[发明专利]一种电动汽车瞬时耗能估计方法及装置

权利要求书

1.一种电动汽车瞬时耗能估计方法，其特征在于：包括如下步骤：

A、获取电动汽车行车数据，该行车数据包括时间和位置信息，并根据该时间和位置信息获取历史天气数据，该历史天气数据包括大气温度、露点温度、大气压、风向、风速、湿度、云量、水平能见度和特殊天气；

B、所述行车数据还包括瞬时电流数据和瞬时电压数据，在行车数据中加入新列作为后续目标特征，该列数据为瞬时电流数据和对应的瞬时电压数据之积；

C、将获取行车数据的时间格式和获取历史天气数据的时间格式进行统一、将行车数据的精度和历史天气数据的精度进行统一，并将时间格式和精度均统一后的行车数据和历史天气数据进行拼接，形成合并数据；

D、构建神经网络：神经网络包括具有分类特征输入部分和数字特征输入部分的输入层、分别与分类特征输入部分和数字特征输入部分关联的dropout神经网络层、与分类特征输入部分和对应的dropout神经网络层关联的FM神经网络层、以及与数字特征输入部分和对应的dropout神经网络层关联的局部连接层；

E、将合并数据划分为训练集和测试集，利用训练集对步骤D构建的神经网络进行训练，以得到瞬时耗能估计模型。

2.根据权利要求1所述的一种电动汽车瞬时耗能估计方法，其特征在于：所述步骤A中，所述行车数据还包括速度、加速踏板与制动踏板状态，所述位置信息为经纬度数据。

3.根据权利要求1所述的一种电动汽车瞬时耗能估计方法，其特征在于：所述步骤A中，获取所述历史天气数据的采样周期为半小时。

4.根据权利要求1或2或3所述的一种电动汽车瞬时耗能估计方法，其特征在于：所述步骤B中，在行车数据中加入所述新列之前，将行车数据中小于或者等于0的瞬时电流数据及这些瞬时电流数据对应的瞬时电压数据删除，在行车数据中加入所述新列之后，将瞬时电流数据列和瞬时电压数据列删除。

5.根据权利要求3所述的一种电动汽车瞬时耗能估计方法，其特征在于：所述步骤C具体包括：

C1、所述行车数据的时间格式为“年月日时分秒”，所述历史天气数据的时间格式是“日月年时分”，将历史天气数据的时间格式修改为“年月日时分秒”；

C2、所述行车数据的时间精度是“秒”，所述历史天气数据的时间精度为采样周期，将行车数据和历史天气数据的时间格式均修改为“年月日时”，从而使行车数据和历史天气数据的时间精度相同；

C3、以经步骤C1和C2处理后的行车数据为基准，根据时间特征，将历史天气数据匹配至行车数据中，形成合并数据。

6.根据权利要求1或2或3所述的一种电动汽车瞬时耗能估计方法，其特征在于：所述神经网络还包括隐藏层，所述步骤E中，设定损失函数为MAPE:MAPE＝sum(|y′-y|*100％/y)/n，以最小化MAPE为目标，不断调整dropout值和各隐藏层中神经元数量，得到所述瞬时耗能估计模型，其中，y是实际值，y′是预测值，n是样本量。

7.根据权利要求1或2或3所述的一种电动汽车瞬时耗能估计方法，其特征在于：所述步骤E中，先对所述合并数据进行z-score标准化，再将标准化后的合并数据分为训练集和测试集。

8.根据权利要求6所述的一种电动汽车瞬时耗能估计方法，其特征在于：所述步骤E中，所述dropout值的初始取值范围为[0.1,0.5]。

9.一种电动汽车瞬时耗能估计装置，其特征在于：包括:

数据获取模块：用于获取电动汽车行车数据，该行车数据包括时间、位置信息、瞬时电流数据和瞬时电压数据，并根据该时间和位置信息获取历史天气数据，该历史天气数据包括大气温度、露点温度、大气压、风向、风速、湿度、云量、水平能见度和特殊天气，在行车数据中加入新列作为后续目标特征，该列数据为瞬时电流数据和对应的瞬时电压数据之积；

数据拼接模块：将获取行车数据的时间格式和获取历史天气数据的时间格式进行统一、将行车数据的精度和历史天气数据的精度进行统一，并将时间格式和精度均统一后的行车数据和历史天气数据进行拼接，形成合并数据；

神经网络构建模块：神经网络包括具有分类特征输入部分和数字特征输入部分的输入层、分别与分类特征输入部分和数字特征输入部分关联的dropout神经网络层、与分类特征输入部分和对应的dropout神经网络层关联的FM神经网络层、以及与数字特征输入部分和对应的dropout神经网络层关联的局部连接层；

训练模块：将合并数据划分为训练集和测试集，利用训练集对步骤D构建的神经网络进行训练，以得到瞬时耗能估计模型。