(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211306323.4 (22)申请日 2022.10.25 (71)申请人 中国人民解 放军陆军 装甲兵学院 地址 100072 北京市丰台区杜家坎21号 (72)发明人 马晓军　陈克伟　魏曙光　袁东　 张嘉曦　 (74)专利代理 机构 西安铭泽知识产权代理事务 所(普通合伙) 61223 专利代理师 张举 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06K 9/62(2022.01) (54)发明名称 一种车载智能微电网性能评估方法 (57)摘要 本发明提供一种车载智能微电网性能评估 方法， 包括以下步骤： 根据车载智能微电网性能 的评估指标和原始数据构建车载智能微电网性 能评估的数据集； 利用数据集计算SVM的分类准 确率， 将5折交叉验证SVM的分类准确率作为目标 函数， 并确定惩罚 因子C和RBF核函数参数 g的上 下限； 根据目标函数， 通过改进瞬态搜索优化算 法对惩罚 因子C和RBF核函数参数 g进行搜索， 获 得最优参数； 将最优的惩罚因子 C和RBF核函数参 数g作为SVM参数建立车载智能微电网性能评估 模型； 将待评估的车载智 能微电网原始数据， 输 入到训练后的车载智能微电网性能评估模型， 获 得评估结果； 该方法克服了瞬态搜索优化算法存 在的几点不足， 能够显著提升车载智能微电网性 能评估的效果。 权利要求书3页 说明书8页 附图1页 CN 115375204 A 2022.11.22 CN 115375204 A 1.一种车 载智能微电网性能评估方法， 其特 征在于， 包括以下步骤： 根据车载智能微电网性能的评估指标和原始数据构建车载智能微电网性能评估的数 据集； 利用数据集计算SVM的分类准确率， 将5折交叉验证SVM的分类准确率作为目标函数， 并确定惩罚因子 C和RBF核函数参数 g的上下限； 根据目标函数， 通过改进瞬态搜索优化算法对惩罚因子 C和RBF核函数参数 g进行搜索， 获得最优参数； 将最优的惩罚因子 C和RBF核函数参数 g作为SVM参数建立基于SVM的车载智能微电网性 能评估模型； 将待评估的车载智能微电网原始数据， 输入到训练后的车载智能微电网性能评估模 型， 获得评估结果； 其中， 所述改进瞬态搜索优化算法引入高斯映射进行搜索代理种群位置的初始化， 并 引入交流学习机制和预警机制优化原搜索代理的位置更新方式； 所述改进瞬态搜索优化算 法还包括， 将最优搜索代理通过双向 sine混沌映射进行变异。 2.根据权利要求1所述的一种车载智能微电网性能评估方法， 其特征在于， 所述数据集 包括训练数据集和测试数据集； 通过训练数据集和测试数据集对车载智能微电网性能评估 模型进行训练， 获得训练后的车 载智能微电网性能评估 模型。 3.根据权利要求1所述的一种车载智能微电网性能评估方法， 其特征在于， 所述高斯映 射进行搜索代理种群位置的初始化， 包括以下步骤： 通过高斯映射产生随机数 xt： 利用产生的高斯随机数 xt初始化搜索代理位置： 式中， mod( ·)为求余函数， LB为搜索代理寻优下边界； UB为搜索代理寻优上边界； X(0) 是初始搜索代理的位置 。 4.根据权利要求1所述的一种车载智能微电网性能评估方法， 其特征在于， 所述引入交 流学习机制和预警机制优化原搜索代理的位置更新方式， 包括以下步骤： 引入交流学习机制， 改进后的搜索代理位置更新公式如下： 其中： 权　利　要　求　书 1/3 页 2 CN 115375204 A 2式中， 和 为随机学习权重， 能够调节搜索代理的向最优搜索代理学习和向种群内 部其他搜索代理学习的影响， 总和 为1； 表示从搜索代理种群内部挑选的其他搜索代 理； 为第t+1次迭代的搜索代理的位置； 表示第t次迭代的搜索代理的最佳位 置； 为当前第 t次迭代的搜索代理的位置； 和T为随机的热阻系数； 为衰减系数， 随着迭代次数从2逐渐减小为0； 为常数 （k=0,1,2 …)； 、 和 为[0,1]内的随机数； Miter为预设迭代次数； 引入预警机制， 假设可以意识到危 险的搜索代理占总搜索代理数量的10%到20%， 这些 搜索代理的初始位置是在种群中随机产生的， 则意识到危险的搜索代理的位置公式如下： 式中， 为第t+1次迭代第 i个搜索代理位置 的第j维； 为当 前第t次迭代第 i个搜索代理位置 的第j维； 表示第t次迭代的最优位置 的第j维； 表示第t次迭代的最差位置 的第j维； 是步长控制参 数， 服从均值为0、 方差为1的正态 分布的随机数； 为[0,1]内 的随机数， 表示搜索代理的移 动方向， 同时也是步长控制参数； 为当前搜索代理的适应度值； 和 分别为当前全局 最大和最小适应度值； 为常数， 以避免分母出现零； 其中， 当 时， 表示搜索代理正处于种群的外围， 极其容易受到攻击； 当 时， 表示处于种群中间的搜索代理意识到 了危险， 需要向其 他搜索代理移动以减低风险； 计算适应度值： 式中， 为计算适应度值时的适应度函数； 记录当次迭代中最优搜索代理和最优适应度函数。权　利　要　求　书 2/3 页 3 CN 115375204 A 3