CN111873804B - 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 - Google Patents

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 Download PDF

Info

Publication number
CN111873804B
CN111873804B CN202010616715.5A CN202010616715A CN111873804B CN 111873804 B CN111873804 B CN 111873804B CN 202010616715 A CN202010616715 A CN 202010616715A CN 111873804 B CN111873804 B CN 111873804B
Authority
CN
China
Prior art keywords
motor
vehicle
data
sampling
signal
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.)
Active
Application number
CN202010616715.5A
Other languages
English (en)
Other versions
CN111873804A (zh
Inventor
曹德本
常振中
杨振耀
郑国强
付利军
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.)
Deli New Energy Vehicle Co ltd
Original Assignee
Deli New Energy Vehicle 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 Deli New Energy Vehicle Co ltd filed Critical Deli New Energy Vehicle Co ltd
Priority to CN202010616715.5A priority Critical patent/CN111873804B/zh
Publication of CN111873804A publication Critical patent/CN111873804A/zh
Application granted granted Critical
Publication of CN111873804B publication Critical patent/CN111873804B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • B60L2260/00—Operating Modes
    • B60L2260/40—Control modes
    • B60L2260/50—Control modes by future state prediction
    • B60L2260/54—Energy consumption estimation

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

本发明提供了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，首先确定采集数据，然后依次利用低通滤波、递推平均滤波和时间同步对采集数据进行处理，且进行加速度校验后生成电动汽车工况数据库；再利用电动汽车工况数据库中的数据对电动汽车的能量流和能耗进行评价，最后利用采集原始数据对评价结果进行验证；本发明考虑到电动汽车与传统燃油汽车在动力部件上的不一致，基于电动汽车自身的行驶特点改进了工况生成的方法，将整车能量流与电机工作点分布情况作为生成工况的评价与验证标准，更加适应于电动汽车生成行驶工况的需求。

