[发明专利]电动车续航里程预测方法、测试方法和系统

权利要求书

1.一种电动车续航里程预测方法，其特征在于，基于电动车续航里程测试方法所获得的数据执行，所述预测方法包括：

确定基于所述电动车续航里程测试方法所获得的数据中与续航里程的关联性大于第一设定阈值的第一特征因素；

从所述第一特征因素中确定与测试工况的关联性大于第二设定阈值的第二特征因素；

将所述第二特征因素作为训练样本对神经网络模型进行训练，获得神经网络预测模型；

将待预测测试工况的相关因素输入至所述神经网络预测模型，获得续航里程以及相关控制因素；

其中，所述待预测测试工况的相关因素包括环境温度、电池容量、电池效率、电机效率、空调功率、车辆质量以及车辆行驶阻力中的一种或多种；所述相关控制因素包括电池能量损失、电机能量损失以及空调能耗中的一种或多种；

基于所述电动车续航里程测试方法所获得的数据包括如下各因素以及任意几种因素之间的对应关系：环境仓温度、电池效率、电池容量、电机效率、空调能耗、测试工况、测试工况所需能耗、车辆质量以及续航里程；

所述确定基于所述电动车续航里程测试方法所获得的数据中与续航里程的关联性大于第一设定阈值的第一特征因素，包括：

根据基于所述电动车续航里程测试方法所获得的数据构建初始矩阵；

对所述初始矩阵进行无量纲化处理，获得第一矩阵；

基于所述第一矩阵计算差矩阵；

确定所述差矩阵的极大值和极小值；

根据所述极大值和极小值确定各因素与续航里程的关联系数；

根据所述关联系数确定各因素与续航里程的灰色关联度；

选取灰色关联度大于第一设定阈值的因素作为所述第一特征因素；

所述神经网络预测模型的隐含层层数为1或2，每个隐含层的节点数为5或6，输入层到隐含层的激励函数为正切S形TansIg函数；

隐含层到输出层的激励函数为PurelIn函数；

训练次数为100次，学习速率为0.01。

2.一种电动车续航里程测试方法，其特征在于，应用于电动车续航里程测试系统以及如权利要求1所述的电动车续航里程预测方法，所述测试方法包括：

根据预设测试参数，通过所述电动车续航里程测试系统中的承载架设置匹配的行驶阻力系数以及测试工况，并对所述电动车的空调系统进行对应设置以及对用于模拟环境温度的环境仓的温度进行对应设置；

当满足设定条件时，启动所述测试系统进行电动车续航里程测试；

在进行电动车续航里程测试的过程中，所述电动车续航里程测试系统中的上位机通过数据采集单元采集测试数据；

当通过所述电动车续航里程测试系统中的显示屏显示的实时车速曲线与所述测试工况的曲线之间的误差达到误差阈值时，停止所述电动车续航里程测试，当停止所述电动车续航里程测试时，通过所述上位机基于采集的测试数据确定本次测试中电动车的动力电池的电量消耗量以及通过所述承载架记录本次测试的行驶里程；

其中，所述预设测试参数包括环境仓温度、测试工况、所述电动车的质量以及所述电动车空调的关联参数中的一种或多种。

3.根据权利要求2所述的测试方法，其特征在于，通过所述数据采集单元采集的测试数据至少包括：电动车动力电池的电压和电流、电动车空调系统的电压和电流以及电动车电机的电压和电流；

所述测试方法还包括：

根据所述数据采集单元采集的测试数据确定动力电池的累计放电量；

根据所述累计放电量和充电量确定动力电池的电池效率；

根据所述数据采集单元采集的测试数据确定所述空调系统的用电量；

根据所述空调系统的用电量、测试时间以及所述预设测试参数建立空调系统的用电量与环境仓温度、空调档位、空调的设定温度、空调的设定模式以及测试时间中的一种或者多种之间的对应关系；

根据所述数据采集单元采集的测试数据确定电动车电机的电机效率；

建立所述环境仓温度、所述电池效率、电池容量、所述电机效率、空调系统的用电量、测试工况、测试工况所需能耗、车辆质量以及续航里程中任意几种之间的对应关系。