CN114013285B - 一种电动汽车实际续驶里程评估方法 - Google Patents
一种电动汽车实际续驶里程评估方法 Download PDFInfo
- Publication number
- CN114013285B CN114013285B CN202111312075.XA CN202111312075A CN114013285B CN 114013285 B CN114013285 B CN 114013285B CN 202111312075 A CN202111312075 A CN 202111312075A CN 114013285 B CN114013285 B CN 114013285B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- driving
- full
- mileage
- soc
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 21
- 230000015556 catabolic process Effects 0.000 claims description 4
- 238000006731 degradation reaction Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 239000000523 sample Substances 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims 1
- 238000013500 data storage Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 abstract description 2
- 238000005562 fading Methods 0.000 abstract description 2
- 238000007405 data analysis Methods 0.000 abstract 1
- 239000012634 fragment Substances 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- B60L2260/52—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
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/16—Information or communication technologies improving the operation of electric vehicles
-
- 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
- Y02T90/167—Systems integrating technologies related to power network operation and communication or information technologies for supporting the interoperability of electric or hybrid vehicles, i.e. smartgrids as interface for battery charging of electric vehicles [EV] or hybrid vehicles [HEV]
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S30/00—Systems supporting specific end-user applications in the sector of transportation
- Y04S30/10—Systems supporting the interoperability of electric or hybrid vehicles
- Y04S30/12—Remote or cooperative charging
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
本发明提供了一种针对全量电动汽车满电实际续驶里程相对其新车状态衰退情况的评估方法。首先，基于全量电动汽车的车联网运行数据，按照多维度的标签对车辆进行分类。其次，按照车辆总行驶里程小于一定阈值的车辆数据作为新车状态下的运行数据，计算每个细分类别下的满电实际续驶里程，该里程值的集合则作为新车满电实际续驶里程标准数据库。最后，针对单车提取其最近一个自然月的行驶数据，计算其满电实际续驶里程，将当前的续驶里程值与新车标准库中相同细分类别的续驶里程值进行对比，则可以实现当前车辆相对新车状态的续驶里程衰退评估。该方法能够使大数据分析储存与运算成本大大降低，同时实现了低成本与准确评估的目的及效果。
Description
技术领域
本发明属于新能源汽车续驶里程评估技术领域，尤其涉及利用新能源实车大数据对续驶里程进行评估的方法。
背景技术
续驶里程作为反映新能源电动汽车续驶能力的指标，对帮助车主准确判断车辆当前性能和状态具有重要意义。目前在售的电动汽车续驶里程主要是基于NEDC工况估算得到，然而在不同时间、不同温度等不同工况环境下，新能源汽车的续驶里程往往会存在一定的差异，仅以NEDC作为依据评估实际续驶里程存在不客观、不准确的缺点。因此，为了提高电动汽车续驶里程评估评价的适应性，优化用车体验并辅助车主实现更为合理的行程规划，仍需要对电动汽车续驶里程的评估方法进行改进。
发明内容
针对上述现有技术中存在的技术问题，本发明提供了一种电动汽车实际续驶里程评估方法，具体包括以下步骤：
步骤1、通过数据采集装置实时采集电动汽车的车辆运行数据，经由数据发送装置发送到云端数据平台；
步骤2、云端数据平台接收到车辆运行数据，针对各车型包括新车时期在内的历史运行数据，并从中提取各车辆包括：车辆型号、行驶月份、温度、地域、驾驶习惯和SOC片段的特征数据，用于对车辆按照所述各特征进行分类；
对于按照车辆型号、行驶月份、温度、地域、驾驶习惯和SOC片段的特征分类后的每一细分类别，根据车辆运行数据中的行车起始SOC与行车起始表显里程按照下式计算满电最大续驶里程值，从而生成包含各个分类的满电实际最大续驶里程特征标准库：
其中，Rangestandard为新车状态的满电最大续驶里程，Md_starndard为电动汽车行驶终点与行驶起点之间的里程差，SOCd_starndard为电动汽车在行驶起点与行驶终点之间的SOC差；
步骤3、针对单车满电最大续驶里程进行计算：提取车辆当前一段时间的历史运行数据，使用车辆的行车起始SOC与行车起始表显里程数据，按照下式进行当前车辆满电实际最大续驶里程计算；
其中，Rangenow为当前待评估车辆满电最大续驶里程，Md为待评估车辆车行驶终点与行驶起点之间的里程差，socd为待评估车辆行驶起点与行驶终点之间的SOC差；
步骤4、针对当前车辆进行满电最大续驶里程衰退评估：按照车辆型号、行驶月份、温度、地域、驾驶习惯和SOC片段的分类标签特征，从前述步骤2中建立的满电最大续驶里程特征标准库中查找出对应的新车标准满电续驶里程值，将当前待评估车辆计算得到的满电最大续驶里程Rangenow与新车标准满电续驶里程值Rangestandard进行对比，从而实现对待评估车辆当前的满电最大实际续驶里程衰退情况的评估；
可选的，一种用于评估车辆满电续驶里程能力衰退的方案可采用下式计算：
其中，d为当前待评估车辆满电最大续驶里程相对其新车状态续驶里程能力的衰退量。进一步地，步骤2中的所述历史运行数据具体由云端数据平台从累积里程在5000公里以内的新车提取，并根据新增车辆的历史运行数据对所述续驶里程标准数据库进行定期更新。
进一步地，对各车辆提取的车辆型号具体采用车辆公告型号，时间特征为采集时对应的月份，温度特征为按照电池探针所测电池最低温度、或最高温度、或以3℃或5℃为间隔划分的多个平均温度区间段、地域特征为车辆在一定时期内所在的常驻地级市、驾驶习惯和SOC片段的特征数据运用机器学习算法聚类识别得到。其中，驾驶习惯可按照一段时间内的车辆运行的速度、加减速等特征分类。
进一步地，所述云端数据平台接收到车辆运行数据后，在提取各特征前先执行包括：筛选、切片、重构、清洗、去噪的预处理。
上述本发明所提供的方法，利用全工况条件全工作区间的全量电动汽车运行数据构建续驶里程的特征标准数据库，并通过云端实时采集新增运行数据对该数据库实现持续更新、优化以及内容完善。针对某型号的目标车辆采集其实时运行数据，提取相同的特征数据从所建立的标准数据库得到相应的实际满电续驶里程结果，根据比较可以有效地评估目标车辆当前的续驶里程衰退情况。通过对相同车型车辆的各特征数据进行不断收集，能使标准数据库的样本逐渐丰富，继而使评估结果精确性持续提高。本发明的方法大大减少了传统数据驱动方法的存储需求，降低了大数据分析储存资源的成本，并解决了由于实际工况与NEDC工况的差别而造成的评估不准确问题，同时实现了低成本与准确评估的目的及效果。
附图说明
图1为本发明所提供方法的总体流程示意图；
图2为用于实现本发明的可选的系统架构图；
图3为续驶里程标准数据库的建立流程图；
图4为本发明的方法中实际续驶里程的计算过程示意图。
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。
本发明所提供的电动汽车实际续驶里程评估方法，如图1所示，具体包括以下步骤：
步骤1、通过数据采集装置1102实时采集电动汽车11的车辆运行数据，经由数据发送装置1101发送到云端数据平台12；
步骤2、云端数据平台的数据接收装置1202接收到车辆运行数据，先由数据存储装置1202存储；云端数据平台针对各车型包括新车时期在内的历史运行数据，并由数据提取模块13从中提取各车辆包括：车辆型号、行驶月份、温度、地域、驾驶习惯和SOC片段的特征数据，用于对车辆按照所述各特征进行分类；
对于按照车辆型号、行驶月份、温度、地域、驾驶习惯和SOC片段的特征分类后的每一细分类别，根据车辆运行数据中的行车起始SOC与行车起始表显里程按照下式计算满电最大续驶里程值，从而生成包含各个分类的满电实际最大续驶里程特征标准库：
其中，Rangestandard为新车状态的满电最大续驶里程，Md_starndard为电动汽车行驶终点与行驶起点之间的里程差，socd_starndard为电动汽车在行驶起点与行驶终点之间的SOC差；
步骤3、针对单车满电最大续驶里程进行计算：提取车辆当前一段时间的历史运行数据，使用车辆的行车起始SOC与行车起始表显里程数据，按照下式进行当前车辆满电实际最大续驶里程计算；
其中，Rangenow为当前待评估车辆满电最大续驶里程，Md为待评估车辆车行驶终点与行驶起点之间的里程差，socd为待评估车辆行驶起点与行驶终点之间的SOC差；图3中的步骤S411-S412也示出了上述标准续驶里程数据库的详细建立过程。
步骤4、针对当前车辆进行满电最大续驶里程衰退评估：按照车辆型号、行驶月份、温度、地域、驾驶习惯和SOC片段的分类标签特征，从前述步骤2中建立的满电最大续驶里程特征标准库中查找出对应的新车标准满电续驶里程值，将当前待评估车辆计算得到的满电最大续驶里程Rangenow与新车标准满电续驶里程值Rangestandard进行对比，从而实现对待评估车辆当前的满电最大实际续驶里程衰退情况的评估；
可选的，一种用于评估车辆满电续驶里程能力衰退的方案可采用下式计算：
其中，d为当前待评估车辆满电最大续驶里程相对其新车状态续驶里程能力的衰退量。
图4中的步骤S421-S423也示出了实际续驶里程计算与续驶里程衰退评估的详细过程。
在具体实施本发明的过程中，不仅可以利用上述优选的实际续驶里程算法，本领域技术人员根据实际需要还可灵活地选用其他多种的不同算法，该具体实施方式并不构成对本发明权利要求保护范围的限制。
在本发明的一个优选实施方式中，步骤2中的所述历史运行数据具体由云端数据平台从累积里程在5000公里以内的新车提取，并根据新增的历史运行数据对所述续驶里程标准数据库进行定期更新。
在本发明的一个优选实施方式中，对各车辆提取的车辆型号具体采用车辆公告号，时间特征为采集时对应的月份，温度特征为按照电池探针所测电池最低温度、或最高温度、或以3℃或5℃为间隔划分的多个平均温度区间段、地域特征为车辆在一定时期内所在的常驻地级市、驾驶习惯和SOC片段的特征数据运用机器学习算法聚类识别得到。其中，驾驶习惯可按照一段时间内的车辆运行的速度、加减速等特征分类。
在本发明的一个优选实施方式中，所述云端数据平台接收到车辆运行数据后，由数据预处理模块14在提取各特征前先执行包括：筛选、切片、重构、清洗、去噪的预处理。
应理解，本发明实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神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，本发明的范围由所附权利要求及其等同物限定。
Claims (4)
1.一种电动汽车实际续驶里程评估方法，其特征在于：具体包括以下步骤：
步骤1、通过数据采集装置实时采集电动汽车的车辆运行数据，经由数据发送装置发送到云端数据平台；
步骤2、云端数据平台接收到车辆运行数据，针对各车型包括新车时期在内的历史运行数据，从中提取各车辆包括：车辆型号、行驶月份、温度、地域、驾驶习惯和SOC片段的特征数据，用于对车辆按照所述各特征进行分类；
对于按照车辆型号、行驶月份、温度、地域、驾驶习惯和SOC片段的特征分类后的每一细分类别，根据车辆运行数据中的行车起始SOC、行车结束SOC、行车起始表显里程与行车结束表显里程按照下式计算满电最大续驶里程值，从而生成包含各个分类的满电实际最大续驶里程特征标准库：
其中，Rangestandard为新车状态的满电最大续驶里程，Md_starndard为电动汽车行驶终点与行驶起点之间的里程差，socd_starndard为电动汽车在行驶起点与行驶终点之间的SOC差；
步骤3、针对单车满电最大续驶里程进行计算：提取车辆当前一段时间的历史运行数据，使用车辆的行车起始SOC、行车结束SOC、行车起始表显里程与行车结束表显里程数据，按照下式进行当前车辆满电实际最大续驶里程计算；
其中，Rangenow为当前待评估车辆满电最大续驶里程，Md为待评估车辆行驶终点与行驶起点之间的里程差，socd为待评估车辆行驶起点与行驶终点之间的SOC差；
步骤4、针对当前车辆进行满电最大续驶里程衰退评估：按照车辆型号、行驶月份、温度、地域、驾驶习惯和SOC片段的分类标签特征，从前述步骤2中建立的满电实际最大续驶里程特征标准库中查找出对应的新车标准满电续驶里程值，将当前待评估车辆计算得到的满电最大续驶里程Rangenow与新车标准满电续驶里程值Rangestandard进行对比，从而实现对待评估车辆当前的满电最大实际续驶里程衰退情况的评估；
可选的，一种用于评估车辆满电续驶里程能力衰退的方案可采用下式计算：
其中，d为当前待评估车辆满电最大续驶里程相对其新车状态续驶里程能力的衰退量。
2.如权利要求1所述的方法，其特征在于：步骤2中的所述历史运行数据具体由云端数据平台从累积里程在5000公里以内的新车提取，并根据新增的历史运行数据对所述续驶里程标准数据库进行定期更新。
3.如权利要求1所述的方法，其特征在于：对各车辆提取的车辆型号具体采用车辆公告型号，时间特征为采集时对应的月份，温度特征为按照电池探针所测电池最低温度、或最高温度、或以3℃或5℃为间隔划分的多个平均温度区间段、地域特征为车辆在一定时期内所在的常驻地级市、驾驶习惯和SOC片段的特征数据运用机器学习算法聚类识别得到。
4.如权利要求1所述的方法，其特征在于：所述云端数据平台接收到车辆运行数据后，在提取各特征前先执行包括：筛选、切片、重构、清洗、去噪的预处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111312075.XA CN114013285B (zh) | 2021-11-08 | 2021-11-08 | 一种电动汽车实际续驶里程评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111312075.XA CN114013285B (zh) | 2021-11-08 | 2021-11-08 | 一种电动汽车实际续驶里程评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114013285A CN114013285A (zh) | 2022-02-08 |
| CN114013285B true CN114013285B (zh) | 2023-11-21 |
Family
ID=80062221
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111312075.XA Active CN114013285B (zh) | 2021-11-08 | 2021-11-08 | 一种电动汽车实际续驶里程评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114013285B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017071657A1 (zh) * | 2015-10-30 | 2017-05-04 | 北京新能源汽车股份有限公司 | 电动汽车的剩余续航里程估计方法、系统及电动汽车 |
| CN108909702A (zh) * | 2018-08-23 | 2018-11-30 | 北京理工大学 | 一种插电式混合动力汽车能量管理方法及系统 |
| JP2019097340A (ja) * | 2017-11-24 | 2019-06-20 | トヨタ自動車株式会社 | 車両用充電制御システム |
| CN110103773A (zh) * | 2019-05-22 | 2019-08-09 | 福建工程学院 | 一种电动汽车续驶里程预测方法和系统 |
| CN110667434A (zh) * | 2019-09-11 | 2020-01-10 | 南京航空航天大学 | 一种自适应工况的纯电动汽车行驶里程估计方法及系统 |
| CN110991849A (zh) * | 2019-11-27 | 2020-04-10 | 北京理工大学 | 一种新能源汽车综合指标确定方法及系统 |
| CN111583440A (zh) * | 2019-02-19 | 2020-08-25 | 陕西汽车集团有限责任公司 | 一种电动汽车里程动态预估方法 |
| CN112083332A (zh) * | 2020-08-09 | 2020-12-15 | 昆明理工大学 | 一种考虑用户感受的纯电动车续驶里程估算方法 |
| CN112124147A (zh) * | 2020-09-11 | 2020-12-25 | 东风华神汽车有限公司 | 适应驾驶习惯的纯电动车辆剩余续驶里程估算方法及系统 |
| CN113108808A (zh) * | 2021-03-16 | 2021-07-13 | 北京理工大学 | 一种车辆里程计在线检定系统及检定方法 |
| CN113536518A (zh) * | 2020-04-22 | 2021-10-22 | 天津工业大学 | 一种纯电动汽车剩余续驶里程估算方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160137090A1 (en) * | 2014-11-14 | 2016-05-19 | Hyundai Motor Company | System and method for predicting distance to empty of electric vehicle |
| 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 |
| CN110549904B (zh) * | 2018-03-30 | 2021-07-09 | 比亚迪股份有限公司 | 电动汽车及电动汽车的续驶里程计算方法、装置 |
-
2021
- 2021-11-08 CN CN202111312075.XA patent/CN114013285B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017071657A1 (zh) * | 2015-10-30 | 2017-05-04 | 北京新能源汽车股份有限公司 | 电动汽车的剩余续航里程估计方法、系统及电动汽车 |
| JP2019097340A (ja) * | 2017-11-24 | 2019-06-20 | トヨタ自動車株式会社 | 車両用充電制御システム |
| CN108909702A (zh) * | 2018-08-23 | 2018-11-30 | 北京理工大学 | 一种插电式混合动力汽车能量管理方法及系统 |
| CN111583440A (zh) * | 2019-02-19 | 2020-08-25 | 陕西汽车集团有限责任公司 | 一种电动汽车里程动态预估方法 |
| CN110103773A (zh) * | 2019-05-22 | 2019-08-09 | 福建工程学院 | 一种电动汽车续驶里程预测方法和系统 |
| CN110667434A (zh) * | 2019-09-11 | 2020-01-10 | 南京航空航天大学 | 一种自适应工况的纯电动汽车行驶里程估计方法及系统 |
| CN110991849A (zh) * | 2019-11-27 | 2020-04-10 | 北京理工大学 | 一种新能源汽车综合指标确定方法及系统 |
| CN113536518A (zh) * | 2020-04-22 | 2021-10-22 | 天津工业大学 | 一种纯电动汽车剩余续驶里程估算方法 |
| CN112083332A (zh) * | 2020-08-09 | 2020-12-15 | 昆明理工大学 | 一种考虑用户感受的纯电动车续驶里程估算方法 |
| CN112124147A (zh) * | 2020-09-11 | 2020-12-25 | 东风华神汽车有限公司 | 适应驾驶习惯的纯电动车辆剩余续驶里程估算方法及系统 |
| CN113108808A (zh) * | 2021-03-16 | 2021-07-13 | 北京理工大学 | 一种车辆里程计在线检定系统及检定方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于电池荷电状态和行驶工况辨识的电动汽车续驶里程估算;连静;郑宁安;周雅夫;李琳辉;麻笑艺;王翰涛;;科学技术与工程(13);全文 * |
| 纯电动汽车能耗经济性评价体系初步探讨;王震坡, 姚利民, 孙逢春;北京理工大学学报(06);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114013285A (zh) | 2022-02-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110705774A (zh) | 一种车辆能耗分析的预测方法和系统 | |
| CN110836675B (zh) | 一种基于决策树的自动驾驶搜索决策方法 | |
| CN110738855B (zh) | 一种数据稀疏时间段的道路交通流状况预测方法 | |
| CN108229567B (zh) | 驾驶员身份识别方法及装置 | |
| CN110750524A (zh) | 一种有源配电网故障特征的确定方法及系统 | |
| CN113222385B (zh) | 一种电动汽车行驶工况构建与评价方法 | |
| CN113689594A (zh) | 一种新的汽车行驶工况构造方法 | |
| CN104537052B (zh) | 基于小波分析模极大值算法的交通出行换乘点识别方法 | |
| CN111177208A (zh) | 基于大数据分析的用电异常检测方法 | |
| CN112598539B (zh) | 一种风力发电机组风功率曲线优化计算及异常值检测方法 | |
| CN113688558A (zh) | 一种基于大数据库样本的汽车行驶工况构建方法及系统 | |
| CN114140903A (zh) | 一种基于决策树生成规则的道路类型识别车载装置 | |
| CN113297795A (zh) | 一种纯电动汽车行驶工况构建方法 | |
| CN112288334A (zh) | 一种基于lightgbm的车联网风险因子的提取方法 | |
| CN115907822A (zh) | 一种考虑区域及经济影响的负荷特征指标关联性挖掘方法 | |
| CN115221234A (zh) | 一种基于动力总成数据对用户进行画像的方法及系统 | |
| CN114013285B (zh) | 一种电动汽车实际续驶里程评估方法 | |
| CN112200209A (zh) | 一种基于日差分用电量的贫困用户识别方法 | |
| CN115271565B (zh) | 基于dea的高速公路路面养护措施评价方法、装置及设备 | |
| CN114407661A (zh) | 基于数据驱动的电动车能耗预测方法、系统、设备及介质 | |
| CN113743466A (zh) | 一种基于决策树的道路类型识别方法及系统 | |
| CN114419894A (zh) | 一种路内停车泊位设置与使用监测的方法与系统 | |
| CN112685461A (zh) | 一种基于预判模型的窃电用户判断方法 | |
| CN113127464A (zh) | 农业大数据环境特征处理方法、装置及电子设备 | |
| CN101710392B (zh) | 基于可变边界支持向量机的重要信息获取方法 |
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 |