CN117556589A - 一种仪表电量智能校准方法及系统 - Google Patents
一种仪表电量智能校准方法及系统 Download PDFInfo
- Publication number
- CN117556589A CN117556589A CN202311305334.5A CN202311305334A CN117556589A CN 117556589 A CN117556589 A CN 117556589A CN 202311305334 A CN202311305334 A CN 202311305334A CN 117556589 A CN117556589 A CN 117556589A
- Authority
- CN
- China
- Prior art keywords
- historical
- driving speed
- electric vehicle
- driving
- model
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000012937 correction Methods 0.000 claims abstract description 100
- 238000006243 chemical reaction Methods 0.000 claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000007599 discharging Methods 0.000 claims description 23
- 230000001133 acceleration Effects 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 10
- 230000002650 habitual effect Effects 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 8
- 238000013500 data storage Methods 0.000 claims description 7
- 238000012300 Sequence Analysis Methods 0.000 claims description 6
- 238000007619 statistical method Methods 0.000 claims description 6
- 238000004146 energy storage Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 7
- 238000004458 analytical method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 229910000625 lithium cobalt oxide Inorganic materials 0.000 description 1
- GELKBWJHTRAYNV-UHFFFAOYSA-K lithium iron phosphate Chemical compound [Li+].[Fe+2].[O-]P([O-])([O-])=O GELKBWJHTRAYNV-UHFFFAOYSA-K 0.000 description 1
- DVATZODUVBMYHN-UHFFFAOYSA-K lithium;iron(2+);manganese(2+);phosphate Chemical compound [Li+].[Mn+2].[Fe+2].[O-]P([O-])([O-])=O DVATZODUVBMYHN-UHFFFAOYSA-K 0.000 description 1
- BFZPBUKRYWOWDV-UHFFFAOYSA-N lithium;oxido(oxo)cobalt Chemical compound [Li+].[O-][Co]=O BFZPBUKRYWOWDV-UHFFFAOYSA-N 0.000 description 1
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
- B60K35/00—Instruments specially adapted for vehicles; Arrangement of instruments in or on vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/385—Arrangements for measuring battery or accumulator variables
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明涉及电数据处理技术领域，提供了一种仪表电量智能校准方法及系统，方法包括：获取电源型号信息；完成充电后，启用并获取行驶里程数据、最高行驶速度、最低行驶速度、匀速行驶速度，采集对应的经验数据、历史充放电记录；利用电源型号信息、电源损耗信息确定模型修正因子，并结合经验数据、历史充放电记录，设置电能转换模型并输入行驶里程数据、最高行驶速度、最低行驶速度、匀速行驶速度，输出剩余电量校准结果并校正剩余电量同时显示输出，解决车辆仪表电量无法真实反映车载电池组的剩余电量技术问题，实现从驾驶速度、驾驶里程、电源损耗多维度进行车辆仪表电量校准，以达到更精确、更实时的反映汽车车载电池组的剩余电量技术效果。
Description
技术领域
本发明涉及电数据处理相关技术领域，具体涉及一种仪表电量智能校准方法及系统。
背景技术
仪表电量校准多用于各类电动车，包括个人代步车、物流配送车、公共交通车辆等，电量校准是指通过对车辆电瓶电量、发电机输出电压等参数的检测和校准，以达到更精确、更实时地反映汽车车载电池组的剩余电量。该校准可以帮助车主更好地了解电瓶的实际电量，从而规划行车路线、避免车辆熄火等故障，提高驾驶安全性和运行稳定性。
但，由于电动车电量显示仪器是通过检测电池组的电压、电流等参数来反映电动车的电量。但由于电池充放电过程中存在一些不可避免的内阻、漏电等问题，同时，有些电动车在出厂时会对电动车的电量进行虚标，即实际电量比电量显示仪器显示的电量要低。
此外，电动车经过连续使用后，电池组内部产生的自放电、电池老化、温度升高等因素也会影响电池组的性能和电量。其中，自放电是指电动车长时间停止使用后，电池组内部的化学反应仍然会继续进行，使得电势差逐渐降低，电量逐渐减少。而温度升高则会影响电池组的功率输出和循环寿命。
综上所述，现有技术中存在车辆仪表电量无法真实反映车载电池组的剩余电量的技术问题。
发明内容
本申请通过提供了一种仪表电量智能校准方法及系统，旨在解决现有技术中的车辆仪表电量无法真实反映车载电池组的剩余电量的技术问题。
鉴于上述问题，本申请提供了一种仪表电量智能校准方法及系统。
本申请公开的第一个方面，提供了一种仪表电量智能校准方法，其中，所述方法应用于仪表电量智能校准系统，所述仪表电量智能校准系统与电动车仪表模组通信连接，所述方法包括：获取目标电动车的电源型号信息，所述电源型号信息包括所述目标电动车的电源模块的电源类型信息与电源容量规格；在所述目标电动车的完成充电后，启用所述目标电动车并获取所述目标电动车当前的行驶里程数据、最高行驶速度、最低行驶速度、匀速行驶速度；基于所述目标电动车当前的行驶里程数据、最高行驶速度、最低行驶速度、匀速行驶速度，对应采集限定时间范围内的历史行驶里程数据、历史最高行驶速度、历史最低行驶速度、历史匀速行驶速度；基于所述目标电动车中的数据存储模块，输出限定时间范围内的所述电源模块的历史充放电记录，所述历史充放电记录的时序信息与所述历史行驶里程数据、历史最高行驶速度、历史最低行驶速度、历史匀速行驶速度的时序信息一一对应；利用所述电源型号信息、电源损耗信息确定模型修正因子，基于所述历史行驶里程数据、历史最高行驶速度、历史最低行驶速度、历史匀速行驶速度以及所述历史充放电记录、所述模型修正因子，设置电能转换模型，其中，所述电能转换模型与所述电动车仪表模组联通；将所述目标电动车当前的行驶里程数据、最高行驶速度、最低行驶速度、匀速行驶速度输入所述电能转换模型，输出剩余电量校准结果并校正所述目标电动车的剩余电量同时利用所述电动车仪表模组进行显示输出。
本申请公开的另一个方面，提供了一种仪表电量智能校准系统，其中，所述系统包括：电源型号信息获取模块，用于获取目标电动车的电源型号信息，所述电源型号信息包括所述目标电动车的电源模块的电源类型信息与电源容量规格；数据采集模块，用于在所述目标电动车的完成充电后，启用所述目标电动车并获取所述目标电动车当前的行驶里程数据、最高行驶速度、最低行驶速度、匀速行驶速度；历史数据采集模块，用于基于所述目标电动车当前的行驶里程数据、最高行驶速度、最低行驶速度、匀速行驶速度，对应采集限定时间范围内的历史行驶里程数据、历史最高行驶速度、历史最低行驶速度、历史匀速行驶速度；历史充放电记录输出模块，用于基于所述目标电动车中的数据存储模块，输出限定时间范围内的所述电源模块的历史充放电记录，所述历史充放电记录的时序信息与所述历史行驶里程数据、历史最高行驶速度、历史最低行驶速度、历史匀速行驶速度的时序信息一一对应；电能转换模型设置模块，用于利用所述电源型号信息、电源损耗信息确定模型修正因子，基于所述历史行驶里程数据、历史最高行驶速度、历史最低行驶速度、历史匀速行驶速度以及所述历史充放电记录、所述模型修正因子，设置电能转换模型，其中，所述电能转换模型与电动车仪表模组联通；电量校正模块，用于将所述目标电动车当前的行驶里程数据、最高行驶速度、最低行驶速度、匀速行驶速度输入所述电能转换模型，输出剩余电量校准结果并校正所述目标电动车的剩余电量同时利用所述电动车仪表模组进行显示输出。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
由于采用了获取电源型号信息；完成充电后，启用并获取行驶里程数据、最高行驶速度、最低行驶速度、匀速行驶速度，并采集对应的经验数据、历史充放电记录；利用电源型号信息、电源损耗信息确定模型修正因子，基于经验数据、历史充放电记录、模型修正因子，设置电能转换模型并输入行驶里程数据、最高行驶速度、最低行驶速度、匀速行驶速度，输出剩余电量校准结果并校正剩余电量同时显示输出，实现了从驾驶速度、驾驶里程、电源损耗多维度进行车辆仪表电量校准，以达到更精确、更实时地反映汽车车载电池组的剩余电量的技术效果。
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
图1为本申请实施例提供了一种仪表电量智能校准方法可能的流程示意图；
图2为本申请实施例提供了一种仪表电量智能校准方法中设置模型修正因子可能的流程示意图；
图3为本申请实施例提供了一种仪表电量智能校准方法中得到电能转换模型可能的流程示意图；
图4为本申请实施例提供了一种仪表电量智能校准系统可能的结构示意图。
附图标记说明：电源型号信息获取模块100，数据采集模块200，历史数据采集模块300，历史充放电记录输出模块400，电能转换模型设置模块500，电量校正模块600。
具体实施方式
本申请实施例提供了一种仪表电量智能校准方法及系统，解决了车辆仪表电量无法真实反映车载电池组的剩余电量的技术问题，实现了从驾驶速度、驾驶里程、电源损耗多维度进行车辆仪表电量校准，以达到更精确、更实时地反映汽车车载电池组的剩余电量的技术效果。
在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示，本申请实施例提供了一种仪表电量智能校准方法，其中，所述方法应用于仪表电量智能校准系统，所述仪表电量智能校准系统与电动车仪表模组通信连接，所述方法包括：
S10：获取目标电动车的电源型号信息，所述电源型号信息包括所述目标电动车的电源模块的电源类型信息与电源容量规格；
步骤S10还包括步骤：
S11：所述电动车仪表模组设置在主控板上，所述电动车仪表模组包括MCU，以及与MCU电连接的目标电动车的电源模块、无线通信驱动模块、LED驱动模块、档位功能选择模块、射频驱动模块、音频驱动模块。
具体而言，所述仪表电量智能校准系统与电动车仪表模组通信连接，所述通信连接简单来说就是通过信号的传输交互，在所述仪表电量智能校准系统与电动车仪表模组之间构成通讯，所述电动车仪表模组设置在主控板上，所述电动车仪表模组包括MCU(MicroController Unit，微控制器)，以及与MCU电连接的目标电动车的电源模块、无线通信驱动模块、LED驱动模块、档位功能选择模块、射频驱动模块、音频驱动模块，为进行仪表电量智能校准提供硬件支持；
所述电源类型信息包括但不限于磷酸铁锂电池、磷酸铁锰锂电池、钴酸锂电池、三元锂电池，所述电源容量规格常见可以是48V12Ah、48V20Ah、48V20Ah、60V20Ah、72V32An，常见的，当电压一定时，电流越大，动力越强，电池容量就越高，获取目标电动车的电源型号信息，所述电源型号信息包括所述目标电动车的电源模块的电源类型信息与电源容量规格，为进行后续分析提供数据基础。
S20：在所述目标电动车的完成充电后，启用所述目标电动车并获取所述目标电动车当前的行驶里程数据、最高行驶速度、最低行驶速度、匀速行驶速度；
S30：基于所述目标电动车当前的行驶里程数据、最高行驶速度、最低行驶速度、匀速行驶速度，对应采集限定时间范围内的历史行驶里程数据、历史最高行驶速度、历史最低行驶速度、历史匀速行驶速度；
S40：基于所述目标电动车中的数据存储模块，输出限定时间范围内的所述电源模块的历史充放电记录，所述历史充放电记录的时序信息与所述历史行驶里程数据、历史最高行驶速度、历史最低行驶速度、历史匀速行驶速度的时序信息一一对应；
具体而言，在所述目标电动车完成一次充电，电池充满电量的情况下，启用所述目标电动车并获取所述目标电动车当前的行驶里程数据、最高行驶速度、最低行驶速度、匀速行驶速度，所述匀速行驶速度即车辆启动后长期持续稳定保持的速度，一般的，汽车在启动后，加速踏板Map开度和速度对应的扭矩值为一定值后，电动汽车即开始匀速行驶，在开始匀速行驶后开始计时，比如行驶时长为1min，保持30km/h的时长为35s，即可将30km/h设置为匀速行驶速度，所述限定时间范围可以是过去一年内，将所述目标电动车当前的行驶里程数据、最高行驶速度、最低行驶速度、匀速行驶速度作为检索内容，设置检索符，对照所述目标电动车的行驶记录，对应采集限定时间范围内的历史行驶里程数据、历史最高行驶速度、历史最低行驶速度、历史匀速行驶速度，所述历史行驶里程数据可以是过去一年内多次电池充满电量后对应的多个行驶里程数据；
基于所述目标电动车中的数据存储模块，对照所述限定时间范围，限定提取所述电源模块的历史充放电记录，所述历史充放电记录的时序信息与所述历史行驶里程数据、历史最高行驶速度、历史最低行驶速度、历史匀速行驶速度的时序信息一一对应，所述历史充放电记录包括开始充电电量、完成充电电量、充电时长等一系列参数指标，所述时序信息对应的历史时刻点可以精确定位至每ms，为进行后续数据分析提供数据基础。
S50：利用所述电源型号信息、电源损耗信息确定模型修正因子，基于所述历史行驶里程数据、历史最高行驶速度、历史最低行驶速度、历史匀速行驶速度以及所述历史充放电记录、所述模型修正因子，设置电能转换模型，其中，所述电能转换模型与所述电动车仪表模组联通；
如图2所示，步骤S50包括步骤：
S51：获取所述目标电动车的N块电池块数，其中，6≥N≥1；
S52：根据所述N块电池块数对应的并联和/或串联的形式，计算得到电源容量规格中的电源额定电压、电源额定容量；
S53：通过所述电源型号信息中的电源容量规格进行储能计算，获取目标电动车的电源理论储存能量，其中，电源理论储存能量＝电源额定电压×电源额定容量；
S54：将所述电源损耗信息作为权值，对所述电源理论储存能量进行加权修正，将加权修正的结果设为模型修正因子。
具体而言，利用所述电源型号信息、电源损耗信息确定模型修正因子，包括，获取所述目标电动车的N块电池块数，一般来说，电动车的电池盒中的电池块数N满足6≥N≥1；根据所述N块电池块数对应的并联和/或串联的形式，计算得到电源容量规格中的电源额定电压、电源额定容量，示例性的，一组容量为20安时电动车电瓶，有4块电瓶串联组成，每块电瓶电压为12V，容量为20AH，48V＝12V*4，进而确定电动车电瓶的电源额定电压48V、电源额定容量20AH，即需要对照并联和/或串联计算；
通过所述电源型号信息中的电源容量规格进行储能计算，获取目标电动车的电源理论储存能量，其中，电源理论储存能量＝电源额定电压×电源额定容量，一般来说，当电压一定时，电流越大，动力越强，电池容量就越高，48V20Ah电池对应的电源理论储存能量960WH；60V20Ah电池对应的电源理论储存能量1200WH；72V32An电池对应的电源理论储存能量2304WH；
将所述目标电动车的电源模块的电源类型信息与电源容量规格作为采样限定内容，在大数据中确定样本电源模块以及样本电源模块的样本充放次数集、样本电池寿命周期集、样本电池充电周期集，将样本电源模块以及样本电源模块的样本充放次数集、样本电池寿命周期集、样本电池充电周期集作为知识库构建电源损耗评估专家系统；
所述电源损耗信息为充放次数、电池寿命周期、电池充电周期组合评估所得：将所述电源损耗信息为充放次数、电池寿命周期、电池充电周期导入所述电源损耗评估专家系统进行组合评估得到电源损耗信息，对所述电源损耗信息、电源理论储存能量进行归一化处理，在归一化处理后将所述电源损耗信息作为权值，对所述电源理论储存能量进行加权修正，将加权修正的结果设为模型修正因子，对照电源损耗设置模型修正因子，用以达到更精确、更实时的反映汽车车载电源的剩余电量。
将所述电源损耗信息作为权值，对所述电源理论储存能量进行加权修正，将加权修正的结果设为模型修正因子，步骤S54包括步骤：
S541：根据所述目标电动车的历史行驶数据，确定所述目标电动车的驾驶习惯参数区间，所述驾驶习惯参数区间对应包括行驶速度指标、加速度指标、功率控制指标，还包括，
S541-a：根据时间序列分析方法对历史行驶数据进行统计分析，获取所述功率控制指标；
S541-b：根据所述行驶速度指标的均值和标准差计算得到行驶速度控制指标；
S541-c：根据所述加速度指标的均值和标准差计算得到加速度控制指标；
S542：根据所述驾驶习惯参数区间对应的所述功率控制指标、所述行驶速度控制指标以及所述加速度控制指标，将所述电源损耗信息作为权值，对所述电源理论储存能量进行习惯性修正，将所述习惯性修正的结果设为模型修正因子。
具体而言，收集目标电动车的历史行驶数据，所述历史行驶数据包括行驶里程、行驶速度、加速度、功率控制等信息，以及对应的时序信息，可以来自车辆的传感器、GPS轨迹数据、驾驶者的驾驶行为记录等。
利用时间序列分析方法对历史行驶数据进行统计分析，获取功率控制指标，其中，时间序列分析方法可以包括滑动窗口、ARIMA模型、Hurst指数估计等，可以根据实际数据的特点和需求选择合适的方法，通过时间序列分析，可以发现功率控制指标的均值、方差等统计特性，进而反映驾驶员的驾驶习惯。
根据行驶速度指标的均值和标准差计算得到行驶速度控制指标，行驶速度控制指标可以反映驾驶员对于速度的控制习惯和能力，比如驾驶员是倾向于快速驾驶或谨慎驾驶；根据加速度指标的均值和标准差计算得到加速度控制指标，加速度控制指标可以反映驾驶员对于加速度的控制习惯和能力，比如驾驶员是倾向于急加速还是平滑加速。
在确定驾驶习惯参数区间后，可以将电源损耗信息作为权值，对电源理论储存能量进行习惯性修正。具体修正的过程可以包括以下步骤：将历史行驶数据与相应的行驶里程指标、行驶速度指标、加速度指标、功率控制指标进行匹配，得到每个指标的历史数据序列；对每个指标的历史数据序列进行统计分析，比如计算均值、方差、Hurst指数等，以了解每个指标的统计特性。
根据每个指标的统计特性，可以确定每个指标的权重，例如，如果某个指标的标准差较大，说明该指标的变化较大，相应的权重可以较小；反之，如果某个指标的均值较大，说明该指标的总体水平较高，相应的权重可以较大。
根据每个指标的权重，可以对电源理论储存能量进行加权修正，具体修正的方法可以包括加权平均、加权乘积等，可以根据实际需求选择合适的方法，将修正的结果作为模型修正因子。得到目标电动车的驾驶习惯参数区间，并利用这些参数对电源理论储存能量进行习惯性修正，得到更准确的剩余电量校准结果。
本申请实施例还包括：
S543：将所述电源损耗信息作为权值，对所述电源理论储存能量进行习惯性修正后得到模型修正因子，MCF＝E/(E+E损耗)，其中，MCF用于表征模型修正因子，E用于表征电源理论储存能量，E损耗用于表征电源损耗能量。
具体而言，确定模型修正因子MCF，所述模型修正因子MCF可以通过将电源理论储存能量E和电源损耗能量E损耗进行加权修正得到，即MCF＝E/(E+E损耗)，其中，E表示电源理论储存能量，E损耗表示电源损耗能量，可以更好地理解和评估电源的实际储存能量与理论储存能量之间的差异，从而更准确地校准目标电动车的剩余电量。
如图3所示，步骤S50还包括步骤：
S55：在所述历史充放电记录中，将充电信息作为第一提取目标，获取历史充电记录；
S56：在所述历史充放电记录中，将放电信息作为第二提取目标，获取历史放电记录；
S57：基于所述历史行驶里程数据、历史最高行驶速度、历史最低行驶速度、历史匀速行驶速度以及所述历史充电记录、所述模型修正因子，设置电动车充电模型；
S58：基于所述历史行驶里程数据、历史最高行驶速度、历史最低行驶速度、历史匀速行驶速度以及所述历史放电记录、所述模型修正因子，设置电动车放电模型；
S59：将所述电动车充电模型、所述电动车放电模型作为并行处理通道合并，得到电能转换模型。
具体而言，基于所述历史行驶里程数据、历史最高行驶速度、历史最低行驶速度、历史匀速行驶速度以及所述历史充放电记录、所述模型修正因子，设置电能转换模型，包括，分离历史充放电记录中的充电记录与放电记录，在所述历史充放电记录中，将充电信息作为第一提取目标，获取历史充电记录；在所述历史充放电记录中，将放电信息作为第二提取目标，获取历史放电记录，实现充电记录与放电记录的分离；
分别构建电动车充电模型、电动车放电模型基于所述历史行驶里程数据、历史最高行驶速度、历史最低行驶速度、历史匀速行驶速度以及所述历史充电记录、所述模型修正因子，设置电动车充电模型；基于所述历史行驶里程数据、历史最高行驶速度、历史最低行驶速度、历史匀速行驶速度以及所述历史放电记录、所述模型修正因子，设置电动车放电模型；
将所述电动车充电模型、所述电动车放电模型作为并行处理通道合并：先对所述电动车充电模型、所述电动车放电模型进行时钟频率调整，使得并行处理通道合并的两模型的模型输入时间节点与模型输出时间节点同步，同步后进行通道合并得到电能转换模型，为进行电动车的电能转换分析提供模型基础。
步骤S57包括步骤：
S571：基于所述历史充电记录，在Matlab上创建Figure1，Figure1用于绘制充电时间概率分布；
S572：基于所述历史行驶里程数据中的多个日行驶里程，在Matlab上创建Figure2，Figure2用于绘制日行驶里程概率分布；
S573：基于所述历史最高行驶速度中的多个历史日最高行驶速度，在Matlab上创建Figure3，Figure3用于绘制日最高行驶速度概率分布；
S574：基于所述历史最低行驶速度中的多个历史日最低行驶速度，在Matlab上创建Figure4，Figure4用于绘制日最低行驶速度概率分布；
S575：基于所述历史匀速行驶速度中的多个历史日匀速行驶速度，在Matlab上创建Figure5，Figure5用于绘制日匀速行驶速度概率分布；
S576：依据蒙特卡洛算法，通过所述充电时间概率分布、所述日行驶里程概率分布、所述日最高行驶速度概率分布、所述最低行驶速度概率分布、所述日匀速行驶速度概率分布以及所述模型修正因子，对电动车充电行为进行建模，得到所述电动车充电模型。
具体而言，基于所述历史行驶里程数据、历史最高行驶速度、历史最低行驶速度、历史匀速行驶速度以及所述历史充电记录、所述模型修正因子，设置电动车充电模型，包括，基于所述历史充电记录以及对应的时序信息，在Matlab上创建Figure1，Figure1的横轴为时序信息、Figure1的纵轴为历史充电记录，Figure1用于绘制充电时间概率分布；
基于所述历史行驶里程数据中的多个日行驶里程以及对应的时序信息，在Matlab上创建Figure2，Figure2的横轴为时序信息、Figure2的纵轴为多个日行驶里程，Figure2用于绘制日行驶里程概率分布；
基于所述历史最高行驶速度中的多个历史日最高行驶速度以及对应的时序信息，在Matlab上创建Figure3，Figure3的横轴为时序信息、Figure3的纵轴为多个历史日最高行驶速度，Figure3用于绘制日最高行驶速度概率分布，一般的，在驾驶过程中，历史日最高行驶速度的数据采样频率为每min/次，即当日驾驶时长为30min28s，得到的日最高行驶速度为31个数值，数值量为向上取整所得；
基于所述历史最低行驶速度中的多个历史日最低行驶速度以及对应的时序信息，在Matlab上创建Figure4，Figure4的横轴为时序信息、Figure4的纵轴为多个历史日最低行驶速度，Figure4用于绘制日最低行驶速度概率分布；
基于所述历史匀速行驶速度中的多个历史日匀速行驶速度以及对应的时序信息，在Matlab上创建Figure5，Figure5的横轴为时序信息、Figure5的纵轴为多个历史日匀速行驶速度，Figure5用于绘制日匀速行驶速度概率分布，简单来说，所述历史日最低行驶速度、所述历史日最高行驶速度与历史日匀速行驶速度分别用于表征同一个时间段内的行驶速度最高值、行驶速度最低值与持续稳定保持的速度，比如行驶时长为1min，1min内的最高速度为10km/h、1min内的最高速度为50km/h，保持30km/h的时长为33s，即可将10km/h设置为历史日最低行驶速度、50km/h设置为历史日最高行驶速度、30km/h设置为历史日匀速行驶速度；
依据蒙特卡洛算法，调用所述充电时间概率分布对应的Figure1、所述日行驶里程概率分布对应的Figure2、所述日最高行驶速度概率分布对应的Figure3、所述最低行驶速度概率分布对应的Figure4、所述日匀速行驶速度概率分布对应的Figure5以及所述模型修正因子，联合对电动车充电行为进行建模，得到所述电动车充电模型，为进行电动车充电分析提供模型基础。
步骤S58包括步骤：
S581：基于所述历史放电记录，在Matlab上创建Figure6，Figure6用于绘制放电时间概率分布；
S582：依据蒙特卡洛算法，通过所述放电时间概率分布、所述日行驶里程概率分布、所述日最高行驶速度概率分布、所述最低行驶速度概率分布、所述日匀速行驶速度概率分布以及所述模型修正因子，对电动车放电行为进行建模，得到所述电动车放电模型。
具体而言，基于所述历史行驶里程数据、历史最高行驶速度、历史最低行驶速度、历史匀速行驶速度以及所述历史放电记录、所述模型修正因子，设置电动车放电模型，包括，基于所述历史放电记录以及对应的时序信息，在Matlab上创建Figure6，Figure6的横轴为时序信息、Figure6的纵轴为历史放电记录，Figure6用于绘制放电时间概率分布；
依据蒙特卡洛算法，调用所述放电时间概率分布对应的Figure6、所述日行驶里程概率分布对应的Figure2、所述日最高行驶速度概率分布对应的Figure3、所述最低行驶速度概率分布对应的Figure4、所述日匀速行驶速度概率分布对应的Figure5以及所述模型修正因子，联合对电动车放电行为进行建模，得到所述电动车放电模型，为进行电动车放电分析提供模型基础。
S60：将所述目标电动车当前的行驶里程数据、最高行驶速度、最低行驶速度、匀速行驶速度输入所述电能转换模型，输出剩余电量校准结果并校正所述目标电动车的剩余电量同时利用所述电动车仪表模组进行显示输出。
步骤S60包括步骤：
S61：以所述目标电动车位置为起点，获取预设范围内的充电桩位置，所述预设范围对应的半径不超过10km；
S62：在所述预设范围内的充电桩位置对应的空闲充电桩数量M满足M≥50的情况下，设置预设放电阈值；
S63：在所述预设范围内的充电桩位置对应的空闲充电桩数量M满足50≥M＞5的情况下，设置预设放电阈值下限，所述预设放电阈值下限为所述目标电动车位置到最近的空闲充电桩位置所需要的电量；
S64：在所述预设范围内的充电桩位置对应的空闲充电桩数量M满足5≥M≥1的情况下，所述预设放电阈值上限为所述目标电动车遍历M个空闲充电桩位置所需要的电量；
S65：通过预设放电阈值上限、预设放电阈值下限，得到预设放电阈值区间，当校正所述目标电动车的剩余电量后落在所述预设放电阈值区间内，启用所述音频驱动模块，提醒所述目标电动车就近充电。
具体而言，将所述目标电动车当前的行驶里程数据、最高行驶速度、最低行驶速度、匀速行驶速度输入所述电能转换模型，输出剩余电量校准结果，所述剩余电量校准结果用于表征剩余行驶里程对应的电量实际可持续使用校准信息，对所述剩余电量校准结果与所述目标电动车的剩余电量进行归一化处理，在归一化处理后使用后所述剩余电量校准结果作为权重值，对所述目标电动车的剩余电量进行加权校正，将加权校正结果转化为百分比形式同时利用所述电动车仪表模组进行显示输出；
校正所述目标电动车的剩余电量后，还包括：电动车充电桩一定程度影响电动汽车的自由活动区域的范围，若电动车行驶到充电桩较少区域且电动车电量耗尽，就需要拆卸电池进行充电，若无法拆卸电池可能需要拖车辅助，将电动车移动至存在充电桩的区域，基于此，以所述目标电动车位置为起点，获取预设范围内的充电桩位置，所述预设范围对应的半径不超过10km，以所述目标电动车位置为圆点、以所述预设范围对应的半径圈定的圆圈内部即所述预设范围；
在所述预设范围内的充电桩位置对应的空闲充电桩数量M满足M≥50(这种情况一般是存在聚集的空闲充电桩，就是同一个位置有多个空闲充电桩)，无需跳转至后续步骤，即当前范围内的充电桩充足，直接将预设放电阈值设置为10％，即在目标电动车的矫正后电量低于10％时提醒所述目标电动车就近充电；
