|
15.
基于车辆行为的车载电池SOC的预测
许娟婷, 孟恒宇, 郭文超,
传动技术
2019, 33 (01):
22-28.
DOI: 10.3969/j.issn.1006-8244.a0929
随着智能交通和大数据技术的发展,汽车的智能化、电动化、网联化、共享化成为未来汽车发展的新趋势。但消费者对电动车续航里程和公共充电基础设施的担任,使得电动汽车的普及难以进一步开展。本课题以大数据为基础,以纯电动汽车为研究主体,以车载荷电状态(SOC)为主要研究对象,用数据驱动的方法分析车辆行为规律,包括车辆驾驶行为和充电行为。从车辆行为分析,我们得出结论:共享电动汽车使用率偏低(不足50%),却有接近35%的车辆开始充电时的SOC低于20%,因而应对不同地区进行合理的车辆数量配置以及合理的跨区域调度车辆。车载电池SOC的准确估计和预测是保证电动汽车可靠运行的前提。针对车辆驾驶过程中车载电池SOC,采用了决策树的方法和神经网络长短期记忆网络进行SOC的回归预测,并对比两种预测方法的结果。预测20秒后的SOC,采用决策树XGBoost进行回归预测的准确率只有55.3%,而长短期记忆网络预测SOC的准确率高达98.38%,可见长短期记忆网络的预测模型更好。预测10分钟后的车载电池SOC,预测准确性为73.10%。预测10分钟后的SOC的准确率降低从侧面反应出车辆驾驶行为的动态特性非常强,很难做到精准的长时间预测。
相关文章 |
多维度评价 |
评论(0)
|
|