CN111361451A - 一种纯电动汽车的剩余里程预估方法及装置 - Google Patents
一种纯电动汽车的剩余里程预估方法及装置 Download PDFInfo
- Publication number
- CN111361451A CN111361451A CN202010143717.7A CN202010143717A CN111361451A CN 111361451 A CN111361451 A CN 111361451A CN 202010143717 A CN202010143717 A CN 202010143717A CN 111361451 A CN111361451 A CN 111361451A
- Authority
- CN
- China
- Prior art keywords
- calculating
- consumption rate
- energy consumption
- pure electric
- remaining 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
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
- 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
-
- 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)
- 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
本发明涉及电动汽车技术领域,具体是一种纯电动汽车的剩余里程预估方法及装置,所述方法包括:获取车辆的行驶数据,接到能量消耗率,所述能量消耗率为在云端系统中,根据所述行驶数据建立预测工况模型,计算出能量消耗率;在预设存储时间内,基于所述预测工况模型,通过电池管理系统计算出剩余电池能量;根据所述能量消耗率与所述剩余电池能量,计算出车辆的剩余里程;本发明能够基于驾驶员日常驾驶行为和剩余电池电量预估出纯电动汽车剩余里程,提高纯电动汽车剩余里程准确性,避免误导驾驶员在后续驾驶过程中的判断,使驾驶员能够合理的安排充电时机和行程。
Description
技术领域
本发明涉及电动汽车技术领域,特别涉及一种纯电动汽车的剩余里程预估方法及装置。
背景技术
随着传统能源的不断枯竭和越来越严格的排放标准,各大汽车制造商将研发的重点放在纯电动汽车上,在纯电动主要是利用电能实现驱动,节能环保,但是现在纯电动汽车在市场推广上面临的是续航问题,大部分的电动汽车在电池能力使用一部分后,无法准确的预估出剩余里程,导致驾驶员在后续驾驶时会焦虑,并且无法合理的安排充电时机。
目前,纯电动汽车对剩余里程的传统预估方法是基于新欧洲驾驶周期(NewEuropean Driving Cycle,简称NEDC)工况或者匀速工况进行计算,但是不同驾驶员在驾驶过程中的习惯不同,只是基于单一工况进行预估剩余里程,导致其准确性较低,会误导驾驶员在后续驾驶过程中的判断,导致错过合理的充电时机,无法准确的安排行程,因此,以上问题是本领域技术人所亟需解决的。
发明内容
针对现有技术的上述问题,本发明的目的在于提供一种纯电动汽车的剩余里程预估方法及装置,基于驾驶员日常驾驶行为和剩余电池电量预估出纯电动汽车剩余里程,提高纯电动汽车剩余里程准确性,避免误导驾驶员在后续驾驶过程中的判断,使驾驶员能够合理的安排充电时机和行程。
为了解决上述问题,本发明提供一种纯电动汽车的剩余里程预估方法,包括如下步骤:
获取车辆的行驶数据;
接到能量消耗率,所述能量消耗率为在云端系统中,根据所述行驶数据建立预测工况模型,计算出能量消耗率;
在预设存储时间内,基于所述预测工况模型,通过电池管理系统计算出剩余电池能量;
根据所述能量消耗率与所述剩余电池能量,计算出车辆的剩余里程。
进一步地,在云端系统中,根据所述行驶数据建立预测工况模型,计算出能量消耗率包括:
获取实时行驶数据;
在预设间隔时间内,根据所述实时行驶数据,提取和储存特征向量;
当所述特征向量数量达到预设数量时,更新所述云端系统中的特征向量库;
根据已更新所述云端系统中的特征向量库进行聚类计算,基于聚类结果确定出最优聚类结果;
根据所述最优聚类结果,建立对应的预测工况模型;
基于所述预测工况模型,计算出所述预测工况模型对应的能量消耗率。
进一步地,所述特征向量为在所述预设间隔时间内的驾驶数据特征的变量,其中,所述驾驶数据特征包括:平均车速、最高车速、最低车速或怠速时间中至少一种。
进一步地,所述预设间隔时间为450s~500s。
进一步地,所述预设数量为90~100。
进一步地,删除所述特征向量库中时间最早的特征向量,其中,删除的特征向量数量与存储的所述特征向量数量一致;
将存储的所述特征向量加入所述特征向量库中,重新组建一个特征向量库。
进一步地,所述聚类计算的方法为Kmeans++聚类计算法。
进一步地,在预设存储时间内,基于所述建立驾驶行为模型,通过电池管理系统计算出剩余电池能量包括:
在预设存储时间内,获取对应的特征向量;
根据所述对应的特征向量与所述预测工况模型中聚类结果的欧式距离,确定出最小距离的聚类结果;
将最小距离的聚类结果作为预测工况,在所述预测工况下,计算出剩余电池能量。
进一步地,所述预设存储时间范围为90s~100s。
本发明还保护了一种纯电动汽车的剩余里程预估装置,包括:
获取模块,用于获取车辆的行驶数据值;
能量消耗率计算模块,用于在云端系统中,根据所述行驶数据值建立预测工况模型,基于所述预测工况模型计算出对应的能量消耗率;
剩余电池能量计算模块,用于在预设存储时间内,基于所述预测工况模型,通过电池管理系统计算出剩余电池能量;
剩余里程计算模块,用于根据所述能量消耗率与所述剩余电池能量,计算出车辆的剩余里程。
由于上述技术方案,本发明具有以下有益效果:
1)本发明的一种纯电动汽车的剩余里程预估方法及装置,通过根据驾驶员日常的驾驶习惯,建立驾驶行为模型,基于驾驶行为模型计算出电池剩余电量,并且根据剩余电量和驾驶行为模型,准确的预估出纯电动汽车的剩余里程,提高其准确性,避免误导驾驶员在后续驾驶过程中的判断,使驾驶员能够合理的安排充电时机和行程;
2)本发明的一种纯电动汽车的剩余里程预估方法及装置,能够不断的更新特征向量满足使驾驶行为模型更新,避免历史数据对驾驶行为模型精度产生干扰,保证预估出的电动汽车剩余里程的准确性。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1是本发明实施例提供的纯电动汽车的剩余里程预估方法的流程图;
图2是本发明实施例提供的步骤S102的流程图;
图3是本发明实施例提供的步骤S103的流程图;
图4是本发明实施例提供的纯电动汽车的剩余里程预估装置的结构示意图;
图5是本发明实施例提供的能量消耗率计算模块的结构示意图;
图6是本发明实施例提供的剩余电池能量计算模块的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本发明的描述中,需要理解的是,术语“上”、“下”、“左”、“右”、“顶”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含的包括一个或者更多个该特征。而且,术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
实施例一
本实施例一提供一种纯电动汽车的剩余里程预估方法,如图1所示,包括如下步骤:
S101.获取车辆的行驶数据;
S102.接到能量消耗率,所述能量消耗率为在云端系统中,根据所述行驶数据建立预测工况模型,计算出能量消耗率;
S103.在预设存储时间内,基于所述预测工况模型,通过电池管理系统计算出剩余电池能量;
S104.根据所述能量消耗率与所述剩余电池能量,计算出车辆的剩余里程。
如图2所示,在云端系统中,根据所述行驶数据值建立预测工况模型,基于所述预测工况模型计算出对应的能量消耗率,包括:
S201.获取实时行驶数据;
S202.在预设间隔时间内,根据所述实时行驶数据,提取和储存特征向量;
S203.当所述特征向量数量达到预设数量时,更新所述云端系统中的特征向量库;
S204.根据已更新所述云端系统中的特征向量库进行聚类计算,基于聚类结果确定出最优聚类结果;
S205.根据所述最优聚类结果,建立对应的预测工况模型;
S206.基于所述预测工况模型,计算出所述预测工况模型对应的能量消耗率。
具体地,根据已更新所述云端系统中的特征向量库进行聚类计算,基于聚类结果确定出最优聚类结果包括:
根据已更新所述云端系统中的特征向量库进行聚类计算,计算出多个聚类结果;
在多个所述聚类结果中提取规定数量的聚类中心结果;
通过对提取的所述聚类中心结果进行对比,确定出最优聚类结果。
具体地,所述特征向量库最大容量可容纳1000个特征向量。
具体地,所述特征向量为在所述预设间隔时间内的驾驶数据特征的变量,其中,所述驾驶数据特征包括:平均车速、最高车速、最低车速或怠速时间中至少一种。
一些实施例中,所述驾驶数据特征还包括更多的信息,例如,刹车频率,空调使用率等,均可以作为建立预测工况模型的驾驶数据特征。
具体地,所述预设间隔时间范围为450s~500s,一般优选地,所述预设间隔时间为500s。
具体地,所述预设数量范围为90~100,一般优选地,所述预设数量为100。
具体地,更新所述云端系统中的特征向量库包括:
删除所述特征向量库中时间最早的特征向量,其中,删除的特征向量数量与存储的所述特征向量数量一致;
将存储的所述特征向量加入所述特征向量库中,重新组建一个特征向量库能够不断的更新特征向量满足使驾驶行为模型更新,避免历史数据对驾驶行为模型精度产生干扰,保证预估出的电动汽车剩余里程的准确性。
