[發明專利]一種基于時空協同的智能網聯汽車功率需求在線預測方法

有效

• 申請號: 202010170149.X
• 申請日: 2020-03-12
• 公開（公告）號: CN111325983B
• 公開（公告）日: 2021-01-15
• 發明（設計）人: 王躍飛;潘斌;王志;袁富林;馬偉麗;陳迪
• 申請（專利權）人: 合肥工業大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;H04W4/44
• 代理公司: 安徽省合肥新安專利代理有限責任公司 34101
• 代理人: 陸麗莉

1.一種基于時空協同的智能網聯汽車功率需求在線預測方法，其特征是按如下步驟進行：

步驟1、建立空間路段的特征參數空間矩陣；

在智能網聯環境下，按空間距離將M組目標行程中的每組目標行程均劃分為n個空間路段，并通過V2I通信提取目標車輛在M組目標行程下的典型時刻t₀的車輛特征信息，則任意第i組目標行程下的車輛特征信息所構成的特征參數空間矩陣為X_i＝(X_i1,...,X_ik,...,X_in)，其中，X_ik表示第i組目標行程下的第k個空間路段到第n個空間路段之間的n-k+1個空間路段所構成的特征參數空間矩陣，并有：X_ik＝[x_ik,x_i(k+1),…,x_in]，其中，x_ik＝(s_ik,a_ik,v_ik,θ_ik,d_ik)^T為第i組目標行程下的第k個空間路段的特征參數空間向量，s_ik為第i組目標行程下的第k個空間路段的車輛所在的位置，a_ik為第i組目標行程下的第k個空間路段的車輛加速度，v_ik為第i組目標行程下的第k個空間路段的車輛速度，θ_ik為第i組目標行程下的第k個空間路段的道路坡度，d_ik為第i組目標行程下的第k個空間路段的車輛之間的距離，1≤i≤M,1≤k≤n；

定義目標車輛在第i組目標行程下的n個空間路段的實際需求功率向量P_i＝(P_i1,P_i2,...,P_ik,...,P_in)，其中，P_ik表示目標車輛在第i組目標行程下的第k個空間路段的實際需求功率；

步驟2、構建特征參數重組模型；

步驟2.1、定義特征參數重組模型；

定義所述特征參數重組模型由輸入層、重組層、特征輸出層、功率輸出層組成；

定義所述輸入層由n-k+1個節點組成，所述重組層由n-k+1個節點組成，其中每個節點均由特征系數δ和偏移值λ組成，所述特征輸出層由1個節點組成，所述功率輸出層由1個節點組成；

定義第i組目標行程下的第k個空間路段的輸入層中由n-k+1個節點所組成的特征參數空間矩陣X′_ik＝[x′_i1,x′_i2,…,x′_ij,...,x′_i(n-k+1)]，其中分別表示第i組目標行程下的第k個空間路段的輸入層中第1個節點、第2個節點以及到第n-k+1個節點所對應的特征參數空間向量；

定義第i組目標行程下的第k個空間路段的重組層中由n-k+1個節點所組成的節點矩陣其中，分別是第i組目標行程下的第k個空間路段的重組層中第j個節點的特征系數和偏移值；

定義第i組目標行程下的第k個空間路段的重組層中n-k+1個節點所對應的節點輸出值矩陣Y_ik＝[y_i1,y_i2,...,y_ij,...,y_i(n-k+1)]，其中，y_ij是第i組目標行程下的第k個空間路段的重組層中第j個節點所對應的節點輸出值；

步驟2.2、初始化i＝1；

步驟2.3、初始化k＝1；

步驟2.4、利用式(1)和式(2)計算第i組目標行程下的第k個空間路段的重組層中第j個節點的加權關聯系數γ_ij和加權比率ξ_ij；

步驟2.5、確定第i組目標行程下的重組層節點矩陣集合；

步驟2.5.1、利用式(3)計算第i組目標行程下的第k個空間路段的重組層中第j個節點所對應的節點輸出值y_ij，從而得到第i組目標行程下的第k個空間路段的重組層中n-k+1個節點所對應的節點輸出值矩陣Y_ik＝[y_i1,y_i2,...,y_ij,...,y_i(n-k+1)]；

式(3)中，表示第i組目標行程下的第k個空間路段的輸入層中n-k+1個節點所對應的特征參數空間向量和；

步驟2.5.2、利用式(4)計算第i組目標行程下第k個空間路段的變量加權重組函數J_ik(δ,λ)；

步驟2.5.3、定義J_ik(δ,λ)的上限為ε，若J_ik(δ,λ)≤ε時，則第i組目標行程下的第k個空間路段的重組層中第j個節點的特征系數和偏移值保持不變，并順序執行步驟2.5.4；

若J_ik(δ,λ)＞ε時，則利用式(5)修正得到第i組目標行程下的第k個空間路段的重組層中第j個節點的特征系數和偏移值并分別賦值給和然后執行步驟2.5.1；

式(5)中，μ，ν是修正率；

步驟2.5.4、將k+1賦值k后，判斷k＞n是否成立，若成立，則表示得到第i組目標行程下n個空間路段的重組層節點矩陣集合χ_i＝[χ_i1,χ_i2,...,χ_ik,...,χ_in]，其中表示第i組目標行程下的第k個空間路段的重組層中由n-k+1個節點所組成的節點矩陣，并有：分別是第i組目標行程下的第k個空間路段的重組層中第j個節點的特征系數和偏移值；否則，返回步驟2.4；

步驟2.6、利用式(6)計算目標車輛在第i組目標行程下的第k個空間路段的特征參數重組矩陣T_ik，從而得到目標車輛在第i組目標行程下的n個空間路段的特征參數重組矩陣集合T_i＝(T_i1,T_i2,...,T_ik,...,T_in)；

步驟2.7、利用式(7)計算目標車輛在第i組目標行程下的第k個空間路段的功率需求P′_ik，從而得到目標車輛在第i組目標行程下的n個空間路段的功率需求向量P_i′＝(P′_i1,P′_i2,...,P′_ik,...,P′_in)；

式(7)中，m為目標車輛的質量，是特征參數重組矩陣T_ik中的道路坡度向量，為特征參數重組矩陣T_ik中的行駛速度向量，為特征參數重組矩陣T_ik中阻力向量，為特征參數重組矩陣T_ik中的滾動阻力系數向量，為特征參數重組矩陣T_ik中的加速度向量；

步驟2.8、利用式(8)計算目標車輛在第i組目標行程下的n個空間路段的功率偏差值E(P_i,P_i′)；

步驟2.9、定義E(P_i,P_i′)的上限為σ，若E(P_i,P_i′)≤σ時，則執行步驟2.10；

若E(P_i,P_i′)＞σ時，則利用式(9)修正得到第i組目標行程下第k個空間路段的重組層中第j個節點的特征系數和偏移值并分別賦值給和然后執行步驟2.6；

式(9)中，μ′，ν′是修正率；

步驟2.10、將i+1賦值給i后，判斷i＞M是否成立，若成立，則將第M組目標行程下n個空間路段的節點矩陣集合χ_M＝[χ_Μ1,χ_M2,...,χ_Mk,...,χ_Mn]作為最優節點矩陣集合，其中，表示第M組目標行程下第k個空間路段的重組層中由n-k+1個節點所組成的節點矩陣，并有：分別是第M組目標行程下第k個空間路段的重組層中第j個節點的特征系數和偏移值；否則，返回步驟2.4；

步驟3、利用式(10)計算在φ時刻下第k個空間路段的時間偏差系數α_φk，從而得到φ時刻下n個空間路段的時間偏差系數矩陣

式(10)中，φ為目標車輛進入目標路程之前的時刻，t₀為目標車輛在目標行程中行駛的典型時刻，L為目標行程的路段長度，n為將目標行程劃分為空間路段的數量，為目標車輛在空間路段j的行駛速度，w為目標車輛在t₀時刻的發動機轉速，為目標車輛從第1個空間路段到第k個空間路段行駛的時間；

步驟4、利用式(11)計算目標車輛在A_φ下n個空間路段的最終功率需求列向量P_φ＝(P_φ1,P_φ2,...,P_φk,...,P_φn)^T；

P_φ＝A_φ×P′ (11)

式(11)中，P′＝(P₁′,P₂′,...,P′_k,...,P′_n)^T為特征參數重組模型預測的目標車輛在n個空間路段的功率需求列向量，A_φ為φ時刻下n個空間路段的時間偏差系數矩陣，T表示向量的轉置；

步驟5、在實際目標行程中，目標車輛提前通過V2I通信獲取當前時刻下目標行程中的n個空間路段的車輛行駛信息，并構成空間路段的特征參數空間矩陣，然后利用步驟2確定的最優節點矩陣集合，分別代入式(6)計算n個空間路段的特征參數重組矩陣集合，再利用式(7)得到由特征參數重組模型預測的n個空間路段的功率需求向量，然后利用式(10)得到n個空間路段的時間偏差系數矩陣，最后利用式(11)計算目標車輛在n個空間路段最終的功率需求向量。