李广玮 吴 鸣 王昕扬 徐 毅

1(上海电力大学 上海 200082) 2(中国电力科学研究院 北京 100192)

0 引 言

随着我国经济的快速发展，城市汽车数量逐渐增加[1-2]，在面临能源紧张和环境污染问题的前提下，新能源汽车的发展成为了未来交通出行的趋势。针对电动汽车的实际行驶工况进行研究，对确定电动汽车负荷的耗电量、新能源汽车技术开发[3]、充电站规划配置[4]、电动汽车充电导航具有重要意义。目前我国汽车行驶工况参照的是欧洲ECE城市工况，与实际行驶状态差距较大[5]，已不能满足我国车辆开发测试的需求。针对这一问题，我国学者已经先后建立了区域性汽车工况，但主要是针传统汽车工况，所使用的方法是K-均值聚类(K-Means Cluster)分析法[6-8]。由于电动汽车与传统汽车的驱动方式不同，二者在速度响应、加速度和扭矩响应等各方面有较大的差异[9]，采用传统汽车工况评价电动汽车续航、能耗等特性缺乏一定的合理性。除此之外，K-Means方法聚类需要人为选定类的数量，人为判断聚类结果是否合理，会对聚类效果合理性产生影响。

因此，本文选用迭代自组织数据分析算法(Iterative Self Organizing Data Analysis Techniques Algorithm，ISODATA)[10]构建电动汽车代表性工况，因为ISODATA具有归并和分裂等机制，是一种非监督的算法，有效避免人为判断聚类效果的不合理性。本文使用ISODATA、PCA[11]和运动学片段分析法[12]等方法，对电动汽车行驶数据进行分析和聚类，利用Silhouette函数对ISODATA聚类结果的合理性进行评估。根据聚类结果筛选运动学片段，构建电动汽车的代表性工况，通过测试数据集，计算了代表性工况与测试数据的差异率，并对合理性进行验证。……