基于能耗加权策略的燃料电池汽车续驶里程预测

燃料电池汽车能量消耗量及续驶里程是评价其性能的关键指标。以电电混合燃料电池汽车为例,利用数据驱动方法,综合考虑集成学习模型预测的实时能耗值与模糊C均值聚类工况计算的片段能耗值,设计搭建燃料电池汽车多模型协同能耗预测算法,得到修正能耗值。基于此,构建历史-实时能耗加权的续驶里程预测算法,解决片段内极端工况变化导致的续驶里程预测偏离大的问题,实现燃料电池汽车续驶里程有效预测。最后进行了燃料电池汽车室内转鼓实验以及开放道路实验,预测结果与实验结果吻合度较高,验证了算法的准确性。

基于多模型融合的电动汽车行驶里程预测

纯电动汽车行驶里程预测是驾驶者最关心的问题之一,为解决现有预测算法模型精度低、相对误差大的问题,本文采用融合片段回归与单点分类的机器学习方法对行驶里程进行预测.以真实车辆各项状态参数、环境信息等作为输入,通过聚类和过滤封装式特征筛选,提取最优特征集合,并基于行驶片段样本量选择预测方法,通过对环境温度和电池健康状态(SOH)进行分层耦合提高片段回归预测精度,通过单点分类和片段回归预测模型融合优化最终预测结果.行驶里程测试集预测结果中均方根相对误差(RMSRE)为0.035,平均相对误差为1.71%,能够精确稳定地实现行驶里程预测.

基于改进符号回归算法和XGBoost算法的剩余续驶里程预测

提高剩余续驶里程预测精度可以缓解驾驶人的“续航焦虑”,帮助车厂开发精细的电池管理系统,提高纯电动汽车的接受度。基于改进符号回归算法自动生成与标签字段高度相关的新数据特征字段,实现数据维度扩充。再将维度扩充后的数据传入经过超参数调优的XGBoost模型预测剩余续驶里程。对比仅使用经典特征字段的原始数据,维度扩充后的数据在预测精度上最大相对绝对误差下降4.9%,平均绝对误差和均方根误差下降超过20%,且随着时间的增加,使用维度扩充后的数据进行预测的误差下降更快。结果证明提出的方法可以优化数据集质量,提高预测结果的精确度并减小误差,为纯电动汽车剩余续驶里程预测提供了新的思路。

GM(1,1)模型在公路里程预测中的应用

为提高公路里程预测精度,在分析传统预测方法存在问题的基础上,根据灰色预测理论的优点,运用GM（1,1）模型对广西省公路网里程进行预测分析,结果表明该法具有较高的预测精度。

基于交路接续规律的动车组运营里程预测算法

为了实现高精度的动车组运营里程预测,提出一种新的以交路接续规律为依据的动车组运营里程预测算法。首先,将数据记录时间作为分段参数,提出用分段函数的形式为动车组历史开行数据附加时间权重。然后,根据动车组历史开行数据中的交路接续情况,结合时间权重,将交路转移概率矩阵作为交路接续规律的载体,并考虑新交路的情况对矩阵进行修正。最后,基于交路转移概率矩阵中的概率值,以随机的方式实现了动车组的交路接续预测。实验结果表明,与传统的日均里程法相比,所提算法在预测准确率和预测结果稳定性上均有显著提升。

基于电池SOE预测电动汽车的续驶里程

提出采用电池能量状态(SOE)估算以提高电动汽车续驶里程预测的精度。在基本SOE定义的基础上,引入热能参数对数学模型进行修正,结合车辆质量、行驶阻力、电池组性能及行驶工况等影响因素,研究电动汽车供需功率模型,建立基于SOE的续驶里程预测方法。标准循环测试工况验证表明:该方法的精度比传统方法提高了4.09%,预测结果更接近实际值。

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。

电动汽车行驶里程与电池SOC相关性分析与建模

为解决电动汽车驾驶员里程焦虑问题,并为车辆行驶里程预测提供重要依据,本文提出一种基于数据驱动的方法来探讨电动汽车行驶里程和电池SOC之间的关系.首先对采集的原始数据进行删除、插值和平均处理,再对电动汽车行驶里程和电池SOC进行相关性分析并建立模型,利用递推最小二乘法对模型参数进行辨识.利用北京市运营物流电动车的数据对建立的模型及参数辨识结果进行验证.实验结果表明,本文采用的基于数据驱动预测行驶里程的方法是可行的,所建立的行驶里程与电池SOC模型具有较高的准确度.

基于HMM的电动出租汽车行驶状态预测改进模型研究

对电动出租汽车行驶状态预测是交通状况和负荷预测方面的重要研究内容。通过模拟电动出租汽车行驶状态,匹配电动出租汽车特殊的行驶特征,提出一种基于隐马尔可夫模型(HMM)的行驶状态预测改进模型。利用出租汽车GPS行驶数据,通过载客情况和停留识别算法进行行程划分。在求解电动出租汽车的行驶状态时,使用滑动窗口模型改进状态转移概率求解,通过Baum-Welch算法求解观察概率与初始概率分布。测试结果表明HMM能准确地对电动出租汽车行程的目的地与行驶里程进行预测。

基于用户驾驶行为特性的电动汽车有序充电策略

电动汽车用户重点关注充电的便利性,但用户在享受便利的同时往往会对电网产生不良的影响。因此,在充电过程中如何同时兼顾用户的便利性和电网的安全性,成为亟待解决的问题。针对上述问题,提出基于用户驾驶行为特性的电动汽车有序充电策略。采用主成分分析和模糊聚类相结合的方法研究用户的驾驶行为特性,预测电动汽车的续驶里程。据此计算车辆每次充电的充电量,同时根据局域配电网负荷曲线,对电动汽车充电进行调度。通过模拟群体电动汽车用户的出行行为,对比分析了电动汽车在无序充电和不同用户响应率下有序充电时的配电网负荷曲线,结果表明所提策略可以有效地减少配电网负荷的峰谷差,提高用户对有序充电策略的积极性。

深中通道沉管隧道合龙口长度评估

针对深中通道沉管隧道合龙口长度评估问题,对隧道长度测量精度进行分析,并对合龙口里程进行预测。通过分析洞内导线贯通测量精度、测量塔投点测量精度以及管节长度偏差等因素,评估了隧道长度测量的可靠性。同时,结合实测数据,对合龙口里程进行了预测,为最终接头制作配切提供参考数据。