基于充电行为多模型融合的电动汽车能耗预测及相关体系探究
安科瑞鲁一扬15821697760
摘要：电动汽车能耗预测于车辆路径规划及充电行为颇为关键。本研究提出一种融合多模型并考量充电行为的能耗预测法，先构建基于实车少量数据与有限参数的能耗计算模型，接着构建充电行为模型，剖析提取与能耗密切相关的充电行为特征，最后借助长短期记忆循环神经网络搭建能耗预测模型。经实车数据验证，该法可精准预测同款车型在不同起始电池电量、温度及时间段的汽车能耗，均方根误差为 1.27，与现有方法相比，均方根误差至少降低 4.5%。
关键词：能耗预测；电动汽车；充电行为
一、引言
电动汽车已成为低碳交通体系的重要构成。近年来其在中国保有量迅速增长，截至 2021 年 10 月达 891 万辆，预计 2030 年将达 1 亿。美、中及欧盟等多地均出台促其发展政策并设定传统内燃机汽车禁售时间。然而，电动汽车应用仍存续驶里程短、充电设施不完善、电池安全有隐患等问题，“里程焦虑” 制约其进一步推广。可靠精准的能耗预测能精确估算电池剩余续航里程，助力用户规划行程，缓解 “里程焦虑”。
当下国内外电动汽车能耗预测法主要分基于车辆动力学与基于数据驱动两类。基于车辆动力学，学者们依据车辆结构构建动力学模型以计算预测能耗，如 MADHUSUDHANAN 等构建综合车辆特性等多因素的能耗模型并验证其对车队管理的有效性，还有针对公交车节能驾驶构建多种工况并设计速度策略，通过仿真模型对比选取节能率高的速度曲线。
二、电动汽车实车数据采集与处理
为提升电动汽车性能与可靠性，需通过车上多种传感器及设备收集数据，包括反映电池状态的电流、电压、SOC、SOH、温度等参数，以及车速等整车数据，数据存储于车辆控制单元或其他设备后上传数据库。本研究数据源于国家新能源汽车监测管理中心等构建的平台与实验室，所研究数据为 10 辆同款电动汽车的历史运行时间序列数据，采集频率 0.1HZ，这些数据含车辆不同条件下能耗信息，可用于训练验证能耗计算模型，即实车测试或行驶记录所得的实车稀疏数据。
三、考虑充电行为的能耗预测方法
能耗计算对车辆设计优化至关重要，但因涉及车辆动力、驾驶行为、路况等复杂因素，精准预测颇具挑战。为此研究者提出多模型融合法，本研究也采用该法预测电动汽车能耗，其整体流程含能耗计算、充电行为分析与能耗预测三个模型。
3.1 实车能耗计算模型
因实际车辆动力系统复杂，有限参数难以完整描述能耗特性，故采用多模型融合，即运用不同理论、统计或机器学习模型描述能耗特性，并依不同条件参数优化以提升计算准确性，依多模型融合流程先构建实车稀疏数据与有限参数下的能耗计算模型。
3.2 充电行为分析模型
为量化分析充电行为对能耗的影响，先依实车传感器采集参数计算充电行为相关特征，再提取与能耗强相关的特征。构建 “车辆信息 - 电池特征 - 驾驶员行为” 多维特征指标体系，车辆信息涵盖充电位置经纬度、行驶累计里程等；电池特征包含充电起始 SOC 等；驾驶员行为包括平均充电电流等。
3.3 基于长短期记忆循环的能耗预测模型
循环神经网络可处理序列数据且具记忆性等优势，LSTM 作为其改进型能有效避免梯度问题，适应长期序列学习。本项目针对汽车使用中多种因素影响，构建多因子融合的 LSTM 实现整车及电池长期能量预测，模型含输入、全连接、连接与输出层，采用 “多对一” 方式，将历史能源消耗数据输入预测模型计算下次出行能耗。
四、 解决方案
图1 有序充电管理系统示意图
图2平台结构图
充电运营管理平台是基于物联网和大数据技术的充电设施管理系统，可以实现对充电桩的监控、调度和管理，提高充电桩的利用率和充电效率，提升用户的充电体验和服务质量。用户可以通过APP或小程序提前预约充电，避免在充电站排队等待的情况，同时也能为充电站提供更准确的充电需求数据，方便后续的调度和管理。通过平台可对充电桩的功率、电压、电流等参数进行实时监控，及时发现和处理充电桩故障和异常情况对充电桩的功率进行控制和管理，确保充电桩在合理的功率范围内充电，避免对电网造成过大的负荷。
五、安科瑞充电桩云平台具体的功能
平台除了对充电桩的监控外，还对充电站的光伏发电系统、储能系统以及供电系统进行集中监控和统一协调管理，提高充电站的运行可靠性，降低运营成本，平台系统架构如图3所示。
图3 充电桩运营管理平台系统架构
大屏显示：展示充电站设备统计、使用率排行、运营统计图表、节碳量统计等数据。
图4 大屏展示界面
站点监控：显示设备实时状态、设备列表、设备日志、设备状态统计等功能。
图5 站点监控界面
设备监控：显示设备实时信息、配套设备状态、设备实时曲线、关联订单信息、充电功率曲线等。
图6 设备监控界面
运营趋势统计：显示运营信息查询、站点对比曲线、日月年报表、站点对比列表等功能。
图7 运营趋势界面
收益查询：提供收益汇总、实际收益报表、收益变化曲线、支付方式占比等功能。
图8 收益查询界面
故障分析：提供故障汇总、故障状态饼图、故障趋势分析、故障类型饼图等功能。
图9 故障分析界面
订单记录：提供实时/历史订单查询、订单终止、订单详情、订单导出、运营商应收信息、充电明细、交易流水查询、充值余额明细等功能。
图10 订单查询界面
六、产品选型
安科瑞提供慢充、快充多种类型充电桩，如智能 7kw/21kw 交流充电桩等多种规格，以满足新能源汽车行业运营管理需求，具备智能监测、计量、云平台连接、远程升级、多重保护及适配多种车型等功能，并介绍了各产品型号与技术参数。
| 产品图 | 名称 | 技术参数 |
| AEV200-AC007D |
额定功率：7kW 输出电压：AV220V 充电枪：单枪 充电操作：扫码/刷卡 防护等级：IP65 通讯方式：4G、Wifi 安装方式：立柱式/壁挂式 |
|
| AEV210-AC007D |
额定功率：7kW 输出电压：AV220V 充电枪：单枪 人机交互：3.5寸显示屏 充电操作：扫码/刷卡 防护等级：IP54 通讯方式：4G、Wifi 安装方式：立柱式/壁挂式 |
|
| AEV300-AC021D |
额定功率：21kW 输出电压：AV220V 充电枪：单枪 人机交互：3.5寸显示屏 充电操作：扫码/刷卡 防护等级：IP54 通讯方式：4G、Wifi 安装方式：立柱式/壁挂式 |
|
| AEV200-DC030D |
额定功率：30kW 输出电压：DC200V-750V 充电枪：单枪 人机交互：7寸触摸屏 充电操作：扫码/刷卡 防护等级：IP54 通讯方式：以太网、4G（二选一） |
|
|
AEV200-DC060D/ AEV200-DC080D |
额定功率：60kW/80kW 输出电压：DC200V-1000V 充电枪：单枪 人机交互：7寸触摸屏 充电操作：扫码/刷卡 防护等级：IP54 通讯方式：以太网、4G（二选一） |
|
|
AEV200-DC060S/ AEV200-DC080S |
额定功率：60kW/80kW 输出电压：DC200V-1000V 充电枪：双枪 人机交互：7寸触摸屏 充电操作：扫码/刷卡 防护等级：IP54 通讯方式：以太网、4G（二选一） |
|
|
AEV200-DC120S/ AEV200-DC180S |
额定功率：120kW/180kW 输出电压：DC200V-1000V 充电枪：双枪 人机交互：7寸触摸屏 充电操作：扫码/刷卡 防护等级：IP54 通讯方式：以太网、4G（二选一） |
|
|
AEV200-DC240M4/ AEV200-DC480M8/ AEV200-DC720M12 |
额定功率：240kW/480kW/720kw 输出电压：DC150V-1000V 充电终端支持:常规单双枪终端 防护等级:IP54 |
|
| AEV200-DC250AD |
最大输出：250A 1个充电接口； 支持扫码、刷卡支付； 4G、以太网通讯（二选一） |
|
| AEV200-DC250AS |
最大输出：250A 2个充电接口； 支持扫码、刷卡支付； 4G、以太网通讯（二选一） |
七、现场图片
八、结论
能源消耗预测在现代意义重大，本研究提出的考虑充电行为的多模型融合电动汽车能耗预测方法含三个子模型。为验其性能，用相同训练数据训练该模型与常见对比模型，并对同款车型数据预测与计算均方根误差。能耗预测方法的准确性与可靠性对能源管理决策极为关键，依实际运行数据预测结果与真实值对比可得出相关结论。
审核编辑 黄宇
-
电动汽车
+关注
关注
156文章
12067浏览量
231099 -
多模型
+关注
关注
0文章
2浏览量
5731
发布评论请先 登录
相关推荐
电动汽车充电系统设计与运营平台方案探究
电动汽车有序充电与车网互动技术：现状、挑战与应对策略
电动汽车充电对配电网影响及有序控制策略研究
电动汽车充电负荷预测与智能有序充电策略研究
电动汽车充电负荷预测与智能有序充电策略探究
浅谈基于“车-路-站-网”信息耦合的电动汽车有序充电策略
浅析用户行为的V2G模式下电动汽车有序充电控制负荷预测研究
虚拟电厂如何优化调度电动汽车充电
电动汽车有序充电优化策略
直流快速电动汽车充电器的设计技巧与解决方案
电动汽车充电类型和常见拓扑
电动汽车充电桩负荷预测的分析
浅谈基于充电行为分析的电动汽车充电负荷预测
工商网监
评论