基于DK聚类模型的多工况速度预测器

车辆速度预测能为新能源汽车的能量管理策略提供重要的信息，但要准确地预测车速存在诸多困难。为克服交通状况、车辆类型和驾驶员意图等确定或随机因素对车速预测造成干扰的问题，提出了一种基于DK(DTW-based K-means)聚类模型的多工况速度预测器，该预测器通过DK模型对车速序列进行工况划分，并结合一维卷积神经网络和长短期记忆神经网络预测各工况下的未来车速。基于所提出的预测器，讨论了不同的输入序列长度及聚簇数对该预测器的影响，并比较了该预测器与其他常用模型的性能。结果表明，该预测器具有较好的多工况适应性，预测精度比其他模型更高。