CN114940132A - 电动车续航里程预测方法、测试方法和系统 - Google Patents
电动车续航里程预测方法、测试方法和系统 Download PDFInfo
- Publication number
- CN114940132A CN114940132A CN202210887943.5A CN202210887943A CN114940132A CN 114940132 A CN114940132 A CN 114940132A CN 202210887943 A CN202210887943 A CN 202210887943A CN 114940132 A CN114940132 A CN 114940132A
- Authority
- CN
- China
- Prior art keywords
- electric vehicle
- test
- motor
- endurance mileage
- mileage
- 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
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
- B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
- B60R16/023—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for transmission of signals between vehicle parts or subsystems
- B60R16/0231—Circuits relating to the driving or the functioning of the vehicle
- B60R16/0232—Circuits relating to the driving or the functioning of the vehicle for measuring vehicle parameters and indicating critical, abnormal or dangerous conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60H—ARRANGEMENTS OF HEATING, COOLING, VENTILATING OR OTHER AIR-TREATING DEVICES SPECIALLY ADAPTED FOR PASSENGER OR GOODS SPACES OF VEHICLES
- B60H1/00—Heating, cooling or ventilating [HVAC] devices
- B60H1/00642—Control systems or circuits; Control members or indication devices for heating, cooling or ventilating devices
- B60H1/00735—Control systems or circuits characterised by their input, i.e. by the detection, measurement or calculation of particular conditions, e.g. signal treatment, dynamic models
-
- 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
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/10—Vehicle control parameters
-
- 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
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/10—Vehicle control parameters
- B60L2240/26—Vehicle weight
-
- 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
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/40—Drive Train control parameters
- B60L2240/42—Drive Train control parameters related to electric machines
-
- 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
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/40—Drive Train control parameters
