CN115352282B - 一种电动汽车续驶里程的预测方法、装置、设备及介质 - Google Patents
一种电动汽车续驶里程的预测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115352282B CN115352282B CN202211167467.6A CN202211167467A CN115352282B CN 115352282 B CN115352282 B CN 115352282B CN 202211167467 A CN202211167467 A CN 202211167467A CN 115352282 B CN115352282 B CN 115352282B
- Authority
- CN
- China
- Prior art keywords
- value
- driving
- driving range
- range
- period
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000005265 energy consumption Methods 0.000 claims abstract description 55
- 230000036541 health Effects 0.000 claims abstract description 28
- 238000001914 filtration Methods 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 abstract description 12
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000003487 electrochemical reaction Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research 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
-
- 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)
- 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
本发明提供一种电动汽车续驶里程的预测方法、装置、设备及介质,涉及电动汽车的整车控制技术领域,包括:获取电动汽车的电池荷电状态、电池健康状态以及能耗信息;根据电池荷电状态、电池健康状态以述能耗信息获取当前周期内的续驶里程理论值;根据上一周期内的续驶里程参考值、本周期内的行驶里程以及续驶里程理论差值计算得到的结果与本周期内的续驶里程理论值对比,取其最大值为本周期内的续驶里程参考值;根据本周期内的续驶里程参考值与续驶理论值计算得到续驶里程加权值;根据续驶里程加权值及能耗系数计算得到续驶里程显示值。本发明避免了由于瞬时路况及行驶能耗变化导致续驶里程突变的情况,同时保证续驶里程数据稳定准确。
Description
技术领域
本申请涉及电动汽车的整车控制技术领域,具体涉及一种电动汽车续驶里程的预测方法、装置、设备及介质。
背景技术
纯电动汽车是以动力电池为动力源的交通运输工具,但受限于电池能量密度低等技术瓶颈的影响,纯电动汽车的续航里程较短、充电时间长等问题依旧是制约其迅速推广和发展的关键因素。因此,人们在驾驶纯电动汽车出行时,依旧需要频繁关注仪表上显示的剩余续驶里程等信息,以便于对出行路径和里程等都事先做好规划,减轻驾驶员的里程焦虑。
剩余续驶里程,即当前车载电量下维持车辆在某种工况下的行驶里程,现有续航里程的计算方法得到所述续航里程,根据环境温度不同、路况和整车总质量等,选择不同的计算方法,但一般都没有考虑电池健康度和驾驶模式切换对于续驶里程的影响,或对于驾驶模式切换后的时效性较低,需要运行一段时间才能显现在里程上,从而无法为驾驶员提供准确的续驶里程信息。
发明内容
鉴于以上所述现有技术的缺点,本发明提供一种电动汽车续驶里程的预测方法、装置、设备及介质,以解决上述技术问题。
本发明提出一种电动汽车续驶里程的预测方法,包括:
获取电动汽车的电池荷电状态、电池健康状态以及能耗信息;
根据所述电池荷电状态、所述电池健康状态以及所述能耗信息获取本周期的续驶里程理论值;
根据上一周期的续驶里程参考值、本周期的行驶里程以及续驶里程理论差值计算得到第一参考值,并将所述第一参考值与本周期的续驶里程理论值对比,取其最大值为本周期的续驶里程参考值,其中,所述续驶里程理论差值为本周期行驶里程清零时续驶里程理论值与上周期行驶里程清零时的续驶里程理论值的差值;
根据本周期的所述续驶里程参考值与所述续驶理论值计算得到续驶里程加权值;
根据所述续驶里程加权值及能耗系数计算得到续驶里程显示值,为当前电动汽车的实际续驶里程。
在本发明的一个实施例中,所述电池荷电状态、所述电池健康状态以及所述能耗信息每周期更新一次。
