演講實錄

 

 

北京昇科能源科技有限公司創始人/CEO褚政宇出席論壇并發表主題演講——《電池智能化的核心技術和產業應用》。

 

 

以下為演講實錄：  

 

在場的各位領導、各位專家、各位朋友：大家下午好！大家能留到最后，非常感謝，大家一定對這些問題都非常關心。我是昇科能源的CEO褚政宇，今天我給大家匯報主題的是《電池智能化的核心技術和產業應用》。先解釋一下，今天咱們這個充換電的論壇，充電給誰充？換又換什么？電池。我們公司主要還是注重在圍繞著電池相關的技術和應用去做的。

 

我如圖所示，這里有一個大背景，各位朋友都比較清楚，碳中和帶來新能源汽車和儲能的發展，人類第一次邁入到了電池TWh的時代，儲能現在比較火，預計到2030到TWh的裝機。今年全球新能源汽車動力電池累計的裝機量已經超過了TWh?？梢哉f，我們名正言順地已經步入到了電池TWh的時代。

 

目前是人類歷史上第一次大規模地應用鋰電池，所以帶來了前所未有的挑戰。我們主要關注三點：

 

1）安全。安全風險是急劇上升的。應急管理部給的數據是，今年一季度有640輛新能源汽車發生了著火，每天大概有7輛車。儲能應用到現在全球報道的有41起儲能事故，最多的是在韓國，主要由于早期用的儲能都是三元的鋰電池。所以安全問題我們必須要重點關注，安全是1，沒有這個1，后面再多0都沒用。

 

2）回收。2017年的這批車用了五六年之后開始大規模退役。在回收場景，目前我們處于“開盲盒”的階段，面前一堆電池，但是多少錢收沒有一個標準。這也跟充換電有關系。剛才許繼的領導也提到了，做重卡換電的時候就是怎么樣把電池的全生命周期發揮出最大的作用。

 

3）充電。充電對電網造成巨大的壓力。很多專家在報告當中也提到了，舉一個例子，現在中國每天的負荷大概在10億kW左右，今年達到了峰值11億kW，當我們到2030年一億輛電動車保有量的時候，只有1%的電車快充，我們的電網就會承受巨大壓力。有專家說現在電動車的發展是再造一個國家電網，其實并沒有夸張。

 

這些問題我們致力于用電池智能化的手段去解決。這里面最核心的挑戰就是怎么去對這些海量電池做狀態估計，它的難點在于新能源汽車的動力電池是電化學系統，非線性的系統，傳統做電機控制非常簡單，就是一個公式，轉矩、轉速，基本上可以非常精準地控制，但是電池很復雜。電化學模型的有四個偏微分的方程耦合在一起求解，很困難，沒有解析解，而且它的能量變化非常劇烈。我們最早用電化學的方法，基于第一性原理做一些分析，給電池做模型，電池種類多了以后就有挑戰了。因為每個電池都要建一個模型，難度太大?，F在市場上有一千多種電池，每個電池都去建模太不現實，所以我們就用數據驅動。

 

當有了足夠多的數據，我們就可以做深度學習，讓人工智能自己去在數據當中學到特征，這個就是我們現在在做的事情。這個技術也是有一個演進的過程，最早我們用機理分析可以達到大概70%左右的精度指標；第二階段用機理分析和數據驅動，大概能達到85%左右的指標，現在主要是深度學習為主，融入一些機理特征，數據驅動，我們已經能夠達到93%的精度指標，所以隨著技術的積累有一個技術上的演進和突破。

 

目前我們主要采用的技術路線我在這里“王婆賣瓜”一下，我們是行業比較領先的技術路線，是用大規模的預訓練模型。我們大概用50GWh的電池數據建立了充電、電池行業第一個預訓練模型PERB。它有三個技術優勢：

 

1）準。預訓練模型里面不需要標簽，所以它可以直接用百萬量的電池數據做訓練。傳統的人工智能模型要求數據集必須有標簽，所以大大限制了可用數據集的規模，我們現在能夠直接用百萬量級無標簽數據訓練，讓模型變得越來越準，隨著數據規模的增加，它會不斷地學習，就像AlphaGo一樣，下得圍棋越多就越好。

 

2）快。原來我們是一個電池建一個模型，大概需要一兩個月?，F在用PERB模型，它可以應用在所有電池上，所以我們能夠非?？斓卦谝恢軆冗w移到新電池上，這就是我們當時用PERB模型遷移一個客戶他需要的做異常檢測。使用了6個月之后，我們對比實際的運行效果和模型的預測，基本上有90%以上可以直接對應的，所以它的速度非?？?。

 

3）低成本。電動車衰減以后，壽命會衰減，性能會變弱，需要人工調整參數，這時候需要大量的人工成本，現在的技術路線可以不需要人工，AI進行自學習，舉一個例子就是圍棋自己跟自己打架，不需要人在旁邊指導，我給它足夠多的棋譜它就可以學習。

 

目前我們專注在兩個具體的應用場景的任務上：

 

1）安全預警。充電、換電的時候我們對電池做安全預警。這里面有三個核心指標：預警檢出率可以達到93%；誤報率小于0.1%；最長預警時間達到50天，也就是說50天之前我就可以告訴你它有哪些比較大的風險。

 

2）健康狀態評估。新能源車主最關心的問題之一就是電池健康度和壽命，我們現在能做到健康狀態評估的誤差率低于2%，早期壽命評估的誤差率小于6%，都比《自然》子刊最佳報告的結果還要好。

 

為了推動行業的發展，我們建立了伏龍AI開放平臺，加速電池智能化的進程。我們在上面有50個GWh的數據當量，開發者數量500+，開發模型數1000+。當年整個人工智能模式識別領域也是由于ImageNet開始之后，有很多人才涌入到這個行業里，才有了微信支付寶支付的時候，給每個人做面部識別，就是由當年海量的ImageNet的數據作為基礎。

 

 

下面講一下電池的智能化到底有什么應用。這個跟在座各位朋友關系比較大。

 

1）整車電池管理智能化。包括電池銀行，電池銀行本質上就是電池資產的持有方和管理方，它的訴求就是希望電池資產能夠不著火，資產安全，還有壽命延長、資產保值增值，最后資產處置時能做到價值最大化。整車電池管理主要也是這些訴求，現在我們都可以用人工智能實現。

 

2）新基建運維智能化-充電站、儲能站。我們現在給客戶提供的服務都是預測性的服務，比如充電站用了我們的系統，就可以保障在充電站充電的時候，這些車不著火。怎么做？它每一次充電都會給它進行一次防范，充電多了以后，就等于給它建了一個檔，如果它是一個高危的車型，我們可以采取一定的措施，當然這個措施一定是分級的。行業里也有一些同仁他們做的時候，比較粗狂，主要有問題就限制充電，但是會造成運營商給用戶的體驗很不好。我們做分級，比如你有一定的概率，但是沒有到馬上要著火，我們會從60千瓦降到40千瓦，這樣就會把風險降低，或者限制SOC。SOC越高，風險概率是直線上升的，如果一個車SOC在40%以下，我們在實驗室做的結果，基本上這個車是不會著火的。大家開電動車長期停放擔心他著火，就把它放在40%以下就可以了，儲能的電池也是用同樣的邏輯做管理。

 

3）電池智能化檢測。對于用戶來說它是一個非常好的體驗，充一次電給自己的電池做一次檢測，充的越多，檢測的數據越多，越了解自己電池的狀態。我們做了一個調研，大概有40%的用戶會主動地點擊這個報告進行查看，大概會有20%左右的用戶對這個報告有付費的意愿，當然不會太多，你說花一千多塊錢讓他買可能不會買，但是花幾十塊錢是ok的，從這點上來說，能夠為我們提高用戶的黏性，并且創造更多的收入價值。單純地從服務費上收費其實很難賺到錢，因為國家對充電的定位是要給用戶提供一個非常基礎的服務，不能讓老百姓負擔太重，所以服務費會限價，這是一個大邏輯，必須要去找到除了服務費之外更多的收入來源。

 

4）智能化回收。我們有這些電池數據和報告之后，我們就可以做到電池的回收。我們會給電池進行估值、銷售，所以這個行業有很多下游的朋友跟我們一起做嘗試。它可以提升整體交易價值20%，就像賭石，我給了你一個可以看這個石頭的工具。整體交易價值提升20%，交易效率提升30%，我有一堆電池大家來看貨，它可以變成期貨，當它沒有退役的時候我就可以預定了，因為我了解它的價值，這樣它的整體效率就會提升。

 

5）負荷智能化調度。我們解決了電池狀態，我們就可以提供把充電樁聚合在一起，把它變成虛擬電廠，給電網調度公司提供調度的服務，這個是我們已經跟電網公司在深圳做的合作示范。我們調度的調節誤差在1kW以內，響應速度在50毫秒以內。這個模式下，假設一個用戶在充電，現在是100kW，調度公司下發一個指令說要緊急限電，需要集中負荷，如果你的充電樁接入到這個負荷當中，充電用戶就會顯示現在電網公司要調度了，能不能把你這個100kW降低到60kW，但是每度電給你補貼2毛錢，這個錢由調度公司出。用戶會自己做選擇，有可能出現充電不要錢的情況。但是，運營商也能賺到更多錢，都是調度公司在支付。我們希望后面通過裝一個模塊就可以做充電樁智能化的改造，能夠接入到電網服務，為我們的運營商增收。我認為這個在未來有非常大的前景，一百千瓦的充電樁一千個就已經達到了它的虛擬電廠的調度要求了，一個水電站也就一百萬千瓦，等于一萬個充電樁，所以這個規模體量是巨大的。

 

這個過程中，我們主要來構建數字化的網絡，探索一些新的模式。以上是我們現在已經達到的數據，我們給電動車累計檢測了三百多萬次，做了三萬多次預警，達到了50GWh電池的量。

 

昇科能源是從清華大學科技成果的轉化的創業團隊，我們也得到了很多朋友的關注和支持，也拿到了一些行業的獎項。目前，我們總部在北京，也在宜賓籌劃智能制造基地，在鄭州籌劃回收檢測中心，在深圳主要做智慧能源中心，大概是這樣一個布局。目前合作的企業包括車企、電池企業、充電樁企業、充電運營商，在座也有非常多的朋友，我們非常開放，希望從基礎設施的角度給大家帶來更多的服務，我們的理念是合作共贏。

 

最后是我們的一些案例，新基建主要是跟殼牌、道達爾以及一些其他的伙伴合作的項目；電池檢測是跟中國汽車流通協會推薦的衛藍e站打通后市場的項目，以及跟電盟等多家運營商合作了充電檢測等等，在此就不一一列舉了。再次感謝主辦方給我們提供這樣一個機會。我們希望能夠跟大家攜手一起共建未來，謝謝！