一种电动汽车瞬时耗能估计方法及装置制造方法及图纸

本发明专利技术提供一种电动汽车瞬时耗能估计方法及装置，包括如下步骤：A、获取电动汽车行车数据和历史天气数据；B、在行车数据中加入新列作为后续目标特征；C、将时间格式和精度均统一后的行车数据和历史天气数据进行拼接，形成合并数据；D、构建神经网络；E、将合并数据划分为训练集和测试集，利用训练集对步骤D构建的神经网络进行训练，以得到瞬时耗能估计模型。本发明专利技术运算精度高，运算速度快，适应性强。适应性强。适应性强。

【技术实现步骤摘要】
一种电动汽车瞬时耗能估计方法及装置


[0001]本专利技术涉及一种电动汽车瞬时耗能估计方法及装置。

技术介绍

[0002]电动汽车续航里程一直是关注的重要指标，可靠、准确地估算电动汽车的瞬时能耗对驾驶员出行规划至关重要。由于电动汽车的能量消耗并不是简单的线性模型，而是由多个因素耦合而成的，因此基于建立汽车物理模型的能耗预测很难达到较高精度。
[0003]目前，以广泛用于估计电动汽车能耗的方法可分为两类。第一类方法是以电池为研究对象，研究电池的SOC、温度等特征与能耗的关系，从而建立能量模型，通过电池的状态参数来预测瞬时能耗。但是，由于仅仅是对电池进行考虑，忽略了对环境情况、驾驶员行为的研究，这使得在复杂的动态交通环境中，对瞬时能耗的估计的误差较大。第二类方法是以驾驶员行为因素、车辆因素(速度、加速度等)、环境温度等作为研究对象，进行特征识别，利用机器学习的方法进行建模分析，这种方法是目前的主流方法。但是，目前所出现的机器学习用于电动汽车能耗预测的方法也有一些缺点。第一个是对于天气信息多样性的忽略，大多只考虑了环境温度，风速这两个特征。第本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电动汽车瞬时耗能估计方法，其特征在于：包括如下步骤：A、获取电动汽车行车数据，该行车数据包括时间和位置信息，并根据该时间和位置信息获取历史天气数据，该历史天气数据包括大气温度、露点温度、大气压、风向、风速、湿度、云量、水平能见度和特殊天气；B、所述行车数据还包括瞬时电流数据和瞬时电压数据，在行车数据中加入新列作为后续目标特征，该列数据为瞬时电流数据和对应的瞬时电压数据之积；C、将获取行车数据的时间格式和获取历史天气数据的时间格式进行统一、将行车数据的精度和历史天气数据的精度进行统一，并将时间格式和精度均统一后的行车数据和历史天气数据进行拼接，形成合并数据；D、构建神经网络：神经网络包括具有分类特征输入部分和数字特征输入部分的输入层、分别与分类特征输入部分和数字特征输入部分关联的dropout神经网络层、与分类特征输入部分和对应的dropout神经网络层关联的FM神经网络层、以及与数字特征输入部分和对应的dropout神经网络层关联的局部连接层；E、将合并数据划分为训练集和测试集，利用训练集对步骤D构建的神经网络进行训练，以得到瞬时耗能估计模型。2.根据权利要求1所述的一种电动汽车瞬时耗能估计方法，其特征在于：所述步骤A中，所述行车数据还包括速度、加速踏板与制动踏板状态，所述位置信息为经纬度数据。3.根据权利要求1所述的一种电动汽车瞬时耗能估计方法，其特征在于：所述步骤A中，获取所述历史天气数据的采样周期为半小时。4.根据权利要求1或2或3所述的一种电动汽车瞬时耗能估计方法，其特征在于：所述步骤B中，在行车数据中加入所述新列之前，将行车数据中小于或者等于0的瞬时电流数据及这些瞬时电流数据对应的瞬时电压数据删除，在行车数据中加入所述新列之后，将瞬时电流数据列和瞬时电压数据列删除。5.根据权利要求3所述的一种电动汽车瞬时耗能估计方法，其特征在于：所述步骤C具体包括：C1、所述行车数据的时间格式为“年月日时分秒”，所述历史天气数据的时间格式是“日月年时分”，将历史天气数据的时间格式修改为“年月日时分秒”；C2、所述行车数据的时间精度是“秒”，所述历史天气数据的时间精度为采样周期，将行车数据和历史天气数据的时间格式均修改为“年月日时”，从...

【专利技术属性】
技术研发人员：林名强，陈守鑫，严晨昊，
申请(专利权)人：泉州装备制造研究所，
类型：发明
国别省市：