CN110861501A - 一种基于自学习估算电动汽车续航里程的方法 - Google Patents

一种基于自学习估算电动汽车续航里程的方法 Download PDF

Info

Publication number
CN110861501A
CN110861501A CN201911135893.XA CN201911135893A CN110861501A CN 110861501 A CN110861501 A CN 110861501A CN 201911135893 A CN201911135893 A CN 201911135893A CN 110861501 A CN110861501 A CN 110861501A
Authority
CN
China
Prior art keywords
self
learning
endurance mileage
initial value
mileage
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.)
Pending
Application number
CN201911135893.XA
Other languages
English (en)
Inventor
孙柳明
刘振
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dongfeng Hangsheng (wuhan) Automobile Control System Co Ltd
Original Assignee
Dongfeng Hangsheng (wuhan) Automobile Control System Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Dongfeng Hangsheng (wuhan) Automobile Control System Co Ltd filed Critical Dongfeng Hangsheng (wuhan) Automobile Control System Co Ltd
Priority to CN201911135893.XA priority Critical patent/CN110861501A/zh
Publication of CN110861501A publication Critical patent/CN110861501A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
    • B60L3/12—Recording operating variables ; Monitoring of operating variables
    • 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
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [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
    • B60L2260/00—Operating Modes
    • B60L2260/40—Control modes
    • B60L2260/50—Control modes by future state prediction
    • B60L2260/52—Control modes by future state prediction drive range estimation, e.g. of estimation of available travel distance
    • 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
    • B60L2260/00—Operating Modes
    • B60L2260/40—Control modes
    • B60L2260/50—Control modes by future state prediction
    • B60L2260/54—Energy consumption estimation
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明公开了一种基于自学习估算电动汽车续航里程的方法。它通过自学习的方法获取车辆的满电续航里程初值；获取车辆上各大功率器件的工作参数，实时采集车辆上正在使用的各大功率器件的工作时间，根据各大功率器件的工作参数及工作时间计算各大功率器件消耗的能量；根据满电续航里程初值、各大功率器件消耗的能量及剩余能量计算续航里程。本发明提出了续航里程初值的优化方法，基于自学习得出的续航里程初值能够更加贴近客户实际使用的续航里程初值，最终计算的续航里程更准确。

