蔚来BMS架构算法设计考量和大数据应用
内容来源：整理自蔚来汽车Assitant VP-Battery System 曾士哲在ECV的讲演《EnhanceBattery Performance and Safety through Combine BMS and Big Data System》-Part 2
1、
上面讲到的是一些包的设计理念（参见《蔚来电池系统安全设计的考量》），蔚来汽车在新一代包的设计里面，新加入的一些设计元素，这些都是硬件层面的，这里再分享下关于软件层面的内容。
蔚来汽车是一家互联网公司，在数据应用上，在数据算法上，有一个强大的团队在支持，有换电团队，电池包开发团队，通力合作之下，已经导出了很多不同的工况，我们还有一个叫服务无优的团队，对一些特殊的情形和案例，都进行了很好的总结，在这些总结基础上学习了很多的经验、教训，这个过程中，我们的电池包技术一直在迭代。
如何把这些大数据系统应用起来，与我们的BMS共同协作起来，更好地解决问题。
上图这些是我们老的设计的一些东西，特点较大的是有一个好的换电系统，有一个很好的大数据模型、一个大数据后台，有一个很好的监控，有一个强健的SOH。
这个SOH的定义，蔚来会有些不一样：我们不只是看容量等因子，还要看用户满意度。容量（等）不代表用户满意，可能你在冬季容量会不足，在某些特殊工况下会容量、功率不足，叫做（传统意义上的）不足。对蔚来汽车来说的(SOH)不足，是什么样的情况下，蔚来汽车的用户会觉得不足，才是我们定义的一个基于用户满意度的（SOH）一个标准。
对于SOC的精度，不同的化学体系的电芯不同，三元SOC精度相对好做，在不激烈的工况下，达到1%还是相对容易；磷酸铁锂如何做好，是蔚来汽车现在在攻克的难题。
知化笔记侠：是否意味着蔚来在为切入磷酸铁锂做准备。
2、
大数据分成3个体系来维护。
第一个，叫做全生命周期的管理系统（BLMS，Battery life management system），怎么看全生命周期，就是我们怎么应用这个东西，所谓的应用，就是分电池相关数据、车辆相关的数据、应用场景的相关数据。什么叫应用场景，像换电、仓储、（工厂内产品的）下线等等。所有的这些数据打通了融合在一起，叫做电池的全生命周期的管理系统。
把数据拉开来分析的时候，就会看到很多的批次性，每一个批次，像我们的合作伙伴换每一组（电芯）料的时候，都看得出来，因为电芯的特性会发生改变，如化成做得不是很完全，不同模组间混料，也看得出来。
第二个，叫做实时监控系统（BRMS，Battry real-time monitoring system），主要是对于安全相关的状态和事件进行监控、预测。对于安全的系统，我们希望能看到，在这个系统上面看是否有一些安全的危害和可能性。依托于强大的换电团队、售后服务团队，在任何异常发生前，将产品拉回来，在蔚来的换电站或工厂端，做进一步的检查，让工程人员在第一时间对那些我们认为有异常的电芯进行观测和维护。
第三个，叫做BIT（电池问题终结者，Battery Issue Terminator），电芯、模组、系统和车辆都会存在很多的问题，把这些问题输入到系统内，让系统能够自动去找批次，自动去分门归类去找问题的根源，希望能够在第一时间解决这些问题。另外，就是要能够去预测，这样才能提前采取措施，让用户不会感知到（问题）带来的影响。
这三套系统能够为蔚来电池包的设计提供一个良好的数据支撑，达到更好的用户满意度。
3、
如上图，BMS大体历经了三代。早期是相对经典的一个设计方案，做了一两年之后，我们发现这种设计特别的耗电，同时如果没有信号的话，对于一些事件如发生热失控，还做不了处理，受限于周期上传的数据。
