【儀表網(wǎng) 研發(fā)快訊】近日，大連化學(xué)物理研究所能源催化轉(zhuǎn)化全國重點實驗室動力電池與系統(tǒng)研究部(DNL29)陳忠偉院士、毛治宇副研究員團(tuán)隊聯(lián)合北京理工大學(xué)張照生副教授，在電動汽車?yán)m(xù)航預(yù)測與管理研究中取得新進(jìn)展。研究團(tuán)隊提出了一種基于真實運行數(shù)據(jù)的電動汽車剩余續(xù)航里程估算與分析框架，在復(fù)雜實際工況下實現(xiàn)了對多維影響因素的系統(tǒng)表征和高精度續(xù)航預(yù)測，為電動汽車大規(guī)模應(yīng)用過程中的智能管理和精細(xì)運營提供了可工程化落地的新路徑，具有廣闊的應(yīng)用潛力。
 

　　當(dāng)前，電動汽車的推廣應(yīng)用仍受“續(xù)航焦慮”制約?，F(xiàn)有預(yù)測方法多依賴仿真工況或小樣本測試，難以準(zhǔn)確反映不同地區(qū)氣候條件、路況及車輛類型之間的實際差異。針對這些工程實際中的關(guān)鍵難題，研究團(tuán)隊構(gòu)建了一個面向?qū)嵻噾?yīng)用的在線續(xù)航估算與優(yōu)化分析一體化框架。該框架綜合考慮駕駛行為、環(huán)境溫度、電池健康狀態(tài)(SOH)等多源因素，通過隨機(jī)森林算法實現(xiàn)“先能耗、后續(xù)航”的分步估算：首先建立單位里程能耗率模型，進(jìn)而基于能耗率推算剩余續(xù)航里程。相比直接黑盒預(yù)測，這種分步建模方式既提高了預(yù)測精度，又顯著增強(qiáng)了模型的可解釋性，能夠定量回答“什么因素在什么程度上影響續(xù)航”。
 

　　在此基礎(chǔ)上，研究團(tuán)隊基于來自不同城市的乘用車與公交車三年實車運行數(shù)據(jù)(總行駛里程超過30萬公里)，對框架進(jìn)行了系統(tǒng)驗證。結(jié)果表明，該方法預(yù)測的剩余續(xù)航里程與實際可行駛里程之間的平均相對誤差低于5.5%，性能顯著優(yōu)于傳統(tǒng)方法，證明了其在工程場景中的可靠性和穩(wěn)健性。深入分析表明，反映整段行程用電強(qiáng)度的平均電流與平均車速是影響能耗的主要因素；通過優(yōu)化駕駛行為，乘用車?yán)m(xù)航可提升30%以上，公交車可提升10%以上。該研究不僅回答了“還能跑多遠(yuǎn)”，更為“如何跑得更遠(yuǎn)”提供了量化依據(jù)，有望為電動汽車車隊管理、能耗優(yōu)化、智能調(diào)度、車輛殘值評估等提供技術(shù)支撐。
 

　　面向未來應(yīng)用場景，團(tuán)隊計劃將研究范圍進(jìn)一步拓展至更廣泛的氣候和使用條件，特別是寒冷地區(qū)和復(fù)雜路況環(huán)境，針對低溫條件下電池可用容量下降、能耗波動加劇等行業(yè)共性難題，通過納入路況、濕度等更多環(huán)境參數(shù)，優(yōu)化駕駛行為分類方法及其與電池退化的耦合分析，持續(xù)提升模型的泛化能力和跨區(qū)域適用性。同時，團(tuán)隊將推動該框架與車載電池管理系統(tǒng)(BMS)、車隊運營管理平臺和能源管理系統(tǒng)深度融合，為構(gòu)建安全、高效、智能的新能源交通系統(tǒng)提供整體解決方案。
 

　　近年來，陳忠偉團(tuán)隊致力于推動人工智能與能源/電催化技術(shù)的深度融合，構(gòu)建了人工智能與電化學(xué)相結(jié)合的系統(tǒng)研究體系，在“高性能材料篩選與設(shè)計”(Joule，2021；Adv. Mater.，2022；Chem. Soc. Rev.，2020)、“高通量智能研發(fā)平臺”和“智能系統(tǒng)集成管理”(IEEE Trans. Transp. Electrification，2024；IEEE Trans. Transp. Electrification，2024；Appl. Energy，2024；Batteries，2024；World Electr. Veh. J.，2022；J. Electrochem. Soc.，2019)等方面取得系列進(jìn)展，展現(xiàn)了人工智能在助力電化學(xué)基礎(chǔ)研究創(chuàng)新、人工智能賦能新能源工程應(yīng)用方面的潛力。
 

　　相關(guān)研究成果以“Data-driven Remaining Driving Range Estimation and Analysis Framework for Electric Vehicles under Real-world Conditions”為題，于近日發(fā)表在《應(yīng)用能源》(Applied Energy)上。該工作的第一作者為我所DNL29博士后周立濤，上述工作得到國家自然科學(xué)基金、中國科學(xué)院B類先導(dǎo)專項“能源電催化的動態(tài)解析與智能設(shè)計”等項目的資助。(文/圖 周立濤)