基于實際駕駛工況的電動客車性能研究

中圖分類號：U491.26；U469.72 文獻標志碼：B 文章編號：1001-2222（2025）03-0068-06

隨著國際局勢的變化，能源的安全穩定供應和綠色低碳化已成為各國能源政策的主流[。構建多能互補的清潔低碳能源體和多元化的能源供給形式，能緩解我國對一次能源進口的依賴，提高我國能源體系的安全度[2]。城市電動客車系統的引入對改善城市空氣質量、減少能源消耗和降低碳排放具有重要的戰略意義[3]。為了充分利用電動客車的優點、控制其一次性投人成本以及實現生命周期內的低碳化，需要深入研究電動客車在特定城市環境下的性能表現。然而各地交通路況不同，駕駛員駕駛風格差異大，法規中定義的汽車行駛工況很難代表各地的實際情況[4-6]，故需要根據當地駕駛環境構建駕駛循環來表征當地的實際運行路況。采集實際路譜并形成駕駛工況，是研究車輛在特定應用場景下各項性能指標的基礎。為了有效支持我國新能源汽車出口，并確保車輛能夠適應當地的路況和駕駛習慣，有必要研究自定義駕駛循環與仿真相結合的方法，用于支持車輛在目標市場路況適應性的研究。

由于電動汽車的性能表現與其使用場景強相關，所以整車廠在出口車輛之前，需要對車輛在當地路況的適應性做充分評估，從而對細分市場上的產品提前做硬件優化配置。然而，通過路面實測車輛在實際應用場景下的表現存在著開發周期長、推廣成本高等挑戰，所以基于應用場景定義駕駛循環，采用模擬仿真的手段對車輛性能的實際適應性進行評估，能夠有效節約成本并縮短開發周期。

在商用車尤其是城市公交行駛循環工況構建方面，有眾多的學者開展了相關工作[8-12]，然而前面的研究集中在內地城市工況的預測和構建，有關香港的駕駛循環數據還沒有可借鑒的基礎。本研究以即將被香港公交系統引人的某電動客車為研究對象，采用速度-加速度概率分布統計法來構建目標駕駛循環，在Matlab/Simulink環境下搭建車輛模型并開展仿真分析[13-15]，用以預測電動客車在目標路線上的性能表現，并通過路試結果檢驗自定義駕駛循環以及仿真模型的準確性。本研究可為車輛配置優化以及公交路線的電氣化改造提供方向性指導，也可為我國新能源電動車出口后的路況適應性評估探索一條行之有效的低成本方案。

1車輛行駛工況構建

法規中定義的汽車行駛工況體現為標準化的速度與時間二維曲線[16-18]，其中針對重型車輛應用的測試周期通常為 1800s ，如C-WTVC循環工況。

為了具有可比性，本研究構建的行駛工況周期與其相同。此次構建行駛工況時，在常用的主成分分析法的基礎上，以各特征值貢獻率為權重系數，對行駛片段的特征參數進行二次加權并累計得到片段分數，片段得分值高的代表片段用于最后的工況合成，其具體流程如圖1所示。

1.1數據采集及預處理

本研究采用目標車輛追蹤法采集公交車行駛路譜數據。使用GPS數據記錄儀采集位置參數，用慣性測量裝置IMU（包含陀螺儀、加速度計等）測量車輛的運動狀態、速度和里程等信息。在不干擾跟蹤對象車輛的情況下，在香港53路公交車行駛線路（如圖2）上，按照 1Hz 的采樣頻率，記錄超過10名司機、累計超過1000次的有效數據作為研究的樣本，數據包括了采樣的日期、時間、車輛速度、氣溫、行駛距離等信息。通常將一段長時間連續運行的行駛過程定義為一個駕駛循環，其對應的數據為：開始前和結束后有超過30s車速為0的狀態，這兩個狀態點之間的數據片段即為一個駕駛循環的數據片段。由于存在人為干擾或電磁干擾，會導致采集設備不穩定進而出現數據不平穩和部分缺失的情況，在分析計算數據之前需對原始行駛數據中的異常數據、尖點和毛刺進行預處理。其中若數據片段中遺漏超過30s則判定為異常數據，刪除其所在的微循環片段，并使用后面的微循環片段通過線性插值進行遞補。尖點處數據用其前后時刻的平均數值代替，進出站內速度為0時的毛刺數據均將車速設定為0，最后得到若干個駕駛循環。

