基于历史行为数据估算电池包容量的研究

马非凡，黄碧雄，严晓，王东征 ,王炯耿

（1.201620 上海市 上海工程技术大学机械与汽车工程学院；2.201620 上海市 上海玫克生储能科技有限公司；3.310000 浙江省 杭州市 浙江华云信息科技有限公司）

0 引言

随着人们保护环境的意识不断加强，以及化石燃料资源的日益枯竭，电动汽车代替传统燃油汽车作为日常出行的代步工具已经成为大势所趋，然而,电动汽车存在电池衰减不确定、充电不方便和续航里程短等问题，使广大用户对电动汽车存在信心不足[1]。而且，随着最近几年大数据技术的不断成熟，机器学习方法在越来越多的领域取得了成功，利用数据创造更大的价值。本文在此背景下，利用数据平台积累的电动汽车数据，结合XGBoost 算法，估算电池剩余容量，增强用户的使用信心。

1 XGBoost 算法原理

XGBoost 是最近一种广受好评的集成学习算法，它在原来梯度集成学习的基础之上演化而来，主要思想是通过集成多个弱分类器的训练结果达到最终预测的目的[2-3]。XGBoost 算法模型具有如下几点优势：（1）通过弱分类器集成的方法能够很好地解决非线性问题，并将更多的特征考虑进模型；（2）选用的弱分类器是树形模型，相比较于深度学习，或者其他回归模型，对特征的处理要求较低，不需要进行强制归一化处理；（3）训练时可以利用电脑的线程资源，大大提高模型的训练速度。

XGBoost 近几年已经在各类机器学习大赛中大放异彩，也证明了其模型的健壮性和可用性，本文利用电动汽车上传的数据整理成可用特征，达到估算电池当前满充容量的目的。……