◆文/云南 马广宇 赵龙庆

当前我国纯电动汽车产业快速发展，发展纯电动汽车是减少化石能源消耗和缓解日益严重的气候问题的重要措施之一。但电动汽车普遍存在动力电池能量密度低，导致续航里程短，续航里程估计不精确，驾驶员容易产生里程焦虑的问题，这是阻碍推广纯电动汽车的一个原因。本文以实际道路试验为依托，进行纯电动汽车能量消耗量的讨论，并在此基础上建立基于LSTM网络的纯电动汽车瞬时能量消耗量估算模型。

纯电动车作为汽车节能减排技术发展的重要方向之一，已引起各国政府的重视。我国政府制定了与电动汽车续航里程相关的电动汽车购买补贴政策。不断提高动力电池能量密度是解决电动汽车续航里程不足的关键技术。同时，在现有动力电池技术基础上研究影响电动汽车能量消耗和各因素之间的关系可为能量消耗预测、续航里程预测相关研究提供参考[1]。

相关文献[2]通过引入VSP作为中间变量建立了能量消耗率与瞬时速度和加速度之间的关系，并验证了不同类型道路的能量消耗因子存在显著差异。相关文献[3]分析了纯电动汽车在丘陵地区的纯电动汽车经济型，通过优化算法控制车速，提高车辆在行驶中的经济型。相关文献[4]根据大量车辆行驶数据提取的车辆运动学参数表征不同驾驶员的驾驶习惯，并分析了驾驶习惯与车辆能耗之间的关系，建立基于神经网络的驾驶习惯与能量消耗率的拟和模型。

一、纯电动汽车能量消耗实际道路试验

云南省地处我国西南部，属于高原丘陵地带，道路弯多坡多，车辆行驶工况与平原地区有一定差别。

1.试验车辆

试验以昆明市城区主要道路、昆明郊区道路和杭瑞高速公路昆明-曲靖段为研究对象，试验测试总里程为319.56km。试验车辆为某型号纯电动汽车，为确保驾驶员驾驶习惯相同，各路段车辆驾驶员为同一人。试验数据采集自数据采集终端，数据采集终端通过与车辆CAN(控制器局域网络)总线进行通信获取车辆运行数据。实验数据采集频率为10Hz。

2.电动汽车行驶过程中的能量消耗分析

动力电池是纯电动汽车的能量源，电动汽车行驶过程中的能量消耗主要存在于动力电池内阻的损耗、传动系统的摩擦损耗、各电器部件导线的损耗、制动损耗、驱动电机的损耗和空调等辅助系统的损耗。其中驱动系统损失能量在车辆能耗中占比最大[5]。根据汽车驱动力可知行驶阻力包括滚动阻力、坡道阻力、空气阻力和加速阻力。动力电池能量主要经过配电箱流向电机控制器和用于给低压器件供电的DC-DC转换器，结合汽车理论可以将车辆的能量模型由式(1)表示[6]：

式中:Ubat为动力电池端电压；Ibat为动力电池放电电流；Pac为附件消耗功率；ηbat为动力电池放电效率；ηT为车辆传动系总效率；ηm为电机效率；m为车辆质量；g为重力加速度；f为滚动阻力系数；a为道路坡道角；CD为空气阻力系数；A为迎风面积；v为车辆行驶速度；δ为车辆旋转质量换算系数；a为车辆加速度。

二、实验结果分析

通过实验结果，我们分析驱动电机输出能量与车速、加速度之间的规律。根据动力电池工作原理，统计动力电池的充放电电流和负载端电压乘积作为电动汽车瞬时功率。电动汽车能量消耗变化量由式(2)表示，能量消耗量计算方法由式(3)表示[7]。3种道路的能量消耗量如表1所示。

表1 城区道路、郊区道路和高速公路的能量消耗量

式中：ΔEREESS为电能变化量；U(t)为动力电池t时刻的端电压；I(t)为动力电池t时刻的电流；EC为车辆能量消耗量；DR为车辆行驶里程。

由表1可见，电动汽车在高速公路行驶时的能量消耗量最大，城区道路能量消耗量大于郊区道路。郊区试验道路起点的海拔高度为2 260m，终点的海拔高度为1 926.7m，海拔落差为333.3m。城区道路起点的海拔高度为1 957.9m，终点的海拔高度为1 956.2m，海拔落差为1.7m。说明郊区试验道路相较于城区实验道路下坡路段比例更高，造成了城区道路能量消耗量高于郊区道路。制动能量回收数据由动力电池充电电流获得，将其去除后获得了车辆不考虑制动能量回收的能量消耗量，其值均高于能量消耗量。城区道路在不考虑制动能量回收时的能量消耗量最大，高速公路最小。表明制动回收能量对电动汽车能量消耗量有重要影响。因此进一步对制动回收能量进行分析，将制动回收电能变化量的绝对值与不考虑制动能量回收的电能变化量的比值定义为占能耗总需求量比率[8]，其值如表2所示。

表2 城区道路、郊区道路和高速公路的制动回收能量

从表2可以看出，电动汽车在郊区道路行驶时的制动回收能量占能耗总需求量比率最高，在高速公路行驶时的制动回收能量占能耗总需求量比率最小。电动汽车在高速公路行驶时的最大制动回收功率的绝对值高于城区道路最大制动回收功率的绝对值。然而，电动汽车在城区道路行驶时制动回收能量占能耗总需求量比率远高于在高速公路行驶时。说明电动汽车在高速公路行驶时制动能量回收对能量消耗量的影响较小。这主要是由于车辆在高速公路行驶时制动工况减少且为保证车辆行驶安全最大再生制动转矩分配减小。电动汽车在不同的道路行驶时能量消耗量和制动回收能量各不相同，每种道路具有不同的运动学参数[9]。进一步对车辆在不同道路的加速、匀速和减速运动状态下的能量消耗量特征进行分析，如表3所示，并对不同道路的运动学参数进行计算，如表4所示。

表3 不同运动状态下的电动汽车能量消耗量

表4 不同道路下的运动学参数

从表3可以看出，车辆在3种道路下行驶加速区间的能量消耗量均高于所对应的减速和匀速区间。其中城区道路加速区间的能量消耗量最高，高速道路加速区间的能量消耗量最小。高速公路减速区间的能量消耗量最高，城区道路减速区间的能量消耗量小。由表3和表4可以看出，电动汽车在匀速运动状态下的能量消耗率与行驶过程中的匀速比例、平均速度呈现正相关关系。电动汽车在减速运动状态下的能量消耗率与行驶过程中的减速比例呈现负相关关系。电动汽车在加速运动状态下的能量消耗率与行驶过程中的加速度平均值呈现正相关关系。城区道路与郊区道路具有相近的减速度比例和减速度平均值，但车辆在减速运动状态的能量消耗量存在明显差异。这与驾驶员的驾驶意图有关，制动能量回收只有在驾驶员踩下制动踏板时进行。郊区道路下减速状态的车辆虽然在减速，但与城市道路相比，其制动意图不高。

通过以上分析可知电动汽车的能量消耗量属于随机变量。结合以往研究成果可知电动汽车能量消耗量与工况有着较强的相关关系。

三、基于LSTM网络的能量消耗量估算

1.长短期记忆网络

由上文得到的瞬时能量消耗量可以看作是一个时间序列数据，电动汽车在某一时刻的能量消耗量与上一时刻的能量消耗量有关联。长短期记忆网络(long short-term memory，LSTM)是一种循环神经网络，广泛应用于时序数据分析。LSTM解决了循环神经网络训练过程中的梯度消失与梯度爆炸问题，它由遗忘门、输入门和输出门3个门结构组成。LSTM的单元结构如图1所示。

图1 LSTM单元结构

记忆单元将当前时间步Xt和上一个记忆单元的隐藏状态作为输入门It，遗忘门Ft，输出门Ot和候选记忆元Ct的输入[10]，计算公式如下：

式中：σ为Sigmoid函数；Ht-1为前一时间步的隐状态；Xt为当前时间步的输入；为候选记忆元；Ct为记忆元；Ht为隐状态。

2.纯电动汽车能量消耗量估算

纯电动汽车能量估算步骤如下：

①将由公式(3)计算得到的纯电动汽车瞬时能量消耗量作为原始数据，对原始数据进行预处理，修正数据中的异常值和缺失值。

②对清洗过的原始数据进行归一化，并将原始数据的80%作为训练集，剩余的20%作为测试集。

③将LSTM隐藏层设计为包含200个隐藏单元，指定Adam为优化器，学习率0.005。对模型进行50次训练。

④将测试集数据输入模型进行预测。

⑤对预测数据进行反归一化，并与原始数据进行对比。

估算结果如图2所示。如式(10)和式(11)所示，使用平均绝对误差(MAE)和均方根误差(RMSE)对模型估算精度进行评价。

图2 能量消耗量估算结果

将测试集数据输入训练好的LSTM网络模型中，并对模型精度评估，得到MAE 值为0.55，RMSE 值为0.78。说明利用LSTM网络对能量消耗量进行估计具有一定的可行性。

四、结论

本文对不同工况下的纯电动汽车能量消耗量进行分析，可以为驾驶员提供更合理的能量使用策略。基于LSTM网络建立的模型为预测未来一段时间的纯电动汽车能量消耗率提供了可行性方案。