英语原文共 6 页，剩余内容已隐藏，支付完成后下载完整资料
ScienceDirect
能量程序105（2017）2904-2909
第八次应用能量国际会议 - ICAE2016
考虑到环境温度的影响，提高电动汽车能量消耗的估计精度
王江波\，刘凯\*，山本俊幸\，森川孝之\
\大连理工大学交通与物流学院，大连市凌宫路2号，116024。
\日本名古屋市千草区福野町名古屋大学可持续材料与系统研究所464-8603。
\日本名古屋市千草区古野町名古屋大学未来学会创新研究所464-8603。
摘要
准确预测电动汽车（EV）能耗的能力对于缓解驾驶员的里程焦虑非常重要，并且是充电基础设施空间规划，运营和管理的关键基础。 基于日本爱知县68个电动汽车的稀疏GPS观测数据，提出了一种能量消耗模型，并通过传统的线性回归和多级线性回归进行验证。 特别考虑了环境温度的影响。 基于该结果，所提出的模型在能耗估算中表现出良好的性能。 对于陡峭的道路坡度，参数在上坡能量消耗和下坡能量再生之间表现出更大的差异。 能效与环境温度之间的关系呈现不对称的#39;U#39;形状，最佳能量效率发生在大约17.5摄氏度。 考虑到驾驶行为的个体差异性，多级混合效应回归模型表现出更高的适合度。
“关键词：电动车; 能量消耗模型; 实际观测值; 个体差异; 多级衰退”
copy;2016作者。 由Elsevier Ltd.出版
由ICAE负责选择和/或同行评审
介绍
为减少对化石燃料的依赖，也为了减少有害排放物，电动车（EV）近年来引起了极大的关注。 精确的距离预测是最大程度减小里程焦虑并帮助驾驶员充分利用其有限的可用能量的关键[1]。 更重要的是，在充电基础设施的空间规划，运营和管理中，车辆的能耗是一个必须被考虑且至关重要的方面。
根据以往的研究，各种因素影响能耗，包括驾驶相关因素，环境相关因素（如环境温度[2]），车辆相关因素（如与行车相关的因素（如用于加热和空调的辅助负载[3]），与道路相关的因素（如道路坡度[4]），与交通相关的因素（如信号控制和行人造成的中断[5]）以及与驾驶员相关的因素如驾驶行为和收费习惯[6]）。 此外，电池的健康和退化条件[7]以及制动能量回收效率[8]是影响电动汽车能效的特征因素。
由于获取相关数据的困难，以往大多数研究都忽略了与环境有关的因素。 然而，与环境有关的因素，特别是环境温度，对电动汽车的能耗有显着影响。 一些研究关注车辆电池在环境温度影响下的性能[2]，但他们未能确定温度对能效的影响。 基于为各种EV行程收集的实时温度信息，目前的功旨在揭示能耗与环境温度之间的关系。 此外，还尝试提高基于稀疏观测的能耗估算的准确性，这对能耗估算的实际应用很重要。
目前的功主要集中在基于稀疏GPS观测EV的能耗估算上。 提出了一个能耗模型，该模型考虑了1）克服滚动阻力所做的功，2）气动摩擦损失，3）取决于路线等级的能量消耗，4）辅助负载消耗和5）电力输出不稳定所造成的额外能量损失。 两种方法用于基于GPS观测的模型验证和参数估计。
本文的结构如下。下一节将介绍为本次研究收集的关于电动汽车能量消耗的详细观测数据。 然后，在下面的部分中，提出能耗模型，关于我们的调查结果的研究和结论将陆续讨论。
数据采集
考虑到在现实条件下影响电动汽车能量消耗的因素数量，从2011年2月到2013年1月在日本收集了大约500辆电动汽车的GPS轨迹数据。在所有这些电动汽车中，爱知县共有68辆电动汽车在本文中使用。 借助地图匹配技术和高程数据库技术，还可以获取各路段的坡度。
电动汽车的GPS报告的轮询频率相对较低（每分钟一次），因此数据无法提供有关实际驾驶行为或荷电状态（SOC）变化的时刻的详细信息（在操作阶段发生0.5％的变化）。 因此，我们专注于每次驾驶的能量消耗。 共记录了68辆电动车的39477次驾驶。
为了探索影响因素并揭示影响能量消耗的规则，从行程数据中提取各种变量。 首先，能效Ei被定义为行程i期间每公里的平均能量消耗。 能量消耗是按公里水平计算的，以帮助理解研究区域的能量需求的空间分布。
对于空调和加热器消耗的电力，每公里的服务时间由以下公式确定：
=* ; =* （1）
这里和分别是在旅程i期间空调和加热器的使用时间; 是驾驶时间；是驾驶距离；和分别是空调和加热器被打开时记录的GPS点的数量。
由于GPS报告的轮询频率较低，无法观察到连续的速度。因此，计算每次驾驶的平均驾驶速度并将其添加到模型中以捕捉驾驶司机的特点。每公里的空气动力摩擦损失Eair[4]的计算公式为：
=0.5*q*f**△prop; （2）
