【技术实现步骤摘要】
本申请涉及新能源汽车领域，具体而言，涉及一种汽车能量预测方法、装置、电子设备及介质。
技术介绍
1、增程式电动汽车是以纯电能驱动的车辆，通过动力电池和一个小型的增程器为车辆提供电能，在增加了车辆续航里程的同时，工况适应性也随之提高，被评为目前具有较高研发前景的新能源汽车。能量预测可以帮助优化增程式汽车的能耗，确保在电池电量不足时及时启动发动机发电系统进行充电，以延长续航里程，准确预测未来行驶阶段的能耗需求，可更好地控制充电和放电策略，以实现最佳的能源利用效率。能量预测需要考虑电池的荷电状态(soc，state of charge)，soc预测可以预测出电池soc的变化，通过soc预测的结果，可以估计未来的能量消耗趋势。然而，目前soc预测通常基于电池特性和电池当前状态，结合充电和放电过程中的电流和电压变化，以估计电池soc的变化。这种方法虽然简单，但并未考虑到车辆行驶过程中的其他因素，预测精度相对较低。
2、有鉴于此，特提出本申请。
技术实现思路
1、本申请的目的在于提供一种汽车能量预测方法、装置、电子设备及介质，以提高新能源汽车能量预测精度。
2、为了实现上述目的，本申请采用以下技术方案：
3、第一方面，本申请提供了一种汽车能量预测方法，包括：
4、根据动力电池的电化学数据和车速数据，构建电化学图和车速图；所述电化学数据包括电流数据或电压数据；
5、将所述电化学图和所述车速图输入至图卷积神经网络模型，提取所需电化学特征和
6、根据所述所需电化学特征生成第一注意力系数，根据所述所需车速特征生成第二注意力系数；
7、根据所述所需电化学特征、所述所需车速特征、所述第一注意力系数、所述第二注意力系数，输出soc预测值；
8、根据所述第一注意力系数、所述第二注意力系数、所述soc预测值和soc实际值，确定优化后的预测模型；
9、采用所述优化后的预测模型对汽车的soc进行预测。
10、作为进一步优选的技术方案，所述根据动力电池的电化学数据和车速数据，构建电化学图和车速图，包括：
11、分别对动力电池的电化学数据和车速数据采用1维卷积神经网络进行特征提取，得到初始电化学特征和初始车速特征；
12、根据所述初始电化学特征和所述初始车速特征，构建电化学图和车速图。
13、作为进一步优选的技术方案，所述将所述电化学图和所述车速图输入至图卷积神经网络模型，提取所需电化学特征和所需车速特征，包括：
14、将所述电化学图和所述车速图输入至图卷积神经网络模型，提取图卷积传播过程中相邻各层的输出特征；
15、根据所述输出特征，确定所述输出特征的对应节点之间的相似度；
16、当所有节点的所述相似度的均值达到设定阈值，判断所述图卷积神经网络模型收敛，将对应的图卷积层的输出特征作为所需电化学特征和所需车速特征。
17、作为进一步优选的技术方案，所述根据所述所需电化学特征生成第一注意力系数，根据所述所需车速特征生成第二注意力系数，包括：
18、将所述所需电化学特征输入图卷积中，得到各个节点的第一权重系数；采用tanh函数和softmax函数对所述第一权重系数进行处理，得到第一注意力系数；
19、将所述所需车速特征输入图卷积中，得到各个节点的第二权重系数；采用tanh和softmax函数对所述第二权重系数进行处理，得到第二注意力系数。
20、作为进一步优选的技术方案，所述第一注意力系数采用下式计算得到：a1＝softmax(tanh(h'1))，其中，a1为所述第一注意力系数，h'1为hout1图卷积聚合后的特征，hout1为所述所需电化学特征，w1为所述第一权重系数，为对邻接矩阵a1进行对称归一化操作；
21、所述第二注意力系数采用下式计算得到：a2＝softmax(tanh(h'2))，其中，a2为所述第二注意力系数，h'2为hout2图卷积聚合后的特征，hout2为所述所需车速特征，w2为所述第二权重系数，为对邻接矩阵a2进行对称归一化操作。
22、作为进一步优选的技术方案，所述根据所述所需电化学特征、所述所需车速特征、所述第一注意力系数、所述第二注意力系数，输出soc预测值，包括：
23、根据所述所需车速特征和所述第一注意力系数，确定第一中间值；
24、根据所述所需电化学特征和所述第二注意力系数，确定第二中间值；
25、根据所述第一中间值和所述第二中间值，输出soc预测值。
