CN116653600A - 一种精准控制功率的车载电源管理方法及系统 - Google Patents
一种精准控制功率的车载电源管理方法及系统 Download PDFInfo
- Publication number
- CN116653600A CN116653600A CN202310550744.XA CN202310550744A CN116653600A CN 116653600 A CN116653600 A CN 116653600A CN 202310550744 A CN202310550744 A CN 202310550744A CN 116653600 A CN116653600 A CN 116653600A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- power
- factor
- value
- mounted equipment
- 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
Links
- 238000007726 management method Methods 0.000 title claims abstract description 32
- 238000004364 calculation method Methods 0.000 claims abstract description 23
- 230000005611 electricity Effects 0.000 claims description 20
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 claims description 18
- 238000003062 neural network model Methods 0.000 claims description 15
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000000034 method Methods 0.000 abstract description 9
- 230000002035 prolonged effect Effects 0.000 abstract description 3
- 230000001960 triggered effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- B60L1/00—Supplying electric power to auxiliary equipment of vehicles
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Power Engineering (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Biophysics (AREA)
- Game Theory and Decision Science (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Direct Current Feeding And Distribution (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开的一种精准控制功率的车载电源管理方法及系统,其中方法包括:获取车载设备的功率数值;将车载设备的功率数值按照设备进行分类,得到不同车载设备的功率数值;将不同车载设备的功率数值和对应车载设备预设标准功率进行差值计算,得到对应车载设备的功率差;判断所述车载设备的功率差是否大于对应车载设备预设功率差阈值,若是,根据对应车载设备的功率差进行调整;若否,对应车载设备功率正常。本发明通过对车载设备的功率进行实时监测,构建每个车载设备的用电动态模型,以达到整车的最优化的节电措施,极大限度的延长整车的续航。
Description
技术领域
本发明涉及电池技术领域,更具体的,涉及一种精准控制功率的车载电源管理方法及系统。
背景技术
电动车的续航能力和电子设备的电源需求之间的矛盾,使得提高用电效率变得尤为重要。为了解决这一问题,可以采取多种措施,比如改善电池的存储能力,开发新型节能电子设备,智能控制车辆的动力系统,以及采用混合动力系统等。然而,当前车载设备在运行过程中,非正常使用车载设备导致的电量损耗比例较高,降低了电池的续航。
因此,现有技术存在缺陷,亟待改进。
发明内容
鉴于上述问题,本发明的目的是提供一种精准控制功率的车载电源管理方法及系统,能够极大限度的延长整车的续航。
本发明第一方面提供了一种精准控制功率的车载电源管理方法,包括:
获取车载设备的功率数值;
将车载设备的功率数值按照设备进行分类,得到不同车载设备的功率数值;
将不同车载设备的功率数值和对应车载设备预设标准功率进行差值计算,得到对应车载设备的功率差;
判断所述车载设备的功率差是否大于对应车载设备预设功率差阈值,若是,根据对应车载设备的功率差进行调整;若否,对应车载设备功率正常。
本方案中,还包括:
获取行车环境信息;
根据行车环境信息,得到影响车载设备功率的因素以及对应因素的因素值;
将影响车载设备功率的因素值进行归一化处理,得到对应因素的归一化值;
将因数的归一化值两两进行差值计算,得到因素差值集;
判断因素差值集中的因素差值是否大于预设第一阈值,若是,将对应行车环境设为波动环境;若否,将对应行车环境设为平稳环境。
本方案中,还包括:
将车载设备预设标准功率设为P,当行车环境为波动环境时,其公式为
当行车环境为平稳环境时,其公式为
其中Ai表示因数的归一化值,ai表示车载设备在波动环境时的因素i对功率的影响系数;bi表示车载设备在平稳环境时的因素i对功率的影响系数,P0表示初始功率值,n表示因素的总个数,i表示因素编号且i∈n。
本方案中,还包括:
获取大于预设第一阈值的因素差值;
根据大于预设第一阈值的因素差值,得到对应波动因素;
提取波动因素的因素值;
根据波动因素的因素值落入的预设范围,确定对应波动因素的因素值对不同车载设备的初始功率值。
本方案中,还包括:
获取历史行车环境以及对应车载设备的功率信息;
将历史行车环境以及对应车载设备的功率信息进行预处理,得到训练样本集;
将所述训练样本集发送至初始化的预设神经网络模型中训练;
获取输出结果的准确率,当准确率大于预设准确率阈值时,停止训练,得到车载设备的用电动态模型。
本方案中,还包括:
获取用户的行车路线以及对应行车时间;
将用户的行车路线以及对应行车时间发送至车载设备的用电动态模型,得到用户的行车路线所需要的用电预测值;
将当前车辆的电量值和用户的行车路线所需要的用电预测值进行差值计算,得到第一电量差值;
判断所述第一电量差值是否小于预设第一电量阈值,若是,则触发提醒信息。
本方案中,还包括:
获取用户的行车路线所需要的用电实际值;
将用户的行车路线所需要的用电实际值和用电预测值进行差值计算,得到第二电量差值;
判断所述第二电量差值是否大于预设第二电量阈值,若是,则触发用电动态模型修订提醒信息。
本发明第二方面提供了一种精准控制功率的车载电源管理系统,包括存储器和处理器,所述存储器中存储有一种精准控制功率的车载电源管理方法程序,所述一种精准控制功率的车载电源管理方法程序被所述处理器执行时实现如下步骤:
获取车载设备的功率数值;
将车载设备的功率数值按照设备进行分类,得到不同车载设备的功率数值;
将不同车载设备的功率数值和对应车载设备预设标准功率进行差值计算,得到对应车载设备的功率差;
判断所述车载设备的功率差是否大于对应车载设备预设功率差阈值,若是,根据对应车载设备的功率差进行调整;若否,对应车载设备功率正常。
本方案中,还包括:
获取行车环境信息;
根据行车环境信息,得到影响车载设备功率的因素以及对应因素的因素值;
将影响车载设备功率的因素值进行归一化处理,得到对应因素的归一化值;
将因数的归一化值两两进行差值计算,得到因素差值集;
判断因素差值集中的因素差值是否大于预设第一阈值,若是,将对应行车环境设为波动环境;若否,将对应行车环境设为平稳环境。
本方案中,还包括:
将车载设备预设标准功率设为P,当行车环境为波动环境时,其公式为
当行车环境为平稳环境时,其公式为
其中Ai表示因数的归一化值,ai表示车载设备在波动环境时的因素i对功率的影响系数;bi表示车载设备在平稳环境时的因素i对功率的影响系数,P0表示初始功率值,n表示因素的总个数,i表示因素编号且i∈n。
本方案中,还包括:
获取大于预设第一阈值的因素差值;
根据大于预设第一阈值的因素差值,得到对应波动因素;
提取波动因素的因素值;
根据波动因素的因素值落入的预设范围,确定对应波动因素的因素值对不同车载设备的初始功率值。
本方案中,还包括:
获取历史行车环境以及对应车载设备的功率信息;
将历史行车环境以及对应车载设备的功率信息进行预处理,得到训练样本集;
将所述训练样本集发送至初始化的预设神经网络模型中训练;
获取输出结果的准确率,当准确率大于预设准确率阈值时,停止训练,得到车载设备的用电动态模型。
本方案中,还包括:
获取用户的行车路线以及对应行车时间;
将用户的行车路线以及对应行车时间发送至车载设备的用电动态模型,得到用户的行车路线所需要的用电预测值;
将当前车辆的电量值和用户的行车路线所需要的用电预测值进行差值计算,得到第一电量差值;
判断所述第一电量差值是否小于预设第一电量阈值,若是,则触发提醒信息。
本方案中,还包括:
获取用户的行车路线所需要的用电实际值;
将用户的行车路线所需要的用电实际值和用电预测值进行差值计算,得到第二电量差值;
判断所述第二电量差值是否大于预设第二电量阈值,若是,则触发用电动态模型修订提醒信息。
本发明公开的一种精准控制功率的车载电源管理方法及系统,通过对车载设备的功率进行实时监测,构建每个车载设备的用电动态模型,以达到整车的最优化的节电措施,极大限度的延长整车的续航。
附图说明
图1示出了本发明一种精准控制功率的车载电源管理方法的流程图;
图2示出了本发明中行车环境分类的流程图;
图3示出了本发明一种精准控制功率的车载电源管理系统的示意图;
图4示出了本发明一种精准控制功率的车载电源管理系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种精准控制功率的车载电源管理方法的流程图。
