Uncertainty-Aware Prediction of Battery Energy Consumption for Hybrid Electric Vehicles

要約

タイトル：ハイブリッド電気自動車のバッテリー消費量の不確実性に対応した予測

要約：

– 車両の使い勝手はエネルギー消費に大きく依存している。
– 特に、電気自動車（EV）、ハイブリッド自動車（HEV）、およびプラグインハイブリッド自動車（PHEV）の大量採用を妨げる主要因の1つは、走行距離が不確かな「航続距離不安」である。
– この問題に対処するため、バッテリーの消費量をモデリングするための機械学習アプローチを提案する。
– 予測不確実性を減らすことで、この方法は車両の性能に対する信頼を高め、使い勝手を向上させることができる。
– これまでの関連研究は、消費量に影響を与えるバッテリーの物理・化学モデルに焦点を当てていたが、我々はバッテリー関連属性を含む実世界のデータセットに依存するデータ駆動アプローチを提案する。
– 従来の方法と比較して、本方法は予測の不確実性と精度の両方において改善が見られた。

要約(オリジナル)

The usability of vehicles is highly dependent on their energy consumption. In particular, one of the main factors hindering the mass adoption of electric (EV), hybrid (HEV), and plug-in hybrid (PHEV) vehicles is range anxiety, which occurs when a driver is uncertain about the availability of energy for a given trip. To tackle this problem, we propose a machine learning approach for modeling the battery energy consumption. By reducing predictive uncertainty, this method can help increase trust in the vehicle’s performance and thus boost its usability. Most related work focuses on physical and/or chemical models of the battery that affect the energy consumption. We propose a data-driven approach which relies on real-world datasets including battery related attributes. Our approach showed an improvement in terms of predictive uncertainty as well as in accuracy compared to traditional methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI