基于机器学习的新能源汽车电能管理方法及系统技术方案

本发明专利技术公开了基于机器学习的新能源汽车电能管理方法及系统，方法包括数据收集、数据预处理、电能消耗预测、模型精度优化和双路径电能管理。本发明专利技术涉及新能源汽车技术领域，具体是指基于机器学习的新能源汽车电能管理方法及系统，本发明专利技术采用双路径电能管理，通过两种方法的结合，既能提升系统稳定性和实时性，也能提高方法整体的性能；采用结合一维卷积的双向长短期极限梯度提升双路径输出模型，通过双向长短期网络进行时序数据处理，通过一维卷积层进行全局和局部特征提取，并通过极限梯度提升优化预测效果，提升了模型预测的整体性能；采用改进的竞争粒子群算法进行模型精度优化进行初始特征和模型参数的更新，提高了预测模型的精度。

【技术实现步骤摘要】

本专利技术涉及新能源汽车，具体是指基于机器学习的新能源汽车电能管理方法及系统。

技术介绍

1、基于机器学习的新能源汽车电能管理方法是利用机器学习算法对新能源汽车的电能系统进行优化控制，以最大化能量利用效率、提高行驶里程、延长电池寿命，并在动态环境下实时调整能量分配，从而实现对电能的高效管理和利用，其作用在于提高新能源汽车的续航能力、降低能耗成本，同时促进汽车电池的性能优化和可持续发展。

2、但是，在已有的新能源汽车电能管理方法中，存在着单一的滑模控制电能管理的实时性较差同时系统不稳定，而单一的模型预测控制则存在准确率难以控制且计算复杂性较高，计算效率慢，影响的新能源汽车能源管理的性能技术问题；在已有的电能管理模型预测控制中，存在着所需的电能消耗预测特征复杂多样，数据类型繁杂，既需要提取局部和全局特征也需要针对时序数据进行处理，而现有的简单机器学习模型无法满足需要的技术问题；在已有的电能消耗预测方法中，存在着简单的单次模型训练和参数设置无法应对复杂多变的电能能源分析，而针对模型输入的特征数据也需要进行提炼和更新才能更好应用于新能源汽车能量管理当中本文档来自技高网...

【技术保护点】

1.基于机器学习的新能源汽车电能管理方法，其特征在于：该方法包括以下步骤：

2.根据权利要求1所述的基于机器学习的新能源汽车电能管理方法，其特征在于：在步骤S3中，所述采用结合一维卷积的双向长短期极限梯度提升双路径输出模型，进行新能源汽车电能消耗预测，得到电能消耗预测基本模型的步骤，包括：

3.根据权利要求2所述的基于机器学习的新能源汽车电能管理方法，其特征在于：在步骤S31中，所述构建输入层，具体为将所述电能管理优化特征数据作为模型输入数据样本，构建所述输入层；

4.根据权利要求3所述的基于机器学习的新能源汽车电能管理方法，其特征在于：在步骤S34中...

【技术特征摘要】

1.基于机器学习的新能源汽车电能管理方法，其特征在于：该方法包括以下步骤：

2.根据权利要求1所述的基于机器学习的新能源汽车电能管理方法，其特征在于：在步骤s3中，所述采用结合一维卷积的双向长短期极限梯度提升双路径输出模型，进行新能源汽车电能消耗预测，得到电能消耗预测基本模型的步骤，包括：

3.根据权利要求2所述的基于机器学习的新能源汽车电能管理方法，其特征在于：在步骤s31中，所述构建输入层，具体为将所述电能管理优化特征数据作为模型输入数据样本，构建所述输入层；

4.根据权利要求3所述的基于机器学习的新能源汽车电能管理方法，其特征在于：在步骤s34中，所述构建极限梯度层，具体包括以下步骤：

5.根据权利要求4所述的基于机器学习的新能源汽车电能管理方法，其特征在于：在步骤s35中，所述电能消耗预测模型训练，具体为通过所述构建输入层、所述构建双向长短期记忆层、所述构建...

【专利技术属性】
技术研发人员：张红海，敬永康，敬兴龙，
申请(专利权)人：数安在线北京信息技术有限公司，
类型：发明
国别省市：