CN114212004A - 一种燃料电池汽车可续航里程的估算方法 - Google Patents
一种燃料电池汽车可续航里程的估算方法 Download PDFInfo
- Publication number
- CN114212004A CN114212004A CN202111664284.0A CN202111664284A CN114212004A CN 114212004 A CN114212004 A CN 114212004A CN 202111664284 A CN202111664284 A CN 202111664284A CN 114212004 A CN114212004 A CN 114212004A
- Authority
- CN
- China
- Prior art keywords
- hydrogen
- hundred kilometers
- soe
- fuel cell
- consumption
- 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.)
- Pending
Links
- 239000000446 fuel Substances 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title claims abstract description 25
- 239000001257 hydrogen Substances 0.000 claims abstract description 88
- 229910052739 hydrogen Inorganic materials 0.000 claims abstract description 88
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims abstract description 78
- 150000002431 hydrogen Chemical class 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims description 18
- 230000005611 electricity Effects 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000006835 compression Effects 0.000 claims description 6
- 238000007906 compression Methods 0.000 claims description 6
- 230000000717 retained effect Effects 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 4
- 239000001301 oxygen Substances 0.000 claims description 4
- 229910052760 oxygen Inorganic materials 0.000 claims description 4
- 239000007789 gas Substances 0.000 claims description 3
- XOFYZVNMUHMLCC-ZPOLXVRWSA-N prednisone Chemical compound O=C1C=C[C@]2(C)[C@H]3C(=O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 XOFYZVNMUHMLCC-ZPOLXVRWSA-N 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 238000012549 training Methods 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000005984 hydrogenation reaction Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 125000004435 hydrogen atom Chemical group [H]* 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
- B60L58/30—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling fuel cells
-
- 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
-
- 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
