车辆能耗信息预测方法、计算机设备和存储介质与流程

本申请涉及车辆能耗预测领域，特别是涉及一种车辆能耗信息预测方法、计算机设备和存储介质。

背景技术：

1、以下陈述仅提供与本申请有关的背景信息，而不必然地构成现有技术。

2、电动汽车以车载电源为动力，用电机驱动车辆行驶，电动汽车的续航里程是整车控制的重要内容，驾驶员需要通过查看电动汽车仪表显示的续航里程进行出行计划，以避免电动汽车在行驶过程中因能源耗尽而停止。

3、传统的车辆单位能耗信息(如百公里能耗信息)是根据历史平均能耗值估算得出，然而，历史平均能耗值并不能准确地反映出车辆当前的能耗。

技术实现思路

1、本申请针对上述不足或缺点，提供了一种车辆能耗信息预测方法、计算机设备和存储介质，本申请实施例能够精准预测车辆在各种场景下的能耗信息。

2、本申请根据第一方面提供了一种车辆能耗信息预测方法，在一些实施例中，该方法包括：

3、采集目标车辆的当前能耗特征数据，从当前能耗特征数据中提取第一能耗特征数据和第二能耗特征数据；

4、将第一能耗特征数据输入基于bp神经网络训练得到的基准能耗预测模型，以预测得到基准能耗信息；

5、使用预先建立的静态修正模块对第二能耗特征数据进行处理，得到修正能耗信息；

6、根据修正能耗信息对基准能耗信息进行修正，得到目标车辆的能耗信息。

7、在一些实施例中，静态修正模块包括多个对应于不同车辆状态的修正子模块；

8、静态修正模块的建立过程，包括：

9、获取常规场景下的车辆测试数据和多种预设的特定场景下的车辆测试数据；

10、从常规场景下的车辆测试数据中提取每种车辆状态相关的车辆状态数据，得到每种车辆状态相关的对应于常规场景的车辆状态数据；

11、从每种特定场景下的车辆测试数据中提取每种车辆状态相关的车辆状态数据，得到每种车辆状态相关的对应于不同特定场景的多组车辆状态数据；

12、根据每种车辆状态相关的对应于常规场景的车辆状态数据和对应于不同特定场景的上述多组车辆状态数据建立对应的修改子模块。

13、在一些实施例中，车辆状态包括空调状态、底盘状态、驾驶风格、灯光状态、位置天气状态和载重状态；

14、静态修正模块包括空调状态修正子模块，底盘状态修正子模块、驾驶风格修正子模块、灯光状态修正子模块、位置天气修正子模块以及载重能耗修正子模块。

15、在一些实施例中，修正能耗信息包括各个修正子模块对应的修正信息；

16、使用预先建立的静态修正模块对第二能耗特征数据进行处理，得到修正能耗信息，包括：

17、从第二能耗特征数据中提取各种车辆状态相关的车辆状态数据；

18、使用各个修正子模块处理对应的车辆状态数据，得到各个修正子模块对应的修正信息；

19、根据修正能耗信息对基准能耗信息进行修正，得到目标车辆的能耗信息，包括：

20、根据各个修正子模块对应的修正信息对基准能耗信息进行修正，得到目标车辆的能耗信息。

21、在一些实施例中，基准能耗预测模型的训练过程，包括：

22、搭建bp神经网络；

23、设定多种标准工况，根据测试矩阵在各种标准工况下进行基准能耗测试，获得基准实测数据；

24、根据基准实测数据构建训练集；

25、使用训练集对bp神经网络进行训练，得到基准能耗预测模型。

26、在一些实施例中，根据基准实测数据构建训练集，包括：

27、根据基准实测数据构建多个对应于不同车辆配置的能耗图；

28、根据上述多个能耗图构建训练集。

29、在一些实施例中，根据基准实测数据构建多个对应于不同车辆配置的能耗图，包括：

30、对基准实测数据进行插值裂变处理；

31、使用插值裂变处理后的基准实测数据构建上述多个能耗图。

32、在一些实施例中，测试矩阵包括多条测试配置信息，每条测试配置信息包括驱动形式、电池种类、电池温度和环境温度；

33、根据测试矩阵在各种标准工况下进行基准能耗测试，包括：

34、根据测试矩阵包括的每条测试配置信息在各种标准工况下进行基准能耗测试。

35、本申请根据第二方面提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一实施例中提供的车辆能耗信息预测方法的步骤。

36、本申请根据第三方面提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任一实施例中提供的车辆能耗信息预测方法的步骤。

37、在本申请的上述实施例中，采集目标车辆的当前能耗特征数据，从当前能耗特征数据中提取第一能耗特征数据和第二能耗特征数据，然后将第一能耗特征数据输入基于bp神经网络训练得到的基准能耗预测模型，以预测得到基准能耗信息，接着使用预先建立的静态修正模块对第二能耗特征数据进行处理，得到修正能耗信息，最后根据修正能耗信息对基准能耗信息进行修正，得到目标车辆的能耗信息。本申请实施例利用车辆状态和环境信息等多种因素进行基准能耗预测以及静态能耗修正，从而获得车辆的能耗信息。此外，本实施例采用基准实测数据对bp神经网络进行训练，来预测车辆在恒定环境下的基础能耗，以及使用静态修正模块对bp神经网络的预测结果进行修正，能够实现对汽车状态和外界环境信息自适应的能耗预测，以及能够精准预测各种常规场景下的能耗信息。

技术特征：

1.一种车辆能耗信息预测方法，其特征在于，所述方法包括：

2.如权利要求1所述的方法，其特征在于，所述静态修正模块包括多个对应于不同车辆状态的修正子模块；

3.如权利要求2所述的方法，其特征在于，所述车辆状态包括空调状态、底盘状态、驾驶风格、灯光状态、位置天气状态和载重状态；

4.如权利要求2所述的方法，其特征在于，所述修正能耗信息包括各个所述修正子模块对应的修正信息；

5.如权利要求1所述的方法，其特征在于，所述基准能耗预测模型的训练过程，包括：

6.如权利要求5所述的方法，其特征在于，根据所述基准实测数据构建训练集，包括：

7.如权利要求6所述的方法，其特征在于，根据所述基准实测数据构建多个对应于不同车辆配置的能耗图，包括：

8.如权利要求5所述的方法，其特征在于，所述测试矩阵包括多条测试配置信息，每条所述测试配置信息包括驱动形式、电池种类、电池温度和环境温度；

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。

技术总结本申请涉及一种车辆能耗信息预测方法、计算机设备和存储介质。所述方法包括：采集目标车辆的当前能耗特征数据，从当前能耗特征数据中提取第一能耗特征数据和第二能耗特征数据；将第一能耗特征数据输入基于BP神经网络训练得到的基准能耗预测模型，以预测得到基准能耗信息；使用预先建立的静态修正模块对第二能耗特征数据进行处理，得到修正能耗信息；根据修正能耗信息对基准能耗信息进行修正，得到目标车辆的能耗信息。本申请实施例能够精准预测车辆在各种场景下的能耗信息。技术研发人员：周伟受保护的技术使用者：华人运通（山东）科技有限公司技术研发日：技术公布日：2024/7/4