申请/专利权人：北京理工大学重庆创新中心

申请日：2022-03-16

公开（公告）日：2024-03-29

公开（公告）号：CN114722487B

主分类号：G06F30/15

分类号：G06F30/15;G06F30/27;G06F18/214;G06F18/2431;G06N20/20;G06F111/08;G06F119/12

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2022.07.26#实质审查的生效;2022.07.08#公开

摘要：本发明提供一种基于大数据的新能源汽车车型参数预测估计方法，主要预测的指标有车型的续航里程、百公里能耗、充电充满时长；本发明采用了车联网平台计算得到的海量车型运行的动态数据，通过数据切分、清洗及特征工程等方法，获得车型参数的特征向量，将车型特征向量作为机器学习模型训练数据，通过大规模数据集与机器学习模型训练使模型学习到车型参数的固有特征，并对未知车型、未知工况提供预测估计。

主权项：1.一种基于大数据的新能源汽车车型参数预测估计方法，其特征在于，包括：从车联网大数据平台获取各新能源汽车的数据样本，包括每辆新能源汽车的静态参数信息和动态参数信息；其中，静态参数信息包括汽车质量W、最大功率Pmax、车辆理论续航DNEDC、最大允许充电功率Pmax-p、动力电池容量V；动态参数信息包括历史运行时长Ti、历史行驶距离Di、慢充次数ni-sc、快充次数ni-fc、每次慢充充电电量Ei-sc、每次快充充电电量Ei-fc；对所述数据样本采用数据清洗方法，清洗掉异常数据，然后按照如下维度对清洗后的数据样本进行分组：各个车型、各个城市、各种温度条件、各个历史使用时长、各个历史行驶里程；基于分组情况以及数据样本，生成特征向量，然后将特征向量作为机器学习模型的输入特征参数，以该车型的平均满电续航Dmi、平均百公里能耗Ei-100以及平均充电充满时长Tci作为训练标签，以进行模型训练；采用预设指标评估模型的精度，选择最优模型参数，得到目标预测模型；获取待测车型的静态参数信息和动态参数信息，输入所述目标预测模型，输出得到所述待测车型的满电续航预测值、百公里能耗预测值以及充电充满时长预测值。

全文数据：

权利要求：

百度查询： 北京理工大学重庆创新中心 一种基于大数据的新能源汽车车型参数预测估计方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD