System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及数据处理,具体而言,涉及一种电动车辆剩余续航里程预测方法及装置。
技术介绍
1、目前,电动汽车为主的新能源汽车迅速发展,逐渐成为人们出行的首选方式。虽然纯电动汽车在市场的选择中脱颖而出,但纯电动汽车存在一个不可忽视的问题就是续航里程问题。目前各大厂家推出快充,超充和换电服务以解决该问题。但剩余续航里程显示不正确会导致驾驶员不能准确预估充电或者换电时机,容易引起续航焦虑甚至车辆抛锚等问题。因此,如何准确根据车辆的实时驾驶状态预测剩余续航里程,提醒驾驶员补电,给顾客提供更好的用车体验对新能源汽车的发展至关重要。现有的电动车辆剩余里程预测方法,通常基于能量来进行计算预测,然而,现有方法中,使用的参数比较单一,不能很好预测剩余续航里程变化。
技术实现思路
1、本申请实施例的目的在于提供一种电动车辆剩余续航里程预测方法及装置,能够进行车辆实际续航因素分析,提高了车辆剩余续航预测的准确性。
2、本申请第一方面提供了一种电动车辆剩余续航里程预测方法,包括:
3、获取样本车辆的行车过程样本数据和所述样本车辆的真实续航里程;
4、对所述行车过程样本数据进行清洗处理,得到待处理数据;
5、对所述待处理数据进行车辆实际续航因素分析,得到续航影响因子集合;
6、基于所述续航影响因子集合和所述真实续航里程,构建样本集合;
7、分别对所述样本集合进行规范化处理,得到目标样本集合;
8、构建原始lstm模型;
< ...【技术保护点】
1.一种电动车辆剩余续航里程预测方法,其特征在于,包括:
2.根据权利要求1所述的电动车辆剩余续航里程预测方法,其特征在于,所述原始LSTM模型包括输入层、LSTM层、注意力机制层、dropout层、LSTM层和dropout层的组合层、dense层和输出层;其中,所述输入层的传入数据维度为预设数据维度,所述组合层的层数为寻优得到的第一层数,所述dense层的层数为寻优得到的第二层数;
3.根据权利要求1所述的电动车辆剩余续航里程预测方法,其特征在于,所述基于所述续航影响因子集合和所述真实续航里程,构建样本集合,包括:
4.根据权利要求1所述的电动车辆剩余续航里程预测方法,其特征在于,所述续航影响因子集合包括每公里能耗、电池电荷状态SOC值、每公里的平均速度、每公里加速度绝对值超过0.1g的次数以及电池健康状态。
5.根据权利要求2所述的电动车辆剩余续航里程预测方法,其特征在于,通过灰狼优化算法、所述目标样本集合对所述原始LSTM模型进行训练,得到训练好的剩余续航里程预测模型,包括:
6.一种电动车辆剩余续航里程预测装置
7.根据权利要求6所述的电动车辆剩余续航里程预测装置,其特征在于,所述原始LSTM模型包括输入层、LSTM层、注意力机制层、dropout层、LSTM层和dropout层的组合层、dense层和输出层;其中,所述输入层的传入数据维度为预设数据维度,所述组合层的层数为寻优得到的第一层数,所述dense层的层数为寻优得到的第二层数;
8.根据权利要求6所述的电动车辆剩余续航里程预测装置,其特征在于,所述样本构建单元包括:
9.一种电子设备,其特征在于,所述电子设备包括存储器以及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行权利要求1至5中任一项所述的电动车辆剩余续航里程预测方法。
10.一种可读存储介质,其特征在于,所述可读存储介质中存储有计算机程序指令,所述计算机程序指令被一处理器读取并运行时,执行权利要求1至5任一项所述的电动车辆剩余续航里程预测方法。
...【技术特征摘要】
1.一种电动车辆剩余续航里程预测方法,其特征在于,包括:
2.根据权利要求1所述的电动车辆剩余续航里程预测方法,其特征在于,所述原始lstm模型包括输入层、lstm层、注意力机制层、dropout层、lstm层和dropout层的组合层、dense层和输出层;其中,所述输入层的传入数据维度为预设数据维度,所述组合层的层数为寻优得到的第一层数,所述dense层的层数为寻优得到的第二层数;
3.根据权利要求1所述的电动车辆剩余续航里程预测方法,其特征在于,所述基于所述续航影响因子集合和所述真实续航里程,构建样本集合,包括:
4.根据权利要求1所述的电动车辆剩余续航里程预测方法,其特征在于,所述续航影响因子集合包括每公里能耗、电池电荷状态soc值、每公里的平均速度、每公里加速度绝对值超过0.1g的次数以及电池健康状态。
5.根据权利要求2所述的电动车辆剩余续航里程预测方法,其特征在于,通过灰狼优化算法、所述目标样本集合对所述原始lstm模型进行训练,得到训练好的剩余续航里程预测模型,包括:
【专利技术属性】
技术研发人员:李土旺,王歆誉,杨黎健,伊海霞,
申请(专利权)人:广汽埃安新能源汽车股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。