消费(社会学)
能源消耗
真实世界数据
电动汽车
计算机科学
汽车工程
工程类
数据科学
社会学
电气工程
物理
社会科学
功率(物理)
量子力学
作者
ZHAO Jingyu,Cheng Xu,Xiaoyu Li
出处
期刊:Jixie gongcheng xuebao
[Chinese Journal of Mechanical Engineering]
日期:2023-01-01
卷期号:59 (10): 263-263
标识
DOI:10.3901/jme.2023.10.263
摘要
摘要: 相比于传统燃油汽车,较短的行驶里程和较长的充电时间是电动汽车的两大技术难点,因此准确地能耗预测对于缓解驾驶者的"里程焦虑"具有重要意义。以天津市实车运行数据为样本,将车辆行驶数据划分为若干运动学片段,分析电动汽车行驶过程中对能耗影响的相关因素,包括行驶状态、运行工况对能耗的影响和制动能量回收对续驶里程的影响;以提高能耗预测模型的精度为目标,提出一种基于行驶工况类别的能耗预测方法,首先通过马尔科夫蒙特卡洛算法实现未来行驶工况曲线预测,融合神经网络算法识别出拥堵工况、城市工况和高速工况三种类别,从三类行驶工况提取出特征参数,分别输入到相应的XGBoost算法中构建能耗预测模型实现对未来行驶能耗的精准预测;该方法与传统能耗预测方法结果进行对比,结果表明所提出的方法在实际行驶条件下可以有效提高能耗预测精度。
科研通智能强力驱动
Strongly Powered by AbleSci AI