CN106515478A - 电动汽车剩余行驶里程在线预测方法及装置 - Google Patents

Abstract

本发明涉及一种电动汽车剩余行驶里程在线预测方法及装置。所述方法包括：获取正在行驶的电动汽车的在途数据和行驶环境数据；利用所述在途数据和所述行驶环境数据结合电量消耗速度数据模型计算所述电动汽车当前情况下的单位里程电量消耗；根据所述单位里程电量消耗预测所述电动汽车的剩余行驶里程。本发明提供的装置基于上文的方法实现。本发明的预设结果更准确，避免出现超过用户预期的行驶里程就电力耗尽导致无法继续行驶的问题，进而提高用户的驾车体验。

Description

电动汽车剩余行驶里程在线预测方法及装置

技术领域

本发明涉及能源管理技术领域，尤其涉及一种电动汽车剩余行驶里程在线预测方法及装置。

背景技术

由于电动汽车的驱动力采用电池供应，其续航里程有限，极易由于电力耗尽而抛锚。为此，需要对电动汽车的电池电力以及续航里程进行评估。现在技术中对电动汽车续航里程评估时，通常先估算一下车载电池的SOC(荷电状态评估)，进而得到车辆储存电量的情况，然后根据车辆的平均能耗水平，粗略估算出剩余的行驶里程。这种方法对附件的功耗计算不够精确，只能估算出当前的剩余行驶里程。由于电池电力在较低水平时消耗的较快，以及城市的复杂路况，容易导致没有到达剩余行驶里程的情况下电力已耗尽而抛锚在路上，给使用者带来了极大的不便。

发明内容

针对现有技术中的缺陷，本发明提供一种电动汽车剩余行驶里程在线预测方法及装置，用于解决现有技术中对剩余行驶里程计算不准确而导致超过用户预期的行驶里程就电力耗尽的问题。

本发明实施例提供了一种电动汽车剩余行驶里程在线预测方法，包括：

获取正在行驶的电动汽车的在途数据和行驶环境数据；

利用所述在途数据和所述行驶环境数据结合电量消耗速度数据模型计算所述电动汽车当前情况下的单位里程电量消耗；

根据所述单位里程电量消耗预测所述电动汽车的剩余行驶里程。

可选地，所述电量消耗速度数据模型通过以下步骤获取包括：

获取电动汽车在途数据形成历史运行数据集合，以及所述电动汽车的行驶环境数据形成历史行驶环境数据集合；

将所述历史运行数据集合和所述历史行驶环境数据集合进行融合处理，得到电动汽车在途时间序列数据；

在预设行驶环境下利用相关性分析方法获取所述电动汽车的单位里程电量消耗与所述历史运行数据集合和所述历史行驶环境数据集合中各参数的相关度；

剔除相关度小于相关度预设值的参数后，将所述单位里程电量消耗与剩余参数进行拟合以获取所述电动汽车的电量消耗速度数据模型。

可选地，所述获取电动汽车在途数据形成历史运行数据集合，以及所述电动汽车的行驶环境数据形成历史行驶环境数据集合的步骤包括：

通过CAN总线读取电动汽车的在途数据，包括电池状态信号、电动机状态信息和车辆速度信息；其中，所述电池状态信息包括电池组的电压、电流、剩余电量，所述电动机状态信息包括电动机转速，车辆速度信息包括当前行驶速度和行驶里程；

读取所述电动汽车的行驶环境数据，包括天气信息和路况信息；其中，所述天气信息包括当前地理位置的天气类型、环境温度，所述路况信息包括路面类型、倾斜程度；

将所述在途数据和所述行驶环境数据分别保存至历史运行数据集合所在的文件中和历史行驶环境数据集合所在的文件中。

可选地，所述将所述历史运行数据集合和所述历史行驶环境数据集合进行融合处理，得到电动汽车在途时间序列数据的步骤包括：

对所述在途数据进行归一化处理；

对所述行驶环境数据进行参数化处理；

根据记录时间将所述在途数据与所述行驶环境数据融合成数据集合保存到在途时间序列数据所在的文件中。

可选地，所述归一化处理方法包括：

Min-Max标准化方法、z-score标准化方法、小数定标标准化方法、线性函数转换方法、对数函数转换方法、反余切函数转换方法和比例方法中的一种或者多种。

可选地，所述在预设行驶环境下利用相关性分析方法获取所述电动汽车的单位里程电量消耗与所述历史运行数据集合和所述历史行驶环境数据集合中各参数的相关度的步骤包括：

根据预设行驶环境选择确定分析时间窗；

根据每个分析时间窗内的在途数据和预设单位里程电量消耗公式计算电动汽车单位里程消耗电量；

采用因子分析法计算所述历史运行数据集合和所述历史行驶环境数据集合中各参数与所述电动汽车单位里程消耗电量的相关度。

可选地，所述预设单位里程电量消耗公式为：

公式中，C_L为电动汽车的单位里程消耗电量，分别表示时间窗开始和结束时刻电动汽车的剩余电量；分别表示时间窗开始和结束时刻电动汽车行驶里程。

可选地，所述剔除相关度小于相关度预设值的参数后，将所述单位里程电量消耗与剩余参数进行拟合以获取所述电动汽车的电量消耗速度数据模型的步骤包括：

预设所述电动汽车的电量消耗速度数据模型C_L＝a₁f(x₁)+a₂f(x₂)+...+a_mf(x_m)+...+a_Nf(x_N)；其中，x₁,x₂,...,x_m,...,x_N表示相关度不小于相关度预设值的参数；f(x₁),f(x₂),...,f(x_m),...,f(x_N)表示每个参数与模型之间相关函数；a₁,a₂,...,a_m,...,a_N表示各函数的系数；m为小于N的非零自然数；

利用预设数量的分析时间窗内的在途数据通过控制变量法计算每个系数a_m的值以及各相关函数f(x_m)与各参数x_m之间线性或者映射关系从而得到电量消耗速度数据模型。

第二方面，本发明实施例还提供了一种电动汽车剩余行驶里程在线预测装置，所述装置包括

电动汽车数据获取模块，用于获取正在行驶的电动汽车的在途数据和行驶环境数据；

电池消耗速度获取模块，用于利用所述在途数据和所述行驶环境数据结合电量消耗速度数据模型计算所述电动汽车当前情况下的单位里程电量消耗；

剩余行驶里面预测模块，用于根据所述单位里程电量消耗预测所述电动汽车的剩余行驶里程。

可选地，所述装置还包括电量消耗速度数据模型更新模块；所述电量消耗速度数据模型更新模块包括：

电动汽车历史数据获取单元，用于获取电动汽车在途数据形成历史运行数据集合，以及所述电动汽车的行驶环境数据形成历史行驶环境数据集合；

在途时间序列数据获取单元，用于将所述历史运行数据集合和所述历史行驶环境数据集合进行融合处理，得到电动汽车在途时间序列数据；

相关度获取单元，用于在预设行驶环境下利用相关性分析方法获取所述电动汽车的单位里程电量消耗与所述历史运行数据集合和所述历史行驶环境数据集合中各参数的相关度；

电量消耗速率与参数拟合单元，用于剔除相关度小于相关度预设值的参数后，将所述单位里程电量消耗与剩余参数进行拟合以获取所述电动汽车的电量消耗速度数据模型。

由上述技术方案可知，本发明通过获取正在行驶的电动汽车的在途数据和行驶环境数据；然后利用上述数据以及电量消耗速度数据模型计算电动汽车在当前行驶环境中的电池消耗速度；最后根据当前情况下单位里程电量消耗预设电动汽车的剩余行驶里程。本发明实时采用电动汽车的在途数据和行驶环境数据，可以保证数据的真实性，同时电量消耗速度数据模型保持更新状态，可以保证预测结果的准确性。与现有技术中采用平均能耗水平的计算方法相比，本发明的预设结果更准确，避免出现超过用户预期的行驶里程就电力耗尽导致无法继续行驶的问题，进而提高用户的驾车体验。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单的介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一实施例提供的一种基于在途数据的电动汽车剩余行驶里程在线预测方法流程示意图；

图2是本发明另一实施例提供的一种基于在途数据的电动汽车剩余行驶里程在线预测方法流程示意图；

图3是电量消耗速度数据模型更新流程示意图；

图4是本发明一实施例提供的一种基于在途数据的电动汽车剩余行驶里程在线预测装置框图；

图5是本发明另一实施例提供的一种基于在途数据的电动汽车剩余行驶里程在线预测装置框图；

图6是电量消耗速度数据模型更新模块框图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供了一种电动汽车剩余行驶里程在线预测方法，如图1所示，包括：

S1、获取正在行驶的电动汽车的在途数据和行驶环境数据；

S2、利用所述在途数据和所述行驶环境数据结合更新后的电量消耗速度数据模型计算所述电动汽车当前情况下的单位里程电量消耗；

S3、根据所述单位里程电量消耗预测所述电动汽车的剩余行驶里程。

上述在途数据，是指电动汽车在行驶过程与电动汽车相关的数据，包括电池状态信号、电动机状态信息和车辆速度信息；其中，所述电池状态信息包括电池组的电压、电流、剩余电量，所述电动机状态信息包括电动机转速，车辆速度信息包括当前行驶速度和行驶里程。

上述行驶环境数据，是指电动汽车行驶过程中当前地理位置且与电动汽车行驶相关的数据，包括天气信息和路况信息；其中，所述天气信息包括当前地理位置的天气类型、环境温度，所述路况信息包括路面类型、倾斜程度。

可理解的是，本发明实施例中在途数据和行驶环境数据中的各参数和参数数量可以根据实际需要进行调整，例如，在途数据中车辆速度信息还可以包括电动汽车的使用年限、电池使用年限等，调整参数内容以及参数数量同样可以实现本发明的方案，且落入本发明的保护范围。

可见，本发明可以通过采集正在行驶的电动汽车当前时刻的在途数据和行驶环境数据，利用最新的数据结合电量消耗速度数据模型计算可以提高预测结果的准确度。为进一步提高预测结果的准确度，本发明另一实施例提供的电动汽车剩余行驶里程在线预测方法，如图2所示，包括：

S4、更新电量消耗速度数据模型；

S1、获取正在行驶的电动汽车的在途数据和行驶环境数据；

S2、利用所述在途数据和所述行驶环境数据结合更新后的电量消耗速度数据模型计算所述电动汽车当前情况下的单位里程电量消耗；

S3、根据所述单位里程电量消耗预测所述电动汽车的剩余行驶里程。

需要说明的是，本实施例中步骤S4可以设置在步骤S1～S3的任意位置。例如，当步骤S4设置在步骤S1之前/之后，此时步骤S2可以直接使用更新后的电量消耗速度数据模型；当步骤S4位于步骤S2之后、步骤S3之前/之后时，该更新后的电量消耗速度数据模型可以用于下一周期的剩余行驶里程预测，即下一周期中步骤S1之前/之后。上述周期是指完成所有步骤即得到一次剩余行驶里程预测结果的过程。

可理解的是，步骤S4中电量消耗速度数据模型的更新频次可以影响预测结果的准确度，例如，当需要较高准确度时此时可以间隔预设数量周期后执行一次步骤S4，甚至每个周期执行一次步骤S4。本领域技术人员可以根据期望的准确度以及数据处理速度合理调整执行步骤S4的频次，本发明不作限定。

可选地，本发明实施例中步骤S4、更新电量消耗速度数据模型的步骤，如图3所示，包括：

S41、获取电动汽车在途数据形成历史运行数据集合，以及所述电动汽车的行驶环境数据形成历史行驶环境数据集合。

实际应用中，本发明实施例通过CAN总线读取电动汽车的在途数据，包括电池状态信号、电动机状态信息和车辆速度信息。上述电池状态信息包括电池组的电压V、电流I、剩余电量B。上述电动机状态信息包括电动机转速R，车辆速度信息包括当前行驶速度S和行驶里程L。

在获取在途数据之前或者之后，继续读取设置在电动汽车上的行驶环境数据采集装置所采集的电动汽车的行驶环境数据。该行驶环境数据包括天气信息和路况信息、其中，天气信息包括当前地理位置的天气类型、环境温度，路况信息包括路面类型、倾斜程度。

需要说明的是，上述行驶环境数据采集装置包括网络装置，该网络装置可以从有关部门直接获取相应的天气信息，还包括测量装置，该测量装置可以利用超声波或者图像处理方法实时获取路面类型和倾斜程度等路况信息。

