CN112744120B - 估算电动车辆续驶里程的方法、云端服务器、车辆和介质 - Google Patents

估算电动车辆续驶里程的方法、云端服务器、车辆和介质 Download PDF

Info

Publication number
CN112744120B
CN112744120B CN201911050776.3A CN201911050776A CN112744120B CN 112744120 B CN112744120 B CN 112744120B CN 201911050776 A CN201911050776 A CN 201911050776A CN 112744120 B CN112744120 B CN 112744120B
Authority
CN
China
Prior art keywords
driving range
value
vehicle
electric vehicle
soc value
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
CN201911050776.3A
Other languages
English (en)
Other versions
CN112744120A (zh
Inventor
李国浩
曾锋
卓颖
李江远
薛伟光
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.)
BYD Co Ltd
Original Assignee
BYD 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 BYD Co Ltd filed Critical BYD Co Ltd
Priority to CN201911050776.3A priority Critical patent/CN112744120B/zh
Publication of CN112744120A publication Critical patent/CN112744120A/zh
Application granted granted Critical
Publication of CN112744120B publication Critical patent/CN112744120B/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
    • 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
    • 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
    • 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

本发明公开了一种估算电动车辆续驶里程的方法、云端服务器、电动车辆和非临时性计算机存储介质。其中，用于云端服务器的估算电动车辆续驶里程的方法包括：获取SOC值和行驶里程值；根据SOC值和行驶里程值计算续驶里程修正参数；将续驶里程修正参数发送给车载控制器，以校正续驶里程估算值。该方法通过云端服务器可以计算出续驶里程修正参数，进而实时修正并显示预估续驶里程值，避免了出现续驶里程值跳变现象，节省了车辆计算资源消耗，使得预估续驶里程值更加精准。

Description

估算电动车辆续驶里程的方法、云端服务器、车辆和介质
技术领域
本发明涉及车辆制造领域，尤其是涉及一种估算电动车辆续驶里程的方法、云端服务器、电动车辆和非临时性计算机存储介质。
背景技术
在相关技术中，通过预估平均电耗值测出续驶里程值，或者，对SOC值分区间按照不同算法策略预估车辆续驶里程值，两种方案都存在SOC值跳变的现象，对于车辆驾驶员造成判断影；并且平均电耗值基于显示电量值并非真实电量值，导致测算出的平均电耗值存在误差，通过偏差的平均电耗值计算得出的续驶里程值误差将不可控，如果驾驶员基于该剩余续驶里程值选择充电时间，可能会造成预估续驶里程比实际续驶里程值大，误导驾驶员充电时机判断；另外，采用多种算法预估增加了预估续航里程的计算复杂度；同时，不同算法在车辆执行时须增加用于续驶里程值计算的硬件，增加了计算资源要求，提高了硬件成本。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。
为此，本发明的一个目的在于提出一种估算电动车辆续驶里程的方法，用于云端服务器，该方法通过云端服务器可以节省车辆计算资源消耗，预估续驶里程值更加精准。
本发明第二方面实施例提出了一种估算电动车辆续驶里程的方法，用于车辆。
本发明第三方面实施例提出了一种非临时性计算机存储介质。
本发明第四方面实施例提出了一种云端服务器。
本发明第五方面实施例提出了一种电动车辆。
为解决上述问题，本发明第一方面实施例的估算电动车辆续驶里程的方法，用于云服务器，包括：获取SOC值和行驶里程值；根据所述SOC值和所述行驶里程值计算续驶里程修正参数；将所述续驶里程修正参数发送给车载控制器，以校正续驶里程估算值。
根据本发明实施例的估算电动车辆续驶里程的方法，用于云端服务器，云端服务器可以通过大数据方式计算出续驶里程修正参数，避免了出现续驶里程值跳变现象，所需计算资源主要来源于云端服务器，剩余计算资源来自空闲的任一车载电子控制单元中，有效节省了计算车辆续驶里程值所需而消耗的资源，以及，将续驶里程修正参数提供给车载控制器以校正续驶里程估算值，使得预估续驶里程值更加精准。
在一些实施例中，根据所述SOC值和所述行驶里程值计算续驶里程修正参数包括：对所述SOC值和所述行驶里程值进行聚类分析，获得预设周期内消耗的SOC值和行驶里程的关系；判断所述SOC值与所述行驶里程是否满足相关性分析；如果满足，采用相关性算法计算所述SOC值与所述行驶里程的相关性系数，以作为所述续驶里程修正参数。通过对SOC值和所述行驶里程值进行聚类分析可以保证相关性系数的准确性，减小误差。
具体地，在进行聚类分析之前，所述根据所述SOC值和所述行驶里程值计算续驶里程修正参数还包括：对所述SOC值和所述行驶里程的报文进行数据清理和整合。通过对数据进行清理和整合，可以筛选出发送的空值、异常项、不合规格式、乱码等报文信息并排除，将合规的报文数据格式重新整理成按完整放电过程排序的数据，以方便对数据处理分析SOC值与行驶里程的相关性关系。
在一些实施例中，所述获取SOC值和行驶里程值包括：读取预设周期内车辆的所述SOC值和所述行驶里程值，可以定时修正和更新已建立好的续驶里程模型，确保预估续驶里程值更加精准。
为解决上述问题，本发明第二方面实施例的一种估算电动车辆续驶里程的方法，用于车辆，包括：接收到续驶里程修正参数；根据所述续驶里程修正参数对续驶里程计算模型进行修正；获取SOC值；根据所述SOC值和所述续驶里程计算模型估算续驶里程值。
根据本发明实施例的估算电动车辆续驶里程的方法，车辆车载终端根据接收到的续驶里程参数值可以对建立好的续驶里程计算模型进行更新和校正，由上面实施例可知，续驶里程参数值的计算通过云端服务器以大数据统计分类的方式处理分析，能够保证计算的续驶里程参数值误差小，结果更加可靠，保证了预估续驶里程值的准确性；同时，主要计算资源来源于云端服务器，大大节省了车辆计算所需资源。
在一些实施例中，所述方法还包括：当未接收到续驶里程修正参数时，根据上一次接收到的续驶里程修正参数对所述续驶里程计算模型进行修正，以便于保证车辆处于无网络状态下也能够正常显示使用。
为解决上述问题，本发明第三方面实施例的一种非临时性计算机存储介质，其上存储有计算机程序，所述计算机程序被执行时实现第一方面实施例的估算电动车辆续驶里程的方法，或者，所述计算机被执行时实现第二方面实施例的估算电动车辆续驶里程的方法。
为解决上述问题，本发明第四方面实施例的一种云端服务器，包括：至少一个处理器；与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行时实现上面实施例的用于云端服务器的估算电动车辆续驶里程的方法。
为解决上述问题，本发明第五方面实施例的一种电动车辆，包括：动力电池和电池管理器，所述电池管理器用于采集所述动力电池的SOC值；传感器，用于采集行驶里程；车载终端，用于与云端服务器进行数据交互；控制器，用于执行上面实施例的用于车辆的估算电动车辆续驶里程的方法。
根据本发明实施例的电动车辆，通过车载终端与云端服务器进行数据交互，为云端服务器通过大数据技术计算续驶里程修正参数提供基础，通过控制器执行上面实施例的用于车辆的估算电动车辆续驶里程的方法，以及，计算资源主要来源于云端服务器，大大节省了车辆控制器计算资源的消耗，以及控制器根据续驶里程修正系数对估算值进行修正，可以提高估算值精度。
在一些实施例中，所述电动车辆还包括组合仪表，与所述控制器相连，用于显示续驶里程估算值。
本发明的附加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，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，一个或多个实施例通过与之对应的附图进行示例性说明，这些示例性说明和附图并不构成对实施例的限定，附图中具有相同参考数字标号的元件示为类似的元件，附图不构成比例限制，并且其中
图1是本发明一个实施例的估算电动车辆续驶里程的方法的流程图；
图2是本发明另一个实施例的估算电动车辆续驶里程的方法的流程图；
图3是本发明另一个实施例的估算电动车辆续驶里程的方法的流程图；
图4是本发明一个实施例的云端服务器的框图；
图5是本发明另一个实施例的云端服务器的框图；
图6是本发明一个实施例的电动车辆的框图；
图7是本发明实施例信息交互示意框图。
附图标记：
云端服务器100、电动车辆200；
至少一个处理器110、存储器120、通信接口130、总线140、动力电池210、电池管理器220、传感器230、车载终端240、控制器250、组合仪表260。
具体实施方式
为了能够更加详尽地了解本发明实施例的特点与技术内容，下面结合附图对本发明实施例的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本发明实施例。在以下的技术描述中，为方便解释起见，通过多个细节以提供对所披露实施例的充分理解。然而，在没有这些细节的情况下，一个或多个实施例仍然可以实施。在其它情况下，为简化附图，熟知的结构和装置可以简化展示。
下面参考附图描述本发明实施例的估算电动车辆续驶里程的方法,该方法通过云端服务器可以计算出续驶里程修正参数，进而实时修正并显示预估续驶里程值，避免了出现续驶里程值跳变现象，节省了车辆计算资源消耗，使得预估续驶里程值更加精准。
图1是根据本发明实施例的估算电动车辆续驶里程的方法的流程图，如图1所示，本发明实施例的估算电动车辆续驶里程的方法，用于云服务器，至少包括步骤S1-S3，下面对每个步骤过程进行说明。
S1，获取SOC值和行驶里程值。
具体地,可以通过车辆的电池管理系统采集电池的SOC值以及通过传感器采集车辆的相关参数，例如包括行驶里程值、驾驶习惯数据项例如油门踏板深度、制动踏板深度、空调值等，并将检测数据传输给车辆的控制器局域网络总线，通过控制器局域网络总线将采集的数据信息进行打包处理，以报文形式发送至车载控制器，车载控制器通过GPRS等网络发送车辆数据的报文并上传到云端服务器，云端服务器会存储电动车辆的此类数据。其中，SOC值是车辆当前的电池荷电状态值，驾驶习惯数据以及路况都会对SOC值有影响。
S2,根据SOC值和行驶里程值计算续驶里程修正参数。
具体地，云端服务器通过大数据技术对SOC值和行驶里程值进行分析处理，获得两者的关联性，得出续驶里程修正参数，该续驶里程修正参数可以校正由于驾驶员的驾驶习惯以及路况等因素，造成行车差异而导致的续航里程预估不同的问题，使预估结果更加精准。
S3,将续驶里程修正参数发送给车载控制器，以校正续驶里程估算值。
具体地,云端服务器将续驶里程修正参数传回车载控制器端，车载控制器通过控制器局域网络总线将续驶里程修正参数发送至电子控制单元中，并修正已经建立好的续驶里程模型，电子控制单元最终将预估续驶里程值通过控制器局域网络总线传送至智能仪表系统显示。
根据本发明实施例的估算电动车辆续驶里程的方法，该方法通过云端服务器，以大数据统计分类处理方式计算出续驶里程修正参数，避免了出现续驶里程值跳变现象，所需主要计算资源来源于云端服务器，剩余计算资源来自空闲的任一车载电子控制单元中，有效节省了计算车辆续驶里程值所需而消耗的资源，，以及，将续驶里程修正参数提供给车载控制器以校正续驶里程估算值，使得预估续驶里程值更加精准。
进一步地，如图2所示，根据SOC值和行驶里程值计算续驶里程修正参数包括步骤S21-S23，下面对每个步骤过程进行说明。
S21，对SOC值和行驶里程值进行聚类分析，获得预设周期内消耗的SOC值和行驶里程的关系。具体地，云端服务器存储有电动车辆的各类数据，可以每隔预设周期读取一次存储的预设周期内车辆的SOC值和行驶里程值，并对读取的数据进行大数据分析和处理，从云端搜集大量相似的数据进行统计、分类和计算，确定数据之间的相关性关系，进而获得车辆预设周期内消耗的SOC值和行驶里程的对应关系。
S22，判断SOC值与行驶里程是否满足相关性分析，如果满足，进入步骤S23，否则，返回继续执行。
具体地，通过云端服务器对搜集的大数据以聚类分析方式，确定电池SOC值与车辆行驶里程的相关性关系，据此判断云端服务器存储的当前车辆数据报文信息是否满足该相关性关系，如果满足，则进入下一步进行后续处理，如果不满足，则返回上一步继续执行。
S23，采用相关性算法计算SOC值与行驶里程的相关性系数，以作为续驶里程修正参数。具体地，云端服务器对存储的报文数据进行解析，通过预估续驶里程算法例如最小二乘法对数据进行计算，得到SOC值与行驶里程的相关性系数作为续驶里程修正参数。
进一步地，如图2所示，在进行聚类分析之前，根据SOC值和行驶里程值计算续驶里程修正参数还包括步骤S20，对SOC值和行驶里程的报文进行数据清理和整合。
具体的，当云端服务器接收到车载控制器传递来的数据报文后，首先对报文进行解析，对解析后的数据进行数据清理和整合，例如筛选出发送的空值、异常项、不合规格式、乱码等报文信息并排除，将合规的报文数据格式重新整理成按完整放电过程排序的数据并进行存储，以方便对数据处理分析SOC值与行驶里程的相关性关系。
下面参考附图描述本发明另一方面实施例的估算电动车辆续驶里程的方法，该方法用于车辆。
图3是根据本发明实施例的估算电动车辆续驶里程的方法的流程图，如图3所示，方法至少包括步骤S01-S04，下面对每个步骤过程进行说明。
S01，接收到续驶里程修正参数。
具体地，云端服务器对存储的车载控制器传递来的数据报文解析处理后，根据大数据统计分析及预估续驶里程算法计算出续驶里程修正参数，并将该续驶里程修正参数回传至车辆，车辆通过车载终端接收该续驶里程修正参数。
S02，根据续驶里程修正参数对续驶里程计算模型进行修正。
具体地，车载控制器中存储有续驶里程计算模型，车载控制器接收到云端服务器回传的续驶里程修正参数，根据该续驶里程修正参数修正续驶里程计算模型。
S03，获取SOC值。
进一步地，车载控制器从控制器局域网络总线获取电池管理器实时输出的SOC值作为输入参数，与续驶里程修正参数共同参与计算，定时修正续驶里程计算模型。
S04，根据SOC值和续驶里程计算模型估算续驶里程值。
具体地，车载控制器将实时获得的SOC值和续驶里程修正参数作为续驶里程计算模型得输入，并通过续驶里程计算模型计算输出估算续驶里程值，进而输出到控制器局域网络总线，最终将预估值显示到组合仪表。
在一些实施例中，方法还包括步骤S05，当未接收到续驶里程修正参数时，根据上一次接收到的续驶里程修正参数对续驶里程计算模型进行修正。
具体地，当车辆处于网络中断或者无信号状态下，此时车载终端无法从控制器局域网络总线获得续驶里程修正参数，因为续驶里程修正参数是以大数据统计分析方式获得，误差很小，因此可以根据上一次接收的续驶里程修正参数修正续驶里程计算模型，不影响正常显示使用；当车辆网络状态恢复后，可以通过新获得的续驶里程修正参数及时更新校正续驶里程计算模型，使得预估续驶里程值更加精准。
根据本发明实施例的估算电动车辆续驶里程的方法，通过将车辆的SOC值、续驶里程信息传输至云端服务器，并通过大数据统计分类的方式处理分析，计算出与当前车辆续驶里程最接近的续驶里程修正参数，误差小，结果更加可靠，避免了预估续驶里程值跳变的现象；同时，主要计算资源来源于云平台服务端，大大节省了车辆计算所需资源；并且，通过电动车辆与云端服务器进行固定周期的信息交互输，即使在无网络状态下，车辆也可以根据上一次获得的续驶里程修正参数修正续驶里程计算模型，不影响正常显示使用，当网络恢复后，通过下一次获得是续驶里程修正参数更新预估续驶里程值，保证了预估续驶里程值的准确性。
本发明实施例还提出了一种非临时性计算机存储介质，其上存储有计算机程序，当计算机程序被执行时实现上面实施例的用于云服务器的估算电动车辆续驶里程的方法，或者，当计算机被执行时实现上面实施例的用于车辆的估算电动车辆续驶里程的方法。
下面参考附图描述本发明实施例的云端服务器，图4是根据本发明实施例的云端服务器的框图，如图4所示，本发明第四方面实施例的云端控制器100包括至少一个处理器(processor)110和与至少一个处理器(processor)110通信连接的存储器(memory)120；其中，存储器(memory)120存储有可被该至少一个处理器(processor)110执行的指令，指令被至少一个处理器(processor)110执行时，使至少一个处理器(processor)110执行上面实施例的估算电动车辆续驶里程的方法。
例如，图5为根据本发明的一个实施例的云端控制器的框图，其中，图5以一个处理器(processor)110和存储器(memory)120为例；还可以包括通信接口(CommunicationInterface)130和总线140。其中，处理器110、存储器120、通信接口130可以通过总线140完成相互间的通信。通信接口130可以用于信息传输。处理器110可以调用存储器120中的逻辑指令，以执行上述实施例的估算电动车辆续驶里程的方法。
此外，上述的存储器120中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。
存储器120作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序，如本发明实施例中的方法对应的程序指令/模块。处理器110通过运行存储在存储器120中的软件程序、指令以及模块，从而执行功能应用以及数据处理，即实现上述方法实施例中的估算电动车辆续驶里程的方法。
存储器120可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端设备的使用所创建的数据等。此外，存储器120可以包括高速随机存取存储器，还可以包括非易失性存储器。
下面参考附图描述本发明实施例的电动车辆，图6是根据本发明实施例的电动车辆的框图，如图6所示，电动车辆200包括：动力电池210、电池管理器220、传感器230、车载终端240和控制器250。其中，电池管理器220用于采集动力电池的SOC值；传感器230用于采集行驶里程；车载终端240用于与云端服务器进行数据交互；控制器250用于执行上面实施例的用于车辆的估算电动车辆续驶里程的方法。
根据本发明实施例的电动车辆200，采用电池管理器220采集动力电池210的SOC值，以及通过传感器230采集动力车辆200的车辆运行信息，包括行驶里程值、驾驶习惯数据项例如油门踏板深度、制动踏板深度、空调值等，通过控制器250执行上面实施例的估算电动车辆续驶里程的方法，将信息传输至车载终端240，并通过车载终端240将接收到的数据信息打包后以报文形式传输至云端服务器，进而可以通过云端服务器对数据进行解析处理，计算出续驶里程修正参数。通过云端服务器对数据进行清理和整合，以大数据统计分类的处理方式，能够保证计算结果的准确性，不会出现预估续驶里程值跳变现象，同时，续驶里程修正参数的计算资源主要来源于云端服务器，大大节省了车辆计算资源的消耗。
在一些实施例中，如图6所示，电动车辆200还包括组合仪表260，组合仪表260与控制器250相连，用于显示续驶里程估算值。
具体地，当车载终端240接收到从云端服务器回传的续驶里程修正参数后，同时将电池SOC值作为输入参数与续驶里程修正参数一起参与计算，实时更新校正续驶里程计算模型，并将修正后的结果作为预估续驶里程值输出至组合仪表260进行显示。
具体地，如图7所示，是本发明实施例电动车辆200与云端服务器100信息数据交互的示意图，电动车辆200通过电池管理器和控制器等模块将动力电池SOC值和车辆行驶信息等数据传输至控制器局域网络总线，经由过控制器局域网络总线将出具通过GPRS等网络上传至车载终端，并对数据进行打包处理并传输至云端服务器，云端服务器对接收的报文数据进行存储，并且每隔预设周期对周期内的数据进行解析处理，并将处理结果经由原路径回传至控制器局域网络总线，电子控制单元从控制器局域网络总线获取回传的续驶里程修正参数和电池管理器实时输出的电池SOC值作为输入参数，共同参与计算更新校正续驶里程预估值，最终通过控制器局域网络总线将预估结果传输至组合仪表进行显示。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“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发明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一定指的是相同的实施例或示例。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (6)

1.一种估算电动车辆续驶里程的方法，用于云服务器，其特征在于，包括：
获取SOC值和行驶里程值；
根据所述SOC值和所述行驶里程值计算续驶里程修正参数；
将所述续驶里程修正参数发送给车载控制器，以校正续驶里程估算值；
其中，根据所述SOC值和所述行驶里程值计算续驶里程修正参数包括：
对所述SOC值和所述行驶里程值进行聚类分析，获得预设周期内消耗的SOC值和行驶里程的关系；
判断所述SOC值与所述行驶里程是否满足相关性分析；
如果满足，采用相关性算法计算所述SOC值与所述行驶里程的相关性系数，以作为所述续驶里程修正参数；
其中，所述获取SOC值和行驶里程值包括：读取预设周期内车辆的所述SOC值和所述行驶里程值；
以及，在进行聚类分析之前，所述根据所述SOC值和所述行驶里程值计算续驶里程修正参数还包括：
对所述SOC值和所述行驶里程的报文进行数据清理和整合。
2.一种估算电动车辆续驶里程的方法，用于车辆，其特征在于，包括：
接收到续驶里程修正参数；
根据所述续驶里程修正参数对续驶里程计算模型进行修正；
获取SOC值；
根据所述SOC值、所述续驶里程修正参数和所述续驶里程计算模型估算续驶里程值；
其中，所述方法还包括：
当未接收到续驶里程修正参数时，根据上一次接收到的续驶里程修正参数对所述续驶里程计算模型进行修正。
3.一种非临时性计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被执行时实现权利要求1所述的估算电动车辆续驶里程的方法，或者，所述计算机程序被执行时实现权利要求2所述的估算电动车辆续驶里程的方法。
4.一种云端服务器，其特征在于，包括：
至少一个处理器；
与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行时实现权利要求1所述的估算电动车辆续驶里程的方法。
5.一种电动车辆，其特征在于，包括：
动力电池和电池管理器，所述电池管理器用于采集所述动力电池的SOC值；
传感器，用于采集行驶里程；
车载终端，用于与云端服务器进行数据交互；
控制器，用于执行权利要求2所述的估算电动车辆续驶里程的方法。
6.根据权利要求5所述的电动车辆，其特征在于，所述电动车辆还包括：
组合仪表，与所述控制器相连，用于显示续驶里程估算值。
CN201911050776.3A 2019-10-31 2019-10-31 估算电动车辆续驶里程的方法、云端服务器、车辆和介质 Active CN112744120B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911050776.3A CN112744120B (zh) 2019-10-31 2019-10-31 估算电动车辆续驶里程的方法、云端服务器、车辆和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911050776.3A CN112744120B (zh) 2019-10-31 2019-10-31 估算电动车辆续驶里程的方法、云端服务器、车辆和介质

