基于机器学习的电动汽车续航里程预测

作者：李晓宇; 陈炫锴; 李嘉栩; 林梓瀚

来源：电器与能效管理技术, 2021, (10): 78-91.

DOI：10.16628/j.cnki.2095-8188.2021.10.013

• 电动汽车
• 锂离子电池
• 续航里程
• 梯次利用
• 长短期记忆网络(LSTM)

电动汽车动力电池退役高峰下,电池梯次利用备受关注,车辆续航里程是界定电池衰老程度的重要参考指标。为对车辆续航里程及电池健康状况进行准确建模,以电动汽车续航能力为研究对象,在长短期记忆网络基础上,实验分析并确定电池系统电压、电流、温度、SOC等特征参量对神经网络训练结果的影响程度。最终选取等效里程、放电循环耗电量、电压平均值三维特征作为网络模型的输入量,获得最优电动汽车续航能力预测模型。在测试集上预测结果的均方根误差为10.81 km,相对误差9.818%,可为电动汽车能源管理和动力电池性能衰退情况评估提供依据。

• 单位
  深圳大学