在本发明的一个实施例中,获取本周期的续驶里程参考值的步骤包括:
获取续驶里程理论差值;
根据所述续驶里程理论差值及本周期的行驶里程计算得到滤波值,其中, dte滤波=L本×(1-cof)+δdte,其中,dte滤波表示滤波值;L本表示本周期电动汽车的行驶里程;cof表示[0.2,0.4]之间的系数;δdte表示续驶里程理论差值;
将上一周期续驶里程参考值减去所述滤波值得到第一参考值,并将所述第一参考值与所述续驶里程理论值对比,取其最大值为本周期的续驶里程参考值。
在本发明的一个实施例中,所述行驶里程在每周期结束时清零。
在本发明的一个实施例中,所述预测方法还包括:当所述电动汽车下电停止时,存储其当前周期点,且其下次运行时,其行驶里程及周期从上次结束时所述存储的周期点开始累计。
在本发明的一个实施例中,所述续驶里程显示值通过下式计算得到:
S显示=S加权×q+X,
其中,S显示为续驶里程显示值;q为能耗系数;X为修正常量;Smin为续驶里程最小值;Q1为汽车附件能耗;Q2为驾驶模式附加能耗。
在本发明的一个实施例中,获取上一周期结束时电动汽车的电池荷电状态、电池健康状态以及能耗信息之前还包括:
判断整车状态;
若整车处于高压激活状态,且行驶车速大于预设阈值时,则正常计算所述续驶里程显示值;
否则,则直接获取车辆正常行驶是最后一次计算得到的续驶里程显示值为当前电动汽车的实际续驶里程。
本发明还提出一种电动汽车续驶里程的预测装置,包括:
数据获取模块,用于获取上一周期结束时电动汽车的电池荷电状态、电池健康状态以及能耗信息;
续驶里程理论值计算模块,用于根据所述电池荷电状态、所述电池健康状态以及所述能耗信息获取本周期的续驶里程理论值;
续驶里程参考值计算模块,用于根据上一周期的续驶里程参考值、本周期的行驶里程以及续驶里程理论差值计算得到的第一参考值,并将所述第一参考值与本周期的续驶里程理论值对比,取其最大值为本周期的续驶里程参考值,其中,所述续驶里程理论差值为本周期行驶里程清零时续驶里程理论值与上周期行驶里程清零时的续驶里程理论值的差值;
续驶里程加权值计算模块,用于根据本周期的所述续驶里程参考值与所述续驶理论值计算得到续驶里程加权值;
续驶里程显示值计算模块,用于根据所述续驶里程加权值及能耗系数计算得到续驶里程显示值,为当前电动汽车的实际续驶里程。
本发明还提出一种电子设备,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述电子设备实现如上述实施例中任一项所述的电动汽车续驶里程的预测方法。
本发明还提出一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序被计算机的处理器执行时,使计算机执行如上述实施例中任一项所述的电动汽车续驶里程的预测方法。
本发明的有益效果:根据本计算周期内的能耗、当前附件功率、当前驾驶模式计算出当前的续驶里程,数据变化稳定,不会出现由于瞬时路况及行驶能耗变化导致续驶里程突变的情况,同时考虑到驾驶模式和空调加热等对能耗影响较大,又可以通过系数变化较快的体现在续驶里程变化上,保证续驶里程数据稳定准确。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术者来讲,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。在附图中:
图1是本申请的一示例性实施例示出的电动汽车续驶里程的预测装置的实施环境示意图。
图2是本申请的一示例性实施例示出的电动汽车续驶里程的预测方法的流程图。
图3是本申请的一示例性实施例示出的获取续驶里程参考值的流程图。
图4是本申请的一示例性实施例示出的预测方法的程序框图。
图5是本申请的一示例性实施例示出的电动汽车续驶里程的预测装置的框图。
图6示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
以下将参照附图和优选实施例来说明本发明的实施方式,本领域技术人员可由本说明书中所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。应当理解,优选实施例仅为了说明本发明,而不是为了限制本发明的保护范围。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
在下文描述中,探讨了大量细节,以提供对本发明实施例的更透彻的解释,然而,对本领域技术人员来说,可以在没有这些具体细节的情况下实施本发明的实施例是显而易见的,在其他实施例中,以方框图的形式而不是以细节的形式来示出公知的结构和设备,以避免使本发明的实施例难以理解。
首先需要说明的是,电池的荷电状态(StateofCharge,SOC)指示着电池系统的可运行时间和充放电策略制定,是电池状态中最核心的内容之一。电池的能量状态(StateofEnergy,SOE)对续驶里程和续航时间的预估更为可靠,是表征电动汽车续航指标的核心状态参数。电池的健康状态(StateofHeath,SOH)是用于评价动力电池剩余寿命及剩余价值的量化指标。但由于动力电池内部电化学反应动力学机理和电、热、力等多物理场耦合的复杂性,以及在实际行驶工况采集数据时受到外部环境干扰的影响,使得如何准确、稳定地估计电动汽车动力电池的核心状态,成为了实现先进电池管理、保障电动汽车安全与节能的关键技术。但目前对电动汽车动力电池的状态估计研究主要集中于SOC和SOH,而作为续航能力指标的核心状态SOE却较少关注。
图1是本申请的一示例性实施例示出的电动汽车续驶里程的预测装置的实施环境示意图。请参阅图1所示,该预测装置用于在电动汽车行驶过程中计算汽车的实际续驶里程并在车内仪表盘上显示,而现有续航里程的计算方法得到所述续航里程,根据环境温度不同、路况和整车总质量等,选择不同的计算方法,但一般都没有考虑电池健康度和驾驶模式切换对于续驶里程的影响,或对于驾驶模式切换后的时效性较低,需要运行一段时间才能显现在里程上。
以上所指出的问题在通用的汽车中具有普遍适用性,为解决这些问题,本申请的实施例分别提出一种电动汽车续驶里程的预测方法、一种电动汽车续驶里程的预测装置、一种电子设备、一种计算机可读存储介质以及一种计算机程序产品,以下将对这些实施例进行详细描述。
请参阅图2所示,图2是本申请的一示例性实施例示出的电动汽车续驶里程的预测方法的流程图。该方法可以应用于图1所示的实施环境。应理解的是,该方法也可以适用于其它的示例性实施环境,并由其它实施环境中的设备具体执行,本实施例不对该方法所适用的实施环境进行限制。
请参阅图2所示,在一示例性的实施例中,电动汽车续驶里程的预测方法至少包括步骤S210至步骤S250,详细介绍如下:
步骤S210,获取电动汽车的电池荷电状态SOC、电池健康状态SOH以及能耗信息。
首先需要说明的是,所述电池荷电状态SOC、所述电池健康状态SOH以及所述能耗信息每周期更新一次,以保证当前数据的准确性,从而保证最后计算得到的续驶里程显示值的精确性。
在本实施例中,所述周期为预设时间间隔或者预设的固定里程,即当所述周期为时间间隔时,所述电池荷电状态SOC、所述电池健康状态SOH以及所述能耗信息每间隔所述预设时间间隔则更新一次;当所述周期为固定里程时,所述电池荷电状态SOC、所述电池健康状态SOH以及所述能耗信息在电动汽车每行驶固定里程时更新一次。需要说明的是,所述固定里程可以是根据电机的转速计算得到,以保证其周期的准确性。
步骤S220,根据所述电池荷电状态SOC、所述电池健康状态SOH以及所述能耗信息获取本周期的续驶里程理论值。
具体的,所述续驶里程理论值通过下式计算得到:
其中,S理论为续驶里程理论值;SOE为根据电池荷电状态SOC 和所述电池健康状态SOH计算得到的电池能量状态;M为电动汽车的能耗信息。
步骤S230,根据上一周期的续驶里程参考值、本周期的行驶里程以及续驶里程理论差值计算得到的结果与本周期的续驶里程理论值对比,取其最大值为本周期的续驶里程参考值。具体的,请参阅图3所示,图3是本申请的一示例性实施例示出的获取续驶里程参考值的流程图,其包括:
步骤S310,获取续驶里程理论差值δdte,其中,所述续驶里程理论差值δdte为本周期行驶里程清零时续驶里程理论值S理论与上周期行驶里程清零时的续驶里程理论值S理论的差值;
需要说明的是,所述行驶里程在每周期结束时清零,即所述行驶里程每间隔预设时间间隔或预设固定里程,进行一次清零处理。在本实施例中,以预设固定里程为一周期,例如预设固定里程设置为200m或300m,即所述行驶里程每到达200m 或300m时就立即清零,并重新累计。
还需要说明的是,续驶里程理论差值δdte每周期重新计算依次,即所述行驶里程每到达200m或300m时计算一次所述续驶里程理论差值δdte。
步骤S320,根据所述续驶里程理论差值dte滤波及本周期的行驶里程计算得到滤波值dte滤波;
具体的,滤波值dte滤波通过下式计算得到:
dte滤波=L本×(1-cof)+δdte,其中,dte滤波表示滤波值;L本表示本周期内电动汽车的行驶里程;cof表示[0.2,0.4]之间的系数;dte滤波表示续驶里程理论差值。
需要说明的是,空调或整车行驶能耗突变时,由于百公里能耗计算较为滞后,通过cof系数可以及时调整续驶里程的计算值。其中,系数cof的值是根据当前附件功率(例如空调等)和汽车的能耗信息进行选择,例如,小功率低能耗时,系数 cof选择0.2,大功率大能耗时系数cof选择0.4。
步骤S330,将上一周期续驶里程参考值减去所述滤波值dte滤波所得到第一参考值,并将所述第一参考值与所述续驶里程理论值S理论对比,取其最大值为本周期的续驶里程参考值S参考,即S参考=max(S理论,S差),其中,S差为上一周期续驶里程参考值与所述滤波值dte滤波的差值。
步骤S240,根据本周期的所述续驶里程参考值S参考与所述续驶理论值S理论计算得到续驶里程加权值S加权。
其中,所述续驶里程加权值S加权通过下式计算得到:
S加权=S参考×r+S理论(1-r),其中,S加权为续驶里程加权值;r为续驶里程参考值的权重系数;S参考为续驶里程参考值;需要说明的是,权重系数r与电池荷电状态 SOC正相关,电池荷电状态SOC越大权重系数r越大,续驶里程参考值权重越大,即电池荷电状态SOC较高时对影响里程的因素响应更及时。
