基于能耗加权策略的燃料电池汽车续驶里程预测

doi:10.19562/j.chinasae.qcgc.2023.12.018

摘要/Abstract

摘要：

燃料电池汽车能量消耗量及续驶里程是评价其性能的关键指标。以电电混合燃料电池汽车为例，利用数据驱动方法，综合考虑集成学习模型预测的实时能耗值与模糊C均值聚类工况计算的片段能耗值，设计搭建燃料电池汽车多模型协同能耗预测算法，得到修正能耗值。基于此，构建历史-实时能耗加权的续驶里程预测算法，解决片段内极端工况变化导致的续驶里程预测偏离大的问题，实现燃料电池汽车续驶里程有效预测。最后进行了燃料电池汽车室内转鼓实验以及开放道路实验，预测结果与实验结果吻合度较高，验证了算法的准确性。

关键词: 燃料电池汽车, 能耗预测, 续驶里程预测, 机器学习, 工况聚类, 能耗加权

Abstract:

Energy consumption and driving range of fuel cell vehicle are the key indexes to evaluate its performance. Taking electric hybrid fuel cell vehicle as an example， a data-driven method is used to design and build a multi-model collaborative energy consumption prediction algorithm for fuel cell vehicle， taking into account of real-time energy consumption predicted by integrated learning model and fragment energy consumption calculated by fuzzy C-means clustering conditions， so as to get the corrected energy consumption value. Based on this， a driving range prediction algorithm weighted by historical and real-time energy consumption is constructed to solve the problem of large deviation in driving range prediction caused by changes in extreme operating conditions within segments， to achieve effective driving range prediction for fuel cell vehicles. Finally， the indoor drum experiment and open road experiment of fuel cell vehicle are carried out， and the predicted results are in good agreement with the experimental results， which verifies the accuracy of the algorithm.

Key words: fuel cell vehicle, energy consumption prediction, driving range prediction, machine learning, working condition clustering, energy consumption weighting

姜俊昭,杨文豪,彭彬,郭婷,徐业凯,王国卓. 基于能耗加权策略的燃料电池汽车续驶里程预测[J]. 汽车工程, 2023, 45(12): 2357-2365.

Junzhao Jiang,Wenhao Yang,Bin Peng,Ting Guo,Yekai Xu,Guozhuo Wang. Driving Range Prediction of Fuel Cell Vehicles Based on Energy Consumption Weighting Strategy[J]. Automotive Engineering, 2023, 45(12): 2357-2365.

图/表 23

图1

表1

工况片段中的特征参数"

符号	含义	单位
$v m$	平均速度	km/h
$v m a x$	最高速度	km/h
$v s d$	速度标准差	km/h
$v m r$	平均巡航速度	km/h
$a m$	平均加速度	m/s²
$A N A$	负加速度平均值	m/s²
$A P A$	正加速度平均值	m/s²
$a m a x$	最大加速度	m/s²
$P i$	驻车比例
$P a$	加速比例
$P d$	减速比例
$P c$	匀速比例

表1

图2

表2

特征因子载荷矩阵"

原始特征	主成分1	主成分2	主成分3	主成分4	主成分5
$v m$	0.958	0.075	0.086	0.182	-0.080
$v m a x$	0.948	-0.173	0.124	-0.128	-0.049
$v s d$	0.232	0.441	-0.023	0.747	-0.122
$v m r$	0.968	-0.150	0.0427	0.037	-0.110
$a m$	-0.056	0.914	0.068	0.201	-0.149
$A N A$	-0.050	0.044	0.635	-0.093	0.728
$A P A$	-0.320	0.868	-0.014	0.201	-0.058
$a m a x$	-0.063	-0.675	-0.211	-0.109	0.599
$P i$	0.221	0.099	0.957	0.063	0.022
$P a$	0.096	0.251	-0.005	0.086	-0.913
$P d$	-0.675	0.066	-0.422	0.467	0.287
$P c$	0.529	-0.323	-0.215	-0.630	0.309

表2

图3

表3

模糊C均值二聚类聚类中心"

参数	$v m$	$a m$	$A N A$	$P c$	$P i$
第1类	23.611	-0.003	-0.325	0.181	0.296
第2类	79.820	0.008	-0.286	0.409	0.024

表3

表4

模糊C均值三聚类聚类中心"

参数	$v m$	$a m$	$A N A$	$P c$	$P i$
第1类	21.374	-0.001	-0.315	0.179	0.319
第2类	57.771	0.001	-0.380	0.326	0.050
第3类	102.625	0.005	-0.187	0.459	0.004

