CN112339615B - 基于在线支持向量机的燃料电池客车续航里程预测方法 - Google Patents

基于在线支持向量机的燃料电池客车续航里程预测方法 Download PDF

Info

Publication number
CN112339615B
CN112339615B CN202011022681.3A CN202011022681A CN112339615B CN 112339615 B CN112339615 B CN 112339615B CN 202011022681 A CN202011022681 A CN 202011022681A CN 112339615 B CN112339615 B CN 112339615B
Authority
CN
China
Prior art keywords
fuel cell
support vector
mileage
hydrogen
station
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
CN202011022681.3A
Other languages
English (en)
Other versions
CN112339615A (zh
Inventor
孙猛猛
孙健
王春
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.)
Nanjing Golden Dragon Bus Co Ltd
Original Assignee
Nanjing Golden Dragon Bus 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 Nanjing Golden Dragon Bus Co Ltd filed Critical Nanjing Golden Dragon Bus Co Ltd
Priority to CN202011022681.3A priority Critical patent/CN112339615B/zh
Publication of CN112339615A publication Critical patent/CN112339615A/zh
Application granted granted Critical
Publication of CN112339615B publication Critical patent/CN112339615B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • B60L58/30—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling fuel cells
    • 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
    • B60L2260/52—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
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/40—Application of hydrogen technology to transportation, e.g. using fuel cells

Landscapes

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

Abstract

本发明公开了一种基于在线支持向量机的燃料电池客车续航里程预测方法，步骤如下：步骤一、建立燃料电池氢气消耗离线预测支持向量机模型；步骤二、实时采集新的样本数据；步骤三、将新的样本数据加入训练集，在线训练，更新模型参数和预测模型；步骤四：预测公交车接下来到达其余站点所需的氢气消耗量，并计算出剩余里程。本发明考虑了电堆老化、公交车运营环境等多个因素，提出了一种通过每个站点之间氢气消耗量计算续航里程的新方法，能够准确估计燃料电池汽车的续航里程，帮助驾驶员合理安排行车计划、及时去加氢站充氢气。