- B60L2260/54—Energy consumption estimation
-
- 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
- Y02T90/40—Application of hydrogen technology to transportation, e.g. using fuel cells
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Fuel Cell (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了一种燃料电池汽车可续航里程的估算方法，步骤包括：识别当前工况，工况包括驾驶员风格和行驶工况；计算并存储当前工况下的百公里氢耗Δm0和百公里电耗ΔSOE0；计算可用氢气的质量m；根据可用氢气的质量m、可用电量SOE、当前工况下的百公里氢耗Δm0和百公里电耗ΔSOE0计算可续航里程，其中，可用电量SOE通过整车电池管理系统直接获取。本发明的燃料电池汽车可续航里程的估算方法，能够对可续航里程的实时计算，精确度高，为用户提供便利。
Description
技术领域
本发明涉及氢燃料电池汽车技术领域，尤其涉及一种燃料电池汽车可续航里程的估算方法。
背景技术
传统汽车由发动机提供动力，随着汽车保有量的逐年上升，燃油车的排放和能耗分别给环境和能源造成了巨大压力，汽车节能减排势在必行，为此，政府大力支持发展新能源汽车。而新能源汽车中的燃料电池汽车通过氢气和氧气发生化学反应产生电能，排放物是水，实现零排放，并且利用的是可再生能源，十分符合当前的政策发展需要，所以研究燃料电池具有很大的必要性。
当前全球加氢站较少，为驾驶员提供燃料电池汽车当前的可续航里程十分重要，可以随时提醒驾驶员当前可续航里程状况，让其有规划的进行加氢。目前并没有一种标准计算可续航里程的方法，有的是利用剩余的总能量除以每公里平均能耗，但没有考虑工况的变化和驾驶员的驾驶习惯，导致误差太大。
发明内容
本发明的目的是提供一种燃料电池汽车可续航里程的估算方法，能对可续航里程的实时计算，精确度高，为用户提供便利。
为实现上述目的，本发明提供了一种燃料电池汽车可续航里程的估算方法，步骤包括：
识别当前工况，工况包括驾驶员风格和行驶工况；
计算并存储当前工况下的百公里氢耗Δm0和百公里电耗ΔSOE0；
计算可用氢气的质量m；
根据可用氢气的质量m、可用电量SOE、当前工况下的百公里氢耗Δm0和百公里电耗ΔSOE0计算可续航里程，其中，可用电量SOE通过整车电池管理系统直接获取。
进一步，驾驶员风格包括保守、普通和激进。
进一步，行驶工况包括城市、城郊和高速。
进一步，所述识别当前工况，工况包括驾驶员风格和行驶工况，具体执行以下步骤：
通过行驶工况识别模型识别当前行驶工况；
通过驾驶风格识别模型识别驾驶风格。
进一步，当前工况下的百公里氢耗Δm0和百公里电耗ΔSOE0计算公式分别为：
Δm0＝k*Δm+(1-k)*Δm1；
ΔSOE0＝k*ΔSOE+(1-k)*ΔSOE1；
式中：Δm0表示当前工况下的百公里氢耗的存储值，ΔSOE0分别表示当前工况下的百公里电耗的存储值，Δm1表示上一次百公里氢耗的存储值，ΔSOE1表示上一次百公里电耗的存储值；Δm表示百公里的氢耗，ΔSOE表示百公里电耗，k是比例参数，取值范围0～1。
进一步，所述百公里的氢耗Δm的计算公式为：
式中，Δm为表示百公里的氢耗，单位：kg/100km；N为燃料电池单体数；I为燃料电池输出电流；M为摩尔质量；F为法拉第常数；L表示汽车行驶路程，单位：公里；t表示汽车行驶L公里的时间。
进一步，百公里电耗ΔSOE的计算公式为：
式中，ΔSOE表示百公里电耗，单位：kJ/100km；I表示电流；U表示动力电池电压，L表示汽车行驶路程，单位：公里；t表示汽车行驶L公里的时间。
进一步，所述计算可用氢气的质量，具体执行以下步骤：
连续采集n次数据分别计算可用氢气的质量取平均得到可用氢气质量，n大于等于1。
进一步，每次可用氢气的质量的计算公式为：
式中：m表示可用氢气质量，V表示氢气瓶的容积，R为理想气体常数，T为氢气瓶内部温度，P为瓶内当前压强，P0为瓶内保留压强，Z表示瓶内当前压强的压缩因子，Z0表示瓶内保留压强的压缩因子。
进一步，可续航里程的计算公式为：
E＝EH+SOE:
ΔE＝ΔEH+ΔSOE0:
式中：S表示可续航里程；EH表示氢气质量转换的电能，单位：kJ；m表示可用氢气质量，286表示1mol氢气和氧气反应的焓变，单位kJ/mol；η电堆将化学能转化成电能的效率；SOE表示可用电量，得到E表示可用总电能；△EH表示氢耗转换成的电耗，单位kJ/100km；△m0表示当前工况下的百公里氢耗；ΔSOE0表示当前工况下的百公里电耗，△E表示总百公里电耗。
本发明与现有技术相比较具有以下优点：
