现阶段纯电动汽车在中国的推广面临两个重大问题,一是续驶里程低于同价位传统燃油车;二是在2019年之后,国家对新能源汽车的补贴力度呈现下降趋势。精确预测纯电动汽车能耗,一方面可以准确估计续驶里程,降低司机里程焦虑,另一方面可以正确评价纯电动汽车的使用成本,帮助消费者做出正确选择。因此预测纯电动汽车能耗具有十分重要的实用意义。首先,为了获取充足实车数据,本文搭建由车载数据采集器和上位机组成的纯电动汽车数据采集系统。车载数据采集器采集、处理、发送车辆运行数据。上位机负责对车辆数据进行收集、解析、存储等处理工作。纯电动数据采集系统连续两年实时监控来自4个城市的192辆车,获取了充足实车数据,为精确预测能耗提供数据基础。然后,本文系统分析纯电动汽车能量流向,主要包括行驶阻力能耗、制动回收的能量和附件能耗三部分。利用定步长划分法划分运动学片段,通过采集电池的电压电流数据计算片段内的实际能耗,作为能耗预测模型的对比数据。最后,本文构建单一的回归预测模型和回归分析-径向基函数（Radial Basis Function,RBF）神经网络组合预测模型。在能量流向分析基础上,考虑温度对整车能耗的影响,建立多元线性回归分析模型,利用实车采集数据,辨识回归模型参数。对比分析预测能耗和实际能耗,得到回归模型的非线性预测误差。将出行温度作为RBF神经网络模型输入层节点,多元线性回归模型的非线性误差作为输出层节点,利用实车采集数据训练RBF神经网络模型,补偿非线性误差,提高预测精度。最终的组合能耗预测模型是回归模型的线性预测部分和RBF神经网络补偿非线性误差补偿的组合。对比预测结果,本文构建的多元线性回归和RBF神经网络组合模型预测精度高于单一的多元线性回归模型,能够改善单一预测模型预测精度不足的问题,对估计纯电动汽车续驶里程和评价经济性具有工程应用意义。