CN114043875A - 基于大数据的剩余里程预估偏差分析方法和系统 - Google Patents
基于大数据的剩余里程预估偏差分析方法和系统 Download PDFInfo
- Publication number
- CN114043875A CN114043875A CN202111352260.1A CN202111352260A CN114043875A CN 114043875 A CN114043875 A CN 114043875A CN 202111352260 A CN202111352260 A CN 202111352260A CN 114043875 A CN114043875 A CN 114043875A
- Authority
- CN
- China
- Prior art keywords
- mileage
- residual
- deviation
- remaining
- estimated
- 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.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 37
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 94
- 238000000034 method Methods 0.000 claims abstract description 52
- 230000008569 process Effects 0.000 claims abstract description 26
- 238000004891 communication Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 description 5
- IVUGBSGLHRJSSP-UHFFFAOYSA-N LimKi 3 Chemical compound S1C(NC(=O)C(C)C)=NC=C1C1=CC(C(F)F)=NN1C1=C(Cl)C=CC=C1Cl IVUGBSGLHRJSSP-UHFFFAOYSA-N 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 238000010998 test method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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
- 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
- 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
本发明提供了基于大数据的剩余里程预估偏差分析方法和系统,包括:接收车辆终端发送的剩余电量、预估剩余里程和实际行驶总里程;设定剩余里程预估算法的偏差保持恒定,在单段或多段行驶过程中,根据预估剩余里程和实际行驶总里程,计算剩余里程预估算法的偏差;其中,预估剩余里程为剩余电量耗尽时电动车行驶的里程,实际行驶总里程为截止到当前时刻电动车的行驶总里程;通过计算剩余里程预估算法的偏差,对剩余里程预估算法进行评估和优化,将偏差控制在用户可接受范围内,从而提高用户体验。
Description
技术领域
本发明涉及电动车控制领域,尤其是涉及基于大数据的剩余里程预估偏差分析方法和系统。
背景技术
SOC(State of Charge,荷电状态),用于反映电池的剩余电量。剩余电量及剩余里程估算的目的:电动汽车估算续航里程和提升电池利用效率和安全性能。
目前市场上用的比较成熟的SOC估算方法是:安时积分法、开路电压法和放电测试法。安时积分法(也叫电流积分法或者库仑计数法)是电池充放电时,通过累积充进和放出的电量来估算SOC;安时积分法只单纯从外部记录进出电池的电量,但忽略了电池内部状态的变化,同时电流测量不准,造成SOC计算误差会不断累积,需要定期不断校准。
开路电压法利用电池在长时间静置的条件下,开路电压与SOC存在相对固定的函数关系,从而根据开路电压来估算SOC。
放电测试法将动力电池以一定的放电倍率(一般为0.3C或1C)进行恒流放电至电池的截止电压,将恒流电流(0.3C或1C)乘以放电所用的时间得到电池放出的电量,即电池SOC。
不管采用上述哪种方法估算SOC,估算出的剩余里程都存在一定的偏差。估算偏差小会造成骑行者的困扰,估算偏差大则会导致不能按照计划完成骑行,导致用户体验差。
发明内容
