这个问题，想起来容易做起来难。每个细致的环节，都需要进行仔细推敲，特别是做分析评估的时候，需要和很多的技术变量、经济变量还有场景方面进行细致的核算。一算么，整个事情很容易得不出来细致得结果。
在单体=>模组过程中，我们会记录相应的信息，获取初始不一致性。而在车辆往私人市场使用过程中，由于系统性的分类，这里面产生了大量的差异的地方，也会对电池本身造成很大的差异。
不管是通过内部的BMS记录的SOH和电池在过程中使用的滥用数据组还是采取实时数据检测，我们获取的还是一个相对宽泛的结果。
关于SOH特别是容量估计的算法，每家企业都在不断的更新，不断的数据积累是可以获取更准确的估计算法，来评估实际的容量衰减和可使用的特性情况，特别是DCR的衰变
但这个事情，还是有个大问题，我们电池包拆还是不拆呢？如果拆，基于BMS和云端的数据进行分类之后，到模组层面进行分选，这里面也存在大量的工作，特别是分散的工作。现在看到乘用车方面的内容，以BMW和Daimler等几家之前投入的一批BEV的电池都是按照整包的情况进行一些演示性的
宝马将i3替换下来的约700组汽车动力电池集合到该储能厂，形成一套电池系统，用于储存电网低峰时段的电量，用电高峰或发电量低时再进行电量输出
短期内，从较少量的数百和数千的来看，是不拆包合算。
这里如果存在不一致，或者空间的原因，也可以进行模组重组
这个模组是三个成组，两个比一下这个架子的利用率还有从液冷切换到风冷的使用模式，还是值得尝试的
这个电池系统先要取出，然后进行重组配对，放电均衡调平
这里面实际的问题也比较多，主要是用原来的BMS打理诸多模组并联还是存在困难，这个BMS也从CAN切换到新的基于类似以太网的集中式运算
基于这些旧电池怎么管控，把大量的数据收集上来统一进行管控，再弄个强大的计算平台统一管控甚至上面跑电池管理的AI是个好主意不？
来源：汽车电子设计
