一种知识数据协同驱动的电动汽车续驶里程分层预测方法技术

本发明专利技术适用于电动汽车技术领域，提供了一种知识数据协同驱动的电动汽车续驶里程分层预测方法。本发明专利技术不仅考虑了能耗对电动汽车续驶里程的影响，还考虑了可用能量对续驶里程的影响，从而提高了电动汽车续驶里程的预测精度；采用分层预测模型将电动汽车续驶里程预测问题转化为电动汽车能耗率与实际能量系数预测问题，提高了模型的灵活性和可扩展性，减少了开发时间和成本，大大提高了电动汽车续驶里程预测的准确性。此外，通过数据和机理协同驱动的模型，既克服了物理模型的局限性，又增强了可解释性，降低了对大规模数据的依赖，有效避免了模型过拟合的问题，增强了用户的信任程度，有利于电动汽车的推广。

【技术实现步骤摘要】

本专利技术属于电动汽车，尤其涉及一种知识数据协同驱动的电动汽车续驶里程分层预测方法。

技术介绍

1、近年来，电动汽车的迅猛发展得益于国家政策的推动、市场需求的增长及技术的快速进步。交通运输电气化被视为提升能源效率和减少碳排放的关键途径。然而，在电动汽车推广过程中，续驶里程焦虑成为消费者主要顾虑，担心电池续航不足导致长距离驾驶时电量耗尽，难以找到充电设施，影响行程完成。

2、续驶里程是指电动汽车在电池满电状态下，能够在不同道路或环境条件下持续行驶的最大距离。它是衡量电动汽车电池性能和车辆能效的重要指标，通常以公里（km）或英里（miles）为单位。然而，在寒冷气候和复杂驾驶条件下，电动汽车的电池性能和能耗率表现会显著波动，这使得准确预测电动汽车的续驶里程成为当前行业面临的一大挑战。传统的电动汽车续驶里程预测方法主要有以下问题：

3、首先，传统的电动汽车续驶里程预测方法通常只考虑电动汽车的能耗影响，往往忽略了可用能量对电动汽车续驶里程的影响，例如电池劣化、冬季温度低导致电池可用能量变小等，这些因素都对续驶里程产生了一定影响，这种忽视导致本文档来自技高网...

【技术保护点】

1.一种知识数据协同驱动的电动汽车续驶里程分层预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的知识数据协同驱动的电动汽车续驶里程分层预测方法，其特征在于，所述步骤S2的具体过程如下：

3.根据权利要求2所述的知识数据协同驱动的电动汽车续驶里程分层预测方法，其特征在于，所述步骤21的具体方式为：首先利用每一个放电过程数据获取真实的能耗率标签；然后以温度、行驶信息和起止SOC作为输入特征，计算每个行程片段的能耗；接着采用MLP模型和LSTM模型切换的结构进行预测；在行程开始阶段，由于数据不足，采用MLP模型调用历史数据进行预测，当数据量达到预设阈值后，M...

【技术特征摘要】

1.一种知识数据协同驱动的电动汽车续驶里程分层预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的知识数据协同驱动的电动汽车续驶里程分层预测方法，其特征在于，所述步骤s2的具体过程如下：

3.根据权利要求2所述的知识数据协同驱动的电动汽车续驶里程分层预测方法，其特征在于，所述步骤21的具体方式为：首先利用每一个放电过程数据获取真实的能耗率标签；然后以温度、行驶信息和起止soc作为输入特征，计算每个行程片段的能耗；接着采用mlp模型和lstm模型切换的结...

【专利技术属性】
技术研发人员：孙耀，赵封鑫，胡云峰，刘宏，张冲，程震，许可，宫洵，曹志浩，
申请(专利权)人：吉林大学，
类型：发明
国别省市：