有轨电车及其车公里能耗预测方法及装置和存储介质制造方法及图纸

本发明专利技术提出一种有轨电车及其车公里能耗预测方法及装置和存储介质，包括：确定历史的车公里能耗、室外环境温度、行驶里程、平均载荷及旅行速度；根据上述数据确定相应环境温度区间下的车公里能耗模型，获取待预测星期序号及与待预测星期序号对应的预测室外环境温度，根据待预测星期序号确定预测数据集中与待预测星期序号对应的行驶里程的均值、平均载荷的均值及旅行速度的均值；根据预测室外环境温度确定对应的目标车公里能耗模型；根据上述数据预测车公里能耗值。本发明专利技术无需对有轨电车的工况、道路环境和驾驶行为进行分析，极大的简化了数据处理过程，提高了数据处理的效率，且对于积累时间不够长的电车运行数据仍有较好的预测效果，可行性较高。可行性较高。可行性较高。

【技术实现步骤摘要】
有轨电车及其车公里能耗预测方法及装置和存储介质


[0001]本专利技术涉及有轨电车
，尤其是涉及一种有轨电车及其车公里能耗预测方法及装置和存储介质。

技术介绍

[0002]相关技术中，对车辆能耗的预测方法较多，例如对车辆能耗分析的预测方法包括识别车辆工况、道路环境和驾驶行为的特征信息，并对车辆工况的特征信息和驾驶行为的特征信息进行分类细化，提取各基本特征信息；通过预处理和皮尔逊相关系数计算获取能耗特征样本；利用随机森林算法，构建能耗随机森林模型，并对能耗特征样本进行回归分析，获得能耗随机森林模型的车辆能耗预测值；根据能耗随机森林模型，获取能耗特征样本对应的能耗权重值，通过单因素分析，获得车辆能耗预测值随能耗特征样本变化的对应关系。
[0003]又例如，基于时间序列的方法建立列车总能耗的预测模型，该方法考虑列车能耗的周期性，按照能耗预测时间的长短建立预测模型，采用长自回归模型法和非线性最小二乘法相结合的参数估计方法，其中用长自回归模型法进行参数的初估计，非线性最小二乘法进行参数的精估计。
[0004]然而，上述能耗预测方法均本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种有轨电车的车公里能耗预测方法，其特征在于，包括：确定有轨电车历史的车公里能耗、室外环境温度、行驶里程、平均载荷及旅行速度；根据所述车公里能耗、室外环境温度、行驶里程、平均载荷及旅行速度确定相应环境温度区间下的车公里能耗模型，其中，所述车公里能耗模型包括所述环境温度区间下，所述车公里能耗与所述室外环境温度、所述平均载荷、所述行驶路程及所述旅行速度的对应函数；获取待预测星期序号及与所述待预测星期序号对应的预测室外环境温度，根据所述待预测星期序号确定预测数据集中与所述待预测星期序号对应的所述行驶里程的均值、所述平均载荷的均值及所述旅行速度的均值；根据所述预测室外环境温度及所述相应环境温度区间下的车公里能耗模型确定对应的目标车公里能耗模型；根据所述目标车公里能耗模型及与所述待预测星期序号对应的所述预测室外环境温度、所述行驶里程的均值、所述平均载荷的均值及所述旅行速度的均值预测车公里能耗值。2.根据权利要求1所述的有轨电车的车公里能耗预测方法，其特征在于，根据所述车公里能耗、室外环境温度、行驶里程、平均载荷及旅行速度确定相应环境温度区间下的车公里能耗模型，包括：确定第一环境温度区间、第二环境温度区间和第三环境温度区间；根据所述室外环境温度确定相应环境温度区间，在所述相应环境温度区间下，建立所述车公里能耗与所述室外环境温度、所述行驶里程、平均载荷及旅行速度的车公里能耗模型。3.根据权利要求1所述的有轨电车的车公里能耗预测方法，其特征在于，根据所述待预测星期序号确定预测数据集中与所述待预测星期序号对应的所述行驶里程的均值、所述平均载荷的均值及所述旅行速度的均值之前，还包括：从历史数据库中获取预定时间段内所述有轨电车所有的行驶里程、平均载荷及旅行速度；根据所述所有的行驶里程、平均载荷及旅行速度计算每个星期序号对应的所述行驶里程的均值、所述平均载荷的均值及所述旅行速度的均值；根据所述行驶里程的均值、所述平均载荷的均值及所述旅行速度的均值构建所述预测数据集。4.根据权利要求3所述的有轨电车的车公里能耗预测方法，其特征在于，根据所述预测室外环境温度及所述相应环境温度区间下的车公里能耗模型确定对应的目标车公里能耗模型，包括：确定所述预测室外环境温度所处的所述相应环境温度区间；将与所述相应环境温度区间对应的车公里能耗模型作为所述目标车公里能耗模型。5.根据权利要求1所述的有轨电车的车公里能耗预测方法，其特征在于，根据所述目标车公里能耗模型及与所述待预测星期序号对应的所述预测室外环境温度...

【专利技术属性】
技术研发人员：王敏，陈艳军，陈宗健，周亚婕，袁陶，
申请(专利权)人：比亚迪股份有限公司，
类型：发明
国别省市：