1.2 駕駛循環片段劃分

將上述得到的駕駛循環按照圖3所示流程劃分成更加細致的數據片段，即微循環或子微循環，為進一步的特征分析做準備。圖4示出一個劃分實例，通過片段劃分將一個2200s左右的駕駛循環平均分割成8個300s以內的微循環。將所有采集到的數據經過片段劃分后會得到超過10000個的微循環、子微循環片段（以下統稱為微循環）。

1.3循環數據特征分析

在行駛工況構建中，僅憑速度與時間很難描述現實中復雜的駕駛路況，為準確地描述分割后循環的運動狀態，通過分析國內外研究現狀[19]，本研究共選取了24個特征參數（見表1）對行駛數據進行評價。

參照C-WTVC循環對 1800s 行駛工況的劃分方法[20]，本研究將數據分析后的微循環片段按照特征參數中的平均行程速度分為城市、郊區、高速3組，分組按照接近原則將微循環進行歸類，各組的平均速度近似值分別為：城市組 25km/h 、郊區組45km/h 、高速組 70km/h ，均速低于 15km/h 和高于 75km/h 的微循環被認為是異常片段會被剔除。經計算得出的各組特征參數的平均值將與C-WTVC一起作為最后合成工況選取時的參照。得到每個微循環的特征參數值，從而生成一個微循環數 ×24 的特征參數矩陣，將其導入SPSS軟件進行主成分分析[21]，得到各個成分即特征參數的貢獻率m₁，m₂，m₃，…m₂₄ ，以貢獻率為權重系數，引入評價循環代表性指標 T 值，其為一個二次加權準則函數值，算法如下：

式中： m_i 為由特征參數貢獻率得到的權重系數； z_i 為第 i 個特征參數值； e_i 為循環所在組的該特征參數的平均值； abs（e_i） 為 e_i 的絕對值。由此計算每個微循環片段的 T 值， T 值越小則代表性越高，即越貼近實際的駕駛情況。選取各組代表性前5的微循環片段作為候選微循環。根據前一時間序列微循環的最終狀態信息和下一微循環的開始狀態信息吻合程度進行工況的合成，目的是盡量使微循環之間過渡平順。在構建過程中，還有以下設定：首先，為了與標準循環進行對比，自定義工況應同樣為1800s ；其次，工況的起始速度和終點速度均為0，在保持與標準循環一致的同時也尊重整車轉轂測試的實際操作。 1800s 的完整循環工況由 6～12 個微循環片段構成，最后生成約100個完整的駕駛循環。

1.4 工況有效性分析

本研究基于速度-加速度聯合概率分布進行有效性分析及評價，將速度以 10m/s 為區間長度設置10個區間，加速度以 0.4m/s² 為區間長度同樣設置10個區間，如圖5所示。本研究用合成工況與實際采集數據平均值的相關性指標來選擇合成工況，相關性指標 q 的定義如下：

式中：100為速度-加速度分布區間的個數； y_i 為合成工況在第 i 個區間的分布占比； 為采集到的整體數據在第 i 個區間的分布占比。最終選取 q 值最小的工況作為最終的香港公交工況（見圖6），簡稱“香港工況”。其中，為了兼顧車輛的一致性并考慮電池的衰減，同時考慮司機的駕駛差異，人為地去掉了在站車速為0的片段，從駕駛循環的角度增加了車輛的行駛難度，最終提高仿真的魯棒性和工程裕度。

2基于Simulink的仿真模型搭建

本研究在Matlab/Simulink環境下，基于車輛基本原理搭建電動客車的仿真模型[15，，22-23]，并用目標車型的相關規格參數對模型進行參數化標定，進而實現電動客車的性能仿真并得到車輛的性能指標。

2.1電動客車參數

仿真過程中需要的輸人參數如表2所示。

目標電動客車選用單電機配置，其30s峰值扭矩為 1000N?m ，持續工作扭矩為 380N?m 。電機在氣溫 25^°C 下的三維效率MAP圖如圖7所示。X 軸、 ?Y 軸、 Z 軸分別代表電機轉速、電機扭矩和電機效率，電機扭矩為正時電機帶動負載轉動，扭矩為負時電機則無功率輸出，作為發電機進行動能回收。由該圖可以很直觀地看到電機在不同工況下的性能指標，為優化電機選型和后續的建模提供了重要信息。電池采用兩套171個電芯串聯的模組并聯形成電池包，其滿電電壓為 625V ，標稱電壓為 550V ，假定常溫下的充放電效率均為 95% 。為了兼顧駕駛性和能耗，當模型設定同時滿足 5OClt;95% .Vgt;10km/h ，加速踏板的開度小于 1% 等3個條件時，制動能量回收功能觸發。為了電機的安全，當制動需求扭矩（即持續工作扭矩）小于 380N?m 時，制動扭矩全部通過電機的能量回收提供；當制動需求扭矩大于 380N?m 時，電機的能量回收提供一半的制動需求扭矩，另一半由制動系統提供。

2.2Simulink仿真模型搭建

在進行仿真建模前，對車輛的物理模型架構進行分析，得到如圖8所示的電動汽車物理模型架構圖。根據物理模塊之間的關系、動力傳遞、能量管理、控制策略以及環境因素等定義系統架構后，對各個模塊進行建模。根據電動汽車的動力系統和模型架構進行相應的機械連接和電氣連接，搭建好的Simulink模型框架如圖9所示，其中包括駕駛員、整車物理、控制、駕駛環境、結果顯示共五大模塊。基于2.1節中的部件參數，對仿真模型進行參數化，并由廠家確認參數的準確性和合理性，從而確保輸入參數的可靠性。

3仿真結果分析

3.1經濟性仿真結果

為了分析參數化模型的邏輯合理性，在進行仿真之前，首先對比分析駕駛循環中目標車速與仿真模型輸出車速之間的吻合關系，確保駕駛員模型的閉環控制、控制模型的動態響應和物理模型的扭矩管理符合預期，本研究要求目標車速與仿真車速的偏差在全駕駛循環周期內的偏差小于 1% 。由圖10可見，仿真車速與目標車速的吻合度符合本研究設定的目標，從而驗證了參數化仿真模型的合理性。

運行參數化模型，通過分析每個循環下車輛行駛里程和電池SOC的變化，可獲得循環電耗、續航里程等經濟性指標。其中，基于實際應用，本研究設定電池能量耗盡時的SOC值為 20% ，電池滿電的SOC值為 95% ，以保護電池的使用壽命。

為了對比不同工況對續航里程的影響，并展現實際駕駛循環工況下車輛性能，分別在C-WTVC循環下和香港工況下開展仿真研究，單循環下的SOC變化和行駛里程如圖11所示。

如圖11a所示，車輛在自定義駕駛循環工況運行時，單循環電池SOC變化量為 12.1% ，對應的行駛里程為 23.11km ，基于電池滿電和耗盡狀態下的SOC差異，可以獲得本研究定義的駕駛循環下的續航里程為 136.7km ，并由仿真模型可以得出百公里能耗為 104.4kW?h 。同理可以得到C-WTVC循環下車輛的經濟性指標，如表3所示。

如表3所示，電動客車在香港工況的經濟性表現更佳，有較長的續航里程。在車輛開發階段，通常采用標準循環如C-WTVC進行性能目標定義和系統架構定義，進而選取滿足要求的“三電”系統。本研究表明，對于在標準循環下開發并且滿足香港公交路線要求的電動客車，在香港對應公交路線使用時，可以適當減小電池容量，從而降低新車成本。同時，電動客車的續航能力數據可為充換電站點的設置提供理論支持。從仿真結果可知，車輛在自定義工況和標準工況下的性能表現差異較大，為了高質量、低成本地為市場提供有競爭力的產品，在開發階段，有必要獲得目標市場的路譜數據并生成駕駛循環。

3.2實際道路測試結果

為了驗證自定義駕駛循環與實際道路工況的符合性，并進一步驗證仿真模型的合理性，本研究選取了如圖12所示的電動城市客車作為測試車輛，在香港目標公交路線上由隨機抽取的司機駕駛車輛，測試車輛的性能。為了對比分析的科學性，車輛主要技術參數，包括環境參數與控制邏輯均與仿真模型中一致。測試路線與工況采集時的路線一致，為全長約 21.3km 的香港53路公交路線。通過車載測試系統采集行車數據，包括車速、行駛距離、電池能耗量等數據。測試結果為10次試驗后的平均數據：平均車速 20.29km/h ，電池百公里能耗為 108.7kW?h ，綜合續航里程為 131.2km 。

3.3仿真與試驗結果對比分析

結合表3可知，實測百公里耗電量與自定義工況下的仿真預測值的偏差為 4.0% ，續航里程偏差為4.2% 。而實測值與C-WTVC工況下的預測值存在較大差異，續航里程偏差為 13.0% ，電耗偏差為15.2% 。說明本研究構建的自定義工況能夠較好地描述和模擬目標路線的實際路況，基于該工況建立的仿真模型具有很高的預測精度，偏差小于 5% ，具有工程實用價值；此外，標準工況由于其來自標準化定義，不能覆蓋特定場景的實際情況，用于評估特定路線的車輛性能時存在較大偏差，進而造成車輛的過度設計。通過上述對比分析，進一步驗證了在特定場景駕駛循環的基礎上建立仿真模型能準確預測車輛的性能。本研究提出的構建特定駕駛循環工況與仿真結合的研究方法，能為電動客車在多場景應用前的路況適應性評估提供有效方法，具有重要的工程價值。同時，也可為我國新能源汽車走出國門提供重要的技術支撐。

4結束語

以某電動客車為研究對象，基于車輛物理架構和技術參數，建立了純電架構的仿真模型，構建了針對香港53路公交路線的周期為1800s的駕駛循環，分別在自定義駕駛工況和C-WTVC循環下開展了仿真工作，并在目標路線上對車輛性能進行了測試。結果表明，在自定義工況下的仿真結果與實測結果有著較高的吻合度，能耗和續航里程的偏差均小于 4.2% ，而在C-WTVC循環下的仿真結果與實測結果偏差較大，能耗和續航里程的偏差均大于13.0% ，說明提出的駕駛循環定義和仿真模型構建方案具有理論上的合理性和工程級的使用價值，可為我國新能源汽車的系統開發和市場推廣提供理論及技術支撐。

參考文獻：

[1]景曉軍，許丹丹，李騰騰，等.運行模式對重型混動車污染物及碳排放的影響[J].車用發動機，2023（4）：47-52.

[2]孫麗麗，李進鋒，郭中華.構建多能互補的清潔低碳能源耦合體[J].中國石油大學學報（自然科學版），2023（5）：130-137.

[3]汪軍，張趙琴.新能源汽車對城市交通碳排放的影響研究[J].城市建設理論研究，2023（30）：166-170.

[4]李春生，余虎.基于改進 K 均值聚類算法的汽車行駛工況構建[J].計算機技術與發展，2022，32（3）：169-174.

[5]呂錯超，梅雪峰，周麗金，等.基于統計方法的汽車行駛工況構建[J].數學的實踐與認識，2021，51（6）：1-9.

[6]付志成，郭振昕，賈松霖，等.引入油門開度的汽車續航測試工況構建研究[J].車用發動機，2024（1）：61-66.

[7]宋桂秋，王凱，李一鳴.增程式電動汽車多模式切換控制策略與性能仿真[J].科學技術與工程，2016，16（31）：94-100.

[8]董小瑞，武雅文，張志文，等.基于遺傳算法和支持向量機的汽車行駛工況識別[J].車用發動機，2021（2）：13-17.

[9]金思含，彭憶強，武小花，等.成都市燃料電池公交車示范運行行駛工況的構建[J].汽車安全與節能學報，2022，13（1）：202-208.

[10]李耀華，邵攀登，翟登旺，等.基于聚類與Markov鏈法的西安市某線路城市客車工況構建[J].汽車安全與節能學報，2022，13（2）：341-349.

[11]ZHANG M，SHI S，LIN N，et al.High-efficiency driv-ing cycle generation using a markov chain evolutionalgorithm[J].IEEE transactions on vehicular technol-ogy，2019，68（2）：1288-1301.

[12]ZHANG J，WANG Z，LIUP，et al.Driving cycles con-struction for electric vehicles considering road envi-ronment：A case study in Beijing[J].Applied energy，2019，253：113514.

[13]郭敏銳，楊勇.純電動汽車動力系統匹配設計及多工況仿真[J].現代制造工程，2018（12）：62-65.

[14]李素華.純電動汽車驅動系統設計及仿真研究[J].機械設計與制造，2016（1）：40-42.

[15]查鴻山，宗志堅，劉忠途，等.純電動汽車動力匹配計算與仿真[J].中山大學學報（自然科學版），2010，49（5）：47-51.

[16]全國汽車標準化技術委員會.重型商用車燃料消耗量測試方法：GB/T27840—2021S.北京：中國標準出版社，2021.

[17]全國汽車標準化技術委員會.重型柴油車污染物排放限值及測量方法（中國第六階段）：GB/T17691—2018[S].北京：中國環境科學出版社，2017.

[18] 中華人民共和國生態環境部，國家市場監督管理總局.輕型汽車污染物排放限值及測量方法（中國第六階段）：GB/T18352.6—2016[S].北京：中國標準出版社，2015.

[19] BARLOWTJ，LATHAMS，MCCRAEIS，etal.Areference book of driving cyclesfor useinthe meas-urementofroadvehicleemissionsM].Berkhire：TRLlimited，2009.

[20]全國汽車標準化技術委員會.中國汽車行駛工況第2部分：重型商用車輛：GB/T38146.2—2019[S.北京：中國標準出版社，2019.

[21] 郭家琛，姜衡，雷世英，等.城市道路汽車行駛工況構建方法[J.交通運輸工程學報，2020，20（6）：197-209.

[22] 黃文凱，程輝軍，儲愛華.純電重型商用車四電機系統動力性及經濟性研究[J].汽車工程，2023，45（1）：70-76.

[23] 喻凡，林逸.汽車系統動力學M.北京：機械工業出版社，2016.

Abstract：Toacurately evaluate thefeasibilityofoperatingpureelectric bus onspecificroutes，adrivingcycle with1800s wasdefinedwiththemethodofsped-acelerationprobabilitydistributionstatisticsbasedonHongkongNo.53busroutinespectrumdata.Thenthevehicleperformance was studied with simulationmethodin Matlab/Simulink，andcomparedwiththeactualresults.Therationalityofthemethodologyandresultswasfinallconfirmed.Theresultsshowthatthedrivingrangeof the vehicle under the customized driving cycle is about 22.6km longer than that under the C-WTVC cycle，and the electricity consumption of 100km is 20.8kW?h less.The deviation of the measured results from the simulation results under the customized conditions is less than 4.2% ，and the deviation from the results under the C-WTVC conditions is more than 13.0% ，which indicatesthattheperformanceoftheelectricvehicleunderthecustomizedcyclehasahigherdegreeofconformitytotheresultsof realroad test.Thedevelopedresearchmethodcanprovideimportanttheoreticalsupportfortheroadadaptabilitystudyof new energy electricvehicles indiferent environments，especiallyfor theroad conditions in the target export area.

Key Words：electric bus;driving cycle definition;simulation;road condition;adaptability

[編輯：姜曉博]