随着新能源汽车的发展，目前BMS的市场已经初具规模，相关技术已经足以满足市场基本要求，但是随着技术指标的要求提升，相关软件算法会不断的优化，对于控制器的算力要求也不断提升，并朝着高精度估算和智能化的趋势发展。现有控制器的算力提升带来的成本压力较大，考虑到市场终端车辆的基数较大，且产生的数据较多，数据覆盖场景也较为全面，所以可以考虑基于大数据并利用云端计算机的超强算力，从而完成更高精度的复杂算法，更超前的预警等等电池状态信息的估算和预判，从而减少事故的概率。如果主机厂自己能掌握云端BMS系统的核心算法、主要功能及核心技术的开发，那么将会大幅提升BMS的个性化策略的开发，会使得每辆车的动力电池控制策略都具有针对性，从而提升驾驶车辆的可靠性和安全性。

项目重点研究动力电池状态参数估算的核心算法，如参不同驾驶习惯、驾驶环境、不同的电芯化学体系下的车辆在不同使用阶段的SOC、SOH等状态参数的精准估算。将通过自大数据和电池化学或物理模型，并结合云端的高性能算力的优势，车辆自学习驾驶习惯并针对这种驾驶习惯估算出SOC和SOH，同时也对驾驶员给出针对性的合理驾驶提醒，从而打通人、车、云的互通，让车辆控制软件更加智能化。

考核指标
主要算法