在所述预设范围内的充电桩位置对应的空闲充电桩数量M满足50≥M＞5的情况下(这种情况一般是存在分散的空闲充电桩，就是同一个位置有1～5个空闲充电桩)，即当前范围内的充电桩比较充足，可以支持所述目标电动车位进行灵活选择，设置预设放电阈值下限，所述预设放电阈值下限为所述目标电动车位置到最近的空闲充电桩位置所需要的电量；
在所述预设范围内的充电桩位置对应的空闲充电桩数量M满足5≥M≥1的情况下，即当前范围内的充电桩相对稀少，无法支持所述目标电动车位进行灵活选择，在前往选定空闲充电桩的过程，仍存在较大的被其他车辆占用的风险，所述预设放电阈值上限为所述目标电动车遍历M个空闲充电桩位置所需要的电量；
将预设放电阈值上限+预设放电阈值作为预设放电阈值区间的区间上限，将预设放电阈值下限+预设放电阈值作为预设放电阈值区间的区间下限，得到预设放电阈值区间，当校正所述目标电动车的剩余电量后落在所述预设放电阈值区间内，启用所述音频驱动模块，提醒所述目标电动车就近充电，合理安排行车路线和充电计划，以避免出现电量耗尽无法继续行驶的情况，可以大大提高电动车用户的使用体验。
综上所述，本申请实施例所提供的一种仪表电量智能校准方法及系统具有如下技术效果：
1.由于采用了获取电源型号信息；完成充电后，启用并获取行驶里程数据、最高行驶速度、最低行驶速度、匀速行驶速度，并采集对应的经验数据、历史充放电记录；利用电源型号信息、电源损耗信息确定模型修正因子，基于经验数据、历史充放电记录、模型修正因子，设置电能转换模型并输入行驶里程数据、最高行驶速度、最低行驶速度、匀速行驶速度，输出剩余电量校准结果并校正剩余电量同时显示输出，本申请通过提供了一种仪表电量智能校准方法及系统，实现了从驾驶速度、驾驶里程、电源损耗多维度进行车辆仪表电量校准，以达到更精确、更实时地反映汽车车载电池组的剩余电量的技术效果。
2.由于采用了获取N块电池块数；根据并联和/或串联的形式，计算得到电源容量规格中的电源额定电压、电源额定容量，进行储能计算，获取电源理论储存能量；将电源损耗信息作为权值，加权修正电源理论储存能量，将加权修正的结果设为模型修正因子，对照电源损耗设置模型修正因子，用以达到更精确、更实时的反映汽车车载电源的剩余电量。
实施例二
基于与前述实施例中一种仪表电量智能校准方法相同的发明构思，如图4所示，本申请实施例提供了一种仪表电量智能校准系统，其中，所述系统包括：
电源型号信息获取模块100，用于获取目标电动车的电源型号信息，所述电源型号信息包括所述目标电动车的电源模块的电源类型信息与电源容量规格；
数据采集模块200，用于在所述目标电动车的完成充电后，启用所述目标电动车并获取所述目标电动车当前的行驶里程数据、最高行驶速度、最低行驶速度、匀速行驶速度；
历史数据采集模块300，用于基于所述目标电动车当前的行驶里程数据、最高行驶速度、最低行驶速度、匀速行驶速度，对应采集限定时间范围内的历史行驶里程数据、历史最高行驶速度、历史最低行驶速度、历史匀速行驶速度；
历史充放电记录输出模块400，用于基于所述目标电动车中的数据存储模块，输出限定时间范围内的所述电源模块的历史充放电记录，所述历史充放电记录的时序信息与所述历史行驶里程数据、历史最高行驶速度、历史最低行驶速度、历史匀速行驶速度的时序信息一一对应；
电能转换模型设置模块500，用于利用所述电源型号信息、电源损耗信息确定模型修正因子，基于所述历史行驶里程数据、历史最高行驶速度、历史最低行驶速度、历史匀速行驶速度以及所述历史充放电记录、所述模型修正因子，设置电能转换模型，其中，所述电能转换模型与电动车仪表模组联通；
电量校正模块600，用于将所述目标电动车当前的行驶里程数据、最高行驶速度、最低行驶速度、匀速行驶速度输入所述电能转换模型，输出剩余电量校准结果并校正所述目标电动车的剩余电量同时利用所述电动车仪表模组进行显示输出。
进一步的，所述系统包括：
电动车仪表模组确定模块，用于所述电动车仪表模组设置在主控板上，所述电动车仪表模组包括MCU，以及与MCU电连接的目标电动车的电源模块、无线通信驱动模块、LED驱动模块、档位功能选择模块、射频驱动模块、音频驱动模块。
进一步的，所述系统包括：
电池块数获取模块，用于获取所述目标电动车的N块电池块数，其中，6≥N≥1；
电源额定指标计算模块，用于根据所述N块电池块数对应的并联和/或串联的形式，计算得到电源容量规格中的电源额定电压、电源额定容量；
电源理论储存能量计算模块，用于通过所述电源型号信息中的电源容量规格进行储能计算，获取目标电动车的电源理论储存能量，其中，电源理论储存能量＝电源额定电压×电源额定容量；
加权修正模块，用于将所述电源损耗信息作为权值，对所述电源理论储存能量进行加权修正，将加权修正的结果设为模型修正因子。
进一步的，所述系统包括：
驾驶习惯参数区间确定模块，用于根据所述目标电动车的历史行驶数据，确定所述目标电动车的驾驶习惯参数区间，所述驾驶习惯参数区间对应包括行驶速度指标、加速度指标、功率控制指标，还包括，
统计分析模块，用于根据时间序列分析方法对历史行驶数据进行统计分析，获取所述功率控制指标；
行驶速度控制指标计算模块，用于根据所述行驶速度指标的均值和标准差计算得到行驶速度控制指标；
加速度控制指标计算模块，用于根据所述加速度指标的均值和标准差计算得到加速度控制指标；
习惯性修正模块，用于根据所述驾驶习惯参数区间对应的所述功率控制指标、所述行驶速度控制指标以及所述加速度控制指标，将所述电源损耗信息作为权值，对所述电源理论储存能量进行习惯性修正，将所述习惯性修正的结果设为模型修正因子。
进一步的，所述系统包括：
模型修正因子计算模块，用于将所述电源损耗信息作为权值，对所述电源理论储存能量进行习惯性修正后得到模型修正因子，MCF＝E/(E+E损耗)，其中，MCF用于表征模型修正因子，E用于表征电源理论储存能量，E损耗用于表征电源损耗能量。
进一步的，所述系统包括：
历史充电记录获取模块，用于在所述历史充放电记录中，将充电信息作为第一提取目标，获取历史充电记录；
历史放电记录获取模块，用于在所述历史充放电记录中，将放电信息作为第二提取目标，获取历史放电记录；
电动车充电模型设置模块，用于基于所述历史行驶里程数据、历史最高行驶速度、历史最低行驶速度、历史匀速行驶速度以及所述历史充电记录、所述模型修正因子，设置电动车充电模型；
电动车放电模型获取模块，用于基于所述历史行驶里程数据、历史最高行驶速度、历史最低行驶速度、历史匀速行驶速度以及所述历史放电记录、所述模型修正因子，设置电动车放电模型；
并行处理通道合并模块，用于将所述电动车充电模型、所述电动车放电模型作为并行处理通道合并，得到电能转换模型。
进一步的，所述系统包括：
绘制充电时间概率分布模块，用于基于所述历史充电记录，在Matlab上创建Figure1，Figure1用于绘制充电时间概率分布；
绘制日行驶里程概率分布模块，用于基于所述历史行驶里程数据中的多个日行驶里程，在Matlab上创建Figure2，Figure2用于绘制日行驶里程概率分布；
绘制日最高行驶速度概率分布模块，用于基于所述历史最高行驶速度中的多个历史日最高行驶速度，在Matlab上创建Figure3，Figure3用于绘制日最高行驶速度概率分布；
绘制日最低行驶速度概率分布模块，用于基于所述历史最低行驶速度中的多个历史日最低行驶速度，在Matlab上创建Figure4，Figure4用于绘制日最低行驶速度概率分布；
绘制日匀速行驶速度概率分布模块，用于基于所述历史匀速行驶速度中的多个历史日匀速行驶速度，在Matlab上创建Figure5，Figure5用于绘制日匀速行驶速度概率分布；
