CN106908075B - 大数据采集与处理系统及基于其电动汽车续航估计方法 - Google Patents
大数据采集与处理系统及基于其电动汽车续航估计方法 Download PDFInfo
- Publication number
- CN106908075B CN106908075B CN201710168735.9A CN201710168735A CN106908075B CN 106908075 B CN106908075 B CN 106908075B CN 201710168735 A CN201710168735 A CN 201710168735A CN 106908075 B CN106908075 B CN 106908075B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- information
- battery
- processing system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3469—Fuel consumption; Energy use; Emission aspects
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
- B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3476—Special cost functions, i.e. other than distance or default speed limit of road segments using point of interest [POI] information, e.g. a route passing visible POIs
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/3644—Constructional arrangements
- G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/385—Arrangements for measuring battery or accumulator variables
- G01R31/387—Determining ampere-hour charge capacity or SoC
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/10—Vehicle control parameters
- B60L2240/12—Speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/10—Vehicle control parameters
- B60L2240/14—Acceleration
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/10—Vehicle control parameters
- B60L2240/26—Vehicle weight
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/40—Drive Train control parameters
- B60L2240/54—Drive Train control parameters related to batteries
- B60L2240/545—Temperature
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/40—Drive Train control parameters
- B60L2240/54—Drive Train control parameters related to batteries
- B60L2240/547—Voltage
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/40—Drive Train control parameters
- B60L2240/54—Drive Train control parameters related to batteries
- B60L2240/549—Current
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/16—Information or communication technologies improving the operation of electric vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供大数据采集与处理系统及基于其电动汽车续航估计方法,该系统包括车载传感器、GPS定位系统、道路信息感知系统、云端数据接收系统、数据传输处理系统及在线计算系统。从云端服务器获得实时道路、交通、天气等信息,然后基于这些数据来预估得到电动汽车的未来驾驶状态。本发明中根据实际行驶状态下车辆实时数据,计算的得到的车辆动力模型和电池模型,也要比传统的基于电动汽车的驱动过程中的物理方程而得到的车辆动力模型更加精确。本发明中的估计方法可以在很大程度上提高网联化的纯电动汽车剩余续航里程的估计精度。另外根据云端获取的实时数据,更好的规划车辆的使用策略,优化电动汽车的控制策略,以提高电动汽车的使用寿命。
Description
技术领域
本发明涉及汽车领域的电动汽车剩余续航里程估计方法,特别是一种车载大数据采集与处理系统及基于其的电动汽车续航估计方法。
背景技术
纯电动汽车的续航里程只有传统内燃机汽车续航里程的20%左右,这是阻碍大多数消费者去购买电动汽车的一个主要因素。因而提供一套合理的续航里程估计方法,可以帮助驾驶者提前估计车辆的续航里程、合理地调整电动汽车的使用策略,减少电动汽车使用者对续航里程的焦虑。目前,各大汽车厂商主要从计算车辆能耗的角度出发,来进行电动汽车续航里程估计的研究。估计方法也是侧重于研究车辆行驶参数对续航里程的影响,通过台架试验、软件仿真在较为理想的条件下,计算车辆的行驶能耗,依据电池输出能耗与车辆消耗能耗相等的原则,估计车辆的续航里程。这些方法较少地涉及车辆的实际行驶工况,致使实际行驶里程与估计结果相差较大,估计结果很难对实际行驶起到指导作用。另外,近几年来,新型网联汽车迅速发展,网联化汽车融合现代通信与网络技术,可以实现车与X(人、车、路、后台等)智能信息交换共享,具备复杂的环境感知、智能决策、协同控制和执行等功能,使得汽车驾驶更加趋向于自动化,智能化。我们利用网联化汽车的一些特性,获取车辆使用时的实时数据,预估电动汽车的行驶状态,并结合车辆电池的SOC和实时云端数据,提出了一种基于大数据的网联化电动汽车剩余续航里程估计方法。
发明内容
本发明的主要目的是提供一种大数据采集与处理系统及基于其电动汽车续航估计方法,来对网联化纯电动汽车的续航里程进行估计,以获得新型网联化纯电动汽车准确的剩余续航里程。另外根据云端获取的实时数据,可以更好的规划车辆的使用策略,优化电动汽车的控制策略,以提高电动汽车的使用寿命。
本发明的装置主要通过以下的方案实现:一种大数据采集与处理系统,其特征在于:包括车载传感器、GPS定位系统、道路信息感知系统、云端数据接收系统、数据传输处理系统及在线计算系统;所述的车载传感器用于获取车辆的实时信息;所述GPS定位系统结合卫星定位以及在线地图,进行实时的路线规划和导航;所述云端数据接收系统利用通讯网络从云端服务器接收规划路线上的道路、交通、天气及其他信息;道路感知系统包括车身检测雷达、激光、摄像头及其他感知装置,用于获取车辆周围的实时交通、环境;最终这些数据通过数据传输处理系统进行信息的交互与处理;所述在线计算系统来对车辆剩余续航里程进行估计计算,所述在线计算系统从收集数据中读取实时数据和历史数据,根据车辆模型,计算得出车辆的剩余续航里程。
本发明还提供一种基于上述大数据采集与处理系统的电动汽车续航估计方法,其特征在于:包括以下步骤:S0:提供一联网的车载大数据采集与处理系统,该系统包括车载传感器、GPS定位系统、道路信息感知系统、云端数据接收系统、数据传输处理系统、在线计算系统及人机交互系统;S1:驾驶者需要根据需求,在人机交互系统中设定本次行驶的目的地,在线计算系统根据记录的车辆动力学模型,结合目的地信息以及电池剩余电量,进行粗略估计是否可以到达目的地;如果电池电量不足,不能到达,则执行S2;如果可以到达目的地,则执行S3;S2:基于网络数据,结合地图信息搜索附近的充电设施,参考行驶目的地,选择合理的充电设施,并将电池信息、充电设施距离、位置及其他信息通过人机交互系统显示给驾驶者;S3:GPS定位系统结合地图信息以及驾驶者的驾驶需求合理地规划汽车的行驶线路,并结合地图信息,获得道路信息,如坡度,距离及其他路况。
相比于传统的通过台架试验、软件仿真在较为理想的条件下,计算车辆的行驶能耗,依据电池输出能耗与车辆消耗能耗相等的原则,估计车辆的续航里程,本发明基于现在的通讯和网络技术,从云端服务器获得实时道路、交通、天气等信息,然后基于这些数据来预估得到电动汽车的未来驾驶状态,更加接近于现实的状况,可以给出更加精准的预估续航里程前提条件;另外本发明中根据实际行驶状态,获得汽车在行驶过程中实时的车辆自身数据和电池的数据,并将这些实时数据结合在优化的车辆动力学模型和电池模型中,该模型也要比传统的基于电动汽车的驱动过程中的物理方程而得到的车辆动力学模型和电池模型更加精确,因此本发明可以在很大程度上提高纯电动汽车剩余续航里程的估计精度。另外根据云端获取的实时数据,更好的规划车辆的使用策略,优化电动汽车的控制策略,以提高电动汽车的使用寿命。
附图说明
图1为本发明实施试验装置的示意图。
图2为本发明实现过程方法示意图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
要实现对网联化电动汽车剩余续航里程的精准估计,需要一套联网的车载大数据采集与处理系统。该系统能够从众多的资源中收集各种架构下的各种相关数据;然后进行整理和分析,将其结合在续航里程估计中。主要结构示意图参见图1。
该系统主要包括:车载传感器、GPS定位系统、道路信息感知系统、云端数据接收系统、数据传输处理系统及在线计算系统。所述的车载传感器如电池传感器(IBS)、电机温度转速传感器等安装于车辆的对应位置,用于获取车辆的实时信息;GPS定位系统结合卫星定位以及在线地图,进行实时的路线规划和导航;云端数据接收系统利用现代通讯技术,从云端服务器接收规划路线上的道路、交通、天气等信息;道路感知系统主要包括车身检测雷达、激光雷达、摄像头等感知装置,用于获取车辆周围的实时交通,环境等信息;最终这些数据通过数据传输处理系统进行信息的交互与处理;车辆内还包含在线计算系统来对车辆剩余续航里程进行估计计算,该模块通过软件或者程序的形式集成于车载电脑中,通过使用MATLAB/Simulink代码,从收集数据中读取实时数据和历史数据,根据车辆模型,计算得出车辆的剩余续航里程。较佳的还包括一人机交互系统,用于设定目的地,进行导航,显示电池SOC和估计结果等信息。
进一步的,该系统还需要从CAN总线和电池管理系统另外增加接入口,使得该系统可以与整车控制器以及电池管理系统连接,可以获得车辆的自身的行驶数据和电池的温度和SOC等数据。
根据大数据采集与处理系统,收集车辆行驶时的各种相关数据,通过执行一个基于模型的剩余续航里程估计方法,来获得车辆的剩余续航里程估计值。该方法有两个连续的步骤,即电动汽车未来行驶状态估计和电动汽车功耗估计。首先,基于大数据采集与处理系统获取的路线的规划,道路速度限制,驾驶模式,交通,天气信息等数据,预测电动汽车未来的行驶状态。然后,根据预测的速度,预测的加速度,路线的形成,道路坡度和电动汽车的规格,电池的温度和SOC等数据,实时优化电动汽车的动力学模型和电池模型,并根据优化的模型来进行电动汽车的功耗估计,最终得到电动汽车的剩余续航里程。
如图2所示,本实施例提供了一种基于大数据的估计方法,来对网联化纯电动汽车的续航里程进行精准估计。具体包括以下步骤:
S0:提供一联网的车载大数据采集与处理系统,该系统包括车载传感器、GPS定位系统、道路信息感知系统、云端数据接收系统、数据传输处理系统、在线计算系统及人机交互系统;
S1:驾驶者需要根据需求,在人机交互系统中设定本次行驶的目的地,在线计算系统根据记录的车辆动力学模型,结合目的地信息以及电池剩余电量,进行粗略估计是否可以到达目的地;如果电池电量不足,不能到达,则执行S2;如果可以到达目的地,则执行S3;
S2:基于网络数据,结合地图信息搜索附近的充电设施,参考行驶目的地,选择合理的充电设施,并将电池信息、充电设施距离、位置及其他信息通过人机交互系统显示给驾驶者;
S3:GPS定位系统结合地图信息以及驾驶者的驾驶需求合理地规划汽车的行驶线路,并结合地图信息,获得道路信息,如坡度,距离等。另外,根据这些信息GPS还可以进行基本的实时导航功能。
进一步的,云端数据接收装置根据规划的路线信息,通过通信网络从云端服务器获取规划路线上的天气、道路、交通等实时数据。这些数据通过数据传输处理系统进行信息的交互和分析处理。道路信息感知系统用于感知车辆周围的道路以及交通信息,辅助驾驶者进行驾驶,并提供必要的信息。最终数据处理系统根据车辆信息,结合从云端服务器获取的规划路线上的道路、交通、天气等信息,来预估车辆未来的行驶状态,这主要包括车辆在规划的路线上行驶时,车辆的预估速度,预估加速度,预估平均速度、预估停车时间等车辆的行驶信息。
进一步的,根据实际情况,结合车辆和电池的实时数据,进行电动汽车动力学模型的自适应建立。电动汽车的动力学模型是一个与电动汽车的速度,电动汽车的加速度,电动汽车的质量和道路坡度严格相关的复杂函数。因此根据数据采集与处理系统获取的实时数据,对车辆的动力学模型进行实时的更新,得到车辆的自适应模型,可以大大提高车辆剩余续航里程的估计精度。
传统的车辆动力学模型可以简化为一个由道路坡度、电动汽车的速度、电动汽车的加速度和电动汽车的质量等参数组成的函数:
在这里FR,FG,FI,FA,θ,m,v和a分别是滚动阻力、坡度阻力、惯性阻力、空气阻力、道路坡度、车辆质量、速度和加速度,其中模型系数α,β,γ和A分别代表滚动阻力、坡度阻力、惯性阻力和空气阻力,其中,车辆动力学模型系数可以从生产车辆的规格中找到。
因为车辆动力学模型假定电机的效率为100%。如果考虑到瞬时电机效率,车辆的动力学模型就会得到一定的优化。另外该模型还忽略了传动系统和配套设施的损耗估计,虽然动力传动系统和配套设施的损耗是不可预测的,但是这方面的影响也会变得非常的显著。通过实验表明,电动汽车的功耗与电动汽车的速度是一个二次函数的关系。因此我们就建立了集成了车辆动力学模型、瞬时电机损耗模型以及传动系统和配套设施损耗模型的混合车辆动力学模型。
该模型可以用以下公式表示:
T=(α+βsinθ+γa+Av2)m (2)
Phybrid=Tv+C0+C1v+C2v2+C3T2 (3)
其中α,β,γ和A分别代表滚动阻力、坡度阻力、惯性阻力和空气阻力的车辆动力学模型系数,可以从生产车辆的规格中找到,θ,m,v,a分别代表道路坡度、车辆质量、速度和加速度,C0,C1,C2,C3分别为计算程序计算得出的模型多项式拟合参数。
本实施例中车辆利用数据采集与处理系统,每半秒钟收集一次这辆电动汽车的功耗、速度、道路坡度等数据,车载的各种传感器用于检测汽车的各种状态信息,例如速度、倾角、加速度、电机温度等信息,结合从云端服务器获取的规划路线上的道路、交通、天气等信息,最终将这些数据汇总在数据传输处理系统中。然后在数据处理系统中进行的多元线性回归分析,通过计算获得模型中各参数的动态值,最终的得到一个精确地实时更新的自适应电动汽车动力学模型。然后,将动力学模型以及其中的参数数据存储到在线计算系统中。
进一步的,通过接入电池管理系统,获取电池的信息,如电池电流、电池组电压、SOC、健康状态(SOH)、电池温度等,进行电池模型的实时更新建立。该过程可以通过使用MATLAB/Simulink代码,电池的RC等效模型在SIMULINK中叫做SimBattery。该模型是一个带有基于报告温度可调节内部电阻的RC等效电路。当前SOC值的会通过实时电压和电池的参数如SOC/SOH混合估计算法实时估计得出。此外,该算法还提供了基于实时数据和历史数据更新得到电池参数。
最后,根据实时更新的车辆动力学模型和电池模型,在线计算系统参考车辆预估得到的行驶状态数据,按照设定的程序进行车辆的功耗估计。通过设定的估计计算算法,得到准确的车辆剩余续航里程估计值以及行驶结束后电池的荷电状态,即SOC值,然后在人机交互系统中给出估计的结果。如果行驶至电池电量接近最低时,不能到达目的地,该系统自动搜索附近的充电设施,并提醒使用者及时进行电量补充,然后重新进行线路规划和导航。
综上所述,本发明中对网联化电动汽车进行剩余续航里程的估计方法中,基于现在的通讯和网络技术,从云端服务器获得实时道路、交通、天气等信息,然后基于这些数据来预估得到电动汽车的未来驾驶状态。相比于传统估计方法中采用的通过台架试验、软件仿真得到的较为理想的车辆行驶状态,预估得到电动汽车的未来驾驶状态,更加接近于现实的状况,可以给出更加精准的预估续航里程前提条件。本发明中根据实际行驶状态下车辆实时数据,计算的得到的车辆动力模型和电池模型,也要比传统的基于电动汽车的驱动过程中的物理方程而得到的车辆动力模型更加精确。因此,可以得出结论,本发明中的估计方法可以在很大程度上提高网联化的纯电动汽车剩余续航里程的估计精度。另外根据云端获取的实时数据,更好的规划车辆的使用策略,优化电动汽车的控制策略,以提高电动汽车的使用寿命。
以上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所做的均等变化与修饰,皆应属本发明的涵盖范围。
Claims (4)
1.一种车载大数据采集与处理系统,其特征在于:包括车载传感器、GPS定位系统、道路信息感知系统、云端数据接收系统、数据传输处理系统及在线计算系统;所述的车载传感器用于获取车辆的实时信息;所述GPS定位系统结合卫星定位以及在线地图,进行实时的路线规划和导航;所述云端数据接收系统利用通讯网络从云端服务器接收规划路线上的道路、交通、天气及其他信息;道路感知系统包括车身检测雷达、激光雷达、摄像头及其他感知装置,用于获取车辆周围的实时交通、环境;最终这些数据通过数据传输处理系统进行信息的交互与处理;所述在线计算系统来对车辆剩余续航里程进行估计计算,所述在线计算系统从收集数据中读取实时数据和历史数据,根据车辆模型,计算得出车辆的剩余续航里程;
所述的车载大数据采集与处理系统的电动汽车续航估计方法,包括以下步骤:
S0:提供一联网的车载大数据采集与处理系统,该系统包括车载传感器、GPS定位系统、道路信息感知系统、云端数据接收系统、数据传输处理系统、在线计算系统及人机交互系统;
S1:驾驶者需要根据需求,在人机交互系统中设定本次行驶的目的地,在线计算系统根据记录的车辆动力学模型,结合目的地信息以及电池剩余电量,估计是否可以到达目的地;如果电池电量不足,不能到达,则执行S2;如果可以到达目的地,则执行S3;
S2:基于网络数据,结合地图信息搜索附近的充电设施,参考行驶目的地,选择合理的充电设施,并将电池信息、充电设施距离、位置及其他信息通过人机交互系统显示给驾驶者;
S3:GPS定位系统结合地图信息以及驾驶者的驾驶需求合理地规划汽车的行驶线路,并结合地图信息,获得道路信息;
云端数据接收系统根据规划的路线信息,并从云端服务器获取规划路线上的天气、道路、交通及其他实时数据;这些数据通过数据传输处理系统进行信息的交互和分析处理;道路信息感知系统用于感知车辆周围的道路以及交通信息,辅助驾驶者进行驾驶,并提供信息;最终数据处理系统根据车辆信息,结合从云端服务器获取的规划路线上的道路、交通、天气及其他信息,预估车辆未来的行驶状态,其包括:车辆在规划的路线上行驶时车辆的预估速度、预估加速度、预估平均速度及预估停车时间;
所述云端数据接收系统从云端服务器获得实时道路、交通、天气信息,然后基于这些数据来预估得到电动汽车的未来驾驶状态,以可以给出更加精准的预估续航里程前提条件;
S1中的车辆动力学模型的建立包括以下步骤:
S11:建立了集成了车辆动力学模型、瞬时电机损耗模型以及传动系统和配套设施损耗模型的混合车辆动力学模型:
T=(α+βsinθ+γa+Av2)m
Phybrid=Tv+C0+C1v+C2v2+C3T2