本发明的燃料电池汽车可续航里程的估算方法，对不同行驶工况下不同驾驶员风格进行识别分析，结合可用剩余氢气质量和电能进行可续航里程的实时计算，精确度高，为用户提供便利。
附图说明
图1为本发明燃料电池汽车可续航里程的估算方法的流程图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明。
参见图1所示，本实施例公开了一种燃料电池汽车可续航里程的估算方法，步骤包括：
识别当前工况，工况包括驾驶员风格和行驶工况；
计算并存储当前工况下的百公里氢耗Δm0和百公里电耗ΔSOE0；
计算当前可续航里程时需要读取不同工况的氢耗和电耗，不同工况下每百公里的氢耗和电耗不同，每种行驶工况下不同驾驶员风格的氢耗和电耗也会不同，例如：在保守驾驶员风格下，3种行驶工况分别有不同的百公里的氢耗和电耗，记为ma1,ma2,ma3,ΔSOEa1,ΔSOEa2,ΔSOEa3，式中a表示保守型驾驶员风格，1、2、3分别代表3种不同的行驶工况的序号；在普通驾驶员风格下，3种行驶工况分别有不同的百公里的氢耗和电耗，记为mb1,mb2,mb3,ΔSOEb1,ΔSOEb2,ΔSOEb3，式中b表示普通型驾驶员风格；在激进驾驶员风格下，3种行驶工况分别有不同的百公里的氢耗和电耗，记为mc1,mc2,mc3,ΔSOEc1,ΔSOEc2,ΔSOEc3，式中c表示激进型驾驶员风格。不同的地区，比如海拔、坡度不同，同一种行驶工况每公里的氢耗和电耗也可能不同，所以，每种行驶工况存储的每公里氢耗和电耗会随着车辆的行驶一直变化更新，以适应当前可续航里程计算的需要。
计算可用氢气的质量m；
根据可用氢气的质量m、可用电量SOE、当前工况下的百公里氢耗Δm0和百公里电耗ΔSOE0计算可续航里程，其中，可用电量SOE通过整车电池管理系统直接获取。
在本实施例中，驾驶员风格包括保守、普通和激进。
在本实施例中，行驶工况包括城市、城郊和高速。
在本实施例中，所述识别当前工况，工况包括驾驶员风格和行驶工况，具体执行以下步骤：
通过行驶工况识别模型识别当前行驶工况；
通过驾驶风格识别模型识别驾驶风格。
在本实施例中，所述驾驶风格识别模型的建立步骤为：获取不同驾驶风格的整车驾驶参数形成训练集，运用该训练集对神经网络训练，得到驾驶风格识别模型；其中，驾驶员风格通过整车驾驶参数进行的划分，整车驾驶参数包括加速冲击度平均值、减速冲击度平均值、冲击度标准差、加速冲击度最大值、减速冲击度最大值、最大加速踏板行程、制动压力平均值和制动压力变化率平均值。将已训练好的模型存储在汽车中，汽车行驶过程中，通过对相关参数进行计算统计并分析，输入至神经网络即可识别驾驶员风格，考虑到驾驶员更换情况，每次进行可续航里程计算时都需要对其识别一次。
在本实施例中，所述行驶工况识别模型的建立步骤为：获取不同行驶工况的行驶工况特征参数形成训练集，运用该训练集对神经网络训练，得到行驶工况识别模型；其中，行驶工况特征参数包括平均速度、最大加速度、最大减速度、最高车速和最低车速。将当前采集到的行驶工况特征参数输入至已经训练的行驶工况识别模型对当前行驶工况进行识别，汽车将要行驶的工况可能会变化，例如当前行驶工况为城市，过一段时间可能变为城郊或者高速，所以需要实时识别当前的行驶工况类型。
在本实施例中，当前工况下的百公里氢耗Δm0和百公里电耗ΔSOE0计算公式分别为：
Δm0＝k*Δm+(1-k)*Δm1；
ΔSOE0＝k*ΔSOE+(1-k)*ΔSOE1；
式中：Δm0表示当前工况下的百公里氢耗的存储值，ΔSOE0分别表示当前工况下的百公里电耗的存储值，Δm1表示上一次百公里氢耗的存储值，ΔSOE1表示上一次百公里电耗的存储值；Δm表示百公里的氢耗，ΔSOE表示百公里电耗，k是比例参数，取值范围0～1。应当合理取值，k值取得过大的话突变的工况会影响计算结果，过小的话不能很好的反应当前工况的能耗，所以一般通过工程经验进行取值计算，k通常取0.7。在某些实施例中，k可以取其他数值，在此不作限定。
其中，百公里氢耗Δm和百公里电耗ΔSOE汽车每行驶L公里进行一次计算。L应当合理取值，L取得过大的话就不能为驾驶员实时的提供可续航里程参考，L取值过小受行驶的波动较大，偶尔的突变情况会影响计算结果，并且会给控制器带来更大的计算负担，所以一般也通过工程经验进行取值计算，L通常取10km，在某些实施例中，L可以取其他数值，在此不再限定。
在本实施例中，计算百公里的氢耗Δm的计算公式为：
式中，Δm表示百公里的氢耗，单位：kg/100km；N为燃料电池单体数；I为燃料电池输出电流；M为摩尔质量；F为法拉第常数；L表示汽车行驶路程，单位：公里；t表示汽车行驶L公里的时间。百公里的氢耗Δm即百公里消耗的氢气质量；百公里电耗ΔSOE即百公里SOE消耗值。
在本实施例中，百公里电耗ΔSOE的计算公式为：
式中，ΔSOE表示百公里电耗，单位：kJ/100km；I表示电流；U表示动力电池电压，L表示汽车行驶路程，单位：公里；t表示汽车行驶L公里的时间。其中，1000将功率单位换算成kw，3600将时间单位换算成h。
在本实施例中，所述计算可用氢气的质量，具体执行以下步骤：
连续采集n次数据分别计算可用氢气的质量取平均得到可用氢气质量，n大于等于1。因为氢瓶相关数据存在误差，所以连续采集3次进行求均值再带入计算，此时，n＝3，在某些实施例中，n可以取其他数值。
在本实施例中，每次可用氢气的质量的计算公式为：
式中：m表示可用氢气质量，V表示氢气瓶的容积，R为理想气体常数，T为氢气瓶内部温度，P为瓶内当前压强，P0为瓶内保留压强，Z表示瓶内当前压强的压缩因子，Z0表示瓶内保留压强的压缩因子。
在汽车出发前，百公里的氢耗和电耗根据上一次行驶的存储值进行计算，在汽车行驶过程中，通过驾驶员风格识别和行驶工况识别，再经过自身的计算，百公里的氢耗的电耗会不断更新，更新方式结合当前计算值和之前的存储值进行组合计算，得到新的存储值。
在本实施例中，可续航里程的计算公式为：
E＝EH+SOE:
ΔE＝ΔEH+ΔSOE0:
式中：S表示可续航里程；EH表示氢气质量转换的电能，单位：kJ；m表示可用氢气质量，286表示1mol氢气和氧气反应的焓变，单位kJ/mol；η电堆将化学能转化成电能的效率；SOE表示可用电量，得到E表示可用总电能；△EH表示氢耗转换成的电耗，单位kJ/100km；△m0表示当前工况下的百公里氢耗；ΔSOE0表示当前工况下的百公里电耗，△E表示总百公里电耗。
本发明的燃料电池汽车可续航里程的估算方法，对不同行驶工况下不同驾驶员风格进行识别分析，结合可用剩余氢气质量和电能进行可续航里程的实时计算，精确度高，为用户提供便利。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种燃料电池汽车可续航里程的估算方法，其特征在于，步骤包括：
识别当前工况，工况包括驾驶员风格和行驶工况；
计算并存储当前工况下的百公里氢耗Δm0和百公里电耗ΔSOE0；
计算可用氢气的质量m；
根据可用氢气的质量m、可用电量SOE、当前工况下的百公里氢耗Δm0和百公里电耗ΔSOE0计算可续航里程，其中，可用电量SOE通过整车电池管理系统直接获取。
2.根据权利要求1所述的燃料电池汽车可续航里程的估算方法，其特征在于，驾驶员风格包括保守、普通和激进。
3.根据权利要求1或2所述的燃料电池汽车可续航里程的估算方法，其特征在于，行驶工况包括城市、城郊和高速。
4.根据权利要求3所述的燃料电池汽车可续航里程的估算方法，其特征在于，所述识别当前工况，工况包括驾驶员风格和行驶工况，具体执行以下步骤：
通过行驶工况识别模型识别当前行驶工况；
通过驾驶风格识别模型识别驾驶风格。
5.根据权利要求1或2或4所述的燃料电池汽车可续航里程的估算方法，其特征在于，当前工况下的百公里氢耗Δm0和百公里电耗ΔSOE0计算公式分别为：
Δm0＝k*Δm+(1-k)*Δm1；
ΔSOE0＝k*ΔSOE+(1-k)*ΔSOE1；
式中：Δm0表示当前工况下的百公里氢耗的存储值，ΔSOE0分别表示当前工况下的百公里电耗的存储值，Δm1表示上一次百公里氢耗的存储值，ΔSOE1表示上一次百公里电耗的存储值；Δm表示百公里的氢耗，ΔSOE表示百公里电耗，k是比例参数，取值范围0～1。
6.根据权利要求5所述的燃料电池汽车可续航里程的估算方法，其特征在于，所述百公里的氢耗Δm的计算公式为：
式中，Δm表示百公里的氢耗，单位：kg/100km；N为燃料电池单体数；I为燃料电池输出电流；M为摩尔质量；F为法拉第常数；L表示汽车行驶路程，单位：公里；t表示汽车行驶L公里的时间。
7.根据权利要求6所述的燃料电池汽车可续航里程的估算方法，其特征在于，所述百公里电耗ΔSOE的计算公式为：
式中，ΔSOE表示百公里电耗，单位：kJ/100km；I表示电流；U表示动力电池电压，L表示汽车行驶路程，单位：公里；t表示汽车行驶L公里的时间。
8.根据权利要求1或2或4或6或7所述的燃料电池汽车可续航里程的估算方法，其特征在于，所述计算可用氢气的质量，具体执行以下步骤：
连续采集n次数据分别计算可用氢气的质量取平均得到可用氢气质量，n大于等于1。
9.根据权利要求8所述的燃料电池汽车可续航里程的估算方法，其特征在于，每次可用氢气的质量的计算公式为：
式中：m表示可用氢气质量，V表示氢气瓶的容积，R为理想气体常数，T为氢气瓶内部温度，P为瓶内当前压强，P0为瓶内保留压强，Z表示瓶内当前压强的压缩因子，Z0表示瓶内保留压强的压缩因子。
10.根据权利要求1或2或4或6或7或9所述的燃料电池汽车可续航里程的估算方法，其特征在于，可续航里程的计算公式为：
E＝EH+SOE；
△E＝△EH+△SOE0；
式中：S表示可续航里程；EH表示氢气质量转换的电能，单位：kJ；m表示可用氢气质量，286表示1mol氢气和氧气反应的焓变，单位kJ/mol；η电堆将化学能转化成电能的效率；SOE表示可用电量，得到E表示可用总电能；△EH表示氢耗转换成的电耗，单位kJ/100km；△m0表示当前工况下的百公里氢耗；ΔSOE0表示当前工况下的百公里电耗，△E表示总百公里电耗。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111664284.0A CN114212004A (zh) | 2021-12-30 | 2021-12-30 | 一种燃料电池汽车可续航里程的估算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111664284.0A CN114212004A (zh) | 2021-12-30 | 2021-12-30 | 一种燃料电池汽车可续航里程的估算方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114212004A true CN114212004A (zh) | 2022-03-22 |
Family
ID=80707402
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111664284.0A Pending CN114212004A (zh) | 2021-12-30 | 2021-12-30 | 一种燃料电池汽车可续航里程的估算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114212004A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115384357A (zh) * | 2022-10-27 | 2022-11-25 | 新汽有限公司 | 一种氢电整车控制器 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1263069A2 (de) * | 2001-05-31 | 2002-12-04 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Brennstoffzellensystem und Verfahren zur Erzeugung von elektrischer Energie mittels eines Brennstoffzellensystems |
| CN109733248A (zh) * | 2019-01-09 | 2019-05-10 | 吉林大学 | 基于路径信息的纯电动汽车剩余里程模型预测方法 |
| CN112613680A (zh) * | 2020-12-29 | 2021-04-06 | 华人运通(江苏)技术有限公司 | 续航里程估算方法、装置、设备及存储介质 |
| CN112721661A (zh) * | 2021-01-29 | 2021-04-30 | 重庆长安新能源汽车科技有限公司 | 一种燃料电池电动汽车可续航里程的估算方法、装置及存储介质 |
| CN113043916A (zh) * | 2021-04-23 | 2021-06-29 | 上汽大通汽车有限公司 | 一种氢燃料电池车续航能力的测试系统及其测试方法 |
| CN113352899A (zh) * | 2021-07-06 | 2021-09-07 | 广东兰氢科技有限公司 | 一种基于XGBoost算法的氢燃料电池汽车续航里程预测方法 |
-
2021
- 2021-12-30 CN CN202111664284.0A patent/CN114212004A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1263069A2 (de) * | 2001-05-31 | 2002-12-04 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Brennstoffzellensystem und Verfahren zur Erzeugung von elektrischer Energie mittels eines Brennstoffzellensystems |
| CN109733248A (zh) * | 2019-01-09 | 2019-05-10 | 吉林大学 | 基于路径信息的纯电动汽车剩余里程模型预测方法 |
| CN112613680A (zh) * | 2020-12-29 | 2021-04-06 | 华人运通(江苏)技术有限公司 | 续航里程估算方法、装置、设备及存储介质 |
| CN112721661A (zh) * | 2021-01-29 | 2021-04-30 | 重庆长安新能源汽车科技有限公司 | 一种燃料电池电动汽车可续航里程的估算方法、装置及存储介质 |
| CN113043916A (zh) * | 2021-04-23 | 2021-06-29 | 上汽大通汽车有限公司 | 一种氢燃料电池车续航能力的测试系统及其测试方法 |
