CN109668571B - 基于电量预测和智能能量管理的纯电动垃圾车路径规划方法 - Google Patents

Abstract

本发明公开了一种基于电量预测和智能能量管理的纯电动垃圾车路径规划方法，包括如下步骤：通过纯电动垃圾车上的称重传感器获取每次收集垃圾时每个垃圾收集站点的垃圾质量，基于大数据统计和车辆的自学习预测未来每个站点的垃圾量；根据车辆需要收集的站点，罗列出每种车辆行驶方案，针对每种方案分别计算相邻两个站点车辆能耗和车辆的剩余电量；根据每种方案计算对应行驶路线车辆最终剩余电池能量，对比每种方案最终剩余电池电量，取剩余电池电量最大方案路线作为车辆最优行驶路线。本发明考虑了垃圾车装载质量对能耗的影响，提高纯电动垃圾车电量预测精度，降低垃圾车能量消耗并增加垃圾运送量。

Description

基于电量预测和智能能量管理的纯电动垃圾车路径规划方法

技术领域

本发明涉及车辆智能控制技术，尤其涉及一种基于电量预测和智能能量管理的纯电动垃圾车路径规划方法。

背景技术

在节能减排需求和政府补贴、限行限购、双积分等政策的联合推动下，当前中国环卫专用车市场正迎来新能源汽车发展的“黄金时代”。相比于传统燃油垃圾车，电动垃圾车续驶里程由于受到车载电池能量密度和制造成本等条件的限制，而且充电站或充电植等基础设施还很不完善，如何对电动垃圾车电量进行预测和智能能量管理就变得尤为重要。

企业对电动汽车电量预测和智能管理问题的关注重点主要在车辆历史平均能量消耗的估计上，根据车辆前一段时间的行驶记录计算历史平均能耗，当作车辆未来的能耗，进行车辆路径规划。然而，对于纯电动垃圾车而言，在进行装载作业后，汽车质量将显著增加，依据前一段时间的行驶记录来估算车辆的电量情况将会产生较大估算误差。

发明内容

本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种基于电量预测和智能能量管理的纯电动垃圾车路径规划方法。

本发明解决其技术问题所采用的技术方案是：一种基于电量预测和智能能量管理的纯电动垃圾车路径规划方法，包括以下步骤：

1)通过纯电动垃圾车上的称重传感器获取每次收集垃圾时每个垃圾收集站点的垃圾质量，基于大数据统计和车辆的自学习预测未来每个站点的垃圾量；

2)根据预先设定需要进行垃圾收集的站点数，遍历所有车辆行驶方案，针对每种方案分别计算相邻两个站点车辆能耗和车辆的剩余电量；具体如下：

2.1)根据当前车辆荷电状态SOC确定当前电池的电量；

其中，所述荷电状态SOC可以通过显示仪表进行读取，BMS(电池管理系统)通过当前电池端电压U、电流I和温度T计算出当前电池的SOC。当前电池的电量E_cur可以通过下式计算得到：

E_batt＝QU*(SOC-SOC_low)

式中Q为电池的额定容量；U为电池的端电压；SOC_low为电池放电截至荷电状态；

2.2)确定可能的路径规划方案：

其中，所述车辆行驶方案的制定依据GPS地图获取垃圾车附近垃圾站点、倾倒点和充电站点位置，在起点位置已知，以先经过n个垃圾站点再到p圾倾倒点中的一个进行垃圾倾倒，最后回到q个充电站点的其中一个进行充电，将经过的站点顺序随机进行排列组合，总共组合方案为p*q*n！种。对于每一种行驶方案，两站点之间的能耗计算包括如下步骤：

轮胎牵引力F_whl计算公式如下：

式中，m为垃圾车空车质量；m_i为第i垃圾站点到下一站点这个过程垃圾质量；g为重力加速度；α为水平方向与汽车行驶方向夹角；逆时针为正，表示加速状态；f为滚动阻力系数；C_D为迎风阻力系数；A为迎风面积；ρ为空气密度；δ为汽车旋转质量换算系数；

电动垃圾车从第i个站点到下一站的能量消耗E_ec，i计算如下：

式中，Ts为车辆静止状态下进行垃圾装载时间；

为车辆静止状态下上装附件功率；F_whl为轮胎牵引力；S_i为从第i个站点到下一站的里程数；

电动垃圾车从第i个站点到下一站点剩余电池能量E_re，i计算如下：

根据剩余电池能量E_re，i计算得到对应的预测电池荷电状态SOC_i，荷电状态满足：

SOC_i＝E_re，i/(QU)+SOC_low

3)根据每种方案计算对应行驶路线车辆最终剩余电池能量，对比每种方案最终剩余电池电量，取剩余电池电量最大的3种方案路线作为车辆最优行驶路线备选。

按上述方案，所述称重传感器安装在垃圾车前后轴位置。

本发明产生的有益效果是：充分考虑了垃圾车装载质量对能耗的影响，基于大数据统计和车辆的自学习功能预测纯电动垃圾车能量消耗，以最大剩余电池能量作为纯电动垃圾车路径规划的评判标准，为驾驶员优化行驶路线方案提供依据。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明实施例的方法流程图；

图2是本发明实施例纯电动垃圾车的结构示意图；

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

如图1至2所示，一种纯电动垃圾车电量预测和智能能量管理方法，

所述纯电动垃圾车包括：GPS、BMS和称重传感器；其中，GPS用于垃圾车附近垃圾站点、倾倒点和充电站点位置的地图导航；

BMS(电池管理系统)通过当前电池端电压U、电流I和温度T计算出当前电池的SOC；

称重传感器获取每个垃圾收集站点的每次垃圾质量；

包括如下步骤：

步骤S1,通过称重传感器获取每个垃圾收集站点的垃圾质量，基于大数据统计和车辆的自学习预测未来每个站点的垃圾量；

其中，所述称重传感器安装在垃圾车前后轴位置，可以实时获取当前车辆质量，通过信号线将整车质量信息传输给整车控制器，经整车控制器分析计算得到各垃圾站点收集的垃圾质量，将历史垃圾质量数据进行存储和归类，根据每个站点过去一段时间质量的变化预测出未来该站点垃圾质量。

步骤S2,根据当前车辆SOC预测车辆可以收集的站点数，罗列出每种车辆行驶方案，针对每种方案分别计算相邻两个站点车辆能耗和车辆的剩余电量；

其中，所述荷电状态SOC可以通过显示仪表进行读取，BMS(电池管理系统)通过当前电池端电压U、电流I和温度T计算出当前电池的SOC。当前电池的电量E_cur可以通过下式计算得到：

E_batt＝QU*(SOC-SOC_low)

式中Q为电池的额定容量；U为电池的端电压；SOC_low为电池放电截至荷电状态。

其中，所述车辆行驶方案的制定依据GPS地图获取垃圾车附近垃圾站点、倾倒点和充电站点位置，在起点位置已知，以先经过n个垃圾站点再到m垃圾倾倒点中的一个进行垃圾倾倒，最后回到q个充电站点的其中一个进行充电，将经过的站点顺序随机进行排列组合，总共组合方案为m*q*n！种。对于每一种行驶方案，两站点之间的能耗计算包括如下步骤：

轮胎牵引力F_whl计算公式如下：

式中，m为垃圾车空车质量；m_i为第i垃圾站点到下一站点这个过程垃圾质量；g为重力加速度；α为水平方向与汽车行驶方向夹角；逆时针为正，表示加速状态；f为滚动阻力系数；C_D为迎风阻力系数；A为迎风面积；ρ为空气密度；δ为汽车旋转质量换算系数。

电动垃圾车从第i个站点到下一站的能量消耗E_ec，i计算如下：

式中式中Ts为车辆静止状态下进行垃圾装载时间；

为车辆静止状态下上装附件功率；F_whl为轮胎牵引力；S_i为从第i个站点到下一站的里程数。

电动垃圾车从第i个站点到下一站点剩余电池能量E_re，i计算如下：

根据剩余电池能量E_re，i可以计算得到预测电池荷电状态SOC_i，荷电状态满足：

SOC_i＝E_re，i/(QU)+SOC_low

步骤S3,根据每种方案计算对应行驶路线车辆最终剩余电池能量，对比每种方案最终剩余电池电量，取剩余电池电量最大的3种方案路线作为车辆最优行驶路线备选。

其中，根据上述计算方法算出第j种方案的最终剩余电池能量E_re(j),满足：

将所有方案所对应的剩余电池能量进行对比，取最大值求取最佳方案剩余电池能量E_re,best，如下

E_re,best＝MAX{E_re(1)，E_re(2)，E_re(3)，...，E_re(j),...，E_re(m*q*n！)}以剩余电池能量最大的行驶路线方案规划垃圾车未来行驶路线。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (2)

1.一种基于电量预测和智能能量管理的纯电动垃圾车路径规划方法，其特征在于，包括以下步骤：

1)通过纯电动垃圾车上的称重传感器获取每次收集垃圾时每个垃圾收集站点的垃圾质量，基于大数据统计和车辆的自学习预测未来每个站点的垃圾量；

2)根据预先设定需要进行垃圾收集的站点数，遍历所有车辆行驶方案，针对每种方案分别计算相邻两个站点车辆能耗和车辆的剩余电量；具体如下：

2.1)根据当前车辆荷电状态SOC确定当前电池的电量；

其中，所述荷电状态SOC通过显示仪表进行读取，电池管理系统BMS通过当前电池端电压U、电流I和温度T计算出当前电池的SOC；当前电池的电量E_cur通过下式计算得到：

E_batt＝QU*(SOC-SOC_low)

式中,Q为电池的额定容量；U为电池的端电压；SOC_low为电池放电截至荷电状态；

2.2)确定可能的路径规划方案：

其中，所述车辆行驶方案的制定依据GPS地图获取垃圾车附近垃圾站点、倾倒点和充电站点位置，在起点位置已知，以先经过n个垃圾站点再到p圾倾倒点中的一个进行垃圾倾倒，最后回到q个充电站点的其中一个进行充电，将经过的站点顺序随机进行排列组合，总共组合方案为p*q*n！种；对于每一种行驶方案，两站点之间的能耗计算包括如下步骤：

轮胎牵引力F_whl计算公式如下：

式中，m为垃圾车空车质量；m_i为第i垃圾站点到下一站点这个过程垃圾质量；g为重力加速度；α为水平方向与汽车行驶方向夹角；f为滚动阻力系数；C_D为迎风阻力系数；A为迎风面积；ρ为空气密度；δ为汽车旋转质量换算系数；

电动垃圾车从第i个站点到下一站的能量消耗E_ec，i计算如下：

式中，Ts为车辆静止状态下进行垃圾装载时间；P^stp为车辆静止状态下上装附件功率；F_whl为轮胎牵引力；S_i为从第i个站点到下一站的里程数；

电动垃圾车从第i个站点到下一站点剩余电池能量E_re，i计算如下：

根据剩余电池能量E_re，i计算得到对应的预测电池荷电状态SOC_i，荷电状态满足：

SOC_i＝E_re，i/(QU)+SOC_low；

3)根据每种方案计算对应行驶路线车辆最终剩余电池能量，对比每种方案最终剩余电池电量，取剩余电池电量最大的3种方案路线作为车辆最优行驶路线备选。

2.根据权利要求1所述的方法，其特征在于，所述称重传感器安装在垃圾车前后轴位置。

Images