查算法开发，主要解决在超大型数据中如何快速风险筛查的关键问题。

关键技术问题二，基于知识驱动的故障模式识别算法开发，通过专家知识驱动，并以典型故障模式完成不同工况下的故障模式风险参数识别，电池系统健康及安全状态评估等多种算法的研究。

关键技术问题三，故障诊断和缺陷分析的知识图谱构建，根据电池系统可能发生的事故或已发生的事故结果，去寻找该事故发生的有关原因、条件和规律，从而标识出电池系统中可能导致事故的危险源和危险源特征。同时需要行业达成共识，形成一系列的标准规范，我们设想主要在新能源汽车OBD接口标准通讯协议，车端ECU的数据传输规范，以及新能源汽车健康档案标准，开展一系列的标准研究工作。

高精度故障识别算法是需要单车全生命周期数据才能总结出故障显现的一些演化规律，但是由于数据和计算复杂性，无法再有限的时间内完成故障识别，需要前置的快速风险筛查算法进行初筛，高性能的风险筛查算法可以实现海量数据的全生命周期风险监控，将原有数十数百万辆汽车数据故障识别计算，减少到数千乃至数百台，经过数据筛查出的高风险车辆，大幅度提升了安全效率，并且漏报的概率非常低，不影响整体风险判定。

快速风险筛查算法基于优化设计的蒙特卡洛搜索算法，这也是著名的阿尔法go采用的优化空间搜索的高性能算法，前置的快速风险筛查算法是数据驱动的主动电池安全技术，能在海量新能源汽车数据中落地应用的关键技术。通过深入研究正常车和故障车的数据模式异同，研究故障车全生命周期内早期、晚期数据模式的异同，重点关注故障发生前一段时间内故障模式的行为，借助风险评估理论，对各类故障模式数据进行风险评价，瓦解动力电池故障缺陷风险因子，进一步对各类模式数据开展大量的机器学习训练，实现对风险特征的快速识别，以及对缺陷问题的智能感知。

识别原理主要基于异常模式的微观差异，检测车辆是否存在着偏离正常区域的数据特征，通过特征识别实现对故障模式的判定，识别方法是基于对故障模式的理解，构建异常检测模型，而后提取关键数据，进行数据清洗，风险异常识别流程。

通过故障诊断和分析知识图谱，分析安全故障发生的各种途径和概率，建立事故循证研究体系，构建故障模式解析，故障树，故障画像，故障预警可行性分析等阶段性成果，形成支撑故障诊断和缺陷分析的知识图谱，面向行业提供系列技术服务。

以电池连接故障为例，中国汽研通过快速风险筛查算法对全量数据进行全生命周期数据风险筛查，把风险筛查出的高风险车辆，针对每一个电芯进行特征提取，诊断出故障类型和具体的故障电芯，并结合专家分析再进行实车验证，精准定位具体故障，最后基于案例形成故障知识图谱，从而完成自身安全整改和改进。

由于安全算法无法实现100%的精准，所以建议使用AI算法+专家模式，构建大数据筛查，然后进行预警模型分析，异常车辆和异常单体，风险车辆专家诊断，可靠的运行模式，形成车辆实时监控与预警信息复合反馈，车辆数据跟踪业务闭环，实现算法的可持续反馈与迭代优化。在专家环节建议提供可视化界面，配合风险预警模式识别结果，方便专家的审核并记录相关审核结论，建议不断地优化安全预警模型。

数据驱动的电池安全技术服务于行业管理，基于安全预警等技术，搭建总局车辆监管系统，支撑工信部安全体系建设，对七个车企的高风险车型，约13万辆车进行风险监控，系统已经提前预警高风险车辆90余辆，避免了安全事故的发生，辅助发现缺陷线索十条，有效地提升了产品质量，通过大数据协助火灾事故调查七十余起，大幅提高了工作效率。通过安全预警指标风险筛查，致使一家车企两款新能源汽车的召回，防患于未然。另外电池主动安全技术也服务于省级新能源汽车监管平台，实现了监管职能的落地，实现了超过10万辆新能源汽车运行监管和安全预警，实现了动力电池全生命周期溯源监管和健康评估，建立了省级政府新能源汽车监管体系及地方新能源汽车安全监管数据标准，并拓展了发展规划设计，智能出行管理等区域产业服务能力。

数据驱动的电池主动安全技术也服务于企业发展，搭建了企业新能源汽车预警算法技术平台，平台开发体系，发挥预警+分析、诊断时效，打通了预警结果到售后渠道的信息流通，实现了安全预警+新场景。经过上千辆车的预警验证，预警准确度大于90%。

