基于真实驾驶数据的电动汽车再生制动能量回收事件级表征与神经网络估算

《Vehicles》：Characterisation and Dual-Output Estimation of Regenerative Braking Energy Recovery Under Battery Operating-Condition Variations

　　

摘要

再生制动在车辆减速过程中回收动能，但实际电池端的能量回收取决于制动需求和电池充电接受条件。本研究利用公开的"真实世界电动汽车数据：驾驶与充电"数据集，对真实场景下的再生制动行为进行了表征，并评估了一种双输出事件级估算器。从八条驾驶记录中提取的负电流区间经滞回分段、短间隙桥接、采集丢失分割和长时段排除后，共切分出8181个有效事件。这些事件共回收了288.7 kWh的能量并返回683.4 Ah的电荷量；中位事件在3.6秒内回收19.7 Wh的能量，观测到的最大峰值再生功率为224.1 kW。事件持续时间和峰值电流与回收能量呈最强关联（Spearman rho分别为0.802和0.871），而荷电状态（SoC）、温度和电压仅表现出较弱的直接全局关联。在90%–100% SoC区间内，最大峰值功率降至155.53 kW，这表明高SoC条件下充电接受能力受到限制。研究采用具有10个输入、12个隐藏神经元和2个输出的前馈神经网络（共158个参数），通过HPWOA进行优化，并与PSO、WOA和SFSA进行了基准比较。在报告的留出事件集上，HPWOA针对回收能量的R² = 0.9784，RMSE = 1.839 Wh；针对峰值功率的R² = 0.9819，RMSE = 4.891 kW。该框架被解读为事后事件级估算，而非制动前的预测方法。