CN115758227A - 一种高能耗车辆识别和原因诊断方法 - Google Patents

Abstract

本发明提供了一种高能耗车辆识别和原因诊断方法，属于高能耗车辆识别领域。本方法包括如下步骤：首先获取车辆信息，将车辆按照工况进行分类，在各个工况分类内，将能耗高于能耗标准设定值的车辆定义为高能耗车辆；此外对车辆也基于车辆同比和新老车对比将能耗高于能耗标准设定值的车辆定义为高能耗车辆。上述设定值均由异常识别算法得到。之后对所述高能耗车辆的高压器件和驾驶员行为进行诊断，若高能耗车辆的高压器件能耗或踏板开度过大时间占比超出标准值的预设范围，则认为高压器件能耗高或者驾驶员行为问题。本发明解决了车辆使用条件复杂造成的难以建立标准判断车辆能耗是否正常的问题，针对性的解决和改善市场上已存在的高能耗车辆问题。

Description

一种高能耗车辆识别和原因诊断方法

技术领域

本发明涉及一种高能耗车辆识别和原因诊断方法，属于高能耗车辆识别诊断领域。

背景技术

车辆百公里电耗高直接反应了车辆续航里程短，是新能源车应对气候变化、推动绿色发展的主要痛点之一。车辆百公里电耗高低与环境温度、车辆运营工况、电附件耗电量(如空调、DC/DC、空压机、电转向等)、驾驶行为等因素有关。目前业界对新能源车能耗分析集中在工况、环境温度、驾驶行为、电机设计等方面的影响权重分析和应对策略，如以城市循环工况(UDC)、新欧洲循环工况(NEDC)、世界轻型车测试循环工况(WLTC)为路况输入，分别得出了基于传统规则能量管理策略与基于动态规划能量管理策略的能耗。

但是对于已售车辆而言，客户范围广，使车辆使用条件复杂多样，很难建立标准去判断车辆能耗是否存在异常，更无法寻找异常能耗的原因。难以有针对性的解决和改善市场上已存在的高能耗车辆问题。

发明内容

本发明的目的在于提供一种高能耗车辆识别和原因诊断方法，用于解决难以寻找能耗存在异常的车辆以及对应的高能耗原因的问题，针对性的解决和改善市场上已存在的高能耗车辆问题。

为了实现上述目的，本发明提供了一种高能耗车辆识别和原因诊断方法，包括如下步骤：

1)获取车辆信息，所述车辆信息包括车辆能耗数据；

2)所述车辆信息包括车辆工况数据，将车辆按照工况进行分类，将能耗高于同分类整车能耗标准并达到设定程度的车辆定义为高能耗车辆；和/或，车辆能耗高于该车上一个预设时间区间的能耗标准并达到设定程度的车辆定义为高能耗车辆；和/或，车辆能耗高于同组织的同款车型的能耗标准并达到设定程度的车辆定义为高能耗车辆；

3)获取高能耗车辆高压器件能耗数据和驾驶员操作参数；所述高压器件包括主电机、电附件、空调；所述驾驶员操作参数包括加速踏板操作数据；

4)对高能耗车辆高能耗原因进行诊断；若高压器件能耗高于同分类车辆对应高压器件能耗标准达到设定程度，则高能耗原因诊断为对应高压器件故障；若驾驶员操作参数与同分类车辆对应操作参数标准的差异达到设定值，则高能耗原因诊断为驾驶员驾驶行为问题。

本发明的有益效果是：将已售车辆分工况进行能耗比较，将能耗异常高的车辆找出作为高能耗车辆；同时建立了多个标准去判断车辆能耗是否存在异常，起到了相互补充的效果，最后针对找出的异常能耗车辆的原因进行诊断检测，将高能耗原因分为部件异常和驾驶习惯问题，可以有针对性的提出修理或驾驶习惯建议，解决和改善了市场已存在的高能耗车辆问题。

进一步地，在上述高能耗车辆识别和原因诊断方法中，上述步骤2)中，将车辆按照工况进行分类的方法为：对于有固定线路车辆，将固定线路相同的车辆分为同类工况；对于无固定线路车辆，按照同组织同米段车辆进行同类工况划分。

由于相同长度的车辆，从动力到车重都基本相似，因此将车辆按照长度(米段)进行划分，因此认为同组织(同单位)的相同米段的车辆行驶工况相似。

进一步地，在上述高能耗车辆识别和原因诊断方法中，对于无固定线路车辆，同组织同米段车辆数小于设定值时，直接将组织同米段车辆分为同类工况；同组织同米段车辆数大于设定值时，将车速分布相同的车辆划分为同类工况。

