根据国务院办公厅发布的《新能源汽车产业发展规划（2021 － 2035 年）》，我国纯电动汽车将迎来全面发展，换电作为一种重要补能方式在行业发展中扮演着关键角色。以 北京为例，目前换电出租车已超 5 万辆，为保证车辆正常运营，北京已建成 160 多座出租 车换电站。但换电站建设与运营都需要较大的投入， 换电站运营涉及到运营商、司机用户、 电池持有商等多方的利益诉求，运营商需要实现利润最大化，司机需要获得更好的用户体 验，电池持有方则希望可以延长电池寿命，提高资产保值率。所以为保障换电站长期良性 运营，推进换电模式可持续发展，急需有一种智能解决方案最大化同时满足各方利益诉求。

基于大数据与 AI 技术，通过对车辆、换电站、电池与用户数据做统计分析， 并采用深 度学习手段预测车辆当前换电意愿及换电站换电需求，再结合电价政策与当前电池状态、 换电站功率限制等因素制订电池充电策略与用户换电推荐策略。 1. 打通数据 基于大数据平台整合车辆、换电站、电池与用户数据， 构建多维一体的数据架构模型， 确保数据的完整性与可靠性。 2. 算法模型构建 （1）车辆的换电意愿预测与换电推荐策略 实时分析车辆行为与车况、位置等数据，进行换电意愿预测，通过预测结果对司机进 行车辆换电提示并推荐合理的换电服务地点，有效缩短服务半径，缓解司机里程焦虑。 （2）站端的服务需求预测 基于司机换电意愿预测，结合换电站历史换电数据预测未来一段时间的换电需求量 , 换电需求量是充电策略的主要输入信息。通过分析站端现有的电池数量、电池状态、电池 充电 Map 图、电池健康状态、整站功率配额、当前电价等数据，实时获得未来 1-2 小时 的换电需求量，调整电池的充电策略，通过对电价的削峰填谷与功率调控实现在可满足换 电需求的前提下，最大化降低电池的充电成本，延缓电池衰减。

模式创新方面，智能决策的创新点主要体现在将车辆、场站、电池以及其他关联数据 进行有效打通，并通过对业务流程全链路的拆解构建多个模型与策略最终形成一套让多方 收益的决策方案。 技术创新方面，突破性的实现了大数据与 AI 技术在换电领域乃至新能源行业中的应用。 在算法设计中使用了多模型融合与依赖的混合架构，比如换电意愿预测模型作为站端需求 预测模型的输入特征，而站端需求预测模型同时使用了将 LSTM 与 Prophet 等多种时序模 型融合的方案，最大限度满足结果数据的准确性。

经济效益方面，一是有效降低充电成本 5% 以上，在站端控制中减少对人工的依赖， 提升换电站运营效率；二是通过提升用户满意度增强用户粘性与忠诚度，从而达成订单量 的提升，2023 年北京区域单站日均换次提升 45%，复购率提升 20%；三是合理的补能计 划可缓解车辆里程焦虑并缩短换电距离，通过对比验证综合统计 2023 年平均每次换电路 径减少 3.6 公里，平均换电 SOC 由 42 降低为 31；四是对于电池资产持有者，可通过智能 化管理，延缓电池衰减，延长电池寿命，经跟踪分析电池衰减率可降低 14%，有效提升了 资产利用率和保值率。 社会效益方面，一是智能决策促进了行业生态圈中各方的利益共赢，对行业的良性发 展起到了积极的推动作用；二是出租车在公共交通领域扮演了重要角色，2023 年北京换 电出租车增加 9000 余辆，对出租车辆的服务提升可保证车辆本身的服务能力，这在一定 程度上对城市的公共交通设施建设起到了积极作用；三是智能决策中对电池充电安全保护 的功能，极大的降低了电池安全隐患。2023 年故障上报率减少 37%，实现了北京区域充 电安全 0 事故，对生命财产安全起到了保护，同时还避免了因安全问题而引起的社会影响。