【技術實現步驟摘要】
本專利技術涉及氫燃料電池車輛，尤其是涉及一種基于車聯網云平臺的氫燃料電池車輛的能耗分析方法。
技術介紹
1、隨著氫燃料電池車輛(hfcv)的推廣應用，其在商用車中的廣泛應用面臨氫氣消耗成本高的問題。如何在車輛運行過程中有效管理氫能耗是當前亟待解決的技術挑戰。
2、現有氫燃料電池車的能耗管理技術主要依賴車輛內部傳感器系統采集數據，分析工作則通常是在車輛運行后進行離線數據處理，缺乏實時性和智能優化的手段，無法有效結合外部環境(如路況、天氣)的變化進行調整。因此，能耗優化效果有限，無法充分提升車輛運行的能效。
技術實現思路
1、鑒于以上現有技術的不足，本專利技術提供了一種基于車聯網云平臺的氫燃料電池車輛的能耗分析方法，不僅解決現有技術中能耗數據采集不及時、分析不全面、缺乏智能化優化的難題，而且實現對氫能耗的實時分析與優化，減少氫氣消耗，提高車輛運行效率。
2、為了實現上述目的及其他相關目的，本專利技術提供的技術方案如下：一種基于車聯網云平臺的氫燃料電池車輛的能耗分析方法，所述方法包括：
3、u1.車輛行駛在道路上，實時采集車輛的狀態參數的數據信息、外部環境參數的數據信息和駕駛行為參數的數據信息，并獲取車輛歷史運行能耗參數的數據信息；
4、u2.基于所述車輛的狀態參數的數據信息、外部環境參數的數據信息和駕駛行為參數的數據信息，構建車輛的氫氣消耗量預測模型，并輸入所述車輛歷史運行能耗參數的數據信息對模型的參數進行優化，得到優化后的車輛的氫氣消耗
5、u3.基于所述優化后的車輛的氫氣消耗量預測模型，輸入車輛的狀態參數的數據信息、外部環境參數的數據信息和駕駛行為參數的數據信息，對車輛的氫氣消耗量進行預測，得到預測后的車輛的氫氣消耗量數據信息；
6、u4.基于所述預測后的車輛的氫氣消耗量數據信息，采用融合隨機森林的遺傳優化算法對車輛的氫氣消耗量進行優化，得到優化后的車輛的氫氣消耗量數據信息。
7、進一步的，在步驟u2中，所述構建車輛的氫氣消耗預測模型包括：
8、u211.基于所述車輛的狀態參數的數據信息、外部環境參數的數據信息和駕駛行為參數的數據信息，進行去重、去噪和異常值處理，并進行結構化統一處理，得到處理后的車輛的狀態參數的數據信息、外部環境參數的數據信息和駕駛行為參數的數據信息；
9、u212.基于所述處理后的車輛的狀態參數的數據信息、外部環境參數的數據信息和駕駛行為參數的數據信息，建立車輛的氫氣消耗量預測函數eh(t),
10、eh(t)＝α·p(t)+β·f(t)+γ·w(t)+δ·l(t)+ε，
11、其中，eh(t)為t時刻的氫氣的消耗量，p(t)為時刻t的燃燒電池的輸出功率，f(t)為時刻t的處理后的車輛的狀態參數的數據信息，w(t)為時刻t的處理后的外部環境參數的數據信息，l(t)為時刻t的處理后的駕駛行為參數的數據信息，α、β、γ和δ為回歸系數，ε為誤差項；
12、u213.基于所述車輛的氫氣消耗量預測函數eh(t)，對車輛的氫氣消耗量進行預測，得到預測后的車輛的氫氣消耗量數據信息。
13、進一步的，所述時刻t的燃燒電池的輸出功率p(t)為，
14、
15、其中，f(t)為時刻t的處理后的車輛的狀態參數的數據信息，w(t)為時刻t的處理后的外部環境參數的數據信息，l(t)為時刻t的處理后的駕駛行為參數的數據信息。
16、進一步的，所述回歸系數α、β、γ和δ的約束條件為，
17、
18、進一步的，所述誤差項ε為，
19、
20、其中，p(t)為時刻t的燃燒電池的的輸出功率，f(t)為時刻t的處理后的車輛的狀態參數的數據信息，w(t)為時刻t的處理后的外部環境參數的數據信息，l(t)為時刻t的處理后的駕駛行為參數的數據信息。
21、進一步的，在步驟u2中，所述輸入車輛歷史運行能耗參數的數據信息對模型的參數進行優化包括：
22、u221.基于所述車輛的氫氣消耗量預測模型，提取模型參數，得到車輛的氫氣消耗量預測模型的模型參數數據信息；
23、u222.基于所述車輛的氫氣消耗量預測模型的模型參數數據信息和所述車輛歷史運行能耗參數的數據信息，建立模型參數優化函數q，
24、
25、其中，x為車輛的氫氣消耗量預測模型的模型參數數據信息，y為車輛歷史運行能耗參數的數據信息，η1、η2和η3為車輛能耗損失的目標優化因子；
26、u223.基于所述模型參數優化函數q，對模型的參數進行優化，得到優化后的車輛的氫氣消耗量預測模型。
27、進一步的，所述車輛的狀態參數的數據信息包括車速的參數數據信息、氫氣消耗量的參數數據信息和燃料電池溫度的參數數據信息，所述外部環境參數的數據信息包括車速的參數數據、氫氣消耗量的參數數據信息和燃料電池溫度的參數數據信息，所述駕駛行為參數的數據信息包括加速度的參數數據信息、剎車次數的參數數據信息和轉彎半徑的參數數據信息。
