圖1. 特斯拉各車型的數據條數分布圖

本文數據來源特斯拉車主收集的數據，車輛類型涵蓋了Model_S、Model_X、Model_3的大部分車型，總共數據有1300多條，其中Model_S_85車型的數據最多，接近500條，各車型的數據條數分布見圖1。

首先看一下車輛續駛里程保持率與使用天數、車輛續駛里程保持率與使用里程的關系，續駛里程保持率隨著使用時間和使用里程的增長均呈現逐漸減小的趨勢，但是數據比較分散。

圖2. 車輛續駛里程保持率與使用天數、車輛續駛里程保持率與使用里程的散點圖

采用隨機森林回歸+線性回歸算法建立車輛續駛里程保持率預測模型，自變量為：'username'， 'location'， 'model'， 'days'， 'mileage'， 'supercharging_times'， 'full_charge_times'，'almost_empty_times'， 'daily_charge_level'， 'daily_charge_power'，標簽為：'remaining_original_range'。

對自變量的重要性進行分析，發現使用天數和使用里程對模型的貢獻最大，滿充次數和車輛類型貢獻次之，快充次數和虧電次數再次之，車輛使用區域、日常充電截止SOC、日常充電功率的貢獻最小。

從這些數據我們可以推測：對特斯拉電池衰減影響最大的是使用時間和充放電電量；將電池充滿也會加速電池容量衰減；此外特斯拉各車型之間存在較大的差異性，可能是不同型號電池導致，也可能是各車型電池系統技術水平差異導致。

圖3. 自變量對模型的重要性

使用測試集（占所有數據的40%）對模型進行驗證，均方誤差（MSE）為0.00036，平均絕對誤差（MAE）為0.01381。將測試數據和模型預測數據進行對比，發現模型能夠較好的反應車輛續駛里程的衰減趨勢。

圖4. 測試數據和模型預測數據對比

由于多數車輛的數據都只有幾條，并且車主上報的數還可能由于測試方法不嚴格導致存在較大誤差，因此只挑選了4輛車進行車輛續駛里程保持率預測。

由圖5可知，模型預測數據與測試數據的趨勢基本吻合，雖存在一定誤差，但行駛里程超過30萬公里時電池衰減小于10%。

此外由于這份特斯拉車主收集的數據還沒有發現車輛續駛里程斷崖式下降的情況（有可能發生這種情況的電池都進行了更換，但是數據統計的時候進行了換算處理），因此模型不可能反映出鋰離子電池容量斷崖式衰減的情況，導致車輛續駛里程保持率隨著使用時間和使用里程的增長基本不衰減或衰減很小，后續要提高該模型的預測準確性需要更多能夠反映電池容量斷崖式衰減的數據。

圖5. 4輛車續駛里程保持率預測曲線

轉載請注明出處。