CN112711794B - 车辆的热能耗评价方法、装置及具有其的车辆 - Google Patents
车辆的热能耗评价方法、装置及具有其的车辆 Download PDFInfo
- Publication number
- CN112711794B CN112711794B CN202011504804.7A CN202011504804A CN112711794B CN 112711794 B CN112711794 B CN 112711794B CN 202011504804 A CN202011504804 A CN 202011504804A CN 112711794 B CN112711794 B CN 112711794B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- energy consumption
- thermal management
- typical
- environmental
- 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
Links
- 238000005265 energy consumption Methods 0.000 title claims abstract description 94
- 238000011156 evaluation Methods 0.000 title claims abstract description 50
- 230000007613 environmental effect Effects 0.000 claims abstract description 35
- 238000004088 simulation Methods 0.000 claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000011217 control strategy Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 8
- 230000006870 function Effects 0.000 description 12
- 238000004134 energy conservation Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Abstract
本申请公开了一种车辆的热能耗评价方法、装置及具有其的车辆，其中，方法包括：根据多个车辆热管理架构的参数构建整车能量模型；获取用户的出行习惯，以生成多个典型工况，并确定热能耗评价的多个影响因素，以得到仿真边界；将多个典型工况与仿真边界代入整车能量模型，并进行工况频率加权，生成每个车辆热管理架构的能耗表，且结合多个预设城市的环境信息分析得到每个车辆热管理架构的热能耗评价结果。由此，解决了相关技术中仅通过单一工况条件下的结论并不能代表实际节能情况，甚至与实际用户使用节能情况完全相反的问题，以全年的维度来计算能耗，大大提升了评价的准确性和权威性，简单易于实现。
Description
技术领域
本申请涉及车辆技术领域，特别涉及一种车辆的热能耗评价方法、装置及具有其的车辆。
背景技术
随着国家乃至全球的排放法规的日益严苛，车辆的节能减排是每个主机厂都非常关注的。整车热管理在实际热管理实际可以划归到整车能量管理中。在实际的热管理系统开发中，针对某系统可能会有多种架构方案可选，不同的架构之间会有节能量与成本的区别。尤其是在新能源车型节能问题上，热管理系统的节能情况越来越受到关注，且由于其热源的复杂多样性，其架构方案也是非常之多。
相关技术中，一般是根据某一工况，如NEDC(New European Driving Cycle，新欧洲驾驶周期)工况，从常温法规工况来比较哪种架构能够更节省能量。
然而，通过单一工况条件下的结论并不能代表实际节能情况，甚至与实际用户使用节能情况可能相去甚远甚至是完全相反的，亟待解决。
申请内容
本申请提供一种车辆的热能耗评价方法、装置及具有其的车辆，以解决相关技术中仅通过单一工况条件下的结论并不能代表实际节能情况，甚至与实际用户使用节能情况完全相反的问题，以全年的维度来计算能耗，大大提升了评价的准确性和权威性，简单易于实现。
本申请第一方面实施例提供一种车辆的热能耗评价方法，包括以下步骤：
根据多个车辆热管理架构的参数构建整车能量模型；
获取用户的出行习惯，以生成多个典型工况，并确定热能耗评价的多个影响因素，以得到仿真边界；以及
将所述多个典型工况与所述仿真边界代入所述整车能量模型，并进行工况频率加权，生成每个车辆热管理架构的能耗表，且结合多个预设城市的环境信息分析得到所述每个车辆热管理架构的热能耗评价结果。
可选地，所述根据多个车辆热管理架构的参数构建整车能量模型，包括：
利用所述整车能量模型获取不同车速下的风量、不同流量下的水泵功耗、不同档位下的风扇功耗以及对应的控制策略，以使所述每个车辆热管理架构处于相同评价区间。
可选地，所述获取用户的出行习惯，以生成多个典型工况，包括：
