详情

原文传递一种融合能耗预测的双电机电动汽车续航里程估计方法

专利名称：	一种融合能耗预测的双电机电动汽车续航里程估计方法
摘要：	本发明涉及一种融合能耗预测的双电机电动汽车续航里程估计方法，包括以下步骤：步骤S1：根据实际运行数据，采集工况特征参数和当前速度；步骤S2:构建能耗估计模型；步骤S3:根据特征参数,利用工况识别器，获取车辆当前所处的工况类型；步骤S4:根据的工况类型，计算得到状态转移矩阵；步骤S5:状态转移矩阵根据当前速度预测得到下一时刻速度，并计算得到加速度；步骤S6:根据速度、加速度与电池SOC,查表，获取工作模式；步骤S7:根据工作模式，将速度和加速度作为能耗估计模型中，预测电池输出功率；步骤S8:根据电池SOC计算出电池剩余可用能量，并根据剩余能量与预测电池输出功率计算得到续航里程。本发明能够快速有效的预测未来能耗，并预估续航里程。
专利类型：	发明专利
国家地区组织代码：	福建;35
申请人：	福州大学
发明人：	林歆悠;张光吉;周斌豪;伍家鋆;王召瑞
专利状态：	有效
申请日期：	2019-08-14T00:00:00+0800
发布日期：	2019-11-12T00:00:00+0800
申请号：	CN201910747204.4
公开号：	CN110435429A
代理机构：	福州元创专利商标代理有限公司
代理人：	陈明鑫;蔡学俊
分类号：	B60L3/12(2006.01);B;B60;B60L;B60L3
申请人地址：	350108福建省福州市闽侯县上街镇福州大学城学院路2号福州大学新区
主权项：	1.一种融合能耗预测的双电机电动汽车续航里程估计方法，其特征在于，包括以下步骤：步骤S1：根据双电机电动汽车实际运行数据，采集车辆行驶工况特征参数和当前速度；步骤S2:构建能耗估计模型；步骤S3:根据特征参数,利用工况识别器，获取车辆当前所处的工况类型；步骤S4:根据车辆当前所处的工况类型，计算得到状态转移矩阵；步骤S5:状态转移矩阵根据当前速度预测得到下一时刻速度，并计算得到加速度；步骤S6:根据速度、加速度与电池SOC,查找工作范围表，获取工作模式；步骤S7:根据工作模式，将速度和加速度作为能耗估计模型中，预测电池输出功率；步骤S8:根据电池SOC计算出电池剩余可用能量，并根据剩余能量与预测电池输出功率计算得到续航里程。 2.根据权利要求1所述的一种融合能耗预测的双电机电动汽车续航里程估计方法，其特征在于：所述车辆行驶工况特征参数包括：平均速度vmean、最大速度vmax、速度标准差vvar、正加速度平均值apmean、负加速度平均值anmean、加速度标准差avar、最大加速度amax、最小加速度amin、怠速时间比例Pi、匀速时间比例Pc、加速时间比例Pa和减速时间比例Pd。 3.根据权利要求1所述的一种融合能耗预测的双电机电动汽车续航里程估计方法，其特征在于，所述步骤S2具体为：步骤S21:能耗估计模型从车辆动力学出发，以速度、加速度为输入变量，构建常数、v、a·v、v3的能耗估计多项式，采用多元线性回归确定各项系数。由车辆动力学公式可知，在驱动模式下：制动模式下：其中：Pbatt_drive:驱动模式下电池功率；Pbatt_brake:制动模式下电池功率；ηSM1、ηSM2、ηTC、ηSC、ηBM1、ηBM2分别表示对应模式下系统效率；θ：道路坡度；m:车辆总质量；g：重力加速度；Cd:空气阻力系数；A:汽车迎风面积；σ：旋转质量换算系数。步骤S22:预设道路水平θ＝0，各个模式下的系统效率不同但都为常数，则式(1)、式(2)表示为：驱动模式下，令：制动模式下，令：则式(3)、(4)表示为： Pbatt＝k1·v+k2·v3+k3·av (5) 步骤S23:将车辆实际工况数据与测得的电池输出功率通过统计学的多元线性回归分析，得到不同工作模式下k1、k2、k3具体数值，得到了以速度、加速度为输入，电池功率为输出的多元线性回归方程；步骤S24:将电池功率对时间积分，得到一段时间内电池消耗总能量，即以速度v、加速度a为输入的能耗估计模型。 4.根据权利要求3所述的一种融合能耗预测的双电机电动汽车续航里程估计方法，其特征在于：所述工作模式包括电机M1驱动SM1、电机M2驱动SM2、电机M1与M2转矩耦合TC、电机M1与M2转速耦合SC、电机M1制动BM1、电机M2制动BM2。 5.根据权利要求1所述的一种融合能耗预测的双电机电动汽车续航里程估计方法，其特征在于：所述工况识别及采用LVQ神经网络，分为输入层、竞争层、输出层，输入层为车辆行驶特征参数，包括平均速度vmean、最大速度vmax、速度标准差vvar、正加速度平均值apmean、负加速度平均值anmean、加速度标准差avar、最大加速度amax、最小加速度amin、怠速时间比例Pi、匀速时间比例Pc、加速时间比例Pa、减速时间比例Pd，竞争层对输入向量进行分类，输出层三个神经元分别对应城市拥堵工况、城市郊区工况、高速公路工况，并以T为周期对汽车所处工况识别。 6.根据权利要求1所述的一种融合能耗预测的双电机电动汽车续航里程估计方法，其特征在于,所述状态转移概率矩阵建立过程如下：式中，将速度分为M个状态，Pij为当t时刻车速为vi时，t+1时刻速度为vj的转移概率，mij为从速度vi转移到vj的次数，mi为从速度vi转移的次数，P为状态转移概率矩阵。其中Pij： 7.根据权利要求1所述的一种融合能耗预测的双电机电动汽车续航里程估计方法，其特征在于,所述步骤S8具体为：未来t+1时刻能耗率Efut(kw·h/km)：电池当前时刻电池SOCcur与剩余可用电量Qres之间关系为： Qres＝(SOCcur-SOCt)·Qm (9) 其中电池组额定容量，SOCt为最小可接受电池组电荷状；考虑到电池寿命与放电效率，电池组有效剩余能量Eres为： Eres＝ηdis·ηdod·Qres·Ue (10) 其中ηdis为电池放电效率，ηdod电池放电深度，Ue为电池组额定电压由式(8)、(9)、(10)得到续航里程为：
所属类别：	发明专利