然后，将上述在途数据和上述行驶环境数据分别保存至历史运行数据集合所在的文件中和历史行驶环境数据集合所在的文件中。

S42、将所述历史运行数据集合和所述历史行驶环境数据集合进行融合处理，得到电动汽车在途时间序列数据。

为了方便数据处理，本发明实施例中按照电动汽车在途数据和行驶环境数据中各参数的特征和取值范围进行归一化处理。归一化处理方法包括：

Min-Max标准化方法、z-score标准化方法、小数定标标准化方法、线性函数转换方法、对数函数转换方法、反余切函数转换方法和比例方法中的一种或者多种。

上述Min-Max标准化方法采用以下公式计算：

公式(1)中，x表示预设参数值；x^*表示预设参数值x归一化后的归一化值；x_max表示预设参数值中最大值；x_min表示预设参数值中最小值。

上述z-score标准化方法采用以下公式计算：

公式(2)中，μ表示每项预设参数对应的均值；σ表示每项预设参数对应的标准差。

上述小数定标标准化方法采用以下公式计算：

公式(3)中，m表示某项参数值的最大值，例如，温度的最大值为100摄氏度时，上述m取值100。

上述Min-Max标准化方法、z-score标准化方法、小数定标标准化方法适用参数值包括负值的情况。例如环境温度在夏天时为正值，在冬天时有可能为负值。实际应用中，在途数据和行驶环境数据的参数还是以正值为主，可以采用线性函数转换方法、对数函数转换方法、反余切函数转换方法和比例方法中的一种或多种进行归一化。

上述线性函数转换方法采用公式(1)实现，此时x^*的取值范围为(0，1)。

上述对数函数转换方法采用以下公式计算：

x^*＝log₁₀(x)。 (4)

上述反余切函数转换方法采用以下公式计算：

公式(5)中，atan(x)表示的反余切函数；PI表示圆周率。

上述比例方法是指，每项参数值与该项参数值之和的比值。

为进一步方便数据处理，本发明中对在途数据和行驶环境数据的参数进行整数化，利用不同的数字序号(例如，0，1，2，3……)代理不同的天气类型和路面类型；将环境温度划分成不同温度区间，用数字序号(例如，……-3，-2，-1，0，1，2，3……)表示不同的温度区间；根据电动汽车行驶方向用数字表示路面的倾斜情况(例如，……-2，-1，0，1，2……)，其中数字正负表示路面向下或者向上倾斜，数字绝对值大小表示路面的倾斜程度。

对在途数据和行驶环境数据进行归一化或者整数化后，根据每个参数的记录时间将所述在途数据与所述行驶环境数据融合成数据集合保存到在途时间序列数据所在的文件中。

S43、在预设行驶环境下利用相关性分析方法获取所述电动汽车的单位里程电量消耗与所述历史运行数据集合和所述历史行驶环境数据集合中各参数的相关度；

实际应用中，在得到在途时间序列数据后，在预设行驶环境下确定分析时间窗，用nΔt表示。其中预设行驶环境是指，同一时间窗中电动汽车的在途数据和行驶环境数据不变，或者变化程度在预设范围内。预设范围可以根据具体情况进行设置，本发明不作限定。

对于每个分析时间窗内包含的在途数据，利用预设单位里程电量消耗公式计算电动汽车单位里程消耗电量，该公式为：

公式(6)中，C_L为电动汽车的单位里程消耗电量，分别表示时间窗开始和结束时刻电动汽车的剩余电量；分别表示时间窗开始和结束时刻电动汽车行驶里程。

然后通过计算K个不同分析时间窗下电动汽车的单位里程电量消耗C_L ¹,C_L ²,C_L ³,…,C_L ^K,，之后采用因子分析法计算历史运行数据集合和所述历史行驶环境数据集合中各参数(包括温度、路面状态、电池状态、车辆速度、电动机转速等)与电动汽车单位里程消耗电量的相关度。

S44、剔除相关度小于相关度预设值的参数后，将所述单位里程电量消耗与剩余参数进行拟合以获取所述电动汽车的电量消耗速度数据模型。

剔除相关度小于相关度预设值的参数后，利用剩余的参数即相关度不小于相关度预设值的参数x₁,x₂,...,x_m,...,x_N通过控制变量法确定预设的电动汽车电池电量消耗速度数据模型C_L＝a₁f(x₁)+a₂f(x₂)+...+a_mf(x_m)+...+a_Nf(x_N)中每个系数a_m的值以及各相关函数f(x_m)与各参数x_m之间线性或者映射关系，从而得到电量消耗速度数据模型。其中，x₁,x₂,...,x_m,...,x_N表示相关度不小于相关度预设值的参数；f(x₁),f(x₂),...,f(x_m),...,f(x_N)表示每个参数与模型之间相关函数；a₁,a₂,...,a_m,...,a_N表示各函数的系数；m为小于N的非零自然数。

