【儀表網 研發快訊】近日，大連化學物理研究所能源催化轉化全國重點實驗室動力電池與系統研究部(DNL29)陳忠偉院士、毛治宇副研究員團隊聯合北京理工大學張照生副教授，在電動汽車續航預測與管理研究中取得新進展。研究團隊提出了一種基于真實運行數據的電動汽車剩余續航里程估算與分析框架，在復雜實際工況下實現了對多維影響因素的系統表征和高精度續航預測，為電動汽車大規模應用過程中的智能管理和精細運營提供了可工程化落地的新路徑，具有廣闊的應用潛力。
當前，電動汽車的推廣應用仍受“續航焦慮”制約。現有預測方法多依賴仿真工況或小樣本測試，難以準確反映不同地區氣候條件、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鍵難題，研究團隊構建了一個面向實車應用的在線續航估算與優化分析一體化框架。該框架綜合考慮駕駛行為、環境溫度、電池健康狀態(SOH)等多源因素，通過隨機森林算法實現“先能耗、后續航”的分步估算：首先建立單位里程能耗率模型，進而基于能耗率推算剩余續航里程。相比直接黑盒預測，這種分步建模方式既提高了預測精度，又顯著增強了模型的可解釋性，能夠定量回答“什么因素在什么程度上影響續航”。
在此基礎上，研究團隊基于來自不同城市的乘用車與公交車三年實車運行數據(總行駛里程超過30萬公里)，對框架進行了系統驗證。結果表明，該方法預測的剩余續航里程與實際可行駛里程之間的平均相對誤差低于5.5%，性能顯著優于傳統方法，證明了其在工程場景中的可靠性和穩健性。深入分析表明，反映整段行程用電強度的平均電流與平均車速是影響能耗的主要因素；通過優化駕駛行為，乘用車續航可提升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”，更為“如何跑得更遠”提供了量化依據，有望為電動汽車車隊管理、能耗優化、智能調度、車輛殘值評估等提供技術支撐。
面向未來應用場景，團隊計劃將研究范圍進一步拓展至更廣泛的氣候和使用條件，特別是寒冷地區和復雜路況環境，針對低溫條件下電池可用容量下降、能耗波動加劇等行業共性難題，通過納入路況、濕度等更多環境參數，優化駕駛行為分類方法及其與電池退化的耦合分析，持續提升模型的泛化能力和跨區域適用性。同時，團隊將推動該框架與車載電池管理系統(BMS)、車隊運營管理平臺和能源管理系統深度融合，為構建安全、高效、智能的新能源交通系統提供整體解決方案。
近年來，陳忠偉團隊致力于推動人工智能與能源/電催化技術的深度融合，構建了人工智能與電化學相結合的系統研究體系，在“高性能材料篩選與設計”(Joule，2021；Adv. Mater.，2022；Chem. Soc. Rev.，2020)、“高通量智能研發平臺”和“智能系統集成管理”(IEEE Trans. Transp. Electrification，2024；IEEE Trans. Transp. Electrification，2024；Appl. Energy，2024；Batteries，2024；World Electr. Veh. J.，2022；J. Electrochem. Soc.，2019)等方面取得系列進展，展現了人工智能在助力電化學基礎研究創新、人工智能賦能新能源工程應用方面的潛力。
相關研究成果以“Data-driven Remaining Driving Range Estimation and Analysis Framework for Electric Vehicles under Real-world Conditions”為題，于近日發表在《應用能源》(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基金、中國科學院B類先導專項“能源電催化的動態解析與智能設計”等項目的資助。(文/圖 周立濤)
所有評論僅代表網友意見，與本站立場無關。