介绍完现有的数字赋能汽车安全技术以后，接下来分享一下新能源汽车安全管理创新的探索和实践。

突然死亡的热失控事故是新能源汽车安全领域的行业难题，主要是看不清和看不懂两个问题。看不清主要是因为云端数据质量受限，看不懂主要是因为热失控制因复杂，还没有公认成熟的理论支撑。建议从提升监管数据质量，丰富传感器类型，构建卵生机理模型，云边协同的体系四个方面开展相关的研究工作，构建车端实时预警+云端常识趋势预警协同机制，需要通过提升数据质量来解决，建议展开以下三个方向的工作。

首先是增加传感器种类和数量，比如增加压力、气体、震动或者智能发电机内部植入传感器作为数据源。同时引入生产数据，包括产品的静态数据，生产过程数据，特色数据和后期检测数据，从而拓展数据的广度。

第二是提高传感器采集频率，现有国标32960规定30秒采集一次，但是这样的频率不足以支撑电池机理模型的运算，需要提高采样的频率。另外引用硬件把控数据质量，解决数据异常，缺失、乱序、时间同步等常见的数据质量问题。

最后是构建科学的云边协同体系，制定科学的数据存储和传输方案，并在成本和数据价值发挥之间找到最大的平衡。

看不懂的问题建议展开如下三个方面的工作：

第一，深度分析电池热失控机理，从源头上找到热失控的根本原因。

第二，工程上尽可能采集或者估计到机理模型相关的一些参数，支持机理模型的运算。

第三，硬件上提供强大的算力边缘计算芯片，并通过云边协同构建卵生机理模型，最终实现新能源汽车全生命周期健康管理。现有模型算法大多是通过数据统计规律发现问题，但是究其根本，电池问题还是要电池机理才能说明，研究发现SEI膜的增厚，电解液的消耗等是导致热失控的主要原因。如何通过现有的数据利用机理驱动模型，快速识别故障特征是解决看不懂问题的关键。

新能源汽车全生命周期健康管理有更丰富的数据源，更完备的机理模型算法，从卸构成了更全面的安全问题解决方案。通过构建行业级的数据平台，利用区块链等技术，安全合理的共享各方的数据源，通过更丰富的传感器数据，强大的边缘计算能力以及合理的数据传输协议，结成云边协同的技术框架。再结合电池安全机理模型，真正实现新能源汽车全生命周期的健康管理。

全生命周期健康管理技术应用方面，中国汽研研究并建立了针对运行安全的线上+线下联合检验技术体系，其中线上检测系统基于新能源汽车大数据平台的数据资源，通过模型、算法，对车辆的运行安全进行初步检验，及时的发现高危车辆，形成线上的检测报告，推送至公安部一体化平台。一体化平台将信息发送至车管所，部署在车检站的线下领域设备对待检车辆进行进一步的检测，部署在线下检测平台的模型算法，会分析设备检测数据，突出检测结果并形成综合的检测报告，对不合格车辆还将信息推送至维修站进行维修和复检。该技术体系不仅满足新能源汽车年检要求，也将有力地支撑新能源汽车保险、二手车交易等业务的发展。

中国汽研联合公安部武器所等单位，开发了新能源汽车成套检测设备，包括新能源汽车充电检测设备、车辆OBD检测设备、车辆电气安全检测设备、整车安全检测设备，实现对新能源汽车整车、电池、电机及电控等核心部件的运行安全线下快速检验。同时在公安部武器所、重庆市交管部门的大力支持下，中国汽研牵头在重庆开展了全国首个新能源汽车连接试点，充分验证了检验装备和系统的有效性。

最后抛砖引玉，我们在实践过程当中有一些浅薄的思考。

第一，国家层面。建立体系化的新能源汽车健康制度，针对新能源车辆率先实施基于大数据的年检制度，国家级的新能源汽车运行安全检验平台，研究建立数据传输标准，产品检测标准，按照评价标准，并对存在严重安全隐患的车型强制整改和整改评估。

第二，行业层面。加强数据共享和关键算法联合开发，因组织建立新能源大数据联合研发中心，共享新能源汽车关键存量运行数据。其中优质资源进一步优化缺陷和故障识别，健康度健康评价等算法模型，不断训练和提升模型的精准度，实现共享共研共用和共赢。

第三，企业层面。切实加强三位一体安全技术研发，本身安全方面，建议积极开发新一代电池技术，从源头端控制事故风险。被动安全方面，建议重点开发热隔绝技术。主动安全方面，建议对新能源安全体系要求，切实加强企业监管平台安全预警能力，并做好事故车辆数据分析和研发的反馈工作。

以上是本次简要分享的所有内容，如果不当之处请各位专家、同仁批评指正，欢迎同仁线下交流，谢谢。

（注：本文根据现场速记整理，未经演讲嘉宾审阅）