一台电动装载机到底能干几个小时活？这是大多数客户都想了解的问题。目前市场上的电动装载机满电续航普遍在4-8个小时之间，有经验的销售人员会告诉客户：不同的物料续航不一样，不同的工况续航也不一样。但这种模糊的说法和较宽的范围无疑为客户的购买决策增加了困难。
那么，有没有一种方法，能够根据客户的工况条件较为准确的预估电动装载机续航呢？
为了解决这个问题，长城重工数智化团队基于GW58E282电量/3.6方斗）运行数据，分析了最典型的两种场景工况——煤厂和商砼站（铲装工况）。通过对运输距离（单位：，以下简称运距）、平均车速（单位：km/h，以下简称车速）、平均产量（单位：趟/h，以下简称产量）及不同物料与满电续航（单位：，以下简称续航）之间联系的分析，经过为期一个月的反复论证，得出结论：电动装载机续航与产量强相关，与物料和运距弱相关！
从数据角度，分析影响电装续航的关键因素
首先，我们来看看在不同物料下，产量与续航之间的关系：
图1：产量与续航的关系
这张图里有三个重要的信息：
产量（横轴）与续航（纵轴）强相关，产量（每小时铲运趟数，单位：趟/h）越高则续航越低。这个结果可以从能量守恒定律角度来理解：产出消耗。因此，产量是影响续航的主要因素；
、煤炭曲线（绿线）和砂石曲线（红线）几乎重合，这说明不同物料在续航趋势上是几乎一致的，预测续航可以不考虑物料差异；（备注：仅限于煤炭、砂石等密度低于1.8g/cm³以下的物料，铁矿石等高密度物料因涉及到超载，续航预测不可控，因此不在研究范围内）
、煤炭工况（绿色气泡）集中在右下方，产量偏高但续航相对较低，而砂石工况（红色气泡）集中在左上方，产量偏低但续航较高。这里与我们的直觉是大不相同的，更轻的物料往往伴随更高的产量，而产量才是影响续航的决定因素。
除此之外，对于这张趋势图我们还有一个疑问：我们可以看到散点图呈现一条带状，每一个散点代表一个样本量。这条散点带对应轴上的宽度大约在左右，也就是说相同的产量下续航会有±1的误差。那么如何减小这个误差，更精准的预测续航呢？
我们接着来研究一下在产量维持一定的情况下，还有哪些因素对续航产生影响。产量是指每小时的铲运趟数，这个是很容易在工地实测出来的。产量是由运距和车速决定的，公式如下：
如果要维持相同的产量，当运距更长时，车速必须更快，车速一快，电耗必然增加。所以续航一定也与运距或车速相关。我们很难去测量平均车速，但运距是很好实地测量的，测量出产量和运距，车速自然很容易计算出来。所以我们选择运距作为预测续航的第二个参数。
至于物料对续航的影响，结合上述第条和第条所述，物料的不同并不影响续航数值的趋势，只影响数据的集中度。我们从下面这张运距与产量之间的关系图也可以看到一个有趣的现象，煤炭工况的运距普遍集中在25~45米，而砂石工况的运距普遍集中在50~80米，这也从另一个角度验证了物料对续航的影响：由于煤炭工况物料单一，物料与料口之间的运距普遍偏短，相应的产量更高。而砂石工况因为涉及不同物料配比，需要在不同料堆之间往返，所以运距普遍偏高，产量则偏低。这时候再结合图就更好理解为什么煤炭工况续航普遍偏低，而砂石工况普遍偏高了。
图2：运距与产量的关系
电动装载机续航预测模型
至此，我们基于产量、运距与续航之间的联系，同时以煤炭和砂石作为集中度的区分，给出以下大数据预测表：
尾声
本文从大数据的宏观视角出发，对5t电动装载机的续航表现进行了分析，并给出了相应的预测策略。诚然，电动装载机的续航能力受到多种内外因素的交织影响，本文未能穷尽所有细节进行逐一剖析。然而，大数据的本质在于反映广泛而真实的关联性，其思维好比中医，大夫不会试图去解释每一个症状背后的生物化学机制，而是通过整体的视角来理解患者的健康状况，是千百年来的经验总结。同样，在大数据分析中，我们可能不需要知道每一个数据点背后的原理，而是通过数据的模式和关联性来预测电动装载机的续航表现。
因此，本文借助大数据的分析方法，力求把握5t电动装载机续航表现的整体趋势与关键影响因素，以期为行业提供有价值的洞察与预测。长城重工将持续利用前沿大数据技术赋能产品与服务，打造智能高效、绿色可持续的工程机械新品牌。
热门推荐