其中α,β,γ和A分别代表滚动阻力、坡度阻力、惯性阻力和空气阻力的车辆动力学模型系数,可以从生产车辆的规格中找到,θ,m,v,a代表道路坡度、车辆质量、速度和加速度,C0,C1,C2,C3为计算程序计算得出的模型多项式拟合参数;
S12:车辆利用车载大数据采集与处理系统,高频次地定期收集电动汽车的功耗、速度、道路坡度,车载的各种传感器用于检测汽车的各种状态信息,并结合从云端服务器获取的规划路线上的道路、交通、天气及其他信息,最终将这些数据汇总在数据传输处理系统中;
S13:在数据处理系统中进行多元线性回归分析,通过计算获得模型中各参数的动态值,最终得到实时更新的自适应电动汽车动力学模型;
S14:将动力学模型以及其中的参数数据存储到在线计算系统中;
根据实时更新的车辆动力学模型和电池模型,在线计算系统参考车辆预估得到的行驶状态数据,按照设定的程序进行车辆的功耗估计;通过设定的估计计算算法,得到准确的车辆剩余续航里程估计值以及行驶结束后电池的荷电状态,即SOC值,然后在人机交互系统中给出估计的结果;其中电池模型的建立包括以下步骤:通过接入电池管理系统,获取电池的信息,电池的信息包括电池电流、电池组电压、SOC、健康状态及电池温度,进行电池模型的实时更新建立。
2.根据权利要求1所述的车载大数据采集与处理系统,其特征在于:还包括一人机交互系统,其用于设定目的地,导航设定,电池SOC、估计结果及其他信息显示。
3.根据权利要求1所述的车载大数据采集与处理系统,其特征在于:还包括一用于与协调与控制车辆动力系统的整车控制器以及电池管理系统相连的外部接口;通过该接口接入车辆CAN总线,获得车辆的自身的行驶数据和电池的温度、SOC及其他数据信息;将所有的数据经过汇总,在数据传输处理系统中进行处理和分析,获得车载大数据采集与处理系统所需的参数;最后,将这些参数传送给在线计算系统,将这些参数与车辆动力学模型与电池模型相结合,以增加车辆动力学建模和剩余续航里程估计的准确性。
4.根据权利要求1所述的一种车载大数据采集与处理系统,其特征在于:电池模型为Simulink中的SimBattery模型;当前SOC值通过实时电压和电池的参数混合估计算法实时估计得出;且该电池模型还提供了基于实时数据和历史数据更新得到电池参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710168735.9A CN106908075B (zh) | 2017-03-21 | 2017-03-21 | 大数据采集与处理系统及基于其电动汽车续航估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710168735.9A CN106908075B (zh) | 2017-03-21 | 2017-03-21 | 大数据采集与处理系统及基于其电动汽车续航估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106908075A CN106908075A (zh) | 2017-06-30 |
CN106908075B true CN106908075B (zh) | 2020-05-08 |
Family
ID=59194263
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710168735.9A Active CN106908075B (zh) | 2017-03-21 | 2017-03-21 | 大数据采集与处理系统及基于其电动汽车续航估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106908075B (zh) |
Families Citing this family (47)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107264326B (zh) * | 2017-07-04 | 2019-10-25 | 重庆长安新能源汽车科技有限公司 | 一种对纯电动汽车的续驶里程进行预估的方法 |
US10663309B2 (en) * | 2017-08-18 | 2020-05-26 | GM Global Technology Operations LLC | Route planning and adaptation based on vehicle health management information |
CN107525515B (zh) * | 2017-09-15 | 2018-03-30 | 爱驰汽车有限公司 | 应用于新能源汽车的充电设备搜索方法、系统及电子设备 |
PL3492873T3 (pl) * | 2017-11-30 | 2021-10-18 | Einride Ab | Sposób planowania transportu optymalizacji pakietu akumulatorowego |
