本发明涉及车辆,尤其涉及一种剩余续航里程的预测方法、车辆和计算机可读存储介质。
背景技术:
1、新能源电动汽车对环境污染少,且新能源技术发展越来越先进,因此需求越来越大。而在新能源电动汽车的性能上,备受关注的仍然是动力电池,由于动力电池容量有限,用户更关注的是汽车的行驶里程是否影响用户行程。因此,电动汽车一般会定时计算动力电池剩余电量还能行驶的剩余行程,以提醒用户及时对动力电池充电,避免影响用户行程。
2、然而,估算电动汽车剩余行程的相关技术中,通常是基于动力电池剩余电量和整车平均能耗来计算电动汽车当前的剩余续驶里程。然而,这种估算容易忽略一些因素的影响,能耗的估算不准确,导致剩余续航里程估算不够准确。
技术实现思路
1、本发明的主要目的在于提供一种剩余续航里程的预测方法、车辆和计算机可读存储介质,旨在提升车辆能耗的预测准确度,进而提升剩余续航里程估算的准确度。
2、基于此,本发明提供一种剩余续航里程的预测方法,所述剩余续航里程的预测方法包括:
3、通过车辆的运行环境数据预测所述车辆的热管理能耗,以及通过车辆的行驶数据预测车辆的行驶能耗,其中,所述热管理能耗是基于运行环境数据预测的预测热管理电量和实际热管理电量融合确定的,和/或,所述行驶能耗是基于行驶数据结合车辆的行驶工况状态变化确定的;
4、根据所述行驶能耗和所述热管理能耗确定车辆当前行驶状态下的能耗总和;
5、根据所述车辆的当前剩余电量和所述能耗总和预测所述车辆的剩余续航里程。
6、可选地,所述通过车辆的运行环境数据预测所述车辆的热管理能耗的步骤包括:
7、通过热管理单元获得实时热管理功率;
8、将所述实时热管理功率和所述运行环境数据作为卡尔曼滤波算法的输入参数,通过卡尔曼滤波融合优化,获得所述车辆的热管理能耗。
9、可选地,所述将所述实时热管理功率和所述运行环境数据作为卡尔曼滤波算法的输入参数,通过卡尔曼滤波融合优化,获得所述车辆的热管理能耗的步骤包括:
10、基于所述实时热管理功率计算得到实际热管理电量;
11、基于所述运行环境数据确定稳定状态下热能耗部件的历史稳定功率,根据所述历史稳定功率和所述实时热管理功率确定所述预测热管理电量,所述运行环境数据包括目标温度、车舱内温度、车舱外温度和运行时长中的至少一个;
12、根据所述实际热管理电量和所述预测热管理电量融合优化,获得所述车辆的热管理能耗。
13、可选地,所述根据所述实际热管理电量和所述预测热管理电量融合优化,获得所述车辆的热管理能耗的步骤包括:
14、根据所述热能耗部件的运行状态确定所述预测热管理电量的第一置信度和实时热管理电量的第二置信度,所述运行状态稳定时,所述第一置信度大于所述第二置信度,所述运行状态不稳定时,所述第一置信度小于所述第二置信度;
15、根据所述预测热管理电量和第一置信度、实际热管理电量和第二置信度融合优化,得到车辆的热管理能耗。
16、可选地,所述基于所述运行环境数据确定稳定状态下热能耗部件的历史稳定功率,根据所述历史稳定功率和所述实时热管理功率确定所述预测热管理电量的步骤包括:
17、根据所述运行环境数据查询所述热能耗部件的离线功率表,获得在稳定状态下所述运行环境数据对应的历史稳定功率;
18、根据所述历史稳定功率和实时热管理功率建立状态方程,基于所述状态方程获得所述预测热管理电量。
19、可选地,所述通过车辆的行驶数据计算车辆的行驶能耗的步骤包括:
20、根据所述运行环境数据计算当前时间区间的实时行驶能耗,以及确定所述车辆在所述当前时间区间的行驶工况状态变化;
21、计算至少一个历史时间区间的历史行驶能耗;
22、根据所述实时行驶能耗、所述行驶工况状态变化和所述历史行驶能耗,预测所述车辆的行驶能耗。
23、可选地,所述根据所述实时行驶能耗、所述行驶工况状态变化和所述历史行驶能耗,预测所述车辆的行驶能耗的步骤包括:
24、所述根据所述行驶工况状态变化确定第一修正系数和第二修正系数;
25、基于第一修正系数修正所述实时行驶能耗,基于第二修正系数修正所述历史行驶能耗;
