CN109421551B - 电动车辆及其控制方法、功率管理系统以及车辆控制设备 - Google Patents

Abstract

本发明提供一种电动车辆的控制方法，该方法包括：接收来自用户的指令；获取与所述电动车辆的动力总成配置以及动力学相关的信息，以及根据所获取的信息，确定所述电动车辆的控制约束条件，使得所述电动车辆在所述当前的电池荷电状态SOC下行驶距离最大。本发明还提供了一种功率管理系统、车辆控制设备以及电动车辆。本发明的技术方案能延长行驶距离而无需对电动车辆的动力系统进行改变。

Description

电动车辆及其控制方法、功率管理系统以及车辆控制设备

技术领域

本发明涉及车辆控制领域，特别涉及电动车辆及其控制方法、功率管理系统以及车辆控制设备。

背景技术

近年来，从低污染的角度出发，人们越来越关注电动车辆(诸如电动汽车、混合动力汽车、电动自行车、电动摩托车、电动滑板车等)的使用。

与常规内燃系统相比，电动车辆的驾驶范围小，充电时间长。因此，许多研究已经集中在缩短充电时间或延长行驶距离。对于后者，存在许多不同的方法。一方面，研究人员专注于在驾驶时提供更多的能量，例如，通过增加一发电机，该发电机用常规能源(例如气体)来对电池进行充电。另一方面，已提出用于最佳地驱动车辆的不同策略，例如最大化再生制动、自主驾驶。可见，为了延长行驶距离，现有技术提出的方案需要改变整个动力系统，例如，使逆变器可恢复。

因此，期望一种改进的电动车辆的控制方案。

以上公开于本发明背景部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。

发明内容

鉴于此，本发明提供一种电动车辆的控制方法、功率管理系统、车辆控制设备以及电动车辆，其能在延长行驶距离的同时无需对电动车辆的动力系统进行改变。

根据本发明的一个方面，提供了一种电动车辆的控制方法，该方法包括：接收来自用户的指令；获取与所述电动车辆的动力总成配置以及动力学相关的信息，所述信息包括所述动力总成配置的限制条件以及当前的电池荷电状态SOC；以及根据所获取的信息，确定所述电动车辆的控制约束条件，使得所述电动车辆在所述当前的电池荷电状态SOC下行驶距离最大。

优选地，在上述控制方法中，接收来自用户的指令包括：基于用户触发所述电动车辆上的指定按键，而接收来自所述用户的指令；或者基于用户触发与所述电动车辆可通信连接的移动设备上的应用功能，而接收来自所述用户的指令。

优选地，在上述控制方法中，所述信息还包括以下中的一个或多个：所述电动车辆已经行驶的距离；所述电动车辆的当前速度；以及所述电动车辆的温度。

优选地，所述控制方法还包括：获取第二信息，所述第二信息包括以下中的一个或多个：环境条件、行驶路线、所述用户的驾驶习惯、用户偏好以及交通状况。

优选地，在上述控制方法中，基于启发式方法以及所述动力总成配置的限制条件，来确定所述电动车辆的控制约束条件。

优选地，在上述控制方法中，在所述当前的电池荷电状态SOC低于预先设定的阈值时，将所述电动车辆的行驶速度设置为小于第一速度。

优选地，在上述控制方法中，根据所获取的信息，确定所述电动车辆的控制约束条件包括：

建立优化问题的数学模型，所述数学模型包括状态变量x、控制变量u，以及优化目标O，其中：

x＝[s,v,SOC,T]，u＝[u_route,u_driver,u_environment]，以及

s表示所述电动车辆已经行驶的距离，v表示所述电动车辆的当前速度，SOC表示当前的电池荷电状态，T表示所述电动车辆的温度，u_route表示车辆可行驶路线，u_driver表示所述用户的转把控制信号，以及u_environment表示路上的信号灯、路牌或交规的要求；以及

利用数学算法求解所述数学模型，从而获得所述电动车辆的控制约束条件。

优选地，在上述控制方法中，所述数学算法包括离散动态规划算法以及序列二次规划算法，以及先利用所述离散动态规划算法推算出起始估计值，然后再利用所述序列二次规划算法，从而改进所述数学算法的收敛性。

