KR20180088213A - Method and apparatus for estimating remaining range of electric vehicle - Google Patents

Method and apparatus for estimating remaining range of electric vehicle Download PDF

Info

Publication number
KR20180088213A
KR20180088213A KR1020170013001A KR20170013001A KR20180088213A KR 20180088213 A KR20180088213 A KR 20180088213A KR 1020170013001 A KR1020170013001 A KR 1020170013001A KR 20170013001 A KR20170013001 A KR 20170013001A KR 20180088213 A KR20180088213 A KR 20180088213A
Authority
KR
South Korea
Prior art keywords
coefficient
electric vehicle
power consumption
traveling
rti
Prior art date
Application number
KR1020170013001A
Other languages
Korean (ko)
Other versions
KR102015168B1 (en
Inventor
장래혁
백돈규
Original Assignee
한국과학기술원
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 한국과학기술원 filed Critical 한국과학기술원
Priority to KR1020170013001A priority Critical patent/KR102015168B1/en
Publication of KR20180088213A publication Critical patent/KR20180088213A/en
Application granted granted Critical
Publication of KR102015168B1 publication Critical patent/KR102015168B1/en

Links

Images

Classifications

    • B60L11/1848—
    • 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
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/66—Data transfer between charging stations and vehicles
    • B60L53/665—Methods related to measuring, billing or payment
    • 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
    • B60L2260/52—Control modes by future state prediction drive range estimation, e.g. of estimation of available travel distance
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2200/00—Type of vehicle
    • B60Y2200/90—Vehicles comprising electric prime movers
    • B60Y2200/91—Electric vehicles
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/12—Electric charging stations

Abstract

Disclosed are a method and a device for predicting a driving distance of an electric vehicle. According to an embodiment of the present invention, a driving path and a driving pattern are input and first coefficients according to a road environment and a driving situation are determined based on the driving path and the driving pattern. Also, preset second coefficients are obtained according to unique properties of an electric vehicle and the first coefficients and the second coefficients are applied to an electric vehicle power consumption model, thereby predicting a driving distance of the electric vehicle.

Description

전기 자동차의 주행거리 예측 방법 및 장치{METHOD AND APPARATUS FOR ESTIMATING REMAINING RANGE OF ELECTRIC VEHICLE}BACKGROUND OF THE INVENTION 1. Field of the Invention [0001] The present invention relates to an electric vehicle,

아래 실시예들은 전기 자동차의 주행거리 예측 방법 및 장치에 관한 것이다.The following embodiments relate to a method and apparatus for predicting travel distance of an electric vehicle.

전기자동차의 최대의 관심사는 주행거리이다. 현재 전기자동차의 1회 충전 시 주행가능거리는 내연기관 자동차의 1회 주유 시 주행가능거리의 20%에 불과하다. 따라서 운전자는 주행 중에 목적지에 도달하지 못할 수도 있다는 불안감에 휩싸이기 쉽다. 더군다나, 전기자동차 충전소 수가 한정되어 있기 때문에 에너지부족으로 멈추게 되면 견인해야만 한다는 현실적인 문제를 가지고 있다. 따라서, 전기자동차 사용자들은 실제 사용 가능한 주행 거리의 2/3 까지만 사용하길 바라며, 이로 인해 전기자동차의 활용범위는 크게 좁아진다. 이에 따라 운전자의 불안감을 덜어서 효율적인 주행환경을 제공하고, 보다 정확한 주행거리를 산출하기 위해 전기 자동차의 전력소모 예측 기법이 요구된다.The biggest concern of electric cars is mileage. At present, the travelable distance of an electric vehicle is only 20% of the travelable distance of the internal combustion engine when the vehicle is once charged. Therefore, it is easy for the driver to feel anxiety that he may not reach the destination while driving. Furthermore, because of the limited number of electric vehicle charging stations, there is a real problem that if it stops due to lack of energy, it must be towed. Therefore, electric vehicle users want to use up to two-thirds of the actual usable mileage, which makes the use of electric vehicles significantly narrower. Accordingly, there is a need for a power consumption prediction technique of an electric vehicle in order to provide an efficient driving environment by reducing anxiety of a driver and to calculate a more accurate driving distance.

도 1은 차량 동역학 모델(Vehicle Dynamics Model)을 설명하기 위한 도면.
도 2는 일 실시예에 따라, 모터의 회전속도와 모터에 가해지는 토크에 따른 모터 효율을 설명하기 위한 도면.
도 3은 일 실시예에 따라, 속도에 따른 전력 소모량을 측정한 데이터를 도시한 그래프.
도 4a는 일 실시예에 따라 모델링에 사용된 저중량(481 kg)의 전기자동차 시제품을 나타내는 도면.
도 4b는 일 실시예에 따른 모니터링 시스템을 나타내는 도면.
도 5a는 일 실시예에 따른 테스트 벤치 주행의 경로를 나타내는 도면.
도 5b는 일 실시예에 따른 테스트 벤치 주행의 경로에서 거리에 따른 기울기의 변화를 나타내는 도면.
도 6은 일 실시예에 따른 전력 소모 모델에 기초하여 주행거리를 예측하는 기법을 설명하는 도면.
도 7a는 일 실시예에 따른 테스트 벤치 주행의 결과 모니터링 시스템을 통하여 측정한 전력, 고급 동역학 모델을 통하여 예측한 전력 및 하이브리드 전력 모델을 통하여 예측한 전력을 비교한 그래프.
도 7b는 일 실시예에 따른 고급 동역학 모델 및 하이브리드 전력 모델 각각의 오차와 차량 동역학 모델의 오차를 비교한 그래프.1 is a view for explaining a vehicle dynamics model;
2 is a diagram for explaining motor efficiency according to the rotational speed of the motor and the torque applied to the motor, according to an embodiment;
3 is a graph showing data obtained by measuring power consumption according to a speed according to an embodiment.
4A is a diagram illustrating a prototype of a low weight (481 kg) electric vehicle used for modeling in accordance with one embodiment.
4B illustrates a monitoring system in accordance with one embodiment.
5A illustrates a path of a test bench run according to one embodiment.
FIG. 5B is a view showing a change in slope along a distance in a path of a test bench running according to an embodiment; FIG.
6 illustrates a technique for predicting a travel distance based on a power consumption model according to an embodiment;
FIG. 7A is a graph comparing the power measured by the test monitoring system of the test bench running according to one embodiment, the power predicted through the advanced dynamics model, and the power predicted through the hybrid power model.
7B is a graph comparing an error of each of the advanced dynamic model and the hybrid power model and an error of the vehicle dynamics model according to an embodiment.

