关键词：电动汽车;剩余续驶里程;驾驶行为;量化因子;LSTM
摘 要：针对基于聚类算法提取驾驶行为难以考虑聚类类别中每个样本点对能耗的影响,建立了一种基于驾驶行为量化因子的电动汽车剩余续驶里程预测模型.首先,从车速和加速度等影响能耗方面选取了七个驾驶行为评价指标,使用随机森林算法对指标进行赋权,将指标归一化后的加权和作为驾驶行为量化因子;其次,将电池荷电状态、驾驶行为量化因子、环境温度、电器用电负荷率和工况信息作为模型输入,建立电动汽车剩余续驶里程预测模型.结果表明:考虑驾驶行为量化因子的预测模型相比未考虑时预测的均方根误差和平均绝对误差更小;与支持向量回归、前馈神经网络和循环神经网络算法相比,长短期记忆网络(LSTM)的预测效果最好.最后,通过实车运行数据,验证了该模型可提高剩余续驶里程预测的准确度.可见,本文所取得的研究成果对改善驾驶员驾驶体验具有重要意义.
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