Description

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
技术领域
本发明属于电动汽车工况生成与评价技术领域，具体涉及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。
背景技术
汽车行驶工况又称车辆测试循环，是描述汽车行驶的速度-时间曲线，体现汽车道路行驶的运动学特征，是汽车行业的一项重要的、共性基础技术，是车辆能耗/排放测试方法和限值标准的基础，也是汽车各项性能指标标定优化时的主要基准。目前，欧、美、日等汽车发达国家，均采用适应于各自的汽车行驶工况标准进行车辆性能标定优化和能耗/排放认证。
目前传统燃油汽车的典型汽车行驶工况生成手段发展较为成熟，而对于电动汽车而言，由于其动力部件与能源部件都和传统燃油汽车有较大区别，因此传统燃油汽车的行驶工况生成方法并不完全适用于电动汽车，有必要对其进行改进。另外，本世纪初我国直接采用欧洲的NEDC行驶工况对汽车产品能耗/排放的认证，但是近年来的实践中发现NEDC工况并不能很好地满足全国各地的实际道路交通状况，这造成了整车厂对生产车辆的性能要求与消费者实际需求间的矛盾，同时由于气候、发展情况影响，我国各个城市的汽车行驶工况特征存在明显的不同，因此有必要自身的汽车行驶数据进行城市汽车行驶工况的构建研究。
发明内容
本发明的目的在于提供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，能够克服现有的工况生成方法只适合燃油车的问题，将整车能量流与电机工作点分布情况作为生成工况的评价与验证标准，更加适应于电动汽车生成行驶工况的需求。
为了实现上述目的，本发明采用以下技术方案：
一种电动汽车工况数据生成方法，包括以下步骤：
步骤1：从CAN总线上采集汽车行驶的原始数据；具体的，
CAN总线信号传输机制规定了CAN信号分为两路，分别称为CAN0、CAN1，CAN0为高压和动力部件信号，CAN1为低压和车身部件信号；CAN0信号包括电机控制系统MCU信号、电池控制系统BMS信号和直流逆变器DCDC控制系统信号；CAN1信号包括整车控制器VCU信号、防抱死系统ABS信号、转向系统EPS信号和VBOX外设传感器的信号；
步骤2：对步骤1采集的原始数据进行筛选，得到采样数据，并记录每组采样数据的采样时间间隔和总采样时间；具体的，
CAN0筛选的采样数据为电机转速MotorSpeed、电机实际输出扭矩ControllerTorque、直流母线电压DC-link_Voltage、直流母线电流DC-link_Current、电池包两端电压Hld_Bms_BatteryVoltage、电池总线电流Hld_bms_BatteryCurrent、电池SOCHld_Bms_StateOfCharge、DCDC输入电压DCDC1_Input_Vol、DCDC输入电流DCDC1_Input_Cur、DCDC输出电压DCDC1_Output_Vol、DCDC输出电流DCDC1_Output_Cur和VCU车速GSVehicle_SpeedVSOSig；
CAN1筛选的采样数据为加速踏板行程GasPedalPosition、制动信号Brake_state、原始车速VehSpdLgt、VBOX车速Speed_Knots、VBOX纵向加速度Longitudial_Accel_G、VBOX经度Position_Longitude和VBOX纬度Position_Latitude；
步骤3：对步骤2得到的每组采样数据分别进行第一次滤波处理，具体的：
采用低通滤波器对步骤2得到的每组采样数据分别进行第一滤波处理，低通滤波器的截止频率为4Hz；
步骤4：对步骤3进行第一次滤波处理后的每组采样数据分别进行第二次滤波处理，具体的：
采用递推平均滤波方法对步骤3进行第一次滤波处理后的每组采样数据分别进行第二次滤波处理，定义N为每组的采样个数，N＝1,2，……，N，连续取N个采样值作为一个队列，队列的长度固定为N，每次采样到一个新数据放入队尾，并弃掉原队首的一次数据，把队列中的N个数据进行算术平均运算；
步骤5：采用时间轴插值法对步骤4第二次滤波处理后的每组采样数据进行时间同步，具体的：
建立元胞数组，用于存放从CAN总线中读取的采样数据，第1行存放步骤2中的采样数据的采样时间点序列，第2行存放步骤2中的采样数据的采样值序列，第3行存放步骤4中的采样数据的采样值序列，第4行存放步骤4中的采样数据的采样值序列经过插值处理之后得到的采样值序列；
所述插值处理的插值的时间间隔为0.1秒，所述插值处理的具体方法为：
对于采样时间间隔为0.01秒的采样数据，首先找到原始采样时间点中小于插值时间点的最接近时间点在原始采样时间点序列中的位置并记录为b，插值得到的数据值为原始采样值序列中第(b-4)个数据到第(b+5)个数据的平均值；
对于时间间隔为0.02秒的数据，首先找到原始采样时间点中小于插值时间点的最接近的时间点在原始采样时间点序列中的位置并记录为b’，插值得到的数据值为原始采样值序列中第(b’-2)个数据到第(b’+2)个数据的平均值；
对于时间间隔为0.1秒的数据，根据插值时间点在原始采样时间点和采样值中使用拉格朗日线性插值计算插值得到的数据值；
步骤6：对步骤5中进行时间同步后的采样数据进行加速度校验，具体的：
步骤6.1：根据步骤5中获得的VCU车速GSVehicle_SpeedVSOSig和其采样时间，对VCU车速GSVehicle_SpeedVSOSig进行低通和均值滤波，然后对滤波得到的VCU车速GSVehicle_SpeedVSOSig进行微分，得到车辆加速度；
步骤6.2：根据步骤5中的获得的VBOX纵向加速度Longitudial_Accel_G和其采样时间，对VBOX纵向加速度Longitudial_Accel_G进行低通滤波和均值滤波，得到VBOX纵向加速度Longitudial_Accel_G；
步骤6.3：将上述获得的两种车辆加速度在同一幅图像中绘制，并输出其最大加减速度值，调节滤波参数值，直到两种车辆加速度值获得相近的结果；
步骤7：生成采样时间内的车辆行驶信息数据库。
一种电动汽车能耗评价工况生成方法，包括以下步骤：
步骤1：利用采样时间内的车辆行驶信息数据库，对车辆行驶短行程的特征值进行分析处理，并生成车辆工况图，具体的：
步骤1.1：定义车辆行驶的短行程运动学片段，运动学片段由一个怠速段和一个运行段组成，且运行段中至少包含一个加速和一个减速状态，运动段的定义为平均车速大于3.3km/h或者最大车速大于15km/h的一段运动过程，怠速段的定义为平均车速小于3.3km/h而且最大车速小于15km/h的一段运动过程；
步骤1.2：在步骤1.1选取的运动学片段中进行运动学特征值选取，具体的，所选取的特征值为：运动学片段的时长、加速期间平均加速度、减速期间平均减速度、匀速速度、匀速速度标准差、匀速时长、最大速度、怠速时间、整体加速度方差共9个运动学特征值；
步骤1.3：对步骤1.2获得的9个运动学特征值进行主成分分析，具体的：
步骤1.3.1：分别对9个运动学特征值进行标准化处理；
步骤1.3.2：根据特征参数的标准化矩阵计算每个运动学特征值的相关系数矩阵；：
步骤1.3.3：求出每个运动学特征值的相关系数矩阵的特征值和相应的特征向量；
步骤1.3.4：计算每个运动学特征值的累积贡献率，选择重要的主成分；
步骤1.3.5：计算每个运动学特征值主成分得分；
步骤1.4：采用K均值聚类算法对步骤1.3得到的每个运动学特征值主成分进行聚类分析，具体的：
步骤1.4.1：根据实际问题确定分类数k，并在每一类中确定初始聚类中心；
步骤1.4.2：计算各个样本到聚类中心之间的距离，距离较近的归入一类；
步骤1.4.3：通过计算确定每一类的中心位置，并将该位置确定为新的聚类中心；
步骤1.4.4：按新的聚心重新进行分类，重复步骤1.4.2、1.4.3的操作，随着重复次数的增多，聚类中心不再发生偏移，聚类结果趋于稳定，即完成聚类分析；
步骤1.4.5：按照聚类分析的结果合成车辆工况图；
步骤2：利用采样时间内的车辆行驶信息数据库，计算整车能量流和能耗；
步骤2.1：定义车辆行驶过程中电池输出能量为：
W1＝∑Ibat≤0UbatIbatt；
其中Ubat为电池输出电压，即Hld_Bms_BatteryVoltage信号，Ibat为电池输出电流，其小于0代表电池放电，即Hld_bms_BatteryCurrent信号，t为采样时间；
步骤2.2：定义车辆驱动过程中电机输入的总能量为：
W2＝∑UmotorImotor≥0UmotorImotort；
其中Umotor为电机输入电压，即DClink_Voltage信号，Imotor为电机输入电流，即DClink_Current信号，两者同号时为驱动过程，t为采样时间；
步骤2.3：定义车辆驱动过程中电机输出的总能量为：
Figure BDA0002561414720000041
其中Ttq为电机输出转矩，即ControllerTorque信号，n为电机输出转速，即MotorSpeed信号，两者同号时为驱动过程，t为采样时间；
步骤2.4：定义DCDC输入的总能量为：
W4＝∑UDCDCinIDCDCint；
其中UDCDCin为DCDC输入电压，即DCDC1_Input_Vol信号，IDcDCin为DCDC输入电流，即DCDC1_Input_Cur信号，t为采样时间；
步骤2.5：定义DCDC输出的总能量为：
W5＝∑UDCDCoutIDCDCoutt；
其中UDCDCout为DCDC输出电压，即DCDC1_Output_Vol信号，IDCDCout为DCDC输出电流，即DCDC1_Output_Cur信号，t为采样时间；
步骤2.6：定义车辆制动过程中电机输入的再生制动能量为：
Figure BDA0002561414720000042
其中Ttq为电机输出转矩，即ControllerTorque信号，n为电机输出转速，即MotorSpeed信号，brk为制动踏板标志位，gas为加速踏板行程，只有在制动踏板踩下同时加速踏板没有踩下时，电机会进行制动能量的回收，t为采样时间；
步骤2.7：定义车辆制动过程中电机输出的再生制动能量为：
W7＝∑brk＞0.8&&gas≤5.0UmotorImotort；
其中Umotor为电机输入电压，即DClink_Voltage信号，Imotor为电机输入电流，即DClink_Current信号，brk为制动踏板标志位，gas为加速踏板行程，只有在制动踏板踩下同时加速踏板没有踩下时，电机会进行制动能量的回收，t为采样时间；
步骤2.8：定义车辆制动过程中电池实际得到的再生制动能量为：
W8＝∑brk＞0.8&&gas≤5.0UbatIbatt；
其中Ubat为电池输出电压，即Hld_bms_BatteryVoltage信号，Ibat为电池输出电流，即Hld_bms_BatteryCurrent信号，brk为制动踏板标志位，gas为加速踏板行程，只有在制动踏板踩下同时加速踏板没有踩下时，电机会进行制动能量的回收，t为采样时间；
步骤2.9：分别定义
ηmotor_M＝W3/W2
ηDCDC＝W5/W4
ηmotor_E＝W7/W6
ηmotor_bat＝W2/W1
ηDCDC_bat＝W4/W1
其中，ηmotor_M为电机驱动效率，即电机输出机械功与输入电功之比，ηDCDC为DCDC转化效率，即DCDC输出电功与输入电功之比，ηmotor_E为电机制动效率，即电机输出电功与输入机械功之比，ηmotor_bat为电机输入能量占电池输出能量之比，ηDCDC_bat为DCDC输入能量占电池输出能量之比；
步骤2.10：电机输出能量经过传动系统到达车轮，进而转化为车辆行驶的阻力能耗，取车辆传动系统传动效率为97％，车辆行驶的阻力能耗为滚动阻力能耗Wf，空气阻力能耗Ww，则加速阻力能耗Wa和坡度阻力能耗Wi分别：
Wf＝∑Gfut；
Figure BDA0002561414720000051
Wi＝∑Gi·ut；
Figure BDA0002561414720000061
其中G为车身重力，f为道路滚阻系数，u为车速，CD为风阻系数，A为迎风面积，i为坡度，δ为动质量系数，m为车身质量，ηt取0.97为机械效率；
步骤2.11：定义行驶阻力能耗平衡方程为：
ηtW3＝Wf+Ww+Wa+Wi；
因此，可得：
ηf＝Wf/ηtW3；
ηw＝Ww/ηtW3；
ηa＝Wa/ηtW3；
ηi＝Wi/ηtW3；
其中，ηf为滚动阻力能耗占总行驶阻力能耗的比重，ηw为空气阻力能耗占总行驶阻力能耗的比重，ηa为加速阻力能耗占总行驶阻力能耗的比重，ηi为坡度阻力能耗占总行驶阻力能耗的比重；
步骤3：对步骤2计算的能量流进行能量流特征验证分析，具体的：
对步骤2计算的能量流在仿真软件中进行仿真，得到步骤2.1-步骤2.11中能量流分析过程中的各个指标，并将其与实车数据得到的对应指标进行对比，从而对生成工况的能量流特征进行验证与评价；
步骤4：对步骤2生成的能耗进行数学特征验证分析，具体的：
将利用步骤1计算的代表车辆工况的9个运动学特征值与利用车辆行驶信息数据库中原始采样数据计算得到的代表车辆工况的9个运动学特征值逐个比较，计算其误差，如果误差在可接受范围内，则说明利用步骤1计算的代表车辆工况的9个运动学特征值在数学特征上与原始工况类似，即步骤1所生成车辆工况图可以用来评价车辆原始工况；
步骤5：对车辆行驶工况进行电机工作点特征验证，具体的：
步骤5.1：生成电机工作点分布图：
在电机转速—转矩点分布图上描点得到的电机工作点分布图，按照划分小网格的方式，每隔100rpm转速和10Nm转矩取一个网格点，在每个网格顶点处确定该顶点附近以100rpm转速间隔和10Nm转矩间隔确定的欧式距离内电机工作点的个数；其中横坐标表示电机转速，坐标点按照100rpm等距取得，纵坐标表示电机转矩，坐标点按照10Nm等距取得；由横坐标和纵坐标确定的表格内数值为该坐标表示的电机工作点附近一个给定小范围区域内的实际电机工作点在给出工况中的出现次数，由此表格形成一个二维矩阵，矩阵中存放的数值为对应转速和转矩范围内电机工作点的个数，用矩阵中所有值除以此矩阵最大值，得到电机在对应电机转速-转矩坐标点处工作的频率矩阵；
步骤5.2：利用电机工作点评价指标进行电机工作点特征验证，具体的：
根据步骤5.1得到的转速-转矩坐标点处两种工况的频率矩阵，统计在同一转速-转矩坐标点处两种工况的频率都大于90％的情况出现次数cou nt90，都大于80％且不同时大于90％的情况出现次数cou nt80，都大于70％且不同时大于80％的情况出现次数count70，都大于60％且不同时大于70％的情况出现次数cou nt60，都大于50％且不同时大于60％的情况出现次数cou nt50，都大于40％且不同时大于50％的情况出现次数cou nt40，这些数据分别与生成工况总的频率大于90％、介于80％和90％、介于70％和80％、介于60％和70％、介于50％和60％、介于40％和50％坐标点个数相比得到占比rate90、rate80、rate70、rate60、rate50、rate40；这些占比值形成一个行向量，与比重列向量[0.4 0.20.15 0.1 0.1 0.05]相乘得到一个介于0和1的指标值，即电机工作点评价指标，电机工作点评价指标越接近1说明生成工况的电机工作点特征越接近原始工况。本发明的有益效果：
本发明提供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，考虑到电动汽车与传统燃油汽车在动力部件上的不一致，基于电动汽车自身的行驶特点改进了工况生成的方法，将整车能量流与电机工作点分布情况作为生成工况的评价与验证标准，更加适应于电动汽车生成行驶工况的需求；
本发明能够将电动汽车再生制动过程考虑到电动汽车能耗分析中，在生成工况与原始工况能耗的对比方面，与传统燃油汽车只有能量输出没有能量输入这样特点区别开，更加适应于电动汽车自身特性。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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他的附图。
图1为本发明的方法流程图；
图2为本发明实施例所述的某段车速时间历程曲线运动学片段划分效果图；
图3为某段车速时间历程经过运动学片段划分，特征值选取，主成分分析和聚类之后合成的工况图；
图4为整车能量流架构示意图；
图5为本发明实施例所述的整车能量流计算结果示意图；
图6为本发明实施例所述的电机工作点频次三维分布图；
图7为本发明实施例所述的电机工作点转速—转矩二维分布图；
图8为本发明实施例所述的原始工况数据与生成工况数据特征值比对直方图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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。
为了克服现有技术中燃油车辆工况生产方法不适用于电动汽车的情况，且我国各个城市的汽车行驶工况特征存在明显不同的特征，本发明提供一种电动汽车工况数据处理与能耗评价工况生成方法，分为电动汽车工况数据生成方法与能耗评价工况生成方法；由试验电动车辆在目标行驶区域内运行，车辆上放置连接车辆CAN总线的车载行车记录仪和VBox等数据采集设备，试验车辆运行过程中同步记录下相关的行驶数据。
如图1所示：本发明所述的一种电动汽车工况数据生成方法，包括以下步骤：
步骤1：从CAN总线上采集汽车行驶的原始数据；具体的，
CAN总线信号传输机制规定了CAN信号分为两路，分别称为CAN0、CAN1，CAN0为高压和动力部件信号，CAN1为低压和车身部件信号；CAN0信号包括电机控制系统MCU信号、电池控制系统BMS信号和直流逆变器DCDC控制系统信号；CAN1信号包括整车控制器VCU信号、防抱死系统ABS信号、转向系统EPS信号和VBOX外设传感器的信号；
步骤2：对步骤1采集的原始数据进行筛选，得到采样数据，并记录每组采样数据的采样时间间隔和总采样时间；具体的，
CAN0筛选的采样数据为电机转速MotorSpeed、电机实际输出扭矩ControllerTorque、直流母线电压DC-link_Voltage、直流母线电流DC-link_Current、电池包两端电压Hld_Bms_BatteryVoltage、电池总线电流Hld_bms_BatteryCurrent、电池SOCHld_Bms_StateOfCharge、DCDC输入电压DCDC1_Input_Vol、DCDC输入电流DCDC1_Input_Cur、DCDC输出电压DCDC1_Output_Vol、DCDC输出电流DCDC1_Output_Cur和VCU车速GSVehicle_SpeedVSOSig；
CAN1筛选的采样数据为加速踏板行程GasPedalPosition、制动信号Brake_state、原始车速VehSpdLgt、VBOX车速Speed_Knots、VBOX纵向加速度Longitudial_Accel_G、VBOX经度Position_Longitude和VBOX纬度Position_Latitude；
步骤3：对步骤2得到的每组采样数据分别进行第一次滤波处理，具体的：
采用低通滤波器对步骤2得到的每组采样数据分别进行第一滤波处理，低通滤波器的截止频率为4Hz；因为实车试验过程中不同CAN总线信号的采样频率不同，高频信号会带来较大的抖动，且由于测量误差的存在，导致采样数据局部存在变化率较大的失真数据，因此需要对原始采样数据进行滤波以克服上述缺陷，考虑到工况数据一般是1Hz的车速时间历程，并留有一定的动力系统部件动态响应特性的表征需求，因此选取4Hz作为截止频率。
步骤4：对步骤3进行第一次滤波处理后的每组采样数据分别进行第二次滤波处理，具体的：
采用递推平均滤波方法对步骤3进行第一次滤波处理后的每组采样数据分别进行第二次滤波处理，以减小随机异常脉冲，定义N为每组的采样个数，N＝1,2，……，N，连续取N个采样值作为一个队列，队列的长度固定为N，每次采样到一个新数据放入队尾，并弃掉原队首的一次数据，把队列中的N个数据进行算术平均运算；
步骤5：采用时间轴插值法对步骤4第二次滤波处理后的每组采样数据进行时间同步，具体的：在对采样数据进行两次滤波处理后，由于CAN总线报文收发时间存在差异，导致不同类数据的时间戳存在一定的时间偏差，且存在明显的偏差累计，导致采样数据时间不同步问题，因此采用以下方法对每组采样数据进行时间同步处理：
建立元胞数组，用于存放从CAN总线中读取的采样数据，第1行存放步骤2中的采样数据的采样时间点序列，第2行存放步骤2中的采样数据的采样值序列，第3行存放步骤4中的采样数据的采样值序列，第4行存放步骤4中的采样数据的采样值序列经过插值处理之后得到的采样值序列；所述插值处理的插值的时间间隔为0.1秒，插值点的总数为采样数据中最短的采样数据点的个数减去100，其中减去100的目的是为防止插值过程中的矩阵索引超出维度范围，由于对各项原始数据的采样时间间隔有0.01秒，0.02秒和0.1秒三种，最后要将这三种时间间隔的数据统一划为0.1秒的时间间隔，
所述插值处理的具体方法为：
对于采样时间间隔为0.01秒的采样数据，首先找到原始采样时间点中小于插值时间点的最接近时间点在原始采样时间点序列中的位置并记录为b，插值得到的数据值为原始采样值序列中第(b-4)个数据到第(b+5)个数据的平均值；即对于采样时间间隔为0.01秒的采样数据，插值处理后，每10个采样数据点获取一个平均值，作为进行时间同步处理之后的采样值；
对于时间间隔为0.02秒的数据，首先找到原始采样时间点中小于插值时间点的最接近的时间点在原始采样时间点序列中的位置并记录为b’，插值得到的数据值为原始采样值序列中第(b’-2)个数据到第(b’+2)个数据的平均值；即对于采样时间间隔为0.02秒的采样数据，插值处理后，每5个采样数据点获取一个平均值，作为进行时间同步处理之后的采样值；
对于时间间隔为0.1秒的数据，根据插值时间点在原始采样时间点和采样值中使用拉格朗日线性插值计算插值得到的数据值；
步骤6：对步骤5中进行时间同步后的采样数据进行加速度校验，具体的：
在经过采样数据的两次滤波处理和时间同步处理过程之后，对于车辆行驶速度与时间序列的关系而言，还需要进行加速度的校验，即根据车辆行驶速度的微分，得到车辆行驶过程中的加速度，这项加速度是由速度测量值间接导出的，另外由VBox的行驶数据记录中可以获得由加速度计直接测量的车辆行驶纵向加速度，这两份加速度综合考量，可以对测试数据的精确性进行校验，具体流程为：
步骤6.1：根据步骤5中获得的VCU车速GSVehicle_SpeedVSOSig和其采样时间，对VCU车速GSVehicle_SpeedVSOSig进行低通和均值滤波，然后对滤波得到的VCU车速GSVehicle_SpeedVSOSig进行微分，得到车辆加速度；
步骤6.2：根据步骤5中的获得的VBOX纵向加速度Longitudial_Accel_G和其采样时间，对VBOX纵向加速度Longitudial_Accel_G进行低通滤波和均值滤波，得到VBOX纵向加速度Longitudial_Accel_G；
步骤6.3：将上述获得的两种车辆加速度在同一幅图像中绘制，并输出其最大加减速度值，调节滤波参数值，直到两种车辆加速度值获得相近的结果；
步骤7：生成采样时间内的车辆行驶信息数据库。
本发明所述的一种电动汽车能耗评价工况生成方法，包括以下步骤：
步骤1：利用采样时间内的车辆行驶信息数据库，对车辆行驶短行程的特征值进行分析处理，并生成车辆工况图，具体的：
在车辆行驶过程中，一个行驶过程可能包含多个短行程，将车辆行驶过程划分成多个短行程，进而对短行程特征值进行分析处理；具体方法包括：运动学片段划分、特征值选取、主成分分析和聚类分析，具体步骤为：
步骤1.1：定义车辆行驶的短行程运动学片段，运动学片段由一个怠速段和一个运行段组成，且运行段中至少包含一个加速和一个减速状态，运动段的定义为平均车速大于3.3km/h或者最大车速大于15km/h的一段运动过程，怠速段的定义为平均车速小于3.3km/h而且最大车速小于15km/h的一段运动过程；
步骤1.2：在步骤1.1选取的运动学片段中进行运动学特征值选取，具体的，所选取的特征值为：运动学片段的时长、加速期间平均加速度、减速期间平均减速度、匀速速度、匀速速度标准差、匀速时长、最大速度、怠速时间、整体加速度方差共9个运动学特征值；
步骤1.3：对步骤1.2获得的9个运动学特征值进行主成分分析，具体的：
利用主成分分析方法对车辆行驶数据进行降维处理，将原数据中众多的具有一定相关性的变量重新进行组合，得到一组无关变量来代替原数据，并将所有线性组合中方差最大的综合变量定为第一主成分，若第一主成分不能代表原来数据所包含的信息，则继续选择剩余线性组合中方差最大的综合变量为第二主成分，以此类推，当选择的主成分能代表原数据75％以上的信息时，则能确定主成分的个数，具体步骤为：
步骤1.3.1：分别对9个运动学特征值进行标准化处理；
步骤1.3.2：根据特征参数的标准化矩阵计算每个运动学特征值的相关系数矩阵；：
步骤1.3.3：求出每个运动学特征值的相关系数矩阵的特征值和相应的特征向量；
步骤1.3.4：计算每个运动学特征值的累积贡献率，选择重要的主成分；
步骤1.3.5：按照每个运动学特征值的累积贡献率从大到小排序，取累计贡献率大于75％的若干个变量作为下一步聚类分析的基础；
步骤1.4：采用K均值聚类算法对步骤1.3得到的每个运动学特征值主成分进行聚类分析，具体的：
根据对已有的车辆行驶工况特征进行分析，在构建车辆行驶工况时将工况进行分类，不同类工况之间的特征参数存在明显的差异，同一类的工况具有相似的工况特征；按照一定的原则将数据分成几类，再按照计算比例从不同类的工况特征中选取具有代表性的行驶数据信息，合成车辆行驶工况；分类原则为：
步骤1.4.1：根据实际问题确定分类数k，并在每一类中确定初始聚类中心；
步骤1.4.2：计算各个样本到聚类中心之间的距离，距离较近的归入一类；
步骤1.4.3：通过计算确定每一类的中心位置，并将该位置确定为新的聚类中心；
步骤1.4.4：按新的聚心重新进行分类，重复步骤1.4.2、1.4.3的操作，随着重复次数的增多，聚类中心不再发生偏移，聚类结果趋于稳定，即完成聚类分析；
步骤2：利用采样时间内的车辆行驶信息数据库，计算整车能量流和能耗，具体的：
根据车辆行驶信息数据计算整车及各个系统能耗，一方面用于整车能耗的分析，评价各部分能耗的占比，为能耗优化提供理论指导；另一方面用于校验整车模型和生成工况的精度，基于生成的能耗评价工况仿真环境计算，并与实车能量流进行对比分析，计算整车及各个系统能耗与占比的方法为：
步骤2.1：定义车辆行驶过程中电池输出能量为：
W1＝∑Ibat≤0UbatIbatt；
其中Ubat为电池输出电压，即Hld_Bms_BatteryVoltage信号，Ibat为电池输出电流，其小于0代表电池放电，即Hld_bms_BatteryCurrent信号，t为采样时间；
步骤2.2：定义车辆驱动过程中电机输入的总能量为：
W2＝∑UmotorImotor≥0UmotorImotort；
其中Umotor为电机输入电压，即DClink_Voltage信号，Imotor为电机输入电流，即DClink_Current信号，两者同号时为驱动过程，t为采样时间；
步骤2.3：定义车辆驱动过程中电机输出的总能量为：
Figure BDA0002561414720000121
其中Ttq为电机输出转矩，即ControllerTorque信号，n为电机输出转速，即MotorSpeed信号，两者同号时为驱动过程，t为采样时间；
步骤2.4：定义DCDC输入的总能量为：
W4＝∑UDCDCinIDCDCint；
其中UDCDCin为DCDC输入电压，即DCDC1_Input_Vol信号，IDCDCin为DCDC输入电流，即DCDC1_Input_Cur信号，t为采样时间；
步骤2.5：定义DCDC输出的总能量为：
W5＝∑UDCDCoutIDCDCoutt；
其中UDCDCout为DCDC输出电压，即DCDC1_Output_Vol信号，IDCDCout为DCDC输出电流，即DCDC1_Output_Cur信号，t为采样时间；
步骤2.6：定义车辆制动过程中电机输入的再生制动能量为：
Figure BDA0002561414720000122
其中Ttq为电机输出转矩，即ControllerTorque信号，n为电机输出转速，即MotorSpeed信号，brk为制动踏板标志位，gas为加速踏板行程，只有在制动踏板踩下同时加速踏板没有踩下时，电机会进行制动能量的回收，t为采样时间；
步骤2.7：定义车辆制动过程中电机输出的再生制动能量为：
W7＝∑brk＞0.8&&gas≤5.0UmotorImotort；
其中Umotor为电机输入电压，即DClink_Voltage信号，Imotor为电机输入电流，即DClink_Current信号，brk为制动踏板标志位，gas为加速踏板行程，只有在制动踏板踩下同时加速踏板没有踩下时，电机会进行制动能量的回收，t为采样时间；
步骤2.8：定义车辆制动过程中电池实际得到的再生制动能量为：
W8＝∑brk＞0.8&&gas≤5.0UbatIbatt；
其中Ubat为电池输出电压，即Hld_bms_BatteryVoltage信号，Ibat为电池输出电流，即Hld_bms_BatteryCurrent信号，brk为制动踏板标志位，gas为加速踏板行程，只有在制动踏板踩下同时加速踏板没有踩下时，电机会进行制动能量的回收，t为采样时间；
步骤2.9：分别定义
ηmotor_M＝W3/W2
ηDCDC＝W5/W4
ηmotor_E＝W7/W6
ηmotor_bat＝W2/W1
ηDCDC_bat＝W4/W1
其中，ηmotor_M为电机驱动效率，即电机输出机械功与输入电功之比，ηDCDC为DCDC转化效率，即DCDC输出电功与输入电功之比，ηmotor_E为电机制动效率，即电机输出电功与输入机械功之比，ηmotor_bat为电机输入能量占电池输出能量之比，ηDCDC_bat为DCDC输入能量占电池输出能量之比；
步骤2.10：电机输出能量经过传动系统到达车轮，进而转化为车辆行驶的阻力能耗，取车辆传动系统传动效率为97％，车辆行驶的阻力能耗为滚动阻力能耗Wf，空气阻力能耗Ww，则加速阻力能耗Wa和坡度阻力能耗Wi分别：
Wf＝∑Gfu t；
Figure BDA0002561414720000131
Wi＝∑Gi·u t；
Figure BDA0002561414720000132
其中G为车身重力，f为道路滚阻系数，u为车速，CD为风阻系数，A为迎风面积，i为坡度，δ为动质量系数，m为车身质量，ηt取0.97为机械效率；
步骤2.11：定义行驶阻力能耗平衡方程为：
ηtW3＝Wf+Ww+Wa+Wi；
因此，可得：
ηf＝Wf/ηtW3；
ηw＝Ww/ηtW3；
ηa＝Wa/ηtW3；
ηi＝Wi/ηtW3；
其中，ηf为滚动阻力能耗占总行驶阻力能耗的比重，ηw为空气阻力能耗占总行驶阻力能耗的比重，ηa为加速阻力能耗占总行驶阻力能耗的比重，ηi为坡度阻力能耗占总行驶阻力能耗的比重；
步骤3：对步骤2计算的能量流进行能量流特征验证分析，具体的：
对步骤2计算的能量流在仿真软件中进行仿真，得到步骤2.1-步骤2.11中能量流分析过程中的各个指标，并将其与实车数据得到的对应指标进行对比，从而对生成工况的能量流特征进行验证与评价；
步骤4：对步骤2生成的能耗进行数学特征验证分析，具体的：
将利用步骤1计算的代表车辆工况的9个运动学特征值与利用车辆行驶信息数据库中原始采样数据计算得到的代表车辆工况的9个运动学特征值逐个比较，计算其误差，如果误差在可接受范围内，则说明利用步骤1计算的代表车辆工况的9个运动学特征值在数学特征上与原始工况类似，即步骤1所生成车辆工况图可以用来评价车辆原始工况；
步骤5：对车辆行驶工况进行电机工作点特征验证，具体的：
步骤5.1：生成电机工作点分布图：
电机工作点指的是某一时刻下电机的转矩和转速确定的在转速——转矩图上的一个点；电机工作点分布图是电机在车辆运行过程中不同时刻下转速和转矩形成的电机工作点组成的二维点阵，在电机工作点分布图上较为密集的区域表示了实际行驶工况中车辆较多遇到的情况，也是反映当地电动车行驶工况的一个指标；电机工作点对实际电机选型也具有指导意义，在选择电机型号与参数特性时，以便于更好的使行驶区域中的电机工作点满足在电机高效区中的条件；具体步骤为：
采用在电机转速—转矩点分布图上描点得到的电机工作点分布图，按照划分小网格的方式，每隔100rpm转速和10Nm转矩取一个网格点，在每个网格顶点处确定该顶点附近以100rpm转速间隔和10Nm转矩间隔确定的欧式距离内电机工作点的个数；这样就得到了一个分布表格，其中横坐标表示电机转速，坐标点按照100rpm等距取得，纵坐标表示电机转矩，坐标点按照10Nm等距取得；由横坐标和纵坐标确定的表格内数值为该坐标表示的电机工作点附近一个给定小范围区域内的实际电机工作点在给出工况中的出现次数，由此表格形成一个二维矩阵，矩阵中存放的数值为对应转速和转矩范围内电机工作点的个数，用矩阵中所有值除以此矩阵最大值，得到能够代表电机在对应电机转速-转矩坐标点处工作的频率矩阵；
步骤5.2：利用电机工作点评价指标进行电机工作点特征验证，具体的：
根据步骤5.1得到的转速-转矩坐标点处两种工况的频率矩阵，统计在同一转速-转矩坐标点处两种工况的频率都大于90％的情况出现次数cou nt90，都大于80％且不同时大于90％的情况出现次数cou nt80，都大于70％且不同时大于80％的情况出现次数count70，都大于60％且不同时大于70％的情况出现次数cou nt60，都大于50％且不同时大于60％的情况出现次数cou nt50，都大于40％且不同时大于50％的情况出现次数count40，这些数据分别与生成工况总的频率大于90％、介于80％和90％、介于70％和80％、介于60％和70％、介于50％和60％、介于40％和50％坐标点个数相比得到占比rate90,rate80,rate70,rate60,rate50，rate40；这些占比值形成一个行向量，与比重列向量[0.4 0.2 0.15 0.10.1 0.05]相乘得到一个介于0和1的指标值，这个指标值代表电机工作点特征的评价指标，越接近1说明生成工况的电机工作点特征越接近原始工况。
下面将以具体实施例对本发明所述的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进行进一步说明，以便于本领域技术人员进一步理解本发明的技术方案：
以某款普通轻型电动载货汽车为例，对其进行行驶工况数据的处理并生成能耗评价工况，最后进行验证与评价以说明工况生成的合理性。
在行驶工况数据采集阶段，由被测电动货车在安阳市城区及周边县市区域内行驶，车上装有车载记录仪并与车辆CAN总线连接，实时记录行驶过程中CAN总线上的数据，同时车上装载携带GPS天线和加速度传感器的VBOX设备，能够采集车辆经纬度坐标信息，加速度和车速等信息；经过一段时间和里程的积累，获得大量车辆行驶过程的车辆状态数据，应用总线工具实现对采集的数据的拼接，并将数据导出，如表1所示；筛选以下数据作为本发明所使用的车辆状态采集数据。
Figure BDA0002561414720000151
/>
Figure BDA0002561414720000161
/>
Figure BDA0002561414720000171
表1采样数据表
由于采集数据的采集频率不同、信号噪声、异常数据点等原因，需首先对每组采集数据进行处理，基本步骤包括第一次滤波处理、第二次滤波处理和时间同步处理，处理方法如下：
对得到的每组采样数据分别进行第一次滤波处理，采样数据的第一次滤波处理首先是去掉每组采样数据中的随机误差，一般的表现为非操作性可实现的高频抖动，即高频噪声形式；因此，采用低通滤波器对每组采样数据进行第一次滤波处理；低通滤波器的规则为低频信号能正常通过，而超过设定频率临界值的高频信号则被阻隔、减弱，该频率点称之为截止频率；考虑到工况数据一般是1Hz的车速时间历程，并留有一定的动力系统部件动态响应特性的表征需求，因此选取4Hz作为截止频率；
对进行低通滤波处理后得到的每组采样数据分别进行第二次滤波处理，在实际数据处理过程中，还会出现某些采样数据超出合理范围的现象，如通过速度微分计算加速的过程，如微分后的原始加速度时间历程曲线等，进一步分析车速时间历程曲线，发现车速数据局部存在变化率较大的失真数据，疑似由于车速信号计算误差所致；因此，采用递推平均滤波方法对车速信号进行平滑滤波处理，以减小加速度曲线的随机异常脉冲；递推平均滤波连续取N个采样值看成一个队列，N为采样频率值，队列的长度固定为N，每次采样到一个新数据放入队尾，并弃掉原队首的一次数据，把队列中的N个数据进行算术平均运算，就可获得滤波效果；递推平均滤波不改变原始数据的幅值，平滑度较高。
对进行递推平均滤波处理后得到的每组采样数据进行时间同步处理，在递推平均滤波处理过程完成后，采用时间轴插值的方法对解决数据同步问题，所选择采样数据的采样频率有100Hz，50Hz和10Hz三种，对应采样时间间隔为0.01秒，0.02秒和0.1秒，最后要将这三种采样时间间隔的采样数据统一划为0.1秒的时间间隔；对于采样数时间间隔为0.01秒的采样数据而言，对其采用的插值方法为：首先找到原始采样时间点中小于插值时间点的最大的时间点在原始采样时间点序列中的位置并记录为b，插值得到的数据值原始采样值序列中第(b-4)个数据到第(b+5)个数据的平均值；对于采样时间间隔为0.02秒的数据而言，对其采用的插值方法为：首先找到原始采样时间点中小于插值时间点的最大的时间点在原始采样时间点序列中的位置并记录为b’，插值得到的数据值原始采样值序列中第(b’-2)个数据到第(b’+2)个数据的平均值；对于时间间隔为0.1秒的数据而言，对其采用的插值方法为：根据插值时间点在原始数据的采样时间点和采样值中使用拉格朗日线性插值计算插值得到的数据值。
经过上述的原始采样数据处理步骤之后，能够得到车辆行驶速度与时间序列的关系；根据车辆行驶速度的微分，又可得到车辆行驶过程中的加速度，这项加速度是由速度测量值间接导出的，另外，由VBox的行驶数据记录中可以获得由加速度计直接测量的车辆行驶纵向加速度；这两份加速度综合考量，可以对测试数据的精确性进行校验，具体流程为：
1)对于车辆行驶速度与时间序列的导出关系(GSVehicle_SpeedVSOSig)而言，先对其车速进行低通和均值滤波，然后对滤波得到的车速进行微分，得到由滤波后行驶速度确定的车辆加速度；
2)对于由VBox中加速度传感器获得的车辆行驶纵向加速度而言，对其进行低通滤波和均值滤波，得到由加速度传感器获得的滤波后纵向车辆加速度；
3)将上述获得的两种车辆加速度在同一幅图像中绘制，并输出其最大加减速度值，调节滤波参数值，直到两种车辆加速度值获得相近的结果，此时得到的滤波参数可以在后续的速度处理过程中使用；
对车辆试验数据进行处理之后，获得了车辆行驶信息数据库。
在车辆行驶过程中，一个行驶过程可能包含多个短行程，将车辆行驶过程划分成多个短行程，进而对短行程特征值进行分析处理，符合安阳市交通状况的特点，选择短行程法构建安阳市乘用车城市道路行驶工况；具体方法为：
运动学片段划分：车辆从始发地到目的地，中间要经历多次的车辆起动和停止，即车辆的行驶过程可以看作是多个起停过程的组合；在运动学中，通常用运动学片段来对车辆的起停过程进行描述；运动学片段由一个怠速段和一个运行段组合成，且运行段中至少包含一个加速和一个减速状态，去除怠速段的短行程称为车辆运行段；对于运行段的定义为平均车速大于3.3km/h或者最大车速大于15km/h的一段运动过程；对于怠速段的定义为平均车速小于3.3km/h而且最大车速小于15km/h的一段过程；某段车速时间历程曲线运动学片段划分效果如图2所示。
特征值选取：构建车辆行驶工况需要在车辆实际行驶状况中选取合适的短行程，但不是评价短行程本身，而是需要一些特征参数来对短行程进行概括和评价，以数据信息的形式代表短行程，进一步对特征参数进行分析。选取适当的特征参数，一方面有利于提高最后构建工况的准确性和代表性，一方面有利于减少不必要的运算，节省运算时间；特征参数中都包含有车辆的行驶信息，但每个参数所能提供的信息量大小会有所不同，根据特征参数所提供的信息的多少标定特征参数的重要程度；本发明在代表车辆行驶特征的特征参数中选择较为重要的参数，对于一些不重要的参数则忽略不计，这样可以既可以保证最终构建车辆行驶工况的准确性，又能减少数据计算的复杂程度，降低分析数据的困难程度；选择运动学片段的时长、加速期间平均加速度、减速期间平均减速度、匀速速度、匀速速度标准差、匀速时长、最大速度、怠速时间、整体加速度方差等9个运动学特征值来描述运动学片段特征值；
序号 特征参数 符号 单位
1 时长 T s
2 加速期间平均加速度 Aa m/s^2
3 减速期间平均减速度 As m/s^2
4 匀速速度 Vm km/h
5 匀速速度标准差 Vmvar km/h
6 匀速时长 VT s
7 最大速度 VMax m/s
8 怠速时间 St s
9 整体加速度方差 AccVec (m/s^2)^2
表2运动学特征值数据表
主成分分析：主成分分析所做的是将原数据中众多的具有一定相关性的变量重新进行组合，得到一组无关变量来代替原数据，并将所有线性组合中方差最大的综合变量定为第一主成分，若第一主成分不能代表原来数据所包含的信息，则继续选择剩余线性组合中方差最大的综合变量为第二主成分，以此类推，当选择的主成分能代表原数据75％以上的信息时，则能确定主成分的个数。主成分分析方法对车辆行驶数据进行降维处理，可以在尽可能多的保持原数据信息的前提下，将原始变量线性组合为相互独立的新变量，起到降低数据维度、简化计算的作用；主成分分析步骤为：
1)将原始数据进行标准化处理；
2)根据特征参数的标准化矩阵计算相关系数矩阵；
3)求出特征值相关系数矩阵的特征值和相应的特征向量；
4)计算累积贡献率，选择重要的主成分；
5)计算主成分得分，依据主成分得分数据进行进一步的数据分析。
对某段车速—时间历程的特征值选取后主成分分析效果为
特征值 贡献率 累计贡献率
M1 5.025213 0.502521 0.502521
M2 1.602963 0.160296 0.662818
M3 1.503763 0.150376 0.813194
M4 0.82119 0.082119 0.895313
M5 0.460848 0.046085 0.941398
M6 0.276318 0.027632 0.96903
M7 0.266195 0.02662 0.995649
M8 0.03742 0.003742 0.999391
M9 0.00609 0.000609 1
表3主成分分析后的运动学特征值数据表
聚类分析：聚类分析是用距离来定义样本之间的相似程度的一种数据分析方法，分类过程基于相似程度的大小逐一归类，关系密切、距离较小的变量聚集到较小的一类，然后逐步扩大，关系疏远的聚合较大的一类，直到所有的样品都聚集完。根据对已有的行驶工况特征进行分析，在构建车辆行驶工况时首先需要将工况进行分类，不同类工况之间的特征参数存在明显的差异，同一类的工况具有相似的工况特征；按照一定的原则将数据分成几类，再按照计算比例从不同类的工况特征中选取具有代表性的行驶数据信息，合成车辆行驶工况，聚类的精确程度将影响合成工况的准确度；
采用K均值聚类算法对主成分降维后的特征参数进行聚类，具体步骤如下：
1.根据实际问题确定分类数k，并在每一类中确定初始聚类中心；
2.计算各个样本到聚类中心之间的距离，距离较近的归入一类；
3.通过计算确定每一类的中心位置，并将该位置确定为新的聚类中心；
4.按新的聚心重新进行分类，重复步骤2、3的操作，随着重复次数的增多，聚类中心不再发生大的偏移，聚类结果趋于稳定；某段车速时间历程经过运动学片段划分，特征值选取，主成分分析和聚类之后合成的工况如图3所示；
整车能量流架构如图4所示，表征能量流的具体数据包括：
1)电池输出能量；
2)DCDC输入能量；
3)DCDC输出能量；
4)电机输入能量；
5)电机输出能量；
6)再生制动输入能量；
7)再生制动输出能量；
8)电池输入能量；
9)车辆行驶能耗；
10)低压附件能耗；
电机输出能量经过传动系统到达车轮，进而转化为车辆行驶的阻力能耗，假定车辆传动系统传动效率为97％，车辆行驶的阻力能耗为滚动阻力能耗，空气阻力能耗，加速阻力能耗和坡度阻力能耗，能量流分析需要计算出这四种车辆行驶阻力能耗占总能耗的比例，电机驱动效率(即电机输出机械功与输入电功之比)，DCDC转化效率(即DCDC输出电功与输入电功之比)，电机制动效率(即电机输出电功与输入机械功之比)，电机输入能量占电池输出能量之比，DCDC输入能量占电池输出能量之比；计算结果如图5所示。
电机工作点指的是某一时刻下电机的转矩和转速确定的在转速——转矩图上的一个点。电机工作点分布图是电机在整车运行过程中不同时刻下转速和转矩形成的电机工作点组成的二维点阵；在电机工作点分布图上较为密集的区域表示了实际行驶工况中车辆较多遇到的情况，也是反映当地电动车行驶工况的一个指标；电机工作点对实际电机选型也具有指导意义，在选择电机型号与参数特性时，可以使用安阳工况下电机工作点分布较为集中的区域作为标准之一，以便于更好的使行驶区域中的电机工作点满足在电机高效区中的条件。
确定电机工作点分布图，采用在电机转速—转矩点分布图上描点得到的电机工作点分布图，按照划分小网格的方式，每隔100rpm转速和10Nm转矩取一个网格点，在每个网格顶点处确定该顶点附近以100rpm转速间隔和10Nm转矩间隔确定的欧式距离内电机工作点的个数；这样就得到了一个分布表格，其中横坐标表示电机转速，坐标点是按照100rpm等距取得的，纵坐标表示电机转矩，坐标点是按照10Nm等距取得的；由横坐标和纵坐标确定的表格内数值为该坐标表示的电机工作点附近一个给定小范围区域内的实际电机工作点在给出工况中的出现次数，也就是能够代表电机在此坐标点处工作的频率；据此表格得到的二维工作点分布频次图和转速—转矩二维平面分布图，如图6和图7所示。
工况修正和验证主要分为三个方面：数学特征、能量流特征、工作点特征。
数学特征验证是指通过生成工况与实际工况的特征值比较和误差计算，评价生成工况的可行性；分别计算出所生成工况与原始数据所代表工况的9个数学特征值，然后逐个比较这些特征值，计算其误差，如果这些特征值误差在可接受范围内，则说明所生成的工况在数学特征值上与原始工况类似，从而证明所生成工况可以代表原始工况，计算结果用直方图的形式表达如图8所示。
能量流验证是指通过比对原始工况和生成工况的各部分能量流比例进行验证，并指导整车能耗优化方向；工作点验证是指通过比对原始工况和生成工况下电机系统工作点分布情况进行验证，并指导电机选型优化。
电机工作点验证是指统计在同一转速转矩坐标点处两种工况的频率都大于90％的情况出现次数count90，都介于80％和90％之间的情况出现次数count80，都介于70％和80％之间的情况出现次数count70，都介于60％和70％之间的情况出现次数count60，都介于50％和60％之间的情况出现次数count50，都介于40％和50％之间的情况出现次数count40，这些数据分别与生成工况总的频率大于90％，介于80％和90％，介于70％和80％，介于60％和70％，介于50％和60％，介于40％和50％坐标点个数相比得到占比rate90,rate80,rate70,rate60,rate50，rate40；这些占比值形成一个行向量，与比重列向量[0.40.2 0.15 0.1 0.1 0.05]相乘得到一个介于0和1的指标值，这个指标值代表电机工作点特征的评价指标，越接近1说明生成工况的电机工作点特征越接近原始工况。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (2)

