在近日舉辦的相關論壇上，青島特來電新能源有限公司副總裁、首席科學家鞠強對特來電充電網(wǎng)－兩級安全防護體系進行了介紹。

2018年，全國純電動汽車燃燒的事情發(fā)生了幾十起。今年9月26日，汽車工業(yè)協(xié)會、充電聯(lián)盟召集全國主機廠、電池廠和充電樁生產廠家及運營商開了一個會，專門討論新能源汽車的安全問題。會議上，很多廠家都在會議上做了匯報，我代表特來電從安全的角度也講了一下，后來又專門去工信部裝備司給部委領導匯報。我今天的內容基本上就是前一段時間講的，但是時隔兩個月，數(shù)據(jù)上發(fā)生了一些變化，這里我做了一些更新和修訂。

我的內容一共有幾個方面：特來電的基本情況、兩級安全防護體系、數(shù)據(jù)分析、案例分析，最后是建議。

公司情況我簡單介紹下。汽車加油要去加油站，要去三桶油那里；電車充電要去充電站，而充電站有公共站、專用站等的區(qū)分。這個圖是充電聯(lián)盟的最新數(shù)據(jù)，展示了對外公開運營的超過一千個充電樁的運營商情況。這個大表大家可以看一下，蠻有意思的。特來電是全國第一位，然后是國網(wǎng)、星星和普天，這四家都是全國性之的運營商，充電樁占了目前全國86％的市場?？v覽全表的，我們會發(fā)現(xiàn)市場發(fā)展是非常不均衡的，第一名和最后一名差了兩個數(shù)量級。這是一個基本的市場格局。

特來電是2014年7月份成立的，到現(xiàn)在四年半的時間，每年充電量都有一定的增長，今年7月2日累積充電量突破了10億度，之后平均每28天充電量就增加1億度，現(xiàn)在即將到了16億度，注冊用戶數(shù)也突破了120萬。

在12月初的時候，我從系統(tǒng)中拿的這個圖，當時充電量是420萬度，14萬個有效的訂單，每單平均是30度電。而到昨天（12月7日），則是充電量達到了500萬出頭，訂單達到了17萬筆。這是一個充電量的情況。

特來電在安全層面，做了兩層防護。第一層我們叫CMS主動防護。大家都知道，電動汽車有三電，電機、電控和電池。對于電池而言，BMS就是它的大腦。大腦出了問題，就會行為紊亂。在BMS控制整車充電行為的同時，特來電CMS主動防護技術會針對BMS的相關異常情況進行二次檢測，如果發(fā)現(xiàn)BMS數(shù)據(jù)超出范圍，甚至BMS死機，那么就會觸發(fā)主動防護終止這筆充電訂單，保證充電安全；同樣，對于電池的溫度過高、過低，增長過快，電壓過高、過低等情況，也會觸發(fā)主動防護及時終止充電訂單，保護充電安全。

在CMS基礎之上，我們還建立了基于大數(shù)據(jù)的第二級安全防護體系。特來電大數(shù)據(jù)平臺是搭建在云基礎設施之上，基于Hadoop的分布式架構與組件，自主開發(fā)了相關的引擎、工具和子平臺，支撐主動防護、電池健康、智能運維、實時運營分析等大數(shù)據(jù)應用。這個平臺目前支撐著特來電每天14萬筆訂單、4．2TB的數(shù)據(jù)（不包含音頻、視頻等）、合計1．3PB的數(shù)據(jù)（一年），每天有40億次的調用交互。

電動汽車在充電樁上充電時，一方面有能量的流動，一方面有數(shù)據(jù)的流動。充電時產生的數(shù)據(jù)，包括電池的單體電壓、最高／最低溫度、需求電壓／電流、SOC等，以一個比較高的頻度經(jīng)過采集、清洗，最終被存儲到大數(shù)據(jù)平臺上。這些數(shù)據(jù)，經(jīng)過機器學習算法的訓練與校準，形成了針對單用戶單車的模型，也形成了分品牌分車型的模型，涵蓋了安全、健康、經(jīng)濟和運維四個維度。每筆充電數(shù)據(jù)，在大數(shù)據(jù)平臺都會被甄別，其中異常的數(shù)據(jù)會產生報警，如果觸發(fā)了主動防護的指標之一，則會被停止充電。當某輛車在一段時間內，連續(xù)觸發(fā)了主動防護（停止充電），那么這個行為將會被通知用戶、運維崗與安全崗，進行相關的檢修檢測。

看一下特來電兩級安全防護體系的總體防護情況。這是截止到12月1日，今年前11個月的情況，總訂單數(shù)超過3800萬筆，被主動防護掉的是37萬出頭，比例接近1％，每一百筆正常訂單里面有一筆會在主動防護下被停掉，這里面涵蓋了137個品牌，885種車型。

這是一個分車型的整體防護情況。車輛類型我們分為了乘用車、商用客車、商用貨車。左面的柱狀圖和右邊的表格，表達的是同一個內容。我們先看右邊的表格，有四個列，第一個列是車型，第二個列是主動防護訂單數(shù)，第三個是總訂單，第四個是被主動防護的訂單比例。比如商用貨車，在特來電的充電樁一共充了158萬次多的訂單，其中主動防護訂單數(shù)是17785個，有1．12％被防護了。對應到柱狀圖，橙色的1．12％是被防護的比例，藍色就是被我們防護的訂單數(shù)（下面幾頁和這個一樣），這個橙色的被防護比例越低越好。整體來看，我們得出一個結論：乘用車的BMS穩(wěn)定性和可靠性是最好的，商用客車其次，最差的是商用貨車。

這些車型，少部分是車輛傳給我的，大部分其實是特來電根據(jù)充電過程中產生的數(shù)據(jù)，利用監(jiān)督式學習中的決策樹C50算法，訓練“猜車”模型，計算出來的。這個猜車模型雖然準確度很高，但是還是有大量的車的充電曲線資料不完善，所以導致還有很多“未知”車型的數(shù)據(jù)。

下面看一下乘用車分品牌的情況，這里面我們可以看出越是訂單基數(shù)大的廠家，BMS穩(wěn)定性和可靠性越好；而訂單基數(shù)少的這個排第一名的品牌，一共 10萬筆，就被防護掉了5000筆，占比5％，相當于每20次充電里面有1次就防護掉了，這個質量是非常差的。這種情況，在某些BMS產品上，體現(xiàn)的很明顯。

再看商用客車的情況，我們看到比乘用車要差了不少的，最高的被防護比例是12．43％，這意味著它充8次電就會被我停掉。