[发明专利]一种基于大数据融合的电动汽车能耗预测方法及系统

权利要求书

1.一种基于大数据融合的电动汽车能耗预测方法，其特征在于，所述电动汽车能耗预测方法包括：

获取车辆运行的历史数据；所述历史数据包括多个历史数据矩阵；所述历史数据矩阵由车辆运行的日期、时间、速度、里程、经度、纬度、总电压、总电流、荷电状态和行驶状态组成；

对所述历史数据进行数据清洗和数据插补处理，生成处理后车辆运行数据；

具体包括：

对于所述历史数据中的每个所述历史数据矩阵，判断所述历史数据矩阵中是否存在数据缺失，获得第一判断结果；

若所述第一判断结果为所述历史数据矩阵中存在数据缺失，判断所述历史数据矩阵中的数据缺失比例是否超过数据缺失阈值，获得第二判断结果；

若所述第二判断结果为所述历史数据矩阵中的数据缺失比例超过数据缺失阈值，删除所述历史数据矩阵；

若所述第一判断结果为所述历史数据矩阵中存在数据缺失，且所述第二判断结果为所述历史数据矩阵中的数据缺失比例不超过数据缺失阈值，采用插补法填充所述历史数据矩阵中的缺失数据，生成数据插补后的历史数据矩阵；

对所述数据插补后的历史数据矩阵中的错误数据进行替换，生成数据替换后的历史数据矩阵；

所述对所述数据插补后的历史数据矩阵中的错误数据进行替换，生成数据替换后的历史数据矩阵，具体包括：

获取所述历史数据矩阵中每项数据的数值允许范围；

对于所述数据插补后的历史数据矩阵中的每项所述数据，判断所述数据的值是否在所述数值允许范围内，获得第三判断结果；

若所述第三判断结果为所述数据的值不在所述数值允许范围内，将所述数据的值替换为与所述数据相邻的数据的值，生成所述数据替换后的历史数据矩阵；多个所述数据替换后的数据矩阵构成所述处理后车辆运行数据；

根据所述处理后车辆运行数据划分车辆的运行状态；所述运行状态包括暂时停车状态、行驶状态和充电状态；

根据所述车辆的运行状态将所述历史数据划分为行驶状态数据和充电状态数据；

获取与所述行驶状态数据对应的环境信息数据；所述环境信息数据包括道路类型数据、海拔数据和温度数据；

将所述环境信息数据与所述行驶状态数据进行数据融合，生成能耗水平预测参数集；

对所述能耗水平预测参数集进行行驶片段划分和片段汇总，形成车辆行驶片段集排列矩阵；

包括添加行驶片段划分间隔标志：

以前后两帧数据时间间隔超过180s和速度连续为零的数据帧数超过180帧这两种数据特征作为片段分割的标志，对所述能耗水平预测参数集中的数据进行特征判断后将行驶片段划分间隔标志添加到所述行驶状态数据中；

对所述车辆行驶片段集排列矩阵中的每个行驶片段进行特征提取，并汇总为车辆行驶片段特征矩阵；

基于所述车辆行驶片段特征矩阵构建基于机器学习的电动汽车能耗水平预测模型；

根据所述车辆行驶片段特征矩阵计算车辆历史的能耗数据；

根据所述车辆行驶片段特征矩阵和所述能耗数据对所述电动汽车能耗水平预测模型进行训练，生成训练好的电动汽车能耗水平预测模型；

采用所述训练好的电动汽车能耗水平预测模型预测电动汽车的能耗水平。

2.根据权利要求1所述的基于大数据融合的电动汽车能耗预测方法，其特征在于，所述根据所述处理后车辆运行数据划分车辆的运行状态，具体包括：

判断所述处理后车辆运行数据的180s时间窗口内是否存在速度大于零的数据帧，获得第四判断结果；

若所述第四判断结果为所述处理后车辆运行数据的180s时间窗口内存在速度大于零的数据帧，则确定所述时间窗口内车辆均处在行驶状态；

若所述第四判断结果为所述处理后车辆运行数据的180s时间窗口内不存在速度大于零的数据帧，则确定所述时间窗口内车辆处在暂时停车状态；

判断所述处理后车辆运行数据的连续10帧数据窗口是否满足速度小于0.5km/h且总电流小于0A，获得第五判断结果；

若所述第五判断结果为所述处理后车辆运行数据的连续10帧数据窗口满足速度小于0.5km/h且总电流小于0A，则确定所述连续10帧数据窗口内车辆处在充电状态。