- B60L2240/54—Drive Train control parameters related to 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- Thermal Sciences (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明涉及汽车领域,公开了一种电动车续航里程预测方法、测试方法和系统。该预测方法包括:确定基于电动车续航里程测试方法所获得的数据中与续航里程的关联性大于第一设定阈值的第一特征因素;从第一特征因素中确定与测试工况的关联性大于第二设定阈值的第二特征因素;将第二特征因素作为训练样本对神经网络模型进行训练,获得神经网络预测模型;将待预测测试工况的相关因素输入至所述神经网络预测模型,获得续航里程以及相关控制因素。本实施例实现了准确预测电动车在不同温度环境、不同工况条件下的续航里程。
Description
技术领域
本发明涉及汽车技术领域,尤其涉及一种电动车续航里程预测方法、测试方法、和系统。
背景技术
续航里程是电动汽车的一项重要性能,影响电动汽车续航里程的因素众多,其中,高、低温环境对电动汽车续航里程的影响较大。且高、低温环境对电池的充放电效率、汽车的电机效率、空调能耗的影响也较大。
有鉴于此,特提出本发明。
发明内容
为了解决上述技术问题,本发明提供了一种电动车续航里程预测方法、测试方法和系统,实现了准确预测电动车在不同温度环境、不同工况条件下的续航里程。
本发明实施例提供了一种电动车续航里程预测方法,基于电动车续航里程测试方法所获得的数据执行,所述预测方法包括:
确定基于所述电动车续航里程测试方法所获得的数据中与续航里程的关联性大于第一设定阈值的第一特征因素;
从所述第一特征因素中确定与测试工况的关联性大于第二设定阈值的第二特征因素;
将所述第二特征因素作为训练样本对神经网络模型进行训练,获得神经网络预测模型;
将待预测测试工况的相关因素输入至所述神经网络预测模型,获得续航里程以及相关控制因素;
其中,所述待预测测试工况的相关因素包括环境温度、电池容量、电池效率、电机效率、空调功率、车辆质量以及车辆行驶阻力中的一种或多种;所述相关控制因素包括电池能量损失、电机能量损失以及空调能耗中的一种或多种;
基于所述电动车续航里程测试方法所获得的数据包括如下各因素以及任意几种因素之间的对应关系:环境仓温度、电池效率、电池容量、电机效率、空调能耗、测试工况、测试工况所需能耗、车辆质量以及续航里程。
本发明实施例提供了一种电动车续航里程测试方法,应用于电动车续航里程测试系统,所述方法包括:
根据预设测试参数,通过所述电动车续航里程测试系统中的承载架设置匹配的行驶阻力系数以及测试工况,并对所述电动车的空调系统进行对应设置以及对用于模拟环境温度的环境仓的温度进行对应设置;
当满足设定条件时,启动所述测试系统进行电动车续航里程测试;
在进行电动车续航里程测试的过程中,所述电动车续航里程测试系统中的上位机通过数据采集单元采集测试数据;
当通过所述电动车续航里程测试系统中的显示屏显示的实时车速曲线与所述测试工况的曲线之间的误差达到误差阈值时,停止所述电动车续航里程测试,当停止所述电动车续航里程测试时,通过所述上位机基于采集的测试数据确定本次测试中电动车的动力电池的电量消耗量以及通过所述承载架记录本次测试的行驶里程;
其中,所述预设测试参数包括环境仓温度、测试工况、所述电动车的质量以及所述电动车空调的关联参数中的一种或多种。
本发明实施例提供了一种电动车续航里程测试系统,该系统包括:
上位机,显示屏、承载架,三个电流传感器,三个电压传感器,两个温度传感器,环境仓和数据采集单元;
其中,所述上位机与所述数据采集单元通信连接,用于接收并存储所述数据采集单元所采集到的数据;
所述承载架用于电动车进行里程测试;
所述三个电流传感器分别用于在对电动车进行续航里程测试时检测所述电动车的动力电池的电流、所述电动车的空调系统的电流以及所述电动车的电机的电流;
所述三个电压传感器分别用于在对电动车进行续航里程测试时检测所述电动车的动力电池的电压、所述电动车的空调系统的电压以及所述电动车的电机的电压;
所述两个温度传感器分别用于检测所述电动车内部的温度和所述环境仓的温度;
所述数据采集单元用于采集所述三个电流传感器的电流数据、所述三个电压传感器的电压数据、所述两个温度传感器的温度数据以及所述电动车的CAN总线的数据;
所述显示屏与所述承载架通信连接,用于显示测试工况和所述承载架反馈的实时车速,以基于所述测试工况和所述实时车速确定电动车续航里程测试的结束时机。
本发明实施例提供了一种电子设备,所述电子设备包括:
处理器和存储器;
所述处理器通过调用所述存储器存储的程序或指令,用于执行任一实施例所述的电动车续航里程测试方法的步骤。
本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储程序或指令,所述程序或指令使计算机执行任一实施例所述的电动车续航里程测试方法的步骤。
本发明实施例具有以下技术效果:
实现了准确预测电动车在不同温度环境、不同工况条件下的续航里程。
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是本发明实施例提供的一种电动车续航里程测试系统的结构示意图;
图2是本发明实施例提供的一种电动车续航里程测试方法的流程示意图;
图3是本发明实施例提供的一种续航里程测试方法的流程示意图;
图4是本发明实施例提供的一种电动车续航里程预测方法;
图5是本发明实施例提供的一种电动车续航里程测试方法的流程示意图;
图6为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行清楚、完整的描述。显然,所描述的实施例仅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的前提下所得到的所有其它实施例,都属于本发明所保护的范围。
本发明实施例提供的电动车续航里程测试系统,主要适用于测试电动车在不同温度环境、不同工况条件下的续航里程。
图1是本发明实施例提供的一种电动车续航里程测试系统的结构示意图。参见图1,该电动车续航里程测试系统具体包括:上位机110,显示屏120、承载架130、三个电流传感器140,三个电压传感器150,两个温度传感器(分别标记为第一温度传感器160和第二温度传感器170,其中,第一温度传感器160用于检测电动车内部的温度,第二温度传感器170用于检测环境仓180的温度),环境仓180、数据采集单元190和电子控制器单元200。
其中,所述上位机110与所述数据采集单元190通信连接,用于接收并存储所述数据采集单元190所采集到的数据。进一步的,上位机110还可以对其接收到的一些数据进行显示。
所述数据采集单元190用于采集所述三个电流传感器140的电流数据、所述三个电压传感器150的电压数据、所述两个温度传感器160和170的温度数据以及所述电动车的CAN总线的数据。电动车的CAN总线的数据包括电动车发动机的转速扭矩、电机转速扭矩、电池SOC(State of charge,电荷状态)、加速踏板开度、制动踏板开度、挡位以及空调功率中的一种或多种。
所述承载架130是进行车辆测试的载体,用于电动车进行里程测试;包括但不限于底盘测功机、轴耦合测功机、五电机台架或者四电机台架。所述三个电流传感器140分别用于在对电动车进行续航里程测试时检测所述电动车的动力电池的电流、所述电动车的空调系统的电流以及所述电动车的电机的电流。所述三个电压传感器150分别用于在对电动车进行续航里程测试时检测所述电动车的动力电池的电压、所述电动车的空调系统的电压以及所述电动车的电机的电压。所述两个温度传感器160和170分别用于检测所述电动车内部的温度和所述环境仓180的温度;
所述显示屏120与所述承载架130通信连接,用于显示测试工况和所述承载架反馈的实时车速,以基于所述测试工况和所述实时车速确定电动车续航里程测试的结束时机。环境仓180用于模拟车辆测试所需要的环境温度。
在上述实施例公开的电动车续航里程测试系统的基础上,本发明实施例还提供了一种电动车续航里程测试方法,应用于上述实施例所述的电动车续航里程测试系统。参考如图2所示的一种电动车续航里程测试方法的流程示意图,所述电动车续航里程测试方法包括如下步骤:
步骤210、根据预设测试参数,通过所述承载架设置匹配的行驶阻力系数以及测试工况,并对所述电动车的空调系统进行对应设置以及对所述环境仓的温度进行对应设置。
其中,所述预设测试参数包括环境仓温度、测试工况、所述电动车的质量以及所述电动车空调的关联参数中的一种或多种。
测试工况例如是标准循环工况,如WLTC(World Light Vehicle Test Cycle,世界轻型汽车测试循环工况)、WLTP(World Light Vehicle Test Procedure,世界轻量型汽车测试程序)、CLTC(China Light-duty vehicle Test Cycle-passenger,中国轻型乘用车工况)等,还可以是自定义工况。电动车空调的关联参数包括:制冷/制热模式设置、温度设置以及风速设置中的一种或多种。
可将所述预设测试参数统计为测试矩阵,概括性的,构建测试温度(即环境仓温度)、测试工况、车辆质量(即电动车的质量)、空调设置(即电动车空调的关联参数)等因素的测试矩阵。测试温度包含低温、高温,如-20℃、-10℃、0℃、30℃、35℃等;测试工况包含标准工况、自定义工况等,如WLTC、CLTC、等速工况等;车辆质量包含整备质量、半载质量、满载质量等,不同车辆质量影响车辆的行驶阻力。
示例性的,参考如下表1所示的一种测试矩阵的样例。
表1:测试矩阵
因素 序号 | 测试温度(℃) | 测试工况 | 车辆质量 | 空调设置 |
1 | -20 | CLTC | 整备质量 | 制热,23℃,auto模式 |
2 | -10 | WLTC | 整备质量 | 制热,25℃,auto模式 |
3 | 35 | WLTC | 半载 | 制冷,27℃,auto模式 |
4 | 40 | 匀速 | 满载 | 制冷,25℃,auto模式 |
可以理解的是,在开始测试之前,应在动力电池、空调系统、电机安装电流传感器和电压传感器,并将输出信号线安装在数据采集单元上,对各传感器进行校正清零,从整车控制器上引出CAN总线连接线,并安装在数据采集单元,数据采集单元连接到上位机上,查看上述各传感器信号和CAN信号是否正常显示,正常存储。按照测试矩阵所设计的试验项目,将车辆从空电状态充电至满电状态,记录充电量。设定环境仓温度为目标温度,使车辆在环境仓内充分浸车,在承载架上设置测试车辆质量对应的行驶阻力系数,并设置测试工况,按照测试矩阵进行车辆空调设置。
步骤220、当满足设定条件时,启动所述测试系统进行电动车续航里程测试。
具体的,当车辆以及测试系统符合测试矩阵指示的各项测试要求时,启动所述测试系统进行电动车续航里程测试。概括性的,参考如图3所示的一种续航里程测试方法的流程示意图,具体包括:测试矩阵构建-设备安装校准-车辆预处理-环境仓、承载架配置-续航里程测试。
步骤230、在进行电动车续航里程测试的过程中,所述上位机通过所述数据采集单元采集测试数据。
步骤240、当通过所述显示屏显示的实时车速曲线与所述测试工况的曲线之间的误差达到误差阈值时,停止所述电动车续航里程测试,当停止所述电动车续航里程测试时,通过所述上位机基于采集的测试数据确定本次测试中电动车的动力电池的电量消耗量以及通过所述承载架记录本次测试的行驶里程。
测试试验完毕后,上位机自动记录数据采集单元上传的测试数据,自动计算本次测试试验的电量消耗量,承载架自动记录本次测试试验的行驶里程。