CN108089494A (zh) * | 2017-12-08 | 2018-05-29 | 中山市天隆燃具电器有限公司 | 一种可采集多种新能源汽车运行数据的系统 |
CN109900282A (zh) * | 2017-12-11 | 2019-06-18 | 阿尔派株式会社 | 导航辅助装置以及导航辅助方法 |
WO2019113828A1 (zh) * | 2017-12-13 | 2019-06-20 | 深圳配天智能技术研究院有限公司 | 纯电动汽车剩余里程的估算方法及装置 |
CN108407640B (zh) * | 2018-03-06 | 2021-07-06 | 吉林大学 | 带有充电车道的高速公路车辆引导系统及引导方法 |
CN108919679A (zh) * | 2018-07-05 | 2018-11-30 | 北京智行者科技有限公司 | 一种状态监控及处理方法 |
CN110728392A (zh) * | 2018-07-16 | 2020-01-24 | 上海擎感智能科技有限公司 | 一种车辆充电规划方法、服务端及客户端 |
CN109060015A (zh) * | 2018-07-16 | 2018-12-21 | 开沃新能源汽车集团有限公司 | 一种纯电动汽车能耗检测、评价和降低能耗的装置及其工作方法 |
CN109141456A (zh) * | 2018-08-21 | 2019-01-04 | 上海博泰悦臻网络技术服务有限公司 | 导航路径规划方法及服务器 |
CN109141455A (zh) * | 2018-08-21 | 2019-01-04 | 上海博泰悦臻网络技术服务有限公司 | 导航路径规划方法及服务器 |
CN109334511B (zh) * | 2018-09-03 | 2020-10-02 | 胡斌 | 一种电动汽车续航里程的预测方法 |
CN109409571A (zh) * | 2018-09-21 | 2019-03-01 | 国家电网有限公司 | 一种电动汽车充电需求预测方法及装置 |
CN109141459A (zh) * | 2018-09-28 | 2019-01-04 | 吉林大学 | 一种带有电耗分析预测的电动汽车导航系统及方法 |
CN109377309B (zh) * | 2018-09-28 | 2021-11-23 | 江苏大学 | 一种基于共享汽车续航里程的实时管理系统及其使用方法 |
CN111038335B (zh) * | 2018-10-11 | 2022-04-08 | 北京骑胜科技有限公司 | 电池的充电管理方法、充电管理装置及计算机设备 |
CN109606120A (zh) * | 2019-01-15 | 2019-04-12 | 深圳四海万联科技有限公司 | 基于大数据的电动汽车续航里程实时更新系统及方法 |
CN109961175A (zh) * | 2019-03-05 | 2019-07-02 | 福建工程学院 | 一种乘客拥挤度识别方法和系统 |
CN111806239B (zh) * | 2019-04-16 | 2022-04-05 | 北京嘀嘀无限科技发展有限公司 | 电动车辆续航里程测量方法、电子设备及存储介质 |
CN110147910A (zh) * | 2019-05-24 | 2019-08-20 | 福建工程学院 | 一种基于bp神经网络的公交车车内拥挤度实时预测方法 |
CN112009308B (zh) * | 2019-05-31 | 2022-06-17 | 长城汽车股份有限公司 | 电动车续航里程计算方法和装置 |
CN110702130A (zh) * | 2019-09-05 | 2020-01-17 | 临沂晶硕光电科技有限公司 | 一种新能源汽车剩余里程估算系统 |
CN110596609A (zh) * | 2019-10-16 | 2019-12-20 | 上海钧正网络科技有限公司 | 一种电池测试系统 |
CN110641397B (zh) * | 2019-10-18 | 2022-10-04 | 福州大学 | 基于行驶数据与地图预测相结合的电动汽车驾驶反馈系统 |
CN110749827B (zh) * | 2019-12-02 | 2020-10-09 | 山东大学 | 基于云平台的智能化电池soc管理系统及方法 |
CN113268131B (zh) * | 2020-02-14 | 2024-01-09 | 北京小米移动软件有限公司 | 预测续航信息的方法、装置及介质 |
CN111775771B (zh) * | 2020-06-18 | 2023-03-31 | 合肥国轩高科动力能源有限公司 | 一种新能源电动汽车续航预警方法 |
CN111688541B (zh) * | 2020-06-29 | 2021-07-06 | 安徽锂创电子科技有限公司 | 一种基于云平台的锂电池用电安全监管系统 |
CN111982531B (zh) * | 2020-08-06 | 2023-09-01 | 广东博力威科技股份有限公司 | 评估电池与整车匹配性的方法 |
CN112304328A (zh) * | 2020-10-09 | 2021-02-02 | 恒大新能源汽车投资控股集团有限公司 | 电动汽车续航里程预测方法及装置、计算机可读存储介质 |
CN112818036B (zh) * | 2021-01-29 | 2022-12-30 | 清华大学 | 基于云端大数据的电动车剩余里程预估方法和装置 |
CN113022479A (zh) * | 2021-04-21 | 2021-06-25 | 前海七剑科技(深圳)有限公司 | 续航信息确定方法与装置 |
CN113175939A (zh) * | 2021-04-22 | 2021-07-27 | 重庆长安新能源汽车科技有限公司 | 纯电动汽车行程规划方法及系统 |
CN113085655B (zh) * | 2021-05-11 | 2022-08-26 | 国网黑龙江省电力有限公司电力科学研究院 | 一种车载电动汽车综合服务系统 |
CN113424067A (zh) * | 2021-05-12 | 2021-09-21 | 华为技术有限公司 | 电池剩余电量预估方法及装置 |
CN114418298A (zh) * | 2021-12-15 | 2022-04-29 | 重庆邮电大学 | 基于非侵入式检测的充电负荷概率预测系统及方法 |
CN115610349B (zh) * | 2022-10-21 | 2024-05-17 | 阿维塔科技(重庆)有限公司 | 一种基于多模融合的智能交互方法及装置 |
CN115952899B (zh) * | 2022-12-27 | 2023-09-29 | 大连理工大学 | 基于实际工况提取的电动公交车能耗估计方法 |
CN116153081A (zh) * | 2023-04-18 | 2023-05-23 | 北京无极慧通科技有限公司 | 一种基于大数据的信息推荐方法及系统 |
CN116729356B (zh) * | 2023-06-02 | 2024-03-15 | 深圳市哲思特科技有限公司 | 一种基于物联网技术的新能源汽车控制系统及方法 |
CN117128966B (zh) * | 2023-08-02 | 2024-04-02 | 山东科技大学 | 一种基于多因素耦合的车辆充电路径规划方法及设备 |
CN116811664B (zh) * | 2023-08-30 | 2023-11-07 | 新誉集团有限公司 | 电动矿车的行驶控制方法及装置 |
CN116931496B (zh) * | 2023-09-15 | 2023-12-15 | 青岛能征智能装备有限公司 | 一种基于数据采集的无人驾驶车辆控制系统 |
CN116945907B (zh) * | 2023-09-19 | 2024-01-26 | 江西五十铃汽车有限公司 | 一种新能源电动汽车里程计算方法及系统 |
CN116985674B (zh) * | 2023-09-27 | 2024-01-26 | 江西五十铃汽车有限公司 | 一种新能源汽车电池能量管理方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103072572A (zh) * | 2013-01-18 | 2013-05-01 | 浙江吉利汽车研究院有限公司杭州分公司 | 可充电式混合动力汽车远程优化系统 |
CN103213504A (zh) * | 2013-04-27 | 2013-07-24 | 北京交通大学 | 一种电动汽车续驶里程估算方法 |
CN103660984A (zh) * | 2013-11-26 | 2014-03-26 | 北京航空航天大学 | 一种基于远程数据传输的纯电动汽车续驶里程估计装置及方法 |
CN104973057A (zh) * | 2014-04-03 | 2015-10-14 | 李治良 | 智能预测控制系统 |
CN105292126A (zh) * | 2015-10-21 | 2016-02-03 | 北京新能源汽车股份有限公司 | 电动汽车续驶里程估算方法、装置及电动汽车 |
CN105741595A (zh) * | 2016-04-27 | 2016-07-06 | 常州加美科技有限公司 | 一种基于云端数据库的无人驾驶车辆导航行车方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150046060A1 (en) * | 2013-08-12 | 2015-02-12 | Mitsubishi Electric Research Laboratories, Inc. | Method and System for Adjusting Vehicle Settings |
-
2017
- 2017-03-21 CN CN201710168735.9A patent/CN106908075B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103072572A (zh) * | 2013-01-18 | 2013-05-01 | 浙江吉利汽车研究院有限公司杭州分公司 | 可充电式混合动力汽车远程优化系统 |
