CN103863125A - 一种电动汽车剩余里程的二次处理算法 - Google Patents

Abstract

本发明提供一种电动汽车剩余里程的二次处理算法，该算法通过能耗修正因子对统计时间段内的能耗进行修正，统计出实际有效的剩余能量，通过平均电耗修正因子对统计时间段内的平均电耗进行修正，统计出有效的平均电耗，经过修正之后计算得到的剩余里程不会出现瞬间频繁跳动的现象，显示的剩余里程更加稳定、准确，能够为司机提供正确的指引，避免发生因电量不足而导致不能运行的故障。

Description

一种电动汽车剩余里程的二次处理算法

技术领域

本发明涉及电动汽车技术领域，具体是一种电动汽车剩余里程的二次处理算法。

背景技术

随着人们环保意识的不断提高，减少城市汽车尾气的排放量是重中之重。各种新能源汽车投入到人们的生活当中，其中能源效率高、低碳环保、零排放的电动汽车成为城市新能源交通汽车的主力军。

电动汽车在行驶过程中的剩余里程是司机最关注的事项之一，对剩余里程进行精确的计算一直是一个难点。目前常规的算法是统计一段时间的平均电耗，用当前电池的总剩余电量除以统计的平均电耗，得到的结果作为剩余里程显示出来，该方法的弊端在于，由于行驶工况的不断变化，每一次统计的平均电耗相差较大，导致显示的剩余里程频繁跳动，不可捉摸，起不到为司机指引具体可行驶里程的作用。

发明内容

本发明的目的在于提供一种电动汽车剩余里程的二次处理算法，该算法能够解决剩余里程的频繁跳动以及趋势不确定的问题，为司机提供正确的指引。

本发明的技术方案为：

一种电动汽车剩余里程的二次处理算法，包括以下步骤：

（1）整车控制器从汽车上电时开始，根据电池管理系统发送的电池信息，每Δt₁时间统计一次电池在时间段Δt₁内的能耗ΔE：

$\mathrm{\ΔE}=\stackrel{\‾}{U}*\stackrel{\‾}{I}*\mathrm{\Δ}{t}_1;$

其中，表示电池在时间段Δt₁内的平均电压，

表示电池在时间段Δt₁内的平均电流；

根据电池在时间段Δt₁内的能耗ΔE，计算电池在时间段Δt₁的末尾时刻的有效剩余能量E_t：

E_t＝E₀-a*ΔE；

其中，E₀表示电池在时间段Δt₁的初始时刻的有效剩余能量，a表示能耗修正因子；

根据汽车上电时电池的总剩余能量以及各个时间段Δt₁内的能耗ΔE和能耗修正因子a，迭代计算得到电池在各个时间段Δt₁的初始时刻的有效剩余能量E₀；

（2）整车控制器从汽车上电时开始，根据电机控制器发送的转速信息，每Δt₁时间统计一次汽车在时间段Δt₁内运行的实际距离ΔS：

$\mathrm{\ΔS}=0.377*\stackrel{\‾}{N}*r*\mathrm{\Δ}{t}_1/Z;$

其中，ΔS表示汽车在时间段Δt₁内运行的实际距离，表示轮胎在时间段Δt₁内的平均转速，r表示轮胎的滚动半径，Z表示主减速比值；

（3）根据电池在时间段Δt₁内的能耗ΔE和汽车在时间段Δt₁内运行的实际距离ΔS，计算得到电池在时间段Δt₁内的平均电耗ΔP：

ΔP＝ΔE/ΔS；

根据电池在时间段Δt₁内的平均电耗ΔP，计算电池在时间段Δt₁内的有效平均电耗ΔP_t：

ΔP_t＝(P₀+b*ΔP)/2；

其中，P₀表示电池在时间段Δt₁的初始时刻的有效平均电耗，b表示平均电耗修正因子；

根据汽车上电时电池的平均电耗以及各个时间段Δt₁内的有效平均电耗ΔP_t，迭代计算得到汽车在各个时间段Δt₁的初始时刻的有效平均电耗P₀；

（4）整车控制器从汽车上电时开始，每Δt₂时间更新一次电池在时间段Δt₂内的有效平均电耗ΔP_t，Δt₂＝n*Δt₁,n为正整数；

ΔP′_t＝(P′₀+b*ΔP′)/2；

其中，P′₀表示电池在时间段Δt₂的初始时刻的有效平均电耗，ΔP′表示电池在时间段Δt₂内的平均电耗；

根据电池在各个时间段Δt₁的初始时刻的有效平均电耗P₀和电池在各个时间段Δt₁内的有效平均电耗ΔP_t，推导计算得到电池在各个时间段Δt₂的初始时刻的有效平均电耗P′₀；

根据电池在各个时间段Δt₁内的能耗ΔE和运行的实际距离ΔS，推导计算得到电池在各个时间段Δt₂内的平均电耗ΔP′；

（5）根据公式S＝2(E₀-a*ΔE)/(P′₀+b*ΔP′)，求出汽车在时间段Δt₁的末尾时刻的剩余里程S。

所述的电动汽车剩余里程的二次处理算法，所述能耗修正因子和平均电耗修正因子的初始值均为1，在电池每次放电结束或者再次充满电的情况下分别根据a′＝0.5*(a+a*η_a)和b′＝0.5*(b+b*η_b)进行自我修正；

其中，a′表示每次修正后的能耗修正因子，a表示每次修正前的能耗修正因子，b′表示每次修正后的平均电耗修正因子，b表示每次修正前的平均电耗修正因子；

η_a＝(Σa*ΔE)/E，η_b＝0.5*(P′₀+b*ΔP′)/P′，η_a和η_b表示偏差系数，由于ΔE和ΔP′都是通过离散积分得到的，其统计的误差结果属于随机过程，故其准确性的概率均服从正态分布，E表示电池的实际总能量，P′表示电池的实际平均电耗，由电池的实际总能量E和实际总里程S得到，P′＝E/S，E和P′是固定值，所以偏差系数η_a和η_b也服从正态分布。

所述的电动汽车剩余里程的二次处理算法，Δt₁＝100ms，Δt₂＝300s。

本发明通过能耗修正因子和平均电耗修正因子对可行驶里程的衰减速度进行修正，修正后的剩余里程不会出现瞬间频繁跳动的现象，而是会逐渐地衰减（如图1所示），显示的剩余里程更加稳定、准确，能够为司机提供正确的指引，避免发生因电量不足而导致不能运行的故障；能耗修正因子和平均电耗修正因子是长期统计的自我修正因子，这样可以把各个阶段的差异性通过修正因子进行最合适的修正，剩余里程随着时间的增长而越加精准。

附图说明

图1是本发明的剩余里程显示曲线与常规剩余里程显示曲线对比图。

具体实施方式

下面结合具体实施例进一步说明本发明。

一种电动汽车剩余里程的二次处理算法，包括以下步骤：

S1、整车控制器从汽车上电时开始，根据电池管理系统发送的电池信息，每Δt₁时间统计一次电池在时间段Δt₁内的能耗ΔE，本实施例中取Δt₁＝100ms：

$\mathrm{\ΔE}=\stackrel{\‾}{U}*\stackrel{\‾}{I}*\mathrm{\Δ}{t}_1;$

其中，

表示电池在时间段Δt₁内的平均电压，

表示电池在时间段Δt₁内的平均电流；

根据电池在时间段Δt₁内的能耗ΔE，计算电池在时间段Δt₁的末尾时刻的有效剩余能量E_t：

E_t＝E₀-a*ΔE；

其中，E₀表示电池在时间段Δt₁的初始时刻的有效剩余能量，a表示能耗修正因子；

电池在各个时间段Δt₁的初始时刻的有效剩余能量E₀可以根据汽车上电时电池管理系统记录的电池的总剩余能量，以及各个时间段Δt₁内的能耗ΔE和能耗修正因子a迭代计算得到。

S2、整车控制器从汽车上电时开始，根据电机控制器发送的转速信息，每Δt₁时间统计一次汽车在时间段Δt₁内运行的实际距离ΔS：

$\mathrm{\ΔS}=0.377*\stackrel{\‾}{N}*r*\mathrm{\Δ}{t}_1/Z;$

其中，ΔS表示汽车在时间段Δt₁内运行的实际距离，

表示轮胎在时间段Δt₁内的平均转速，r表示轮胎的滚动半径，Z表示主减速比值。

S3、根据电池在时间段Δt₁内的能耗ΔE和汽车在时间段Δt₁内运行的实际距离ΔS，计算得到电池在时间段Δt₁内的平均电耗ΔP：

ΔP＝ΔE/ΔS；

根据电池在时间段Δt₁内的平均电耗ΔP，计算电池在时间段Δt₁内的有效平均电耗ΔP_t：

ΔP_t＝(P₀+b*ΔP)/2；

其中，P₀表示电池在时间段Δt₁的初始时刻的有效平均电耗，b表示平均电耗修正因子；

汽车在各个时间段Δt₁的初始时刻的有效平均电耗P₀可以根据汽车上电时电池管理系统记录的电池的平均电耗，以及各个时间段Δt₁内的有效平均电耗ΔP_t迭代计算得到。

S4、整车控制器从汽车上电时开始，每Δt₂时间更新一次电池在时间段Δt₂内的有效平均电耗ΔP_t，Δt₂＝n*Δt₁,n为正整数，本实施例中取Δt₂＝300s；

ΔP′_t＝(P′₀+b*ΔP′)/2；

其中，P′₀表示电池在时间段Δt₂的初始时刻的有效平均电耗，ΔP′表示电池在时间段Δt₂内的平均电耗；

电池在各个时间段Δt₂的初始时刻的有效平均电耗P′₀可以根据电池在各个时间段Δt₁的初始时刻的有效平均电耗P₀和电池在各个时间段Δt₁内的有效平均电耗ΔP_t推导计算得到；

电池在各个时间段Δt₂内的平均电耗ΔP′可以根据电池在各个时间段Δt₁内的能耗ΔE和运行的实际距离ΔS，以及时间段Δt₂与Δt₁的关系推导计算得到。

S5、根据公式S＝2(E₀-a*ΔE)/(P′₀+b*ΔP′)，求出汽车在时间段Δt₁的末尾时刻的剩余里程S。

上述步骤中，能耗修正因子a和平均电耗修正因子b在电池出厂时的初始值均为1，在每次电池彻底放电结束或者再次充满电时进行自我修正。经过a修正的每个时间段Δt₁内的能耗为a*ΔE，则当电池放电完成时，经过修正所得的总能耗为Εa*ΔE，电池从充满电到放完电的实际总电量E是已知的，则总能耗的偏差系数为η_a＝(Εa*ΔE)/E，因为放电过程的能耗统计是离散积分算法统计的，所以其统计的误差偏大或者偏小本身是个随机过程，故总能耗的偏差系数η_a也符合随机过程，其概率分布服从正态分布，根据逼近法则的趋势原理，当a′＝0.5*(a+a*η_a)（其中，a′表示每次修正后的能耗修正因子，a表示每次修正前的能耗修正因子）时，由于ΔE是通过离散积分进行统计的，其统计误差属于随机过程，其准确性的概率服从正态分布，所以a的趋近概率会逐步逼近正态分布的高概率分布点，也就是说修正因子a逐步逼近最合适的值。b的修正原理也是如此，在电池每次彻底放电结束或者再次充满电的情况下根据b′＝0.5*(b+b*η_b)进行自我修正，其中，b′表示每次修正后的平均电耗修正因子，b表示每次修正前的平均电耗修正因子，η_b表示偏差系数，η_b＝0.5*(P₀+b*ΔP′)/P′，P′表示电池的实际平均电耗，由于ΔP′本身是通过离散积分得到的，其统计误差属于随机过程，其准确性的概率服从正态分布，P′为固定值，所以偏差系数η_b也服从正态分布。能耗修正因子a和平均电耗修正因子b会在每次电池放电结束或者充满电的情况下进行自我修正，其值都会逐步地逼近满足随机过程的最佳值，如此也可以说明剩余里程S＝2(E₀-a*ΔE)/(P′₀+b*ΔP′)的预估也会随着时间的积累越来越准确。

以上所述实施方式仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案作出的各种变形和改进，均应落入本发明的权利要求书确定的保护范围内。

Claims (3)

1.一种电动汽车剩余里程的二次处理算法，其特征在于，包括以下步骤：

（1）整车控制器从汽车上电时开始，根据电池管理系统发送的电池信息，每Δt₁时间统计一次电池在时间段Δt₁内的能耗ΔE：

$\mathrm{\ΔE}=\stackrel{\‾}{U}*\stackrel{\‾}{I}*\mathrm{\Δ}{t}_1;$

其中，表示电池在时间段Δt₁内的平均电压，

表示电池在时间段Δt₁内的平均电流；

根据电池在时间段Δt₁内的能耗ΔE，计算电池在时间段Δt₁的末尾时刻的有效剩余能量E_t：

E_t＝E₀-a*ΔE；

其中，E₀表示电池在时间段Δt₁的初始时刻的有效剩余能量，a表示能耗修正因子；

根据汽车上电时电池的总剩余能量以及各个时间段Δt₁内的能耗ΔE和能耗修正因子a，迭代计算得到电池在各个时间段Δt₁的初始时刻的有效剩余能量E₀；

（2）整车控制器从汽车上电时开始，根据电机控制器发送的转速信息，每Δt₁时间统计一次汽车在时间段Δt₁内运行的实际距离ΔS：

$\mathrm{\ΔS}=0.377*\stackrel{\‾}{N}*r*\mathrm{\Δ}{t}_1/Z;$

其中，ΔS表示汽车在时间段Δt₁内运行的实际距离，

表示轮胎在时间段Δt₁内的平均转速，r表示轮胎的滚动半径，Z表示主减速比值；

（3）根据电池在时间段Δt₁内的能耗ΔE和汽车在时间段Δt₁内运行的实际距离ΔS，计算得到电池在时间段Δt₁内的平均电耗ΔP：

ΔP＝ΔE/ΔS；

根据电池在时间段Δt₁内的平均电耗ΔP，计算电池在时间段Δt₁内的有效平均电耗ΔP_t：

ΔP_t＝(P₀+b*ΔP)/2；

其中，P₀表示电池在时间段Δt₁的初始时刻的有效平均电耗，b表示平均电耗修正因子；

根据汽车上电时电池的平均电耗以及各个时间段Δt₁内的有效平均电耗ΔP_t，迭代计算得到汽车在各个时间段Δt₁的初始时刻的有效平均电耗P₀；

（4）整车控制器从汽车上电时开始，每Δt₂时间更新一次电池在时间段Δt₂内的有效平均电耗ΔP′_t，Δt₂＝n*Δt₁,n为正整数；

ΔP′_t＝(P′₀+b*ΔP′)/2；

其中，P′₀表示电池在时间段Δt₂的初始时刻的有效平均电耗，ΔP′表示电池在时间段Δt₂内的平均电耗；

根据电池在各个时间段Δt₁的初始时刻的有效平均电耗P₀和电池在各个时间段Δt₁内的有效平均电耗ΔP_t，推导计算得到电池在各个时间段Δt₂的初始时刻的有效平均电耗P′₀；

根据电池在各个时间段Δt₁内的能耗ΔE和运行的实际距离ΔS，推导计算得到电池在各个时间段Δt₂内的平均电耗ΔP′；

（5）根据公式S＝2(E₀-a*ΔE)/(P′₀+b*ΔP′)，求出汽车在时间段Δt₁的末尾时刻的剩余里程S。

2.根据权利要求1所述的电动汽车剩余里程的二次处理算法，其特征在于：所述能耗修正因子和平均电耗修正因子的初始值均为1，在电池每次放电结束或者再次充满电的情况下分别根据a′＝0.5*(a+a*η_a)和b′＝0.5*(b+b*η_b)进行自我修正；

其中，a′表示每次修正后的能耗修正因子，a表示每次修正前的能耗修正因子，b′表示每次修正后的平均电耗修正因子，b表示每次修正前的平均电耗修正因子；

η_a＝(Σa*ΔE)/E，η_b＝0.5*(P′₀+b*ΔP′)/P′，η_a和η_b表示偏差系数，均服从正态分布，E表示电池的实际总能量，P′表示电池的实际平均电耗。

3.根据权利要求1所述的电动汽车剩余里程的二次处理算法，其特征在于：Δt₁＝100ms，Δt₂＝300s。

Images