进一步的,通过所述数据采集单元采集的测试数据至少包括:电动车动力电池的电压和电流、电动车空调系统的电压和电流以及电动车电机的电压和电流;
所述方法还包括:
根据所述数据采集单元采集的测试数据确定动力电池的累计放电量;根据所述累计放电量和充电量确定动力电池的电池效率;根据所述数据采集单元采集的测试数据确定所述空调系统的用电量;根据所述空调系统的用电量、测试时间以及所述预设测试参数建立空调系统的用电量与环境仓温度、空调档位、空调的设定温度、空调的设定模式以及测试时间中的一种或者多种之间的对应关系;根据所述数据采集单元采集的测试数据确定电动车电机的电机效率;建立所述环境仓温度、所述电池效率、电池容量、所述电机效率、空调系统的用电量、测试工况、测试工况所需能耗、车辆质量以及续航里程中任意几种之间的对应关系。
所述根据所述数据采集单元采集的测试数据确定动力电池的累计放电量,包括:
根据如下算式确定所述动力电池的累计放电量:
其中,E out_bat 表示所述动力电池的累计放电量,单位为kWh,U bat 为所述动力电池的电压,单位为V ,I bat 为所述动力电池的电流,单位为A,T为续航里程测试的总时间,单位为s,t表示时间变量,dt表示以t为变量的微变量,是积分变量的增量的极限;
根据所述累计放电量和充电量确定动力电池的电池效率,包括:
根据如下算式确定所述电池效率:
所述根据所述数据采集单元采集的测试数据确定电动车电机的电机效率,包括:
基于如下算式确定所述电机效率:
其中,U mot 表示电机电压,I mot 表示电机电流,T mot 为电机扭矩,T为续航里程测试的总时间,t为时间变量,n为电机转速,E drv_out 表示电机在驱动工作模式下的输出能量,E drv_in 表示电机在驱动工作模式下的输入能量,E brk_out 表示电机在制动工作模式下的输出能量,E brk_in 表示电机在制动工作模式下的输入能量。
可选的,由于不同温度下的电池效率不同,因此可根据测试数据建立环境温度(具体指测试系统中的环境仓温度)与电池效率之间对应关系的表,用于后续的续航里程预测。
由于环境温度、空调挡位、空调温度设定、空调模式设定均与空调功率相关,此外空调系统的用电量与空调功率和测试时间相关,因此,要构建空调系统的用电量与环境温度、空调挡位、空调温度设定、空调模式设定以及测试时间的对用关系表,用于续航里程预测。
由于电机存在驱动和制动两种工作模式,因此,要分两种情况分别计算电机效率。且电机效率与环境温度关系较大,因此建立一个环境温度与电机效率的对用表,用于续航里程预测。循环工况所需要的能量也是影响续航里程的重要因素,循环工况所需的能量分为三个部分,第一部分是加速过程需要的能量,需要克服行驶阻力和加速阻力,第二部分是匀速过程需要的能量,此时仅需要克服行驶阻力,第三部分是制动过程需要的能量,该过程不需要能量。
具体的,循环工况所需要的能量E cyc_req 按照下述公式计算获得:
其中,当a i <0时,E i =0。式中,E i 为测试工况片段的能量,测试工况片段为一个车速从零开始到车速为零结束所包括的工况,i代表每个测试工况片段的序号。v为工况车速,单位是km/h,t i 为第i个测试工况片段的时间,单位是s,M是车辆质量,单位是kg,a为加速度,单位是m/s2,d为距离,单位m,f 0 、f 1 、f 2 分别代表汽车行驶阻力系数。
本实施例具有以下技术效果:设计了一种高、低温环境的测试系统,能全面采集环境温度以及车辆部件等数据。并设计了续航里程测试方法,可准确测试出电动车在不同温度环境、不同工况条件下的续航里程,为进行续航里程预测提供样本数据基础。
由于电动车续航里程影响因素较多,受到环境因素、行驶工况因素、以及车辆自身因素等因素的交叉影响,具有较强的非线性关系,电动车续航里程与上述因素的关系难以应用数学公式准确表达,因此本发明提出了续航里程预测方法。
在上述实施例的基础上,本发明实施例还提供一种电动车续航里程预测方法,基于上述电动车续航里程测试方法所获得的数据执行,参考图4所示,所述预测方法包括如下步骤:
步骤410、确定基于所述电动车续航里程测试方法所获得的数据中与续航里程的关联性大于第一设定阈值的第一特征因素。
其中,基于所述电动车续航里程测试方法所获得的数据包括如下各因素以及任意几种因素之间的对应关系:环境仓温度、电池效率、电池容量、电机效率、空调能耗、测试工况、测试工况所需能耗、车辆质量以及续航里程。
可选的,采用相关系数法或者灰色关联法确定基于所述电动车续航里程测试方法所获得的数据中与续航里程的关联性大于第一设定阈值的第一特征因素。
示例性的,以采用灰色关联法确定所述关联性为例,所述确定基于所述电动车续航里程测试方法所获得的数据中与续航里程的关联性大于第一设定阈值的第一特征因素,包括:
根据基于所述电动车续航里程测试方法所获得的数据构建初始矩阵;对所述初始矩阵进行无量纲化处理,获得第一矩阵;基于所述第一矩阵计算差矩阵;确定所述差矩阵的极大值和极小值;根据所述极大值和极小值确定关联系数;根据所述关联系数确定灰色关联度;选取灰色关联度大于第一设定阈值的因素作为所述第一特征因素。
具体的,首先构建初始矩阵:
式中,X为初始矩阵,X1、X2……Xn-1分别代表基于所述电动车续航里程测试方法所获得的数据中的各因素,例如环境仓温度、电池容量、电池效率、电机效率、空调能耗、测试工况所需能耗、车辆质量等因素矩阵,Xn代表续航里程,xn-1(m)代表第n-1个因素的第m个测试结果,以X1为例,x1(1)……x1(m)分别代表第一个因素的第一个测试结果、第一个因素的第二个测试结果……第一个因素的第m个的测试结果。xn(1)……xn(m)分别代表续航里程的第一个的测试结果、续航里程的第2个的测试结果……续航里程的第m个的测试结果。
然后对初始矩阵进行无量纲化处理,得到第一矩阵Y。为避免温度出现负值,温度单位采用热力学温标K。
然后计算差矩阵δY:
计算差矩阵的极大值Max和极小值Min:
计算关联系数:
式中表示第j次测试结果中第i个因素与第n个因素(在此计算中,第n个因
素代表续航里程)之间的关联系数,ρ为分辨系数,ρ∈(0,1),一般取值为0.5, i=1,2,3……
n-1 ,j=1,2,3……m。
计算灰色关联度:
选取灰色关联度大于V的因素作为第一特征因素,V取值一般为0.8。假如有m1个因素大于V,第一特征因素组成的训练矩阵的维度为m1。由此可以剔除与续航里程相关性较低的因素,提高计算效率与精度。
步骤420、从所述第一特征因素中确定与测试工况的关联性大于第二设定阈值的第二特征因素。
可选的,采用相关系数法或者灰色关联法从所述第一特征因素中确定与测试工况的关联性大于第二设定阈值的第二特征因素。类似的,将测试工况看作上述的续航里程,按照上述步骤410的计算方式可从所述第一特征因素中确定与测试工况的关联性大于第二设定阈值的第二特征因素。
步骤430、将所述第二特征因素作为训练样本对神经网络模型进行训练,获得神经网络预测模型。
通过上述步骤410和步骤420筛选与续航里程以及测试工况关联度较高的因素组成训练样本对神经网络模型进行训练,与常规的训练方法相比,可以大幅度提高模型预测的准确性。
步骤440、将待预测测试工况的相关因素输入至所述神经网络预测模型,获得续航里程以及相关控制因素。
其中,所述待预测测试工况的相关因素包括环境温度、电池容量、电池效率、电机效率、空调功率、车辆质量以及车辆行驶阻力中的一种或多种;所述相关控制因素包括电池能量损失、电机能量损失以及空调能耗中的一种或多种。
可选的,所述神经网络预测模型可以是BP神经网络模型,隐含层层数为1或2,每个隐含层的节点数为5或6,输入层到隐含层的激励函数为正切S形TansIg函数;隐含层到输出层的激励函数为PurelIn函数;训练次数为100次,学习速率为0.01。
本实施例提出的基于测试数据的续航里程预测算法,可准确预测车辆的续航里程。
进一步的,参考如图5所示的一种电动车续航里程测试方法的流程示意图,具体包括:
对测试数据进行筛选得到训练样本,使用训练样本对神经网络模型进行训练,测试数据具体可以是测试温度、电池容量、电池效率、电机效率、空调功率、循环工况以及测试质量。具体的,按照步骤(410)和步骤(420)的方法对测试数据中的各因素进行筛选,得到训练样本,基于训练样本对神经网络模型进行训练,得到神经网络预测模型。将待预测车辆的环境温度、电池容量、电池效率、电机效率、空调效率、测试质量、阻力系数以及循环工况数据输入至神经网络预测模型,获得续航里程,以及电池能量损失、电机能量损失和空调能耗。
概括性的,在上述BP神经网络模型训练完成后,可根据此模型,输入预测工况的相关参数和车辆参数,可以得出续航里程以及相关部件的能量损失。纯电动汽车的高/低温续航里程测试需要大量的时间和测试资源,根据此方法可以预测出车辆在各个温度下的续航里程,提高了效率,降低了成本。
图6为本发明实施例提供的一种电子设备的结构示意图。如图6所示,电子设备400包括一个或多个处理器401和存储器402。
处理器401可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备400中的其他组件以执行期望的功能。
存储器402可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器401可以运行所述程序指令,以实现上文所说明的本发明任意实施例的电动车续航里程测试系统以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如初始外参、阈值等各种内容。
在一个示例中,电子设备400还可以包括:输入装置403和输出装置404,这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。该输入装置403可以包括例如键盘、鼠标等等。该输出装置404可以向外部输出各种信息,包括预警提示信息、制动力度等。该输出装置404可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图6中仅示出了该电子设备400中与本发明有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备400还可以包括任何其他适当的组件。
除了上述方法和设备以外,本发明的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本发明任意实施例所提供的电动车续航里程测试方法的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本发明实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本发明的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本发明任意实施例所提供的电动车续航里程测试方法的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
需要说明的是,本发明所用术语仅为了描述特定实施例,而非限制本申请范围。如本发明说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。
还需说明的是,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。除非另有明确的规定和限定,术语“安装”、“相连”、“连接”等应做广义理解,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。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各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:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案。
Claims (10)
1.一种电动车续航里程预测方法,其特征在于,基于电动车续航里程测试方法所获得的数据执行,所述预测方法包括:
确定基于所述电动车续航里程测试方法所获得的数据中与续航里程的关联性大于第一设定阈值的第一特征因素;
从所述第一特征因素中确定与测试工况的关联性大于第二设定阈值的第二特征因素;
将所述第二特征因素作为训练样本对神经网络模型进行训练,获得神经网络预测模型;
将待预测测试工况的相关因素输入至所述神经网络预测模型,获得续航里程以及相关控制因素;
其中,所述待预测测试工况的相关因素包括环境温度、电池容量、电池效率、电机效率、空调功率、车辆质量以及车辆行驶阻力中的一种或多种;所述相关控制因素包括电池能量损失、电机能量损失以及空调能耗中的一种或多种;
基于所述电动车续航里程测试方法所获得的数据包括如下各因素以及任意几种因素之间的对应关系:环境仓温度、电池效率、电池容量、电机效率、空调能耗、测试工况、测试工况所需能耗、车辆质量以及续航里程。
2.根据权利要求1所述的方法,其特征在于,所述确定基于所述电动车续航里程测试方法所获得的数据中与续航里程的关联性大于第一设定阈值的第一特征因素,包括:
根据基于所述电动车续航里程测试方法所获得的数据构建初始矩阵;
对所述初始矩阵进行无量纲化处理,获得第一矩阵;
基于所述第一矩阵计算差矩阵;
确定所述差矩阵的极大值和极小值;
根据所述极大值和极小值确定各因素与续航里程的关联系数;
根据所述关联系数确定各因素与续航里程的灰色关联度;
选取灰色关联度大于第一设定阈值的因素作为所述第一特征因素;
所述神经网络预测模型的隐含层层数为1或2,每个隐含层的节点数为5或6,输入层到隐含层的激励函数为正切S形TansIg函数;
隐含层到输出层的激励函数为PurelIn函数;
训练次数为100次,学习速率为0.01。
3.一种电动车续航里程测试方法,其特征在于,应用于电动车续航里程测试系统,所述方法包括:
根据预设测试参数,通过所述电动车续航里程测试系统中的承载架设置匹配的行驶阻力系数以及测试工况,并对所述电动车的空调系统进行对应设置以及对用于模拟环境温度的环境仓的温度进行对应设置;
当满足设定条件时,启动所述测试系统进行电动车续航里程测试;
在进行电动车续航里程测试的过程中,所述电动车续航里程测试系统中的上位机通过数据采集单元采集测试数据;
当通过所述电动车续航里程测试系统中的显示屏显示的实时车速曲线与所述测试工况的曲线之间的误差达到误差阈值时,停止所述电动车续航里程测试,当停止所述电动车续航里程测试时,通过所述上位机基于采集的测试数据确定本次测试中电动车的动力电池的电量消耗量以及通过所述承载架记录本次测试的行驶里程;
其中,所述预设测试参数包括环境仓温度、测试工况、所述电动车的质量以及所述电动车空调的关联参数中的一种或多种。
4.根据权利要求3所述的方法,其特征在于,通过所述数据采集单元采集的测试数据至少包括:电动车动力电池的电压和电流、电动车空调系统的电压和电流以及电动车电机的电压和电流;
所述方法还包括:
根据所述数据采集单元采集的测试数据确定动力电池的累计放电量;
根据所述累计放电量和充电量确定动力电池的电池效率;
根据所述数据采集单元采集的测试数据确定所述空调系统的用电量;
根据所述空调系统的用电量、测试时间以及所述预设测试参数建立空调系统的用电量与环境仓温度、空调档位、空调的设定温度、空调的设定模式以及测试时间中的一种或者多种之间的对应关系;
根据所述数据采集单元采集的测试数据确定电动车电机的电机效率;
建立所述环境仓温度、所述电池效率、电池容量、所述电机效率、空调系统的用电量、测试工况、测试工况所需能耗、车辆质量以及续航里程中任意几种之间的对应关系。
7.一种电动车续航里程测试系统,其特征在于,包括:上位机,显示屏、承载架,三个电流传感器,三个电压传感器,两个温度传感器,环境仓和数据采集单元;
其中,所述上位机与所述数据采集单元通信连接,用于接收并存储所述数据采集单元所采集到的数据;
所述承载架用于电动车进行里程测试;
所述三个电流传感器分别用于在对电动车进行续航里程测试时检测所述电动车的动力电池的电流、所述电动车的空调系统的电流以及所述电动车的电机的电流;
所述三个电压传感器分别用于在对电动车进行续航里程测试时检测所述电动车的动力电池的电压、所述电动车的空调系统的电压以及所述电动车的电机的电压;
所述两个温度传感器分别用于检测所述电动车内部的温度和所述环境仓的温度;
所述数据采集单元用于采集所述三个电流传感器的电流数据、所述三个电压传感器的电压数据、所述两个温度传感器的温度数据以及所述电动车的CAN总线的数据;
所述显示屏与所述承载架通信连接,用于显示测试工况和所述承载架反馈的实时车速,以基于所述测试工况和所述实时车速确定电动车续航里程测试的结束时机。
8.根据权利要求7所述的系统,其特征在于,所述承载架包括底盘测功机、轴耦合测功机、五电机台架或者四电机台架。
9.一种电子设备,其特征在于,所述电子设备包括:
处理器和存储器;
所述处理器通过调用所述存储器存储的程序或指令,用于执行如权利要求1至6任一项所述的方法步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储程序或指令,所述程序或指令使计算机执行如权利要求1至6任一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210887943.5A CN114940132B (zh) | 2022-07-27 | 2022-07-27 | 电动车续航里程预测方法、测试方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210887943.5A CN114940132B (zh) | 2022-07-27 | 2022-07-27 | 电动车续航里程预测方法、测试方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114940132A true CN114940132A (zh) | 2022-08-26 |
CN114940132B CN114940132B (zh) | 2022-10-25 |
Family
ID=82910382
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210887943.5A Active CN114940132B (zh) | 2022-07-27 | 2022-07-27 | 电动车续航里程预测方法、测试方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114940132B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115655753A (zh) * | 2022-12-26 | 2023-01-31 | 中汽科技(北京)有限公司 | 电动汽车续航里程测试方法、系统、装置及存储介质 |
CN115828438A (zh) * | 2023-02-20 | 2023-03-21 | 中汽研汽车检验中心(天津)有限公司 | 汽车极限性能预测方法、介质、设备 |
CN115962962A (zh) * | 2023-03-17 | 2023-04-14 | 中汽研新能源汽车检验中心(天津)有限公司 | 一种等效整车的电驱动总成工况效率测试与评价方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100138091A1 (en) * | 2006-12-26 | 2010-06-03 | Byd Company Limited | Apparatus and method for controlling energy feedback for electric vehicle |
CN105676129A (zh) * | 2015-08-17 | 2016-06-15 | 广西大学 | 一种基于灰色理论的锂离子电池荷电状态预测方法 |
CN106326581A (zh) * | 2016-08-29 | 2017-01-11 | 北京新能源汽车股份有限公司 | 一种续驶里程的确定方法、装置及汽车 |
CN106427589A (zh) * | 2016-10-17 | 2017-02-22 | 江苏大学 | 基于工况预测和模糊能耗的电动汽车续驶里程估算方法 |
CN110091751A (zh) * | 2019-04-30 | 2019-08-06 | 深圳四海万联科技有限公司 | 基于深度学习的电动汽车续航里程预测方法、设备及介质 |
CN111231677A (zh) * | 2020-01-22 | 2020-06-05 | 东风汽车集团有限公司 | 一种用于纯电动车能量流的测试方法及系统 |
CN112197978A (zh) * | 2020-09-30 | 2021-01-08 | 盛国超 | 一种电动汽车续航里程模拟测试装置 |
CN112860782A (zh) * | 2021-02-07 | 2021-05-28 | 吉林大学 | 一种基于大数据分析的纯电动车续驶里程估计方法 |
CN113030628A (zh) * | 2021-04-30 | 2021-06-25 | 苏州华碧微科检测技术有限公司 | 一种电动汽车续航测试方法 |
CN113776852A (zh) * | 2021-09-10 | 2021-12-10 | 中国第一汽车股份有限公司 | 一种纯电动汽车的续驶里程和电耗的测试方法 |
-
2022
- 2022-07-27 CN CN202210887943.5A patent/CN114940132B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100138091A1 (en) * | 2006-12-26 | 2010-06-03 | Byd Company Limited | Apparatus and method for controlling energy feedback for electric vehicle |
CN105676129A (zh) * | 2015-08-17 | 2016-06-15 | 广西大学 | 一种基于灰色理论的锂离子电池荷电状态预测方法 |
CN106326581A (zh) * | 2016-08-29 | 2017-01-11 | 北京新能源汽车股份有限公司 | 一种续驶里程的确定方法、装置及汽车 |
CN106427589A (zh) * | 2016-10-17 | 2017-02-22 | 江苏大学 | 基于工况预测和模糊能耗的电动汽车续驶里程估算方法 |
CN110091751A (zh) * | 2019-04-30 | 2019-08-06 | 深圳四海万联科技有限公司 | 基于深度学习的电动汽车续航里程预测方法、设备及介质 |
CN111231677A (zh) * | 2020-01-22 | 2020-06-05 | 东风汽车集团有限公司 | 一种用于纯电动车能量流的测试方法及系统 |
CN112197978A (zh) * | 2020-09-30 | 2021-01-08 | 盛国超 | 一种电动汽车续航里程模拟测试装置 |
CN112860782A (zh) * | 2021-02-07 | 2021-05-28 | 吉林大学 | 一种基于大数据分析的纯电动车续驶里程估计方法 |
CN113030628A (zh) * | 2021-04-30 | 2021-06-25 | 苏州华碧微科检测技术有限公司 | 一种电动汽车续航测试方法 |
CN113776852A (zh) * | 2021-09-10 | 2021-12-10 | 中国第一汽车股份有限公司 | 一种纯电动汽车的续驶里程和电耗的测试方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115655753A (zh) * | 2022-12-26 | 2023-01-31 | 中汽科技(北京)有限公司 | 电动汽车续航里程测试方法、系统、装置及存储介质 |
CN115828438A (zh) * | 2023-02-20 | 2023-03-21 | 中汽研汽车检验中心(天津)有限公司 | 汽车极限性能预测方法、介质、设备 |
CN115828438B (zh) * | 2023-02-20 | 2023-05-05 | 中汽研汽车检验中心(天津)有限公司 | 汽车极限性能预测方法、介质、设备 |
CN115962962A (zh) * | 2023-03-17 | 2023-04-14 | 中汽研新能源汽车检验中心(天津)有限公司 | 一种等效整车的电驱动总成工况效率测试与评价方法 |
CN115962962B (zh) * | 2023-03-17 | 2024-01-26 | 中汽研新能源汽车检验中心(天津)有限公司 | 一种等效整车的电驱动总成工况效率测试与评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114940132B (zh) | 2022-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114940132B (zh) | 电动车续航里程预测方法、测试方法和系统 | |
CN112051076B (zh) | 新能源汽车动力总成路谱加载试验方法 | |
CN112542601B (zh) | 燃料电池车热平衡测试装置及测试方法 | |
CN107539306A (zh) | 基于模糊小脑模型神经网络的汽车转矩分配控制方法 | |
CN108871788A (zh) | 一种自动变速器换挡品质测试台架及其校验方法和换挡品质评价方法 | |
CN113895307B (zh) | 一种剩余里程的确定方法、装置、电动汽车及介质 | |
CN109720207B (zh) | 车辆能耗分析方法、装置及计算机可读介质 | |
TWI806670B (zh) | 一種電動汽車質量的動態計算方法及裝置 | |
CN111198032A (zh) | 汽车质量实时估算方法 | |
CN114676495A (zh) | 一种汽车能耗的预测方法、装置和设备 | |
CN110376608B (zh) | 一种基于功率平衡的车辆总质量动态测量方法 | |
CN116853011A (zh) | 一种自适应车重的能量回收方法、系统、装置及存储介质 | |
CN116176283A (zh) | 车辆续航里程预测方法、装置、设备和作业机械 | |
CN116992240B (zh) | 一种车辆排放远程评估方法、设备和存储介质 | |
CN208350965U (zh) | 一种纯电动汽车电池组健康状态测取装置 | |
CN114778141B (zh) | 汽车电驱动总成台架耐久试验制定方法、装置及设备 | |
CN113435061B (zh) | 一种电驱动系统可靠性目标载荷快速构建方法 | |
CN116011995A (zh) | 车辆保养信息推送方法、装置、电子设备及存储介质 | |
CN115792474A (zh) | 新能源汽车电驱动总成动力加速性测试评价方法 | |
CN113987685A (zh) | 一种纯电动汽车多工况下整车性能仿真方法及装置 | |
CN117871117B (zh) | 场车运行状态的测试方法及系统 | |
CN118068800A (zh) | 汽车电耗诊断方法、装置、电子设备、存储介质及车辆 | |
CN118052323A (zh) | 一种车辆重量的预测方法、设备及存储介质 | |
CN114919593B (zh) | 车辆载荷估算方法、设备和存储介质 | |
CN117390867A (zh) | 一种能耗评估方法、装置、电子设备以及介质 |
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 |