CN115071491A - 用于估计电动车辆的当前能耗的方法和系统 - Google Patents

用于估计电动车辆的当前能耗的方法和系统 Download PDF

Info

Publication number
CN115071491A
CN115071491A CN202210223297.2A CN202210223297A CN115071491A CN 115071491 A CN115071491 A CN 115071491A CN 202210223297 A CN202210223297 A CN 202210223297A CN 115071491 A CN115071491 A CN 115071491A
Authority
CN
China
Prior art keywords
energy consumption
moving average
modeled
battery
average model
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
Application number
CN202210223297.2A
Other languages
English (en)
Inventor
一·赵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Volvo Truck Corp
Original Assignee
Volvo Truck Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Volvo Truck Corp filed Critical Volvo Truck Corp
Publication of CN115071491A publication Critical patent/CN115071491A/zh
Pending legal-status Critical Current

Links

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
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • 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]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • B60L2200/00—Type of vehicles
    • B60L2200/36—Vehicles designed to transport cargo, e.g. trucks
    • 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
    • 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
    • B60L2260/42—Control modes by adaptive correction
    • 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
    • B60L2260/44—Control modes by parameter estimation
    • 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
    • B60L2260/48—Control modes by fuzzy logic
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/40—The network being an on-board power network, i.e. within a vehicle
    • H02J2310/48—The network being an on-board power network, i.e. within a vehicle for electric vehicles [EV] or hybrid vehicles [HEV]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • H02J7/0048—Detection of remaining charge capacity or state of charge [SOC]

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明涉及用于估计电动车辆的当前能耗的方法和系统，其中该电动车辆(1)由推进电池(2)供电，该方法包括：获得(S102)一组先前时刻(t‑1、t‑2、t‑3)的先前能耗值(ECt‑1、ECt‑2、ECt‑3)和当前驾驶模式参数值；基于馈送有能耗值的加权移动平均模型(5)来估计(S104)当前能耗(ECt)，其中，加权移动平均模型包含先前能耗值中的至少一部分中的每一个的建模增益因子，其中建模增益因子被建模为驾驶模式参数的函数。

Description

用于估计电动车辆的当前能耗的方法和系统
技术领域
本公开涉及一种用于估计由推进电池供电的电动车辆的当前能耗的方法。本公开还涉及对应系统。虽然将关于呈卡车形式的车辆来描述该方法和该系统，但是该方法和该系统也可以高效地并入其它车辆类型(诸如，公共汽车)中，只要它们至少部分是电动的即可。
背景技术
电池正成为用于为车辆提供推进动力的更常见的动力来源。这些电池最常是可充电电池，并且通常由若干电池单体组成，这些电池单体可以串联和/或并联连接，从而形成车辆的整个电池组。
在电动车辆的能量管理中，电池中的可用能量通常被监测。可用能量可以用于估计可用行驶里程或所谓的剩余能量可行驶距离，这对于电动汽车来说是重要的，因为充电站通常稀疏地分布在一些区域。此外，因为充电时间通常比内燃车辆长，所以能够规划充电时机以避免长充电时间是有利的。
为了估计剩余能量可行驶距离，准确估计当前能耗是重要的。例如，可以随时间计算长期能量效率，或者可以将预定义的能量效率用于估计剩余能量可行驶距离。
然而，当前能耗的准确估计还有改进的空间，并且因此，电动车辆的驾驶员经常关心的剩余能量可行驶距离估计的准确性也有改进的空间。
发明内容
本发明的目的是提供一种用于估计由推进电池供电的电动车辆的当前能耗的改进的方法。
根据本发明的第一方面，该目的由根据本发明第一方面所述的方法实现。
根据本发明的第一方面，提供了一种用于估计由推进电池供电的电动车辆的当前能耗的方法，该方法包括：获得一组先前时刻的先前能耗值和当前驾驶模式参数值；基于馈送有能耗值的加权移动平均模型来估计当前能耗，其中，加权移动平均模型包含先前能耗值中的至少一部分中的每一个的建模增益因子，其中建模增益因子被建模为驾驶模式参数的函数。
通过提供包括使用基于加权移动平均模型的模型的方法，在估计中可以考虑更多未知的或难以预测的因素。例如，影响能耗但难以预测的因素可能是空气阻力、驾驶员行为、道路状况、天气状况、轮胎压力、负载重量等。如本文所呈现的移动平均值有利地考虑了可能影响估计值(即，当前能耗)的已知的和这些未知的因素。即使影响能耗的驾驶状况因素未知，通过移动平均提供能耗的短期指示。此外，如根据本发明概念所实现的，使用作为驾驶模式参数的函数的建模增益因子提供了较准确的加权移动平均模型，即使没有物理模型来描述这些外部因素，该加权移动平均模型也可以进一步考虑这些因素。
驾驶模式参数是反映直接或间接指示或影响能耗的驾驶行为的参数。示例驾驶模式参数有：电池端电压、电池荷电状态、电池电流、电池温度、车速、从开始起行驶的距离、从驾驶会话的开始起的时间等。增益因子被建模为驾驶模式参数的函数，由此用于先前能耗值的增益因子适于提供过去行为的反映，对于过去行为，影响能耗的大量不同因素被考虑在内。
能耗值通常是每单位距离消耗的能量，例如，以kWh/km(千瓦时/千米)为单位。然而，其它表达也是可以想到的，只要它反映每单位距离消耗的能量即可。
先前能耗值中的每一个先前能耗值对应于先前时刻中的相应一个先前时刻。换句话说，先前能耗值是一组过去时刻的过去能耗值。
荷电状态是能量储存装置中的当前荷电水平与其满容量的比较，并且可以以百分比值给出。
推进电池应被解释为向车辆提供推进能量。因此，车辆可以是包括电动发动机的电动车辆、混合动力车辆或插电式混合动力车辆，其中电池向电动发动机提供动力，以用于为电动车辆、混合电力车辆或插电式混合动力车辆提供推进力。
移动平均值通常涉及一定数量的先前时刻的平均值，其中，随着时间的流逝，计算平均值的窗口随着时间移动。例如，如果移动平均值针对于属于三个先前时间单位的一组数据，那么随着时间的流逝，该组数据对应地向前移位。
