电池的剩余放电能(RDE)是估计车辆剩余范围的重要值。基于预测的计算RDE的方法已被证明适合提高能量估计精度。本文旨在通过将新颖的负载预测技术与模式识别纳入RDE计算,以进一步提高估计准确性。对于模式识别,将驱动段数据分类为不同的用法模式,然后根据每个模式的功能设计了基于规则的逻辑来识别这些模式。为了进行功率预测,使用聚类和马尔可夫建模方法将数据从数据分组和定义功率水平为状态,并找到每种状态到国家过渡的概率。为每个模式定义了此数据,以便逻辑可以告知应使用哪些数据来预测未来的功率概况。根据预测的功率曲线,RDE是根据预测负载和预测电压的乘积计算得出的,该电压是从一阶电池模型中获得的。使用电池循环器数据在模拟和实时测试了所提出的算法,并与其他基于预测的方法进行了比较。所提出的方法证明对建模误差具有理想的准确性和鲁棒性。这项研究的主要结论是使用模式识别可以提高RDE估计的准确性。
主要关键词