CN117634051B - 基于真实道路环境的热泵空调系统仿真预测方法及系统 - Google Patents
基于真实道路环境的热泵空调系统仿真预测方法及系统 Download PDFInfo
- Publication number
- CN117634051B CN117634051B CN202410072441.6A CN202410072441A CN117634051B CN 117634051 B CN117634051 B CN 117634051B CN 202410072441 A CN202410072441 A CN 202410072441A CN 117634051 B CN117634051 B CN 117634051B
- Authority
- CN
- China
- Prior art keywords
- heat pump
- pump air
- air conditioner
- refrigerating
- moment
- 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.)
- Active
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 61
- 238000004378 air conditioning Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000010438 heat treatment Methods 0.000 claims abstract description 94
- 238000005265 energy consumption Methods 0.000 claims abstract description 27
- 238000011217 control strategy Methods 0.000 claims abstract description 23
- 230000001105 regulatory effect Effects 0.000 claims abstract description 16
- 230000007613 environmental effect Effects 0.000 claims description 35
- 238000011156 evaluation Methods 0.000 claims description 29
- 230000005855 radiation Effects 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000005259 measurement Methods 0.000 claims description 17
- 238000009423 ventilation Methods 0.000 claims description 17
- 238000012937 correction Methods 0.000 claims description 13
- 230000001133 acceleration Effects 0.000 claims description 12
- 238000001816 cooling Methods 0.000 claims description 9
- 238000005057 refrigeration Methods 0.000 claims description 9
- 230000001276 controlling effect Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 4
- 239000003570 air Substances 0.000 description 114
- 238000010586 diagram Methods 0.000 description 13
- 230000008859 change Effects 0.000 description 11
- 238000005094 computer simulation Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 5
- 238000003780 insertion Methods 0.000 description 3
- 230000037431 insertion Effects 0.000 description 3
- 239000003507 refrigerant Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000020169 heat generation Effects 0.000 description 2
- HEZMWWAKWCSUCB-PHDIDXHHSA-N (3R,4R)-3,4-dihydroxycyclohexa-1,5-diene-1-carboxylic acid Chemical compound O[C@@H]1C=CC(C(O)=O)=C[C@H]1O HEZMWWAKWCSUCB-PHDIDXHHSA-N 0.000 description 1
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000012080 ambient air Substances 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002918 waste heat Substances 0.000 description 1
Landscapes
- Air-Conditioning For Vehicles (AREA)
Abstract
本发明涉及新能源汽车热管理技术领域，公开了基于真实道路环境的热泵空调系统仿真预测方法及系统，方法包括：根据地图信息和天气信息生成真实道路环境行驶工况；搭建整车热管理系统仿真模型；根据真实道路环境行驶工况和整车热管理系统仿真模型进行仿真，并结合预见性热泵空调控制策略调节热泵空调的制冷/制热量；根据调节后的热泵空调的制冷/制热量预测热泵空调系统的能耗。根据地图信息和天气信息生成更接近真实道路环境的行驶工况，根据行驶工况和预见性热泵空调控制策略，实时调整热泵空调的制冷/制热量，使得热泵空调能够提前预估未来时刻所需的制冷/制热量并做出响应，不仅节约能耗，还提高了用户的使用体验。
Description
技术领域
本发明涉及新能源汽车热管理技术领域，尤其涉及基于真实道路环境的热泵空调系统仿真预测方法及系统。
背景技术
