充电过程中 BMS 发生故障，造成电池安全性出现问题该怎么办？

第一点就是我们通常会提到的电池在设计和生产环节的安全性的考虑。从电芯、模组到封装的三个环节入手，实现可靠性、寿命性能和内阻三方面性能的平衡。

比如说，如果充电过程中 BMS 发生故障，很容易造成电池安全性出现问题。所以遇到过充情况时，必须严格控制电极与电解液之间的发热。

这个问题怎么解决呢？远景 AESC 提升了正极材料的热稳定性，增加了隔膜的耐热性，然后通过在电解质中添加特殊化学物质，使其在电极表面更不容易发热。以此来保证电池过充状态下的安全性。

对于即将投产的 Gen-5 811 AIoT 动力电池，远景 AESC 中国研发中心负责人林玉春博士介绍了他们所做的工作：简单地说，远景 AESC 的硅碳 811 电池通过改变 NCM811 正极材料的表面结构，提高与电解液的高压匹配，重点解决两大安全相关问题：产气能不能控制好，散热能不能降低。

远景 AESC 在 811 表面增加了添加剂，能够让体系更稳定。原材料需要通过多项测试去验证材料稳定性。研发过程中，首先是保证材料化学结构的电化学反应稳定性、产气稳定性，以及热稳定性；在更高温度的情况下不会发生结构分解，提供安全性能。

在模组级别的设计上，远景 AESC 在给日产 Leaf 设计的电芯在充放电过程中产热比较小，循环过程中的温升也较低，成组以后的放热好控制。而此次远景 AESC 还升级了电池的冷却系统，结合先前多品种整包量产的经验和仿真验证能力，为主机厂提供不同定制化方案。

到了 Gen5-811 AIoT 电池体系，远景 AESC 提出了可定制化方案：如果整车设计当中的功率要求需要大功率充放电，热量比较大，远景 AESC 会和整车配合，定制化设计整包的热管理系统。

从 BMS 角度讲，远景 AESC 的边界条件控制得很严格，通过大量的测试验证，明确定义清晰的电池的析锂窗口以及发生热失控的边界条件，进而在 BMS 对产生析理和发生热度失控的两端进行严格的控制，确保电池不会出现热失控风险。这种控制已经在日产 Leaf 上被证明是非常有效果的。

第二点是远景 AESC 引入了 AIoT 的概念，将大量传感器连接到电池，从中获得电池的使用方法、输入输出电流、环境温度、环境震动、行驶距离、地址位置等数据，并使用 AI 对这些数据进行分析。

数据的分析结果既可以追溯和验证电池设计方案的优缺点，还可以把数据连接到远景的可再生能源网络，在能源体系管理中输出经验和数据，最终形成生态闭环。

这就是前文提到的，远景 AESC 为什么会在自己定义的竞争力之中，除了安全还加上了智能的要素。

l 锂损失，SEI膜的生成、破坏，负极析锂等都会消耗Li资源

l 正极活性物质损失：正极材料颗粒破碎，粘结剂分解和正极材料晶体结构改变等因素，会导致一部分正极活性物质失去嵌锂等能力；

l 负极活性物质损失：活性物质脱落，粘结剂分解等因素，都会导致部分负极活性物质颗粒失去与导电网络的导电连接，从而使其无法嵌锂，造成锂离子电池容量损失

这里我们正常估算，都是按照日历和寿命结合，目前大量的模型基础和实验基础都是这么来的，无非模型从数据抽象中做一些简化。由于这块大家只要有足够的经费都能做出一些数据，而且可以通过不断优化有提高，所以可以进行一定的统计参数分析，评估模型置信度。这个工作不好做，只能靠一段时间去采集样本，来丰富，从电芯来的数据作为基准，校准出来基于地理和使用的数据进行核对。

l 基于GPS的数据、基于休眠之前的温度和休眠起来的温度记录数据都是比较有价值的

l 基于电池在生命周期经历极端的温度和使用情况，也需要做记录

l 内部的SOH估算算法的数据，作为采样数据的比对结果

事实上，本身SOH的数据只是个趋势，在开发这个电池的容量下降模型的时候，就是破费功夫的。从我个人的观点来看，尽力而为，在某一段的样本进入出质保的状态之后，可以集中去观测一下。