一种考虑动态路网交通流的电动汽车能耗预测方法技术

本发明专利技术涉及一种考虑动态路网交通流的电动汽车能耗预测方法，包括如下步骤：一：获取用户的驾驶行为信息和各个路段的历史交通数据；二：将用户的驾驶行为信息与其能耗信息进行相关性分析，选取与能耗信息相关性较高的驾驶行为因素；三：对用户的驾驶行为因素进行驾驶类型聚类，自动分类电动汽车不同驾驶行为因素组合下的驾驶工况；四：输出不同类别的驾驶工况与相对应的能耗；五：将获取的各个路段的历史交通数据，进行路网交通参数的预测；六：输出各个路段的不同时段的预测结果；七：通过预测出路段的未来路况参数与标准中的驾驶行为参数进行聚类分析。本发明专利技术考虑动态路网交通流的实时变化，在进行能耗计算时，更加准确。

【技术实现步骤摘要】
一种考虑动态路网交通流的电动汽车能耗预测方法
本专利技术属于电动汽车
，涉及一种考虑动态路网交通流的电动汽车能耗预测方法。
技术介绍
随着电动汽车的大量普及，对电动汽车能耗的研究也越来越多。现实中，影响电动汽车耗电量的因素较多，除了车辆自身参数以外的外部因素主要包括交通路况、环境因素及驾驶员驾驶特性。然而基于行驶工况预测能耗的相关研究中所选取的行驶工况特征参数均与固定交通路况有关，与实际道路行驶工况存在以下三点差异：(1)路网是动态变化的，不同路段电动汽车的能耗不同；(2)驾驶员在不同驾驶特性下电动汽车的行驶状态不同；(3)不包括空调开启关闭等实际驾驶情况。而现有技术，均不能准确的评价动态路况、电动汽车空调和驾驶员驾驶特性等情况对电能消耗的影响。因此，设计一种考虑动态路网交通流的电动汽车能耗预测方法是十分有必要的。
技术实现思路
本专利技术的目的在于解决现有技术的不足，提供一种考虑动态路网交通流的电动汽车能耗预测方法。本专利技术解决其技术问题是通过以下技术方案实现的：一种考虑动态路网交通流的电动汽车能耗预测方法，包括如下步骤：步骤一：利用Python爬虫技术获取用户的驾驶行为信息和各个路段的历史交通数据；步骤二：将用户的驾驶行为信息与其能耗信息进行相关性分析，选取与能耗信息相关性较高的驾驶行为因素；步骤三：提取出相关性较高的驾驶行为因素后，利用信息熵理论的模糊聚类算法对用户的驾驶行为因素进行驾驶类型聚类，自动分类电动汽车驾驶工况；步骤四：输出不同类别的驾驶工况与相对应的能耗；步骤五：将之前通过Python爬虫技术获取的各个路段的历史交通数据，作为深度信念网络预测模型的输入变量，进行路网交通参数的预测；步骤六：输出各个路段的不同时段的预测结果；步骤七：通过预测出路段的未来路况参数中的路段车速，与中国GB/T-38146.1-2019《中国汽车行驶工况》标准中的平均速度进行聚类分析，计算当前路段当前时间下的车速属于GB/T-38146.1-2019《中国汽车行驶工况》标准中的哪类工况，输出该标准中此平均速度下的驾驶行为参数，分析出电动汽车未来出行中，在不同路段的不同时段的驾驶工况信息，再与步骤四中计算出的驾驶工况与相对应的能耗结合，计算未来路况的驾驶能耗。而且，所述的驾驶行为信息包括最大速度、平均速度、平均加速度、最大加速度、加速比例、减速比例、匀速比例、怠速比例、环境温度、空调运行功率、加速度标准差、加速度变化率标准差。而且，所述的所述各个路段的历史交通数据包括道路的拓扑结构信息、路段的车速、路段的拥堵状况。而且，所述步骤五中输入变量包括路段车流量、路段车速、路段拥堵状况。而且，所述步骤七中现有行驶工况标准中的驾驶行为参数包括最大速度、平均速度、最大加速度、平均加速度、减速比例、匀速比例、怠速比例、加速比例、加速度标准差、加速度变化率标准差。本专利技术的优点和有益效果为：1、本专利技术考虑动态路网交通流的实时变化，车辆在行进过程中路网交通流实时变化，不是以往的固定交通流，在进行能耗计算时，更加准确。2、本考虑的电动汽车能耗预测方法，通过采用DBN算法，大大提高了预测的准确率，该算法可深入挖掘抵达车辆数与输入数据之间的内在联系，预测精度相对较高，适用于路网交通信息预测，能够较好的适应路网交通信息的随机性和波动性。DBN深度置信网络具有良好的深度特征提取能力，预测稳定性较好，适用于路网交通大规模数据处理场景。附图说明图1为北京市路网示意图；图2为路网某路段一周内交通车速图；图3为各特征参数与电动汽车耗电量相关性分析；图4为各特征参数之间的相关性分析；图5为各主成分的特征值和贡献率；图6为前5个主成分载荷系数；图7为各行驶工况聚类中心参数；图8为CLTC-P工况曲线统计特征；具体实施方式下面通过具体实施例对本专利技术作进一步详述，以下实施例只是描述性的，不是限定性的，不能以此限定本专利技术的保护范围。一种考虑动态路网交通流的电动汽车能耗预测方法，其创新之处在于：包括如下步骤：步骤一：利用Python爬虫技术获取车辆驾驶行为信息、各个路段的历史交通数据；步骤二：对步骤一得到的车辆驾驶行为信息数据进行皮尔逊相关性分析,选取与能耗信息相关性较高的驾驶行为因素；本实施例选用丰田公司普锐斯混合动力电动汽车的行驶数据，采用斯皮尔曼秩分析各特征参数与耗电量之间、各特征参数相互之间的相关性紧密程度，数据于2013年6月至2015年6月在纯电动模式下实际驾驶采集获取。将两次充电之间的行驶过程称为一个循环，在每个循环中，每行驶一千米为一个行驶片段，共选取3368个片段进行分析，计算每个片段下的12个特征参数及耗电量。依据所述方法得出变量之间的相关性，结果见图3。由表可知，所选取的各特征参数均与电动汽车耗电量存在相关性，其中，平均速度、减速比例与耗电量之间的相关性较大，最大速度与耗电量之间的相关性最小。进一步量化剩余特征参数之间的相关性，分析11个选定特征参数之间的相关性，各特征参数之间的斯皮尔曼相关系数见图4，从表中可以看出，多个特征参数之间的相关性较大，如平均速度与怠速比例之间的相关系数绝对值为0.8305，加速比例与怠速比例之间的相关系数绝对值为0.8081，加速度变化率标准差与加速度标准差之间的相关系数高达0.9164，说明两个参数之间的相关性较大，即所选取的初始特征参数包含互相关联的特征，有一定程度的信息重叠，有必要进行下一步主成分分析，筛除重复的特征参数。步骤三：将原有的多个有相关性的变量进行重新组合，用较少的几个彼此不相关的变量尽可能多的反映原有变量的有用信息；采用主成分分析对包含11个行驶工况特征参数的3368个样本X3368×11进行分析，其中X3368×11为一个3368×11的矩阵，如式(1)所示将通过上述的主成分分析法计算的特征值按从大到小排序，选择能够反映数据信息的主成分即贡献率大于80％的主成分，计算主成分得分。按上述方法得到各主成分的特征值和贡献率见图5，从中可以看出，前5个主成分的贡献率为83.34％，根据主成分分析的原理可知，当累积贡献率大于80％时认为足够反映原始数据所包含的信息，因此这5个主成分可以完善表达样本数据所包含的信息。计算前5个主成分的载荷系数见图6，可以看出，第一个主成分主要反映加速比例、平均速度、减速比例、怠速比例，第二个主成分主要反映加速度标准差、平均加速度标准差，第三个主成分主要反映环境温度、空调功率，第四个主成分主要反映平均加速度，第五个主成分主要反映匀速比例。选取这5个主成分主要反映的且相关性较弱的平均速度、平均加速度、匀速比例、环境温度、加速度标准差5个特征参数用于聚类分析。步骤四：模糊聚类分析该步骤采用基于信息熵理论的模糊聚类算法自动分类电动汽车行驶工况。模糊聚类算法可通本文档来自技高网...

【技术保护点】
1.一种考虑动态路网交通流的电动汽车能耗预测方法，其特征在于：包括如下步骤：/n步骤一：利用Python爬虫技术获取用户的驾驶行为信息和各个路段的历史交通数据；/n步骤二：将用户的驾驶行为信息与其能耗信息进行相关性分析，选取与能耗信息相关性较高的驾驶行为因素；/n步骤三：提取出相关性较高的驾驶行为因素后，利用信息熵理论的模糊聚类算法对用户的驾驶行为因素进行驾驶类型聚类，自动分类电动汽车不同驾驶行为因素组合下的驾驶工况；/n步骤四：输出不同类别的驾驶工况与相对应的能耗；/n步骤五：将之前通过Python爬虫技术获取的各个路段的历史交通数据，作为深度信念网络预测模型的输入变量，进行路网交通参数的预测；/n步骤六：输出各个路段的不同时段的预测结果；/n步骤七：通过预测出路段的未来路况参数与中国GB/T-38146.1-2019《中国汽车行驶工况》标准中的驾驶行为参数进行聚类分析，分析出电动汽车未来出行中，在不同路段的不同时段的驾驶工况信息，再与步骤四中计算出的驾驶工况能耗结合，计算未来路况的驾驶能耗。/n

【技术特征摘要】
1.一种考虑动态路网交通流的电动汽车能耗预测方法，其特征在于：包括如下步骤：
步骤一：利用Python爬虫技术获取用户的驾驶行为信息和各个路段的历史交通数据；
步骤二：将用户的驾驶行为信息与其能耗信息进行相关性分析，选取与能耗信息相关性较高的驾驶行为因素；
步骤三：提取出相关性较高的驾驶行为因素后，利用信息熵理论的模糊聚类算法对用户的驾驶行为因素进行驾驶类型聚类，自动分类电动汽车不同驾驶行为因素组合下的驾驶工况；
步骤四：输出不同类别的驾驶工况与相对应的能耗；
步骤五：将之前通过Python爬虫技术获取的各个路段的历史交通数据，作为深度信念网络预测模型的输入变量，进行路网交通参数的预测；
步骤六：输出各个路段的不同时段的预测结果；
步骤七：通过预测出路段的未来路况参数与中国GB/T-38146.1-2019《中国汽车行驶工况》标准中的驾驶行为参数进行聚类分析，分析出电动汽车未来出行中，在不同路段的不同时段的驾驶工况信息，再与步骤四中计算出的驾驶工况能耗结合，计...

【专利技术属性】
技术研发人员：李磊，刘伟东，李晓辉，赵新，刘小琛，张剑，谢秦，李丹，夏冬，徐晶，张章，崔荣靖，张雪菲，张仁尊，苏粟，李玉璟，李家浩，
申请(专利权)人：国网天津市电力公司电力科学研究院，国网天津市电力公司，国家电网有限公司，
类型：发明
国别省市：天津;12