CN113536518A - 一种纯电动汽车剩余续驶里程估算方法 - Google Patents

一种纯电动汽车剩余续驶里程估算方法 Download PDF

Info

Publication number
CN113536518A
CN113536518A CN202010319512.XA CN202010319512A CN113536518A CN 113536518 A CN113536518 A CN 113536518A CN 202010319512 A CN202010319512 A CN 202010319512A CN 113536518 A CN113536518 A CN 113536518A
Authority
CN
China
Prior art keywords
driving range
soc
electric vehicle
map information
pure electric
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
Application number
CN202010319512.XA
Other languages
English (en)
Inventor
田慧欣
李昂
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin Polytechnic University
Original Assignee
Tianjin Polytechnic University
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 Tianjin Polytechnic University filed Critical Tianjin Polytechnic University
Priority to CN202010319512.XA priority Critical patent/CN113536518A/zh
Publication of CN113536518A publication Critical patent/CN113536518A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
    • 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
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/24—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries for controlling the temperature of batteries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • 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
    • 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
    • G06Q50/40—Business processes related to the transportation industry
    • 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
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/10—Vehicle control parameters
    • B60L2240/12—Speed
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Sustainable Development (AREA)
  • Mechanical Engineering (AREA)
  • Databases & Information Systems (AREA)
  • Primary Health Care (AREA)
  • Transportation (AREA)
  • General Health & Medical Sciences (AREA)
  • Power Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Energy (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

一种纯电动汽车剩余续驶里程估算方法。本发明属于电动汽车技术领域。目的是提出一种基于地图信息和迭代SVR模型的纯电动汽车剩余续驶里程估算方法。包括以下步骤：(1)依据汽车物理模型和实际数据分析影响续驶里程的影响因素。(2)将行驶工况数据进行片段划分，提取片段的特征参数。(3)基于特征参数，通过聚类方法对工况片段进行类别划分。(4)建立计算单位里程SOC下降值的SVR模型。(5)利用百度地图API路径规划功能获取道路信息，预测未来行驶工况。(6)通过循环迭代SVR模型，结合当前SOC值、工况参数与温度值，预测汽车的剩余续驶里程。

Description

一种纯电动汽车剩余续驶里程估算方法
技术领域
本发明应用于纯电动汽车技术领域，基于地图信息和迭代SVR模型的纯电动汽车剩余续驶里程估算方法，特别针对行驶工况未知导致续驶里程预测精度难以提高的现状。
背景技术
随着环境污染的加剧，纯电动汽车以其节能环保的优势，得到了国家的大力支持，并通过推出补贴、税收减免等政策提高消费者对电动汽车的购买力。然而由于电池技术的限制，电池能量密度低等问题尚未得到有效解决，导致纯电动汽车的电池容量不能达到传统汽车的续航水平。同时由于受到路况和环境的影响，纯电动汽车的实际续驶里程往往与BMS给出的续驶里程存在差异，导致驾驶员产生“里程焦虑”的现象。所以需要结合实际对汽车的续驶里程进行精准的估算，不仅消除了驾驶员的顾虑，而且对推动纯电动汽车普及和发展发挥了重要作用。
续驶里程分为两类：标定续驶里程及剩余续驶里程。标定续驶里程是指在一定循环工况下电动汽车所能行驶的最长距离。剩余续驶里程则是指实际运行过程，车辆在电池不满电的状态下运行至电池截止电压过程中，车辆能够行驶的最大距离。
由于不同行驶工况和不同温度下，电动汽车消耗的能量不同，因此不同工况和不同温度下汽车的续驶里程也存在差异。本文提出了基于地图信息和迭代SVR模型的续驶里程估算方法，该方法通过收集地图信息来预测未知行驶工况，然后采用迭代SVR模型对续驶里程进行精准的计算，该方法提高了预测的精准度。
发明内容
本文提出了一种基于地图信息和迭代SVR模型的续驶里程估算方法，具体步骤如下：
1.分析影响纯电动汽车续驶里程的因素，包括纯电动汽车自身因素和外部环境因素。
1)基于车辆运动的物理力学模型，汽车行驶单位里程ds所需机械能dE的计算公式为：
Figure BSA0000206934730000011
式中，ds的单位为km；dE的单位为kWh；m为车辆总质量，单位kg；mf为滚动惯量的等效质量，单位kg；g为重力加速度，单位m/s2；f为车辆量滚动系数；
Figure BSA0000206934730000012
为路面倾斜角，单位度(°)；ρ为空气密度，单位kg/m3；Cx为车辆阻力系数；A为车辆迎风面积，单位m2；v为车辆行驶速度，单位km/h；vw为风速，其方向定义为与车速相反，单位km/h。从公式可以看出，车辆的自身参数如车辆总质量、车辆迎风面积都会影响汽车单位里程能耗。一般情况下，汽车在行驶过程中需要克服的阻力来自四个部分，即滚动阻力、加速阻力、坡道阻力和空气阻力，除空气阻力以外均与汽车总质量，因此汽车总质量对能耗的影响最为明显，进而影响汽车的续驶里程。
2)汽车自身因素外，许多外部因素也会对汽车能耗产生影响，如行驶加速度、行驶的平稳性、环境的温度等，总体上可以将外部因素概括为车辆行驶工况和温度。
不同行驶工况下，汽车的续驶里程会有所差异。将不同的工况下汽车的续驶里程进行对比，如图1，其中CON_60为车速60英里每小时的匀速工况；CON_45为车速45英里每小时的匀速工况；WVYCITY工况是城市拥堵工况；EUDC工况是郊区行驶工况；ECE工况是市区行驶工况；NEDC则是由4个ECE工况和1个EUDC工况组成，可视为混合工况。
温度也会明显影响汽车的续驶里程，主要体现在对电池性能的影响，低温环境下，能量释放率降低，同一辆车在相同工况不同温度下的续驶里程对比，如图2，随着温度降低，电动汽车续驶里程会下降。
2.对汽车行驶工况原始数据进行片段划分，采用定步长划分法，以步长120秒对数据划分若干个片段，如图3，通过速度曲线，提取工况片段的特征参数，包括平均速度
Figure BSA0000206934730000021
最大行驶速度vmax、怠速时间比Pd、速度标准差vstd、SOC值和电池温度。
3.对行驶工况片段进行分类，采用快速搜索和发现密度峰值聚类算法(CBFSAFODP)，将工况片段分为四类，如图4这四种聚类类别可以与汽车实际行驶过程中的4种典型工况相对应，C1为城市拥堵工况，怠速时间长，车速低；C2为城市低速工况，怠速时间中等，车速较低；C3为郊区/城市畅通工况，怠速时间短，车速较高；C4为高速工况，怠速时间极短，车速高。
4.构建行驶单位里程SOC下降值的估算模型，汽车单位里程SOC的变化量与行驶工况、当前电池SOC值和电池温度有关。基于SVR模型，以单位里程SOC变化量(ΔSOC)为目标输出，以工况类别、电池组温度和当前电池SOC作为输入。模型的估算结果如图5，模型误差见图6，此模型精度满足在续驶里程预测中对单位里程SOC下降值进行估算的需求。
5.结合地图信息，对未知行驶工况进行预测。通过百度地图API获得道路类型共10种，将差异不大的道路类型进行归纳，简化为四个类别：高速、一级道路、二级道路和其他道路。路况信息分为五个类别：无路况、畅通、缓行、拥堵和十分拥堵，分别用0-4编号表示。依据道路类型和路况指数确定对应工况类型。汽车实际行驶过程中，通过百度地图API的路径规划功能，获取道路类型和路况信息，实现对未来行驶工况的预测，这对提高续驶里程的预测精度有重要意义。
6.构建迭代SVR续驶里程预测模型，流程图见图7，整体框图见图8。
1)采集电池当前SOC值与电池温度，通过百度地图路径规划功能与地图信息，预测未知行驶工况类型。利用单位里程SOC下降值模型，将电池当前SOC值、电池温度及工况类型作为输入，预测未来行驶一公里SOC的变化量ΔSOC。
2)依据SOC＝SOC-ΔSOC，计算电池剩余SOC值。
3)循环步骤1和步骤2直至电池剩余的SOC等于0或者小于设定值。由于循环一次，行驶一公里，因此循环总次数R即为电动汽车的续驶里程。
4)当循环R次就满足规划路径的剩余里程，而电池SOC值仍未达到0或者设定最小值，于是采用简单的SVR模型对剩余续驶里程进行估计，使用当前电池SOC值、上一路段平均工况参数与温度作为输入，粗略估计汽车的剩余续驶里程R′，最后的续驶里程为R＝R+R′。
附图说明
图1不同工况下的电动汽车续驶里程
图2不同环境温度下的续驶里程
图3片段划分示例
图4工况片段聚类结果
图5模型估算效果
图6模型误差
图7迭代SVR模型流程图
图8基于地图信息和迭代SVR模型的续驶里程预测方法的整体流程图
图9汽车行驶路线
图10车辆行驶速度曲线
图11续驶里程预测结果和预测精度
应用实例
结合ADVISOR软件和实际车辆行驶数据设计仿真实验，以某运输企业的车辆行驶数据为基础，提取实际行驶的速度，将此速度载入到ADVISOR中，使仿真电动汽车按照此速度运行，用以模拟在实际情况下的行驶过程。
为了评估模型在不同行程下的预测精度，需要定义一个标准化的指标，简单的使用实际行驶距离减去续驶里程变化并不能准确地反映里程长短不同时的预测精度，因此定义模型精度计算公式如下：
Figure BSA0000206934730000031
式中A是预测精度，Distance为实际行驶距离，Range_use为剩余续驶里程的变化(第一次预测结果与当前预测结果的差值)。A越接近0则预测精度越高，且A大于0时，表示算法给出的剩余续驶里程比较保守，反之，如果A小于0，则说明给出的续驶里程偏高。
此外为衡量多次测试的结果的平均精度，定义预测精度的绝对平均值E，如式(5-2)所示：
Figure BSA0000206934730000032
式中，Ai为第i次测试的预测精度，N为测试的总次数，E越小表示模型的预测精度越高。
从数据抽取的一段行程为例，该段行程的起点是江西省吉安市井冈山市，终点是江西省南昌市西湖区沿江大道，该行程的车辆行驶路线如图9，速度曲线如图10。将此行程的速度加载到ADVISOR中，使用设置好的EV1型电动车按照此速度完成这段里程，并在仿真过程中对续驶里程进行预测。结果显示该段行程共计322.16km，在仿真中剩余续驶里程由517km下降为189km，续驶里程变化328km，预测精度为-0.0186，如图11。
通过结果可以看出，基于地图信息和迭代SVR模型的纯电动汽车续驶里程预测方法满足精度要求，能够准确估计纯电动汽车续驶里程。

Claims (5)

1.一种基于地图信息和迭代SVR模型的纯电动汽车剩余续驶里程估算方法，其特征在于：种基于地图信息和迭代SVR模型的纯电动汽车剩余续驶里程估算方法，其特征在于：基于对行驶片段的特征分析，构建单位里程SOC下降值计算模型；并基于车载导航***，结合地图信息，基于迭代SVR构建续驶里程预测模型，计算剩余续驶里程。
2.如权利要求1所述的一种基于地图信息和迭代SVR模型的纯电动汽车续驶里程估算方法，其特征在于，基于定步长划分方法进行片段划分，定义数据单元，提取工况片段中多种特征参数，包括平均速度
Figure FSA0000206934720000011
最大行驶速度vmax、怠速时间比Pd、速度标准差vstd、当前SOC值和电池温度。
3.如权利要求1所述的一种基于地图信息和迭代SVR模型的纯电动汽车续驶里程估算方法，其特征在于，采用快速搜索和发现密度峰值聚类(CBFSAFODP)算法对工况片段进行划分，并构建单位里程SOC下降值计算模型。
4.如权利要求1所述的一种基于地图信息和迭代SVR模型的纯电动汽车续驶里程估算方法，其特征在于，基于车载导航***，结合地图信息，获取道路类型和路况信息，依据道路类型和路况指数确定对应工况类型，实现对下一公里的行驶工况的预测，有效提高续驶里程的预测精度。
5.如权利要求1所述的一种基于地图信息和迭代SVR模型的纯电动汽车续驶里程估算方法，其特征在于，构建续驶里程预测模型，具体包括以下步骤：
1)获取当前电池SOC值，通过地图信息预测未来一公里的行驶工况。
2)利用单位里程SOC下降值计算模型，计算未来一公里SOC下降值ΔSOC，并且依据公式SOC＝SOC-ΔSOC，计算出电池剩余SOC值。
3)重复步骤1和步骤2，直至剩余的SOC等于0或者小于设定值。记录总循环次数R，由于循环一次汽车行驶一公里，所以电动汽车的剩余续驶总里程即为总循环次数R。
4)当循环R次，即满足规划路径的剩余里程时，电池SOC值仍未达到0或者设定最小值，于是对剩余续驶里程采用简单的SVR模型进行估计，使用当前电池SOC值、上一路段平均工况参数与温度作为输入，粗略估计汽车的剩余续驶里程R′，最后的续驶里程为R＝R+R′。
CN202010319512.XA 2020-04-22 2020-04-22 一种纯电动汽车剩余续驶里程估算方法 Pending CN113536518A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010319512.XA CN113536518A (zh) 2020-04-22 2020-04-22 一种纯电动汽车剩余续驶里程估算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010319512.XA CN113536518A (zh) 2020-04-22 2020-04-22 一种纯电动汽车剩余续驶里程估算方法

Publications (1)

Publication Number Publication Date
CN113536518A true CN113536518A (zh) 2021-10-22

Family

ID=78123915

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010319512.XA Pending CN113536518A (zh) 2020-04-22 2020-04-22 一种纯电动汽车剩余续驶里程估算方法

Country Status (1)

Country Link
CN (1) CN113536518A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114013285A (zh) * 2021-11-08 2022-02-08 北京理工新源信息科技有限公司 一种电动汽车实际续驶里程评估方法
CN114537215A (zh) * 2022-03-28 2022-05-27 浙江吉利控股集团有限公司 续航里程估算方法、装置及存储介质
CN115439955A (zh) * 2022-08-30 2022-12-06 高新兴物联科技股份有限公司 车辆里程单位确定方法、装置、设备及可读存储介质
CN115742855A (zh) * 2022-11-29 2023-03-07 重庆长安汽车股份有限公司 电动汽车剩余里程预测方法、装置、电动汽车及介质
CN115952932A (zh) * 2023-03-14 2023-04-11 中汽研汽车检验中心（天津）有限公司 基于行驶路线的车辆电耗和氢耗预测方法
CN116109025A (zh) * 2023-04-04 2023-05-12 深圳天溯计量检测股份有限公司 基于大数据的电池续航测试方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103213504A (zh) * 2013-04-27 2013-07-24 北京交通大学 一种电动汽车续驶里程估算方法
CN105868787A (zh) * 2016-03-31 2016-08-17 江苏大学 基于工况识别和模糊能耗的电动汽车续驶里程估算方法
CN106427579A (zh) * 2016-07-25 2017-02-22 意昂神州（北京）科技有限公司 基于平均能耗建模的纯电动汽车续驶里程估算方法和装置
US20190378180A1 (en) * 2018-03-23 2019-12-12 NthGen Software Inc. Method and system for generating and using vehicle pricing models

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103213504A (zh) * 2013-04-27 2013-07-24 北京交通大学 一种电动汽车续驶里程估算方法
CN105868787A (zh) * 2016-03-31 2016-08-17 江苏大学 基于工况识别和模糊能耗的电动汽车续驶里程估算方法
CN106427579A (zh) * 2016-07-25 2017-02-22 意昂神州（北京）科技有限公司 基于平均能耗建模的纯电动汽车续驶里程估算方法和装置
US20190378180A1 (en) * 2018-03-23 2019-12-12 NthGen Software Inc. Method and system for generating and using vehicle pricing models

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CHAOFENG PAN ET AL.: ""Driving range estimation for electric vehicles based on driving condition identification and forecast"", 《AIP ADVANCES》 *
郝雄博: ""基于电池SOC状态和未来能耗预测的电动汽车续驶里程估计"", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114013285A (zh) * 2021-11-08 2022-02-08 北京理工新源信息科技有限公司 一种电动汽车实际续驶里程评估方法
CN114013285B (zh) * 2021-11-08 2023-11-21 北京理工新源信息科技有限公司 一种电动汽车实际续驶里程评估方法
CN114537215A (zh) * 2022-03-28 2022-05-27 浙江吉利控股集团有限公司 续航里程估算方法、装置及存储介质
CN115439955A (zh) * 2022-08-30 2022-12-06 高新兴物联科技股份有限公司 车辆里程单位确定方法、装置、设备及可读存储介质
CN115439955B (zh) * 2022-08-30 2023-10-20 高新兴物联科技股份有限公司 车辆里程单位确定方法、装置、设备及可读存储介质
CN115742855A (zh) * 2022-11-29 2023-03-07 重庆长安汽车股份有限公司 电动汽车剩余里程预测方法、装置、电动汽车及介质
CN115952932A (zh) * 2023-03-14 2023-04-11 中汽研汽车检验中心（天津）有限公司 基于行驶路线的车辆电耗和氢耗预测方法
CN116109025A (zh) * 2023-04-04 2023-05-12 深圳天溯计量检测股份有限公司 基于大数据的电池续航测试方法

Similar Documents

Publication Publication Date Title
CN113536518A (zh) 一种纯电动汽车剩余续驶里程估算方法
CN110126841B (zh) 基于道路信息和驾驶风格的纯电动汽车能耗模型预测方法
CN111216730B (zh) 电动汽车剩余续驶里程估算方法、装置、存储介质及设备
CN109733248B (zh) 基于路径信息的纯电动汽车剩余里程模型预测方法
Zeng et al. A parallel hybrid electric vehicle energy management strategy using stochastic model predictive control with road grade preview
CN111452619B (zh) 电动车辆在线能耗预测方法及***
Wang et al. Modelling of the fuel consumption for passenger cars regarding driving characteristics
Yavasoglu et al. Implementation of machine learning based real time range estimation method without destination knowledge for BEVs
Tannahill et al. Driver alerting system using range estimation of electric vehicles in real time under dynamically varying environmental conditions
CN112224089A (zh) 基于能耗的行程规划方法、装置、电子设备及存储介质
KR20160135265A (ko) 전기 차량의 배터리 전력 요구량 예측
Guo et al. A novel energy consumption prediction model with combination of road information and driving style of BEVs
CN103745111A (zh) 纯电动乘用车续驶里程预测方法
Liu et al. Study on driving cycle synthesis method for city buses considering random passenger load
Myall et al. Accelerated reported battery capacity loss in 30 kWh variants of the Nissan Leaf
CN115759462A (zh) 一种电动汽车用户的充电行为预测方法、装置及电子设备
Yang et al. Data-driven analysis of battery electric vehicle energy consumption under real-world temperature conditions
Alateef et al. Energy consumption estimation for electric vehicles using routing API data
CN117400948A (zh) 一种汽车能耗预测方法、装置、电子设备及存储介质
CN109466333B (zh) 基于电动客车动态过程质量估计的剩余里程计算方法
CN114987287B (zh) 剩余续驶里程预测方法、装置、车辆及计算机存储介质
Rahimi-Eichi et al. Incorporating big data analysis in speed profile classification for range estimation
CN109029474B (zh) 一种电动汽车充电导航能耗计算方法
CN114537215B (zh) 续航里程估算方法、装置及存储介质
Gruosso Model based approach for evaluation of energy consumption of electrical vehicles

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20211022