宏观时间尺度下的电动汽车循环里程预测

由于动力系统特性的不同,针对传统内燃机车辆制定的保养维护策略,对于电动汽车来说并不适用.根据电动汽车的历史运行数据,预测其未来循环里程的变化趋势,可提出个性化的保养维修建议,延长电池系统的使用寿命.首先,基于实车运行的慢充数据,绘制不同充电片段下各电池单体的IC曲线,利用皮尔森相关性分析,提取与里程具有高相关性的特征,形成电池组的IC特征带.此外,研究表明等效循环次数、充电时间和平均温度与循环里程具有非常高的相关性.然后,利用上述特征和IC特征带的均值和宽度,可构造5维特征,以该多维特征为输入量,以循环里程为输出量,利用多种机器学习算法建立不同的数据驱动模型.结果表明,各模型均有较好的预测精度,循环里程预测的平均误差均小于3％,其中支持向量回归模型的预测效果最好,平均误差小于1％.通过对未来循环里程的预测,可有效识别出电池老化衰减速率,为电动汽车的保养维修提供指导和建议.