2026年6月24日，在第四届汽车热管理全场景创新发展论坛上，山西成功汽车大数据运营负责人任月介绍到，当前，新能源汽车与低空经济的蓬勃发展，对动力电池热管理与安全技术提出了严峻挑战。针对实车环境下参数辨识难、预警效果差等痛点，联合研发中心构建了覆盖全状态的智能预测模型体系。通过引入注意力机制分区预测、多步长温度预测及可变输入长度的健康状态拟合等方法，实现了分钟级高精度状态输出与0.1%以内的衰退估计误差。同时，基于修正样本熵与多熵融合策略，建立了面向实车与储能场景的故障早期诊断模型，有效挖掘隐蔽性异常，为高安全电池管理系统的开发提供了理论基础。
工程应用层面，团队打造了涵盖事前精准预警、事中快速响应和事后深度分析的全周期智能安全闭环，并搭建了车云融合控制策略，通过边缘计算与云端协同，显著提升了监管效率与事故处理时效。实车热失控追踪案例表明，融合波动一致性分析与局部离群因子评分，可精准定位异常单体并追溯热失控根源。目前，相关预警平台已在实际车企落地，预计可降低事故赔付率15%-30%。任月表示，成功集团将以“一体两翼”战略为牵引，打通汽车与通航技术壁垒，持续引领智能能量管理体系的跨域融合与创新发展。
任月｜山西成功汽车大数据运营负责人
以下为演讲内容整理：
研究背景及意义
当前，我们正处于两大时代浪潮的交汇点。一方面，低空经济从概念走向现实，成为新质生产力的空中赛道；另一方面，智能网联汽车作为电动化浪潮的基石，持续引领全球市场。这两大万亿级赛道的核心挑战，均对热管理技术提出了前所未有的要求。
从新能源汽车的角度来看，能源系统是新能源汽车智能化、信息化、数字化运行的基础，决定了其续航、寿命与安全性。新能源汽车运营场景快速拓展，对能源系统的使用性能提出更高要求，主要体现在工作温度范围的需求增强，以及兆瓦级快充的需求。
2025年新修订的国标GB 38031-2025被称为“史上最严电池安全令”，其核心在于将动力电池不起火、不爆炸升级为强制性要求，并新增多项严苛测试标准。总体而言，电池系统安全性能不断提升，要求电池管理具备更长的预警时间和防护能力。
在锂电池研究中，由于其具备高功率、高能量密度且无记忆效应，目前已在新能源汽车与储能领域实现应用。然而，锂电池不可避免地存在单体一致性差异，这种不一致性会在长期使用中不断放大，加速电池老化与衰减，最终可能导致热失控，给企业和使用者带来严重的人身与财产危害。
从实际案例来看，动力与储能电池安全事故频发，已造成巨大损失，并引发消费者的安全焦虑，成为广泛关注的问题。动力电池故障机理复杂，预警难度较大，目前仍是汽车领域的卡脖子难题。现有研究依赖经验与实际运行数据，实车应用效果不佳，主要表现为实车参数辨识建模难度大、故障报警方法使用效果差、实车风险信号提取难度大，以及安全事故反向追踪效果较差。因此，开展实车动力电池系统的智能安全管理研究，是关键技术突破方向之一。
图源：演讲嘉宾素材
安全状态精准预测
在联合研发中心的温度预测研究中，提出了一种基于注意力机制的实车动力电池温度分区预测方法。该方法将数据按探针温度与空气温度的偏离程度划分为三类，并分别训练模型，建立全季节覆盖的预警模型。首先，该模型对各类温度异常预测的可行性与可靠性进行了验证，为识别热故障的出现和降低热失控风险提供了可靠工具，并在不同超参数和操作模式下验证了该方法的优越性、稳定性与灵活性。
图源：演讲嘉宾素材
在电池温度多步预测研究中，基于真实充电桩数据，实现了桩侧车辆识别，并针对桩侧获取的电池温度数据构建神经网络模型，基于滑动窗口、训练窗口与预测窗口，实现了动力电池系统的多步预测。研究探讨了不同预测步长对电池温度预测精度的影响，结果表明，随着预测步长逐渐增加，误差逐步递增，最终实现了10分钟的精确预测，并通过对比不同预测方法，验证了该方法在精确性方面的优势。通过跨组别迁移实验，验证了该方法的鲁棒性与适应性。
为实现实车动力电池电压、温度与SOC多种状态的联合预测，在神经网络中构建了具备全状态应用能力的预测模型，通过充放电状态双模型分开预测，可精确输出未来5分钟的数据，预测误差率目前小于2%。针对电池健康状态，利用可变输入长度的特征，结合实车运行大数据与特征值提取，通过拟合分析，建立了实车动力电池SOE与SOH的衰退估计模型，验证误差可低至0.1%以内，但该方法适用于数据量可获取的情形，只要能得到某辆车或某车型的前两个状态的真实SOC值，即可获得较好的应用效果。
故障早期诊断与预警
我最早在国家平台开展了全国企业调研，故障主要分为单体故障与电池组故障。以下是针对不同故障的定量分析方法与定性分析方法。基于修正样本熵，建立了动力与储能电池故障诊断模型，能够将常规安全阈值范围内的隐藏性故障及早、准确地诊断出来。联合研究研发中心提出了面向实际工程应用的多熵融合诊断策略，对当前的大小型异常与波动性异常具有良好的诊断表现，同时在短时间序列与长时间序列上均具有较好的诊断效果。从在线状态识别、实时故障诊断与全面故障排查等方面，给出了具体应用思路。本研究对后续开发高安全动力电池管理系统和健康管理系统具有重要的理论指导意义和广泛的应用前景。
目前已有成型的分析流程，对于事故车辆，通过一次计算、二次监测与模型融合，综合判断电动汽车热失控风险的高低。当前应用的算法主要包括变化率归一化、变化系数、风险系数，以及局部离群因子评分。结合近期研究，提出了车云融合的动力电池智能安全控制策略，可通过车辆短时采集进行边缘计算，实现快速诊断、数据筛选与快速上传，并在云端进行长时间存储、模型更新与辅助监管，实现新能源汽车动力电池系统的状态监控、存储、优化、安全评估、故障诊断及风险预警等功能。
动力电池安全预警平台
目前已在成功汽车搭建预警平台，整体完成了分析报告。全周期智能管理体系包含三个关键环节：事前通过预警AI算法进行精准预测，事中系统能够快速响应并采取关键数据，事后事故分析报告提供洞察数据。三个环节环环相扣，构成完整的智能安全闭环。
另外是AI算法库，作为事前的防御雷达，其核心作用在于通过实时数据分析，提前发现潜在安全隐患并发出预警，从而将风险消灭在萌芽状态。在具备严密预警的同时，也需为小概率事件做好准备，这是事故分析报告的价值所在。该报告扮演智能诊断专家的角色，在事故发生后迅速整合数据并进行深度分析，为后续处理提供数据支撑。根据市场监督总局的要求，事故发生后24小时内需完成基本信息上传，15日内需提供完整技术分析报告，因此分析报告功能依据该要求设计。预期为企业带来的价值包括降低事故赔付率约15%至30%，整体管理效率提升50%以上。
实车热失控案例追踪研究
在一个热失控案例中，一台乘用车，通过变化率分析时，在预置区间内未能识别出异常。通过波动一致性分析，可将变化率的预置放大，从而定位28号、89号单体，以及39号与14号单体中第二部分范围内的异常单体。最后，通过局部离群因子评分，将89号与90号单体的异常点进一步定位，再结合波动一致性的局部评分，判断出89号单体为引发热失控的单体。
联合研发中心介绍
成功汽车与北京科技大学，共建新能源汽车大数据智能管理与应用联合研发中心，实现汽车数据多维度（大数据预警平台、大数据智能网联平台、车载硬件算法集成等）体系研究、产生一系列标志性的成果，不仅在学术研究方面形成突破，同时在经济效益上取得成效，携手共赢。
成功集团智能网联院作为集团“智能生态”战略的核心引擎，不仅聚焦车辆智能驾驶，更致力于构建覆盖“车-储-算”全场景的智能能量管理体系。
未来，集团将持续打破行业壁垒，推动通航极致安全标准与汽车规模化高效运营的深度融合。成功集团以“一体两翼”为架构，一体两翼分别为汽车与通航，整体核心在于通过技术壁垒的攻克，打通通航技术要求与汽车技术要求。
（以上内容来自山西成功汽车大数据运营负责人任月于2026年6月24日在第四届汽车热管理全场景创新发展论坛发表的《动力电池系统热安全管理与预警研究》主题演讲。）
