CN117325710A - 车辆剩余里程的预测方法、装置、电子设备及车辆 - Google Patents

Abstract

本申请涉及一种车辆剩余里程的预测方法、装置、电子设备及车辆，涉及数据处理技术领域，其中方法包括：获取车辆的电池剩余电量；若所述电池剩余电量小于或等于预设电量阈值，则获取所述车辆的每公里能耗，以及获取所述车辆的电池剩余能量；将所述电池剩余能量除以所述每公里能耗，得到所述车辆的纯电剩余里程预测值。通过应用本申请的技术方案，在增程式电动汽车处于低SOC段时，可准确预测实时的纯电剩余里程值，提高了纯电剩余里程低SOC段的预测准确性，并且准确度更高的纯电剩余里程预测值可更好的帮助驾驶员操控汽车，提升汽车的操控体验。

Description

车辆剩余里程的预测方法、装置、电子设备及车辆

技术领域

本申请涉及数据处理技术领域，具体涉及一种车辆剩余里程的预测方法、装置、电子设备及车辆。

背景技术

增程式电动汽车是在纯电动汽车的基础上增加了一套增程器，现如今主流的增程式电动汽车使用的都是小排量发动机带动发电机组进行发电的。这样设计的最大好处就是可以解决续航里程焦虑的问题。

目前，在增程式电动汽车的纯电剩余里程预测过程中，当基于历史数据使用机器学习模型去预测纯电剩余里程时，会发现在历史数据中电池的低荷电状态(State ofCharge，SOC)(如电池剩余电量低于20％)的数据很少,这是由于增程式电动汽车会在低SOC时自动启动增程器，来给电池充电。这部分数据的缺失，会对增程式电动汽车纯电剩余里程低SOC段的预测造成很大影响，进而影响了增程式电动汽车的纯电剩余里程的预测准确性。

发明内容

有鉴于此，本申请提供了一种车辆剩余里程的预测方法、装置、电子设备及车辆，主要目的在于改善目前在基于增程式电动汽车历史数据使用机器学习模型预测纯电剩余里程时，由于历史数据中电池的低SOC段的数据缺失，会造成增程式电动汽车纯电剩余里程低SOC段的预测不准确的技术问题。

第一方面，本申请提供了一种车辆剩余里程的预测方法，包括：

获取车辆的电池剩余电量；

若所述电池剩余电量小于或等于预设电量阈值，则获取所述车辆的每公里能耗，以及获取所述车辆的电池剩余能量；

将所述电池剩余能量除以所述每公里能耗，得到所述车辆的纯电剩余里程预测值。

第二方面，本申请提供了一种车辆剩余里程的预测装置，包括：

获取模块，被配置为获取车辆的电池剩余电量；

所述获取模块，还被配置为若所述电池剩余电量小于或等于预设电量阈值，则获取所述车辆的每公里能耗，以及获取所述车辆的电池剩余能量；

确定模块，被配置为将所述电池剩余能量除以所述每公里能耗，得到所述车辆的纯电剩余里程预测值。

第三方面，本申请提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的车辆剩余里程的预测方法。

第四方面，本申请提供了一种电子设备，包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现第一方面所述的车辆剩余里程的预测方法。

第五方面，本申请提供了一种车辆，包括：如第四方面所述的电子设备。

借由上述技术方案，本申请提供的一种车辆剩余里程的预测方法、装置、电子设备及车辆，与目前现有的基于增程式电动汽车历史数据使用机器学习模型预测纯电剩余里程的方式相比，本申请提出一种全新的纯电剩余里程预测方式，具体可在车辆的电池剩余电量小于或等于预设电量阈值的情况下，基于车辆的每公里能耗和电池剩余能量，将电池剩余能量除以每公里能耗，得到车辆的纯电剩余里程预测值。通过应用本申请的技术方案，在增程式电动汽车处于低SOC段时，即使数据缺失也能够准确预测实时的纯电剩余里程值，提高了纯电剩余里程低SOC段的预测准确性，并且准确度更高的纯电剩余里程预测值可更好的帮助驾驶员操控汽车，提升汽车的操控体验。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

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。

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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1示出了本申请实施例提供的一种车辆剩余里程的预测方法的流程示意图；

图2示出了本申请实施例提供的车辆剩余里程预测值的显示效果示意图；

图3示出了本申请实施例提供的一种车辆剩余里程的预测装置的结构示意图。

具体实施方式

为了能够更清楚地理解本申请的上述目的、特征和优点，下面将对本申请的方案进行进一步描述。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。

为了改善目前在基于增程式电动汽车历史数据使用机器学习模型预测纯电剩余里程时，由于历史数据中电池的低SOC段的数据缺失，会造成增程式电动汽车纯电剩余里程低SOC段的预测不准确的技术问题。本实施例提供了一种车辆剩余里程的预测方法，如图1所示，该方法包括：

步骤101、获取车辆的电池剩余电量。

对于本实施例，可实时获取车辆的电池剩余电量进行判断，具体可判断车辆的电池剩余电量是否小于或等于预设电量阈值(如20％等)。其中，该预设电量阈值可用于判定车辆电池的荷电状态，是否处于低SOC(电池剩余电量百分比)阶段。例如，车辆电池剩余电量小于或等于20％时为处于低SOC阶段。

步骤102、若车辆的电池剩余电量小于或等于预设电量阈值，则获取车辆的每公里能耗，以及获取车辆的电池剩余能量。

电池剩余能量(State Of Energy，SOE)，单位kwh，该电池剩余能量的具体值可由车内控制器经过计算得到或者通过其他可选方式计算得到等，例如，可利用电池剩余电量(SOC)与电池剩余能量的映射关系，获取与电池当前剩余电量对应的电池剩余能量。再例如，

车辆的每公里能耗(e)，单位kwh，该每公里能耗的具体值可通过车内控制器记录本次行程的电压电流和时间信号等经过计算得到。

本实施例可在车辆处于低SOC段时，通过一种全新的纯电剩余里程预测方式进行预测，具体可执行步骤102至103所示的过程。这样即使低SOC段的数据缺失也能够准确预测实时的纯电剩余里程值，提高了纯电剩余里程低SOC段的预测准确性。

步骤103、将车辆的电池剩余能量除以每公里能耗，得到车辆的纯电剩余里程预测值。

本实施例方法可适用于增程式电动汽车的纯电剩余里程值预测。例如，以增程式电动汽车的纯电剩余里程值预测过程为例，在车辆行驶过程中，实时监测车辆的电池剩余电量，如果车辆的电池剩余电量小于或等于预设电量阈值(如处于低SOC阶段)，可获得车辆的电池剩余能量(即当前能够使用的可用能量)，以及每公里能耗(即每公里需要使用的能量)，经过分析计算可确定该车辆使用这些可用能量还能跑多少公里数，如可将电池剩余能量除以每公里能耗得到还能跑的公里数，进而确定得到纯电剩余里程预测值，并可以显示在车辆驾驶位的仪表盘上，如图2所示，可准确地帮助驾驶员了解车辆的当前纯电剩余里程，以便规划车辆行驶路线。如驾驶员根据车辆的纯电剩余里程预测值，可选择继续前往目的地，或者选择去就近的充电桩进行充电等。

与目前现有的基于增程式电动汽车历史数据使用机器学习模型预测纯电剩余里程的方式相比，本实施例提出一种全新的纯电剩余里程预测方式，具体可在车辆的电池剩余电量小于或等于预设电量阈值的情况下，基于车辆的每公里能耗和电池剩余能量，将电池剩余能量除以每公里能耗，得到车辆的纯电剩余里程预测值。通过应用本实施例的技术方案，在增程式电动汽车处于低SOC段时，即使数据缺失也能够准确预测实时的纯电剩余里程值，提高了纯电剩余里程低SOC段的预测准确性，并且准确度更高的纯电剩余里程预测值可更好的帮助驾驶员操控汽车，提升汽车的操控体验。

进一步的，作为上述实施例的细化和扩展，为了说明步骤102中获取车辆的每公里能耗的具体实现过程，可选的，该实现过程具体可包括：首先获取车辆当前行程(本次行程)的电池输出电压、电流和时间信号；以及获取车辆当前行程的行驶公里数；再基于电池输出电压、电流和时间信号进行计算，得到车辆当前行程的行程总能耗；然后通过将行程总能耗除以行驶公里数，得到车辆的每公里能耗，即车辆本次行程中当前行驶这些公里数(本次行程的行驶公里数)的平均每公里能耗。通过这种可选方式可准确计算得到车辆的每公里能耗。

例如，可通过公式一计算得到车辆的每公里能耗。

e(每公里能耗)＝(行程总能耗，单位kwh)/(行驶公里数)(公式一)

公式一中的行程总能耗为当前行程(本次行程)的总能耗，行驶公里数为当前行程(本次行程)的行驶公里数。

为了说明步骤102中获取车辆的电池剩余能量的具体实现过程，可选的，该实现过程具体可包括：获取与电池当前行程的电压信息对应的稳态开路电压信息，并通过查询拟合函数曲线，获取与稳态开路电压信息对应的电池剩余能量，作为电池的第一参考剩余能量，其中，拟合函数曲线可以是通过不同样本稳态开路电压信息和与不同样本稳态开路电压信息分别对应的样本电池剩余能量进行数据拟合得到的；以及将车辆的电池剩余电量(SOC)、电池健康度(State Of Health，SOH)以及电池总能量进行相乘，得到电池的第二参考剩余能量；然后依据得到的第一参考剩余能量和第二参考剩余能量，进行综合分析得到车辆的电池剩余能量。通过这种可选方式，综合考虑稳态开路电压以及电池剩余电量、电池健康度、电池总能量等情况，可准确分析得到车辆的电池剩余能量。

例如，获取车辆电池的类型，并针对该电池类型，获取相应的稳态开路电压值与电池剩余能量的拟合函数曲线，通过查询该拟合函数曲线即可得到与稳态开路电压值对应精确的剩余能量值。进而可通过查询该拟合函数曲线获取与电池当前行程的电压信息对应的电池剩余能量，作为参考值A。同时，还可以将电池剩余电量乘以电池健康度，再乘以电池总能量得到相应的电池剩余能量，作为参考值B。最后可依据该参考值A和参考值B进行综合分析计算，得到车辆的电池剩余能量。

在本实施例中，依据得到的第一参考剩余能量和第二参考剩余能量，进行综合分析得到车辆的电池剩余能量的过程，可存在多种可选方式，作为一种可选方式，该过程具体可包括：将第一参考剩余能量和第二参考剩余能量进行加权平均计算，得到车辆的电池剩余能量。通过这种可选方式，可更好地综合分析得到车辆的电池剩余能量，进而后续用于计算纯电剩余里程时，提高了纯电剩余里程低SOC段的预测准确性。

第一参考剩余能量对应的权重值，以及第二参考剩余能量对应的权重值均根据实际需求进行预先设置，如可根据电池剩余能量这两种确定方式的准确率确定，准确率越高，其相应的权重值越大；而准确率越低，其相应的权重值越小。例如，基于上述示例内容，在得到参考值A和参考值B以后，可将参考值A乘以与其对应的权重a，以及将参考值B乘以与其对应的权重b，最后将得到的两个乘积取平均值，得到车辆的电池剩余能量。

作为另一种可选方式，依据得到的第一参考剩余能量和第二参考剩余能量，进行综合分析得到车辆的电池剩余能量的过程，具体可包括：针对第一参考剩余能量对应的计算方式(如上述通过查询拟合函数曲线的计算方式)，以及第二参考剩余能量对应的另一种计算方式(如上述通过分析电池剩余电量和电池健康度的计算方式)，可预先在车辆历史纯电剩余里程的预测结果中，分别统计通过这两种计算方式最终计算得到的纯电剩余里程预测值的历史准确率(如通过比较车辆的历史纯电剩余里程预测值与实际剩余里程值得到)，然后获取历史准确率最高的那种计算方式所对应的参考剩余能量，作为综合分析得到车辆的电池剩余能量。通过这种可选方式，从历史计算准确率的角度，综合考虑得出历史计算准确率最高的那种计算方式所对应的参考剩余能量，作为综合分析得到的车辆电池剩余能量，这样后续计算纯电剩余里程时，提高了纯电剩余里程低SOC段的预测准确性。