28、進一步的，在步驟u4中，所述采用融合隨機森林的遺傳優化算法對車輛的氫氣消耗量進行優化包括：
29、u41.基于所述預測后的車輛的氫氣消耗量數據信息，構建車輛的氫氣消耗量的決策樹函數r，
30、
31、其中，z為預測后的車輛的氫氣消耗量數據信息，ρ1、ρ2和ρ3為車輛的氫氣消耗量的基尼指數因子，對車輛的氫氣消耗量數據進行特征提取，得到車輛的氫氣消耗量的特征數據信息；
32、u42.基于所述車輛的氫氣消耗量的特征數據信息，對遺傳種群的參數進行初始化，確定最大迭代次數，得到初始化后的遺傳種群的數據信息；
33、u43.基于所述初始化后的遺傳種群的數據信息，建立種群個體的適應度函數g，
34、
35、其中，r為初始化后的遺傳種群的數據信息，σ1、σ2和σ3為遺傳種群個體的適應度決定因子，對種群個體的適應度值進行推算，得到種群個體的適應度值數據信息；
36、u44.基于所述種群個體的適應度值數據信息，建立目標優化函數h，
37、
38、其中，g為種群個體的適應度值數據信息，ω1、ω2和ω3為優化因子，對車輛的氫氣消耗量進行優化，得到優化后的車輛的氫氣消耗量數據信息。
39、進一步的，所述優化因子ω1、ω2和ω3的約束函數f為，
40、
41、其中，約束函數f的取值范圍為(3,4)。
42、進一步的，所述遺傳種群個體的適應度決定因子σ1、σ2和σ3為，
43、
44、其中，r為初始化后的遺傳種群的數據信息。
45、本專利技術具有以下積極效果：
46、1.本專利技術通過構建車輛的氫氣消耗量預測模型，并輸入所述車輛歷史運行能耗參數的數據信息對模型的參數進行優化本文檔來自技高網...
【技術保護點】
1.一種基于車聯網云平臺的氫燃料電池車輛的能耗分析方法，其特征在于，所述方法包括：
2.根據權利要求1所述的基于車聯網云平臺的氫燃料電池車輛的能耗分析方法，其特征在于，在步驟U2中，所述構建車輛的氫氣消耗預測模型包括：
3.根據權利要求2所述的基于車聯網云平臺的氫燃料電池車輛的能耗分析方法，其特征在于：所述時刻t的燃燒電池的輸出功率P(t)為，
4.根據權利要求2所述的基于車聯網云平臺的氫燃料電池車輛的能耗分析方法，其特征在于：所述回歸系數α、β、γ和δ的約束條件為，
5.根據權利要求2所述的基于車聯網云平臺的氫燃料電池車輛的能耗分析方法，其特征在于：所述誤差項ε為，
6.根據權利要求1所述的基于車聯網云平臺的氫燃料電池車輛的能耗分析方法，其特征在于，在步驟U2中，所述輸入車輛歷史運行能耗參數的數據信息對模型的參數進行優化包括：
7.根據權利要求1所述的基于車聯網云平臺的氫燃料電池車輛的能耗分析方法，其特征在于：所述車輛的狀態參數的數據信息包括車速的參數數據信息、氫氣消耗量的參數數據信息和燃料電池溫度的參數數
8.根據權利要求1所述的基于車聯網云平臺的氫燃料電池車輛的能耗分析方法，其特征在于，在步驟U4中，所述采用融合隨機森林的遺傳優化算法對車輛的氫氣消耗量進行優化包括：
9.根據權利要求8所述的基于車聯網云平臺的氫燃料電池車輛的能耗分析方法，其特征在于：所述優化因子ω1、ω2和ω3的約束函數f為，
10.根據權利要求8所述的基于車聯網云平臺的氫燃料電池車輛的能耗分析方法，其特征在于：所述遺傳種群個體的適應度決定因子σ1、σ2和σ3為，
...【技術特征摘要】
1.一種基于車聯網云平臺的氫燃料電池車輛的能耗分析方法，其特征在于，所述方法包括：
2.根據權利要求1所述的基于車聯網云平臺的氫燃料電池車輛的能耗分析方法，其特征在于，在步驟u2中，所述構建車輛的氫氣消耗預測模型包括：
3.根據權利要求2所述的基于車聯網云平臺的氫燃料電池車輛的能耗分析方法，其特征在于：所述時刻t的燃燒電池的輸出功率p(t)為，
4.根據權利要求2所述的基于車聯網云平臺的氫燃料電池車輛的能耗分析方法，其特征在于：所述回歸系數α、β、γ和δ的約束條件為，
5.根據權利要求2所述的基于車聯網云平臺的氫燃料電池車輛的能耗分析方法，其特征在于：所述誤差項ε為，
6.根據權利要求1所述的基于車聯網云平臺的氫燃料電池車輛的能耗分析方法，其特征在于，在步驟u2中，所述輸入車輛歷史運行能耗參數的數據信息對模型的參數進行優化包括：
7.根據權利要求1所述的基...
【專利技術屬性】
技術研發人員：李思奇，萬龍，郭雯慧，邢南帝，
申請(專利權)人：廣州海珀特科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。