机械工程学报

作者：邓忠伟, 肖伟, 李阳, 黄勇, 贾俊, 胡晓松

单位：1. 重庆大学汽车工程学院 重庆 400044;2. 清华大学电力系统及大型发电设备安全控制和仿真实验室 北京 100084;3. 四川虹微技术有限公司 成都 610041;4. 清华四川能源互联网研究院 成都 610213

关键词：电动汽车,循环里程预测,数据驱动,IC特征带,支持向量回归；

基金：国家自然科学基金（51875054）、重庆市自然科学基金（cstc2019jcyjjq0010）、博士后（cstc2020jcyj-bsh0040）和四川省科技计划（20ZDYF0274）资助项目。

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。

来源：2021年第24期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2021年第24期