电动汽车个体效益分析仪的制作方法

文档序号:6664715阅读:214来源:国知局
专利名称:电动汽车个体效益分析仪的制作方法
电动汽车个体效益分析仪技术领域
本发明总的来说涉及电动汽车,更具体地,涉及可在购买任何特定电动汽车时驾 驶员个体获得的用于分析潜在成本效益的工具。该工具还可以用来为困惑的消费者提供关 于哪种电气化汽车更适合的引导和建议,例如推荐混合动力汽车优于插电式混合动力汽车 或者插电式混合动力汽车优于纯电动汽车。
背景技术
电动汽车由于降低的能耗和减少的污染物排放而越来越流行。然而,与内燃机动 力汽车(例如使用诸如汽油、柴油、天然气、丙烷、乙醇、氢或丁醇作为燃油)相比,购买电动 汽车的初始成本很高。因此,消费者需要有能力估计其通过拥有电动汽车而期望可以实现 的运行成本的降低,来决定是否可以实现成本的实现折中以证明特定选择。
由于存在不同类型的电动汽车而使消费者的决定变得复杂。全电动或纯蓄电池电 动汽车(BEV)能够接入电网来为电池充电,然后电池将所有能量用于驱动汽车。混合动力 汽车(HEV)将BEV的电池和电力动力传动系统与内燃机结合。汽油供能发动机可用于根据 HEV的类型来为电池充电或者为动力传动系统提供动力。在插电式混合动力汽车(PHEV) 中,电池也可以通过连接到电网而重复充电。
对于纯电动汽车,汽车的汽油或其他燃油的消耗总是为零,但是汽车由于其电池 容量而具有有限的行程范围。当行程范围有限时,消费者想要知道通常每隔多久会进入超 出该范围的出行链(trip chain)。对于混合动力汽车来说不存在行程限制,但是当使用汽 油发动机后,生产成本会上升。在评估能量成本时,需要基于驾驶员期望进行的所有出行链 考虑的驾驶距离和充电机会而评估使用汽油发动机的频率。
电动汽车的制造商或销售商可根据如何可使用汽车来计算和比较任何特定汽车 的能量使用和成本。使用来自实际驾驶模式的数据或来自较多驾驶员的统计信息,可以做 出不同汽车之间的期望能耗的比较。还可以向潜在的消费者示出基于实际或假定驾驶模式 的比较数据。规章条例要求标注对应于特定的固定驾驶模式(也称为行驶循环)的能量使 用。然而,难以针对各个消费者基于他们自身长期的驾驶模式来确定他们可以获得多少能 量效益。发明内容
个体驾驶模式的统计模型用于说明个体驾驶员的每天的出行链长度的变化。该模 型包括两个分量一个说明诸如通勤的惯常驾驶行为,而一个说明较少的可预见的汽车使 用。惯常分量通过正态分布建模,而随机分量通过指数分布建模。限定这些分布的精确形 式的参数根据个体而不同。参数值设置响应于由个体提供的针对于与汽车使用相关的一系 列具体问题的答案而设定。使用具有个体参数的分布,针对将被比较的不同汽车(例如, PHEV、BEV和仅使用汽油的汽车)计算典型的燃油消耗和典型电能消耗。使用该分布,生成 评估出行链,其作为用于为总能耗、电能消耗、汽油或其他燃油消耗以及用于BEV和PHEV的可完全电气化的出行链部分(即,不使用汽油或其他燃油)计算个体结果的基础。使用仓 括但不限于电子数据表程序、基于网络的计算器和经销商店铺或车展的多种平台向潜在献 消费者传达这些结果。该“个体出行链分布生成器”的其他应用也是可能的,例如基于从另 布中推断的市区驾驶对比高速公路驾驶的行驶故障的燃油经济性的个体评估以及与给淀 的累积行驶里程相关的冷启动的次数。在本发明的一方面中,提供了一种效益分析系统,其中用户比较第一电动汽车与 第二汽车之间的能耗。数据收集器接收用户驾驶特征,其中用户驾驶特征包括通勤距离、遥 勤重复、长期总行驶路程和日使用率。参数计算模块接收用户驾驶特征,其中参数计算模# 响应于用户驾驶特征确定峰值参数、宽度参数、加权因子、比例因子和频率参数。分析仪啡 应于来自参数计算模块的参数来为第一汽车和第二汽车生成各自的能耗结果。分析仪将4 体出行链分布表示为复合函数,其包括由峰值参数和宽度参数限定的惯常分量以及由比伊 因子限定的非惯常分量。复合函数根据加权因子来使惯常分量和非惯常分量结合。分析仏 响应于个体出行链分布确定能耗结果。


图1是本发明的效益分析系统的一个优选实施例的框图。图2是示出实现图1的系统的一个优选设备的示意图。图3示出了图1的系统的电子数据表。图4示出了根据一个示例性实施例的用户显示。图5是示出针对代表性驾驶员测量的使用数据的示图。图6是示出用于对任意驾驶员的个体出行链的惯常和非惯常要素进行建模的g 数的曲线图。图7是示出通过使图6所示函数相加而获得的复合函数曲线图。图8是示出图6和图7的函数曲线图。
具体实施例方式现在参考图1,用于实施本发明的装置的一个优选实施例包括连接至参数计算器 11的数据收集器10。分析仪12接收来自参数计算器11的参数并生成用于提供给诸如涛 在汽车消费者的用户的能量比较结果以及其他个性化数据。分析仪12包括模型13和能邏 计算器14。如下所述,模型13结合复合函数来表征用户生成的驾驶出行链的期望距离和步J率。能量比较结果优选对应于当从汽油动力汽车切换为电动汽车(例如PHEV)时由4 体实现的个体燃油偏差。用户将数据输入对应于用户的驾驶特征的数据收集器10,其中,業 据优选包括通勤距离、通勤重复、长期总行驶里程和日使用率。参数计算器11接收用户莖 驶特征并响应于将在下述模型13中使用的用户驾驶特征确定峰值参数、宽度参数、加权g 子、比例因子和频率参数。能量计算器14针对比较的不同汽车生成各自的能耗结果。模g 以复合函数表示个体出行链分布(ITCD),其包括由峰值参数和宽度参数限定的惯常分量匕 及由比例因子限定的非惯常分量。复合函数根据加权因子将惯常分量和非惯常分量进行会i 合。能量计算器14响应于个体出行链分布确定能耗结果。
如图2所示,标准个人计算机可用于实现图1所示的功能。因此,计算机15包括 CPU 16、键盘17、鼠标18和显示器20。数据收集经由键盘17和鼠标18执行。在CPU 16 中执行参数计算、建模和能量计算,并在显示器20上显示能量比较结果。如图3所示,本发 明可实现为电子数据表21,其接收作为输入的用户数据并提供作为输出的显示或打印的能 量比较结果。许多其他类型的硬件和/或软件也可以用于实施本发明,例如智能手机、平板 电脑或可执行下述分析的专用电子设备。
在图4中示出了根据本发明一个实例性实施例的屏幕显示。电子数据表窗口 25包 括用于包含文字或数值数据的多个单元。在单元30中,用户响应于问题“你平均每周通勤 几天? ”输入数值信息。在单元31中,用户响应于问题“你通勤的往返出行距离是多少? ” 输入数值信息。响应于问题“你总的年行驶里程是多少”,用户在单元32中输入数值答案。 在单元33中,用户输入估计的每年开车的天数。电子数据表通过将单元30中的每周的天 数乘以单元31中的公里数再乘以一年中的周数来计算用户的平均年通勤距离,并在单元 34中显示结果。该信息作为反复核对以帮助用户确保其输入的数据是一致的。
单元35和单元36包括允许用户选择将在能量比较中进行分析的电动汽车模型的 下拉列表。在所示实例中,用户选择插电式混合动力汽车与非插电式混合动力汽车进行比 较。
电子数据表使用模型和如下详细描述的相关运算以确定单元37中的用于标准混 合动力汽车的燃油消耗和单元38中的用于插电式混合动力汽车的燃油消耗。燃油消耗的 差产生在单元39中显示的燃油节省值。在单元40中以百分数显示节省量。
