雖然電動(dòng)汽車日益普及，但“續(xù)航焦慮”依然是制約用戶體驗(yàn)的核心痛點(diǎn)?，F(xiàn)有的續(xù)航預(yù)測(cè)方法大多依賴實(shí)驗(yàn)室仿真工況或小樣本測(cè)試，難以真實(shí)反映不同地區(qū)氣候、路況及駕駛習(xí)慣的巨大差異。

　　近日，中國(guó)科學(xué)院大連化學(xué)物理研究所等科研團(tuán)隊(duì)，提出了一種基于真實(shí)運(yùn)行大數(shù)據(jù)的電動(dòng)汽車剩余續(xù)航里程估算與分析框架，在復(fù)雜實(shí)際工況下實(shí)現(xiàn)了對(duì)多維影響因素的系統(tǒng)表征。該研究不僅大幅提升了續(xù)航預(yù)測(cè)精度，更為電動(dòng)汽車的大規(guī)模智能管理和精細(xì)化運(yùn)營(yíng)提供了可工程化落地的技術(shù)路徑。

　　研究團(tuán)隊(duì)構(gòu)建了一個(gè)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”。不同于傳統(tǒng)直接給出結(jié)果的“黑盒”預(yù)測(cè)，該框架利用隨機(jī)森林算法，創(chuàng)造性地實(shí)現(xiàn)了“先能耗、后續(xù)航”的分步估算策略：首先綜合考慮駕駛行為、環(huán)境溫度、電池健康狀態(tài)等多源因素，建立單位里程能耗率模型；進(jìn)而基于能耗率精準(zhǔn)推算剩余續(xù)航。這種分步建模方式不僅提高了精度，更顯著增強(qiáng)了模型的可解釋性。它能定量回答“究竟是什么因素、在多大程度上吃掉了續(xù)航”等問(wèn)題，讓算法不再是冰冷的數(shù)字。

　　為了驗(yàn)證這套框架在真實(shí)世界中的表現(xiàn)，研究團(tuán)隊(duì)基于來(lái)自不同城市的乘用車與公交車，收集了長(zhǎng)達(dá)3年、總行駛里程超過(guò)30萬(wàn)公里的實(shí)車運(yùn)行數(shù)據(jù)。系統(tǒng)驗(yàn)證結(jié)果顯示，該方法預(yù)測(cè)的剩余續(xù)航里程與車輛實(shí)際可行駛里程之間的平均相對(duì)誤差低于5.5%。這一性能顯著優(yōu)于傳統(tǒng)預(yù)測(cè)方法，充分證明了其在復(fù)雜工程場(chǎng)景中的可靠性與穩(wěn)健性。進(jìn)一步分析表明，整段行程的平均電流與平均車速是影響能耗的關(guān)鍵變量。數(shù)據(jù)表明，僅通過(guò)優(yōu)化駕駛行為，乘用車的續(xù)航能力有望提升30%以上，公交車可提升10%以上。

　　該研究成果不僅回答了用戶關(guān)心的“還能跑多遠(yuǎn)”的問(wèn)題，更為“如何跑得更遠(yuǎn)”提供了量化依據(jù)。這一框架有望為車隊(duì)智能調(diào)度、能耗優(yōu)化管理、車輛殘值評(píng)估等場(chǎng)景提供核心技術(shù)支撐。面向未來(lái)，團(tuán)隊(duì)計(jì)劃將研究范圍拓展至更嚴(yán)苛的寒冷地區(qū)和復(fù)雜路況，針對(duì)低溫下電池容量衰減、能耗波動(dòng)等行業(yè)共性難題，通過(guò)納入路況、濕度等更多環(huán)境參數(shù)，持續(xù)提升模型的泛化能力。同時(shí)，團(tuán)隊(duì)將推動(dòng)該算法與車載電池管理系統(tǒng)及云端運(yùn)營(yíng)平臺(tái)的深度融合，助力構(gòu)建更加安全、高效的新能源交通系統(tǒng)。

　　相關(guān)研究成果發(fā)表在《應(yīng)用能源》（Applied Energy）上。研究工作得到國(guó)家自然科學(xué)基金委員會(huì)等的支持。

基于實(shí)車大數(shù)據(jù)的續(xù)航預(yù)測(cè)與優(yōu)化分析框架

方法在測(cè)試乘用車與公交車上的續(xù)航預(yù)測(cè)精度