基于机器学习算法对电动汽车续驶里程进行估计

1.概论

  本文主要通过采集大量的数据，通过对数据进行处理分析，发现SOC和总电压是影响续驶里程的主要原因。从线性关系出发，建立了SOC、总电压和续驶里程的多元线性回归。为了提高模型的准确性，将线性模型中计算得到的残差作为一个新的特征，KNN回归预测模型具有更高的精度，弥补了多元线性回归模型的不足。

2.多元线性模型

2.1模型介绍

  在回归模型y=a+bx+c 中，假定c的期望值为0，方差相等且服从正态分布的一个随机变量。但是，若关于c的假定不成立，此时所做的检验以及估计和预测也许站不住脚。确定有关c的假定是否成立的方法之一是进行残差分析（residual analysis）

2.2相关性分析

with open(csv_name) as csvfile:
    csv_data = pd.read_csv(csvfile)  # header=1默然不读取表头
    csv_data.dropna(inplace=True, subset=['SOC', '总电压'])  # 删除SOC为缺失值的行
    csv_data.reset_index(drop=True, inplace=True)

ls = []
ls_son = []
"""
根据充电状态来进行数据分割，一个放电过程作为一个样本，放入ls列表中
"""
for i in range(csv_data.shape[0]):
    if csv_data['充电状态'][i] == 3 and csv_data['累计里程'][i] != None:
        if np.isnan(csv_data['累计里程'][i]):
            continue
        ls_son.append(i)
    elif csv_data['充电状态'][i] == 1:
        # 数据量大于300加入列表
        if len(ls_son) > 300:
            ls.append(ls_son)
        ls_son = []
mileage_soc_corr_list=[]
u_soc_corr_list=[]
for index in ls:
    # 获取每一个样本
    data = csv_data.iloc[index, :]
    data.reset_index(drop=True, inplace=True)
    data['累计里程'] = abs(data['累计里程'] - data['累计里程'].tolist()[-1])
    data['SOC'] = abs(data['SOC'] - data['SOC'].tolist()[-1])
    mileage_soc_corr_list.append(data['累计里程'].corr(data['SOC']))
    u_soc_corr_list.append(data['累计里程'].corr(data['总电压']))
    s1 = []
    s2 = []
    for i in range(len(index)):
        s1.append(float(data['SOC'].tolist()[i] - data['SOC'].tolist()[-1]) / 0.75)
        s2.append(float(data['SOC'].tolist()[i] - data['SOC'].tolist()[-1]) / 1.75)

    data_new={'最大里程':s1,
              '最小里程':s2,
              '总电压':data['总电压'].tolist(),
              '实际里程':data['累计里程'].tolist()}
    data_new=pd.DataFrame(data_new)
    data_new.to_csv('里程.csv', mode='a', header=False)
plt.subplot(211)
plt.plot(range(len(mileage_soc_corr_list)), mileage_soc_corr_list)
plt.ylabel('correlation')
plt.title('mileage&SoC correlation')
plt.subplot(212)
plt.plot(range(len(u_soc_corr_list)), u_soc_corr_list)
plt.xlabel('sample')
plt.ylabel('correlation')
plt.title('mileage&U correlation')
plt.show()

  以上为每个样本中SOC和总电压与续驶里程的相关性，可以发现续驶里程和SOC、总电压有很高的相关性。

2.3模型构建

data = pd.read_csv('../data/U_SOC_mileage.csv')
print(data.head())
x = data.iloc[:, 0:2]
y = data.iloc[:, 2:]
# 划分数据集
x_train, x_test, y_train, y_test = train_test_split(x, y, train_size=0.8, random_state=6)
# 标准化处理
x_stand = StandardScaler()
x_train = x_stand.fit_transform(x_train)
x_test = x_stand.transform(x_test)

linear = LinearRegression()
linear.fit(x_train, y_train)
y_pre = linear.predict(x_test)

mse = np.sqrt(mean_squared_error(y_test, y_pre))
print("参数:", linear.coef_)
print("截距:", linear.intercept_)
print('均方误差:', mse)
print('测试集评分:', r2_score(y_test, y_pre))
x_index = [i for i in range(x_test.shape[0])]
plt.figure()
plt.title('predict mileage')
plt.plot(x_index[2000:2100], y_test[2000:2100], c='r', label="True value")
plt.plot(x_index[2000:2100], y_pre[2000:2100], c='g', label="Predict value")
plt.xlabel('sample')
plt.ylabel('mileage')
plt.legend(loc="best")
plt.show()

  多元线性模型为y=3.99U+6.68SOC+18.6，其中R2为0.912，均方误差为3.102。

2.4残差分析

  通过标准化残差，对c进行正态性检验。标准化残差（standardized residual）是残差除以其标准差后得到的数值，也称Pearson残差或半学生化残差（semi-studentized residuals）。通过计算，大约有97.5%的标准化残差在-2到2之间，所以c符合正态性这一假设。并且抽取部分数据进行展示。

resids = outliers.resid_studentized_external
ls=[1   if i>=-2 and i<=2 else 0 for i in resids]
print(np.sum(ls)/len(ls))
plt.scatter(y_predict[1000:1100], resids[1000:1100])
plt.xlabel('y_predict')
plt.ylabel('resid')
plt.axhline(y=2, color='r', linestyle='--')
plt.axhline(y=-2, color='r', linestyle='--')
plt.show()

3.KNN回归预测模型

3.1模型介绍

  基于最邻近算法的分类，本质上是对离散的数据标签进行预测，实际上，最邻近算法也可以用于对连续的数据标签进行预测，这种方法叫做基于最邻近数据的回归，预测的值(即数据的标签)是连续值，通过计算数据点最临近数据点平均值而获得预测值。

3.2模型构建

data=pd.read_csv('../data/res_mile.csv')
x = data.iloc[:, 0:3]
y = data.iloc[:, 3:]
# 划分数据集
x_train, x_test, y_train, y_test = train_test_split(x, y, train_size=0.8, random_state=6)
# 标准化处理
x_stand = StandardScaler()
x_train = x_stand.fit_transform(x_train)
x_test = x_stand.transform(x_test)

kr = KNeighborsRegressor(n_neighbors=12)
kr.fit(x_train, y_train)
y_pre = kr.predict(x_test)
mse = np.sqrt(mean_squared_error(y_test, y_pre))
print('均方误差:', mse)
print('测试集评分:', r2_score(y_test, y_pre))
x_index = [i for i in range(x_test.shape[0])]
plt.figure()
plt.title('predict mileage')
plt.plot(x_index[2300:2400], y_test[2300:2400], c='r', label="True value")
plt.plot(x_index[2300:2400], y_pre[2300:2400], c='g', label="Predict value")
plt.xlabel('sample')
plt.ylabel('mileage')
plt.legend(loc="best")
plt.show()

  基于多元线性回归模型计算得到的残差，结合SOC和总电压对续驶里程进行预测，最终R2为0.999，均方误差为0.0798。

4.问题

  模型应用的时候，残差无法得知，只能知道一个大致的范围。
  机器学习主要是在某一个数据集上面建立算法，不断的优化，但不一定适用于其他数据集，有区别于数据挖掘。
  数据集中的续驶里程大概在0~70的范围内，对更远距离的预测可能会存在一定的误差。