根据所述用户的驾驶路段车速信息、车辆使用频次、假日出行情况中的一项或多项生成所述出行习惯，并结合工作日与节假日的典型用车路况与用车时长、行车模式选择情况、各工况的频次中的一项或多项确定所述多个典型工况。
可选地，所述确定热能耗评价的多个影响因素，以得到仿真边界，包括：
获取用于热能耗评价的环境温度、环境湿度、环境气压、环境坡度中的一项或多项得到所述多个影响因素；
根据所述多个影响因素的每个影响因素均具备的实际意义与可比性的边界范围得到所述仿真边界。
可选地，所述生成每个车辆热管理架构的能耗表，包括：
将每个典型工况根据根据对应的使用频率进行加权，得到所述能耗表，其能耗函数的计算公式为：
F＝f(xs,xf1,xf2,…,xfM)，
其中，xs为各热管理架构，xfn为第n个影响因素。本申请第二方面实施例提供一种车辆的热能耗评价装置，包括：
构件模块，用于根据多个车辆热管理架构的参数构建整车能量模型；
获取模块，用于获取用户的出行习惯，以生成多个典型工况，并确定热能耗评价的多个影响因素，以得到仿真边界；以及
分析模块，用于将所述多个典型工况与所述仿真边界代入所述整车能量模型，并进行工况频率加权，生成每个车辆热管理架构的能耗表，且结合多个预设城市的环境信息分析得到所述每个车辆热管理架构的热能耗评价结果。
可选地，所述构件模块，包括：
第一获取单元，用于利用所述整车能量模型获取不同车速下的风量、不同流量下的水泵功耗、不同档位下的风扇功耗以及对应的控制策略，以使所述每个车辆热管理架构处于相同评价区间。
可选地，所述获取模块，包括：
确定单元，用于根据所述用户的驾驶路段车速信息、车辆使用频次、假日出行情况中的一项或多项生成所述出行习惯，并结合工作日与节假日的典型用车路况与用车时长、行车模式选择情况、各工况的频次中的一项或多项确定所述多个典型工况。
可选地，所述获取模块，包括：
第二获取单元，用于获取用于热能耗评价的环境温度、环境湿度、环境气压、环境坡度中的一项或多项得到所述多个影响因素；
第三获取单元，用于根据所述多个影响因素的每个影响因素均具备的实际意义与可比性的边界范围得到所述仿真边界。
可选地，所述生成每个车辆热管理架构的能耗表，包括：
将每个典型工况根据根据对应的使用频率进行加权，得到所述能耗表，其能耗函数的计算公式为：
F＝f(xs,xf1,xf2,…,xfM)，
其中，xs为各热管理架构，xfn为第n个影响因素。
本申请第三方面实施例提供一种车辆，其包括上述的车辆的热能耗评价装置。
由此，可以根据多个车辆热管理架构的参数构建整车能量模型，并获取用户的出行习惯，以生成多个典型工况，并确定热能耗评价的多个影响因素，以得到仿真边界，并将多个典型工况与仿真边界代入整车能量模型，并进行工况频率加权，生成每个车辆热管理架构的能耗表，且结合多个预设城市的环境信息分析得到每个车辆热管理架构的热能耗评价结果。由此，以用户实际使用情况为基本出发点、考虑所在地区的温度范围、考虑日常出行情况出现的概率，同时根据用户一年的使用情况，来评价其节能情况以及其生命周期内的总节能，解决了相关技术中仅通过单一工况条件下的结论并不能代表实际节能情况，甚至与实际用户使用节能情况完全相反的问题，以全年的维度来计算能耗，大大提升了评价的准确性和权威性，简单易于实现。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本申请实施例提供的一种车辆的热能耗评价方法的流程图；
图2为根据本申请一个具体实施例的车辆的热能耗评价方法的流程图；
图3为根据本申请实施例的车辆的热能耗评价装置的示例图；
图4为根据本申请实施例的车辆的方框示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的车辆的热能耗评价方法、装置及具有其的车辆。针对上述背景技术中心提到的相关技术中仅通过单一工况条件下的结论并不能代表实际节能情况，甚至与实际用户使用节能情况完全相反的问题，本申请提供了一种车辆的热能耗评价方法，在该方法中，以用户实际使用情况为基本出发点、考虑所在地区的温度范围、考虑日常出行情况出现的概率，同时根据用户一年的使用情况，来评价其节能情况以及其生命周期内的总节能，解决了相关技术中仅通过单一工况条件下的结论并不能代表实际节能情况，甚至与实际用户使用节能情况完全相反的问题，以全年的维度来计算能耗，大大提升了评价的准确性和权威性，简单易于实现。
具体而言，图1为本申请实施例所提供的一种车辆的热能耗评价方法的流程示意图。
如图1所示，该车辆的热能耗评价方法包括以下步骤：
在步骤S101中，根据多个车辆热管理架构的参数构建整车能量模型。
可选地，在一些实施例中，根据多个车辆热管理架构的参数构建整车能量模型，包括：利用整车能量模型获取不同车速下的风量、不同流量下的水泵功耗、不同档位下的风扇功耗以及对应的控制策略，以使每个车辆热管理架构处于相同评价区间。
可以理解的是，由于不同用户所述的地理位置、温度范围、用户出行特点驾驶习惯等都不相同，因此，在进行车辆的热能耗评价时，通过将上述因素考虑进去，相比于相关技术中仅考虑一种工况的情况而言，评价更为精准。
具体而言，如图2所示，本申请实施例需要N种需要比较的热管理架构，其中，N为大于等于2的整数，并根据架构特点，搭建其对应的整车热管理系统能量模型，即整车能量模型。由此，本申请实施例可以利用整车热管理系统能量模型获取不同车速下的风量、不同流量下的水泵功耗、不同档位下的风扇功耗以及对应的控制策略，并且对于不同架构的控制策略，应以公平、节能为控制目标和比较原则，即被控对象所获得关键指标的实际控制区间在相当的水平。
在步骤S102中，获取用户的出行习惯，以生成多个典型工况，并确定热能耗评价的多个影响因素，以得到仿真边界。
可选地，在一些实施例中，获取用户的出行习惯，以生成多个典型工况，包括：根据用户的驾驶路段车速信息、车辆使用频次、假日出行情况中的一项或多项生成出行习惯，并结合工作日与节假日的典型用车路况与用车时长、行车模式选择情况、各工况的频次中的一项或多项确定多个典型工况。
可以理解的是，用户的驾驶路段车速信息、使用频次、假日出行情况等信息可以通过实际调查，或者购买目标客户群的日常用车习惯获取，从而提取出覆盖80％群体的出行习惯，从而进一步结合用户工作日与节假日的典型用车路况与用车时长、行车模式选择、各工况的频次等，如图2所示，最终确定S个典型工况，其中，S是大于等于1的整数。
可选地，在一些实施例中，确定热能耗评价的多个影响因素，以得到仿真边界，包括：获取用于热能耗评价的环境温度、环境湿度、环境气压、环境坡度中的一项或多项得到多个影响因素；根据多个影响因素的每个影响因素均具备的实际意义与可比性的边界范围得到仿真边界。
可以理解的是，如图2所示，待比较的热管理架构的能耗表现可能与环境温度、湿度、气压、坡度等M个影响因素有关，其中，M可以为大于等于0的整数，上述M个影响因素均应分别存在具备实际意义同时具备可比性的边界范围，并且在此边界范围内按需选择T个计算点，其中T是大于等于1的整数。
在步骤S103中，将多个典型工况与仿真边界代入整车能量模型，并进行工况频率加权，生成每个车辆热管理架构的能耗表，且结合多个预设城市的环境信息分析得到每个车辆热管理架构的热能耗评价结果。
应当理解的是，本申请实施例可以将上述步骤S102中确定的多个典型工况和仿真边界代入体现各整车能量模型中进行计算，从而可以得到N*S*T组计算结果，并统一进行处理。需要说明的是，由于处理时的重复性工作较多，因此，本申请实施例可以通过脚本进行批量处理。
进一步地，在一些实施例中，如图2所示，本申请实施例可以在处理后，将典型工况根据根据步骤S102中获取的使用频率进行加权，得到一张M+1维表格，表格的值为体现各热管理架构的能耗，经过插值算法，最终得到能耗函数，其能耗函数的计算公式为：
F＝f(xs,xf1,xf2,…,xfM)，
其中，xs为各热管理架构，xfn为第n个影响因素。
由此，通过选择国内和/或国外的一些典型城市，搜集各影响因素的信息，如年气温变化、年湿度变化，平均海拔(环境压力)与平均坡度，然后对搜集的每个典型城市，将搜集到的气候信息与地理信息代入能耗函数，针对曲线形式的信息(如气温变化与湿度变化)，还需对结果进行积分，从而求得应用各热管理架构的能耗，进而分析优劣。
举例而言，如图2所示，假设待比较的热管理架构为：(1)电池使用冷水机(Chiller)冷却；(2)电池使用低温散热器(LTR)+Chiller冷却。分别对这两种架构搭建整车热管理，包含设计合理的控制逻辑。
通过分析调研用户的用车工况，设计三种典型工况：通勤、差旅、郊游。并计算了各典型工况的年使用频率；
由于低温散热器冷却电池的效果受环境温度影响较大，将环境温度作为影响因素。在环境温度低于T1时，电池无需冷却；在环境温度高于T2时，LTR无法工作，因此，仿真范围选择为[T1，T2]，在该范围内选择了多个计算温度点；
然后，进行批处理运算，对结果进行后处理，得到二维表格，插值后得到能耗函数f(xs,xT)；
最后选择了覆盖全国的部分典型气候城市，从气候网站查询各城市的年度历史气温，进行积分运算，得到各热管理架构的年度总耗能：
根据本申请实施例提出的车辆的热能耗评价方法，可以根据多个车辆热管理架构的参数构建整车能量模型，并获取用户的出行习惯，以生成多个典型工况，并确定热能耗评价的多个影响因素，以得到仿真边界，并将多个典型工况与仿真边界代入整车能量模型，并进行工况频率加权，生成每个车辆热管理架构的能耗表，且结合多个预设城市的环境信息分析得到每个车辆热管理架构的热能耗评价结果。由此，以用户实际使用情况为基本出发点、考虑所在地区的温度范围、考虑日常出行情况出现的概率，同时根据用户一年的使用情况，来评价其节能情况以及其生命周期内的总节能，解决了相关技术中仅通过单一工况条件下的结论并不能代表实际节能情况，甚至与实际用户使用节能情况完全相反的问题，以全年的维度来计算能耗，大大提升了评价的准确性和权威性，简单易于实现。
其次参照附图描述根据本申请实施例提出的车辆的热能耗评价装置。
图3是本申请实施例的车辆的热能耗评价装置的方框示意图。
如图3所示，该车辆的热能耗评价装置10包括：构件模块100、获取模块200和分析模块300。
其中，构件模块100用于根据多个车辆热管理架构的参数构建整车能量模型；
获取模块200用于获取用户的出行习惯，以生成多个典型工况，并确定热能耗评价的多个影响因素，以得到仿真边界；以及
分析模块300用于将多个典型工况与仿真边界代入整车能量模型，并进行工况频率加权，生成每个车辆热管理架构的能耗表，且结合多个预设城市的环境信息分析得到每个车辆热管理架构的热能耗评价结果。
可选地，在一些实施例中，构件模块，包括：
第一获取单元，用于利用整车能量模型获取不同车速下的风量、不同流量下的水泵功耗、不同档位下的风扇功耗以及对应的控制策略，以使每个车辆热管理架构处于相同评价区间。
可选地，在一些实施例中，获取模块，包括：
确定单元，用于根据用户的驾驶路段车速信息、车辆使用频次、假日出行情况中的一项或多项生成出行习惯，并结合工作日与节假日的典型用车路况与用车时长、行车模式选择情况、各工况的频次中的一项或多项确定多个典型工况。
可选地，在一些实施例中，获取模块，包括：
第二获取单元，用于获取用于热能耗评价的环境温度、环境湿度、环境气压、环境坡度中的一项或多项得到多个影响因素；
第三获取单元，用于根据多个影响因素的每个影响因素均具备的实际意义与可比性的边界范围得到仿真边界。
可选地，在一些实施例中，生成每个车辆热管理架构的能耗表，包括：
将每个典型工况根据根据对应的使用频率进行加权，得到能耗表，其能耗函数的计算公式为：
F＝f(xs,xf1,xf2,…,xfM)，
其中，xs为各热管理架构，xfn为第n个影响因素。
需要说明的是，前述对车辆的热能耗评价方法实施例的解释说明也适用于该实施例的车辆的热能耗评价装置，此处不再赘述。
根据本申请实施例提出的车辆的热能耗评价装置，可以根据多个车辆热管理架构的参数构建整车能量模型，并获取用户的出行习惯，以生成多个典型工况，并确定热能耗评价的多个影响因素，以得到仿真边界，并将多个典型工况与仿真边界代入整车能量模型，并进行工况频率加权，生成每个车辆热管理架构的能耗表，且结合多个预设城市的环境信息分析得到每个车辆热管理架构的热能耗评价结果。由此，以用户实际使用情况为基本出发点、考虑所在地区的温度范围、考虑日常出行情况出现的概率，同时根据用户一年的使用情况，来评价其节能情况以及其生命周期内的总节能，解决了相关技术中仅通过单一工况条件下的结论并不能代表实际节能情况，甚至与实际用户使用节能情况完全相反的问题，以全年的维度来计算能耗，大大提升了评价的准确性和权威性，简单易于实现。
此外，如图4所示，本申请实施例还提出一种车辆20，该车辆20包括上述的车辆的热能耗评价装置10。
根据本申请实施例提出的车辆，通过上述的车辆的热能耗评价装置，解决了相关技术中仅通过单一工况条件下的结论并不能代表实际节能情况，甚至与实际用户使用节能情况完全相反的问题，以全年的维度来计算能耗，大大提升了评价的准确性和权威性，简单易于实现。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或N个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
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地包括至少一个该特征。在本申请的描述中，“N个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或N个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，N个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (8)
1.一种车辆的热能耗评价方法，其特征在于，包括以下步骤：
根据多个车辆热管理架构的参数构建整车能量模型；
获取用户的出行习惯，以生成多个典型工况，并确定热能耗评价的多个影响因素，以得到仿真边界；以及
将所述多个典型工况与所述仿真边界代入所述整车能量模型，并进行工况频率加权，生成每个车辆热管理架构的能耗表，且结合多个预设城市的环境信息分析得到所述每个车辆热管理架构的热能耗评价结果；
所述根据多个车辆热管理架构的参数构建整车能量模型，包括：
利用所述整车能量模型获取不同车速下的风量、不同流量下的水泵功耗、不同档位下的风扇功耗以及对应的控制策略，以使所述每个车辆热管理架构处于相同评价区间。
2.根据权利要求1所述的方法，其特征在于，所述获取用户的出行习惯，以生成多个典型工况，包括：
根据所述用户的驾驶路段车速信息、车辆使用频次、假日出行情况中的一项或多项生成所述出行习惯，并结合工作日与节假日的典型用车路况与用车时长、行车模式选择情况、各工况的频次中的一项或多项确定所述多个典型工况。
3.根据权利要求1所述的方法，其特征在于，所述确定热能耗评价的多个影响因素，以得到仿真边界，包括：
获取用于热能耗评价的环境温度、环境湿度、环境气压、环境坡度中的一项或多项得到所述多个影响因素；
根据所述多个影响因素的每个影响因素均具备的实际意义与可比性的边界范围得到所述仿真边界。
4.根据权利要求1所述的方法，其特征在于，所述生成每个车辆热管理架构的能耗表，包括：
将每个典型工况根据对应的使用频率进行加权，得到所述能耗表，其能耗函数的计算公式为：
F＝f(xs,xf1,xf2,…,xfM)，
其中，xs为各热管理架构根据所述使用频率加权后的参数，xfn为第n个影响因素。
5.一种车辆的热能耗评价装置，其特征在于，包括：
构件模块，用于根据多个车辆热管理架构的参数构建整车能量模型；
获取模块，用于获取用户的出行习惯，以生成多个典型工况，并确定热能耗评价的多个影响因素，以得到仿真边界；以及
分析模块，用于将所述多个典型工况与所述仿真边界代入所述整车能量模型，并进行工况频率加权，生成每个车辆热管理架构的能耗表，且结合多个预设城市的环境信息分析得到所述每个车辆热管理架构的热能耗评价结果；
所述构件模块，包括：
第一获取单元，用于利用所述整车能量模型获取不同车速下的风量、不同流量下的水泵功耗、不同档位下的风扇功耗以及对应的控制策略，以使所述每个车辆热管理架构处于相同评价区间。
6.根据权利要求5所述的装置，其特征在于，所述获取模块，包括：
确定单元，用于根据所述用户的驾驶路段车速信息、车辆使用频次、假日出行情况中的一项或多项生成所述出行习惯，并结合工作日与节假日的典型用车路况与用车时长、行车模式选择情况、各工况的频次中的一项或多项确定所述多个典型工况。
7.根据权利要求5所述的装置，其特征在于，所述获取模块，包括：
第二获取单元，用于获取用于热能耗评价的环境温度、环境湿度、环境气压、环境坡度中的一项或多项得到所述多个影响因素；
第三获取单元，用于根据所述多个影响因素的每个影响因素均具备的实际意义与可比性的边界范围得到所述仿真边界。
8.一种车辆，其特征在于，包括：如权利要求5-7任一项所述的车辆的热能耗评价装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011504804.7A CN112711794B (zh) | 2020-12-18 | 2020-12-18 | 车辆的热能耗评价方法、装置及具有其的车辆 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011504804.7A CN112711794B (zh) | 2020-12-18 | 2020-12-18 | 车辆的热能耗评价方法、装置及具有其的车辆 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112711794A CN112711794A (zh) | 2021-04-27 |
| CN112711794B true CN112711794B (zh) | 2024-04-09 |
Family
ID=75544554
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011504804.7A Active CN112711794B (zh) | 2020-12-18 | 2020-12-18 | 车辆的热能耗评价方法、装置及具有其的车辆 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112711794B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107862121A (zh) * | 2017-11-01 | 2018-03-30 | 毛国强 | 基于绿波带的电动汽车能耗模型设计方法及其系统 |
| CN109720207A (zh) * | 2018-12-29 | 2019-05-07 | 彩虹无线（北京）新技术有限公司 | 车辆能耗分析方法、装置及计算机可读介质 |
| CN109740213A (zh) * | 2018-12-24 | 2019-05-10 | 斑马网络技术有限公司 | 车辆能耗评估方法、设备及存储介质 |
| CN111452794A (zh) * | 2019-01-22 | 2020-07-28 | 上海汽车集团股份有限公司 | 一种确定能耗的方法及装置和确定驾驶策略的方法及装置 |
-
2020
- 2020-12-18 CN CN202011504804.7A patent/CN112711794B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107862121A (zh) * | 2017-11-01 | 2018-03-30 | 毛国强 | 基于绿波带的电动汽车能耗模型设计方法及其系统 |
| CN109740213A (zh) * | 2018-12-24 | 2019-05-10 | 斑马网络技术有限公司 | 车辆能耗评估方法、设备及存储介质 |
| CN109720207A (zh) * | 2018-12-29 | 2019-05-07 | 彩虹无线（北京）新技术有限公司 | 车辆能耗分析方法、装置及计算机可读介质 |
| CN111452794A (zh) * | 2019-01-22 | 2020-07-28 | 上海汽车集团股份有限公司 | 一种确定能耗的方法及装置和确定驾驶策略的方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| Power-based electric vehicle energy consumption model: Model development and validation;Chiara Fiori等;Applied Energy;第168卷;257-268 * |
| 一种增程式电动汽车动力系统能耗分析;姚学松;;电子产品世界(03);87-89 * |
| 纯电动与柴油货车全生命周期能耗及排放分析;余大立;张洪申;环境科学学报;第39卷(第6期);2043-2052 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112711794A (zh) | 2021-04-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ali et al. | Review of urban building energy modeling (UBEM) approaches, methods and tools using qualitative and quantitative analysis | |
| Guo et al. | Ecomark 2.0: empowering eco-routing with vehicular environmental models and actual vehicle fuel consumption data | |
| CN103853106A (zh) | 一种建筑能源供应设备的能耗预测参数优化方法 | |
| Pan et al. | Driving range estimation for electric vehicles based on driving condition identification and forecast | |
| CN113515722B (zh) | 一种道路交通排放与扬尘排放的实时监测方法与系统 | |
| KR20140043184A (ko) | 에너지 소비량 예측 장치 및 방법 | |
| CN112455287A (zh) | 车辆及其动力电池的冷却方法、装置 | |
| CN116229607B (zh) | 一种机动车行驶碳排放的预测方法、电子设备及存储介质 | |
| US20180045526A1 (en) | System and Method for Estimating and Predicting Vehicle Trip Energy Consumption | |
| CN112271359B (zh) | 基于电池的加热系统控制方法、装置以及电子设备 | |
| CN114274780A (zh) | 车辆续航里程预测方法、装置、设备和存储介质 | |
| CN110097205A (zh) | 一种建筑负荷预测用气象预报数据预处理方法 | |
| JP5860237B2 (ja) | パラメータ決定方法および装置 | |
| Duc et al. | A robust method for collecting and processing the on-road instantaneous data of fuel consumption and speed for motorcycles | |
| CN112711794B (zh) | 车辆的热能耗评价方法、装置及具有其的车辆 | |
| CN112781177B (zh) | 预测空调运行功率的方法、装置、电子设备及存储介质 | |
| Ma et al. | Integrated traffic and emission simulation: a model calibration approach using aggregate information | |
| Chandio et al. | An approach for map-matching strategy of GPS-trajectories based on the locality of road networks | |
| CN117291304A (zh) | 电动汽车充放电可调节能力预测方法、装置、设备及介质 | |
| CN115985083B (zh) | 基于智慧城市的共享电动车管理系统与方法 | |
| CN112993344A (zh) | 基于神经网络的燃料电池系统输出性能预测方法及装置 | |
| CN110795698A (zh) | 一种夏季电量分析方法及可读存储介质 | |
| CN106326191A (zh) | 一种基于天气预报描述性数据量化日照时数的方法 | |
| Venigalla et al. | Soak distribution inputs to mobile source emissions modeling: measurement and transferability | |
| CN116235188A (zh) | 生成分析对象的预测模型的方法、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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |