本发明涉及新能源汽车技术领域，具体为一种面向随机行程模型的纯电动汽车能耗估计方法。
背景技术：
目前，对于纯电动汽车的随机行程能耗的估计主要使用恒定能耗的方法。如“一种用于纯电动车辆的续航里程估算方法”(专利号：202010286326.0)中不断获取车辆的累积行驶里程；在每次累积行驶里程达到预设的里程周期时计算所述车辆的最新平均能耗值，根据新的平均能耗值估算所述车辆的续航里程。“一种基于平均电耗的电动汽车续航里程估算方法”(专利号：201910024026.2)中车辆记录一个时段内电池电量信息，根据这个时段的行驶距离计算出平均能耗；每隔预设时间间隔获取新一时段电池电量信息来更新平均能耗。并利用车辆当前时刻的电池电量信息和最新平均能耗估算得到续航里程。这两种方法的模型皆属于典型的恒定功率计算法。且该方法需要大量的的行程数据或电池信息的不断更新，但面向随机行程的能耗估计时无法获得大量的历史车辆信息。
“一种纯电动车续航里程的估算方法”(专利号：201811619888.1)中利用电动车总消耗和总行驶距离，按照一定的规则计算出行驶平均能耗；充分考虑电池衰减特性和能量密度不均匀的特性，得出电池能量密度的函数，并结合电池当前的soc值估算出电池剩余能量。由电池的剩余能量和平均能耗估算出续航里程.但是该方法考虑的车辆参数过多，由于无法有效获取众多复杂特征信息，对于大数据背景下众多不同车型的随机行程的总体能耗估计中很难应用。可见，传统的随机行程模型的纯电动汽车能耗估计方法都只是考虑了空间的概念，没有考虑时间域的问题，缺少了对汽车内部电器耗电的考量，且产生的恒定能耗也只针对某一个固定的车型，在大数据条件下大量预测和分析车辆的行程总能耗方面无法有效应用。所以本发明提出一种全新的面向随机行程模型的纯电动汽车能耗估计方法，在实际应用于电动汽车面向随机行程能耗估计中具有重要的实际意义，算法简单，易于实施，考虑了车辆部件耗能，准确度高，克服了目前常规均值能耗准确度低，通用性差等问题。
技术实现要素：
本部分的目的在于概述本发明的实施方式的一些方面以及简要介绍一些较佳实施方式。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
因此，本发明的目的是提供一种面向随机行程模型的纯电动汽车能耗估计方法，在实际应用于电动汽车面向随机行程能耗估计中具有重要的实际意义，算法简单，易于实施，考虑了车辆部件耗能，准确度高，克服了目前常规均值能耗准确度低，通用性差等问题。
为解决上述技术问题，根据本发明的一个方面，本发明提供了如下技术方案：
一种面向随机行程模型的纯电动汽车能耗估计方法，其提出的算法实现的流程，包括如下步骤：
s1：随机行程数据的生成：基于使用的随机行程模型生成随机行程的起始地、终止地或直接生成随机行程的行驶时间和距离，当生成数据为起始地和终止地，可采用其他模型将起止地点信息转化为行驶时间和距离；
s2：随机能耗特征数据的生成：
(1)生成时间域功率和空间域功率的概率分布：认为随机行程消耗的总能耗为时间域消耗的能量和空间域消耗的能量之和，针对k个车型的样本数据，每个车型为ni条随机行程，i∈(1，2…，k)，进而估计k个车型的时间域功率和空间域功率，估计的方法可以使用最小二乘法或采用物理模型的方法，从而得到对于k种车型的k对时间域和空间域功率，将得到的大量的，各个车型的时间域功率和空间域功率分别进行拟合，结果分别服从截断正态分布，认为在随机行程模型中的时间域功率和空间域功率均由以上两个分布随机产生；
(2)根据上面形成的服从截断正态分布的时间域功率分布和空间域功率分布随机生成k辆车的时间域功率，空间域功率；
s3：面向随机行程的能耗估计：根据随机行程模型产生随机的行程，获得了n个行程的时间t和行驶距离d，根据时间域功率分布和空间域功率分布随机生成k辆车的时间域功率，空间域功率，计算得到该随机行程能耗。
作为本发明所述的面向随机行程模型的纯电动汽车能耗估计方法的一种优选方案，其中：所述步骤s2中认为任意随机行程总能耗的表示公式为：
ei＝ptiti+pdidi(1)
其中pti称为时间域功率，其含义为自电动汽车启动至熄火的全部时间内，车用电器消耗的功率，pdi称为空间域功率，其表示驱动车辆行驶所消耗的功率。
作为本发明所述的面向随机行程模型的纯电动汽车能耗估计方法的一种优选方案，其中：所述步骤s2中k种车型的k对时间域和空间域功率公式为：
作为本发明所述的面向随机行程模型的纯电动汽车能耗估计方法的一种优选方案，其中：所述步骤s2中的截断正态分布公式为：
形成了时间域功率和空间域功率的截断正态分布。
作为本发明所述的面向随机行程模型的纯电动汽车能耗估计方法的一种优选方案，其中：所述步骤s2中随机行程能耗为：
e＝ptt+pdd(5)。
与现有技术相比：综合考虑了时间域功率和空间域功率，基于低分辨率的随机行程数据就能得到准确度较高的行程总能耗估计，该面向随机行程模型的纯电动汽车能耗估计方法，在实际应用于电动汽车面向随机行程能耗估计中具有重要的实际意义，算法简单，易于实施，考虑了车辆部件耗能，准确度高，克服了目前常规均值能耗准确度低，通用性差等问题。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施方式的限制。
为使本发明的目的、技术方案和优点更加清楚，下面将对本实新型的实施方式作进一步地详细描述。
本发明提供一种面向随机行程模型的纯电动汽车能耗估计方法，在实际应用于电动汽车面向随机行程能耗估计中具有重要的实际意义，算法简单，易于实施，考虑了车辆部件耗能，准确度高，克服了目前常规均值能耗准确度低，通用性差等问题；
s1：随机行程数据的生成：基于使用的随机行程模型生成随机行程的起始地、终止地或直接生成随机行程的行驶时间和距离，当生成数据为起始地和终止地，可采用其他模型将起止地点信息转化为行驶时间和距离；
s2：随机能耗特征数据的生成：
(1)生成时间域功率和空间域功率的概率分布：认为随机行程消耗的总能耗为时间域消耗的能量和空间域消耗的能量之和，针对k个车型的样本数据，每个车型为ni条随机行程，i∈(1，2…，k)，进而估计k个车型的时间域功率和空间域功率，估计的方法可以使用最小二乘法或采用物理模型的方法，从而得到对于k种车型的k对时间域和空间域功率，将得到的大量的，各个车型的时间域功率和空间域功率分别进行拟合，结果分别服从截断正态分布，认为在随机行程模型中的时间域功率和空间域功率均由以上两个分布随机产生；
(2)根据上面形成的服从截断正态分布的时间域功率分布和空间域功率分布随机生成k辆车的时间域功率，空间域功率；
s3：面向随机行程的能耗估计：根据随机行程模型产生随机的行程，获得了n个行程的时间t和行驶距离d，根据时间域功率分布和空间域功率分布随机生成k辆车的时间域功率，空间域功率，计算得到该随机行程能耗。
所述步骤s2中认为任意随机行程总能耗的表示公式为：
ei＝ptiti+pdidi(1)
其中pti称为时间域功率，其含义为自电动汽车启动至熄火的全部时间内，车用电器消耗的功率，pdi称为空间域功率，其表示驱动车辆行驶所消耗的功率。
所述步骤s2中k种车型的k对时间域和空间域功率公式为：
所述步骤s2中的截断正态分布公式为：
所述步骤s2中随机行程能耗为：
e＝ptt+pdd(5)。
实施例
本次实例数据源自于2020全国高校新能源大数据创新创业大赛创新组所提供的2019年10月-12月北京市73辆，10731条纯电动私人乘用车随机行程数据。(k＝73,n＝10731)
同时对73辆车采用最小二乘法拟合得出pti，pdi,即：
将pti，pdi,i∈(1，2，3…73)分别进行分布拟合，从拟合出的截断正态分布中分别随机抽取出取73对pt，pd。即：
2.随机行程总能耗估计
将随机产生的10731条随机行程的时间(t/h)、距离信息(d/km)，应用式(1)估计行程的总能耗e(wh)。将由正态分布随机产生的73辆车的时间域功率和空间域功率(7)带入式(1)，得到最终随机行程能耗预测公式：
e＝p′tit+p′did(8)
虽然在上文中已经参考实施方式对本发明进行了描述，然而在不脱离本发明的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是，只要不存在结构冲突，本发明所披露的实施方式中的各项特征均可通过任意方式相互结合起来使用，在本说明书中未对这些组合的情况进行穷举性的描述仅仅是出于省略篇幅和节约资源的考虑。因此，本发明并不局限于文中公开的特定实施方式，而是包括落入权利要求的范围内的所有技术方案。