Description

基于在线支持向量机的燃料电池客车续航里程预测方法
技术领域：
本发明涉及基于在线支持向量机的燃料电池客车续航里程预测方法，其属于电动汽车技术领域。
背景技术：
被认为是“车辆终极解决方案”的燃料电池汽车的研发和应用受到各国政府、企业和高校的重视，得到快速的发展。续航里程始终是驾驶员在驾驶的过程中非常关注的一个信息。准确的估计续航里程，可以帮助驾驶员合理安排行车计划、及时去加氢站充氢气。然而，受制于使用环境、燃料电池汽车电堆老化、驾驶习惯、路况信息变化等情况的限制，准确估计燃料电池汽车的续航里程成为一个难题。
发明内容：
本发明是为了解决上述现有技术存在的问题而提供一种基于在线支持向量机的燃料电池客车续航里程预测方法。
本发明所采用的技术方案有：一种基于在线支持向量机的燃料电池客车续航里程预测方法，步骤如下：
步骤一、建立燃料电池氢气消耗离线预测支持向量机模型
(1.1)、通过实车实验、仿真等手段，获得数据集合{(x1,y1),(x2,y2),...(xl,yl)},，其中，yi为测得的氢气消耗量，xi为环境变量，包括两个站点之间行驶的距离St、公交车到达站点时刻t，环境温度Temp，累积里程Sacc；
(1.2)、基于(1.1)中的数据拟合其中，通过使得目标函数/>最小化，拟合出预测函数
步骤二、在线获取新的样本数据
燃料电池客车在运营的过程中，从某个车站到达下一个车站，可以实时的获取新的样本数据(xc,yc)；
步骤三、在线训练
把步骤一中的优化问题转化成使得最小，步骤二采集的数据(xc,yc)用于重新计算模型的参数；
步骤四：预测公交车接下来到达其余站点所需的氢气消耗量，并计算出剩余里程。
进一步地，步骤二具体如下：
当氢燃料电池客车从一个站点A到达下一个站点B，会获得新的样本数据(xc,yc)，其中：xc为客车在这两个站点之间行驶的变量，包括：行驶的距离St、到达A站点的时刻t，环境平均温度Temp，累积里程Sacc(到达A站点)；yc为从站点A到站点B氢气的消耗量。
进一步地，步骤三具体如下：
定义将全部样本分为三个子集，误差支持向量集E＝{(xi,yi)||θi|＝C}，边界支持向量集S＝{(xi,yi)|0＜|θi|＜C}，剩余样本集R＝{(xi,yi)||θi＝0}；
(3.1)判断新增样本是否属于(xc,yc)剩余样本集合R，令θC＝0，判断(xc,yc)∈R是
否成立；若是，跳到步骤(3.4)，否则跳到步骤(3.2)；
(3.2)计算θC的变化量ΔθC，然后计算训练集合T中的系数θi和θC；
(3.3)判断(xc,yc)是否属于边界支持向量集S或误差支持向量集E集合，若是跳
到步骤(3.4)，否则跳到步骤(3.2)；
(3.4)更新训练集合T，用样本(xc,yc)替代(x1,y1)，训练集合始终保持固定的个数，此时的回归函数为
进一步地，步骤四具体如下：
(4.1)客车到达某个站点K时，获取环境温度Temp，累积里程Sacc，剩余储氢量Hs；
(4.2)把获取环境温度Temp，累积里程Sacc，时刻t，到达下一个站点K+1的里程数Sk+1带入到回归函数预测出到达下一个站点K+1的氢气消耗量
(4.3)判断Hk+1是否大于Hs,若否跳到(4.4)，是则跳到(4.5)；
(4.4)预测从K+1到K+2站点氢气消耗量Hk+2、从K+2到K+3站点氢气消耗量Hk+3，…,从K+n-1到K+n站点氢气消耗量Hk+n，至Hk+1+Hk+2+...Hk+n＞Hs；
(4.5)续航里程的计算公式为
Sr＝Sk+1+Sk+2+...+Sk+n-1+(Hs-Hk+1-Hk+2-...-Hk+n-1)/Hk+n×Sk+n。
本发明具有如下有益效果：本发明能够准确估计燃料电池汽车的续航里程，帮助驾驶员合理安排行车计划、及时去加氢站充氢气。
附图说明：
图1为本发明具体实施例中燃料电池客车的运行路线图。
具体实施方式：
本发明基于在线支持向量机的燃料电池客车续航里程预测方法，步骤如下：
步骤一、建立燃料电池氢气消耗离线预测模型
(1.1)、通过实车实验、仿真等手段，获得数据集合{(x1,y1),(x2,y2),...(xl,yl)},，其中，yi为测得的氢气消耗量，xi为环境变量，包括两个站点之间行驶的距离St、公交车到达站点时刻t，环境温度Temp，累积里程Sacc；
(1.2)、基于(1.1)中的数据拟合其中，/>通过使得目标函数/>最小化，拟合出预测函数/>
步骤二、在线获取新的样本数据
当氢燃料电池客车从一个站点A到达下一个站点B，会获得新的样本数据(xc,yc)，其中：xc为客车在这两个站点之间行驶的变量，包括：行驶的距离St、到达A站点的时刻t，环境平均温度Temp，累积里程Sacc(到达A站点)；yc为从站点A到站点B氢气的消耗量。
步骤三、定义将全部样本分为三个子集，误差支持向量集E＝{(xi,yi)||θi|＝C}，边界支持向量集S＝{(xi,yi)|0＜|θi|＜C}，剩余样本集R＝{(xi,yi)||θi＝0}。
(3.1)判断新增样本是否属于(xc,yc)剩余样本集合R。令θC＝0，判断(xc,yc)∈R是否成立；若是，跳到步骤(3.4)，否则跳到步骤(3.2)；
(3.2)计算θC的变化量ΔθC，然后计算训练集合T中的系数θi和θC；
(3.3)判断(xc,yc)是否属于边界支持向量集S或误差支持向量集E集合，若是跳
到步骤(3.4)，否则跳到步骤(3.2)；
(3.4)更新训练集合T。用样本(xc,yc)替代(x1,y1)，训练集合始终保持固定的个数。此时的回归函数为
步骤四、剩余里程预测：
(4.1)客车到达某个站点K时，获取环境温度Temp，累积里程Sacc，剩余储氢量Hs；
(4.2)把获取环境温度Temp，累积里程Sacc，时刻t，到达下一个站点K+1的里程数Sk+1带入到回归函数预测出到达下一个站点K+1的氢气消耗量
(4.3)判断Hk+1是否大于Hs,若否跳到(4.4)，是则跳到(4.5)；
(4.4)预测从K+1到K+2站点氢气消耗量Hk+2、从K+2到K+3站点氢气消耗量Hk+3，…,从K+n-1到K+n站点氢气消耗量Hk+n，至Hk+1+Hk+2+...Hk+n＞Hs；
(4.5)续航里程的计算公式为
Sr＝Sk+1+Sk+2+...+Sk+n-1+(Hs-Hk+1-Hk+2-...-Hk+n-1)/Hk+n×Sk+n。
下面以一个具体实施例来说明本发明基于在线支持向量机的燃料电池客车续航里程预测方法。
1.假设某燃料电池客车的运行路线的起始点为A，终点站为B，运行时从站点A出发，依次经过B、C、D、E、F、G，到达终点站H，然后按照相反的方向，从站点H返回到站点A。
2.从站点A到站点B消耗的氢气量记为HAB，依次类推，从站点A到站点B的距离记为SAB，依次类推。
3.假设燃料电池客车在某个时刻到达了站点D，剩余的储氢量为HS。
4.把当前时刻t，温度T，累积里程Sacc,带入到消耗氢气预测模型，预测到DE段氢气的消耗量为HDE＝f(T,Sacc,t,Vavg),EF段氢气的消耗量为HEF＝f(T,Sacc,t,Vavg),此时，HDE+HEF＜Hs。
5.预测继续进行，预测FG段氢气的消耗量为HFG＝f(T,Sacc,t,Vavg)，此时，HDE+HEF+HFG＞H，那么剩余里程数：Sr＝SDE+SEF+(Hs-HDE-HEF)/HFG×SFG。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下还可以作出若干改进，这些改进也应视为本发明的保护范围。

Claims (1)

1.一种基于在线支持向量机的燃料电池客车续航里程预测方法，其特征在于：步骤如下：
步骤一、建立燃料电池氢气消耗离线预测支持向量机模型
(1.1)、通过实车实验、仿真等手段，获得数据集合{(x1,y1),(x2,y2),...(xl,yl)},其中，yi为测得的氢气消耗量，xi为环境变量，包括两个站点之间行驶的距离St、公交车到达站点时刻t，环境温度Temp，累积里程Sacc；
(1.2)、基于(1.1)中的数据拟合其中，/>通过使得目标函数/>最小化，拟合出预测函数/>
步骤二、在线获取新的样本数据
燃料电池客车在运营的过程中，从某个车站到达下一个车站，可以实时的获取新的样本数据(xc,yc)；
步骤三、在线训练
把步骤一的优化问题转化成使得最小，步骤二采集的数据(xc,yc)用于重新计算模型的参数；
步骤四：预测公交车接下来到达其余站点所需的氢气消耗量，并计算出剩余里程；
步骤二具体如下：
当氢燃料电池客车从一个站点A到达下一个站点B，会获得新的样本数据(xc,yc)，其中：xc为客车在这两个站点之间行驶的变量，包括：行驶的距离St、到达A站点的时刻t，环境平均温度Temp，累积里程Sacc(到达A站点)；yc为从站点A到站点B氢气的消耗量；
骤三具体如下：
定义将全部样本分为三个子集，误差支持向量集E＝{(xi,yi)||θi|＝C}，边界支持向量集S＝{(xi,yi)|0＜|θi|＜C}，剩余样本集R＝{(xi,yi)||θi＝0}；
(3.1)判断新增样本是否属于(xc,yc)剩余样本集合R，令θC＝0，判断(xc,yc)∈R是否成立；若是，跳到步骤(3.4)，否则跳到步骤(3.2)；
(3.2)计算θC的变化量ΔθC，然后计算训练集合T中的系数θi和θC；
(3.3)判断(xc,yc)是否属于边界支持向量集S或误差支持向量集E集合，若是跳到步骤(3.4)，否则跳到步骤(3.2)；
(3.4)更新训练集合T，用样本(xc,yc)替代(x1,y1)，训练集合始终保持固定的个数，此时的回归函数为
所述的基于在线支持向量机的燃料电池客车续航里程预测方法，其特征在于：步骤四具体如下：
(4.1)客车到达某个站点K时，获取环境温度Temp，累积里程Sacc，剩余储氢量Hs；
(4.2)把获取环境温度Temp，累积里程Sacc，时刻t，到达下一个站点K+1的里程数Sk+1带入到回归函数预测出到达下一个站点K+1的氢气消耗量
(4.3)判断Hk+1是否大于Hs,若否跳到(4.4)，是则跳到(4.5)；
(4.4)预测从K+1到K+2站点氢气消耗量Hk+2、从K+2到K+3站点氢气消耗量Hk+3,
从K+n-1到K+n站点氢气消耗量Hk+n，至Hk+1+Hk+2+...Hk+n＞Hs；
(4.5)续航里程的计算公式为
Sr＝Sk+1+Sk+2+...+Sk+n-1+(Hs-Hk+1-Hk+2-...-Hk+n-1)/Hk+n×Sk+n。
CN202011022681.3A 2020-09-25 2020-09-25 基于在线支持向量机的燃料电池客车续航里程预测方法 Active CN112339615B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011022681.3A CN112339615B (zh) 2020-09-25 2020-09-25 基于在线支持向量机的燃料电池客车续航里程预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011022681.3A CN112339615B (zh) 2020-09-25 2020-09-25 基于在线支持向量机的燃料电池客车续航里程预测方法

Publications (2)

Publication Number Publication Date
CN112339615A CN112339615A (zh) 2021-02-09
CN112339615B true CN112339615B (zh) 2024-06-04

Family

ID=74360307

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011022681.3A Active CN112339615B (zh) 2020-09-25 2020-09-25 基于在线支持向量机的燃料电池客车续航里程预测方法

Country Status (1)

Country Link
CN (1) CN112339615B (zh)

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102008030566A1 (de) * 2008-06-27 2009-12-31 Bayerische Motoren Werke Aktiengesellschaft Elektrofahrzeug mit einer Wärmeerzeugungseinrichtung
DE102008061757A1 (de) * 2008-12-12 2010-06-17 Daimler Ag Modulanordnung für ein Fahrzeug und Fahrzeug
DE102009001630A1 (de) * 2009-03-18 2010-09-23 Volkswagen Ag Verfahren zum Betrieb eines Brennstoffzellensystems mit Standby-Funktion sowie Brennstoffzellensystem mit Standby-Funktion
CN102555765A (zh) * 2012-02-21 2012-07-11 华南理工大学 一种燃料电池-锂离子电池混合动力系统
FR2985670A1 (fr) * 2012-01-12 2013-07-19 Centre Nat Rech Scient Procede ameliore pour le stockage d'un gaz
CN103400203A (zh) * 2013-07-19 2013-11-20 西安交通大学 一种基于支持向量机的电动汽车充电站负荷预测方法
FR3016258A1 (fr) * 2014-01-09 2015-07-10 Alex Hr Roustaei Systeme photovoltaique de production d'electricite a haut rendement avec stockage integre au substrat ou embarque sur panneaux (stockage abord)
CN105539446A (zh) * 2015-12-21 2016-05-04 东软集团股份有限公司 用于预测续航里程的方法和装置
CN105822409A (zh) * 2016-05-11 2016-08-03 王东亮 利用汽车尾气余热重整乙醇水蒸汽制氢气燃料的汽车
DE102015204959A1 (de) * 2015-03-19 2016-09-22 Volkswagen Aktiengesellschaft Ermittlung von Verbrauchswerten und Reichweite eines Kraftfahrzeugs
CN107264324A (zh) * 2017-06-30 2017-10-20 北京新能源汽车股份有限公司 燃料电池汽车的能量控制方法、装置和燃料电池汽车
CN107563566A (zh) * 2017-09-18 2018-01-09 东南大学 一种基于支持向量机的公交站间运行时间区间预测方法
CN108162735A (zh) * 2018-02-02 2018-06-15 周更新 氢燃料电池电动汽车系统
CN110443377A (zh) * 2019-06-24 2019-11-12 南方电网调峰调频发电有限公司信息通信分公司 一种基于免疫算法优化的支持向量机蓄电池寿命预测方法
CN110861507A (zh) * 2018-08-10 2020-03-06 上海汽车集团股份有限公司 氢燃料电池车可续航里程的计算方法及装置
CN111572369A (zh) * 2020-05-19 2020-08-25 电子科技大学 基于改进遗传算法的燃料电池混合动力汽车能量管理在线优化方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106515478B (zh) * 2016-10-27 2017-10-20 合肥工业大学 电动汽车剩余行驶里程在线预测方法及装置

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102008030566A1 (de) * 2008-06-27 2009-12-31 Bayerische Motoren Werke Aktiengesellschaft Elektrofahrzeug mit einer Wärmeerzeugungseinrichtung
DE102008061757A1 (de) * 2008-12-12 2010-06-17 Daimler Ag Modulanordnung für ein Fahrzeug und Fahrzeug
DE102009001630A1 (de) * 2009-03-18 2010-09-23 Volkswagen Ag Verfahren zum Betrieb eines Brennstoffzellensystems mit Standby-Funktion sowie Brennstoffzellensystem mit Standby-Funktion
FR2985670A1 (fr) * 2012-01-12 2013-07-19 Centre Nat Rech Scient Procede ameliore pour le stockage d'un gaz
CN102555765A (zh) * 2012-02-21 2012-07-11 华南理工大学 一种燃料电池-锂离子电池混合动力系统
CN103400203A (zh) * 2013-07-19 2013-11-20 西安交通大学 一种基于支持向量机的电动汽车充电站负荷预测方法
FR3016258A1 (fr) * 2014-01-09 2015-07-10 Alex Hr Roustaei Systeme photovoltaique de production d'electricite a haut rendement avec stockage integre au substrat ou embarque sur panneaux (stockage abord)
DE102015204959A1 (de) * 2015-03-19 2016-09-22 Volkswagen Aktiengesellschaft Ermittlung von Verbrauchswerten und Reichweite eines Kraftfahrzeugs
CN105539446A (zh) * 2015-12-21 2016-05-04 东软集团股份有限公司 用于预测续航里程的方法和装置
CN105822409A (zh) * 2016-05-11 2016-08-03 王东亮 利用汽车尾气余热重整乙醇水蒸汽制氢气燃料的汽车
CN107264324A (zh) * 2017-06-30 2017-10-20 北京新能源汽车股份有限公司 燃料电池汽车的能量控制方法、装置和燃料电池汽车
CN107563566A (zh) * 2017-09-18 2018-01-09 东南大学 一种基于支持向量机的公交站间运行时间区间预测方法
CN108162735A (zh) * 2018-02-02 2018-06-15 周更新 氢燃料电池电动汽车系统
CN110861507A (zh) * 2018-08-10 2020-03-06 上海汽车集团股份有限公司 氢燃料电池车可续航里程的计算方法及装置
CN110443377A (zh) * 2019-06-24 2019-11-12 南方电网调峰调频发电有限公司信息通信分公司 一种基于免疫算法优化的支持向量机蓄电池寿命预测方法
CN111572369A (zh) * 2020-05-19 2020-08-25 电子科技大学 基于改进遗传算法的燃料电池混合动力汽车能量管理在线优化方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
燃料电池公共汽车氢能利用系统评价;宋雨田;王雪强;毕胜山;吴江涛;邱硕;;太阳能学报(第03期);全文 *
燃料电池有轨电车能量管理Pareto多目标优化;张晗;杨继斌;张继业;宋鹏云;徐晓惠;;自动化学报(第12期);全文 *
燃料电池混合动力车辆多能源管理策略;李奇;陈维荣;刘述奎;宋文胜;杨顺风;;电工技术学报(第S1期);全文 *

Also Published As

Publication number Publication date
CN112339615A (zh) 2021-02-09

Similar Documents

Publication Publication Date Title
Shi et al. Pontryagin’s minimum principle based fuzzy adaptive energy management for hybrid electric vehicle using real-time traffic information
Chen et al. Multimode energy management for plug-in hybrid electric buses based on driving cycles prediction
CN110991757B (zh) 一种混合动力电动汽车综合预测能量管理方法
CN111806240B (zh) 一种基于中国工况的电动汽车续驶里程预测方法
US20100305798A1 (en) System And Method For Vehicle Drive Cycle Determination And Energy Management
CN109784560A (zh) 一种电动汽车续航里程估算方法及估算系统
CN110726566B (zh) 电动车续航里程的估算方法
CN109693545B (zh) 一种电池剩余能量、车辆剩余里程的估算方法及装置
CN107818377A (zh) 基于云计算平台的车辆全局优化控制方法、系统、车辆和云计算平台
CN116572799B (zh) 基于深度学习的动力电池荷电续航预测方法、系统及终端
CN113352899B (zh) 一种基于XGBoost算法的氢燃料电池汽车续航里程预测方法
CN112002124B (zh) 车辆行程能耗预测方法及装置
CN111591152B (zh) 充换分离模式下电池包换电决策方法、装置与系统
CN112327168A (zh) 一种基于XGBoost的电动汽车电池消耗预测方法
CN113815437B (zh) 燃料电池混合动力汽车的预测性能量管理方法
CN113895307B (zh) 一种剩余里程的确定方法、装置、电动汽车及介质
CN114906011A (zh) 基于智能导航的电动汽车里程预估系统
CN112097783B (zh) 基于深度强化学习的电动出租车充电导航路径规划方法
CN116700296A (zh) 基于深度学习的自主充电无人电动车智能规划方法及系统
CN112339615B (zh) 基于在线支持向量机的燃料电池客车续航里程预测方法
Das et al. Eco-routing navigation systems in electric vehicles: A comprehensive survey
CN113537615A (zh) 一种充电车辆的预测方法、装置及电子设备
CN114676870A (zh) 车速预测方法、车速预测模型训练方法和相关装置
CN112765726A (zh) 一种寿命预测方法及装置
CN116118571A (zh) 一种车辆续航里程的预测方法和装置

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
GR01 Patent grant
GR01 Patent grant
CB03 Change of inventor or designer information

Inventor after: Sun Mengmeng

Inventor after: Sun Jian

Inventor after: Wang Chunhai

Inventor before: Sun Mengmeng

Inventor before: Sun Jian

Inventor before: Wang Chun