CN111754130A - 一种基于大数据分析的新能源车辆运营评价方法 - Google Patents
一种基于大数据分析的新能源车辆运营评价方法 Download PDFInfo
- Publication number
- CN111754130A CN111754130A CN202010613543.6A CN202010613543A CN111754130A CN 111754130 A CN111754130 A CN 111754130A CN 202010613543 A CN202010613543 A CN 202010613543A CN 111754130 A CN111754130 A CN 111754130A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- analysis
- evaluation
- motor
- fault
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 84
- 238000007405 data analysis Methods 0.000 title claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 88
- 238000005265 energy consumption Methods 0.000 claims abstract description 74
- 238000012544 monitoring process Methods 0.000 claims abstract description 40
- 238000005516 engineering process Methods 0.000 claims abstract description 6
- 230000006399 behavior Effects 0.000 claims description 30
- 230000001133 acceleration Effects 0.000 claims description 26
- HEZMWWAKWCSUCB-PHDIDXHHSA-N (3R,4R)-3,4-dihydroxycyclohexa-1,5-diene-1-carboxylic acid Chemical compound O[C@@H]1C=CC(C(O)=O)=C[C@H]1O HEZMWWAKWCSUCB-PHDIDXHHSA-N 0.000 claims description 21
- 238000012360 testing method Methods 0.000 claims description 15
- 238000010586 diagram Methods 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 12
- 238000011084 recovery Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 claims description 3
- 238000011157 data evaluation Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 230000006872 improvement Effects 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 abstract description 2
- 238000005457 optimization Methods 0.000 abstract description 2
- 238000012800 visualization Methods 0.000 abstract description 2
- 238000004088 simulation Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009440 infrastructure construction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明一种基于大数据分析的新能源车辆运营评价方法,基于新能源远程监控云平台,结合大数据分析技术,从运营道路状态评价、运营环境温度分析、驾驶行为评价、充电情况评价、动力元件工作点评价、整车能耗评价和整车故障统计七个维度上,实现对新能源车辆的性能及运营状态进行多维度、客观、全面的自动化分析,自动呈现评价报告,计算效率快,可视化程度高,不需要增加成本,为车辆的性能提升与能耗优化提供数据参考。
