广告
中汽研 | 纯电动汽车续航里程估计准确度试验评价方法研究
2020-03-21 14:25:06· 来源：电动学堂
文章来源：《纯电动汽车续航里程估计准确度试验评价方法研究》引言为减少机动车污染，中国政府大力推广电动汽车，截至2018 年6 月底，新能源汽车保有量达199 万
文章来源：《纯电动汽车续航里程估计准确度试验评价方法研究》
引 言
为减少机动车污染，中国政府大力推广电动汽车，截至2018 年6 月底，新能源汽车保有量达199 万辆，其中纯电动汽车162 万辆，占新能源汽车总量的81.4%｡据最近消费者调研显示，电动汽车的续航里程是消费者重点关注但是满意度较低的指标之一 ，见图1｡调研中还指出续航里程显示准确性成绩较差，具有较大的提升空间｡
电动汽车的实际使用过程中，仪表显示剩余续航里程是另一个非常重要的参数，估计提示可以大大减缓驾驶人的里程焦虑｡但是对于仪表板显示的剩余里程是否准确，国内外一直没有统一测评标准，因此需要展开系统的研究，并建立一个客观可行测评标准对其评估｡
1 研究方法
本文将续航试验分为常温续航(25℃)､高温续航(35℃) 和低温续航( -7℃) ｡在进行相应的续航试验之前需要在相应的环境中浸车12 ~36h，然后循环进行NEDC 工况的测试｡在进行高温或低温续航试验时，需要开启空调｡高温试验空调要求在试验循环开始时，空调设置到内循环吹面模式，温度及风量根据车内温度情况灵活设定，尽快使车内测试点的平均温度尽快达到25℃以下，之后到试验结束期间应尽量保持在不高于25℃且不低于23℃的范围内；低温试验空调设定要求在试验循环开始时，空调设置到外循环并吹脚的模式，温度及风量根据车内温度情况灵活设定，尽快使车内测试点的平均温度尽快达到20℃ 以上，之后到试验结束期间应尽量保持在不高于22℃且不低于20℃的范围内｡
1.1 车辆参数
本次试验选取了8 款车身长度大于等于4m (常规车)，3 款车身长度小于4m (微型车) 的车辆，车辆参数如表1所示｡
1.2 试验过程
试验流程如图2 所示，在转鼓试验台上，持续进行NEDC 工况的行驶，直至达到试验截止条件 ｡在试验进行的同时，记录试验开始前仪表显示的剩余里程(第0 个循环的数据点) 和每个完整NEDC 工况结束时的仪表显示的剩余里程(以下称为“ 表显剩余里程”)，即每完成一个NEDC 工况，就记录一个数据，直至达到试验截止条件｡试验完成后根据实际续航里程计算每个记录的表显剩余里程所对应的实际剩余里程｡
1.3 评估方法
目前常用于评估物理数据准确度的评估方法有距离评估方法和确定系数评估方法｡其中距离评估方法有欧式距离､曼哈顿距离､切比雪夫雪夫距离等，但是根据试验数据试算，这些评估方法容易受极值点影响，误差较大，因此不能很好地反映续航估计准确度｡
为了评估实际剩余里程显示准确度，需要把它由实际问题转化成数学模型，把在转鼓上测得的实际剩余里程作为回归直线，把仪表板显示的剩余里程作为散点，这样就把续航里程估计准确度问题转换为回归直线对散点的拟合优度问题｡本文采用统计学中的确定系数R2 对电动汽车的续航里程估计准确度进行了评估｡
1.4 确定系数
确定系数，表示一个随机变量与多个随机变量关系的数字特征，用来反映回归模式说明因变量变化可靠程度的一个统计指标 ｡
确定系数的物理意义如图3 所示，以实际剩余里程为回归直线用y^i 表示，以表显剩余里程为观测值用yi 表示｡
三个平方和的关系为:总平方和= 回归平方和+ 残差平方和 即
经推导，确定系数R2 的计算公式为
式中 R2 ——续驶里程准确度确定系数；
yi——仪表显示剩余里程，由进行续驶里程试验过程中每个工况循环结束时仪表盘显示为准，无显示计为“0”，单位为km；
y^i——实际剩余里程，即记录对应仪表显示剩余里程(yi ) 时至此车辆完成续驶里程试验所行驶的实际里程，单位为km；
y——仪表显示剩余里程平均值，单位为km｡
R2 越接近1，表明回归平方和占总平方和的比例越大，回归直线与各个观测点越接近，回归直线的拟合程度越好；反之，R2 越接近0，回归直线的拟合程度就越差｡当R2 ≤0 时，认为回归直线严重偏离观测值，即拟合程度极差｡
2 续航里程估计准确度分析
2.1 续航里程试验结果
2.2 部分车型估计准确度
图5 为车型7 的续航试验数据，从上面三个图中可以看出车型7 在各个温度环境中表显续航里程与实际续航里程相差不大，其中高温环境下表现最好｡高温时R2 最高，低温时R2 最低｡
图6 为车型10 的续航试验结果，从图中可以看出车型7在常温环境中表显剩余里程与实际剩余里程相差不大，在低温环境中表显剩余里程与实际剩余里程相差较大｡常温时R2 最高，低温时R2 最低｡
2.3 不同温度下各车型的确定系数
图7 为11 款车型在不同温度下的R2 值，11 款车型的R2 平均值为0.88，其中有8 款车型的R2 大于0.9，整体表现良好｡
11 款车型中的车型11 在高温中的确定系数小于0，因此车型11 在高温环境中的续航里程估计准确度最差｡图8为其余10 款车在高温下的确定系数，十款车型的R2 平均值为0.81，其中只有5 款车型的R2 大于0.9，车辆表现开始出现差距｡
11 款车型中的车型3､车型5､车型9 在低温环境中的确定系数小于0，说明这3 款车型在低温环境中的续航里程估计准确度很差｡图9 为其余8 款车型在低温环境中的确定系数，8 款车型的R2 平均值为0.46｡其中只有2 款车型的R2 大于0.9，整体表现较差｡
2.4 电动汽车续航里程估计显示算法的逻辑和策略
根据研究，目前各电动汽车企业对电动汽车续航里程估计显示算法的逻辑和策略各有不同，总的来说主要包括以下5 种:
1) 对不同的驾驶模式及是否开启空调进行能耗赋值，根据目前的剩余电量､驾驶人选择的驾驶模式及空调开启与否进而计算出续驶里程｡
2) 通过最近多次充放电循环的平均电耗及目前可用的剩余电量计算出续驶里程｡
3) 通过目前的剩余电量与某固定时间内的平均电耗的比值来计算续驶里程｡
4) 通过目前的剩余电量与最近多次驾驶距离平均电耗的比值来计算续驶里程｡
5) 通过目前的剩余电量与瞬时驱动力积分得出的平均驱动力的比值计算续驶里程｡
可以看出，不管何种续驶里程估计和显示的算法，策略都把车辆行驶过程中产生的某一要素或者多种要素考虑进去进行计算剩余续驶里程｡只是选择的因素不同而已，表明这种带自学习功能的续航里程算法越来越被厂家和消费者接受｡因此，我们在计算续航里程估计准确度时也应该考虑并分析其对准确度的影响｡
2.5 自学习对确定系数的影响
部分企业为了提高续航里程估计准确度，在策略中加入了自学习功能，能够根据历史能耗修正目前的剩余里程，以便提高表显剩余里程的精度｡为了研究自学习功能对续航里程估计准确度的影响，本文对比计算了去掉前两个循环的数据，从第三个循环后开始采集数据｡等效的效果是给车辆预留约22km (一个NEDC 循环约11km) 的自学习距离｡
图10 为是11 款车型在常温环境中去掉前两个循环之后与全部循环的R2 之比｡从上图可以看出，在常温环境中去掉前两个循环之后R2 有变大也有变小，平均下降了5%，其中车型10 和车型11 的准确度变化幅度较大，R2 都下降了24%以上｡
图11 为10 款车型在高温环境中去掉前2 个循环之后与全部循环的R2 之比｡其中11 款车型中的车型11 的R2 小于0｡10 款车的R2 平均下降了3.9%，其中车型1 和车型3 变化幅度较大，准确度下降了15% 以上，其他车型变化幅度均在4%以内｡
图12 为在低温环境中去掉前2 个循环与全部循环的R2之比｡11 款车型中的车型2､车型3､车型4 和车型11 的R2 小于0｡从上图中可以看出7 个车型的确定系数平均下降了18.7%，车型6 和车型9 变化幅度较大，R2 降低了40%以上，其他车型的变化幅度都在6%以内｡
由以上数据可知，去掉前2 个循环之后对R2 影响很小，并不改变其总体的结果范围，因此车辆是否具备自学习功能对结果影响较小｡
2.6 末端里程的估计准确度
当电量较低时，电动汽车驾驶人的里程焦虑尤为突出，本文进一步研究了低电量时的续航里程准确度｡
图13 为7 款车型在常温中最后4 个循环的上图为常温环境中最后四个循环的确定系数R2 ，11 款车型的车型5､车型8､车型9 和车型10 的末端里程R2 小于0｡由上图可知7 个车型的确定系数平均下降了36.7%｡其中车型2 的确定系数下降最小，下降了20%，车型7 的确定系数下降最大，下降了67.9%｡
图14 为5 款车型在高温环境中的末端里程R2 ，其他车型的末端里程R2 都小于0｡由上图可知5 个车型的R2 平均下降了29.7%，其中车型10 变化最大，R2 下降了72.0%，车型8 变化最小，R2 增大了0.37%｡
图15 为2 款车型在低温环境中的末端里程R2 ，其它车型的末端里程R2 都小于0｡2 个车型的R2 平均下降了62.9%｡
由以上数据可知，电动汽车末端里程的R2 相比全部循环的R2 低，而且低温环境中的R2 下降更多｡在低电量状态下，车辆普遍不能提供准确的里程估计，会加重电动汽车驾驶人的里程焦虑程度｡
3 结论
电动汽车在不同环境温度的续航里程估计准确度并不相同，常温最好，高温次之，低温最差｡在常温中有9 款车型的确定系数达到了0.9，在高温中只有5 款车型的确定系数达到了0.9，在低温中只有2 款车型的确定系数达到了0.9｡
本文给车辆预留自学习的距离后再计算其续驶里程估计准确度，可以发现续航里程估计算法中自学习功能对估计准确度的总体结果影响很小，因此在对续航里程估计准确度进行评价时可以直接采集全部数据点｡
末端里程估计R2 比相对于全部循环的R2 下降幅度较大，甚至部分车型的R2 变为小于0，这同时也说明车企对于末端里程估计准确度有很大的提升空间｡
广告
最新资讯
-
杂质气体对燃料电池的影响
2024-05-14 16:09
-
基于Ncode的电池包随机振动疲劳分析流程
2024-05-14 14:51
-
IDIADA实车路试（FOT）服务：引领车联网领
2024-05-14 14:48
-
燃料电池堆的封装结构
2024-05-14 14:44
-
标准立项｜《汽车智能座舱语音分级与测评方
2024-05-14 14:43
广告
广告
