本发明专利技术提出了一种电动汽车的剩余续航里程估计方法、系统及电动汽车，其中，该方法包括：获取动力电池的放电电流和放电电压，并根据放电电流和放电电压计算动力电池的当前放电能量；获取动力电池的荷电状态和充放电次数；将动力电池的荷电状态、充放电次数和单位时间内动力电池的总放电能量输入神经网络，得到续航里程补偿系数；当车辆处于行驶状态时，计算单位时间内车辆的行驶距离；根据单位时间内车辆的行驶距离、续航里程补偿系数、动力电池的荷电状态以及单位时间前后动力电池的荷电状态的差值得到车辆的剩余续航里程。本发明专利技术的方法可以准确地计算出电动汽车的剩余续航里程。
【技术实现步骤摘要】
本专利技术设及汽车
，特别设及一种电动汽车的剩余续航里程估计方法、系 统及电动汽车。
技术介绍
目前，随着非再生能源的日益枯竭、环境污染的日益严重，车辆不断向低能耗、低 排放的方向发展。电动汽车具有零排放的优点，但是，电动汽车受到动力电池的发展限制， 其续航里程有限，并且对于动力电池的充电相对耗时长。因此，如何对动力电池的能量进行 管理W延长电动汽车的续航里程是亟待解决的问题。 相关技术中，通常是根据动力电池的荷电状态的线性模型估算电动汽车的剩余续 航里程。然而，由于电动汽车的剩余续航里程并非仅仅与动力电池的荷电状态有关，还与驾 驶习惯、动力电池的性能衰减情况等相关，导致根据动力电池的荷电状态的线性模型估算 出的电动汽车的剩余续航里程并不准确可靠，从而影响对动力电池的能量管理。
技术实现思路
本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。 阳〇化]为此，本专利技术的第一个目的在于提出一种电动汽车的剩余续航里程估计方法。该 方法可W准确地计算出电动汽车的剩余续航里程，为后续的动力电池的能量管理提供可靠 依据。 本专利技术的第二个目的在于提出一种电动汽车的剩余续航里程估计方法。 本专利技术的第S个目的在于提出一种电动汽车。 为了实现上述目的，本专利技术的第一方面实施例的电动汽车的剩余续航里程估计方 法，包括W下步骤：获取动力电池的放电电流和放电电压，并根据所述放电电流和放电电 压计算所述动力电池的当前放电能量；获取所述动力电池的荷电状态和充放电次数；将所 述动力电池的荷电状态、充放电次数和单位时间内所述动力电池的总放电能量输入神经网 络，得到续航里程补偿系数；当车辆处于行驶状态时，计算所述单位时间内所述车辆的行驶 距离；W及根据所述单位时间内所述车辆的行驶距离、所述续航里程补偿系数、所述动力电 池的荷电状态W及所述单位时间前后所述动力电池的荷电状态的差值得到所述车辆的剩 余续航里程。 根据本专利技术实施例的电动汽车的剩余续航里程估计方法，由于车辆实际的剩余续 航里程与电池的荷电状态、电池衰减情况（即：通过充放电次数反应电池衰减情况）和驾驶 习惯（即：通过单位时间内动力电池的电能消耗反应驾驶习惯）相关，其数学模型具有强烈 的非线性特性，本专利技术的方法综合考虑动力电池的荷电状态、电池衰减情况（即：通过充放 电次数反应电池衰减情况）和驾驶习惯（即：通过单位时间内动力电池的电能消耗反应驾 驶习惯），并通过神经网络得到续航里程补偿系数，其中，神经网络具有非线性的特性，具有 并行结构和学习能力，针对外部激励，能够给出相应的输出，对于解决非线性问题具有天然 的优势，因此该方法可W准确地计算出电动汽车的剩余续航里程，从而为动力电池的能量 管理提供可靠的依据。 另外，根据本专利技术上述实施例的电动汽车的剩余续航里程估计方法还可W具有如 下附加的技术特征： 在一些示例中，所述车辆的剩余续航里程通过如下公式得到，所述公式为： 其中，所述L为所述车辆的剩余续航里程，所述ASOC为所述单位时间前后所述动 力电池的荷电状态的差值，所述SOC为所述电池的荷电状态，所述S为单位时间内所述车辆 的行驶距离，所述K为所述续航里程补偿系数。 在一些示例中，还包括：当所述车辆处于静止状态时，所述车辆的剩余续航里程通 过如下公式得到，所述公式为： 其中，Uid为所述单位时间前所述车辆的剩余续航里程，为所述单位时间 内所述动力电池的总放电能量，WWtuld为前一个所述单位时间内所述动力电池的总放电能 量。 在一些示例中，所述续航里程补偿系数通过如下方式得到： 设计径向基函数神经网络，其中，所述径向基函数神经网络包括输入层、隐藏层和 输出层，所述径向基函数神经网络表示为：阳020] 其中，所述X为输入矢量，所述X= [S0CNWggJT;所述y(x,W)为输出的所述续航 里程补偿系数K;所述Wi为权重；所述H为所述隐藏层的神经元数量；所述C1为中屯、矢量； 所述Px-CiP为到中屯、的距离；所述d)为径向基函数，所述Wegtt为所述动力电池的总放电能 量，所述SOC为所述电池的荷电状态，所述N为所述充放电次数； 根据预设的多组动力电池的总放电能量、所述电池的荷电状态和充放电次数对所 述径向基函数神经网络进行训练； 根据训练完成的所述径向基函数神经网络得到所述续航里程补偿系数。 在一些示例中，在得到所述车辆的剩余续航里程之后，还包括：当所述车辆的剩余 续航里程小于第一预设行驶里程时，提示用户是否进入经济模式，当接收到经济模式进入 指令时，控制所述车辆进入经济模式，W及在接收到经济模式退出指令时，控制所述车辆退 出所述经济模式；当所述车辆的剩余续航里程小于第二预设行驶里程时，提示用户是否进 入深度经济模式，当接收到深度经济模式进入指令时，控制所述车辆进入深度经济模式，W 及在接收到深度经济模式退出指令时，控制所述车辆退出所述深度经济模式，其中，所述第 一预设行驶里程大于所述第二预设行驶里程。 在一些示例中，当所述车辆进入经济模式之后，还包括：降低扭矩响应速度；降低 所述电动汽车的部分附件的能量消耗；当所述经济模式下得到的所述的车辆的剩余续航里 程大于第=预设行驶里程时，提示用户是否退出所述经济模式，并在接收到经济模式退出 指令时，控制所述车辆退出所述经济模式，其中，所述第=预设行驶里程大于所述第一预设 行驶里程；当所述车辆进入所述深度经济模式之后，还包括：将所述车辆的车速限制为预 设车速之内；进一步降低和/或关闭所述电动汽车的部分附件的能量消耗；当所述深度经 济模式下得到的所述的车辆的剩余续航里程大于第四预设行驶里程时，提示用户是否退出 所述深度经济模式，并在接收到深度经济模式退出指令时控制所述车辆退出所述深度经济 模式，其中，所述第四预设行驶里程小于所述第=预设行驶里程且大于所述第一预设行驶 里程。 本专利技术的第二方面的实施例的电动汽车的剩余续航里程估计系统，包括：能量计 算模块，用于获取动力电池的放电电流和放电电压，并根据所述放电电流和放电电压计算 所述动力电池的当前放电能量；续航里程补偿系数计算模块，用于获取所述动力电池的荷 电状态和充放电次数，并将所述动力电池的荷电状态、充放电次数和单位时间内所述动力 电池的总放电能量输入神经网络，得到续航里程补偿系数；剩余续航里程估计模块，用于当 车辆处于行驶状态时，计算所述单位时间内所述车辆的行驶距离，并根据所述单位时间内 所述车辆的行驶距离、所述续航里程补偿系数、所述动力电池的荷电状态W及所述单位时 间前后所述动力电池的荷电状态的差值得到所述车辆的剩余续航里程。 根据本专利技术实施例的电动汽车的剩余续航里程估计系统，由于车辆实际的剩余续 航里程与电池的荷电状态、电池衰减情况（即：通过充放电次数反应电池衰减情况）和驾驶 习惯（即：通过单位时间内动力电池的电能消耗反应驾驶习惯）相关，其数学模型具有强烈 的非线性特性，本专利技术的系统综合考虑动力电池的荷电状态、电池衰减情况（即：通过充放 电次数反应电池衰减情况）和驾驶习惯（即：通过单位时间内动力电池的电能消耗反应驾 驶习惯），并通过神经网络得到续航里程补偿系数，其中，神经网络具有非线性的特性，具有 并行结构和学习能力，针对外部激励，能够给出相应的输出，对于本文档来自技高网...
【技术保护点】
一种电动汽车的剩余续航里程估计方法，其特征在于，包括以下步骤：获取动力电池的放电电流和放电电压，并根据所述放电电流和放电电压计算所述动力电池的当前放电能量；获取所述动力电池的荷电状态和充放电次数；将所述动力电池的荷电状态、充放电次数和单位时间内所述动力电池的总放电能量输入神经网络，得到续航里程补偿系数；当车辆处于行驶状态时，计算所述单位时间内所述车辆的行驶距离；以及根据所述单位时间内所述车辆的行驶距离、所述续航里程补偿系数、所述动力电池的荷电状态以及所述单位时间前后所述动力电池的荷电状态的差值得到所述车辆的剩余续航里程。
【技术特征摘要】
【专利技术属性】
技术研发人员：李玮，代康伟，耿姝芳，梁海强，
申请(专利权)人：北京新能源汽车股份有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。