CN112231879A - 功率预估方法、装置、电动汽车、电子设备和存储介质 - Google Patents
功率预估方法、装置、电动汽车、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112231879A CN112231879A CN201910563472.0A CN201910563472A CN112231879A CN 112231879 A CN112231879 A CN 112231879A CN 201910563472 A CN201910563472 A CN 201910563472A CN 112231879 A CN112231879 A CN 112231879A
- Authority
- CN
- China
- Prior art keywords
- gray prediction
- battery pack
- current
- output
- prediction sequence
- 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 51
- 238000007599 discharging Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 230000005236 sound signal Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 208000012260 Accidental injury Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000002087 whitening effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Economics (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Water Supply & Treatment (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Algebra (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Secondary Cells (AREA)
Abstract
本公开涉及一种功率预估方法、装置、电动汽车、电子设备和存储介质,能够准确预估整车未来需求功率。一种功率预估方法,包括:在整车处于纯电动模式的情况下,实时接收电池组的输出电流值和输出电压值;基于最新的n个所述输出电压值和最新的m个所述输出电流值来分别建立电压灰色预测序列和电流灰色预测序列;利用所述电压灰色预测序列和所述电流灰色预测序列,分别预测所述电池组在下一时刻的输出电压值和输出电流值;利用所预测的所述电池组在下一时刻的输出电压值和输出电流值,预测整车在下一时刻的需求功率。
Description
技术领域
本公开涉及车辆领域,具体地,涉及一种功率预估方法、装置、电动汽车、电子设备和存储介质。
背景技术
为实现在电池不过放的情况下,满足电动(Electric Vehicle,EV)或混合动力(Hybrid Electric Vehicle,HEV)汽车启动,加速,爬坡以及制动回馈,快速充电等方面的功率需求,以及实现HEV中发动机功率与电机功率的最优分配,电池功率状态(State ofPower,SOP)估算和SOP预估精度至关重要。然而,目前还没有一种有效的方法能够准确地预估整车未来需求功率。
发明内容
本公开的目的是提供一种功率预估方法、装置、电动汽车、电子设备和存储介质,能够准确地预估整车未来需求功率。
根据本公开的第一实施例,提供一种功率预估方法,该方法包括:在整车处于纯电动模式的情况下,实时接收电池组的输出电流值和输出电压值;基于最新的n个所述输出电压值和最新的m个所述输出电流值来分别建立电压灰色预测序列和电流灰色预测序列;利用所述电压灰色预测序列和所述电流灰色预测序列,分别预测所述电池组在下一时刻的输出电压值和输出电流值;利用所预测的所述电池组在下一时刻的输出电压值和输出电流值,预测整车在下一时刻的需求功率。