如图1所示,本发明公开了一种精准控制功率的车载电源管理方法,包括:
S101,获取车载设备的功率数值;
S102,将车载设备的功率数值按照设备进行分类,得到不同车载设备的功率数值;
S103,将不同车载设备的功率数值和对应车载设备预设标准功率进行差值计算,得到对应车载设备的功率差;
S104,判断所述车载设备的功率差是否大于对应车载设备预设功率差阈值,若是,根据对应车载设备的功率差进行调整;若否,对应车载设备功率正常。
需要说明的是,所述车载设备的功率数值为车载设备在运行时的实时功率数值,通过预设的功率感应器进行收集,并按照不同设备名称进行分类存储。所述车载设备预设标准功率为变数,根据车载设备在不同使用环境下进行动态调整,所述车载设备的功率差为车载设备的功率数值减去对应车载设备预设标准功率的差值,其中当车载设备的功率差大于对应车载设备预设标准功率时,说明对应车载设备在当前运行时的实时功率数值过大,按照车载设备的功率差作相反调整,比如车载设备的功率差为正数,则对该车载设备的功率进行调小且数值为对应车载设备的功率差,所述车载设备预设功率差阈值由本领域技术人员根据实际需求进行设置。
图2示出了本发明中行车环境分类的流程图。
如图2所示,根据本发明实施例,还包括:
S201,获取行车环境信息;
S202,根据行车环境信息,得到影响车载设备功率的因素以及对应因素的因素值;
S203,将影响车载设备功率的因素值进行归一化处理,得到对应因素的归一化值;
S204,将因数的归一化值两两进行差值计算,得到因素差值集;
S205,判断因素差值集中的因素差值是否大于预设第一阈值,若是,将对应行车环境设为波动环境;若否,将对应行车环境设为平稳环境。
需要说明的是,行车环境信息中包括所有影响车载设备运行功率的因素,比如车内外温度、车载设备的持续工作时间、车子的速度等。提取因素的因素值,比如车内的温度为23度,则对应车内的温度为一个因素,对应因素值为23度;将因素的归一化值设为Ai,其公式为其中Ci表示因素i的因素值,Ci-min表示因素i的最小取值,Ci-max表示因素i的最大取值,所述预设第一阈值由本领域技术人员根据实际需求进行设置。
根据本发明实施例,还包括:
将车载设备预设标准功率设为P,当行车环境为波动环境时,其公式为
当行车环境为平稳环境时,其公式为
其中Ai表示因数的归一化值,ai表示车载设备在波动环境时的因素i对功率的影响系数;bi表示车载设备在平稳环境时的因素i对功率的影响系数,P0表示初始功率值,n表示因素的总个数,i表示因素编号且i∈n。
需要说明的是,车载设备在不同行车环境的预设标准功率的计算公式不同。
根据本发明实施例,还包括:
获取大于预设第一阈值的因素差值;
根据大于预设第一阈值的因素差值,得到对应波动因素;
提取波动因素的因素值;
根据波动因素的因素值落入的预设范围,确定对应波动因素的因素值对车载设备的初始功率值。
需要说明的是,比如大于预设第一阈值的因素差值为因素x和因素y的归一化值的差值,则将对应因素x和因素y设为波动因素,并提取对应波动因素的因素值,再根据波动因素的因素值落入的预设范围,确定对应波动因素的因素值对不同车载设备的初始功率值,其中若存在多个波动因素时,所述车载设备的初始功率值为不同波动因素对应的初始功率值的累加值。不同因素的因素值对应的预设范围不同,且不同预设范围对应的车载设备的初始功率值也不同,具体由本领域技术人员根据实际需求进行设置。
根据本发明实施例,还包括:
获取历史行车环境以及对应车载设备的功率信息;
将历史行车环境以及对应车载设备的功率信息进行预处理,得到训练样本集;
将所述训练样本集发送至初始化的预设神经网络模型中训练;
获取输出结果的准确率,当准确率大于预设准确率阈值时,停止训练,得到车载设备的用电动态模型。
需要说明的是,通过训练样本对预设神经网络模型中的参数进行不断修订,再通过验证样本对该预设神经网络模型中的参数进行验证,其中,当输出结果的准确率大于预设准确率阈值时,停止训练,比如预设准确率阈值为95%,则该预设神经网络模型的输出结果的准确率需要大于95%才停止训练,并蒋所预设神经网络模型设为对应车载设备的用电动态模型,所述预设神经网络模型中的参数包括车载设备在不同环境时的因素对功率的影响系数。
根据本发明实施例,还包括:
获取用户的行车路线以及对应行车时间;
将用户的行车路线以及对应行车时间发送至车载设备的用电动态模型,得到用户的行车路线所需要的用电预测值;
将当前车辆的电量值和用户的行车路线所需要的用电预测值进行差值计算,得到第一电量差值;
判断所述第一电量差值是否小于预设第一电量阈值,若是,则触发提醒信息。
需要说明的,通过用电动态模型还可以对用户的行车路线进行用电预测,以避免车辆在行驶过程中错过充电位置,所述第一电量差值为当前车辆的电量值减去用户的行车路线所需要的用电预测值的差值,当第一电量差值小于预设第一电量阈值时,说明车载在该行车路线中最少需要进行充电一次,因此触发提醒信息,以提醒用户端注意车载电源的电量值。所述预设第一电量阈值由本领域技术人员根据实际需求进行设置。
根据本发明实施例,还包括:
获取用户的行车路线所需要的用电实际值;
将用户的行车路线所需要的用电实际值和用电预测值进行差值计算,得到第二电量差值;