Description

一种基于自学习估算电动汽车续航里程的方法
技术领域
本发明属于新能源电动汽车技术领域，具体涉及一种基于自学习估算电动汽车续航里程的方法。
背景技术
随着新能源汽车的逐渐普及，如何把新能源汽车的用户体验做到更好也逐渐成为各大汽车制造厂商关心的话题，一个好的功能使用能够帮助汽车驾驶人员更好的操作汽车，为整个驾驶过程带来愉悦，而续航里程的使用可以为驾驶人员提供车辆续航能力的良好参照，用户可以更好的规划行程。但是如何能准确地计算续航里程，一直都是汽车行业的难题。电池电量的估算、驾驶习惯、路况等都会影响续航里程的计算。
目前已有续航里程算法主要有俩种，一种是基于导航的续航里程算法，此种算法预先将汽车在各种速度条件下的能耗进行标定，然后根据导航规划出的路面及速度信息，结合当前剩余电量计算剩余里程。另一种通过计算车辆通过预设距离时电池的耗电量来估算剩余能量能行驶的里程。
以上所列的方法均有本身的局限。第一种方法是建立在汽车导航的基础上的，但是现在汽车导航基本已经被手机导航取代，汽车导航基本很少去更新了，故此方法不怎么适用。第二种方法一方面缺乏初值的确定方法，充满电后会造成给客户一个非常虚假的里程值。另一方面计算过程中续航里程会随着开车工况的改变而上下跳动，给驾乘人员一个非常不好的体验。
发明内容
本发明的目的就是为了解决上述背景技术存在的不足，提供一种基于自学习估算电动汽车续航里程的方法，可以更加精确地估算车辆的续航里程，给驾驶人员更好的过程体验。
本发明采用的技术方案是：一种基于自学习估算电动汽车续航里程的方法，通过自学习的方法获取车辆的满电续航里程初值；获取车辆上各大功率器件的工作参数，实时采集车辆上正在使用的各大功率器件的工作时间，根据各大功率器件的工作参数及工作时间计算各大功率器件消耗的能量；根据满电续航里程初值、各大功率器件消耗的能量及剩余能量计算续航里程。
进一步地，所述通过自学习的方法获取车辆的满电续航里程初值的过程为：设置额定能量的1/N为固定能耗，实时记录每次消耗固定能耗所行驶的里程作为一个数据，以记录时间为先后顺序，取最新记录的N*M个数据，以记录时间的连续性为基准将N*M个数据分为M组，将每组中的N个数据进行累加，得到M个总数据，对M个总数据采用平均滤波算法得到满电续航里程初值。
进一步地，所述平均滤波算法得到满电续航里程初值为：去除M个总数据中的最大值和最小值，然后取平均值作为满电续航里程初值。
进一步地，所述平均滤波算法得到满电续航里程初值为：取平均值作为满电续航里程初值。
进一步地，所述M为整数，M的取值为3-10。
进一步地，所述N为整数，N的取值为5-10。
进一步地，所述N的取值为5或10。
进一步地，所述大功率器件消耗的能量E通过以下公式计算：
E＝P*T*剩余能量/额定能量
其中，P为大功率器件的功率，T为大功率器件的工作时间。
更进一步地，所述续航里程R通过以下公式计算：
R＝K*(剩余能量-E1-E2-……-En)/额定能量
其中，K为满电续航里程初值，E1、E2、……、En分别为车辆上正在使用的各个大功率用电器件消耗的能量。
本发明的有益效果是：
1、提出了续航里程初值的优化方法，即根据个人的驾驶习惯，经常跑的路况等计算出一个满电续航里程初值，相对于现有续航里程初值一成不变，本发明基于自学习得出的满电续航里程初值能够更加贴近客户实际使用的续航里程初值，最终计算的续航里程更准确。
2、相对于之前算法续航里程会忽上忽下，此续航里程计算方法可以使续航里程平滑稳定的逐渐减少。
3、计算过程简单可靠，节省系统运行时间。
4、此方法依赖项少，稳定性高。
5、考虑了大功率器件能量消耗，可以减少大功率用电器件的影响。
附图说明
图1为本发明的流程示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明。在此需要说明的是，对于这些实施方式的说明用于帮助理解本发明，但并不构成对本发明的限定。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以互相结合。
如图1所示，本发明一种基于自学习估算电动汽车续航里程的方法，通过自学习的方法获取车辆的满电续航里程初值；获取车辆上各大功率器件的工作参数，实时采集车辆上正在使用的各大功率器件的工作时间，根据各大功率器件的工作参数及工作时间计算各大功率器件消耗的能量；根据续航里程初值、各大功率器件消耗的能量及剩余能量计算续航里程。
本发明提出了续航里程初值的优化方法，即根据个人的驾驶习惯，经常跑的路况等计算出一个满电续航里程初值，相对于现有续航里程初值一成不变，本发明基于自学习得出的满电续航里程初值能够更加贴近客户实际使用的续航里程初值，最终计算的续航里程更准确。
使用过程中满电续航初始值的确定通过自学习完成，基于私家车的驾驶员相对固定，驾驶习惯固定，并且行驶区域也相对固定，所以车辆的能耗也相对稳定，反应出来的就是续航里程也相对固定，因此前面积累出来的续航里程值可用作后续续航里程值的初始值。
上述通过自学习的方法获取车辆的满电续航里程初值的过程为：设置额定能量的1/N为固定能耗，实时记录每次消耗固定能耗所行驶的里程作为一个数据，以记录时间为先后顺序，取最新记录的N*M个数据，以记录时间的连续性为基准将N*M个数据分为M组，将每组中的N个数据进行累加，得到M个总数据，对M个总数据采用平均滤波算法得到满电续航里程初值。所述M为整数，M的取值为3-10，优选为5或10；所述N为整数，N的取值为5-10，优选为5或10。
详细过程为：设置固定能耗为额定能量的1/N，依次记录消耗这么多能耗时行驶的里程，并判断这个里程是否有效(有效范围的选取依据具体车型而定，可以将最坏工况作为下限值，最好工况作为上限值)，假如有效，每记录N个数据即为一次完整的续航里程。为了使数据能够反映大多数工况，本发明建议至少保存5组以上的数据(数据也不能太多，如果太多的话会影响续航里程更新的灵敏度，另外如果数据太多的话会占据大量的存储空间，建议不要超过10组，另外数据都是采用队列保存的方法，即按照先进先出的原则)，然后对这些数据采用去极值平均滤波算法(即去掉最大值最小值后取平均)得出满电续航里程初值，当数据小于3组时因为不满足去极值平均滤波算法条件，所以使用平均滤波算法(即直接取平均)给出满电续航里程值。
电动汽车上的大功率器件有空调、PTC等，这些器件工作时会大量的消耗电池的电流，从而使续航里程急剧减少。为减少这些器件工作对续航里程计算精度的影响，本发明考虑大功率器件的能量消耗，续航里程计算时，先去除大功率器件的能量消耗部分，再通过剩余能量计算续航里程。
每种大功率器件的功率在规格书中都有说明，假设为P。假设该器件的工作时间为T，那么该器件消耗的能量(假设为E)可通过以下公式来估算：
E＝P*T*剩余能量/额定能量
其中，P为大功率器件的功率，T为大功率器件的工作时间。
对于如何判断器件正在使用，有俩种方法：一种是通过硬线来告知，另一种可以通过CAN网络来执行。前期先协定好哪种信号代表开，哪种信号代表关。计算ECU就可以依据协议判断该器件的开关了。
行驶过程中车辆的额定能量和剩余能量为电池管理系统提供的参数，其中额定能量指的是电池成包后所具有的总能量，剩余能量指的是当前电池剩下的能量。
根据上述大功率器件消耗的能量公式可得出各种大功率用电器件的电耗总和，此时就可以把大功率器件导致的续航里程差别摘除出来，得到实际的续航里程R，公式如下：
R＝K*(剩余能量-E1-E2-……-En)/额定能量
其中，K为满电续航里程初值，E1、E2、……、En分别为车辆上正在使用的各个大功率用电器件消耗的能量。
以上仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本领域的技术人员在本发明所揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims (9)

1.一种基于自学习估算电动汽车续航里程的方法，其特征在于：通过自学习的方法获取车辆的满电续航里程初值；获取车辆上各大功率器件的工作参数，实时采集车辆上正在使用的各大功率器件的工作时间，根据各大功率器件的工作参数及工作时间计算各大功率器件消耗的能量；根据满电续航里程初值、各大功率器件消耗的能量及剩余能量计算续航里程。
2.根据权利要求1所述的基于自学习估算电动汽车续航里程的方法，其特征在于，所述通过自学习的方法获取车辆的满电续航里程初值的过程为：设置额定能量的1/N为固定能耗，实时记录每次消耗固定能耗所行驶的里程作为一个数据，以记录时间为先后顺序，取最新记录的N*M个数据，以记录时间的连续性为基准将N*M个数据分为M组，将每组中的N个数据进行累加，得到M个总数据，对M个总数据采用平均滤波算法得到满电续航里程初值。
3.根据权利要求2所述的基于自学习估算电动汽车续航里程的方法，其特征在于，所述平均滤波算法得到满电续航里程初值为：去除M个总数据中的最大值和最小值，然后取平均值作为满电续航里程初值。
4.根据权利要求2所述的基于自学习估算电动汽车续航里程的方法，其特征在于，所述平均滤波算法得到满电续航里程初值为：取M个总数据的平均值作为满电续航里程初值。
5.根据权利要求2所述的基于自学习估算电动汽车续航里程的方法，其特征在于：所述M为整数，M的取值为3-10。
6.根据权利要求2所述的基于自学习估算电动汽车续航里程的方法，其特征在于：所述N为整数，N的取值为5-10。
7.根据权利要求1所述的基于自学习估算电动汽车续航里程的方法，其特征在于：所述N的取值为5或10。
8.根据权利要求1所述的基于自学习估算电动汽车续航里程的方法，其特征在于，所述大功率器件消耗的能量E通过以下公式计算：
E＝P*T*剩余能量/额定能量
其中，P为大功率器件的功率，T为大功率器件的工作时间。
9.根据权利要求1所述的基于自学习估算电动汽车续航里程的方法，其特征在于，所述续航里程R通过以下公式计算：
R＝K*(剩余能量-E1-E2-……-En)/额定能量
其中，K为满电续航里程初值，E1、E2、……、En分别为车辆上正在使用的各个大功率用电器件消耗的能量。
CN201911135893.XA 2019-11-19 2019-11-19 一种基于自学习估算电动汽车续航里程的方法 Pending CN110861501A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911135893.XA CN110861501A (zh) 2019-11-19 2019-11-19 一种基于自学习估算电动汽车续航里程的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911135893.XA CN110861501A (zh) 2019-11-19 2019-11-19 一种基于自学习估算电动汽车续航里程的方法

Publications (1)

Publication Number Publication Date
CN110861501A true CN110861501A (zh) 2020-03-06

Family

ID=69654909

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911135893.XA Pending CN110861501A (zh) 2019-11-19 2019-11-19 一种基于自学习估算电动汽车续航里程的方法

Country Status (1)

Country Link
CN (1) CN110861501A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112782735A (zh) * 2020-12-30 2021-05-11 大运汽车股份有限公司 一种自学习续航里程修正计算方法
CN116945907A (zh) * 2023-09-19 2023-10-27 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

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105711519A (zh) * 2016-04-29 2016-06-29 奇瑞汽车股份有限公司 纯电动汽车的续驶里程计算方法
DE102015204959A1 (de) * 2015-03-19 2016-09-22 Volkswagen Aktiengesellschaft Ermittlung von Verbrauchswerten und Reichweite eines Kraftfahrzeugs
CN107132480A (zh) * 2017-03-13 2017-09-05 苏州飞崧通讯技术有限公司 一种电动交通工具续航里程的测算方法
CN109050262A (zh) * 2018-08-27 2018-12-21 上海精虹新能源科技有限公司 一种纯电动汽车的剩余续驶里程估算方法及系统
CN109532556A (zh) * 2018-10-19 2019-03-29 北京经纬恒润科技有限公司 一种纯电动汽车续航里程的获取方法及系统
CN110406427A (zh) * 2019-06-12 2019-11-05 四川野马汽车股份有限公司 一种电动汽车剩余里程的自学习方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102015204959A1 (de) * 2015-03-19 2016-09-22 Volkswagen Aktiengesellschaft Ermittlung von Verbrauchswerten und Reichweite eines Kraftfahrzeugs
CN105711519A (zh) * 2016-04-29 2016-06-29 奇瑞汽车股份有限公司 纯电动汽车的续驶里程计算方法
CN107132480A (zh) * 2017-03-13 2017-09-05 苏州飞崧通讯技术有限公司 一种电动交通工具续航里程的测算方法
CN109050262A (zh) * 2018-08-27 2018-12-21 上海精虹新能源科技有限公司 一种纯电动汽车的剩余续驶里程估算方法及系统
CN109532556A (zh) * 2018-10-19 2019-03-29 北京经纬恒润科技有限公司 一种纯电动汽车续航里程的获取方法及系统
CN110406427A (zh) * 2019-06-12 2019-11-05 四川野马汽车股份有限公司 一种电动汽车剩余里程的自学习方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112782735A (zh) * 2020-12-30 2021-05-11 大运汽车股份有限公司 一种自学习续航里程修正计算方法
CN116945907A (zh) * 2023-09-19 2023-10-27 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
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

Similar Documents

Publication Publication Date Title
CN111670340B (zh) 一种车辆剩余行驶里程的获取方法、电子设备及车辆
CN110154831B (zh) 一种纯电动汽车单位时间耗电量、车辆续航里程和行驶旅程所需电量的计算系统和方法
CN107933317B (zh) 估算剩余续驶里程的方法、装置、设备及纯电动汽车
CN110406427B (zh) 一种电动汽车剩余里程的自学习方法
US9539904B2 (en) Energy consumption rate in distance domain
CN111422099B (zh) 一种用于纯电动车辆的续航里程估算方法
CN107458259A (zh) 一种新能源电动汽车剩余里程估算方法
CN109693545B (zh) 一种电池剩余能量、车辆剩余里程的估算方法及装置
WO2013108246A2 (en) Approximation of remaining travelable distance of a vehicle powered by a battery
CN109795369A (zh) 一种基于平均电耗的电动汽车续航里程估算方法
CN102837697A (zh) 一种电动汽车续航里程管理系统及工作方法
CN112406630B (zh) 一种基于工况识别的电动车续驶里程计算方法
CN109130868B (zh) 电动汽车续航里程预估方法及系统
JP7407367B2 (ja) 管理システム、管理プログラム、及び電動車両
JP5729191B2 (ja) 車両用航続可能距離推定装置
CN110861501A (zh) 一种基于自学习估算电动汽车续航里程的方法
WO2020090341A1 (ja) 情報処理システム、制御装置、及び車両用電源システム
CN112083332A (zh) 一种考虑用户感受的纯电动车续驶里程估算方法
JP2020505262A (ja) ハイブリッド動力車の燃料および電力消費を管理する管理設定値を計算する方法
WO2021059950A1 (ja) 車載報知装置、報知プログラム、及び演算装置
JP5659980B2 (ja) 車両用航続可能距離推定装置
WO2023123094A1 (zh) 确定续航里程的方法、装置、系统、电动汽车和存储介质
JP2013002850A (ja) ナビゲーション装置
CN112078430B (zh) 电动车辆的续航里程估算方法、装置及电动车辆
CN116749774A (zh) 续航里程确定方法、装置、电子设备及可读存储介质

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200306

RJ01 Rejection of invention patent application after publication