[论文解读] 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 5

一句话总结

本文综述了电动汽车（EV）的前沿能效估算模型，按建模尺度（微观与宏观）和方法（数据驱动与规则驱动）进行分类。研究发现，模型正趋向于宏观化和基于机器学习的方法，同时指出了在非个人用途电动汽车、车网互动应用以及多尺度整体框架方面的研究空白。

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.

研究动机与目标

• 提供现有电动汽车能效估算模型的全面综述。
• 识别车辆部件、动力学、交通状况和环境条件等各类关键影响因素。
• 分析建模方法的演变，特别是向宏观化和数据驱动方法的转变。
• 突出在非个人用途电动汽车、车网互动集成以及多尺度整体框架方面的关键研究空白。
• 为未来开发准确、可扩展且面向特定应用的电动汽车能效估算模型提供指导。

提出的方法

• 按建模尺度对电动汽车能效模型进行分类：微观（部件级）与宏观（行程级）。
• 按方法对模型进行分类：规则驱动（物理驱动）与数据驱动（机器学习驱动）。
• 系统性地回顾四类关键变量：车辆部件、车辆动力学、交通状况和环境因素。
• 结合近期文献综述与特定应用场景需求，分析模型发展的趋势。
• 评估现有模型在新兴应用（如车网互动和非个人用途电动汽车）中的适用性。
• 提出一种整合微观与宏观方法的未来多尺度建模框架。

实验结果

研究问题

• RQ1 在不同运行场景下，影响电动汽车能耗的主要因素是什么？
• RQ2 建模方法如何演变，特别是在尺度和方法（规则驱动 vs. 数据驱动）方面？
• RQ3 现有电动汽车能耗模型存在哪些当前局限性和研究空白？
• RQ4 现有模型在个人电动汽车以外的应用（如电动公交车和卡车）中适用性如何？
• RQ5 能否开发出集成的、多尺度的能耗估算模型，以实现对电动汽车系统的整体分析？

主要发现

• 宏观模型正成为主流，能够估算大规模交通网络中的行程级能耗。
• 基于机器学习和真实世界数据的数据驱动模型日益普遍，并在复杂动态环境中表现出更高的准确性。
• 在非个人用途电动汽车（如电动公交车、卡车和非道路车辆）的建模方面仍存在研究空白。
• 面向车网互动集成应用的能耗估算模型尚不成熟，是未来重要的研究机遇。
• 开发整合微观与宏观方法的多尺度建模框架，对实现电动汽车能耗系统的整体分析至关重要。
• 现有模型在跨应用部署方面普遍缺乏标准化和可扩展性，尤其在城市环境和电网集成场景中更为明显。