26、作为进一步优选的技术方案，所述根据所述第一注意力系数、所述第二注意力系数、所述soc预测值和soc实际值，确定优化后的预测模型，包括：
27、根据所述第一注意力系数和所述第二注意力系数，确定一致性约束误差；
28、根据所述soc预测值和soc实际值，确定mse损失；
29、根据所述一致性约束误差和所述mse损失，确定优化后的预测模型。
30、第二方面，本申请提供了一种汽车能量预测装置，包括：
31、图构建模块，用于根据动力电池的电化学数据和车速数据，构建电化学图和车速图；所述电化学数据包括电化学数据或电压数据；
32、特征提取模块，用于将所述电化学图和所述车速图输入至图卷积神经网络模型，提取所需电化学特征和所需车速特征；所述图卷积神经网络模型可基于层与层之间的对应节点之间的相似度自适应调节传播层数；
33、注意力系数生成模块，用于根据所述所需电化学特征生成第一注意力系数，根据所述所需车速特征生成第二注意力系数；
34、soc预测值输出模块，用于根据所述所需电化学特征、所述所需车速特征、所述第一注意力系数、所述第二注意力系数，输出soc预测值；
35、模型优化模块，用于根据所述第一注意力系数、所述第二注意力系数、所述soc预测值和soc实际值，确定优化后的预测模型；
36、预测模块，用于采用所述优化后的预测模型对汽车的soc进行预测。
37、第三方面，本申请提供了一种电子设备，包括：
38、至少一个处理器，以及与至少一个所述处理器通信连接的存储器；
39、其中，所述存储器存储有可被至少一个所述处理器执行的指令，所述指令被至少一个所述处理器执行，以使至少一个所述处理器能够执行上述的方法。
40、第四方面，本申请提供了一种计算机可读存储介质，所述介质上存储有计算机指令，所述计算机指令用于使所述计算机执行上述的方法。
41、与现有技术相比，本申请的有益效果为：
42、本申请提供的汽车能量预测方法基于动力电池的电化学数据(包括电流数据或电压数据)和车速数据构建电化学图和车速图，同时考虑本文档来自技高网...
【技术保护点】
1.一种汽车能量预测方法，其特征在于，包括：
2.根据权利要求1所述的汽车能量预测方法，其特征在于，所述根据动力电池的电化学数据和车速数据，构建电化学图和车速图，包括：
3.根据权利要求1所述的汽车能量预测方法，其特征在于，所述将所述电化学图和所述车速图输入至图卷积神经网络模型，提取所需电化学特征和所需车速特征，包括：
4.根据权利要求1所述的汽车能量预测方法，其特征在于，所述根据所述所需电化学特征生成第一注意力系数，根据所述所需车速特征生成第二注意力系数，包括：
5.根据权利要求4所述的汽车能量预测方法，其特征在于，所述第一注意力系数采用下式计算得到：a1＝Softmax(tanh(H'1))，其中，a1为所述第一注意力系数，H'1为Hout1图卷积聚合后的特征，Hout1为所述所需电化学特征，W1为所述第一权重系数，为对邻接矩阵A1进行对称归一化操作；
6.根据权利要求1所述的汽车能量预测方法，其特征在于，所述根据所述所需电化学特征、所述所需车速特征、所述第一注意力系数、所述第二注意力系数，输出SOC预测值，包括：<...
【技术特征摘要】
1.一种汽车能量预测方法，其特征在于，包括：
2.根据权利要求1所述的汽车能量预测方法，其特征在于，所述根据动力电池的电化学数据和车速数据，构建电化学图和车速图，包括：
3.根据权利要求1所述的汽车能量预测方法，其特征在于，所述将所述电化学图和所述车速图输入至图卷积神经网络模型，提取所需电化学特征和所需车速特征，包括：
4.根据权利要求1所述的汽车能量预测方法，其特征在于，所述根据所述所需电化学特征生成第一注意力系数，根据所述所需车速特征生成第二注意力系数，包括：
5.根据权利要求4所述的汽车能量预测方法，其特征在于，所述第一注意力系数采用下式计算得到：a1＝softmax(tanh(h'1))，其中，a1为所述第一注意力系数，h'1为hout1图卷积聚合后...
【专利技术属性】
技术研发人员：龚铃，刘志军，夏棋，张怡，李盼，
申请(专利权)人：重庆赛力斯凤凰智创科技有限公司，
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。