[发明专利]一种数据驱动的快速全局SOC规划方法

权利要求书

1.一种数据驱动的快速全局SOC规划方法，其特征在于，包括以下步骤：

步骤1)，通过模拟导航随机生成行程，然后生成该行程的行程交通信息，在此基础上结合预设的历史驾驶数据生成该行程的详细工况；

所述行程被导航划分为N个行程分段；行程的行程交通信息为N*4的矩阵，包含N个行程分段的属性；所述行程分段的属性包含距离、预计通过时间、工况类别、交通状况等级信息，其中，所述距离为行程分段的距离长度数值，为行程分段起始点到终点之间的道路距离；所述预计通过时间为导航预估车辆通过行程分段的时间；所述工况类别包含高速工况、城郊工况、城市工况；所述交通状况等级包含通畅、轻度拥堵、严重拥堵；

步骤2)，结合当前SOC值采用动态规划算法求详细工况的SOC最优解，以当前SOC值和行程交通信息为输入、SOC最优解为输出记录为一组训练数据；

步骤3)，重复步骤1)至步骤2)M_max次，得到M_max组训练数据，M_max为预设的阈值；

步骤4)，构建基于神经网络的快速全局SOC规划模型；

步骤5)，通过M_max组训练数据对快速全局SOC规划模型进行训练，得到训练后的快速全局SOC规划模型；

步骤6)，需要对车辆进行SOC规划时，将车辆当前SOC值和导航提供的行程交通信息输入训练后的快速全局SOC规划模型，即能得到规划的SOC。

2.根据权利要求1所述的一种数据驱动的快速全局SOC规划方法，其特征在于，所述步骤1)详细描述如下：

步骤1.1)，通过模拟导航随机生成行程，然后生成该行程的行程交通信息；

步骤1.2)，采用区间约束法对每个行程分段的行程交通信息进行有效性判断，所述区间为预设的距离区间和预设的平均车速区间，若存在无效的行程分段则跳转执行步骤1.1)；

步骤1.3)，采用状态切换约束法对行程的行程交通信息进行有效性判断，所述约束为预设的允许状态切换的最小距离阈值，若行程无效则跳转执行步骤1.1)；

步骤1.4)，将预设的历史驾驶数据按照工况类别和交通状况等级的组合划分为9组分组数据；

步骤1.5)，生成每个行程分段的详细工况，对于每个行程分段：

步骤1.5.1)，在9组分组数据中找到和行程分段的工况类别、交通状况等级均相同的分组数据，从中随机截取与行程分段的预计通过时间相等的一段数据作为行程分段的预备详细工况；

步骤1.5.2)，计算行程分段预备详细工况中距离和行程分段属性中距离的误差，并将该误差和预设的距离误差阈值进行比较，当该误差小于等于预设的距离误差阈值时，将行程分段的预备详细工况作为行程分段的详细工况，否则跳转执行步骤1.5.1)；

步骤1.6)，对各个行程分段的详细工况按次序进行连接并平滑处理，形成行程的详细工况。

3.根据权利要求2所述的一种数据驱动的快速全局SOC规划方法，其特征在于，所述步骤2)的动态规划算法中逆向求解过程的目标函数为：

式中，J为优化目标，N为详细工况的离散数，m_f为油耗目标函数，G为档位切换惩罚函数，M为模式切换惩罚函数，x(i)为状态变量，一般为SOC，u(i)为控制变量，可根据实际问题调整，当控制变量不包含档位与模式时，G、M为空，γ为SOC惩罚系数，为较大的正值，SOC_N为末状态的SOC值，SOC_f为末状态SOC目标值。

4.根据权利要求3所述的一种数据驱动的快速全局SOC规划方法，其特征在于，所述步骤4)中的神经网络为输出正向传播、误差反向传播的模型，即BP-NN；

所述BP-NN的输入层神经元个数为5，分别对应当前SOC值、距离、预计通过时间、工况类别、交通状况等级；

所述BP-NN的输出层神经元个数为1，为规划的SOC向量；

所述BP-NN的隐含层层数为1，神经元的个数依据经验公式得到取值范围并根据实际情况调整，所述经验公式为式中，m为隐含层神经元个数，n为输入层神经元个数，l为输出层神经元个数，α为1～10之间的常数。

5.根据权利要求4所述的一种数据驱动的快速全局SOC规划方法，其特征在于，所述步骤5)的快速全局SOC规划模型，即BP-NN的训练过程具体包含以下步骤：

步骤5.1)，将训练数据标准化，所述数据标准化方法为：

式中，x、分别为标准化前、后的数据，x_std分别为原始数据的均值、标准差；

步骤5.2)，初始化BP-NN的参数；

步骤5.3)，对输入参数正向计算得到输出，并计算与输入参数对应输出的误差；

步骤5.4)，误差小于预先设定的误差阈值时，训练结束；否则依据计算的误差反向调整BP-NN的参数并跳回步骤5.3)。