【技术实现步骤摘要】
本专利技术涉及功率管理，具体涉及一种物流场景下氢电重卡的氢能功耗优化方法。
技术介绍
1、随着碳中和目标的提出，“低碳、清洁、安全、高效”的能源成为了发展新格局，而汽车工业发展带来的环境污染、能源消耗已经成为重点研究治理对象，据统计，汽车尾气带来的碳排放占我国碳总排放量的10.4％，其中重卡的碳排放量占整个汽车碳排放量高达85％以上，是汽车工业降低碳排放量的重中之重。
2、由于氢能电车重卡需通过氢能转换电能转换、载重、道路、环境等因素影响，市场尚未形成标准、有效的能耗分析。针对氢电重卡的能耗分析，有助于提高氢电重卡的能耗利用。
技术实现思路
1、本专利技术所要解决的技术问题是：提供一种打通物流全链路节点，实现氢电重卡的氢能功耗优化物流场景下氢电重卡的氢能功耗优化方法。
2、为了解决上述技术问题，本专利技术采用的技术方案为：
3、一种物流场景下氢电重卡的氢能功耗优化方法，包括：
4、特征选取，获取各类特征，并选取需要的特征作为特征向量放入特征集；
5、建立优化模型，设输入特征向量为x，能耗值为y，建立函数f()，使得f(x)≈y，使用线性回归模型f(x)＝w0+w1*x1+w2*x2+...+wn*xn；其中，w0为基础能耗，w1、w2...wn为权重参数，x1、x2...xn为由特征集内选取的特征向量；
6、优化模型训练，对模型进行多次训练，并进行记录训练样本；
7、调整权重，使用最小化损失函数计算
8、优选地，所述特征包括行驶里程、载重、路况指数、气温以及驾驶习惯指数。
9、优选地，所述驾驶习惯指数为：
10、收集驾驶员的驾驶数据，驾驶数据包括车速、加速度、制动力、转向角度；将收集到的驾驶数据进行处理和分析，提取有关驾驶习惯的特征，评估驾驶员的平均车速、急加速和急刹车的次数、转弯时的平稳性；根据驾驶习惯的特征采用分数制计算获得驾驶习惯指数。
11、优选地，所述基础能耗w0由能耗模型计算获得；
12、所述能耗模型包括：
13、数据收集，收集与重卡能耗相关的数据；
14、特征选择与提取，根据领域知识和统计分析方法，选择与能耗相关的特征；
15、能耗模型选择，能耗模型根据数据的特点和需求，选择合适的机器学习算法进行建模；
16、能耗模型训练，使用数据对选定的机器学习模型进行训练，使其从数据中学习重卡能耗的模式和规律；
17、能耗模型评估，使用验证集或交叉验证方法评估训练好的模型在未见过的数据上的性能表现；
18、模型优化与调整，根据评估结果，对模型进行优化和调整。
19、优选地，所述机器学习算法为线性回归、决策树、随机森林、神经网络中的一种。
20、优选地，收集与重卡能耗相关的数据包括：
21、所述各类数据包括从物流业务系统获取的车辆型号、发动机参数、载重情况、行驶路线、驾驶习惯、气候条件；
22、从车联网获取的氢能数据、能耗数据、基础能耗。
23、优选地，数据收集后还包括进行预处理的步骤，预处理包括数据清洗、异常值处理和缺失值填充。
24、优选地，能耗模型优化与调整包括：调整模型的超参数、改进特征工程方法、增加数据。
25、优选地，所述方法还包括优化模型评估：通过比较实际和预测的总体功耗值，评估模型的整体表现。
26、优选地，所述方法还包括偏差分析：通过计算预测值和实际值之间的偏差，分析模型的误差分布情况，确定是否存在系统性的误差或者个别异常值。
27、本专利技术的有益效果在于：通过依托车联网、互联网技术、机器学习、算法等技术，打通物流全链路节点，实现氢电重卡的氢能功耗优化；通过最小化损失函数结合多特征值模型，该函数以氢能功耗和运输效率为目标，寻找最优解，优化车辆的运行策略，降低氢能功耗；进而方便能够选取最合适的各类参数，进而可以进行调度和路径规划，提升效率并降低成本。
本文档来自技高网...【技术保护点】
1.一种物流场景下氢电重卡的氢能功耗优化方法，其特征在于，包括：
2.根据权利要求1所述的物流场景下氢电重卡的氢能功耗优化方法，其特征在于，所述特征包括行驶里程、载重、路况指数、气温以及驾驶习惯指数。
3.根据权利要求2所述的物流场景下氢电重卡的氢能功耗优化方法，其特征在于，所述驾驶习惯指数为：
4.根据权利要求1所述的物流场景下氢电重卡的氢能功耗优化方法，其特征在于，所述基础能耗w0由能耗模型计算获得；
5.根据权利要求4所述的物流场景下氢电重卡的氢能功耗优化方法，其特征在于，所述机器学习算法为线性回归、决策树、随机森林、神经网络中的一种。
6.根据权利要求4所述的物流场景下氢电重卡的氢能功耗优化方法，其特征在于，收集与重卡能耗相关的数据包括：
7.根据权利要求4所述的物流场景下氢电重卡的氢能功耗优化方法，其特征在于，数据收集后还包括进行预处理的步骤，预处理包括数据清洗、异常值处理和缺失值填充。
8.根据权利要求4所述的物流场景下氢电重卡的氢能功耗优化方法，其特征在于，能耗模型优化与调整包括：调
9.根据权利要求1所述的物流场景下氢电重卡的氢能功耗优化方法，其特征在于，所述方法还包括优化模型评估：通过比较实际和预测的总体功耗值，评估模型的整体表现。
10.根据权利要求9所述的物流场景下氢电重卡的氢能功耗优化方法，其特征在于，所述方法还包括偏差分析：通过计算预测值和实际值之间的偏差，分析模型的误差分布情况，确定是否存在系统性的误差或者个别异常值。
...【技术特征摘要】
1.一种物流场景下氢电重卡的氢能功耗优化方法，其特征在于，包括：
2.根据权利要求1所述的物流场景下氢电重卡的氢能功耗优化方法，其特征在于，所述特征包括行驶里程、载重、路况指数、气温以及驾驶习惯指数。
3.根据权利要求2所述的物流场景下氢电重卡的氢能功耗优化方法，其特征在于，所述驾驶习惯指数为：
4.根据权利要求1所述的物流场景下氢电重卡的氢能功耗优化方法，其特征在于，所述基础能耗w0由能耗模型计算获得；
5.根据权利要求4所述的物流场景下氢电重卡的氢能功耗优化方法，其特征在于，所述机器学习算法为线性回归、决策树、随机森林、神经网络中的一种。
6.根据权利要求4所述的物流场景下氢电重卡的氢能功耗优化方法，其特征在于，收集与重卡能耗相关的数据包...
【专利技术属性】
技术研发人员：陈丽园，
申请(专利权)人：厦门锐特信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。