본 명세서에서 개시되어 있는 특정한 구조적 또는 기능적 설명들은 단지 기술적 개념에 따른 실시예들을 설명하기 위한 목적으로 예시된 것으로서, 실시예들은 다양한 다른 형태로 실시될 수 있으며 본 명세서에 설명된 실시예들에 한정되지 않는다.It is to be understood that the specific structural or functional descriptions disclosed herein may be implemented by way of example only, and that the embodiments may be embodied in various other forms and are not limited to the embodiments described herein It does not.

제1 또는 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 이해되어야 한다. 예를 들어 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.The terms first or second may be used to describe various components, but such terms should be understood only for the purpose of distinguishing one component from another. For example, the first component may be referred to as a second component, and similarly, the second component may also be referred to as a first component.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 구성요소들 간의 관계를 설명하는 표현들, 예를 들어 "~간의에"와 "바로~간의에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.It is to be understood that when an element is referred to as being "connected" or "connected" to another element, it may be directly connected or connected to the other element, . On the other hand, when an element is referred to as being "directly connected" or "directly connected" to another element, it should be understood that there are no other elements in between. Expressions that describe the relationship between components, such as "between" and "between" or "neighboring to" and "directly adjacent to" should be interpreted as well.

단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The singular expressions include plural expressions unless the context clearly dictates otherwise. In this specification, the terms " comprises ", or " having ", and the like, are used to specify one or more of the features, numbers, steps, operations, elements, But do not preclude the presence or addition of steps, operations, elements, parts, or combinations thereof.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless otherwise defined, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art. Terms such as those defined in commonly used dictionaries are to be interpreted as having a meaning consistent with the meaning of the context in the relevant art and, unless explicitly defined herein, are to be interpreted as ideal or overly formal Do not.

이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.Hereinafter, embodiments will be described in detail with reference to the accompanying drawings. Like reference symbols in the drawings denote like elements.

1. 전기자동차 주행거리 예측의 필요성1. Necessity of Prediction of Electric Vehicle Travel Distance

현재까지 학계에서 주행거리 예측을 위해 사용된 방식은 크게 2가지로 나뉜다. 예를 들어, 히스토리 기반 주행거리(History Based Remaining Range) 예측 방식과 모델 기반 주행거리(Model Based Remaining Range) 예측 방식이다. 히스토리 기반 주행거리(History Based Remaining Range) 예측 방식의 경우 기존의 에너지 소모량이 앞으로의 에너지 소모량과 같다는 가정에 기반한다. 매우 간단하게 계산되기 때문에 이미 많은 내연기관차량 및 전기자동차에서 사용하고 있으며, 운전자가 어디를 가더라도 대략적으로나마 예측이 가능하다는 장점을 갖는다. 하지만, 앞으로의 주행환경이나 도로환경에 따라 실제 소비하는 에너지에 큰 차이(예를 들어, 5배 이상 차이)가 날 수 있으므로 앞서 서술한 주행 중에 목적지에 도달하지 못한다는 불안감을 해소하기 어렵다. Until now, there are two methods used to predict the driving distance in academia. For example, a History Based Remaining Range prediction method and a Model Based Remaining Range prediction method are used. The History Based Remaining Range prediction method is based on the assumption that the existing energy consumption is equal to the future energy consumption. Because it is calculated very simply, it is already used in many internal combustion engine vehicles and electric vehicles, and has the merit that the driver can predict roughly everywhere. However, it is difficult to solve the anxiety that the energy consumption actually consumed by the driving environment or the road environment in the future can not reach the destination during the above-described driving because a large difference (for example, five times or more) may occur.

반면 모델 기반 주행거리(Model Based Remaining Range) 예측 방식의 경우 도로환경 및 주행상황에 따른 차량의 전력소모를 해당 차량의 전력 소모 모델에 기반하여 예측한다. 향후 주행할 경로를 미리 확보할 수 있다면 히스토리 기반 주행거리(History Based Remaining Range) 예측 방식보다 더 정확하게 예측이 가능하다. 하지만, 이 기법은 사용하는 전력 소모 모델의 정확도에 따라 크게 달라지기 때문에 정확한 전력 소모 모델링 기법이 요구된다. On the other hand, in the case of the model based remaining range predicting method, the power consumption of the vehicle according to the road environment and driving situation is predicted based on the power consumption model of the vehicle. If we can secure the future route ahead of time, we can predict more accurately than the History Based Remaining Range prediction method. However, since this technique greatly depends on the accuracy of the power consumption model used, accurate power consumption modeling techniques are required.

이에, 아래에서 설명하는 실시예들은 히스토리 기반 주행거리(History Based Remaining Range) 예측 방식을 위한 정확한 전력 소모 모델링 기법을 제안한다.Accordingly, the embodiments described below propose an accurate power consumption modeling technique for a History Based Remaining Range prediction method.

2. 전기자동차 전력 소모 모델2. Electric vehicle power consumption model

전기자동차의 전력 소모 모델로서, 기본적인 차량 운동 역학에 기반한 차량 동역학 모델(vehicle dynamics model)을 설명한 뒤, 전기모터의 효율을 고려한 고급 동역학 모델(advanced Dynamics Model), 및 전기자동차의 드라이브트레인에서 소비하는 각종 손실을 실험을 통해 고려한 하이브리드 전력 모델(Hybrid Power Model)을 제안한다.As a power consumption model of an electric vehicle, a vehicle dynamics model based on basic vehicle kinetic dynamics is described, an advanced dynamics model that considers the efficiency of the electric motor, We propose a hybrid power model considering various losses through experiments.

2-1. 차량 동역학 모델(Vehicle Dynamics Model)2-1. Vehicle Dynamics Model

차량 동역학 모델(Vehicle Dynamics Model)은 다른 연구에서도 많이 사용되는 차량 동역학 모델이다. Vehicle Dynamics Model is a vehicle dynamics model widely used in other studies.

Figure pat00001
Figure pat00001

도 1은 차량 동역학 모델(Vehicle Dynamics Model)을 설명하기 위한 도면이다. 도 1 및 수학식 1을 참조하면, 차량을 움직이기 위해 소비하는 전력(Pdynamics)은 차량에 가해지는 힘(F)과 속도(v)의 곱이다. 차량에 가해지는 힘은 타이어가 지면에 눌림으로써 받는 구름저항(FR), 주행 시 바람의 영향을 받는 공기저항(FA), 경사로를 주행 시 중력에 의한 중력저항(FG), 가속 시 힘을 요구하는 관성저항(FI), 감속을 위한 브레이킹 저항(FB)으로 구성된다. 이 중 저속주행 전기자동차의 경우 공기저항을 무시할 수 있으며, 브레이킹 저항은 가속 및 등속 주행 시 0으로 가정할 수 있다. 1 is a view for explaining a vehicle dynamics model. 1 and Equation 1, the power (P dynamics ) consumed to move the vehicle is the product of the force F applied to the vehicle and the speed v. The force exerted on the vehicle depends on the rolling resistance (F R ) of the tire pressed against the ground, the air resistance (F A ) influenced by the wind during driving, the gravity resistance (F G ) An inertia resistance F I requiring a force, and a braking resistor F B for deceleration. Of these, air resistance can be neglected for a low-speed electric vehicle, and the braking resistance can be assumed to be zero at acceleration and constant speed driving.

그 결과, 전력소모는 차량 특성에 따라 결정되는 계수(α, β, γ)와 도로 환경과 주행 상황에 따라 결정되는 변수인 도로 기울기(θ), 속도(v), 가속도(a), 무게(m)에 대한 함수로 나타난다.As a result, the power consumption is affected by the factors (α, β, γ) determined by the characteristics of the vehicle and the road slope (θ), speed (v), acceleration (a) m). < / RTI >

해당 모델은 차량의 실제 주행상태에 따른 전기모터의 효율 및 이외의 내부 손실을 고려하지 않은 방식으로, 이 방식을 사용할 경우, 속도에 따른 총 주행거리에 대한 소비 에너지가 달라지지 않는다는 단점이 있다.This model does not take into consideration the efficiency of the electric motor and other internal losses according to the actual driving state of the vehicle. When this method is used, there is a disadvantage that the consumed energy with respect to the total traveling distance according to the speed is not changed.

2-2. 고급 동역학 모델(Advanced Dynamics Model)2-2. Advanced Dynamics Model

고급 동역학 모델(Advanced Dynamics Model)의 경우, 앞서 언급한 차량 동역학 모델(vehicle dynamics model)에서 고려하지 않은 모터 효율(η)을 고려한다. 모터 효율은 모터의 회전속도와 모터에 가해지는 토크에 따라 달라지는데, 이러한 모터특성 및 이에 따른 효율 특성을 고려한 것으로써, 현재 모터의 회전 속도와 토크를 반영하기 때문에 좀 더 정확한 값을 얻어낼 수 있다.For the Advanced Dynamics Model, consider the motor efficiency (η) not considered in the vehicle dynamics model mentioned above. The motor efficiency depends on the rotation speed of the motor and the torque applied to the motor. By considering the characteristics of the motor and the efficiency thereof, it is possible to obtain a more accurate value by reflecting the rotation speed and torque of the present motor .

Figure pat00002
Figure pat00002

도 2는 일 실시예에 따라, 모터의 회전속도와 모터에 가해지는 토크에 따른 모터 효율을 설명하기 위한 도면이다. 도 2 및 수학식 2를 참조하면, 모터효율(η)은 차량에 전달하는 전력(P)을 모터에서 발생하는 손실까지 포함한 전체 전력으로 나눈 것으로, 모터에서 소비하는 전체 전력은 차량에 전달하는 전력 외에도 모터의 마찰 손실(Fi), 모터에 유입되는 공기에 의한 손실(Fw), 전선에 흐르는 손실(Fc), 그 외에 모터 운동과 상관없이 발생하는 손실(C)로 구성된다. 수학식 2에서 P는 수학식 1의 Pdynamics일 수 있다.2 is a diagram for explaining the motor efficiency according to the rotation speed of the motor and the torque applied to the motor, according to an embodiment. Referring to FIG. 2 and FIG. 2, the motor efficiency? Is obtained by dividing the electric power P transmitted to the vehicle by the total electric power including the loss occurring in the motor. The total electric power consumed by the motor is the electric power (F i ) of the motor, loss (F w ) caused by air introduced into the motor, loss (F c ) flowing through the wire, and loss (C) occurring irrespective of motor motion. P in Equation (2) may be P dynamics of Equation (1).

