CN115610226A - 续航里程预测方法、装置、电动车与计算机可读存储介质 - Google Patents

Abstract

本发明公开了一种续航里程预测方法、装置、电动车与计算机可读存储介质，该方法包括：获取电动车中各电芯的温度数据，并根据温度数据对电动车的初始剩余电量进行修正，得到实际剩余电量，根据实际剩余电量和电动车的平均能耗计算剩余里程，基于第一时间段内获取到的累计形式里程数据和历史速度数据获取距离误差，再根据该距离误差修正剩余里程，确定电动车的实际续航里程。本实施例基于温度数据修正得到实际剩余电量，并通过累计行驶里程数据和历史速度数据重新标定剩余里程，能够减小续航里程的预测误差，提高了续航里程预测的准确性。

Description

续航里程预测方法、装置、电动车与计算机可读存储介质

技术领域

本发明涉及电动车智能控制技术领域，尤其涉及续航里程预测方法、装置、电动车与计算机可读存储介质。

背景技术

近年，新能源汽车越来越普及，同时伴随着“续航焦虑”、“充电难”、“存安全隐患”、“能耗高”、“残值率低”五大主要痛点，严重影响了用户体验。尤其续航里程不准，误差很大，造成了新能源汽车在使用过程使得用户产生很大的续航焦虑，担心汽车趴窝现象出现。

目前新能源汽车的续航里程的计算方式往往只考虑理想工况下的电量值，导致续航结果误差很大。因此，电动车续航里程计算不准确误差大的问题亟待解决。

发明内容

本发明的主要目的在于提供一种续航里程预测方法、装置、电动车与计算机可读存储介质，旨在提高电动车续航里程预测的准确性。所述技术方案如下：

第一方面，本申请实施例提供了一种续航里程预测方法，包括：

获取电动车的电池的初始剩余电量和所述电池中各电芯的温度数据，基于所述温度数据对所述初始剩余电量进行修正，以得到实际剩余电量；

基于所述电动车的平均能耗和所述实际剩余电量，计算剩余里程；

获取第一时间段内所述电动车的累计行驶里程数据和历史速度数据，基于所述累计行驶里程数据和所述历史速度数据计算距离误差；

基于所述距离误差和所述剩余里程，确定所述电动车实际续航里程。

第二方面，本申请实施例提供一种续航里程预测装置，包括：

获取模块，用于获取电动车的电池的初始剩余电量和所述电池中各电芯的温度数据，基于所述温度数据对所述初始剩余电量进行修正，以得到实际剩余电量；

剩余里程计算模块，用于基于所述电动车的平均能耗和所述实际剩余电量，计算剩余里程；

误差计算模块，用于获取第一时间段内所述电动车的累计行驶里程数据和历史速度数据，基于所述累计行驶里程数据和所述历史速度数据计算距离误差；

续航计算模块，用于基于所述距离误差和所述剩余里程，确定所述电动车实际续航里程。

第三方面，本申请实施例提供一种电动车，所述电动车包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上述方法的步骤。

第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述续航里程预测程序被处理器执行时实现如上述方法的步骤。

在本发明实施例中，通过获取电动车中各电芯的温度数据，并根据温度数据对电动车的初始剩余电量进行修正，得到实际剩余电量，根据实际剩余电量和电动车的平均能耗计算剩余里程，基于第一时间段内获取到的累计形式里程数据和历史速度数据获取距离误差，再根据该距离误差修正剩余里程，确定电动车的实际续航里程。本实施例基于温度数据修正得到实际剩余电量，并通过累计行驶里程数据和历史速度数据重新标定剩余里程，能够减小续航里程的预测误差，提高了续航里程预测的准确性。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本申请的一些实施例，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是本申请实施例提供的一种续航里程预测方法的举例示意图；

图2是本申请实施例提供的一种续航里程预测方法的流程示意图；

图3是本申请实施例提供的一种续航里程预测方法中修正初始剩余电量的细化流程示意图；

图4是本申请实施例提供的一种续航里程预测方法中获取累计行驶里程数据和历史速度数据的细化流程示意图；

图5是本申请实施例提供的一种续航里程预测装置的结构示意图；

图6是本申请实施例提供的一种续航里程预测设备的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

续航里程预测装置可以为手机、电脑、平板电脑、智能手表或车载设备等终端设备，也可以为终端设备中用于实现续航里程预测方法的模块，续航里程预测装置可以获取电动车的电池的初始剩余电量和电池中各电芯的温度数据，基于温度数据对初始剩余电量进行修正，以得到实际剩余电量，基于电动车的平均能耗和实际剩余电量，计算剩余里程，获取第一时间段内电动车的累计行驶里程数据和历史速度数据，基于累计行驶里程数据和历史速度数据计算距离误差，基于所述距离误差和所述剩余里程，确定电动车实际续航里程。

请一并参见图1，为本申请实施例提供了一种续航里程预测方法的举例示意图，云端服务器实时采集电动车的行驶数据并存储，如每30秒采集一次，行驶数据可以包括电动车剩余电量、车速、行驶里程等。续航里程预测装置设置在电动车中，通过获取电动车的电池的初始剩余电量以及电池中各电芯的温度数据，基于温度数据对所述初始剩余电量进行修正，以得到实际剩余电量，从而根据平均能耗计算得到剩余里程，然后续航里程预测装置从云端获取第一时间段内该电动车的累计行驶里程数据和历史速度数据，根据累计行驶里程数据和历史速度数据计算距离误差，进而根据距离误差和剩余里程确定电动车的实际续航里程。

下面结合具体的实施例对本申请提供的续航里程预测方法进行详细说明。

请参见图2，为本申请实施例提供了一种续航里程预测方法的流程示意图。如图2所示，本申请实施例的所述方法可以包括以下步骤S10-S30。

S10，获取电动车的电池的初始剩余电量和所述电池中各电芯的温度数据，基于所述温度数据对所述初始剩余电量进行修正，以得到实际剩余电量；

S20，基于所述电动车的平均能耗和所述实际剩余电量，计算剩余里程；

S30，获取第一时间段内所述电动车的累计行驶里程数据和历史速度数据，基于所述累计行驶里程数据和所述历史速度数据计算距离误差；

S40，基于所述距离误差和所述剩余里程，确定所述电动车实际续航里程。

本实施例续航里程预测方法用于电动车，常用的方法是通过理想工况下标定的续航值和荷电状态SOC进行续航里程的预测，然而由于续航值是在理想工况下标定的，与实际情况会存在一定的差距，如果在任何情况下都采用该值计算续航里程会导致误差；此外，由于SOC会随着环境、汽车行驶路况发生变化，如果不对SOC进行修正也会导致很大误差，故提出了本发明续航里程预测方法，以降低续航里程估算的误差值，提高用户体验感。

以下将对各个步骤进行详细说明：

S10，获取电动车的电池的初始剩余电量和所述电池中各电芯的温度数据，基于所述温度数据对所述初始剩余电量进行修正，以得到实际剩余电量；

可以理解的，日常用车时，路况多变，且因为空调以及各式各样的电器都需要耗费电量，最终则会导致实际续航里程的下降。此外，不同的温度对电池的容量保持率有很大的影响，在气温较低的环境条件下，由于电池组活性降低，导致电池容量降低，续航里程暂时减小，并且当电动车所处的温度越低，续航里程就会越小。在不同温度环境中的续航里程估计准确度顺序均为常温＞高温＞低温。

具体的，电池的剩余电量可以通过电池端电压、充放电电流及内阻等参数来估算其大小。然而由于存在上述影响因素，估算出的初始剩余电量并不准确，故本发明着重考虑温度因素，通过获取电芯的温度数据来修正初始剩余电量，得到实际电量。电动车的电池通常由多块电芯组成，在使用过程中，每块电芯的温度不同，因此通过电芯温度传感器获取每一块电芯的温度作为温度数据。

S20，基于所述电动车的平均能耗和所述实际剩余电量，计算剩余里程；

具体的，获取电动车的平均能耗，基于平均能耗和实际剩余电量计算剩余里程。其中，平均能耗为电动车消耗电量与行驶距离的比值，车辆的能耗与当前的行驶速度有关，通过制动防抱死系统ABS实时采集车辆的当前速度，电池系统BMS根据电池的纯放能量(通过实时电压和实时电流获取)和ABS发送的实时车速，计算车辆的实时能耗Q(kwh/km)。作为一种具体的计算方式，首先根据v-车辆的行驶车速(km/h)计算行驶里程；再计算车辆行驶状态下的能耗。通过获取多个时间点对应的实时能耗取平均值得到平均能耗。则根据实际剩余电量和百公里平均电耗可计算出电动车的剩余里程。可选的，也可以获取电动车从开始行驶到行驶到预设距离所消耗的电量，例如将100km划分为10个区间，统计汽车每行驶10km消耗的电量，进而统计电动汽车在处于行驶状态时每一百公里所需的耗电量。

