CN119539212A 基于多维特征ml的城市级退役动力电池量预测方法及系统 (南昌大学)_第1页
CN119539212A 基于多维特征ml的城市级退役动力电池量预测方法及系统 (南昌大学)_第2页
CN119539212A 基于多维特征ml的城市级退役动力电池量预测方法及系统 (南昌大学)_第3页
CN119539212A 基于多维特征ml的城市级退役动力电池量预测方法及系统 (南昌大学)_第4页
CN119539212A 基于多维特征ml的城市级退役动力电池量预测方法及系统 (南昌大学)_第5页
已阅读5页,还剩23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

基于多维特征ML的城市级退役动力电池量本发明公开了基于多维特征ML的城市级退预设时间段内新能源汽车上险量和N种城市特征影响新能源汽车上险量的城市关键特征值及其分别为预测乘用车和商用车上险量选取最佳模量,利用新能源汽车的电池类型占比和电池特2获取预设时间段内新能源汽车上险量和N种城市特征值构对所述N种城市特征值进行分析,确定影响新能源汽车上险量的城市关键特征值及其根据所述城市关键特征值及其权重值筛选数据集,并利用筛选后的数据集训将未来城市关键特征值输入最佳模型以预测新能基于预测的新能源汽车上险量,利用新能源汽车的电池类型占比和电池特性,结合3.如权利要求1所述的方法,其特征在于,对车混电型、商用车纯电型、商用车混电型配套下的LFP电池、NCM111电池、NCM523电池、训练模块,用于根据所述城市关键特征值及其权选取模块,用于评估各机器学习模型的预测性能,分别为预测乘用处理模块,用于将未来城市关键特征值输入最佳模型以预测新能源汽车3被处理器执行时实现权利要求1_7中任一项所述4[0008]本发明实施例提供一种基于多维特征ML的城市级退役动力电池量预测方法及系[0009]本发明实施例一方面提供一种基于多维特征ML的城市级退役动力电池量预测方5获取预设时间段内新能源汽车上险量和N种城市特征值构对所述N种城市特征值进行分析,确定影响新能源汽车上险量的城市关键特征值将未来城市关键特征值输入最佳模型以预测新能[0011]可选的,对所述N种城市特征值进行分析确定影响新能源汽车上险量的城市关键特征值的方法具体为聚类分析法,确定城市关键特征的权重值的方法具体为主成分分析获取模块,用于获取预设时间段内新能源汽车上险量和N种城市特征值构建数据处理模块,用于将未来城市关键特征值输入最佳模型以预测新能源汽车上险量,再基于预测的新能源汽车上险量,利用新能源汽车的电池类型占比和电池特性,结合6依靠单一或少量数据维度进行新能源汽车上险量预测的局限。通过确定城市关键特征值,[0023]图1为本发明一实施例中一种基于多维特征ML的城市级退役动力电池量预测方法[0024]本发明实施例提供一种基于多维特征ML的城市级退役动力电池量预测方法及系7[0033]如图1所示,本发明提供的一种基于多维特征ML的城市级退役动力电池量预测方[0034]步骤S1:获取预设时间段内新能源汽车上险量和N种城市特征值构建数据集。其8,llx-ll表示样本点x到第i个聚类中心i的欧几里得距离,目标函数中对距离进行算法,包括:LSTM(LongShort_TermMemory,长短期记忆网络)、随机森林、XGBoost据此调整机器学习模型结构或参数,确保预测结果既具有广泛适用性又贴合当地实际。为9,,,,,上一时间步隐藏状态到细胞状态更新部分的权重矩阵;b。是细胞状态更新部分的偏置向正则项:,,,,数据进行处理和预测,得到一组中间结果。这些中间,,构和在前期训练过程中所学习到的各城市特征值与新能源汽车上险量之间的内在逻辑关纯电型、乘用车混电型、商用车纯电型、商用车混电型配套下的LFP电池、NCM111电池、混电型LFP电池、商用车混电型NCM111电池、商用车混电型NCM523电池、商用车混电型[0062]24种新能源汽车电池类型某一时段的装机量占比如图5所示。使用最接近动力电池实际使用情形的双参数Weibull分布模型,,,,获取模块,用于获取预设时间段内新能源汽车上险量和N种城市特征值构建数据处理模块,用于将未来城市关键特征值输入最佳模型以预测新能源汽车上险量,再基于预测的新能源汽车上险量,利用新能源汽车的电池类型占比和电池特性,结合

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