[發明專利]氫能源助力自行車日使用量和故障情況的預測方法

在審

• 申請號: 201910248401.1
• 申請日: 2019-03-29
• 公開（公告）號: CN109872014A
• 公開（公告）日: 2019-06-11
• 發明（設計）人: 陶安平;江冰;苗紅霞;李鑫
• 申請（專利權）人: 永安行科技股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/02
• 代理公司: 常州易瑞智新專利代理事務所(普通合伙) 32338
• 代理人: 徐琳淞

本發明公開了一種氫能源助力自行車日使用量和故障情況的預測方法，包括以下步驟：S1，將氫能源助力自行車的各種數據存入大數據存儲系統中；S2，建立大數據計算框架；S3，從大數據存儲系統中提取各種數據；S4，在步驟二建立的大數據計算框架下運行循環神經網絡算法，得到氫能源助力自行車的日使用量和故障情況的預測結果；S5，將氫能源助力自行車的日使用量和故障情況的預測結果保存到數據倉庫中。本發明實現了對氫能源助力自行車日使用量和故障情況進行預測，有利于實現系統合理站點組網、有效調度，使得氫能源助力自行車系統真正以數據為依托、以服務為根本健康發展，同時可為政府對交通路線的定制等提供決策。

技術領域

本發明涉及氫能源助力自行車日使用量和故障情況的預測方法，特別涉及一種基于大數據的氫能源助力自行車日使用量和故障情況的預測方法。

背景技術

氫燃料電池是一種使用氫氣作為燃料，通過與氧氣的化學反應而產生電能的裝置，氫能源作為最潔凈的新型能源，電轉化效率高，不需長時間地充電，其副產物只有水，因此發展氫能源助力自行車系統成為了城市公共交通的一種新趨勢。

在實際氫能源助力自行車系統運營中，對氫能源助力自行車每日使用量和故障情況的預測決定著每日需要投入多少輛氫能源助力自行車才能保障系統的正常運行，對氫能源助力自行車每日使用量和故障情況的預測直接影響到系統調度工作的進行。

發明內容

本發明的目的是提供一種基于大數據的氫能源助力自行車日使用量和故障情況的預測方法。

實現本發明目的的技術方案是：氫能源助力自行車日使用量和故障情況的預測方法，包括以下步驟：

S1，將氫能源助力自行車的各種數據存入大數據存儲系統中；

S2，建立大數據計算框架；

S3，從大數據存儲系統中提取各種數據；

S4，在步驟二建立的大數據計算框架下運行循環神經網絡算法，得到氫能源助力自行車的日使用量和故障情況的預測結果；

S5，將氫能源助力自行車的日使用量和故障情況的預測結果保存到數據倉庫中。

所述步驟S1中的氫能源助力自行車的各種數據包括實時采集的數據和固有數據。實時采集的數據包括氫燃料電池電堆的氣體流量數據、儲氫罐的氫氣量數據和氫燃料電池電堆溫度數據。固有數據包括電機的輸出功率數據。氫燃料電池電堆的氣體流量數據、儲氫罐的氫氣量數據和氫燃料電池電堆溫度數據分別通過設置在氫能源助力自行車上的電堆氣壓傳感器、儲氫罐氣壓傳感器、溫度傳感器分別實時采集。

所述步驟S1中的大數據存儲系統采用分布式存儲系統。

所述步驟S2中的大數據計算框架采用MapReduce并行計算框架。

所述步驟S4具體包括以下步驟：

S4.1，對提取的數據進行采樣；

S4.2，確定循環神經網絡模型具體結構，包括隱層數目與每層神經元個數，并搭建好循環神經網絡模型；

S4.3，使用搭建好的循環神經網絡模型進行車輛使用和故障檢測，為訓練樣本數據貼上標簽；

S4.4，通過使用貼上標簽后的訓練樣本數據輸入循環神經網絡模型對循環神經網絡模型進行訓練，使循環神經網絡模型自動調整模型參數，將訓練完成后的循環神經網絡模型作為預測模型；

S4.5，將步驟S3提取的氫能源助力自行車的各種數據作為輸入數據，輸入預測模型中，通過預測模型對輸入數據進行測試，最終得到氫能源助力自行車日使用量和故障情況的預測結果。

所述步驟S4.2搭建的循環神經網絡模型具有1個輸入層，4個隱含層和1個輸出層，每個隱含層中包含的神經元個數為10個。