电工电能新技术

作者：张怀志1， 林文文1， 张岳君2， 项薇1

单位：1.宁波大学机械工程与力学学院， 浙江 宁波 315211；
2.浙江工商职业技术学院机电工程学院， 浙江 宁波 315699

关键词：电动汽车； SOC估计； 剩余里程估计； 驾驶行为分析； 深度学习； 卡尔曼滤波

基金：国家自然科学基金项目（22078164）

为了缓解电动汽车车主里程焦虑的问题，本文提出了一种基于滤波器和神经网络混合的电动汽车荷电状态（SOC）估计方法，该方法可以准确估计电动汽车SOC和剩余里程。首先，利用降维算法和分类算法从实车数据集中分离出5类能够反映车辆能耗的驾驶行为作为模型输入的一部分。其次，搭建卡尔曼滤波和双层双向长短时记忆神经网络结合的混合模型，该模型可以降低实时数据的噪声，并结合历史数据计算电动汽车SOC和剩余里程。最后将不同的模型输入特征和模型结构作对比，证明提出方法具有较高的精度。

来源：2024年第7期

《电工电能新技术》期刊编辑部

查看电工电能新技术杂志2024年第7期