Fed-BEV：一种用于纯电池电动汽车能耗建模的联邦学习框架

Mingming Liu

Fed-BEV：一种用于纯电池电动汽车能耗建模的联邦学习框架

机器学习 2021-08-10 v1 人工智能系统与控制系统与控制

作者: Mingming Liu

摘要

近来，全球汽车市场对电动汽车（EVs）推广的兴趣日益增长。相比传统内燃机车辆（ICEVs），EVs不仅能帮助用户降低日常通勤的货币成本，还能有效缓解城市中产生日益增长的交通排放。其中，纯电池电动汽车（BEVs）仅利用其电池组中储存的化学能进行驱动。因此，理解此类车辆在各种交通场景中消耗多少能量，对于有效的能量管理十分重要。为应对该挑战，本文利用联邦学习方法提出一种用于BEVs能耗建模的新框架（Fed-BEV）。更具体地，参与Fed-BEV框架的一组BEVs可相互学习，以共同提升其能耗模型。我们给出了所提系统架构的设计与在协同仿真环境中的实现细节。最后，通过对比研究与仿真结果说明了我们所提框架在BEVs精确能耗建模中的有效性。

关键词

联邦学习纯电池电动汽车能耗建模 Fed-BEV 协同仿真电动汽车

引用

@article{arxiv.2108.04036,
  title  = {Fed-BEV: A Federated Learning Framework for Modelling Energy Consumption of Battery Electric Vehicles},
  author = {Mingming Liu},
  journal= {arXiv preprint arXiv:2108.04036},
  year   = {2021}
}

备注

The paper has been accepted by the 2021 IEEE Vehicular Technology Conference (VTC2021-Fall)

Fed-BEV：一种用于纯电池电动汽车能耗建模的联邦学习框架

摘要

关键词

引用

备注

相关论文