优选地，在上述控制方法中，所述数学模型可简化为：

x＝[s,v,SOC,T]，u＝[u_route,u_driver,u_environment]，以及

其中，

并且其中，s(0)＝0，v(0)＝v₀，SOC(0)＝SOC₀，T(0)＝T(u_environment)。

优选地，在上述控制方法中，所述电动车辆的控制约束条件由功率管理系统执行，使得所述用户的驾驶行为受到所述控制约束条件的限制。作为一个备选方式，电动车辆的控制约束条件不直接由功率管理系统执行，而只向所述用户显示。

根据本发明的另一个方面，提供了一种功率管理系统，所述功率管理系统包括：接收单元，用于接收来自用户的指令；第一获取单元，用于获取与所述电动车辆的动力总成配置以及动力学相关的信息，所述信息包括所述动力总成配置的限制条件以及当前的电池荷电状态SOC；以及确定单元，用于根据所获取的信息，确定所述电动车辆的控制约束条件，使得所述电动车辆在所述当前的电池荷电状态SOC下行驶距离最大。

优选地，该功率管理系统还可包括：第二获取单元，其用于获取第二信息，所述第二信息包括以下中的一个或多个：环境条件、行驶路线、所述用户的驾驶习惯、用户偏好以及交通状况。

根据本发明的又一个方面，提供了一种电动车辆控制设备，其包括：处理器；以及存储设备，适用于存储多条指令，所述指令适于由所述处理器加载并执行下述步骤：接收来自用户的指令；获取与所述电动车辆的动力总成配置以及动力学相关的信息，所述信息包括所述动力总成配置的限制条件以及当前的电池荷电状态SOC；以及根据所获取的信息，确定所述电动车辆的控制约束条件，使得所述电动车辆在所述当前的电池荷电状态SOC下行驶距离最大。

根据本发明的又一个方面，提供了一种电动车辆，其包括功率管理系统，所述功率管理系统配置成执行如前所述的控制方法。

与现有技术相比，本发明所提出的方案是以尽可能有限的电池容量驱动电动车辆，而不需要改变动力系统。另外，本发明所提出的方案例如可通过使用按钮等来启动功能，该功能形成基于模型的优化驾驶方法，从而通过将动力总成配置的知识、驾驶员的行为、驾驶员的习惯等因素考虑在内来允许驾驶更远。

通过纳入本文的附图以及随后与附图一起用于说明本发明的某些原理的具体实施方式，本发明的方法和装置所具有的其它特征和优点将更为具体地变得清楚或得以阐明。

附图说明

图1是表示本发明的一个实施例的电动车辆的控制方法的流程图；

图2是表示本发明的另一个实施例的电动车辆的控制方法的流程图；

图3是表示本发明实施例的电动车辆的功率管理系统的结构示意图。

具体实施方式

以下说明描述了本发明的特定实施方式以教导本领域技术人员如何制造和使用本发明的最佳模式。为了教导发明原理，已简化或省略了一些常规方面。本领域技术人员应该理解源自这些实施方式的变型将落在本发明的范围内。本领域技术人员应该理解下述特征能够以各种方式接合以形成本发明的多个变型。由此，本发明并不局限于下述特定实施方式，而仅由权利要求和它们的等同物限定。

在本发明的上下文中，术语“电动车辆”表示以电能作原动力进行驱动的运输车辆，包括但不限于电动汽车、混合动力汽车、电动自行车、电动摩托车、电动滑板车等。

图1是表示本发明的一个实施例的电动车辆的控制方法1000的流程图。

在步骤110中，接收来自用户的指令。

在步骤120中，获取与电动车辆的动力总成配置以及动力学相关的信息，该信息包括所述动力总成配置的限制条件以及当前的电池荷电状态SOC。

在步骤130中，根据所获取的信息，确定所述电动车辆的控制约束条件，使得所述电动车辆在所述当前的电池荷电状态SOC下行驶距离最大。

在一个实施例中，接收来自用户的指令包括基于用户触发所述电动车辆上的指定按键，而接收来自所述用户的指令。在一种实现中，电动车辆(如电动滑板车、电动摩托车)上安装有一特定功能按键“Bring-Me-Home”，用户通过按压该功能按键来启动该功能。一般而言，用户或驾驶者往往不希望失去对车辆的控制权力，并且希望能够按照自己的方式来进行驾驶。但一旦按下该特定功能键，就可推断出用户愿意接受更多的驾驶限制(例如在最高速度和/或最大加速度方面受到限制)，使得延长行驶距离成为可能。

在另一个实施例中，接收来自用户的指令包括基于用户触发与电动车辆可通信连接的移动设备上的应用功能，而接收来自所述用户的指令。例如，用户的手机与电动车辆直接或间接通信，使得用户的指令可发送到电动车辆。在一个具体的实现中，用户的移动设备(例如手机)上安装有一应用，通过启用该应用中的功能，经由网络服务器来将指令发送到电动车辆。在另一个具体的实现中，用户的移动设备与电动车辆例如通过蓝牙进行无线连接。

整个动力总成系统的主要部件有电机、控制器、变速器和电池包等。获取与电动车辆的动力总成配置相关的信息可获得动力总成配置的限制条件，例如电动车辆所能达到的最快速度、最大加速度等。与电动车辆的动力学相关的信息可以是目前电池包的剩余电量、一定的车速下电池包的耗电速度、路况或风阻对电池的耗电速度的影响等。

在一个实施例中，与电动车辆的动力总成配置以及动力学相关的信息还可包括以下中的一个或多个：电动车辆已经行驶的距离；电动车辆的当前速度；以及电动车辆的温度(例如各个组件的温度)。

在一个实施例中，可基于启发式方法以及动力总成配置的限制条件，来确定所述电动车辆的控制约束条件或进行优化。启发式方法例如可以是在增加车速会过快地消耗电池的电量的知识背景下，选择降低车速。在另一个示例中，在了解某条路红绿灯多并且有坡道会更快消耗电量后，选择切换到另一条路线。也就是说，启发式方法是基于经验或者一些离线优化的数据所得出的一些经验的推理思路。

从动力总成配置得出的一般限制条件可以作为启发式方法的限制条件或边界条件。例如，若电池电量只允许在一半的车速下运行，并且通过启发式方法推导出要降低车速，则最终车速将会限制在一般车速之下。

图2是表示本发明的另一个实施例的电动车辆的控制方法1000’的流程图。

在步骤110中，接收来自用户的指令。

在步骤120中，获取与电动车辆的动力总成配置以及动力学相关的信息，该信息包括所述动力总成配置的限制条件以及当前的电池荷电状态SOC。

在步骤120’中，获取第二信息，所述第二信息包括以下中的一个或多个：环境条件、行驶路线、所述用户的驾驶习惯、用户偏好以及交通状况。

在步骤130中，根据所获取的信息，确定所述电动车辆的控制约束条件，使得所述电动车辆在所述当前的电池荷电状态SOC下行驶距离最大。

与控制方法1000相比，控制方法1000’通过获取更多的信息来使得电动车辆有更多的控制自由度，在有限的电荷状态的前提下其行驶距离可能更远。例如，电动车辆的电源管理系统不仅考虑了动力总成配置、动力学相关的信息，还考虑了目的地(例如用户的家)的信息、路线和交通状况，则在确定步骤130中可以决定何时最适合恢复电能，或者从一个交通信号灯到下一个交通信号灯应以何种速度行驶。可以理解的是，为了赶上绿灯，有时以比通过例如启发式方法得到的最佳速度稍快一点的速度行驶反而更能节省电能，因为没赶上绿灯可能需要额外的制动，造成不必要的电荷容量的损失。此外，等待交通灯(即额外的等待时间)也会导致电荷容量的损失，例如因为电动车辆的车灯始终在耗电。

可通过电动车辆上的按钮或连接的导航应用程序来接收来自用户的指令。在这种情况下，用户愿意接受加速度和速度的更大限制。因此，即使电池电量较低，电动车辆也可以在一定的剩余电量下获得尽可能多的自由度来行驶尽可能远的距离，或者在连接导航系统并且路线已知的情况下达到所需位置。如果路线已知，剩余电池电量足够高，则可以考虑电动车辆的其他自由度。这些自由度可以包括放宽加速度或高速限制，以尽量减少到达时间来使驾驶员或用户感觉更舒适。

在一个实施例中，接收来自用户的指令包括基于用户触发所述电动车辆上的指定按键，而接收来自所述用户的指令。在一种实现中，电动车辆(如电动滑板车、电动摩托车)上安装有一特定功能按键“Bring-Me-Home”，用户通过按压该功能按键来启动该功能。一般而言，用户或驾驶者往往不希望失去对车辆的控制权力，并且希望能够按照自己的方式来进行驾驶。但一旦按下该特定功能键，就可推断出用户愿意接受更多的驾驶限制(例如在最高速度和/或最大加速度方面受到限制)，使得延长行驶距离成为可能。

在另一个实施例中，接收来自用户的指令包括基于用户触发与电动车辆可通信连接的移动设备上的应用功能，而接收来自所述用户的指令。例如，用户的手机与电动车辆直接或间接通信，使得用户的指令可发送到电动车辆。在一个具体的实现中，用户的移动设备(例如手机)上安装有一应用，通过启用该应用中的功能，经由网络服务器来将指令发送到电动车辆。在另一个具体的实现中，用户的移动设备与电动车辆可通过无线方式(例如蓝牙、Zigbee等)进行连接。

整个动力总成系统的主要部件有电机、控制器、变速器和电池包等。获取与电动车辆的动力总成配置相关的信息可获得动力总成配置的限制条件，例如电动车辆所能达到的最快速度、最大加速度等。与电动车辆的动力学相关的信息可以是目前电池包的剩余电量、一定的车速下电池包的耗电速度、路况或风阻对电池的耗电速度的影响等。

在一个实施例中，与电动车辆的动力总成配置以及动力学相关的信息还可包括以下中的一个或多个：电动车辆已经行驶的距离；电动车辆的当前速度；以及电动车辆的温度(例如各个组件的温度)。

在一个实施例中，在确定所述电动车辆的控制约束条件时考虑影响组件性能的环境影响，例如温度，天气条件和风。如果关于期望的目的地(例如用户的家)的信息，路线和交通状况可用，则这些信息也被纳入考虑。信息可以例如由智能手机导航应用程序提供。路线信息可以包含关于道路轮廓(例如，坡度，航向)、速度限制、交通信号灯以及一般交通的信息。此外，在确定所述电动车辆的控制约束条件时考虑驾驶者的行为(例如通过之前的驾驶记录进行预测)、驾驶偏好是有利的。

此外，如果路线已知，在确定所述电动车辆的控制约束条件时可确定或计算在给定路线上驱动到目的地的最有效方式，同时最小化到达时间或等效地使路线上的速度最大化。如果有更多的电池充电可用于以最佳加速度和速度到达目的地，则可以考虑驾驶员的要求(例如通过放松对加速度和高速度的限制)。如果没有可用的路由或目的地信息，则可基于一般驾驶行为和位置信息(例如城市地区或乡村)来确定控制优化条件。

在一个实施例中，根据所获取的信息，确定所述电动车辆的控制约束条件包括：

建立优化问题的数学模型，所述数学模型包括状态变量x、控制变量u，以及优化目标O，其中：

x＝[s,v,SOC,T]，u＝[u_route,u_driver,u_environment]，以及

s表示所述电动车辆已经行驶的距离，v表示所述电动车辆的当前速度，SOC表示当前的电池荷电状态，T表示所述电动车辆的温度，u_route表示车辆可行驶路线，u_driver表示所述用户的转把控制信号，以及u_environment表示路上的信号灯、路牌或交规的要求；以及

利用数学算法求解该数学模型，从而获得电动车辆的控制约束条件。

作为一种简化形式，上述优化问题的数学模型可以如下所示：

x＝[s,v,SOC,T]，u＝[u_route,u_driver,u_environment]，以及

其中，即行驶距离对时间求导所得出的是车辆的速度，

上面等式是对速度求导，得出的是加速度。这个等式是根据牛顿第二定律推导得出的，其中，第一项F表示电动车辆给出的前进力，第二项代表风阻，第三项表示向后的摩擦力，而第四项是在上坡时重力产生的向后分量，

SOC的导数就是电池SOC的变化率，其与电池放电电流和电池容量有关，

T是温度，它的导数是温度的变化率，与产生的热量和冷却的热量、质量和热容有关。

在上述示例中，可以设定如下初始值：

s(0)＝0，v(0)＝v₀，SOC(0)＝SOC₀，T(0)＝T(u_environment)。

一旦优化问题的数学模型构造好之后，可使用各种数学算法来解决该优化问题。优化问题可以用例如序列二次规划算法来解决。为了提高算法的收敛性，可以预先从另一个离线优化算法(例如离散动态规划(DDP))推导出一般的起始估计。DDP也可以考虑离散状态，例如档位变换、启用或禁用恢复。

在更简单的情况下，可基于启发式方法以及动力总成配置的限制条件，来确定所述电动车辆的控制约束条件或进行优化。

在一个实施例中，电动车辆的控制约束条件由功率管理系统执行，使得所述用户的驾驶行为受到所述控制约束条件的限制。作为一个备选方式，电动车辆的控制约束条件不直接由功率管理系统执行，而只向所述用户显示。

图3是表示本发明实施例的电动车辆的功率管理系统3000的结构示意图。

如图3所示，功率管理系统3000可包括接收单元310、第一获取单元320以及确定单元330。在功率管理系统3000中，接收单元310用于接收来自用户的指令，第一获取单元320用于获取与电动车辆的动力总成配置以及动力学相关的信息，该信息包括动力总成配置的限制条件以及当前的电池荷电状态SOC，确定单元330用于根据所获取的信息，确定电动车辆的控制约束条件，使得该电动车辆在当前的电池荷电状态SOC下行驶距离最大。

在一个实施例中，该功率管理系统3000还可包括第二获取单元340，其用于获取第二信息。第二信息可包括以下中的一个或多个：环境条件、行驶路线、所述用户的驾驶习惯、用户偏好以及交通状况。通过获取更多的信息来使电动车辆有更多的控制自由度，使得在有限的电荷状态的前提下电动汽车可能行驶出更远的距离。

根据本发明的另一个方面，提供了一种电动车辆控制设备，其包括：处理器；以及存储设备，适用于存储多条指令，该指令适于由所述处理器加载并执行下述步骤：接收来自用户的指令；获取与所述电动车辆的动力总成配置以及动力学相关的信息，所述信息包括所述动力总成配置的限制条件以及当前的电池荷电状态SOC；以及根据所获取的信息，确定所述电动车辆的控制约束条件，使得所述电动车辆在所述当前的电池荷电状态SOC下行驶距离最大。

根据本发明的又一个方面，提供了一种电动车辆，其包括功率管理系统，所述功率管理系统配置成执行如前所述的控制方法。

本发明的技术方案至少具有如下优点：

-以尽可能有限的电池容量驱动电动车辆，而不需要改变动力系统；

-例如可通过使用按钮等来启动功能，人机界面友好；

-形成基于模型的优化驾驶方法，从而通过将动力总成配置的知识、驾驶员的行为、驾驶员的习惯等因素考虑在内来允许驾驶更远；

-不仅适用于电动汽车，还可适用于电动二轮车，包括但不限于电动自行车、电动滑板车等。

以上例子主要说明了本发明的电动车辆及其控制方法、功率管理系统以及车辆控制设备。尽管只对其中一些本发明的具体实施方式进行了描述，但是本领域普通技术人员应当了解，本发明可以在不偏离其主旨与范围内以许多其他的形式实施。因此，所展示的例子与实施方式被视为示意性的而非限制性的，在不脱离如所附各权利要求所定义的本发明精神及范围的情况下，本发明可能涵盖各种的修改与替换。

Claims (14)

1.一种电动车辆的控制方法，其特征在于，所述方法包括：

S1：接收来自用户的指令；

S2：获取与所述电动车辆的动力总成配置以及动力学相关的信息，所述信息包括所述动力总成配置的限制条件以及当前的电池荷电状态SOC；以及

S3：根据所获取的信息，确定所述电动车辆的控制约束条件，使得所述电动车辆在所述当前的电池荷电状态SOC下行驶距离最大，其中，根据所获取的信息，确定所述电动车辆的控制约束条件包括：

建立优化问题的数学模型，所述数学模型包括状态变量x、状态控制变量u以及优化目标O，其中：

x＝[s,v,SOC,T]，u＝[u_route,u_driver,u_environment]以及

s表示所述电动车辆已经行驶的距离，v表示所述电动车辆的当前速度，SOC表示当前的电池荷电状态，T表示所述电动车辆的温度，u_route表示车辆可行驶路线，u_driver表示所述用户的转把控制信号，以及u_environment表示路上的信号灯、路牌或交规的要求；以及

利用数学算法求解所述数学模型，从而获得所述电动车辆的控制约束条件。

2.如权利要求1所述的控制方法，其中，接收来自用户的指令包括：

基于用户触发所述电动车辆上的指定按键，而接收来自所述用户的指令；或者

基于用户触发与所述电动车辆可通信连接的移动设备上的应用功能，而接收来自所述用户的指令。

3.如权利要求1所述的控制方法，其中，所述信息还包括以下中的一个或多个：

所述电动车辆已经行驶的距离；

所述电动车辆的当前速度；以及

所述电动车辆的温度。

4.如权利要求1或3所述的控制方法，在步骤S2之后S3之前所述控制方法还包括：

S2’：获取第二信息，所述第二信息包括以下中的一个或多个：环境条件、行驶路线、用户偏好以及交通状况。

5.如权利要求1所述的控制方法，其中，步骤S3包括：

基于启发式方法以及所述动力总成配置的限制条件，来确定所述电动车辆的控制约束条件。

6.如权利要求5所述的控制方法，其中，在所述当前的电池荷电状态SOC低于预先设定的阈值时，将所述电动车辆的行驶速度设置为小于第一速度。

7.如权利要求1所述的控制方法，其中，所述数学算法包括离散动态规划算法以及序列二次规划算法，以及先利用所述离散动态规划算法推算出起始估计值，然后再利用所述序列二次规划算法，从而改进所述数学算法的收敛性。

8.如权利要求1所述的控制方法，其中，所述数学模型简化为：

x＝[s,v,SOC,T]，u＝[u_route,u_driver,u_environment]，以及

其中，

其中，s(0)＝0，v(0)＝v₀，SOC(0)＝SOC₀，T(0)＝T(u_environment)，

以及其中，F(u_route,u_driver)表示电动车辆给出的前进力，代表风阻，表示向后的摩擦力，而/>是在上坡时重力产生的向后分量，I表示电流，C_battery表示电池容量，Q_generated为产生的热量，Q_cool为冷却的热量、m_c为质量，c_p,c为热容。

9.如权利要求1、7和8中任一项所述的控制方法，其中，所述电动车辆的控制约束条件由功率管理系统执行，使得所述用户的驾驶行为受到所述控制约束条件的限制。

10.如权利要求1、7和8中任一项所述的控制方法，其中，所述电动车辆的控制约束条件向所述用户显示。

11.一种功率管理系统，所述系统包括：

接收单元，用于接收来自用户的指令；

第一获取单元，用于获取与电动车辆的动力总成配置以及动力学相关的信息，所述信息包括所述动力总成配置的限制条件以及当前的电池荷电状态SOC；以及

确定单元，用于根据所获取的信息，确定所述电动车辆的控制约束条件，使得所述电动车辆在所述当前的电池荷电状态SOC下行驶距离最大，其中，根据所获取的信息，确定所述电动车辆的控制约束条件包括：

建立优化问题的数学模型，所述数学模型包括状态变量x、状态控制变量u以及优化目标O，其中：

x＝[s,v,SOC,T]，u＝[u_route,u_driver,u_environment]以及

s表示所述电动车辆已经行驶的距离，v表示所述电动车辆的当前速度，SOC表示当前的电池荷电状态，T表示所述电动车辆的温度，u_route表示车辆可行驶路线，u_driver表示所述用户的转把控制信号，以及u_environment表示路上的信号灯、路牌或交规的要求；以及

利用数学算法求解所述数学模型，从而获得所述电动车辆的控制约束条件。

12.如权利要求11所述的功率管理系统，还包括：

第二获取单元，其用于获取第二信息，所述第二信息包括以下中的一个或多个：环境条件、行驶路线、用户偏好以及交通状况。

13.一种电动车辆控制设备，包括：

处理器；以及

存储设备，适用于存储多条指令，其特征在于，所述指令适于由所述处理器加载并执行下述步骤：

接收来自用户的指令；

获取与所述电动车辆的动力总成配置以及动力学相关的信息，所述信息包括所述动力总成配置的限制条件以及当前的电池荷电状态SOC；以及

根据所获取的信息，确定所述电动车辆的控制约束条件，使得所述电动车辆在所述当前的电池荷电状态SOC下行驶距离最大

其中，根据所获取的信息，确定所述电动车辆的控制约束条件包括：

建立优化问题的数学模型，所述数学模型包括状态变量x、状态控制变量u以及优化目标O，其中：

x＝[s,v,SOC,T]，u＝[u_route,u_driver,u_environment]以及

s表示所述电动车辆已经行驶的距离，v表示所述电动车辆的当前速度，SOC表示当前的电池荷电状态，T表示所述电动车辆的温度，u_route表示车辆可行驶路线，u_driver表示所述用户的转把控制信号，以及u_environment表示路上的信号灯、路牌或交规的要求；以及

利用数学算法求解所述数学模型，从而获得所述电动车辆的控制约束条件。

14.一种电动车辆，其包括功率管理系统，所述功率管理系统配置成执行如权利要求1至10中任一项所述的控制方法。