CN114001989B - 一种基于工况识别的单车空调能耗预测方法及预测装置 - Google Patents
一种基于工况识别的单车空调能耗预测方法及预测装置 Download PDFInfo
- Publication number
- CN114001989B CN114001989B CN202111233440.8A CN202111233440A CN114001989B CN 114001989 B CN114001989 B CN 114001989B CN 202111233440 A CN202111233440 A CN 202111233440A CN 114001989 B CN114001989 B CN 114001989B
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- air conditioner
- module
- working condition
- calculating
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/002—Thermal testing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
-
- 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
- Y02T10/80—Technologies aiming to reduce greenhouse gasses emissions common to all road transportation technologies
- Y02T10/88—Optimized components or subsystems, e.g. lighting, actively controlled glasses
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Air-Conditioning For Vehicles (AREA)
Abstract
本发明提供了一种基于工况识别的单车空调能耗预测方法及预测装置,首先获取当前环境温度信息,计算得到当前工况的平均速度,平均加速度、平均怠速时长得到当前工况的特征信息;得到当前工况的冷启动能耗f1;得到怠速片段空调能耗f2;得到当前工况运动片段空调能耗f3;最后得到的温度修正因子k;对f1、f2、f3进行加权得到当前工况下空调的综合能耗。本发明所述的一种基于工况识别的单车空调能耗预测方法及预测装置以实际用户驾驶过程中所产生的远传数据为基础,代替实际道路采集的传统方法,在数据覆盖范围、采集周期、采集成本方面存在明显优势;能够准确预估空调能耗,为节能驾驶及政府监管提供支撑。
Description
技术领域
本发明属于交通运输领域,尤其是涉及一种基于工况识别的单车空调能耗预测方法及预测装置。
背景技术
2019年我国原油对外依存度升至70.8%,其中汽车耗油约占整个石油消费量的70%以上。节约化石能源、降低汽车尾气排放,是汽车行业必须面对和解决的问题。空调是影响用户实际能耗的关键因素。对于传统乘用车而言,夏季开启空调能耗上升显著,能耗平均增加30%左右。对纯电动乘用车而言,冬季开启空调能耗平均增加40%以上。
为了反映空调对整车能耗的影响,并鼓励空调节能技术的开发与应用,美国和欧洲都实施了有针对性的能耗法规。美国从2008年起就在能耗测试五工况法中引入SC03空调循环,从2013年起进一步引入AC17循环测试并实施节能空调奖励法规。欧洲同样提出了类似的MACTP(Mobile Air Conditioning Test Procedure)循环对空调的使用进行能耗测试。中国于2017年1月起草了《乘用车循环外技术/装置节能效果评价方法第3部分汽车空调》国家标准征求意见稿(简称“征求意见稿”)。
本发明的特点在于利用车辆实际行驶工况数据、转毂试验数据,并综合考虑汽车空调的多种影响因素,建立一种基于工况识别的单车空调能耗预测方法及预测装置。
发明内容
有鉴于此,本发明旨在提出一种基于工况识别的单车空调能耗预测方法,以针对现有技术中车辆空调能耗受外界环境温度、空调设置温度、冷启动、车辆行驶工况等诸多因素影响,缺乏评价实际行驶过程空调能耗的方法,不利于节能减排政策的实施、企业技术进步、和用户节约用车成本。
为达到上述目的,本发明的技术方案是这样实现的:
一种基于工况识别的单车空调能耗预测方法,包括以下步骤:
S1、采集车辆实际道路行驶数据;
S2、在30℃环境温度下分别进行JC08、NEDC、WLTC、CLTC、FTP75工况的冷启动开关空调能耗试验,并计算冷启动阶段的工况特征参数值;
S3、在20℃~40℃间,每隔5℃进行CLTC空调开关能耗试验,并计算不同温度下温度修正因子k、怠速空调瞬时能耗i;
