一种融合工况预测信息的燃料电池汽车能耗计算方法技术

本发明专利技术属于燃料电池汽车技术领域，具体为一种融合工况预测信息的燃料电池汽车能耗计算方法，包括步骤一：完成驾驶员出行工况分类；步骤二：预测驾驶员未来出行工况；步骤三：对样本数据进行训练并获得工况的在线识别结果；步骤四：对车辆能耗与工况特征参数进行相关性和回归分析，生成燃料电池汽车能耗曲线，其结构合理，通过对燃料电池汽车的历史出行工况分类和未来出行工况预测，而后对于历史出行工况数据进行离线训练获得带工况类型的样本数据，并基于学习向量量化算法完成当前出行工况的在线识别，最后对燃料电池汽车能耗与工况特征参数进行相关性及回归分析，生成燃料电池汽车能耗曲线，获得燃料电池汽车能耗。获得燃料电池汽车能耗。获得燃料电池汽车能耗。

【技术实现步骤摘要】
一种融合工况预测信息的燃料电池汽车能耗计算方法


[0001]本专利技术涉及燃料电池汽车
，具体为一种融合工况预测信息的燃料电池汽车能耗计算方法。

技术介绍

[0002]燃料电池汽车在行驶过程无污染、零排放、低噪音，是一种发展前景优良的新能源汽车。在智能交通系统技术的进步下，可以获取未来一段时间的出行轨迹和出行工况信息，驾驶员出行信息对燃料电池汽车的能耗具有一定影响。融合工况预测信息，确定燃料电池汽车的能耗，对于后续预测燃料电池汽车的经济性能与制定燃料电池汽车能量管理策略具有重要价值。
[0003]目前国内尚无计算燃料电池汽车能耗的标准方法，有一种方法是获得燃料电池系统和动力电池的贡献能量及贡献里程占比，进而计算燃料电池系统和动力电池的百公里氢耗和百公里电耗，但计算方法未考虑具体驾驶工况对能耗的实际影响，计算得到的燃料电池汽车能耗与实际能耗相差较大，难以有效预测燃料电池汽车的经济性能且难以为燃料电池汽车能量管理策略的制定提供参考。
[0004]基于上述问题，我们提出一种新型的融合工况预测信息的燃料电池汽车能耗计算方法解决上述问题。

技术实现思路

[0005]本部分的目的在于概述本专利技术的实施方式的一些方面以及简要介绍一些较佳实施方式。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0006]鉴于现有技术中存在的问题，提出了本专利技术。
[0007]因此，本专利技术的目的是提供一种融合工况预测信息的燃料电池汽车能耗计算方法，能够实现融合未来一段出行时间内的工况预测信息，计算燃料电池汽车的能量消耗，有效预测燃料电池汽车的经济性能。
[0008]为解决上述技术问题，根据本专利技术的一个方面，本专利技术提供了如下技术方案：
[0009]一种融合工况预测信息的燃料电池汽车能耗计算方法，其包括如下步骤：
[0010]步骤一：完成驾驶员出行工况分类；
[0011]驾驶员采用自然驾驶法驾驶车辆完成进行驾驶数据采集，采集设备采取GPS导航仪器，可以得到车辆的经度、维度、海拔、速度信息；由于GPS采集的原始驾驶数据会包含部分不良数据，需要对原始驾驶数据进行预处理，即对于缺失、长期停车、加减速度异常的数据片段进行数据剔除或插值补充；同时还考虑到原始驾驶数据存在一定的随机噪声，采用小波降噪的方法对数据完成降噪处理；对预处理结束的出行数据按照停车、加速、减速和匀速进行划分，共得到m个工况片段，同时提取出表征工况特征的n个特征参数，出行工况便可
用矩阵A＝(a
ij
)
m
×
n
表示，{a
i1
,a
i2
,L,a
in
}即为第i段工况片段；采用主成分分析的方法对n个特征参数进行降维，降维结果显示前p个主成分的累积方差贡献率超过85％；结合出行工况主成分分析结果，并采用模糊K均值聚类方法对出行工况聚类，得到k类典型工况聚类结果，根据中国实际道路出行情况可得k＝{3,4}，完成驾驶员出行工况分类；
[0012]步骤二：预测驾驶员未来出行工况；
[0013]在驾驶员实际行驶过程中，可以借助智能交通系统获得当前行驶路线上的实时交通状况、交通流拥堵情况、交通信号信息；采用平均车速计算法来定义当前路段的车辆行驶车速，即选取一定时间内该路段中全部行驶车辆的平均车速作为该路段的平均车速，可得路段内平均车速的表达式：
[0014][0015]式中，v
K
为通过该路段的第K辆车的车速，N该时间段中通过该路段的车辆总数；设置车辆出行的起点和终点经纬度信息，借助智能交通系统完成行驶路径规划，将规划行驶路径分割成行驶路段，同时存储各行驶路段的经纬度信息；结合上式(1)、智能交通系统环境下的车辆实时经纬度信息以及未来一段时间内的车辆出行路线规划信息，获得车辆的里程
‑
车速信息，经转换处理后获得车辆的时间
‑
车速信息，完成驾驶员未来出行工况预测；
[0016]步骤三：对样本数据进行训练并获得工况的在线识别结果；
[0017]前期对原始驾驶数据进行预处理、特征参数提取、主成分分析以及K均值聚类分析，获得带工况类型的训练样本数据，依照基于欧几里得贴近度的工况识别模型对样本数据进行识别训练，当识别模型的实际误差不大于设置误差且基本保持稳定时，即可认为基于欧几里得贴近度的工况识别模型训练完毕，可以使用该工况识别模型来进行在线工况识别。采用滑动时间窗口的方法获取当前时刻所处的工况片段，提取过去一段识别周期ΔT内的工况数据并计算其特征参数，为了避免特征参数量级不同带来的影响，还需要采用归一化处理，而后分别计算这段工况与工况分类结果的聚类中心之间的欧几里得贴近度，将当前工况归类到贴近度最小值所对应的工况类型中，即完成工况的在线识别；
[0018]步骤四：对车辆能耗与工况特征参数进行相关性和回归分析，生成燃料电池汽车能耗曲线；
[0019]工况的变化会明显影响到整车的能耗变化，工况特征参数可较为细致地表征出各类型工况的特点，通常选定平均车速v
ave
、车速标准差v
std
、平均加速度a
ave
、平均减速度a
dave
、最大加速度a
max
及停车时间比ST
i
六个待选特征参数表征工况；对工况特征参数采用控制变量的方法，用散点图表示出和车辆能耗的关系，即在具体操作时以选取的各类典型工况片段为目标工况进行仿真获得对应的能耗结果，然后在MATLAB软件中绘制散点图及相关性曲线，获取k类典型工况的相关性程度较高的特征参数。
[0020]作为本专利技术所述的一种融合工况预测信息的燃料电池汽车能耗计算方法的一种优选方案，其中：所述步骤四中，典型工况特征参数和燃料电池汽车能耗可以通过多元线性回归方程加以描述，如下：
[0021]E
ave
＝β0+β1x
i1
+β2x
i2
+L+β
n
x
in
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0022]式中E
ave
是各类典型工况片段的每百公里平均能耗，β0,β1,L,β
n
表示待定参数，x
i1
,
x
i2
,L,x
in
是各类典型工况片段与能耗具备相关性的特征参数，待定参数可以借助最小二乘估计法加以确定；可以获得各类典型出行工况下的燃料电池汽车能耗方程，如下：
[0023]E
ave_typei
＝β
0_typei
+β
1_typei
gv
ave
+β
2_typei
gv本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合工况预测信息的燃料电池汽车能耗计算方法，其特征在于：包括如下步骤：步骤一：完成驾驶员出行工况分类；驾驶员采用自然驾驶法驾驶车辆完成进行驾驶数据采集，采集设备采取GPS导航仪器，可以得到车辆的经度、维度、海拔、速度信息；由于GPS采集的原始驾驶数据会包含部分不良数据，需要对原始驾驶数据进行预处理，即对于缺失、长期停车、加减速度异常的数据片段进行数据剔除或插值补充；同时还考虑到原始驾驶数据存在一定的随机噪声，采用小波降噪的方法对数据完成降噪处理；对预处理结束的出行数据按照停车、加速、减速和匀速进行划分，共得到m个工况片段，同时提取出表征工况特征的n个特征参数，出行工况便可用矩阵A＝(a
ij
)
m
×
n
表示，{a
i1
,a
i2
,L,a
in
}即为第i段工况片段；采用主成分分析的方法对n个特征参数进行降维，降维结果显示前p个主成分的累积方差贡献率超过85％；结合出行工况主成分分析结果，并采用模糊K均值聚类方法对出行工况聚类，得到k类典型工况聚类结果，根据中国实际道路出行情况可得k＝{3,4,5,6}，完成驾驶员出行工况分类；步骤二：预测驾驶员未来出行工况；在驾驶员实际行驶过程中，可以借助智能交通系统获得当前行驶路线上的实时交通状况、交通流拥堵情况、交通信号信息；采用平均车速计算法来定义当前路段的车辆行驶车速，即选取一定时间内该路段中全部行驶车辆的平均车速作为该路段的平均车速，可得路段内平均车速的表达式：式中，v
K
为通过该路段的第K辆车的车速，N该时间段中通过该路段的车辆总数；设置车辆出行的起点和终点经纬度信息，借助智能交通系统完成行驶路径规划，将规划行驶路径分割成行驶路段，同时存储各行驶路段的经纬度信息；结合上式(1)、智能交通系统环境下的车辆实时经纬度信息以及未来一段时间内的车辆出行路线规划信息，获得车辆的里程
‑
车速信息，经转换处理后获得车辆的时间
‑
车速信息，完成驾驶员未来出行工况预测；步骤三：对样本数据进行训练并获得工况的在线识别结果；前期对原始驾驶数据进行预处理、特征参数提取、主成分分析以及K均值聚类分析，获得带工况类型的训练样本数据，依照基于欧几里得贴近度的工况识别模型对样本数据进行识别训练，当识别模型的实际误差不大于设置误差且基本保持稳定时，即可认为基于欧几里得贴近度的工况识别模型训练完毕，可以使用该工况识别模型来进行在线工况识别。采用滑动时间窗口的方法获取当前时刻所处的工况片段，提取过去一段识别周期ΔT内的工况数据并计算其特征参数，为了避免特征参数量级不同带来的影响，还需要采用归一化处理，而后分别计算这段工况与工况分类结果的聚类中心之间的欧几里得贴近度，将当前工况归类到贴近度最小值所对应的工况类型中，即完成工况的在线识别。步骤四：对车辆能耗与工况特征参数进行相关性和回归分析，生成燃料电池汽车能耗曲线；工况的变化会明显影响到整车的能耗变化，工况特征参数可较为细致地表征出各类型工况的特点，通常选定平均车速v
ave
、车速标准差v
std
、平均加速度a
ave
、平均...

【专利技术属性】
技术研发人员：王鹏宇，王广宇，马洋洋，张云瑞，纪奕沛，
申请(专利权)人：吉林大学，
类型：发明
国别省市：