尊敬的各位领导，各位同行，很高兴有机会来参加论坛。我的题目与今天的主题好像有点对不上，但是秘书长说相关就可以，所以我就来介绍“新能源汽车动力系统发展及大数据应用”方面工作。

　　我们知道汽车发展正朝着电动化、轻量化、智能化发展，按照习总书记的说法，也是我们国家从汽车大国迈向汽车强国的必由之路。在上午各位专家和在座各位专家对全球汽车产能发展非常清楚，我们国家2020年保有量达到500万辆，到目前为止还有接近400万辆的差距，虽然在今年年底已经到了100万辆，处于世界领先水平。

　　关于新能源汽车的发展，一方面出于对汽车科技本身的发展另一方面也是满足广大消费者的需求，我引用了一些数据，好政策是提供了最重要的动力。

　　新能源汽车三大类型，中间项是动力汽车，燃料电池和纯电动，FCV和PHEV相对是比较复杂的工作，现在我们都知道新能源汽车的驱动系统正在朝着电动共平台化趋势发展，无论是哪一种，大家上午都讲到，新能源汽车的发展正面临着安全、电池寿命以及车辆使用过程中等方面的因素，PHEV/HEV控制问题、结构问题比较复杂，一些研究表明，同样的车不同的循环能耗上达到37%，不同的车、不同的动力系统最大达到56%，也就是说动力系统的构成和道路环境是有待继续提高的，HEV和PHEV可以有很多构成方案，这是初步的拓扑图，关键是我们如何提出自己的方案来使得竞争力。目前我们知道PHEV大致分为这么几类，动力分流双电机混联混合动力系统，单电机并联混合动力系统，双电极串并联混合动力系统，路面耦合混合系统。

　　国外几种典型的HEV/PHEV动力系统，大致分为两类，一种是行星齿轮系耦合的，另一种是固定速比的方案，而在中国典型的也归纳一下，主要有四种方式，一种是并联的，另一个是串联的，大客车、小车都有类似的方案，还有功率分流，四驱电桥等方案，而基于路面耦合的构型我觉得是值得重视的。

　　我把问题归结为几个方面，一个是系统的设计和优化，第二是道路-环境自适应的能源动力控制、剩下里程预测，第三是故障预测、安全预测、寿命预测与健康控制问题，当然包括电池充电、电机肌痛、车身专业化等，在已有条件下设计本身需要大量数据支撑，对于第三个问题，现在还没有很好解决的事情，我们大数据技术能不能给到一些利用，大数据具有4V特征，大家都知道，大数据在现在得到极大关注同时在极大领域都得到应用，比如教育学、情报学、公共服务等，我们新能源汽车也可以产生很多大数据，包括了产品信息、产品数据、服务信息、运行和道路环境信息的结合，车辆运行中间本身产生很多信息，比如说CAN信息、GPS信息、GIS信息等。

　　目前大数据通用价值主要体现在运销、决策、服务。对于新能源汽车来说，一方面构建3D道路与车-路数据，车路环境识别、预测，动力系统的控制，基于对数据的处理可以来来故障监测、预测与失效控制，还能进行评价等。对于新能源汽车来说，还可以用来剩余历程准确估计，上午也有专家提到，关于V2G、G2V也可以来实现两者之间车和网之间很好的融合，结合起来我认为大数据驱动的电动汽车技术就可以形成。它实际上是基于历史数据和未来数据来预测来进行历程的估计，传统的车辆基于过去的行程的预测，比如基于百度、谷歌地图，行为习惯等来预测，在今后更长可能运行的实际情况怎么样，以此来进行剩余历程的估计，比原来的方法获得更好的精度，而调度总量也可以进行大数据来进行，也就是多时间来预测可调度总量，一种是按小时，一种是按天来预测，研究表明，基于以前的智能方法它可以获得更好的效果，从精度来看，提前一天来进行可调度进行预测，最大预测小于5%的效果。

　　在动力系统本身来说，我想接下来我重点介绍两个方面的系统，一个系统是无级变速混联，受到行业的广泛关注，它不仅适合于传统的HEV、PHEV，另外一种也是和单位进行合作，四模混合动力系统，基本结构是双电极、行星齿轮和变形2档来结合，按照现有控制方法，综合损耗在17.4的水平，36升的，整车控制点主要进行前面介绍的平台来进行。

　　另外，电池管理系统四大要求，高能量、低成本、长寿命、安全性，电池材料与电化学体系，是重要的基础。电池管理、承租和回收利用，是必要的保障。

　　电池管理系统难点、关键，高精度、面向电池系统全寿命，避免滥用，充电控制+高校均衡，优化电池寿命。安全在于安全预测和故障定位，另外是面向电池寿命周期的热管理。

　　这是我们所建立的电池状态参数估计方法，把模型进行了改进，然后分这样的情况，可以看到不同的情况下它可以很快算到真实值，经过试验，在SOH平均误差平均在3.1%左右水平，以前也做了实验，SOH的误差大概小于3%的水平，均衡获得很好的效果。SOP基于短时段预测，小于3%的误差我感觉问题不是很大，为了进行在满足电池SOP约束条件下进行整车能量的规划，更需要有更长时间的预测，基于我们前面所介绍的方法，通过电池能够在线建模，电池基于电流和电压相互的限制，SOP的限制和估计，估计误差在5秒之内，基于这样的方法，在SOP 5秒钟或15秒、60秒，误差基本小于3%的范围之内。

　　我们把一些大数据驱动技术，应用到PHEV/HEV中，但还不成熟。问题在于如果自动适应不同车-路实际工矿，我们的解决方案分为四个部分，一个是车-路环境信息感知，车-路工矿预测，PHEV电能最优消耗轨迹，PHEV能量管理自适应控制，构成了几个方面。

　　重点解决的问题是什么呢，一个是最优控制规律，第二个是车-路环境的智能识别及预测，第三是能量管理自适应控制方法，第四是最困难的问题，全局最优。为此建立模拟研究平台，包括硬件系统和软件系统，基于RBF和一些车辆参数来进行运行工况能量方式，比如未来工况平均车速，要基于GPS或IPS、百度地图等数据来进行，当然我们现在进行车速平均绝对值的预测，知道这样的能量功耗以后，如果采用DP来计算，不可能满足我们车载运用要求，我们提出两种办法，SOC都是随着前面的参数呈显性表达方式，它和最优值、DP值进行比较，蓝色的是里面最优的，参考的SOC是这条红色的，可以看到跟踪得非常紧，整个误差大概在3%以内的水平。

　　对于整个控制效果，对于刚才介绍的四模混合动力系统，根据实际线路的数据，对于大客车，18.33升，DP 18.15，(见图)基于前面的方法达到DP非常接近的效果，尤其对于不同的路谱，低于5%左右。概括起来，之所以达到这样的效果，一方面从全局近似最优轨迹控制，另外方面是片段功率预测，再进行实时控制最优，反映出来的效果是这样。

　　另一方面，数据应用于DMS上面，基于实车运行大数据的电池建模及模型参数、诊断和管理参数的自学习以及故障预测、安全预测，可节省电池实验的人力、物力，来计算获得车辆电池系统模型的参数和进行电池系统本身故障的诊断和预测，将车载传到DMS上去，对于电池管理系统现在趋势是基于模型或数据融合模型的管理方法，要么做简化，要么和云端技术、超级计算等方面结合起来才有可能，现在在做这方面的工作，希望能够为今后实现对电池系统把目前电池表观特征检测、诊断推进到变化行为和热行为诊断和状态估计、管理，希望以后能实现这么一个工作。因为只有这么做才触及到电池老化和电池安全的本质，我们知道它的本质在于电池内部材料性质和状态的退化，而来揭示它内部的退化，我们希望把这两者结合起来来解决这方面的问题，希望在今后为新能源汽车或电动汽车的发展起到一定的作用。