數據驅動的新能源公交車能耗預測

胡杰 , , ，楊光宇 , , ，何陳 , , ，朱雪玲 , ,

（1.武漢理工大學 現代汽車零部件技術湖北省重點實驗室，武漢 430070；2.武漢理工大學 汽車零部件技術湖北省協同創新中心，武漢 430070；3.新能源與智能網聯車湖北工程技術研究中心，武漢 430070）

為提倡生態文明與綠色出行，新能源公交車的應用日益廣泛，準確預估新能源公交車交通能耗不僅可以保證新能源公交車安全、可靠的運行，還可為后續的充電需求測算、生態軌跡規劃和電池參數匹配等方面奠定研究基礎。

國內外對電動車能耗相關已有一定研究，主要分為3 個方向：其一是通過分析電池的充放電效率、開路電壓、等效電阻等特性，使用MATLAB、Simulink 等軟件，建立電池模型和車輛能耗模型進行仿真分析[1-2]，其二是根據車輛過去一段時間的行駛狀態、電池剩余容量及電量消耗率建立數學模型進行能耗預測[3-4]，其三是由數據驅動的，從多維度對車輛、電池、工況等參數進行研究，使用大數據、統計學或機器學習的方法預測能耗[5-9]。第一種方向基于實驗室條件，但實車運行時電化學反應迅速，工況復雜多變，這種方式過于理想化，很難用于實車能耗預測，第二、第三種方向基于測量的實車數據建立預測模型，但能耗影響因素眾多，數據采集困難，因此目前大都方案只對少部分因素作針對研究，預測的準確度也存在不足。

因此，為能充分考慮各種能耗影響因素，對實車能耗進行準確的預測，本文基于1/15 Hz 的低頻北京市51 路公交車的運行數據，提出一種基于數據驅動的能耗預測方法，構建包括電池信息、時間信息、行駛工況和駕駛行為信息等6 類特征，建立駕駛行為評價體系，對工況片段進行聚類后分別建立引入注意力機制的LSTM 能耗預測模型，最終實現了對能耗的準確預測。

1 新能源公交車數據及問題分析

1.1 新能源公交車數據分析

本文所用數據內容可包括國標GB/T 32960-2016 中提供的所有可用數據。車輛類型為北京10 輛51 路新能源公交車，數據采集時間跨度為2020 年5 月1 日至2021 年5 月1 日，采樣周期為15 s，共采集10 輛車共688 萬余條數據，數據信息如表1 所示。

表1 數據采集表Tab.1 Data collection form

1.2 能耗預測問題分析

新能源公交車的能耗預測流程如圖1 所示。首先對數據集內的異常值和缺失值進行預處理，然后根據擬定的規則將數據劃分為行程片段與工況片段，接著基于工況片段構建電池、時間、行駛工況、駕駛行為等六類特征，最后根據對工況聚類的結果構建基于注意力機制的LSTM 能耗預測面模型，并與傳統LSTM、LGBM 等模型進行對比分析。

圖1 基于注意力機制的LSTM 能耗預測Fig.1 Energy consumption prediction based on attention mechanism LSTM

2 預處理

2.1 數據預處理

在實車運行中，傳感器因技術缺陷或使用環境等因素將導致部分數據的延遲、報錯或者缺失，使收集到的數據發生異常，例如停車充電時車速大于0，車輛狀態標記為4（無意義）或車輛熄火后一段時間后總電流和車速才降為0。因此需要對數據集進行數據預處理以免除異常數據或缺失數據的影響。

原始數據中還存在一定程度的缺失現象，本文對大段數據整行缺失的情況作刪除處理，一些能夠根據某些邏輯關系進行填補的如總電流、SOC 等直接進行填補，不能的則利用皮爾遜相關系數法確定與被填補特征相關性系數最高的5 個特征，然后使用隨機森林算法填充進行聯合填補，填補完成后使用五折交叉驗證的方式驗證準確度，結果如表2所示。

表2 隨機森林填補結果Tab.2 The results of filling with random forests

2.2 行程片段劃分

原始數據中含有大量無用或異常數據，先剔除掉一部分無用數據，有助于提高數據的預處理效率，還能為后續的能耗分析與預測提供便利。將包含行駛、停車充電以及停車靜止3 種工況的片段稱為一個完整的行程片段，具體劃分規則如下：1）車輛狀態不變；2）充電狀態不變；3）前后數據時間差小于240 s。劃分后數據樣本量小于20 條的片段，分析的意義不大且占用計算資源，對其作刪除處理。

2.3 工況片段劃分

新能源公交車的運行路徑固定，但受部分路段路況或交通流量影響，車輛行駛速度慢且駕駛員需要頻繁進行加速或制動操作，將導致車輛能耗劇烈升高。為考慮不同道路工況的能耗差異，根據速度、加速度的周期性變化規律、結合道路信息，將行程片段按里程值劃分為5 個小片段，并將之稱為工況片段。

圖2 為經緯度、速度和加速度變化趨勢圖，其中為方便分析，將經緯度歸一化后畫在一張圖中，工況片段劃分情況如圖中虛線所示。按里程值劃分的工況片段能一定程度上體現行程片段內部的差異性，為分析行駛工況、駕駛行為提供了極大的便利，但也存在主觀性與不準確性，后文將對這些工況片段進一步處理。

圖2 速度和加速度隨著經緯度變化圖Fig.2 Variation of velocity and acceleration with latitude and longitude

3 特征構建

3.1 電池容量計算與修正

電池是電動車的全部能量來源，電池電量的變化能直接反映能量的消耗量，是重要的能耗預測特征。本文通過安時積分法計算當前電池容量，計算公式為

電池內部的化學反應與溫度、放電電流大小強烈相關，如低溫環境下電池內阻增大，在放電電流相同時，內阻的焦耳熱增加，此時電池的能量利用效率降低，可用容量減少，即通過安時積分法計算得到的剩余電量并不代表真實的剩余電量，為保證能耗預測精度，需要對電池容量進行修正。根據文獻[10]中所述的流程及公式將電池容量值修正至25 ℃與標準電流時的容量值。修正過程如下：

式中：T為該片段平均溫度；CT為溫度修正系數；CI為電流修正系數；C和C1分別為修正前、后的電池容量值。

3.2 時間信息

如圖3 所示為車輛某連續3 天的能耗變化趨勢，可見新能源公交車的能耗具有強烈的時間周期性和漸變性，有必要對時間信息進行深入挖掘。

圖3 新能源公交車能耗變化趨勢Fig.3 The change trend of new energy bus energy consumption

直接將代表時間的字符串或類別特征輸入模型往往學習不到時間周期的共性特點，因此本文提出時鐘循環編碼，既能保證能耗隨時間變化的周期性的漸變性，又能避免獨熱編碼帶來的維度爆炸。本文使用時鐘循環編碼構建季度、周數、天數、該天第幾小時、第幾刻鐘等6 種數值型特征，使用獨熱編碼構建是否高峰期、周末、節假日3 種類別型特征。如圖4 所示為該天第i個小時表示方法， 首先，將特征的數值范圍首尾相接變成圓形，將數值范圍等間距地排列在圓上，在圓心處建立坐標系，此時，圓上任何數據點均可通過二維坐標來表示。

圖4 第 i 個小時的式中循環編碼表示方法Fig.4 Clock cycle-coded representation of the i hour

式中：因51 路新能源公交車運行時間為早5:30 至晚23:00，因此n=19；ti表示第i個 小時；xi、yi分別表示當前第i個 小時的x軸 、y軸時鐘循環編碼。此時僅通過二維坐標便可表示任意范圍的數據中的每個點，極大減少了特征空間，有助于提升模型的性能。

3.3 環境信息

不同的天氣條件對車輛的能耗也有巨大的影響，如雨天霧霾時行車緩慢、冬夏季節車內空調開啟，都將顯著增加車輛能耗[11-12]。本文使用爬蟲技術，獲取北京市每天每小時的溫度、濕度和風速信息構建環境特征。

3.4 行駛工況

為研究新能源公交車在不同的道路交通情況下行駛工況對能耗的影響[13-14]，本文提出一種基于箱線圖確定工況閾值的方法構建行駛工況特征。箱線圖能反映數據分布的中心位置、散布范圍和離散程度。如圖5 所示為加速度箱線圖，以加速度絕對值的90 百分位數區分急加（減）速。

圖5 加速度90 百分位箱線圖Fig.5 90th percentile box of acceleration

以同樣的方法統計高、中、低、勻、怠速時長、等待時長與占行程片段的比例，以及等時間間隔內加減速的次數等，如此構成行駛工況信息特征。

3.5 駕駛行為

根據相關研究成果可知駕駛員的操作特性與車輛能耗強烈相關[15-16]，駕駛特性可以利用踏板開度等信息進行研究。因本文數據為采集頻率為1/15 hz的低頻數據，無法直接且準確地描述駕駛員的操作行為，對分析駕駛行為與能耗的內在聯系造成困難，因此，除構建基本駕駛行為特征如踏板平均狀態、加速踏板變化率、踏板保持率等，本文提出一種基于熵權法的駕駛行為評價體系，以評分的方式較為宏觀地分析各小片段內的駕駛行為信息，彌補低頻數據難以對駕駛行為作準確描述的缺點。

熵權法[17]的核心思想是利用信息熵計算各指標的權值。本文選取與能耗的皮爾遜相關性系數最大的8 項指標，包括速度變化率方差、急加速比、急減速比、踏板保持率、急踩踏板比、怠速比、勻速比、高速比，利用熵權法計算各指標權重，最終得到各工況片段駕駛行為得分。熵權法駕駛行為評價體系建立過程如下：

式中：i=1,2,···，5；j=1,2,···，12；為第i個工況片段中第j個指標數據標準化后的值，根據與能耗的正負相關性選擇具體公式；yi j為第i個工況片段中第j個指標的比重；ej為第j個 指標的信息熵；K=1/lnm為常數；aj為最終第j個指標的權值；

駕駛行為評價指標權值如表3 所示。

表3 駕駛行為指標權值Tab.3 Index weights of driving behavior

最終第i個工況片段的駕駛行為得分xi為

3.6 特征庫

無用的特征不僅占用大量計算資源，還會降低模型性能，因此需要進行特征篩選。本文使用基尼系數作為評價指標，剔除冗余特征。

式中：mgni為第m個特征的基尼系數；k為特征個數；pmk為節點m中k類別所占比例。

選取特征貢獻度較大的前30 個特征作為特征庫如表4 所示。因特征數量較多，表4 中僅對特征作簡要說明。

表4 特征庫Tab.4 Feature list

4 典型工況片段聚類

因特征維度眾多，時間因素、工況因素繁雜，模型的學習難度增大。為提高模型預測效果，本文對這5 小段工況片段進一步聚類，對每類分別構建一個子預測模型，各子預測模型預測值相加即為最終的能耗預測結果。

隨數據維度的上升，數據點空間密度越來越高，數據與數據之間的距離開始趨向于一個相同的值，此時基于距離的聚類方法開始失效，直接將上述所有特征輸入聚類算法中得到的聚類效果很差。為避免維度災難， K-means 的輸入僅包括速度、加速度變化率及標準差、駕駛行為評分以及環境信息共7 維，聚類效果由輪廓系數評價。

對某樣本p來說，輪廓系數計算方法為

式中：a(p) 為樣本p到同簇其他樣本的平均距離，a(p) 越小即樣本p的簇內不相似度越??；b(p)為樣本i到其他簇所有樣本點的平均距離，b(p)越大即簇間不相似度越大；s(p) 為樣本p的輪廓系數，s(p)越接近1，說明樣本聚類越合理。

通過計算可知k=4 時，輪廓系數最大，此時聚類結果輪廓圖如圖6 所示，圖中虛線為輪廓系數均值。

圖6 輪廓系數圖Fig.6 Silhouette Coefficient

5 能耗預測模型的構建與結果分析

5.1 LSTM 神經網絡

長短時記憶神經網絡（LSTM）是一種特殊的RNN，能有效避免后者梯度消失和梯度爆炸等問題，且在時間序列中具有良好的表現，而新能源公交車的運營時間、路程固定，具有很強的時空周期性，因此構建適合解決這類問題的LSTM 能耗預測模型。

5.2 注意力機制

雖然LSTM 在解決長時間序列問題時能通過細胞狀態存儲歷史信息，達到較好的效果，但因LSTM 的輸入序列一致，導致模型不能區分長時間序列中各種特征的重要性程度，將在一定程度上忽略某些關鍵信息。本文引入注意力機制[18]，通過對神經元分配不同的權重概率，使模型能選擇并學習到重要信息，有助于提高建模性能。注意力機制的結構簡圖如圖7 所示。

圖7 中，H1,H2,···,HN，為隱藏層；s1,s2,···,sN為注意力得分；G1,G2,···,GN為注意力權值。相似度得分si(Hi,q) 、 注意力權值Gi及最終輸出向量計算方式如下：

式中：q為最后一個隱藏層輸出狀態；d為輸入信息的維度；si為第i個 隱藏層與q的 相似度得分；Gi為第i層注意力權值；c為注意力機制層的輸出向量；vi為隱藏層狀態。

5.3 LSTM 能耗預測模型

最終構建的模型結構如圖8 所示。

5.4 模型預測效果

為探討聚類和注意力機制對模型建模效果的影響，分組進行5-fold 交叉驗證并評估效果，評價指標選用平均絕對百分比誤差（MAPE）和均方根誤差（RMSE）。結果如表5 所示。

表5 LSTM 模型效果對比Tab.5 Comparison of LSTM model effects

結果顯示：LSTM 神經網絡的建模效果遠好于LGBM、XGBoost 等模型，與此同時，聚類后分別建模和注意力機制的應用均能顯著提升模型效果，說明本文提出方法有效，最終的LSTM 能耗預測模型平均絕對百分比誤差為2.1%，均方根誤差為0.015，如圖9、圖10 所示的為最終預測模型評價指標的分布。

圖9 測試集平均絕對百分比誤差圖Fig.9 MAPE of test sets

圖10 測試集均方誤差圖Fig.10 RMSE of test sets

6 結論

本文深入分析基于工況片段劃分的多源信息如電池信息、時間信息和行駛工況及駕駛行為信息等，建立熵權法駕駛行為評價體系彌補低頻數據評估困難的問題，將工況進行聚類以提高各類特征與復雜多變的運行工況的關聯度以提升模型預測效果。本文構建的引入注意力機制的LSTM 能耗預測模型能在長時間序列中捕捉關鍵能耗影響因素，顯著提升了預測精度。經5-fold 交叉驗證以及其他傳統模型的對比分析，最終預測模型效果優秀，其測試集平均絕對百分比誤差為2.1%，均方根誤差為0.015，最終實現了新能源公交車能耗的準確預測。