根据示例实施例，增益因子可以被建模为电池参数的非线性函数。通过在增益因子的模型中包含高阶项，提供了较准确的移动平均模型。因此，驾驶模式参数可以是电池参数。因此，增益因子可以由电池参数的非线性函数给出。
例如，电池参数可以是端电压、电流、温度或者优选是荷电状态。增益因子可以被建模为电池参数的多项式函数。因此，提供了对于需要降低的计算能力的增益因子的准确且相对简单的模型。
每次加权移动平均模型估计当前能耗，都计算增益因子。为此，当前驾驶模式参数被插入增益因子的函数中，以使得一组当前增益因子得以计算。该组当前增益因子在加权移动平均模型中用于估计当前能耗。因此，增益因子随着驾驶参数被更改而变化。此外，增益因子各自与先前或过去时刻中的相应一个时刻相关。
根据示例实施例，该方法可以包括获得当前电池参数值，其中估计当前能耗基于被馈送能耗值和电池参数值的加权移动平均模型，其中移动平均模型包含电池参数值的建模增益因子。通过向加权移动平均值添加另外的参数(此处是电池参数)和对应增益因子，该模型可以较好地处置偏移情形。例如，如果先前能耗值与车辆强烈加速的情形相关，而另一先前能耗值与强烈减速相关，那么电池参数及其增益因子用于使这种偏移平滑化。电池参数可以是电池的荷电状态。
根据示例实施例，加权移动平均模型可以是线性时不变模型。这有利地通过为移动平均模型提供的增益因子来提供，该移动平均模型没有时间依赖性，并且因此需要降低的计算能力来执行。因此，电动车辆中具有有限计算能力的嵌入式电子控制单元可以用于执行该方法。
根据示例实施例，建模增益因子是基于机器学习算法来使用函数逼近器从而建模的。使用机器学习算法可以有利地基于先前驾驶模式来确定准确的增益因子。示例机器学习算法包含神经网络、Nelder Mead方法、马尔可夫链、神经模糊、遗传算法等，这些是非线性系统的已知系统识别算法。
根据示例实施例，建模增益因子可以使用机器学习算法来离线地预先确定，并且被嵌入在车辆上的嵌入式系统中加载的加权移动平均模型中，并且在车辆的操作期间操作。以这种方式，通过预先确定增益因子，嵌入式系统可以有效地执行该方法。
增益因子可以例如是从包含一组驾驶会话的驾驶模式数据的驾驶模式确定的。一些驾驶模式数据也可以是从实验测试确定的。先前驾驶模式可以包含用于不同情况的多组数据，诸如，用于高速情况、平均速度情况、低速情况的多组数据，以及用于不同类型的车辆(例如，垃圾车使用、拖运车使用、消防车等)的多组数据等。示例驾驶模式数据有是电池端电压、电池荷电状态、电池电流、电池温度、车速、从开始起行驶的距离、从驾驶会话的开始起的时间等。增益因子因此可以基于先前驾驶模式来建模。
根据示例实施例，该方法可以包括基于所预测的当前能耗和电池的荷电状态来确定剩余行驶距离。由此，以提高的准确度确定剩余行驶距离。
根据示例实施例，其中，对于从实际驾驶模式测试获得的多个推进电池，增益因子可以基于包括一组荷电状态值和至少一个另外的电池参数的一组值的先前驾驶模式数据来建模。该至少一个其它参数可以是时间(秒)、端电压(V)、电流(A)、温度(℃)、车速(km/h)、行驶距离(km)中的一个或多个。先前驾驶模式的数据通过高准确度传感器和装置来测量，并用作增益因子的建模的参考数据。
根据示例实施例，先前时刻的数量选自最近一秒到最近100秒的范围。优选地，使用最近约2、3、4、5秒，这提供了当前能耗的短期指示，这种短期指示不会导致因考虑过去太远发生的事件而过度估计输出。
根据本发明的第二方面，提供了一种用于估计由推进电池供电的电动车辆的当前能耗的系统，该系统包括：用于获得驾驶模式参数值的装置；存储器存储装置，该存储器存储装置用于存储加权移动平均模型的表示，该加权移动平均模型适于基于先前能耗值来估计当前能耗，该加权移动平均模型包含先前能耗值中的至少一部分的建模增益因子，其中该建模增益因子被建模为驾驶模式参数的函数；以及处理电路，该处理电路用于检索和执行加权移动平均模型以估计当前能耗。
