创新背景

随着电动汽车的普及和市场需求的增加，电池的性能和寿命成为了焦点，大多数电动汽车都配备有电池管理系统（BMS），负责日常的电池性能和安全监控，BMS的核心是一套软件算法，用于监测锂离子电池组的整体健康状况，如电量、电压、温度等，然而，传统的BMS算法是基于理想的实验室条件下设计的，这些条件往往与真实的驾驶环境存在较大差异。

真实的驾驶数据，如驾驶风格、刹车和加速习惯、电池充电模式等，都对电池的健康和性能产生深远的影响，传统的BMS算法可能并没有充分考虑这些因素，从而可能导致对电池健康的误判，此外，目前市场上的大多数电动汽车在路上行驶时会持续记录这些数据，但这些宝贵的真实驾驶数据在传统的电池算法中并未得到充分利用。

此外，对电池健康的真实监测和预测不仅可以提高电池的使用寿命，还可以为用户提供更准确的行驶里程预测，提高用户体验，因此，如何将真实的驾驶数据融入BMS算法，使其更加贴近真实情境，从而提高电池性能和寿命，成为了本研究的核心问题。

创新过程

这项研究的核心是探索如何通过真实的驾驶数据改进电池管理系统（BMS）算法以提高电池的性能和寿命，首先，为了明确理论与实际之间的差距，研究团队与位于斯坦福大学附近的大众创新与工程中心展开合作。

在合作中，大众提供了来自旗下子公司奥迪的全电动SUV e-tron的BMS驾驶数据，这些数据是在2019年11月到2020年10月期间，在旧金山湾区行驶的大约3750小时的数据，研究团队利用这些数据，对电池组在一年内的电阻进行了计算，这有助于评估电池的两个关键指标：能量和功率。

接下来，研究者通过从这一年内的529次加速事件和392次刹车事件的数据中测量电流和电压的突然变化来计算电阻，他们还通过分析53次充电会话来计算电池充电过程中的阻抗，作为电池健康的指标。

为了使研究更为全面，研究团队还将季节性气候数据纳入考虑，他们发现电阻在凉爽的月份减少，而在春季和夏季逐渐增加，这说明电池在温度上升时的健康状况有所改善。

最后，研究者对比了实验室数据和真实道路数据，指出汽车制造商依赖的是在实验室条件下设计的BMS算法，这些算法使用机器学习，通常是从一个持续充放电的单一4伏特电池单元中监测性能数据，而奥迪的实地数据则是从一个由384个电池单元组成的396伏特电池组中收集的，因此，研究者建议新的算法应关注整个电池组，而不仅仅是单个电池单元。

创新价值

随着电动汽车（EV）的普及，电池的性能和寿命成为了决定EV成功的关键因素，更持久、更可靠的电池不仅可以降低长期的维护和更换成本，还可以提高消费者对电动汽车的信心，这意味着，如果能够根据真实道路数据改进电池管理系统（BMS）算法，电动汽车可能会更具吸引力，从而加速向电动化的过渡。

电池更长的使用寿命也意味着减少了废弃电池的数量，这对于环境保护具有重要意义，因为电池的制造和回收都与环境负担有关，减少电池的浪费和对资源的需求，可以进一步推动可持续出行的进程。

此外，这项研究还为汽车制造商提供了宝贵的洞察，传统的BMS算法是在实验室条件下设计的，可能与真实世界的应用存在差距，这项研究揭示了这种差距，并为制造商提供了优化电池性能的方法。

最后，对于驾驶者来说，更好的电池管理系统将为他们提供更准确的信息，如剩余行驶里程和电池健康状况，这可以帮助驾驶者更好地规划他们的行程和充电时间，从而提高他们使用电动汽车的体验。

创新关键点

研究者与大众汽车的创新与工程中心合作，收集了大约3750小时来自奥迪e-tron SUV的BMS驾驶数据，通过分析这些数据，研究者计算了一年期间电池组的电阻，并评估了电池的两个关键指标，能量和功率，他们发现电阻在较冷的月份减少，在春夏季节逐渐增加；此外，研究还发现高温可以提高电池容量，但持续使用会加速电池的退化。