科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对高维输入特征和长时预测需求下荷电状态预测困难的问题，提出一种电动公交车电池荷电状态的Seq2Seq预测方法.在电池状态的基础上引入车辆行驶状态和行驶工况，利用特征选择算法分析各因素对荷电状态的影响.以LSTM为基本单元结构，WN-Seq2Seq算法融合Seq2Seq与WaveNet循环结构，可以强化高维输入特征与预测荷电状态的序列信息记忆与表征能力，从而提高模型的预测精度.通过2021—2022年杭州市4辆电动公交车实际行驶数据验证表明，在引入车辆行驶状态和行驶工况后，WN-Seq2Seq模型的评价指标均方误差（MSE）、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和模型计算时间（MCT）分别为0.505%、0.479%、0.656%和0.017 s.研究结果表明相比传统模型，预测精度及稳定性都有所提升，在不同温度区间下都具有良好的预测效果，为电动公交车能耗控制策略、安全管理提供合理且可靠的参数决策支持.
- 单位