电动车充电行为建模模块，用于依据蒙特卡洛算法，通过所述充电时间概率分布、所述日行驶里程概率分布、所述日最高行驶速度概率分布、所述最低行驶速度概率分布、所述日匀速行驶速度概率分布以及所述模型修正因子，对电动车充电行为进行建模，得到所述电动车充电模型。
进一步的，所述系统包括：
绘制放电时间概率分布模块，用于基于所述历史放电记录，在Matlab上创建Figure6，Figure6用于绘制放电时间概率分布；
电动车放电行为建模模块，用于依据蒙特卡洛算法，通过所述放电时间概率分布、所述日行驶里程概率分布、所述日最高行驶速度概率分布、所述最低行驶速度概率分布、所述日匀速行驶速度概率分布以及所述模型修正因子，对电动车放电行为进行建模，得到所述电动车放电模型。
进一步的，所述系统包括：
充电桩位置获取模块，用于以所述目标电动车位置为起点，获取预设范围内的充电桩位置，所述预设范围对应的半径不超过10km；
预设放电阈值设置模块，用于在所述预设范围内的充电桩位置对应的空闲充电桩数量M满足M≥50的情况下，设置预设放电阈值；
预设放电阈值下限设置模块，用于在所述预设范围内的充电桩位置对应的空闲充电桩数量M满足50≥M＞5的情况下，设置预设放电阈值下限，所述预设放电阈值下限为所述目标电动车位置到最近的空闲充电桩位置所需要的电量；
预设放电阈值上限设置模块，用于在所述预设范围内的充电桩位置对应的空闲充电桩数量M满足5≥M≥1的情况下，所述预设放电阈值上限为所述目标电动车遍历M个空闲充电桩位置所需要的电量；
音频驱动模块启用模块，用于通过预设放电阈值上限、预设放电阈值下限，得到预设放电阈值区间，当校正所述目标电动车的剩余电量后落在所述预设放电阈值区间内，启用所述音频驱动模块，提醒所述目标电动车就近充电。
综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中，并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法，在此不做多余限制。
进一步的，综上所述的第一或第二可能不止代表次序关系，也可能代表某项特指概念，和/或指的是多个元素之间可单独或全部选择。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。
Claims (8)
1.一种仪表电量智能校准方法，其特征在于，所述方法应用于仪表电量智能校准系统，所述仪表电量智能校准系统与电动车仪表模组通信连接，所述方法包括：
获取目标电动车的电源型号信息，所述电源型号信息包括所述目标电动车的电源模块的电源类型信息与电源容量规格；以及
在所述目标电动车的完成充电后，启用所述目标电动车并获取所述目标电动车当前的行驶里程数据、最高行驶速度、最低行驶速度、匀速行驶速度；
基于所述目标电动车当前的行驶里程数据、最高行驶速度、最低行驶速度、匀速行驶速度，对应采集限定时间范围内的历史行驶里程数据、历史最高行驶速度、历史最低行驶速度、历史匀速行驶速度；
基于所述目标电动车中的数据存储模块，输出限定时间范围内的所述电源模块的历史充放电记录，所述历史充放电记录的时序信息与所述历史行驶里程数据、历史最高行驶速度、历史最低行驶速度、历史匀速行驶速度的时序信息一一对应；
利用所述电源型号信息、电源损耗信息确定模型修正因子，基于所述历史行驶里程数据、历史最高行驶速度、历史最低行驶速度、历史匀速行驶速度以及所述历史充放电记录、所述模型修正因子，设置电能转换模型，其中，所述电能转换模型与所述电动车仪表模组联通，所述电动车仪表模组设置在主控板上，所述电动车仪表模组包括MCU，以及与MCU电连接的目标电动车的电源模块、无线通信驱动模块、LED驱动模块、档位功能选择模块、射频驱动模块、音频驱动模块；
将所述目标电动车当前的行驶里程数据、最高行驶速度、最低行驶速度、匀速行驶速度输入所述电能转换模型，输出剩余电量校准结果并校正所述目标电动车的剩余电量同时利用所述电动车仪表模组进行显示输出后，以所述目标电动车位置为起点，获取预设范围内的充电桩位置，所述预设范围对应的半径不超过10km；
在所述预设范围内的充电桩位置对应的空闲充电桩数量M满足M≥50的情况下，设置预设放电阈值；
在所述预设范围内的充电桩位置对应的空闲充电桩数量M满足50≥M＞5的情况下，设置预设放电阈值下限，所述预设放电阈值下限为所述目标电动车位置到最近的空闲充电桩位置所需要的电量；
在所述预设范围内的充电桩位置对应的空闲充电桩数量M满足5≥M≥1的情况下，所述预设放电阈值上限为所述目标电动车遍历M个空闲充电桩位置所需要的电量；
通过预设放电阈值上限、预设放电阈值下限，得到预设放电阈值区间，当校正所述目标电动车的剩余电量后落在所述预设放电阈值区间内，启用所述音频驱动模块，提醒所述目标电动车就近充电。
2.如权利要求1所述的方法，其特征在于，所述利用所述电源型号信息、电源损耗信息确定模型修正因子，所述方法包括：
获取所述目标电动车的N块电池块数，其中，6≥N≥1；
根据所述N块电池块数对应的并联和/或串联的形式，计算得到电源容量规格中的电源额定电压、电源额定容量；
通过所述电源型号信息中的电源容量规格进行储能计算，获取目标电动车的电源理论储存能量，其中，电源理论储存能量＝电源额定电压×电源额定容量；
将所述电源损耗信息作为权值，对所述电源理论储存能量进行加权修正，将加权修正的结果设为模型修正因子。
3.如权利要求2所述的方法，其特征在于，将所述电源损耗信息作为权值，对所述电源理论储存能量进行加权修正，将加权修正的结果设为模型修正因子，所述方法包括：
根据所述目标电动车的历史行驶数据，确定所述目标电动车的驾驶习惯参数区间，所述驾驶习惯参数区间对应包括行驶速度指标、加速度指标、功率控制指标，还包括，
根据时间序列分析方法对历史行驶数据进行统计分析，获取所述功率控制指标；
根据所述行驶速度指标的均值和标准差计算得到行驶速度控制指标；
根据所述加速度指标的均值和标准差计算得到加速度控制指标；
根据所述驾驶习惯参数区间对应的所述功率控制指标、所述行驶速度控制指标以及所述加速度控制指标，将所述电源损耗信息作为权值，对所述电源理论储存能量进行习惯性修正，将所述习惯性修正的结果设为模型修正因子。
4.如权利要求3所述的方法，其特征在于，将所述电源损耗信息作为权值，对所述电源理论储存能量进行习惯性修正后得到模型修正因子，MCF＝E/(E+E损耗)，其中，MCF用于表征模型修正因子，E用于表征电源理论储存能量，E损耗用于表征电源损耗能量。
5.如权利要求1所述的方法，其特征在于，所述基于所述历史行驶里程数据、历史最高行驶速度、历史最低行驶速度、历史匀速行驶速度以及所述历史充放电记录、所述模型修正因子，设置电能转换模型，所述方法包括：
在所述历史充放电记录中，将充电信息作为第一提取目标，获取历史充电记录；
在所述历史充放电记录中，将放电信息作为第二提取目标，获取历史放电记录；
基于所述历史行驶里程数据、历史最高行驶速度、历史最低行驶速度、历史匀速行驶速度以及所述历史充电记录、所述模型修正因子，设置电动车充电模型；
基于所述历史行驶里程数据、历史最高行驶速度、历史最低行驶速度、历史匀速行驶速度以及所述历史放电记录、所述模型修正因子，设置电动车放电模型；
将所述电动车充电模型、所述电动车放电模型作为并行处理通道合并，得到电能转换模型。
6.如权利要求5所述的方法，其特征在于，所述基于所述历史行驶里程数据、历史最高行驶速度、历史最低行驶速度、历史匀速行驶速度以及所述历史充电记录、所述模型修正因子，设置电动车充电模型，所述方法包括：
基于所述历史充电记录，在Matlab上创建Figure1，Figure1用于绘制充电时间概率分布；
基于所述历史行驶里程数据中的多个日行驶里程，在Matlab上创建Fi gure2，Figure2用于绘制日行驶里程概率分布；
基于所述历史最高行驶速度中的多个历史日最高行驶速度，在Matlab上创建Figure3，Figure3用于绘制日最高行驶速度概率分布；
基于所述历史最低行驶速度中的多个历史日最低行驶速度，在Matlab上创建Figure4，Figure4用于绘制日最低行驶速度概率分布；
基于所述历史匀速行驶速度中的多个历史日匀速行驶速度，在Matlab上创建Figure5，Figure5用于绘制日匀速行驶速度概率分布；
依据蒙特卡洛算法，通过所述充电时间概率分布、所述日行驶里程概率分布、所述日最高行驶速度概率分布、所述最低行驶速度概率分布、所述日匀速行驶速度概率分布以及所述模型修正因子，对电动车充电行为进行建模，得到所述电动车充电模型。
7.如权利要求6所述的方法，其特征在于，所述基于所述历史行驶里程数据、历史最高行驶速度、历史最低行驶速度、历史匀速行驶速度以及所述历史放电记录、所述模型修正因子，设置电动车放电模型，所述方法包括：
基于所述历史放电记录，在Matlab上创建Figure6，Figure6用于绘制放电时间概率分布；
依据蒙特卡洛算法，通过所述放电时间概率分布、所述日行驶里程概率分布、所述日最高行驶速度概率分布、所述最低行驶速度概率分布、所述日匀速行驶速度概率分布以及所述模型修正因子，对电动车放电行为进行建模，得到所述电动车放电模型。
8.一种仪表电量智能校准系统，其特征在于，用于实施权利要求1-7任意一项所述的一种仪表电量智能校准方法，包括：
电源型号信息获取模块，用于获取目标电动车的电源型号信息，所述电源型号信息包括所述目标电动车的电源模块的电源类型信息与电源容量规格；以及
数据采集模块，用于在所述目标电动车的完成充电后，启用所述目标电动车并获取所述目标电动车当前的行驶里程数据、最高行驶速度、最低行驶速度、匀速行驶速度；
历史数据采集模块，用于基于所述目标电动车当前的行驶里程数据、最高行驶速度、最低行驶速度、匀速行驶速度，对应采集限定时间范围内的历史行驶里程数据、历史最高行驶速度、历史最低行驶速度、历史匀速行驶速度；
历史充放电记录输出模块，用于基于所述目标电动车中的数据存储模块，输出限定时间范围内的所述电源模块的历史充放电记录，所述历史充放电记录的时序信息与所述历史行驶里程数据、历史最高行驶速度、历史最低行驶速度、历史匀速行驶速度的时序信息一一对应；
电能转换模型设置模块，用于利用所述电源型号信息、电源损耗信息确定模型修正因子，基于所述历史行驶里程数据、历史最高行驶速度、历史最低行驶速度、历史匀速行驶速度以及所述历史充放电记录、所述模型修正因子，设置电能转换模型，其中，所述电能转换模型与所述电动车仪表模组联通，所述电动车仪表模组设置在主控板上，所述电动车仪表模组包括MCU，以及与MCU电连接的目标电动车的电源模块、无线通信驱动模块、LED驱动模块、档位功能选择模块、射频驱动模块、音频驱动模块；
电量校正模块，用于将所述目标电动车当前的行驶里程数据、最高行驶速度、最低行驶速度、匀速行驶速度输入所述电能转换模型，输出剩余电量校准结果并校正所述目标电动车的剩余电量同时利用所述电动车仪表模组进行显示输出后，以所述目标电动车位置为起点，获取预设范围内的充电桩位置，所述预设范围对应的半径不超过10km；
在所述预设范围内的充电桩位置对应的空闲充电桩数量M满足M≥50的情况下，设置预设放电阈值；
在所述预设范围内的充电桩位置对应的空闲充电桩数量M满足50≥M＞5的情况下，设置预设放电阈值下限，所述预设放电阈值下限为所述目标电动车位置到最近的空闲充电桩位置所需要的电量；
在所述预设范围内的充电桩位置对应的空闲充电桩数量M满足5≥M≥1的情况下，所述预设放电阈值上限为所述目标电动车遍历M个空闲充电桩位置所需要的电量；
通过预设放电阈值上限、预设放电阈值下限，得到预设放电阈值区间，当校正所述目标电动车的剩余电量后落在所述预设放电阈值区间内，启用所述音频驱动模块，提醒所述目标电动车就近充电。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311305334.5A CN117556589A (zh) | 2024-01-04 | 2024-01-04 | 一种仪表电量智能校准方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311305334.5A CN117556589A (zh) | 2024-01-04 | 2024-01-04 | 一种仪表电量智能校准方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117556589A true CN117556589A (zh) | 2024-02-13 |
Family
ID=89813637
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311305334.5A Pending CN117556589A (zh) | 2024-01-04 | 2024-01-04 | 一种仪表电量智能校准方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117556589A (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107944652A (zh) * | 2017-09-05 | 2018-04-20 | 天津市电力科技发展有限公司 | 一种广义流量仪表运行误差远程校准方法 |
| WO2020047862A1 (zh) * | 2018-09-07 | 2020-03-12 | 深圳配天智能技术研究院有限公司 | 一种车辆剩余行驶里程的获取方法、电子设备及车辆 |
| CN112083332A (zh) * | 2020-08-09 | 2020-12-15 | 昆明理工大学 | 一种考虑用户感受的纯电动车续驶里程估算方法 |
| CN113884961A (zh) * | 2021-09-23 | 2022-01-04 | 中国第一汽车股份有限公司 | Soc校准方法、建模方法、建模装置、计算机设备及介质 |
| WO2022007689A1 (zh) * | 2020-07-08 | 2022-01-13 | 长城汽车股份有限公司 | 车辆的充电提醒方法、设备、程序、存储介质及车辆 |
| CN115230526A (zh) * | 2022-04-28 | 2022-10-25 | 长城汽车股份有限公司 | 一种预估汽车剩余续航里程的方法、装置及车辆 |
| CN116819425A (zh) * | 2023-06-25 | 2023-09-29 | 河北大学 | 充电桩远程校准系统及校准方法 |
| CN117007973A (zh) * | 2023-07-24 | 2023-11-07 | 东风柳州汽车有限公司 | 电池状态预测方法、装置、设备及存储介质 |
| CN117169744A (zh) * | 2023-08-31 | 2023-12-05 | 奇瑞新能源汽车股份有限公司 | 一种电动汽车的剩余电量估计方法、系统、设备及介质 |