步骤S250,根据所述续驶里程加权值及能耗系数计算得到续驶里程显示值,为当前电动汽车的实际续驶里程。
具体的,其中,所述续驶里程显示值通过下式计算得到:
S显示=S加权×q+X,
其中,S显示为续驶里程显示值;q为能耗系数;X为修正常量;Smin为续驶里程最小值;Q1为汽车附件能耗,例如空调等;Q2为驾驶模式附加能耗,其中,汽车处于经济模式时,驾驶模式附加能耗Q2为0,汽车处于普通模式时,驾驶模式附加能耗Q2为0.1,汽车处于运动模式时,驾驶模式附加能耗Q2为0.2。
需要说明的是,所述续驶里程显示值可通过车内仪表盘进行显示,以便于驾驶员实时查看。
请参阅图2所示,在本实施例中,所述电动汽车续驶里程的预测方法还包括:当所述电动汽车下电停止时,存储其当前周期点,且其下次运行时,其行驶里程及周期从上次结束时所述存储的周期点开始累计。即,当所述电动汽车在某一周期内下的停止行车后,自动存储其位于当前周期的周期点,例如,当周期为预设时间间隔时,自动存储其位于当前周期的周期点为在该周期内的行驶时间,当周期为预设固定里程时,自动存储其位于当前周期的周期点为在该周期内的行驶里程,并且在汽车正常启动运行时,其行驶里程及周期从上次结束时所述存储的周期点开始累计。
请参阅图4所示,图4是本申请的一示例性实施例示出的预测方法的程序框图,获取上一周期结束时电动汽车的电池荷电状态SOC、电池健康状态SOH以及能耗信息之前还包括:
步骤S410,判断整车状态;
步骤S420,若整车处于高压激活状态,且行驶车速大于预设阈值时,所述预设阈值例如设置为2km/h,则正常计算所述续驶里程显示值,即按照上述步骤S210至 S250计算所述续驶里程显示值;否则跳转至步骤S430。
步骤S430,直接获取车辆正常行驶是最后一次计算得到的续驶里程显示值为当前电动汽车的续驶里程显示值或读取EEPROM中存储的续驶里程显示值为当前电动汽车的续驶里程显示值。
图5是本申请的一示例性实施例示出的电动汽车续驶里程的预测装置的框图。该装置可以应用于图1所示的实施环境,且该装置应用了如上述实施例中所描述的电动汽车续驶里程的预测方法。该装置也可以适用于其它的示例性实施环境,并具体配置在其它实施环境中,本实施例不对该装置所适用的实施环境进行限制。
请参阅图5所示,该示例性的电动汽车续驶里程的预测装置500包括:
数据获取模块501,用于获取上一周期结束时电动汽车的电池荷电状态SOC、电池健康状态SOH以及能耗信息;其中,所述电池荷电状态SOC、所述电池健康状态SOH以及所述能耗信息每周期更新一次,以保证当前数据的准确性,从而保证最后计算得到的续驶里程显示值的精确性。
续驶里程理论值计算模块502,用于根据所述电池荷电状态SOC、所述电池健康状态SOH以及所述能耗信息获取本周期内的续驶里程理论值;所述续驶里程理论值计算得到,其中,S理论为续驶里程理论值;SOE为根据电池荷电状态SOC和所述电池健康状态SOH计算得到的电池能量状态;M为电动汽车的能耗信息。
续驶里程参考值计算模块503,用于根据上一周期的续驶里程参考值、本周期的行驶里程以及续驶里程理论差值计算得到第一参考值,并将所述第一参考值与本周期的续驶里程理论值对比,取其最大值为本周期的续驶里程参考值;
具体的,续驶里程参考值计算模块503包括:
续驶里程理论差值计算模块5031,用于根据本周期行驶里程清零时续驶里程理论值S理论与上周期行驶里程清零时的续驶里程理论值S理论的差值来计算得到续驶里程理论差值δdte;
滤波值计算模块5032,用于根据所述续驶里程理论差值dte滤波及本周期的行驶里程计算得到滤波值dte滤波;具体的,滤波值dte滤波通过式dte滤波=L本×(1-cof)+δdte计算得到,其中,dte滤波表示滤波值;L本表示本周期电动汽车的行驶里程;cof表示[0.2, 0.4]之间的系数;dte滤波表示续驶里程理论差值。
判断模块5033,用于将上一周期续驶里程参考值减去所述滤波值dte滤波所得到的第一参考值与所述续驶里程理论值S理论对比,取其最大值为本周期的续驶里程参考值S参考。
续驶里程加权值计算模块504,用于根据本周期的所述续驶里程参考值与所述续驶理论值计算得到续驶里程加权值;其中,所述续驶里程加权值S加权通过式 S加权=S参考×r+S理论(1-r)计算得到。需要说明的是,权重系数r与电池荷电状态SOC 正相关,电池荷电状态SOC越大权重系数r越大,续驶里程参考值权重越大,即电池荷电状态SOC较高时对影响里程的因素响应更及时。
续驶里程显示值计算模块505,用于根据所述续驶里程加权值及能耗系数计算得到续驶里程显示值,为当前电动汽车的实际续驶里程。
其中,续驶里程显示值计算模块505包括:
第一计算模块5051,用于根据式计算得到所述能耗系数。
第二计算模块5052,用于根据式S显示=S加权×q+X计算得到所述续驶里程显示值。
需要说明的是,上述实施例所提供的电动汽车续驶里程的预测装置与上述实施例所提供的电动汽车续驶里程的预测方法属于同一构思,其中各个模块和单元执行操作的具体方式已经在方法实施例中进行了详细描述,此处不再赘述。上述实施例所提供的电动汽车续驶里程的预测装置在实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能,本处也不对此进行限制。
本申请的实施例还提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述电子设备实现上述各个实施例中提供的电动汽车续驶里程的预测方法。
图6示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。需要说明的是,图6示出的电子设备的计算机系统600仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括中央处理单元(Central Processing Unit, CPU)601,其可以根据存储在只读存储器(Read-Only Memory,ROM)602中的程序或者从储存部分608加载到随机访问存储器(Random Access Memory,RAM) 603中的程序而执行各种适当的动作和处理,例如执行上述实施例中所述的方法。在RAM603中,还存储有系统操作所需的各种程序和数据。CPU601、ROM602以及RAM603通过总线604彼此相连。输入/输出(Input/Output,I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(Cathode Ray Tube,CRT)、液晶显示器(Liquid Crystal Display,LCD) 等;包括硬盘等的储存部分608;以及包括诸如LAN(Local Area Network,局域网) 卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入储存部分608。
特别地,根据本申请的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的计算机程序。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的系统中限定的各种功能。
需要说明的是,本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是电、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。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器 (ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory, EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
本申请的另一方面还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被计算机的处理器执行时,使计算机执行如前所述的电动汽车续驶里程的预测方法。该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的,也可以是单独存在,而未装配入该电子设备中。
本申请的另一方面还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各个实施例中提供的电动汽车续驶里程的预测方法。
综上所述,本发明中根据本计算周期内的能耗、当前附件功率、当前驾驶模式计算出当前的续驶里程,数据变化稳定,不会出现由于瞬时路况及行驶能耗变化导致续驶里程突变的情况,同时考虑到驾驶模式和空调加热等对能耗影响较大,又可以通过系数变化较快的体现在续驶里程变化上,保证续驶里程数据稳定准确。
上述实施例仅示例性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,但凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种电动汽车续驶里程的预测方法,其特征在于,包括:
获取电动汽车的电池荷电状态、电池健康状态以及能耗信息;
根据所述电池荷电状态、所述电池健康状态以及所述能耗信息获取本周期的续驶里程理论值;
根据上一周期的续驶里程参考值、本周期的行驶里程以及续驶里程理论差值计算得到第一参考值,并将所述第一参考值与本周期的续驶里程理论值对比,取其最大值为本周期的续驶里程参考值,其中,所述续驶里程理论差值为本周期行驶里程清零时续驶里程理论值与上周期行驶里程清零时的续驶里程理论值的差值;
根据本周期的所述续驶里程参考值与所述续驶理论值计算得到续驶里程加权值;
根据所述续驶里程加权值及能耗系数计算得到续驶里程显示值,为当前电动汽车的实际续驶里程。
2.根据权利要求1所述的电动汽车续驶里程的预测方法,其特征在于,所述电池荷电状态、所述电池健康状态以及所述能耗信息每周期更新一次。