S30，获取第一时间段内所述电动车的累计行驶里程数据和历史速度数据，基于所述累计行驶里程数据和所述历史速度数据计算距离误差；

可以理解的，电动车的行驶距离可以通过两种方式得到，一种是里程表，另一种是根据速度和时间进行积分计算，在实际应用中，这两种方式计算出来的距离通常是不同的，因此，需要根据两种计算方式选择一种能更加准确表示行驶里程的方法，也即计算得到一个距离误差，对上述计算出的剩余里程进行修正。其中，里程表的原理是根据轮胎的尺寸以及轮胎转了多少圈来获取行进的里程，具体的，累计行驶里程数据可以通过车速传感器获取车轮转速信号传输给电子控制单元ECU，ECU再根据预设的轮胎直径参数计算行驶里程。示例性的，车速传感器的信号获取方式可以通过在变速箱输出轴上获取，也可以利用ABS轮速传感器的信号得到。

示例性的，取第一时间段为一分钟，在一分钟内，累计行驶里程数据中的里程数增加了500米，根据这一分钟内的速度积分算出的距离为501米，显然，通过两种方式分别计算出的距离存在一定的差值，也就是说平均能耗并不准确，消耗同样的电量能够行驶的距离可能更短也可能更长。那么具体以哪种方式算出的距离作为后续续航里程计算的方法，可以根据两种方式计算出的距离值进行调整，例如：根据两种方式计算的距离取中间值来修正实际续航里程。可选的，还可以通过将根据速度积分得到的距离作为状态方程，将里程表测量的距离差作为观测方程，通过卡尔曼滤波算法计算出最优距离。

需要说明的是，第一时间段可以为从电动车开始行驶至当前时刻中的任意一段时间。例如，跟踪电动车前十分钟内的累计行驶里程数据和速度，则第一时间段为十分钟前到当前时间这一段时间。

S40，基于所述距离误差和所述剩余里程，确定所述电动车实际续航里程。

具体的，距离误差也即计算该电动车行驶里程时产生的误差，例如，根据电压、电流、时间间隔三者积分计算实时消耗能耗，再根据里程表获取该时间间隔对应的行驶距离，计算得到平均能耗。然而通过里程表获取的行驶里程可能并不一定准确，例如通过速度时间积分计算出的行驶里程会比里程表计算的里程多，则实际上在同样的耗能下电动车可以行驶更远的距离，因此，需要计算出距离误差，进而得到电动车的实际续航里程。延续使用上述实施例中的例子，例如取上述一分钟内两种方式计算出里程数的中位数，也即500.5m，那么每100米的误差为0.1米，假设初始计算出的剩余里程为5km，则基于距离误差调整得到的实际可以行驶的距离为5005m，也即电动车的实际续航里程为5005m。

需要说明的是，本发明续航里程预测方法适用于纯电动车续航里程的预测，也可用于插电式混合动力车辆纯电续航里程的预测。

在本申请实施例中，通过获取电动车中各电芯的温度数据，并根据温度数据对电动车的初始剩余电量进行修正，得到实际剩余电量，根据实际剩余电量和电动车的平均能耗计算剩余里程，基于第一时间段内获取到的累计形式里程数据和历史速度数据获取距离误差，再根据该距离误差修正剩余里程，确定电动车的实际续航里程。本实施例基于温度数据修正得到实际剩余电量，并通过累计行驶里程数据和历史速度数据重新标定剩余里程，能够减小续航里程的预测误差，提高了续航里程预测的准确性。

请参见图3，为本申请实施例提供了一种续航里程预测方法中修正初始剩余电量的细化流程示意图。如图3所示，本申请实施例的所述方法可以包括以下步骤S11-S12。

S11，将所述温度数据中的最低温度输入至预设修正函数，以得到修正系数；

S12，根据所述修正系数修正所述初始剩余电量，以得到实际剩余电量。

可以理解的，考虑到SOC的极限对续航影响，并且温度越低，SOC越不准确，在这种情况下，如果通过最低温度修正的剩余电量能够较为贴合实际情况，则在温度高时剩余电量的准确性也能保证，相反，如果采用最高温度的话，那么在低温的时候可能会出问题，可能高估了SOC。因此，本实施例中，采用最低温度来计算修正系数，修正系数用于表征温度对初始剩余电量造成的影响。

其中，温度数据为传感器实时采集的电芯温度，例如获取100个电芯的温度，则在获取到的100个电芯温度中会存在最高温度和最低温度，将最低温度输入至预设的修正函数，计算得到修正系数。预设修正函数可以为sigmoid函数，也可以采用其他形式的函数。

进一步地，在一实施例中，本申请实施例的所述方法可以包括以下步骤S13-S14。

S13，获取所述电动车中电池在第二时间段内的实时电压和实时电流，并通过积分计算所述电动车的实时能耗；

具体的，BMS对电池模组进行不间断的实时检测，获取第二时间段内累计消耗，例如，第二时间段为2min，当前时间为12:00，可以从当前时间倒推2min，即采集从11:58～12:00这2min内的实时电压和实时电流计算得到2min电动车消耗的电量。

S14，根据所述实时能耗，结合所述第二时间段对应的行驶距离计算平均能耗。

具体的，根据里程计获取第二时间段内的行驶距离，将实时能耗除以行驶距离，得到平均能耗。

可选的，也可以将第二时间段划分为多个区间，取每个区间对应的实时电压和实时电流，计算实时能耗，并根据每个区间对应的行驶距离计算平均能耗。例如，第二时间段为2min，电动车的传感器采样间隔为30s，则每30s计算一次实时消耗，获取第二时间段内在30s时，1min时，90s时，2min时，四个时间点的实时消耗。获取第二时间段内对应时间点的行驶距离，也即分别获取30s、1min、90s和2min时的行驶距离，计算得到四个时间点对应行驶距离所消耗的能耗，取平均值，得到平均能耗。

进一步地，在一实施例中，所述基于所述电动车的平均能耗和所述实际剩余电量，计算剩余里程之前，还包括：

S15，确认所述电动车的行驶工况，所述行驶工况用于表示所述电动车的行驶状态；

S16，基于所述行驶工况，获取所述电动车的对应的平均能耗。

可以理解的，行驶工况为电动车当前的行驶状态，例如在城市里驾驶、高速公路驾驶、上坡、下坡、平路驾驶等等状态，在不同的行驶工况下，电动车所消耗的能耗是不同的，比如，在同样速度下上坡所消耗的电量相较于下坡肯定是更多的。因此，在一实施例中，根据电动车的行驶工况，获取历史该行驶工况下本车的平均耗能。其中，历史平均耗能的计算方法可以参照上述步骤S13～S14。此外，可以在用户授权的情况下收集该型号电动车的平均能耗作为计算续航里程的参照。具体的，通过获取电动车的功率信息可以判断当前行驶工况，此外还可以通过摄像头拍摄驾驶环境，结合大数据识别辅助判断行驶工况。可选的，通过联网采集当前行驶道路的拥堵情况，并预测拥堵时长，进而获取该拥堵情况下的平均能耗。通过确认行驶工况，再根据行驶工况确认平均能耗，在不同的驾驶场景下获取的平均能耗能更接近该电动车剩余续航里程中的实际平均能耗，进而提高续航预测准确性。

在本实施例中，基于电芯温度，采用预设修正函数作为修正系数，预设修正函数的输入为最低温度，首先利用该修正系数来修正SOC，然后采用修正后的SOC计算实际剩余电量，能够提高计算剩余电量的准确性。此外，通过获取第二时间段内的实时能耗，结合第二时间段的行驶距离来计算平均耗能，由于获取的是驾驶的实时数据，更加贴近用户日常使用的能耗水平，比如获取的能耗中包括了用户的空调使用情况，从而提高平均能耗的精度，进一步的，确认车辆的行驶工况，根据行驶工况匹配得到对应的平均能耗，使得续航里程预测能自动各种驾驶情况，增加续航里程预测方法的适应性，以提高电动车续驶里程预测功能的准确性。

请参见图4，为本申请实施例提供了一种续航里程预测方法中获取累计行驶里程数据和历史速度数据的细化流程示意图。如图4所示，本申请实施例的所述方法可以包括以下步骤S31-S32。

S31，获取所述电动车的行驶工况，所述行驶工况用于表示所述电动车的行驶状态；

S32，基于所述行驶工况，获取第一时间段内所述电动车的累计行驶里程数据和历史速度数据。

可以理解的，电动车的行驶工况不仅会给其耗能会带来影响，同时，对于其产生的距离误差也会带来一定的影响。比如，汽车行驶在不同的路面(光滑、粗糙)上时，可能存在不同。因此，为了提高距离误差计算的准确性，获取电动车的行驶工况，并根据行驶工况获取第一时间段内该电动车的累计行驶里程和历史速度数据。

进一步地，在一实施例中，所述累计行驶里程数据包括第一累计行驶里程和第二累计行驶里程；

所述基于所述累计行驶里程数据和所述历史速度数据计算距离误差，包括：

S41，基于所述第一累计行驶里程和所述第二累计行驶里程，计算所述第一时间段对应的第一行驶距离；所述第一累计行驶里程为所述第一时间段的起始点所对应的累计行驶里程，所述第二累计行驶里程为所述第一时间段的结束点所对应的累计行驶里程；

