CN115307650B 一种基于深度学习的电动汽车充电路径规划方法 （燕山大学）_第1页
CN115307650B 一种基于深度学习的电动汽车充电路径规划方法 （燕山大学）_第2页
CN115307650B 一种基于深度学习的电动汽车充电路径规划方法 （燕山大学）_第3页
CN115307650B 一种基于深度学习的电动汽车充电路径规划方法 （燕山大学）_第4页
CN115307650B 一种基于深度学习的电动汽车充电路径规划方法 （燕山大学）_第5页
已阅读5页，还剩21页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于深度学习的电动汽车充电路径规本发明提供一种基于深度学习的电动汽车充电路径规划方法，属于电动汽车路径规划领DBN模型，对特定区域的充电站使用桩数进行预将LSTM模型的预测结果作为电动汽车行驶能耗进而电动汽车的总行程时间模型和用户总成本2步骤3，基于步骤2中LSTM模型预测的结果，构建电动总行程时间和用户总成本花费综合最优为目标函数，基于深度信念网络DBN模型中预测的2.根据权利要求1所述的一种基于深度学习的电动汽车充电路径规划方法，其特征在步骤13，基于步骤12中长短期记忆LSTM预测的平均车3.根据权利要求1所述的一种基于深度学习的电动汽车充电路径规划方法，其特征在34.根据权利要求1所述的一种基于深度学习的电动汽车充电路径规划方法，其特征在t5.根据权利要求1所述的一种基于深度学习的电动汽车充电路径规划方法，其特征在2+t3)46.根据权利要求1所述的一种基于深度学习的电动汽车充电路径规划方法，其特征在avgavg5[0003]针对上述的缺陷，本发明提供了一种基于深度学习的电动汽车充电路径规划方6[0014]本发明技术方案的进一步改进在于：所述深度信念网络DBN模型的充电站充电桩[0017]步骤23，利用作为深度信念网络DBN模型预测当前时刻的下一时刻充电站充电桩7sk表示到达充电站的时刻；avgavg8q,<90%(1)avgavg[0060]长短期记忆LSTM模型的平均车速预测方法，其目的是构建电动汽车行驶能耗模9[0066]LSTM模型预测平均车速的三个输入分别为当前时刻网络的输入值xt、上一时刻LSTM的输出值ht-1、上一时刻的单元状srdsk表示到达充电站的时刻。[0143]深度信念网络DBN模型的充电站充电桩数预测方法，其目的是为路径规划提供充电站使用桩数作为深度信念网络DBN模型输入信息；选取影响充电桩使用数量的四个

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论