【技术实现步骤摘要】
本申请涉及车辆能耗预测方法，具体涉及一种基于数字孪生的能耗预测及异常检测方法以及系统。
技术介绍
1、电动矿卡的续航里程相对较短，尤其在连续重载作业的情况下，电动矿卡需要频繁充电。当前矿卡实际运行过程中，道路条件、坡度、载荷、车速、电机效率、电池状态、驾驶员操作、环境温度、其他电器设备使用等均会造成能耗评估的差异，以上因素可能会造成电动矿卡经济性的下降，造成运营成本进一步增加。另外，在寒冷区域，锂电池soc状态评估的准确性难以得到保障，对整车实际能耗分析、能量管理及续航里程的评估造成较大的影响。
技术实现思路
1、本申请提供一种基于数字孪生的能耗预测及异常检测方法以及系统，以解决整车实际能耗分析、能量管理及续航里程的评估难度较大的技术问题。
2、本申请提供一种基于数字孪生的能耗预测及异常检测方法，包括步骤：
3、利用传感器实时采集物理参数，所述物理参数包括电芯温度、电池组总电流、电池组总电压、坡度、车速以及质量；
4、利用电动汽车的电池管理系统采集电池状态参数，所述电池状态参数包括实时能耗；
5、将收集的物理参数输入到simulink及cruise联合模型中进行仿真，获得模型输出预测能耗；其中，simulink用于建立动力电池的等效电路模型、控制系统和传感器模拟模块，cruise仿真模型搭建纯电动汽车整车仿真模型；
6、将模型输出能耗与实时能耗进行对比，并获得能耗偏差值；
7、判断能耗偏差值是否超过预设范围，若
8、可选的，在判断能耗偏差值是否超过预设范围的步骤中，具体包括以下步骤：
9、采集电动汽车的运行工况，该运行工况包括空载上坡工况、空载下坡工况、满载上坡工况、满载下坡工况、候场工况；
10、当能耗偏差值在10%以内，判断电动汽车能耗处于正常状态，并评估整车能耗；
11、当能耗偏差值在10%-20%之间，判断能耗异常，并向电动汽车的管理平台反馈形成记录，但不提醒驾驶员；
12、当能耗偏差值在20%以上，判断能耗异常，并向电动汽车的管理平台反馈形成记录，同时提醒驾驶员。
13、可选的，在所述采集电动汽车的运行工况的步骤中，
14、电动汽车处于空载上坡工况时，电池处于中等负荷放电状态；
15、电动汽车处于空载下坡工况时，电池处于充电状态；
16、电动汽车处于满载上坡工况时，电池处于高负荷放电状态；
17、电动汽车处于满载下坡工况时，电池处于高负荷的充电状态；
18、电动汽车处于候场工况时，电池处于低能耗状态。
19、可选的，在当能耗偏差值在20%以上，判断能耗异常，并向电动汽车的管理平台反馈形成记录，同时提醒驾驶员的步骤中，还包括步骤：
20、将能耗偏差值输入分类神经网络，并判断高能耗类型，该高能耗类型包括soc异常、传动系统效率低、附件高能耗、制动强度大、路面滚阻高、bms管理异常。
21、可选的，在所述判断能耗偏差值是否超过预设范围，若是，判定能耗异常；若否，评估整车能耗的步骤中，
22、将物理参数和预测能耗进行融合，利用深度残差收缩网络进行回归训练，获得实时能耗、平均能耗、不同运行工况下的能耗，以评估整车能耗。
23、可选的，在当能耗偏差值在20%以上，判断能耗异常，并向电动汽车的管理平台反馈形成记录，同时提醒驾驶员的步骤之后，还包括步骤：
24、利用redis缓存机制，实现模型实时更新。
25、相应的，本申请还提供一种电子设备，包括存储器以及处理器，存储器用于存储可执行程序代码；处理器连接至所述存储器，通过读取所述可执行程序代码来运行与所述可执行程序代码对应的计算机程序，以执行前述基于数字孪生的能耗预测及异常检测方法中的步骤。
26、相应的，本申请还提供一种基于数字孪生的能耗预测及异常检测系统，其包括电子设备以及传感器组件，传感器组件包括电压传感器、电流传感器、温度传感器、坡度传感器、载荷传感器、速度传感器，所述传感器组件电连接至所述电子设备。
27、本申请提供一种基于数字孪生的能耗预测及异常检测方法以及系统，通过建立电动矿卡的数字孪生模型，实时模拟整车及电池的运行状态，通过孪生模型去分析与整车能耗强相关的八个因素：电池组总电流i、电池组总电压u、电芯温度t、soc、soh、车速v、坡度θ和整车质量m。与整车正常运行时的数据进行实时比对，以此来对整车能耗进行实时预测，进而对车辆能耗异常情况进行聚类，并用于剩余续航里程的预测。基于数字孪生的能耗预测及异常检测方法可以对电动矿卡整车能耗异常状态可以进行精准识别与诊断。同时不受限于外部环境、温度对电池bms的影响，可以对整车的实际能耗实时监测，降低运营成本。
28、利用对比分析法，对实时采集数据和数字孪生模型的预测数据进行比较，采用深度学习-深度残差收缩网络算法和规则，准确判断能耗异常的原因，确保准确诊断整车高能耗形成的原因。
29、基于数据采集系统获取的电动矿卡能耗数据信息，通过深度学习训练大数据样本获得能耗的模型，深度学习模型的训练方法、电动矿卡能耗相关性因素组合，确保可靠的预测和提示功能。
本文档来自技高网...【技术保护点】
1.一种基于数字孪生的能耗预测及异常检测方法，其特征在于，包括步骤：
2.根据权利要求1所述的基于数字孪生的能耗预测及异常检测方法，其特征在于，
3.根据权利要求1所述的基于数字孪生的能耗预测及异常检测方法，其特征在于，
4.根据权利要求1所述的基于数字孪生的能耗预测及异常检测方法，其特征在于，
5.根据权利要求1所述的基于数字孪生的能耗预测及异常检测方法，其特征在于，
6.一种电子设备，其特征在于，包括：
7.一种基于数字孪生的能耗预测及异常检测系统，其特征在于，包括：
【技术特征摘要】
1.一种基于数字孪生的能耗预测及异常检测方法，其特征在于，包括步骤：
2.根据权利要求1所述的基于数字孪生的能耗预测及异常检测方法，其特征在于，
3.根据权利要求1所述的基于数字孪生的能耗预测及异常检测方法，其特征在于，
4.根据权利要求...
【专利技术属性】
技术研发人员：曾庆福，陈志艺，郑明艺，郑晓东，阙忠源，郑复民，黄德荣，郑有志，
申请(专利权)人：福建省新华都工程有限责任公司，
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。