S4、在试验室转毂上,跟随多次RDE测试曲线,分别进行开关空调能耗试验;
S5、将RDE转毂数据进行短片段划分,计算片段的时长、平均速度、相对正加速度和空调能耗,划分不同的bin区间,得到能耗分布MAP;
S6、计算车辆运行前300s工况特征,计算该特征与不同工况冷启动特征的互信息值,互信息值最大工况对应的空调能耗作为车辆冷启动能耗f1;
S7、对车辆运行数据进行短片段切割,分为怠速片段和运动片段;
S8、计算车辆运行阶段总怠速时长t,低功率运行段怠速空调能耗为f2=i*t;
S9、计算运动片段时长、平均速度、相对正加速度,基于能耗分布MAP,计算各运动片段的空调能耗,进行累加得到所有运动片段的空调能耗f3;
S10、结合步骤S3,根据环境温度差值得到温度修正因子k;
S11、结合步骤S6、步骤S8、步骤S9、步骤S10得出车辆空调能耗公式。
进一步的,在步骤S2中的所述工况特征分别包括平均速度、怠速比例、平均加速度和平均减速度。
进一步的,在步骤S11中的所述车辆空调能耗公式为:F=k(f1+f2+f3)。
进一步的,在步骤S7中的所述短片段切割包括以下步骤:
A1、将车辆从一次停车开始到下一次启动开始的运动定义为怠速片段;
A2、将车辆在一次启动到下一次停车的运动定义为运动片段。
相对于现有技术,本发明所述的一种基于工况识别的单车空调能耗预测方法具有以下优势:
(1)本发明所述的一种基于工况识别的单车空调能耗预测方法,计合理,本发明以的特点在于以实际用户驾驶过程中所产生的远传数据为基础,代替了实际道路采集的传统方法,在数据覆盖范围、采集周期、采集成本方面均存在明显优势;将环境温度、冷启动、工况对空调能耗的影响纳入到考虑范围,建立一种单车空调能耗预测方法。该方法能够较为准确地预估空调能耗,为节能驾驶和企业产品优化设计及政府监管提供支撑。
本发明的另一目的在于提出一种基于工况识别的单车空调能耗预测装置,以针对现有技术中车辆空调能耗受外界环境温度、空调设置温度、冷启动、车辆行驶工况等诸多因素影响,缺乏评价实际行驶过程空调能耗的装置,不利于节能减排政策的实施、企业技术进步、和用户节约用车成本。
为达到上述目的,本发明的技术方案是这样实现的:
一种基于工况识别的单车空调能耗预测装置,包括均电连接至电源模块的OBD模块、GPS模块、数据存储模块、短行程划分模块、工况特征计算模块、工况识别模块、bin计算及对比模块、温度接收模块、温度修正模块和空调能耗计算模块,所述OBD模块、GPS模块均信号连接至数据存储模块的输入端,数据存储模块的输出端依次信号连接至短行程划分模块、工况特征计算模块、工况识别模块、bin计算及对比模块,bin计算及对比模块的输出端信号连接至空调能耗计算模块,空调能耗计算模块设有两个输入端,空调能耗计算模块的一号输入端与bin计算及对比模块的输出端信号连接,空调能耗计算模块的二号输入端与温度修正模块的输出端信号连接,温度修正模块的输入端与温度接收模块的输出端信号连接。
相对于现有技术,本发明所述的一种基于工况识别的单车空调能耗预测装置具有以下优势:
(1)本发明所述的一种基于工况识别的单车空调能耗预测装置设计合理,本发明提供了一种更加准确,一种基于工况识别的单车空调能耗预测方法的预测装置。该装置包括GPS模块、OBD模块、温度接收模块工况特征计算模块、工况识别模块、短行程划分模块、bin计算及比对模块、温度修正模块、能耗计算模块;将实际道路数据转移到转鼓上进行试验,在保证测试精度的同时,降低了试验成本,而且本预测装置操作简单,经济实用,易于推广。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例所述的一种基于工况识别的单车空调能耗预测方法及预测装置空调能耗预测流程示意图;
图2为本发明实施例所述的一种基于工况识别的单车空调能耗预测方法及预测装置设备结构示意图;
图3为本发明实施例所述的一种基于工况识别的单车空调能耗预测方法及预测装置空调冷启动能耗示意图;
图4为本发明实施例所述的一种基于工况识别的单车空调能耗预测方法及预测装置工况空调能耗示意图;
图5为本发明实施例所述的一种基于工况识别的单车空调能耗预测方法及预测装置短行程划分示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”等仅用于描述目的,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”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以通过具体情况理解上述术语在本发明中的具体含义。
下面将参考附图并结合实施例来详细说明本发明。
名词解释:
JC08、NEDC、WLTC、CLTC、FTP75:为不同类型的汽车循环测试工况的时间-车速数据。
bin:直方图中bin的含义:计算颜色直方图需要将颜色空间划分为若干小的颜色区间,即直方图的bin,通过计算颜色在每个小区间内德像素得到颜色直方图,bin越多,直方图对颜色的分辨率越强,但增加了计算机的负担。即(上图所分10个竖条区域,每个竖条区域称为一个bin);
(2)简单来说直方图就是对数据进行统计,将统计值组织到一系列事先定义好的bin中。bin中的数值就是从数据中计算出的特征的统计量,这些数据可以是诸如梯度、方向、色彩或任何其他特征。无论如何,直方图获得的是数据分布的统计图。直方图实际上是一个方便表示图像特征的手段。
MAP:地图。
RDE:实际道路排放测试。
如图1至图5所示,一种基于工况识别的单车空调能耗预测方法,包括以下步骤:
S1、采集车辆实际道路行驶数据;
S2、在30℃环境温度下分别进行JC08、NEDC、WLTC、CLTC、FTP75工况的冷启动开关空调能耗试验,并计算冷启动阶段的工况特征参数值;在步骤S2中的所述工况特征分别包括平均速度、怠速比例、平均加速度和平均减速度,在具体实施例中,针对特定车型,在30℃环境温度下,分别进行JC08、NEDC、WLTC、CLTC、FTP75前300秒冷启动开关空调能耗试验,JC08、NEDC、WLTC、CLTC、FTP75均为汽车循环测试工况,并计算冷启动阶段的平均速度、怠速比例、平均加速度、平均减速度和空调能耗(开关空调能耗差值)。
S3、在20℃~40℃间,每隔5℃进行CLTC空调开关能耗试验,并计算不同温度下温度修正因子k、怠速空调瞬时能耗i;
S4、在试验室转毂上,跟随多次RDE测试曲线,分别进行开关空调能耗试验;
S5、将RDE转毂数据进行短片段划分,计算片段的时长、平均速度、相对正加速度和空调能耗,划分不同的bin区间,得到能耗分布MAP;
S6、计算车辆运行前300s工况特征,计算该特征与不同工况冷启动特征的互信息值,互信息值最大工况对应的空调能耗作为车辆冷启动能耗f1;
S7、对车辆运行数据进行短片段切割,分为怠速片段和运动片段;
S8、计算车辆运行阶段总怠速时长t,低功率运行段怠速空调能耗为f2=i*t;
S9、计算运动片段时长、平均速度、相对正加速度,基于能耗分布MAP,计算各运动片段的空调能耗,进行累加得到所有运动片段的空调能耗f3;
S10、结合步骤S3,根据当前环境温度差值得到温度修正因子k;
S11、结合步骤S6、步骤S8、步骤S9、步骤S10得出车辆空调能耗公式。
在步骤S11中的所述车辆空调能耗公式为:F=k(f1+f2+f3)。本发明以的特点在于以实际用户驾驶过程中所产生的远传数据为基础,代替了实际道路采集的传统方法,在数据覆盖范围、采集周期、采集成本方面均存在明显优势;将实际道路数据转移到转鼓上进行试验,在保证测试精度的同时,降低了试验成本;将环境温度、冷启动、工况对空调能耗的影响纳入到考虑范围,建立一种单车空调能耗预测方法。该方法能够较为准确地预估空调能耗,为节能驾驶和企业产品优化设计及政府监管提供支撑。
在步骤S7中的所述短片段切割包括以下步骤:
A1、将车辆从一次停车开始到下一次启动开始的运动定义为怠速片段;
A2、将车辆在一次启动到下一次停车的运动定义为运动片段(即图5中的运动片段)。
图1是空调能耗预测流程,首先通过车辆温度传感器获取当前环境温度信息,通过计算得到当前工况的平均速度,平均加速度、平均怠速时长得到当前工况的特征信息,结合步骤1,步骤5,得到当前工况的冷启动能耗f1;结合步骤2、步骤6、步骤7得到怠速片段空调能耗f2;结合步骤8得到当前工况运动片段空调能耗f3。最后再结合步骤3得到的温度修正因子k,对f1、f2、f3进行加权得到当前工况下空调的综合能耗。
一种基于工况识别的单车空调能耗预测装置,包括均电连接至电源模块的OBD模块、GPS模块、数据存储模块、短行程划分模块、工况特征计算模块、工况识别模块(提前完成模型训练)、bin计算及对比模块、温度接收模块(加装温度传感器)、温度修正模块(提前输入map图)和空调能耗计算模块,所述OBD模块、GPS模块均信号连接至数据存储模块的输入端,数据存储模块的输出端依次信号连接至短行程划分模块、工况特征计算模块、工况识别模块、bin计算及对比模块,bin计算及对比模块(提前输入map图)的输出端信号连接至空调能耗计算模块,空调能耗计算模块设有两个输入端,空调能耗计算模块的一号输入端与bin计算及对比模块的输出端信号连接,空调能耗计算模块的二号输入端与温度修正模块的输出端信号连接,温度修正模块的输入端与温度接收模块的输出端信号连接。在本实施例中,如图2所示,电源模块用于从车载点烟器上取电,保证设备正常工作;OBD模块用于和整车CAN总线进行通讯,获取CAN信号;GPS模块用于连接外置GPS,获取车速、经纬度、坡度信息;数据存储模块用于存储设备从OBD和GPS模块读取的数据,短行程划分模块用于对读取到的数据进行预处理,剔除无效数据和异常值,然后将数据切分成运动片段;工况特征计算模块用于计算运动片段的特征参数;工况识别模块用于将工况特征计算模块的计算结果和标准工况特征做对比,从而找到与短行程更接近的标准工况;bin计算、对比模块用于计算短行程怠速、运动片段、冷启动油耗;温度接收模块用于获取当前环境温度值;温度修正模块用于计算温度修正系数;空调能耗计算模块用于计算空调油耗。
实施例1
以下结合附图,对发明方法做进一步详细说明,图2为单车空调能耗预测方法的整体流程。
图3为五种典型工况(30℃)下冷启动空调能耗。把当前工况特征和五种典型工况的工况特征做对比,选取和当前工况特征最接近的典型工况冷启动空调能耗作为当前工况下冷启动空调能耗值。
图4为不同温度下CLTC工况开关空调能耗结果,用于确定不同温度时温度修正因子k以及CLTC工况下空调怠速瞬时能耗i。
数据采集
试验采用自主驾驶法采集了某型20台纯电动B级车实际运行数据,采集时间为2020年5月1日至2020年11月30日,累计行驶里程为10.6万公里。试验系统由车载数据采集终端(采样频率为20Hz)和数据管理平台两部分组成。车载数据采集终端将采集信息按照统一的数据协议编码,并通过GPRS网络实时发送到工况数据管理平台。用于空调能耗预测的参数包括GPS车速。
数据处理
对数据进行重采样,将数据频率变为1Hz。将车辆行驶数据切割为短行程,切割规则如下:
车辆从起步出发至目的地停车,受道路交通状况影响,其间会经过多次起步、停车操作。将车辆从一次停车开始到下一次启动开始的运动定义为怠速片段;车辆在一次启动到下一次停车的运动定义为运动片段(运动片段)。这样车辆一次行程就可以视为各种各样的片段组合。短行程示意图如图5所示。
模型参数计算
针对特定车型,在30℃环境温度下,分别进行JC08、NEDC、WLTC、CLTC、FTP75前300秒冷启动开关空调能耗试验;计算冷启动阶段空调能耗f1。
图3所示,在20℃~40℃间,每隔5℃,进行CLTC空调开关能耗试验,计算不同温度下温度修正因子k、怠速空调瞬时能耗i。
空调能耗预测
如图4所示,依据当前运行工况,确定该工况与典型工况互信息值,通过计算得到当前工况与NEDC工况特征更加吻合,结合图3,确定该车辆冷启动能耗f1=2.19L/100km。
根据当前环境温度(32℃),当前工况怠速片段时长t,CLTC工况下怠速空调瞬时能耗i,得到当前空调怠速能耗f2=i*t=0.6L/100km,温度修正因子k=1.1。
根据当前运动片段运动时长、平均速度、相对正加速度结合步骤4得到的能耗MAP图,计算得到该运动片段空调能耗f3=0.3L/100km。
当前空调能耗=1.1*(2.19+0.6+0.3)=3.4L/100km。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种基于工况识别的单车空调能耗预测方法,其特征在于:包括以下步骤:
S1、采集车辆实际道路行驶数据;
S2、在30℃环境温度下分别进行JC08、NEDC、WLTC、CLTC、FTP75工况的冷启动开关空调能耗试验,并计算冷启动阶段的工况特征参数值;
所述工况特征分别包括平均速度、怠速比例、平均加速度和平均减速度;
S3、在20℃~40℃间,每隔5℃进行CLTC空调开关能耗试验,并计算不同温度下温度修正因子k、怠速空调瞬时能耗i;
S4、在试验室转毂上,跟随多次RDE测试曲线,分别进行开关空调能耗试验;
S5、将RDE转毂数据进行短片段划分,计算片段的时长、平均速度、相对正加速度和空调能耗,划分不同的bin区间,得到能耗分布MAP;
S6、计算车辆运行前300s工况特征,计算该特征与不同工况冷启动特征的互信息值,互信息值最大工况对应的空调能耗作为车辆冷启动能耗f1;
其中,互信息值的定义为计算该特征与不同工况冷启动特征的吻合程度,将最吻合的工况特征作为互信息值最大工况;
S7、对车辆运行数据进行短片段切割,分为怠速片段和运动片段;
在步骤S7中的所述短片段切割包括以下步骤:
A1、将车辆从一次停车开始到下一次启动开始的运动定义为怠速片段;
A2、将车辆在一次启动到下一次停车的运动定义为运动片段;
S8、计算车辆运行阶段总怠速时长t,低功率运行段怠速空调能耗为f2=i*t;
S9、计算运动片段时长、平均速度、相对正加速度,基于能耗分布MAP,计算各运动片段的空调能耗,进行累加得到所有运动片段的空调能耗f3;
S10、结合步骤S3,根据环境温度差值得到温度修正因子k;
S11、结合步骤S6、步骤S8、步骤S9、步骤S10得出车辆空调能耗公式;
所述车辆空调能耗公式为:F=k(f1+f2+f3)。
2.根据权利要求1所述的一种基于工况识别的单车空调能耗预测方法的预测装置,其特征在于:包括均电连接至电源模块的OBD模块、GPS模块、数据存储模块、短行程划分模块、工况特征计算模块、工况识别模块、bin计算及对比模块、温度接收模块、温度修正模块和空调能耗计算模块,所述OBD模块、GPS模块均信号连接至数据存储模块的输入端,数据存储模块的输出端依次信号连接至短行程划分模块、工况特征计算模块、工况识别模块、bin计算及对比模块,bin计算及对比模块的输出端信号连接至空调能耗计算模块,空调能耗计算模块设有两个输入端,空调能耗计算模块的一号输入端与bin计算及对比模块的输出端信号连接,空调能耗计算模块的二号输入端与温度修正模块的输出端信号连接,温度修正模块的输入端与温度接收模块的输出端信号连接。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111233440.8A CN114001989B (zh) | 2021-10-22 | 2021-10-22 | 一种基于工况识别的单车空调能耗预测方法及预测装置 |
JP2022145280A JP2023063233A (ja) | 2021-10-22 | 2022-09-13 | 作業条件識別に基づく一車用エアコンのエネルギー消費量の予測方法および予測装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111233440.8A CN114001989B (zh) | 2021-10-22 | 2021-10-22 | 一种基于工况识别的单车空调能耗预测方法及预测装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114001989A CN114001989A (zh) | 2022-02-01 |
CN114001989B true CN114001989B (zh) | 2023-08-25 |
Family
ID=79923763
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111233440.8A Active CN114001989B (zh) | 2021-10-22 | 2021-10-22 | 一种基于工况识别的单车空调能耗预测方法及预测装置 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP2023063233A (zh) |
CN (1) | CN114001989B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115952932B (zh) * | 2023-03-14 | 2023-05-23 | 中汽研汽车检验中心(天津)有限公司 | 基于行驶路线的车辆电耗和氢耗预测方法 |
CN116990619B (zh) * | 2023-09-25 | 2023-12-26 | 华夏天信智能物联股份有限公司 | 一种矿井变频一体机的智能监测方法 |
CN117858219A (zh) * | 2024-01-15 | 2024-04-09 | 维朗信息科技(广东)有限公司 | 一种基于物联网资源调度的方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101913314A (zh) * | 2010-07-30 | 2010-12-15 | 奇瑞汽车股份有限公司 | 一种电动汽车空调系统及其控制方法 |
CN203298439U (zh) * | 2013-06-03 | 2013-11-20 | 北京理工大学 | 一种制冷剂充注量可调的电动汽车热泵空调系统 |
CN103454023A (zh) * | 2013-09-04 | 2013-12-18 | 奇瑞汽车股份有限公司 | 一种汽车空调系统能耗测试方法 |
WO2017193859A1 (zh) * | 2016-05-10 | 2017-11-16 | 比亚迪股份有限公司 | 热泵空调系统及电动汽车 |
CN111723456A (zh) * | 2020-05-08 | 2020-09-29 | 华南理工大学 | 一种基于nsga-ⅱ算法的中央空调系统能效优化方法 |
CN112428781A (zh) * | 2020-12-16 | 2021-03-02 | 重庆大学 | 基于热舒适和低病毒感染风险的电动汽车空调控制方法 |
-
2021
- 2021-10-22 CN CN202111233440.8A patent/CN114001989B/zh active Active
-
2022
- 2022-09-13 JP JP2022145280A patent/JP2023063233A/ja active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101913314A (zh) * | 2010-07-30 | 2010-12-15 | 奇瑞汽车股份有限公司 | 一种电动汽车空调系统及其控制方法 |
CN203298439U (zh) * | 2013-06-03 | 2013-11-20 | 北京理工大学 | 一种制冷剂充注量可调的电动汽车热泵空调系统 |
CN103454023A (zh) * | 2013-09-04 | 2013-12-18 | 奇瑞汽车股份有限公司 | 一种汽车空调系统能耗测试方法 |
WO2017193859A1 (zh) * | 2016-05-10 | 2017-11-16 | 比亚迪股份有限公司 | 热泵空调系统及电动汽车 |
CN111723456A (zh) * | 2020-05-08 | 2020-09-29 | 华南理工大学 | 一种基于nsga-ⅱ算法的中央空调系统能效优化方法 |
CN112428781A (zh) * | 2020-12-16 | 2021-03-02 | 重庆大学 | 基于热舒适和低病毒感染风险的电动汽车空调控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114001989A (zh) | 2022-02-01 |
JP2023063233A (ja) | 2023-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114001989B (zh) | 一种基于工况识别的单车空调能耗预测方法及预测装置 | |
CN111452619B (zh) | 电动车辆在线能耗预测方法及系统 | |
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 | |
Hao et al. | Seasonal effects on electric vehicle energy consumption and driving range: A case study on personal, taxi, and ridesharing vehicles | |
CN109808541B (zh) | 一种电动汽车充电方法及系统 | |
CN109927709B (zh) | 一种车辆行驶路线工况确定方法、能量管理方法及系统 | |
Bingham et al. | Impact of driving characteristics on electric vehicle energy consumption and range | |
CN113064939B (zh) | 一种新能源车辆三电系统安全特征数据库构建方法 | |
CN101886940A (zh) | 混合动力电动汽车能耗排放检测系统与检测方法 | |
CN103337172A (zh) | 一种基于rfid的乘用车跨城市行驶排放超标监测方法及装置 | |
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 | |
CN113743715B (zh) | 基于车联网重型车实际工况的油耗及NOx排放评价方法 | |
CN111239606A (zh) | 一种新能源汽车动力电池性能衰减检测方法 | |
CN114899459A (zh) | 一种用于燃料电池发动机的运维控制方法及装置 | |
CN115655730A (zh) | 重型柴油车PEMS测试中NOx排放的计算方法 | |
CN205430625U (zh) | 基于车联网的电动汽车车载终端 | |
CN114646888A (zh) | 一种动力电池容量衰减的评估方法及系统 | |
CN112622914B (zh) | 新能源汽车行车安全状态辨识系统 | |
CN113085832B (zh) | 一种增程式混合动力车辆能量管理方法 | |
CN113428159A (zh) | 一种车辆能耗分析方法 | |
Schaeck et al. | A field operational test on valve-regulated lead-acid absorbent-glass-mat batteries in micro-hybrid electric vehicles. Part I. Results based on kernel density estimation | |
CN109668571B (zh) | 基于电量预测和智能能量管理的纯电动垃圾车路径规划方法 | |
CN115648942A (zh) | 一种新能源汽车锂电池充放电管理系统及方法 | |
CN114038085A (zh) | 车辆维保管理系统及方法 | |
CN113361792A (zh) | 一种基于多元非线性回归的城市电动公交车行程能耗估计方法 |
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 |