电动汽车热管理系统主要由空调/热泵空调系统、电池热管理系统、电机电控热管理系统等组成，直接影响车辆的乘员舱舒适性、经济性、热安全性等。区别于传统燃油车，电动汽车无发动机余热可用，高低温环境下制冷/制热能耗高，大大降低了车辆续驶里程，引发消费者焦虑。且随着新能源汽车不断向高能量密度、高能量转换效率和高集成度发展，人们对三电系统（电池、电机、电控）的热性能提出更高要求。因此，开发更高效的热管理集成系统及控制策略对降低能耗至关重要。
当前，热泵空调热管理系统及相应控制策略开发优化普遍基于标准循环工况（如：新欧洲驾驶循环、中国轻型汽车乘用车行驶工况）进行，并通过一维/三维仿真、台架试验、整车试验等手段对系统进行标定优化。存在的主要问题为：1）标准循环难以反映真实复杂的道路环境，结果不具有代表性；2）仿真及测试仅能反映过去及现在时段的结果，不具有预测性；3）实际道路上的整车验证耗时长，且需要特定环境条件。
因此，亟需基于真实道路环境的热泵空调系统仿真预测方法及系统，以节约能耗，提高用户的使用体验。
发明内容
为了解决上述技术问题，本发明提供了基于真实道路环境的热泵空调系统仿真预测方法及系统，以根据地图信息和天气信息生成更接近真实道路环境的行驶工况，根据行驶工况预见性地实时调整热泵空调的制冷/制热量输出，更高效节能，能够实时并预测热泵空调系统的能耗状态。
本发明提供了基于真实道路环境的热泵空调系统仿真预测方法，包括如下步骤：
S1、根据地图信息和天气信息生成真实道路环境行驶工况；其中，地图信息包括路线总行驶距离、预计总通行时间、道路类型、红绿灯个数，天气信息包括该路线内的环境温度、太阳辐射强度、天气状况；
S2、搭建整车热管理系统仿真模型；
S3、根据真实道路环境行驶工况和整车热管理系统仿真模型进行仿真，并结合预见性热泵空调控制策略调节热泵空调的制冷/制热量；
S4、根据调节后的热泵空调的制冷/制热量预测热泵空调系统的能耗。
进一步的，S1，根据地图信息和天气信息生成真实道路环境行驶工况包括：
S11、根据地图信息和历史真实道路实测数据生成初步的行驶工况；
S12、根据天气信息对初步的行驶工况进行车速修正，生成最终行驶工况；
S13、对最终行驶工况进行真实性评价；若最终行驶工况的真实性满足要求，则将最终行驶工况作为真实道路环境行驶工况；若最终行驶工况的真实性不满足要求，则重新执行步骤S11。
进一步的，S11，根据地图信息和历史真实道路实测数据生成初步的行驶工况包括：
S111、根据出行起止点、路线推荐方式和出行时间生成行驶路线，并获取行驶路线的道路信息；道路信息包括总行驶距离、总行驶时间、路线片段的长度、交通状况、红绿灯位置及个数和道路类型；
S112、根据道路信息得到每个路线片段的行驶时间和距离，计算出每个路线片段的平均车速；
S113、将历史真实道路实测数据划分为不同类别的车速片段库，根据行驶路线的每个路线片段的平均车速和距离，在相应的车速片段库中选择合适的车速片段插入路线进行拼接，生成初步的行驶工况。
进一步的，S13，对最终行驶工况进行真实性评价包括：
S131、根据地图信息和天气信息获取实测数据；实测数据包括历史实测数据或当前实测数据；
S132、获取最终行驶工况的评价指标特征参数和实测数据的评价指标特征参数；评价指标特征参数包括平均速度、最大速度、最小速度、平均加速度、最大加速度、最小加速度、平均减速度、最大减速度、最小减速度、加速时间、减速时间、均速时间和怠速时间；
S133、将最终行驶工况的评价指标特征参数与实测数据的评价指标特征参数进行对比，计算每个评价指标特征参数的相对误差，判断每个相对误差是否在预设误差范围内；
S134、若每个相对误差都在预设误差范围内，则最终行驶工况的真实性满足要求，将最终行驶工况作为真实道路环境行驶工况；
S135、若存在相对误差不在预设误差范围内，则最终行驶工况的真实性不满足要求，重新执行步骤S11。
进一步的，S3，预见性热泵空调控制策略包括：
判断环境温度是否大于乘员舱设定温度；
若环境温度大于乘员舱设定温度，则控制热泵空调处于制冷模式；
若环境温度不大于乘员舱设定温度，则控制热泵空调处于制热模式；
当热泵空调处于制冷模式时，判断当前环境温度是否大于未来时刻的环境温度；
若当前环境温度大于未来时刻的环境温度，则考虑未来时刻的环境温度的影响实时调节当前热泵空调的制冷量；
若当前环境温度不大于未来时刻的环境温度，则不实时调节当前热泵空调的制冷量；
当热泵空调处于制热模式时，判断当前环境温度是否大于未来时刻的环境温度；
若当前环境温度大于未来时刻的环境温度，则不实时调节当前热泵空调的制热量；
若当前环境温度不大于未来时刻的环境温度，则考虑未来时刻的环境温度的影响实时调节当前热泵空调的制热量。
进一步的，S3，根据真实道路环境行驶工况和整车热管理系统仿真模型进行仿真，并结合预见性热泵空调控制策略调节热泵空调的制冷/制热量包括：
S31、输入预设仿真数据，根据真实道路环境行驶工况和整车热管理系统仿真模型进行仿真；
S32、根据输入的预设仿真数据、采集的地图信息和天气信息计算t时刻的太阳辐射负荷、环境负荷、通风负荷和人员热负荷，以及t+Δt时刻的太阳辐射负荷、环境负荷、通风负荷和人员热负荷；
S33、根据t时刻的太阳辐射负荷、环境负荷、通风负荷和人员热负荷计算t时刻的乘员舱内总热负荷，根据t+Δt时刻的太阳辐射负荷、环境负荷、通风负荷和人员热负荷计算t+Δt时刻的乘员舱内总热负荷；
S34、根据预见性热泵空调控制策略判断是否需要考虑未来时刻的环境温度的影响实时调节当前热泵空调的制冷/制热量；若不需要考虑未来时刻的环境温度的影响实时调节当前热泵空调的制冷/制热量，则根据t时刻的乘员舱实际温度与乘员舱设定温度的差值计算t时刻的热泵空调的制冷/制热量；若需要考虑未来时刻的环境温度的影响实时调节当前热泵空调的制冷/制热量，则执行S35；
S35、根据t时刻的乘员舱实际温度与乘员舱设定温度的差值计算t时刻的热泵空调的制冷/制热量，根据t+Δt时刻的乘员舱实际温度与乘员舱设定温度的差值计算t+Δt时刻的热泵空调的制冷/制热量；
S36、根据t时刻的热泵空调的制冷/制热量以及t+Δt时刻的热泵空调的制冷/制热量计算t时刻修正后的热泵空调的制冷/制热量。
进一步的，S4，根据调节后的热泵空调的制冷/制热量预测热泵空调系统的能耗包括：
根据热泵空调的制冷/制热量或修正后的热泵空调的制冷/制热量、热泵空调的性能系数以及采样时间预测热泵空调系统的能耗。
本发明还提供了基于真实道路环境的热泵空调系统仿真预测系统，用于执行上述任一项所述的基于真实道路环境的热泵空调系统仿真预测方法，系统包括：
行驶工况生成模块，用于根据地图信息和天气信息生成真实道路环境行驶工况；
模型仿真模块，用于搭建整车热管理系统仿真模型；以及根据真实道路环境行驶工况和整车热管理系统仿真模型进行仿真；
热泵空调控制模块，用于结合预见性热泵空调控制策略调节热泵空调的制冷/制热量；
计算模块，用于根据调节后的热泵空调的制冷/制热量预测热泵空调系统的能耗。
进一步的，行驶工况生成模块包括：
地图信息获取模块，用于获取地图信息，地图信息包括路线总行驶距离、预计总通行时间、道路类型、红绿灯个数；
天气预报模块，用于获取天气信息，天气信息包括该路线内的环境温度、太阳辐射强度、天气状况；
数据处理模块，用于根据地图信息和历史真实道路实测数据生成初步的行驶工况；根据天气信息对初步的行驶工况进行车速修正，生成最终行驶工况；以及对最终行驶工况进行真实性评价。
本发明实施例具有以下技术效果：
根据地图信息和天气信息生成更接近真实道路环境的行驶工况，根据行驶工况和预见性热泵空调控制策略，考虑未来时刻的环境温度的影响实时调整热泵空调的制冷/制热量，使得热泵空调能够提前预估未来时刻所需的制冷/制热量并做出响应，不仅节约能耗，还提高了用户的使用体验。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1是本发明实施例提供的基于真实道路环境的热泵空调系统仿真预测方法的流程图；
图2是本发明实施例提供的预见性热泵空调控制策略的流程图；
图3是本发明实施例提供的基于真实道路环境的热泵空调系统仿真预测方法的计算原理图；
图4是本发明实施例提供的考虑未来时刻的环境温度的影响对热泵空调的制冷/制热量进行修正计算的权重系数计算原理图；
图5是本发明实施例提供的三角形隶属度函数示意图；
图6是本发明实施例提供的环境温度差值隶属度函数示意图；
图7是本发明实施例提供的环境温度变化率隶属度函数示意图；
图8是本发明实施例提供的权重系数的隶属度函数示意图；
图9是本发明实施例提供的基于真实道路环境的热泵空调系统仿真预测系统的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行清楚、完整的描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例，都属于本发明所保护的范围。
图1是本发明实施例提供的基于真实道路环境的热泵空调系统仿真预测方法的流程图。参见图1，具体包括：
S1、根据地图信息和天气信息生成真实道路环境行驶工况。
具体的，地图信息可以包括路线总行驶距离、预计总通行时间、道路类型、红绿灯个数等，天气信息可以包括该路线内的环境温度、太阳辐射强度、天气状况等。
S11、根据地图信息和历史真实道路实测数据生成初步的行驶工况。
S111、根据出行起止点、路线推荐方式和出行时间生成行驶路线，并获取行驶路线的道路信息。
具体的，道路信息可以包括总行驶距离、总行驶时间、路线片段的长度、交通状况、红绿灯位置及个数和道路类型等；其中，路线片段可以通过地图信息自动生成。
S112、根据道路信息得到每个路线片段的行驶时间和距离，计算出每个路线片段的平均车速。
具体的，可以根据行驶路线中的红绿灯位置、个数等信息得到行驶过程中车辆的停车位置及停车时间，结合车辆的停车位置、停车时间、每个路线片段的行驶时间和距离共同计算出每个路线片段的平均车速，使生成行驶工况时考虑的因素更全面。
S113、将历史真实道路实测数据划分为不同类别的车速片段库，根据行驶路线的每个路线片段的平均车速和距离，在相应的车速片段库中选择合适的车速片段插入路线进行拼接，生成初步的行驶工况。
具体的，可以先对获取的历史真实道路实测数据进行剔除缺失值、异常值以及数据降维等处理，得到真实有效的历史真实道路实测数据。对经过数据处理后的历史真实道路实测数据采用K-Means聚类分析法，划分为不同驾驶风格、不同出行时段或不同车速范围的车速片段库。示例性地，根据不同驾驶风格划分，可以聚类为标准风格车速片段库、温和风格车速片段库、剧烈风格车速片段库等；根据不同出行时段划分，可以聚类为早高峰车速片段库、正常车速片段库、晚间车速片段库；根据不同车速范围划分，可以聚类为低速车速片段库、中速车速片段库、高速车速片段库；每类车速片段库中包含多个车速片段。根据行驶路线的每个路线片段的平均车速和距离，在相应的车速片段库中选择合适的车速片段插入路线进行拼接，生成初步的行驶工况。示例性地，可以选择与路线片段所需的平均车速和距离相同或相近的车速片段插入路线进行拼接。
进一步的，考虑到不同城市的拥堵情况或限速情况不同，还可以增加不同城市的车速片段库分类，以提高行驶工况的准确性、全面性。
S12、根据天气信息对初步的行驶工况进行车速修正，生成最终行驶工况。
具体的，当车辆行驶至任意位置时，根据该位置的天气信息对初步的行驶工况进行车速修正，在恶劣天气状况下，若能见度低于50m，则车速应小于20km/h；若能见度在50m~100m之间，则车速应小于40km/h；若能见度在100m~200m之间，则车速应小于60km/h；恶劣天气状况可以包括雾天、雪天、雨天等。在非恶劣天气状况下，则不需要对车速进行修正。对初步的行驶工况全程都进行车速修正后得到最终行驶工况。
S13、对最终行驶工况进行真实性评价。
S131、根据地图信息和天气信息获取实测数据。
具体的，实测数据包括历史实测数据或当前实测数据，即实测数据可以为真实车辆在真实道路行驶的历史数据，也可以为根据最终行驶工况进行真实车辆在真实道路行驶采集的数据。优选地，实测数据最好为与最终行驶工况相同路线，相同天气情况，相同时间段内测得的数据。
S132、获取最终行驶工况的评价指标特征参数和实测数据的评价指标特征参数。
具体的，评价指标特征参数可以包括平均速度、最大速度、最小速度、平均加速度、最大加速度、最小加速度、平均减速度、最大减速度、最小减速度、加速时间、减速时间、均速时间和怠速时间等。
S133、将最终行驶工况的评价指标特征参数与实测数据的评价指标特征参数进行对比，计算每个评价指标特征参数的相对误差，判断每个相对误差是否在预设误差范围内。
具体的，最终行驶工况与实测数据的评价指标特征参数的相对误差的计算公式如下：
（1）
其中，Δy为相对误差，ys为最终行驶工况的评价指标特征参数值，ya为实测数据的评价指标特征参数值。相对误差越小，则最终行驶工况的评价指标特征参数值越接近实测数据的评价指标特征参数值。
S134、若每个相对误差都在预设误差范围内，则最终行驶工况的真实性满足要求，将最终行驶工况作为真实道路环境行驶工况。
具体的，预设误差范围可以根据真实性要求进行人为设置，预设误差范围越小，则对最终行驶工况的真实性要求越高。若每个相对误差都在预设误差范围内，则最终行驶工况的真实性满足要求，将最终行驶工况作为真实道路环境行驶工况。最终生成的真实道路环境行驶工况包括时间、车速、停车时间、环境温度、太阳辐射强度等信息，用于热管理仿真计算，能够模拟当前时段热泵空调的能耗情况，也可对未来时段热泵空调的能耗情况进行预测。
S135、若存在相对误差不在预设误差范围内，则最终行驶工况的真实性不满足要求，重新执行步骤S11。
具体的，若存在相对误差不在预设误差范围内，则最终行驶工况的真实性不满足要求，重新选择车速片段生成初步的行驶工况。
S2、搭建整车热管理系统仿真模型。
具体的，整车热管理系统仿真模型可以包括动力系统一维仿真建模和热管理系统集成模型，热管理系统集成模型包括热泵空调系统一维仿真建模和乘员舱一维仿真建模。
进一步的，动力系统一维仿真建模包括车辆、驾驶员、电池包、电机、传动机构、DCDC、车轮、各部件控制器等，依据数据逻辑关系将部件进行连接，即可搭建动力系统模型。热泵空调系统一维仿真建模主要由压缩机、车外散热器、膨胀阀、车内散热器、连接管路、四通阀等组成，通过四通阀合理控制，可以同时实现高温下制冷和低温下采暖功能，制冷剂回路分为两个支路，通过车内换热器端膨胀阀可以控制乘员舱支路的制冷剂流量，通过电池板式换热器端膨胀阀可以控制电池支路的制冷剂流量。乘员舱一维仿真建模包括由车门、车窗、围挡等组成的空间，其冷热负荷包括太阳辐射负荷、环境负荷、新风负荷、人员热负荷、电子设备热负荷等。
S3、根据真实道路环境行驶工况和整车热管理系统仿真模型进行仿真，并结合预见性热泵空调控制策略调节热泵空调的制冷/制热量。
具体的，图2是本发明实施例提供的预见性热泵空调控制策略的流程图，参见图2，预见性热泵空调控制策略包括：
判断环境温度Tamb是否大于乘员舱设定温度Tcab,set；
若环境温度Tamb大于乘员舱设定温度Tcab,set，则控制热泵空调处于制冷模式；
若环境温度Tamb不大于乘员舱设定温度Tcab,set，则控制热泵空调处于制热模式；
当热泵空调处于制冷模式时，判断当前环境温度Tamb,t是否大于未来时刻的环境温度Tamb,t+∆t；
若当前环境温度Tamb,t大于未来时刻的环境温度Tamb,t+∆t，则考虑未来时刻的环境温度的影响实时调节当前热泵空调的制冷量；
若当前环境温度Tamb,t不大于未来时刻的环境温度Tamb,t+∆t，则不实时调节当前热泵空调的制冷量；
当热泵空调处于制热模式时，判断当前环境温度Tamb,t是否大于未来时刻的环境温度Tamb,t+∆t；
若当前环境温度Tamb,t大于未来时刻的环境温度Tamb,t+∆t，则不实时调节当前热泵空调的制热量；
若当前环境温度Tamb,t不大于未来时刻的环境温度Tamb,t+∆t，则考虑未来时刻的环境温度的影响实时调节当前热泵空调的制热量。
进一步的，预见性热泵空调控制策略可以根据需要进行更改，若改为始终考虑未来时刻的环境温度的影响实时调节当前热泵空调的制冷/制热量，则可以进一步提高用户舒适性，但会增加一定的能耗。
进一步的，图3是本发明实施例提供的基于真实道路环境的热泵空调系统仿真预测方法的计算原理图，参见图3，具体包括：
S31、输入预设仿真数据，根据真实道路环境行驶工况和整车热管理系统仿真模型进行仿真。
具体的，预设仿真数据可以包括乘员舱空气密度、乘员舱空气质量、乘员舱初始温度、车身窗户投射面积、人员个数、人体产热量、车身与外界环境的换热面积等；其中，乘员舱空气密度和乘员舱空气质量为定值，根据空气的特性进行确定，乘员舱初始温度、人员个数根据仿真需求可以人为设置，人体产热量为定值，车身窗户投射面积和车身与外界环境的换热面积与仿真的车辆型号有关，不同型号的车辆其车身窗户投射面积和车身与外界环境的换热面积不同，可以根据所要仿真的车辆进行设置。
S32、根据输入的预设仿真数据、采集的地图信息和天气信息计算t时刻的太阳辐射负荷、环境负荷、通风负荷和人员热负荷，以及t+Δt时刻的太阳辐射负荷、环境负荷、通风负荷和人员热负荷。
具体的，太阳辐射负荷的计算公式为：
（2）
其中，Qrad为太阳辐射负荷；Rsun为太阳辐射强度，可以通过天气信息获得；为车身窗户投射面积。
环境负荷的计算公式为：
（3）
其中，Qamb为环境负荷；hamb，cab为环境负荷的换热系数，根据车速确定；A为车身与外界环境的换热面积；ΔT为环境与乘员舱之间的温差，若仿真中采用内循环，则该项可忽略。
通风负荷的计算公式为：
（4）
其中，Qven为通风负荷，若仿真中采用内循环，则该项可忽略；为通风的平均密度；Vven为通风的体积流量；ΔHven为环境空气和舱内空气的焓差。
人员热负荷的计算公式为：
（5）
其中，Qmet为人员热负荷；N为人员个数；Qone为人体产热量。
S33、根据t时刻的太阳辐射负荷、环境负荷、通风负荷和人员热负荷计算t时刻的乘员舱内总热负荷，根据t+Δt时刻的太阳辐射负荷、环境负荷、通风负荷和人员热负荷计算t+Δt时刻的乘员舱内总热负荷。
具体的，乘员舱内总热负荷的计算公式为：
（6）
其中，Qcab为乘员舱内总热负荷；Qrad为太阳辐射负荷；Qamb为环境负荷；Qven为通风负荷，若仿真中采用内循环，则该项可忽略；Qmet为人员热负荷。
S34、根据预见性热泵空调控制策略判断是否需要考虑未来时刻的环境温度的影响实时调节当前热泵空调的制冷/制热量。
具体的，若不需要考虑未来时刻的环境温度的影响实时调节当前热泵空调的制冷/制热量，则根据t时刻的乘员舱实际温度与乘员舱设定温度的差值计算t时刻的热泵空调的制冷/制热量，其中，乘员舱设定温度即想到使乘员舱达到的目标温度。
热泵空调的制冷/制热量的计算公式为：
（7）
其中，QAC为热泵空的调制冷/制热量；Qcab为乘员舱内总热负荷；ca为乘员舱空气密度；ma为乘员舱空气质量；Δtcab为乘员舱温度变化量。其中，乘员舱的初始温度可以由人为设定，示例性地，根据乘员舱的初始温度与乘员舱设定温度的差值计算初始的热泵空调的制冷/制热量，根据初始的热泵空调的制冷/制热量和初始乘员舱内总热负荷，计算下一时刻的乘员舱温度，得到下一时刻的乘员舱温度变化量。
进一步的，通过该方法可以计算任意时刻下的热泵空调的制冷/制热量。
若需要考虑未来时刻的环境温度的影响实时调节当前热泵空调的制冷/制热量，则执行S35。
S35、根据t时刻的乘员舱实际温度与乘员舱设定温度的差值计算t时刻的热泵空调的制冷/制热量，根据t+Δt时刻的乘员舱实际温度与乘员舱设定温度的差值计算t+Δt时刻的热泵空调的制冷/制热量。
S36、根据t时刻的热泵空调的制冷/制热量以及t+Δt时刻的热泵空调的制冷/制热量计算t时刻修正后的热泵空调的制冷/制热量。
具体的，修正后的热泵空调的制冷/制热量的计算公式为：
（8）
其中，QAC’为t时刻修正后的热泵空调输出的制冷/制热量；Qt为t时刻的热泵空调的制冷/制热量；Qt+Δt为t+Δt时刻的热泵空调的制冷/制热量；α为权重系数，α的取值范围为0~1。其中，α可以由t+Δt时刻的环境温度、Δt时间范围内的环境温度变化率决定，可以通过模糊控制、智能控制等方法计算得到。
进一步的，图4是本发明实施例提供的考虑未来时刻的环境温度的影响对热泵空调的制冷/制热量进行修正计算的权重系数计算原理图，参见图4，本发明采用模糊控制方法，模糊控制的模糊输入为现在-未来某一时间间隔内的环境温度差值、环境温度变化率。
其中，输入信号模糊化包括：
示例性地，将现在-未来某一时间间隔内的环境温度差值e的模糊论域定义为[-5,5]，变化率ec的模糊论域定义为[-0. 5,0.5]，温度差值及差值变化率区间均划分为七个模糊子集，模糊子集是将连续的实数域或离散的输入划分为模糊集合，采用：负大NB、负中NM、负小 NS、零ZO、正小PS、正中PM、正大PB进行描述。输出量α的模糊控制论域均为(0,1]，由小S、中M、大B进行描述。
模糊集合是具有隶属度函数描述的集合，隶属函数用于对模糊集合进行定量描述，较为常用的有正态型、梯形、三角形、高斯型等。图5是本发明实施例提供的三角形隶属度函数示意图，参见图5，本发明输入信号及输出信号的隶属度函数均选用三角形方式。
图6是本发明实施例提供的环境温度差值隶属度函数示意图，图7是本发明实施例提供的环境温度变化率隶属度函数示意图，图8是本发明实施例提供的权重系数的隶属度函数示意图，参见图6-图8，根据隶属度函数计算公式，可以得到环境温度差值、环境温度变化率、权重系数α的隶属度函数，隶属度函数计算公式如下：
（9）
其中，A(x)为隶属度函数，x为模糊控制的模糊输入，a、b、m分别为三角形下部的左顶点、右顶点和上部顶点对应的值，[a,b]为模糊论域定义的某个子集。
进一步的，基于本实施例的模糊规则，输出量α的计算方法包括：
若未来一段时间间隔内温度变化剧烈，则考虑未来热泵空调的制冷/制热量输出对当前输出影响较大，即α值小；若未来一段时间间隔内温度变化较小，则考虑未来热泵空调的制冷/制热量输出对当前输出影响较小或无影响，即α值大；基于此设计模糊规则。
基于现在-未来某一时间间隔内的环境温度差值、变化率查询模糊规则表，根据未来一定时间间隔内的环境状态，通过重心法对输出量进行解模糊化处理，动态输出不同的α值。如表1所示，展示了一种模糊规则表：
表1 模糊规则表
参见表1，利用重心法求解α值，A(x)为隶属度函数，x为模糊控制量论域内的值：
（10）
示例性地，若e属于PS的隶属度为a，则e属于PM的隶属度为1-a；若ec属于NB的隶属度为b，则ec属于NM的隶属度为1-b。据此，可得出输出值：
（11）
本实施例中提到的输入输出模糊论域、隶属度函数类型、模糊规则等均可根据需要自行更改。
根据未来某一时间间隔后的环境温度及该时段内的环境温度变化率，实时调整当前的热泵空调的制冷/制热量输出，使得热泵空调能够提前预估未来时刻所需的制冷/制热量并做出响应。示例性地，根据当前环境条件计算得到当前热泵空调输出的制冷量为Q1，预测到未来某一时间间隔后环境温度会下降，可以降低热泵空调输出的制冷量，因此计算出未来该时刻的热泵空调输出的制冷量Q2，并结合当前制冷量和未来制冷量的权重系数，对当前热泵空调输出的制冷量进行修正，实时调整热泵空调输出的制冷量，使热泵空调输出的制冷量逐渐降低，不仅节约了能耗，还结合环境温度对热泵空调输出的制冷/制热量进行实时调整，使乘员舱内的温度始终维持在较为舒适的温度，提高了用户使用体验。
S4、根据调节后的热泵空调的制冷/制热量预测热泵空调系统的能耗。具体的，根据热泵空调的制冷/制热量或修正后的热泵空调的制冷/制热量、热泵空调的制冷/制热效率以及采样时间预测热泵空调系统的能耗。热泵空调系统的能耗的计算公式为：
其中，E为热泵空调系统的能耗，QAC,t为某一时刻热泵空调输出的制冷/制热量，COP为热泵空调的性能系数，Tt为某一时刻的采样时间。其中，COP由热泵空调自身决定，不同的热泵空调其COP不同。根据真实道路环境行驶工况中每时刻的热泵空调的制冷/制热量或修正后的热泵空调的制冷/制热量和热泵空调COP可以预测热泵空调系统的能耗。
本发明实施例中，根据地图信息和天气信息生成更接近真实道路环境的行驶工况，根据行驶工况和预见性热泵空调控制策略，考虑未来时刻的环境温度的影响实时调整热泵空调的制冷/制热量，使得热泵空调能够提前预估未来时刻所需的制冷/制热量并做出响应，不仅节约能耗，还提高了用户的使用体验。
图9是本发明实施例提供的基于真实道路环境的热泵空调系统仿真预测系统的结构示意图，参见图9，该系统用于执行上述实施例所述的一种基于真实道路环境的热泵空调系统仿真预测方法，系统具体包括：
行驶工况生成模块1，用于根据地图信息和天气信息生成真实道路环境行驶工况。
模型仿真模块2，用于搭建整车热管理系统仿真模型；整车热管理系统仿真模型包括动力系统一维仿真建模和热管理系统集成模型，热管理系统集成模型包括热泵空调系统一维仿真建模和乘员舱一维仿真建模；以及根据真实道路环境行驶工况和整车热管理系统仿真模型进行仿真；
热泵空调控制模块3，用于结合预见性热泵空调控制策略调节热泵空调的制冷/制热量；
计算模块4，用于根据调节后的热泵空调的制冷/制热量预测热泵空调系统的能耗。
进一步的，行驶工况生成模块1包括：
地图信息获取模块11，用于获取地图信息，地图信息包括路线总行驶距离、预计总通行时间、道路类型、红绿灯个数。
天气预报模块12，用于获取天气信息，天气信息包括该路线内的环境温度、太阳辐射强度、天气状况。
数据处理模块13，用于根据地图信息和历史真实道路实测数据生成初步的行驶工况；根据天气信息对初步的行驶工况进行车速修正，生成最终行驶工况；以及对最终行驶工况进行真实性评价。
本发明实施例中，根据地图信息和天气信息生成更接近真实道路环境的行驶工况，根据行驶工况和预见性热泵空调控制策略，考虑未来时刻的环境温度的影响实时调整热泵空调的制冷/制热量，使得热泵空调能够提前预估未来时刻所需的制冷/制热量并做出响应，不仅节约能耗，还提高了用户的使用体验。
需要说明的是，本发明所用术语仅为了描述特定实施例，而非限制本申请范围。如本发明说明书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。术语“包括”、“包含”或者其任何其它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它要素，或者是还包括为这种过程、方法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、方法或者设备中还存在另外的相同要素。
还需说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。除非另有明确的规定和限定，术语“安装”、“相连”、“连接”等应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案。
Claims (5)
1.基于真实道路环境的热泵空调系统仿真预测方法，其特征在于，包括如下步骤：
S1、根据地图信息和天气信息生成真实道路环境行驶工况；其中，所述地图信息包括路线总行驶距离、预计总通行时间、道路类型、红绿灯个数，所述天气信息包括该路线内的环境温度、太阳辐射强度、天气状况；
所述S1具体包括：
S11、根据所述地图信息和历史真实道路实测数据生成初步的行驶工况；
S111、根据出行起止点、路线推荐方式和出行时间生成行驶路线，并获取所述行驶路线的道路信息；所述道路信息包括总行驶距离、总行驶时间、路线片段的长度、交通状况、红绿灯位置及个数和道路类型；
S112、根据所述道路信息得到每个所述路线片段的行驶时间和距离，计算出每个所述路线片段的平均车速；
S113、将历史真实道路实测数据划分为不同类别的车速片段库，根据所述行驶路线的每个所述路线片段的平均车速和距离，在相应的车速片段库中选择合适的车速片段插入所述路线进行拼接，生成初步的行驶工况；
S12、根据所述天气信息对所述初步的行驶工况进行车速修正，生成最终行驶工况；
S13、对所述最终行驶工况进行真实性评价；若所述最终行驶工况的真实性满足要求，则将所述最终行驶工况作为所述真实道路环境行驶工况；若所述最终行驶工况的真实性不满足要求，则重新执行步骤S11；
S2、搭建整车热管理系统仿真模型；
S3、根据所述真实道路环境行驶工况和所述整车热管理系统仿真模型进行仿真，并结合预见性热泵空调控制策略调节热泵空调的制冷/制热量；
所述预见性热泵空调控制策略包括：
判断环境温度是否大于乘员舱设定温度；
若所述环境温度大于乘员舱设定温度，则控制所述热泵空调处于制冷模式；
若所述环境温度不大于乘员舱设定温度，则控制所述热泵空调处于制热模式；
当所述热泵空调处于制冷模式时，判断当前环境温度是否大于未来时刻的环境温度；
若当前环境温度大于未来时刻的环境温度，则考虑未来时刻的环境温度的影响实时调节当前热泵空调的制冷量；
若当前环境温度不大于未来时刻的环境温度，则不实时调节当前热泵空调的制冷量；
当所述热泵空调处于制热模式时，判断当前环境温度是否大于未来时刻的环境温度；
若当前环境温度大于未来时刻的环境温度，则不实时调节当前热泵空调的制热量；
若当前环境温度不大于未来时刻的环境温度，则考虑未来时刻的环境温度的影响实时调节当前热泵空调的制热量；
所述S3具体包括：
S31、输入预设仿真数据，根据所述真实道路环境行驶工况和所述整车热管理系统仿真模型进行仿真；
S32、根据输入的所述预设仿真数据、采集的所述地图信息和所述天气信息计算t时刻的太阳辐射负荷、环境负荷、通风负荷和人员热负荷，以及t+Δt时刻的太阳辐射负荷、环境负荷、通风负荷和人员热负荷；
S33、根据t时刻的所述太阳辐射负荷、所述环境负荷、所述通风负荷和所述人员热负荷计算t时刻的乘员舱内总热负荷，根据t+Δt时刻的所述太阳辐射负荷、所述环境负荷、所述通风负荷和所述人员热负荷计算t+Δt时刻的乘员舱内总热负荷；
S34、根据预见性热泵空调控制策略判断是否需要考虑未来时刻的环境温度的影响实时调节当前热泵空调的制冷/制热量；若不需要考虑未来时刻的环境温度的影响实时调节当前热泵空调的制冷/制热量，则根据t时刻的所述乘员舱实际温度与乘员舱设定温度的差值计算t时刻的热泵空调的制冷/制热量；若需要考虑未来时刻的环境温度的影响实时调节当前热泵空调的制冷/制热量，则执行S35；
S35、根据t时刻的所述乘员舱实际温度与乘员舱设定温度的差值计算t时刻的热泵空调的制冷/制热量，根据t+Δt时刻的所述乘员舱实际温度与乘员舱设定温度的差值计算t+Δt时刻的热泵空调的制冷/制热量；
S36、根据所述t时刻的热泵空调的制冷/制热量以及所述t+Δt时刻的热泵空调的制冷/制热量计算t时刻修正后的热泵空调的制冷/制热量；
S4、根据调节后的热泵空调的制冷/制热量预测热泵空调系统的能耗。
2.根据权利要求1所述的基于真实道路环境的热泵空调系统仿真预测方法，其特征在于，所述S13，所述对所述最终行驶工况进行真实性评价包括：
S131、根据所述地图信息和所述天气信息获取实测数据；所述实测数据包括历史实测数据或当前实测数据；
S132、获取所述最终行驶工况的评价指标特征参数和所述实测数据的评价指标特征参数；所述评价指标特征参数包括平均速度、最大速度、最小速度、平均加速度、最大加速度、最小加速度、平均减速度、最大减速度、最小减速度、加速时间、减速时间、均速时间和怠速时间；
S133、将所述最终行驶工况的评价指标特征参数与所述实测数据的评价指标特征参数进行对比，计算每个评价指标特征参数的相对误差，判断每个所述相对误差是否在预设误差范围内；
S134、若每个所述相对误差都在预设误差范围内，则所述最终行驶工况的真实性满足要求，将所述最终行驶工况作为所述真实道路环境行驶工况；
S135、若存在所述相对误差不在预设误差范围内，则所述最终行驶工况的真实性不满足要求，重新执行步骤S11。
3.根据权利要求1所述的基于真实道路环境的热泵空调系统仿真预测方法，其特征在于，所述S4，所述根据调节后的热泵空调的制冷/制热量预测热泵空调系统的能耗包括：
根据热泵空调的制冷/制热量或修正后的热泵空调的制冷/制热量、热泵空调的性能系数以及采样时间预测热泵空调系统的能耗。
4.基于真实道路环境的热泵空调系统仿真预测系统，用于执行权利要求1至3任一项所述的一种基于真实道路环境的热泵空调系统仿真预测方法，其特征在于，系统包括：
行驶工况生成模块，用于根据地图信息和天气信息生成真实道路环境行驶工况；
模型仿真模块，用于搭建整车热管理系统仿真模型；以及根据所述真实道路环境行驶工况和所述整车热管理系统仿真模型进行仿真；
热泵空调控制模块，用于结合预见性热泵空调控制策略调节热泵空调的制冷/制热量；
计算模块，用于根据调节后的热泵空调的制冷/制热量预测热泵空调系统的能耗。
5.根据权利要求4所述的基于真实道路环境的热泵空调系统仿真预测系统，其特征在于，所述行驶工况生成模块包括：
地图信息获取模块，用于获取地图信息，所述地图信息包括路线总行驶距离、预计总通行时间、道路类型、红绿灯个数；
天气预报模块，用于获取天气信息，所述天气信息包括该路线内的环境温度、太阳辐射强度、天气状况；
数据处理模块，用于根据所述地图信息和历史真实道路实测数据生成初步的行驶工况；根据所述天气信息对所述初步的行驶工况进行车速修正，生成最终行驶工况；以及对所述最终行驶工况进行真实性评价。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410072441.6A CN117634051B (zh) | 2024-01-18 | 2024-01-18 | 基于真实道路环境的热泵空调系统仿真预测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410072441.6A CN117634051B (zh) | 2024-01-18 | 2024-01-18 | 基于真实道路环境的热泵空调系统仿真预测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117634051A CN117634051A (zh) | 2024-03-01 |
| CN117634051B true CN117634051B (zh) | 2024-04-09 |
Family
ID=90035839
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410072441.6A Active CN117634051B (zh) | 2024-01-18 | 2024-01-18 | 基于真实道路环境的热泵空调系统仿真预测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117634051B (zh) |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102013220595A1 (de) * | 2013-10-10 | 2015-04-16 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Steuerung eines Umluftbetriebs in einem Kraftfahrzeug |
| WO2016169290A1 (zh) * | 2015-04-21 | 2016-10-27 | 华南理工大学 | 一种面向道路交通事故应急处置的决策支持系统及方法 |
| CN107067706A (zh) * | 2017-03-05 | 2017-08-18 | 赵莉莉 | 基于智能交通全面实时指挥管控系统的交通工具监管系统 |
| CN111452794A (zh) * | 2019-01-22 | 2020-07-28 | 上海汽车集团股份有限公司 | 一种确定能耗的方法及装置和确定驾驶策略的方法及装置 |
| CN111516552A (zh) * | 2020-04-21 | 2020-08-11 | 东风汽车集团有限公司 | 一种根据纯电动汽车能量消耗量优化驾驶路径的方法 |
| CN114744237A (zh) * | 2020-12-21 | 2022-07-12 | 广东三水合肥工业大学研究院 | 一种用于液流电池的循环系统及方法 |
| CN115063978A (zh) * | 2022-07-27 | 2022-09-16 | 武汉微晶石科技股份有限公司 | 一种基于数字孪生的公交到站时间预测方法 |
| CN115221234A (zh) * | 2021-08-16 | 2022-10-21 | 广州汽车集团股份有限公司 | 一种基于动力总成数据对用户进行画像的方法及系统 |
| DE102022118589A1 (de) * | 2021-08-03 | 2023-02-09 | Bareways GmbH | Verfahren und systeme zur vorhersage des energieverbrauchs eines fahrzeugs für seine fahrt entlang einer definierten route und zur routenplanung |
| CN115774929A (zh) * | 2022-11-23 | 2023-03-10 | 江苏大学 | 一种考虑节能和电池寿命的电动汽车热管理控制系统及方法 |
| CN116198519A (zh) * | 2023-01-18 | 2023-06-02 | 上海普法芬电子科技有限公司 | 基于道路信息及空调热管理的电动车能耗预测方法及系统 |
| CN116442787A (zh) * | 2023-04-04 | 2023-07-18 | 广州市城市规划勘测设计研究院 | 一种电动汽车能耗预警方法、装置、介质及设备 |
| CN116542397A (zh) * | 2023-06-21 | 2023-08-04 | 东风汽车集团股份有限公司 | 一种车辆能耗的管理方法和装置 |
| CN116729060A (zh) * | 2023-05-24 | 2023-09-12 | 中汽研汽车检验中心(常州)有限公司 | 一种基于ddpg的纯电动汽车乘员舱空调制冷控制方法 |
| CN117325612A (zh) * | 2023-09-28 | 2024-01-02 | 山东理工大学 | 一种混合动力汽车热管理控制系统及方法 |
-
2024
- 2024-01-18 CN CN202410072441.6A patent/CN117634051B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102013220595A1 (de) * | 2013-10-10 | 2015-04-16 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Steuerung eines Umluftbetriebs in einem Kraftfahrzeug |
| WO2016169290A1 (zh) * | 2015-04-21 | 2016-10-27 | 华南理工大学 | 一种面向道路交通事故应急处置的决策支持系统及方法 |
| CN107067706A (zh) * | 2017-03-05 | 2017-08-18 | 赵莉莉 | 基于智能交通全面实时指挥管控系统的交通工具监管系统 |
| CN111452794A (zh) * | 2019-01-22 | 2020-07-28 | 上海汽车集团股份有限公司 | 一种确定能耗的方法及装置和确定驾驶策略的方法及装置 |
| CN111516552A (zh) * | 2020-04-21 | 2020-08-11 | 东风汽车集团有限公司 | 一种根据纯电动汽车能量消耗量优化驾驶路径的方法 |
| CN114744237A (zh) * | 2020-12-21 | 2022-07-12 | 广东三水合肥工业大学研究院 | 一种用于液流电池的循环系统及方法 |
| DE102022118589A1 (de) * | 2021-08-03 | 2023-02-09 | Bareways GmbH | Verfahren und systeme zur vorhersage des energieverbrauchs eines fahrzeugs für seine fahrt entlang einer definierten route und zur routenplanung |
| CN115221234A (zh) * | 2021-08-16 | 2022-10-21 | 广州汽车集团股份有限公司 | 一种基于动力总成数据对用户进行画像的方法及系统 |
| CN115063978A (zh) * | 2022-07-27 | 2022-09-16 | 武汉微晶石科技股份有限公司 | 一种基于数字孪生的公交到站时间预测方法 |
| CN115774929A (zh) * | 2022-11-23 | 2023-03-10 | 江苏大学 | 一种考虑节能和电池寿命的电动汽车热管理控制系统及方法 |
| CN116198519A (zh) * | 2023-01-18 | 2023-06-02 | 上海普法芬电子科技有限公司 | 基于道路信息及空调热管理的电动车能耗预测方法及系统 |
| CN116442787A (zh) * | 2023-04-04 | 2023-07-18 | 广州市城市规划勘测设计研究院 | 一种电动汽车能耗预警方法、装置、介质及设备 |
| CN116729060A (zh) * | 2023-05-24 | 2023-09-12 | 中汽研汽车检验中心(常州)有限公司 | 一种基于ddpg的纯电动汽车乘员舱空调制冷控制方法 |
| CN116542397A (zh) * | 2023-06-21 | 2023-08-04 | 东风汽车集团股份有限公司 | 一种车辆能耗的管理方法和装置 |
| CN117325612A (zh) * | 2023-09-28 | 2024-01-02 | 山东理工大学 | 一种混合动力汽车热管理控制系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117634051A (zh) | 2024-03-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xie et al. | A Self-learning intelligent passenger vehicle comfort cooling system control strategy | |
| Khayyam et al. | Intelligent energy management control of vehicle air conditioning via look-ahead system | |
| He et al. | Predictive air-conditioner control for electric buses with passenger amount variation forecast☆ | |
| Khayyam et al. | Adaptive intelligent energy management system of plug-in hybrid electric vehicle | |
| Khayyam et al. | Coordinated energy management of vehicle air conditioning system | |
| JP6419819B2 (ja) | 車両を駆動するための方法及び装置 | |
| CN105593040B (zh) | 用于控制在机动车中的循环空气运行的方法和装置 | |
| US20130073113A1 (en) | Vehicle and method for estimating a range for the vehicle | |
| CN105678429B (zh) | 一种实现电动汽车空调系统多学科多目标优化的方法 | |
| CN111251819A (zh) | 一种基于车联网与大数据的车载空调智能调节方法与系统 | |
| Wang et al. | Eco-cooling control strategy for automotive air-conditioning system: Design and experimental validation | |
| CN102887046A (zh) | 电动车辆用空调系统 | |
| CN113147321B (zh) | 一种车载空调与可再生制动协调控制方法 | |
| CN111923897A (zh) | 一种插电式混合动力汽车能量智能管理方法 | |
| Yan et al. | A/C energy management and vehicle cabin thermal comfort control | |
| CN117634051B (zh) | 基于真实道路环境的热泵空调系统仿真预测方法及系统 | |
| Chakraborty et al. | Parameterized cloud-connected electro-thermal modelling of a battery electric vehicle | |
| Kim et al. | The effect of driver's behavior and environmental conditions on thermal management of electric vehicles | |
| Hollweck et al. | Analyses of the holistic energy balance of different fuel cell powertrains under realistic boundary conditions and user behaviors | |
| Li et al. | Research on energy consumption evaluation of electric vehicles for thermal comfort | |
| Tozzi et al. | Testing innovations for increased energy efficiency of electric buses: evidence from the EBSF_2 project | |
| König et al. | The Impact of HVAC on the Development of Autonomous and Electric Vehicle Concepts. Energies 2022, 15, 441 | |
| CN116729106B (zh) | 一种纯电动汽车的智能能量管理方法 | |
| CN113400886B (zh) | 一种新能源车空调及热管理系统高温标定方法 | |
| US20240132046A1 (en) | Device and method for the model-based predicted control of a component of a vehicle |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |