12月9日，汽车安全与节能国家重点实验室第259期“汽车学术沙龙”在清华大学汽车研究所301会议室成功举办，并面向公众开放直播。清华大学车辆与运载学院助理研究员韩雪冰受邀参加此次沙龙，作题为“智能电池管理关键技术与展望”的报告。韩老师从电池管理的角度出发，系统地介绍了他和团队在电池动力性、耐久性和安全性等方面开展的研究成果，分享了他关于在智能电池、智能管理与智慧能源等方面工作和思考。

近年来新能源汽车产业发展迅猛，根据中国汽车工程学会《节能与新能源汽车技术路线图》的最新预测，2030年我国新能源汽车的销量将达到汽车总销量的40%-50%，2040年全国的新能源车保有量将达到3亿辆。电池系统是新能源车最核心的部件之一，直接影响了汽车的性能和成本。在电池系统的组成中，电池管理系统（BMS）是电池系统最关键的组成部分之一，该系统通过对电流、电压和温度等信号的采集来对电池的运行状态进行分析和控制，实现对电池动力性、耐久性及安全性等方面的管理。当前，BMS设计仍有诸多核心问题亟待解决，在动力性方面，目前电池可测量的信息仍较为有限，传感技术有待升级；耐久性方面，电池全生命周期的测量数据量庞大，需要通过数据挖掘获取电池寿命演化的信息；在安全性方面，当前对电池的缺陷机理的认识仍较为有限，需要建立更先进可靠的预测模型。

面向电池动力性问题，韩老师及其团队在先进传感与主动控制方面开展了大量工作。传感器的设计受制于电池内部的复杂环境及传感器对电池性能的负面影响，设计难度大。韩老师及其团队在电位、压力和温度传感器的设计上经过多代升级，创新性地将现有的丝型或模块型元件迭代升级为薄膜型元件，实现了传感器在电池内的柔性植入及多传感的集成设计，同时在性能上实现了大幅提升，有效降低了其对电池性能的影响。在此基础上，团队进行了电池主动控制方面的研究，针对温度控制提出了新一代高压电气构型，实现电机驱动与低温电池互激励、速加热与健康诊断，并对装置的噪声水平进行了有效控制。同时，针对高温环境下的充电场景设计出了外部强制冷却技术；针对充放电控制开发了锂电池快充算法，充电速度相比原策略提升了50%。相关技术已经进行了产业化的推广，并与壳牌公司合作助力冬奥会，未来也将建立全球首个智能大功率安全超充示范站。

针对电池耐久性的提升，韩老师及其团队开展了电池寿命管理与梯次回收方面的研究。随着电池使用场景的丰富，电池不仅可以在车端使用，还将在新能源车退役时投入V2G、车网互动等场景中，实现梯次利用。然而，目前对电池的衰退机理的认识还较为有限。例如，电池可能出现性能快速下降的“跳水”现象，正确认识衰退机理对电池的全生命周期管理及其价值的最大化十分关键。韩老师及其团队提出了“电池车云结合”的管理框架，利用云端的强大算力和存储能力，综合收集“云边端”的信息来获得电池全生命周期的数据，通过对信息的横向、纵向和交互分析，结合复杂的模型对电池的衰退进行有效预测。在车“端”，团队开展了电池状态联合估计的工作及基于EIS的电池健康状态分析。在“云”侧，团队提出“前馈+闭环”策略，结合数字孪生、机器学习模型等技术，通过数据挖掘、加速寿命试验、机理分析与建模，进行寿命预测与验证等工作。相关模型在实车数据上已经获得有效的应用。在“边”侧，团队开展了健康状态快速评估、基于超声的检测评估技术等工作，在年检、梯次利用等场景对电池状态进行了有效的估计。

随着新能源车的普及，电池的非线性、伪周期性、时变性等特征的安全问题日益成为电池使用的痛点。在电池安全性方面，韩老师及其团队针对缺陷演化机理与安全监测手段等问题进行了研究。团队融合数据驱动与多尺度的故障模型进行电池的安全管理。在电池早期安全方面，团队采用充电曲线特征提取、神经网络异常提取等手段；在中期安全方面，团队结合电热特性变化综合诊断电池内短路问题；在晚期安全方面，团队采用多传感器融合的技术，对于突然死亡性的热失控实现了数分钟的提前预警。此外，为了降低数据维度并解决异常标签不足的问题，团队开发了基于VAE-GRU深度网络的异常检测框架，将自然语言处理领域的解决方案成功应用于电池时序预测和异常诊断，实现了高检出率（93%）和低误报率（2.5%）的异常检测。

在报告的最后，韩老师分享了他对未来能源系统发展的展望和思考。随着可再生能源在能源系统占比的增高，其具有的高随机性、高波动性的特征将给电网的稳定性带来挑战，新能源车日益增长的充电需求也需得到有效的调控。因此，有必要利用灵活电源参与电网的能量互动。随着新能源车保有量的增加，电动汽车将带来巨大的车载储能潜力，电动车将可能通过有序充电、聚合赋能及车网互动等方式参与电网的能力互动，团队在电池动力性、耐久性和安全性的大量积累与实践也将为上述策略的实现提供坚实的助力。