| CN117207781A (zh) * | 2023-09-08 | 2023-12-12 | 合肥工业大学 | 基于历史实时能耗的燃料电池汽车续驶里程预测方法 |
| CN117332163A (zh) * | 2023-10-10 | 2024-01-02 | 广东健电新能源科技有限公司 | 一种充电桩充电信息的推送方法及系统 |
-
2024
- 2024-01-04 CN CN202311305334.5A patent/CN117556589A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107944652A (zh) * | 2017-09-05 | 2018-04-20 | 天津市电力科技发展有限公司 | 一种广义流量仪表运行误差远程校准方法 |
| WO2020047862A1 (zh) * | 2018-09-07 | 2020-03-12 | 深圳配天智能技术研究院有限公司 | 一种车辆剩余行驶里程的获取方法、电子设备及车辆 |
| WO2022007689A1 (zh) * | 2020-07-08 | 2022-01-13 | 长城汽车股份有限公司 | 车辆的充电提醒方法、设备、程序、存储介质及车辆 |
| CN112083332A (zh) * | 2020-08-09 | 2020-12-15 | 昆明理工大学 | 一种考虑用户感受的纯电动车续驶里程估算方法 |
| CN113884961A (zh) * | 2021-09-23 | 2022-01-04 | 中国第一汽车股份有限公司 | Soc校准方法、建模方法、建模装置、计算机设备及介质 |
| CN115230526A (zh) * | 2022-04-28 | 2022-10-25 | 长城汽车股份有限公司 | 一种预估汽车剩余续航里程的方法、装置及车辆 |
| CN116819425A (zh) * | 2023-06-25 | 2023-09-29 | 河北大学 | 充电桩远程校准系统及校准方法 |
| CN117007973A (zh) * | 2023-07-24 | 2023-11-07 | 东风柳州汽车有限公司 | 电池状态预测方法、装置、设备及存储介质 |
| CN117169744A (zh) * | 2023-08-31 | 2023-12-05 | 奇瑞新能源汽车股份有限公司 | 一种电动汽车的剩余电量估计方法、系统、设备及介质 |
| CN117207781A (zh) * | 2023-09-08 | 2023-12-12 | 合肥工业大学 | 基于历史实时能耗的燃料电池汽车续驶里程预测方法 |
| CN117332163A (zh) * | 2023-10-10 | 2024-01-02 | 广东健电新能源科技有限公司 | 一种充电桩充电信息的推送方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| YUICHI KOBAYASHI等: "A route search method for electric vehicles in consideration of range and locations of charging stations", 2011 IEEE INTELLIGENT VEHICLES SYMPOSIUM (IV), 4 July 2011 (2011-07-04), pages 920 - 925 * |
| 郭放 等: "考虑充电策略与电池损耗的电动汽车路径优化问题研究", 中国管理科学, no. 09, 15 September 2018 (2018-09-15), pages 109 - 121 * |
| 高瑞昌, 孙昌国: "电动汽车剩余里程的研究", 现代车用动力, no. 02, 30 May 2004 (2004-05-30), pages 9 - 11 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109532556B (zh) | 一种纯电动汽车续航里程的获取方法及系统 | |
| CN109367433B (zh) | 一种智能充电桩 | |
| CN111251940B (zh) | 管理电池单元劣化的系统和方法 | |
| CN111806239B (zh) | 电动车辆续航里程测量方法、电子设备及存储介质 | |
| USRE47527E1 (en) | System and method for calculating distance to empty of green vehicle | |
| CN110562096B (zh) | 一种剩余里程预测方法及装置 | |
| US20100312744A1 (en) | System for battery prognostics | |
| CN110596606B (zh) | 一种锂电池剩余电量估计方法、系统及装置 | |
| CN116572799B (zh) | 基于深度学习的动力电池荷电续航预测方法、系统及终端 | |
| CN107247234B (zh) | 一种车用动力电池的soc实时在线估计方法及系统 | |
| CN103869251B (zh) | 二次电池最大容量测量装置 | |
| CN103507644A (zh) | 里程装置和方法、及电动车控制器 | |
| Zhu et al. | The SOH estimation of LiFePO4 battery based on internal resistance with Grey Markov Chain | |
| CN112345956A (zh) | 一种电池组荷电状态检测方法和装置 | |
| CN115754372A (zh) | 一种变温度循环的锂离子电池老化测试方法 | |
| CN116512976A (zh) | 一种续航里程的估算方法、装置、电子设备及存储介质 | |
| CN115753132A (zh) | 一种电动汽车低温续驶里程测试规程开发方法 | |
| CN117400785A (zh) | 纯电续航里程的预测方法、装置、电子设备及车辆 | |
| CN117556589A (zh) | 一种仪表电量智能校准方法及系统 | |
| CN114676870A (zh) | 车速预测方法、车速预测模型训练方法和相关装置 | |
| US20230305073A1 (en) | Method and apparatus for providing a predicted aging state of a device battery based on a predicted usage pattern | |
| CN117246188A (zh) | 一种电动汽车剩余续航里程的估算方法及系统 | |
| Schoch | Battery life optimal operation of electric vehicles | |
| CN116338460B (zh) | 基于多参数分析的新能源汽车电池余量鉴定系统 | |
| US12019122B2 (en) | Learning method, state estimation method, and state estimation device for state estimation model of secondary battery |
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 |