CN103213504A (zh) * | 2013-04-27 | 2013-07-24 | 北京交通大学 | 一种电动汽车续驶里程估算方法 |
CN103660984A (zh) * | 2013-11-26 | 2014-03-26 | 北京航空航天大学 | 一种基于远程数据传输的纯电动汽车续驶里程估计装置及方法 |
CN104973057A (zh) * | 2014-04-03 | 2015-10-14 | 李治良 | 智能预测控制系统 |
CN105292126A (zh) * | 2015-10-21 | 2016-02-03 | 北京新能源汽车股份有限公司 | 电动汽车续驶里程估算方法、装置及电动汽车 |
CN105741595A (zh) * | 2016-04-27 | 2016-07-06 | 常州加美科技有限公司 | 一种基于云端数据库的无人驾驶车辆导航行车方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106908075A (zh) | 2017-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106908075B (zh) | 大数据采集与处理系统及基于其电动汽车续航估计方法 | |
CN111497679B (zh) | 一种纯电动汽车能耗监测优化方法及系统 | |
CN111806239B (zh) | 电动车辆续航里程测量方法、电子设备及存储介质 | |
CN110991757B (zh) | 一种混合动力电动汽车综合预测能量管理方法 | |
Sun et al. | Dynamic traffic feedback data enabled energy management in plug-in hybrid electric vehicles | |
DE102019114590A1 (de) | Kraftfahrzeuge mit elektroantrieb, systeme und steuerlogik für vorausschauende ladeplanung und antriebsstrangsteuerung | |
US8874358B2 (en) | Route guidance device, method, and program | |
JP6414580B2 (ja) | リチウムイオン二次電池の容量回復システム | |
US9902392B2 (en) | Mobility information processing apparatus, mobility information processing method, and driving support system | |
JP5029494B2 (ja) | 走行エネルギー学習装置、方法およびプログラム | |
US20130073113A1 (en) | Vehicle and method for estimating a range for the vehicle | |
US20200393259A1 (en) | Vehicle energy management | |
CN111038334A (zh) | 一种电动汽车续驶里程预测方法及装置 | |
CN109606120A (zh) | 基于大数据的电动汽车续航里程实时更新系统及方法 | |
CN109784560A (zh) | 一种电动汽车续航里程估算方法及估算系统 | |
CN111670340A (zh) | 一种车辆剩余行驶里程的获取方法、电子设备及车辆 | |
Zhao et al. | Energy control of plug-in hybrid electric vehicles using model predictive control with route preview | |
CN114906011B (zh) | 基于智能导航的电动汽车里程预估系统 | |
US20190179980A1 (en) | Apparatus and method for determining a predicted energy usage of a vehicle | |
CN109141459A (zh) | 一种带有电耗分析预测的电动汽车导航系统及方法 | |
WO2016184497A1 (en) | System and method for estimating energy usage | |
CN110103936A (zh) | 车辆控制系统、车辆控制方法及存储介质 | |
CN115817183A (zh) | 一种纯电动汽车续驶里程预测方法及预测装置 | |
WO2015155884A1 (ja) | 車両電力消費シミュレーション装置、車両電力消費シミュレーション方法、およびプログラム | |
CN114676870A (zh) | 车速预测方法、车速预测模型训练方法和相关装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |