CN117495047A - 一种补能站点确定方法、装置及电子设备 - Google Patents
一种补能站点确定方法、装置及电子设备 Download PDFInfo
- Publication number
- CN117495047A CN117495047A CN202311623612.1A CN202311623612A CN117495047A CN 117495047 A CN117495047 A CN 117495047A CN 202311623612 A CN202311623612 A CN 202311623612A CN 117495047 A CN117495047 A CN 117495047A
- Authority
- CN
- China
- Prior art keywords
- value
- energy
- vehicle
- station
- navigation route
- 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
- 230000001502 supplementing effect Effects 0.000 title claims abstract description 136
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000005265 energy consumption Methods 0.000 claims abstract description 76
- 230000005611 electricity Effects 0.000 claims description 72
- 239000000446 fuel Substances 0.000 claims description 24
- 230000036541 health Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000007667 floating Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 description 12
- 238000013528 artificial neural network Methods 0.000 description 10
- 239000004606 Fillers/Extenders Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000007599 discharging Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002945 steepest descent method Methods 0.000 description 1
- 239000013589 supplement Substances 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
- B60L50/00—Electric propulsion with power supplied within the vehicle
- B60L50/50—Electric propulsion with power supplied within the vehicle using propulsion power supplied by batteries or fuel cells
- B60L50/60—Electric propulsion with power supplied within the vehicle using propulsion power supplied by batteries or fuel cells using power supplied by batteries
- B60L50/61—Electric propulsion with power supplied within the vehicle using propulsion power supplied by batteries or fuel cells using power supplied by batteries by batteries charged by engine-driven generators, e.g. series hybrid electric vehicles
- B60L50/62—Electric propulsion with power supplied within the vehicle using propulsion power supplied by batteries or fuel cells using power supplied by batteries by batteries charged by engine-driven generators, e.g. series hybrid electric vehicles charged by low-power generators primarily intended to support the batteries, e.g. range extenders
-
- 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
- B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
- B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
- B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
-
- 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"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
-
- 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
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/40—Drive Train control parameters
-
- 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
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/40—Drive Train control parameters
- B60L2240/54—Drive Train control parameters related to batteries
-
- 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
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/70—Interactions with external data bases, e.g. traffic centres
-
- 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
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/70—Interactions with external data bases, e.g. traffic centres
- B60L2240/72—Charging station selection relying on external data
-
- 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
- B60L2260/00—Operating Modes
- B60L2260/40—Control modes
- B60L2260/50—Control modes by future state prediction
- B60L2260/54—Energy consumption estimation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Power Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Transportation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Sustainable Development (AREA)
- Development Economics (AREA)
- Sustainable Energy (AREA)
- Game Theory and Decision Science (AREA)
- Mechanical Engineering (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Navigation (AREA)
Abstract
本申请提供一种补能站点确定方法、装置及电子设备,可以确定车辆在导航路线上的工作模式,以及车辆在该导航路线上行驶单位里程的能耗预测值,确定车辆以该工作模式在该导航路线上行驶时的优选补能站点,获取各相邻的优选补能站点之间的间距,基于能耗预测值计算车辆在该工作模式下的实际续航里程值,根据该实际续航里程值和间距从优选补能站点中确定出目标补能站点,本申请根据工作模式确定优选补能站点和实际续航里程值,进而可以确定出与该工作模式对应的目标补能站点进行补能,使确定出来的目标补能站点更符合用户的使用需求。
Description
技术领域
本申请涉及补能路径规划技术领域,特别是涉及一种补能站点确定方法、装置及电子设备。
背景技术
以增程式电动车为例,增程式电动车具备充电和加油两个特性,长途出行用户既可以选择沿途加油站补能,也可以选择沿途充电站补能,因此,如何根据用户的需求确定合适的补能站点进行补能成为当前亟待解决的技术问题。
发明内容
本申请实施例的目的在于提供一种补能站点确定方法、装置及电子设备,以解决上述技术问题。
一方面,提供一种补能站点确定方法,包括:
确定车辆在导航路线上的工作模式,以及所述车辆在所述导航路线上行驶单位里程的能耗预测值;所述能耗预测值包括电耗预测值和油耗预测值中的至少一种;
确定所述车辆以所述工作模式在所述导航路线上行驶时的优选补能站点;
获取各相邻的所述优选补能站点之间的间距;
基于所述能耗预测值以及所述工作模式,计算所述车辆在所述工作模式下的实际续航里程值;
根据所述实际续航里程值和所述间距从所述优选补能站点中确定出目标补能站点。
在其中一个实施例中,在所述工作模式为经济模式时,所述能耗预测值包括电耗预测值,所述优选补能站点为所述导航路线上的充电站点;
所述基于所述能耗预测值以及所述工作模式,计算所述车辆在所述工作模式下的实际续航里程值,包括:
获取所述车辆的当前电量值;
基于所述当前电量值和所述电耗预测值计算剩余可用电续航值;
根据所述剩余可用电续航值和第一预留续航值计算所述车辆在所述经济模式下的实际续航里程值。
4、在其中一个实施例中,在所述工作模式为极速模式时,所述能耗预测值包括电耗预测值和油耗预测值,所述优选补能站点为所述导航路线上的加油站点;在所述工作模式为健康模式时,所述能耗预测值包括电耗预测值和油耗预测值,所述优选补能站点为所述导航路线上的加油站点和充电站点;
在所述工作模式为所述极速模式或所述健康模式时,所述基于所述能耗预测值以及所述工作模式,计算所述车辆在所述工作模式下的实际续航里程值,包括:
获取所述车辆的当前电量值和当前油量值;
基于所述当前电量值和所述电耗预测值计算剩余可用电续航值,并基于所述当前油量值和所述油耗预测值计算剩余可用油续航值;
根据所述剩余可用电续航值、所述剩余可用油续航值和第二预留续航值计算所述车辆在所述极速模式或所述健康模式下的实际续航里程值。
在其中一个实施例中,所述根据所述实际续航里程值和所述间距从所述优选补能站点中确定出目标补能站点,包括:
在确定sk+sk+sk+…+sk≤D,且sk+sk+sk+…+sk+s(k+1)>D时,将第k个优选补能站点作为目标补能站点;
其中,sk表示所述导航路线上的第k个所述优选补能站点与第k+1个所述优选补能站点之间的间距,D表示所述实际续航里程值。
在其中一个实施例中,在所述工作模式为健康模式时,所述根据所述实际续航里程值和所述间距从所述优选补能站点中确定出目标补能站点,包括:
计算所述车辆在相邻的所述优选补能站点之间的预估行驶时长;
在确定t1+t2+t3+…+tj≤T1,且t1+t2+t3+…+tj+t(j+1)>T1时,将第j个优选补能站点作为待选补能站点,或在确定|t1+t2+t3+…+tj-T1|≤T2时,将第j个优选补能站点作为待选补能站点;tj表示所述导航路线上的第j个所述优选补能站点与第j+1个所述优选补能站点之间的所述预估行驶时长;T1表示预设的连续行驶健康时长阈值,T2表示预设的行驶时长浮动阈值;
当D≥s1+s2+s3+…+sj时,将所述待选补能站点作为所述目标补能站点,sj表示所述导航路线上的第j个所述优选补能站点与第j+1个所述优选补能站点之间的间距;D表示所述实际续航里程值;
当D<s1+s2+s3+…+sj时,若确定s1+s2+s3+…+si≤D,且s1+s2+s3+…+si+s(i+1)>D,则将第i个优选补能站点作为目标补能站点;i<j。
在其中一个实施例中,在所述确定t1+t2+t3+…+tj≤T1,且t1+t2+t3+…+tj+t(j+1)>T1时,将第j个优选补能站点作为待选补能站点,或在确定|t1+t2+t3+…+tj-T1|≤T2时,将第j个优选补能站点作为待选补能站点之前,所述方法包括:
在确定所述车辆在所述导航路线上行驶的时间段为白天时间段内时,将所述T1的取值设置为第一取值;
在确定所述车辆在所述导航路线上行驶的时间段为夜间时间段内时,将所述T1的取值设置为第二取值;所述第一取值大于所述第二取值。
在其中一个实施例中,所述确定所述车辆在所述导航路线上行驶单位里程的能耗预测值,包括:
获取输入信息;所述输入信息包括所述车辆的驾驶信息、所述车辆的运行状态信息、所述车辆所处环境的环境信息以及所述导航路线上道路的道路信息中的至少一种;
将所述输入信息输入预设的能耗预测模型,得到所述车辆在所述导航路线上行驶单位里程的能耗预测值。
在其中一个实施例中,所述能耗预测值包括电耗预测值和油耗预测值;所述将所述输入信息输入预设的能耗预测模型,得到所述车辆在所述导航路线上行驶单位里程的能耗预测值,包括:
将所述输入信息输入预设的能耗预测模型,输出所述车辆在所述导航路线对应的道路上的平均电耗预测值和平均油耗预测值;
根据所述平均电耗预测值、平均油耗预测值、油耗和电耗之间的转化效率计算所述车辆在所述导航路线上行驶单位里程的电耗预测值和油耗预测值。
另一方面,提供了一种补能站点确定装置,包括:
第一确定模块,用于确定车辆在导航路线上的工作模式,以及所述车辆在所述导航路线上行驶单位里程的能耗预测值;所述能耗预测值包括电耗预测值和油耗预测值中的至少一种;
第二确定模块,用于确定所述车辆以所述工作模式在所述导航路线上行驶时的优选补能站点;
获取模块,用于获取各相邻的所述优选补能站点之间的间距;
计算模块,用于基于所述能耗预测值以及所述工作模式,计算所述车辆在所述工作模式下的实际续航里程值;
第三确定模块,用于根据所述实际续航里程值和所述间距从所述优选补能站点中确定出目标补能站点。
另一方面,提供了一种电子设备,包括处理器和存储器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序,以实现上述任一所述的方法。
通过本申请提供的补能站点确定方法、装置及电子设备,可以确定车辆在导航路线上的工作模式,以及车辆在该导航路线上行驶单位里程的能耗预测值,确定车辆以该工作模式在该导航路线上行驶时的优选补能站点,获取各相邻的优选补能站点之间的间距,基于能耗预测值计算车辆在该工作模式下的实际续航里程值,根据该实际续航里程值和间距从优选补能站点中确定出目标补能站点,本申请根据工作模式确定优选补能站点和实际续航里程值,进而可以自动确定出与该工作模式对应的目标补能站点进行补能,使确定出来的目标补能站点更符合用户的使用需求。
附图说明
图1为本申请实施例一提供的补能站点确定方法的流程示意图;
图2为本申请实施例一提供的确定能耗预测值的流程示意图;
图3为本申请实施例一提供的BP神经网络的结构示意图;
图4为本申请实施例一提供的不同工作模式对应的放电区间的示意图;
图5为本申请实施例一提供的经济模式下确定实际续航里程的流程示意图;
图6为本申请实施例一提供的极速模式下确定实际续航里程的流程示意图;
图7为本申请实施例二提供的补能站点确定装置的结构示意图;
图8为本申请实施例三提供的电子设备的结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
实施例一:
本申请实施例提供一种补能站点确定方法,具体的,可以参见图1所示,图1为本申请实施例提供的补能站点确定方法的流程示意图,应用于电子设备,包括:
S11:确定车辆在导航路线上的工作模式,以及该车辆在该导航路线上行驶单位里程的能耗预测值;能耗预测值包括电耗预测值和油耗预测值中的至少一种。
S12:确定该车辆以该工作模式在该导航路线上行驶时的优选补能站点。
S13:获取各相邻的优选补能站点之间的间距。
S14:基于能耗预测值以及该工作模式,计算该车辆在该工作模式下的实际续航里程值。
S15:根据实际续航里程值和间距从优选补能站点中确定出目标补能站点。
下面,对上述各步骤的具体过程进行详细说明。
需要说明的是,本申请实施例中的电子设备可以是车载终端。当然,在其他的一些实施例中,电子设备也可以是服务器。比如,可以是多个异构系统之间的互通服务器或者后台服务器,还可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、以及大数据和人工智能平台等基础云计算服务的云服务器等等。
当该电子设备为服务器时,该服务器可以接收车辆上的车载终端发送的信息,比如,车载终端可以将用户选择的导航路线的信息和/或工作模式的信息发送给服务器,这样,服务器就可以获取到该车辆在导航路线的工作模式。同样的,可以由车载终端确定车辆在该导航路线上行驶单位里程的能耗预测值,然后将该能耗预测值发送给服务器。当然,也可以直接由服务器预测该车辆在该导航路线上行驶单位里程的能耗预测值。
