一种基于随机森林的车辆能耗监测方法技术

本发明专利技术提供了一种基于随机森林的车辆能耗监测方法，该方法包括：根据待监测车辆的车辆历史数据，得到能耗影响特征；利用随机森林算法对所述能耗影响特征进行排名，得到所述能耗影响特征的重要性排名；根据所述能耗影响特征的重要性排名，对所述能耗影响特征进行分类；根据各个分类中的能耗影响特征，对待监测车辆能耗进行分析，得到能耗分析结果；本发明专利技术基于大数据和机器学习随机森林，可以准确分析出电动汽车的在行驶过程中的实际能耗情况，实现能耗的动态标定。现能耗的动态标定。现能耗的动态标定。

【技术实现步骤摘要】
一种基于随机森林的车辆能耗监测方法


[0001]本专利技术涉及电动汽车的能耗监测
，尤其涉及一种基于随机森林的车辆能耗监测方法。

技术介绍

[0002]随着近年来电动汽车的迅速发展，电动汽车的普及率已经越来越高。由于电池核心技术瓶颈的存在，在驾驶过程中存在普遍的“续驶里程焦虑”问题。一般车企会通过实验室或者少量有限范围的外部路试得到能耗静态标定值，来对电动汽车进行能耗标定，以辅助驾驶员了解电动汽车的能耗情况和改进驾驶习惯，调整电动汽车的能耗以达到提升续航里程的目的。但是由于实际的路况具有复杂性，再加上驾驶员本身的驾驶行为、车辆内部器件、外部环境对能耗的影响，造成电动汽车在行驶过程中的实际能耗与能耗标静态定值存在较大的误差，从而导致无法较好把握对电池能量的实时消耗情况。