可选地,所述基于最新的n个所述输出电压值和最新的m个所述输出电流值来分别建立电压灰色预测序列和电流灰色预测序列,包括:利用滑窗方法来选择最新的n个所述输出电压值和最新的m个所述输出电流值;以及基于所选择的最新的n个所述输出电压值和最新的m个所述输出电流值来分别建立所述电压灰色预测序列和所述电流灰色预测序列。
可选地,所述利用所述电压灰色预测序列和所述电流灰色预测序列,分别预测所述电池组在下一时刻的输出电压值和输出电流值,包括:利用所述电压灰色预测序列和所述电流灰色预测序列,分别建立电压灰色预测模型和电流灰色预测模型;利用所建立的电压灰色预测模型和电流灰色预测模型,分别预测所述电池组在下一时刻的输出电压值和输出电流值。
可选地,所述方法还包括:在所预测的整车在下一时刻的需求功率大于所述电池组的当前最大允许放电功率的情况下,发送发动机启动请求以使整车进入混合动力模式。
可选地,所述方法还包括:在所预测的整车在下一时刻的需求功率大于所述电池组的当前最大允许放电功率的预设百分比的情况下,发送发动机启动请求以使整车进入混合动力模式。
根据本公开的第二实施例,提供一种功率预估装置,该装置包括:接收模块,用于在整车处于纯电动模式的情况下,实时接收电池组的输出电流值和输出电压值;灰色预测序列建立模块,用于基于最新的n个所述输出电压值和最新的m个所述输出电流值来分别建立电压灰色预测序列和电流灰色预测序列;灰色预测模块,用于利用所述电压灰色预测序列和所述电流灰色预测序列,分别预测所述电池组在下一时刻的输出电压值和输出电流值;需求功率预测模块,用于利用所预测的所述电池组在下一时刻的输出电压值和输出电流值,预测整车在下一时刻的需求功率。
可选地,所述灰色预测序列建立模块包括:选择子模块,用于利用滑窗方法来选择最新的n个所述输出电压值和最新的m个所述输出电流值;以及灰色预测序列建立子模块,用于基于所选择的最新的n个所述输出电压值和最新的m个所述输出电流值来分别建立所述电压灰色预测序列和所述电流灰色预测序列。
可选地,所述灰色预测模块包括:灰色预测模型建立子模块,用于利用所述电压灰色预测序列和所述电流灰色预测序列,分别建立电压灰色预测模型和电流灰色预测模型;灰色预测子模块,用于利用所建立的电压灰色预测模型和电流灰色预测模型,分别预测所述电池组在下一时刻的输出电压值和输出电流值。
可选地,所述装置还包括:发送模块,用于在所预测的整车在下一时刻的需求功率大于所述电池组的当前最大允许放电功率的情况下,发送发动机启动请求以使整车进入混合动力模式。
可选地,所述装置还包括:发送模块,用于在所预测的整车在下一时刻的需求功率大于所述电池组的当前最大允许放电功率的预设百分比的情况下,发送发动机启动请求以使整车进入混合动力模式。
根据本公开的第三实施例,提供一种车辆,该车辆包括根据本公开第二实施例所述的功率预估装置。
根据本公开的第四实施例,提供一种电子设备,包括:存储器,用于存储可执行程序代码;处理器,用于通过读取所述存储器中存储的所述可执行程序代码来运行与所述可执行程序代码对应的程序,以用于实现根据本公开第一实施例所述的功率预估方法。
根据本公开的第五实施例,提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现根据本公开第一实施例所述的功率预估方法。
通过采用上述技术方案,由于利用灰色预测序列来预测电池组在下一时刻的输出电压值和输出电流值,然后利用所预测的电池组在下一时刻的输出电压值和输出电流值来预测整车在下一时刻的需求功率,因此实现了对整车未来需求功率的准确预估。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本公开,但并不构成对本公开的限制。在附图中:
图1示出根据本公开一种实施例的功率预估方法的流程图。
图2示出滑窗方法示意图。
图3示出了根据本公开一种实施例的功率预估方法的又一流程图。
图4示出根据本公开一种实施例的功率预估装置的示意框图。
图5示出根据本公开一种实施例的功率预估装置的又一示意框图。
图6是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本公开,并不用于限制本公开。
图1示出根据本公开一种实施例的功率预估方法的流程图,该方法可以由车辆的电池管理***(Battery Management System,BMS)来实施。如图1所示,该方法包括以下步骤S11至S14。
