[发明专利]基于深度学习的电动汽车续航里程预测方法、设备及介质

说明书

本发明属于基于深度学习的电动汽车续航里程预测方法，采集待预测电动汽车的历史基础数据，并对所述历史基础数据进行分类；对分类后的历史基础数据进行数据清洗，以得到历史清洗数据；构建深度神经网络模型；以所述历史清洗数据作为训练数据，使用深度学习框架训练所述深度神经网络模型；获取待预测电动汽车最新的若干条基础数据；将若干条基础数据输入到训练好的深度神经网络模型，得到若干个续航里程预测结果；利用预设的预测公式对所述若干个续航里程预测结果进行预测，得到预测电动汽车的续航里程。该方法采用为每辆车使用单独的深度神经网络模型，能最大程度提高每辆车的续航里程预测的准确性。

技术领域

本发明属于电动汽车技术领域，具体涉及基于深度学习的电动汽车续航里程预测方法、设备及介质。

背景技术

电动汽车具有广阔的市场前景，但是目前电动汽车的续航里程普遍比传统燃油车短。同时，电动汽车的蓄电池还受多种因素影响。比如在同样的剩余电量下，冬季时电动汽车的行驶里程普遍短于夏季。因此，当汽车剩余电量不多时，更精确的预测电动汽车可行驶里程，有助于增加驾驶人员顺利把车开到目的地的信心，提升用户的驾驶体验。

但是现有的电动汽车行驶里程预测方法主要通过数学建模的方式，通过提出合理的假设去简化数据的内在规律，估算精度低，准确度差。

发明内容

针对现有技术中的缺陷，本发明提供了基于深度学习的电动汽车续航里程预测方法、设备及介质，提高电动汽车续航里程预测的准确性。

第一方面，一种基于深度学习的电动汽车续航里程预测方法，包括以下步骤：

采集待预测电动汽车的历史基础数据，并对所述历史基础数据进行分类；

对分类后的历史基础数据进行数据清洗，以得到历史清洗数据；

构建深度神经网络模型；

以所述历史清洗数据作为训练数据，使用深度学习框架训练所述深度神经网络模型；

获取待预测电动汽车最新的若干条基础数据；

将若干条基础数据输入到训练好的深度神经网络模型，得到若干个续航里程预测结果；

利用预设的预测公式对所述若干个续航里程预测结果进行预测，得到预测电动汽车的续航里程。

优选地，所述待预测电动汽车的基础数据包括以下一种或几种数据的组合：电动汽车运动数据、电池数据、电机数据、电机控制器数据和环境数据；

其中，电动汽车运动数据包括以下一种或几种数据的组合：运行模式、车速、行驶里程、加速踏板行程、制动踏板行程、档位、空调状态、充电状态、车辆状态和制动力；

电池数据包括以下一种或几种数据的组合：电池包总电压、电池包总电流、单体电池电压、单体电池电流、电池包中监测点温度和SOC；

电机数据包括以下一种或几种数据的组合：电机的转速、电机的转矩和电机的温度；

电机控制器数据包括以下一种或几种数据的组合：电机控制器输入电压、电机控制器直流母线电流和电机控制器温度；

环境数据包括以下一种或几种数据的组合：车外的温度、车辆所处位置的经纬度和海拔高度。

优选地，所述对所述历史基础数据进行分类具体包括：

将所述历史基础数据分为两类：分类变量和连续变量；

其中，分类变量包含运行模式、档位、空调状态、充电状态、SOC、车辆状态和制动力；