基于改进长短时记忆神经网络自适应增强算法的多天气车辆分类方法

针对目前国内外车辆分类效果不理想和受天气影响较大的问题,本文中提出一种基于改进长短时记忆神经网络-自适应增强算法(LSTM-AdaBoost)的多天气车辆分类方法,并提出一种"多层网格法"以准确地确定LSTM的超参数。首先建立地磁车辆检测系统平台和车辆分类方法,然后分析基于改进LSTM-AdaBoost的车辆分类结果,并对不同车辆分类方法和不同天气下的分类准确率进行了对比。结果表明,与最邻近结点算法和反向传播神经网络算法相比,本文所提出的方法具有较高的准确率,最高分类准确率为92.2%。暴雨、雾霾和晴天3种天气中,暴雨时的分类准确率最低,但差别不大,最大相差3.9个百分点。     

电动汽车充电站规划研究综述

新能源汽车尤其是电动汽车已在全球范围内得到广泛推广应用,从而带来了巨大的充电需求。同时,部分充电站规划不合理导致充电站空间布局和服务容量与实际充电需求不匹配,充电站利用率低和用户充电不便并存的现象已经成为了电动汽车产业痛点。充电站的合理布局规划是优化电动汽车使用体验和充电体验、降低用户“里程焦虑”、提高充电桩利用率、优化城市电动汽车交通网络和电力网络的关键,也成为当前电动汽车及智能交通领域急需解决的问题。为提供该领域较为全面的综述视角,首先概述电动汽车充电站的发展情况、设施类型、相关标准,总结从“车端”、“站端”出发的电动汽车充电需求估计方法,然后从选址、定容、求解算法维度分析充电站规划模型,列举国内外在多优化目标、多约束条件、多阶段规划的覆盖模型、截流模型等规划模型中的研究成果,以及在各经典模拟网络和实际城市环境中的测试、应用情况,最后对目前充电站规划领域存在的充电需求估计准确性、充电站与未来需求的匹配度等问题进行总结,对“车-桩-路-网”互联时代下充分利用电动汽车的分布式储能、灵活充放电的特征进行有序充电引导、新能源消纳、电网削峰填谷的协同规划发展应用前景进行展望。     

基于电压频域特征和异常系数的动力电池故障诊断方法

动力电池系统是电动汽车(EV)的关键部件和主要故障源,因而提高动力电池故障诊断的效率和准确率显得尤为重要。基于此提出一种基于快速傅里叶变换(FFT)和异常系数评估(ACE)的动力电池电压不一致性故障诊断方法。针对6辆发生故障或热失控事故的电动汽车和1辆电压一致性良好的电动汽车,基于其在新能源汽车国家监管平台的全生命周期运行数据,经过电压数据的数据清洗、数据变换等大数据预处理后,利用FFT技术时频变换,提取频域中的幅值作为故障诊断的特征参数;然后,引进基于Z分数理论的异常系数对故障程度进行定量评估,以实现故障单体的检测和定位;此外,针对存在多个故障单体的情况,基于单体异常率的计算,实现单体故障程度的判定和排序;在此基础上,详细分析电压数据长度及采样间隔、FFT采样点数对模型的影响;最后,与基于熵和Z分数的电压故障诊断方法进行比较。研究结果表明:在上述研究条件下,该诊断方法对于电压一致性良好的车辆未产生误报警,且可以有效地检测出事故车辆动力电池系统存在的电压不一致性故障;相比之下,模型平均计算准确率提高了3.25%,模型平均耗时仅为熵值模型的0.55%;验证了该方法故障单体定位更精准、数据适用性更好及计算速度更快的优点。该研究成果能有效实现动力电池电压不一致性故障诊断,具有较高的工程应用价值。     

基于一致性的新能源汽车安全预警方法研究

动力电池系统是影响新能源汽车运行安全的主要因素之一。为实现新能源汽车实时安全风险预警,以海量新能源汽车动力电池系统实车运行数据为研究对象,构建了多维度、多层次的新能源汽车安全风险预警模型和综合分析方法。在此基础上,建立了“值率模”安全风险预警体系。基于典型事故案例分析,结果表明“值率模”预警体系可以有效识别并定位新能源汽车动力电池系统的安全风险。     

新能源汽车管理与服务关键技术研究综述

随着新能源汽车的推广应用,车辆规模爆发式增长的同时,在新能源汽车的产品端、运行端以及服务端出现了一系列问题：产品质量监管成效低、运行安全管控不精准、公共服务管理不全面。这些问题影响着新能源汽车的安全可靠运行,制约着新能源汽车产业的发展,已经成为了行业的痛点。在汽车数字化的时代背景下,以大数据为核心,推动新能源汽车管理与服务关键技术的发展,是实现新能源汽车安全可靠高效应用、消除消费者安全焦虑、推动产业跨越式发展的必要支撑和保障。为了较为全面地综述该领域的技术水平和创新成果,从新能源汽车质量测评和溯源技术、新能源汽车安全运行管控和充电服务技术、新能源汽车行为分析辨识和碳核算技术3方面详细论述新能源汽车管理与服务关键技术的研究现状,并重点介绍了“运行大数据+”的新能源汽车“质量监管-运行管控-服务管理”技术体系,最后对目前新能源汽车管理与服务关键技术在产品质量监管、运行安全管控以及公共服务管理等方面存在的问题进行总结,对以大数据分析和挖掘为核心的新能源汽车“质量监测-运行管控-服务管理”技术进行展望。该综述可为新能源汽车管理与服务相关技术的进一步提高提供借鉴,也可为未来该领域技术的发展方向提...