[发明专利]基于数据驱动的电动车能耗预测方法、系统、设备及介质

说明书

本发明提供一种基于数据驱动的电动车能耗预测方法、系统、设备及介质，其中，方法包括：通过车联网采集被测车辆的运行监测数据，获取历史运行数据，并结合蒙特卡罗方法构建车辆行驶时空电量关系模型，获取被测车辆的行驶时空电量关系；根据历史运行数据获取外界因素，根据外界因素基于KNN算法构建车辆行驶工况预测模型，并通过获取被测车辆的当前外界因素，预测被测车辆的未来行驶工况；根据历史运行数据，基于机器学习算法构建能耗预测模型，结合被测车辆的行驶时空电量关系和未来行驶工况，预测出被测车辆的能耗需求。本发明提高了预测数据的实时性，且能够精确到被测车辆个体，能够为用户的出行提供实时数据支撑，缓解里程焦虑。

技术领域

本发明涉及新能源汽车应用技术领域，尤其涉及一种基于数据驱动的电动车能耗预测方法、系统、设备及介质。

背景技术

伴随着社会各界对能源和环境关注度的日渐提升，电动汽车在市场上的数量逐步增加。得益于国家的补贴政策、购车优惠和环保需求的激励，新能源汽车行业迎来了爆发式的增长，我国现已成为全球最大的纯电动汽车市场。随着电动汽车的不断推广，电动汽车的性能受到越来越多的关注。纵观世界各国的电动汽车发展现状，摆在面前的技术难题主要在电池性能方面。

受制于电池性能以及充电不便的影响，用户无法满足自由出行的需求，必须在出行前对行驶路线进行规划，衡量车辆剩余电量能否满足出行要求。由于电动汽车能耗受行驶道路与天气气温的影响变化较大，车企提供的续驶里程往往与实际可行使里程相差很多，续驶里程不能对驾驶员起到很好的行车指导，导致驾驶员产生“里程焦虑”，降低了人们对电动汽车的使用信心。

发明内容

基于此，有必要针对上述技术问题，提供一种基于数据驱动的电动车能耗预测方法、系统、设备及介质。

一种基于数据驱动的电动车能耗预测方法，包括以下步骤：通过车联网采集被测车辆的运行监测数据，获取被测车辆的历史运行数据；根据所述历史运行数据，基于蒙特卡罗方法构建车辆行驶时空电量关系模型，获取被测车辆的行驶时空电量关系；根据所述历史运行数据获取影响被测车辆行驶的外界因素，根据所述外界因素基于KNN算法构建车辆行驶工况预测模型，获取被测车辆的当前外界因素，将所述当前外界因素输入所述车辆行驶工况预测模型，预测被测车辆的未来行驶工况；根据所述历史运行数据，基于机器学习算法构建能耗预测模型，结合被测车辆的行驶时空电量关系和未来行驶工况，通过所述能耗预测模型预测被测车辆未来一段时间内的能耗需求。

在其中一个实施例中，所述通过车联网采集被测车辆的运行监测数据，获取被测车辆的历史运行数据，具体包括：通过车联网采集被测车辆在一段时间内的历史运行数据，所述历史运行数据包括多个行驶片段数据，每个所述行驶片段数据对应包括有车辆唯一标识、片段开始时间、片段结束时间、片段持续时长、开始经度、开始纬度、结束经度、结束纬度、片段开始荷电状态、片段结束荷电状态、片段开始里程和片段结束里程。