考虑充电精度与充电曲线预测的电动汽车剩余充电时间估计
系统与控制
2020-12-11 v1 机器学习
系统与控制
摘要
近年来电动汽车（EV）迅速普及，已成为未来趋势。可靠地获知电动汽车剩余充电时间（RCT）是用户体验的重要方面。然而，在当前 EV 市场中很难找到准确估计车辆 RCT 的算法。特斯拉 Model X 在直流（DC）充电从 10% 到 99% 荷电状态（SOC）时，其最大 RCT 估计误差可高达 60 分钟。市场亟需高精度的 EV RCT 估计算法，且随着 EV 日益普及此需求将持续。目前准确估计 RCT 面临两个挑战。第一，大多数商用充电器在恒流（CC）阶段无法提供所请求的充电电流。第二，恒压（CV）阶段的充电电流曲线难以预测。针对第一问题，本研究提出一种 RCT 算法，在 CC 阶段通过考虑历史充电精度与实时充电精度数据间的置信区间在线更新充电精度。为解决第二问题，本研究提出一种电池内阻预测模型，使用径向基函数（RBF）神经网络（NN）预测 CV 阶段的充电电流曲线。测试结果表明，所提 RCT 算法在 CC 与 CV 阶段相较传统方法的误差率分别改善了 73.6% 与 84.4%。
引用
@article{arxiv.2012.05352,
title = {Electric Vehicle Battery Remaining Charging Time Estimation Considering Charging Accuracy and Charging Profile Prediction},
author = {Junzhe Shi and Min Tian and Sangwoo Han and Tung-Yan Wu and Yifan Tang},
journal= {arXiv preprint arXiv:2012.05352},
year = {2020}
}