1.一种电动汽车能耗评价工况生成方法，其特征在于，包括以下步骤：
步骤1：利用采样时间内的车辆行驶信息数据库，对车辆行驶短行程的特征值进行分析处理，并生成车辆工况图，具体的：
步骤1.1：定义车辆行驶的短行程运动学片段，运动学片段由一个怠速段和一个运行段组成，且运行段中至少包含一个加速和一个减速状态，运动段的定义为平均车速大于3.3km/h或者最大车速大于15km/h的一段运动过程，怠速段的定义为平均车速小于3.3km/h而且最大车速小于15km/h的一段运动过程；
步骤1.2：在步骤1.1选取的运动学片段中进行运动学特征值选取，具体的，所选取的特征值为：运动学片段的时长、加速期间平均加速度、减速期间平均减速度、匀速速度、匀速速度标准差、匀速时长、最大速度、怠速时间、整体加速度方差共9个运动学特征值：
步骤1.3：对步骤1.2获得的9个运动学特征值进行主成分分析，具体的：
步骤1.3.1：分别对9个运动学特征值进行标准化处理；
步骤1.3.2：根据特征参数的标准化矩阵计算每个运动学特征值的相关系数矩阵；
步骤1.3.3：求出每个运动学特征值的相关系数矩阵的特征值和相应的特征向量；
步骤1.3.4：计算每个运动学特征值的累积贡献率，选择重要的主成分；
步骤1.3.5：计算每个运动学特征值主成分得分；
步骤1.4：采用K均值聚类算法对步骤1.3得到的每个运动学特征值主成分进行聚类分析，具体的：
步骤1.4.1：根据实际问题确定分类数k，并在每一类中确定初始聚类中心；
步骤1.4.2：计算各个样本到聚类中心之间的距离，距离较近的归入一类；
步骤1.4.3：通过计算确定每一类的中心位置，并将该位置确定为新的聚类中心；
步骤1.4.4：按新的聚心重新进行分类，重复步骤1.4.2、1.4.3的操作，随着重复次数的增多，聚类中心不再发生偏移，聚类结果趋于稳定，即完成聚类分析；
步骤1.4.5：按照聚类分析的结果合成车辆工况图；
步骤2：利用采样时间内的车辆行驶信息数据库，计算整车能量流和能耗；步骤2.1：定义车辆行驶过程中电池输出能量为：
Figure QLYQS_1
其中Ubat为电池输出电压，即Hld_Bms_BatteryVoltage信号，Ibat为电池输出电流，其小于0代表电池放电，即Hld_bms_BatteryCurrent信号，t为采样时间；
步骤2.2：定义车辆驱动过程中电机输入的总能量为：
Figure QLYQS_2
其中Umotor为电机输入电压，即DClink_Voltage信号，Imotor为电机输入电流，即DClink_Current信号，两者同号时为驱动过程，t为采样时间；
步骤2.3：定义车辆驱动过程中电机输出的总能量为：
Figure QLYQS_3
其中Ttq为电机输出转矩，即ControllerTorque信号，n为电机输出转速，即MotorSpeed信号，两者同号时为驱动过程，t为采样时间；
步骤2.4：定义DCDC输入的总能量为：
W4＝∑UDCDCinIDCDCint；
其中UDCDCin为DCDC输入电压，即DCDC1_Input_Vol信号，IDCDCin为DCDC输入电流，即DCDC1_Input_Cur信号，t为采样时间；
步骤2.5：定义DCDC输出的总能量为：
W5＝∑UDCDCoutIDCDCoutt；
其中UDCDCout为DCDC输出电压，即DCDC1_Output_Vol信号，IDCDCout为DCDC输出电流，即DCDC1_Output_Cur信号，t为采样时间；
步骤2.6：定义车辆制动过程中电机输入的再生制动能量为：
Figure QLYQS_4
其中Ttq为电机输出转矩，即ControllerTorque信号，n为电机输出转速，即MotorSpeed信号，brk为制动踏板标志位，gas为加速踏板行程，只有在制动踏板踩下同时加速踏板没有踩下时，电机会进行制动能量的回收，t为采样时间；
步骤2.7：定义车辆制动过程中电机输出的再生制动能量为：
W7＝∑brk＞0.8&&gas≤5.0UmotorImotort；
其中Umotor为电机输入电压，即DClink_Voltage信号，Imotor为电机输入电流，即DClink_Current信号，brk为制动踏板标志位，gas为加速踏板行程，只有在制动踏板踩下同时加速踏板没有踩下时，电机会进行制动能量的回收，t为采样时间；
步骤2.8：定义车辆制动过程中电池实际得到的再生制动能量为：
W8＝∑brk＞0.8&&gas≤5.0UbatIbatt；
其中Ubat为电池输出电压，即Hld_bms_BatteryVoltage信号，Ibat为电池输出电流，即Hld_bms_BatteryCurrent信号，brk为制动踏板标志位，gas为加速踏板行程，只有在制动踏板踩下同时加速踏板没有踩下时，电机会进行制动能量的回收，t为采样时间；
步骤2.9：分别定义
ηmotor_M＝W3/W2；
ηDCDC＝W5/W4；
ηmotor_E＝W7/W6；
ηmotor_bat＝W2/W1；
ηDCDC_bat＝W4/W1；
其中，ηmotor_M为电机驱动效率，即电机输出机械功与输入电功之比，ηDCDC为DCDC转化效率，即DCDC输出电功与输入电功之比，ηmotor_E为电机制动效率，即电机输出电功与输入机械功之比，ηmotor_bat为电机输入能量占电池输出能量之比，ηDCDC_bat为DCDC输入能量占电池输出能量之比；
步骤2.10：电机输出能量经过传动系统到达车轮，进而转化为车辆行驶的阻力能耗，取车辆传动系统传动效率为97％，车辆行驶的阻力能耗为滚动阻力能耗Wf，空气阻力能耗Ww，则加速阻力能耗Wa和坡度阻力能耗Wi分别：
Wf＝∑Gfut；
Figure QLYQS_5
Wi＝∑Gi·ut；
Figure QLYQS_6
其中G为车身重力，f为道路滚阻系数，u为车速，CD为风阻系数，A为迎风面积，i为坡度，δ为动质量系数，m为车身质量，ηt取0.97为机械效率；
步骤2.11：定义行驶阻力能耗平衡方程为：
ηtW3＝Wf+Ww+Wa+Wi；
因此，可得：
ηf＝Wf/ηtW3；
ηw＝Ww/ηtW3；
ηa＝Wa/ηtW3；
ηi＝Wi/ηtW3；
其中，ηf为滚动阻力能耗占总行驶阻力能耗的比重，ηw为空气阻力能耗占总行驶阻力能耗的比重，ηa为加速阻力能耗占总行驶阻力能耗的比重，ηi为坡度阻力能耗占总行驶阻力能耗的比重；
步骤3：对步骤2计算的能量流进行能量流特征验证分析，具体的：
对步骤2计算的能量流在仿真软件中进行仿真，得到步骤2.1-步骤2.11中能量流分析过程中的各个指标，并将其与实车数据得到的对应指标进行对比，从而对生成工况的能量流特征进行验证与评价；
步骤4：对步骤2生成的能耗进行数学特征验证分析，具体的：
将利用步骤1计算的代表车辆工况的9个运动学特征值与利用车辆行驶信息数据库中原始采样数据计算得到的代表车辆工况的9个运动学特征值逐个比较，计算其误差，如果误差在可接受范围内，则说明利用步骤1计算的代表车辆工况的9个运动学特征值在数学特征上与原始工况类似，即步骤1所生成车辆工况图可以用来评价车辆原始工况；步骤5：对车辆行驶工况进行电机工作点特征验证，具体的：
步骤5.1：生成电机工作点分布图：
在电机转速—转矩点分布图上描点得到的电机工作点分布图，按照划分小网格的方式，每隔100rpm转速和10Nm转矩取一个网格点，在每个网格顶点处确定该顶点附近以100rpm转速间隔和10Nm转矩间隔确定的欧式距离内电机工作点的个数；其中横坐标表示电机转速，坐标点按照100rpm等距取得，纵坐标表示电机转矩，坐标点按照10Nm等距取得；由横坐标和纵坐标确定的表格内数值为该坐标表示的电机工作点附近一个给定小范围区域内的实际电机工作点在给出工况中的出现次数，由此表格形成一个二维矩阵，矩阵中存放的数值为对应转速和转矩范围内电机工作点的个数，用矩阵中所有值除以此矩阵最大值，得到电机在对应电机转速-转矩坐标点处工作的频率矩阵；
步骤5.2：利用电机工作点评价指标进行电机工作点特征验证，具体的：
根据步骤5.1得到的转速-转矩坐标点处两种工况的频率矩阵，统计在同一转速-转矩坐标点处两种工况的频率都大于90％的情况出现次数count90，都大于80％且不同时大于90％的情况出现次数count80，都大于70％且不同时大于80％的情况出现次数count70，都大于60％且不同时大于70％的情况出现次数count60，都大于50％且不同时大于60％的情况出现次数count50，都大于40％且不同时大于50％的情况出现次数count40，这些数据分别与生成工况总的频率大于90％、介于80％和90％、介于70％和80％、介于60％和70％、介于50％和60％、介于40％和50％坐标点个数相比得到占比rate90、rate80、rate70、rate60、rate50、rate40；这些占比值形成一个行向量，与比重列向量[0.40.20.150.10.10.05]相乘得到一个介于0和1的指标值，即电机工作点评价指标，电机工作点评价指标越接近1说明生成工况的电机工作点特征越接近原始工况。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括以下步骤：
步骤A：从CAN总线上采集汽车行驶的原始数据；具体的，CAN总线信号传输机制规定了CAN信号分为两路，分别称为CAN0、CAN1，CAN0为高压和动力部件信号，CAN1为低压和车身部件信号；CAN0信号包括电机控制系统MCU信号、电池控制系统BMS信号和直流逆变器DCDC控制系统信号；CAN1信号包括整车控制器VCU信号、防抱死系统ABS信号、转向系统EPS信号和VBOX外设传感器的信号；
步骤B：对步骤A采集的原始数据进行筛选，得到采样数据，并记录每组采样数据的采样时间间隔和总采样时间；具体的，CAN0筛选的采样数据为电机转速MotorSpeed、电机实际输出扭矩ControllerTorque、直流母线电压DC-link_Voltage、直流母线电流DC-link_Current、电池包两端电压Hld_Bms_BatteryVoltage、电池总线电流Hld_bms_BatteryCurrent、电池SOCHld_Bms_StateOfCharge、DCDC输入电压DCDC1_Input_Vol、DCDC输入电流DCDC1_Input_Cur、DCDC输出电压DCDC1_Output_Vol、DCDC输出电流DCDC1_Output_Cur和VCU车速GSVehicle_SpeedVSOSig；
CAN1筛选的采样数据为加速踏板行程GasPedalPosition、制动信号Brake_state、原始车速VehSpdLgt、VBOX车速Speed_Knots、VBOX纵向加速度Longitudial_Accel_G、VBOX经度Position_Longitude和VBOX纬度Position_Latitude；
步骤C：对步骤B得到的每组采样数据分别进行第一次滤波处理，具体的：
采用低通滤波器对步骤B得到的每组采样数据分别进行第一滤波处理，低通滤波器的截止频率为4Hz；
步骤D：对步骤C进行第一次滤波处理后的每组采样数据分别进行第二次滤波处理，具体的：
采用递推平均滤波方法对步骤C进行第一次滤波处理后的每组采样数据分别进行第二次滤波处理，定义N为每组的采样个数，N＝1,2，……，N，连续取N个采样值作为一个队列，队列的长度固定为N，每次采样到一个新数据放入队尾，并弃掉原队首的一次数据，把队列中的N个数据进行算术平均运算；
步骤E：采用时间轴插值法对步骤D第二次滤波处理后的每组采样数据进行时间同步，具体的：
建立元胞数组，用于存放从CAN总线中读取的采样数据，第1行存放步骤B中的采样数据的采样时间点序列，第2行存放步骤B中的采样数据的采样值序列，第3行存放步骤D中的采样数据的采样值序列，第4行存放步骤D中的采样数据的采样值序列经过插值处理之后得到的采样值序列；
所述插值处理的插值的时间间隔为0.1秒，所述插值处理的具体方法为：对于采样时间间隔为0.01秒的采样数据，首先找到原始采样时间点中小于插值时间点的最接近时间点在原始采样时间点序列中的位置并记录为b，插值得到的数据值为原始采样值序列中第(b-4)个数据到第(b+5)个数据的平均值；
对于时间间隔为0.02秒的数据，首先找到原始采样时间点中小于插值时间点的最接近的时间点在原始采样时间点序列中的位置并记录为b’，插值得到的数据值为原始采样值序列中第(b’-2)个数据到第(b’+2)个数据的平均值；
对于时间间隔为0.1秒的数据，根据插值时间点在原始采样时间点和采样值中使用拉格朗日线性插值计算插值得到的数据值；
步骤F：对步骤E中进行时间同步后的采样数据进行加速度校验，具体的：
步骤F-1：根据步骤E中获得的VCU车速GSVehicle_SpeedVSOSig和其采样时间，对VCU车速GSVehicle_SpeedVSOSig进行低通和均值滤波，然后对滤波得到的VCU车速GSVehicle_SpeedVSOSig进行微分，得到车辆加速度；
步骤F-2：根据步骤E中的获得的VBOX纵向加速度Longitudial_Accel_G和其采样时间，对VBOX纵向加速度Longitudial_Accel_G进行低通滤波和均值滤波，得到VBOX纵向加速度Longitudial_Accel_G；
步骤F-3：将上述获得的两种车辆加速度在同一幅图像中绘制，并输出其最大加减速度值，调节滤波参数值，直到两种车辆加速度值获得相近的结果；
步骤G：生成采样时间内的车辆行驶信息数据库。
CN202010616715.5A 2020-06-30 2020-06-30 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 Active CN111873804B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010616715.5A CN111873804B (zh) 2020-06-30 2020-06-30 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010616715.5A CN111873804B (zh) 2020-06-30 2020-06-30 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