本发明实施例中，当获取到当前情况下，电动汽车的单位里程电量消耗C_L ^t后，通过如下公式即可计算得到该电动汽车的剩余行驶里程预测值：

公式(7)中，B_t表示电动汽车的剩余电量。

为体现本发明实施例提供的一种电动汽车剩余行驶里程在线预测方法的优越性，本发明实施例还提供了一种电动汽车剩余行驶里程在线预测装置，如图4所示，所述装置包括

电动汽车数据获取模块M1，用于获取正在行驶的电动汽车的在途数据和行驶环境数据；

电池消耗速度获取模块M2，用于利用所述在途数据和所述行驶环境数据结合电量消耗速度数据模型计算所述电动汽车当前情况下的单位里程电量消耗；

剩余行驶里面预测模块M3，用于根据所述单位里程电量消耗预测所述电动汽车的剩余行驶里程。

可选地，如图5所示，本发明实施例提供的一种电动汽车剩余行驶里程在线预测装置还包括电量消耗速度数据模型更新模块M4。该电量消耗速度数据模型更新模块M4，用于按照预设周期对电量消耗速度数据模型进行更新，具体包括：

电动汽车历史数据获取单元M41，用于获取电动汽车在途数据形成历史运行数据集合，以及所述电动汽车的行驶环境数据形成历史行驶环境数据集合；

在途时间序列数据获取单元M42，用于将所述历史运行数据集合和所述历史行驶环境数据集合进行融合处理，得到电动汽车在途时间序列数据；

相关度获取单元M43，用于在预设行驶环境下利用相关性分析方法获取所述电动汽车的单位里程电量消耗与所述历史运行数据集合和所述历史行驶环境数据集合中各参数的相关度；

电量消耗速率与参数拟合单元M44，用于剔除相关度小于相关度预设值的参数后，将所述单位里程电量消耗与剩余参数进行拟合以获取所述电动汽车的电量消耗速度数据模型。

本发明提供的装置基于上文所述的方法实现，因而可以解决同样的技术问题，并取得相同的技术效果，详细说明请参见方法实施例内容，在此不再一一赘述

综上所述，本发明通过获取正在行驶的电动汽车的在途数据和行驶环境数据；然后利用上述数据以及电量消耗速度数据模型计算电动汽车在当前行驶环境中的电池消耗速度；最后根据当前情况下单位里程电量消耗预设电动汽车的剩余行驶里程。本发明实时采用电动汽车的在途数据和行驶环境数据，可以保证数据的真实性，同时电量消耗速度数据模型保持更新状态，可以保证预测结果的准确性。本发明的预设结果更准确，避免出现超过用户预期的行驶里程就电力耗尽导致无法继续行驶的问题，进而提高用户的驾车体验。

本发明的说明书中，说明了大量具体细节。然而能够理解的是，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。类似地，应当理解，为了精简本发明公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释呈反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (10)

1.一种电动汽车剩余行驶里程在线预测方法，其特征在于，包括：

获取正在行驶的电动汽车的在途数据和行驶环境数据；

利用所述在途数据和所述行驶环境数据结合更新后的电量消耗速度数据模型计算所述电动汽车当前情况下的单位里程电量消耗；

根据所述单位里程电量消耗预测所述电动汽车的剩余行驶里程。

2.根据权利要求1所述的电动汽车剩余行驶里程在线预测方法，其特征在于，所述电量消耗速度数据模型通过以下步骤进行更新包括：

获取电动汽车在途数据形成历史运行数据集合，以及所述电动汽车的行驶环境数据形成历史行驶环境数据集合；

将所述历史运行数据集合和所述历史行驶环境数据集合进行融合处理，得到电动汽车在途时间序列数据；

在预设行驶环境下利用相关性分析方法获取所述电动汽车的单位里程电量消耗与所述历史运行数据集合和所述历史行驶环境数据集合中各参数的相关度；

剔除相关度小于相关度预设值的参数后，将所述单位里程电量消耗与剩余参数进行拟合以获取所述电动汽车的电量消耗速度数据模型。

3.根据权利要求2所述的电动汽车剩余行驶里程在线预测方法，其特征在于，所述获取电动汽车在途数据形成历史运行数据集合，以及所述电动汽车的行驶环境数据形成历史行驶环境数据集合的步骤包括：

通过CAN总线读取电动汽车的在途数据，包括电池状态信号、电动机状态信息和车辆速度信息；其中，所述电池状态信息包括电池组的电压、电流、剩余电量，所述电动机状态信息包括电动机转速，车辆速度信息包括当前行驶速度和行驶里程；

读取所述电动汽车的行驶环境数据，包括天气信息和路况信息；其中，所述天气信息包括当前地理位置的天气类型、环境温度，所述路况信息包括路面类型、倾斜程度；

将所述在途数据和所述行驶环境数据分别保存至历史运行数据集合所在的文件中和历史行驶环境数据集合所在的文件中。

4.根据权利要求2所述的电动汽车剩余行驶里程在线预测方法，其特征在于，所述将所述历史运行数据集合和所述历史行驶环境数据集合进行融合处理，得到电动汽车在途时间序列数据的步骤包括：

对所述在途数据进行归一化处理；

对所述行驶环境数据进行参数化处理；

根据记录时间将所述在途数据与所述行驶环境数据融合成数据集合保存到在途时间序列数据所在的文件中。

5.根据权利要求4所述的电动汽车剩余行驶里程在线预测方法，其特征在于，所述归一化处理方法包括：

Min-Max标准化方法、z-score标准化方法、小数定标标准化方法、线性函数转换方法、对数函数转换方法、反余切函数转换方法和比例方法中的一种或者多种。

6.根据权利要求2所述的电动汽车剩余行驶里程在线预测方法，其特征在于，所述在预设行驶环境下利用相关性分析方法获取所述电动汽车的单位里程电量消耗与所述历史运行数据集合和所述历史行驶环境数据集合中各参数的相关度的步骤包括：

根据预设行驶环境选择确定分析时间窗；

根据每个分析时间窗内的在途数据和预设单位里程电量消耗公式计算电动汽车单位里程消耗电量；

采用因子分析法计算所述历史运行数据集合和所述历史行驶环境数据集合中各参数与所述电动汽车单位里程消耗电量的相关度。

7.根据权利要求6所述的电动汽车剩余行驶里程在线预测方法，其特征在于，所述预设单位里程电量消耗公式为：

$C_L=\frac{B_{t_1}-B_{t_n}}{L_{t_n}-L_{t_1}};$

公式中，C_L为电动汽车的单位里程消耗电量，分别表示时间窗开始和结束时刻电动汽车的剩余电量；分别表示时间窗开始和结束时刻电动汽车行驶里程。

8.根据权利要求2所述的电动汽车剩余行驶里程在线预测方法，其特征在于，所述剔除相关度小于相关度预设值的参数后，将所述单位里程电量消耗与剩余参数进行拟合以获取所述电动汽车的电量消耗速度数据模型的步骤包括：

预设所述电动汽车的电量消耗速度数据模型C_L＝a₁f(x₁)+a₂f(x₂)+...+a_mf(x_m)+...+a_Nf(x_N)；其中，x₁,x₂,...,x_m,...,x_N表示相关度不小于相关度预设值的参数；f(x₁),f(x₂),...,f(x_m),...,f(x_N)表示每个参数与模型之间相关函数；a₁,a₂,...,a_m,...,a_N表示各函数的系数；m为小于N的非零自然数；

利用预设数量的分析时间窗内的在途数据通过控制变量法计算每个系数a_m的值以及各相关函数f(x_m)与各参数x_m之间线性或者映射关系从而得到电量消耗速度数据模型。

9.一种电动汽车剩余行驶里程在线预测装置，其特征在于，所述装置包括

电动汽车数据获取模块，用于获取正在行驶的电动汽车的在途数据和行驶环境数据；

电池消耗速度获取模块，用于利用所述在途数据和所述行驶环境数据结合电量消耗速度数据模型计算所述电动汽车当前情况下的单位里程电量消耗；

剩余行驶里面预测模块，用于根据所述单位里程电量消耗预测所述电动汽车的剩余行驶里程。

10.根据权利要求9所述的电动汽车剩余行驶里程在线预测装置，其特征在于，所述装置还包括电量消耗速度数据模型更新模块；所述电量消耗速度数据模型更新模块包括：

电动汽车历史数据获取单元，用于获取电动汽车在途数据形成历史运行数据集合，以及所述电动汽车的行驶环境数据形成历史行驶环境数据集合；

在途时间序列数据获取单元，用于将所述历史运行数据集合和所述历史行驶环境数据集合进行融合处理，得到电动汽车在途时间序列数据；

相关度获取单元，用于在预设行驶环境下利用相关性分析方法获取所述电动汽车的单位里程电量消耗与所述历史运行数据集合和所述历史行驶环境数据集合中各参数的相关度；

电量消耗速率与参数拟合单元，用于剔除相关度小于相关度预设值的参数后，将所述单位里程电量消耗与剩余参数进行拟合以获取所述电动汽车的电量消耗速度数据模型。