进一步地，在上述高能耗车辆识别和原因诊断方法中，将车速分布相同的车辆划分为同类工况的方法为，将车速按照设定的车速区间进行kmeans聚类，聚类结果即为同类工况的划分。

进一步地，在上述高能耗车辆识别和原因诊断方法中，步骤3)中，所述能耗标准通过数学统计的方式获得。

这样做的有益效果是：对工况进行精细分类，采用数学统计方式(例如求取平均值)获得能耗标准值，提高了工况分类下的高耗能车辆识别的准确性。

进一步地，在上述高能耗车辆识别和原因诊断方法中，步骤4)中，高压器件能耗数据包括对应高压器件百公里能耗。

这样是因为百公里电耗能够直观准确的反映对应高压器件的能耗水平。

进一步地，在上述高能耗车辆识别和原因诊断方法中，步骤4)中，若所述高能耗车辆的高压器件百公里能耗与同分类车辆高压器件百公里能耗平均值的差值大于预设值，则高压器件能耗高于同分类车辆对应高压器件能耗标准。

进一步地，在上述高能耗车辆识别和原因诊断方法中，步骤4)中，同分类车辆操作参数标准为加速踏板开度大于设定值，若高能耗车辆加速踏板开度大于设定值的占比与同分类车辆操作参数标准的差值大于预设值，则高能耗原因诊断为驾驶员驾驶行为问题。

进一步地，在上述高能耗车辆识别和原因诊断方法中，所述预设值通过异常识别算法得到。

进一步地，在上述高能耗车辆识别和原因诊断方法中，步骤3)中，所述电附件还包括DC/DC、电池热管理、除霜器、电转向、空压机、电加热。

这样做的有益效果是：对高压器件和驾驶员驾驶行为问题进行诊断，从多种角度分析了异常能耗的产生原因，便于后续服务的维修和提醒。

附图说明

图1为1-6月百公里电耗分布图。

图2为1-6月不同工况下百公里电耗分布图。

图3为高能耗车辆识别和原因诊断模型流程图。

图4为基于单车同比识别的高能耗车辆趋势分布图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明技术原理及实际应用进行进一步详细说明。

结合整车经济性专家经验，梳理能耗影响因素相关文献，探索全量市场车辆百公里电耗数据，利用分布统计方法，确认影响整车能耗的关键指标有：环境温度、车辆运营工况、主电机配置、关键零部件耗电量(如动力电池、空调、驱动电机、电控系统)、驾驶行为。例如，如图1所示，横轴为百公里电耗，纵轴为概率密度，可以看出夏季(5、6月)和冬季(1、2月)的能耗要高于春季(3、4月)的能耗，由此合理推测得到外界温度会影响整车能耗；如图2所示，横轴为百公里电耗，纵轴为概率密度，可以看出在同月内，车速小于等于30km/h的车辆百公里油耗要高于车速大于30km/h的车辆，由此合理推测得到车辆速度会影响整车能耗。

方法实施例：

本发明涉及4种算法，第一种为爬虫技术，目的是爬取全国公交线路信息；第二种为欧式距离计算法，目的是计算车辆与各线路的欧氏距离以此确认公交车辆的实际线路信息；第三种为kmeans聚类算法，目的是对不同工况进行分级；第四种为异常识别算法，目的是对三个维度的识别模型确定高能耗判断标准。

高能耗识别和原因诊断模型输出3个识别维度及10种故障原因。3个识别维度包含基于工况分级的高能耗车辆、基于车辆同比的高能耗车辆、基于新老车对比的高能耗车辆。在以上三个维度中分别利用异常识别算法确定判断系数，将能耗高于同分类整车能耗标准并达到设定程度的车辆定义为高能耗车辆；能耗高于该车上一个预设时间区间的能耗标准并达到设定程度的车辆定义为高能耗车辆；车辆能耗高于同组织的同款车型的能耗标准并达到设定程度的车辆定义为高能耗车辆，完成高能耗车辆的识别。上述能耗标准由数学统计方法如计算平均值得出，上述设定程度由异常识别算法给出或者根据经验直接设定。