具体地,所述预测工况模型是指的一种基于驾驶行为所对应的预测工况的数据模型。
具体地,所述聚类计算的方法为Kmeans++聚类计算法。
如图3所示,在预设存储时间内,基于所述建立驾驶行为模型,通过电池管理系统计算出剩余电池能量包括:
S301.在预设存储时间内,获取对应的特征向量;
S302.根据所述对应的特征向量与所述预测工况模型中聚类结果的欧式距离,确定出最小距离的聚类结果;
S303.将最小距离的聚类结果作为预测工况,在所述预测工况下,计算出剩余电池能量。
具体地,所述预设存储时间范围为90s~100s,一般优选地,所述预设存储时间范围为100s。
本实施例还提供了一种纯电动汽车的剩余里程预估装置,如图4所示,包括:
获取模块10,用于获取车辆的行驶数据值;
能量消耗率计算模块20,用于在云端系统中,根据所述行驶数据值建立预测工况模型,基于所述预测工况模型计算出对应的能量消耗率;
剩余电池能量计算模块30,用于在预设存储时间内,基于所述预测工况模型,通过电池管理系统计算出剩余电池能量;
剩余里程计算模块40,用于根据所述能量消耗率与所述剩余电池能量,计算出车辆的剩余里程。
如图5所示,所述能量消耗率计算模块20还包括:
实时行驶数据获取单元201,用于获取实时行驶数据;
特征向量存储单元202,用于在预设间隔时间内,根据所述实时行驶数据,提取和储存特征向量;
特征向量库更新单元203,用于当所述特征向量数量达到预设数量时,更新所述云端系统中的特征向量库;
最优聚类结果确定单元204,用于根据已更新所述云端系统中的特征向量库进行聚类计算,基于聚类结果确定出最优聚类结果;
驾驶行为模型建立单元205,用于根据所述最优聚类结果,建立对应的预测工况模型;
能量消耗率计算单元206,用于基于所述预测工况模型,计算出所述预测工况模型对应的能量消耗率。
如图6所示,所述剩余电池能量计算模块30还包括:
特征向量获取单元301,用于在预设存储时间内,获取对应的特征向量;
最小距离的聚类结果确定单元302,用于根据所述对应的特征向量与所述预测工况模型中聚类结果的欧式距离,确定出最小距离的聚类结果;
剩余电池能量计算单元303,用于将最小距离的聚类结果作为预测工况,在所述预测工况下,计算出剩余电池能量。
实施例一提供了一种纯电动汽车的剩余里程预估方法及装置,通过根据驾驶员日常的驾驶习惯,建立驾驶行为模型,基于驾驶行为模型计算出电池剩余电量,并且根据剩余电量和驾驶行为模型,准确的预估出纯电动汽车的剩余里程,提高其准确性,避免误导驾驶员在后续驾驶过程中的判断,使驾驶员能够合理的安排充电时机和行程。
要说明的是,对于前述的各方法实施例,为了简便描述,将其都表述为二系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其它顺序或者同时进行。同样地,上述中纯电动汽车的剩余里程预估装置的各模块是指计算机程序或者程序段,用于执行某一项或多项特定的功能,此外,上述各模块的区分并不代表实际的程序代码也必须是分开的。此外,还可对上述实施例进行任意组合,得到其他的实施例。
在上述实施例中,对各实施例的描述都各有侧重,某各实施例中没有详述的部分,可以参见其它实施例的相关描述。本领域技术人员还可以了解到本发明实施例列出的各种说明性逻辑块(illustrative logical block),单元,和步骤可以通过电子硬件、电脑软件,或两者的结合进行实现。为清楚展示硬件和软件的可替换性(interchangeability),上述的各种说明性部件(illustrative components),单元和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用,可以使用各种方法实现所述的功能,但这种实现不应被理解为超出本发明实施例保护的范围。
上述说明已经充分揭露了本发明的具体实施方式。需要指出的是,熟悉该领域的技术人员对本发明的具体实施方式所做的任何改动均不脱离本发明的权利要求书的范围。相应地,本发明的权利要求的范围也并不仅仅局限于前述具体实施方式。
Claims (10)
1.一种纯电动汽车的剩余里程预估方法,其特征在于,包括如下步骤:
获取车辆的行驶数据;
接到能量消耗率,所述能量消耗率为在云端系统中,根据所述行驶数据建立预测工况模型,计算出能量消耗率;
在预设存储时间内,基于所述预测工况模型,通过电池管理系统计算出剩余电池能量;
根据所述能量消耗率与所述剩余电池能量,计算出车辆的剩余里程。
2.根据权利要求1所述的一种纯电动汽车的剩余里程预估方法,其特征在于,在云端系统中,根据所述行驶数据建立预测工况模型,计算出能量消耗率包括:
获取实时行驶数据;
在预设间隔时间内,根据所述实时行驶数据,提取和储存特征向量;
当所述特征向量数量达到预设数量时,更新所述云端系统中的特征向量库;
根据已更新所述云端系统中的特征向量库进行聚类计算,基于聚类结果确定出最优聚类结果;
根据所述最优聚类结果,建立对应的预测工况模型;
基于所述预测工况模型,计算出所述预测工况模型对应的能量消耗率。
3.根据权利要求2所述的一种纯电动汽车的剩余里程预估方法,其特征在于,所述特征向量为在所述预设间隔时间内的驾驶数据特征的变量,其中,所述驾驶数据特征包括:平均车速、最高车速、最低车速或怠速时间中至少一种。
4.根据权利要求3所述的一种纯电动汽车的剩余里程预估方法,其特征在于,所述预设间隔时间范围为450s~500s。
5.根据权利要求2所述的一种纯电动汽车的剩余里程预估方法,其特征在于,所述预设数量范围为90~100。
6.根据权利要求5所述的一种纯电动汽车的剩余里程预估方法,其特征在于,更新所述云端系统中的特征向量库包括:
删除所述特征向量库中时间最早的特征向量,其中,删除的特征向量数量与存储的所述特征向量数量一致;
将存储的所述特征向量加入所述特征向量库中,重新组建一个特征向量库。
7.根据权利要求1所述的一种纯电动汽车的剩余里程预估方法,其特征在于,所述聚类计算的方法为Kmeans++聚类计算法。
8.根据权利要求1所述的一种纯电动汽车的剩余里程预估方法,其特征在于,在预设存储时间内,基于所述建立驾驶行为模型,通过电池管理系统计算出剩余电池能量包括:
在预设存储时间内,获取对应的特征向量;
根据所述对应的特征向量与所述预测工况模型中聚类结果的欧式距离,确定出最小距离的聚类结果;
将最小距离的聚类结果作为预测工况,在所述预测工况下,计算出剩余电池能量。
9.根据权利要求8所述的一种纯电动汽车的剩余里程预估方法,其特征在于,所述预设存储时间范围为90s~100s。
10.一种纯电动汽车的剩余里程预估装置,其特征在于,包括:
获取模块,用于获取车辆的行驶数据;
能量消耗率接收模块,用于接到能量消耗率,所述能量消耗率为在云端系统中,根据所述行驶数据建立预测工况模型,计算出能量消耗率;
剩余电池能量计算模块,用于在预设存储时间内,基于所述预测工况模型,通过电池管理系统计算出剩余电池能量;
剩余里程计算模块,用于根据所述能量消耗率与所述剩余电池能量,计算出车辆的剩余里程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010143717.7A CN111361451A (zh) | 2020-03-04 | 2020-03-04 | 一种纯电动汽车的剩余里程预估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010143717.7A CN111361451A (zh) | 2020-03-04 | 2020-03-04 | 一种纯电动汽车的剩余里程预估方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111361451A true CN111361451A (zh) | 2020-07-03 |
Family
ID=71200277
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010143717.7A Pending CN111361451A (zh) | 2020-03-04 | 2020-03-04 | 一种纯电动汽车的剩余里程预估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111361451A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113376526A (zh) * | 2021-04-29 | 2021-09-10 | 广汽三菱汽车有限公司 | 汽车电池容量预测方法、寿命预测方法、装置及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130079966A1 (en) * | 2011-09-27 | 2013-03-28 | Aisin Ai Co., Ltd. | Control apparatus of hybrid vehicle |
CN106945530A (zh) * | 2017-04-07 | 2017-07-14 | 重庆长安汽车股份有限公司 | 一种电动汽车及其续驶里程预测方法、系统 |
CN109835209A (zh) * | 2019-03-01 | 2019-06-04 | 奇瑞汽车股份有限公司 | 汽车的续航里程确定方法、装置及存储介质 |
CN110015132A (zh) * | 2017-09-12 | 2019-07-16 | 北京奔驰汽车有限公司 | 一种计算纯电动车剩余续驶里程的方法 |
CN110667434A (zh) * | 2019-09-11 | 2020-01-10 | 南京航空航天大学 | 一种自适应工况的纯电动汽车行驶里程估计方法及系统 |