判断所述第二电量差值是否大于预设第二电量阈值,若是,则触发用电动态模型修订提醒信息。
需要说明的是,所述第二电量差值为用户的行车路线所需要的用电实际值减去用电预测值的差值,当第二电量差值大于预设第二电量阈值时,说明该次的电量预测存在错误并且差错比较大,因此,触发用电动态模型修订提醒信息,通过对用电动态模型进行再次训练以提高输出结果的精确度,所述预设第二电量阈值由本领域技术人员根据实际需求进行设置。
根据本发明实施例,还包括:
获取用户端的目的地;
基于预设导航系统,获取用户端的可选路线;
将用户端的可选路线发送至用电动态模型以进行排序;
将用户端的可选路线按照排序先后进行显示。
需要说明的是,根据预设导航系统和用户端的目的地,确定用户端可选路线,所述用电动态模型将可选路线按照预设排序规则进行排序,所述预设排序规则由用户端进行选择,比如按照充电方便、路段最短、最省电路线等对可选路线进行排序,其中优先排序的为最佳路线。
根据本发明实施例,还包括:
获取车载电源的实时电量值;
判断车载电源的实时电量值是否小于预设第三电量阈值,若是,则触发警示信息;
将警示信息发送至预设屏幕端以进行显示。
需要说明的是,为保障一些特殊设备有足够的电量,比如熄火不停机的行车记录仪,当车载电源的实时电量值低于预设第三电量阈值时,比如第三电量阈值设为10%,则车载电源的实时电量值不能低于10%,否则会触发警示信息,提示用户端给车载电源进行充电。
根据本发明实施例,还包括:
获取车载设备未操作的时间;
判断所述车载设备未操作的时间是否大于预设时间阈值,若是,则将对应车载设备设为睡眠状态;
基于预设功率调整方案,对睡眠状态的车载设备的功率进行调整。
需要说明的是,当车载设备由于长时间未进行操作,车载设备将记录用户未操作的时间,比如预设时间阈值为1分钟,则当车载设备未操作的时间大于1分钟时,对应车载设备进入睡眠状态,并通过预设功率调整方案,对该睡眠状态的车载设备的功率进行调整。
图3示出了本发明一种精准控制功率的车载电源管理系统的示意图。
如图3所示,本发明一种精准控制功率的车载电源管理系统中包括数据采集模块、计算模块、电池模块、用电动态模型、运行管理模块和车载设备,其中数据采集模块存储有各种信息数据感应器,比如温度感应器、功率感应器等;所述计算模块对采集的数据进行计算处理,比如将行车环境进行划分、计算车载设备的标准功率等,并将处理之后的数据发送至用电动态模型以促使用电动态模型不断进行优化,再通过运行管理模块中的运行管理系统对各车载设备进行功率管理,以达到精准控制功率的效果。
图4示出了本发明一种精准控制功率的车载电源管理系统的框图。
如图4所示,本发明第二方面提供了一种精准控制功率的车载电源管理系统4,包括存储器41和处理器42,所述存储器中存储有一种精准控制功率的车载电源管理方法程序,所述一种精准控制功率的车载电源管理方法程序被所述处理器执行时实现如下步骤:
获取车载设备的功率数值;
将车载设备的功率数值按照设备进行分类,得到不同车载设备的功率数值;
将不同车载设备的功率数值和对应车载设备预设标准功率进行差值计算,得到对应车载设备的功率差;
判断所述车载设备的功率差是否大于对应车载设备预设功率差阈值,若是,根据对应车载设备的功率差进行调整;若否,对应车载设备功率正常。
需要说明的是,所述车载设备的功率数值为车载设备在运行时的实时功率数值,通过预设的功率感应器进行收集,并按照不同设备名称进行分类存储。所述车载设备预设标准功率为变数,根据车载设备在不同使用环境下进行动态调整,所述车载设备的功率差为车载设备的功率数值减去对应车载设备预设标准功率的差值,其中当车载设备的功率差大于对应车载设备预设标准功率时,说明对应车载设备在当前运行时的实时功率数值过大,按照车载设备的功率差作相反调整,比如车载设备的功率差为正数,则对该车载设备的功率进行调小且数值为对应车载设备的功率差,所述车载设备预设功率差阈值由本领域技术人员根据实际需求进行设置。
根据本发明实施例,还包括:
获取行车环境信息;
根据行车环境信息,得到影响车载设备功率的因素以及对应因素的因素值;
将影响车载设备功率的因素值进行归一化处理,得到对应因素的归一化值;
将因数的归一化值两两进行差值计算,得到因素差值集;
判断因素差值集中的因素差值是否大于预设第一阈值,若是,将对应行车环境设为波动环境;若否,将对应行车环境设为平稳环境。
需要说明的是,行车环境信息中包括所有影响车载设备运行功率的因素,比如车内外温度、车载设备的持续工作时间、车子的速度等。提取因素的因素值,比如车内的温度为23度,则对应车内的温度为一个因素,对应因素值为23度;将因素的归一化值设为Ai,其公式为其中Ci表示因素i的因素值,Ci-min表示因素i的最小取值,Ci-max表示因素i的最大取值,所述预设第一阈值由本领域技术人员根据实际需求进行设置。
根据本发明实施例,还包括:
将车载设备预设标准功率设为P,当行车环境为波动环境时,其公式为
当行车环境为平稳环境时,其公式为
其中Ai表示因数的归一化值,ai表示车载设备在波动环境时的因素i对功率的影响系数;bi表示车载设备在平稳环境时的因素i对功率的影响系数,P0表示初始功率值,n表示因素的总个数,i表示因素编号且i∈n。
需要说明的是,车载设备在不同行车环境的预设标准功率的计算公式不同。
根据本发明实施例,还包括:
获取大于预设第一阈值的因素差值;
根据大于预设第一阈值的因素差值,得到对应波动因素;
提取波动因素的因素值;
根据波动因素的因素值落入的预设范围,确定对应波动因素的因素值对车载设备的初始功率值。
需要说明的是,比如大于预设第一阈值的因素差值为因素x和因素y的归一化值的差值,则将对应因素x和因素y设为波动因素,并提取对应波动因素的因素值,再根据波动因素的因素值落入的预设范围,确定对应波动因素的因素值对不同车载设备的初始功率值,其中若存在多个波动因素时,所述车载设备的初始功率值为不同波动因素对应的初始功率值的累加值。不同因素的因素值对应的预设范围不同,且不同预设范围对应的车载设备的初始功率值也不同,具体由本领域技术人员根据实际需求进行设置。
根据本发明实施例,还包括:
获取历史行车环境以及对应车载设备的功率信息;
将历史行车环境以及对应车载设备的功率信息进行预处理,得到训练样本集;
将所述训练样本集发送至初始化的预设神经网络模型中训练;
获取输出结果的准确率,当准确率大于预设准确率阈值时,停止训练,得到车载设备的用电动态模型。
需要说明的是,通过训练样本对预设神经网络模型中的参数进行不断修订,再通过验证样本对该预设神经网络模型中的参数进行验证,其中,当输出结果的准确率大于预设准确率阈值时,停止训练,比如预设准确率阈值为95%,则该预设神经网络模型的输出结果的准确率需要大于95%才停止训练,并蒋所预设神经网络模型设为对应车载设备的用电动态模型,所述预设神经网络模型中的参数包括车载设备在不同环境时的因素对功率的影响系数。
根据本发明实施例,还包括:
获取用户的行车路线以及对应行车时间;
将用户的行车路线以及对应行车时间发送至车载设备的用电动态模型,得到用户的行车路线所需要的用电预测值;
将当前车辆的电量值和用户的行车路线所需要的用电预测值进行差值计算,得到第一电量差值;
判断所述第一电量差值是否小于预设第一电量阈值,若是,则触发提醒信息。
需要说明的,通过用电动态模型还可以对用户的行车路线进行用电预测,以避免车辆在行驶过程中错过充电位置,所述第一电量差值为当前车辆的电量值减去用户的行车路线所需要的用电预测值的差值,当第一电量差值小于预设第一电量阈值时,说明车载在该行车路线中最少需要进行充电一次,因此触发提醒信息,以提醒用户端注意车载电源的电量值。所述预设第一电量阈值由本领域技术人员根据实际需求进行设置。
根据本发明实施例,还包括:
获取用户的行车路线所需要的用电实际值;
将用户的行车路线所需要的用电实际值和用电预测值进行差值计算,得到第二电量差值;
判断所述第二电量差值是否大于预设第二电量阈值,若是,则触发用电动态模型修订提醒信息。
需要说明的是,所述第二电量差值为用户的行车路线所需要的用电实际值减去用电预测值的差值,当第二电量差值大于预设第二电量阈值时,说明该次的电量预测存在错误并且差错比较大,因此,触发用电动态模型修订提醒信息,通过对用电动态模型进行再次训练以提高输出结果的精确度,所述预设第二电量阈值由本领域技术人员根据实际需求进行设置。
根据本发明实施例,还包括:
获取用户端的目的地;
基于预设导航系统,获取用户端的可选路线;
将用户端的可选路线发送至用电动态模型以进行排序;
将用户端的可选路线按照排序先后进行显示。
需要说明的是,根据预设导航系统和用户端的目的地,确定用户端可选路线,所述用电动态模型将可选路线按照预设排序规则进行排序,所述预设排序规则由用户端进行选择,比如按照充电方便、路段最短、最省电路线等对可选路线进行排序,其中优先排序的为最佳路线。
根据本发明实施例,还包括:
获取车载电源的实时电量值;
判断车载电源的实时电量值是否小于预设第三电量阈值,若是,则触发警示信息;
将警示信息发送至预设屏幕端以进行显示。
需要说明的是,为保障一些特殊设备有足够的电量,比如熄火不停机的行车记录仪,当车载电源的实时电量值低于预设第三电量阈值时,比如第三电量阈值设为10%,则车载电源的实时电量值不能低于10%,否则会触发警示信息,提示用户端给车载电源进行充电。
根据本发明实施例,还包括:
获取车载设备未操作的时间;
判断所述车载设备未操作的时间是否大于预设时间阈值,若是,则将对应车载设备设为睡眠状态;
基于预设功率调整方案,对睡眠状态的车载设备的功率进行调整。
需要说明的是,当车载设备由于长时间未进行操作,车载设备将记录用户未操作的时间,比如预设时间阈值为1分钟,则当车载设备未操作的时间大于1分钟时,对应车载设备进入睡眠状态,并通过预设功率调整方案,对该睡眠状态的车载设备的功率进行调整。
本发明公开的一种精准控制功率的车载电源管理方法及系统,其中方法包括:获取车载设备的功率数值;将车载设备的功率数值按照设备进行分类,得到不同车载设备的功率数值;将不同车载设备的功率数值和对应车载设备预设标准功率进行差值计算,得到对应车载设备的功率差;判断所述车载设备的功率差是否大于对应车载设备预设功率差阈值,若是,根据对应车载设备的功率差进行调整;若否,对应车载设备功率正常。本发明通过对车载设备的功率进行实时监测,构建每个车载设备的用电动态模型,以达到整车的最优化的节电措施,极大限度的延长整车的续航。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种精准控制功率的车载电源管理方法,其特征在于,包括:
获取车载设备的功率数值;
将车载设备的功率数值按照设备进行分类,得到不同车载设备的功率数值;
将不同车载设备的功率数值和对应车载设备预设标准功率进行差值计算,得到对应车载设备的功率差;
判断所述车载设备的功率差是否大于对应车载设备预设功率差阈值,若是,根据对应车载设备的功率差进行调整;若否,对应车载设备功率正常。
2.根据权利要求1所述的一种精准控制功率的车载电源管理方法,其特征在于,还包括:
获取行车环境信息;
根据行车环境信息,得到影响车载设备功率的因素以及对应因素的因素值;
将影响车载设备功率的因素值进行归一化处理,得到对应因素的归一化值;
将因数的归一化值两两进行差值计算,得到因素差值集;
判断因素差值集中的因素差值是否大于预设第一阈值,若是,将对应行车环境设为波动环境;若否,将对应行车环境设为平稳环境。
3.根据权利要求2所述的一种精准控制功率的车载电源管理方法,其特征在于,还包括:
将车载设备预设标准功率设为P,当行车环境为波动环境时,其公式为
当行车环境为平稳环境时,其公式为
其中Ai表示因数的归一化值,ai表示车载设备在波动环境时的因素i对功率的影响系数;bi表示车载设备在平稳环境时的因素i对功率的影响系数,P0表示初始功率值,n表示因素的总个数,i表示因素编号且i∈n。
4.根据权利要求3所述的一种精准控制功率的车载电源管理方法,其特征在于,还包括:
获取大于预设第一阈值的因素差值;
根据大于预设第一阈值的因素差值,得到对应波动因素;
提取波动因素的因素值;
根据波动因素的因素值落入的预设范围,确定对应波动因素的因素值对不同车载设备的初始功率值。
5.根据权利要求1所述的一种精准控制功率的车载电源管理方法,其特征在于,还包括:
获取历史行车环境以及对应车载设备的功率信息;
将历史行车环境以及对应车载设备的功率信息进行预处理,得到训练样本集;
将所述训练样本集发送至初始化的预设神经网络模型中训练;
获取输出结果的准确率,当准确率大于预设准确率阈值时,停止训练,得到车载设备的用电动态模型。
6.根据权利要求5所述的一种精准控制功率的车载电源管理方法,其特征在于,还包括:
获取用户的行车路线以及对应行车时间;
将用户的行车路线以及对应行车时间发送至车载设备的用电动态模型,得到用户的行车路线所需要的用电预测值;
将当前车辆的电量值和用户的行车路线所需要的用电预测值进行差值计算,得到第一电量差值;
判断所述第一电量差值是否小于预设第一电量阈值,若是,则触发提醒信息。
7.根据权利要求6所述的一种精准控制功率的车载电源管理方法,其特征在于,还包括:
获取用户的行车路线所需要的用电实际值;
将用户的行车路线所需要的用电实际值和用电预测值进行差值计算,得到第二电量差值;
判断所述第二电量差值是否大于预设第二电量阈值,若是,则触发用电动态模型修订提醒信息。
8.一种精准控制功率的车载电源管理系统,其特征在于,包括存储器和处理器,所述存储器中存储有一种精准控制功率的车载电源管理方法程序,所述一种精准控制功率的车载电源管理方法程序被所述处理器执行时实现如下步骤:
获取车载设备的功率数值;
将车载设备的功率数值按照设备进行分类,得到不同车载设备的功率数值;
将不同车载设备的功率数值和对应车载设备预设标准功率进行差值计算,得到对应车载设备的功率差;
判断所述车载设备的功率差是否大于对应车载设备预设功率差阈值,若是,根据对应车载设备的功率差进行调整;若否,对应车载设备功率正常。
9.根据权利要求8所述的一种精准控制功率的车载电源管理系统,其特征在于,还包括:
获取行车环境信息;
根据行车环境信息,得到影响车载设备功率的因素以及对应因素的因素值;
将影响车载设备功率的因素值进行归一化处理,得到对应因素的归一化值;
将因数的归一化值两两进行差值计算,得到因素差值集;
判断因素差值集中的因素差值是否大于预设第一阈值,若是,将对应行车环境设为波动环境;若否,将对应行车环境设为平稳环境。
10.根据权利要求9所述的一种精准控制功率的车载电源管理系统,其特征在于,还包括:
将车载设备预设标准功率设为P,当行车环境为波动环境时,其公式为
当行车环境为平稳环境时,其公式为
其中Ai表示因数的归一化值,ai表示车载设备在波动环境时的因素i对功率的影响系数;bi表示车载设备在平稳环境时的因素i对功率的影响系数,P0表示初始功率值,n表示因素的总个数,i表示因素编号且i∈n。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310550744.XA CN116653600A (zh) | 2023-05-16 | 2023-05-16 | 一种精准控制功率的车载电源管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310550744.XA CN116653600A (zh) | 2023-05-16 | 2023-05-16 | 一种精准控制功率的车载电源管理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116653600A true CN116653600A (zh) | 2023-08-29 |
Family
ID=87710950
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310550744.XA Pending CN116653600A (zh) | 2023-05-16 | 2023-05-16 | 一种精准控制功率的车载电源管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116653600A (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080157593A1 (en) * | 2006-12-29 | 2008-07-03 | Cummins Power Generation Ip, Inc. | Management of an electric power generation and storage system |
JP2013095388A (ja) * | 2011-11-04 | 2013-05-20 | Toyota Motor Corp | ハイブリッド自動車 |
KR101505744B1 (ko) * | 2013-10-17 | 2015-04-02 | 피에스텍주식회사 | 지능형 멀티 충전 시스템 |
US20170101068A1 (en) * | 2015-10-13 | 2017-04-13 | Kia Motors Corporation | Power control apparatus, vehicle having the same, and method of controlling vehicle |
CN107264300A (zh) * | 2016-04-01 | 2017-10-20 | 福特全球技术公司 | 电动车辆能源管理 |
CN108001227A (zh) * | 2016-10-27 | 2018-05-08 | 丰田自动车株式会社 | 电动车辆 |
DE102018104678A1 (de) * | 2018-03-01 | 2019-09-05 | Minebea Mitsumi Inc. | Steuerung eines elektrischen Verbrauchers in einem Elektrofahrzeug während des Ladevorgangs |
CN111071108A (zh) * | 2019-10-31 | 2020-04-28 | 江铃汽车股份有限公司 | 汽车能量管理控制方法、系统、车载终端及存储介质 |
US20220258593A1 (en) * | 2019-07-25 | 2022-08-18 | Hitachi Construction Machinery Co., Ltd. | Electric Vehicle |
CN114954123A (zh) * | 2021-08-26 | 2022-08-30 | 长城汽车股份有限公司 | 车辆充电功率的计算方法、装置、车辆及存储介质 |
DE102022124335A1 (de) * | 2022-09-22 | 2023-04-06 | FEV Europe GmbH | Verfahren zur Vorhersage eines Leistungsbedarfs von Nebenaggregaten eines Fahrzeugs |
-
2023
- 2023-05-16 CN CN202310550744.XA patent/CN116653600A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080157593A1 (en) * | 2006-12-29 | 2008-07-03 | Cummins Power Generation Ip, Inc. | Management of an electric power generation and storage system |
JP2013095388A (ja) * | 2011-11-04 | 2013-05-20 | Toyota Motor Corp | ハイブリッド自動車 |
KR101505744B1 (ko) * | 2013-10-17 | 2015-04-02 | 피에스텍주식회사 | 지능형 멀티 충전 시스템 |
US20170101068A1 (en) * | 2015-10-13 | 2017-04-13 | Kia Motors Corporation | Power control apparatus, vehicle having the same, and method of controlling vehicle |
CN107264300A (zh) * | 2016-04-01 | 2017-10-20 | 福特全球技术公司 | 电动车辆能源管理 |
CN108001227A (zh) * | 2016-10-27 | 2018-05-08 | 丰田自动车株式会社 | 电动车辆 |
DE102018104678A1 (de) * | 2018-03-01 | 2019-09-05 | Minebea Mitsumi Inc. | Steuerung eines elektrischen Verbrauchers in einem Elektrofahrzeug während des Ladevorgangs |
US20220258593A1 (en) * | 2019-07-25 | 2022-08-18 | Hitachi Construction Machinery Co., Ltd. | Electric Vehicle |
CN111071108A (zh) * | 2019-10-31 | 2020-04-28 | 江铃汽车股份有限公司 | 汽车能量管理控制方法、系统、车载终端及存储介质 |
CN114954123A (zh) * | 2021-08-26 | 2022-08-30 | 长城汽车股份有限公司 | 车辆充电功率的计算方法、装置、车辆及存储介质 |
DE102022124335A1 (de) * | 2022-09-22 | 2023-04-06 | FEV Europe GmbH | Verfahren zur Vorhersage eines Leistungsbedarfs von Nebenaggregaten eines Fahrzeugs |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11774503B2 (en) | Battery life learning device, battery life prediction device, method and non-transitory computer readable medium | |
US11965935B2 (en) | Method and apparatus for operating a system for providing predicted states of health of electrical energy stores for a device using machine learning methods | |
CN115330275B (zh) | 一种退役电池的梯次利用方法及装置 | |
CN113326585B (zh) | 燃气锅炉的能效异常预警方法、装置和计算机设备 | |
CN116722571B (zh) | 一种基于数字孪生的储能管理方法、系统及介质 | |
CN112924866A (zh) | 容量保持率的检测方法、检测装置、车辆及存储介质 | |
CN115718258B (zh) | 电池故障检测 | |
CN115700717A (zh) | 一种基于电动汽车用电需求的配电分析方法 | |
CN117630672A (zh) | 借助变换器模型预测诊断技术设备的设备电池的方法和设备 | |
US20240168095A1 (en) | Method and Apparatus for Predictive Diagnosis of a Device Battery of a Technical Device Using a Multivariate Transformer Model | |
CN116879760B (zh) | 退役动力电池历史过充电故障诊断方法及装置 | |
CN116653600A (zh) | 一种精准控制功率的车载电源管理方法及系统 | |
CN115534756B (zh) | 一种电动汽车续航里程异常识别方法、系统、设备和介质 | |
CN115374211A (zh) | 基于物联网的车间设备运行监测方法、装置和计算机设备 | |
JP6804710B1 (ja) | 処理装置、処理方法及びプログラム | |
EP3862765B1 (en) | Battery degradation evaluation system, battery degradation evaluation method, and battery degradation evaluation program | |
CN115219932A (zh) | 用于评价设备电池组的相对老化状态的方法和装置 | |
CN114764600A (zh) | 新能源车电池包的寿命预测方法、装置和电子设备 | |
CN112782601A (zh) | 电池健康度的获取方法、系统、设备及可读存储介质 | |
CN112782584A (zh) | 电池电量的剩余使用额度的预测方法、系统、介质及设备 | |
CN113978303B (zh) | 一种电动汽车的充电方法和系统 | |
WO2023182019A1 (ja) | 情報処理装置、情報処理方法及びプログラム | |
CN117148155A (zh) | 电池寿命预测方法及执行该方法的电池管理系统 | |
CN117491871A (zh) | 用于借助于归一化流模型对技术设备的设备电池进行预测性诊断的方法 | |
JP2023143161A (ja) | 情報処理装置、情報処理方法及びプログラム |
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 |