【技术实现步骤摘要】
本专利技术涉及车辆供电智能控制，具体为一种基于人工智能的车辆供电智能控制系统及方法。
技术介绍
1、随着全球环境问题的日益严重和能源结构的不断调整，电动汽车、混合动力汽车等新能源汽车已成为未来汽车市场的重要发展方向，与传统内燃机汽车相比，这些新能源汽车不仅具备零排放的环保优势，还能有效减少对传统燃油资源的依赖，从而缓解能源供应压力和环境污染问题。因此，在电动汽车和混合动力汽车的设计和运行过程中，车辆供电控制系统的高效性和智能性成为了关键的技术挑战。
2、然而，现有的车辆供电控制系统虽然能够满足基本需求，但大多基于出厂设定的固定规则实现车辆供电控制，这些规则可能无法充分考虑车辆使用过程中的多种动态因素，如驾驶习惯、路况、天气等，导致车辆供电控制系统不够智能和高效；此外，当电池电量即将耗尽时，驾驶员往往面临突发的电力不足风险，严重影响行车安全。
技术实现思路
1、本专利技术的目的在于提供一种基于人工智能的车辆供电智能控制系统及方法，以解决上述
技术介绍
中提出的问题。
2、为了解决上述技术问题，本专利技术提供如下技术方案：
3、一种基于人工智能的车辆供电智能控制方法，方法包括以下步骤：
4、步骤s100.利用车载传感器和云端服务器，获取目标车辆的历史数据，对目标车辆的历史数据进行分析，得到目标车辆的若干个历史行驶事件，将目标车辆的历史数据与历史行驶事件进行关联，从而组成目标车辆的历史行驶事件数据库；
5、步骤s200.针对目标车辆
6、步骤s300.根据目标车辆的历史行驶事件，获取相应的历史车辆供电方案，基于历史车辆供电方案得到相应的实际供电量；对目标车辆的历史行驶事件对应的理想供电需求量和实际供电量进行分析，判断历史车辆供电方案的合理性，根据判断结果对历史车辆供电方案进行相应处理；
7、步骤s400.当用户启动目标车辆时，获取目标车辆目的地，根据当前收集到的实时数据，判断目标车辆是否可到达目的地；若不能则输出相应的通知信息，若能则根据实时数据匹配历史行驶事件，基于历史行驶事件输出相应的车辆供电方案。
8、进一步的，步骤s100包括：
9、s101.所述历史数据包括目标车辆的驾驶数据、环境数据以及电池状态数据；其中目标车辆的驾驶数据是指用户在驾驶目标车辆时的车辆运行数据，包括行驶速度、刹车频率、行驶距离、当前位置以及路况信息等；环境数据是指目标车辆所处环境的相关数据，具体指天气信息；电池状态数据是指目标车辆电池的运行状态数据，包括电池剩余电量、电池温度等；
10、s102.根据目标车辆的驾驶数据，识别出若干个历史行驶事件，根据历史行驶事件所在的时间段对目标车辆的历史数据进行划分，将相同时间段的历史行驶数据与历史数据进行关联，从而组成目标车辆的历史行驶事件数据库；所述历史行驶事件同时满足以下条件：目标车辆启动到停止的时间段t大于等于阈值q1，以及目标车辆的位置发生变化且行驶距离s大于等于阈值q2。每个历史行驶事件包括起始点、目的地、行驶时长以及行驶距离等关键信息。
11、通过利用车载传感器和云端服务器获取目标车辆的历史数据，并将驾驶数据、环境数据和电池状态数据进行关联和分析，形成目标车辆的历史行驶事件数据库。这一步骤能够提供详尽的历史行驶背景，为后续智能决策提供数据支持。
12、进一步的，步骤s200包括：
13、s201.遍历目标车辆的历史行驶事件数据库，对于每一个历史行驶事件，从历史行驶事件数据库中检索与相应历史行驶事件关联的历史数据，对历史数据进行分析，从而提取相应的历史数据特征；
14、s202.对提取到的历史数据特征进行格式转换，将不同类型的历史数据特征进行可视化分析，具体可视化分析过程如下：按照历史数据特征的类型对历史数据特征进行分类，针对每种历史数据特征，按照时间顺序，将历史数据特征值对应的数据点依次在折线图上进行表示，依次计算相邻两数据点的连线线段斜率，从而得到斜率集合k；针对每个历史驾驶事件对应的历史数据，提取相应历史数据对应的历史数据特征的斜率集合k，分析不同类型的历史数据特征的斜率集合k之间的关系，若斜率集合k之间满足线性关系，则将满足线性关系的斜率集合k进行汇总，并按照时间顺序将对应的元素依次在雷达图上进行表示，其中雷达图的数轴个数等于满足线性关系的斜率集合k的个数，且雷达图的数轴个数大于等于3；并依次连接相邻的数据点，从而得到封闭的多边形，计算对应多边形的面积，将得到的多边形面积作为满足线性关系的斜率集合k的融合特征值；依次遍历所有历史数据特征，从而构成历史特征向量v，且v=[v_d,v_e,v_b]，其中，v_d、v_e以及v_b分别表示驾驶数据、环境数据和电池状态数据对应的融合特征值组成的历史特征向量；
