基于數據驅動的電動汽車動力電池SOC預測*

胡 杰，高志文

（1.武漢理工大學，現代汽車零部件技術湖北省重點實驗室，武漢 430070；2.武漢理工大學，汽車零部件技術湖北省協同創(chuàng)新中心，武漢 430070；3.新能源與智能網聯車湖北工程技術研究中心，武漢 430070）

前言

近年來，新能源汽車逐漸成為汽車工業(yè)的發(fā)展趨勢，也是我國戰(zhàn)略性新興產業(yè)之一。但是其續(xù)駛里程短，充電設施少和電池能量密度低等問題仍阻礙電動汽車產業(yè)的發(fā)展［1］。為解決市場和用戶對電動汽車能耗及續(xù)駛里程的擔憂，除須推進電池技術的研發(fā)以及充電設施和電網的覆蓋，還須基于實際運行數據對電動汽車能耗進行研究，以提高電池能量的利用率［2］。

為準確預測電動汽車動力電池能耗，國內外學者做了大量研究。其中Ng 等［3］首次提出安時積分法，該方法通過對電池充放電電流積分得到電池充放電能量，實現剩余電池容量的實時計算。Lee 等［4］對電池長時間靜置下的開路電壓與電池SOC進行線性分析，通過測量電壓計算SOC 值。李革臣等［5］使用內阻法，通過分析電池內阻與SOC 的特定關系進行預測。Fang 等［6］提出基于卡爾曼濾波的方法，該方法在建立等效電池模型基礎上建立卡爾曼濾波狀態(tài)方程與觀測方程，將SOC作為狀態(tài)參數進行預測。在此基礎上Zhang 等［7］提出一種基于擴展卡爾曼濾波算法與Rint 模型相結合的SOC 預測方法，可以有效減少計算量。Fan 等［8］提出結合安時積分法和EKF 算法，將工作電壓和電池SOC 作為觀測變量和狀態(tài)變量，并通過遞歸最小二乘法確定模型參數，提高預測精度。在人工智能迅速發(fā)展的今天，智能算法也被用于動力電池的能耗預測。He 等［9］開發(fā)了基于人工神經網絡的電池模型，根據測量的電流和電壓預測SOC。Kang 等［10］提出一種徑向基函數神經網絡模型用于消除電池退化對原始訓練模型精度的影響。Liu 等［11］提出一種用于電池剩余能量估計的反向傳播神經網絡。Alvarez Anton 等［12］使用支持向量機方法從實驗數據集預測電池SOC。Hu 等［13］提出基于雙重搜索優(yōu)化過程的優(yōu)化支持向量回歸機的SOC預測方法。鮑偉等［14］提出使用支持向量機與貝葉斯優(yōu)化的方法對電動公交車SOC 進行自主預測。

綜上所述，目前主流SOC 預測方法大多使用電池內部復雜電化學參數進行預測，主要側重研究電池內部機理與物理特征，而對于汽車實際行駛工況與參數的可測量性以及實際路網中交通參數的結合研究較少［15］。汽車實際行駛時工況變化頻繁，在不同工況下能耗差異較大，且復雜電化學參數在汽車實際行駛過程中測量困難。因此在上述研究的基礎上，通過數據驅動的方法進行SOC預測，并將預測的SOC值與實際上傳的車載BMS估計的SOC值進行相互佐證，為優(yōu)化動力電池能量管理、發(fā)現電池能耗規(guī)律、提高能量利用率提供科學依據。

1 電動汽車數據采集

1.1 電動汽車數據采集流程

所使用數據為某新能源公司已投放使用的電動出租車在2018-2019 年內的實際運行數據，數據采集頻率為0.1 Hz。數據由安裝在汽車上的車載數據采集設備獲取，數據傳輸按照GB/T 32960《電動汽車遠程服務與管理系統(tǒng)技術規(guī)范》執(zhí)行，車載數據采集設備由車載診斷系統(tǒng)（OBD）接口供電。當車輛啟動后車載診斷系統(tǒng)從車輛的CAN 總線中實時讀取車輛運行狀態(tài)參數，同時利用定位系統(tǒng)（GPS）獲取車輛位置數據，數據的采集頻率可以根據需要進行調節(jié)。采集的數據符合國家標準的TCP 通信協議，數據以數據流的形式通過無線網絡傳輸到監(jiān)控平臺，參照GB/T 32960 將所需要的信息解碼，最終形成可以利用的數據。數據的采集處理流程如圖1 所示，僅對數據應用層研究部分進行詳細說明。

