针对“大数据在电池及电动汽车的应用”，6月21日下午举行了分论坛，围绕大数据在动力电池智能化管理和体制利用上的应用;基于电动汽车运营中产生的数据，如何产生商业价值及创造新的商业模式;有关动力电池和电动汽车数据收集、分析的相关技术和政策问题;智能化电池管理系统和综合检测方案，锂电池的全生命周期管理和监测;充电基础设施大数据在电动汽车与动力电池方面的应用。

　　中国电科院电工与新材料研究所所长来小康以张北示范工程为例，说明大数据在储能电池应用方面的重要性。现场实录如下：

　　谢谢百人会，谢谢王老师!可能大家有些人认识我，刚才在门口也有人问我，说你怎么搞大数据了，我确实没搞大数据，但是在我们储能应用的时候确实也需要一些大数据来给我们支撑。比如说我们在张北，一期工程就有30万个电池，我们知道大数据最主要的特征，一个是大，还有一个是要鲜活，而且还有价值。这些都构成了我们在电池应用中的一个特征，所以我们也确实做了一些工作，但是这个题目对大家来说还是比较新的，对于我来说也是比较新的，可能我在今天介绍只能讲讲我们现在已经有一些的工作，和我们未来的一些思路，供大家讨论吧，因为这是一个纯技术会议的交流，也别发到微信上，不太成熟。

　　我先谈谈研究背景和面临的问题。应该说我们就是从张北工程中感觉到数据的重要性，因为当时做示范工程的时候最主要的是要把功能实现，能不能平滑，能不能削峰填谷，能不能黑启动，能不能正常运行，这是当时建工程的重要关注点。在这些功能能实现的情况下，现在又转向了到底这些电池运行的情况怎么样，运行的变化情况怎么样，这个又是我们下一步的研究重点。

　　可是研究的时候我们发现，当时建示范工程的时候有不同的厂家、不同的集成方式，数据采集的各种数据管理也很不同，所以到时候我们发现存在什么问题呢?就是数据采集的不合理、数据管理不规范，将来运维时候我们没有一个规章，不知道该怎么弄。我们就后续我们在国家电网陆续做了一些项目的设置，主要是为了要解决这个问题。

　　我们存在的问题和电动汽车上有点不一样的还有一个部分，电动汽车主要盯的是电池，而我们在储能中还要考虑我们储能的对象是针对风、光，风、光这些数据也是我们要考虑的样本，所以总体来看，我们就感觉，当时存在的问题就是数据格式多、体积庞大，但是信息单一，很多信息又闲置，效率低，没有能挖掘出太多有价值的东西。原因在哪儿呢?就是当时做这些工程的时候，当时选择的数据、采集的尺度没有依据，评价指标不明晰，大数据的特征也模糊，所以我们发现，我们要做大数据的一些应用的话，我们应该在基础上做一些工作，包括数据颗粒度怎么选取，就是多长时间采样一个点，跨度怎么选取，多长时间采集的数据你就认为足够有效了，是常年这么采着做评价吗?我们觉得也还需要研究。再一个，典型曲线的选取，将来我们做配置用也好、各种分析用也好，都要典型曲线，电动汽车有自己的典型曲线，储能，应用工况很多，典型曲线是不同的，这些到底怎么提取出来，这些都是我们数据分析中面临的问题。

　　这样的话我们就觉得应该挖掘数据信息，要提出数据样本选取的依据和评价指标、研究数据粒度与跨度、在数据应用过程中的影响与程度，指导建库，包括数据库的结构设计，及数据采集需求的确定。因为刚才王老师提到电动汽车梯级利用的部分，其实梯级利用部分可能在我们一开始张北一期的时候还没有涉及，只是后来在我们电科院我们所自己的实验场地里头和比亚迪合作有一兆瓦建了一个实验工程，但是我们现在大数据工作怎么做呢?我们针对光伏先看看，这么大的数据我们该怎么用、怎么采、怎么选、先做一个初步的工作，来为我们后续梯级利用电池做大数据的分析的时候建一个模板。

　　比如我们用灰色系统理论，用功率持续变动三角形，来确定每个光伏变化的持续时间、变化浮动、变动斜率、变化能量，这样找出最刚性需求，由此来确定采样的时间段，因为光伏如果说你想他什么数据都采，你一秒钟就采一个点，数据量太大，将来处理起来、存储起来都有困难，将来交互都有很多困难。多少合适呢?我们利用灰色系统理论做了一些，“功率持续变动三角形”的理论来得出这个结论，我们认为30—500秒之间选一个点比较合适，这就是我们颗粒度选择的方法和得出的结论。

　　另外一个，好比说光伏，我们知道它有晴天、晴转多云、阴雨、多云好几种天气组合，到底取多长时间的数据你就觉得可以为我们将来做数据分析的时候够用了呢?我们用信息熵的原理做了这样的分析，数据处理的结果就是我们得出来，在60天作为一个实验数据的标段就够了，不用太多太长，太短也不合适。

　　再一个，用云模型来提取典型曲线，这个典型曲线应该覆盖各种天气情况，能反映运行中它的哪个数据，基本的特征都能在这里头，所以我们用数学的云模型方法来处理的结果。

　　我们通过光伏数据的处理就得出，定量的可以得出数据粒度、跨度包括典型曲线的一些数学的处理方法和一些结论，这个我们先不说结论是我们电力系统可能关心的，我们拿这种方法将来就想在梯级利用时候进行数据粒度、数据跨度选取，我们拿它数学分析的方法作为借鉴。

　　关于梯级利用可能是比较热门的话题，两种观点都很极端。第一个说法，伪课题，根本不值得梯级利用。还有一种说法，将来储能就靠梯级利用了，其他电池一点用都没有，经济上根本承受不了，两种观点都很犀利了。我们包括我个人，基本上不参与这种论战，关键我认为论据不足，我们需要有些数据来支撑有关论据。这就是我觉得王老师提到，今天下半场议题很有价值就在这儿，我们没有论据你怎么说那些事呢、说那些话呢?我是国家重点研发计划智能电网那个组的指南编写专家，我们专家组一起在2018年的指南中列了梯级利用的这个项目，我们这个项目就要澄清这几个事，第一，能不能安全的使用梯级利用电池。第二，它使用这个梯级利用电池到底会不会有价值?会不会获利?这个大家可以看到，已经公示的指南我们有5个课题，主要是围绕这两种事来做。关于能否安全的使用这个，那个主要是检测方法的事，至于后边这个，梯级利用使用有没有价值，最主要的我们要通过数据的获取、数据的分析来评价它。可是在筛选过程中、在使用过程中、在运维过程中，我们现在都没有一些标准的数据的采集和处理方法。

　　我们获取的梯次利用电池不知道它的历史数据，甚至说我们要历史数据的时候该要哪些都不是太清楚，没有标准，各个厂家给的数据也是五花八门，运行中我们到底监测哪些数据、怎么监测，数据力度、跨度分别是多少，也不清楚。梯级利用电池和新电池一个重大的区别，是进入老龄的一种电池，可能会带有疾病了，你想发挥它余热，别到时候它半截突发病了，你还给它处理其他问题，能不能有安全预警，这是很重要的。围绕这些我们做了有些探索，现在只是一些思路，有的是我们感觉到应该是这样采集数据才合适。在没有重新成组以前，我们还希望有一些信息，包括技术规格、成组信息、使用信息等等。使用过程中，刚使用的时候我们要知道内阻电压检测、交流内阻、自放电一些数据，这样的话我能确定梯级利用电池初期的性能差异，评估梯级利用电池的残值与安全隐患。这是我们认为的应该记录的一些数据，包括单体电压、单体温度、串联电压、串联电流等等，包括离线评估时候的内阻、自放电的数据。

　　举个例子，比如我们现在梯级利用有这么几种电池，磷酸铁锂的、锰酸锂的、碳酸锂的，三种电池到底我们采集数据时候应该有什么差异呢?我们从这个曲线SOC和开路电压曲线能够看出来，有的很斜，比如碳酸锂的、锰酸锂的，第一个和第四个，它这个是斜的，磷酸铁锂的第二个和第三个，就有很大的一段是很平的，这样的话在我们采集数据的时候就要采取不同的策略，比如说我们认为采样的精度5毫伏是必须的，但是针对磷酸铁锂我们还需要到更精确一点的，1毫伏，否则的话很难评估它。

　　随着国家重点项目实行，还有我们国家电网公司或者我们所里做的一些工作的进一步延伸，可能对这些数据采集的方法、处理的方法都有修正，但是这是一条路，我们可能要继续走下去。

　　总的结果就是，要规范数据的采集、存储的颗粒度、跨度，要保证原数据的特征和隐含信息部丢失，要做到利用这些数据做性能的评估、寿命周期的评估和管理，再就是安全预警。

　　今天时间关系就介绍到这里。谢谢大家!