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
摘 要：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。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取