針對“大數據在電池及電動汽車的應用”，6月21日下午舉行了分論壇，圍繞大數據在動力電池智能化管理和體制利用上的應用;基于電動汽車運營中產生的數據，如何產生商業價值及創造新的商業模式;有關動力電池和電動汽車數據收集、分析的相關技術和政策問題;智能化電池管理系統和綜合檢測方案，鋰電池的全生命周期管理和監測;充電基礎設施大數據在電動汽車與動力電池方面的應用。

 

中國電科院電工與新材料研究所所長來小康以張北示范工程為例，說明大數據在儲能電池應用方面的重要性。現場實錄如下：

 

謝謝百人會，謝謝王老師!可能大家有些人認識我，剛才在門口也有人問我，說你怎么搞大數據了，我確實沒搞大數據，但是在我們儲能應用的時候確實也需要一些大數據來給我們支撐。比如說我們在張北，一期工程就有30萬個電池，我們知道大數據最主要的特征，一個是大，還有一個是要鮮活，而且還有價值。這些都構成了我們在電池應用中的一個特征，所以我們也確實做了一些工作，但是這個題目對大家來說還是比較新的，對于我來說也是比較新的，可能我在今天介紹只能講講我們現在已經有一些的工作，和我們未來的一些思路，供大家討論吧，因為這是一個純技術會議的交流，也別發到微信上，不太成熟。

 

我先談談研究背景和面臨的問題。應該說我們就是從張北工程中感覺到數據的重要性，因為當時做示范工程的時候最主要的是要把功能實現，能不能平滑，能不能削峰填谷，能不能黑啟動，能不能正常運行，這是當時建工程的重要關注點。在這些功能能實現的情況下，現在又轉向了到底這些電池運行的情況怎么樣，運行的變化情況怎么樣，這個又是我們下一步的研究重點。

 

可是研究的時候我們發現，當時建示范工程的時候有不同的廠家、不同的集成方式，數據采集的各種數據管理也很不同，所以到時候我們發現存在什么問題呢?就是數據采集的不合理、數據管理不規范，將來運維時候我們沒有一個規章，不知道該怎么弄。我們就后續我們在國家電網陸續做了一些項目的設置，主要是為了要解決這個問題。

 

我們存在的問題和電動汽車上有點不一樣的還有一個部分，電動汽車主要盯的是電池，而我們在儲能中還要考慮我們儲能的對象是針對風、光，風、光這些數據也是我們要考慮的樣本，所以總體來看，我們就感覺，當時存在的問題就是數據格式多、體積龐大，但是信息單一，很多信息又閑置，效率低，沒有能挖掘出太多有價值的東西。原因在哪兒呢?就是當時做這些工程的時候，當時選擇的數據、采集的尺度沒有依據，評價指標不明晰，大數據的特征也模糊，所以我們發現，我們要做大數據的一些應用的話，我們應該在基礎上做一些工作，包括數據顆粒度怎么選取，就是多長時間采樣一個點，跨度怎么選取，多長時間采集的數據你就認為足夠有效了，是常年這么采著做評價嗎?我們覺得也還需要研究。再一個，典型曲線的選取，將來我們做配置用也好、各種分析用也好，都要典型曲線，電動汽車有自己的典型曲線，儲能，應用工況很多，典型曲線是不同的，這些到底怎么提取出來，這些都是我們數據分析中面臨的問題。

 

這樣的話我們就覺得應該挖掘數據信息，要提出數據樣本選取的依據和評價指標、研究數據粒度與跨度、在數據應用過程中的影響與程度，指導建庫，包括數據庫的結構設計，及數據采集需求的確定。因為剛才王老師提到電動汽車梯級利用的部分，其實梯級利用部分可能在我們一開始張北一期的時候還沒有涉及，只是后來在我們電科院我們所自己的實驗場地里頭和比亞迪合作有一兆瓦建了一個實驗工程，但是我們現在大數據工作怎么做呢?我們針對光伏先看看，這么大的數據我們該怎么用、怎么采、怎么選、先做一個初步的工作，來為我們后續梯級利用電池做大數據的分析的時候建一個模板。

 

比如我們用灰色系統理論，用功率持續變動三角形，來確定每個光伏變化的持續時間、變化浮動、變動斜率、變化能量，這樣找出最剛性需求，由此來確定采樣的時間段，因為光伏如果說你想他什么數據都采，你一秒鐘就采一個點，數據量太大，將來處理起來、存儲起來都有困難，將來交互都有很多困難。多少合適呢?我們利用灰色系統理論做了一些，“功率持續變動三角形”的理論來得出這個結論，我們認為30—500秒之間選一個點比較合適，這就是我們顆粒度選擇的方法和得出的結論。

