北汽 新能源汽车 工程研究院工程部部长 娄忠良
我今天主讲的题目是“北汽新能源 电动汽车 和动力电池大数据应用研究”，分三部分：
一，北汽 新能源 公司及产品介绍。
北汽新能源是专注于纯 电动汽车 制造与研发的企业，北汽新能源公司成立于2009年，2010年首批轿车下线，2012年首批纯电动出租车示范运营，到2013年的时候首批实名私人用户上牌，2014年完成了股份制改造，到2017年5月份，就是今年5月份，公司累计销售纯电动汽车突破了10万台，纯电动汽车的销量连续三年排名全国第一，汽车主要销往全国绝大部分的省份和城市。截至到5月17日凌晨零点的时候，累计行驶总里程达到了8.72万亿公里。
我们在国内建立了九大工程中心，海外有六大研发中心，主要是在德国、巴塞罗那、都灵、东京、硅谷、底特律研发中心，打造全球领先的 新能源汽车 价值链。
北汽 新能源 拥有目前国内最全的纯电动汽车产业线，我们公司现在已经形成了十余条产业线，形成纯电动汽车产业群，有EV、ES、EU、EX、EC、Arcfox等系列产品，未来将继续推出高性能、高竞争力的全新车型，构建产品“梦之队”。我们将在2019年推出400公里、500公里、600公里的新车型，明星车型EV系列，持续销量领先并获得2015年中国汽车工业的奖项。
我们新能源公司销售如此庞大数量的车辆，意味着我们拥有着巨大的数据库，如何利用这些数据，把这些数据的价值挖掘出来，我们公司在前几年已经开始布局，开始建立大数据中心。首先简单的介绍一下我们公司的大数据中心一些信息，首先我们的大数据中心支持10万台车辆存储、2万车辆并发监控，主要涉及到四个方面，电动车预警监控管理、保姆式服务体系支持、整车设计、研发数据积累、示范运营车辆监控保障等。
我们也做了一些对标，跟特斯拉企业的对标，我们发现特斯拉之所以成功，大数据分析起到了非常重要的作用。特斯拉将大数据分析应用于设计研发、生产管理产量质量监控、服务维修、用户习惯等方面，最终打造出的电动车用户体验大大超出了传统汽车和其他的电动车。特斯拉的大数据应用的案例有，超级充电桩布局，汽车各零部件质量监控和改进，汽车主要零部件实时预警系统，定位用户群体、提高推广效率，实际剩余里程的一些估算等，工厂库存以及生产线部件供应预测。
我们公司业务聚焦是以服务北汽新能源全价值链环节为目标，以大数据应用为核心，基于北汽新能源多年的远程监控数据积累和运营经验，开展以具备数据前置整理、驾驶行为识别、车况诊断、评价体系、扩展研究为核心业务的大数据分析业务，纵向细化业务领域，横向拓展业务研究范围。
我们业务规划主要包括四个方面，售前、研发、售后、O2O的金融服务等。
首先是售前服务，以服务售前为目标，结合现有分析和规划手段，建立数据库，积累沉淀，同步，应用大数据技术，开展用户画像等大数据分析业务，拓展业务研究范围，简化工作量，提高效率，服务产品前沿。主要案例策划有，定位目标销售群体，潜在购车客户画像。定位用户广告群体，提高推广效率。构建市场调研数据库，积累沉淀。4S服务区域与客户群体分析。工厂库存以及生产线部件供应预测等。
第二，服务研发。以服务产品研发为设计目标，结合整车控制系统级开发流程，基于现有北汽新能源多年的远程监控数据积累和营运经验，分析目标车型、目标区域、目标批次车辆的异常，故障预测、续航里程、电池一致性等问题，开展以具备数据前置、故障诊断、预警、驾驶行为识别、车况诊断、评价体系、扩展研究为核心业务的大数据分析业务，服务于产品设计。大数据应用策划案例有，电动汽车典型的故障分析与预警，行驶里程预测，驾驶行为与能耗的关联分析，拥堵工况与能耗的关系自适应，重要零部件健康度分析，电池单体生命周期内的一致性变化规律分析。
第三，服务客户。以服务客户为目标，联通现有体系，整合资源，分析目标车型、目标地区、目标客户、目标群体的车辆使用情况，开展以故障远程诊断与预警、车辆保养与提醒、客户问答解答、车联网i—link运营服务为核心的大数据分析业务，服务客户。
