[發(fā)明專利]純電動乘用車續(xù)駛里程預測方法

有效

• 申請?zhí)枺?/td>: 201410019021.8
• 申請日: 2014-01-15
• 公開（公告）號: CN103745111B
• 公開（公告）日: 2017-06-16
• 發(fā)明（設計）人: 薛月菊;楊敬鋒;張南峰;李勇;黃曉琳;李鴻生
• 申請（專利權）人: 華南農業(yè)大學
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 廣州市華學知識產權代理有限公司44245
• 代理人: 楊曉松

1.純電動乘用車續(xù)駛里程預測方法，其特征在于，包括下述步驟：

S1、以路段能耗為基礎，純電動乘用車營運過程中所有影響因素作為聚類的維度，采用模糊聚類的方式進行建模；

以純電動乘用車能耗數(shù)據(jù)為對象的模糊聚類算法具體步驟如下：

選取隨機值ε＞0，選定并初始化聚類中心V⁽⁰⁾，使之具有能耗標識，令s＝0；V＝{v₁,v₂,…,v_c}，v_i為ω_i類的中心矢量，μ_i是正態(tài)分布的均值，即聚類中心，b是一個用來控制不同類別的混合程度的自由參數(shù)，即權值b∈(1,∞)；

第一步：確定參數(shù)b以及初始化模糊分類矩陣U⁽⁰⁾；

第二步：更新U^(s)為U^(s+1)；i＝1,…,c；j＝1,…,N，對于純電動乘用車能耗影響因素數(shù)據(jù)集X＝{x₁,x₂,…,x_N}，N為數(shù)據(jù)集中元素的個數(shù)，c是聚類中心數(shù)，并按進行迭代，并計算U^(s)時的是隸屬函數(shù)的參數(shù)向量；

第三步：以矩陣范數(shù)比較U^(s)和U^(s+1)，如果||U^(s)-U^(s+1)||＜ε，迭代停止；否則，s＝s+1，返回第二步；

S2、通過模糊聚類中心對路段之間的能耗及影響因素的能耗情況進行描述以及標識后，通過模糊時間序列分析算法對純電動乘用車能耗狀況進行建模；

S3、引進隸屬度權值矩陣，將觀測值在各模糊集上的隸屬度的值作為用模糊矩陣進行預測的權值，建立模糊時間序列模型，反映觀測值與各模糊子區(qū)間之間的聯(lián)系的同時，進行預測時候不再需要附加預測規(guī)則，從而實現(xiàn)預測的準確率的提升；

S4、對于路段能耗，根據(jù)實際觀測值與聚類中心的實際情況，按照正態(tài)分布算法，將能耗劃分為超高、較高、正常、較低、超低五個能耗狀態(tài)描述；

S5、路段能耗及其影響因素經過模糊聚類后，得到能耗聚類中心及其對應路段的實際行駛長度，結合經過模糊時間序列所推算的影響因素預測值，經過加權相似性匹配后，得到能耗匹配值，能耗匹配值與路段能耗權值運算最終得到加權能耗預測值；

S6、純電動乘用車營運續(xù)駛里程預測的方法是，在得到加權能耗預測值后，用剩余能耗值減去加權能耗預測值，得到預測剩余能耗值，再換算成續(xù)駛里程；

S7、在第n+1個路段中，如果預測剩余能耗值滿足最低能耗要求值的情況下，再對n+2個路段進行能耗預測，得到其加權能耗預測值后，以第n+1個路段的預測剩余能耗值減去第n+2個路段的預測剩余能耗值后再次與最低能耗要求值進行比較，直至路段的預測剩余能耗值少于或者等于最低能耗要求值結束算法。

2.根據(jù)權利要求1所述的純電動乘用車續(xù)駛里程預測方法，其特征在于，步驟S1之前，還包括步驟S0：建立能耗模型以及等級劃分，以已經規(guī)劃好的行駛線路為基礎，將線路按照路段進行劃分，每一個路段的線路長度、駕駛員駕駛模型、電流、電壓、路況均為影響路段能耗的因素；根據(jù)交通運行規(guī)律，以每周相同時間的行駛工況和影響能耗的因素為基礎、路段平均的能耗平均值為能耗參考，對純電動乘用車的能耗情況進行劃分。

3.根據(jù)權利要求1所述的純電動乘用車續(xù)駛里程預測方法，其特征在于，步驟S2中，路段能耗樣本中，標識屬性能耗數(shù)據(jù)、路網運行指標的影響因素、聚類中心樣本之間具有時間序列的特征，影響因素的時間序列特征直接影響了路段能耗值，進而對規(guī)劃線路的能耗分配構成直接影響，為此，建立基于路段樣本的時間序列模型，適合于建立續(xù)駛里程預測模型。

4.根據(jù)權利要求1所述的純電動乘用車續(xù)駛里程預測方法，其特征在于，步驟S4具體為：

設能耗論域U＝{u₁,u₂,…,u_n},n＝5，論域U的模糊集A_i可以表示為其中是模糊集A_i的隸屬函數(shù)，符號“+”表示連接符且u_k為模糊集A_i的一個元素，是元素u_k屬于模糊集A_i的隸屬度，且隸屬函數(shù)滿足