可以自动地计算附加信息和/或比较结果并显示在电子数据表中,例如在所选择 的插电式混合动力汽车与可比较主体类型的非插电式混合动力汽车的比较结果。因此,基 于用户的驾驶特征,在单元41中示出了针对汽油动力汽车的燃油消耗。在单元42至单元 44中示出了 PHEV的燃油消耗以及与非电动汽车比较的相对燃油节省量。基于用户驾驶特 征,可以示出诸如当驾驶距离超过汽车的电力距离时的天数的频率估计(即,没有为所有 出行链完全供电的运行天数)的其他计算信息或者诸如用于充电的电能使用成本的其他 计算结果。还可以使用交互功能,用户可调整其答案(例如,发现不同的通勤距离如何影响 能量结果)。还可以自动地提供这样的灵敏度分析。
尽管针对用户选择的两种汽车示出了直接的汽车比较,但是本发明还可以自动地 生成用户可能感兴趣的较大集合的汽车之间的比较。例如,比较可将“基本”汽车(例如, 特定大小的非混合汽油动力汽车)与相同或相似大小的所有纯电动汽车和/或混合动力汽 车的的比较。
本发明的模型使用个体出行链分布(ITCD)的概念,其是充电时机之间汽车行驶 多远的测量标准。因此,出行链可以包括多个实际“行程”,其中,用户出发,行驶到目的地, 离开汽车,再进入汽车,然后驶向另一个目的地(即,出行链包括多于一个的行驶事件,使 得出行链在充电时机处开始和结束)。例如,在各种充电时机之间的任意特定的一天,用户 可以去工作并返回家和/或外出购物或其他行程。可以在汽车在可以使用用于充电的电源 的家中或其他地方停放至少一个预定最短时间(诸如4个小时)时发生充电时机。虽然出 行链通常可在24小时的时间段内完成,但是还可以有当驾驶员具有额外的充电时机时以 使在某天中具有多于一个的出行链的时间。
部分地基于在一年中的大量时间段针对大量的驾驶员收集的详细数据集合来得到本发明的模型。图5中示出了针对一位采样驾驶员的出行距离数据。通过条50示出该特定驾驶员在预定范围的出行距离和里程的采样周期内进行的出行链数目。每个条50均示出了充电时机之间具有相应总行驶里程的出行链的总数。基于针对大量驾驶员的数据的分析,发现由于通勤的惯常性质,峰值通常发生为对应于用户的普通通勤距离。此外,非惯常出行表明出行链分布大多经常出现在较短距离,在较远的距离下频率降低。通过为整个采样人员集合所有的出行链分布,能够确定采用各种电动汽车技术的总体潜在效益。然而, 在评估任何个体用户而没有具体取样他们自身的ITCD的情况下,之前无法告知个体驾驶员的汽车使用中多少可表征为惯常以及多少可表征为非惯常。本发明基于图4中询问用户的4个问题来表征惯常与非惯常驾驶的比例。
本发明将针对每个个体驾驶员的个体出行链分布表示为具有惯常分量(优选具有“峰值”分布)和非惯常分量(优选具有指数分布)的复合函数。如图6所示,高斯函数 51或其他正态分布是用于表示惯常分量的峰值分布的一个实例。δ函数也可以用于峰值分布。指数函数52表示非惯常分量。通过将函数51和函数52相加获得的复合函数54提供了具有图7所示形状的个体出行链分布的模型。对于每个个体驾驶员来说,该任务成为分量函数的适当放置和相对幅度。
如图6所示,惯常分量51具有位于距离μ处且宽度为σ的峰值。非惯常分量52 通过比例因子k限定,使得分量52在Ι/k处具有最大值。个体驾驶员的惯常驾驶与非惯常驾驶的相对重要性通过如下所述用来将惯常分量和非惯常分量进行组合的加权因子w和频率参数λ来表示。图8示出分量51和分量52以及由此产生的复合函数54。一旦确定了用于个体驾驶员的复合函数,就可使用简单计算来确定用于各种场景和汽车的能耗。以下详细描述模型以及相关运算。
用于校准用户ITCD的复合函数的参数包括峰值参数μ、宽度参数σ、频率参数入、加权因子w和比例因子 k。用户对问题“你每周通勤几天”的答案表示为通勤重复X115 用户对问题“你通勤的往返出行距离是多少”的答案表示为通勤距离X2。用户对问题“你总的年行驶里程是多少”的答案表示为长期总和行驶里程x3。用户对问题“你每年有多少天开车”的答案表示为日使用率χ4。如下根据用户的答案计算参数
μ = X2
σ = min (X2/5, 7. 5)
λ = X4/365
w = (X3^X2X1) /X3
k = X3/(365 λ w) - (l_w) μ/w
因此,惯性分量的峰值位置通过通勤往返行程距离来确定。峰值的宽度σ设定为 μ的值的1/5,除非μ大于37. 5,在这种情况下,O设定为7. 5以使建模的IT⑶保持惯常行驶的足够比例。
更具体地,表示为P (χ)的复合IT⑶函数如下所示
ρ(χ) = Y e~x'k + (I — w)..................r^= β{χ-μγ 2σ~ [公式!]k·\!2π€Γ
所计算的参数限定用于评估个体用户的驾驶行为的ITCD的复合函数。利用评估的ITCD,可以基于与配置用于分析的各种车型和类型相关联的能力和假设来计算汽油燃油消耗和/或任何其他能耗。通常,可以根据使用以下公式发现用于汽车的能耗
权利要求
1.一种效益分析系统,其中,用户比较第一电动汽车和第二汽车之间能耗,所述效益分析系统包括 接收包括通勤距离、通勤重复、长期总行驶里程和日使用率的用户驾驶特征的数据收集器; 接收所述用户驾驶特征的参数计算模块,其中所述参数计算模块响应于所述用户驾驶特征确定峰值参数、宽度参数、加权因子、比例因子和频率参数;以及 响应于来自所述参数计算模块的参数生成用于所述第一汽车和所述第二汽车的相应能耗结果的分析仪,其中,所述分析仪将个体出行链分布表示为复合函数,所述复合函数包括由所述峰值参数和所述宽度参数限定的惯常分量以及由所述比例因子限定的非惯常分量,所述复合函数根据所述加权因子将所述惯常分量和所述非惯常分量结合,并且所述分析仪响应于所述个体出行链分布确定所述能耗结果。
2.根据权利要求1所述的系统,其中,所述峰值参数与所述通勤距离成比例,所述宽度参数与所述通勤距离成比例,所述频率参数与所述日使用率成比例,响应于所述通勤距离、所述通勤重复和所述长期总行驶里程确定所述加权因子,并且响应于所述通勤距离、所述通勤重复、所述长期总行驶里程和所述日使用率确定所述比例因子。
3.根据权利要求2所述的系统,其中,以往返出行距离收集所述通勤距离,以每周的天数收集所述通勤重复,以每年的里程收集所述长期总行驶里程,并且以每年的天数收集日使用率。
4.根据权利要求2所述的系统,其中,如下公式来确定这些参数
5.根据权利要求4所述的系统,其中,所述个体出行链分布p(X)表示为
6.根据权利要求1所述的系统,其中,所述惯常分量包括正态分布,所述非惯常分量包括指数分布。
7.根据权利要求1所述的系统,其中,所述第二汽车由内燃机供能。
8.根据权利要求1所述的系统,其中,所述第一汽车和所述第二汽车是由各自的电池供能的电动汽车。
9.根据权利要求1所述的系统,其中,所述第一汽车是由内燃机和电池共同供能的混合电动汽车。
10.根据权利要求9所述的系统,其中,所述第二汽车是由内燃机和电池共同供能的混合电动汽车。
11.根据权利要求1所述的系统,其中,所述能耗结果包括所述第一汽车和所述第二汽车中的一个相对于另一个的年燃油节省量。
12.根据权利要求1所述的系统,其中,所述能耗结果包括个体出行链分布超出所述第一汽车或所述第二汽车中的一个的电力范围的天数。
13.—种响应于驾驶员特征比较第一电动汽车和第二汽车之间的能耗的方法,包括以下步骤 所述驾驶员指定通勤距离、通勤重复、长期总行驶里程和日使用率; 响应于所述用户驾驶特征确定峰值参数、宽度参数、加权因子、比例因子和频率参数;将用于所述驾驶员的个体出行链分布表示为复合函数,所述复合函数包括由所述峰值参数和所述宽度参数限定的惯常分量以及由所述比例因子限定的非惯常分量,其中所述复合函数根据所述加权因子将所述惯常分量和所述非惯常分量结合; 响应于所述个体出行链分布为所述第一汽车和所述第二汽车中的每一个确定能耗;以及 向所述驾驶员呈现所述能耗,用于评估驾驶所述第一汽车和所述第二汽车的相对效
14.根据权利要求13所述的方法,其特征在于,所述峰值参数与所述通勤距离成比例,所述宽度参数与所述通勤距离成比例,所述频率参数与所述日使用率成比例,其中响应于所述通勤距离、所述通勤重复和所述长期总行驶里程确定所述加权因子,并且响应于所述通勤距离、所述通勤重复、所述长期总行驶里程和所述日使用率确定所述比例因子。
15.根据权利要求14所述的方法,其特征在于,以往返出行距离收集所述通勤距离,以每周的天数收集所述通勤重复,以每年的里程收集所述长期总行驶里程,并且以每年的天数收集日使用率。
16.根据权利要求14所述的方法,其特征在于,如下公式来确定这些参数 μ = X2 ο = min (X2/5, 7. 5) λ = X4/365 w = (X3^X2X1) /X3 k = X3/ (365 λ w) - (l_w) μ /w 其中μ是所述峰值参数,σ是所述宽度参数,λ是所述频率参数,w是所述加权因子,k是所述比例因子,X1是所述通勤距离,X2是所述通勤重复,X3是所述长期总行驶里程,以及X4是所述日使用率。
17.根据权利要求16所述的方法,其特征在于,所述个体出行链分布p(X)表示为 P(X) = ^xjk +(1-dW。
18.根据权利要求13所述的方法,其特征在于,所述惯常分量包括正态分布,所述非惯常分量包括指数分布。
19.根据权利要求13所述的方法,其特征在于,所述第二汽车由内燃机供能。
20.根据权利要求13所述的方法,其特征在于,所述第一汽车和所述第二汽车是由各自的电池供能的电动汽车。
21.根据权利要求13所述的方法,其特征在于所述第一汽车是由内燃机和电池共同供能的混合电动汽车。
22.根据权利要求21所述的方法,其特征在于,所述第二汽车是由内燃机和电池共同供能的混合电动汽车。
23.根据权利要求13所述的方法,其特征在于,所述能耗结果包括所述第一汽车和所述第二汽车中的一个相对于另一个的年燃油节省量。
24.根据权利要求13所述的方法,其特征在于,所述能耗结果包括个体出行链分布超出所述第一汽车或所述第二汽车中的一个的电力范围的天数。
全文摘要
一种效益分析系统,该系统允许用户比较第一电动汽车和第二汽车之间的能耗。数据收集器接收用户驾驶特征。参数计算模块响应于用户驾驶特征确定峰值参数、宽度参数、加权因子、比例因子和频率参数。分析仪响应于来自参数计算模块的参数以生成用于第一汽车和第二汽车的相应能耗结果。分析仪将个体出行链分布表示为复合函数,其包括由峰值参数和宽度参数限定的惯常分量以及由比例因子限定的非惯常分量。复合函数根据加权因子将惯常分量和非惯常分量结合。分析仪响应于个体出行链分布确定能耗结果。
文档编号G07C5/00GK103021042SQ20121035347
公开日2013年4月3日 申请日期2012年9月20日 优先权日2011年9月21日
发明者克里斯·C·吉尔哈特, 迈克尔·A·塔莫, 西罗·A·索托 申请人:福特环球技术公司
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1