其中q是空气密度，f是车辆的迎风面积，是旅程i期间的平均速度，△是单位距离（本研究中为1公里），另外，根据爱知县道路网的海拔高度数据，可以获得驾驶路线的坡度。链接长度与梯度j的百分比，记做Pj，被用来描述地形对电动汽车能耗的影响夜间虚拟变量Ni被定义为指示夜间出行的时间。实时环境温度数据Ti也针对每次驾驶获得。表1列出了变量的描述性统计。
表1.变量的描述性统计
|
变量 |
描述 |
意思 |
标准。 错误 |
|
E |
能效（千瓦时/千米） |
0.1499 |
0.0596 |
|
A |
每公里空调维修时间（分钟） |
1.1466 |
1.7558 |
|
H |
每公里加热器使用时间（分钟） |
0.4759 |
1.2951 |
|
v |
平均行驶速度（km / h） |
21.7709 |
7.0609 |
|
d |
驾驶距离（公里） |
5.3418 |
4.4023 |
|
N |
夜间虚拟变量（夜间行程等于1，否则为0） |
0.0584 |
0.2345 |
|
T |
环境温度（℃） |
18.3521 |
9.1590 |
|
Plt;-9% |
链接长度的百分比大于-9％。 |
0.0010 |
0.0054 |
|
P-9~-7% |
链接长度的百分比，具有-9至-7％的梯度 |
0.0018 |
0.0084 |
|
P-7~-5% |
链接长度的百分比，倾斜度为-7至-5％ |
0.0075 |
0.0202 |
|
P-5~-3% |
链接长度的百分比，其中-5到-3％ |
0.0250 |
0.0393 |
|
P-3~-1% |
链接长度与-3到-1％的梯度的百分比 |
0.0894 |
0.0836 |
|
P1~3% |
链接长度的百分比，梯度为1至3％ |
0.0924 |
0.0869 |
|
P3~5% |
链接长度的百分比，梯度为3至5％ |
0.0255 |
0.0414 |
|
P5~7% |
链接长度的百分比，梯度为5至7％ |
0.0073 |
0.0193 |
|
P7~9% |
链接长度的百分比，梯度为7至9％ |
0.0019 |
0.0095 |
|
Pgt;9% |
链接长度的百分比大于9％ |
0.0011 |
0.0062 |
|
3.方法论 |
如第1节所述，辅助负载条件，行驶距离，一天中的时间和环境温度可能会影响行程中的能耗。 因此，为了改进能耗估算，提出了以下综合模型：
= （3）
是克服滚动阻力的功,是气动摩擦损失, 就是取决于路线等级的能量消耗，是辅助负荷消耗，是由于环境温度的影响导致电动机输出功率不稳定而引起的额外能量损失，是加速度阻力；在这项研究中，由于GPS数据的稀疏性，车辆的加速度是不可观测的，并且必须基于回归模型的截距来评估。
克服滚动阻力的功可由如下公式表示：
=tau;* m * g * △prop; （4）
其中tau;是滚动阻力系数，m是车辆质量，g是重力加速度, tau;* m * g *△这一串乘积经常是一个常数。公式（2）给出了气动摩擦损失。 值得注意的是，与成正比。 对于由道路坡度引起的每公里能量消耗，考虑了10个梯度类别：
= * * * * * * * * * * （5）
其中至是不同梯度类别的影响系数。 辅助负荷消耗由三部分组成：1）空调负荷; 2）加热负荷; 3）夜间驾驶的照明负荷。因此，它是由以下公式求出
= * * * =** ** * (6)
其中到是空调制冷、制热和夜间行驶的虚拟变量的系数
图1说明了能量效率与环境温度之间的关系。 观测的分布呈现出不对称的“U”形。 能量效率在大约17.5摄氏度时达到最小值，并测试三个多项式以拟合不对称的“U”分布。 显然，用红色显示的三阶多项式产生了最佳拟合。
0.5
观察结果
一阶多项式
二阶多项式
三阶多项式
0.4
每公里能量消耗（千瓦时/千米）
0.3
0.2
0.1
0
-10 -5 0 5 10 15 20 25 30 35 40
环境温度（℃）
图1.每公里能耗与环境温度的关系
因此，由于环境温度的影响，由电动机的功率输出的不稳定性引起的额外能量损失被表达为
Etemi=*Ti * * （7）
其中到是影响系数，可通过模型校准进行估计。
结果
首先，建立了一个传统的线性回归模型，该模型在每次驾驶期间没有考虑环境温度，即模型1。然后，建立一个更全面的模型，模型2，以检查环境温度的影响。此外，还使用了考虑驾驶者驾驶特性异同的多级混合效应线性回归模型，模型3，其结果见表2.多个变量显示了能量效率的差异。具体而言，观察到对驾驶员行为的强烈依赖，使得相同的平
全文共8423字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[14171]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