3.根据权利要求1所述的电动汽车续驶里程的预测方法,其特征在于,获取本周期的续驶里程参考值的步骤包括:
获取续驶里程理论差值;
根据所述续驶里程理论差值及本周期的行驶里程计算得到滤波值,其中,dte滤波=L本×(1-cof)+δdte,其中,dte滤波表示滤波值;L本表示本周期电动汽车的行驶里程;cof表示[0.2,0.4]之间的系数;δdte表示续驶里程理论差值;
将上一周期续驶里程参考值减去所述滤波值得到所述第一参考值,并将所述第一参考值与所述续驶里程理论值对比,取其最大值为本周期的续驶里程参考值。
4.根据权利要求3所述的电动汽车续驶里程的预测方法,其特征在于,所述行驶里程在每周期结束时清零。
5.根据权利要求3所述的电动汽车续驶里程的预测方法,其特征在于,所述预测方法还包括:当所述电动汽车下电停止时,存储其当前周期点,且其下次运行时,其行驶里程及周期从上次结束时所述存储的周期点开始累计。
6.根据权利要求1所述的电动汽车续驶里程的预测方法,其特征在于,所述续驶里程显示值通过下式计算得到:
S显示=S加权×q+X,
其中,S显示为续驶里程显示值;q为能耗系数;X为修正常量;Smin为续驶里程最小值;Q1为汽车附件能耗;Q2为驾驶模式附加能耗。
7.根据权利要求1所述的电动汽车续驶里程的预测方法,其特征在于,获取上一周期结束时电动汽车的电池荷电状态、电池健康状态以及能耗信息之前还包括:
判断整车状态;
若整车处于高压激活状态,且行驶车速大于预设阈值时,则正常计算所述续驶里程显示值;
否则,则直接获取车辆正常行驶是最后一次计算得到的续驶里程显示值为当前电动汽车的实际续驶里程。
8.一种电动汽车续驶里程的预测装置,其特征在于,包括:
数据获取模块,用于获取上一周期结束时电动汽车的电池荷电状态、电池健康状态以及能耗信息;
续驶里程理论值计算模块,用于根据所述电池荷电状态、所述电池健康状态以及所述能耗信息获取本周期的续驶里程理论值;
续驶里程参考值计算模块,用于根据上一周期的续驶里程参考值、本周期的行驶里程以及续驶里程理论差值计算得到的第一参考值,并将所述第一参考值与本周期的续驶里程理论值对比,取其最大值为本周期的续驶里程参考值,其中,所述续驶里程理论差值为本周期行驶里程清零时续驶里程理论值与上周期行驶里程清零时的续驶里程理论值的差值;
续驶里程加权值计算模块,用于根据本周期的所述续驶里程参考值与所述续驶理论值计算得到续驶里程加权值;
续驶里程显示值计算模块,用于根据所述续驶里程加权值及能耗系数计算得到续驶里程显示值,为当前电动汽车的实际续驶里程。
9.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述电子设备实现如权利要求1至7中任一项所述的电动汽车续驶里程的预测方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,当所述计算机程序被计算机的处理器执行时,使计算机执行如权利要求1至7中任一项所述的电动汽车续驶里程的预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211167467.6A CN115352282B (zh) | 2022-09-23 | 2022-09-23 | 一种电动汽车续驶里程的预测方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211167467.6A CN115352282B (zh) | 2022-09-23 | 2022-09-23 | 一种电动汽车续驶里程的预测方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115352282A CN115352282A (zh) | 2022-11-18 |
CN115352282B true CN115352282B (zh) | 2024-08-27 |
Family
ID=84005674
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211167467.6A Active CN115352282B (zh) | 2022-09-23 | 2022-09-23 | 一种电动汽车续驶里程的预测方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115352282B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118275886B (zh) * | 2024-05-31 | 2024-08-27 | 中汽研(天津)汽车工程研究院有限公司 | 一种续驶里程优化潜力评价方法及装置、介质、设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106915270A (zh) * | 2017-02-27 | 2017-07-04 | 北京新能源汽车股份有限公司 | 一种汽车续驶里程的检测方法、装置及汽车 |