有鉴于此,本发明的目的在于提供基于大数据的剩余里程预估偏差分析方法和系统,通过计算剩余里程预估算法的偏差,对剩余里程预估算法进行评估和优化,将偏差控制在用户可接受范围内,从而提高用户体验。
第一方面,本发明实施例提供了基于大数据的剩余里程预估偏差分析方法,应用于云平台,所述方法包括:
接收车辆终端发送的剩余电量、预估剩余里程和实际行驶总里程;
设定剩余里程预估算法的偏差保持恒定,在单段或多段行驶过程中,根据所述预估剩余里程和所述实际行驶总里程,计算所述剩余里程预估算法的所述偏差;
其中,所述预估剩余里程为所述剩余电量耗尽时电动车行驶的里程,所述实际行驶总里程为截止到当前时刻所述电动车的行驶总里程。
进一步的,所述接收车辆终端发送的剩余电量、预估剩余里程和实际行驶总里程,包括:
接收所述车辆终端发送的m时刻对应的第一剩余电量、第一预估剩余里程和第一实际行驶总里程,以及车辆行驶一段时间后n时刻对应的第二剩余电量、第二预估剩余里程和第二实际行驶总里程;
其中,所述n时刻大于所述m时刻。
进一步的,所述设定剩余里程预估算法的偏差保持恒定,在单段或多段行驶过程中,根据所述预估剩余里程和所述实际行驶总里程,计算所述剩余里程预估算法的所述偏差,包括:
当设定所述剩余里程预估算法的偏差保持恒定时,根据所述第一预估剩余里程、所述第一实际行驶总里程、所述第二预估剩余里程和所述第二实际行驶总里程,计算所述剩余里程预估算法的所述偏差。
进一步的,所述根据所述第一预估剩余里程、所述第一实际行驶总里程、所述第二预估剩余里程和所述第二实际行驶总里程,计算所述剩余里程预估算法的所述偏差,包括:
根据下式计算所述剩余里程预估算法的所述偏差:
X=(ZLn-ZLm+SLn-SLm)/(SLm-SLn)
其中,X为所述偏差,ZLm为所述第一实际行驶总里程,ZLn为所述第二实际行驶总里程,SLm为所述第一预估剩余里程,SLn为所述第二预估剩余里程。
进一步的,所述方法还包括:
当所述偏差为0时,所述剩余里程预估算法预估准确;
当所述偏差大于0时,所述剩余里程预估算法预估偏小;
当所述偏差小于0时,所述剩余里程预估算法预估偏大。
进一步的,所述方法还包括:
在所述多段行驶过程中,对每段行程对应的所述偏差进行算术平均,得到平均偏差。
第二方面,本发明实施例提供了基于大数据的剩余里程预估偏差分析方法,应用于车辆终端,所述方法包括:
获取剩余电量、预估剩余里程和实际行驶总里程;
将所述剩余电量、所述预估剩余里程和所述实际行驶总里程发送给云平台,以使所述云平台设定剩余里程预估算法的偏差保持恒定,在单段或多段行驶过程中,根据所述预估剩余里程和所述实际行驶总里程,计算所述剩余里程预估算法的所述偏差;
其中,所述预估剩余里程为所述剩余电量耗尽时电动车行驶的里程,所述实际行驶总里程为截止到当前时刻所述电动车的行驶总里程。
进一步的,所述预估剩余里程通过以下方式获取:
将所述剩余电量通过SOC估算算法,得到所述预估剩余里程。
第三方面,本发明实施例提供了基于大数据的剩余里程预估偏差分析系统,应用于云平台,所述系统包括:
接收模块,用于接收车辆终端发送的剩余电量、预估剩余里程和实际行驶总里程;
计算模块,用于设定剩余里程预估算法的偏差保持恒定,在单段或多段行驶过程中,根据所述预估剩余里程和所述实际行驶总里程,计算所述剩余里程预估算法的所述偏差;
其中,所述预估剩余里程为所述剩余电量耗尽时电动车行驶的里程,所述实际行驶总里程为截止到当前时刻所述电动车的行驶总里程。
第四方面,本发明实施例提供了基于大数据的剩余里程预估偏差分析系统,应用于车辆终端,所述系统包括:BMS、智能中控、网络通信模块和控制器;
所述BMS,用于获取剩余电量和预估剩余里程,并将所述剩余电量和所述预估剩余里程发送给所述智能中控;
所述控制器,用于获取实际行驶总里程,并将所述实际行驶总里程发送给所述智能中控;
所述智能中控,用于通过所述网络通信模块将所述剩余电量、所述预估剩余里程和所述实际行驶总里程发送给云平台,以使所述云平台设定剩余里程预估算法的偏差保持恒定,在单段或多段行驶过程中,根据所述预估剩余里程和所述实际行驶总里程,计算所述剩余里程预估算法的所述偏差;其中,所述预估剩余里程为所述剩余电量耗尽时电动车行驶的里程,所述实际行驶总里程为截止到当前时刻所述电动车的行驶总里程。
本发明实施例提供了基于大数据的剩余里程预估偏差分析方法和系统,包括:接收车辆终端发送的剩余电量、预估剩余里程和实际行驶总里程;设定剩余里程预估算法的偏差保持恒定,在单段或多段行驶过程中,根据预估剩余里程和实际行驶总里程,计算剩余里程预估算法的偏差;其中,预估剩余里程为剩余电量耗尽时电动车行驶的里程,实际行驶总里程为截止到当前时刻电动车的行驶总里程;通过计算剩余里程预估算法的偏差,对剩余里程预估算法进行评估和优化,将偏差控制在用户可接受范围内,从而提高用户体验。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的基于大数据的剩余里程预估偏差分析方法流程图;
图2为本发明实施例一提供的行程数量与剩余里程预估算法的偏差关系示意图;
图3为本发明实施例一提供的预测误差范围示意图;
图4为本发明实施例二提供的另一基于大数据的剩余里程预估偏差分析方法流程图;
图5为本发明实施例三提供的基于大数据的剩余里程预估偏差分析系统示意图;
图6为本发明实施例四提供的另一基于大数据的剩余里程预估偏差分析系统示意图。
图标:
1-接收模块;2-计算模块;3-BMS;4-智能中控;5-网络通信模块;6-控制器;7-仪表。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。
为便于对本实施例进行理解,下面对本发明实施例进行详细介绍。
实施例一:
图1为本发明实施例一提供的基于大数据的剩余里程预估偏差分析方法流程图。
参照图1,执行主体为云平台,该方法包括以下步骤:
步骤S101,接收车辆终端发送的剩余电量、预估剩余里程和实际行驶总里程;
步骤S102,设定剩余里程预估算法的偏差保持恒定,在单段或多段行驶过程中,根据预估剩余里程和实际行驶总里程,计算剩余里程预估算法的偏差;
其中,预估剩余里程为剩余电量耗尽时电动车行驶的里程,实际行驶总里程为截止到当前时刻电动车的行驶总里程。由于车辆上记录的实际行驶总里程是一直自加的,这里的实际行驶总里程是指截止到当前时刻电动车的行驶总里程。
进一步的,步骤S101包括:
接收车辆终端发送的m时刻对应的第一剩余电量、第一预估剩余里程和第一实际行驶总里程,以及车辆行驶一段时间后n时刻对应的第二剩余电量、第二预估剩余里程和第二实际行驶总里程;
其中,n时刻大于m时刻。
进一步的,步骤S102包括:
当设定剩余里程预估算法的偏差保持恒定时,根据第一预估剩余里程、第一实际行驶总里程、第二预估剩余里程和第二实际行驶总里程,计算剩余里程预估算法的偏差。
进一步的,步骤S102包括:
根据公式(1)计算剩余里程预估算法的偏差:
X=(ZLn-ZLm+SLn-SLm)/(SLm-SLn) (1)
其中,X为偏差,ZLm为第一实际行驶总里程,ZLn为第二实际行驶总里程,SLm为第一预估剩余里程,SLn为第二预估剩余里程。
具体地,假设电动车在m时刻对应的第一剩余电量为SOCm(百分比表示),此时第一预估剩余里程为SLm(公里),第一实际行驶总里程为ZLm;电动车行驶一段时间后,n时刻对应的第二剩余电量为SOCn(百分比表示),此时第二预估剩余里程为SLn(公里),第二实际行驶总里程为ZLn。其中,电动车可以为电动自行车。
当设定剩余里程预估算法的偏差保持恒定时,即假设ZLn-ZLm这段行程前后剩余里程预估算法的偏差为X(百分比表示),则在m时刻对应的第一实际剩余里程应为SLm(1+X),在行驶了ZLn-ZLm距离之后,在n时刻对应的第二实际剩余里程应为SLn(1+X),如果算法正确,则存在如下公式:
SLm(1+X)=ZLn-ZLm+SLn(1+X) (2)
根据公式(2)可计算得到公式(1),X为这段行程中剩余里程预估算法的偏差。例如,9点时刻预估剩余里程100公里,此时行驶总里程1000公里;10点预估剩余里程90公里,此时行驶里程1009公里,则可计算出此段行程剩余里程预估算法的偏差为:X=(1000-1009+90-100)/(100-90)=-10%,从而可知剩余里程预估算法预估偏大10%。
进一步的,该方法还包括以下步骤:
步骤S201,当偏差为0时,剩余里程预估算法预估准确;
步骤S202,当偏差大于0时,剩余里程预估算法预估偏小;
步骤S203,当偏差小于0时,剩余里程预估算法预估偏大。
进一步的,该方法还包括以下步骤:
步骤S301,在多段行驶过程中,对每段行程对应的偏差进行算术平均,得到平均偏差。
具体地,参照图2,单段行程受各种因素影响,据此计算车辆的剩余里程预估算法的偏差存在一定的随机性,但如果对车辆行驶的多段行程中的每段行程都进行分析,可以确保偏差的准确率。对于同一辆车,在多段行驶过程中,对每段行程对应的偏差进行算术平均,得到平均偏差。将此平均偏差作为此车型剩余里程预估算法的平均偏差。
另外,参照图3,另外考虑到车辆在不同剩余电量时数据采集和算法的差异,可以得到基于不同剩余电量时剩余里程预估算法的偏差,以便针对性优化。即剩余里程预估算法的偏差不是固定不变的,在不同剩余电量时,因为影响因素不一样,剩余里程预估算法的偏差可能不同。
本发明实施例提供了基于大数据的剩余里程预估偏差分析方法,包括:接收车辆终端发送的剩余电量、预估剩余里程和实际行驶总里程;设定剩余里程预估算法的偏差保持恒定,在单段或多段行驶过程中,根据预估剩余里程和实际行驶总里程,计算剩余里程预估算法的偏差;其中,预估剩余里程为剩余电量耗尽时电动车行驶的里程,实际行驶总里程为截止到当前时刻电动车的行驶总里程;通过计算剩余里程预估算法的偏差,对剩余里程预估算法进行评估和优化,将偏差控制在用户可接受范围内,从而提高用户体验。
实施例二:
图4为本发明实施例二提供的另一基于大数据的剩余里程预估偏差分析方法流程图。
参照图4,执行主体为车辆终端,该方法包括以下步骤:
步骤S401,获取剩余电量、预估剩余里程和实际行驶总里程;
步骤S402,将剩余电量、预估剩余里程和实际行驶总里程发送给云平台,以使云平台设定剩余里程预估算法的偏差保持恒定,在单段或多段行驶过程中,根据预估剩余里程和实际行驶总里程,计算剩余里程预估算法的偏差;
其中,预估剩余里程为剩余电量耗尽时电动车行驶的里程,实际行驶总里程为截止到当前时刻电动车的行驶总里程。
进一步的,预估剩余里程通过以下方式获取:
将剩余电量通过SOC估算算法,得到预估剩余里程。
本发明实施例提供了基于大数据的剩余里程预估偏差分析方法,包括:获取剩余电量、预估剩余里程和实际行驶总里程;将剩余电量、预估剩余里程和实际行驶总里程发送给云平台,以使云平台设定剩余里程预估算法的偏差保持恒定,在单段或多段行驶过程中,根据预估剩余里程和实际行驶总里程,计算剩余里程预估算法的偏差;其中,预估剩余里程为剩余电量耗尽时电动车行驶的里程,实际行驶总里程为截止到当前时刻电动车的行驶总里程;通过计算剩余里程预估算法的偏差,对剩余里程预估算法进行评估和优化,将偏差控制在用户可接受范围内,从而提高用户体验。
实施例三:
图5本发明实施例三提供的基于大数据的剩余里程预估偏差分析系统。
参照图5,应用于云平台,该系统包括:
接收模块1,用于接收车辆终端发送的剩余电量、预估剩余里程和实际行驶总里程;
计算模块2,用于设定剩余里程预估算法的偏差保持恒定,在单段或多段行驶过程中,根据预估剩余里程和实际行驶总里程,计算剩余里程预估算法的偏差;
其中,预估剩余里程为剩余电量耗尽时电动车行驶的里程,实际行驶总里程为截止到当前时刻电动车的行驶总里程。
这里,云平台还将剩余电量、预估剩余里程和实际行驶总里程存储到数据库中;还用于在多段行驶过程中,对每段行程对应的偏差进行算术平均,得到平均偏差,并基于剩余电量进行归类统计。将剩余里程预估算法的偏差和平均偏差在大数据端进行展示,以供进一步分析处理。
本发明实施例提供了基于大数据的剩余里程预估偏差分析系统,包括:接收模块用于接收车辆终端发送的剩余电量、预估剩余里程和实际行驶总里程;计算模块用于设定剩余里程预估算法的偏差保持恒定,在单段或多段行驶过程中,根据预估剩余里程和实际行驶总里程,计算剩余里程预估算法的偏差;其中,预估剩余里程为剩余电量耗尽时电动车行驶的里程,实际行驶总里程为截止到当前时刻电动车的行驶总里程;通过计算剩余里程预估算法的偏差,对剩余里程预估算法进行评估和优化,将偏差控制在用户可接受范围内,从而提高用户体验。
实施例四:
图6本发明实施例四提供的另一基于大数据的剩余里程预估偏差分析系统。
参照图6,应用于车辆终端,该系统包括BMS3、智能中控4、网络通信模块5和控制器6,还包括仪表7;其中,BMS3、网络通信模块5、控制器6和仪表7分别与智能中控4相连接;
BMS3,用于获取剩余电量和预估剩余里程,并将剩余电量和预估剩余里程发送给智能中控;
这里,BMS3还可以采集温度等信息,并将温度等信息发送给智能中控。
控制器6,用于获取实际行驶总里程,并将实际行驶总里程发送给智能中控4;
智能中控4,用于通过网络通信模块5将剩余电量、预估剩余里程和实际行驶总里程发送给云平台,以使云平台设定剩余里程预估算法的偏差保持恒定,在单段或多段行驶过程中,根据预估剩余里程和实际行驶总里程,计算剩余里程预估算法的偏差;其中,预估剩余里程为剩余电量耗尽时电动车行驶的里程,实际行驶总里程为截止到当前时刻电动车的行驶总里程。
这里,智能中控4还将剩余电量、预估剩余里程、实际行驶总里程和温度发送给仪表7,通过仪表7显示剩余电量、预估剩余里程、实际行驶总里程和温度。其中,网络通信模块5可以为2G、3G、4G或5G。
通过SOC估算算法计算得到预估剩余里程,将预估剩余里程与实际剩余里程进行偏差分析,评估计算剩余里程预估算法的单段行程的偏差和多段行程的平均偏差;该系统通过车辆终端和云平台实现,通过大数据分析手段评估剩余里程预估算法的偏差与电池电量等要素的关系。
本发明实施例提供了基于大数据的剩余里程预估偏差分析系统,包括:BMS用于获取剩余电量和预估剩余里程,并将剩余电量和预估剩余里程发送给智能中控;控制器用于获取实际行驶总里程,并将实际行驶总里程发送给智能中控;智能中控用于通过网络通信模块将剩余电量、预估剩余里程和实际行驶总里程发送给云平台,以使云平台设定剩余里程预估算法的偏差保持恒定,在单段或多段行驶过程中,根据预估剩余里程和实际行驶总里程,计算剩余里程预估算法的偏差;其中,预估剩余里程为剩余电量耗尽时电动车行驶的里程,实际行驶总里程为截止到当前时刻电动车的行驶总里程;通过计算剩余里程预估算法的偏差,对剩余里程预估算法进行评估和优化,将偏差控制在用户可接受范围内,从而提高用户体验。
本发明实施例还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述实施例提供的基于大数据的剩余里程预估偏差分析方法的步骤。
本发明实施例还提供一种具有处理器可执行的非易失的程序代码的计算机可读介质,计算机可读介质上存储有计算机程序,计算机程序被处理器运行时执行上述实施例的基于大数据的剩余里程预估偏差分析方法的步骤。
本发明实施例所提供的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
另外,在本发明实施例的描述中,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,可以具体情况理解上述术语在本发明中的具体含义。
所述功能如果以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。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“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”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种基于大数据的剩余里程预估偏差分析方法,其特征在于,应用于云平台,所述方法包括:
接收车辆终端发送的剩余电量、预估剩余里程和实际行驶总里程;
设定剩余里程预估算法的偏差保持恒定,在单段或多段行驶过程中,根据所述预估剩余里程和所述实际行驶总里程,计算所述剩余里程预估算法的所述偏差;
其中,所述预估剩余里程为所述剩余电量耗尽时电动车行驶的里程,所述实际行驶总里程为截止到当前时刻所述电动车的行驶总里程。
2.根据权利要求1所述的基于大数据的剩余里程预估偏差分析方法,其特征在于,所述接收车辆终端发送的剩余电量、预估剩余里程和实际行驶总里程,包括:
接收所述车辆终端发送的m时刻对应的第一剩余电量、第一预估剩余里程和第一实际行驶总里程,以及车辆行驶一段时间后n时刻对应的第二剩余电量、第二预估剩余里程和第二实际行驶总里程;
其中,所述n时刻大于所述m时刻。
3.根据权利要求2所述的基于大数据的剩余里程预估偏差分析方法,其特征在于,所述设定剩余里程预估算法的偏差保持恒定,在单段或多段行驶过程中,根据所述预估剩余里程和所述实际行驶总里程,计算所述剩余里程预估算法的所述偏差,包括:
当设定所述剩余里程预估算法的偏差保持恒定时,根据所述第一预估剩余里程、所述第一实际行驶总里程、所述第二预估剩余里程和所述第二实际行驶总里程,计算所述剩余里程预估算法的所述偏差。
4.根据权利要求3所述的基于大数据的剩余里程预估偏差分析方法,其特征在于,所述根据所述第一预估剩余里程、所述第一实际行驶总里程、所述第二预估剩余里程和所述第二实际行驶总里程,计算所述剩余里程预估算法的所述偏差,包括:
根据下式计算所述剩余里程预估算法的所述偏差:
X=(ZLn-ZLm+SLn-SLm)/(SLm-SLn)
其中,X为所述偏差,ZLm为所述第一实际行驶总里程,ZLn为所述第二实际行驶总里程,SLm为所述第一预估剩余里程,SLn为所述第二预估剩余里程。
5.根据权利要求1所述的基于大数据的剩余里程预估偏差分析方法,其特征在于,所述方法还包括:
当所述偏差为0时,所述剩余里程预估算法预估准确;
当所述偏差大于0时,所述剩余里程预估算法预估偏小;
当所述偏差小于0时,所述剩余里程预估算法预估偏大。
6.根据权利要求1所述的基于大数据的剩余里程预估偏差分析方法,其特征在于,所述方法还包括:
在所述多段行驶过程中,对每段行程对应的所述偏差进行算术平均,得到平均偏差。
7.一种基于大数据的剩余里程预估偏差分析方法,其特征在于,应用于车辆终端,所述方法包括:
获取剩余电量、预估剩余里程和实际行驶总里程;
将所述剩余电量、所述预估剩余里程和所述实际行驶总里程发送给云平台,以使所述云平台设定剩余里程预估算法的偏差保持恒定,在单段或多段行驶过程中,根据所述预估剩余里程和所述实际行驶总里程,计算所述剩余里程预估算法的所述偏差;
其中,所述预估剩余里程为所述剩余电量耗尽时电动车行驶的里程,所述实际行驶总里程为截止到当前时刻所述电动车的行驶总里程。
8.根据权利要求7所述的基于大数据的剩余里程预估偏差分析方法,其特征在于,所述预估剩余里程通过以下方式获取:
将所述剩余电量通过SOC估算算法,得到所述预估剩余里程。
9.一种基于大数据的剩余里程预估偏差分析系统,其特征在于,应用于云平台,所述系统包括:
接收模块,用于接收车辆终端发送的剩余电量、预估剩余里程和实际行驶总里程;
计算模块,用于设定剩余里程预估算法的偏差保持恒定,在单段或多段行驶过程中,根据所述预估剩余里程和所述实际行驶总里程,计算所述剩余里程预估算法的所述偏差;
其中,所述预估剩余里程为所述剩余电量耗尽时电动车行驶的里程,所述实际行驶总里程为截止到当前时刻所述电动车的行驶总里程。
10.一种基于大数据的剩余里程预估偏差分析系统,其特征在于,应用于车辆终端,所述系统包括:BMS、智能中控、网络通信模块和控制器;
所述BMS,用于获取剩余电量和预估剩余里程,并将所述剩余电量和所述预估剩余里程发送给所述智能中控;
所述控制器,用于获取实际行驶总里程,并将所述实际行驶总里程发送给所述智能中控;
所述智能中控,用于通过所述网络通信模块将所述剩余电量、所述预估剩余里程和所述实际行驶总里程发送给云平台,以使所述云平台设定剩余里程预估算法的偏差保持恒定,在单段或多段行驶过程中,根据所述预估剩余里程和所述实际行驶总里程,计算所述剩余里程预估算法的所述偏差;
其中,所述预估剩余里程为所述剩余电量耗尽时电动车行驶的里程,所述实际行驶总里程为截止到当前时刻所述电动车的行驶总里程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111352260.1A CN114043875B (zh) | 2021-11-16 | 2021-11-16 | 基于大数据的剩余里程预估偏差分析方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111352260.1A CN114043875B (zh) | 2021-11-16 | 2021-11-16 | 基于大数据的剩余里程预估偏差分析方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114043875A true CN114043875A (zh) | 2022-02-15 |
CN114043875B CN114043875B (zh) | 2024-01-26 |
Family
ID=80209049
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111352260.1A Active CN114043875B (zh) | 2021-11-16 | 2021-11-16 | 基于大数据的剩余里程预估偏差分析方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114043875B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114817376A (zh) * | 2022-06-29 | 2022-07-29 | 智能网联汽车(山东)协同创新研究院有限公司 | 基于物联网的电动汽车行驶数据智能分析系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100324846A1 (en) * | 2009-06-17 | 2010-12-23 | Gm Global Technology Operations, Inc. | Method and system for estimating battery life |
CN106662472A (zh) * | 2014-09-17 | 2017-05-10 | 株式会社东芝 | 偏差估计装置和方法以及故障诊断装置和方法 |
CN106716158A (zh) * | 2014-06-11 | 2017-05-24 | 北京交通大学 | 电池荷电状态估算方法和装置 |
CN107458259A (zh) * | 2017-08-24 | 2017-12-12 | 成都雅骏新能源汽车科技股份有限公司 | 一种新能源电动汽车剩余里程估算方法 |
CN108225323A (zh) * | 2017-12-26 | 2018-06-29 | 中国人民解放军63920部队 | 基于偏差影响方向组合确定落区边界的方法、介质和设备 |
CN108819722A (zh) * | 2018-06-01 | 2018-11-16 | 汉腾汽车有限公司 | 一种电动汽车续航里程预估方法 |
CN110155172A (zh) * | 2018-05-04 | 2019-08-23 | 腾讯大地通途(北京)科技有限公司 | 一种车辆行驶调整方法、装置、车辆控制系统及存储介质 |
US20200160619A1 (en) * | 2018-11-17 | 2020-05-21 | International Business Machines Corporation | Dynamic driving range prediction for electric vehicles |
CN112208338A (zh) * | 2020-09-29 | 2021-01-12 | 广州小鹏自动驾驶科技有限公司 | 一种目的地剩余续航里程计算方法和装置 |
CN112744120A (zh) * | 2019-10-31 | 2021-05-04 | 比亚迪股份有限公司 | 估算电动车辆续驶里程的方法、云端服务器、车辆和介质 |
CN112818036A (zh) * | 2021-01-29 | 2021-05-18 | 清华大学 | 基于云端大数据的电动车剩余里程预估方法和装置 |
CN113048989A (zh) * | 2021-04-06 | 2021-06-29 | 北京三快在线科技有限公司 | 一种无人驾驶设备的定位方法及定位装置 |
-
2021
- 2021-11-16 CN CN202111352260.1A patent/CN114043875B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100324846A1 (en) * | 2009-06-17 | 2010-12-23 | Gm Global Technology Operations, Inc. | Method and system for estimating battery life |
CN106716158A (zh) * | 2014-06-11 | 2017-05-24 | 北京交通大学 | 电池荷电状态估算方法和装置 |
CN106662472A (zh) * | 2014-09-17 | 2017-05-10 | 株式会社东芝 | 偏差估计装置和方法以及故障诊断装置和方法 |
CN107458259A (zh) * | 2017-08-24 | 2017-12-12 | 成都雅骏新能源汽车科技股份有限公司 | 一种新能源电动汽车剩余里程估算方法 |
CN108225323A (zh) * | 2017-12-26 | 2018-06-29 | 中国人民解放军63920部队 | 基于偏差影响方向组合确定落区边界的方法、介质和设备 |
CN110155172A (zh) * | 2018-05-04 | 2019-08-23 | 腾讯大地通途(北京)科技有限公司 | 一种车辆行驶调整方法、装置、车辆控制系统及存储介质 |
CN108819722A (zh) * | 2018-06-01 | 2018-11-16 | 汉腾汽车有限公司 | 一种电动汽车续航里程预估方法 |
US20200160619A1 (en) * | 2018-11-17 | 2020-05-21 | International Business Machines Corporation | Dynamic driving range prediction for electric vehicles |
CN112744120A (zh) * | 2019-10-31 | 2021-05-04 | 比亚迪股份有限公司 | 估算电动车辆续驶里程的方法、云端服务器、车辆和介质 |
CN112208338A (zh) * | 2020-09-29 | 2021-01-12 | 广州小鹏自动驾驶科技有限公司 | 一种目的地剩余续航里程计算方法和装置 |
CN112818036A (zh) * | 2021-01-29 | 2021-05-18 | 清华大学 | 基于云端大数据的电动车剩余里程预估方法和装置 |
CN113048989A (zh) * | 2021-04-06 | 2021-06-29 | 北京三快在线科技有限公司 | 一种无人驾驶设备的定位方法及定位装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114817376A (zh) * | 2022-06-29 | 2022-07-29 | 智能网联汽车(山东)协同创新研究院有限公司 | 基于物联网的电动汽车行驶数据智能分析系统 |
CN114817376B (zh) * | 2022-06-29 | 2022-09-23 | 智能网联汽车(山东)协同创新研究院有限公司 | 基于物联网的电动汽车行驶数据智能分析系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114043875B (zh) | 2024-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9217779B2 (en) | Method and system for obtaining degradation of battery using degradation model and parameters related to the degradation | |
CN111670340B (zh) | 一种车辆剩余行驶里程的获取方法、电子设备及车辆 | |
US9533597B2 (en) | Parameter identification offloading using cloud computing resources | |
JP5852399B2 (ja) | バッテリの状態予測システム、方法及びプログラム | |
JP6607255B2 (ja) | バッテリ劣化度推定装置および推定方法 | |
WO2022105070A1 (zh) | 利用机器学习模型预测电池健康状况的方法和系统 | |
CN105102999A (zh) | 电池寿命推测方法及电池寿命推测装置 | |
US20230065968A1 (en) | Calculation system, battery characteristic estimation method, and battery characteristic estimation program | |
JP2021048663A (ja) | 電池制御装置、充放電システム、駐車場システム、二次電池リユースシステム、電池制御方法、及び電池制御プログラム | |
CN111679200B (zh) | 一种电池荷电状态的校准方法、装置和车辆 | |
JP7413806B2 (ja) | バッテリ劣化判定装置、バッテリ劣化判定方法、及びバッテリ劣化判定プログラム | |
CN113665431A (zh) | 电动汽车的剩余续航里程估算方法及装置 | |
CN114043875A (zh) | 基于大数据的剩余里程预估偏差分析方法和系统 | |
US20230266399A1 (en) | Battery management system, calculation system, battery degradation prediction method, and battery degradation prediction program | |
CN114690039A (zh) | 一种确定电池的放电内阻模型和健康度的方法及装置 | |
US20230286415A1 (en) | Computing system, battery deterioration predicting method, and battery deterioration predicting program | |
CN115583153A (zh) | 一种续航里程计算方法、装置及计算机设备 | |
CN115139803A (zh) | 新能源车剩余续航里程确定方法、装置、设备及存储介质 | |
CN112950030B (zh) | 电动汽车的残差评估方法、装置、电子设备及存储介质 | |
CN114764600A (zh) | 新能源车电池包的寿命预测方法、装置和电子设备 | |
CN113219336B (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 | |
US20240212036A1 (en) | Vehicle management method and server | |
CN116945969B (zh) | 一种新能源公交车充电监测方法、装置、设备及存储介质 | |
WO2023026743A1 (ja) | 劣化判定システム、劣化判定方法、および劣化判定プログラム | |
CN118261683A (zh) | 车辆管理方法及服务器 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220222 Address after: 214000 Industrial Park, Yangjian Town, Xishan District, Wuxi City, Jiangsu Province Applicant after: JIANGSU AIMA VEHICLE SCIENCE & TECHNOLOGY Co.,Ltd. Address before: 518000 b2-1003, building B, Kexing Science Park, No. 15, Keyuan Road, Science Park community, Yuehai street, Nanshan District, Shenzhen, Guangdong Applicant before: Shenzhen Emma Zhihang Technology Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |