謝燕芳，黎 飛，程 登，王興月，馮鈺杰

（上汽通用五菱汽車股份有限公司廣西汽車新四化重點(diǎn)實(shí)驗(yàn)室，廣西 柳州 545007）

1 充電時(shí)間預(yù)測(cè)的概述和意義

隨著全球氣溫逐年上升和化石能源日益緊缺，各國(guó)對(duì)新能源汽車的關(guān)注和需求日漸增長(zhǎng)。截至2021年6月，全國(guó)汽車保有量達(dá)2.92億輛，其中新能源汽車603萬(wàn)輛，占汽車總量的2.06%。2021年上半年全國(guó)新注冊(cè)登記機(jī)動(dòng)車1 871萬(wàn)輛、新能源汽車110.3萬(wàn)輛，均創(chuàng)同期歷史新高。

電池續(xù)航和電池充電是用戶非常關(guān)注的兩個(gè)信息，電池續(xù)航能量讓用戶可以了解到車輛可以跑多遠(yuǎn)，電池充電時(shí)間可以讓用戶了解多長(zhǎng)時(shí)間充滿，以更好地安排出行計(jì)劃。充電時(shí)間預(yù)測(cè)是根據(jù)用戶的車輛的充電大數(shù)據(jù)，預(yù)測(cè)出車輛從充電時(shí)刻到充滿時(shí)刻的時(shí)長(zhǎng)，并通過(guò)手機(jī)APP端實(shí)時(shí)告知用戶，讓用戶實(shí)時(shí)了解到車輛充滿的時(shí)長(zhǎng)，以便于更好規(guī)劃出行，極大地提高了用戶用車的便利性。

2 充電預(yù)測(cè)研究現(xiàn)狀

在現(xiàn)有技術(shù)中，一般通過(guò)專家經(jīng)驗(yàn)預(yù)測(cè)電池的充電時(shí)間或者根據(jù)物理公式預(yù)測(cè)電池的充電時(shí)間[1]。根據(jù)經(jīng)驗(yàn)預(yù)測(cè)電池的充電時(shí)間即依據(jù)近3個(gè)月的充電情況去預(yù)測(cè)充電時(shí)間，先計(jì)算每次充電SOC平均充電時(shí)間，然后根據(jù)需要充滿的SOC乘以充電時(shí)間，公式如下：

根據(jù)物理公式預(yù)測(cè)電池的充電時(shí)間即依據(jù)充電過(guò)程的物理特征預(yù)測(cè)充電時(shí)間，即使用額定能量、充電電流、充電電壓和充電SOC值計(jì)算充電時(shí)間，公式如下：

但充電環(huán)境溫度、充電電網(wǎng)穩(wěn)定性、電池充電策略等因素會(huì)導(dǎo)致經(jīng)驗(yàn)預(yù)測(cè)和物理公式預(yù)測(cè)會(huì)有較大偏差。我們使用平均誤差和方差對(duì)專家經(jīng)驗(yàn)預(yù)測(cè)和物理公式預(yù)測(cè)效果進(jìn)行評(píng)估，其中：

專家經(jīng)驗(yàn)預(yù)測(cè)平均誤差值11.2 min，方差為4.9 min；公式預(yù)測(cè)平均誤差值13.6 min，方差為5.9 min?？傮w預(yù)測(cè)效果并不理想，因此我們引入了機(jī)器學(xué)習(xí)的方法進(jìn)行電池充電預(yù)測(cè)。

3 基于機(jī)器學(xué)習(xí)的充電時(shí)長(zhǎng)預(yù)測(cè)

本文抽取了100臺(tái)新能源汽車使用機(jī)器學(xué)習(xí)方法預(yù)測(cè)充電時(shí)長(zhǎng)，為了評(píng)估模型的可行性，我們首先需要對(duì)樣本數(shù)據(jù)進(jìn)行數(shù)據(jù)探索；其次對(duì)數(shù)據(jù)進(jìn)行異常數(shù)據(jù)的預(yù)處理以利于提高機(jī)器學(xué)習(xí)結(jié)果的準(zhǔn)確率；第三，我們使用對(duì)清洗完成的數(shù)據(jù)進(jìn)行一次特征工程加工，產(chǎn)生模型需要輸出的特征參數(shù)；最后將樣本分為訓(xùn)練集和測(cè)試集，訓(xùn)練集用于模型訓(xùn)練，測(cè)試集用于預(yù)測(cè)結(jié)果測(cè)試，結(jié)果評(píng)估仍按照平均誤差值和方差進(jìn)行評(píng)估。

3.1 樣本說(shuō)明

車輛數(shù)為100臺(tái)；數(shù)據(jù)時(shí)間為2020-07-01至2020-08-30、2020-12-01至2021-01-31；車輛位置：廣西、海南、山東、黑龍江、四川；研究目的為通過(guò)電池充電時(shí)間相關(guān)影響因素預(yù)測(cè)新能源汽車電池充電時(shí)間。

3.2 數(shù)據(jù)探索

1）數(shù)據(jù)字段：容量提取和建模需要的特征字段在原始數(shù)據(jù)中都存在。

2）數(shù)據(jù)精度：除了SOC和充電電壓的精度偏低，其他的數(shù)據(jù)字段的精度都符合要求，如表1所示。

表1 數(shù)據(jù)字段精度說(shuō)明

3）數(shù)據(jù)質(zhì)量：時(shí)間數(shù)據(jù)質(zhì)量良好，重復(fù)時(shí)間數(shù)據(jù)很少，10 s間隔基本穩(wěn)定，如表2所示。充電數(shù)據(jù)質(zhì)量較好，充電次數(shù)較多，充電SOC跨度較大，利于模型訓(xùn)練；跳變數(shù)據(jù)少。

表2 數(shù)據(jù)字段質(zhì)量表

3.3 數(shù)據(jù)預(yù)處理

為了預(yù)測(cè)結(jié)果更精確，需要控制數(shù)據(jù)質(zhì)量，因而本文對(duì)收集的數(shù)據(jù)進(jìn)行了預(yù)處理。主要是對(duì)原始數(shù)據(jù)字段中的一些異常值、空值和跳變數(shù)據(jù)進(jìn)行處理，具體如下：

1）對(duì)數(shù)據(jù)進(jìn)行去重，對(duì)每個(gè)充電過(guò)程中的完全重復(fù)的數(shù)據(jù)，都只會(huì)保留其中一條，其余數(shù)據(jù)刪除。

2）時(shí)間戳異常值處理，主要針對(duì)年、月、日、時(shí)、分、秒設(shè)定各自的取值范圍，比如月的取值范圍是1～12，日的取值范圍是1～31等，超出范圍的數(shù)據(jù)會(huì)整條被刪除。

3）按照時(shí)間順序?qū)?shù)據(jù)值進(jìn)行排序。

4）去除“臟”數(shù)據(jù)，剔除超出數(shù)據(jù)范圍的數(shù)據(jù)，并對(duì)其余的數(shù)據(jù)按照給定的范圍進(jìn)行數(shù)據(jù)篩選。

5）對(duì)缺失值（NAN）進(jìn)行處理，當(dāng)字段的缺失比例非常低時(shí)（如5%以內(nèi)）利用線性插值法填補(bǔ)存在缺失的觀測(cè)數(shù)據(jù)，當(dāng)某些變量的缺失比例非常高時(shí)（超過(guò)85%），直接刪除這些缺失變量。

6）對(duì)在時(shí)間上有跳變的數(shù)據(jù)進(jìn)行拼接。

3.4 新能源汽車滿電時(shí)間預(yù)測(cè)模型

3.4.1 充電時(shí)間預(yù)測(cè)流程圖（見(jiàn)圖1）

1）輸入原始數(shù)據(jù)：輸入每臺(tái)車的原始數(shù)據(jù)，車聯(lián)網(wǎng)顆粒度最小的數(shù)據(jù)；

2）提取充電片段信息：以車號(hào)為索引篩選各車輛數(shù)據(jù)，按照整車模式判斷條件提取充電片段的充電片段；

3）異常數(shù)據(jù)清洗：按照數(shù)據(jù)預(yù)處理的方法處理異常數(shù)據(jù)；

4）充電數(shù)據(jù)特征計(jì)算：計(jì)算充電時(shí)間的特征值和電流平滑值；

5）訓(xùn)練集和測(cè)試切分：按照80%訓(xùn)練集和20%測(cè)試集計(jì)行切分?jǐn)?shù)據(jù)；

6）充電時(shí)間預(yù)測(cè)模型建：使用隨機(jī)森林方法對(duì)測(cè)試集進(jìn)行訓(xùn)練，然后使用模型進(jìn)行測(cè)試；

7）結(jié)束：輸出結(jié)果。

3.4.2 充電時(shí)間預(yù)測(cè)說(shuō)明

對(duì)比了公式預(yù)測(cè)和隨機(jī)森林的方法，我們可以看到隨機(jī)森林準(zhǔn)確性和收斂性均有較好的表現(xiàn)。從圖2、圖3數(shù)據(jù)來(lái)看，粗線為對(duì)角線，細(xì)線為上下波動(dòng)15 min的線，使用公式計(jì)算會(huì)發(fā)現(xiàn)時(shí)間預(yù)測(cè)會(huì)總體偏小，且散點(diǎn)較多，離散度非常高。從隨機(jī)森林來(lái)看，波動(dòng)性相對(duì)較為穩(wěn)定，也較為收斂。

3.4.3 隨機(jī)森林結(jié)果指標(biāo)對(duì)比

從擬合優(yōu)度、|預(yù)測(cè)-實(shí)際|平均值、|預(yù)測(cè)-實(shí)際|標(biāo)準(zhǔn)差、|預(yù)測(cè)-實(shí)際|最大值各項(xiàng)指標(biāo)來(lái)看，隨機(jī)森林模型預(yù)測(cè)效果各項(xiàng)指標(biāo)表現(xiàn)良好，對(duì)充電時(shí)間預(yù)測(cè)準(zhǔn)確率提升較大，如下頁(yè)表3所示。

表3 隨機(jī)森林結(jié)果指標(biāo)對(duì)比表

4 新能源汽車電池滿充預(yù)測(cè)展望和改進(jìn)

從預(yù)測(cè)結(jié)果來(lái)看，引入了機(jī)器學(xué)習(xí)算法后充電時(shí)間預(yù)測(cè)準(zhǔn)確率可以滿足用戶對(duì)滿充時(shí)長(zhǎng)的了解，汽車廠家可以實(shí)時(shí)給用戶提供滿充時(shí)長(zhǎng)的查詢，讓用戶清晰明了地知道滿充需要花費(fèi)的時(shí)長(zhǎng)，合理規(guī)劃充電和出行，提高用戶的滿意度。

但是隨機(jī)森林結(jié)果隨SOC增加偏差越大，特別是SOC接近100%的時(shí)間，因?yàn)殡姵爻潆姴呗缘牟煌瑫?huì)造成偏差越來(lái)越大。其次充電過(guò)程會(huì)有各類異常出行，會(huì)導(dǎo)致充電預(yù)測(cè)時(shí)間的波動(dòng)，需要考慮更多的異常值處理，使用低通濾波處理掉一部分?jǐn)?shù)據(jù)后再進(jìn)行改進(jìn)。另外，因?yàn)殡姵氐牟町愋裕Ｐ偷恼{(diào)整需要不斷改進(jìn)，需要加入更多的電池特性數(shù)字。因此，我們應(yīng)該在大量車輛驗(yàn)證后，對(duì)模型進(jìn)行不斷地優(yōu)化，在使用過(guò)程中不斷地調(diào)整模型，提高預(yù)測(cè)模型的準(zhǔn)確度，給用戶提供更為準(zhǔn)確的充電預(yù)測(cè)時(shí)間。