[1]方卫东、陈汉林、陈子标.纯电动客车荷电状态低故障预测[J].福建工程学院学报,2020,18(04):353-357.[doi:10.3969/j.issn.1672-4348.2020.04.009]
　FANG Weidong,CHEN Hanlin,CHEN Zibiao.Research on fault prediction of low state of charge for pure electric buses[J].Journal of FuJian University of Technology,2020,18(04):353-357.[doi:10.3969/j.issn.1672-4348.2020.04.009]
点击复制

纯电动客车荷电状态低故障预测()
分享到：

《福建工程学院学报》[ISSN:2097-3853/CN:35-1351/Z]

卷:
第18卷
期数:
2020年04期
页码:
353-357
栏目:
出版日期:
2020-08-25

文章信息/Info

Title:
Research on fault prediction of low state of charge for pure electric buses
作者:
方卫东、陈汉林、陈子标
福建工程学院电子信息工程教研室
Author(s):
FANG Weidong;  CHEN Hanlin;  CHEN Zibiao
School of Information Science and Engineering, Fujian University of Technology
关键词:
SOC低; 故障预测; ARIMA; 纯电动客车
Keywords:
low SOC;  fault prediction;  ARIMA;  pure electric bus
分类号:
TP206+3
DOI:
10.3969/j.issn.1672-4348.2020.04.009
文献标志码:
A
摘要:
针对纯电动客车荷电状态(SOC)低故障预测问题，在分析其开始充电SOC序列的周期性波动规律及变化趋势的基础上，构建差分自回归滑动平均模型(ARIMA)进行车辆SOC的短期预测，最后比较预测结果与故障阈值以判断是否发生故障。以某车企的纯电动客车为例进行实证分析，研究结果表明:差分自回归滑动平均模型的故障预测真阳率为96.4%，误诊率为10.3%，说明方法具有良好的预测可行性。
Abstract:
Aiming at the problem of fault prediction of the low state of charge (SOC) of electric buses, a differential autoregressive moving average model (ARIMA) was constructed for the short-term prediction of the SOC of pure electric buses. The construction of the model was based on the analysis of the periodic fluctuation law and change trend of the SOC sequence when the charge started. Finally, the prediction results were compared with the fault threshold value to determine whether a fault occurs. The pure electric bus from a certain automobile enterprise was taken for case analysis. Research results show that the true positive rate of the fault prediction of the differential autoregressive moving average model is 96.4%, and the misdiagnosis rate is 10.3%, which shows that the method has high prediction feasibility.

参考文献/References:

[1] 中华人民共和国国家质量监督检验检疫总局, 中国国家标准化管理委员会. 电动汽车远程服务与管理系统技术规范：GB/T 32960.3-2016 [S]. 北京: 中国标准出版社, 2016: 10.[2] 刘光明, 欧阳明高, 卢兰光, 等. 基于电池能量状态估计和车辆能耗预测的电动汽车续驶里程估计方法研究[J]. 汽车工程, 2014, 36(11): 1302-1309, 1301. [3] 中国汽车技术研究中心, 重庆长安新能源汽车科技有限公司, 新能源汽车国家大数据联盟. 中国新能源汽车大数据研究报告[M]. 北京: 社会科学文献出版社, 2018: 1-50.[4] 孟仙雅, 刘立炳, 惠怀兵, 等. 放电深度对电池使用寿命的影响[J]. 汽车科技 ,2016(3): 47-51.[5] 赵侃, 朱聪, 曾诚, 等. 基于电化学模型的电动公交车续驶里程预测及分析[J]. 公路交通科技, 2013, 30(8): 153-158.[6] 王欲进. 基于电池循环寿命的纯电动汽车续驶里程估算[J]. 科学技术与工程, 2019, 19(20): 363-368.[7] 李雷, 高鹏, 吴广. 纯电动汽车续驶里程计算研究[J]. 汽车电器, 2018(12): 4-5. [8] 鲍博. 基于最优速度轨迹控制的电动汽车续驶里程研究[C]∥2019中国汽车工程学会年会论文集（2）. 北京: 中国汽车工程学会, 2019: 259-265.[9] 单伟, 何群. 基于非线性时间序列的预测模型检验与优化的研究[J]. 电子学报, 2008, 36(12): 2485-2489.

更新日期/Last Update: 2020-08-25