纯电动汽车REESS的电压电流采集方法研究

龚春忠 张永 王可峰 孟凯

摘  要：本文阐述了纯电动汽车REESS（On-board Rechargeable Energy Storage System，车载可充电储能系统）的电压、电流的采集原理及精度测评方法，并说明该方法在新标准的能量消耗量与续驶里程试验以及大数据云端数据构建中的应用。使用横河WT3000E功率分析仪高精度设备与车辆CAN网络信号采集的电压、电流结果进行对比分析，证明车辆传感器的精度及有效性。通过设置不同的采样频率对数据线性插值，为大数据构建中，REESS的电压电流采样频率提供建议。分析结果表明，车载传感器精度满足试验精度要求，大数据应用中，采样频率应要高于1Hz以满足能耗分析精度要求。

关键词：纯电动汽车;REESS的电压电流;大数据技术;能量消耗率与续驶里程

中图分类号：U467.1+2    文献标识码：J    文章编号：1005-2550（2020）05-0002-05

Abstract： This paper describes the collection principle and accuracy evaluation method of voltage and current of pure electric vehicle REESS （ On-board Rechargeable Energy Storage System ） ， and explains the application of this method in the energy consumption and driving range test of the new standard and the construction of big data cloud data. The high precision equipment of Yokogawa WT3000E power analyzer is used to compare and analyze the voltage and current results collected by the vehicle can network signal， which proves the accuracy and limitation of the vehicle sensor. By setting different sampling frequency to interpolate the data linearly， we can provide suggestions for the voltage and current sampling frequency of REESS in the construction of big data. The analysis results show that the accuracy of vehicle borne sensor meets the requirements of test accuracy. In the application of big data， the sampling frequency must be at least higher than 1Hz to meet the requirements of analysis of energy consumption.

Key Words： Pure Electric Vehicle; Voltage and Current of REESS; Big Data Technology; Energy Consumption Rate and Driving Range

隨着汽车智能网联化发展，整车能量消耗量与续驶里程试验方法不断更新，2019年3月，中国汽研在京发布“中国新能源汽车评价规程”体系框架[1]，评价分为单车测试评价和车群大数据评价两个方面，根据消费者使用习惯和新能源汽车特点，拟定能耗、安全、体验3个评价维度，并从上百项测试指标中遴选了能量消耗率、续驶里程、充电效能、使用安全、驾驶体验、质量体验10个二级指标[2]。

电动汽车领域的大数据具备“4V”特征，即规模大（volume）、类型多（variety）、价值密度低（value）和变化快（velocity）[3]。电动汽车产业进入大数据移动互联网时代，应该用大数据的思维观念来挖掘数据的潜在价值[4]。

大数据分析的基础是车载传感器数据采集的可靠性，《GB/T 18386.1-2020 电动汽车能量消耗量和续驶里程试验方法第1部分：轻型汽车》[5]允许在证明车载传感器精度满足要求的情况下使用其数据作为能量消耗量与续驶里程结果的分析依据。在众多大数据挖掘与分析课题中，均需要依托于传感器的精度，包括基于大数据技术的制动策略优化[6]，基于大数据技术的减速器速比优化[7]等。如何保证车载传感器的精度以及采样频率满足精度分析需求成为需要深入探讨的课题。本文以室内底盘测功机上测试能量消耗量与续驶里程试验为基础，基于车载传感器与功率分析仪同时采集的数据进行分析比较，以功率分析仪所采数据为基准，分析车载传感器的精度，提出在大数据平台中能量消耗量及续驶里程相关指标采样频率的要求。

1    新标准对REESS电压电流的采集要求

GB/T 18386.1 [5]规定了试验过程中采集电压与电流的设备精度要求。

采集电压的设备精度满足：分辨率高于0.1V，准确度±0.3%FSD或读数的±1%;

采集电流的设备精度满足：分辨率高于0.1A，准确度±0.3%FSD或读数的±1%，且采样频率应高于20Hz。

电流传感器应通过连接到REESS电缆对其电流进行测量，所测电流应为REESS总电流。在屏蔽线的情况下，应根据汽车生产企业要求并经由检验机构的确定进行适当处理。通常企业的做法是做转接一套接插线束，如图1所示。

2    循环能量消耗量定义传感器电压/电流精度

车辆按照标准工况在底盘测功机上行驶，可测得车辆行驶过程中的秒采数据，包括REESS的电压电流、车辆的车速。通过秒采数据的积分处理，可以获得在一个循环下车辆驱动能量、回收能量、综合驱动能量、驱动电量、回收电量、综合电量、能量回收率、电量回收率、循环行驶里程、百公里能量消耗量等参数。如表1所示为同一次试验中，使用功率分析仪和车载传感器获取的5个循环分析数据。实际上测了36个循环，这里选择前5个循环作为示例。

传感器的精度比较维度很多，最基本的维度是比较传感器自身的计量精度，通常在传感器的规格书上可以获取。本文所述示例中，车载传感器型号为LEM的CAB500-C/SP5，精度<0.5%;功率分析仪所用传感器型号为YOKOGAWA的WT3000E与CT1000，精度<0.05%。

而测试过程中，测试人员最关心的结果是循环能量消耗量。在 GB/T 18386.1 中定义的缩短法 试验中，该值用于计算直流输出端的百公里能量消耗量和续驶里程。因此，本文采用各循环的百公里能量消耗量的结果作为传感器精度的判定依据。

3    功率分析仪与车载传感器采集电压/电流数据精度分析

在同一次试验中采用两种测试方法获得电压电流数据，共执行了36个循环，分别对电压、电流、能量消耗量的精度进行分析如下。

3.1   电压/电流传感器插值及其分布

车载传感器数据通过解析车辆CAN网络数据獲得，功率分析仪数据可直接获得。获取数据后首先要对数据进行时钟对齐处理。对齐后，因采样时间点不一致，导致不能直接对比。而车载传感器电压分辨率较低，因此，将功率分析仪采集的电压/电流数据采样时间点以车载传感器的测试点为基准进行线性插值，以获取相同时刻下的电压/电流数据对比。

本文示例中总共进行了12小时2分26秒的数据采集，采样频率为20Hz，共获得866743个采样点进行对比和分布分析，可获得图2所示结果。电压差值的均值为0.2577V，标准差为0.2129V。同理，可获得电流分布如图3所示，电流差值的均值为-0.0388A，标准差为4.0172A。

该评价方法是基于时间是绝对精确的条件下对比的。当时间采样有推前或滞后时，所获得的对比结果将受影响。由于工况影响，电流随时间变化更为剧烈，所以上述分析结论中得出电流标准差较大，插值分布较广的结论。

3.2   循环能量消耗量比较

为了综合考核所采集数据的精度，本文第2节提出使用循环能量消耗量对比法。图4所示为各循环能量消耗量对比图，将差值做分布分析，可得图5所示结果。均值为：-0.0304kWh/100km;标准差为：0.0786kWh/100km。

GB/T 18386.1规定要求循环能量精度修整到0.1kWh/100km，因此，以功率分析仪采集数据为基准，车载传感器所采集的电压电流精度符合循环能量消耗量的要求。

3.3   其他车型数据样本

使用相同的方法，对比分析另一款车型的传感器精度。该车型总共进行了9小时55分20秒的数据采集，采样频率为1Hz，共获得35700个采样点进行对比和分布分析，可获得图6所示结果。电压差值的均值为-0.0431V，标准差为0.3727V。同理，可获得电流分布如图7所示，电流差值的均值为-0.0667A，标准差为0.0958A。可知，该车型的精度高于之前的示例。在新开发车型或新开发REESS系统时，初次测试，可用该方法判断其传感器精度。

4    不同采样频率下循环能量消耗量分析及其大数据应用

标准《GB/T 32960.3-2016 电动汽车远程服务与管理系统技术规范 第3部分：通信协议及数据格式》[8]规定了车辆需要上传相应的数据至云端。随着大数据技术的发展，各企业均已实现该能力。当前，标准规定的上传时间间隔不能高于10s。为了大数据能提供给开发人员逆向分析与不同客户定制化辨识，需要对部分数据的采样频率进行确定。采样频率太低了会造成分析失真，采样频率太高又会造成历史数据量太大，存储成本太高的问题。因此需要详细分析采样频率对精度的影响。本文主要研究能量消耗量，因此分析的数据主要为车速以及REESS的电压与电流。依然以第2节所示数据为示例，分析不同采样时间间隔对车辆循环能量消耗量的影响。人为调整采样间隔，如图8所示，将采样时间间隔调整成1s与原始采用间隔为0.05s的数据进行对比，可知其依然能较好地表现电流的变化状态。将采样时间间隔从0.05s到12s，各采样间隔分析一段循环能量消耗量的均值和标准差，得到如图9所示的结果 ：

由图9可知，为了令能量消耗量精度估算准确，应将采样频率提高到0.2Hz以上。而采样频率高于1Hz时，精度已变化较小，此时传感器精度起主导作用，而不是采样频率起主导作用。因此，大数据采集数据时，大数据采集车速、电压、电流的采样频率应升级到1Hz较为合理。

5    结论

采用车载传感器数据测评整车能量消耗量及续驶里程等众多动力性经济性指标，将是电动汽车大数据应用的重要方向。本文以功率分析仪所采数据为基准，评价车载传感器数据在能量消耗量的评价指标精度可达0.02kWh/100km的精度等级。大数据的电压、电流、车速信息采集频率应高于0.2Hz，才能较为精确地分析测量的能量消耗量≤0.1kWh/100km的精度要求。下一步研究工作是车载电机转速，扭矩信号的精度分析，应用于大数据挖掘与应用中。

参考文献：

[1]商车. 中国汽研在京发布“中国新能源汽车评价规程”体系框架[J]. 商用汽车新闻，2019（06）：2.

[2]孙逢春 中国工程院院士 新能源汽车国家大数据联盟执行理事长. 如何用大数据评价新能源汽车[N].新能源汽车报，2019-03-04（004）.

[3]张文，王东，郑静楠，秦玉臣. 电动汽车领域的大数据研究与应用[J]. 大众用电，2016（S2）：62-66.

[4]Stonebraker M，Abadi D J，Madden S，et a l.MapReduce and parallel DBMSs：friends or foes[J].Communications of the ACM，2010，53（1）：64-71.

[5]GB/T 18386. 1-2020 电动汽车能量消耗量和续驶里程试验方法 第1部分：轻型汽车.[S].中国国家标准化管理委员会.2019.

[6]张洪雷，方运舟，龚春忠，张永. 基于大数据技术的纯电动汽车减速器速比优化研究[J]. 汽车科技，2020（02）：10-14.

[7]龚春忠，胡建国，张永，何浩. 基于大数据技术的汽车制动策略研究[J]. 汽车科技，2019（04）：6-9.

[8]GB/T 32960.3-2016 电动汽车远程服务与管理系统技术规范 第3部分：通信协议及数据格式. [S].中国国家标准化管理委员会.2016.