第四，O2O的金融服务。以车为核心，以大数据分析为业务载体，以数据应用进行多维度的业务渗透，创造以“车—社会—人”为核心商业生态圈的整体业务平台，使得大数据分析业务正项服务O2O金融领域、车辆运行等增值服务，反向应用车载电子开发设计前瞻技术业务预见与规划。通过信息化平台打通经销商的几个不同业务的模块，发挥协同效益，提高效率，降低成本，借助信息化平台和已有客户，吸引第三方的汽车售后服务商，充分利用社会资源打通产业链，进行产业聚集，增加对多产品、多厂商、多服务的支持，提供一站式服务，增加车主的黏性。信息化平台对接互联网，互联网的车主、行为、经销商的板块数据整合等形成大数据，创新业务模式，增加新的业务营销。
大数据的主要价值有：
第一，管理价值。依托自主研发的大数据分析应用中心，从战略上提升大数据管理与应用高度，确立数据资产的概念，分析企业各价值链环节的业务大数据，提升科学决策和企业运营效率。
第二，研发价值。依托自主研发的大数据分析应用平台，实现专业化的数据生产和加工，提高大数据分析落地效率，实现产品快速迭代。
第三，市场价值。产业链多点渗透布局，数软结合，多维度数据融合，向车主经济+车经济的双模式转变，实现数据增值产出。
因为我们有一个大数据中心，我们基于现在的大数据中心，对电动汽车和电池大数据这方面做了一些应用研究。
首先，千辆级电动汽车运行规律研究。主要内容包括电动出租车，私家乘用车应用规律研究，电动汽车充电规律研究，电动汽车用户用车规律研究等等这四方面的研究内容。我们分析了北京市共计83辆出租车为期一年的数据，共21844车天的56849次出行，分析出租车的出行和充电效率。我们得出以下结论，平均单次出行里程6.21公里，平均单次出行时间160分钟，平均单日出行里程11.2公里，平均单日出行时间427分钟，单日出行里程增加，峰值在100公里左右，80%的天数单日出行里程在168公里以内。出租车在春季和秋季出行里程较少，在冬季出行较多。平均近2天一次快充，平均1天进行一次慢充。
我们对私家车也做了一些分析，也得到一些结论，短途出行充电量集中在20%—50%之间，中途出行和长途出行集中在60—80%，其中中途出行的峰值比长途出行更小一些。
对电动汽车工况也做了一些分析，因为电动汽车的对标工况是整车设计、控制与管理的一些基础，中国目前使用的工况为欧洲工况，与中国的实际工况有所差异，目前我国已有大量的电动汽车运行数据，基于这些数据提取符合中国实际情况的工况，将使电动汽车的设计和性能评价与市场实际表现更为符合。
我们通过一些处理方法得出了四种典型的工况，郊区工况、严重堵塞工况、一般城市工况和堵塞工况。
第三个是基于大数据的电池容量估计。因为电动车实际使用大多数时间都不可能完整的满充满放，难以直接评价电池的衰减情况，我们通过自己的一些自主开发的研究方法，做了一些数据分析。我们通过数据分析发现，磷酸铁锂电池两年的容量变化情况，我们这个方法直观定量的描述了动力电池的衰减，我们也做了一些实际的验证，通过验证我们发现这个研究方法与实际的误差在2%左右。
第四，基于大数据的电池温度分析。我们通过分析通州出租车、厦门出租车，同一时间的电池最高温度和最低温度，我们得出了通州出租车电池极低温度、电芯极高温度，我们通过这些分析可以为热管理系统、电芯寿命选型提供一些重要的依据。
第五，基于大数据的一致性分析。随着电动汽车运行里程和时间的增加，由于各单体自放电、容量衰减、内阻增加的差异性，单体一致性会有所变化，最直观最简单的就是反映在压差上，我们对压差进行了一些分析，左图是单体电压差随里程的变化，右图是动态充电末端电压，可以看得出来，我们可以通过这种分析直接定位到BMU问题，提醒客户维修。
第六，故障预警。通过嵌入故障诊断逻辑或进行历史故障数据的学习，实现故障预警功能。通过一些数据也能分析出电池松动大数据，就是说可以知道现在车有什么问题，需要维修或者其他情况的。
