[論文レビュー] A Review and Outlook of Energy Consumption Estimation Models for Electric Vehicles

Yuche Chen, Guoyuan Wu+4 more|arXiv (Cornell University)|Mar 28, 2020

Vehicle emissions and performance参考文献 83被引用数 5

ひとこと要約

本論文は、電気自動車（EV）のエネルギー消費推定モデルの最新動向をレビューし、モデル化スケール（微視的対巨視的）および手法（データ駆動型対ルールベース型）に応じて分類する。巨視的および機械学習に基づくモデルへの傾向が顕著であり、非個人用EV、V2G応用、マルチスケール統合フレームワークの分野における研究ギャップが強調されている。

ABSTRACT

Electric vehicles (EVs) are critical to the transition to a low-carbon transportation system. The successful adoption of EVs heavily depends on energy consumption models that can accurately and reliably estimate electricity consumption. This paper reviews the state-of-the-art of EV energy consumption models, aiming to provide guidance for future development of EV applications. We summarize influential variables of EV energy consumption into four categories: vehicle component, vehicle dynamics, traffic and environment related factors. We classify and discuss EV energy consumption models in terms of modeling scale (microscopic vs. macroscopic) and methodology (data-driven vs. rule-based). Our review shows trends of increasing macroscopic models that can be used to estimate trip-level EV energy consumption and increasing data-driven models that utilized machine learning technologies to estimate EV energy consumption based on large volume real-world data. We identify research gaps for EV energy consumption models, including the development of energy estimation models for modes other than personal vehicles (e.g., electric buses, electric trucks, and electric non-road vehicles); the development of energy estimation models that are suitable for applications related to vehicle-to-grid integration; and the development of multi-scale energy estimation models as a holistic modeling approach.

研究の動機と目的

• 電気自動車の既存のエネルギー消費推定モデルについて包括的なレビューを行うこと。
• 車両部品、走行特性、交通状況、環境条件の各分野における主な影響要因を特定すること。
• 特に巨視的およびデータ駆動型手法への移行を含む、モデリングアプローチの進化を分析すること。
• 非個人用EV、V2G統合、マルチスケールフレームワークの分野における重要な研究ギャップを浮き彫りにすること。
• 正確でスケーラブルかつ用途特化型のEVエネルギー推定モデルの今後の開発を支援すること。

提案手法

• モデル化スケールに基づくEVエネルギー消費モデルの分類：微視的（部品レベル）対巨視的（行程レベル）。
• 手法に基づくモデルの分類：ルールベース型（物理学駆動型）対データ駆動型（機械学習駆動型）。
• 車両部品、走行特性、交通、環境要因の4分野にわたる影響要因を体系的にレビューする。
• 最近の文献の統合とアプリケーション特化要件を用いて、モデル開発のトレンドを分析する。
• V2Gや非個人用EVなどの新規応用における既存モデルの適正性を評価する。
• 微視的および巨視的アプローチを統合する将来のマルチスケールモデリングフレームワークを提言する。

実験結果

リサーチクエスチョン

• RQ1 異なる運用状況下で、電気自動車のエネルギー消費に影響を与える主な要因は何か？
• RQ2 モデル化アプローチは、スケールおよび手法（ルールベース型対データ駆動型）の観点からどのように進化してきたか？
• RQ3 現在のEVエネルギー消費モデルにおける主な制限要因および研究ギャップは何か？
• RQ4 個人用EVを超えた応用、例えば電気バスやトラックのような非個人用EVに対して、現在のモデルはどの程度適しているか？
• RQ5 包括的なEVシステム分析を目的とした統合的でマルチスケールのエネルギー推定モデルの開発可能性はどの程度か？

主な発見

• 大規模な交通ネットワーク全体をカバーできる行程レベルのエネルギー消費推定が可能な巨視的モデルへの傾向が高まっている。
• 機械学習と実世界データを活用するデータ駆動型モデルが急速に普及し、複雑で動的な環境下でも高い精度を示している。
• 電気バス、トラック、非道路用途車両などの非個人用EVのモデル化分野には、依然として研究ギャップが存在する。
• V2G統合応用向けのエネルギー消費推定モデルは未だ発展途上であり、今後の重要な研究機会である。
• 微視的および巨視的アプローチを統合するマルチスケールモデリングフレームワークの開発は、包括的なEVエネルギーシステム分析にとって不可欠である。
• 現在のモデルは、都市部やグリッド統合環境を含め、応用間での展開を想定した標準化およびスケーラビリティに欠けていることが多い。