本發(fā)明涉及一種在線鋰電池汽車剩余行駛里程預(yù)測方法和系統(tǒng)，屬于鋰離子電池汽車。

背景技術(shù)：

1、鋰電池汽車具有環(huán)保、能量轉(zhuǎn)化效率高、靜音性能好以及運(yùn)行成本低的優(yōu)點(diǎn)。但如果不能提供鋰電池汽車剩余續(xù)駛里程時，用戶可能在行駛途中擔(dān)心車輛續(xù)航而沒有信心長時間繼續(xù)行駛，導(dǎo)致車輛實(shí)際行駛里程低于標(biāo)稱續(xù)駛里程，造成用戶的里程焦慮，不能發(fā)揮車輛性能。而在駕駛電動汽車的過程中，車輛剩余行駛里程隨著電池狀態(tài)和行駛環(huán)境的變化而呈現(xiàn)出復(fù)雜非線性的下降趨勢。電動汽車剩余行駛里程受到多個因素影響，行駛速度和車輛功率隨著地形地勢、道路擁堵情況和用戶駕駛行為，都影響續(xù)駛里程的預(yù)測精度。

技術(shù)實(shí)現(xiàn)思路

1、針對上述問題，本發(fā)明的目的是提供一種在線鋰電池汽車剩余行駛里程預(yù)測方法和系統(tǒng)，其能準(zhǔn)確預(yù)測剩余續(xù)駛里程，那么駕駛員就能合理安排行程，規(guī)劃好充電方式和時間，緩解里程焦慮，提高駕駛體驗(yàn)。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提出了以下技術(shù)方案：一種在線鋰電池汽車剩余行駛里程預(yù)測方法，包括以下步驟：采集預(yù)設(shè)過程中的車輛數(shù)據(jù)，根據(jù)車輛數(shù)據(jù)各項(xiàng)之間的spearman系數(shù)ρs，挑選出與剩余行駛里程強(qiáng)相關(guān)的變量；通過最小二乘回歸算法，對所述強(qiáng)相關(guān)的變量對應(yīng)的車輛數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，去除異常值；將經(jīng)過數(shù)據(jù)清洗的車輛數(shù)據(jù)輸入雙向堆疊門控循環(huán)網(wǎng)絡(luò)，用于選擇性的記錄和遺忘車輛行駛過程中的車輛數(shù)據(jù)，在線挖掘時序依賴關(guān)系；將所述車輛數(shù)據(jù)和時序依賴關(guān)系輸入kolmogorov-arnold網(wǎng)絡(luò)，以實(shí)現(xiàn)非線性映射，提取車輛數(shù)據(jù)的中間序列特征，輸出車輛剩余行駛里程。

3、進(jìn)一步，所述預(yù)設(shè)過程為當(dāng)前車載電池荷電狀態(tài)soc下降1％的過程；所述車輛數(shù)據(jù)包括電池狀態(tài)信息和駕駛環(huán)境信息，所述電池狀態(tài)信息包括電壓、電流和電池荷電狀態(tài)soc，所述駕駛環(huán)境信息包括環(huán)境溫度、車輛總里程和車輛速度。

4、進(jìn)一步，對所述強(qiáng)相關(guān)的變量對應(yīng)的車輛數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗的方法是：刪除消耗電量低于預(yù)設(shè)值的車輛行駛過程數(shù)據(jù)；獲得每個采用周期中車載電池的計算容量，刪除計算容量高于出廠標(biāo)稱容量對應(yīng)的車輛數(shù)據(jù)；根據(jù)最小二乘回歸算法，生成容量隨時間變化的線性擬合方程，基于所述線性擬合方程獲得采用周期對應(yīng)的擬合容量，對所述計算容量和擬合容量作差，刪除二者差大于閾值的車輛數(shù)據(jù)；刪除異常電池容量數(shù)據(jù)及對應(yīng)的車輛數(shù)據(jù)，完成數(shù)據(jù)清洗。

5、進(jìn)一步，所述車載電池的計算容量的計算方法為：通過車載電池釋放功率乘以采樣周期，得到采樣周期內(nèi)車載電池釋放的能量，遍歷行駛過程中每一個采樣周期，獲得所有采樣周期對應(yīng)的車載電池釋放的能量；對所有采樣周期的電池釋放能量離散求和后除以放電深度，其中，放電深度是指電池荷電狀態(tài)(soc)的減少量。例如，車輛啟動時soc為90％，行程結(jié)束時soc為40％，那么放電深度為90％-40％＝50％，獲得所述行駛過程中車載電池的計算容量。

6、進(jìn)一步，所述容量隨時間變化的線性擬合方程的斜率為：

7、

8、其中，b為斜率，capi是車載電池的計算容量，capmean是車載電池的計算容量的均值；numi是行駛過程數(shù)目，nummean是行駛過程數(shù)目的均值。

9、進(jìn)一步，所述雙向堆疊門控循環(huán)網(wǎng)絡(luò)中，以門控循環(huán)網(wǎng)絡(luò)為基本單位建立雙向堆疊結(jié)構(gòu)，把每一個單元的當(dāng)前狀態(tài)同時輸入正、反兩個方向序列中，經(jīng)過數(shù)據(jù)特征提取后，融合兩個方向的序列隱狀態(tài)，同步挖掘數(shù)據(jù)特征序列中的正向和反向傳播信息。

10、進(jìn)一步，所述kolmogorov-arnold網(wǎng)絡(luò)中，節(jié)點(diǎn)負(fù)責(zé)加法運(yùn)算，不包含非線性激活函數(shù)，將所述非線性激活函數(shù)移至所述kolmogorov-arnold網(wǎng)絡(luò)的邊緣，通過能夠進(jìn)行訓(xùn)練更新的樣條函數(shù)進(jìn)行計算，并將計算結(jié)果作為權(quán)重函數(shù)的構(gòu)成部分，kolmogorov-arnold網(wǎng)絡(luò)通過調(diào)節(jié)網(wǎng)絡(luò)邊緣的激活函數(shù)，把預(yù)測車輛剩余行駛里程的復(fù)雜連續(xù)函數(shù)表示成若干基本初等函數(shù)的和；通過嵌套堆疊多個基本初等函數(shù)，構(gòu)建多層非線性神經(jīng)網(wǎng)絡(luò)，映射車輛數(shù)據(jù)的中間特征序列，預(yù)測車輛剩余行駛里程。

11、進(jìn)一步，所述復(fù)雜連續(xù)函數(shù)f(x)表示為：

12、

13、其中，n代表了每層神經(jīng)網(wǎng)絡(luò)可供訓(xùn)練學(xué)習(xí)的激活函數(shù)數(shù)量，φ(l,i,j)是用于替代kan權(quán)重參數(shù)的殘差激活函數(shù)，l是kolmogorov-arnold網(wǎng)絡(luò)(kan)的層數(shù)，所述殘差激活函數(shù)是單變量連續(xù)函數(shù)，由基函數(shù)和樣條函數(shù)的線性組合獲得。

14、進(jìn)一步，所述輸出車輛剩余行駛里程的精度評價指標(biāo)r2為：

15、

16、其中，rdri為行駛車輛的實(shí)際剩余行駛里程，forei為使用模型預(yù)測的剩余行駛里程，n為車輛在行駛過程中預(yù)測次數(shù)，為n個實(shí)際剩余行駛里程的平均值。

17、本發(fā)明還公開了一種在線鋰電池汽車剩余行駛里程預(yù)測系統(tǒng)，包括：數(shù)據(jù)采集模塊，用于采集預(yù)設(shè)過程中的車輛數(shù)據(jù)，根據(jù)車輛數(shù)據(jù)各項(xiàng)之間的spearman系數(shù)ρs，挑選出與剩余行駛里程強(qiáng)相關(guān)的變量；數(shù)據(jù)清洗模塊，用于通過最小二乘回歸算法，對所述強(qiáng)相關(guān)的變量對應(yīng)的車輛數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，去除異常值；gru網(wǎng)絡(luò)輸出模塊，用于將經(jīng)過數(shù)據(jù)清洗的車輛數(shù)據(jù)輸入雙向堆疊門控循環(huán)網(wǎng)絡(luò)，用于選擇性的記錄和遺忘車輛行駛過程中的車輛數(shù)據(jù)，在線挖掘時序依賴關(guān)系；kan網(wǎng)絡(luò)輸出模塊，用于將所述車輛數(shù)據(jù)和時序依賴關(guān)系輸入kolmogorov-arnold網(wǎng)絡(luò)，以實(shí)現(xiàn)非線性映射，提取車輛數(shù)據(jù)的中間序列特征，輸出車輛剩余行駛里程。

18、本發(fā)明的技術(shù)方案至少具有如下技術(shù)效果或優(yōu)點(diǎn)：

19、1、本發(fā)明設(shè)計的在線預(yù)測鋰電池汽車剩余行駛里程的算法模型，不需要過多的依賴已有歷史信息，模型訓(xùn)練完成后，只需當(dāng)前車載電池soc下降1％過程的數(shù)據(jù)就能預(yù)測得到車輛剩余行駛里程。

20、2、本發(fā)明基于spearman相關(guān)性分析，能夠從多類別數(shù)據(jù)中挑選出與剩余行駛里程強(qiáng)相關(guān)的有關(guān)數(shù)據(jù)，通過數(shù)據(jù)清洗，去除離群異常數(shù)據(jù)，篩選關(guān)鍵數(shù)據(jù)特征，可以有效提高模型訓(xùn)練的收斂速度。

21、3、本發(fā)明結(jié)合了雙向堆疊gru和kan模塊的優(yōu)點(diǎn)，使用gru網(wǎng)絡(luò)挖掘相關(guān)時序信息，然后使用kan回歸預(yù)測剩余行駛里程，提高了里程預(yù)測精度，實(shí)現(xiàn)了車載電池管理系統(tǒng)剩余里程的在線預(yù)測顯示。

22、4、本發(fā)明能夠預(yù)測剩余續(xù)駛里程，幫助用戶合理安排行程，規(guī)劃好充電方式和時間，緩解里程焦慮，提高駕駛體驗(yàn)；可以幫助汽車廠商開發(fā)更精細(xì)化的車輛能量管理策略，提高車載電池的儲能利用率。

技術(shù)特征：

1.一種在線鋰電池汽車剩余行駛里程預(yù)測方法，其特征在于，包括以下步驟：

2.如權(quán)利要求1所述的在線鋰電池汽車剩余行駛里程預(yù)測方法，其特征在于，所述預(yù)設(shè)過程為當(dāng)前車載電池荷電狀態(tài)soc下降1％的過程；所述車輛數(shù)據(jù)包括電池狀態(tài)信息和駕駛環(huán)境信息，所述電池狀態(tài)信息包括電壓、電流和電池荷電狀態(tài)soc，所述駕駛環(huán)境信息包括環(huán)境溫度、車輛總里程和車輛速度。

3.如權(quán)利要求2所述的在線鋰電池汽車剩余行駛里程預(yù)測方法，其特征在于，對所述強(qiáng)相關(guān)的變量對應(yīng)的車輛數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗的方法是：刪除消耗電量低于預(yù)設(shè)值的車輛行駛過程數(shù)據(jù)；獲得每個采用周期中車載電池的計算容量，刪除計算容量高于出廠標(biāo)稱容量對應(yīng)的車輛數(shù)據(jù)；根據(jù)最小二乘回歸算法，生成容量隨時間變化的線性擬合方程，基于所述線性擬合方程獲得采用周期對應(yīng)的擬合容量，對所述計算容量和擬合容量作差，刪除二者差大于閾值的車輛數(shù)據(jù)；刪除異常電池容量數(shù)據(jù)及對應(yīng)的車輛數(shù)據(jù)，完成數(shù)據(jù)清洗。

4.如權(quán)利要求3所述的在線鋰電池汽車剩余行駛里程預(yù)測方法，其特征在于，所述車載電池的計算容量的計算方法為：通過車載電池釋放功率乘以采樣周期，得到采樣周期內(nèi)車載電池釋放的能量，遍歷行駛過程中每一個采樣周期，獲得所有采樣周期對應(yīng)的車載電池釋放的能量；對所有采樣周期的電池釋放能量離散求和后除以放電深度，獲得所述行駛過程中車載電池的計算容量。

5.如權(quán)利要求3所述的在線鋰電池汽車剩余行駛里程預(yù)測方法，其特征在于，所述容量隨時間變化的線性擬合方程的斜率為：

6.如權(quán)利要求1所述的在線鋰電池汽車剩余行駛里程預(yù)測方法，其特征在于，所述雙向堆疊門控循環(huán)網(wǎng)絡(luò)中，以門控循環(huán)網(wǎng)絡(luò)為基本單位建立雙向堆疊結(jié)構(gòu)，把每一個單元的當(dāng)前狀態(tài)同時輸入正、反兩個方向序列中，經(jīng)過數(shù)據(jù)特征提取后，融合兩個方向的序列隱狀態(tài)，同步挖掘數(shù)據(jù)特征序列中的正向和反向傳播信息。

7.如權(quán)利要求1所述的在線鋰電池汽車剩余行駛里程預(yù)測方法，其特征在于，所述kolmogorov-arnold網(wǎng)絡(luò)中，節(jié)點(diǎn)負(fù)責(zé)加法運(yùn)算，不包含非線性激活函數(shù)，將所述非線性激活函數(shù)移至所述kolmogorov-arnold網(wǎng)絡(luò)的邊緣，通過能夠進(jìn)行訓(xùn)練更新的樣條函數(shù)進(jìn)行計算，并將計算結(jié)果作為權(quán)重函數(shù)的構(gòu)成部分，kolmogorov-arnold網(wǎng)絡(luò)通過調(diào)節(jié)網(wǎng)絡(luò)邊緣的激活函數(shù)，把預(yù)測車輛剩余行駛里程的復(fù)雜連續(xù)函數(shù)表示成若干基本初等函數(shù)的和；通過嵌套堆疊多個基本初等函數(shù)，構(gòu)建多層非線性神經(jīng)網(wǎng)絡(luò)，映射車輛數(shù)據(jù)的中間特征序列，預(yù)測車輛剩余行駛里程。

8.如權(quán)利要求7所述的在線鋰電池汽車剩余行駛里程預(yù)測方法，其特征在于，所述復(fù)雜連續(xù)函數(shù)f(x)表示為：

9.如權(quán)利要求1所述的在線鋰電池汽車剩余行駛里程預(yù)測方法，其特征在于，輸出車輛剩余行駛里程的精度評價指標(biāo)r2為：

10.一種在線鋰電池汽車剩余行駛里程預(yù)測系統(tǒng)，其特征在于，包括：

技術(shù)總結(jié)
本發(fā)明屬于鋰離子電池汽車技術(shù)領(lǐng)域，涉及一種在線鋰電池汽車剩余行駛里程預(yù)測方法和系統(tǒng)，包括以下步驟：采集預(yù)設(shè)過程中的車輛數(shù)據(jù)，根據(jù)車輛數(shù)據(jù)各項(xiàng)之間的spearman系數(shù)ρ<subgt;s</subgt;，挑選出與剩余行駛里程強(qiáng)相關(guān)的變量；通過最小二乘回歸算法，對強(qiáng)相關(guān)的變量對應(yīng)的車輛數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，去除異常值；將經(jīng)過數(shù)據(jù)清洗的車輛數(shù)據(jù)輸入雙向堆疊門控循環(huán)網(wǎng)絡(luò)，用于選擇性的記錄和遺忘車輛行駛過程中的車輛數(shù)據(jù)，在線挖掘時序依賴關(guān)系；將車輛數(shù)據(jù)和時序依賴關(guān)系輸入Kolmogorov?Arnold網(wǎng)絡(luò)，以實(shí)現(xiàn)非線性映射，提取車輛數(shù)據(jù)的中間序列特征，輸出車輛剩余行駛里程。其能準(zhǔn)確預(yù)測剩余續(xù)駛里程，那么駕駛員就能合理安排行程，規(guī)劃好充電方式和時間，緩解里程焦慮，提高駕駛體驗(yàn)。

技術(shù)研發(fā)人員：李廉頗,王琳
受保護(hù)的技術(shù)使用者：上海交通大學(xué)三亞崖州灣深海科技研究院
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15