根据示例实施例，建模增益因子使用机器学习算法来离线地预先确定，并且将这些建模增益因子在车辆的操作之前加载在存储器存储装置上。
本发明的第二方面的效果和特征在很大程度上类似于上文结合第一方面描述的效果和特征。
根据本发明的第三方面，提供了一种车辆，该车辆包括根据第二方面的系统。
根据本发明的第四方面，提供了一种计算机程序，该计算机程序包括程序代码装置，当该程序在计算机上运行时，该程序代码装置用于执行第一方面的步骤。
根据本发明的第五方面，提供了一种携载包括程序代码装置的计算机程序的计算机可读介质，当该程序产品在计算机上运行时，该程序代码装置用于执行第一方面的步骤。
根据本发明的第六方面，提供了一种用于估计由推进电池供电的电动车辆的当前能耗的控制单元，该控制单元被配置成执行根据第一方面的方法的步骤。
第三方面、第四方面、第五方面，和第六方面的效果和特征在很大程度上类似于上文关于第一方面描述的效果和特征。
当研读随附权利要求书和下文描述时，其它特征和优点将变得显而易见。本领域的技术人员应认识到，在不偏离本公开的范围的情况下，可以组合不同特征以产生与下文所述的实施例不同的实施例。
附图说明
参照附图，下文是作为示例引述的本发明的实施例的更详细描述。
在附图中：
图1是根据本发明的示例实施例的呈电动卡车形式的车辆；
图2是根据本发明的示例实施例的系统的框图；
图3是图示剩余行驶距离对时间的曲线图；
图4是示意性地图示本发明的示例实施例的将增益因子建模的过程的框图；以及
图5是根据本发明的示例实施例的方法步骤的流程图。
具体实施方式
现将在下文中参照附图更全面地描述本发明，其中本发明的示范性实施例示出在附图中。然而，本发明可以按许多不同形式来体现，并且不应被解释为限于本文所阐述的实施例；实际上，这些实施例是为了详尽和完整而提供。本领域的技术人员应认识到，可以在随附权利要求书的范围内作出某些改变和修改。
相同附图标记在本说明书全文中表示相同元件。
图1图示了呈电动卡车1形式的车辆，该车辆包括呈推进电池2形式的电能储存模块，该电能储存模块通常包括多个串联和并联连接的电池单体。推进电池2被布置成向电动发动机(未示出)提供动力，该电动发动机被布置成向电动卡车1提供推进力。电动卡车1还包括电池管理系统100，该电池管理系统被配置成监测电池单体特性，诸如，荷电状态、电池电压和可选的电池单体的温度，并估计由推进电池2供电的电动车辆1的当前能耗。
图2是用于估计由推进电池2供电的电动车辆的当前能耗的系统100的框图。系统100包括用于获得驾驶模式参数值的装置101。这种装置可以是例如数据获取单元101或另一控制单元101，该数据获取单元101或另一控制单元101被配置成从适于测量电池2的特性以确定荷电状态的传感器获取数据，并从驾驶性能传感器102获取驾驶数据参数，诸如，行驶距离。例如，对于从电池提取的每kWh，可以将相关联的行驶距离作为驾驶参数值测量。作为又一示例，使用电池2的测量电流、电压和温度来估计给定时间的荷电状态，并将该给定时间的荷电状态馈送到控制单元106，以用于使用驾驶参数值来计算每次计算新的移动平均值时的增益因子。
应理解，也可以同样良好地使用一组分散式控制单元，例如，电子控制单元(ECU)。例如，装置101可以包括连接到传感器的ECU，这些传感器在给定时间获取数据，诸如，kWh和行驶距离。可以使用另一控制单元(例如，电池控制器)来计算荷电状态，并且控制单元106可以被配置成执行移动平均模型。因此，本发明概念可以使用一个控制单元或若干具有所指配的功能的控制单元来实施。
此外，包含存储器存储装置104，该存储器存储装置用于存储加权移动平均模型的表示，该加权移动平均模型适于基于先前能耗值来估计当前能耗。加权移动平均模型包含先前能耗值中的至少一部分的建模增益因子，其中建模增益因子被建模为驾驶模式参数的函数，如下文将更详细地讨论。
此外，包含处理电路(诸如，控制单元106)，并将该处理电路配置成用于检索和执行加权移动平均模型以估计当前能耗。控制单元106连接到数据获取单元101以获得驾驶模式参数的数据，使得控制单元106可以处理从存储器存储装置104检索到的加权移动平均模型中的数据。
控制单元106被硬连线或无线连接到存储器存储装置104和数据获取单元101。
一旦已经计算出当前能耗，控制单元106就可以基于所预测的当前能耗和电池2的当前荷电状态来计算剩余行驶距离。
图3是图示剩余行驶距离(所谓的剩余能量可行驶距离)对时间的曲线图。每个时刻具有相应能耗值，可以从该能耗值计算出剩余行驶距离。当前时刻的能耗Ect被计算为先前能耗值ECt-1、ECt-2和ECt-3的加权移动平均值。先前能耗值是在先前时间步长中使用加权移动平均模型已经估计的值。
加权移动平均模型包含先前能耗值ECt-1、ECt-2和ECt-3中的至少一部分(优选地，先前能耗值ECt-1、ECt-2和ECt-3中的每一个)的建模增益因子。建模增益因子被建模为驾驶参数的函数。在每个新的时刻，增益因子是基于当前驾驶参数值(优选地，电池参数，诸如，当前荷电状态)来计算的。这将参照图4来更详细地描述。同样，先前能耗值(此处，ECt-1、ECt-2和ECt-3)各自是加权移动平均模型的结果。当模型第一次启用时，原始的计算能耗值或过去驾驶会话中存储在存储器中的先前值中的任一者都可以用作起始值。
图4是示意性地图示将增益因子建模的过程的框图。增益因子是使用机器学习算法(优选地，所谓的函数逼近器，比如，遗传算法)来建模的。该框图因此包含机器学习算法模块9。
加权移动平均模型优选地是线性时不变模型。例如，模型模块5的加权移动平均模型可以由下式给出：
Figure BDA0003534575370000091
其中ECt是当前能耗，ECt-1、ECt-2和ECt-3是时刻t-1、t-2和t-3的先前能耗值，并且α、β、γ和θ是增益因子。先前能耗值是模型5的先前输出，即，在先前的时间步长t-1、t-2和t-3的先前输出。此处，加权移动平均值还包含当前荷电状态和相应增益因子θ。
增益因子由函数逼近器9被建模为驾驶模式参数(例如，荷电状态(SoC))的函数，即，对于α：
α＝A*SOC2+B*SoC+C
此处是荷电状态的非线性函数。虽然α此处是荷电状态的二阶函数，但更高阶(诸如，三阶、四阶、五阶等)也是可以想到的。对于其它增益因子(例如，β、γ和θ)，也提供了类似函数。换句话说，增益因子中的每一个增益因子可以被建模为驾驶模式参数(例如，荷电状态(SoC))的非线性函数。
来自实际驾驶模式的数据被预先输入并存储在参考数据模块7中。此数据包含在实际驾驶情形下执行的一组驾驶会话的驾驶模式数据。一些驾驶模式数据也可以是从实验测试确定的。先前驾驶模式可以包含用于不同情况的多组数据，诸如，用于高速情况、平均速度情况、低速情况的多组数据，以及用于不同类型的车辆(例如，垃圾车使用、拖运车使用、消防车等)的多组数据等。示例驾驶模式数据有是电池端电压、电池荷电状态、电池电流、电池温度、车速、从开始起行驶的距离、从驾驶会话的开始起的时间等。
来自机器学习算法9的输出包含被输入到加权移动平均模型5的建模增益因子。因此，在过程的当前迭代中，来自机器学习算法的当前估计的增益因子α^、β^、γ^和θ^用在模型5中。从参考数据计算出实际能耗值，并与移动平均模型5的输出进行比较。获得它们之间的误差，并将该误差用于机器学习算法，以在下一次迭代中提供被建模的α、β、γ和θ的改进的估计，由此从机器学习算法输出的下一次迭代的增益因子被再次输入到移动平均模型5中。重复此过程，直至获得满意的误差裕度为止。最终建模增益因子α、β、γ和θ用于最终加载在车辆1的存储器存储装置104上的加权移动平均模型中。
有利地，建模增益因子使用机器学习算法9来离线地预先确定，并且被嵌入在加权移动平均模型中，该加权移动平均模型在包括控制单元106和存储器104的嵌入式系统中加载在车辆1上。嵌入式系统可以在车辆的操作期间使用加权移动平均模型操作。以这种方式，降低了车辆上所需的计算能力，即，增益因子被预加载在车辆1的存储器存储装置104中，因此，不必在每次使用加权移动平均模型时对这些增益因子进行建模。因此，经建模的低通滤波器型加权移动平均模型将使用嵌入式代码实施方案安装在目标板(如ESCM或HPCU等)上。
图5是根据本发明的示例实施例的方法步骤的流程图。
在步骤S102中，获得一组先前时刻的先前能耗值和当前驾驶模式参数值。
在步骤S104中，基于馈送有能耗值的加权移动平均模型来估计当前能耗。加权移动平均模型包含先前能耗值中的至少一部分的建模增益因子。建模增益因子是基于驾驶模式参数的函数而建模的。当基于加权移动平均模型来估计当前能耗时，使用在步骤S102中获得的当前驾驶模式参数值来计算增益因子。
可选地，在步骤S106中，基于所预测的当前能耗和电池的当前荷电状态来确定剩余行驶距离。
控制单元可以包含微处理器、微控制器、可编程数字信号处理器或另一可编程装置。因此，控制单元包括电子电路和连接(未示出)以及处理电路(未示出)，使得控制单元可以与卡车的不同部分通信，诸如，制动器、悬架、传动系统，特别是电动发动机、电机、离合器和变速箱，以便至少部分地操作卡车。控制单元可以包括硬件或软件的模块，或者部分硬件或软件的模块，并且使用已知的传输总线(诸如，CAN总线)和/或无线通信能力进行通信。处理电路系统可以是通用处理器或专用处理器。控制单元包括用于存储计算机程序代码和数据的非暂时性存储器。因此，本领域的技术人员意识到，控制单元可以由许多不同构造体现。
本公开的控制功能可以使用现有计算机处理器、或通过用于出于此目的或其它目的而并入的适当系统的专用计算机处理器或通过硬连线系统来实施。本公开的范围内的实施例包含程序产品，该程序产品包括机器可读介质，机器可读介质用于携载机器可执行指令或数据结构，或使机器可执行指令或数据结构存储在该机器可读介质上。这些机器可读介质可以是可由通用或专用计算机或具有处理器的其它机器访问的任何可用介质。举例来说，这些机器可读介质可以包括RAM、ROM、EPROM、EEPROM、CD-ROM或其它光盘存储装置、磁盘存储装置或其它磁性存储装置，或可以用于携载或存储呈机器可执行指令或数据结构的形式的期望程序代码并且可以由通用或专用计算机或具有处理器的其它机器访问的任何其它介质。当在网络或另一通信连接(硬连线、无线或硬连线或无线的组合)上将信息传递或提供到机器时，该机器将该连接适当地视为机器可读介质。因此，任何此种连接被适当地称为机器可读介质。上述各项的组合也包含在机器可读介质的范围内。机器可执行指令包含例如使通用处理器、专用处理器或专用处理机执行某功能或一群功能的指令和数据。
虽然附图可以示出序列，但步骤的次序可以不同于所描绘的次序。此外，可以同时或部分同时地执行两个或更多个步骤。此变化将取决于所选择的软件和硬件系统并取决于设计者的选择。所有这些变化处于本公开的范围内。同样，可以使用基于规则的逻辑和其它逻辑用标准编程技术实现软件实施方案以实现各种连接步骤、处理步骤、比较步骤和决策步骤。虽然已参考本发明的具体示范性施例来描述本发明，但对于本领域的技术人员来说，许多不同更改、修改等将变得清楚。
应理解，本发明不限于上文所述且附图所图示的实施例；实际上，本领域的技术人员应认识到可以在随附权利要求书的范围内进行许多改变和修改。

Claims (15)

1.一种用于估计由推进电池(2)供电的电动车辆(1)的当前能耗的方法，所述方法包括：
获得(S102)一组先前时刻(t-1、t-2、t-3)的先前能耗值(ECt-1、ECt-2、ECt-3)和当前驾驶模式参数值；
基于馈送有所述能耗值的加权移动平均模型(5)来估计(S104)当前能耗(ECt)，其中，
所述加权移动平均模型包含所述先前能耗值中的至少一部分中的每一个的建模增益因子，其中所述建模增益因子被建模为所述驾驶模式参数的函数。
2.根据权利要求1所述的方法，其中，所述增益因子被建模为电池参数的非线性函数。
3.根据权利要求1和2中的任一项所述的方法，包括获得当前电池参数值，其中，估计(S104)所述当前能耗(ECt)是基于馈送有所述能耗值和所述电池参数值的所述加权移动平均模型(5)来进行的，其中，所述移动平均模型包含所述电池参数值的建模增益因子。
4.根据权利要求2和3中的任一项所述的方法，其中，所述电池参数是所述推进电池的荷电状态。
5.根据前述权利要求中的任一项所述的方法，其中，所述加权移动平均模型是线性时不变模型。
6.根据前述权利要求中的任一项所述的方法，其中，所述建模增益因子是基于机器学习算法(9)使用函数逼近器来建模的。
7.根据前述权利要求中的任一项所述的方法，其中，所述建模增益因子使用机器学习算法(9)来离线地预先确定，并且所述建模增益因子被嵌入在所述车辆上的嵌入式系统中加载的所述移动平均模型中并且在所述车辆的操作期间操作。
8.根据前述权利要求中的任一项所述的方法，包括基于所预测的当前能耗和所述荷电状态来确定剩余行驶距离(S106)。
9.根据前述权利要求中的任一项所述的方法，其中，对于从实际驾驶模式测试获得的多个推进电池，所述增益因子基于包括一组荷电状态值和至少一个另外的电池参数的一组值的先前驾驶模式数据来建模。
10.根据前述权利要求中的任一项所述的方法，其中，先前时刻的数量选自最近一秒到最近100秒的范围。
11.一种用于估计由推进电池(2)供电的电动车辆(1)的当前能耗的系统(100)，所述系统(100)包括：
用于获得驾驶模式参数值的装置；
存储器存储装置(104)，所述存储器存储装置(104)用于存储加权移动平均模型的表示，所述加权移动平均模型适于基于先前能耗值来估计所述当前能耗，所述加权移动平均模型包含所述先前能耗值中的至少一部分的建模增益因子，
其中所述建模增益因子被建模为所述驾驶模式参数的函数，以及
处理电路(104)，所述处理电路(104)用于检索和执行所述加权移动平均模型以估计所述当前能耗。
12.一种车辆，包括根据权利要求11所述的系统。
13.一种包括程序代码装置的计算机程序，当所述程序在计算机上运行时，所述程序代码装置用于执行权利要求1到10中的任一项的步骤。
14.一种携载包括程序代码装置的计算机程序的计算机可读介质，当程序产品在计算机上运行时，所述程序代码装置用于执行权利要求1到10中的任一项的步骤。
15.一种用于估计由推进电池供电的电动车辆的当前能耗的控制单元(104)，所述控制单元(104)被配置成执行根据权利要求1到10中的任一项的方法的步骤。
CN202210223297.2A 2021-03-16 2022-03-07 用于估计电动车辆的当前能耗的方法和系统 Pending CN115071491A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP21163014.0A EP4059770B1 (en) 2021-03-16 2021-03-16 A method and system for method for estimating a present energy consumption of an electrically propelled vehicle
EP21163014.0 2021-03-16

Publications (1)

Publication Number Publication Date
CN115071491A true CN115071491A (zh) 2022-09-20

Family

ID=74947066

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210223297.2A Pending CN115071491A (zh) 2021-03-16 2022-03-07 用于估计电动车辆的当前能耗的方法和系统

Country Status (3)

Country Link
US (1) US11890963B2 (zh)
EP (1) EP4059770B1 (zh)
CN (1) CN115071491A (zh)

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8138720B2 (en) * 2008-02-26 2012-03-20 Afs Trinity Power Corporation System and method for dual energy storage management
US8080971B2 (en) * 2008-06-12 2011-12-20 Northern Illinois University Active electrical power flow control system for optimization of power delivery in electric hybrid vehicles
US9360527B2 (en) * 2011-08-12 2016-06-07 Johnson Controls Technology Llc System and method for energy prediction in battery packs
US8761981B2 (en) * 2011-10-18 2014-06-24 Fuel Motion Inc. Method and apparatus for a vehicle control unit (VCU), using current and historical instantaneous power usage data, to determine optimum power settings for a hybrid electric drive system
KR101956384B1 (ko) * 2012-05-21 2019-03-08 현대자동차주식회사 전기자동차의 주행가능거리 산출 방법
US20140074329A1 (en) * 2012-09-07 2014-03-13 Chrysler Group Llc Vehicle electric range estimation
GB201311515D0 (en) * 2013-06-27 2013-08-14 Jaguar Land Rover Ltd EV range prediction
JP6520902B2 (ja) 2016-12-14 2019-05-29 トヨタ自動車株式会社 コネクティッド車両
GB2581786A (en) * 2019-02-22 2020-09-02 Dyson Technology Ltd Range prediction
US20200309857A1 (en) * 2019-03-27 2020-10-01 Enersys Delaware Inc. Methods, systems, and devices for estimating and predicting battery properties

Also Published As

Publication number Publication date
EP4059770B1 (en) 2024-08-21
US20220297569A1 (en) 2022-09-22
EP4059770C0 (en) 2024-08-21
US11890963B2 (en) 2024-02-06
EP4059770A1 (en) 2022-09-21

Similar Documents

Publication Publication Date Title
US8521408B2 (en) Method for estimating remaining travel distance of electric vehicle
EP3369604B1 (en) Method and system for estimating remaining range of electric car, and electric car
EP3245096B1 (en) Method and arrangement for determining a value of the state of energy of a battery in a vehicle
CN110549876B (zh) 一种能量输出控制方法、装置和氢燃料混合动力汽车
CN102368091B (zh) 用于评估电池的电池参数的方法
US9037327B2 (en) Distance to empty calculation method for electric vehicle
CN103802675B (zh) 一种电动汽车剩余里程检测方法及系统
CN102463904B (zh) 电动汽车可行驶里程预测
CN104773086B (zh) 使用滚动时域回归分析来估计电池阻抗参数的方法和系统
KR102343974B1 (ko) 배터리 팩의 충전 상태를 결정하기 위한 방법 및 장치
CN105467325A (zh) 电池容量退化解决的方法和系统
KR101509745B1 (ko) 공조장치 소비전력 산출방법
CN103713262A (zh) 用于计算绿色车辆的可能行驶距离的系统和方法
CN105452050B (zh) 用于平衡能量存储系统的方法和装置
EP3585642B1 (en) A method and arrangement for balancing a battery pack
CN102455411A (zh) 自适应的缓慢变化电流检测
US20150197158A1 (en) Perturbative injection for battery parameter identification
US20240003981A1 (en) Method for estimating a power or current limit for an electrical energy storage system
CN112673320A (zh) 用于估计车辆中的电池单体的操作参数的方法
CN112912745A (zh) 根据开路电压图形确定电化学电池的充电状态和老化状态的方法
US20230176137A1 (en) Method and system for determining a remaining useful lifetime of a battery
CN113287242A (zh) 电动车辆的soc和soh协同估计系统和方法
CN115071491A (zh) 用于估计电动车辆的当前能耗的方法和系统
CN104598714A (zh) 车辆用电池的可用容量演算装置及方法及可机读记录媒体
EP4257997A1 (en) A method and system for state of charge calibration for an electrical energy storage system

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