大数据采集与处理系统及基于其电动汽车续航估计方法与流程

本发明涉及汽车领域的电动汽车剩余续航里程估计方法，特别是一种车载大数据采集与处理系统及基于其的电动汽车续航估计方法。

背景技术：

纯电动汽车的续航里程只有传统内燃机汽车续航里程的20％左右，这是阻碍大多数消费者去购买电动汽车的一个主要因素。因而提供一套合理的续航里程估计方法，可以帮助驾驶者提前估计车辆的续航里程、合理地调整电动汽车的使用策略，减少电动汽车使用者对续航里程的焦虑。目前，各大汽车厂商主要从计算车辆能耗的角度出发，来进行电动汽车续航里程估计的研究。估计方法也是侧重于研究车辆行驶参数对续航里程的影响，通过台架试验、软件仿真在较为理想的条件下，计算车辆的行驶能耗，依据电池输出能耗与车辆消耗能耗相等的原则，估计车辆的续航里程。这些方法较少地涉及车辆的实际行驶工况，致使实际行驶里程与估计结果相差较大，估计结果很难对实际行驶起到指导作用。另外，近几年来，新型网联汽车迅速发展，网联化汽车融合现代通信与网络技术，可以实现车与X(人、车、路、后台等)智能信息交换共享，具备复杂的环境感知、智能决策、协同控制和执行等功能，使得汽车驾驶更加趋向于自动化，智能化。我们利用网联化汽车的一些特性，获取车辆使用时的实时数据，预估电动汽车的行驶状态，并结合车辆电池的SOC和实时云端数据，提出了一种基于大数据的网联化电动汽车剩余续航里程估计方法。

技术实现要素：

本发明的主要目的是提供一种大数据采集与处理系统及基于其电动汽车续航估计方法，来对网联化纯电动汽车的续航里程进行估计，以获得新型网联化纯电动汽车准确的剩余续航里程。另外根据云端获取的实时数据，可以更好的规划车辆的使用策略，优化电动汽车的控制策略，以提高电动汽车的使用寿命。

本发明的装置主要通过以下的方案实现：一种大数据采集与处理系统，其特征在于：包括车载传感器、GPS定位系统、道路信息感知系统、云端数据接收系统、数据传输处理系统及在线计算系统；所述的车载传感器用于获取车辆的实时信息；所述GPS定位系统结合卫星定位以及在线地图，进行实时的路线规划和导航；所述云端数据接收系统利用通讯网络从云端服务器接收规划路线上的道路、交通、天气及其他信息；道路感知系统包括车身检测雷达、激光、摄像头及其他感知装置，用于获取车辆周围的实时交通、环境；最终这些数据通过数据传输处理系统进行信息的交互与处理；所述在线计算系统来对车辆剩余续航里程进行估计计算，所述在线计算系统从收集数据中读取实时数据和历史数据，根据车辆模型，计算得出车辆的剩余续航里程。

本发明还提供一种基于上述大数据采集与处理系统的电动汽车续航估计方法，其特征在于：包括以下步骤：S0：提供一联网的车载大数据采集与处理系统，该系统包括车载传感器、GPS定位系统、道路信息感知系统、云端数据接收系统、数据传输处理系统、在线计算系统及人机交互系统；S1：驾驶者需要根据需求，在人机交互系统中设定本次行驶的目的地，在线计算系统根据记录的车辆动力学模型，结合目的地信息以及电池剩余电量，进行粗略估计是否可以到达目的地；如果电池电量不足，不能到达，则执行S2；如果可以到达目的地，则执行S3；S2：基于网络数据，结合地图信息搜索附近的充电设施，参考行驶目的地，选择合理的充电设施，并将电池信息、充电设施距离、位置及其他信息通过人机交互系统显示给驾驶者；S3：GPS定位系统结合地图信息以及驾驶者的驾驶需求合理地规划汽车的行驶线路，并结合地图信息，获得道路信息，如坡度，距离及其他路况。

相比于传统的通过台架试验、软件仿真在较为理想的条件下，计算车辆的行驶能耗，依据电池输出能耗与车辆消耗能耗相等的原则，估计车辆的续航里程，本发明基于现在的通讯和网络技术，从云端服务器获得实时道路、交通、天气等信息，然后基于这些数据来预估得到电动汽车的未来驾驶状态，更加接近于现实的状况，可以给出更加精准的预估续航里程前提条件；另外本发明中根据实际行驶状态，获得汽车在行驶过程中实时的车辆自身数据和电池的数据，并将这些实时数据结合在优化的车辆动力学模型和电池模型中，该模型也要比传统的基于电动汽车的驱动过程中的物理方程而得到的车辆动力学模型和电池模型更加精确，因此本发明可以在很大程度上提高纯电动汽车剩余续航里程的估计精度。另外根据云端获取的实时数据，更好的规划车辆的使用策略，优化电动汽车的控制策略，以提高电动汽车的使用寿命。

附图说明

图1为本发明实施试验装置的示意图。

图2为本发明实现过程方法示意图。

具体实施方式

下面结合附图及实施例对本发明做进一步说明。

要实现对网联化电动汽车剩余续航里程的精准估计，需要一套联网的车载大数据采集与处理系统。该系统能够从众多的资源中收集各种架构下的各种相关数据；然后进行整理和分析，将其结合在续航里程估计中。主要结构示意图参见图1。

该系统主要包括：车载传感器、GPS定位系统、道路信息感知系统、云端数据接收系统、数据传输处理系统及在线计算系统。所述的车载传感器如电池传感器(IBS)、电机温度转速传感器等安装于车辆的对应位置，用于获取车辆的实时信息；GPS定位系统结合卫星定位以及在线地图，进行实时的路线规划和导航；云端数据接收系统利用现代通讯技术，从云端服务器接收规划路线上的道路、交通、天气等信息；道路感知系统主要包括车身检测雷达、激光雷达、摄像头等感知装置，用于获取车辆周围的实时交通，环境等信息；最终这些数据通过数据传输处理系统进行信息的交互与处理；车辆内还包含在线计算系统来对车辆剩余续航里程进行估计计算，该模块通过软件或者程序的形式集成于车载电脑中，通过使用MATLAB/Simulink代码，从收集数据中读取实时数据和历史数据，根据车辆模型，计算得出车辆的剩余续航里程。较佳的还包括一人机交互系统，用于设定目的地，进行导航，显示电池SOC和估计结果等信息。

进一步的，该系统还需要从CAN总线和电池管理系统另外增加接入口，使得该系统可以与整车控制器以及电池管理系统连接，可以获得车辆的自身的行驶数据和电池的温度和SOC等数据。

根据大数据采集与处理系统，收集车辆行驶时的各种相关数据，通过执行一个基于模型的剩余续航里程估计方法，来获得车辆的剩余续航里程估计值。该方法有两个连续的步骤，即电动汽车未来行驶状态估计和电动汽车功耗估计。首先，基于大数据采集与处理系统获取的路线的规划，道路速度限制，驾驶模式，交通，天气信息等数据，预测电动汽车未来的行驶状态。然后，根据预测的速度，预测的加速度，路线的形成，道路坡度和电动汽车的规格，电池的温度和SOC等数据，实时优化电动汽车的动力学模型和电池模型，并根据优化的模型来进行电动汽车的功耗估计，最终得到电动汽车的剩余续航里程。

如图2所示，本实施例提供了一种基于大数据的估计方法，来对网联化纯电动汽车的续航里程进行精准估计。具体包括以下步骤：

S0：提供一联网的车载大数据采集与处理系统，该系统包括车载传感器、GPS定位系统、道路信息感知系统、云端数据接收系统、数据传输处理系统、在线计算系统及人机交互系统；

S1：驾驶者需要根据需求，在人机交互系统中设定本次行驶的目的地，在线计算系统根据记录的车辆动力学模型，结合目的地信息以及电池剩余电量，进行粗略估计是否可以到达目的地；如果电池电量不足，不能到达，则执行S2；如果可以到达目的地，则执行S3；

S2：基于网络数据，结合地图信息搜索附近的充电设施，参考行驶目的地，选择合理的充电设施，并将电池信息、充电设施距离、位置及其他信息通过人机交互系统显示给驾驶者；

S3：GPS定位系统结合地图信息以及驾驶者的驾驶需求合理地规划汽车的行驶线路，并结合地图信息，获得道路信息，如坡度，距离等。另外，根据这些信息GPS还可以进行基本的实时导航功能。

进一步的，云端数据接收装置根据规划的路线信息，通过通信网络从云端服务器获取规划路线上的天气、道路、交通等实时数据。这些数据通过数据传输处理系统进行信息的交互和分析处理。道路信息感知系统用于感知车辆周围的道路以及交通信息，辅助驾驶者进行驾驶，并提供必要的信息。最终数据处理系统根据车辆信息，结合从云端服务器获取的规划路线上的道路、交通、天气等信息，来预估车辆未来的行驶状态，这主要包括车辆在规划的路线上行驶时，车辆的预估速度，预估加速度，预估平均速度、预估停车时间等车辆的行驶信息。

进一步的，根据实际情况，结合车辆和电池的实时数据，进行电动汽车动力学模型的自适应建立。电动汽车的动力学模型是一个与电动汽车的速度，电动汽车的加速度，电动汽车的质量和道路坡度严格相关的复杂函数。因此根据数据采集与处理系统获取的实时数据，对车辆的动力学模型进行实时的更新，得到车辆的自适应模型，可以大大提高车辆剩余续航里程的估计精度。

传统的车辆动力学模型可以简化为一个由道路坡度、电动汽车的速度、电动汽车的加速度和电动汽车的质量等参数组成的函数：

在这里F_R,F_G,F_I,F_A,θ,m,v和a分别是滚动阻力、坡度阻力、惯性阻力、空气阻力、道路坡度、车辆质量、速度和加速度，其中模型系数α,β,γ和A分别代表滚动阻力、坡度阻力、惯性阻力和空气阻力，其中，车辆动力学模型系数可以从生产车辆的规格中找到。

因为车辆动力学模型假定电机的效率为100％。如果考虑到瞬时电机效率，车辆的动力学模型就会得到一定的优化。另外该模型还忽略了传动系统和配套设施的损耗估计，虽然动力传动系统和配套设施的损耗是不可预测的，但是这方面的影响也会变得非常的显著。通过实验表明，电动汽车的功耗与电动汽车的速度是一个二次函数的关系。因此我们就建立了集成了车辆动力学模型、瞬时电机损耗模型以及传动系统和配套设施损耗模型的混合车辆动力学模型。

该模型可以用以下公式表示：

T＝(α+βsinθ+γa+Av²)m (2)

P_hybrid＝Tv+C₀+C₁v+C₂v²+C₃T² (3)

其中α,β,γ和A分别代表滚动阻力、坡度阻力、惯性阻力和空气阻力的车辆动力学模型系数，可以从生产车辆的规格中找到，θ，m,v,a分别代表道路坡度、车辆质量、速度和加速度，C₀,C₁,C₂,C₃分别为计算程序计算得出的模型多项式拟合参数。

本实施例中车辆利用数据采集与处理系统，每半秒钟收集一次这辆电动汽车的功耗、速度、道路坡度等数据，车载的各种传感器用于检测汽车的各种状态信息，例如速度、倾角、加速度、电机温度等信息，结合从云端服务器获取的规划路线上的道路、交通、天气等信息，最终将这些数据汇总在数据传输处理系统中。然后在数据处理系统中进行的多元线性回归分析，通过计算获得模型中各参数的动态值，最终的得到一个精确地实时更新的自适应电动汽车动力学模型。然后，将动力学模型以及其中的参数数据存储到在线计算系统中。

进一步的，通过接入电池管理系统，获取电池的信息，如电池电流、电池组电压、SOC、健康状态(SOH)、电池温度等，进行电池模型的实时更新建立。该过程可以通过使用MATLAB/Simulink代码，电池的RC等效模型在SIMULINK中叫做SimBattery。该模型是一个带有基于报告温度可调节内部电阻的RC等效电路。当前SOC值的会通过实时电压和电池的参数如SOC/SOH混合估计算法实时估计得出。此外，该算法还提供了基于实时数据和历史数据更新得到电池参数。

最后，根据实时更新的车辆动力学模型和电池模型，在线计算系统参考车辆预估得到的行驶状态数据，按照设定的程序进行车辆的功耗估计。通过设定的估计计算算法，得到准确的车辆剩余续航里程估计值以及行驶结束后电池的荷电状态，即SOC值，然后在人机交互系统中给出估计的结果。如果行驶至电池电量接近最低时，不能到达目的地，该系统自动搜索附近的充电设施，并提醒使用者及时进行电量补充，然后重新进行线路规划和导航。

综上所述，本发明中对网联化电动汽车进行剩余续航里程的估计方法中，基于现在的通讯和网络技术，从云端服务器获得实时道路、交通、天气等信息，然后基于这些数据来预估得到电动汽车的未来驾驶状态。相比于传统估计方法中采用的通过台架试验、软件仿真得到的较为理想的车辆行驶状态，预估得到电动汽车的未来驾驶状态，更加接近于现实的状况，可以给出更加精准的预估续航里程前提条件。本发明中根据实际行驶状态下车辆实时数据，计算的得到的车辆动力模型和电池模型，也要比传统的基于电动汽车的驱动过程中的物理方程而得到的车辆动力模型更加精确。因此，可以得出结论，本发明中的估计方法可以在很大程度上提高网联化的纯电动汽车剩余续航里程的估计精度。另外根据云端获取的实时数据，更好的规划车辆的使用策略，优化电动汽车的控制策略，以提高电动汽车的使用寿命。

以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。