-
2020
- 2020-03-04 CN CN202010143717.7A patent/CN111361451A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130079966A1 (en) * | 2011-09-27 | 2013-03-28 | Aisin Ai Co., Ltd. | Control apparatus of hybrid vehicle |
CN106945530A (zh) * | 2017-04-07 | 2017-07-14 | 重庆长安汽车股份有限公司 | 一种电动汽车及其续驶里程预测方法、系统 |
CN110015132A (zh) * | 2017-09-12 | 2019-07-16 | 北京奔驰汽车有限公司 | 一种计算纯电动车剩余续驶里程的方法 |
CN109835209A (zh) * | 2019-03-01 | 2019-06-04 | 奇瑞汽车股份有限公司 | 汽车的续航里程确定方法、装置及存储介质 |
CN110667434A (zh) * | 2019-09-11 | 2020-01-10 | 南京航空航天大学 | 一种自适应工况的纯电动汽车行驶里程估计方法及系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113376526A (zh) * | 2021-04-29 | 2021-09-10 | 广汽三菱汽车有限公司 | 汽车电池容量预测方法、寿命预测方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8666576B2 (en) | Technique for calculating distance to empty in electric vehicle | |
US11720828B2 (en) | Performing actions in response to charging events | |
CN110723029B (zh) | 一种充电策略的确定方法及装置 | |
CN111169480A (zh) | 一种动力系统能量管理方法、装置、设备和介质 | |
CN113504479B (zh) | 基于云的电池充电剩余时间的估算方法、系统和存储介质 | |
CN111231758B (zh) | 一种电池容量的估算方法、装置、电子设备及介质 | |
CN113858959B (zh) | 纯电动汽车续驶里程计算方法、车辆及电子设备 | |
CN113158345A (zh) | 一种新能源车辆动力电池容量预测方法及系统 | |
CN113064089A (zh) | 动力电池的内阻检测方法、装置、介质以及系统 | |
CN113466716A (zh) | 电池健康状态测算方法以及相关设备 | |
CN115230526A (zh) | 一种预估汽车剩余续航里程的方法、装置及车辆 | |
CN111361451A (zh) | 一种纯电动汽车的剩余里程预估方法及装置 | |
CN116476691A (zh) | 一种新能源汽车续航里程管理方法及系统 | |
CN105445664A (zh) | 用于估计电池系统能量容量的系统和方法 | |
CN108985966B (zh) | 电量消耗计算方法、装置、车辆及计算机可读存储介质 | |
CN113183827A (zh) | 一种基于人工智能的新能源电动汽车行驶智能云中控管理平台 | |
CN112748343B (zh) | 一种动力电池功率边界的检测方法、装置及电动汽车 | |
CN116811870A (zh) | 能量回收策略的确定方法、装置、设备和存储介质 | |
CN115230538A (zh) | 燃料电池汽车能量管理方法、装置、电子设备及存储介质 | |
CN115689083A (zh) | 一种预见性能量管理方法、装置、电子设备及存储介质 | |
CN113537615B (zh) | 一种充电车辆的预测方法、装置及电子设备 | |
CN114256523A (zh) | 一种充电桩充电控制方法、装置、电子设备及存储介质 | |
CN114035064A (zh) | 一种电池电荷状态校正方法、装置、车辆及存储介质 | |
CN113879182A (zh) | 车辆能量管理控制方法、系统、设备及介质 | |
CN109466377A (zh) | 用于自动更新soc区间里程参考值的方法、装置和存储介质 |
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: 20200703 |
|
RJ01 | Rejection of invention patent application after publication |