CN109050262A (zh) * | 2018-08-27 | 2018-12-21 | 上海精虹新能源科技有限公司 | 一种纯电动汽车的剩余续驶里程估算方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB201311515D0 (en) * | 2013-06-27 | 2013-08-14 | Jaguar Land Rover Ltd | EV range prediction |
US20160137090A1 (en) * | 2014-11-14 | 2016-05-19 | Hyundai Motor Company | System and method for predicting distance to empty of electric vehicle |
CN114056187B (zh) * | 2021-12-13 | 2024-04-05 | 爱驰汽车有限公司 | 车辆续航里程计算方法、装置、设备及存储介质 |
-
2022
- 2022-09-23 CN CN202211167467.6A patent/CN115352282B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106915270A (zh) * | 2017-02-27 | 2017-07-04 | 北京新能源汽车股份有限公司 | 一种汽车续驶里程的检测方法、装置及汽车 |
CN109050262A (zh) * | 2018-08-27 | 2018-12-21 | 上海精虹新能源科技有限公司 | 一种纯电动汽车的剩余续驶里程估算方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115352282A (zh) | 2022-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111806239B (zh) | 电动车辆续航里程测量方法、电子设备及存储介质 | |
CN105383496B (zh) | 用于车辆的基于路线的剩余能量可行驶距离计算 | |
KR101315714B1 (ko) | 전기자동차의 주행가능거리 산출 방법 | |
KR101936431B1 (ko) | 전기자동차의 주행가능거리 산출 방법 | |
CN112224089A (zh) | 基于能耗的行程规划方法、装置、电子设备及存储介质 | |
CN109693545B (zh) | 一种电池剩余能量、车辆剩余里程的估算方法及装置 | |
CN107976635A (zh) | 一种基于卡尔曼滤波的电动汽车剩余续航里程估算方法 | |
CN103713262A (zh) | 用于计算绿色车辆的可能行驶距离的系统和方法 | |
CN110549906B (zh) | 续航里程的分段显示方法及装置 | |
CN111815096B (zh) | 共享汽车投放方法、电子设备及存储介质 | |
CN113895307B (zh) | 一种剩余里程的确定方法、装置、电动汽车及介质 | |
CN106114233A (zh) | 一种纯电动汽车剩余里程估算方法 | |
CN111546941B (zh) | 一种车辆剩余里程确定方法、装置、车辆及存储介质 | |
CN113665431A (zh) | 电动汽车的剩余续航里程估算方法及装置 | |
CN115352282B (zh) | 一种电动汽车续驶里程的预测方法、装置、设备及介质 | |
JP2023063233A (ja) | 作業条件識別に基づく一車用エアコンのエネルギー消費量の予測方法および予測装置 | |
CN113537615A (zh) | 一种充电车辆的预测方法、装置及电子设备 | |
CN118457537A (zh) | 增程器控制方法、装置、设备及存储介质 | |
CN117246188A (zh) | 一种电动汽车剩余续航里程的估算方法及系统 | |
CN115520194A (zh) | 车辆燃油续航里程估算方法、装置、电子设备及存储介质 | |
CN111348045A (zh) | 用于混合动力车辆的碳排放量的量化展示方法和装置 | |
CN114056187A (zh) | 车辆续航里程计算方法、装置、设备及存储介质 | |
US11845354B2 (en) | Device and method for providing information for hybrid electric vehicle | |
CN116186465A (zh) | 电动汽车能耗计算方法、装置及电子设备 | |
CN115688957A (zh) | 一种车辆能耗确定方法、装置、电子设备及存储介质 |
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 |