 

另外一個，好比說光伏，我們知道它有晴天、晴轉多云、陰雨、多云好幾種天氣組合，到底取多長時間的數據你就覺得可以為我們將來做數據分析的時候夠用了呢?我們用信息熵的原理做了這樣的分析，數據處理的結果就是我們得出來，在60天作為一個實驗數據的標段就夠了，不用太多太長，太短也不合適。

 

再一個，用云模型來提取典型曲線，這個典型曲線應該覆蓋各種天氣情況，能反映運行中它的哪個數據，基本的特征都能在這里頭，所以我們用數學的云模型方法來處理的結果。

 

我們通過光伏數據的處理就得出，定量的可以得出數據粒度、跨度包括典型曲線的一些數學的處理方法和一些結論，這個我們先不說結論是我們電力系統可能關心的，我們拿這種方法將來就想在梯級利用時候進行數據粒度、數據跨度選取，我們拿它數學分析的方法作為借鑒。

 

關于梯級利用可能是比較熱門的話題，兩種觀點都很極端。第一個說法，偽課題，根本不值得梯級利用。還有一種說法，將來儲能就靠梯級利用了，其他電池一點用都沒有，經濟上根本承受不了，兩種觀點都很犀利了。我們包括我個人，基本上不參與這種論戰，關鍵我認為論據不足，我們需要有些數據來支撐有關論據。這就是我覺得王老師提到，今天下半場議題很有價值就在這兒，我們沒有論據你怎么說那些事呢、說那些話呢?我是國家重點研發計劃智能電網那個組的指南編寫專家，我們專家組一起在2018年的指南中列了梯級利用的這個項目，我們這個項目就要澄清這幾個事，第一，能不能安全的使用梯級利用電池。第二，它使用這個梯級利用電池到底會不會有價值?會不會獲利?這個大家可以看到，已經公示的指南我們有5個課題，主要是圍繞這兩種事來做。關于能否安全的使用這個，那個主要是檢測方法的事，至于后邊這個，梯級利用使用有沒有價值，最主要的我們要通過數據的獲取、數據的分析來評價它。可是在篩選過程中、在使用過程中、在運維過程中，我們現在都沒有一些標準的數據的采集和處理方法。

 

我們獲取的梯次利用電池不知道它的歷史數據，甚至說我們要歷史數據的時候該要哪些都不是太清楚，沒有標準，各個廠家給的數據也是五花八門，運行中我們到底監測哪些數據、怎么監測，數據力度、跨度分別是多少，也不清楚。梯級利用電池和新電池一個重大的區別，是進入老齡的一種電池，可能會帶有疾病了，你想發揮它余熱，別到時候它半截突發病了，你還給它處理其他問題，能不能有安全預警，這是很重要的。圍繞這些我們做了有些探索，現在只是一些思路，有的是我們感覺到應該是這樣采集數據才合適。在沒有重新成組以前，我們還希望有一些信息，包括技術規格、成組信息、使用信息等等。使用過程中，剛使用的時候我們要知道內阻電壓檢測、交流內阻、自放電一些數據，這樣的話我能確定梯級利用電池初期的性能差異，評估梯級利用電池的殘值與安全隱患。這是我們認為的應該記錄的一些數據，包括單體電壓、單體溫度、串聯電壓、串聯電流等等，包括離線評估時候的內阻、自放電的數據。

 

舉個例子，比如我們現在梯級利用有這么幾種電池，磷酸鐵鋰的、錳酸鋰的、碳酸鋰的，三種電池到底我們采集數據時候應該有什么差異呢?我們從這個曲線SOC和開路電壓曲線能夠看出來，有的很斜，比如碳酸鋰的、錳酸鋰的，第一個和第四個，它這個是斜的，磷酸鐵鋰的第二個和第三個，就有很大的一段是很平的，這樣的話在我們采集數據的時候就要采取不同的策略，比如說我們認為采樣的精度5毫伏是必須的，但是針對磷酸鐵鋰我們還需要到更精確一點的，1毫伏，否則的話很難評估它。

 

隨著國家重點項目實行，還有我們國家電網公司或者我們所里做的一些工作的進一步延伸，可能對這些數據采集的方法、處理的方法都有修正，但是這是一條路，我們可能要繼續走下去。

 

總的結果就是，要規范數據的采集、存儲的顆粒度、跨度，要保證原數據的特征和隱含信息部丟失，要做到利用這些數據做性能的評估、壽命周期的評估和管理，再就是安全預警。