[发明专利]一种电动汽车能耗预测方法及系统

权利要求书

1.一种电动汽车能耗预测方法，其特征在于，包括：

获取电动汽车的历史行驶数据，根据年标签、月标签和日标签将车辆连续的历史实际行驶数据分割为片段数据，然后将一天内行驶里程在600公里以上或1公里以下的数据删除，通过机器学习方法检测大量、连续缺失或异常数据的行驶片段并删除，得到有效的历史行驶数据；

对所述历史行驶数据进行分割处理，得到行程片段数据和动力学片段数据；所述行程片段数据包括所述电动汽车在行驶过程中的历史行驶数据，所述动力学片段数据包括所述电动汽车在恒定速度行驶或加速度行驶的过程中的历史行驶数据；

利用所述动力学片段数据和马尔可夫-蒙特卡洛方法对所述电动汽车进行工况预测，得到所述电动汽车的工况预测数据，具体包括：

利用所述动力学片段数据中的平均速度，对所述动力学片段数据中不同的行驶状态添加行驶状态标记；

利用所述动力学片段数据的时间顺序和所述行驶状态标记，计算得到所述电动汽车的行驶状态转移概率矩阵，具体包括：

利用所述动力学片段数据的时间顺序，根据公式计算所述电动汽车的行驶状态从行驶状态标记i转移至行驶状态标记j的转移概率；式中，p_ij表示转移概率；N_ij表示从行驶状态标记i转移至行驶状态标记j的事件数；

利用所有所述行驶状态标记之间的转移概率确定所述电动汽车的行驶状态转移概率矩阵；

利用蒙特卡洛模拟方法、所述行驶状态转移概率矩阵和所述行驶状态标记对所述电动汽车进行工况预测，得到所述电动汽车的工况预测数据，具体包括：

利用蒙特卡洛模拟方法和所述行驶状态转移概率矩阵确定所述电动汽车的下一时刻行驶状态标记；

确定所述动力学片段数据中与所述下一时刻行驶状态标记相同的历史行驶数据，得到预测行驶工况数据；

获取所述电动汽车的当前行驶工况和目的地里程长度；

按照时间顺序将所述预测行驶工况数据与所述当前行驶工况进行拼接，得到所述电动汽车的工况预测数据；

获取所述工况预测数据的里程长度；

判断所述工况预测数据的里程长度是否小于所述目的地里程长度，得到第一判断结果；

若所述第一判断结果为是，则返回“利用蒙特卡洛模拟方法和所述行驶状态转移概率矩阵确定所述电动汽车的下一时刻行驶状态标记”，更新所述工况预测数据；

获取所述行程片段数据的行驶特征参数和能耗数据；

将所述行程片段数据的行驶特征参数作为输入，所述能耗数据作为输出，利用机器学习方法建立能耗预测模型；

获取所述工况预测数据的行驶特征参数；

将所述工况预测数据的行驶特征参数输入建立的能耗预测模型，得到能耗预测值。

2.根据权利要求1所述的电动汽车能耗预测方法，其特征在于，所述将所述行程片段数据的行驶特征参数作为输入，所述能耗数据作为输出，利用机器学习方法建立能耗预测模型，具体包括：

采用K折交叉验证方法和极端梯度提升算法对所述行程片段数据的行驶特征参数和所述能耗数据进行训练，得到能耗预测初始模型；

采用网格搜索方法对所述能耗预测初始模型的超参数进行优化，得到能耗预测模型。