纯电动公交车营运续驶里程估算方法技术

本发明专利技术公开了一种纯电动公交车营运续驶里程估算方法，包括下述步骤：S1、建立基于站点相邻路段的线路能耗模型；S2、通过模糊时间序列分析算法对纯电动公交车能耗状况进行建模；S3、推算出该站点相邻路段的整体能耗情况；S4、通过加权二值模糊集模型对站点相邻路段能耗或其影响因素值进行预测；S5、在得到加权能耗预测值后，用剩余能耗值减去加权能耗预测值，得到预测剩余能耗值；S6、预测剩余能耗值未能满足最低能耗要求值所对应的首个站点相邻路段可续驶里程即半程续驶里程进行运算。本发明专利技术充分考虑影响影响纯电动公交车能耗的各类因素，将各类因素进行量化计算，跳出目前以电池剩余能量为核心的预测算法，提出了综合考虑各种因素的数学模型。

【技术实现步骤摘要】
纯电动公交车营运续驶里程估算方法
本专利技术涉及公交车营运的
，特别涉及一种纯电动公交车营运续驶里程估算方法。
技术介绍
纯电动公交车虽然目前在国家节能减排政策下得到较快发展，但由于受其续驶里程的制约，目前仍难以大规模推广，仍处于试点运营状况。续驶里程主要受电池容量和运营状况限制，在目前电池技术储能和可靠性仍难以取得突破的情况下，研究者们提出了各种分析与评估续驶里程的方法。在目前阶段，对续驶里程的估算方法大多依赖于对SOC的更准确估算，从而转换成相对准确的续驶里程，因而目前的研究热点集中在如何准确预测SOC上。比较具有代表性的算法，如针对电动汽车用锂离子电池组的能修正初始误差的荷电状态估算方法；针对磷酸铁锂电池给出了其改进的PNGV模型，采用扩展卡尔曼滤波算法完成了SOC的准确估计；对于磷酸铁锂电池，安时积分SOC估算方法中初始SOC的影响最大，应该建立初始SOC的修正算法,对电池的SOC累积误差进行清除以提高精度；采用电化学阻抗谱来分析等效电路模型参数，以研究电池的电压特性和动态功率特性，通过综合分析实际充放电条件的主要特征来提取电池典型的参数辨识工况，并利用粒子群优化算法分析模型参数；此外，修订的伏安法、Kalman算法、神经网络等算法的应用也比较广泛。在进一步提高SOC估算精度情况下，基于锂离子电池电化学模型提出电动公交车续驶里程预测方法、纯电动汽车续驶里程RBF神经网络预测算法、通过分析纯电动汽车行驶中主电路负载电流变化建立其续驶里程计算模型、利用BP神经网络预测电动汽车续驶里程的方法等。就研究者在公开发表信息内容上看，续驶里程的预测的依据主要采用SOC参数作为主要参考，大多采用等速法以及工况法进行预测，所得到延长续驶里程的结论大多倾向于选用低阻力轮胎、进行车身的流线型改进、减轻空车重量、选用高能量电池、动力传动系合理匹配[16,17,18]等从电动汽车本身架构以及零配件选用上。然而，影响纯电动公交车续驶里程的因素，即能耗影响因素还包括时段(早晚高峰)、路况、驾驶员驾驶习惯、线路、乘客等因素，为此，本专利技术利用在已经正常营运的纯电动公交车行车过程中所产生的数据，结合公交站点交通运行指标体系，基于模糊聚类算法和模糊时间序列算法建立纯电动公交车营运续驶里程预测模型，为纯电动公交车线路规划与调整、车辆调度与充电站规划等提供决策支持。
技术实现思路
本专利技术的目的在于克服现有技术的缺点与不足，提供一种纯电动公交车营运续驶里程估算方法。本专利技术的目的通过下述技术方案实现：纯电动公交车营运续驶里程估算方法，包括下述步骤：S1、建立基于站点相邻路段的线路能耗模型，通过该能耗模型在时间序列数据中寻找数据随时间变化的规律或趋势，采用能耗标识的模糊聚类方法，以相似性搜索实现能耗模糊时间序列的挖掘，选取典型能耗样本进行标识，使其成为初始化的带标识的聚类中心，并对其他样本数据完成聚类运算，完成能耗数据划分，从而建立基于模糊聚类的时间序列能耗分析模型；S2、模糊聚类中心对相邻站点之间的能耗及影响因素的能耗情况进行描述以及标识后，通过模糊时间序列分析算法对纯电动公交车能耗状况进行建模；S3、以各影响因素的时间序列预测结果为基础，结合各影响因素的权值情况，在计算出下一个站点相邻路段能耗影响因素的预测值的情况下，通过与该站点相邻路段的模糊聚类中心能耗情况进行模糊相似度搜索度量以及与动态权值的运算，推算出该站点相邻路段的整体能耗情况；S4、通过加权二值模糊集模型对站点相邻路段能耗或其影响因素值进行预测，以预测的影响因素值为基础，以已经进行聚类并标识能耗和权值的聚类中心为模糊相似性测量的基础，对站点相邻路段能耗的影响因素值所形成的样本数据进行能耗预测；S5、在得到加权能耗预测值后，用剩余能耗值减去加权能耗预测值，得到预测剩余能耗值，再换算成营运续驶里程；S6、营运续驶里程是模糊聚类中心对应实际营运站点相邻路段的里程长度累加结果，在所有模糊聚类中心对应实际营运站点相邻路段里程相对固定的情况下，只需要对预测剩余能耗值未能满足最低能耗要求值所对应的首个站点相邻路段可续驶里程即半程续驶里程进行运算，并将运算结果累加在满足能耗要求的全程续驶里程上，即可完成营运续驶里程的计算。优选的，步骤S1中，以纯电动公交车能耗数据为对象的模糊聚类算法具体步骤如下：选取随机值ε>0，选定并初始化聚类中心V(0)，使之具有能耗标识，令s＝0；第一步：确定参数b以及初始化模糊分类矩阵U(0)；第二步：更新U(s)为U(s+1)，i＝1,…,c；j＝1,…,N，并按进行迭代，并计算U(s)时的第三步：以矩阵范数比较U(s)和U(s+1)，如果||U(s)-U(s+1)||<ε，迭代停止；否则，s＝s+1，返回第二步。优选的，步骤S2中，对于站点相邻路段能耗，根据实际观测值与聚类中心的实际情况，按照正态分布算法，将能耗划分为超高、较高、正常、较低、超低五个能耗状态描述；设能耗论域U＝{u1,u2,…,un},n＝5，论域U的模糊集Ai可以表示为其中是模糊集Ai的隶属函数，符号“+”表示连接符且uk为模糊集Ai的一个元素，是元素uk属于模糊集Ai的隶属度，且隶属函数满足优选的，根据纯电动公交车的实际情况，所有站点相邻路段能耗的模糊逻辑关系均为唯一对应，可定义模糊逻辑组，并表示为：F(t-1)→F(t),t＝1,2,…,17；对于唯一顺序的模糊时间序列，每个站点相邻路段的能耗权值表示如下：满足y＝128.313x1-411.546x2+32.541x3-0.001x4+0.262x5-13.447；其中wn(t)是其中一个站点相邻路段能耗的权值；cn为该站点相邻路段所对应能耗等级模糊隶属度所对应的去模糊化正态分布值；En(t)是该站点相邻路段对应的聚类中心所对应的能耗值。优选的，步骤S3中，对于站点相邻路段能耗时间序列模型，采用更适用于存在多重不确定性的二型模糊集合方法，将传统模糊集合进行扩展，给出能耗影响因素集合中隶属度值的模糊程度，通过采用三维的隶属度函数，使其集合元素的隶属度成为一个[0,1]间的模糊数。优选的，对站点相邻路段能耗的影响因素值所形成的样本数据进行能耗预测，其步骤如下：步骤一，按照能耗影响因素的表达要求，按照聚类中心的数据结构整理能耗影响因素数据样本；步骤二，以所对应的站点相邻路段的模糊聚类中心为模糊相似性测算对象，对数据样本进行模糊相似性观测。若站点相邻路段存在多个模糊聚类中心，则需要进行相应次数的观测；步骤三，筛选站点相邻路段相似性观测值最高的聚类中心的能耗等级标识作为所需要预测能耗数据所对应的能耗等级标识，搜索能耗等级对应权值，通过加权二型模糊集计算的能耗预测值结果与等级权值的乘积即为对应站点相邻路段的能耗预测输出值。优选的，步骤二中，模糊相似度观测的算法具体为：对于离散值部分的纯电动公交车能耗样本U(t)＝(u1(t),u2(t),…,un(t))及其所在路段的站点相邻路段能耗聚类中心C(t)＝(c1(t),c2(t),…,cn(t))，其二型模糊相似度计算公式如下：对于连续值部分的纯电动公交车能耗样本且定义在具体影响因素连续值X＝[a,b]上，其二型模糊相似度计算公式如下：其中μU(t)(ui(t))表示二型模糊集合纯本文档来自技高网...

【技术保护点】
纯电动公交车营运续驶里程估算方法，其特征在于，包括下述步骤：S1、建立基于站点相邻路段的线路能耗模型，通过该能耗模型在时间序列数据中寻找数据随时间变化的规律或趋势，采用能耗标识的模糊聚类方法，以相似性搜索实现能耗模糊时间序列的挖掘，选取典型能耗样本进行标识，使其成为初始化的带标识的聚类中心，并对其他样本数据完成聚类运算，完成能耗数据划分，从而建立基于模糊聚类的时间序列能耗分析模型；S2、模糊聚类中心对相邻站点之间的能耗及影响因素的能耗情况进行描述以及标识后，通过模糊时间序列分析算法对纯电动公交车能耗状况进行建模；S3、以各影响因素的时间序列预测结果为基础，结合各影响因素的权值情况，在计算出下一个站点相邻路段能耗影响因素的预测值的情况下，通过与该站点相邻路段的模糊聚类中心能耗情况进行模糊相似度搜索度量以及与动态权值的运算，推算出该站点相邻路段的整体能耗情况；S4、通过加权二值模糊集模型对站点相邻路段能耗或其影响因素值进行预测，以预测的影响因素值为基础，以已经进行聚类并标识能耗和权值的聚类中心为模糊相似性测量的基础，对站点相邻路段能耗的影响因素值所形成的样本数据进行能耗预测；S5、在得到加权能耗预测值后，用剩余能耗值减去加权能耗预测值，得到预测剩余能耗值，再换算成营运续驶里程；S6、营运续驶里程是模糊聚类中心对应实际营运站点相邻路段的里程长度累加结果，在所有模糊聚类中心对应实际营运站点相邻路段里程相对固定的情况下，只需要对预测剩余能耗值未能满足最低能耗要求值所对应的首个站点相邻路段可续驶里程即半程续驶里程进行运算，并将运算结果累加在满足能耗要求的全程续驶里程上，即可完成营运续驶里程的计算。...

【技术特征摘要】
1.纯电动公交车营运续驶里程估算方法，其特征在于，包括下述步骤：S1、建立基于站点相邻路段的线路能耗模型，通过该能耗模型在时间序列数据中寻找数据随时间变化的规律或趋势，采用能耗标识的模糊聚类方法，以相似性搜索实现能耗模糊时间序列的挖掘，选取典型能耗样本进行标识，使其成为初始化的带标识的聚类中心，并对其他样本数据完成聚类运算，完成能耗数据划分，从而建立基于模糊聚类的时间序列能耗分析模型；以纯电动公交车能耗数据为对象的模糊聚类算法具体步骤如下：选取随机值ε>0，选定并初始化聚类中心V(0)，使之具有能耗标识，令s＝0；第一步：确定参数b以及初始化模糊分类矩阵U(0)；第二步：更新U(s)为U(s+1)，i＝1,…,c；j＝1,…,N，并按进行迭代，并计算U(s)时的其中，c为聚类中心数，N为数据集中元素的个数，x为纯电动公交车能耗影响因素数据，为隶属函数的参数向量；第三步：以矩阵范数比较U(s)和U(s+1)，如果||U(s)-U(s+1)||<ε，迭代停止；否则，s＝s+1，返回第二步；S2、模糊聚类中心对相邻站点之间的能耗及影响因素的能耗情况进行描述以及标识后，通过模糊时间序列分析算法对纯电动公交车能耗状况进行建模；S3、以各影响因素的时间序列预测结果为基础，结合各影响因素的权值情况，在计算出下一个站点相邻路段能耗影响因素的预测值的情况下，通过与该站点相邻路段的模糊聚类中心能耗情况进行模糊相似度搜索度量以及与动态权值的运算，推算出该站点相邻路段的整体能耗情况；S4、通过加权二值模糊集模型对站点相邻路段能耗或其影响因素值进行预测，以预测的影响因素值为基础，以已经进行聚类并标识能耗和权值的聚类中心为模糊相似性测量的基础，对站点相邻路段能耗的影响因素值所形成的样本数据进行能耗预测；S5、在得到加权能耗预测值后，用剩余能耗值减去加权能耗预测值，得到预测剩余能耗值，再换算成营运续驶里程；S6、营运续驶里程是模糊聚类中心对应实际营运站点相邻路段的里程长度累加结果，在所有模糊聚类中心对应实际营运站点相邻路段里程相对固定的情况下，只需要对预测剩余能耗值未能满足最低能耗要求值所对应的首个站点相邻路段可续驶里程即半程续驶里程进行运算，并将运算结果累加在满足能耗要求的全程续驶里程上，即可完成营运续驶里程的计算。2.根据权利要求1所述的纯电动公交车营运续驶里程估算方法，其特征在于，步骤S2中，对于站点相邻路段能耗，根据实际观测值与聚类中心的实际情况，按照正态分布算法，将能耗划分为超高、较高、正常、较低、超低五个能耗状态描述；设能耗论域U＝{u1,u2,…,un},n＝5，论域U的模糊集Ai可以表示为其中是模糊集Ai的隶属函数，符号“+”表示连接符且uk为模糊集Ai的一个元素，是元素uk属于模糊集Ai的隶属度，且隶属函数满足3.根据权利要求2所述的纯电动公交车营运续驶里程估算方法，其特征在于，根据纯电动公交车的实际情况，所有站点相邻路段能耗的模糊逻辑关系均为唯一对应，可定义模糊逻辑组，并表示为：F(t-1)→F(t),t＝1,2,…,17；对于唯一顺序的模糊时间序列，每个站点相邻路段的能耗权值表示如下：满足y＝128.313x1-411.546x2+32.541x3-0.001x4+0.262x5-13.447；其中wn(t)是其中一个站点相邻路段能耗的权值；cn为该站点相...

【专利技术属性】
技术研发人员：薛月菊，杨敬锋，张南峰，李勇，黄晓琳，李鸿生，
申请(专利权)人：华南农业大学，
类型：发明
国别省市：