电子信息

随着新能源汽车的发展，目前BMS的市场已经初具规模，相关技术已经足以满足市场基本要求，但是随着技术指标的要求提升，相关软件算法会不断的优化，对于控制器的算力要求也不断提升，并朝着高精度估算和智能化的趋势发展。现有控制器的算力提升带来的成本压力较大，考虑到市场终端车辆的基数较大，且产生的数据较多，数据覆盖场景也较为全面，所以可以考虑基于大数据并利用云端计算机的超强算力，从而完成更高精度的复杂算法，更超前的预警等等电池状态信息的估算和预判，从而减少事故的概率。如果主机厂自己能掌握云端BMS系统的核心算法、主要功能及核心技术的开发，那么将会大幅提升BMS的个性化策略的开发，会使得每辆车的动力电池控制策略都具有针对性，从而提升驾驶车辆的可靠性和安全性。

项目重点研究动力电池状态参数估算的核心算法，如参不同驾驶习惯、驾驶环境、不同的电芯化学体系下的车辆在不同使用阶段的SOC、SOH等状态参数的精准估算。将通过自大数据和电池化学或物理模型，并结合云端的高性能算力的优势，车辆自学习驾驶习惯并针对这种驾驶习惯估算出SOC和SOH，同时也对驾驶员给出针对性的合理驾驶提醒，从而打通人、车、云的互通，让车辆控制软件更加智能化。

考核指标
主要算法

序号	主要核心算法	基本实现要求
1	热失控预警算法	预测电池热失控的发生以及热失控出现后车辆云端能精准报告
2	SOC估算算法	通过对动力电池的化学机理分析，抽象出物理数学模型，进而在线估算动力电池的SOC，协助车端控制器对动力电池控制和使用，提升动力电池的使用寿命和使用安全。
3	SOH估算算法	云端BMS根据大数的统计和神经网络等复杂算法计算可以实现SOH估算精度的提升，从而间接提升SOC的估算精度。
4	智能充电	利用动力大数据系统云识别出的波谷电价区间自动寻优，用最优惠的电价将电量充到目标SOC，用电需求；同时，系统将每次充电的报告通过APP 推送给用户（报告包含充电时间、节省的电费量），每月形成充电报告，建立与用户友好交互，提升用户的充电用车体验