在步骤S11中,在整车处于纯电动模式的情况下,实时接收电池组的输出电流值和输出电压值。
其中,在整车处于EV模式的情况下,车辆上的采集模块会实时采集电池组的输出电流值I(m)和输出电压值U(m),该采集模块可以与车辆的电池管理***相分离,也可以集成在电池管理***中。当采集模块与电池管理***相分离时,电池管理***可以通过控制器局域网(Controller Area Network,CAN)总线来获取采集模块采集到的实时输出电流值和输出电压值。
在步骤S12中,基于最新的n个所述输出电压值和最新的m个所述输出电流值来分别建立电压灰色预测序列U(0)和电流灰色预测序列I(0)。
这里,n和m可以相等,也可以不等。
电压灰色预测序列U(0)是用来预测电池组在下一时刻的输出电压值的灰色预测序列,电流灰色预测序列I(0)是用来预测电池组在下一时刻的输出电流值的灰色预测序列。
从到k时刻为止已经实时接收到的电池组的输出电流值中选出最新的m个非负的输出电流值,从到k时刻为止已经实时接收到的电池组的输出电压值中选出最新的n个非负的输出电压值,则建立的电压灰色预测序列和电流灰色预测序列分别为:
其中,I(0)(i)≥0,U(0)(j)≥0,i=1,2,…,m-1,m,j=1,2,…,n-1,n。
在步骤S13中,利用所述电压灰色预测序列和所述电流灰色预测序列,分别预测所述电池组在下一时刻的输出电压值和输出电流值。
在步骤S14中,利用所预测的所述电池组在下一时刻的输出电压值和输出电流值,预测整车在下一时刻的需求功率。
假设步骤S13中预估的下一时刻的输出电压值和输出电流值分别为Ik+1和Uk+1,则通过将预估的下一时刻的输出电压值Uk+1和输出电流值Ik+1相乘,即可预估整车在下一时刻的需求功率为Pk+1=Ik+1·Uk+1。
需要说明的是,步骤S11中实时接收到的电池组的输出电流值与相对应的输出电压值的乘积是电池组为满足整车功率需求而实际输出的功率,因此分别基于最新的n个输出电压值和最新的m个输出电流值所预估的电池组在下一时刻的输出电压值Uk+1和输出电流值Ik+1的乘积,实际上也就是在下一时刻电池组为满足整车功率需求所应当输出的功率。因此,预估出了电池组在下一时刻为满足整车功率需求所应当输出的功率,也就相当于预估出了整车在下一时刻的需求功率。
通过采用上述技术方案,由于利用灰色预测序列来预测电池组在下一时刻的输出电压值和输出电流值,然后利用所预测的电池组在下一时刻的输出电压值和输出电流值来预测电池组下一时刻需要输出的功率作为整车下一时刻的输出功率,也就是整车在下一时刻的需求功率,因此实现了对整车未来需求功率的准确预估,功率预测结果不受工况、温度、荷电状态及衰减等因素的耦合影响,能够确保功率预估的精度,而且还能够减小计算量,加快功率预估时的运算速度,实用性强。
本公开基于灰色预测模型,利用灰色预测序列建立灰色预测模型来预测电池组在下一时刻的输出电压值和输出电流值。也即,利用所述电压灰色预测序列和所述电流灰色预测序列,分别建立电压灰色预测模型和电流灰色预测模型;然后利用所建立的电压灰色预测模型和电流灰色预测模型,分别预测所述电池组在下一时刻的输出电压值和输出电流值。
以下以灰色预测模型是GM(1,1)预测模型为例来说明如何预测电池组在下一时刻的输出电压值和输出电流值。GM(1,1)预测模型表示1阶的、1个变量的微分方程模型。另外,由于用于预测下一时刻的输出电流值的GM(1,1)预测模型与用于预测下一时刻的输出电压值的GM(1,1)预测模型的原理及方法相似,所以这里以用于预测下一时刻的输出电流值的GM(1,1)预测模型为例进行阐述。
Z(1)=(z(1)(2),z(1)(3),…,z(1)(m)) (4)
则通过最小二乘法对以下GM(1,1)预测模型进行求解:
得到以下参数:
将时间响应序列还原,获得下一时刻的输出电流值的GM(1,1)灰色预测模型表达式为:
其中,-a为发展系数,b为灰色作用量。
根据式(11)的GM(1,1)电流灰色预测模型即可预估k+1时刻的输出电流值Ik+1。
另外,用于预测下一时刻电池组的输出电流值和输出电压值的GM(1,1)预测模型,最少只用4个数据点(也即电流灰色预测序列只需包括4个最新的输出电流值,电压灰色预测序列只需包括4个最新的输出电压值)就可进行灰色建模,建模简单,存储空间小。
在一种实施方式中,步骤S12中所述的基于最新的n个所述输出电压值和最新的m个所述输出电流值来分别建立电压灰色预测序列和电流灰色预测序列,包括:利用滑窗方法来选择最新的n个所述输出电压值和最新的m个所述输出电流值;以及基于所选择的最新的n个所述输出电压值和最新的m个所述输出电流值来分别建立所述电压灰色预测序列和所述电流灰色预测序列。利用滑窗方法来选择最新的输出电压值和输出电流值,跟踪能力高,可实时更新电流和电压值,准确度强,运算方便,实用性强。
由于利用滑窗方法来建立电流灰色预测序列和电压灰色预测序列的原理和方法是一样的,所以这里以建立电流灰色预测序列为例并结合图2所示的滑窗方法示意图来阐述滑窗方法。
如图2所示,假设在k时刻建立的窗口大小为m的电流灰色预测序列为这里的窗口大小m可以根据实际情况进行取值,不做限定。当k+1时刻的实时输出电流值I(0)(m+1)被采集到之后,通过滑窗方法更新电流灰色预测序列,也即在电流灰色预测序列中增加最新的输出电流值I(0)(m+1),同时去除电流灰色预测序列中最老的输出电流值I(0)(1),即可得到更新后的电流灰色预测序列这样,就能够随着采集到的输出电流值的更新,通过滑窗方法来实时更新电流灰色预测序列,使得根据本公开实施例的功率预估方法的运算速度快,跟踪能力强,实现了自适应预测的功能。
本申请的发明人还发现:现有插电式混合动力汽车在EV模式下行驶时,若电池组的当前最大允许放电功率不足,则从发动机启动到整车控制器(Vehicle Control Unit,VCU)重新向发动机和电机分配输出功率期间,存在整车功率输出滞后现象,导致整车动力卡顿,用户体验差等问题。例如,在高速上,整车以EV模式行驶,当驾驶员想要实现超车,在超车的过程中电池组的当前最大允许放电功率不足请求起动发动机,由于起动发动机和VCU根据发动机的介入重新给电机和发动机分配输出功率需要时间,所以导致车辆短暂出现加速迟滞现象,使整车加速特性差,而且有可能造成严重的意外伤害。
为了解决上述问题,图3示出了根据本公开一种实施例的功率预估方法的又一流程图。如图3所示,在图1的基础上,该方法还可以包括步骤S15:在所预测的整车在下一时刻的需求功率大于所述电池组的当前最大允许放电功率的情况下,发送发动机启动请求以使整车进入混合动力模式。在本公开中,电池组的当前最大允许放电功率是在不同荷电状态(State of Charge,SOC)和温度下标定电池组所能允许的最大放电电流与电池组电压的乘积,其可以被预先存储在车辆中,并在需要时通过查表的方式获得,当然也可以在需要时利用电池组的当前SOC和温度来实时计算电池组的当前最大允许放电功率。预测的整车在下一时刻的需求功率大于电池组的当前最大允许放电功率,说明在下一时刻电池组需要输出的功率已经超出了其最大允许放电功率,因此,在这种情况下,电池管理***会向VCU发送发动机启动请求,使得能够在电池组不能提供满足整车未来需求功率的输出功率之前提前启动发动机,使发动机提前介入,加快VCU对电机和发动机进行功率分配,有效解决EV模式下在电池组的最大允许放电功率不足的情况下启动发动机导致的整车动力卡顿等现象,改善了插电式混合动力汽车的功率表现。
进一步地,若所预测的整车在下一时刻的需求功率小于电池组的当前最大允许放电功率,则不发送发动机启动请求,整车将继续保持EV模式行驶。
当然,根据本公开实施例的功率预估方法也可以在所预测的整车在下一时刻的需求功率大于所述电池组的当前最大允许放电功率的预设百分比(例如85%以上)的情况下,发送发动机启动请求以使整车进入混合动力模式。预测的整车在下一时刻的需求功率大于所述电池组的当前最大允许放电功率的预设百分比,说明在下一时刻,电池组仍然能够输出满足整车未来功率需求的输出功率,但是电池组在下一时刻所能输出的功率也已经处于电池组最大允许放电功率的边缘了,所以在这种情况下提前启动发动机,能够更好地改善前述的整车动力卡顿等现象。
进一步地,若所预测的整车在下一时刻的需求功率小于电池组的当前最大允许放电功率的预设百分比(例如85%以上),则不发送发动机启动请求,整车将继续保持EV模式行驶。
图4示出根据本公开一种实施例的功率预估装置的示意框图,该功率预估装置可以由电池管理***来实现。如图4所示,该功率预估装置包括:接收模块41,用于在整车处于纯电动模式的情况下,实时接收电池组的输出电流值和输出电压值;灰色预测序列建立模块42,用于基于最新的n个所述输出电压值和最新的m个所述输出电流值来分别建立电压灰色预测序列和电流灰色预测序列;灰色预测模块43,用于利用所述电压灰色预测序列和所述电流灰色预测序列,分别预测所述电池组在下一时刻的输出电压值和输出电流值;需求功率预测模块44,用于利用所预测的所述电池组在下一时刻的输出电压值和输出电流值,预测整车在下一时刻的需求功率。
通过采用上述技术方案,由于利用灰色预测序列来预测电池组在下一时刻的输出电压值和输出电流值,然后利用所预测的电池组在下一时刻的输出电压值和输出电流值来预测电池组下一时刻需要输出的功率作为整车下一时刻的输出功率,也就是整车在下一时刻的需求功率,因此实现了对整车未来需求功率的准确预估,功率预测结果不受工况、温度、荷电状态及衰减等因素的耦合影响,能够确保功率预估的精度,而且还能够减小计算量,加快功率预估时的运算速度,实用性强。
可选地,所述灰色预测序列建立模块42包括:选择子模块,用于利用滑窗方法来选择最新的n个所述输出电压值和最新的m个所述输出电流值;以及灰色预测序列建立子模块,用于基于所选择的最新的n个所述输出电压值和最新的m个所述输出电流值来分别建立所述电压灰色预测序列和所述电流灰色预测序列。
可选地,所述灰色预测模块43包括:灰色预测模型建立子模块,用于利用所述电压灰色预测序列和所述电流灰色预测序列,分别建立电压灰色预测模型和电流灰色预测模型;灰色预测子模块,用于利用所建立的电压灰色预测模型和电流灰色预测模型,分别预测所述电池组在下一时刻的输出电压值和输出电流值。
图5示出根据本公开一种实施例的功率预估装置的又一示意框图,如图5所示,在图4的基础上,所述功率预估装置还包括:发送模块45,用于在所预测的整车在下一时刻的需求功率大于所述电池组的当前最大允许放电功率的情况下,发送发动机启动请求以使整车进入混合动力模式。
可选地,所述发送模块,也可以用于在所预测的整车在下一时刻的需求功率大于所述电池组的当前最大允许放电功率的预设百分比的情况下,发送发动机启动请求以使整车进入混合动力模式。
根据本公开实施例的功率预估装置所包括的各个模块所执行的操作的具体实施方式已经在根据本公开实施例的功率预估方法中进行了详细描述,此处不再赘述。
根据本公开的又一实施例,提供一种电动汽车,包括前面描述的根据本公开实施例的功率预估装置。该电动汽车优选为插电式电动汽车。
通过采用上述技术方案,由于利用灰色预测序列来预测电池组在下一时刻的输出电压值和输出电流值,然后利用所预测的电池组在下一时刻的输出电压值和输出电流值来预测电池组下一时刻需要输出的功率作为整车下一时刻的输出功率,也就是整车在下一时刻的需求功率,因此实现了对整车未来需求功率的准确预估,功率预测结果不受工况、温度、荷电状态及衰减等因素的耦合影响,能够确保功率预估的精度,而且还能够减小计算量,加快功率预估时的运算速度,实用性强。
图6是根据一示例性实施例示出的一种电子设备700的框图。如图6所示,该电子设备700可以包括:处理器701,存储器702。该电子设备700还可以包括多媒体组件703,输入/输出(I/O)接口704,以及通信组件705中的一者或多者。
其中,处理器701用于控制该电子设备700的整体操作,以完成上述的功率预估方法中的全部或部分步骤。存储器702用于存储各种类型的数据以支持在该电子设备700的操作,这些数据例如可以包括用于在该电子设备700上操作的任何应用程序或方法的指令,以及应用程序相关的数据,例如联系人数据、收发的消息、图片、音频、视频等等。该存储器702可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。多媒体组件703可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器702或通过通信组件705发送。音频组件还包括至少一个扬声器,用于输出音频信号。I/O接口704为处理器701和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件705用于该电子设备700与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(Near FieldCommunication,简称NFC),2G、3G或4G,或它们中的一种或几种的组合,因此相应的该通信组件705可以包括:Wi-Fi模块,蓝牙模块,NFC模块。
