电动车的剩余里程预测方法、装置、电子设备和存储介质制造方法及图纸

本申请实施例提供电动车的剩余里程预测方法、装置、电子设备和存储介质，其中，方法包括：获取电动车续航测试数据，所述续航测试数据包括电动车在等距荷电状态下对应的行走里程；根据所述续航测试数据生成第一向量；依次将所述第一向量中的元素进行相加，得到多个累加值，将所述多个累加值进行拼接，得到第二向量；依次获取所述第二向量中的元素的相邻平均值，得到多个相邻平均值，将所述多个相邻平均值进行拼接，得到第三向量；根据所述第一向量和所述第三向量构建微分方程；求解所述微分方程，得到求解公式；获取当前荷电状态；基于所述求解公式，所述当前荷电状态获取剩余里程。实施上述实施例，能够实施、准确地获取电动车的剩余里程。剩余里程。剩余里程。

【技术实现步骤摘要】
电动车的剩余里程预测方法、装置、电子设备和存储介质


[0001]本申请涉及电动车
，具体而言，涉及电动车的剩余里程预测方法、装置、电子设备和存储介质。

技术介绍

[0002]电动车的续航里程决定了电动车的单次可使用时长，也决定了用户的充电时机、次数，进一步也决定了用户的使用体验。
[0003]电动车的续航里程的预测，目前并没有太精确的计算方法，主要是因为不确定因素太多。比较通用的方法是基于能量守恒的方法，即电池剩余总能量，扣除用电负载的能量，结合整车质量、电机效率、工况等进行计算，一般来说会选择一个固定的组合工况。这种方法的缺点是，由于工况固定，因此灵活性差，如果实际工况相差较大时，误差较大。再者就是利用电荷状态(state of charge，SOC)查表的方法，即根据SOC标定一组对应的续航里程；这种方法操作简单，但是结果死板，续航里程与SOC一一对应，误差较大，特别是电池容量衰减之后。再者，就是利用人工智能进行预测；这种方法精度高，但需要大量的数据和计算，一般只能离线实现。