需要说明的是,本申请实施例中的导航路线可以根据用户输入的起始地址和目的地址确定。当根据该起始地址和目的地址确定出多条导航路线时,可以针对每一导航路线均按照上述步骤确定出其对应的下一个目标补能站点。
在本申请实施例中,请参见图2所示,确定车辆在该导航路线上行驶单位里程的能耗预测值的步骤,可以包括如下子步骤:
S111:获取输入信息;所述输入信息包括所述车辆的驾驶信息、所述车辆的运行状态信息、所述车辆所处环境的环境信息以及所述导航路线上道路的道路信息中的至少一种。
S112:将所述输入信息输入预设的能耗预测模型,得到所述车辆在所述导航路线上行驶单位里程的能耗预测值。
需要说明的是,上述各子步骤的执行主体可以是服务器,也可以是车载终端。
本申请实施例中的能耗预测模型可以是经训练得到的神经网络模型。具体的,可以使用神经网络建立道路的能耗预测模型,具体的,可以选择用BP神经网络进行预测,BP神经网络是一种信号正向传播,误差是反向传播的神经网络,优点是能够学习和存贮大量的输入-输出模式映射关系,而无需事前揭示描述这种映射关系。它的学习规则是使用最速下降法,通过反向传播来不断调整网络的权值和阈值,使网络的误差平方和最小。
请参见图3所示,BP神经网络由输入层、隐藏层、输出层组成。一般认为,增加隐藏层数可以降低网络误差,提高精度,但也使网络复杂化,从而增加了网络训练时间和出现过拟合的倾向。本申请实施例中可以采用3层BP网络,即1个隐藏层,靠增加隐藏节点数来获取较低的误差,这种训练效果要比增加隐藏层数更容易实现。
BP神经网络的输入层信号可以包括车辆的驾驶信息、运行状态信息、车辆所处环境的环境信息以及所述车辆所行驶的道路的道路信息中的至少一种,为提升模型预测的准确性,输入层信号可以包括此处所提及的所有信息,这样就包含了影响能耗的主要参数,能够确定车辆在对应道路上的能耗水平。
本申请实施例中的驾驶信息包括但不限于驾驶风格信息,车辆的运行状态信息包括但不限于车辆当前的电池电量信息、速度信息、附件功率信息、整车质量信息中的至少一种,车辆所处环境的环境信息包括但不限于环境温度信息,车辆所行驶的道路的道路信息包括但不限于道路等级信息以及道路坡度信息中的至少一种。
BP神经网络的输入层信号是需要预测的道路出行的能耗表现,表征在对应道路上行驶单位里程的能耗值。
在模型训练的过程中,可以建立隐藏层,具体的,可以根据经验公式确定BP神经网络的隐藏层节点数量,BP神经网络的激活函数Sigmoid也称为S型生长曲线,该函数在用于分类器时,效果更好。
在模型训练的过程中,可以通过计算输出层与期望值之间的误差来调整网络参数,从而使得误差变小。
在模型训练的过程中,可以通过调整权重,以减小损失函数,合适的学习率能够使目标函数在合适的时间内收敛到局部最小值。学习率设置太小,结果收敛非常缓慢;学习率设置太大,结果在最优值附近徘徊,难以收敛,在本申请实施例中,学习率可以设置在0.01~0.8之间。
在模型训练的过程中,通过不断的使用所有数据记录进行训练,从而得到一个实际道路的能耗预测模型。不断地迭代,不可能无休止的下去,总归有个终止条件。设置最大迭代次数,比如使用数据集迭代10000次后停止训练。也可以计算训练集在网络上的预测准确率,达到一定门限值后停止训练。
模型训练完成后,可以将模型用于实际应用,也即在子步骤S111中,可以将当前电池电量、车辆当前工作模式下的目标SOC、平均车速、此时驾驶风格、出行道路平均坡度、此时环境温度、此时附件功率、此时整车质量、出行道路等级作为输入信号,记作X=(x1,x2,x3,x4,x5,x6,x7,x8,x9)。模型的输出层是需要的道路预测能耗数据,在能耗预测数据值包括电耗预测值和油耗预测值时,输出层的输出信号记作Y=(y1,y2),分别表征车辆在所述导航路线对应的道路上的平均油耗预测值和平均电耗预测值。
本申请实施例中可以预先针对车辆的每一工作模式预先设置其对应的目标SOC,目标SOC表征用于触发车辆启动增程器的门限值,也即当该车辆的SOC到达该目标SOC值时,启动增程器。
在申请实施例中,可以根据平均电耗预测值、平均油耗预测值、油耗和电耗之间的转化效率计算车辆在该导航路线上行驶单位里程的电耗预测值和油耗预测值。具体的,电耗预测值ECy为:ECy=K*y1+y2,油耗预测值FCy为:FCy=y1+y2/K,K表示油耗和电耗之间的转化效率。
还需要说明的是,在实际应用中,用户可以根据自己的需要选择车辆的工作模式。车辆的工作模式包括但不限于经济模式、极速模式以及健康模式中的至少一种。
经济模式是指优先考虑充电站点对车辆进行补能的模式。在本模式下,当有多条导航路线时,优先选择出行的充电费用最低的路线。在本模式下,优先考虑充电单价最低,以及道路能耗最低,海拔最低,实现道路的充电能耗最低,和平均能耗最低的路线。
极速模式是指优先考虑加油站点对车辆进行补能的模式。在本模式下,当有多条导航路线时,优先选择时间最短的路线,在本模式下,可以优先考虑距离最短,路线选择高速优先。
健康模式是指优先考虑健康行驶要求的模式。健康行驶要求是指车辆每连续行驶一段时间,则需要在补能站点停留一段时间进行休息,以保证驾驶员获得充足的休息。健康模式可以分为夜间和白天进行规划,比如,夜间可以每隔2小时休息半小时,白天可以每隔4小时休息二十分钟,当然,具体规则可以由开发人员根据实际应用场景灵活设置。
还需要说明的是,在本申请实施例中,还可以针对不同的工作模式设置不同的放电区间及充放电策略,经济模式SOC放电深度最大,优先用电节约出行成本。健康模式SOC放电居中,不过充同时不过放,最大限度保证电池的健康。极速模式,放电区间参考充电效率最高的区间,保证充电时间短,满足快速出行的需求。在对车辆进行与充电相关的计算或判断时,根据车辆的工作模式对应的放电区间进行计算。示例性的,这三种工作模式的放电区间可以如图4所示。
当步骤S11中的工作模式包括经济模式,比如,用户选择了经济模式时,则所述能耗预测值至少包括电耗预测值,此时,步骤S12中的优选补能站点为所述导航路线上的充电站点,也即在步骤S12中,可以将该导航路线上的充电站点筛选出来,作为经济模式下该导航路线上的优选补能站点。此时,在步骤S13中,相当于时获取各相邻的充电站点之间的间距。
此时,请参见图5所示,步骤S14可以包括如下子步骤:
S141:获取所述车辆的当前电量值;
S143:基于所述当前电量值和所述电耗预测值计算剩余可用电续航值;
S145:根据剩余可用电续航值和第一预留续航值计算所述车辆在所述经济模式下的实际续航里程值。
在子步骤S143中,可以根据公式Re1=(SOC2-SOC1)*E/ECy计算剩余可用电续航值Re1,其中,SOC2表示所述车辆当前的SOC值,SOC1值表示经济模式下启动增程器的SOC门限值,E表示车辆的当前电量值,ECy表示电耗预测值。
在子步骤S145中,可以根据根据D=Re1-R1计算车辆在经济模式下的实际续航里程值,其中,R1表示预先设置的第一预留续航值,D表示所述实际续航里程值。
可以理解的是,本申请实施例中经济模式下启动增程器的SOC门限值以及第一预留续航值均可以由开发人员灵活设置。通常,高速服务区间隔为30km~50km,因此,本申请实施例中的第一预留续航值可以设置为30km~50km。
当步骤S11中的工作模式为极速模式,比如,用户选择了极速模式时,则所述能耗预测值至少包括电耗预测值和油耗预测值,此时,步骤S12中的优选补能站点为所述导航路线上的加油站点,也即在步骤S12中,可以将该导航路线上的加油站点筛选出来,作为极速模式下该导航路线上的优选补能站点。此时,在步骤S13中,相当于是获取各相邻的加油站点之间的间距。此时,请参见图6所示,步骤S14可以包括如下子步骤:
S142:获取所述车辆的当前电量值和当前油量值;
S144:基于所述当前电量值和所述电耗预测值计算剩余可用电续航值,并基于所述当前油量值和所述油耗预测值计算剩余可用油续航值;
S146:根据剩余可用电续航值、剩余可用油续航值和第二预留续航值计算所述车辆在所述极速模式下的实际续航里程值
在子步骤S144中,可以根据公式Re1=(SOC2-SOC3)*E/ECy计算剩余可用电续航值Re1,油量在检测到零时通常还能行驶,所以不用预留续航阈值,所以可以根据公式Rf1=F/FCy计算剩余可用油续航值Rf1。其中,SOC2表示所述车辆当前的SOC值,SOC3值表示极速模式下启动增程器的SOC门限值,F表示车辆的当前油量值,FCy表示油耗预测值。
在子步骤S146中,可以根据D=Re1+Rf1-R2计算所述车辆在所述极速模式下的实际续航里程值D,其中,R2表示第二预留续航值。
当步骤S11中的工作模式为健康模式,比如,用户选择了健康模式时,则所述能耗预测值可以包括电耗预测值和油耗预测值,此时,步骤S12中的优选补能站点为所述导航路线上的加油站点和充电站点,也即在步骤S12中,可以将该导航路线上的加油站点和充电站点筛选出来,作为可以对车辆进行补能的补能站点,也即作为健康模式下该导航路线上的优选补能站点。此时,在步骤S13中,相当于是获取各相邻的补能站点之间的间距。此时,在步骤S14中,同样可以根据图5中的子步骤计算所述车辆在所述健康模式下的实际续航里程值。
需要说明的是,在一些实施例中,步骤S15可以包括如下内容:
在确定sk+sk+sk+…+sk≤D,且sk+sk+sk+…+sk+s(k+1)>D时,将第k个优选补能站点作为下一个需要对所述车辆进行补能的目标补能站点;
其中,sk表示所述导航路线上的第k个所述优选补能站点与第k+1个所述优选补能站点之间的间距。在每一次进行补能之后,都可以以上述方法确定下一个目标补能站点。
以工作模式为经济模式为例,此时的优选补能站点为充电站点,则sk表示所述导航路线上的第k个所述充电站点与第k+1个所述充电站点之间的间距。
以工作模式为极速模式为例,此时优选补能站点为加油站点,则sk表示所述导航路线上的第k个所述加油站点与第k+1个所述加油站点之间的间距。
以工作模式为健康模式为例,此时,导航路线上的充电站点和加油站点均是本模式下的优选补能站点,在本模式下,直接将各优选补能站点依次排列,sk表示所述导航路线上的第k个所述优选补能站点与第k+1个所述优选补能站点之间的间距。
在另外的一些实施例中,在所述工作模式为健康模式时,步骤S15可以包括如下内容:
计算所述车辆在相邻的所述优选补能站点之间的预估行驶时长。
在确定t1+t2+t3+…+tj≤T1,且t1+t2+t3+…+tj+t(j+1)>T1时,将第j个优选补能站点作为待选补能站点,或在确定|t1+t2+t3+…+tj-T1|≤T2时,将第j个优选补能站点作为待选补能站点;tj表示所述导航路线上的第j个所述优选补能站点与第j+1个所述优选补能站点之间的所述预估行驶时长;T1表示预设的连续行驶健康时长阈值,T2表示预设的行驶时长浮动阈值。
当D≥s1+s2+s3+…+sj时,将所述待选补能站点作为所述目标补能站点,sj表示所述导航路线上的第j个所述优选补能站点与第j+1个所述优选补能站点之间的间距;也即是说,用户驾驶车辆进入该目标补能站点进行休息,并在休息期间对该车辆补能。在本申请实施例中,可以在每一次补能后都重新计算新的补能点。
当D<s1+s2+s3+…+sj时,则说明实际续航里程值无法支撑车辆行驶到所述导航路线上的第j个所述优选补能站点,若确定s1+s2+s3+…+si≤D,且s1+s2+s3+…+si+s(i+1)>D,则将第i个优选补能站点作为下一个需要对所述车辆进行补能的目标补能站点,i<j,与此同时,用户驾驶车辆进入该目标补能站点进行休息。
在本申请实施例中,在所述确定t1+t2+t3+…+tj≤T1,且t1+t2+t3+…+tj+t(j+1)>T1时,将第j个优选补能站点作为待选补能站点,或在确定|t1+t2+t3+…+tj-T1|≤T2时,将第j个优选补能站点作为待选补能站点之前,所述方法可以包括:
在确定所述车辆在所述导航路线上行驶的时间段为白天时间段内时,将所述T1的取值设置为第一取值;
在确定所述车辆在所述导航路线上行驶的时间段为夜间时间段内时,将所述T1的取值设置为第二取值;所述第一取值大于所述第二取值。
也即,在健康模式下,白天时间段内允许车辆连续行驶的时长大于夜间时间段内允许车辆连续行驶的时长,比如,第一取值可以是4小时,第二取值可以为2小时。
可以理解的是,在本申请实施例中,可以将22:00-8:00作为健康模式下的夜间时间阶段,将8:00-22:00作为健康模式下的白天时间阶段。
应该理解的是,虽然上述流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,上述流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
实施例二:
基于同一发明构思,本申请实施例提供一种补能站点确定装置,请参见图7所示,所述装置包括:
第一确定模块701,用于确定车辆在导航路线上的工作模式,以及所述车辆在所述导航路线上行驶单位里程的能耗预测值;所述能耗预测值包括电耗预测值和油耗预测值中的至少一种;
第二确定模块702,用于确定所述车辆以所述工作模式在所述导航路线上行驶时的优选补能站点;
获取模块703,用于获取各相邻的所述优选补能站点之间的间距;
计算模块704,用于基于所述能耗预测值以及所述工作模式,计算所述车辆在所述工作模式下的实际续航里程值;
第三确定模块705,用于根据所述实际续航里程值和所述间距从所述优选补能站点中确定出目标补能站点。
示例性的,在所述工作模式为经济模式时,所述能耗预测值包括电耗预测值,所述优选补能站点为所述导航路线上的充电站点;计算模块704用于获取所述车辆的当前电量值;基于所述当前电量值和所述电耗预测值计算剩余可用电续航值;根据所述剩余可用电续航值和第一预留续航值计算所述车辆在所述经济模式下的实际续航里程值。
示例性的,在所述工作模式为极速模式时,所述能耗预测值包括电耗预测值和油耗预测值,所述优选补能站点为所述导航路线上的加油站点;在所述工作模式为健康模式时,所述能耗预测值包括电耗预测值和油耗预测值,所述优选补能站点为所述导航路线上的加油站点和充电站点;在所述工作模式为所述极速模式或所述健康模式时,计算模块704用于获取所述车辆的当前电量值和当前油量值;基于所述当前电量值和所述电耗预测值计算剩余可用电续航值,并基于所述当前油量值和所述油耗预测值计算剩余可用油续航值;根据所述剩余可用电续航值、所述剩余可用油续航值和第二预留续航值计算所述车辆在所述极速模式或所述健康模式下的实际续航里程值。
示例性的,第三确定模块705用于在确定sk+sk+sk+…+sk≤D,且sk+sk+sk+…+sk+s(k+1)>D时,将第k个优选补能站点作为下一个需要对所述车辆进行补能的目标补能站点;
其中,sk表示所述导航路线上的第k个所述优选补能站点与第k+1个所述优选补能站点之间的间距,D表示所述实际续航里程值。
示例性的,在所述工作模式为健康模式时,第三确定模块705用于计算所述车辆在相邻的所述优选补能站点之间的预估行驶时长;
在确定t1+t2+t3+…+tj≤T1,且t1+t2+t3+…+tj+t(j+1)>T1时,将第j个优选补能站点作为待选补能站点,或在确定|t1+t2+t3+…+tj-T1|≤T2时,将第j个优选补能站点作为待选补能站点;tj表示所述导航路线上的第j个所述优选补能站点与第j+1个所述优选补能站点之间的所述预估行驶时长;T1表示预设的连续行驶健康时长阈值,T2表示预设的行驶时长浮动阈值;当D≥s1+s2+s3+…+sj时,将所述待选补能站点作为所述目标补能站点,sj表示所述导航路线上的第j个所述优选补能站点与第j+1个所述优选补能站点之间的间距;,D表示所述实际续航里程值;当D<s1+s2+s3+…+sj时,若确定s1+s2+s3+…+si≤D,且s1+s2+s3+…+si+s(i+1)>D,则将第i个优选补能站点作为下一个需要对所述车辆进行补能的目标补能站点;i<j。
示例性的,在所述确定t1+t2+t3+…+tj≤T1,且t1+t2+t3+…+tj+t(j+1)>T1时,将第j个优选补能站点作为待选补能站点,或在确定|t1+t2+t3+…+tj-T1|≤T2时,将第j个优选补能站点作为待选补能站点之前,第三确定模块705用于在确定所述车辆在所述导航路线上行驶的时间段为白天时间段内时,将所述T1的取值设置为第一取值;在确定所述车辆在所述导航路线上行驶的时间段为夜间时间段内时,将所述T1的取值设置为第二取值;所述第一取值大于所述第二取值。
示例性的,第一确定模块701用于获取输入信息;所述输入信息包括所述车辆的驾驶信息、所述车辆的运行状态信息、所述车辆所处环境的环境信息以及所述导航路线上道路的道路信息中的至少一种;将所述输入信息输入预设的能耗预测模型,得到所述车辆在所述导航路线上行驶单位里程的能耗预测值。
示例性的,所述能耗预测值包括电耗预测值和油耗预测值;第一确定模块701用于将所述输入信息输入预设的能耗预测模型,输出所述车辆在所述导航路线对应的道路上的平均电耗预测值和平均油耗预测值;
根据所述平均电耗预测值、平均油耗预测值、油耗和电耗之间的转化效率计算所述车辆在所述导航路线上行驶单位里程的电耗预测值和油耗预测值。
需要说明的是,出于描述简洁的考量,上述实施例中描述过的内容在本实施例中不再赘述。
实施例三:
基于同一发明构思,本申请实施例提供一种电子设备800。电子设备800包括处理器801和存储器802,存储器802中存储有计算机程序,处理器801和存储器802通过通信总线实现通信,处理器801执行该计算机程序,以实现上述实施例一中方法的各步骤,在此不再赘述。
可以理解,图8所示的结构仅为示意,电子设备还可包括比图8中所示更多或者更少的组件,或者具有与图8所示不同的配置。
处理器801可以是一种集成电路芯片,具有信号处理能力。上述处理器801可以是通用处理器,包括中央处理器(CPU)、网络处理器(NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。其可以实现或者执行本申请实施例中公开的方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器802可以包括但不限于随机存取存储器(RAM),只读存储器(ROM),可编程只读存储器(PROM),可擦除只读存储器(EPROM),电可擦除只读存储器(EEPROM)等。
本实施例还提供了一种计算机可读存储介质,如软盘、光盘、硬盘、闪存、U盘、SD卡、MMC卡等,在该计算机存储介质中存储有实现上述各个步骤的一个或者多个程序,这一个或者多个程序可被一个或者多个处理器501执行,以实现上述实施例一中方法的各步骤,在此不再赘述。
需要说明的是,本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。本说明书所附图式所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容得能涵盖的范围内。同时,本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”及“一”等的用语,亦仅为便于叙述的明了,而非用以限定本发明可实施的范围,其相对关系的改变或调整,在无实质变更技术内容下,当亦视为本发明可实施的范畴。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种补能站点确定方法,其特征在于,包括:
确定车辆在导航路线上的工作模式,以及所述车辆在所述导航路线上行驶单位里程的能耗预测值;所述能耗预测值包括电耗预测值和油耗预测值中的至少一种;
确定所述车辆以所述工作模式在所述导航路线上行驶时的优选补能站点;
获取各相邻的所述优选补能站点之间的间距;
基于所述能耗预测值以及所述工作模式,计算所述车辆在所述工作模式下的实际续航里程值;
根据所述实际续航里程值和所述间距从所述优选补能站点中确定出目标补能站点。
2.如权利要求1所述的补能站点确定方法,其特征在于,在所述工作模式为经济模式时,所述能耗预测值包括电耗预测值,所述优选补能站点为所述导航路线上的充电站点;
所述基于所述能耗预测值以及所述工作模式,计算所述车辆在所述工作模式下的实际续航里程值,包括:
获取所述车辆的当前电量值;
基于所述当前电量值和所述电耗预测值计算剩余可用电续航值;
根据所述剩余可用电续航值和第一预留续航值计算所述车辆在所述经济模式下的实际续航里程值。
3.如权利要求1所述的补能站点确定方法,其特征在于,在所述工作模式为极速模式时,所述能耗预测值包括电耗预测值和油耗预测值,所述优选补能站点为所述导航路线上的加油站点;在所述工作模式为健康模式时,所述能耗预测值包括电耗预测值和油耗预测值,所述优选补能站点为所述导航路线上的加油站点和充电站点;
在所述工作模式为所述极速模式或所述健康模式时,所述基于所述能耗预测值以及所述工作模式,计算所述车辆在所述工作模式下的实际续航里程值,包括:
获取所述车辆的当前电量值和当前油量值;
基于所述当前电量值和所述电耗预测值计算剩余可用电续航值,并基于所述当前油量值和所述油耗预测值计算剩余可用油续航值;
根据所述剩余可用电续航值、所述剩余可用油续航值和第二预留续航值计算所述车辆在所述极速模式或所述健康模式下的实际续航里程值。
4.如权利要求1所述的补能站点确定方法,其特征在于,所述根据所述实际续航里程值和所述间距从所述优选补能站点中确定出目标补能站点,包括:
在确定sk+sk+sk+…+sk≤D,且sk+sk+sk+…+sk+s(k+1)>D时,将第k个优选补能站点作为目标补能站点;
其中,sk表示所述导航路线上的第k个所述优选补能站点与第k+1个所述优选补能站点之间的间距,D表示所述实际续航里程值。
5.如权利要求3所述的补能站点确定方法,其特征在于,在所述工作模式为健康模式时,所述根据所述实际续航里程值和所述间距从所述优选补能站点中确定出目标补能站点,包括:
计算所述车辆在相邻的所述优选补能站点之间的预估行驶时长;
在确定t1+t2+t3+…+tj≤T1,且t1+t2+t3+…+tj+t(j+1)>T1时,将第j个优选补能站点作为待选补能站点,或在确定|t1+t2+t3+…+tj-T1|≤T2时,将第j个优选补能站点作为待选补能站点;tj表示所述导航路线上的第j个所述优选补能站点与第j+1个所述优选补能站点之间的所述预估行驶时长;T1表示预设的连续行驶健康时长阈值,T2表示预设的行驶时长浮动阈值;
当D≥s1+s2+s3+…+sj时,将所述待选补能站点作为所述目标补能站点,sj表示所述导航路线上的第j个所述优选补能站点与第j+1个所述优选补能站点之间的间距;D表示所述实际续航里程值;
当D<s1+s2+s3+…+sj时,若确定s1+s2+s3+…+si≤D,且s1+s2+s3+…+si+s(i+1)>D,则将第i个优选补能站点作为目标补能站点;i<j。
6.如权利要求5所述的补能站点确定方法,其特征在于,在所述确定t1+t2+t3+…+tj≤T1,且t1+t2+t3+…+tj+t(j+1)>T1时,将第j个优选补能站点作为待选补能站点,或在确定|t1+t2+t3+…+tj-T1|≤T2时,将第j个优选补能站点作为待选补能站点之前,所述方法包括:
在确定所述车辆在所述导航路线上行驶的时间段为白天时间段内时,将所述T1的取值设置为第一取值;
在确定所述车辆在所述导航路线上行驶的时间段为夜间时间段内时,将所述T1的取值设置为第二取值;所述第一取值大于所述第二取值。
7.如权利要求1-6任一项所述的补能站点确定方法,其特征在于,所述确定所述车辆在所述导航路线上行驶单位里程的能耗预测值,包括:
获取输入信息;所述输入信息包括所述车辆的驾驶信息、所述车辆的运行状态信息、所述车辆所处环境的环境信息以及所述导航路线上道路的道路信息中的至少一种;
将所述输入信息输入预设的能耗预测模型,得到所述车辆在所述导航路线上行驶单位里程的能耗预测值。
8.如权利要求7所述的补能站点确定方法,其特征在于,所述能耗预测值包括电耗预测值和油耗预测值;所述将所述输入信息输入预设的能耗预测模型,得到所述车辆在所述导航路线上行驶单位里程的能耗预测值,包括:
将所述输入信息输入预设的能耗预测模型,输出所述车辆在所述导航路线对应的道路上的平均电耗预测值和平均油耗预测值;
根据所述平均电耗预测值、平均油耗预测值、油耗和电耗之间的转化效率计算所述车辆在所述导航路线上行驶单位里程的电耗预测值和油耗预测值。
9.一种补能站点确定装置,其特征在于,包括:
第一确定模块,用于确定车辆在导航路线上的工作模式,以及所述车辆在所述导航路线上行驶单位里程的能耗预测值;所述能耗预测值包括电耗预测值和油耗预测值中的至少一种;
第二确定模块,用于确定所述车辆以所述工作模式在所述导航路线上行驶时的优选补能站点;
获取模块,用于获取各相邻的所述优选补能站点之间的间距;
计算模块,用于基于所述能耗预测值以及所述工作模式,计算所述车辆在所述工作模式下的实际续航里程值;