技术实现思路

[0003]针对上述问题，本专利技术的目的在于提供一种基于随机森林的车辆能耗监测方法，其能准确分析出电动汽车的能耗情况，实现能耗的动态标定。
[0004]本专利技术实施例提供了一种基于随机森林的车辆能耗监测方法，包括：
[0005]根据待监测车辆的车辆历史数据，得到能耗影响特征；
[0006]利用随机森林算法对所述能耗影响特征进行排名，得到所述能耗影响特征的重要性排名；
[0007]根据所述能耗影响特征的重要性排名，对所述能耗影响特征进行分类；
[0008]根据各个分类中的能耗影响特征，对待监测车辆能耗进行分析，得到能耗分析结果。
[0009]作为上述方案的改进，所述根据待监测车辆的车辆历史数据，得到能耗影响特征，包括：
[0010]从所述车辆历史数据中提取与能量消耗相关的基础特征；
[0011]对所述基础特征进行数据清洗；
[0012]对数据清洗后的基础特征进行衍生处理，得到与能量消耗相关的衍生特征；
[0013]根据所述基础特征和所述衍生特征，得到所述能耗影响特征。
[0014]作为上述方案的改进，所述根据所述能耗影响特征的重要性排名，对所述能耗影响特征进行分类，包括：
[0015]根据所述能耗影响特征的重要性排名，确定待监测车辆的关键能耗部件；
[0016]基于各个所述能耗影响特征与所述关键能耗部件之间的所属关系，对所述能耗影响特征进行分类；其中，每一个所述关键能耗部件对应一个分类。
[0017]作为上述方案的改进，所述根据各个分类中的能耗影响特征，对待监测车辆能耗进行分析，得到能耗分析结果，包括：
[0018]根据各个分类对应的关键能耗部件对待测车辆的能耗影响，确定各个分类与百公里能耗的关系；
[0019]根据各个分类与百公里能耗的关系，按照预先选定的多个不同的时间窗口分别对每个所述关键能耗部件的能耗进行积分，得到每个所述关键能耗部件在不同的时间窗口内的能耗；
[0020]根据每个所述关键能耗部件在不同时间窗口内的能耗，计算每个所述关键能耗部件在不同时间窗口内的能耗占比；
[0021]根据每个所述关键能耗部件在不同时间窗口内的能耗占比，得到能耗分析结果。
[0022]作为上述方案的改进，所述根据每个所述关键能耗部件在不同时间窗口内的能耗占比，得到能耗分析结果，包括：
[0023]根据每个所述关键能耗部件在不同时间窗口内的能耗占比，计算每个所述关键能耗部件在不同时间窗口内的平均能耗占比；
[0024]根据每个所述关键能耗部件在不同时间窗口内的能耗占比，计算每个所述关键能耗部件在不同工况下的平均能耗占比；
[0025]根据每个所述关键能耗部件在不同时间窗口内的平均能耗占比和在不同工况下的平均能耗占比，得到能耗分析结果。
[0026]作为上述方案的改进，所述关键能耗部件包括：空调、电机和DCDC。
[0027]作为上述方案的改进，所述根据所述能耗影响特征的重要性排名，对所述能耗影响特征进行分类，包括：
[0028]根据所述能耗影响特征的重要性排名，按照预设的维度分类对所述能耗影响特征进行关键特征提取；其中，一个维度分类包括至少一个关键特征。
[0029]作为上述方案的改进，所述根据各个分类中的能耗影响特征，对待监测车辆能耗进行分析，得到能耗分析结果，包括：
[0030]对每个所述维度分类的关键特征进行分箱处理；
[0031]对分箱处理后每个维度分类中所有的关键特征进行定性定量分析，确定每个维度分类中所有关键特征与百公里能耗的关系；
[0032]根据每个维度分类中所有关键特征与百公里能耗的关系，得到每个维度分类的能耗标定关系数值表，作为所述能耗分析结果。
[0033]作为上述方案的改进，所述维度分类包括：行驶速度维度分类、驾驶习惯维度分类、电池维度分类、环境维度分类和耗能部件维度分类。
[0034]作为上述方案的改进，所述对分箱处理后每个维度分类中所有的关键特征进行定性定量分析，确定每个维度分类中所有关键特征与百公里能耗的关系，包括：
[0035]对分箱处理后每个维度分类中所有的关键特征进行定性分析，得到百公里能耗随每个维度分类中各个关键特征变化的动态对应关系；
[0036]对分箱处理后每个维度分类中所有的关键特征进行定量分析，得到百公里能耗随每个维度分类中各个关键特征的变化量变化的动态量化关系；
[0037]根据每个维度分类中各个关键特征与百公里能耗之间的动态对应关系和动态量化关系，得到每个维度分类中所有关键特征与百公里能耗的关系。
[0038]相对于现有技术，本专利技术实施例的有益效果在于：通过从待监测车辆的车辆历史
数据挖掘出能耗影响特征；然后利用随机森林算法对所述能耗影响特征进行排名，得到所述能耗影响特征的重要性排名；根据所述能耗影响特征的重要性排名，对所述能耗影响特征进行分类；根据各个分类中的能耗影响特征，对待监测车辆能耗进行分析，得到能耗分析结果，从而准确分析出电动汽车的在行驶过程中的实际能耗情况，实现能耗的动态标定。
附图说明
[0039]为了更清楚地说明本专利技术的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0040]图1是本专利技术实施例提供的一种基于随机森林的车辆能耗监测方法的流程图；
[0041]图2是本专利技术实施例提供的各分类与百公里能耗之间的关系示意图；
[0042]图3是本专利技术实施例提供的电机功率与百公里能耗之间的关系示意图；
[0043]图4是本专利技术实施例提供的DCDC功率与百公里能耗之间的关系示意图；
[0044]图5是本专利技术实施例提供的空调功率与百公里能耗之间的关系示意图；
[0045]图6(a)是本专利技术实施例提供的百公里能耗与速度的关系示意图；
[0046]图6(b)是本专利技术实施例提供的百公里能耗与速度区间的定量关系示意图。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于随机森林的车辆能耗监测方法，其特征在于，包括：根据待监测车辆的车辆历史数据，得到能耗影响特征；利用随机森林算法对所述能耗影响特征进行排名，得到所述能耗影响特征的重要性排名；根据所述能耗影响特征的重要性排名，对所述能耗影响特征进行分类；根据各个分类中的能耗影响特征，对待监测车辆能耗进行分析，得到能耗分析结果。2.如权利要求1所述的基于随机森林的车辆能耗监测方法，其特征在于，所述根据待监测车辆的车辆历史数据，得到能耗影响特征，包括：从所述车辆历史数据中提取与能量消耗相关的基础特征；对所述基础特征进行数据清洗；对数据清洗后的基础特征进行衍生处理，得到与能量消耗相关的衍生特征；根据所述基础特征和所述衍生特征，得到所述能耗影响特征。3.如权利要求1所述的基于随机森林的车辆能耗监测方法，其特征在于，所述根据所述能耗影响特征的重要性排名，对所述能耗影响特征进行分类，包括：根据所述能耗影响特征的重要性排名，确定待监测车辆的关键能耗部件；基于各个所述能耗影响特征与所述关键能耗部件之间的所属关系，对所述能耗影响特征进行分类；其中，每一个所述关键能耗部件对应一个分类。4.如权利要求3所述的基于随机森林的车辆能耗监测方法，其特征在于，所述根据各个分类中的能耗影响特征，对待监测车辆能耗进行分析，得到能耗分析结果，包括：根据各个分类对应的关键能耗部件对待测车辆的能耗影响，确定各个分类与百公里能耗的关系；根据各个分类与百公里能耗的关系，按照预先选定的多个不同的时间窗口分别对每个所述关键能耗部件的能耗进行积分，得到每个所述关键能耗部件在不同的时间窗口内的能耗；根据每个所述关键能耗部件在不同时间窗口内的能耗，计算每个所述关键能耗部件在不同时间窗口内的能耗占比；根据每个所述关键能耗部件在不同时间窗口内的能耗占比，得到能耗分析结果。5.如权利要求4所述的基于随机森林的车辆能耗监测方法，其特征在于，所述根据每个所述关键能耗部件在不同时间窗口内的能耗占比，得到能耗分析结果，包括：根据每个所述关键能耗部件在不同时间窗口内的能耗占比，计算每个所述关键能耗部件在不同时...

【专利技术属性】
技术研发人员：韩大鹏，
申请(专利权)人：华人运通山东科技有限公司，
类型：发明
国别省市：