共查询到20条相似文献,搜索用时 812 毫秒
1.
2.
为探索驾驶员驾驶行为与电动公交车能耗之间的关系,采用随机森林算法建立电动公交车能耗预测模型。为克服驾驶行为特征参数和样本数据的随机性对电动公交车能耗预测模型的负面影响,运用灰色关联投影法计算各驾驶行为特征参数的灰色关联度以及各样本数据的投影值,筛选出与能耗具有高关联性的驾驶行为特征参数作为模型的输入变量,以及相似度较高的样本数据作为训练集和测试集。同时,引入了与能耗具有显著相关性的驾驶风格变量以进一步提升模型的预测能力,运用K-means聚类方法将驾驶风格分类并得到驾驶风格标签。将驾驶风格标签和筛选后驾驶行为特征参数作为输入变量,单位里程能耗作为输出变量,基于筛选后的数据集建立了考虑驾驶风格的电动公交车能耗灰色关联投影-随机森林(GRP-RF)预测模型。基于广州市某线路电动公交车运营数据对模型进行检验,并运用该模型分析加速、制动和运行3种典型场景下相应驾驶行为特征参数对电动公交车能耗的影响。结果表明:该模型预测能耗的均方根误差(RMSE)和平均绝对百分比误差(MAPE)分别为0.001 8 kW·h/km和3.42%。相比于不考虑驾驶风格的GRP-RF模型和随机森林模型,该模型的RMSE分别降低了35.71%和48.57%,MAPE分别降低了38.82%和46.81%。研究结果表明:加速、制动和运行阶段的平均能耗分别为1.066,0.903 7,0.955 2 kW·h/km;为使各阶段能耗在相应均值以下,加速阶段应控制加速踏板开度在55%以内;制动阶段应控制制动踏板开度在25%以内;运行阶段应控制车速在40 km/h以内。 相似文献
3.
4.
5.
为了准确预测纯电动客车蓄电池的荷电状态(SOC),提出了基于广义生长剪枝径向基函数(GGAP-RBF)神经网络的多参数纯电动客车蓄电池SOC预测模型.首先以蓄电池端电压、放电电流、环境温度和循环次数作为神经网络输入参数建立GGAP-RBF神经网络蓄电池SOC预测模型,然后以不同放电倍率、环境温度和循环次数的蓄电池放电试验数据作为样本对模型进行训练,并建立了蓄电池仿真模型和纯电动客车整车仿真模型,最后进行了城市道路循环行驶工况(UDDS工况)下单体蓄电池放电试验和纯电动客车40 km · h-1等速行驶续驶里程试验研究.结果表明:UDDS工况下,SOC预测值与试验值的均方根误差为0.026 4,平均绝对误差为0.020 6;纯电动客车40 km· h-1等速行驶工况下,SOC预测值与试验值的均方根误差为0.039 9,平均绝对误差为0.031 3;表明所建立的蓄电池SOC预测模型在各种工况下均能精确预测蓄电池SOC. 相似文献
6.
7.
8.
针对锂离子电池容量预测精度不高的问题,提出一种基于人群搜索优化的支持向量机(seeking optimization algorithm-support vector machine, SOA-SVM)的容量预测方法。通过分析锂离子电池随机放电过程,构建反映容量变化的随机放电容量均值和标准差两个指标,并以此作为预测容量的特征参数。采用主成分分析法分析特征参数之间的相关性,并提取主成分。基于部分测试电池第1主成分和容量数据,采用SOA对SVM超参数进行全局优化并训练模型。采用优化后的模型结合其余电池第1主成分数据预测锂离子电池容量。预测结果表明,本文中提出的锂离子电池容量预测方法具有较高的预测精度。 相似文献
9.
10.
11.
12.
在电动车、储能系统和移动设备等领域中,电池管理系统是保障电池组性能和安全性的关键技术之一,而电池荷电状态(SOC)估算是其重要的组成部分。文章重点针对18650型号的磷酸铁锂电池(单体电池)SOC估算展开研究和设计,首先选择双阶远程控制(RC)模型作为电池模型,通过电池容量标定实验、开路电压(OCV)-SOC标定实验、混合功率脉冲特性(HPPC)实验确定了双阶RC模型的各个动态参数,在MATLAB/Simulink中搭建动力电池仿真模型,验证了所选模型的可靠性。然后,为了解决单体电池SOC估算精度和成本等问题,以扩展卡尔曼滤波(EKF)算法为基础提出了一种改进方法,即在预测第k个时间步的误差协方差矩阵时,引入了时变渐消因子,在更新方差Q和R时引入自适应分子。最后,通过不同循环工况对提出的算法进行仿真分析,结果显示,提出的算法提升了SOC估算的精度,实用性强。 相似文献
13.