作为又一种可选方式，依据得到的第一参考剩余能量和第二参考剩余能量，进行综合分析得到车辆的电池剩余能量的过程，具体可包括：获取第一参考剩余能量和第二参考剩余能量中，最小的那个参考剩余能量，作为综合分析得到车辆的电池剩余能量。这种方式考虑到了实际当中，正误差(预测剩余里程值大于实际可行驶里程值)的危害要大于负误差(预测剩余里程值小于实际可行驶里程值)。例如，当预测纯电剩余里程值为80km，实际可行驶里程值为60km时，这会对用户产生极大地误导，有可能导致车辆在中途因为馈电而停车。因此可选择最小的那个参考剩余能量，作为综合分析得到的车辆电池剩余能量，这样最后利用该电池剩余能量，计算得到的纯电剩余里程预测值出现正误差的概率会减小，从而减少纯电剩余里程预测值对用户产生误导的可能性，可更好的帮助驾驶员操控汽车，提升了汽车的操控体验。

进一步的，为了说明步骤103的具体实现过程，可选的，步骤103具体可包括：首先可将电池剩余能量除以每公里能耗，得到与电池剩余能量对应的纯电剩余里程预测值；然后将得到的与电池剩余能量对应的纯电剩余里程预测值保存到表格信息中，其中，表格信息可用于在车辆电池剩余电量小于或等于预设电量阈值的情况下，确定车辆的纯电剩余里程预测值。

例如，将电池剩余能量除以车辆的每公里能耗，得到相对应的纯电剩余里程预测值。如利用通过公式二计算得到电池剩余能量相对应的剩余里程预测值：

剩余里程预测值＝SOE/e(公式二)

在公式二中，SOE为电池剩余能量，e为车辆的每公里能耗。

后续针对车辆处于低SOC段时，直接使用不同的SOE值/e，得到纯电剩余里程预测值，存入汽车控制器内存，供后续使用，表格示例如表1所示：

表1

SOE	纯电剩余里程预测值
		5	25
4.9	24.5
		4.8	24.3
4.7	24.1
		4.6	24
…	…

在具体使用过程中，如果车辆当前剩余电量对应的电池剩余能量为4.7kwh，通过查询如表1所示的表格信息，可确定纯电剩余里程预测值为24.1KM，将此数值作为当前的纯电剩余里程预测值，显示在车辆驾驶位的仪表盘上。

本实施例使用SOE信号，统计每公里能耗来计算剩余里程预测值，进而生成得到表格信息，与目前现有技术相比，本实施例可在增程式电动汽车处于低SOC段时，通过查表法进行纯电剩余里程的预测，可准确预测实时的纯电剩余里程值，提高了纯电剩余里程低SOC段的预测准确性，并且准确度更高的纯电剩余里程预测值可更好的帮助驾驶员操控汽车，提升汽车的操控体验。

在实际应用中，为了进一步提高纯电剩余里程的预测准确性，可结合其他的预测方式进行综合分析，得到更为准确的纯电剩余里程预测值。相应可选的，在步骤103之前还可包括：获取与电池剩余电量对应的纯电剩余里程预测值，其中，与该电池剩余电量对应的纯电剩余里程预测值可以是通过查询车辆的行驶数据的数据拟合结果确定得到的，行驶数据为车辆电池剩余电量大于预设电量阈值时(车辆处于高SOC阶段)的行驶数据。

车辆电池剩余电量大于预设电量阈值时的行驶数据可包括：车辆每次行程的时间段，行驶公里数，在高SOC阶段的不同电池剩余电量(均大于预设电量阈值)分别对应的纯电剩余里程值的预测值，电池的起始剩余电量、结束剩余电量，电池的起始剩余能量、结束剩余能量，以及电池输出电压、电流和时间信号等。

本实施例可根据车辆处于高SOC(电池剩余电量百分比)段的这部分不存在缺失的行驶数据进行数据拟合，准确找到电池剩余电量与纯电剩余里程预测值之间的发展规律，进而可推算出在车辆电池剩余电量小于或等于预设电量阈值的情况下，电池不同的分别对应的纯电剩余里程预测值。

例如，从车辆电池剩余电量大于预设电量阈值时的行驶数据中，获取电池不同的剩余电量(均大于预设电量阈值)分别对应的纯电剩余里程预测值，其中，这些预测值可使用机器学习模型或者使用其他方法来预测得到。如从满电开始记录的等SOC间距的样本<SOC，剩余里程预测值>，如样本具体可包括：<97，158>，<96，153>，<95，150>，<94，148>，……。然后基于这些数据进行线性回归拟合，线性回归目标函数公式如公式三所示：

在公式三中，w为权重，m为样本个数，x_i对应样本数据中的特征值，y_i对应样本数据中的标签值(Label值)，即<x_i，y_i>，T代表转置。

通过公式三进行机器学习线性回归拟合，其中训练特征(x值)为SOC，Label值(y值)为纯电剩余里程预测值。确定线性回归的参数w和b，这样就可以得到表征SOC和纯电剩余里程关系的y＝wx+b的表达式。其中y是纯电剩余里程，x是SOC，w、b是机器学习拟合参数。有了这个表达式之后，考虑到线性回归的线性特性，可以用来预测低SOC的纯电剩余里程预测值。

再例如，从车辆电池剩余电量大于预设电量阈值时的行驶数据中，获取电池不同的起始电池剩余电量、结束电池剩余电量以及相应每个剩余电量区间的使用能量。如从满电开始记录样本<起始SOC，结束SOC，Δ能量(kwh)>，每个起始SOC值，都记录未来200个结束SOC值，以及每个区间的使用能量(kwh)。样本具体可包括：

<97，96.9，0.1>

<97，96.8，0.1>

<97，96.7，0.2>

<…，…，…>

<97，77.0，6.2>

----------------------

<96.9，96.8，0.1>

<96.9，96.7，0.1>

<96.9，96.6，0.2>

<…，…，…>

<96.9，76.9，6.2>

----------------------

....

在得到的上述数据以后，首先对数据进行去重过滤；然后根据去重过滤后的数据进行线性岭回归拟合。具体的，可在得到如上面所示的样本数据以后，对Δ能量这一列进行去重，保留每一个数据的第一条记录，通过这一步骤大大减小了训练数据量，同时剔除了可能对模型训练造成干扰的数据。在剔除这些干扰数据以后，进行线性岭回归拟合，确定岭回归的参数w和b，岭回归的目标函数如公式四所示：

在公式四中，w为权重，m为样本个数，x_i对应样本数据中的特征值，y_i对应样本数据中的标签值(Label值)，即<x_i，y_i>，T代表转置，λ为岭系数，n为样本维度。

通过公式四进行线性岭回归拟合，这样就可以得到区间SOC映射区间使用能量的表达式：Y＝W1X1+W2X2+B，其中，Y是label值，即区间使用能量，X1是起始SOC，X2是结束SOC，W1、W2、B为对应参数。用这个表达式对低SOC区域的区间可用能量进行预测，进而计算低SOC段纯电剩余里程预测值，具体可使用公式五：

剩余里程预测值＝E(区间可用能量)/e(每公里能耗)(公式五)

公式五中E(区间可用能量)是由前面的Y＝W1X1+W2X2+B算出来的区间可用能量值。e(每公里能耗)的计算过程可包括：从车辆的行驶数据中，获取本次行程的电池输出电压、电流和时间信号，以及本次行程的行驶公里数；再根据该电池输出电压、电流和时间信号进行计算，得到本次行程的行程总能耗；然后通过将本次行程的行程总能耗除以本次行程的行驶公里数，得到车辆的每公里能耗，即车辆本次行程中当前行驶这些公里数(本次行程的行驶公里数)的平均每公里能耗。

通过以上步骤可以将起始SOC、结束SOC和纯电剩余里程预测值进行映射，并且不同的剩余电量(均低于预设电量阈值)具有各自对应的起始SOC和结束SOC，如剩余电量为19.6％，相应的起始SOC为19.6％，相应的结束SOC为0。因此可间接得到在低SOC段不同的剩余电量与纯电剩余里程预测值之间的映射关系。后续可直接通过该映射关系确定得到在低SOC段的纯电剩余里程预测值。

基于上述的这些预测方式，相应的，步骤103具体可包括：将车辆的电池剩余能量除以每公里能耗，获得与电池剩余能量对应的纯电剩余里程预测值；然后依据得到的与电池剩余能量对应的纯电剩余里程预测值，以及获取的与电池剩余电量对应的纯电剩余里程预测值(通过上述示例得到的)，进行综合分析得到车辆的纯电剩余里程预测值。通过这种可选方式，可综合考虑多种预测方式，在车辆处于低SOC阶段时能够得到更为准确的纯电剩余里程预测值。

在本实施例中，依据得到的与电池剩余能量对应的纯电剩余里程预测值和与电池剩余电量对应的纯电剩余里程预测值，进行综合分析得到车辆的纯电剩余里程预测值的过程，可存在多种可选方式，作为一种可选方式，该过程具体可包括：将与电池剩余电量对应的纯电剩余里程预测值，以及与电池剩余能量对应的纯电剩余里程预测值，进行加权平均计算得到车辆的纯电剩余里程预测值。例如，每种方式得到的纯电剩余里程预测值乘以各自对应的权重值，然后求这些乘积的平均值，得到车辆的纯电剩余里程预测值。通过这种可选方式，可更好地综合分析得到车辆处于低SOC阶段时的纯电剩余里程。

作为另一种可选方式，依据得到的与电池剩余能量对应的纯电剩余里程预测值和与电池剩余电量对应的纯电剩余里程预测值，进行综合分析得到车辆的纯电剩余里程预测值的过程，具体可包括：针对与电池剩余电量对应的纯电剩余里程预测值X，以及与电池剩余能量对应的纯电剩余里程预测值Y(如将车辆的电池剩余能量除以每公里能耗得到)，可预先在车辆历史纯电剩余里程的预测结果中，分别统计通过每种方式得到的纯电剩余里程预测值的历史准确率(如通过比较车辆的历史纯电剩余里程预测值与实际剩余里程值得到)，然后获取历史准确率最高的那种方式所对应纯电剩余里程预测值，作为综合分析得到车辆的纯电剩余里程预测值。通过这种可选方式，从历史计算准确率的角度，综合考虑得出历史计算准确率最高的那种方式所对应纯电剩余里程预测值，作为综合分析得到车辆的纯电剩余里程预测值，提高了纯电剩余里程低SOC段的预测准确性。

作为又一种可选方式，依据得到的与电池剩余能量对应的纯电剩余里程预测值和与电池剩余电量对应的纯电剩余里程预测值，进行综合分析得到车辆的纯电剩余里程预测值的过程，具体可包括：获取上述纯电剩余里程的预测值X和预测值Y中，最小的那个预测值，作为综合分析得到车辆的纯电剩余里程预测值。这种方式考虑到了实际当中，正误差(预测剩余里程值大于实际可行驶里程值)的危害要大于负误差(预测剩余里程值小于实际可行驶里程值)。因此可选择最小的那个纯电剩余里程预测值，作为综合分析得到的车辆纯电剩余里程预测值，这样使得出现正误差的概率会减小，从而减少纯电剩余里程预测值对用户产生误导的可能性，可更好的帮助驾驶员操控汽车，提升了汽车的操控体验。

进一步的，作为图1所示方法的具体实现，本实施例提供了一种车辆剩余里程的预测装置，如图3所示，该装置包括：获取模块21、确定模块22。

获取模块21，被配置为获取车辆的电池剩余电量；

所述获取模块21，还被配置为若所述电池剩余电量小于或等于预设电量阈值，则获取所述车辆的每公里能耗，以及获取所述车辆的电池剩余能量；

确定模块22，被配置为将所述电池剩余能量除以所述每公里能耗，得到所述车辆的纯电剩余里程预测值。

在具体的应用场景中，获取模块21，具体被配置为获取所述车辆当前行程的电池输出电压、电流和时间信号；及，获取所述车辆当前行程的行驶公里数；基于所述电池输出电压、电流和时间信号进行计算，得到所述车辆当前行程的行程总能耗；通过将所述行程总能耗除以所述行驶公里数，得到所述车辆的每公里能耗。

在具体的应用场景中，获取模块21，具体还被配置为获取与电池当前行程的电压信息对应的稳态开路电压信息，并通过查询拟合函数曲线，获取与所述稳态开路电压信息对应的电池剩余能量，作为电池的第一参考剩余能量，其中，所述拟合函数曲线是通过不同样本稳态开路电压信息和与所述不同样本稳态开路电压信息分别对应的样本电池剩余能量进行数据拟合得到的；及，将所述车辆的电池剩余电量、电池健康度以及电池总能量进行相乘，得到电池的第二参考剩余能量；依据所述第一参考剩余能量和所述第二参考剩余能量，进行综合分析得到所述车辆的电池剩余能量。

在具体的应用场景中，获取模块21，具体还被配置为将所述第一参考剩余能量和所述第二参考剩余能量进行加权平均计算，得到所述车辆的电池剩余能量。

在具体的应用场景中，确定模块22，具体被配置为将得到的与所述电池剩余能量对应的纯电剩余里程预测值保存到表格信息中，其中，所述表格信息用于在所述车辆电池剩余电量小于或等于所述预设电量阈值的情况下，确定所述车辆的纯电剩余里程预测值。

在具体的应用场景中，获取模块21，还被配置为获取与所述电池剩余电量对应的纯电剩余里程预测值，其中，与所述电池剩余电量对应的纯电剩余里程预测值是通过查询所述车辆的行驶数据的数据拟合结果确定得到的，所述行驶数据为所述车辆电池剩余电量大于所述预设电量阈值时的行驶数据；

相应的，确定模块22，具体还被配置为依据得到的与所述电池剩余能量对应的纯电剩余里程预测值，以及获取的与所述电池剩余电量对应的纯电剩余里程预测值，进行综合分析得到所述车辆的纯电剩余里程预测值。

在具体的应用场景中，确定模块22，具体还被配置为将与所述电池剩余电量对应的纯电剩余里程预测值，以及与所述电池剩余能量对应的纯电剩余里程预测值，进行加权平均计算得到所述车辆的纯电剩余里程预测值。

需要说明的是，本实施例提供的一种车辆剩余里程的预测装置所涉及各功能单元的其它相应描述，可以参考图1中的对应描述，在此不再赘述。

基于上述如图1所示方法，相应的，本实施例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，该计算机程序被处理器执行时实现上述如图1所示的方法。

基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)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)执行本申请各个实施场景的方法。

基于上述如图1所示的方法，以及图3所示的虚拟装置实施例，为了实现上述目的，本申请实施例还提供了一种电子设备，可配置在车辆(如增程式电动汽车)端侧，该设备包括存储介质和处理器；存储介质，用于存储计算机程序；处理器，用于执行计算机程序以实现上述如图1所示的方法。

可选的，上述实体设备还可以包括用户接口、网络接口、摄像头、射频(RadioFrequency，RF)电路，传感器、音频电路、WI-FI模块等等。用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard)等，可选用户接口还可以包括USB接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI接口)等。

本领域技术人员可以理解，本实施例提供的上述实体设备结构并不构成对该实体设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件布置。

存储介质中还可以包括操作系统、网络通信模块。操作系统是管理上述实体设备硬件和软件资源的程序，支持信息处理程序以及其它软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信，以及与信息处理实体设备中其它硬件和软件之间通信。

基于上述电子设备，本申请实施例还提供了一种车辆，具体可包括：上述电子设备。该车辆具体可以为增程式电动汽车或者纯电动汽车等。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本申请可以借助软件加必要的通用硬件平台的方式来实现，也可以通过硬件实现。通过应用本实施例的方案，在增程式电动汽车处于低SOC段时，可进行纯电剩余里程的准确预测。可准确预测实时的纯电剩余里程值，提高了纯电剩余里程低SOC段的预测准确性，并且准确度更高的纯电剩余里程预测值可更好的帮助驾驶员操控汽车，提升汽车的操控体验。

需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅是本申请的具体实施方式，使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所述的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。

Claims (11)

1.一种车辆剩余里程的预测方法，其特征在于，包括：

获取车辆的电池剩余电量；

若所述电池剩余电量小于或等于预设电量阈值，则获取所述车辆的每公里能耗，以及获取所述车辆的电池剩余能量；

将所述电池剩余能量除以所述每公里能耗，得到所述车辆的纯电剩余里程预测值。

2.根据权利要求1所述的方法，其特征在于，所述获取所述车辆的每公里能耗，包括：

获取所述车辆当前行程的电池输出电压、电流和时间信号；及，

获取所述车辆当前行程的行驶公里数；

基于所述电池输出电压、电流和时间信号进行计算，得到所述车辆当前行程的行程总能耗；

通过将所述行程总能耗除以所述行驶公里数，得到所述车辆的每公里能耗。

3.根据权利要求1所述的方法，其特征在于，所述获取所述车辆的电池剩余能量，包括：

获取与电池当前行程的电压信息对应的稳态开路电压信息，并通过查询拟合函数曲线，获取与所述稳态开路电压信息对应的电池剩余能量，作为电池的第一参考剩余能量，其中，所述拟合函数曲线是通过不同样本稳态开路电压信息和与所述不同样本稳态开路电压信息分别对应的样本电池剩余能量进行数据拟合得到的；及，

将所述车辆的电池剩余电量、电池健康度以及电池总能量进行相乘，得到电池的第二参考剩余能量；

依据所述第一参考剩余能量和所述第二参考剩余能量，进行综合分析得到所述车辆的电池剩余能量。

4.根据权利要求3所述的方法，其特征在于，所述依据所述第一参考剩余能量和所述第二参考剩余能量，进行综合分析得到所述车辆的电池剩余能量，包括：

将所述第一参考剩余能量和所述第二参考剩余能量进行加权平均计算，得到所述车辆的电池剩余能量。

5.根据权利要求1所述的方法，其特征在于，在所述将所述电池剩余能量除以所述每公里能耗，得到所述车辆的纯电剩余里程预测值之后，所述方法还包括：

将得到的与所述电池剩余能量对应的纯电剩余里程预测值保存到表格信息中，其中，所述表格信息用于在所述车辆电池剩余电量小于或等于所述预设电量阈值的情况下，确定所述车辆的纯电剩余里程预测值。

6.根据权利要求1所述的方法，其特征在于，在所述将所述电池剩余能量除以所述每公里能耗，得到所述车辆的纯电剩余里程预测值之前，所述方法还包括：

获取与所述电池剩余电量对应的纯电剩余里程预测值，其中，与所述电池剩余电量对应的纯电剩余里程预测值是通过查询所述车辆的行驶数据的数据拟合结果确定得到的，所述行驶数据为所述车辆电池剩余电量大于所述预设电量阈值时的行驶数据；

所述将所述电池剩余能量除以所述每公里能耗，得到所述车辆的纯电剩余里程预测值，包括：

依据得到的与所述电池剩余能量对应的纯电剩余里程预测值，以及获取的与所述电池剩余电量对应的纯电剩余里程预测值，进行综合分析得到所述车辆的纯电剩余里程预测值。

7.根据权利要求6所述的方法，其特征在于，所述依据得到的与所述电池剩余能量对应的纯电剩余里程预测值，以及获取的与所述电池剩余电量对应的纯电剩余里程预测值，进行综合分析得到所述车辆的纯电剩余里程预测值，包括：

将与所述电池剩余电量对应的纯电剩余里程预测值，以及与所述电池剩余能量对应的纯电剩余里程预测值，进行加权平均计算得到所述车辆的纯电剩余里程预测值。

8.一种车辆剩余里程的预测装置，其特征在于，包括：

获取模块，被配置为获取车辆的电池剩余电量；

所述获取模块，还被配置为若所述电池剩余电量小于或等于预设电量阈值，则获取所述车辆的每公里能耗，以及获取所述车辆的电池剩余能量；

确定模块，被配置为将所述电池剩余能量除以所述每公里能耗，得到与所述电池剩余能量对应的纯电剩余里程预测值。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法。

10.一种电子设备，包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法。

11.一种车辆，其特征在于，包括：如权利要求10所述的电子设备。