安科瑞魯一揚15821697760

摘要：電動汽車能耗預測于車輛路徑規劃及充電行為頗為關鍵。本研究提出一種融合多模型并考量充電行為的能耗預測法，先構建基于實車少量數據與有限參數的能耗計算模型，接著構建充電行為模型，剖析提取與能耗密切相關的充電行為特征，最后借助長短期記憶循環神經網絡搭建能耗預測模型。經實車數據驗證，該法可精準預測同款車型在不同起始電池電量、溫度及時間段的汽車能耗，均方根誤差為 1.27，與現有方法相比，均方根誤差至少降低 4.5%。

關鍵詞：能耗預測；電動汽車；充電行為

一、引言

電動汽車已成為低碳交通體系的重要構成。近年來其在中國保有量迅速增長，截至 2021 年 10 月達 891 萬輛，預計 2030 年將達 1 億。美、中及歐盟等多地均出臺促其發展政策并設定傳統內燃機汽車禁售時間。然而，電動汽車應用仍存續駛里程短、充電設施不完善、電池安全有隱患等問題，“里程焦慮” 制約其進一步推廣。可靠精準的能耗預測能精確估算電池剩余續航里程，助力用戶規劃行程，緩解 “里程焦慮”。

當下國內外電動汽車能耗預測法主要分基于車輛動力學與基于數據驅動兩類。基于車輛動力學，學者們依據車輛結構構建動力學模型以計算預測能耗，如 MADHUSUDHANAN 等構建綜合車輛特性等多因素的能耗模型并驗證其對車隊管理的有效性，還有針對公交車節能駕駛構建多種工況并設計速度策略，通過仿真模型對比選取節能率高的速度曲線。

二、電動汽車實車數據采集與處理

為提升電動汽車性能與可靠性，需通過車上多種傳感器及設備收集數據，包括反映電池狀態的電流、電壓、SOC、SOH、溫度等參數，以及車速等整車數據，數據存儲于車輛控制單元或其他設備后上傳數據庫。本研究數據源于國家新能源汽車監測管理中心等構建的平臺與實驗室，所研究數據為 10 輛同款電動汽車的歷史運行時間序列數據，采集頻率 0.1HZ，這些數據含車輛不同條件下能耗信息，可用于訓練驗證能耗計算模型，即實車測試或行駛記錄所得的實車稀疏數據。

三、考慮充電行為的能耗預測方法

能耗計算對車輛設計優化至關重要，但因涉及車輛動力、駕駛行為、路況等復雜因素，精準預測頗具挑戰。為此研究者提出多模型融合法，本研究也采用該法預測電動汽車能耗，其整體流程含能耗計算、充電行為分析與能耗預測三個模型。

3.1 實車能耗計算模型
因實際車輛動力系統復雜，有限參數難以完整描述能耗特性，故采用多模型融合，即運用不同理論、統計或機器學習模型描述能耗特性，并依不同條件參數優化以提升計算準確性，依多模型融合流程先構建實車稀疏數據與有限參數下的能耗計算模型。

3.2 充電行為分析模型
為量化分析充電行為對能耗的影響，先依實車傳感器采集參數計算充電行為相關特征，再提取與能耗強相關的特征。構建 “車輛信息 - 電池特征 - 駕駛員行為” 多維特征指標體系，車輛信息涵蓋充電位置經緯度、行駛累計里程等；電池特征包含充電起始 SOC 等；駕駛員行為包括平均充電電流等。

3.3 基于長短期記憶循環的能耗預測模型
循環神經網絡可處理序列數據且具記憶性等優勢，LSTM 作為其改進型能有效避免梯度問題，適應長期序列學習。本項目針對汽車使用中多種因素影響，構建多因子融合的 LSTM 實現整車及電池長期能量預測，模型含輸入、全連接、連接與輸出層，采用 “多對一” 方式，將歷史能源消耗數據輸入預測模型計算下次出行能耗。

四、 解決方案

圖1 有序充電管理系統示意圖

圖2平臺結構圖

充電運營管理平臺是基于物聯網和大數據技術的充電設施管理系統，可以實現對充電樁的監控、調度和管理，提高充電樁的利用率和充電效率，提升用戶的充電體驗和服務質量。用戶可以通過APP或小程序提前預約充電，避免在充電站排隊等待的情況，同時也能為充電站提供更準確的充電需求數據，方便后續的調度和管理。通過平臺可對充電樁的功率、電壓、電流等參數進行實時監控，及時發現和處理充電樁故障和異常情況對充電樁的功率進行控制和管理，確保充電樁在合理的功率范圍內充電，避免對電網造成過大的負荷。

五、安科瑞充電樁云平臺具體的功能

平臺除了對充電樁的監控外，還對充電站的光伏發電系統、儲能系統以及供電系統進行集中監控和統一協調管理，提高充電站的運行可靠性，降低運營成本，平臺系統架構如圖3所示。

圖3 充電樁運營管理平臺系統架構

大屏顯示：展示充電站設備統計、使用率排行、運營統計圖表、節碳量統計等數據。

圖4 大屏展示界面

站點監控：顯示設備實時狀態、設備列表、設備日志、設備狀態統計等功能。

圖5 站點監控界面

設備監控：顯示設備實時信息、配套設備狀態、設備實時曲線、關聯訂單信息、充電功率曲線等。

圖6 設備監控界面

運營趨勢統計：顯示運營信息查詢、站點對比曲線、日月年報表、站點對比列表等功能。

圖7 運營趨勢界面

收益查詢：提供收益匯總、實際收益報表、收益變化曲線、支付方式占比等功能。

圖8 收益查詢界面

故障分析：提供故障匯總、故障狀態餅圖、故障趨勢分析、故障類型餅圖等功能。

圖9 故障分析界面

訂單記錄：提供實時/歷史訂單查詢、訂單終止、訂單詳情、訂單導出、運營商應收信息、充電明細、交易流水查詢、充值余額明細等功能。

圖10 訂單查詢界面

六、產品選型

安科瑞提供慢充、快充多種類型充電樁，如智能 7kw/21kw 交流充電樁等多種規格，以滿足新能源汽車行業運營管理需求，具備智能監測、計量、云平臺連接、遠程升級、多重保護及適配多種車型等功能，并介紹了各產品型號與技術參數。

七、現場圖片

八、結論

能源消耗預測在現代意義重大，本研究提出的考慮充電行為的多模型融合電動汽車能耗預測方法含三個子模型。為驗其性能，用相同訓練數據訓練該模型與常見對比模型，并對同款車型數據預測與計算均方根誤差。能耗預測方法的準確性與可靠性對能源管理決策極為關鍵，依實際運行數據預測結果與真實值對比可得出相關結論。

審核編輯 黃宇