因此，我们就又进展了一代，这一代我们在电池包内增装了一些传感器，这些传感器是24小时工作的，当有异常的情况触发的时候，会直接唤醒BMU，进而通知整车做相应的防护措施。此处涉及到比较多的know-how，不方便完全讲透。
到了第三代，我们发现第二代（BMU）仍然受限于数据的不足，我们希望在各个场景里面，能够采用一些备用BMU，甚至在包内还会有一个小的电池，能够让BMU持续地做监控，比如去自诊断、均衡等等。这个时候的电池包本身就是一个生态体系，它并非一定要装到车上，而是随时随地，我们都能够知道包所处的位置，以及所处的状态，实时地掌握电池包整个生命周期的行为。我们希望能够把危险的事件第一时刻记录在案，提前识别出问题所在，这就要求整个BMU的架构设计不能等同于之前老的设计。
蔚来汽车做为互联网公司印记很深的一个特性就在于，通过云端串起了所有的东西。它把服务、电池、车辆、换电、工程师、算法策略和用户体验，实时地进行一些高度的迭代，在进行一些增长，不断地提升电池的安全和应用的可靠性。
这里就具体的（监控/预测和优化）设计做一些简单的介绍。通常行业可能会有个问题，就是BMS与大数据的整合往往会被切得太开，而蔚来汽车在BMS里面很多特殊的算法策略是专门为大数据而设计的，BMS会长时间地记忆电池包的历史，存放起来，目的就是在于当大数据需要的时候就能够及时的调用。
当然，也有云端的算法，但是云端一方面有流量的（快慢，费用等）限制，另一方面它的采样没法像BMS那么快，所以，我们会把一些云端需要算的东西先算好，放在BMS里面。
有关车电相关的行为，用户相关的行为，换电站区域相关的行为，在大数据上是非常有帮助的。
整个迭代过程是相似的。首先会监测到一些异常的数值点，然后工程人员进行分析，接着强大的服务团队将对应的车辆（电池包）拿回来，与合作伙伴进行相关的Root Cause分析和验证，得到最优化的新设计，更新算法重新回到监测端。这个过程我们叫做算法1.0代，后面到了算法2.0、3.0代，根据电池包的架构，电子电气的架构，都会有些突出、以及不一样的地方。
我们希望找到最适合自己的方案，而不是盲目追求潮流。比如最近都在推的域控制器，但域控制器可能并不一定适合某个体系，从而不能发挥它最大的作用。当然，这并不是说域控制器不好，域控制器是一个非常好的发展方向，蔚来也有域控制器，是我们发展的一个重点方向。但我们更多的宗旨是希望能做出基于当前条件，更有成效和契合我们公司特点的东西，真正能够发挥一些作用，集成到域控制器和这些Local的BMS里面。
4、
之前讲的大都是一些安全监控的事，那我们最近发现大数据是可以用在很多地方。特别如载荷谱上面，一般的方法是让车辆在相应的道上开一开，导出相应的数据，做仿真，得出载荷剖面定义图。可往往我们忽略了，载荷谱不仅仅是与零部件的寿命、耐久相关，它还可以把用户满意度、安全特性等都提取出来。
之前由于没有把真正用户满意度的点导出来，所以没有应用起来。现在我们活用了大数据系统，正在把这块做起来，比如百分之多少的用户，做了哪些事情，将其列为一个矩阵表。具体例如：喜欢开200公里时速的比例，160公里时速的比例是多少，发生的频次是多少，电池在各自的工况下产生的行为是怎样。在这些表象数据之下，我们是可以更好地匹配未来用户的满意度与电池的使用场景。
这里进一步阐述了载荷工况的一些情况，同样强调下用户满意度，你的用户品质是多少，是要去满足90%的用户，80%的用户，还是95%的用户，这些就决定了如何来活用大数据系统。如何让FOTA，让换电体系发挥到极致；同时，有助于我们在下一代电池包中识别哪些是真设计需求，哪些是过设计。
在未来的趋势中，提升电池包的安全是永无止境的，提升包的性能是永无止境的，不仅仅需要集合BMS和大数据，还要集合新包的设计方案，新的电子电气架构。结合公司的特点，找到最适合的设计。
注：文章内容为个人整理，未经主讲人审核，仅供学习参考。