이때 전선에 흐르는 손실은 모터에 가해지는 토크의 제곱에 비례하며, 모터 토크(T)는 차량 동역학 모델(vehicle dynamics model)에서 설명한 차량을 움직이기 위해 요구되는 힘으로 나타낼 수 있다. 이 중 모터에 유입되는 공기에 의한 손실을 무시할 만큼 작으므로, 차량의 특성을 결정하는 계수는 기존의 모터에 가해지는 토크를 고려하는 계수 α, β, γ와 모터 효율을 고려하는 계수 C0, C1, C2 로 구성된다.The loss on the wire is proportional to the square of the torque applied to the motor, and the motor torque (T) can be expressed as the force required to move the vehicle described in the vehicle dynamics model. Since the loss due to air introduced into the motor is negligible, the coefficient for determining the characteristics of the vehicle is determined by the factors α, β, γ considering the torque applied to the conventional motor and the coefficients C 0 , C 1 , and C 2 .

하지만 고급 동역학 모델(Advanced Dynamics Model) 역시 구동계에서 발생하는 손실 등 몇몇 부수적인 손실을 고려하지 않는다는 단점이 있다.However, the Advanced Dynamics Model also has the disadvantage that it does not take into account some incidental losses, such as losses in the driveline.

2-3. 하이브리드 전력 모델(Hybrid Power Model)2-3. Hybrid Power Model

하이브리드 전력 모델(Hybrid Power Model)은 구동계에서의 에너지소비를 반영한다. 이를 위하여, 하이브리드 전력 모델(Hybrid Power Model)은 실제 실험데이터에 기반한다. 도 3은 일 실시예에 따라, 속도에 따른 전력 소모량을 측정한 데이터를 도시한 그래프이다. 도 3을 참조하면, 공기저항이 거의 영향을 주지 않는 저속 주행에서 속도에 따른 전력 소비를 비교한 결과, 주행 속도 제곱에 따라 전력 소모가 증가함을 알 수 있다. The hybrid power model reflects the energy consumption in the driveline. To this end, the hybrid power model is based on actual experimental data. 3 is a graph showing data obtained by measuring power consumption according to a speed according to an embodiment. Referring to FIG. 3, power consumption according to speed is compared at low speed running with little influence of air resistance. As a result, power consumption increases according to the running speed square.

Figure pat00003
Figure pat00003

따라서, 수학식 3을 참조하면, 구동계에 의해 발생한 전력손실을 (C2v2)을 모델에 추가하였다. 그 결과, 하이브리드 전력 모델(Hybrid Power Model)은 차량특성을 결정하는 계수로 모터에 가해지는 토크를 고려하는 계수 α, β, γ와 모터 효율을 고려하는 계수 C0, C1, C2, C3로 구성된다.Therefore, referring to Equation (3), the power loss caused by the driving system is added to the model (C 2 v 2 ). As a result, the hybrid power model is a coefficient that determines the characteristics of the vehicle. The coefficients C 0 , C 1 , C 2 , C 3 .

아래에서 설명하는 것과 같이, 세 방식들 중 하이브리드 전력 모델(Hybrid Power Model)이 가장 낮은 오차율로 정확히 주행거리를 예측한다는 결과를 얻었다.As described below, we obtained the result that Hybrid Power Model predicts the mileage accurately with the lowest error rate among the three methods.

3. 전력소모 모니터링 시스템3. Power consumption monitoring system

도 4a는 일 실시예에 따라 모델링에 사용된 저중량(481 kg)의 전기자동차 시제품을 나타내는 도면이다. 또한, 도 4b는 일 실시예에 따른 모니터링 시스템을 나타내는 도면이다. 일 실시예에 따르면, 모니터링 시스템을 통해 주행 시 매 순간 전력 소모, 전류, 전압, SoC를 정확히 로깅할 수 있다.4A is a diagram showing a prototype of an electric vehicle of low weight (481 kg) used in modeling according to one embodiment. 4B is a diagram illustrating a monitoring system in accordance with one embodiment. According to an exemplary embodiment, the power consumption, current, voltage, and SoC can be accurately logged at every moment during driving through the monitoring system.

도 5a는 일 실시예에 따른 테스트 벤치 주행의 경로를 나타내는 도면이다. 또한, 도 5b는 일 실시예에 따른 테스트 벤치 주행의 경로에서 거리에 따른 기울기의 변화를 나타내는 도면이다.5A is a diagram illustrating a path of a test bench run according to one embodiment. FIG. 5B is a graph showing a change in slope with distance in the path of the test bench running according to one embodiment.

4. 전력소모 모델링4. Power consumption modeling

도 6은 일 실시예에 따른 전력 소모 모델에 기초하여 주행거리를 예측하는 기법을 설명하는 도면이다. 도 6을 참조하면, 전기자동차의 전력소모를 아래와 같이 예측할 수 있다.FIG. 6 is a diagram illustrating a technique for predicting a travel distance based on a power consumption model according to an embodiment. Referring to FIG. 6, the power consumption of the electric vehicle can be predicted as follows.

i) 사용할 전기자동차 전력 소모 모델을 결정한다. 예를 들어, 하이브리드 전력 모델(hybrid power model)이 사용할 전기자동차 전력 소모 모델로 결정될 수 있다. 이때, 해당 전기자동차의 특성에 따라 계수 α, β, γ, C0, C1, C2, C3가 달라지며, 도로환경 및 주행상황에 따라 θ, a, m, v가 정해진다. i) Determine the electric vehicle power consumption model to use. For example, a hybrid power model can be determined as an electric vehicle power consumption model to be used. The coefficients α, β, γ, C 0 , C 1 , C 2 , and C 3 vary depending on the characteristics of the electric vehicle, and θ, a, m, and v are determined depending on the road environment and driving conditions.

ii) 전력소모 모델링을 할 대상인 전기자동차에 적합한 계수를 선택하기 위해 미리 해당 전기자동차를 이용해 다양한 도로환경 및 주행상황에서 충분한 횟수의 주행을 실시하고 그 결과를 모니터링 시스템을 통해 저장한다. 이때 얻어진 데이터는 차량의 무게, 주행 속도, 주행 가속도, 도로 기울기에 따른 소비전력으로 구성되어있다. 즉, 다양한 θ, a, m, v 값에 따른 전력소모 값으로 구성되어있다.ii) To select a suitable coefficient for the electric vehicle to be modeled for power consumption, the electric vehicle is used in advance to drive a sufficient number of times in various road environments and driving conditions, and the result is stored through the monitoring system. The data obtained at this time is composed of the weight of the vehicle, the traveling speed, the traveling acceleration, and the power consumption according to the road inclination. That is, it is composed of power consumption values according to various values of θ, a, m, and v.

iii) 다 변수 회귀(Multi-variable regression) 기법을 통해 앞서 얻은 데이터를 기반으로 차량 특성 계수인 α, β, γ, C0, C1, C2, C3를 구한다. 회귀(Regression) 방식에 대한 예를 들자면, 주행 결과에서 모든 값이 그대로이고 오직 차량 무게만 다르게 해서 다른 전력 소모값이 나왔다면 그 결과를 바탕으로 계수 중 α값을 도출할 수 있다. 모든 계수를 구함으로써 주어진 전기자동차의 전력 소모 모델이 완성된다. β, γ, C 0 , C 1 , C 2 , and C 3 based on the previously obtained data through the multi-variable regression method. As an example of the regression method, if all the values in the driving result are the same and only the weight of the vehicle is different and different power consumption values are obtained, the value α can be derived based on the result. By obtaining all the coefficients, the power consumption model of the given electric vehicle is completed.

iv) 구한 전기자동차의 전력 소모 모델을 활용하여 향후 운전자가 주행할 경로 및 주행 패턴을 입력하여 소비하는 에너지가 어느 정도인지도 예측한다. 주행할 경로는 네비게이션을 통해 경로를 도출할 수 있으며, 주행 패턴은 주어진 도로의 권장 주행 속도를 바탕으로 예상할 수 있다. iv) Utilizing the power consumption model of the electric vehicle obtained, it predicts how much energy is consumed by inputting the driving route and driving pattern in the future. The route to be traveled can be derived through navigation, and the travel pattern can be expected based on the recommended travel speed of a given road.

일 실시예에 따르면, 주행 경로를 위하여 필요하다고 예측된 에너지 및 전기자동차의 현재 배터리 잔량에 기초하여, 주행거리가 예측될 수 있다.According to one embodiment, the mileage can be predicted based on the energy expected to be required for the traveling route and the current battery remaining amount of the electric vehicle.

4. 전력 소모 모델링 결과4. Power consumption modeling results

도 7a는 일 실시예에 따른 테스트 벤치 주행의 결과 모니터링 시스템을 통하여 측정한 전력, 고급 동역학 모델을 통하여 예측한 전력 및 하이브리드 전력 모델을 통하여 예측한 전력을 비교한 그래프이다.FIG. 7A is a graph comparing power measured through a test monitoring result system of a test bench according to an embodiment, power predicted through a high-level dynamic model, and predicted power through a hybrid power model.

도 7b는 일 실시예에 따른 고급 동역학 모델 및 하이브리드 전력 모델 각각의 오차와 차량 동역학 모델의 오차를 비교한 그래프이다. 도 8을 참조하면, 전술한 전력 소모 모델들 중 하이브리드 전력 모델(Hybrid Power Model)이 다른 모델들에 비해 오차가 작고 정확함(예를 들어, 절대오차가 2.52%로 줄어듦)을 확인할 수 있다.FIG. 7B is a graph comparing an error of each of the advanced dynamic model and the hybrid power model and an error of the vehicle dynamic model according to an embodiment. Referring to FIG. 8, it can be seen that the Hybrid Power Model among the above power consumption models is smaller and more accurate than other models (for example, the absolute error is reduced to 2.52%).

이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.The embodiments described above may be implemented in hardware components, software components, and / or a combination of hardware components and software components. For example, the devices, methods, and components described in the embodiments may be implemented within a computer system, such as, for example, a processor, a controller, an arithmetic logic unit (ALU), a digital signal processor, such as an array, a programmable logic unit (PLU), a microprocessor, or any other device capable of executing and responding to instructions. The processing device may execute an operating system (OS) and one or more software applications running on the operating system. The processing device may also access, store, manipulate, process, and generate data in response to execution of the software. For ease of understanding, the processing apparatus may be described as being used singly, but those skilled in the art will recognize that the processing apparatus may have a plurality of processing elements and / As shown in FIG. For example, the processing unit may comprise a plurality of processors or one processor and one controller. Other processing configurations are also possible, such as a parallel processor.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.The software may include a computer program, code, instructions, or a combination of one or more of the foregoing, and may be configured to configure the processing device to operate as desired or to process it collectively or collectively Device can be commanded. The software and / or data may be in the form of any type of machine, component, physical device, virtual equipment, computer storage media, or device , Or may be permanently or temporarily embodied in a transmitted signal wave. The software may be distributed over a networked computer system and stored or executed in a distributed manner. The software and data may be stored on one or more computer readable recording media.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.The method according to an embodiment may be implemented in the form of a program command that can be executed through various computer means and recorded in a computer-readable medium. The computer-readable medium may include program instructions, data files, data structures, and the like, alone or in combination. The program instructions to be recorded on the medium may be those specially designed and configured for the embodiments or may be available to those skilled in the art of computer software. Examples of computer-readable media include magnetic media such as hard disks, floppy disks and magnetic tape; optical media such as CD-ROMs and DVDs; magnetic media such as floppy disks; Magneto-optical media, and hardware devices specifically configured to store and execute program instructions such as ROM, RAM, flash memory, and the like. Examples of program instructions include machine language code such as those produced by a compiler, as well as high-level language code that can be executed by a computer using an interpreter or the like. The hardware devices described above may be configured to operate as one or more software modules to perform the operations of the embodiments, and vice versa.

이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.Although the embodiments have been described with reference to the drawings, various technical modifications and variations may be applied to those skilled in the art. For example, it is to be understood that the techniques described may be performed in a different order than the described methods, and / or that components of the described systems, structures, devices, circuits, Lt; / RTI > or equivalents, even if it is replaced or replaced.

Claims (20)

전기 자동차에 대응하여 미리 구비된, 상기 전기 자동차의 특성에 관한 제1 계수-상기 제1 계수는 상기 전기 자동차의 모터 효율에 관한 계수를 포함함-를 획득하는 단계;
주행 경로를 획득하는 단계;
상기 주행 경로에 기초하여, 도로 환경에 관한 제2 계수 및 주행 상황에 관한 제3 계수를 결정하는 단계; 및
상기 제1 계수, 상기 제2 계수, 및 상기 제3 계수를 상기 전기 자동차의 전력 소모 모델에 적용함으로써, 상기 전기 자동차의 전력 소모량을 예측하는 단계
를 포함하는, 전기 자동차의 전력 소모량을 예측하는 방법.Obtaining a first coefficient relating to the characteristics of the electric vehicle preliminarily provided corresponding to the electric vehicle, the first coefficient including a coefficient relating to the motor efficiency of the electric vehicle;
Acquiring a traveling route;
Determining a second coefficient relating to the road environment and a third coefficient relating to the driving situation on the basis of the traveling route; And
Estimating power consumption of the electric vehicle by applying the first coefficient, the second coefficient, and the third coefficient to a power consumption model of the electric vehicle
And estimating the power consumption of the electric vehicle. 제1항에 있어서,
상기 제1 계수는
상기 전기 자동차의 구동계에 의하여 발생되는 전력 손실에 관한 계수
를 더 포함하는, 전기 자동차의 전력 소모량을 예측하는 방법.The method according to claim 1,
The first coefficient
A coefficient relating to a power loss generated by the drive system of the electric vehicle
Wherein the power consumption of the electric vehicle is predicted. 제1항에 있어서,
상기 제1 계수는
상기 전기 자동차의 모터에 가해지는 토크를 고려한 계수
를 더 포함하는, 전기 자동차의 전력 소모량을 예측하는 방법.The method according to claim 1,
The first coefficient
A coefficient taking into account the torque applied to the motor of the electric vehicle
Wherein the power consumption of the electric vehicle is predicted. 제1항에 있어서,
상기 제2 계수는
상기 전기 자동차의 무게를 더 포함하는, 전기 자동차의 전력 소모량을 예측하는 방법.The method according to claim 1,
The second coefficient
Further comprising the weight of the electric vehicle. 제1항에 있어서,
상기 제3 계수는
상기 전기 자동차의 운전자의 주행 패턴을 더 고려하여 결정되는, 전기 자동차의 전력 소모량을 예측하는 방법.The method according to claim 1,
The third coefficient is
Wherein the power consumption of the electric vehicle is determined by further considering a driving pattern of the driver of the electric vehicle. 제5항에 있어서,
상기 운전자의 주행 패턴은
상기 주행 경로에 따른 도로의 권장 주행 속도에 기초하여 예측되는, 전기 자동차의 전력 소모량을 예측하는 방법.6. The method of claim 5,
The driving pattern of the driver
Wherein the predicted power consumption of the electric vehicle is predicted based on a recommended traveling speed of the road along the traveling route. 제5항에 있어서,
상기 전력 소모 모델은
상기 주행 경로 및 상기 주행 패턴에 따른 상기 전기 자동차의 전력 소모량을 예측하는, 전기 자동차의 전력 소모량을 예측하는 방법.6. The method of claim 5,
The power consumption model
And predicts a power consumption amount of the electric vehicle according to the traveling route and the traveling pattern. 제1항에 있어서,
상기 주행 경로를 획득하는 단계는
상기 전기 자동차의 운전자가 입력한 도착지를 기초로 네비게이션에 의해 결정된 주행 경로를 획득하는 단계
를 포함하는, 전기 자동차의 전력 소모량을 예측하는 방법.The method according to claim 1,
The step of acquiring the traveling route
Acquiring a traveling route determined by navigation based on a destination input by a driver of the electric vehicle
And estimating the power consumption of the electric vehicle. 제1항에 있어서,
상기 제2 계수 및 상기 제3 계수를 결정하는 단계는
상기 주행 경로의 도로 기울기를 포함하는 상기 제2 계수를 결정하는 단계; 및
상기 주행 경로에서의 상기 전기 자동차의 주행 속도 및 주행 가속도를 포함하는 상기 제3 계수를 결정하는 단계
를 포함하는, 전기 자동차의 전력 소모량을 예측하는 방법.The method according to claim 1,
Wherein the step of determining the second coefficient and the third coefficient comprises:
Determining the second coefficient including the road gradient of the traveling path; And
Determining the third coefficient including the running speed and the running acceleration of the electric vehicle in the traveling path
And estimating the power consumption of the electric vehicle. 제1항에 있어서,
상기 전력 소모량을 예측하는 단계는
상기 주행 경로를 주행하기 위하여 필요한 배터리의 충전량, 및 상기 주행 경로 상에서 상기 배터리의 현재 충전량에 의해 주행 가능한 주행 거리 중 적어도 하나를 예측하는 단계
를 포함하는, 전기 자동차의 전력 소모량을 예측하는 방법.The method according to claim 1,
The step of predicting the power consumption
Estimating at least one of a charged amount of the battery necessary for traveling on the traveling route and a traveling distance capable of traveling on the traveling route by the present charging amount of the battery
And estimating the power consumption of the electric vehicle. 전기 자동차의 특성에 관한 제1 계수-상기 제1 계수는 상기 전기 자동차의 모터 효율에 관한 계수를 포함함-를 획득하기 위하여, 미리 정해진 주행 경로에 따라 운행되는 전기 자동차의 전력 소모량을 모니터링 하는 단계;
상기 주행 경로에 기초하여, 도로 환경에 관한 제2 계수를 획득하는 단계;
상기 주행 경로에 따라 운행되는 전기 자동차의 주행 상황에 관한 제3 계수를 획득하는 단계; 및
상기 전력 소모량, 상기 제2 계수, 및 상기 제3 계수를 상기 전기 자동차의 전력 소모 모델에 적용함으로써, 상기 제1 계수를 결정하는 단계
를 포함하는, 전력 소모 모델을 생성하는 방법.Monitoring the power consumption of the electric vehicle traveling according to a predetermined travel path to obtain a first coefficient relating to the characteristics of the electric vehicle, the first coefficient including a coefficient relating to the motor efficiency of the electric vehicle ;
Obtaining a second coefficient related to the road environment based on the traveling route;
Obtaining a third coefficient related to a running condition of the electric vehicle traveling along the traveling path; And
Determining the first coefficient by applying the power consumption, the second coefficient, and the third coefficient to a power consumption model of the electric vehicle,
≪ / RTI > 제11항에 있어서,
상기 전기 자동차의 전력 소모량을 모니터링 하는 단계는
상기 주행 경로에 따라 운행하는 상기 전기 자동차의 순간 전력 소모, 전류, 전압, 및 상기 전기 자동차의 배터리의 SoC(State of Charge) 중 적어도 하나를 모니터링하는 단계
를 포함하는, 전력 소모 모델을 생성하는 방법.12. The method of claim 11,
The step of monitoring the power consumption of the electric vehicle
Monitoring at least one of an instantaneous power consumption, an electric current, a voltage of the electric vehicle traveling along the traveling path, and a state of charge (SoC) of the battery of the electric vehicle;
≪ / RTI > 제11항에 있어서,
상기 제2 계수를 획득하는 단계는
상기 주행 경로의 도로 기울기를 포함하는 상기 제2 계수를 획득하는 단계
를 포함하는, 전력 소모 모델을 생성하는 방법.12. The method of claim 11,
The step of obtaining the second coefficient
Obtaining the second coefficient including the road gradient of the traveling path
≪ / RTI > 제11항에 있어서,
상기 제3 계수를 획득하는 단계는
상기 주행 경로에서의 상기 전기 자동차의 주행 속도 및 주행 가속도를 포함하는 상기 제3 계수를 측정하는 단계; 및
상기 주행 경로에서의 상기 전기 자동차에 대해 미리 설정된 주행 속도 및 주행 가속도를 포함하는 상기 제3 계수를 획득하는 단계
중 적어도 하나를 포함하는, 전력 소모 모델을 생성하는 방법.12. The method of claim 11,
The step of obtaining the third coefficient
Measuring the third coefficient including the traveling speed and the traveling acceleration of the electric vehicle in the traveling path; And
Obtaining the third coefficient including the running speed and the running acceleration preset for the electric vehicle in the traveling route
Gt; a < / RTI > power consumption model. 제11항에 있어서,
상기 제1 계수를 결정하는 단계는
상기 전력 소모량, 상기 제2 계수, 및 상기 제3 계수에 대한 다중 변수 회귀(Multi-variable regression) 분석을 통해 상기 제1 계수를 결정하는 단계
를 포함하는, 전력 소모 모델을 생성하는 방법.12. The method of claim 11,
The step of determining the first coefficient
Determining the first coefficient through a multi-variable regression analysis on the power consumption, the second coefficient, and the third coefficient;
≪ / RTI > 제11항에 있어서,
상기 제1 계수는
상기 전기 자동차의 구동계에 의하여 발생되는 전력 손실에 관한 계수
를 더 포함하는, 전력 소모 모델을 생성하는 방법.12. The method of claim 11,
The first coefficient
A coefficient relating to a power loss generated by the drive system of the electric vehicle
≪ / RTI > 제11항에 있어서,
상기 제1 계수는
상기 전기 자동차의 모터에 가해지는 토크를 고려한 계수
를 더 포함하는, 전력 소모 모델을 생성하는 방법.12. The method of claim 11,
The first coefficient
A coefficient taking into account the torque applied to the motor of the electric vehicle
≪ / RTI > 제11항에 있어서,
상기 제2 계수는
상기 전기 자동차의 무게를 더 포함하는, 전력 소모 모델을 생성하는 방법.12. The method of claim 11,
The second coefficient
Further comprising a weight of the electric vehicle. 제11항에 있어서,
상기 제3 계수는
상기 주행 경로에 따른 도로의 권장 주행 속도에 기초하여 예측되는 상기 전기 자동차의 운전자의 주행 패턴을 더 고려하여 결정되는, 전력 소모 모델을 생성하는 방법.12. The method of claim 11,
The third coefficient is
Wherein a driving pattern of the driver of the electric vehicle predicted based on a recommended traveling speed of the road along the traveling route is further taken into consideration. 하드웨어와 결합되어 제1항 내지 제19항 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램.
19. A computer program stored in a medium for executing the method of any one of claims 1 to 19 in combination with hardware.
KR1020170013001A 2017-01-26 2017-01-26 Method and apparatus for estimating remaining range of electric vehicle KR102015168B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170013001A KR102015168B1 (en) 2017-01-26 2017-01-26 Method and apparatus for estimating remaining range of electric vehicle

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170013001A KR102015168B1 (en) 2017-01-26 2017-01-26 Method and apparatus for estimating remaining range of electric vehicle

Publications (2)

Publication Number Publication Date
KR20180088213A true KR20180088213A (en) 2018-08-03
KR102015168B1 KR102015168B1 (en) 2019-08-27

Family

ID=63250161

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170013001A KR102015168B1 (en) 2017-01-26 2017-01-26 Method and apparatus for estimating remaining range of electric vehicle

Country Status (1)

Country Link
KR (1) KR102015168B1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112557922A (en) * 2020-11-24 2021-03-26 扬州亚星客车股份有限公司 Residual electric quantity prediction system and method for electric bus

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030093210A1 (en) * 2001-11-15 2003-05-15 Toshiyuki Kondo Travel control apparatus of vehicle
JP2009067350A (en) * 2007-09-18 2009-04-02 Aisin Aw Co Ltd Device and method for estimating vehicle consuming energy, and computer program
WO2013073297A1 (en) * 2011-11-17 2013-05-23 日産自動車株式会社 Maximum distance prediction device, maximum distance prediction system, and maximum distance prediction method
JP2015194370A (en) * 2014-03-31 2015-11-05 日産自動車株式会社 Battery charging rate estimation device and battery charging rate estimation method

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030093210A1 (en) * 2001-11-15 2003-05-15 Toshiyuki Kondo Travel control apparatus of vehicle
JP2009067350A (en) * 2007-09-18 2009-04-02 Aisin Aw Co Ltd Device and method for estimating vehicle consuming energy, and computer program
WO2013073297A1 (en) * 2011-11-17 2013-05-23 日産自動車株式会社 Maximum distance prediction device, maximum distance prediction system, and maximum distance prediction method
JP2015194370A (en) * 2014-03-31 2015-11-05 日産自動車株式会社 Battery charging rate estimation device and battery charging rate estimation method

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112557922A (en) * 2020-11-24 2021-03-26 扬州亚星客车股份有限公司 Residual electric quantity prediction system and method for electric bus

Also Published As

Publication number Publication date
KR102015168B1 (en) 2019-08-27

Similar Documents

Publication Publication Date Title
KR102291222B1 (en) Prediction of battery power requirements for electric vehicles
US10415986B2 (en) Route-based distance to empty calculation for a vehicle
US9643511B2 (en) Method and apparatus for estimating state of charge (SOC) of battery in electric vehicle
Thibault et al. A unified approach for electric vehicles range maximization via eco-routing, eco-driving, and energy consumption prediction
US9616771B2 (en) Method of managing the energy consumed by an automotive vehicle and system implementing such a method
EP2933620B1 (en) System and method for estimating temperature of rotor of motor
JP7161912B2 (en) vehicle error identification system
KR102368286B1 (en) Method and apparatus for analysing data related to vehicle range estimation
Davis et al. Analysis of electric vehicle powertrain simulators for fuel consumption calculations
KR102015168B1 (en) Method and apparatus for estimating remaining range of electric vehicle
US9278628B2 (en) Method of managing the energy consumed by a mobile system, in particular a motor vehicle, on-board device implementing such a method
Divakarla et al. Journey mapping—a new approach for defining automotive drive cycles
Elwatidy et al. Energy needs estimation for smart autonomous bikes
KR102165989B1 (en) Method and apparatus of determining driving parameter of electric vehicle
Hegde et al. On quantifying the utility of look-ahead data for energy management
Zhao et al. Path-forecasting for HEV optimal energy management (POEM)
KR102382195B1 (en) Method and apparatus for estimating state of charge of electric vehicle battery
KR102173246B1 (en) Method of determining a driving parameter of an electric vehicle
KR102190029B1 (en) Method and apparatus of determining power train specification of an electric vehicle
KR20190131452A (en) Method and apparatus of determining a driving parameter of an electric vehicle
Väljaots et al. Unmanned ground vehicle SysML navigation model conducted by energy efficiency
KR20180038769A (en) Method And System of Range Prediction in vehicle
Gauchia et al. REV-cycle: A MATLAB-based tool for large-data analysis of real-life driving cycles for electric vehicles
Meshginqalam OPTIMAL SPEED PLANNING TO MINIMIZE ENERGY USE OF AUTONOMOUS BATTERY ELECTRIC AND FUEL CELL HYBRID ELECTRIC VEHICLES
Genç Data-driven model predictive control using road-based disturbance estimations in longitudinal driving of e-bike

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant