电动汽车续航里程预测估计器

软件影响13（2022）100369原始软件出版物电动汽车续航里程预测估计器Zarin Subah Shamma，Bridger Jones，Max Clark，Carter Bailey，MarioHarper美利坚合众国犹他州洛根犹他州立大学自动清洁装置关键词：电动汽车路径生成优化规划能量优化电池健康A B标准EVPRE软件是一个高分辨率的能量优化路由和范围预测工具，用于电动汽车（EV）。用户能够快速添加其电动汽车系统的特性，以获得可靠的功耗估计，并查看保持最佳电池健康的理想范围限制。这些范围和最佳路线使用在硬件实验中测试的几个模型计算。交互式可视化可根据特定位置、海拔变化和实时交通情况向用户提供理想的节能路线和范围代码元数据当前代码版本v1.0永久链接到用于此代码版本的代码/存储库https：//github。com/SoftwarreImpacts/SImPAC-2022-118 Reproducible Capsulehttps的永久链接：//codeocean.com/capsule/3299200/tre/v1法律代码许可证MIT许可证使用git的代码版本控制系统软件代码语言、工具和服务使用的Python和Notebook编译要求，操作环境&依赖性https：//github。com/DIRECTLab/EVPRE/blob/main/requirements. txt和https：//github. Com/DIRECTLab/EVPRE/blob/main/README. Md如果可用，链接到开发人员文档/手册https：//github。Com/DIRECTLab/EVPRE/blob/main/README. Md支持电子邮件问题a02368194@usu。埃杜乌1. 介绍电动汽车路径和里程估计（EVPRE）软件为电动汽车规划能量最佳路线，并从任何任意起始位置生成里程预测。EVPRE考虑了特定的车辆信息、道路和环境条件，以提供用户和位置特定的预测。续航里程预测是衡量电动汽车（EV）性能的关键因素，当实际运行里程未知时，新用户会犹豫是否投资，因此通常会抑制采用。电动汽车用户的这种现象（里程焦虑）主要表现为对在特定充电状态（SoC）下可以覆盖多少距离缺乏了解[1]。预测范围是具有挑战性的，因为丘陵、风、温度和一天中的时间的存在会影响性能，并且会大大减少车辆的有效驾驶时间。EVPRE是一个开源的该软件允许用户输入其特定车辆以生成范围预测、能量最佳驾驶路线，并了解在感兴趣的区域中常见驾驶的能量消耗。该软件旨在使那些有兴趣在日常生活中采用，测试或使用电动汽车的准确的范围预测也可以用于确定功率需求，便于决定何时停止并沿长路线或在低SoC下充电[2]。正确理解里程预测和车辆特定的能量优化路由可以消除里程焦虑，降低电动汽车驾驶员的功率需求许多常见的车辆类型都预装在我们的软件中，并且可以扩展以适应进入市场的新车辆。我们的软件考虑了车辆特性（速度、质量、空气阻力、覆盖面积等）。以产生特定于驾驶时的环境和位置的信息。虽然大多数新的电动汽车本文中的代码（和数据）已由Code Ocean认证为可复制：（https://codeocean.com/）。更多关于生殖器的信息徽章倡议可在www.elsevier.com/physical-sciences-and-engineering/computer-science/journals。*通讯作者。电子邮件地址： a02368194@usu.edu（Z.S. Shamma），mario. usu.edu（M.Harper）。https://doi.org/10.1016/j.simpa.2022.100369接收日期：2022年6月28日;接收日期：2022年7月9日;接受日期：2022年7月11日2665-9638/Elsevier B. V.这是CC BY许可下的开放获取文章（http://creativecommons.org/licenses/by/4.0/）。可在ScienceDirect上获得目录列表软件影响杂志 首页：www.journals.elsevier.com/software-impactsZ. S. 沙马湾琼斯，M。Clark等人软件影响13（2022）1003692简单的能量模型Fig. 1. 系统图。有范围预测软件，这些操作与最低限度的驾驶员意识和实时环境信息。这些车辆集成方法也不太适合于测试新的和更新的EV模型，这对于那些寻求在未来购买这种系统的人来说可能是突出的（见图1）。①的人。2. 架构EVPRE软件遵循模型-视图-控制器（MVC）设计。EVPRE需要几个API密钥才能实现完整功能，我们注意到，无法从这些密钥查询实时数据将导致使用捆绑的历史信息。API密钥提供对实时天气数据、感兴趣区域的高程信息和交通数据（用于计算估计的路线速度变化）的访问。所有键都被控制器接收，控制器将这些键重定向到模型。道路信息来自开放街道地图（OSM）。这被转换成一个图形表示与张贴的交通速度，道路等级，纬度，经度和路段的长度[3]。在能量预测模型的基础上，采用贝尔-曼-福特算法计算路径和总路径的后续能耗。EVPRE在探索后返回任意两点之间的最节能路线。该软件的核心功能在于两种类型的预测模型，基于物理的分析模型和NREL使用以下公式在EVPRE中实现了类似于[4]的表1物理模型中使用的变量的定义和值变量定义值m车辆质量车辆行程特定的加速度g重力加速度9.81道路坡度行程特定滚动阻力表面类型1.751滚动阻力路况0.03282滚动阻力轮胎型号4.575空气质量密度1.2256车辆的前部区域车辆阻力系数特定风速跳闸车辆速度行程特定电动机效率0.91动力传动系统效率0.92使用通用参数并基于整个道路段计算能量，与真实世界的实验相比，导致一些精度损失。然而，两个模型在简单的情况下返回类似的信息，具有较长的相对直的道路。用户可以选择采用任一种或两种算法来确定最佳路线和范围预测。FASTSim模型通过创建沿边缘长度运行的车辆仿真，(i.e.、道路部分长度）和高度差（海拔）[5]。（）=（）（（）+cos（）（（）+）在这个模型中，高程信息（取自GoogleMaps）车轮电动机传动系2100012）用于确定身高差异。车辆参数，如速度、质量、加速度、阻力等，类似于基于物理的模型在车轮处获取功率成本，因此真实的功率成本必须被转换到电机，这由电机完成路线和预期范围的视觉渲染是建立在Objoyter笔记本电脑上的。图2中的这些视觉效果显示了节能路径电动机分配和传动系.中所有变量的定义和值和距离估计。地图是交互式的，用户能够更改起始和目标引脚，以生成最佳路线，该公式在表1中提供。风速变量由一个名为Open Weather Maps的免费API收集;其他数据由每辆车收集或在算法运行期间动态收集更准确但计算复杂的FASTSim是需要车辆参数和道路信息的相对有效的实时仿真工具。该软件与FASTSIM的更改版本捆绑在一起，该版本考虑了其他影响，以提供有关实时源预期功耗的高分辨率信息。FASTSim利用更大量的信息（从API键导出），并以0.01秒的增量在整个模拟遍历中传播这些信息。简单能量模型两点：第地图的大小由用户谨慎决定 以避免加重OpenStreetMaps服务的API限制大多数内部指令和用户输入通过控制器传递到模型[6]。配置文件包含车辆信息，例如：型号名称、配置详细信息（用户可修改）、要求（包括范围覆盖）和起始坐标。在初始设置时提供并安装了准备控制器所需的创建一个.env文件来访问API密钥。API密钥未在位于存储库和再现性胶囊CodeOceann中的.env文件中提供，以减轻对隐私的担忧。的详细信息+ 0.5空气质量A级（A级）+阿托伐他汀（阿托伐Z. S. 沙马湾琼斯，M。Clark等人软件影响13（2022）1003693图二. 简单和FASTSim能量模型的比较。FASTSim考虑了整个驾驶周期和街道相关加速度曲线的因素。简化 物理模型假设车辆恒定加速度曲线。图3.第三章。E V P R E 的 标准用例。用户定义用于生成路线或范围估计的车辆参数在提供的README中可以找到安装API密钥。储存从先前运行的API中提取的所需信息3. 用法和示例两个例子中给出了一个。ipynb使用分析和FASTsim模型。必要的软件包列在requirements中。txt，可以通过运行pip install-r requirements.txt使用python 3.7或更高版本。有关所需环境的详细信息，请参见白皮书的部分。安装FASTSim能量模型需要额外安装。此安装需要导航到包含FASTsim源代码的目录，并通过运行pip install.. 请注意，如果用户对高精度输出不感兴趣，软件可以在没有FASTsim的情况下运行软 件 中 使 用 了 三 个 API 密 钥 ;GogleMapsElevationAPIKey 、WeatherKey（OpenWeatherAPI）和TomtomTraficAPIKey。海拔、温度、湿度、风速、风向、能见度等使用这些来源提取信息.env文件必须在包含API密钥的根级别中创建，如随附文档中所述。config. Py包含四个车辆的信息和环境数据，其可以根据用户要求改变。简单能量模型使用根据[4]计算的能量。该简化模型计算速度快，允许用户找到交互式地图上的两个可移动标记之间的能量效率（如图2（a）所示）。相反，FASTSim能量模型在计算时间和最终路线的保真度方面有所不同。图2（b）示出了相同标记之间的FAST-Sim生成的路径（如图2（a）所示）。在此比较中，默认起点（蓝色标记）设置为犹他州立大学（位于犹他州洛根）。当用户未定义自己的起始位置时，此位置已设置为默认起始位置。EVPRE搜索需要在config中声明的电动车辆简档。是的。2012年福特福克斯EV模型我们注意到，这是默认的EV配置文件，因为EV模型准确性的验证测试主要是在福特福克斯EV车队上进行的EVPRE可视化和路线输出（通常是能量有效路线和等时线图像）可以在地图中找到。我的意思是我的意思是我的意思是图中的等时线图像。3给出了一个简单的可视化，以了解特定车辆在特定起点的距离估计。梯度中的每种颜色表示所考虑的车辆电池消耗的另外10%的功率。绿色区域是最有效的，可以使电池保持在最安全的工作条件下。红色区域表示车辆的预期范围，其中大约超过50%的电池应该被耗尽。此范围预测取决于海拔，选择海拔较高的起点将导致范围扩大。我们提醒用户，在山顶或山脚以及其他剧烈的海拔变化时，车辆的范围确实会发生显着变化。4. 影响该软件为EV运行返回最节能的路线。节能路径提高了电动汽车的续航里程，允许驾驶员将电池保持在健康的工作区域，并有助于减少续航里程焦虑。特斯拉已经开始响应精确建模的更大需求，最近实施了一种基于天气和温度数据的改进算法，以执行更高精度的范围预测。特斯拉更新的路线系统通过距离、海拔变化和本地车辆信息来测量能源使用情况。这种改进的能力对于他们的车辆的操作者是有用的，但是对于那些寻求理解他们的特定车辆的能量约束、范围和最佳路线的人Z. S. 沙马湾琼斯，M。Clark等人软件影响13（2022）1003694虽然存在许多路线规划软件（谷歌地图，Waze，苹果地图，特斯拉路线等），这些通常采用综合的道路信息而不是具体的车辆考虑。该算法考虑了有助于长距离旅行和密集道路通勤的其他因素，其中再生制动和加速通过对电池和范围的两个动作的功率曲线进行建模而发挥重要作用。使用天气信息（风况，湿度和环境温度）也对熟练预测范围有显著影响，如所示[3]。由于该软件是开放源代码的，任何用户或组织都可以在其应用程序中使用调查结果和组成部分EVPRE提供了范围模型，有助于政策制定者，个人演员和公司寻求了解车辆的范围。该工具在这方面远远优于其他产品，因为目前没有其他工具给出电动运输系统的一般车辆里程估计由于EVPRE能够模拟多种类型和类别的车辆的范围，因此它更适合于做出个人决策 或告知政策制定者关于充电、充电器放置和电动汽车采用的实际要求。该工具的提供是希望公共和私人用户在决定采用电动汽车技术、导航和路线以及评估其电力需求时，可以从额外的见解中受益。5. 持续发展目前，一些多目标优化算法被集成到该软件中，以实现路线优化，满足多个目标，如时间，能量和交通。计划使用帕累托最优边界来获得优化路径，其中将测试RRT*（最优快速探索随机树）、蒙特卡罗、布朗桥等算法图生成正在探索像A*、RRT*、SBMPO（基于采样的模型预测优化）等算法，以更好地简化搜索，从而更快地向用户返回解决方案。竞合利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作致谢我们要感谢NSF ASPIRE ERC（1941524）对本研究的支持。引用[1]J. Ferreira，V. Monteiro，J. Afonso，电动汽车的动态范围预测，2013年世界电动汽车研讨会和展览会，EVS 2014，2013年。[2] B.O. Varga，A. Sagoian，F. Mariasiu，电动汽车续航里程预测：对当前问题和挑战的全面回顾，能源12（5）（2019）URL https：//www. mdpi. com/1996-1073/12/5/946.[3] C.贝利湾，澳-地琼斯，M。克拉克河，巴西-地巴克，M. Harper，电动汽车自主性：实时动态路线规划和范围估计软件，在：智能交通系统国际会议，ITSC，2022年。[4] C.菲奥里K。Ahn，H.A. Rakha，基于电力的电动车辆能耗模型：模型开发和验证，应用 能 源 168 （ 2016 ） 257-268 ， URL h t t p s ： / / w w w. sceiencedirect.com/science/article/pi ii/S030626191630085X.[5] 交通&机动性研究，FASTSim：未来汽车系统技术模拟器，URL https：//www. nrel.gov/transportation/fastim. HTML.[6] Model View Controller，MVC，URL https：//开发者指南我是你的朋友。org/en-US/docs/Glossary/MVC。