14.
针对传统动力电池的SOC估计方法的不足,采用BP神经网络对SOC进行预测。通过编写Matlab程序对BP神经网络进行了训练,并用所建BP神经网络模型对电池性能进行预测,获得电池SOC预测值,最大误差小于0.5%,结果满足精度要求,从而验证了所建BP神经网络能够有效的预测蓄电池电压和SOC之间的映射关系。对提高动力电池的能量效率,延长电池的使用寿命具有重要意义。 相似文献
15.
提升公交车到站时间预测精度可以提高乘客出行效率和公交服务质量、节省公交运营成本。通过分析公交车运行的影响因素、周期与相关性,文章建立了基于人工大猩猩部队算法的卷积双向长短期记忆神经网络(GTO-CNN-BiLSTM),通过人工大猩猩部队算法进行超参数寻优,获得更好的预测效果,采用呼和浩特62路公交到站时间数据进行预测,验证模型预测精度。研究表明:不论是在工作日还是非工作日,早晚高峰还是平峰,GTO-CNN-BiLSTM都能有最优预测效果,相较于卷积双向长短期记忆神经网络(CNN-BiLSTM)、双向长短期记忆神经网络(BiLSTM)和长短期记忆神经网络(LSTM),GTO-CNN-BiLSTM预测结果的平均绝对误差至少减少7.57%,均方根误差至少减少3.84%,平均绝对百分比误差至少减少7.86%。 相似文献
16.
为解决地铁盾构隧道施工引起的地表沉降预测过程中数据样本不足、对数据预处理较为粗糙的问题,选取北京地区32个地铁盾构隧道施工引起的地面沉降数据作为数据库,采用合成少数类过采样技术(synthetic
minority oversampling technique, SMOTE)算法对数据库进行扩增,并在此基础上选取BP神经网络(back propagation, BP)、随机森林(random forest, RF)、支持向量机(support vector
machine, SVM)和K近邻(K-nearest
neighbor, KNN)4种机器学习模型对沉降进行预测分析。分析结果表明: 1)经过预处理后的数据集预测能力显著增强,其中,KNN模型表现最佳,测试集平均绝对误差仅为1.60 mm; 2)采用KNN模型对北京轨道交通12号线西坝河—三元桥区间地层沉降进行预测,基于该模型预测值的Peck公式与实测值拟合度较高; 3)基于数据增强下的KNN模型对于盾构施工引起的地面沉降变形有良好的预测效果。 相似文献
17.
18.
为了提高降雨条件下短时公交客流的预测精度,提出一种基于SVM-KNN的短时公交客流预测模型.分析了降雨天气与公交客流的相关关系,揭示不同降雨等级对公交客流量的影响.进一步发挥支持向量机(SVM)的快速归类和K近邻算法(KNN)的高预测精度的优点,提出了基于SVM-KNN的短时公交客流预测模型.具体方法为:用SVM训练少量数据生成子数据库,随后采用KNN识别相似模式预测短时公交客流.通过采集深圳市南山区4条公交线路降雨条件下的客流数据进行算例仿真,验证了模型和算法的有效性.结果表明,SVM-KNN算法的综合平均绝对误差(MAE)为8.437,综合均方误差(MSE)为10.725,综合平均相对误差(MAPE)为8.8%,综合均方相对误差(MSPE)为11.3%,比常用的RBF模型的MAE,MSE,MAPE及MSPE各类误差分别降低了3.646,3.631,4.6%,5.5%. 相似文献
19.
磷酸铁锂电池SOC的电流脉冲探测研究 总被引:1,自引:0,他引:1
在估算动力电池SOC的方法中,累计误差和自放电等因素的存在一直是准确估算电池组整体SOC的一大障碍.文中在不同SOC状态下,通过研究电池对不同充放电电流的响应程度,确定几组响应最强烈的充放电电流,并在电池组实际装车运行中抓取该电流条件下的脉冲,在龟池管理系统(BMS)中与实验所得数据进行对照,作为辅助方法对当前计算的S... 相似文献
20.
提出了一种基于决策树算法的异常电池精准定位和分类方法,帮助人们在电池维修或更换时能够迅速确定故障单体的位置和类型,从而实施准确的维修更换方法,提高故障处理的效率。搭建电池仿真模型获取异常电池的充放电循环数据;以电压数据为基础,训练用于异常电池分类的决策树算法,使用试验数据和云端实车数据对构建的模型进行验证。验证结果表明,该方法能够准确判断异常电池单体在电池组中的位置和异常类型。在不同验证数据上,该方法的分类准确率高达98%以上,能够有效筛选出动力电池组中的异常电池。该结果说明了提出的决策树算法在动力电池异常分类中的有效性和准确性。 相似文献