[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

说明书

本发明公开了一种基于大数据融合的电动汽车能耗预测方法及系统，首先对车辆运行历史数据进行解码、清洗、插补处理，再将处理后车辆运行数据划分为行驶状态数据和充电状态数据，将所述行驶状态数据与对应的环境信息数据进行数据融合，从而得到模型训练和能耗预测过程所需的能耗水平预测参数集，解决了电动汽车能耗预测过程中所需参数不易获取的问题。并且所述能耗水平预测参数集中包含了车辆实际行驶过程中复杂的行驶工况和行驶环境参数，将其用于训练电动汽车能耗水平预测模型，得到的训练好的电动汽车能耗水平预测模型能够更加准确的预测电动汽车的能耗水平。

技术领域

本发明涉及电动汽车能耗预测技术领域，特别是涉及一种基于大数据融合的电动汽车能耗预测方法及系统。

背景技术

近年来，世界范围内的能源和环境问题逐渐加剧，在交通领域，电动汽车因其具有的能源经济性和环境友好性而成为节能减排的重要工具。然而，由于动力电池技术发展水平的限制，目前电动汽车仍存在着续驶里程不足和充电时间较长的缺陷，此外电动汽车的剩余行驶里程难以准确估计，容易导致驾驶员和乘客产生“里程焦虑”，而电动汽车能耗的精准预测是剩余行驶里程准确估计的重要基础。

目前，针对电动汽车能耗预测的研究多集中在实验室环境和仿真环境下，利用车辆行驶阻力公式，结合车辆静态参数以及速度和加速度等动态参数计算能耗。车辆行驶阻力公式为：

其中，F为车辆行驶阻力；m为车辆装备质量；g为重力加速度；f为滚动阻力系数；θ为坡度；C_D为风阻系数；ρ_air为空气密度；A车辆迎风面积；v为车速；δ为车辆传动系统的旋转惯量系数；a为车辆加速度。

基于实验室仿真环境和车辆行驶阻力公式的能耗计算方法没有考虑实际行驶过程中复杂的行驶工况和行驶环境参数的影响，导致预测结果准确度低；并且在预测电动汽车能耗时，需要获取车辆的详细静态参数，在计算不同车辆的能耗水平时需要手动修改参数，因此工作量较大，不易实现自动化且不具有普适性。

发明内容

本发明的目的是提供一种基于大数据融合的电动汽车能耗预测方法及系统，以解决电动汽车能耗预测过程中所需参数不易获取、且现有能耗预测方法准确度低的问题。

为实现上述目的，本发明提供了如下方案：

一种基于大数据融合的电动汽车能耗预测方法，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；

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；

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；