Publications (2)

Publication Number Publication Date
CN111873804A CN111873804A (zh) 2020-11-03
CN111873804B true CN111873804B (zh) 2023-06-30

Family

ID=73156526

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010616715.5A Active CN111873804B (zh) 2020-06-30 2020-06-30 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

Country Status (1)

Country Link
CN (1) CN111873804B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114693043A (zh) * 2020-12-31 2022-07-01 奥动新能源汽车科技有限公司 车用电池的健康状况评估方法、系统、电子设备和介质
CN112590556B (zh) * 2021-01-06 2022-08-23 潍柴动力股份有限公司 一种汽车续驶里程的计算方法
CN112829590B (zh) * 2021-02-04 2022-10-25 东风汽车集团股份有限公司 基于整车经济性的纯电动车能量流计算方法、系统及介质
CN112793428B (zh) * 2021-02-25 2022-04-01 合肥工业大学 一种汽车制动能量回收系统的工况识别与匹配控制方法
CN113569948B (zh) * 2021-07-27 2023-08-01 福州大学 电动汽车工况分类与评价方法及系统
CN113806675B (zh) * 2021-08-06 2023-06-23 中汽研汽车检验中心（天津）有限公司 一种NOx排放与油耗特征分析方法
CN113428009A (zh) * 2021-08-11 2021-09-24 合众新能源汽车有限公司 一种电动汽车能耗显示方法及系统
CN114241780B (zh) * 2021-11-29 2023-01-06 深圳市锐明技术股份有限公司 车辆型号识别方法、装置、电子设备及可读存储介质
CN114357608A (zh) * 2021-12-16 2022-04-15 东风汽车集团股份有限公司 一种纯电动车整车能量流数据分析系统及分析方法
CN117075498A (zh) * 2023-10-16 2023-11-17 三峡科技有限责任公司 一种电解水制氢能耗监测和仿生优化系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102707136A (zh) * 2012-05-18 2012-10-03 上海工程技术大学 一种纯电动车辆的能耗测量装置
DE102013016520A1 (de) * 2013-10-07 2015-04-09 Audi Ag Verfahren zur Anpassung einer prädizierten Radleistung eines Fahrzeugs für eine vorgegebene Strecke und Steuergerät zur Durchführung des Verfahrens
CN104792543A (zh) * 2015-04-17 2015-07-22 北京理工大学 一种道路循环工况的构建方法
CN105291845A (zh) * 2015-11-13 2016-02-03 华晨汽车集团控股有限公司 一种电动汽车动态能耗及续驶里程的监测系统
CN105426672A (zh) * 2015-11-12 2016-03-23 东方电气（乐山）新能源设备有限公司 一种纯电动汽车能耗计算方法
CN106427589A (zh) * 2016-10-17 2017-02-22 江苏大学 基于工况预测和模糊能耗的电动汽车续驶里程估算方法
CN106596135A (zh) * 2016-12-29 2017-04-26 吉林大学 一种纯电动汽车实际行驶能耗测试、评价和预测方法
CN108198425A (zh) * 2018-02-10 2018-06-22 长安大学 一种电动汽车行驶工况的构建方法
CN109060015A (zh) * 2018-07-16 2018-12-21 开沃新能源汽车集团有限公司 一种纯电动汽车能耗检测、评价和降低能耗的装置及其工作方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170008525A1 (en) * 2015-07-09 2017-01-12 Sung-Suk KO Intelligent vehicle management system

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102707136A (zh) * 2012-05-18 2012-10-03 上海工程技术大学 一种纯电动车辆的能耗测量装置
DE102013016520A1 (de) * 2013-10-07 2015-04-09 Audi Ag Verfahren zur Anpassung einer prädizierten Radleistung eines Fahrzeugs für eine vorgegebene Strecke und Steuergerät zur Durchführung des Verfahrens
CN104792543A (zh) * 2015-04-17 2015-07-22 北京理工大学 一种道路循环工况的构建方法
CN105426672A (zh) * 2015-11-12 2016-03-23 东方电气（乐山）新能源设备有限公司 一种纯电动汽车能耗计算方法
CN105291845A (zh) * 2015-11-13 2016-02-03 华晨汽车集团控股有限公司 一种电动汽车动态能耗及续驶里程的监测系统
CN106427589A (zh) * 2016-10-17 2017-02-22 江苏大学 基于工况预测和模糊能耗的电动汽车续驶里程估算方法
CN106596135A (zh) * 2016-12-29 2017-04-26 吉林大学 一种纯电动汽车实际行驶能耗测试、评价和预测方法
CN108198425A (zh) * 2018-02-10 2018-06-22 长安大学 一种电动汽车行驶工况的构建方法
CN109060015A (zh) * 2018-07-16 2018-12-21 开沃新能源汽车集团有限公司 一种纯电动汽车能耗检测、评价和降低能耗的装置及其工作方法

Also Published As

Publication number Publication date
CN111873804A (zh) 2020-11-03

Similar Documents

Publication Publication Date Title
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
CN110126841B (zh) 基于道路信息和驾驶风格的纯电动汽车能耗模型预测方法
CN109733248A (zh) 基于路径信息的纯电动汽车剩余里程模型预测方法
Zhao et al. Development of a representative urban driving cycle construction methodology for electric vehicles: A case study in Xi’an
CN112433169B (zh) 一种云端动力电池健康度评估系统及方法
CN112703125B (zh) 一种锂电池的析锂检测方法及装置
CN111452619B (zh) 电动车辆在线能耗预测方法及系统
CN109421543B (zh) 具有供电系统的交通工具剩余里程估算方法和装置
CN109141910B (zh) 一种从整车到发动机的测试工况转换方法
CN108871788B (zh) 一种自动变速器换挡品质测试台架的校验方法
CN111806240B (zh) 一种基于中国工况的电动汽车续驶里程预测方法
CN110395245B (zh) 一种基于固定路线驾驶信息的混动汽车能量管理系统
CN111348029B (zh) 一种考虑工况的混合动力汽车标定参数最优值确定方法
Davis et al. Analysis of electric vehicle powertrain simulators for fuel consumption calculations
CN111754130A (zh) 一种基于大数据分析的新能源车辆运营评价方法
CN112948965A (zh) 一种基于机器学习和统计验证的汽车行驶工况的构建方法
CN112763909B (zh) 一种车用驱动电机联合工况测试方法及系统
CN114061979A (zh) 基于底盘测功机的混动汽车起步性能测试方法及系统
Ruan et al. A modularized electric vehicle model-in-the-loop simulation for transportation electrification modeling and analysis
von Jouanne et al. Electric vehicle (EV) chassis dynamometer testing
CN115782595B (zh) 一种基于能量回收状态的电动公交车瞬时能耗估计方法
CN115952899B (zh) 基于实际工况提取的电动公交车能耗估计方法
CN114407667A (zh) 制动能量回馈效率确定方法、装置、电动汽车及存储介质
Gonzalez et al. Machine Learning-based Energy Consumption models for Battery Electric Trucks
Neo et al. Modelling and Analytics of Driving-related Energy Performance of Electric Vehicles

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
CB02 Change of applicant information

Address after: No. 603, zhannan Avenue, urban rural integration demonstration zone, Anyang City, Henan Province

Applicant after: Deli New Energy Vehicle Co.,Ltd.

Address before: No. 603, zhannan Avenue, intersection of Nanyi road and Baimian Road, Anyang City, Henan Province

Applicant before: HENAN DERRY NEW ENERGY AUTOMOBILE Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant