吉林大学教授陆海彦丨云边协同架构下的规模化储能系统在线监测技术研究

陆海彦 吉林大学教授

感谢李老师介绍，也很荣幸来参加这次会议。因为这个峰会感觉大家做的方向都是在围绕着电池安全和检测，所以很多内容感觉都很相近。那么我给大家汇报一下我们这个团队做的一些工作，跟大家做一个交流。

背景大家都很清楚了，新型储能随着时代的发展，特别是咱们中国的国内影响力，以及刚参加完金砖会议之后，感觉咱们这个装机体量在世界也是领先了。大家都知道，我们的方向主要是盯准了新能源的后端市场。随着第一批电池20年前就开始做了，后端市场的电池安全问题已经日益突出，所以国家也要求围绕着电池的全生命周期管理来做。主要是针对后端市场的几个问题：一个是高安全的运维，特别是在极端条件下，我们怎么管得住；还有新能源后市场，包括储能退役电池怎么做，想谈梯次电池的储能再利用，但这个阶段都在摸索成本的原因；最后也在做电池故障，跟一些企业也做了交流。总的来说，就是围绕着项目和国家出台的政策，我们也要跟进。现在围绕后端，面向动力电池安全的隐患标准检测，构建一个协同的治理体系，还是在关注安全成本控制，包括想做一个详细的项目系统。最后，我们是围绕着成本安全和数字化、智能化这个角度来做，包括我们现在提的新概念——数字化能源，都融入进去。

团队里头，我们现在根据前期的一些项目基础和企业合作提出的问题，提出了一些解决方案，或者说一个整体架构。并不是说由我们一个团队来完成的，它是一个很大的方向，我们在前期过程中也做了一些积极的探索。我们的理解，从材料端一直到末端，我们都要做一个详细的梳理。梳理之后，通过这些进行数据的采集，这里有边的有云的，我们通过这些信息来得到各个方向所需要的一些详细数据，最后进行系统的集成，就是我们所说的云边协同的高级管理。这里头就涉及到，其实我们现在很多老师、企业也都在做了，我们也希望跟大家一起合作，把这个方向能做下去。那最后就是说怎么样把企业的生产端数据应用起来，我们来进行整合。特别是在储能端，我们觉得性能各方面比车端要更容易一些，因为场景各方面的匹配度相对比较高。

从我们近几年看的，也跟踪了一些大家的工作，从信息的感知，包括状态安全预测，这个方面进步很快。特别是这两年，我们也在跟踪学习，从物理系统、物理感知、外部感知，包括运行情况，它是一个综合的过程。我们从一个反方向做了一个新的模型的建立，有物理电池、云车端、储能端等等，这是一个很大的方向。这个思路原来是从李老师他们做，我们就从这个失效的角度来说的，或者说从电池的后端往前推的这个角度。那么整个就形成了一个信息能量的控制。我们现在的一个角度，原来是从被动方向去做，现在随着场景和技术对我们的要求，我们要做到从被动防护到主动优化，这就是我们现在这个方向。刚才听了前面几位老师和公司的介绍，已经做得非常深入了。

我们在前期的项目过程中发现了一些问题。首先，它是一个跨专业、跨学科、跨工程领域的技术集成，技术集成的难度比较大。第二个，关键技术突破的周期不确定，大家也在摸索着前进。还有一个我们最关注的就是数据质量和样本的不足，因为在高校角度跟企业交流的时候，涉及到数据质量包括安全涉密的原因，还有一个软硬件平台和技术标准化的问题。我们从这几个角度，通过跟企业深度合作，也在往前摸索，看看怎么样能解决。

从技术层面，想推一个统一接口模块化的设计，感觉难度非常大。那我们也在结合具体的场景，开发云端的算法和边缘的算法或者多层次的架构。管理层面就是配合企业来做，把这个路径打通。我们自己设计了一个涵盖整个云边协同架构的内容，其中黄色的部分是我们正在跟企业推进的工作。那么从这几个角度来说，大家理解的就是从应用服务层，我们一直在做的状态监测、寿命预测、老化分析、安全预警分析等等。从控制端，就是我们一直在做，跟国网包括跟相关的一些储能企业，他们的第三方来找我们，要做一些电池的管理和控制。

从我们现在开展的工作，主要是围绕着算法的平台。其中这三个黄色部分，一是基于数据驱动的电池的SOC估计的模型训练；二是根据数据机理的边缘检测研究和电池的热耦合，原来跟民航包括跟其他企业交流，他们还是挺迫切的；三是我们主要跟使用端的企业合作，开发了一些硬件在环、边缘检测、云边系统的设备元器件。后端也要得到电池的数据库。我们最开始合作的不是电池厂，主要是跟使用端做，所以这几年来一直做了很多这样的工作。根据物理层的感知，我们也做了一些相关的采集数据。刚才跟魏老师、浩森老师，他们曾经也都有过交流，做了一些智能感知。我们的想法就是把软硬件结合一下，目前来说还是取得了一点成果。

整个技术路线，我们核心的研究内容就是构建在线监测与离线检测的模型优化，因为它在不同工况下是比较复杂的。那么围绕着我们进行非观测的状态估计、多物理场的耦合，建立一个这样的模型体系，在实验室和企业端也进行了一定的验证。

最后，我们接着在做云层架构的管理，就是数据的分层和筛选。刚才李老师问魏老师的一些问题，我觉得李老师问的问题也是我们要克服的。在数据的清洗和数据的准确度方面，现在一直也在跟企业、跟天目湖在做，就是模型开发完之后怎么样得到数据的验证。最后反过来再倒推给一些相关的企业，包括检测设备，做一些物理评估，这是大概的一个技术思路。那就结合着刚才的云边架构，先给大家汇报一下我们围绕着这几个数据平台开发的算法和模型。好在哪？我们现在基于这些算法模型，已经植入到软件里头也放到了系统里，前期验证的结果还是不错的。这一页讲我们主要是做的健康状态的估计与寿命预测。

第一条主要是物理参数数据，这是因为一开始我们做的时候得不到那些数据。像以前我们做基础研究的时候，网上公开数据集，或者说从哪一个点自己实验室做一些小样本的数据分析，进行物理参数的信息采集和基本的约束框架，结果还不错。后面我们就把前期的算法模型结合到多元数据采集里头，这个问题就是刚才李老师问的，我们不管是在车端还是储能端，这里有很多噪声数据。包括跟工信五所的时候，他们在广州建了一个新能源车的大数据平台，在合肥建了一个储能数据平台。他们有很多数据，但是这些数据不准确，里头有很多噪声。那我们结合降维或者算法的优化，目前大概的准确率也能到九十左右。第三种，我们做了一个寿命预测，也是围绕着小数据前期的结果。那么我们通过几种不同的神经网络，包括这几种算法的磨合，得到的数据是可以用30%的早期数据来预估寿命，这个结果还是可以的。

第二个是结合云边协同的算法之后，我们做了一个云边监测，基于数据驱动的算法模型训练。这里主要是我们在实验室做的软包电池，耦合电池内部热失控的。也是通过内置的传感器，包括原来跟浩森老师也要了几个模型，我们植入到这里头，然后进行模型的训练和开发的验证。基于耦合的机理实现在线检测。目前多时空和其他算法结合，多场耦合之后，有了一定的训练。我们用这个算法，后面也会给大家介绍，就是开发了一个工况模拟的设备。

第三个，大家的研究思路我感觉都差不多，也是做基于高精度的等效电路模型的开发，做了一个基于验证数学数据的反计算。我们现在也要求，就是刚才李老师也问到的这个问题，如何检测析锂，或者说其他的一些边缘化的验证。原来我们做拆解的时候，必须做无损检测来验证，所以我们也是结合数据与机理来做研究。刚才杨老师也说了，我们叫双驱动验证，就是数据和电化学的电池机理如何结合检测。根据正交测试实验，包括图像数据，在不同的点，原来是在我们合作的研究所，徐维林老师他们有个单光子荧光的检测设备。只要有光进去之后，就是像刚才李老师问的，找到这一系列点的一个界定，在这个微观状态下，也在一点点摸索。根据我们的参数识别，进行连续的表征验证，大概就是往这个方向在做。

基于此，我们开发了一个边缘检测的数据检测平台。通过这个区域化动力学的参数，我们后面会给大家介绍，把这个方法也做成了一个设备，主要是针对电池的快速分组。无论是早期还是后期的电池综合利用，通过一次性感知。前期的问题在哪？就是废旧电池无法通过一次性识别，那么我们通过输入和输出的耦合来支持它们相互的平衡，得到准确的值还不错。大概是准确率做到了95~98%左右，根据不同容量点，也是一个很复杂的过程。

我们大概是做了四五百块电池，从一汽拿的各种废旧电池，上次参加天目湖那个比赛也是做了一个盲测，效果还不错，大概是500个数据里头做的。所以围绕这一块的分压一致性的分选，得到了一个平台。我们也是围绕着硬件在环的设备，做了一个数字孪生的仿真研究。也是把它后面的算法植入到硬件在环的设备里头，我们通过模型控制，包括简化软件，就是历史数据和现实的一个双流任务。然后做了一定的清洗，也是在模拟这个过程，因为很多条件下我们不可能去现场测。得到这样的数据做了一个耦合的模型。总的来说，我们也是想基于云边协同架构，融合数据和智能算法，实现从电芯、电池到储能电池健康度诊断的闭环管理。在这里的数据清洗之后，看看能应用到哪个场景。

这台设备是我们已经跟一汽，包括他们一汽内部的储能电厂和一汽的车，围绕我们做了两个样的设备，一个是动力电池，一个是储能电池，开发了多通讯的协议。这里很有意思，如果我们不做的话，因为跟一汽很熟，他们在吉林，不会把通讯协议释放给我们。那么我们跟高校合作，他们把车和储能的通讯协议给我们打开了，我们才能把算法和核心软件植入到设备里来，形成数据上传到云端，训练闭环。这个已经做了三年了，效果还是不错的。通过我们的技术，包括诊断的集成，他们已经下放到自己内部的储能电厂和400多家4S店里头，都做成了远程评估。所以围绕这个体系，我们做了一个架构，效果还不错。

这是我们根据前期的算法，我们也想算法之后如何综合利用，也要做一些设备。我觉得硬件设备相对来说还容易一点，主要就是核心的东西，可能是根据前期的一些算法和机理。上次跟李老师汇报，就是我们做了一个电池的快速分选的设备。这个设备解决了电池的一些机理问题，把电池分容的时间缩短了很多，大概是五倍的时间，目标是在5~10分钟之内，不管是旧电池还是新电池，快速分选变成一个一致化的条件。这个技术和模块，现在验证的时候已经可以验证到PACK级了。当我们用这个设备去检测的时候，PACK会发热很多，也不知道是什么原因，是因为增加了一些电流还是什么原因？

刚才我们介绍的就是围绕着现场的工况，我们可以把它挪到实验室里，做成现场的模拟，就是多场景硬件在环仿真器。通过构建这样的一个硬件仿真器，在极端条件下，这只是其中一个设备，还有其他宽温、低温的设备没有拍进去。围绕这一个方舱，包括多通道的一些支持，至少我们在实验室或者模拟工况中，有的项目需要周期多长时间，我们做一些快速老化，或者可能在这个实验的研究阶段还是有用的。围绕着这些东西，我们就想通过这样一个大的架构和场景，提取数据和链条，做成积累。在这个过程中，我觉得工作量还是挺大的。刚才开会也跟几位老师交流了，看看能不能跟大家一起来合作一下这个项目。我感觉也不是说一家能完成的，怎么样给企业包括这样的场景，做好更好的服务吧。

这个是在吉大，包括我们现在的团队，因为它是一个多学科交叉的过程，所以必须要做这个，因为国家现在也都做产学研的服务嘛。它是一个化学、仪电，包括汽车，包括储能。这个是我们在前一阵刚跟南非研究中心联系，他们也来了。他们现在南非就想做一个梯次的储能电厂，因为他们买不起新电池，想做梯次的，我们也正在跟他对接。跟企业端原来也是跟一些仪器厂商合作，原来跟天目湖，包括工信部，我们已经展开了一些验证和前期交流，他们给我们一些实际问题，我们通过高校来研发，这个效果还挺好的。

围绕这些成果，去年他们邀请我去参加工信的比赛，还得了一个奖，大家都很感兴趣。所以在这个过程中，我们也在想如何通过学校的基础科研能力，把它转化为，就像李老师说的，转化为一个落地的事儿，或者说一个项目。那总的来说，我们也在围绕着项目场景，做一些电池评估或者设备监控。因为时间原因我就快一点说，总的来说就是我们一个大的循环网络，或者说一个研究方向、一个体系。最后就是为了建立大健康数据的在线管理，这是我们最后的研究目标，谢谢大家！