从网上搜集到的论文来看,现有的续驶里程测量方法中一部分是通过现有数据训练通用的机器学习模型,之后根据电压,电流,SOC,单体最高温度,单体最低温度等多个变量综合对续驶里程进行预测,另一部分是根据工业测量的SOC和续驶里程的转化公式,通过SOC直接算得。
第一种方法:
因为现有的数据集没有续驶里程这一项,所以我们要根据已有的累计里程求的续驶里程
这种方法肯定有误差,我采用的方法是求消耗1%SOC能走的距离,进而估算当前SOC消耗至截止SOC可行驶的距离(即续驶里程)
data['累计里程'] = abs(data['累计里程'] - data['累计里程'].tolist()[-1])
红色为SOC和直接不定截止SOC测得的续驶里程的相关性,但不好做回归预测
if(data['SOC'][i] != data['SOC'].tolist()[-1]):
newdata['累计里程'][i] = abs(data['累计里程'].tolist()[i] - data['累计里程'].tolist()[-1]) / (data['SOC'].tolist()[i] - data['SOC'].tolist()[-1]) * (data['SOC'].tolist()[i] - min)
else:
newdata['累计里程'][i] = newdata['累计里程'][0]/(newdata['SOC'].tolist()[0] - newdata['SOC'].tolist()[-1]) * (newdata['SOC'].tolist()[0] - min)
蓝色为SOC和转换后得出的续驶里程的相关性
基于此,我们可以进行预测分析
第二种方法:
直接估计行驶里程,通过行驶里程来测续驶里程