Description
技术领域
本发明涉及车辆运营评价技术领域,更具体地说是指一种基于大数据分析的新能源车辆运营评价方法。
背景技术
随着汽车车载信息的日益完善及车辆信息化程度的日益提高,为优化新能源汽车的性能和解决汽车安全问题,需完善新能源汽车监管,新能源车辆远程监控云平台应运而生。目前,我国新能源汽车大数据监管体系形成了企业监测平台、地方监管平台和国家监管平台的三级架构。车辆运行数据实时传递至企业监测平台,企业主要负责本企业新能源汽车安全监管,同时按照国标要求将车辆运行数据、统计信息以及故障信息实时上报给地方和国家平台。
但是,由于企业监测平台接收的海量实时运行数据过于繁杂,缺乏直观性,企业对于企业监测平台的应用,仅局限于简单的车辆运行状态数据的采集和安全监管,无法发挥企业监测平台的潜力;同时,对于新能源车辆运营评价的方法大多还是依赖于构建独立的模拟实验,采集个别车辆的运行状态结合个别车辆的运行环境进行评价,又或者是直接通过计算机进行数据模拟,模拟环境过于理想,数据过于单一,缺乏客观性和全面性。
发明内容
为解决上述问题,本发明提供一种基于大数据分析的新能源车辆运营评价方法,基于企业监测平台接收的海量实时运行数据,结合大数据分析技术,实现对关键零部件的性能监测、车辆运营能耗研究、新能源汽车用户研究、基础设施建设布局分析等,挖掘数据背后蕴藏的丰富价值,以改善当前新能源汽车安全问题和促进新能源汽车产业发展。
本发明采用如下技术方案:
一种基于大数据分析的新能源车辆运营评价,包括运营道路状态评价、运营环境温度分析、驾驶行为评价、充电情况评价、动力元件工作点评价、整车能耗评价和整车故障统计,所述运营道路状态评价包括车辆行驶里程、平均车速以及坡度信息;所述运营环境温度分析包括车内温度和空调工作时长;所述驾驶行为评价包括行驶过程中急加速次数和时间、急减速次数及时间、超速次数及时间和疲劳驾驶次数及时间;所述充电情况评价包括电池的充电次数和充电时长;所述动力元件工作点评价包括电机工况点分布、电机工况点效率分析、发动机工况点分布和发动机工况点效率分析;所述整车能耗评价包括电机端能耗分析、电池端能耗分析、电空调能耗分析、电子风扇能耗分析、打气泵能耗分析、DCDC能耗分析、转向泵能耗分析和制动能量回收分析;所述整车故障统计包括整车故障次数统计、电池故障次数统计、电机故障次数统计、油门故障次数统计、刹车故障次数统计和电附件故障次数统计。
一种基于大数据分析的新能源车辆运营评价方法,其特征在于,包括以下步骤:
1)、新能源车辆远程监控云平台通过无线网络通讯技术与新能源车辆的车载终端进行通讯,实时记录车载终端反馈的新能源车辆运行数据,形成大数据库;
2)、操作平台上输入指定车辆的标识号,操作平台链接所述远程监控云平台的大数据库,抽取该标识号所对应的车载终端反馈的车辆运行数据,进行以下七个维度的数据分析及评价:
I、运营道路状态评价,操作平台基于车载终端实时上传至监控云平台的行车GPS数据信息、整车车速和行驶里程CAN数据,分析出车辆行驶里程、平均车速以及该行驶里程的坡度信息,形成数据报表,其中,行驶里程的坡度信息优选为显示运营道路实时坡度数值变化趋势图;
II、运营环境温度分析,操作平台基于车载终端实时上传至监控云平台的车辆电空调的CAN数据,解析出车内实时温度和空调工作时长,形成数据报表,其中,车内实时温度优选为车内实时温度变化趋势图;
III、驾驶行为评价,操作平台基于车载终端实时上传至监控云平台的行车GPS数据信息、整车车速、油门踏板开度信号和刹车踏板开度信号,分析出车辆行驶过程中的急加速行为次数、急减速行为次数、疲劳驾驶次数和超速行为次数,形成数据报表;
IV、充电情况评价,操作平台基于车载终端实时上传至监控云平台的充电链接信号、电池电流信号及电池SOC信息,分析是否处于外接充电状态,并累计充电次数和充电时长,形成数据报表;
V、动力元件工作点评价,操作平台基于车载终端实时上传至监控云平台的电机转速、电机扭矩信号、发动机转速和发动机扭矩信号,关联所匹配的电机和发动机的台架测试数据,分析得出电机工况点分布、电机工况点效率分析、发动机工况点分布和发动机工况点效率分析,形成数据报表,其中,电机转速、电机扭矩、发动机转速、发动机扭矩信息为实时数值变化趋势图;电机、发动机工况点分布为显示实时转速与扭矩信息的MAP散点图;
VI、整车能耗评价,操作平台基于车载终端实时上传至监控云平台的新能源车上的各个高压零部件的电压、电流和输出功率信号,计算出各个高压零部件的总能耗,再结合里程数据计算出各个高压零部件的百公里能耗,形成数据报表;
VII、整车故障统计,操作平台基于车载终端实时上传至监控云平台的整车实时故障信息,根据故障部位以及故障等级,进行故障统计,形成数据报表;
3)、将步骤2)的各维度的数据分析及评价进行排版,于操作平台上形成PDF评估报告。
进一步地,所述步骤2)、评价维度I中,行车GPS数据信息包括经度、纬度和GPS高程数据,将经度和纬度经过高斯变化投影至平面坐标,再结合高程数据,获得道路坡度值;根据整车车速CAN数据以及行驶里程CAN数据实现平均车速与行驶里程的分析,获取车辆行驶里程和平均车速。
进一步地,所述步骤2)、评价维度II中,所述电空调的CAN数据包括车内温度CAN信号、空调电流信号、空调电压信号和空调设置温度信号,通过对车内温度CAN信号的解析,获取车内实时温度;根据空调工作电流信号大于设定的阈值,判断空调为工作状态,并累计工作时长,获取空调工作时长。
进一步地,所述步骤2)、评价维度III中,所述整车速度包括实时车速和加速度,基于加速度大小、油门踏板开度信号和刹车踏板开度信号,当加速度大于设定阈值a或油门踏板前后时刻开度变化大于80%或者连续3s加速度大于设定阈值b,累计一次急加速行为;当加速度小于设定阈值c(设定阈值c为负值,即此时的加速度实际为减速度),累计一次急减速行为,;连续行驶时间超过4小时,累计一次疲劳驾驶行为;根据行车GPS数据信息获取当前路况允许最高车速,当实时车速大于路况允许最高车速,累计一次超速行为。
进一步地,所述步骤2)、评价维度IV中,当车速为0且充电链接信号为1且电池电流为负值且电池SOC为上升时,判断为一次外接充电状态,累计一次外接充电次数,并根据充电时长算法分别累计单次充电时长和总累计充电时长。
进一步地,所述步骤2)、评价维度V中,基于电机转速和电机扭矩信息,并根据车辆的标识号,关联该车辆所匹配的电机的台架测试MAP数据,将电机的工作点(即实时转速与扭矩信息)撒至电机台架测试的效率MAP图上,插值完成效率分析,得出电机的实时效率,绘制电机工况点的MAP散点图并进行电机转速与扭矩的分布区间统计,形成电机工况点分布与电机工况点效率分析报表;基于发动机转速和发动机扭矩信息,并根据车辆的标识号,关联该车辆所匹配的发动机的台架测试数据,将发动机的工作点(即实时转速与扭矩信息)撒至发动机台架测试的效率MAP图上,插值完成效率分析,得出发动机的实时效率,绘制发动机工况点的MAP散点图并进行发动机转速与扭矩的分布区间统计,形成发动机工况点分布与发动机工况点效率分析报表。
进一步地,所述步骤2)、评价维度VI中,所述各个高压零部件的电压、电流和输出功率信号包括TM电机的直流母线电压、TM电机的直流母线电流、电池的电压、电池的电流、DCDC的电流信号、DCDC的电压信号、打气泵输出功率、转向泵输出功率、电子风扇输出功率和电空调输出功率,其中,无输出功率CAN信号的TM电机、电池和DCDC,先根据电流信号I与电压信号U计算实时输出功率P=U*I,得出TM电机端输出功率、电池端输出功率和DCDC输出功率,再分别对TM电机端输出功率、电池端输出功率、DCDC输出功率、打气泵输出功率、转向泵输出功率、电子风扇输出功率和电空调输出功率进行各自的时间T积分计算:,分别得出各个高压零部件的总能耗值E,再分别结合行驶里程数据S,进行计算百公里能耗e=100*E/S,分别得出各个高压零部件的百公里能耗;其中,通过对电池负电流工况的分析,积分计算电池端电流小于零的部分功耗为制动能量回收能量,再结合电池总能耗进行制动能量回收率的计算;最终形成包含电机端能耗分析、电池端能耗分析、DCDC能耗分析、打气泵能耗分析、转向泵能耗分析、电子风扇能耗分析、电空调能耗分析和制动能量回收分析的综合报表。
进一步地,所述步骤2)、评价维度VII中,所述整车实时故障信息包括整车故障信息、电池故障信息、电机故障信息、油门故障信息、刹车故障信息和电附件故障信息,分别对整车故障、电池故障、电机故障、油门故障、刹车故障和电附件故障按照故障等级不同,累计各故障等级的故障次数。
由上述对本发明结构的描述可知,和现有技术相比,本发明具有如下优点:
本发明基于新能源远程监控云平台,结合大数据分析技术,提出了一种新能源车辆运营分析评价及评价方法,实现对新能源车辆的性能及运营状态进行多维度、客观、全面的自动化分析;于监控平台设置车辆相关信息即可一键自动化呈现PDF评价报告,计算效率快,可视化程度高,不需要增加成本,为车辆的性能提升与能耗优化提供数据参考。
附图说明
图1为本发明新能源车辆运营评价的架构图;
图2为本发明运营道路状态分析的架构图;
图3为本发明运营环境评价的架构图;
图4为本发明驾驶行为评价的架构图;
图5为本发明充电情况评价的架构图;
图6为本发明动力元件工作点评价的架构图;
图7为本发明整车能耗评价的架构图;
图8为本发明整车故障统计的架构图。
具体实施方式
下面参照附图说明本发明实施例的具体实施方式。
参照图1,一种基于大数据分析的新能源车辆运营评价,包括运营道路状态评价、运营环境温度分析、驾驶行为评价、充电情况评价、动力元件工作点评价、整车能耗评价和整车故障统计。其中,运营道路状态评价包括车辆行驶里程、平均车速以及坡度信息;运营环境温度分析包括车内温度和空调工作时长;驾驶行为评价包括行驶过程中急加速次数和时间、急减速次数及时间、超速次数及时间和疲劳驾驶次数及时间;充电情况评价包括电池的充电次数和充电时长;动力元件工作点评价包括电机工况点分布、电机工况点效率分析、发动机工况点分布和发动机工况点效率分析;整车能耗评价包括电机端能耗分析、电池端能耗分析、电空调能耗分析、电子风扇能耗分析、打气泵能耗分析、DCDC能耗分析、转向泵能耗分析和制动能量回收分析;所述整车故障统计包括整车故障次数统计、电池故障次数统计、电机故障次数统计、油门故障次数统计、刹车故障次数统计和电附件故障次数统计。
参照图1至图8,基于大数据分析的新能源车辆运营评价方法包括以下步骤:
1)、新能源车辆远程监控云平台通过无线网络通讯技术与新能源车辆的车载终端进行通讯,实时记录车载终端反馈的新能源车辆运行数据,形成大数据库。
2)、操作平台(操作平台为计算机,俗称电脑,电脑上安装远程监控云平台服务端,连接监控云平台的数据库)上输入指定车辆的标识号(标识号可以为车辆的车号、车牌号或者车载终端号),操作平台链接所述远程监控云平台的大数据库,抽取该标识号所对应的车载终端反馈的车辆运行数据,进行以下七个维度的数据分析及评价:
I、运营道路状态评价,操作平台基于车载终端实时上传至监控云平台的行车GPS数据信息、整车车速和行驶里程CAN数据,分析出车辆行驶里程、平均车速以及该行驶里程的坡度信息,形成数据报表,其中,行驶里程的坡度信息优选为显示运营道路实时坡度数值变化趋势图。
更具体的,参照图2,行车GPS数据信息包括经度、纬度和GPS高程数据,将经度和纬度经过高斯变化投影至平面坐标,再结合高程数据,获得道路坡度值;根据整车车速CAN数据以及行驶里程CAN数据实现平均车速与行驶里程的分析,获取车辆行驶里程和平均车速。
II、运营环境温度分析,操作平台基于车载终端实时上传至监控云平台的车辆电空调的CAN数据,解析出车内实时温度和空调工作时长,形成数据报表,其中,车内实时温度优选为车内实时温度变化趋势图。
更具体的,参照图3,电空调的CAN数据包括车内温度CAN信号、空调电流信号、空调电压信号和空调设置温度信号,通过对车内温度CAN信号的解析,获取车内实时温度;根据空调工作电流信号大于设定的阈值,判断空调为工作状态,并累计工作时长,获取空调工作时长。
III、驾驶行为评价,操作平台基于车载终端实时上传至监控云平台的行车GPS数据信息、整车车速、油门踏板开度信号和刹车踏板开度信号,分析出车辆行驶过程中的急加速行为次数、急减速行为次数、疲劳驾驶次数和超速行为次数,形成数据报表。
更具体的,参照图4,整车速度包括实时车速和加速度,基于加速度大小、油门踏板开度信号和刹车踏板开度信号,当加速度大于设定阈值a或油门踏板前后时刻开度变化大于80%或者连续3s加速度大于设定阈值b,累计一次急加速行为;当加速度小于设定阈值c(设定阈值c为负值,即此时的加速度实际为减速度),累计一次急减速行为;连续行驶时间超过4小时,累计一次疲劳驾驶行为;根据行车GPS数据信息获取当前路况允许最高车速,当实时车速大于路况允许最高车速,累计一次超速行为。
IV、充电情况评价,操作平台基于车载终端实时上传至监控云平台的充电链接信号、电池电流信号及电池SOC信息,分析是否处于外接充电状态,并累计充电次数和充电时长,形成数据报表。
更具体的,参照图5,当车速为0且充电链接信号为1且电池电流为负值且电池SOC为上升时,判断为一次外接充电状态,累计一次外接充电次数,并根据充电时长算法分别累计单次充电时长和总累计充电时长。
V、动力元件工作点评价,操作平台基于车载终端实时上传至监控云平台的电机转速、电机扭矩信号、发动机转速和发动机扭矩信号,关联所匹配的电机和发动机的台架测试数据,分析得出电机工况点分布、电机工况点效率分析、发动机工况点分布和发动机工况点效率分析,形成数据报表,其中,电机转速、电机扭矩、发动机转速、发动机扭矩信息为实时数值变化趋势图;电机、发动机工况点分布为显示实时转速与扭矩信息的MAP散点图。
更具体的,参照图6,基于电机转速和电机扭矩信息,并根据车辆的标识号,关联该车辆所匹配的电机的台架测试数据,将电机的工作点,即电机的实时转速与扭矩信息撒至台架测试的MAP图上,插值完成效率分析,得出电机的实时效率,绘制电机工况点的MAP散点图并进行电机转速与扭矩的分布区间统计,形成电机工况点分布与电机工况点效率分析报表;基于发动机转速和发动机扭矩信息,并根据车辆的标识号,关联该车辆所匹配的发动机的台架测试数据,将发动机的工作点,即发动机的实时转速与扭矩信息撒至台架测试的MAP图上,插值完成效率分析,得出发动机的实时效率,并绘制发动机工况点的MAP散点图并进行发动机转速与扭矩的分布区间统计,形成发动机工况点分布与发动机工况点效率分析报表。
VI、整车能耗评价,操作平台基于车载终端实时上传至监控云平台的新能源车上的各个高压零部件的电压、电流和输出功率信号,计算出各个高压零部件的总能耗,再结合里程数据计算出各个高压零部件的百公里能耗,形成数据报表;
更具体的,参照图7,各个高压零部件的电压、电流和输出功率信号包括TM电机的直流母线电压、TM电机的直流母线电流、电池的电压、电池的电流、DCDC的电流信号、DCDC的电压信号、打气泵输出功率、转向泵输出功率、电子风扇输出功率和电空调输出功率,其中,无输出功率CAN信号的TM电机、电池和DCDC,先根据电流信号I与电压信号U计算实时输出功率P=U*I,得出TM电机端输出功率、电池端输出功率和DCDC输出功率,再分别对TM电机端输出功率、电池端输出功率、DCDC输出功率、打气泵输出功率、转向泵输出功率、电子风扇输出功率和电空调输出功率进行各自的时间T积分计算:,分别得出各个高压零部件的总能耗值E,再分别结合行驶里程数据S,进行计算百公里能耗e=100*E/S,分别得出各个高压零部件的百公里能耗;其中,通过对电池负电流工况的分析,积分计算电池端电流小于零的部分功耗为制动能量回收能量,再结合电池总能耗进行制动能量回收率的计算;最终形成包含电机端能耗分析、电池端能耗分析、DCDC能耗分析、打气泵能耗分析、转向泵能耗分析、电子风扇能耗分析、电空调能耗分析和制动能量回收分析的综合报表。
VII、整车故障统计,操作平台基于车载终端实时上传至监控云平台的整车实时故障信息,根据故障部位以及故障等级,进行故障统计,形成数据报表;
更具体的,参照图8,整车实时故障信息包括整车故障信息、电池故障信息、电机故障信息、油门故障信息、刹车故障信息和电附件故障信息,分别对整车故障、电池故障、电机故障、油门故障、刹车故障和电附件故障按照故障等级不同(整车通常根据故障的严重程度分为4级,一级、二级、三级、四级),累计各故障等级的故障次数。
3)、将步骤2)的各维度的数据分析及评价进行排版,于操作平台上形成PDF评价报告。
上述仅为本发明的具体实施方式,但本发明的设计构思并不局限于此,凡利用此构思对本发明进行非实质性的改动,均应属于侵犯本发明保护范围的行为。
Claims (9)
1.一种基于大数据分析的新能源车辆运营评价,其特征在于:包括运营道路状态评价、运营环境温度分析、驾驶行为评价、充电情况评价、动力元件工作点评价、整车能耗评价和整车故障统计,所述运营道路状态评价包括车辆行驶里程、平均车速以及坡度信息;所述运营环境温度分析包括车内温度和空调工作时长;所述驾驶行为评价包括行驶过程中急加速次数和时间、急减速次数及时间、超速次数及时间和疲劳驾驶次数及时间;所述充电情况评价包括电池的充电次数和充电时长;所述动力元件工作点评价包括电机工况点分布、电机工况点效率分析、发动机工况点分布和发动机工况点效率分析;所述整车能耗评价包括电机端能耗分析、电池端能耗分析、电空调能耗分析、电子风扇能耗分析、打气泵能耗分析、DCDC能耗分析、转向泵能耗分析和制动能量回收分析;所述整车故障统计包括整车故障次数统计、电池故障次数统计、电机故障次数统计、油门故障次数统计、刹车故障次数统计和电附件故障次数统计。
2.一种基于大数据分析的新能源车辆运营评价方法,其特征在于,包括以下步骤:
1)、新能源车辆远程监控云平台通过无线网络通讯技术与新能源车辆的车载终端进行通讯,实时记录车载终端反馈的新能源车辆运行数据,形成大数据库;
2)、操作平台上输入指定车辆的标识号,操作平台链接所述远程监控云平台的大数据库,抽取该标识号所对应的车载终端反馈的车辆运行数据,进行以下七个维度的数据分析及评价:
I、运营道路状态评价,操作平台基于车载终端实时上传至监控云平台的行车GPS数据信息、整车车速和行驶里程CAN数据,分析出车辆行驶里程、平均车速以及该行驶里程的坡度信息,形成数据报表;
II、运营环境温度分析,操作平台基于车载终端实时上传至监控云平台的车辆电空调的CAN数据,解析出车内实时温度和空调工作时长,形成数据报表;
III、驾驶行为评价,操作平台基于车载终端实时上传至监控云平台的行车GPS数据信息、整车车速、油门踏板开度信号和刹车踏板开度信号,分析出车辆行驶过程中的急加速行为次数、急减速行为次数、疲劳驾驶次数和超速行为次数,形成数据报表;
IV、充电情况评价,操作平台基于车载终端实时上传至监控云平台的充电链接信号、电池电流信号及电池SOC信息,分析是否处于外接充电状态,并累计充电次数和充电时长,形成数据报表;
V、动力元件工作点评价,操作平台基于车载终端实时上传至监控云平台的电机转速、电机扭矩信号、发动机转速和发动机扭矩信号,关联所匹配的电机和发动机的台架测试数据,分析得出电机工况点分布、电机工况点效率分析、发动机工况点分布和发动机工况点效率分析,形成数据报表;
VI、整车能耗评价,操作平台基于车载终端实时上传至监控云平台的新能源车上的各个高压零部件的电压、电流和输出功率信号,计算出各个高压零部件的总能耗,再结合里程数据计算出各个高压零部件的百公里能耗,形成数据报表;
VII、整车故障统计,操作平台基于车载终端实时上传至监控云平台的整车实时故障信息,根据故障部位以及故障等级,进行故障统计,形成数据报表;
3)、将步骤2)的各维度的数据分析及评价进行排版,于操作平台上形成评估报表。
3.根据权利要求 2 所述的一种基于大数据分析的新能源车辆运营评价方法,其特征在于:所述步骤2)、评价维度I中,行车GPS数据信息包括经度、纬度和GPS高程数据,将经度和纬度经过高斯变化投影至平面坐标,再结合高程数据,获得道路坡度值;根据整车车速CAN数据以及行驶里程CAN数据实现平均车速与行驶里程的分析,获取车辆行驶里程和平均车速。
4.根据权利要求 1 所述的一种基于大数据分析的新能源车辆运营评价方法,其特征在于:所述步骤2)、评价维度II中,所述电空调的CAN数据包括车内温度CAN信号、空调电流信号、空调电压信号和空调设置温度信号,通过对车内温度CAN信号的解析,获取车内实时温度;根据空调工作电流信号大于设定的阈值,判断空调为工作状态,并累计工作时长,获取空调工作时长。
5.根据权利要求 1 所述的一种基于大数据分析的新能源车辆运营评价方法,其特征在于:所述步骤2)、评价维度III中,所述整车速度包括实时车速和加速度,基于加速度大小、油门踏板开度信号和刹车踏板开度信号,当加速度大于设定阈值a或油门踏板前后时刻开度变化大于80%或者连续3s加速度大于设定阈值b,累计一次急加速行为;当加速度小于设定阈值c,累计一次急减速行为;连续行驶时间超过4小时,累计一次疲劳驾驶行为;根据行车GPS数据信息获取当前路况允许最高车速,当实时车速大于路况允许最高车速,累计一次超速行为。
6.根据权利要求 1 所述的一种基于大数据分析的新能源车辆运营评价方法,其特征在于:所述步骤2)、评价维度IV中,当车速为0且充电链接信号为1且电池电流为负值且电池SOC为上升时,判断为一次外接充电状态,累计一次外接充电次数,并根据充电时长算法分别累计单次充电时长和总累计充电时长。
7.根据权利要求 1 所述的一种基于大数据分析的新能源车辆运营评价方法,其特征在于:所述步骤2)、评价维度V中,基于电机转速和电机扭矩信息,并根据车辆的标识号,关联该车辆所匹配的电机的台架测试MAP数据,将电机的工作点,即电机的实时转速和扭矩撒至电机台架测试的效率MAP图上,插值完成效率分析,得出电机的实时效率,绘制电机工况点的MAP散点图并进行电机转速与扭矩的分布区间统计,形成电机工况点分布与电机工况点效率分析报表;基于发动机转速和发动机扭矩信息,并根据车辆的标识号,关联该车辆所匹配的发动机的台架测试数据,将发动机的工作点,即发动机的实时转速和扭矩撒至发动机台架测试的效率MAP图上,插值完成效率分析,得出发动机的实时效率,绘制发动机工况点的MAP散点图并进行发动机转速与扭矩的分布区间统计,形成发动机工况点分布与发动机工况点效率分析报表。
8.根据要求 1 所述的一种基于大数据分析的新能源车辆运营评价方法,其特征在于:所述步骤2)、评价维度VI中,所述各个高压零部件的电压、电流和输出功率信号包括TM电机的直流母线电压、TM电机的直流母线电流、电池的电压、电池的电流 、DCDC的电流信号、DCDC的电压信号、打气泵输出功率、转向泵输出功率、电子风扇输出功率和电空调输出功率,其中,无输出功率CAN信号的TM电机、电池和DCDC,先根据电流信号I与电压信号U计算实时输出功率P=U*I,得出TM电机端输出功率、电池端输出功率和DCDC输出功率,再分别对TM电机端输出功率、电池端输出功率、DCDC输出功率、打气泵输出功率、转向泵输出功率、电子风扇输出功率和电空调输出功率进行各自的时间T积分计算:,分别得出各个高压零部件的总能耗值E,再分别结合行驶里程数据S,进行计算百公里能耗e=100*E/S,分别得出各个高压零部件的百公里能耗;其中,通过对电池负电流工况的分析,积分计算电池端电流小于零的部分功耗为制动能量回收能量,再结合电池总能耗进行制动能量回收率的计算;最终形成包含电机端能耗分析、电池端能耗分析、DCDC能耗分析、打气泵能耗分析、转向泵能耗分析、电子风扇能耗分析、电空调能耗分析和制动能量回收分析的综合报表。
9.根据要求 1 所述的一种基于大数据分析的新能源车辆运营评价方法,其特征在于:所述步骤2)、评价维度VII中,所述整车实时故障信息包括整车故障信息、电池故障信息、电机故障信息、油门故障信息、刹车故障信息和电附件故障信息,分别对整车故障、电池故障、电机故障、油门故障、刹车故障和电附件故障按照故障等级不同,累计各故障等级的故障次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010613543.6A CN111754130A (zh) | 2020-06-30 | 2020-06-30 | 一种基于大数据分析的新能源车辆运营评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010613543.6A CN111754130A (zh) | 2020-06-30 | 2020-06-30 | 一种基于大数据分析的新能源车辆运营评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111754130A true CN111754130A (zh) | 2020-10-09 |
Family
ID=72676640
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010613543.6A Pending CN111754130A (zh) | 2020-06-30 | 2020-06-30 | 一种基于大数据分析的新能源车辆运营评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111754130A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112613406A (zh) * | 2020-12-24 | 2021-04-06 | 吉林大学 | 一种基于大数据的商用车多维度运行评估方法 |
CN113177291A (zh) * | 2021-03-29 | 2021-07-27 | 浙江中车电车有限公司 | 一种基于云数据平台的电动车功效分析方法与系统 |
CN114290908A (zh) * | 2021-12-06 | 2022-04-08 | 武汉展为物联科技有限公司 | 一种降低车辆能耗的方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104571083A (zh) * | 2014-12-15 | 2015-04-29 | 北京九五智驾信息技术股份有限公司 | 基于车联网的车辆故障诊断系统 |
CN107748556A (zh) * | 2017-08-18 | 2018-03-02 | 潍柴动力股份有限公司 | 新能源车辆整车匹配分析系统、数据采集方法及分析方法 |
US20190019122A1 (en) * | 2017-07-14 | 2019-01-17 | Allstate Insurance Company | Controlling Vehicles Using Contextual Driver And/Or Rider Data Based On Automatic Passenger Detection and Mobility Status |
CN109410367A (zh) * | 2018-10-16 | 2019-03-01 | 平安科技(深圳)有限公司 | 一种车辆电源管理方法、计算机可读存储介质及服务器 |
CN110033136A (zh) * | 2019-04-17 | 2019-07-19 | 扬州亚星客车股份有限公司 | 一种基于监控平台的电动客车的数据分析方法 |
-
2020
- 2020-06-30 CN CN202010613543.6A patent/CN111754130A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104571083A (zh) * | 2014-12-15 | 2015-04-29 | 北京九五智驾信息技术股份有限公司 | 基于车联网的车辆故障诊断系统 |
US20190019122A1 (en) * | 2017-07-14 | 2019-01-17 | Allstate Insurance Company | Controlling Vehicles Using Contextual Driver And/Or Rider Data Based On Automatic Passenger Detection and Mobility Status |
CN107748556A (zh) * | 2017-08-18 | 2018-03-02 | 潍柴动力股份有限公司 | 新能源车辆整车匹配分析系统、数据采集方法及分析方法 |
CN109410367A (zh) * | 2018-10-16 | 2019-03-01 | 平安科技(深圳)有限公司 | 一种车辆电源管理方法、计算机可读存储介质及服务器 |
CN110033136A (zh) * | 2019-04-17 | 2019-07-19 | 扬州亚星客车股份有限公司 | 一种基于监控平台的电动客车的数据分析方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112613406A (zh) * | 2020-12-24 | 2021-04-06 | 吉林大学 | 一种基于大数据的商用车多维度运行评估方法 |
CN113177291A (zh) * | 2021-03-29 | 2021-07-27 | 浙江中车电车有限公司 | 一种基于云数据平台的电动车功效分析方法与系统 |
WO2022205946A1 (zh) * | 2021-03-29 | 2022-10-06 | 浙江中车电车有限公司 | 一种基于云数据平台的电动车功效分析方法与系统 |
CN114290908A (zh) * | 2021-12-06 | 2022-04-08 | 武汉展为物联科技有限公司 | 一种降低车辆能耗的方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230018604A1 (en) | Cloud-Based Vehicle Fault Diagnosis Method, Apparatus, and System | |
CN111754130A (zh) | 一种基于大数据分析的新能源车辆运营评价方法 | |
Araújo et al. | Driving coach: A smartphone application to evaluate driving efficient patterns | |
CN113064939B (zh) | 一种新能源车辆三电系统安全特征数据库构建方法 | |
CN109552338B (zh) | 一种纯电动汽车生态驾驶行为评估方法及系统 | |
CN111873804B (zh) | 一种电动汽车工况数据生成方法和能耗评价工况生成方法 | |
CN108872863B (zh) | 一种优化分类的电动汽车充电状态监测方法 | |
CN107967323B (zh) | 基于大数据进行异常出行车辆分析的方法及系统 | |
CN111873805A (zh) | 一种车辆能耗分析方法及系统 | |
CN105955233A (zh) | 一种基于数据挖掘的车辆故障诊断方法及系统 | |
CN111823920B (zh) | 一种使用车辆充电数据对充电桩健康状态的监测方法 | |
CN115876484B (zh) | 重型整车实际路况测试及工况模拟试验的系统及方法 | |
CN112200932A (zh) | 一种评估重型柴油车能耗的方法和设备 | |
CN116664015A (zh) | 一种智能充电桩管理系统及其方法 | |
CN117691722B (zh) | 一种锂电池充电安全监测预警方法及系统 | |
CN113177291B (zh) | 一种基于云数据平台的电动车功效分析方法与系统 | |
CN111381165A (zh) | 一种车辆动力电池监控方法、装置和平台 | |
Zhang et al. | Development of the driving cycle for Dalian city | |
Xu et al. | Research on estimation method of mileage power consumption for electric vehicles | |
CN113128854B (zh) | 新能源汽车运行安全性能检验方法、装置及系统 | |
CN105716874A (zh) | 一种制动器的远程诊断方法 | |
Haiying et al. | Simulation system of the performance of power battery for electrical vehicle based on Internet of things | |
CN115966037B (zh) | 一种燃料电池汽车驾驶行为经济性的评价方法及装置 | |
CN114750765B (zh) | 一种车辆的路谱数据确定方法、装置、设备、介质及产品 | |
CN117744952B (zh) | 基于时序网络的大气碳排放量分析方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201009 |