表4

图4

图5

表5

图6

图7

图8

图9

图10

图11

表6

图12

图13

图14

图15

图16

表7

能耗及里程预测模型评价指标"

项目	MAE	RMSE	$ε r a n g e / %$
室内转鼓实验能耗	0.006 228	0.008 695
开放道路实验能耗	0.021 134	0.031 263
室内转鼓实验里程	0.597 576		0.29
开放道路实验里程	0.847 365		0.39

表7

参考文献 16

1	YUAN X， ZHANG C， HONG G， et al. Method for evaluating the real-world driving energy consumptions of electric vehicles［J］. Energy， 2017， 141： 1955-1968.
2	余颖弘，李以农，梁艺潇，等.基于数据挖掘的电动汽车瞬态能耗模型建模［C］. 2019中国汽车工程学会年会论文集（2），2019：162-168.
	YU Y H， LI Y N， LIANG Y X， et al. Modeling of transient energy consumption model of electric vehicle based on data mining［C］.Proceedings of 2019 China SAE Congress （2）， 2019：162-168.
3	ZENG T， ZHANG C， HU M， et al. Modelling and predicting energy consumption of a range extender fuel cell hybrid vehicle［J］. Energy， 2018， 165： 187-197.
4	ZHANG J， WANG Z， LIU P， et al. Energy consumption analysis and prediction of electric vehicles based on real-world driving data［J］. Applied Energy， 2020， 275： 115408.
5	NAN S， TU R， LI T， et al. From driving behavior to energy consumption： a novel method to predict the energy consumption of electric bus［J］. Energy，2022，261（PA）.
6	刘光明，欧阳明高，卢兰光，等. 基于电池能量状态估计和车辆能耗预测的电动汽车续驶里程估计方法研究［J］. 汽车工程， 2014， 36（11）： 1302-1309.
	LIU G M， OUYANG M G， LU L G， et al. Driving range estimation for electric vehicles based on battery energy state estimation and vehicle energy consumption prediction［J］. Automotive Engineering， 2014， 36（11）： 1302-1309.
7	尹安东，赵韩，周斌，等. 基于行驶工况识别的纯电动汽车续驶里程估算［J］. 汽车工程， 2014， 36（11）： 1310-1315.
	YIN A D， ZHAO H， ZHOU B， et al. Driving range estimation for battery electric vehicles based on driving cycle identification［J］. Automotive Engineering， 2014， 36（11）： 1310-1315.
8	郑宁安. 纯电动汽车能耗预测与续驶里程估算［D］.大连：大连理工大学，2016.
	ZHENG N A. Energy consumption prediction and driving range estimation for electric vehicles［D］. Dalian： Dalian University of Technology， 2016.
9	舒航，史强，袁凯，等.基于平均能耗并融合整车状态的续驶里程估算［J］.公路交通科技，2022，39（2）：174-182.
	SHU H， SHI Q， YUAN K， et al. Estimation on driving range based on average energy consumption and integrated vehicle status［J］. Journal of Highway and Transportation Research and Development， 2022，39（2）：174-182.
10	WEI H， HE C， LI J， et al. Online estimation of driving range for battery electric vehicles based on SOC-segmented actual driving cycle［J］. Journal of Energy Storage， 2022， 49： 104091.
11	石琴，郑与波，姜平. 基于运动学片段的城市道路行驶工况的研究［J］. 汽车工程， 2011，33（3）： 256-261.
	SHI Q， ZHENG Y B， JIANG P. A research on driving cycle of city roads based on microtrips［J］. Automotive Engineering， 2011，33（3）： 256-261.
12	张林平，李风军. 基于主成分分析和优化聚类算法的行驶工况研究［J］. 华南师范大学学报（自然科学版）， 2021， 53（2）： 121-128.
	ZHANG L P， LI F J. A study of driving conditions based on principal component analysis and optimization clustering algorithm［J］. Journal of South China Normal University（Natural Science Edition）， 2021， 53（2）： 121-128.
13	WU X， FREESE D， CABRERA A， et al. Electric vehicles’ energy consumption measurement and estimation［J］. Transportation Research Part D： Transport and Environment， 2015， 34： 52-67.
14	吕清. 基于数据的纯电动车剩余续驶里程建模与预测研究［D］. 广州：华南理工大学， 2021.
	LÜ Q. Research on modeling and predicting of remaining driving range of battery electric vehicles based on data［D］. Guangzhou： South China University of Technology， 2021.
15	SCHAPIRE R E， SINGER Y. Improved boosting algorithms using confidence-rated predictions［J］. Machine Learning， 1998：80-91.
16	全国汽车标准化技术委员会. 电动汽车能量消耗量和续驶里程试验方法.第1部分：轻型汽车： GB/T 18386.1—2021 ［S］. 北京：中国标准出版社， 2021.
	National Technical Committee of Auto Standardization. Test methods for energy consumption and range of electric vehicles—Part 1： Light-duty vehicles： GB/T 18386.1—2021［S］. Beijing： Standards Press of China， 2021.

聚类种类	能耗值/（kW·h）
第1类	0.355
第2类	0.544
第3类	0.889

参数名称	类型与数值
车辆类型	M₁
整备质量/kg	1 975
最大设计总质量/kg	2 415
氢罐型号	Ⅳ型瓶
燃料电池电堆输出功率/kW	114
氢罐标称压力/MPa	70
储氢容器容积/L	60，62.4
储氢量/kg	4.6
辅助动力电池	镍氢电池
辅助动力电池标称能量/（kW·h）	1.24

[1]	孔维峰,方川,刘继红,李建秋,李飞强,黄圣涛,赵兴旺,石焱,袁殿,徐梁飞,孙鹏,周恩飞,欧阳明高. 基于单片阻抗一致性吹扫的燃料电池低温冷启动策略研究[J]. 汽车工程, 2024, 46(2): 260-268.
[2]	陈吉清,李子涵,兰凤崇,蒋心平,潘威,陈继开. 基于非线性降维IC特征的实车电池SOH估计[J]. 汽车工程, 2023, 45(2): 199-208.
[3]	崔格格,吕超,李景行,张哲雨,熊光明,龚建伟. 数据驱动的智能车个性化场景风险图构建[J]. 汽车工程, 2023, 45(2): 231-242.
[4]	朱成,刘頔,滕欣余,张国华,于丹,刘沙,胡苧丹. 新能源汽车综合经济性对比分析及预测研究[J]. 汽车工程, 2023, 45(2): 333-340.
[5]	朱仲文,汪鑫,江维海,李丞. 氢燃料电池汽车整车集成式热管理系统研究[J]. 汽车工程, 2023, 45(11): 1991-2000.
[6]	何智成,谢泽军,刘侃,周恩临,唐谦,黄元毅. 纯电动汽车传动系统-电机结构参数协同设计优化[J]. 汽车工程, 2023, 45(11): 2113-2122.
[7]	廉玉波,凌和平,王钧斌,潘华,谢朝. 基于混合高斯-隐马尔可夫模型的动力电池实时热失控检测[J]. 汽车工程, 2023, 45(1): 139-146.
[8]	张智明,潘佳琪,章桐. 燃料电池离心式空压机转子临界转速关键影响因素分析[J]. 汽车工程, 2022, 44(9): 1386-1393.
[9]	魏小栋,刘波,冷江昊,周星宇,孙超,孙逢春. 基于凸优化的燃料电池汽车节能驾驶研究[J]. 汽车工程, 2022, 44(6): 851-858.
[10]	赵健,李雅欣,佟静,朱冰,武维祥,孙博华,韩嘉懿. 基于车辆动力学响应特征的越野地面分类方法[J]. 汽车工程, 2022, 44(6): 909-918.
[11]	黄晶,彭扬,黄烨,彭晓燕. 考虑噪声标签影响的驾驶员精神负荷状态评价[J]. 汽车工程, 2022, 44(5): 771-777.
[12]	方川,袁殿,邵扬斌,徐梁飞,李飞强,胡尊严,李建秋,周宝,戴威. 面向冬奥示范的新一代燃料电池系统技术突破[J]. 汽车工程, 2022, 44(4): 535-544.
[13]	王亚雄,王轲轲,钟顺彬,何洪文,王薛超. 面向耐久性提升的车用燃料电池系统电控技术研究进展[J]. 汽车工程, 2022, 44(4): 545-559.
[14]	韩济泉,孔祥程,冯健美,彭学院. 大功率燃料电池汽车氢循环系统性能分析[J]. 汽车工程, 2022, 44(1): 1-7.
[15]	胡杰,朱雪玲,何陈,杨光宇. 基于实车数据的电动汽车电池健康状态预测[J]. 汽车工程, 2021, 43(9): 1291-1299.