為了校準，其實可以從燃油車和電動汽車兩部分抽取實際的數據，在不同案例和配置里面，需要挺多的測試場地和現實的數據來做支撐。在BMS里面有個很有趣的功能設計，由于電動汽車在沒充電休眠的過程中，可以階段性的采集存放過程中的溫度，實現連續的溫度曲線的采集，特別是不同的位置，不同的季節，在整個停放休眠過程中溫度點，其實也是重要的數據來源。電池的壽命大部分是在高溫存放中老化的。

而在剛啟動過程中，在整個運行環境中，則可以盡量把溫度的各個點勾勒出來。通過之前的數據積累(在壽命使用中的直接物理量溫度、電流，然后把對應的充電和工況分布給折算和記錄出來)，可以開發模型來預測整個壽命。

其實各家都有自己的電池壽命模型，結合單體和Pack的DV、PV出來的數據調整。

經過實地的數據校準以后才測定預測的準確性。

從另一個角度來說，這個復合環境可以用環境的因素來描述，通過對環境應力的分解，然后通過對應的加速因素加上，然后實現加速驗證折算也是條路。

很多的辦法，都是疊加使用，才有更好的辦法。從另一個角度而言，全生命周期的安全和功能評估還是值得去做的一件事情。

如同前陣子在做的一個事情一樣，針對密封和電氣部件的考慮，篩選出密封相關件，依據動力電池實際工況，擬合得出各零部件密封失效因子的加速老化驗證測試，密封圈的高溫老化和低溫失效、鈑金件鹽霧腐蝕、振動對緊固件影響等。

建立三綜合振動臺(高低溫、濕度)測試驗證高低溫、濕度、振動對動力電池密封性能影響。通過考察耐化學性、耐氣候性、海拔壓力、整車工況等失效因子對氣密影響建立綜合性數據庫，得出主要失效因子和次要失效因子，并擬合出失效因子間函數關系和對電池包整體密封影響。

從標準的角度而言，做個技術參照，然后各家根據自己的情況來預測和移植，形成基礎方法論還是值得去做的。如果變成整車認證實驗，出來的結果偏差就大了。

作者：朱玉龍