在一示例性实施例中,电子设备700可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit,简称ASIC)、数字信号处理器(DigitalSignal Processor,简称DSP)、数字信号处理设备(Digital Signal Processing Device,简称DSPD)、可编程逻辑器件(Programmable Logic Device,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的功率预估方法。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的功率预估方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器702,上述程序指令可由电子设备700的处理器701执行以完成上述的功率预估方法。
以上结合附图详细描述了本公开的优选实施方式,但是,本公开并不限于上述实施方式中的具体细节,在本公开的技术构思范围内,可以对本公开的技术方案进行多种简单变型,这些简单变型均属于本公开的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本公开对各种可能的组合方式不再另行说明。
此外,本公开的各种不同的实施方式之间也可以进行任意组合,只要其不违背本公开的思想,其同样应当视为本公开所公开的内容。
Claims (13)
1.一种功率预估方法,其特征在于,该方法包括:
在整车处于纯电动模式的情况下,实时接收电池组的输出电流值和输出电压值;
基于最新的n个所述输出电压值和最新的m个所述输出电流值来分别建立电压灰色预测序列和电流灰色预测序列;
利用所述电压灰色预测序列和所述电流灰色预测序列,分别预测所述电池组在下一时刻的输出电压值和输出电流值;以及
利用所预测的所述电池组在下一时刻的输出电压值和输出电流值,预测整车在下一时刻的需求功率。
2.根据权利要求1所述的方法,其特征在于,所述基于最新的n个所述输出电压值和最新的m个所述输出电流值来分别建立电压灰色预测序列和电流灰色预测序列,包括:
利用滑窗方法来选择最新的n个所述输出电压值和最新的m个所述输出电流值;以及
基于所选择的最新的n个所述输出电压值和最新的m个所述输出电流值来分别建立所述电压灰色预测序列和所述电流灰色预测序列。
3.根据权利要求1所述的方法,其特征在于,所述利用所述电压灰色预测序列和所述电流灰色预测序列,分别预测所述电池组在下一时刻的输出电压值和输出电流值,包括:
利用所述电压灰色预测序列和所述电流灰色预测序列,分别建立电压灰色预测模型和电流灰色预测模型;
利用所建立的电压灰色预测模型和电流灰色预测模型,分别预测所述电池组在下一时刻的输出电压值和输出电流值。
4.根据权利要求1至3中任一权利要求所述的方法,其特征在于,所述方法还包括:
在所预测的整车在下一时刻的需求功率大于所述电池组的当前最大允许放电功率的情况下,发送发动机启动请求以使整车进入混合动力模式。
5.根据权利要求1至3中任一权利要求所述的方法,其特征在于,所述方法还包括:
在所预测的整车在下一时刻的需求功率大于所述电池组的当前最大允许放电功率的预设百分比的情况下,发送发动机启动请求以使整车进入混合动力模式。
6.一种功率预估装置,其特征在于,该装置包括:
接收模块,用于在整车处于纯电动模式的情况下,实时接收电池组的输出电流值和输出电压值;
灰色预测序列建立模块,用于基于最新的n个所述输出电压值和最新的m个所述输出电流值来分别建立电压灰色预测序列和电流灰色预测序列;
灰色预测模块,用于利用所述电压灰色预测序列和所述电流灰色预测序列,分别预测所述电池组在下一时刻的输出电压值和输出电流值;
需求功率预测模块,用于利用所预测的所述电池组在下一时刻的输出电压值和输出电流值,预测整车在下一时刻的需求功率。
7.根据权利要求6所述的装置,其特征在于,所述灰色预测序列建立模块包括:
选择子模块,用于利用滑窗方法来选择最新的n个所述输出电压值和最新的m个所述输出电流值;以及
灰色预测序列建立子模块,用于基于所选择的最新的n个所述输出电压值和最新的m个所述输出电流值来分别建立所述电压灰色预测序列和所述电流灰色预测序列。
8.根据权利要求6所述的装置,其特征在于,所述灰色预测模块包括:
灰色预测模型建立子模块,用于利用所述电压灰色预测序列和所述电流灰色预测序列,分别建立电压灰色预测模型和电流灰色预测模型;
灰色预测子模块,用于利用所建立的电压灰色预测模型和电流灰色预测模型,分别预测所述电池组在下一时刻的输出电压值和输出电流值。
9.根据权利要求6至8中任一权利要求所述的装置,其特征在于,所述装置还包括:
发送模块,用于在所预测的整车在下一时刻的需求功率大于所述电池组的当前最大允许放电功率的情况下,发送发动机启动请求以使整车进入混合动力模式。
10.根据权利要求6至8中任一权利要求所述的装置,其特征在于,所述装置还包括:
发送模块,用于在所预测的整车在下一时刻的需求功率大于所述电池组的当前最大允许放电功率的预设百分比的情况下,发送发动机启动请求以使整车进入混合动力模式。
11.一种电动汽车,其特征在于,该电动汽车包括根据权利要求6至10中任一权利要求所述的功率预估装置。
12.一种电子设备,其特征在于,包括:
存储器,用于存储可执行程序代码;
处理器,用于通过读取所述存储器中存储的所述可执行程序代码来运行与所述可执行程序代码对应的程序,以用于实现如权利要求1-5中任一权利要求所述的功率预估方法。
13.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-5中任一权利要求所述的功率预估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910563472.0A CN112231879A (zh) | 2019-06-26 | 2019-06-26 | 功率预估方法、装置、电动汽车、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910563472.0A CN112231879A (zh) | 2019-06-26 | 2019-06-26 | 功率预估方法、装置、电动汽车、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112231879A true CN112231879A (zh) | 2021-01-15 |
Family
ID=74110938
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910563472.0A Pending CN112231879A (zh) | 2019-06-26 | 2019-06-26 | 功率预估方法、装置、电动汽车、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112231879A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100280737A1 (en) * | 2009-04-29 | 2010-11-04 | Chris Scott Ewert | Engine Control Device and Method for a Hybrid Vehicle |
CN102358190A (zh) * | 2011-09-08 | 2012-02-22 | 重庆长安汽车股份有限公司 | 一种基于公里电耗的纯电动汽车剩余里程估算方法 |
CN107957562A (zh) * | 2018-01-05 | 2018-04-24 | 广西大学 | 一种锂离子电池剩余寿命在线预测方法 |
CN108773371A (zh) * | 2018-06-13 | 2018-11-09 | 北京长城华冠汽车科技股份有限公司 | 混合动力车辆的驱动分配方法和混合动力车辆 |
CN108845273A (zh) * | 2018-08-30 | 2018-11-20 | 北京经纬恒润科技有限公司 | 一种动力电池功率状态估算功能测试方法和装置 |
-
2019
- 2019-06-26 CN CN201910563472.0A patent/CN112231879A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100280737A1 (en) * | 2009-04-29 | 2010-11-04 | Chris Scott Ewert | Engine Control Device and Method for a Hybrid Vehicle |
CN102358190A (zh) * | 2011-09-08 | 2012-02-22 | 重庆长安汽车股份有限公司 | 一种基于公里电耗的纯电动汽车剩余里程估算方法 |
CN107957562A (zh) * | 2018-01-05 | 2018-04-24 | 广西大学 | 一种锂离子电池剩余寿命在线预测方法 |
CN108773371A (zh) * | 2018-06-13 | 2018-11-09 | 北京长城华冠汽车科技股份有限公司 | 混合动力车辆的驱动分配方法和混合动力车辆 |
CN108845273A (zh) * | 2018-08-30 | 2018-11-20 | 北京经纬恒润科技有限公司 | 一种动力电池功率状态估算功能测试方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104890526B (zh) | 车辆、***和方法 | |
EP3252918A1 (en) | Apparatus and method for adjusting charging condition of secondary battery | |
CN106605125B (zh) | 用于在社区云中进行路线导航共享的技术 | |
KR101846913B1 (ko) | 하이브리드 차량의 배터리 충전 제어 장치 및 충전 제어 방법 | |
CN112016190B (zh) | 动力电池温度修正方法、装置及计算机可读存储介质 | |
US20230150396A1 (en) | A method for monitoring ageing of a battery unit | |
CN114347834B (zh) | 车辆控制方法、充电时长预测模型的生成方法及装置 | |
CN110927592B (zh) | 一种电池峰值功率的估计方法及装置 | |
CN113002311B (zh) | 剩余续航里程的计算方法、装置、设备以及存储介质 | |
CN113968160B (zh) | 车辆充电时间预估方法、装置、设备及存储介质 | |
CN114347854A (zh) | 电动车辆续驶里程确定方法、装置、控制器、介质和车辆 | |
KR20220011601A (ko) | 병렬 멀티 팩 모듈의 출력 제어 장치 및 방법 | |
CN112977164A (zh) | 确定电动车辆续航里程的方法、装置和车辆 | |
CN110031766A (zh) | 电池许用功率估算方法及模块、电池功率管理方法及***、汽车及计算机可读存储介质 | |
CN114594382A (zh) | 一种电池能源状态预测方法、装置、电子设备及存储介质 | |
CN110861537A (zh) | 一种电池冷却控制装置 | |
CN112231879A (zh) | 功率预估方法、装置、电动汽车、电子设备和存储介质 | |
KR102542958B1 (ko) | 차량 배터리 열화판단 제어방법 및 시스템 | |
CN115285104A (zh) | 车辆动力电池的配置方法、装置、电子设备和存储介质 | |
CN110962678A (zh) | 车辆电池充电保养方法、装置、***、介质及电子设备 | |
CN114619920A (zh) | 电动车辆的控制方法、装置、介质、设备、车辆 | |
US11332119B2 (en) | Apparatus and method for controlling vehicle, and vehicle system | |
CN115447441A (zh) | 确定车辆的单体电池状态的方法、装置、介质及车辆 | |
CN113884893A (zh) | 一种动力电池的功率map切换方法、装置和电子设备 | |
CN107487198B (zh) | 电动车电池的剩余电量的处理方法、装置及电动车 |
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 |