26、基于修正后的实时行驶能耗和修正后的历史行驶能耗确定所述车辆的行驶能耗。
27、可选地,所述运行工况包括稳定工况和非稳定工况,所述行驶工况状态变化包括由非稳定工况变成稳定工况以及由稳定工况变成非稳定工况;所述根据所述行驶工况状态变化确定第一修正系数和第二修正系数的步骤包括:
28、在所述当前时间区间,所述车辆由非稳定工况变成稳定工况时,减小所述第一修正系数,增大所述第二修正系数;
29、在所述当前时间区间,所述车辆由稳定工况变成非稳定工况时,增大所述第一修正系数,减小所述第二修正系数。
30、本发明还提供一种车辆,所述车辆包括:存储器、处理器以及存储在所述存储器并可在所述处理器上运行的剩余续航里程预测程序,所述剩余续航里程预测程序被所述处理器执行时实现如上所述的剩余续航里程的预测方法的各个步骤。
31、本发明还提供一种计算机可读存储介质,所述计算可读存储介质存储有剩余续航里程预测程序,所述剩余续航里程预测程序被处理器执行时实现如上所述的剩余续航里程的预测方法的各个步骤。
32、本发明实施例提供的剩余续航里程的预测方法、车辆和计算机可读存储介质,基于运行环境数据预测的预测热管理电量和实际热管理电量融合预测车辆的热管理能耗,通过车辆的行驶数据结合车辆的行驶工况状态变化预测车辆的行驶能耗,然后再根据所述行驶能耗和所述热管理能耗确定车辆当前行驶状态下的能耗总和;根据所述车辆的当前剩余电量和所述能耗总和预测所述车辆的剩余续航里程。其中,预测热管理能耗时,考虑了热能耗部件运行稳定和运行不稳定等状态下的能耗对剩余里程的影响,预测行驶能耗时,考虑了车辆多个时间区间的实时行驶能耗结合,且考虑了行驶工况状态变化对剩余里程的影响,行驶能耗和热管理能耗的预测值更接近车辆的实际行驶能耗,提升剩余续航里程估算的准确度。另外,当车辆的行驶工况变化时,剩余续航里程还可能会基于行驶工况变平缓而增加,如此,改变剩余续航里程只降不升的现状。
1.一种剩余续航里程的预测方法,其特征在于,所述剩余续航里程的预测方法包括:
2.如权利要求1所述的剩余续航里程的预测方法,其特征在于,所述通过车辆的运行环境数据预测所述车辆的热管理能耗的步骤包括:
3.如权利要求2所述的剩余续航里程的预测方法,其特征在于,所述将所述实时热管理功率和所述运行环境数据作为卡尔曼滤波算法的输入参数,通过卡尔曼滤波融合优化,获得所述车辆的热管理能耗的步骤包括:
4.如权利要求3所述的剩余续航里程的预测方法,其特征在于,所述根据所述实际热管理电量和所述预测热管理电量融合优化,获得所述车辆的热管理能耗的步骤包括:
5.如权利要求3所述的剩余续航里程的预测方法,其特征在于,所述基于所述运行环境数据确定稳定状态下热能耗部件的历史稳定功率,根据所述历史稳定功率和所述实时热管理功率确定所述预测热管理电量的步骤包括:
6.如权利要求1-5任一项所述的剩余续航里程的预测方法,其特征在于,所述通过车辆的行驶数据计算车辆的行驶能耗的步骤包括:
7.如权利要求6所述的剩余续航里程的预测方法,其特征在于,所述根据所述实时行驶能耗、所述行驶工况状态变化和所述历史行驶能耗,预测所述车辆的行驶能耗的步骤包括:
8.如权利要求6所述的剩余续航里程的预测方法,其特征在于,所述运行工况包括稳定工况和非稳定工况,所述行驶工况状态变化包括由非稳定工况变成稳定工况以及由稳定工况变成非稳定工况;所述根据所述行驶工况状态变化确定第一修正系数和第二修正系数的步骤包括:
9.一种车辆,其特征在于,所述车辆包括:存储器、处理器以及存储在所述存储器并可在所述处理器上运行的剩余续航里程预测程序,所述剩余续航里程预测程序被所述处理器执行时实现如权利要求1至8任一项所述的剩余续航里程的预测方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算可读存储介质存储有剩余续航里程预测程序,所述剩余续航里程预测程序被处理器执行时实现如权利要求1至8任一项所述的剩余续航里程的预测方法的步骤。