在2020中国汽车工程学会年会暨展览会与第七届国际智能网联汽车技术年会期间，国创中心第十一期技术沙龙“动力电池数字化开发与应用技术分会”举办。来自企业、高校、科研院所、行业组织等方面的专家积极围绕主题发言，本报辑录部分专家观点，为产业发展提供参考。

　　北京航空航天大学杨世春教授做了题为“动力电池安全性能评估与预测”的主题报告。通过数字孪生模型，构建电池的物理实体数据和云端大数据之间的数字孪生体，找到更关键的使用过程中化学反应过程中微观的特征值来做动态安全边界，来做电池使用过程中的动态安全的判别。进一步对基于赛博链的热失控预警进行展望，包括基于赛博链方法建立动力电池全生命周期赛博物理系统，实现电池系统自设计到回收过程全方位立体化模拟，采用云端模型安全演化与车端信息闭环联动，实现热失控短期识别和长期预警。

　　同济大学汽车学院副院长魏学哲教授做了题为“锂离子电池电化学阻抗车载获取和应用”的主题报告。阻抗是锂离子电池内在的重要参数，用车载充电机对动力电池产生激励电流，利用BMS中单体电压和电流采样单元测量响应电压，基于数字锁相放大器的电池阻抗计算电池寿命。也可以用小波变换及S变换法获取动态工况的电池阻抗，用于电池内部温度估计、老化状态估计及寿命预测。利用电化学阻抗进行动力电池状态预测目前具有一定的工程价值，后续还需要继续改进。

　　北京理工大学熊瑞教授课题组的田金鹏博士的报告主题是“AI赋能动力电池老化多维评估与寿命快速评估”。在传统的电池老化循环测试中添加了一个电池的小倍率OCV测试，获得OCV曲线。使用深度学习技术，可以从日常充电信号中提取正负极容量等信息评估电池老化状态，并重构出完整的正负极开路电压曲线。由此实现对电池老化的及时干预，使电池性能与寿命最大化。基于OCV重构的结果也可以做容量的估计，与实测的电池容量进行对比，误差在1%左右。相比传统的直接从特征中去估计容量这种端到端的学习，这种估计精度也是可以比拟的。

　　国创中心动力电池高级性能工程师王辰博士做了题为“数字化工具在新能源汽车动力电池上的应用”的主题报告。介绍目前动力电池行业相关痛点，指出了电池在制造过程当中的工艺问题、一致性等问题；其次阐述了数字化工具在动力电池研发生产过程中的应用，采用虚拟仿真可以减少在实际生产过程中的时间成本以及人力成本，通过仿真结果来指导如何设计材料，如何设计电芯，如何制造电池；最后介绍了数字化工具在动力电池使用过程中的应用，指出数字化工具在新能源二手车电池评估和梯次利用都会有很广阔的应用前景。

　　天目湖先进储能技术研究院有限公司智能制造中心主任颜辉做了题为“面向未来固态电池的正向设计”的主题报告。提出，高安全动力电池可以采用固态电池技术路线，可以通过保留部分电解液来解决电极和电解质之间固固界面的接触问题。建立固态电池正向开发流程，从材料层面、电芯层面、模组Pack层面做相应的验证，形成一个开发闭环。最后通过两个固态电池开发案例，展示了仿真手段在开发过程中的实际应用。

　　弗迪电池有限公司电池管理系统工厂厂长邓林旺做了题为“全生命周期数字化电池管理系统”的报告。介绍了电池管理系统的现状，提出目前存在的一些问题，比如追溯性和回收的数字化程度比较低；阐述了数字化电池管理的BMS解决方案，提出要从设计阶段做模型的建立，在电池制造阶段要把模型参数做一个初始化，基于数字孪生模型的概念，在云端建立模型；最后讲了数字化模型在SOC估算、全生命周期电池寿命的预测及优化、电池故障预警方面的典型应用。

　　华威大学的Dhammika Widanalage教授用线上视频的方式参与了此次会议，并做了题为“锂离子电池老化及其寿命预测：物理模型以及数据驱动模型在锂离子电池寿命预测上的应用”的主题报告。展示了采用数据驱动的方法预测电池SOC不同温度、不同时间下日历老化的结果；之后通过对SEI膜增长以及析锂过程建立物理模型，展示了通过物理模型可以很好地在电池循环老化过程中跟踪电池非线性寿命衰减的特征。最后，通过机器学习与物理模型相结合的方式，展示电池在工况循环下的寿命预测情况，结果证明，机器学习与物理模型相结合的方法可以很好地预测工况下的电池寿命。

　　北京科技大学机械工程学院洪吉超副教授做了题为“基于运行大数据的电动汽车动力电池安全控制策略研究”的报告。介绍了动力电池从机理上的安全性与一致性耦合机制方面的研究，指出了当前研究中存在的问题和不足，如动力电池状态与环境，老化等各种复杂交变应力之间的非线性关系；然后是动力电池系统的状态预测，故障诊断、安全风险的预警研究，包括机理上对动力电池安全性、一致性耦合方面进行研究，动力电池系统多状态的预测；最后介绍了动力电池安全控制策略，对安全问题和现有常见的电池异常类型以及对应的一些潜在的故障类型进行了一个总结分析，实现电池安全状态在全生命周期的状态下是可追溯和可监控的。

　　融媒体中心记者 方针