CN110033136A - 一种基于监控平台的电动客车的数据分析方法 - Google Patents

Abstract

本发明公开了公共交通领域内的一种基于监控平台的电动客车的数据分析方法。该种基于监控平台的电动客车的数据分析方法包括车辆的运营规律分析、能耗分析和充电行为分析，运营规律分析、能耗分析和充电行为分析相互结合生成针对电动客车运营管理、维护管理的综合性分析结果。该种基于监控平台的电动客车的数据分析方法具有成本低、针对性强、分析结果更全面的优点，同时提高了分析报告的实时有效性。

Description

一种基于监控平台的电动客车的数据分析方法

技术领域

本发明涉及公共交通技术领域，特别涉及一种基于监控平台的电动客车的数据分析方法。

背景技术

电动汽车是指以车载电源为动力，用电机驱动车轮行驶的车辆，由于其对环境影响相对传统汽车较小，符合新型能源发展要求，是解决能源和环境问题的重要手段，因而是汽车工业发展的必然趋势，其中电动客车是电动汽车的一个重要组成部分。

针对电动汽车，现有充电行为分析技术主要是在充电桩上安装的监测充电信息的设备，同时通过无线模块上传至监控平台进行分析；针对电动汽车，现有的车辆能耗分析技术主要是基于车联网的车辆能耗分析系统，需要安装车载终端、设计服务器。

但是现有的对车辆数据的分析方法主要存在以下问题：1、现有的车辆监控数据分析大多方向单一，例如只是针对能耗或充电行为进行分析，但实际上车辆的充电频率和能耗大小相关联，这样单一的分析结果比较片面；2、现有的车辆运营、能耗或充电行为分析大多要建立独立系统，安装硬件监控装置，部署监控服务平台，这样的系统成本高昂；3、现有的数据分析的车辆类型比较广泛，没有针对客车的分析，而客车的大多有固定的运营路线和时间，依据客车的运营特点，可以有针对性的分析和改进。

发明内容

本发明的目的在于提供一种基于监控平台的电动客车数据分析方法，能够自动分析各客户车辆的运营规律、能耗、驾驶行为、充电行为等使用情况，定期输出分析结果，为车辆客户提供驾驶和充电行为的合理性分析，为研发人员提供设计的不足和改进方向。

本发明为对车辆信息数据的一种分析方法，基础数据来源为符合国标的监控平台，所以该分析方法可以集成在监控平台中，表现为车辆监控平台的一个功能。

为了实现上述发明目的，本发明一种基于监控平台的电动客车的数据分析方法采用如下技术方案：

一种基于监控平台的电动客车的数据分析方法，包括车辆的运营规律分析、能耗分析和充电行为分析，

所述运营规律分析包括以下步骤：

步骤A1：由定位信息、地图信息绘制车辆运营路线，

步骤A2：由定位信息、数据采集时间、车辆状态计算出车辆运营时间、停靠站点、发车班次信息，

步骤A3：分析监控平台上所有车辆运营情况，得到各自运营路线的车辆分布情况；

所述能耗分析包括以下步骤：

步骤B1：基于监控平台保存的历史数据，进行数据预处理，过滤异常数据帧、无效数据帧，

步骤B2：筛除停车充电状态的数据帧，积分整车总电压、总电流计算总能耗，总能耗计算公式如下：

E_总＝∑E_总(t)/∑S(t)×100，

E_总(t)＝U_总(t)×I_总(t)/1000/3600×Δt，

S(t)＝v(t)/3600×Δt，

其中，E_总：百公里总能耗，∑E_总(t)：Δt总能耗积分值的累计求和，∑S(t)：Δt里程值的累计求和，即累计行驶里程，U_总(t)：t时刻电池输出总电压，I_总(t)：t时刻电池输出总电流，v(t)：t时刻车速，Δt：远程监控终端数据采集时间间隔，本终端采集间隔为10s，

步骤B3：筛出车速大于0的数据帧，积分驱动电机电压、电流计算驱动能耗，驱动能耗计算公式如下：

E_驱＝∑E_驱(t)/∑S(t)×100，

E_驱(t)＝U_驱(t)×I_驱(t)/1000/3600×Δt，

S(t)＝v(t)/3600×Δt，

其中，E_驱：百公里驱动能耗，∑E_驱(t)：Δt驱动能耗积分值的累计求和，∑S(t)：Δt里程值的累计求和，即累计行驶里程，U_驱(t)：t时刻电机控制器输入电压，I_驱(t)：t时刻电机控制器直流母线电流，v(t)：t时刻车速，Δt：远程监控终端数据采集时间间隔，国家标准规定采集间隔为10s，

步骤B4：其他能耗＝总能耗-驱动能耗，

筛选车速为零时的报文数据，积分停车状态的总电压、电流计算日均停车能耗，停车能耗计算公式如下：

E_停＝∑E_停(t)/∑S(t)×100，

步骤B5：将步骤B2-步骤B4中计算的能耗指标与工况法测试的空载能耗指标对比并结合运营规律分析，估算车辆的客流量、电机能耗效率、电器的使用频率，

步骤B6：将同线路同型号的车辆能耗进行对比，结合运营规律分析评估各驾驶员的驾驶行为差异；

所述充电行为分析包括以下步骤：

步骤C1：通过充电状态和数据采集时间，计算充电时间分布，D_充电＝[T_开始，T_结束]，分析客户的充电时段在一天中的分布情况，以及充电高峰的时间分布，

步骤C2：通过充电电压、充电电流数据计算充电电量，计算公式如下：

E_充电＝∑(U_t×I_t×Δt)，

其中，E_充电：由单位时间的充电电压、电流、单位时间间隔相乘得到电能积分值，U_t：t时刻充电电压，I_t：t时刻充电电流，Δt：监控平台数据采集的时间间隔，

步骤C3：通过监控平台记录的SOC值，统计SOC主要分布的区间，SOC_充电＝[SOC_开始，SOC_结束]，分析SOC的实际使用区间是否接近最佳使用区间即[30，100]，评估当前电池是否存在过度充电或过度放电的情况，以及对整车和电池性能、电池寿命的影响，

步骤C4：统计车辆充电时的定位信息，分析充电位置的主要分布，

步骤C5：将步骤C1-步骤C4中计算分析得到的充电行为数据结合运营规律分析得出充电行为分析结论，评估电池储电量是否满足实际运营能耗的要求、充电桩位置的选择与运营路线是否匹配、用户充电时间的选择是否合理以及用户是否合理有效地利用电池电量，

步骤C6：根据车辆运营的里程和SOC的下降幅度估算电池的储电量，和车辆出厂测试的储电量对比，评估电池的损耗情况。

上述运营规律分析、能耗分析和充电行为分析相互结合生成针对电动客车运营管理、维护管理的综合性分析结果。

与现有技术相比，本发明的有益效果在于：

1.本发明的分析方法实现成本低，无需额外安装任何硬件设备，也不需要单独建立系统，只要将此分析方法集成在监控平台中，基于平台已有的历史报文数据，实现定期的分析和评估；

2.本发明的分析方法针对性强、准确度高，由于区域运营的公共客车行驶路线较固定，运营时间稳定，驾驶、充电等具有规律，基于这一特点，本发明有针对性地对车辆数据进行分析总结，从而评估车辆的运营规律，客流量大小，行车能耗和电池容量是否匹配，充电桩的选择是否合理，电池的损耗情况，并给出相应有效建议；

3.本发明降低了人工审核分析的工作量，提高了计算的准确率和分析的客观性，依据固定的分析步骤快速地对基础数据进行提取分析，节省了时间，提高了分析报告的实时有效性；

4.本发明的分析方法得出的结果更全面，本发明将车辆运营规律、能耗、充电行为结合分析，得到更全面的分析结果。

附图说明

图1为本发明数据分析方法的流程图；

图2为运营规律分析的流程图；

图3为监控平台上某客车的历史数据表部分截图一；

图4为该客车的行驶轨迹示意图；

图5为该客车的运营路线图；

图6为能耗分析的流程图；

图7为监控平台上该客车的历史数据表部分截图二；

图8为监控平台上该客车的历史数据表部分截图三；

图9为监控平台上该客车的历史数据表部分截图四；

图10为充电记录筛选程序流程；

图11为充电行为分析的流程图；

图12为充电时间分布图；

图13为整理后的充电数据记录图。

具体实施方式

下面结合具体实施方式，进一步阐明本发明，应理解这些实施方式仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

如图1所示，一种基于监控平台的电动客车的数据分析方法，包括车辆的运营规律分析、能耗分析和充电行为分析，其中如图2所示，运营规律分析包括以下步骤：

步骤A1：根据如图3所示的历史数据的定位经纬度描绘车辆如图4所示的运行轨迹，结合地图数据描绘该车如图5所示的运营路线图；

步骤A2：由定位信息、数据采集时间、车辆状态数据，总结计算出该车每班次运行里程14.2km，发车8班次，最长运行里程约162km，每次运行约40分钟，发车时间间隔30min，结合运营路线分析可知，该车运营路段为市中心，停车场离运营路线较远，大约距离6km；

步骤A3：分析监控平台上所有车辆运营情况，得到各自运营路线的车辆分布情况；

能耗分析包括以下步骤：

如图6-7所示，

步骤B1：基于监控平台保存的历史数据，进行数据预处理，过滤异常数据帧、无效数据帧，例如电压、电流数据显示为FF、FE的数据均为无效或异常数据，

步骤B2：筛除停车充电状态的数据帧，积分整车总电压、总电流计算总能耗，

E_总＝∑E_总(t)/∑s(t)×100，

E_总(t)＝U_总(t)×I_总(t)/1000/3600×Δt，

S(t)＝V(t)/3600×Δt，

其中，E_总：百公里总能耗，∑E_总(t)：Δt总能耗积分值的累计求和，∑S(t)：Δt里程值的累计求和，即累计行驶里程，U_总(t)：t时刻电池输出总电压，I_总(t)：t时刻电池输出总电流，v(t)：t时刻车速，Δt：监控终端数据采集时间间隔，本终端采集间隔为10s，

筛选充电报文，根据GB/T32960，充电状态为1表示停车充电，4表示完成充电，充电状态不计算能耗，通过上述总能耗计算公式计算得到当天的E_总＝68.07kwh，

步骤B3：筛出车速大于0的数据帧，积分驱动电机电压、电流计算整车驱动能耗，

E_驱＝∑E_驱(t)/∑S(t)×100，

E_驱(t)＝U_驱(t)×I_驱(t)/1000/3600×Δt，

S(t)＝v(t)/3600×Δt，

其中，E_驱动：百公里驱动能耗，∑E_驱(t)：Δt驱动能耗积分值的累计求和，∑S(t)：Δt里程值的累计求和，即累计行驶里程，U_驱(t)：t时刻电机控制器输入电压，I_驱(t)：t时刻电机控制器直流母线电流，v(t)：t时刻车速，Δt：监控终端数据采集时间间隔，本终端采集间隔为10s，

计算得到当天E_驱＝56.5kwh，

步骤B4：根据其他能耗＝总能耗-驱动能耗，其他主要包括用于驱动系统以外(暖风、空调、除霜及各种辅机)的消耗；

计算得到当天E_其它＝68.07-56.5＝11.57kwh，

筛选车速为零时的报文数据，积分停车状态的总电压、电流计算停车能耗，

E_停＝∑E_停(t)/∑S(t)×100，

计算得到当天E_停＝6.59kwh，

步骤B5：将步骤B2～步骤B4计算的能耗指标与工况法测试的空载能耗指标对比并结合运营规律分析，估算车辆的客流量、电机能耗效率、电器(空调、暖风等)的使用频率，分析结果如下：

驱动能耗为每公里56.5kwh，驱动能耗偏高，而驱动能耗的大小和车的载客量和电机运行效率两个因素有关，具体的偏高原因需要监控平台管理人员结合实际情况分析，如果判断是电机效率较低，可以通过优化限制电流或者增大制动回收扭矩来提高效率，

其它能耗为每百公里11.57kwh，占总能耗的16.9％，属于正常范围，说明除电机外的电气设备的能耗在正常使用的能耗范围内，

步骤B6：将同线路同型号的车辆能耗进行对比，结合运营规律分析评估各驾驶员的驾驶行为差异，分析结果如下：

停车能耗每百公里6.59kwh，其中停车时间在5分钟以上的停车能耗占总停车能耗76％，说明司机到站停车后没有熄火，耗电较多，驾驶习惯需要改进；

充电行为分析：

如图8-10所示，

首先从历史数据中筛选出充电记录的首帧和最后一帧，即每次开始充电的信息和结束充电的信息，同时计算每一次充电过程中的充电电量。下图为历史数据，选取充电状态由3变为1的第一帧和充电状态变为3前的最后一帧，作为一次充电记录信息。

如图11所示，

步骤C1：通过充电状态和数据采集时间，计算充电时间分布，D_充电＝[T_开始，T_结束]，分析客户的充电时段在一天中的分布情况，以及充电高峰的时间分布区间，将时间分布划分为三个区间段，分别是夜间、白天上午、白天下午，分析结果如下：

该车在2月6日-3月6日时间段内，共充电47次，65％的充电时间在夜晚21点至次日凌晨1点之间，即[21：00，01：00]，35％在白天临时补充少量电量，具体分布情况如图12所示，

步骤C2：通过充电电压、充电电流计算一次充电中的电量：E_充电＝∑(U_t×I_t×Δt)，其中，U_t和I_t分别是充电过程中t时刻的充电电压、充电电流，Δt是数据采集时间间隔10秒，

通过公式充电量＝E_充电/1000/3600将充电量转化为KWh单位，

整理后的充电记录如图13所示，

步骤C3：通过监控平台记录的SOC值，统计SOC主要分布的区间，SOC_充电＝[SOC_开始，SOC_结束]，分析SOC的分布情况如下：

充电开始SOC在[20，45]之间的占比50％，开始SOC在[45，70]之间的占比30％，[70，90]之间的占比20％，将SOC分布与时间分布结合分析，在该车29次夜间充电的记录中，大部分都可以充满，但是其中6次未能充满，导致次日白天需要补电，推测原因是充电机与BMS异常中断，而在白天上午补电的记录中，78％都是由于前一天夜晚未能充满电池电量，建议车辆管理人员检查充电异常中断原因，

步骤C4：统计车辆充电时的定位信息，分析充电位置的主要分布，分析结果如下：该车具有两个充电站，一个是距离运营路线6km的停车场，一个是运营途中的客运站，

步骤C5：将步骤C1-步骤C4中计算分析得到的充电行为数据结合运营规律分析得出充电行为分析结论，分析结果如下：

在上午补充电量的记录中，部分充电起始SOC都在80％以上，根据运营规律分析可知，该车日运营里程160km，根据能耗分析可知，百公里能耗为68kwh/100km，可以计算日均能耗大约为68*160/100＝109kwh，由车辆信息可知，该车的电池总储电量为187.3kwh。由以上条件可以计算该车日均大约消耗58％的SOC，SOC在80％的情况可以满足一天的运营，建议车辆管理人员在类似情况下可以无需补充电量，

在下午补充电量的记录中，89％的充电起始SOC在40％以上，且下午补充电量的时间大多在16：00以后，建议车辆管理人员对于这类情况，下午无需补电，减少充电频率，从而延长电池寿命，

对该车型的各车运营路线统计，最长日均行驶190km，大约耗电130kwh，占电池总容量的69％，电池电量可以满足实际运营要求。

步骤C6：根据车辆运营的里程和SOC的下降幅度估算电池的储电量，和车辆出厂测试的储电量对比，评估电池的损耗情况，分析结果如下：

根据充电记录列表计算2019年3月的日均消耗SOC平均值为60％，与前面用能耗估算的58％相差较小，并且车辆的使用时间较短，综合判断电池损耗较小。

Claims (7)

1.一种基于监控平台的电动客车的数据分析方法，其特征在于：包括车辆的运营规律分析、能耗分析和充电行为分析，所述运营规律分析、能耗分析和充电行为分析相互结合生成针对电动客车运营管理、维护管理的综合性分析结果，其中所述充电行为分析包括以下步骤：

步骤C1：通过充电状态和数据采集时间，计算充电时间分布，

步骤C2：通过充电电压、充电电流数据计算充电电量，

步骤C3：统计SOC主要分布的区间，评估当前电池情况，

步骤C4：统计车辆充电时的定位信息，分析充电位置的分布，

步骤C5：将步骤C1-步骤C4中计算分析得到的充电行为数据结合所述运营规律分析得出充电行为分析结论。

2.根据权利要求1所述的一种基于监控平台的电动客车的数据分析方法，其特征在于：步骤C5中充电行为分析结论内容包括电池储电量是否满足实际运营能耗的要求、充电桩位置的选择与运营路线是否匹配、用户充电时间的选择是否合理以及用户是否合理有效地利用电池电量。

3.根据权利要求1所述的一种基于监控平台的电动客车的数据分析方法，其特征在于：所述充电行为分析中步骤C5之后还包括步骤C6：估算电池的储电量，评估电池的损耗情况。

4.根据权利要求1所述的一种基于监控平台的电动客车的数据分析方法，其特征在于：所述运营规律分析包括以下步骤：

步骤A1：由历史定位信息、地图信息绘制车辆运营路线，

步骤A2：由定位信息、数据采集时间、车辆状态计算出车辆运营时间、停靠站点、发车班次信息，

步骤A3：分析监控平台上所有车辆运营情况，得到各自运营路线的车辆分布情况。

5.根据权利要求1所述的一种基于监控平台的电动客车的数据分析方法，其特征在于：所述能耗分析包括以下步骤：

步骤B1：预处理监控平台保存的历史数据，过滤异常数据帧、无效数据帧，

步骤B2：筛除停车充电状态的数据帧，积分整车总电压、总电流计算总能耗，

步骤B3：筛出车速大于0的数据帧，积分驱动电机电压、电流计算驱动能耗，

步骤B4：计算其他能耗以及停车能耗，其中，积分停车状态的总电压、电流计算停车能耗，

步骤B5：将步骤B2-步骤B4中计算出的能耗数据与空载能耗指标对比并结合所述运营规律分析得出能耗分析结论。

6.根据权利要求5所述的一种基于监控平台的电动客车的数据分析方法，其特征在于：所述步骤B5中能耗分析结论的内容包括估算车辆的客流量、电机能耗效率、电器的使用频率。

7.根据权利要求5所述的一种基于监控平台的电动客车的数据分析方法，其特征在于：所述能耗分析中步骤B5之后还包括步骤B6：将同线路同型号的车辆能耗进行对比，结合所述运营规律分析评估各驾驶员的驾驶行为差异。