[发明专利]氢能源助力自行车日使用量和故障情况的预测方法

说明书

本发明公开了一种氢能源助力自行车日使用量和故障情况的预测方法，包括以下步骤：S1，将氢能源助力自行车的各种数据存入大数据存储系统中；S2，建立大数据计算框架；S3，从大数据存储系统中提取各种数据；S4，在步骤二建立的大数据计算框架下运行循环神经网络算法，得到氢能源助力自行车的日使用量和故障情况的预测结果；S5，将氢能源助力自行车的日使用量和故障情况的预测结果保存到数据仓库中。本发明实现了对氢能源助力自行车日使用量和故障情况进行预测，有利于实现系统合理站点组网、有效调度，使得氢能源助力自行车系统真正以数据为依托、以服务为根本健康发展，同时可为政府对交通路线的定制等提供决策。

技术领域

本发明涉及氢能源助力自行车日使用量和故障情况的预测方法，特别涉及一种基于大数据的氢能源助力自行车日使用量和故障情况的预测方法。

背景技术

氢燃料电池是一种使用氢气作为燃料，通过与氧气的化学反应而产生电能的装置，氢能源作为最洁净的新型能源，电转化效率高，不需长时间地充电，其副产物只有水，因此发展氢能源助力自行车系统成为了城市公共交通的一种新趋势。

在实际氢能源助力自行车系统运营中，对氢能源助力自行车每日使用量和故障情况的预测决定着每日需要投入多少辆氢能源助力自行车才能保障系统的正常运行，对氢能源助力自行车每日使用量和故障情况的预测直接影响到系统调度工作的进行。

发明内容

本发明的目的是提供一种基于大数据的氢能源助力自行车日使用量和故障情况的预测方法。

实现本发明目的的技术方案是：氢能源助力自行车日使用量和故障情况的预测方法，包括以下步骤：

S1，将氢能源助力自行车的各种数据存入大数据存储系统中；

S2，建立大数据计算框架；

S3，从大数据存储系统中提取各种数据；

S4，在步骤二建立的大数据计算框架下运行循环神经网络算法，得到氢能源助力自行车的日使用量和故障情况的预测结果；

S5，将氢能源助力自行车的日使用量和故障情况的预测结果保存到数据仓库中。

所述步骤S1中的氢能源助力自行车的各种数据包括实时采集的数据和固有数据。实时采集的数据包括氢燃料电池电堆的气体流量数据、储氢罐的氢气量数据和氢燃料电池电堆温度数据。固有数据包括电机的输出功率数据。氢燃料电池电堆的气体流量数据、储氢罐的氢气量数据和氢燃料电池电堆温度数据分别通过设置在氢能源助力自行车上的电堆气压传感器、储氢罐气压传感器、温度传感器分别实时采集。

所述步骤S1中的大数据存储系统采用分布式存储系统。

所述步骤S2中的大数据计算框架采用MapReduce并行计算框架。

所述步骤S4具体包括以下步骤：

S4.1，对提取的数据进行采样；

S4.2，确定循环神经网络模型具体结构，包括隐层数目与每层神经元个数，并搭建好循环神经网络模型；

S4.3，使用搭建好的循环神经网络模型进行车辆使用和故障检测，为训练样本数据贴上标签；

S4.4，通过使用贴上标签后的训练样本数据输入循环神经网络模型对循环神经网络模型进行训练，使循环神经网络模型自动调整模型参数，将训练完成后的循环神经网络模型作为预测模型；

S4.5，将步骤S3提取的氢能源助力自行车的各种数据作为输入数据，输入预测模型中，通过预测模型对输入数据进行测试，最终得到氢能源助力自行车日使用量和故障情况的预测结果。

所述步骤S4.2搭建的循环神经网络模型具有1个输入层，4个隐含层和1个输出层，每个隐含层中包含的神经元个数为10个。