第三确定模块,用于根据所述实际续航里程值和所述间距从所述优选补能站点中确定出目标补能站点。
10.一种电子设备,其特征在于,包括处理器和存储器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序,以实现如权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311623612.1A CN117495047A (zh) | 2023-11-30 | 2023-11-30 | 一种补能站点确定方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311623612.1A CN117495047A (zh) | 2023-11-30 | 2023-11-30 | 一种补能站点确定方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117495047A true CN117495047A (zh) | 2024-02-02 |
Family
ID=89667371
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311623612.1A Pending CN117495047A (zh) | 2023-11-30 | 2023-11-30 | 一种补能站点确定方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117495047A (zh) |
-
2023
- 2023-11-30 CN CN202311623612.1A patent/CN117495047A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11813962B2 (en) | Supplying power to an electric vehicle | |
CN111216730B (zh) | 电动汽车剩余续驶里程估算方法、装置、存储介质及设备 | |
TWI638328B (zh) | 電力需求預測裝置、電力供給系統、電力需求預測方法、程式、供給電力管理裝置 | |
CN109795371A (zh) | 基于移动终端路线规划的电动车辆充电提醒方法及装置 | |
KR102057649B1 (ko) | 상위계층 인공신경망을 이용한 전기차 충전소 점유 예측 장치 및 방법 | |
US10157242B2 (en) | Charger arrangement planning supporting apparatus, charger arrangement planning supporting method, and program | |
CN103745110B (zh) | 纯电动公交车营运续驶里程估算方法 | |
US20230139003A1 (en) | Systems and methods for managing velocity profiles | |
CN112549970A (zh) | 车辆续航里程预测方法、装置、车辆及存储介质 | |
US20180281620A1 (en) | Method for calculating a setpoint for managing the fuel and electricity consumption of a hybrid motor vehicle | |
Smuts et al. | A critical review of factors influencing the remaining driving range of electric vehicles | |
JP2015068756A (ja) | 区間取得システム、区間取得方法および区間取得プログラム | |
US20230303053A1 (en) | Control Device and Method for the Predictive Operation of an On-Board Power Supply System | |
CN110167808B (zh) | 对用于管理混合动力机动车辆的燃料和电力消耗的管理设定点进行计算的方法 | |
CN113375689B (zh) | 导航方法、装置、终端和存储介质 | |
CN113335125A (zh) | 车辆充电方法、装置、系统、充电模型训练方法 | |
CN115610252A (zh) | 一种车辆电池热管理启用方法、装置、设备及存储介质 | |
Eagon et al. | Neural Network-Based Electric Vehicle Range Prediction for Smart Charging Optimization | |
CN108985966B (zh) | 电量消耗计算方法、装置、车辆及计算机可读存储介质 | |
CN117495047A (zh) | 一种补能站点确定方法、装置及电子设备 | |
CN113015885A (zh) | 使用大数据进行车辆路由的系统和方法 | |
CN109726924A (zh) | 一种车辆的作业调度方法、装置、计算机设备和存储介质 | |
Aymen et al. | Energy optimization method for connected vehicles on a cloud database | |
Xu et al. | A deployment model of charging pile based on random forest for shared electric vehicle in smart cities | |
US20240059170A1 (en) | Dynamic multiple bi-directional supply and demand matching for ev charging |
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 |