Publications (2)

Publication Number Publication Date
CN112744120A CN112744120A (zh) 2021-05-04
CN112744120B true CN112744120B (zh) 2023-04-07

Family

ID=75641509

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911050776.3A Active CN112744120B (zh) 2019-10-31 2019-10-31 估算电动车辆续驶里程的方法、云端服务器、车辆和介质

Country Status (1)

Country Link
CN (1) CN112744120B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114043875B (zh) * 2021-11-16 2024-01-26 江苏爱玛车业科技有限公司 基于大数据的剩余里程预估偏差分析方法和系统
CN113970330B (zh) * 2021-12-22 2022-04-19 比亚迪股份有限公司 车载多传感器融合定位方法、计算机设备及存储介质
CN114655078B (zh) * 2022-04-12 2023-12-15 东软睿驰汽车技术（沈阳）有限公司 续航里程的确定方法、装置和电子设备
CN115096331A (zh) * 2022-05-16 2022-09-23 中国第一汽车股份有限公司 一种基于云端服务的车辆里程错误判断方法、装置、修正方法及装置
CN115635853B (zh) * 2022-09-30 2024-04-12 重庆赛力斯凤凰智创科技有限公司 电动汽车表显续航计算方法、装置、设备和存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6136950B2 (ja) * 2014-01-24 2017-05-31 トヨタ自動車株式会社 走行可能距離算出システム
CN106915270B (zh) * 2017-02-27 2019-05-14 北京新能源汽车股份有限公司 一种汽车续驶里程的检测方法、装置及汽车
CN109747427B (zh) * 2019-02-01 2021-02-19 广州小鹏汽车科技有限公司 估计电动车辆到达目的地时的剩余续驶能力的方法及设备

Also Published As

Publication number Publication date
CN112744120A (zh) 2021-05-04

Similar Documents

Publication Publication Date Title
CN112744120B (zh) 估算电动车辆续驶里程的方法、云端服务器、车辆和介质
CN107933317B (zh) 估算剩余续驶里程的方法、装置、设备及纯电动汽车
US10279816B2 (en) Method and apparatus for monitoring an on-vehicle controller
US9533597B2 (en) Parameter identification offloading using cloud computing resources
JP2013019730A (ja) バッテリの状態予測システム、方法及びプログラム
CN104272328A (zh) 用于确定机动车的预期消耗值的方法
CN111301172B (zh) 一种续驶里程的估算方法、装置、设备及存储介质
CN110329275A (zh) 在故障情况下运行装置、尤其车辆的装置的方法和设备
CN115257457A (zh) 车辆电池单体一致性评估方法、装置、设备及存储介质
CN113219336A (zh) 电池劣化判断系统、方法及存储有程序的非临时性存储介质
CN113665431A (zh) 电动汽车的剩余续航里程估算方法及装置
CN111397630A (zh) 基于云端服务器的车辆能量管理方法、车辆和能量管理系统
CN113335131A (zh) 一种车辆续航里程预测方法、装置、设备和存储介质
CN112765726A (zh) 一种寿命预测方法及装置
US20230162542A1 (en) Device and method for handling a data associated with energy consumption of a vehicle
CN116500458A (zh) 动力电池容量评估方法、装置、车辆及电子装置
CN110929996A (zh) 驾驶风险估计方法及装置
CN116080470A (zh) 电动汽车的动力电池监控方法、装置、服务器及介质
WO2023052685A1 (en) Forecasting charging time of electric vehicles
CN114256523A (zh) 一种充电桩充电控制方法、装置、电子设备及存储介质
CN113128929A (zh) 车辆载重状态的识别方法、装置、计算机设备和介质
CN110751747A (zh) 一种数据处理方法及装置
US20240044989A1 (en) Manufacturing method, generation device, estimation device, identification information imparting method, and imparting device
CN110808894B (zh) 一种基于can总线的数据传输方法及装置
CN115472040B (zh) 基于碰撞概率场的网联车辆个性化防碰撞预警方法

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