基于数据驱动的电动汽车能耗分析与估算

扫码查看

原文链接

NETL

中文摘要：纯电动汽车使用者普遍存在里程焦虑问题，而厂家显示在中控屏上的续驶里程往往与实际值差别较大，不能对驾驶员起到很好的驾驶指导。电动汽车的续驶里程取决于动力电池的剩余可用能量和整车未来一段时间的能量消耗，本文聚焦于能耗的分析与估算。本文首先对国内外学者关于电动汽车能耗估算的研究现状进行了梳理，选择基于数据驱动的历史经验算法，结合本文数据特点设计了研究技术路线图。通过对电动汽车电力驱动系统的介绍、电动汽车能量流的梳理、电动汽车能耗影响因素的分析，结合本文数据特点选定了基于行驶工况和驾驶行为识别的能耗预测方法。接着使用实车数据，提取速度、电压、电流、转速、转矩等数值，经过数据清洗、特征值提取、数据归一等预处理操作，使用聚类算法对行驶工况进行聚类，分析得到的典型工况特征并运用于测试集行驶能耗的估算，然后对驾驶行为进行聚类，使用得到的驾驶行为修正参数对估算结果进行调整。最后检验了聚类算法的泛化能力，并使用马尔科夫链从概率角度对附件能耗进行了估算。通过研究，本文得出以下研究成果：1）针对新能源汽车政府监控平台数据类型设计了全新的数据预处理方法。2）使用本文设计的聚类算法对某车辆行驶工况进行识别和估算，可区分出几种典型工况，测试集平均绝对百分比误差为17.11%，64.91%样本的相对误差绝对值在20%以内，具有一定准确度。3）将驾驶行为特征加入聚类模型，可得到驾驶行为修正系数，在此基础上估算的平均绝对百分比误差为13.89%，72.42%样本的相对误差绝对值在20%以内，准确度有所提高。4）模型泛化能力良好，商用车的聚类簇中心更紧密，预测结果也略好于乘用车。5）基于马尔科夫链对附件能耗进行估算，准确度达到80%以上，用于预测总能耗比传统定值比例法误差更小。

作者：

赵欣

展开 >

关键词：

电动汽车行驶能耗聚类分析马尔科夫链数据挖掘

授予学位：

硕士

学科专业：

车辆工程

导师：

符钢战

学位年度：

2020

学位授予单位：

同济大学

语种：

中文

中图分类号：