【技术实现步骤摘要】
本专利技术涉及新能源汽车，具体涉及一种基于机器学习及shap理论的等效全电里程影响因素分析方法。
技术介绍
1、针对新能源汽车的等效全电里程，研究分析不仅可以优化产品并提供用户驾驶建议，还可以优化用户用车行为，提升用户的等效里程。在这一领域，过去的研究方法主要基于物理建模或机理建模，这种方法需要准确的物理参数值，但这些参数有时难以测量或难以获得，并且物理模型通常基于具体的假设和简化，从而限制了模型的适用性，尤其是在复杂或未知的工况下。
2、当前的研究方法通常依赖于物理建模，这些方法通过建立基于物理定律的数学模型来推断车辆的续航里程。物理建模的步骤通常包括以下内容：
3、车辆动力学建模：构建描述车辆运动特性的数学方程，包括动力传动系统、车辆运动学和动力学特性。
4、电池模型：开发电池的电气特性模型，模拟电池的充放电行为，包括开路电压、内阻、容量和效率等。
5、能量消耗分析：计算车辆在不同驾驶模式下的能量消耗，如加速、巡航、减速和制动。
6、环境因素考量：考虑环境因素如温度、道路类...
【技术保护点】
1.一种基于机器学习及SHAP理论的等效全电里程影响因素分析方法，其特征在于，方法包括：
2.根据权利要求1所述的基于机器学习及SHAP理论的等效全电里程影响因素分析方法，其特征在于，步骤1中采集的电动车型的用户行驶数据，收集数据信号包括时间、车速、电池充电状态、累计里程、油门踏板开度、制动踏板开度、电池包电流、电池包电压、电池温度、前后电机电压、电流、电机温度。
3.根据权利要求1所述的基于机器学习及SHAP理论的等效全电里程影响因素分析方法，其特征在于，步骤1采集的数据频率为1/28hz。
4.根据权利要求1所述的基于机器学习及...
【技术特征摘要】
1.一种基于机器学习及shap理论的等效全电里程影响因素分析方法，其特征在于，方法包括：
2.根据权利要求1所述的基于机器学习及shap理论的等效全电里程影响因素分析方法，其特征在于，步骤1中采集的电动车型的用户行驶数据，收集数据信号包括时间、车速、电池充电状态、累计里程、油门踏板开度、制动踏板开度、电池包电流、电池包电压、电池温度、前后电机电压、电流、电机温度。
3.根据权利要求1所述的基于机器学习及shap理论的等效全电里程影响因素分析方法，其特征在于，步骤1采集的数据频率为1/28hz。
4.根据权利要求1所述的基于机器学习及shap理论的等效全电里程影响因素分析方法，其特征在于，步骤3的特征获取进一步包括：
5.根据权利要求4所述的基于机器学习及shap理论的等效全电里程影响因素分析方法，其特征在于，步骤3.2的特征包括：行驶距离、最高车速、平均速度、平均运行车速、速度方差、怠速时长、运行时长、加速踏板区间占比、制...
【专利技术属性】
技术研发人员：秦建华，陶萱，李科迪，
申请(专利权)人：上汽大众汽车有限公司，
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。