15、s203.获取目标车辆的历史特征向量，计算目标车辆的历史特征向量之间的相似度，将相似度相等的历史特征向量归为一类；针对每类历史特征向量，根据历史特征向量对应的电池状态数据，获取对应的电池消耗量，将历史特征向量与对应的电池消耗量进行对应，将每类历史特征向量对应的电池消耗量的平均值作为理想供电需求量h，并计算相应的历史特征向量的每个元素的平均值作为理想特征向量vh；获取所有理想特征向量vh与理想供电需求量h，构建目标车辆供电需求模型g，且对应的表达式为：，其中，a表示影响因子，f(vh)表示理想特征向量vh与目标车辆的理想供电需求量之间的函数关系；对于目标车辆供电需求模型g，输入历史特征向量v，根据历史特征向量v与理想特征向量vh的相似度，匹配相似度最大的理想特征向量vh对应的理想供电需求量h，从而输出相应的理想供电需求量g。
16、针对每个历史行驶事件，提取相应的历史数据特征，并进行格式转换和可视化分析。这包括驾驶数据的平均速度、加速度、车辆负载等特征，通过对历史数据特征的分析，建立起历史特征向量，为理想供电需求量的计算和供电模型的建立奠定基础；且通过对历史数据特征进行特征融合，使具有相同趋势的数据特征得以保留，并缩短的了特征数据的总的数据量，使得分析的比较全面。
17、进一步的，步骤s300包括：
18、s301.针对目标车辆的历史行驶事件数据库的每个历史行驶事件，获取相应的历史车辆供电方案，基于历史车辆供电方案得到相应的实际供电量m；将实际供电量m与目标车辆供电需求模型对应的理想供电需求量g进行分析，计算两者之间的偏差关系，从而得到实际供电量m与理想供电需求量g之间的偏差值f，且f=|m-g|/(m+g)；
19、s302.获取所有历史行驶事件的实际供电量m与理想供电需求量g之间的偏差值f，比较偏差值f与偏差阈值f之间的关系；若偏差值f小于等于偏差阈值f，则相应的历史车辆本文档来自技高网...
【技术保护点】
1.一种基于人工智能的车辆供电智能控制方法，其特征在于：所述方法包括以下步骤：
2.根据权利要求1所述的一种基于人工智能的车辆供电智能控制方法，其特征在于：所述步骤S100包括：
3.根据权利要求2所述的一种基于人工智能的车辆供电智能控制方法，其特征在于：所述步骤S200包括：
4.根据权利要求3所述的一种基于人工智能的车辆供电智能控制方法，其特征在于：所述步骤S300包括：
5.根据权利要求4所述的一种基于人工智能的车辆供电智能控制方法，其特征在于：所述步骤S400包括：
6.一种基于人工智能的车辆供电智能控制系统，应用于权利要求1-5中任一种基于人工智能的车辆供电智能控制方法，其特征在于：所述系统包括：数据获取与分析模块、历史特征提取与建模模块、历史车辆供电方案评估与优化模块、实时路径规划与电池状态监控模块以及实时供电智能控制模块；
7.根据权利要求6所述的一种基于人工智能的车辆供电智能控制系统，其特征在于：所述数据获取与分析模块包括数据获取单元和历史数据分析单元；
8.根据权利要求6所述的一
9.根据权利要求6所述的一种基于人工智能的车辆供电智能控制系统，其特征在于：所述历史车辆供电方案评估与优化模块包括历史车辆供电方案获取单元、供电量实际评估单元以及供电方案优化单元；
10.根据权利要求6所述的一种基于人工智能的车辆供电智能控制系统，其特征在于：所述实时路径规划与电池状态监控模块包括路径规划单元、电池状态监控单元以及实时数据匹配单元；
...【技术特征摘要】
1.一种基于人工智能的车辆供电智能控制方法，其特征在于：所述方法包括以下步骤：
2.根据权利要求1所述的一种基于人工智能的车辆供电智能控制方法，其特征在于：所述步骤s100包括：
3.根据权利要求2所述的一种基于人工智能的车辆供电智能控制方法，其特征在于：所述步骤s200包括：
4.根据权利要求3所述的一种基于人工智能的车辆供电智能控制方法，其特征在于：所述步骤s300包括：
5.根据权利要求4所述的一种基于人工智能的车辆供电智能控制方法，其特征在于：所述步骤s400包括：
6.一种基于人工智能的车辆供电智能控制系统，应用于权利要求1-5中任一种基于人工智能的车辆供电智能控制方法，其特征在于：所述系统包括：数据获取与分析模块、历史特征提取与建模模块、历史车辆供电方案评估与优化模块、实时路...
【专利技术属性】
技术研发人员：朱振武，曹忺，胡家铭，刘磊，李汉辉，黄斌频，李小勇，高伟，邵鹏，汪勇军，余入丽，陈鹏，陈俊，苏可欣，
申请(专利权)人：武汉深捷科技股份有限公司，
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。