圖1 電動汽車數據采集處理流程

電動汽車SOC是指電動汽車動力電池剩余容量與總容量之比［16］，即電池剩余可用電量，計算公式為

式中：Qremain為電池中剩余的電池電荷容量；Qdischarged為最近一次充滿電后電池中已經放掉的電荷量。

1.2 電動汽車能耗構成分析

為準確預測電動汽車動力電池能耗，首先須提取能耗相關影響因素。因此對電動汽車行駛中的能耗構成進行分析［17］，具體如下。

電動汽車行駛模型如圖2 所示。當汽車從A 點移動到B 點的過程中，電池所消耗的能量E總耗能可以分解為牽引力做功E牽引、空調能耗E空調和其他附件能耗E其他，而牽引力做功所消耗的能量又分為汽車行駛過程中動能變化ΔE動能、重力勢能變化ΔE重力勢能、克服道路滾動阻力耗能E滾阻、克服行駛過程中風阻耗能E風阻和傳動系統(tǒng)能量損失E傳動損失。

假設道路滾動阻力系數f 與坡度角θ 為常數，且E風阻與E傳動損失之和與E牽引成正比，比例為λ，因此由動力學公式可以推導化簡為

圖2 電動汽車行駛模型

因此電動汽車行駛中能耗構成為

由上述分析可以得出，電動汽車動力電池能耗主要與動能變化和空調耗能有關。其中動能變化由汽車的行駛速度決定。而空調能耗在一般行駛工況下占整車能耗的10%～20%，怠速情況下占比為77.08%［18］，且與外界溫度直接相關，但通過車載終端無法直接獲取外界溫度信息，考慮使用經緯度與時間信息結合并通過爬蟲技術進行溫度匹配，而汽車的運行工況與電池工作工況又可通過電壓電流進行表征，因此須提取上述能耗參數進行后續(xù)的分析與建模。

對原始數據進行能耗參數提取，并通過解碼后的數據格式如表1 所示。其中共提取5 輛同款電動出租車在一年內的實際運行數據作為實驗數據來源，有效數據共有3 000多萬條。

表1 數據信息格式說明

2 電動汽車數據預處理

2.1 數據可視化

繪制部分數據的SOC 分布如圖3 所示。由于汽車行駛數據是通過傳感器進行采集，傳感器信號可能存在延遲和丟失等情況造成數據的異常與缺失，因此需對異常數據進行處理。

圖3 SOC變化分布

2.2 數據清洗

由圖3 可知，采集數據中包含大量充電數據，本文通過判斷連續(xù)的靜止片段內是否出現電流為負來篩選充電片段并進行刪除處理，還對圖4中里程為0的異常值與缺失值進行線性插值填補。

圖4 行駛里程變化分布

汽車的實際行駛數據由多個運動片段組成，電動汽車的運動學片段定義為車輛從停車開始到下一次停車開始的運動［19］，且通過運動學片段的特征數能夠把握片段的主要屬性。因此對行駛數據進行切片處理，使單條數據轉換為運動學片段，每個運動學片段均由停車、勻速、加速和減速4種行為構成。

2.3 基于變量解耦的數據同分布

采集數據中訓練數據集與測試數據集分布圖如圖5～圖8所示，其中μ、σ、skew、kurtosis分別代表數據分布的均值、方差、峰度以及偏度，兩條曲線分別為樣本實際分布和擬合標準正態(tài)分布（Normal dist.）。由于目前多數機器學習算法須保證訓練集與測試集的數據呈獨立同分布，以使所訓練的樣本具有總體代表性，減小因訓練集中的個例樣本而導致的模型誤差增大，但此數據下的SOC 和片段行駛里程特征表現為耦合狀態(tài)。

圖5 目標測試集SOC分布

圖6 目標測試集里程分布

因此本文中提出了一種基于分箱處理的滑動窗口重采樣方法，實現對多維變量耦合分布的解耦處理。該方案同時考慮了行程片段的起始SOC和片段行駛里程的影響，分箱方式如表2 所示。對于運動學片段的起始SOC 和行駛里程進行分段，考慮到算法效率與精度的結合，將起始SOC 在20%以上數據分為8段，標記為A-H，將行駛里程分為6段，標記為a-f。事實上當SOC 達到20%以下時，駕駛員應即刻去進行充電而不是選擇繼續(xù)行駛，但考慮到數據完整性，本文也將SOC 為20%以下的數據考慮在內，并將其標記為X。

圖7 訓練數據集SOC分布

圖8 訓練數據集里程分布

表2 SOC與里程分箱表

為使訓練集與測試集同分布，并擴充訓練集數據樣本個數，采用基于滑動窗口重采樣的方法對訓練集樣本進行重采樣，可以得到大量新的運動學片段，將重采樣數據與原始訓練集合并后，根據測試集分布重新擴充原始的訓練集，擴充結果如圖9 和圖10所示，此時訓練集與測試集近似同分布。

圖9 測試集分布

圖10 同分布后數據集分布

3 能耗特征構建與選擇

機器學習中，為使算法達到最優(yōu)性能，須通過特征工程對數據進行處理使原始數據轉化為特征，從而對數據中所包含的信息進行充分挖掘，使模型能夠更好地進行學習。因此須構造動力電池能耗相關特征，以便模型進行學習與訓練。

3.1 能耗特征構建

由于電動汽車在不同的行駛工況下，電池SOC的消耗規(guī)律不同，因此須構建汽車行駛工況相關特征。目前國內外對此研究較為深入，本文中基于Wu等［20］提出的10 個工況特征參數，并對其進行進一步完善，提出包括最大加速度、速度標準差和平均速度等15 個特征參數進行輸入。其次外界環(huán)境溫度影響動力電池的充放電性能，從而影響SOC 消耗。本文中通過爬蟲技術，根據已知的經緯度與時間信息得到按小時記的溫度信息作為外部環(huán)境特征，而車輛的自身狀態(tài)信息可由汽車傳感器獲取。在此構建了共20 個特征，如表3 所示，由于特征維度較多，因此須進行特征選擇。

表3 能耗模型特征表

3.2 能耗特征選擇

由于特征工程中所構建的特征可能存在信息重復或無關特征，若全部輸入模型進行訓練，則會使模型出現過擬合或維度災難，降低模型預測效果。因此須進行特征篩選，排除冗余或無效特征以減少特征數量，增強模型的泛化能力。

本文中使用頂層特征選擇算法中的穩(wěn)定性選擇進行特征篩選。穩(wěn)定性選擇是基于二次抽樣和選擇算法的結合，在不同的數據子集和特征子集上不斷重復運行，最終得到匯總結果來進行特征篩選，可以有效克服過擬合，增強對數據的理解。使用隨機森林與L1 正則化結合的穩(wěn)定性選擇方法，此方法能夠自動選取正則化參數以提升模型效果。其輸出結果如圖11所示，圖中對所構建的20個特征進行了重要性的排序，可看出部分特征對模型預測結果影響較小，因此剔除相關性較小的特征，以降低特征維度，提高模型訓練速度。

圖11 基于模型的特征篩選圖

4 動力電池SOC 預測模型的構建

4.1 溫度能耗模型原理

由于每種電池都有其最佳工作溫度，且在不同溫度下電池組內阻及放出的能量有很大差別。以鋰離子電池為例，實驗人員經過長時間的實驗發(fā)現，在冬季（-10 ℃）其可放出能量僅為夏季（30 ℃）的66.6%［21］。同時，實驗人員還做出了環(huán)境溫度對鋰電池放電容量的影響曲線。隨著環(huán)境溫度的降低，鋰電池放電容量逐漸減小，尤其在低溫時放電容量變化明顯［22］。其原因是：（1）低溫時電池內阻增大，放電電流相同時，內阻焦耳熱增加，因此理論剩余能量相同時，低溫時能量效率較低，電池可用能量減少；（2）低溫時內阻增大，電池組會更早達到放電電壓下限而停止放電，導致部分能量無法釋放而可用能量減少［23］。其次，外界溫度還影響車用空調的能耗，當電動汽車處于怠速工況下，空調系統(tǒng)能耗占整車功耗的77.08%［18］。因此不同溫度下的電動汽車能耗相差較大。本文中通過繪制行駛里程與SOC消耗之間的關系將溫度分為3層，如圖12所示，二者呈明顯的分層狀態(tài)，每種分層狀態(tài)下的能耗規(guī)律相差較大。因此，提出一種基于溫度分層的融合模型來進行電動汽車動力電池SOC的預測。

4.2 宏觀回歸預測模型

圖12 溫度分層圖

由于運動學片段能夠描述汽車一段時間內的實際運行工況，且在前述部分已經完成對運動學片段的特征提取。因此考慮對整個片段進行宏觀的建模與分析。首先進行溫度分層，并對分層后的數據進行模 型訓 練，使 用模 型有Lasso、Ridge、LGBoost、Randon_Forest、XGBoost、AdaBoost 等，采用網格搜索和貝葉斯優(yōu)化進行超參數的調整與尋優(yōu)，提高模型預測精度與泛化能力。選取均方差MAE（mean squared error）作為評價指標，其定義為

式中：yi為真 實 值；為 預測 值；m 為 訓練 樣本 的數量。

最終的單個模型預測效果如圖13所示。

圖13 單個模型訓練效果

為進一步提升模型的預測效果，采用了Stacking模型［24］融合的方法。Stcaking 模型的原理是將訓練數據分為n部分輸入模型第一層的n個基分類器，再將基分類器的預測結果作為下一層元模型的輸入，得到元模型的輸出作為最終結果，相比獨立的預測模型有更強穩(wěn)健性，可以顯著降低泛化誤差。通過對比實驗，最后選取了LGBoost、XGBoost 與Random_Forest 模型作為基模型，Lasso 作為元模型的組合進行模型融合。

其中基模型原理如下：LGBoost 與XGBoost 類似，是微軟2017年提出的GBDT算法，基本原理是采用損失函數的負梯度作為當前決策樹的殘差近似值去擬合新的決策樹。而Random_Forest 是在構建以決策樹為基模型的基礎上，引入了隨機屬性選擇，對基決策樹模型的每個節(jié)點屬性集合中隨機選擇屬性子集，再在子集中選擇最優(yōu)屬性。

圖14 基于溫度分層的模型誤差

最后融合每一層預測結果誤差如圖14 所示，平均相對誤差率僅為2.52%，而不采用溫度分層模型的預測平均相對誤差率達到4.20%，分層后預測精度明顯提高。

4.3 微觀分類預測模型

完成宏觀建模后，通過圖14 可知，對于樣本數據量較小的運動學片段，即片段的運動時間短，行駛距離小，此時模型預測結果相對較差。由于原始數據中蘊含豐富的車輛微觀行駛信息，因此考慮對小樣本片段數據進行微觀建模，通過提取每個行駛點數據的微觀特征來進行預測，以提高小樣本行駛片段的預測精度。

在原始數據中SOC 變化情況分為3 種：-1%、0和1%，分別對應SOC 下降1%、SOC 不變和SOC 增加1%（電動汽車制動能量回收）。為提高模型的預測精度，將小樣本行駛片段的SOC 預測轉化為分類問題，即預測每個時間點處的SOC，最后通過片段內所有預測值的疊加得到片段終點處的SOC值。同時為避免出現樣本不均衡導致的預測誤差增大，采用SMOTE 算法［25］對小樣本數據進行過采樣以降低類別的不平衡性。SMOTE 算法是對小樣本數據進行人工合成新樣本并添加到數據集中，首先計算樣本與少數樣本集之間的K 近鄰歐氏距離，再根據采樣倍率選擇近鄰并構造新樣本。樣本構造公式為

式中：xnew為新生成樣本；為近鄰樣本；x 為少數樣本。

采用滑動窗口技術，選擇該數據點之前的汽車行駛信息構造滑動窗口作為該點的微觀運動學特征。同樣采用前述的特征篩選方案去除對預測貢獻較小的冗余特征，篩選后特征如表4所示。

表4 微觀特征表

4.4 基于溫度分層的融合模型

完成微觀模型的特征構建后，采用LightGBM 模型處理多分類問題，通過貝葉斯優(yōu)化算法進行超參數的調整。最終將微觀片段內的預測結果疊加得到單個行駛片段終點預測值，再將微觀預測模型與宏觀預測模型進行疊加融合得到最終的溫度分層融合模型。

4.5 融合模型效果驗證

為驗證所構建的溫度分層融合模型的預測效果，需要將模型預測的SOC 值與車載BMS 所提供的真實SOC值進行對比實驗。首先構建對比實驗所需的數據集片段，采用五折交叉驗證（K-folds）的方法獲取對比數據集。五折交叉驗證是指將訓練集隨機等分為5 份互斥子集，取其中1 份數據作為測試集，其余4份作為訓練集進行訓練，重復5次并取測試結果的平均值作為最終預測結果輸出［26］，其原理如圖15所示。

圖15 交叉驗證構建數據集原理

由交叉驗證原理可知，通過五折交叉驗證選取的對比片段優(yōu)點在于，相比傳統(tǒng)的隨機劃分，大大降低了數據的偶然性與預測效果的隨機性，使測試集對比片段保留了原始數據的多樣性，即可以遍歷車輛的所有行駛工況，同時也可以顯示模型的泛化能力。使用此模型對交叉后的五折測試集進行預測并求取均化對比誤差，最終得到對比誤差如圖16 和圖17 所示。由圖可見，由溫度分層融合模型所得的預測SOC 值相比車載BMS 提供的真實SOC 值的對比平均相對誤差達到1.53%，平均絕對誤差達到0.64。預測精度較高，且具有較強魯棒性。

5 結論

圖16 測試集絕對誤差

圖17 測試集相對誤差

提出一種基于數據驅動的電動汽車動力電池SOC 預測模型。首先分析電動汽車能耗構成以提取能耗影響因素，使用CAN 總線采集數據實現SOC 的預測。相比傳統(tǒng)方法，此模型使用機器學習算法，實現了能耗與汽車實際工況以及交通路網參數的結合，并提出了溫度能耗模型以優(yōu)化溫度影響，且預測精度較高。此外提出一種基于分箱處理的變量解耦方法以實現機器學習中多維變量耦合作用下的數據同分布。綜上所述，該模型對優(yōu)化動力電池的能量管理策略具有一定指導意義，也為電動汽車SOC 的在線預測和挖掘電動汽車運行數據背后的規(guī)律和價值提供參考。