CN118435070B 预测汽车能量需求的方法 （梅赛德斯-奔驰集团股份公司）

2024.06.19PCT/EP2022/0834992022.11.28WO2023/117318DE2023.06.29本发明涉及一种预测汽车能量需求的方法智能(3)生成和/或训练人工功能模型(2)，在随的用于采集经由数据总线交换的总线数据(5)的中使用至少一个数据记录器采集总线数据(5)，其中在汽车上提供先前根据所述方法(1)生成能模型提供采集到的汽车总线数据(5)，其中人工功能模型(2)随后提供预测总电力需求数据(7)，该预测总电力需求数据代表汽车的预测总2-提供所述汽车模型时为其配置测量传感器和至少一个数据记录器，所述测量传感器检测到的电力需求的电力需求数据(4)，所述数据记录器布置在所述汽车模型的数据总线-然后对所述总线数据(5)和所述电力需求数据(4)进行时间同步并作为训练数据存储-所述人工智能(3)基于所提供的总线数据(5)和电力需求数据(4)生成和/或训练人工功能模型(2)，所述人工功能模型代表所述总线数据(5)与所述电力需求数据(4)之间的相-提供所述汽车时为其配置至少一个数据记录器，所述数据记录器布置在所述汽车的-在所述汽车上提供根据步骤1)生成和/或训练过的人工功能模型(2)，并为该人工功所述预测总电力需求数据代表所述汽车的预测总电力需求或所述汽车的单个电流熔-在根据步骤1)生成和/或训练所述人工智能(3)期间以及/或者在根据步骤2)预测所-在所述汽车的控制器上和/或在开发环境中提供和/或使用所述预测总电力需求数3所述人工功能模型(2)通过人工神经网络或回归模型或替代性的机器学习模型而实4[0003]此外还参阅文本DE102013109348A1、DE202015106567U1、US2016/[0008]1)借助汽车模型的人工智能(下称KI)生成和/或训练人工功能模型，其实现方式用测量传感器检测每个电流熔断器处的电力需求，并提供代表/反映该电力需求的电力需可以将已存储的经同步的总线数据和电力需求数据作为所谓的训练数据提供给汽车模型人工功能模型在此或由此代表/反映总线数据与电力需求数据之间的相关性。在随后的步5力需求数据代表汽车的预测总电力需求或汽车的单个/个别电流熔断器和/或用电设备的装在汽车模型和/或汽车中的人工功能模型。由此例如能够使得人工功能模型对汽车模型功能模型被设置为用于测定GS数据与PGS数据之间的偏差，即汽车的实际总电力需求与汽[0014]上述人工功能模型优选用于单一车型的汽车中和/或开发环境中。然而，如前所6模型的被称为KI的人工智能生成和/或训练人工功能模型，并在随后的步骤中预测汽车的在汽车上提供先前根据所述方法生成和/或训练过的人工功能模型，并为其提供采集到的汽车的预测总电力需求或汽车的单个组件的预[0022]图1示出根据本发明方法的一个优选实施例生成和/或训练人工功能模型的流程[0023]图2示出根据本发明方法的一个优选实施例进行汽车能量需求预测的另一流程[0024]图3示出根据本发明方法的一个优选实施例利用人工功能模型进行所谓深度强化[0025]图1为根据本发明方法1的一个优选实施例生成和/或训练人工功能模型2的流程骤，借助汽车模型的人工智能3(下称KI)生成和/或训练以方框表示的人工功能模型2。为7需求数据4作为所谓的训练数据提供给汽车模型的上述KI3并进行处理，使得KI3最终能基于所提供的总线数据5和电力需求数据4生成和/或训练人工[0026]图2以另一个流程图示出根据本发明方法1的一个优选实施例对图中未示出的适到的总线数据5提供给在方法1的步骤1)范围内预先生成和/或训练过的人工功能模型2(该总电力需求数据7。这些PGS数据7代表汽车的预测总电力需求或汽车的单个电流熔断器的[0027]图3以另一个流程图示出根据本发明方法1的一个优选实施例利用人工功能模型2使用根据本发明方法1的步骤1)和/或步骤2)所获取的总线数据5来训练或至少调整或优化先前根据本发明方法1的步骤1)和/或步骤2)在汽车模型和/或汽车上提供的人工功能模型果GS数据6实际上