技术实现思路

[0004]有鉴于此，本申请实施例的目的在于提供一种电动车的剩余里程预测方法看能够灵活、在线地获取当前电动车的剩余里程。
[0005]第一方面，本申请实施例提供了一种电动车的剩余里程预测方法，包括：
[0006]获取电动车续航测试数据，所述续航测试数据包括电动车在等距荷电状态下对应的行走里程；
[0007]根据所述续航测试数据生成第一向量；
[0008]依次将所述第一向量中的元素进行相加，得到多个累加值，将所述多个累加值进行拼接，得到第二向量；
[0009]依次获取所述第二向量中的元素的相邻平均值，得到多个相邻平均值，将所述多个相邻平均值进行拼接，得到第三向量；
[0010]根据所述第一向量和所述第三向量构建微分方程；
[0011]求解所述微分方程，得到求解公式；
[0012]获取当前荷电状态；
[0013]基于所述求解公式，所述当前荷电状态获取剩余里程。
[0014]在上述实现过程中，基于历史数据构建出数学模型，基于构建出的数学模型来获取剩余里程。与现有技术不同的是，通过获取的续航数据来建立模型，能够准确地获取剩余里程，整个过程没有使用复杂的机器学习算法，没有多次迭代的计算过程，能够将整个方案集成于单片机或者FPGA芯片中，从而能够实时获取剩余里程，使得用户获取到实时的剩余里程，提高用户体验。
[0015]进一步地，所述基于所述求解公式，所述当前荷电状态获取剩余里程的步骤之后，包括：
[0016]根据所述剩余里程更新所述第一向量；
[0017]根据所述第一向量重新获取所述求解公式。
[0018]在上述实现过程中，电动车在使用过程中随着其各项性能、参数的改变，构建出的模型对该电动车的适用性也会随之改变，因此，根据第一向量重新获取该求解公式，能够使得构建出的模型能够最大程度地适应该电动车。基于上述实施方式，能够进一步地提高获取剩余里程的实时性。
[0019]进一步地，求解所述微分方程，得到求解公式的步骤，包括：
[0020]获取所述微分方程中对应的待定参数求解公式，所述待定参数求解公式包括待定参数；
[0021]以所述第三向量的数据特征为条件确定所述待定参数对应的特定值；
[0022]将所述特定值代入所述待定参数求解公式，得到所述求解公式。
[0023]在上述实现过程中，求解微分方程的对应的求解公式实际上是求解微分方程中对应的待定参数求解公式中的待定参数，因此，以第三向量的数据特征作为条件可以获取待定参数对应的特定值，从而能够获取求解公式。
[0024]进一步地，所述基于所述求解公式，所述当前荷电状态获取剩余里程的步骤，包括：
[0025]基于预设的转换关系将所述当前荷电状态转换为所述等距荷电状态对应的已知参数；
[0026]根据所述求解公式，所述已知参数获取所述剩余里程对应的第四向量。
[0027]在上述实现过程中，由于先前的数学模型是以等距荷电状态为基础建立的，因此，基于预设的转换关机将当前荷电状态转换为等距荷电状态下对应的已知参数，根据求解公式，已知参数能够获取剩余里程对应的第四向量，从而得到剩余里程。
[0028]进一步地，所述根据所述剩余里程更新所述第一向量的步骤，包括：
[0029]获取当前对应的实际里程；
[0030]根据所述实际里程更新所述第一向量。
[0031]在上述实现过程中，当前对应的实际里程在一定程度上能够衡量先前建立的数学模型的预测能力是否准确，也能够反映当前电动汽车的各项参数的实际变化情况，因此，根据实际里程更新第一向量，进一步地根据第一向量重新构建求解公式，能够提高模型对电动车的适应性。
[0032]进一步地，所述根据所述求解公式，所述已知参数获取所述剩余里程对应的第四向量的步骤之后，还包括：
[0033]根据所述第四向量对所述求解公式的适应性进行检验。
[0034]在上述实现过程中，通过第四向量对求解公式进行适应性检验，能够进一步决定该模型是否适用于当前的电动车，能够避免剩余里程估算出来的误差过大。
[0035]进一步地，所述根据所述实际里程更新所述第一向量的步骤，包括：
[0036]将所述第一向量乘以第一修正算子，得到一临时变量；
[0037]将所述第四向量乘以第二修正算子，得到第二临时变量；
[0038]将所述第一临时变量和所述第二临时变量相加，得到更新后的第一向量；
[0039]所述第一修正算子和所述第二修正算子的和为1。
[0040]在上述实现过程中，通过第四向量对第一向量进行修正，能够对模型的适应性进行调整。
[0041]第二方面，本申请实施例提供一种电动车的剩余里程预测装置，包括：
[0042]数据获取模块，用于获取电动车续航测试数据，所述续航测试数据包括电动车在等距荷电状态下对应的行走里程；
[0043]向量生成模块，用于根据所述续航测试数据生成第一向量；依次将所述第一向量中的元素进行相加，得到多个累加值，将所述多个累加值进行拼接，得到第二向量；依次获取所述第二向量中的元素的相邻平均值，得到多个相邻平均值，将所述多个相邻平均值进行拼接，得到第三向量；
[0044]微分方程构建模块，用于根据所述第一向量和所述第三向量构建微分方程；
[0045]求解模块，用于求解所述微分方程，得到求解公式；
[0046]荷电状态获取模块，用于获取当前荷电状态；
[0047]剩余里程获取模块，用于基于所述求解公式，所述当前荷电状态获取剩余里程。
[0048]第三方面，本申请实施例提供的一种电子设备，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面任一项所述的方法的步骤。
[0049本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电动车的剩余里程预测方法，其特征在于，包括：获取电动车续航测试数据，所述续航测试数据包括电动车在等距荷电状态下对应的行走里程；根据所述续航测试数据生成第一向量；依次将所述第一向量中的元素进行相加，得到多个累加值，将所述多个累加值进行拼接，得到第二向量；依次获取所述第二向量中的元素的相邻平均值，得到多个相邻平均值，将所述多个相邻平均值进行拼接，得到第三向量；根据所述第一向量和所述第三向量构建微分方程；求解所述微分方程，得到求解公式；获取当前荷电状态；基于所述求解公式，所述当前荷电状态获取剩余里程。2.根据权利要求1所述的电动车的剩余里程预测方法，其特征在于，所述基于所述求解公式，所述当前荷电状态获取剩余里程的步骤之后，包括：根据所述剩余里程更新所述第一向量；根据所述第一向量重新获取所述求解公式。3.根据权利要求2所述的电动车的剩余里程预测方法，其特征在于，求解所述微分方程，得到求解公式的步骤，包括：获取所述微分方程中对应的待定参数求解公式，所述待定参数求解公式包括待定参数；以所述第三向量的数据特征为条件确定所述待定参数对应的特定值；将所述特定值代入所述待定参数求解公式，得到所述求解公式。4.根据权利要求1所述的电动车的剩余里程预测方法，其特征在于，所述基于所述求解公式，所述当前荷电状态获取剩余里程的步骤，包括：基于预设的转换关系将所述当前荷电状态转换为所述等距荷电状态对应的已知参数；根据所述求解公式，所述已知参数获取所述剩余里程对应的第四向量。5.根据权利要求4所述的电动车的剩余里程预测方法，其特征在于，所述根据所述剩余里程更新所述第一向量的步骤，包括：获取当前对应的实际里程；根据所述实际里程更新所述第一向量。6.根据权利要求5所述的电动车的剩余里程预测方法，其特征在于...

【专利技术属性】
技术研发人员：陈显楚，
申请(专利权)人：广汽埃安新能源汽车股份有限公司，
类型：发明
国别省市：