数据分析方法、设备及存储介质技术

技术编号:44306739 阅读:29 留言:0更新日期:2025-02-18 20:22
本发明专利技术涉及数据分析技术领域,尤其涉及一种数据分析方法、设备及存储介质,通过将电动汽车的停止状态和行驶状态进行独立的分类,分别通过利用两个相互独立的神经网络模型分别训练电动汽车停止状态和行驶状态获取的能够影响电动汽车能耗的各历史数据进行单独训练,需要预测电动汽车单位时间能耗时,只需要将电动汽车两种状态分别采集的多组数据输入训练好的神经网络模型,分别得到多个SOC变化值,并分别计算两种状态的SOC变化均值,然后通过计算电动汽车历史状态中停止状态和行驶状态的时间比例,作为加权,以此能够较为精准地预测单位时间的电动汽车的能耗。

【技术实现步骤摘要】

本专利技术涉及数据分析,尤其涉及一种数据分析方法、设备及存储介质


技术介绍

1、近年来,随着新能源的飞速发展,已经可以在很多场景中取代传统能源,电动汽车逐渐取代传统的燃油汽车,作为主流的民用交通工具;而电动汽车一般以锂电池作为能源,探寻电动汽车的能耗规律是研究电动汽车续航里程的关键因素,电动汽车的能耗的影响因素众多,包括环境因素,如环境温度、湿度和气压,还包括车辆运动状态的因素,包括移动速度、加速度、电机扭矩、电机转速,由于电动汽车在实际工作中包含多种不确定运行状态,例如停止、加速行驶、减速行驶、匀速行驶等,这些运行状态的变化受到用户个体的驾驶习惯以及特有的行驶路径规律而影响,因此难以利用通用的共性规律来精准预测电动汽车的能耗变化,因此,如何对电动车能耗影响的多个数据进行分析,达到对其能耗进行准确预测,成为亟需解决的技术问题。


技术实现思路

1、本专利技术所要解决的技术问题是:如何对电动车能耗影响的多个数据进行分析,达到对其能耗进行准确预测。

2、为了解决上述技术问题,本专利技术采用的技术方案为本文档来自技高网...

【技术保护点】

1.数据分析方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的数据分析方法,其特征在于,所述第二关系模型基于生成对抗网络建立;其中,所述生成对抗网络包括生成器和分类器,所述生成器和分类器均包括卷积神经网络和全连接层。

3.根据权利要求1所述的数据分析方法,其特征在于,所述第一关系模型基于神经网络根据多个第一样本数据训练获得中,第一样本数据的训练方法包括以下步骤:

4.根据权利要求1所述的数据分析方法,其特征在于,所述第二关系模型基于神经网络根据多个第二样本数据训练获得中,第二样本数据的训练方法包括以下步骤:

5.数据分析设备,其特征...

【技术特征摘要】

1.数据分析方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的数据分析方法,其特征在于,所述第二关系模型基于生成对抗网络建立;其中,所述生成对抗网络包括生成器和分类器,所述生成器和分类器均包括卷积神经网络和全连接层。

3.根据权利要求1所述的数据分析方法,其特征在于,所述第一关系模型基于神经网络根据多个第一样本数据训练获得中,第一样本数据的训练方法包括以下步骤:

4.根据权利要求1所述的数据分析方法,其特征在于,所述第二关系模型...

【专利技术属性】
技术研发人员:叶燕梅黄林红盛忠平倪振松盛枝华盛伟兵
申请(专利权)人:福建迈威信息工程有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1