10种故障原因包含主电机电耗高、电池热管理电耗高、DC/DC电耗高、电除霜电耗高、电助力转向电耗高、空压机电耗高、电加热电耗高、空调运行时长长、驾驶行为差、其他问题，可以总结为高压器件问题及驾驶员驾驶问题。上述故障原因可依次排查最后输出结果，也可以同时排查统计后输出结果，最后均对于未排查出原因的高耗能车辆归类为其它问题。诊断流程为：若所述高能耗车辆的高压器件百公里能耗与同分类车辆高压器件百公里能耗平均值的差值大于预设值，则高压器件能耗高于同分类车辆对应高压器件能耗标准；同分类车辆操作参数标准为加速踏板开度大于设定值，若高能耗车辆加速踏板开度大于设定值的占比与同分类车辆操作参数标准的差值大于预设值，则高能耗原因诊断为驾驶员驾驶行为问题。上述标准值由数学统计方法如计算平均值得出，上述预设值由异常识别算法给出，上述设定值根据经验直接设定。

如下图3所示，本高能耗识别和原因诊断模型输入为车辆GPS信息和能耗相关信息。首先根据爬虫技术爬取全国公交线路信息和站点信息，其次根据车辆GPS信息确认常停靠位置信息，计算车辆停靠位置和公交站点的欧式距离，确认车辆线路信息，作为公交工况级别的区分。

对于确定有固定线路公交车的车辆，计算同工况下公交车的平均百公里电耗，将能耗高于同线路整车能耗标准并达到设定程度的车辆定义为高能耗车辆。对于其余车辆，判断同组织同米段车辆数是否大于设定值，对于大于设定值的情况(即样本数量充足)，将同组织同米段车速分布(0～5、5～10、10～15…)利用kmeans聚类算法进行非公交工况级别的区分，对日运营里程大于50km的车辆作为有效样本计算月百公里电耗，对能耗高于同工况级别整车能耗标准并达到设定程度的车辆定义为高能耗车辆；对于小于设定值的情况(即样本数量不够)，将车辆按照组织进行分类，对日运营里程大于50km的车辆作为有效样本计算车辆月均百公里电耗，能耗高于同组织整车能耗标准并达到设定程度的车辆定义为高能耗车辆。

通过以上三种分类得到基于工况分级的高能耗车辆信息。基于车辆同比的高能耗车辆识别方式为，对日运营里程大于50km的车辆作为有效样本计算车辆月均百公里电耗，将百公里电耗与上月同比比值大于设定值的车辆定义为高能耗车辆；基于新老车对比的高能耗识别方式为，对日运营里程大于50km的车辆作为有效样本计算车辆月均百公里电耗，将同一客户同车型新车百公里电耗高于老车百公里电耗设定值倍定义为高能耗车辆。将基于工况分级、基于车辆同比、基于新老车对比分别得出的高能耗车辆信息进行汇总集合，得到总高能耗车辆信息。上述能耗标准值由数学统计方法如计算平均值得出，上述设定值由异常识别算法给出或者根据经验直接设定。

接下来对上述总高能耗车辆信息依次进行故障原因诊断，包括主电机异常诊断、电附件异常诊断、空调运行时间诊断、驾驶行为问题诊断。若所述高能耗车辆的主电机百公里电耗与所述同线路同工况车辆的电机百公里电耗差值大于f1，则主电机存在异常；否则进行电附件异常诊断。电附件异常诊断流程为：若所述高能耗车辆的电附件百公里电耗与同线路同工况车辆的电附件百公里电耗差值大于f2，则电附件存在异常；否则进行空调运行时间诊断。空调运行时间诊断流程为：若所述高能耗车辆的空调运行时间占比与同线路同工况车辆的空调运行时间占比比值大于f3且二者差值大于f4，则空调运行时间过长；否则进行驾驶行为诊断。驾驶行为问题的诊断流程为：若车辆踏板开度大于f5的占比与踏板开度大于f6的占比比值大于f7，则驾驶行为存在问题；否则认为所述高耗能车辆的故障原因为其他原因。上述a、b、c及f1-f7可以根据异常识别算法确定或者使用依靠经验得出的定值。

对上述高能耗车辆依据高能耗原因进行分级推送管理，对车辆主电机、车辆电附件原因导致的高能耗车辆推送给专业技术人员进行具体原因分析和设计改进；对用户行为导致的高能耗车辆推送给客户进行友好提醒。

以2021年1月份为例，对市场上反馈的69台高能耗车辆模型本发明识别准确率达到90.24％，诊断原因准确率达到85％；其中基于单车同比识别的问题车辆关键指标变化趋势如图4，横轴为日期，纵轴分布为百公里电耗和电池热管理百公里电耗。经过3轮市场验证和数据验证，识别结果准确率在90％以上，诊断原因准确率在80％以上。

本专利在现有影响因素分析模型研究的基础上实现了市场异常高能耗车辆识别；并采用3种异常高能耗识别方法，起到结果相互补充的作用，能够覆盖90％以上的市场问题，且对识别的高能耗车辆进行原因诊断，便于后续应用管理。本专利在原因诊断方面，缺少部分电附件的电耗统计数据，且对驾驶行为评判指标计算结果不精确，影响原因诊断准确率，在原因诊断模型方面仍有提升空间。对于电附件的电耗统计数据不完整的情况，是部分电附件无控制器或传感器，导致监控平台无法获取报文数据计算耗电量造成的，可以通过优化硬件或关联配置等方法上报更多电附件报文数据进一步诊断模型优化。对于驾驶行为评判计算结果不准确的情况，现有方案是根据车辆踏板信息评判驾驶行为，但踏板信息数据上报频率为20秒，急加速、急减速都会影响计算精度差，导致驾驶行为评分不准确；可以通过上调数据频率准确定位车辆驾驶行为，提升诊断模型准确度。

Claims (10)

1.一种高能耗车辆识别和原因诊断方法,其特征在于，包括如下步骤：

1)获取车辆信息，所述车辆信息包括车辆能耗数据；

2)所述车辆信息包括车辆工况数据，将车辆按照工况进行分类，将能耗高于同分类整车能耗标准并达到设定程度的车辆定义为高能耗车辆；和/或，车辆能耗高于该车上一个预设时间区间的能耗标准并达到设定程度的车辆定义为高能耗车辆；和/或，车辆能耗高于同组织的同款车型的能耗标准并达到设定程度的车辆定义为高能耗车辆；

3)获取高能耗车辆高压器件能耗数据和驾驶员操作参数；所述高压器件包括主电机、电附件、空调；所述驾驶员操作参数包括加速踏板操作数据；

4)对高能耗车辆高能耗原因进行诊断；若高压器件能耗高于同分类车辆对应高压器件能耗标准达到设定程度，则高能耗原因诊断为对应高压器件故障；若驾驶员操作参数与同分类车辆对应操作参数标准的差异达到设定值，则高能耗原因诊断为驾驶员驾驶行为问题。

2.根据权利要求1所述的高能耗车辆识别和原因诊断方法，其特征在于，步骤2)中，将车辆按照工况进行分类的方法为：对于有固定线路车辆，将固定线路相同的车辆分为同类工况；对于无固定线路车辆，按照同组织同米段车辆进行同类工况划分。

3.根据权利要求2所述的高能耗车辆识别和原因诊断方法，其特征在于，对于无固定线路车辆，同组织同米段车辆数小于设定值时，直接将组织同米段车辆分为同类工况；同组织同米段车辆数大于设定值时，将车速分布相同的车辆划分为同类工况。

4.根据权利要求3所述的高能耗车辆识别和原因诊断方法，其特征在于，将车速分布相同的车辆划分为同类工况的方法为，将车速按照设定的车速区间进行kmeans聚类，聚类结果即为同类工况的划分。

5.根据权利要求1所述的高能耗车辆识别和原因诊断方法，其特征在于，步骤3)中，所述能耗标准通过数学统计的方式获得。

6.根据权利要求1所述的高能耗车辆识别和原因诊断方法，其特征在于，步骤4)中，高压器件能耗数据包括对应高压器件百公里能耗。

7.根据权利要求6所述的高能耗车辆识别和原因诊断方法，其特征在于，步骤4)中，若所述高能耗车辆的高压器件百公里能耗与同分类车辆高压器件百公里能耗平均值的差值大于预设值，则高压器件能耗高于同分类车辆对应高压器件能耗标准。

8.根据权利要求1所述的高能耗车辆识别和原因诊断方法，其特征在于，步骤4)中，同分类车辆操作参数标准为加速踏板开度大于设定值，若高能耗车辆加速踏板开度大于设定值的占比与同分类车辆操作参数标准的差值大于预设值，则高能耗原因诊断为驾驶员驾驶行为问题。

9.根据权利要求7或8所述的高能耗车辆识别和原因诊断方法，其特征在于，所述预设值通过异常识别算法得到。

10.根据权利要求1所述的高能耗车辆识别和原因诊断方法，其特征在于，步骤3)中，所述电附件包括DC/DC、电池热管理、除霜器、电转向、空压机、电加热。

Images