一种充电剩余时间的预测方法、装置及存储介质制造方法及图纸

本申请实施例提供一种充电剩余时间的预测方法、系统及存储介质，在车机侧该方法包括：获取车辆的网络状态信息；根据车辆与云端设备的网络状态，确定预测充电剩余时间的设备为车辆或云端设备，以使所述车辆或运动设备中的至少一个完成所述充电剩余时间的预测方法。本方案能够结合多模态预估充电剩余时间，不完全依赖本地车机中部署的充电剩余时间预测模型，不仅提升了计算结果获取效率，而且提高了计算结果精度。果精度。果精度。

【技术实现步骤摘要】
一种充电剩余时间的预测方法、装置及存储介质


[0001]本申请实施例涉及新能源汽车的电池
，具体涉及一种充电剩余时间的预测方法、系统及存储介质。

技术介绍

[0002]目前，新能源汽车(如电动汽车)的充电剩余时间预测模型一般都部署汽车本地的车机中。但是，如果单纯的依赖本地车机的CPU算力来计算电池组的充电剩余时间，不仅算力消耗过多，而且计算结果精度不高。而且本地车机中部署的充电剩余时间预测模型，后续迭代速度慢，不便于升级。

技术实现思路

[0003]本申请实施例提供一种充电剩余时间的预测方法、系统及存储介质，能够结合多模态预估充电剩余时间，不完全依赖本地车机中部署的充电剩余时间预测模型，不仅提升了计算结果获取效率，而且提高了计算结果精度。
[0004]第一方面，本申请实施例提供了一种充电剩余时间的预测方法，所述方法包括：
[0005]获取车辆的网络状态信息；
[0006]根据车辆与云端设备的网络状态，确定预测充电剩余时间的设备为车辆或云端设备，以使所述车辆或运动设备中的至少一个完成所述充电剩余时间的预测方法。
[0007]第二方面，本申请实施例还提供一种充电剩余时间的预测装置，所述充电剩余时间的预测装置包括：获取单元和处理单元；所述获取单元，用于获取车辆的网络状态信息；所述处理单元，用于根据车辆与云端设备的网络状态，确定预测充电剩余时间的设备为车辆或云端设备，以使所述车辆或运动设备中的至少一个完成所述充电剩余时间的预测方法。
[0008]第三方面，本申请实施例还提供了一种处理设备，包括处理器和存储器，存储器中存储有计算机程序，处理器调用存储器中的计算机程序时执行本申请第一方面中实施例提供的任一种充电剩余时间的预测方法中的步骤。
[0009]第四方面，本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有多条指令，指令适于处理器进行加载，以执行本申请第一方面中实施例提供的任一种充电剩余时间的预测方法中的步骤。
[0010]从以上内容可得出，本申请能够结合多模态预估充电剩余时间，不完全依赖本地车机中部署的充电剩余时间预测模型，不仅提升了计算结果获取效率，而且提高了计算结果精度。
附图说明
[0011]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于
本领域技术人员来讲，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他的附图。
[0012]图1是本申请中充电剩余时间的预测方法的一种流程示意图；
[0013]图2本申请中充电剩余时间预测系统的一种结构示意图；
[0014]图3是本申请处理设备的一种结构示意图。
具体实施方式
[0015]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0016]在以下的说明中，本申请的具体实施例将参考由一部或多部计算机所执行的步骤及符号来说明，除非另有述明。因此，这些步骤及操作将有数次提到由计算机执行，本申请实施例所指的计算机执行包括了由代表了以一结构化型式中的数据的电子信号的计算机处理单元的操作。此操作转换该数据或将其维持在该计算机的内存系统中的位置处，其可重新配置或另外以本领域测试人员所熟知的方式来改变该计算机的运作。该数据所维持的数据结构为该内存的实体位置，其具有由该数据格式所定义的特定特性。但是，本申请原理以上述文字来说明，其并不代表为一种限制，本领域测试人员将可了解到以下所述的多种步骤及操作亦可实施在硬件当中。
[0017]本申请的原理使用许多其它泛用性或特定目的运算、通信环境或组态来进行操作。所熟知的适合用于本申请的运算系统、环境与组态的范例可包括(但不限于)手持电话、个人计算机、服务器、多处理器系统、微电脑为主的系统、主架构型计算机、及分布式运算环境，其中包括了任何的上述系统或装置。
[0018]本申请中的术语“第一”、“第二”和“第三”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。
[0019]首先，在介绍本申请实施例之前，先介绍下本申请关于应用背景的相关内容。
[0020]本申请提供的充电剩余时间的预测方法的执行主体可以为本申请提供的车机(也可以理解为车辆)或云端设备，或者是服务器设备、物理主机、车载终端或者用户设备(User Equipment，UE)等处理设备，其中，车机或云端设备均可以采用硬件或者软件的方式实现，UE具体可以为智能手机、平板电脑、笔记本电脑、掌上电脑、台式电脑或者个人数字助理(Personal Digital Assitant， PDA)等终端设备。
[0021]下面，开始介绍本申请提供的充电剩余时间的预测方法。
[0022]参阅图1，图1示出了本申请充电剩余时间的预测方法的一种流程示意图，。本申请提供的方法，具体可包括如下步骤：
[0023]101、获取车辆的网络状态信息；
[0024]102、根据车辆与云端设备的网络状态，确定预测充电剩余时间的设备为车辆或云端设备，以使所述车辆或运动设备中的至少一个完成所述充电剩余时间的预测方法。
[0025]本申请实施例中，当检测到电动汽车已连接交流充电枪进行充电时，此时可以基于车辆或云端设备对充电剩余时间进行预测，从而估算出充满电所需时长。为了选择稳定
性更高且精度更高的预测方式，此时需要先判断车辆的当前网络信号是否正常以支持数据的上下行。若确定车机的车辆当前网络信号可以正常支持数据的上下行(例如可以获取车机与云端设备进行通讯的ping值，若该ping值未超出预设的ping阈值则可以正常支持数据的上下行，若该ping值超出预设的ping阈值则不可以支持数据的上下行)，则可以判定车辆当前网络信号是正常联网状态时，车机自动切换至云端预测模式，以将所获取的参数数据集上传至云端设备进行预测。若判定车辆当前网络信号是非正常联网状态时 (非正常联网状态是指ping值超出预设的ping阈值则不可以支持数据的上下行)，自动切换至本地预测模式。可见，可以基于车辆当前网络信号为正常联网状态时选择算力更强的云端预测模式，还可以基于车辆当前网络信号为非正常联网状态时选择本地预测模式。
[0026]示例性的，确定预测充电剩余时间的设备为云端设备时，步骤102包括：
[0027]向云端设备发送参数数据集，所述参数数据集至少包括电池剩余电量百分比、充电电流、充电电压、电池温度、电池健康度中的至少一个；
[0028]接收云端设备根据所述参数数据集进行预测运算得到所述充电剩余时间。
[0029]本申请实施例中，当选定了云端本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种充电剩余时间的预测方法，其特征在于，所述方法包括：获取车辆的网络状态信息；根据车辆与云端设备的网络状态，确定预测充电剩余时间的设备为车辆或云端设备，以使所述车辆或运动设备中的至少一个完成所述充电剩余时间的预测方法。2.根据权利要求1所述的方法，其特征在于，确定预测充电剩余时间的设备为云端设备时，所述方法还包括：向云端设备发送参数数据集，所述参数数据集至少包括电池剩余电量百分比、充电电流、充电电压、电池温度、电池健康度中的至少一个；接收云端设备根据所述参数数据集进行预测运算得到所述充电剩余时间。3.根据权利要求1所述的方法，其特征在于，确定预测充电剩余时间的设备为车辆时，所述方法还包括：获取参数数据集，将所述参数数据集输入至本地预测模型进行预测运算，得到充电剩余时间，并将所述充电剩余时间进行显示。4.根据权利要求1所述的方法，其特征在于，确定预测充电剩余时间的设备为车辆时，所述方法还包括：将所获取的参数数据集上传至车载智能终端；接收车载智能终端根据所述参数数据集进行终端预测运算得到的充电剩余时间，并将所述充电剩余时间进行显示。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：将所获取的参数数据集上传至车载智能终端，以由车载智能终端将所述参数数据集上传至云端设备；接收...

【专利技术属性】
技术研发人员：华飞，仇彬，杨静，蒙越，方绍伟，
申请(专利权)人：北京罗克维尔斯科技有限公司，
类型：发明
国别省市：