基于混合模型的电池电动汽车预测性能量管理

本文解决了预测电池电动汽车（BEV）驾驶员能量消耗的问题。除了车辆或动力总成动力学外，几个外部因素（例如天气）被证明对车辆的能量消耗有巨大影响。因此，将所有影响因素都考虑在内是具有挑战性的。所提出的方法基于混合模型，该模型提高了BEV能量消耗的预测精度。该方法的新颖之处在于将基于物理的仿真模型（捕捉基本的车辆和动力总成动力学）与数据驱动模型相结合。后者使用机器学习技术（如广义加性混合模型、随机森林和提升方法）来解释物理仿真模型忽略的其他外部影响因素。使用TUM的真实数据集评估了混合建模方法，结果表明混合模型将纯物理模型的平均预测误差从40%降低到10%。