具体的，将第一时间段的起始点对应的累计行驶里程作为第一行驶距离，第一时间段的结束点对应的累计行驶里程作为第二行驶距离，将两者作差得到第一行驶距离。

S42，基于所述第一时间段内所述电动车的历史速度数据，计算所述第一时间段内对应的第二行驶距离；

具体的，根据第一时间段内电动车的历史速度数据进行积分，计算得到第一时间段内的第二行驶距离。

S43，基于所述第一行驶距离和所述第二行驶距离，计算距离误差。

在一实施例中，根据通过累计行驶里程数据和历史速度数据分别计算得到的第一行驶距离和第二行驶距离，计算距离误差。其中，第一时间段可以为云端采集数据的时间间隔，比如云端每30秒采集一次数据，则第一行驶距离为相邻两次采集的累计行驶里程差，第二行驶距离为相邻两次采集的速度做积分得到的距离值。

进一步地，在一实施例中，所述基于所述第一行驶距离和所述第二行驶距离，计算距离误差，包括：

S431，采用卡尔曼滤波模型，并基于所述第一行驶距离和所述第二行驶距离，获取距离误差。

卡尔曼滤波是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。在本实施例中，根据卡尔曼滤波模型第一行驶距离和第二行驶距离的最优值。在一种可行的实施例中，当开始行车，通过卡尔曼跟踪两个距离：第一行驶距离(也即相邻两次累计里程的差得出的距离)、第二行驶距离(也即速度和时间积分计算出的距离)，迭代计算距离误差。

具体公式如下：

X(k)＝A X(k-1)………(1)

Z(k)＝H X(k)………(2)

上两式子中，X(k)是k时刻的系统状态，A是系统参数，本文是一维卡尔曼，状态变量只有一个速度，所以A其实就是时间间隔。而Z(k)是k时刻的测量值，即累计里程的差值，H是测量系统的参数。

X(k|k-1)＝A X(k-1|k-1) (3)

式(3)中，X(k|k-1)是利用上一状态预测的结果，X(k-1|k-1)是上一状态最优的结果；

系统迭代，依赖系统噪声对应的协方差，用P表示：

P(k|k-1)＝A P(k-1|k-1)A'+Q………(4)

式(4)中，P(k|k-1)是X(k|k-1)对应的协方差，P(k-1|k-1)是X(k-1|k-1)对应的协方差，A’表示A的转置矩阵，Q是系统过程的协方差。

现在我们有了现在状态的预测结果，然后我们再收集现在状态的测量值。结合预测值和测量值，我们可以得到现在状态(k)的最优化估算值X(k|k)：

X(k|k)＝X(k|k-1)+Kg(k)(Z(k)-H X(k|k-1))………(5)

其中Kg为卡尔曼增益(Kalman Gain)：

Kg(k)＝P(k|k-1)H'/(H P(k|k-1)H'+R)………(6)

在本实施例中，通过获取电动车的行驶工况，获取该行驶工况对应的累计行驶里程数据和历史速度数据，以根据累计行驶本里程数据和历史速度数据计算距离误差，保证不同工况下续航里程预测的准确性，并且将卡尔曼滤波模型融入距离误差计算中，通过卡尔曼滤波模型将根据累计行驶里程数据中的第一累计行驶里程和第二累计行驶里程计算得到的第一行驶距离，及第一时间段内的历史速度数据计算得到的对应的第二行驶距离，进行估算，得到最优的距离误差，从而能够根据距离误差续航里程。

下面将结合附图5，对本申请实施例提供的续航里程预测装置进行详细介绍。需要说明的是，附图5中的续航里程预测装置，用于执行本申请图2-图5所示实施例的方法，为了便于说明，仅示出了与本申请实施例相关的部分，具体技术细节未揭示的，请参照本申请图2-图4所示的实施例。

请参见图5，其示出了本申请一个示例性实施例提供的续航里程预测装置的结构示意图。该续航里程预测装置可以通过软件、硬件或者两者的结合实现成为装置的全部或一部分。该装置包括获取模块10、剩余里程计算模块20、误差计算模块30和续航计算模块40。

获取模块10，用于获取电动车的电池的初始剩余电量和所述电池中各电芯的温度数据，基于所述温度数据对所述初始剩余电量进行修正，以得到实际剩余电量；

剩余里程计算模块20，用于基于所述电动车的平均能耗和所述实际剩余电量，计算剩余里程；

误差计算模块30，用于获取第一时间段内所述电动车的累计行驶里程数据和历史速度数据，基于所述累计行驶里程数据和所述历史速度数据计算距离误差；

续航计算模块40，用于基于所述距离误差和所述剩余里程，确定所述电动车实际续航里程。

可选的，所述获取模块10具体用于将所述温度数据中的最低温度输入至预设修正函数，以得到修正系数；

根据所述修正系数修正所述初始剩余电量，以得到实际剩余电量。

可选的，所述误差计算模块30具体用于获取所述电动车的行驶工况，所述行驶工况用于表示所述电动车的行驶状态；

基于所述行驶工况，获取第一时间段内所述电动车的累计行驶里程数据和历史速度数据。

可选的，所述误差计算模块30具体用于基于所述第一累计行驶里程和所述第二累计行驶里程，计算所述第一时间段对应的第一行驶距离；所述第一累计行驶里程为所述第一时间段的起始点所对应的累计行驶里程，所述第二累计行驶里程为所述第一时间段的结束点所对应的累计行驶里程；

基于所述第一时间段内所述电动车的历史速度数据，计算所述第一时间段内对应的第二行驶距离；

基于所述第一行驶距离和所述第二行驶距离，计算距离误差。

可选的，所述误差计算模块30具体用于采用卡尔曼滤波模型，并基于所述第一行驶距离和所述第二行驶距离，获取距离误差。

可选的，所述剩余里程计算模块20具体用于获取所述电动车中电池在第二时间段内的实时电压和实时电流，并通过积分计算所述电动车的实时能耗；

根据所述实时能耗，结合所述第二时间段对应的行驶距离计算平均能耗。

可选的，所述剩余里程计算模块20具体用于确认所述电动车的行驶工况，所述行驶工况用于表示所述电动车的行驶状态；

基于所述行驶工况，获取所述电动车的对应的平均能耗。

需要说明的是，上述实施例提供的续航里程预测装置在执行续航里程预测方法时，仅以上述各功能模块的划分进行举例说明，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，即将设备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。另外，上述实施例提供的续航里程预测装置与续航里程预测方法实施例属于同一构思，其体现实现过程详见方法实施例，这里不再赘述。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

本申请实施例还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上存储有续航里程预测程序，所述续航里程预测程序被处理器执行时实现如上述图2-图4所示实施例的所述续航里程预测方法，具体执行过程可以参见图2-图4所示实施例的具体说明，在此不进行赘述。

请参考图6，其示出了本申请一个示例性实施例提供的续航里程预测设备的结构示意图。本申请中的续航里程预测设备可以包括一个或多个如下部件：处理器110、存储器120、输入装置130、输出装置140和总线150。处理器110、存储器120、输入装置130和输出装置140之间可以通过总线150连接。

处理器110可以包括一个或者多个处理核心。处理器110利用各种接口和线路连接整个续航里程预测设备内的各个部分，通过运行或执行存储在存储器120内的指令、程序、代码集或指令集，以及调用存储在存储器120内的数据，执行终端100的各种功能和处理数据。可选地，处理器110可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)、可编程逻辑阵列(ProgrammableLogic Array，PLA)中的至少一种硬件形式来实现。处理器110可集成中央处理器(CentralProcessing Unit，CPU)、图像处理器(Graphics Processing Unit，GPU)和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户页面和应用程序等；GPU用于负责显示内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器110中，单独通过一块通信芯片进行实现。

存储器120可以包括随机存储器(Random Access Memory，RAM)，也可以包括只读存储器(Read-Only Memory，ROM)。可选地，该存储器120包括非瞬时性计算机可读介质(Non-Transitory Computer-Readable Storage Medium)。存储器120可用于存储指令、程序、代码、代码集或指令集。存储器120可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等，该操作系统可以是安卓(Android)系统，包括基于Android系统深度开发的系统、苹果公司开发的IOS系统，包括基于IOS系统深度开发的系统或其它系统。

存储器120可分为操作系统空间和用户空间，操作系统即运行于操作系统空间，原生及第三方应用程序即运行于用户空间。为了保证不同第三方应用程序均能够达到较好的运行效果，操作系统针对不同第三方应用程序为其分配相应的系统资源。然而，同一第三方应用程序中不同应用场景对系统资源的需求也存在差异，比如，在本地资源加载场景下，第三方应用程序对磁盘读取速度的要求较高；在动画渲染场景下，第三方应用程序则对GPU性能的要求较高。而操作系统与第三方应用程序之间相互独立，操作系统往往不能及时感知第三方应用程序当前的应用场景，导致操作系统无法根据第三方应用程序的具体应用场景进行针对性的系统资源适配。

为了使操作系统能够区分第三方应用程序的具体应用场景，需要打通第三方应用程序与操作系统之间的数据通信，使得操作系统能够随时获取第三方应用程序当前的场景信息，进而基于当前场景进行针对性的系统资源适配。

其中，输入装置130用于接收输入的指令或数据，输入装置130包括但不限于键盘、鼠标、摄像头、麦克风或触控设备。输出装置140用于输出指令或数据，输出装置140包括但不限于显示设备和扬声器等。在一个示例中，输入装置130和输出装置140可以合设，输入装置130和输出装置140为触摸显示屏。

所述触摸显示屏可被设计成为全面屏、曲面屏或异型屏。触摸显示屏还可被设计成为全面屏与曲面屏的结合，异型屏与曲面屏的结合，本申请实施例对此不加以限定。

除此之外，本领域技术人员可以理解，上述附图所示出的续航里程预测设备的结构并不构成对续航里程预测设备的限定，续航里程预测设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。比如，续航里程预测设备中还包括射频电路、输入单元、传感器、音频电路、无线保真(Wireless Fidelity，WiFi)模块、电源、蓝牙模块等部件，在此不再赘述。

在图6所示的续航里程预测设备中，处理器110可以用于调用存储器120中存储的续航里程预测应用程序，并具体执行以下操作：

获取电动车的电池的初始剩余电量和所述电池中各电芯的温度数据，基于所述温度数据对所述初始剩余电量进行修正，以得到实际剩余电量；

基于所述电动车的平均能耗和所述实际剩余电量，计算剩余里程；

获取第一时间段内所述电动车的累计行驶里程数据和历史速度数据，基于所述累计行驶里程数据和所述历史速度数据计算距离误差；

基于所述距离误差和所述剩余里程，确定所述电动车实际续航里程。

在一个实施例中，所述处理器110在执行基于所述温度数据对所述初始剩余电量进行修正，以得到实际剩余电量时，具体执行以下操作：

将所述温度数据中的最低温度输入至预设修正函数，以得到修正系数；

根据所述修正系数修正所述初始剩余电量，以得到实际剩余电量。

在一个实施例中，所述处理器110在执行获取第一时间段内所述电动车的累计行驶里程数据和历史速度数据时，具体执行以下操作：

获取所述电动车的行驶工况，所述行驶工况用于表示所述电动车的行驶状态；

基于所述行驶工况，获取第一时间段内所述电动车的累计行驶里程数据和历史速度数据。

在一个实施例中，所述处理器110在执行基于所述累计行驶里程数据和所述历史速度数据计算距离误差时，具体执行以下操作：

基于所述第一累计行驶里程和所述第二累计行驶里程，计算所述第一时间段对应的第一行驶距离；所述第一累计行驶里程为所述第一时间段的起始点所对应的累计行驶里程，所述第二累计行驶里程为所述第一时间段的结束点所对应的累计行驶里程；

基于所述第一时间段内所述电动车的历史速度数据，计算所述第一时间段内对应的第二行驶距离；

基于所述第一行驶距离和所述第二行驶距离，计算距离误差。

在一个实施例中，所述处理器110在执行基于所述第一行驶距离和所述第二行驶距离，计算距离误差时，具体执行以下操作：

采用卡尔曼滤波模型，并基于所述第一行驶距离和所述第二行驶距离，获取距离误差。

在一个实施例中，所述处理器110在执行基于所述电动车的平均能耗和所述实际剩余电量，计算剩余里程之前，还执行以下操作：

获取所述电动车中电池在第二时间段内的实时电压和实时电流，并通过积分计算所述电动车的实时能耗；

根据所述实时能耗，结合所述第二时间段对应的行驶距离计算平均能耗。

在一个实施例中，所述处理器110在执行基于所述电动车的平均能耗和所述实际剩余电量，计算剩余里程之前，还执行以下操作：

确认所述电动车的行驶工况，所述行驶工况用于表示所述电动车的行驶状态；

基于所述行驶工况，获取所述电动车的对应的平均能耗。

在本申请实施例中，通过获取电动车中各电芯的温度数据，并根据温度数据对电动车的初始剩余电量进行修正，得到实际剩余电量，根据实际剩余电量和电动车的平均能耗计算剩余里程，基于第一时间段内获取到的累计形式里程数据和历史速度数据获取距离误差，再根据该距离误差修正剩余里程，确定电动车的实际续航里程。本实施例基于温度数据修正得到实际剩余电量，并通过累计行驶里程数据和历史速度数据重新标定剩余里程，能够减小续航里程的预测误差，提高了续航里程预测的准确性。进一步的，基于电芯温度，采用预设修正函数作为修正系数，预设修正函数的输入为最低温度，首先利用该修正系数来修正SOC，然后采用修正后的SOC计算实际剩余电量，能够提高计算剩余电量的准确性。此外，通过获取第二时间段内的实时能耗，结合第二时间段的行驶距离来计算平均耗能，由于获取的是驾驶的实时数据，更加贴近用户日常使用的能耗水平，比如获取的能耗中包括了用户的空调使用情况，从而提高平均能耗的精度，进一步的，确认车辆的行驶工况，根据行驶工况匹配得到对应的平均能耗，使得续航里程预测能自动各种驾驶情况，增加续航里程预测方法的适应性，以提高电动车续驶里程预测功能的准确性。并且，通过获取电动车的行驶工况，获取该行驶工况对应的累计行驶里程数据和历史速度数据，以根据累计行驶本里程数据和历史速度数据计算距离误差，保证不同工况下续航里程预测的准确性，并且将卡尔曼滤波模型融入距离误差计算中，通过卡尔曼滤波模型将根据累计行驶里程数据中的第一累计行驶里程和第二累计行驶里程计算得到的第一行驶距离，及第一时间段内的历史速度数据计算得到的对应的第二行驶距离，进行估算，得到最优的距离误差，从而能够根据距离误差续航里程。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。

