用于量化车辆电气化能源效益的可转移车辆能耗评估框架

快速阅读: 《Nature.com》消息，本研究提出了一种普适的能量消耗评估框架，通过马尔可夫链和XGBoost等方法，量化了天津和西宁两地不同类型车辆的能耗水平。结果显示，电动车在节能减排方面表现优异。但该框架适用性有限，需进一步完善模型种类和驾驶循环数量的数学论证等问题。

在本研究方法部分，我们回顾了所采用的技术路径。为了提取不同区域的驾驶和高程特征，选择了马尔可夫链方法。该方法计算效率高、简洁实用且高效，尤其适合处理三维输入数据。在本研究中，除速度和加速度外，还结合了高程数据。这一特性使该方法非常适合用于表征不同区域的驾驶及地形特征，并有效比较地形差异。与传统二维速度-时间驾驶循环曲线不同，本研究中的驾驶循环数据库是一个包含高程、速度和时间的三维曲线。因此，要充分捕捉一个地区的驾驶特性，需要更长的时间，且信息的复杂性因地区而异，所需样本量也有所不同。XGBoost被选作训练机器学习模型的方法，因其训练成本低，并且在插电式混合动力汽车（PHEV）能耗建模方面已有坚实的研究基础。此外，还使用SHAP模型来解释机器学习模型的行为。这种方法有助于从宏观角度理解特定变量对模型性能的影响，且计算效率高、成本效益好，还可支持各种模型，这意味着在未来可以使用较小的计算模型与当前框架耦合，从而实现大规模实施。

本研究创新性地提出了一种能量消耗评估框架，能够提供普适性的能量消耗评估尺度，量化在不同地区推广电动汽车的可行性。所提框架不仅统一了不同车辆类型之间的能耗评估标准，还解决了目前各地区车辆评估标准和尺度不一致的问题。其出色的通用性使其能够无缝适应并扩展至各个地区，实现对车辆的精准能耗评估。通过构建区域驾驶循环（DC）数据库和瞬时能耗模型，量化了天津和西宁两地电动汽车的能耗水平。结果显示，在天津，内燃机汽车（ICEV）的能耗比插电式混合动力汽车（PHEV）高出3.7%，而插电式混合动力汽车的能耗比纯电动汽车（BEV）高出11.3%。在天津，插电式混合动力汽车的能耗仅为内燃机汽车的83.6%，而纯电动汽车的能耗仅为插电式混合动力汽车的26.5%，为内燃机汽车的22.2%。而在西宁，插电式混合动力汽车的能耗仅为内燃机汽车的76.4%，纯电动汽车的能耗仅为插电式混合动力汽车的33.8%，为内燃机汽车的25.8%。如今，电气化已成为车辆节能减排的重要政策之一。本研究提出的框架具有普适性，可以直接用于评估在新地区推广电动汽车的能量消耗效益。通过收集相关数据并使用基于马尔可夫链数据库和高精度预测模型的方法，可以提供可靠的区域能耗效益，为政策制定者制定相关政策提供科学依据。

本研究表明，交通运输电气化在减少城市空气污染和缓解道路交通能源需求方面发挥了重要作用。在不同地区推广不同类型车辆将产生不同的能源效益。然而，建议本研究中的方法仅适用于需要提取高程信息的情况。如果高程并非关键因素，本研究采用的三维马尔可夫链方法可能不必要，可根据具体场景选择更适合的建模方法。此外，当前框架仍存在一些问题，需要在未来研究中进一步完善：

（1）每种车型选择的模型种类有限，未能涵盖多种发动机型号的车辆。目前的研究只选择了少数代表性车辆，无法涵盖市场上所有类型的车辆和发动机型号。不同车型和发动机类型可能具有显著不同的能耗特性，现有模型难以全面体现这种多样性。使用广义能耗模型可能会抹平不同模型间的差异。未来研究应考虑包括更多车型和发动机数据，以探索更多模型在不同地区的性能表现。此外，如何解决不同发动机型号对模型输出结果的影响（如数据集模式融合可能导致数据混杂，从而影响模型输出结果的准确性）需进一步研究。

（2）驾驶循环数据库中的驾驶循环数量需经数学论证。在本研究中确实观察到DiffSum的收敛现象，但对于操作条件数据库中所需的驾驶循环条目数量以及收敛方式，需进行严格数学论证。缺乏明确的数学证明可能造成对模型收敛行为的浅显理解，影响其在实际应用中的稳定性和适用性。如果操作条件数据库中的驾驶循环条目数量变化很大，可能影响模型结果的可靠性和一致性。未来研究应深入探讨DiffSum收敛的理论条件，特别是驾驶循环数量与收敛关系，并提供数学论证。此外，可通过实验或模拟来探索改变驾驶循环数量对模型收敛和结果稳定性的影响。如何在确保结果稳健的同时更好地节省计算资源是一个重要的问题，需在未来解决。

(以上内容均由Ai生成)