一种车辆续航里程的预测方法和装置制造方法及图纸

本发明专利技术公开了一种车辆续航里程的预测方法和装置，包括获取车辆在当前路段上的自车数据和环境数据；基于车辆行驶历史数据和当前位置获取车辆在当前路段上的第一剩余续航里程；将环境温度输入预置的电池放电模型中得到反映环境温度对电池放电能力影响的优化系数；根据优化系数和电池数据计算电池的实际输出功率；获取车辆在当前路段上的第二剩余续航里程；根据第一剩余续航里程和第二剩余续航里程的权重影响进行车辆的续航里程预测。本发明专利技术实施例提供的车辆续航里程的预测方法和装置，通过对历史数据和电池放电能力进行双重分析，综合考虑了历史数据和环境温度对车辆续航能力的影响，从而提高了车辆续航里程的准确度，推进了车辆的智能化进程。进了车辆的智能化进程。进了车辆的智能化进程。

【技术实现步骤摘要】
一种车辆续航里程的预测方法和装置


[0001]本专利技术涉及车辆续航
，尤其是涉及一种车辆续航里程的预测方法和装置。

技术介绍

[0002]随着新能源技术的不断发展，电动汽车以其起步快、零排放、噪声小、能耗低等诸多优点，逐渐受到市场的认可与消费者的青睐。
[0003]电动汽车的续航里程是整车控制的重要内容，驾驶员需要通过查看电动汽车仪表显示的续航里程进行出行计划，以避免电动汽车在行驶过程中因能源耗尽而停止，因此，如何精准预测车辆的续航里程，已成为本领域技术人员所要亟待解决的技术问题。

技术实现思路

[0004]本专利技术提供一种车辆续航里程的预测方法和装置，通过对历史数据和电池放电能力进行双重分析，综合考量历史数据和环境温度对车辆续航能力的影响，从而提高了车辆续航里程的准确度，推进了车辆的智能化进程。
[0005]为了解决上述技术问题，本专利技术实施例提供了一种车辆续航里程的预测方法，包括：
[0006]获取车辆在当前路段上的自车数据和环境数据，其中，所述自车数据包括电池数据、车速数据和转矩数据，所述环境数据包括当前位置和环境温度；
[0007]基于预存在大数据平台上的车辆行驶历史数据和所述当前位置，获取车辆在当前路段上的第一剩余续航里程；
[0008]将所述环境温度输入预置的电池放电模型中，得到反映环境温度对电池放电能力影响的优化系数；
[0009]根据所述优化系数和所述电池数据计算电池的实际输出功率；
[0010]基于所述实际输出功率、所述车速数据和所述转矩数据，获取车辆在当前路段上的第二剩余续航里程；
[0011]根据所述第一剩余续航里程和所述第二剩余续航里程的权重影响，进行车辆的续航里程预测。
[0012]作为其中一种优选方案，所述基于预存在大数据平台上的车辆行驶历史数据和所述当前位置，获取车辆在当前路段上的第一剩余续航里程，具体包括：
[0013]对所述车辆行驶历史数据进行预处理，所述预处理包括数据清洗、数据缺失填充处理、标准化和归一化处理；
[0014]根据预处理后的所述车辆行驶历史数据，得到当前路段剩余里程和位置之间的对应表；
[0015]将所述当前位置输入至所述对应表中，得到车辆在当前路段上的第一剩余续航里程。
[0016]作为其中一种优选方案，所述预处理还包括降维处理；
[0017]所述对所述车辆行驶历史数据进行预处理，具体包括：
[0018]依次对所述车辆行驶历史数据进行数据清洗、数据缺失填充处理、标准化和归一化处理；
[0019]基于皮尔逊相关系数分析技术，对归一化处理后的所述车辆行驶历史数据进行降维处理；
[0020]筛选出皮尔逊系数小于第一设定值的车辆行驶历史数据，作为降维后的车辆行驶历史数据。
[0021]作为其中一种优选方案，所述预置的电池放电模型，通过下述方法构建：
[0022]获取由不同温度及每一温度对应的电池放电效率比值构成的样本集；
[0023]基于神经网络模型技术和深度森林学习算法，对所述样本集进行训练；
[0024]在得到训练后的输出结果后，对所述输出结果进行测试；
[0025]根据测试结果，对应构建所述电池放电模型。
[0026]作为其中一种优选方案，所述根据所述第一剩余续航里程和所述第二剩余续航里程的权重影响，进行车辆的续航里程预测，具体包括：
[0027]将所述第一剩余续航里程和所述第二剩余续航里程输入至预设的续航里程加权计算式中，计算得到车辆的续航里程；
[0028]所述续航里程加权计算式为：
[0029]P＝ρ
×
F1+μ
×
F2
[0030]其中，P为车辆的续航里程，ρ为历史数据影响系数，ρ＝0.37，F1为第一剩余续航里程，μ为环境温度影响系数，μ＝0.63，F2为第二剩余续航里程。
[0031]本专利技术另一实施例提供了一种车辆续航里程的预测装置，包括：
[0032]数据获取模块，用于获取车辆在当前路段上的自车数据和环境数据，其中，所述自车数据包括电池数据、车速数据和转矩数据，所述环境数据包括当前位置和环境温度；
[0033]第一剩余续航里程模块，用于基于预存在大数据平台上的车辆行驶历史数据和所述当前位置，获取车辆在当前路段上的第一剩余续航里程；
[0034]优化系数模块，用于将所述环境温度输入预置的电池放电模型中，得到反映环境温度对电池放电能力影响的优化系数；
[0035]输出功率模块，用于根据所述优化系数和所述电池数据计算电池的实际输出功率；
[0036]第二剩余续航里程模块，用于基于所述实际输出功率、所述车速数据和所述转矩数据，获取车辆在当前路段上的第二剩余续航里程；
[0037]续航里程预测模块，用于根据所述第一剩余续航里程和所述第二剩余续航里程的权重影响，进行车辆的续航里程预测。
[0038]作为其中一种优选方案，所述基于预存在大数据平台上的车辆行驶历史数据和所述当前位置，获取车辆在当前路段上的第一剩余续航里程，具体包括：
[0039]对所述车辆行驶历史数据进行预处理，所述预处理包括数据清洗、数据缺失填充处理、标准化和归一化处理；
[0040]根据预处理后的所述车辆行驶历史数据，得到当前路段剩余里程和位置之间的对
应表；
[0041]将所述当前位置输入至所述对应表中，得到车辆在当前路段上的第一剩余续航里程。
[0042]作为其中一种优选方案，所述预处理还包括降维处理；
[0043]所述对所述车辆行驶历史数据进行预处理，具体包括：
[0044]依次对所述车辆行驶历史数据进行数据清洗、数据缺失填充处理、标准化和归一化处理；
[0045]基于皮尔逊相关系数分析技术，对归一化处理后的所述车辆行驶历史数据进行降维处理；
[0046]筛选出皮尔逊系数小于第一设定值的车辆行驶历史数据，作为降维后的车辆行驶历史数据。
[0047]作为其中一种优选方案，所述预置的电池放电模型，通过下述方法构建：
[0048]获取由不同温度及每一温度对应的电池放电效率比值构成的样本集；
[0049]基于神经网络模型技术和深度森林学习算法，对所述样本集进行训练；
[0050]在得到训练后的输出结果后，对所述输出结果进行测试；
[0051]根据测试结果，对应构建所述电池放电模型。
[0052]作为其中一种优选方案，所述根据所述第一剩余续航里程和所述第二剩余续航里程的权重影响，进行车辆的续航里程预测，具体包括：
[0053]将所述第一剩余续航里程和所述第二剩余续航里程输入至预设的续航里程加权计算式中，计算得到车辆的续航里程；
[0054]所述续航里程加权计算式为：
[0055]P＝ρ
×
F1+μ
×
F2
[0056]其中，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆续航里程的预测方法，其特征在于，包括：获取车辆在当前路段上的自车数据和环境数据，其中，所述自车数据包括电池数据、车速数据和转矩数据，所述环境数据包括当前位置和环境温度；基于预存在大数据平台上的车辆行驶历史数据和所述当前位置，获取车辆在当前路段上的第一剩余续航里程；将所述环境温度输入预置的电池放电模型中，得到反映环境温度对电池放电能力影响的优化系数；根据所述优化系数和所述电池数据计算电池的实际输出功率；基于所述实际输出功率、所述车速数据和所述转矩数据，获取车辆在当前路段上的第二剩余续航里程；根据所述第一剩余续航里程和所述第二剩余续航里程的权重影响，进行车辆的续航里程预测。2.如权利要求1所述的车辆续航里程的预测方法，其特征在于，所述基于预存在大数据平台上的车辆行驶历史数据和所述当前位置，获取车辆在当前路段上的第一剩余续航里程，具体包括：对所述车辆行驶历史数据进行预处理，所述预处理包括数据清洗、数据缺失填充处理、标准化和归一化处理；根据预处理后的所述车辆行驶历史数据，得到当前路段剩余里程和位置之间的对应表；将所述当前位置输入至所述对应表中，得到车辆在当前路段上的第一剩余续航里程。3.如权利要求2所述的车辆续航里程的预测方法，其特征在于，所述预处理还包括降维处理；所述对所述车辆行驶历史数据进行预处理，具体包括：依次对所述车辆行驶历史数据进行数据清洗、数据缺失填充处理、标准化和归一化处理；基于皮尔逊相关系数分析技术，对归一化处理后的所述车辆行驶历史数据进行降维处理；筛选出皮尔逊系数小于第一设定值的车辆行驶历史数据，作为降维后的车辆行驶历史数据。4.如权利要求1所述的车辆续航里程的预测方法，其特征在于，所述预置的电池放电模型，通过下述方法构建：获取由不同温度及每一温度对应的电池放电效率比值构成的样本集；基于神经网络模型技术和深度森林学习算法，对所述样本集进行训练；在得到训练后的输出结果后，对所述输出结果进行测试；根据测试结果，对应构建所述电池放电模型。5.如权利要求1所述的车辆续航里程的预测方法，其特征在于，所述根据所述第一剩余续航里程和所述第二剩余续航里程的权重影响，进行车辆的续航里程预测，具体包括：将所述第一剩余续航里程和所述第二剩余续航里程输入至预设的续航里程加权计算式中，计算得到车辆的续航里程；
所述续航里程加权计算式为：P＝ρ
×
F1+μ
×
F2其中，P为车辆的续航里程，ρ为历史数据影响系数，ρ＝0.37，F1为第一剩余续航里程，μ为环境温度影响系数，μ＝0.63，F2为第二剩余续航里程。6.一种车辆续航里程的预测装置，其特征在于，包括：数据获取模块，用于获取...

【专利技术属性】
技术研发人员：黄莉，邓晨，冉光伟，刘耘，欧芫希，徐沁梅，陈德华，陈新，许好沂，董心慈，舒选才，
申请(专利权)人：星河智联汽车科技有限公司，
类型：发明
国别省市：