陈忠伟Joule：人工智能（AI）助力电动汽车的大规模采用

第一作者：Moin Ahmed，郑云

通讯作者：陈忠伟教授

通讯单位：滑铁卢大学（University of Waterloo）

结合清洁能源推进交通电气化是有效解决能源和环境问题、进一步促进碳中和的有效途径。近年来，全球电动汽车的销量急速增长，特斯拉、宝马、雪佛兰、大众、本田，以及国内的比亚迪、蔚来汽车等诸多知名车企纷纷入局展开竞争。然而，与传统内燃机汽车相比，电动汽车的大规模采用方面仍然存在前期成本较高、充电基础设施缺乏、用户里程焦虑、安全性不足等诸多挑战。

近来来，人工智能（AI）技术在电动汽车及其相关基础设施领域，如电动汽车电池设计和管理、充电站，甚至智能电网等方面，已经有了诸多学术研究和工业应用。具体包括以下几个方面：（1）可通过优化电池材料设计和制造，降低电动汽车成本；（2）可通过精确估测距离、预控驾驶条件，以缓解消费者的里程焦虑；（3）电动汽车辅助系统的智能化可有效提高传统控制的车辆能源消耗；（4）有望通过网络互联和自动驾驶提高道路安全并优化交通流量；（5）可实现电动车和充电站、甚至智能电网等基础设施之间的选址优化、能源调配等资源优化配置。

【文章简介】

近日，滑铁卢大学陈忠伟教授系统总结了人工智能（AI）技术在电动汽车大规模采用中的研究和应用。首先系统介绍了用于电动汽车方面的关键AI技术，主要包括机器学习（ML）与计算智能（CI）技术及其相关的重要算法。在此基础上进一步总结了AI技术在（1）电动汽车（EV）、（2）电动汽车充电站（EVCS），以及（3）电动汽车与智能电网集成（EV-Smart Grid）这三个EV相关领域中的研究与应用。分别具体涉及（1）在电池材料研发、生产与管理，以及在距离估测与优化和电动汽车控制系统等方面的研究，（2）在充电站优化选址，以及能源调度和拥塞管理等方面的研究，（3）在发电与电能分配，以及可再生能源相关系统优化等方面的研究与应用。最后，作者总结并提出了目前AI在电动汽车大规模采用方面面临的主要挑战和未来发展方向。相关成果“Role of Artificial Intelligence in the Electric Vehicle Mass Adoption”为题发表在国际著名期刊JOULE上，该论文第一作者是滑铁卢大学博士生 Moin Ahmed 和博士后郑云。

【图文解析】

图1. 电动汽车大规模采用中的AI技术（机器学习ML和计算智能CI）。A：强化学习（RL）的流程示意图；B：卷积神经网络（CNN）的常用结构；C：循环神经网络（RNN）的示意图；D：粒子群优化算法（PSO）的流程示意图；E：遗传算法（GA）的流程示意图

图2. 人工智能在电动汽车（EV）、电动汽车充电站（EVCS），以及电动汽车与智能电网集成（EV-Smart grid）方面的应用

图3. 机器学习（ML）在电池管理（BMS）中的应用。A：电池包传感器向电池管理系统输入信息；B：荷电状态（SOC）和健康状态（SOH）评估所需的精度和计算资源；C：循环神经网络（RNN）的示意图；D-E：电池组中各电池的温度分布（D）及对应其直方图（E）

图4. 电动汽车控制体系结构及相关控制器的工艺流程图。A：电动汽车控制结构；B：传统“比例-积分-微分（PID）”控制器；C：“比例-积分-微分+基于粒子群优化算法的人工智能（PID-AIC）”控制器；D：基于模糊逻辑算法的人工智能（Fuzzy logic based AIC）控制器

图5. 电动车与电网的集成及其对调峰和负荷均衡的影响。A：智能电网与电动汽车之间的双向能量流动（G2V和V2G）；B：电量调配，电动车与电网之间的“削峰填谷”；C：负载调节，通过电动车的充放电来调控电网负载；D：备转容量，通过电动车的充放电来调控备转容量

【总结与展望】

人工智能（AI）技术在电动汽车大规模采用方面应用前景广阔，本文重点总结了机器学习（ML）与计算智能（CI）技术及其相关的重要算法在电动汽车、电动汽车充电站，和电动汽车与智能电网集成这三个方面的研究和应用。在此基础上，本文还提出了该领域目前存在的主要挑战，并针对性地提出了几个方面的应对策略：（1）进一步提高AI在电池管理和能量控制方面的处理能力；（2）促进AI在用户信息存储与管理、电池回收与废料处理等方面的研究与应用；（3）简化现有充电站选址优化与能源供求模型，以更好地应对充电方式、环境变化等不确定因素；（4）利用ML进行动态定价模型优化，以进一步促进电动汽车大规模采用的经济可行性。

Moin Ahmed, Yun Zheng, Anna Amine, Hamed Fathiannas, Zhongwei Chen,Role of Artificial Intelligence in the Electric Vehicle Mass Adoption, Joule, 5, 1-27, 2021, https://www.sciencedirect.com/science/article/pii/S2542435121003500

作者简介：

Moin Ahmed，加拿大滑铁卢大学化学工程系博士研究生。2016年和2018年均毕业于滑铁卢大学纳米技术工程专业，分别获学士和硕士学位，2020年加入陈忠伟院士组攻读博士学位。主要研究方向为人工智能（AI）和数学模型在电动汽车及其电池开发与管理中的应用。目前在Joule, ACS applied materials & interfaces, ChemElectroChem, Journal of Energy Storage等期刊上发表文章多篇。

郑云，加拿大滑铁卢大学化学工程系博士后，2019年博士毕业于清华大学化学与工程技术专业，之后加入陈忠伟院士组进行博士后研究。主要研究方向为固态能源材料表界面的离子迁移与转化，具体涉及固体燃料电池/电解池（O^2-, H⁺）和全固态锂金属电池（Li⁺），对人工智能（AI）在电动汽车方面的应用也有一定的研究。目前在Chemical Society Reviews, Electrochemical Energy Reviews, Joule, Advanced Science, Nano Energy, Electrochimica ACTA等期刊上发表论文30多篇，撰写Electrochemical energy storge and conversion系列（CRC Press）等学术专著2本，申请专利6项。

陈忠伟，加拿大滑铁卢大学（University of Waterloo）化学工程系教授，加拿大皇家科学院院士，加拿大工程院院士，加拿大国家首席科学家（CRC-Tier 1），国际电化学能源科学院副主席，滑铁卢大学电化学能源中心主任，担任ACS Applied & Material Interfaces副主编。陈忠伟院士带领一支约70人的研究团队常年致力于先进材料和电池的发展用于可持续能源体系的研发和产业化，包括燃料电池，金属空气电池，锂离子电池，锂硫电池，液流电池，固态电池，CO₂捕集和转化等。近年来已在Nature Energy, Nature Nanotechnology, Chemical Reviews, Chemical Society Reviews, Joule, Matter, Nature Communication, Journal of the American Chemical Society, Angewandte Chemie International Edition, Advanced Materials, Energy & Environmental Science, ACS Nano等国际顶级期刊发表论文400余篇。目前为止，文章已引用次数达35000余次, H-index 指数为93。

课题组主页：http://chemeng.uwaterloo.ca/zchen/