基于多模型融合的電動汽車行駛里程預測

胡 杰，翁靈隆，覃雄臻，杜玉峰，高長斌

(1.武漢理工大學a.現代汽車零部件技術湖北省重點實驗室，b.汽車零部件技術湖北省協同創新中心，武漢430070；2.新能源與智能網聯車湖北工程技術研究中心，武漢430070；3.上汽通用五菱汽車股份有限公司，廣西柳州545000)

0 引 言

電動汽車具有環保、節能的顯著優勢，但是電池技術尚未完善，影響著電動汽車的發展.對純電動汽車行駛里程的準確預測，能有效解決用戶的里程焦慮問題.因此，提高電動汽車行駛里程預測精度的研究具有重要的現實意義.電動汽車的行駛里程與電池端電壓、整車和電機充放電電流、電池溫度、車載耗能、電池循環次數、駕駛員行為、環境等因素有關[1].文獻[2]考慮行駛路線的陡峭程度和駕駛行為特征，動態預測能量消耗預估續駛里程.文獻[3]通過汽車能耗與負載的關系，提出基于不同載荷和驅動模式下的預測模型.文獻[4]考慮道路網絡拓撲結構和實時交通等計算平均能耗，提高預測精度.文獻[5]對行駛里程與電池荷電狀態(State of Charge,SOC)進行相關性分析，通過遞推最小二乘法參數辨識進行預測.文獻[6]提出粒子群算法(Particle Swarm Optimization, PSO)改進后的最小二乘法支持向量機(Least Square SVM,LSSVM)預測模型，以電池組使用天數等進行里程預測.文獻[7]以端電壓、電流等作為輸入，基于改進的粒子群算法—徑向基函數(PSO-RBF)模型進行里程預測.綜上，現有研究主要以算法改進和增加影響因素提升預測精度.

本文針對現有回歸算法在較短行駛片段預測精度低……