以上所揭露的仅为本申请较佳实施例而已，当然不能以此来限定本申请之权利范围，因此依本申请权利要求所作的等同变化，仍属本申请所涵盖的范围。

Claims (10)

1.一种续航里程预测方法，其特征在于，包括：

获取电动车的电池的初始剩余电量和所述电池中各电芯的温度数据，基于所述温度数据对所述初始剩余电量进行修正，以得到实际剩余电量；

基于所述电动车的平均能耗和所述实际剩余电量，计算剩余里程；

获取第一时间段内所述电动车的累计行驶里程数据和历史速度数据，基于所述累计行驶里程数据和所述历史速度数据计算距离误差；

基于所述距离误差和所述剩余里程，确定所述电动车实际续航里程。

2.如权利要求1所述的方法，其特征在于，所述基于所述温度数据对所述初始剩余电量进行修正，以得到实际剩余电量，包括：

将所述温度数据中的最低温度输入至预设修正函数，以得到修正系数；

根据所述修正系数修正所述初始剩余电量，以得到实际剩余电量。

3.如权利要求1所述的方法，其特征在于，所述获取第一时间段内所述电动车的累计行驶里程数据和历史速度数据，包括：

获取所述电动车的行驶工况，所述行驶工况用于表示所述电动车的行驶状态；

基于所述行驶工况，获取第一时间段内所述电动车的累计行驶里程数据和历史速度数据。

4.如权利要求1或3所述的方法，其特征在于，所述累计行驶里程数据包括第一累计行驶里程和第二累计行驶里程；

所述基于所述累计行驶里程数据和所述历史速度数据计算距离误差，包括：

基于所述第一累计行驶里程和所述第二累计行驶里程，计算所述第一时间段对应的第一行驶距离；所述第一累计行驶里程为所述第一时间段的起始点所对应的累计行驶里程，所述第二累计行驶里程为所述第一时间段的结束点所对应的累计行驶里程；

基于所述第一时间段内所述电动车的历史速度数据，计算所述第一时间段内对应的第二行驶距离；

基于所述第一行驶距离和所述第二行驶距离，计算距离误差。

5.如权利要求4所述的方法，其特征在于，所述基于所述第一行驶距离和所述第二行驶距离，计算距离误差，包括：

采用卡尔曼滤波模型，并基于所述第一行驶距离和所述第二行驶距离，获取距离误差。

6.如权利要求1所述的方法，其特征在于，所述基于所述电动车的平均能耗和所述实际剩余电量，计算剩余里程之前，还包括：

获取所述电动车中电池在第二时间段内的实时电压和实时电流，并通过积分计算所述电动车的实时能耗；

根据所述实时能耗，结合所述第二时间段对应的行驶距离计算平均能耗。

7.如权利要求1所述的方法，其特征在于，所述基于所述电动车的平均能耗和所述实际剩余电量，计算剩余里程之前，还包括：

确认所述电动车的行驶工况，所述行驶工况用于表示所述电动车的行驶状态；

基于所述行驶工况，获取所述电动车的对应的平均能耗。

8.一种续航里程预测装置，其特征在于，所述装置包括：

获取模块，用于获取电动车的电池的初始剩余电量和所述电池中各电芯的温度数据，基于所述温度数据对所述初始剩余电量进行修正，以得到实际剩余电量；

剩余里程计算模块，用于基于所述电动车的平均能耗和所述实际剩余电量，计算剩余里程；

误差计算模块，用于获取第一时间段内所述电动车的累计行驶里程数据和历史速度数据，基于所述累计行驶里程数据和所述历史速度数据计算距离误差；

续航计算模块，用于基于所述距离误差和所述剩余里程，确定所述电动车实际续航里程。

9.一种电动车，其特征在于，所述电动车包括：

存储器，其上存储有计算机程序；

处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。

Images