| CN113352899A (zh) * | 2021-07-06 | 2021-09-07 | 广东兰氢科技有限公司 | 一种基于XGBoost算法的氢燃料电池汽车续航里程预测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 朱元;吴志红;田光宇;张涵;孙鸿航;: "基于马尔可夫决策理论的燃料电池混合动力汽车能量管理策略", 汽车工程 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115384357A (zh) * | 2022-10-27 | 2022-11-25 | 新汽有限公司 | 一种氢电整车控制器 |
| CN115384357B (zh) * | 2022-10-27 | 2022-12-30 | 新汽有限公司 | 一种氢电整车控制器 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110775065B (zh) | 一种基于工况识别的混合动力汽车电池寿命预测方法 | |
| CN110135632B (zh) | 基于路径信息的phev自适应最优能量管理方法 | |
| CN108761509B (zh) | 一种基于历史数据的汽车行驶轨迹及里程预测方法 | |
| CN112721661B (zh) | 一种燃料电池电动汽车可续航里程的估算方法、装置及存储介质 | |
| CN110775043B (zh) | 一种基于电池寿命衰减模式识别的混动汽车能量优化方法 | |
| CN108909702A (zh) | 一种插电式混合动力汽车能量管理方法及系统 | |
| Li et al. | Prediction of electric bus energy consumption with stochastic speed profile generation modelling and data driven method based on real-world big data | |
| CN110936949A (zh) | 基于行驶工况的能量控制方法、设备、存储介质及装置 | |
| 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 | |
| CN113352899B (zh) | 一种基于XGBoost算法的氢燃料电池汽车续航里程预测方法 | |
| CN112319462B (zh) | 一种插电式混合动力汽车能量管理方法 | |
| Ye et al. | A hybrid approach to estimating electric vehicle energy consumption for ecodriving applications | |
| CN113815437B (zh) | 燃料电池混合动力汽车的预测性能量管理方法 | |
| CN114212004A (zh) | 一种燃料电池汽车可续航里程的估算方法 | |
| CN114122466A (zh) | 燃料电池车电池优化管理方法、系统、设备及介质 | |
| CN110716527A (zh) | 一种基于运动学片段的车辆能耗分析方法及分析系统 | |
| Li et al. | Predictive multi-objective operation strategy considering battery cycle aging for hybrid electric vehicles | |
| CN108846571A (zh) | 一种网联化电动汽车宏观能量消耗估计方法 | |
| CN116345476A (zh) | 基于车-站-网信息交互的ev智能实时调度方法及系统 | |
| Xu et al. | Research on estimation method of mileage power consumption for electric vehicles | |
| CN115759347A (zh) | 一种基于特征数据的电动公交车行程能耗快速预测方法 | |
| Sennefelder et al. | Driving cycle synthesis, aiming for realness, by extending real-world driving databases | |
| CN114312777A (zh) | 一种燃料电池重卡预见性巡航控制方法及系统 | |
| Li | An energy management method of electric vehicles based on stochastic model predictive control | |
| CN117698689B (zh) | 一种基于时变场景的混动汽车能量利用轨迹规划方法 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20220322 |