8月5日，第二届中国电动汽车充电设施技术创新大会在常州开幕。本次大会由中国电力企业联合会电动交通与储能分会、能源行业电动汽车充电设施标准化委员会主办，聚焦充电设施领域行业痛点，着眼技术变革，解读充换电领域前沿趋势，共同探索行业创新发展。
特来电安全总监尹玉鹏带来了题为《充电站车辆火灾预防、预警与应急》的演讲。内容实录如下：
各位领导、各位专家上午好！很高兴跟大家分享这个话题《充电站车辆火灾预防、预警与应急》。作为充电运营商，目前在充电站内碰到最头疼的问题，或者说最严重的问题，就是充电站内电动汽车起火的问题。一旦发生一起事故，不同的事故可能有不同的后果，最严重的后果就是整站拆除。因为场地方认为场站不安全，也有可能要求充电桩停止运营，相当于是停业整改。虽然说事故与充电桩无关，但相关主管部门从安全角度考虑，还是会对整个行业进行排查整顿。
今天早上欧阳明高院士有一点讲得很好，充电设备设施不仅是电动汽车补能的设备，同时它还是电动汽车动力电池安全监控预警，以及车网互动，能源革命的重要枢纽，今天我们分享的就是关于“电动汽车动力电池安全监控预警”的话题。
目前，整个行业电动汽车的起火事故较多。前些年，整个行业的电动汽车起火事故没有官方数据。但是今年消防总局发布了官方数据，一季度发生的电动汽车起火事故640起，平均每天7起，而一季度还是全年事故的低谷期。2021年全年一共发生了3000多起电动汽车起火事故，这对充电站运营造成的影响非常大。
4月15日，我们行业首个“充电过程中电动汽车动力电池安全风险监测和预警规范”发布了。5月20日中电联也发布了关于充电设施安全风险提示的第一部分，近期也会发布关于风险提示的第二部分，关于动力电池失控的风险提示。
目前整个行业内，特来电、星星充电、国家电网等主流运营商，都在利用充电过程中电池的数据，在电池安全监控预警方面做了非常多的工作，也有非常多的服务和技术，保障用户的充电体验。
在所有事故发生之后，我们都会进行复盘分析，在此过程中发现了事故的规律，这对电池的监控预警有很好的帮助。所有的事故跟SOC的状态有强关联性的，我们统计了80多起电动汽车起火事故之后发现，基本上都是高SOC状态最容易发生状态。根据清华大学的稳态半岛特性曲线研究，当SOC低于40%的时候，基本上不太容易发生电池失控的风险，而且SOC的高低还与动力电池起火剧烈程度有关。根据这个规律，我们可以在日常的充电运营过程中，对某一特定车辆或车型的SOC进行控制。如果我对所有较危险的车辆控制满充SOC 90%，理论上可以预防66%的事故。
再一个是热失控的切断，如果在电池内短路发生的初期，能够提前识别到内短路发生，并且停止外部电源的输入，在一定程度上可以预防内短路向热失控转化。在此分享一个案例，这辆车第一次充电的过程中发生的一次温度的异常，从26度升到了39度，平台方会主动停止充电，5分钟之后，用户又继续启动了充电。第二次启动的时候，电池温度已经降到了33度。如果第二次没有启动这次充电，电池热失控不会发生。但是启动了充电后，在本次充电过程中，后来温度升到了59度，虽然这一次平台又进行了防护，但热失控没有停止，最终电池起火。
这个规律就是跟温度的强关联性，也是目前整个电动汽车和电池行业的共识，所有专家的共识：气温越高越容易发生电池失控的风险。另外，我们根据行业媒体已曝光的事故做了统计：夏天的事故率是最高的，夏天和冬天唯一的区别就是气温。如果对于电池的温度做到非常好的控制或监控，是不是从理论上来讲，我们能够把夏天的事故率降到最起码冬天的水平，所以温度的管控也是非常重要的一部分。
再一部分是关于内短路预警，因为电池在充电过程中电池的各项性能参数会实时发给充电桩，充电桩对内短路热失控进行预警，提前介入。
再一个是跟车辆状态的关联，国家平台做过所有电动汽车起火事故的分布，充电过程中以及充电后的数据分别是24%和38%。我们考虑一下，在一天时间内充电过程是非常短的。假如我考虑了所有的网约车和私家车，平均每天充电1小时，对所有事故的充电状态24%进行时间加权计算，在充电过程中烧车的风险概率是75%。
目前整个行业对于利用充电网去做电池安全监控预警的大体思路基本上是一致的，也就是说从充电桩这一层，电池的数据是实时发给充电桩，我在充电桩这一侧可以植入相应的保护逻辑，在毫秒级范围内可对异常情况进行保护。当然，充电桩有它的优势，就是实时性，但是劣势是算力不足，数据存储不足。我们则是通过整个大数据层、平台层进行电池安全监控预警，这是对桩的补充。在大数据层里面会考虑两个维度：空间维度和时间维度。在这两个维度下，我们对同车型的车辆进行对比，找出差异。时间维度是看这辆车在历史充电数据上的变化趋势是怎样的，有没有突变的情况。
举例来讲，目前特来电有36个安全防护模型，12个在设备层，24个在大数据层。目前整个行业主流的安全防护技术，核心还是放在平台层，利用平台的大数据技术能力和算力做防护预警。在所有的充电模型里面，并不是每一个模型是单独存在的，各个模型之间会有关联。每个模型在做的时候，为了保证它的准确性，考虑各种影响因素，36个模型分别要考虑36个影响因素，在所有的影响因素的修正之下，才能保证模型的准确性。
这是整个充电网安全防护技术的框架。有了充电大数据档案，根据我们能够监测到电池的各种性能指标，我们根据各种大数据的算法，建立防护模型，并且不同场景下有不同的功能输出。
目前通过充电桩做安全监测和预警存在非常多的挑战，目前根据GB/T 27930，电动汽车电池的参数传输给充电桩，但是字段不全，影响了整个防护模型的数量。目前电动汽车给充电桩传的数据准确性比较差，错误数据较多。但当错误数据来了之后，充电桩必须要相信它是对的，当它的温度发生异常温升，突然变到90度之后，我宁愿相信它是真的发生了热失控，对它进行预警和保护。预警之后，如何确定预警是准确的也很难验证。GB/T 27930 2015+标准正在修订，现在的状态是相应字段本身比较少；车企和电池厂不愿开放数据，目前新标准的编制，相应的数据还在越来越少。当然目前充电运营商，整个供电行业也积极地跟标准制定小组争取，能够把数据给得更多。因为充电设施通过充电网数据，对电池安全的监控和预警，对于整个电动汽车行业发展来讲是重要的补充措施，如果数据不传了，相应的措施就没有了，相当于是整个行业的倒退。
第三部分是大数据和人工智能的赋能，对于整个电池、电车行业来讲，目前大部分人提的概念，我们要结合着电化学的机理，大数据以及人工智能的技术，对于动力电池做安全的监控预警。在电池的运行充电过程中保证它的安全。但是目前行业上主要或者主流的技术，基本上是靠电化学机理做的，就是通过实验室做各种实验。我知道电池目前的热失控机理是什么，比如在负极上的电压达到多少的时候会析锂。知道这个原理之后，再去人为定一个策略，根据这个策略去保护电池，这就是电化学机理的方法。但是人工智能可以做另一层面的补充，可以把目前平台上的大数据，所有的充电数据，在人工智能的环境里让它去运行，去验证。它会自己训练模型、训练特征编码器，在这个过程中，因为数据量比较多，所以训练的过程中可以把自己的准确率也提得更高，最终识别出电池。但是在过程中，这两个灯是暗的，它能找出异常电池。但人工电池算法模型的可解释性非常差，并不知道它是怎么找出来的。
目前常用的异常检测方法，一个是对比预测编码，还有一个GRU算法，它是采用无监督和有监督的人工智能技术相结合。首先通过在这个过程中训练特征编码器，相当于是输入充电数据，它去自己训练，当充电数据量足够大的时候，把会把特征编码器训练得足够准确，根据现在的数据能预测出下一阶段所有电池性能的变化趋势。后面再用GRU算法把相应的数据做上标签，也就是我告诉它哪些数据是故障电池的数据。通过有监督的方式去训练电池的异常检测模型，当所有模型训练出来之后，可以用这个算法模型去识别异常电池，做出预警。
下面这个算法是纯粹的无监督的技术。通过大数据训练出正常的充电模型，当这次充电不符合正常充电模型的时候，它就认为是异常的。还有我们会通过其他的算法提升整个充电的电池监督预警的准确性，比如通过神经网络的算法能够把整个电池容量评估的准确率提高3个百分点。
第四个部分是关于火灾预警的应用场景，对于企业客户而言，比如公交、物流客户，我们可以月度提供车辆预警报告。比如一个公交集团有三千辆公交车，一个月出一份报告，报告里面告诉他哪些车可能有问题。尤其是公交这样的国企对安全是非常关注的，所以一个月一次报告，不满足他的需求，他就需要定制SaaS平台，他会安排专人每天监控电池的状态。对于充电运营商，我们提供场站安全防火墙功能以及安全看板的功能。个人用户会在充电App上看每次充电的预警信息，同时他可以从充电APP上看到车辆、电池的各项指标，以及各项指标的变化趋势，同车型的指标对比情况和容量的衰减，还有充电行为的分析，车辆维护建议等等。
还有两个特殊场景，比如加油、加气站，按照国标50156的要求，充电桩在布置的时候，布置在辅助服务区就可以，但是实际上辅助服务区是在加油、加气设备防爆区以外再加3米的距离，而有些加油、加气设备的防爆区只有1.5米，再加3米也就4.5米。如果一个电动汽车起火，它的火焰喷射距离至少到5米的范围。我们的充电桩的布置，按照4.5米不太符合安全要求。如果按照4.5米去布置，火焰会喷到加油机上，或者说车位这么布置也会喷到加油机或油罐上，所以我们在整个的布置安全场站规划的时候，充电桩布置在什么位置，也要考虑我的车位怎么布置的，保证危险设备的距离是足够的。
而地下车库的场景是非常特殊的，进入救援难、视线受阻、寻找火点难、地下车库对应的是人员密集场所，同时居民小区地下车库基本上是夜间充电，人们在熟睡状态，部分地下车库是没有信号的，车辆相应的数据没办法传到车企平台等等，所有的这些问题都让地下车库的电动汽车火灾后果比较严重。所以我们也提出一些建议：各地居民小区充电设备统建统管，使用正规品牌，规范施工，定期维护；根据事故的特点，设置合理的充电保护策略，如在小功率直流充电时，限制满充状态，插枪即监控、电池检测。在新建项目规划的时候要增加防火分区，自动消防、平台监控、AI视频监控，消防报警等措施。
最后一部分，如果在充电站发生电动汽车起火事故如何急救？如何做应急处理？
电车发生火情后，有的是冒烟，有的是起火，有的爆燃和爆炸。对于电车起火的特点我们下面简单说一下：它会放出大量的热，温度非常高，中心达到一千度，会释放出大量气体。如果在充电站发生事故，对于充电商影响是多方面的，甚至影响充电运营商持续的运营，所以在整个应急处置方面有一些关键点。首先避免误区，比如用灭火器灭火，比如明火扑灭后就停止救援。应该第一时间预警，发生火情第一时间报火警，第一时间疏散。在消防过程中，电池起火可能会发生爆炸，应尽可能地远离，包括专业消防队员也应全副武装，10米范围外出水降温。火灾初期也不要冒险破拆电池，如破拆过程中电池爆炸，会造成进一步的人员伤亡。最后在舆论方面做好监控。
当一起事故发生之后，整个事故的处理过程是非常漫长的，并不是说这个事故发生后，我们这一天把事故处理完，灭完火就结束了。包括事故的原因分析，所有相关方的责任分析，最终的定性、赔偿完成后才算结束。在事故调查过程中，车企提供相应的证据，充电运营商也要提供相应的证据，当然在有相应的电池数据在充电过程中传递给充电桩的前提下，我们也可以自证清白。根据充电过程中的相应数据，我们可以去分析可能的事故发生的原因。
以上是我的分享，谢谢大家！
