基于实车数据的电动汽车电池剩余使用寿命预测

来源：交通运输系统工程与信息杂志2022年第1期北京时间：

作者：胡杰, 何陈, 朱雪玲, 杨光宇

单位：武汉理工大学，a. 现代汽车零部件技术湖北省重点实验室；b. 汽车零部件技术湖北省协同创新中心；c. 湖北省新能源与智能网联车工程技术研究中心，武汉 430070

摘要：电动汽车电池剩余使用寿命预测是当下电池研究领域的热点内容，现有电池剩余使用寿命预测模型大多基于单一预测指标，预测精度较低，模型的泛化性能较差。本文通过实车数据构建了GM-LSTM的Stacking融合模型，实现电动汽车电池剩余使用寿命的准确预测。首先根据电池剩余使用寿命影响因素，提取车辆真实的运行参数和环境参数，基于随机森林算法筛选最优特征集合作为模型输入，其次选择差分整合移动平均自回归算法对所选特征进行惯性延伸，克服数据时间维度上的限制，最后基于数据特点，分别建立灰色预测模型和长短时记忆神经网络模型实现电池剩余使用寿命预测，并通过Stacking模型融合进一步降低预测误差。结果表明：模型融合后平均相对误差为1.6%，平均绝对误差为0.013，能够稳定可靠的实现电动汽车电池剩余使用寿命预测。

关键词：城市交通,剩余使用寿命预测,数据驱动,电动汽车,模型融合

基金资助：湖北省科技重大专项