行業介紹-行業背景：

2022年汽車銷售同比增長3.4%和2.1%，新能源車增長70.6%，滲透率已經達到25%。在新能源車爆發性增長的行業背景下，引發了圍繞電池健康和安全的新需求。由于新能源車的結構跟燃油車截然不同，影響到產業鏈中多個相關行業。

隨著新能源汽車的普及和市場需求的增加，充電樁的建設和運營成為了一個重要的問題。核心是如何追蹤動力電池的健康性能變化以及檢測和預測安全風險。

隨著新能源汽車的普及和充電樁的建設，充電樁網絡化、智能化、多樣化成為發展趨勢。

行業介紹-行業痛點：

保險公司在充電樁的建設運營過程中發揮著重要的作用 ，為充電樁企業提供風險保障和服務支持 ，促進行業的健康發展。由于缺乏自動化第三方的安全檢測設備 ，以及配合新能源車的一系列安全控制服務體系 ，無論是作為安全買單方的保險公司、車企、消費者都存在市場需求。充電樁企業需要的保險產品種類繁多，保險公司可能沒有針對充電樁行業的特殊需求進行定制化產品的能力；充電樁企業需要保險公司提供快速、高效的理賠服務，但是保險公司的理賠流程可能較為繁瑣；充電樁企業和保險公司的合作模式存在一定的僵化，無法靈活應對不同企業的需求。

產品介紹：

評估系統：數據驅動模型，實現電池安全健康度評估

以電化學機理模型為基礎，采用數據驅動為核心的模型， 通過充電國標，使用站端部署充檢一體化設備或者充電運營商合作伙伴數據接口，獲得充電數據， 上傳云端，通過專利算法進行運算，檢測電池的健康和安全狀態。

充電、換電檢測服務方案

飛廉創新技術能力成功輸入“中電車聯”（中電工業 ?互聯網有限公司、奇安信網絡科技有限公司持股） 達成深度合作，為新能源車輛市場提供高效的充電檢測服務。

大數據平臺與動力電池五維一致性防護模型從電壓、電流、溫度、容量、內阻五個維度判斷動力電池的均衡性， 發現動力電池均衡性缺陷；

通過電池健康狀態 SOH評估和預測模型，評估電池健 康狀態和電池壽命預測。

項目情況-技術創新點：

模型結構的創新

? 使用自動機器學習（AutoML）技術 自動選擇最佳的模型結構和參數；對于多來源、多類型的數據，進行融合

? 涵蓋35萬輛電動車， 5年以上全生命周期電芯級數據

深度算法

? 綜合電池特征算法、衰減算法、故障特征算法

? 持續升級中汽中心、一汽、北汽等權威機構和用戶實地驗證了算法有效性

數據獲取

? 積累超過10GWh安全管理電池容量，10億條電池充放電片段數據

? 利用單次車輛電池的充電時長，在30分鐘左右時間完成檢測

自研充電一體智能檢測設備

? 可同時進行快速充電和電池檢測

? 電池檢測無需拆裝靜置、無需主機廠授權，可用小程序操控管理，20-30分鐘 完成檢測生成報告

充電檢測能力

目前，我司已與特來電、星星充電、國家電網、小桔充電等頭部充電樁企業完成系統對接。

市場前景和成長性

定價系統優化

? 通過軟硬件結合的智能設備 充電檢測設備，為保險公司 提供基于新能源車具體風險 特點智能定價工具

智能理賠風控系統

? 車輛健康診斷

? 數據分析與預測

? 遠程估損與定損

充電安全檢測服務

? 充電設備檢測

? 車-樁通訊安全

保險服務創新

? 個性化保險產品

? 聯動服務

? 預防性服務

商業模式：

商業模式：一開始以專業為車險保險公司提供以充電安全系統的評估和場景應用為切入服務項目， 后期涵蓋新能源全生命周期各類安全檢測風險測算。

應用領域：

車險公司：保險公司難以判斷動力電池性能和風險，無法有效甄別風險，合理定損，造成綜合成本居高不下

維修廠：從燃油車轉型到新能源汽車維修，修理廠遭遇主機廠授權，員工和技術障礙，維保需求大減等顛覆性挑戰

主機廠及服務網絡：傳統的換油保養返場場景消失，需轉換服務思路有針對性的進行新能源相關服務

儲能換電站/電池資產管理公司：作為電池運營商，需要對電池的狀況進行快速的判斷和安全的監測

二手車商：新能源二手車最大的盲點-電池性能狀況限制了二手車市場發展速度

梯次及回收利用：需要以電池性能和安全狀況判斷作為各個鏈條節點的關鍵信息

城市消防安全：新能源車輛的保有量日漸增長，園區樓宇的充電配套亟需安全監控