[发明专利]电动车续航里程预测方法、测试方法和系统

说明书

本发明涉及汽车领域，公开了一种电动车续航里程预测方法、测试方法和系统。该预测方法包括：确定基于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。本实施例实现了准确预测电动车在不同温度环境、不同工况条件下的续航里程。

技术领域

本发明涉及汽车技术领域，尤其涉及一种电动车续航里程预测方法、测试方法、和系统。

背景技术

续航里程是电动汽车的一项重要性能，影响电动汽车续航里程的因素众多，其中，高、低温环境对电动汽车续航里程的影响较大。且高、低温环境对电池的充放电效率、汽车的电机效率、空调能耗的影响也较大。

有鉴于此，特提出本发明。

发明内容

为了解决上述技术问题，本发明提供了一种电动车续航里程预测方法、测试方法和系统，实现了准确预测电动车在不同温度环境、不同工况条件下的续航里程。

本发明实施例提供了一种电动车续航里程预测方法，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。

本发明实施例提供了一种电动车续航里程测试方法，应用于电动车续航里程测试系统，所述方法包括：

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。

本发明实施例提供了一种电动车续航里程测试系统，该系统包括：

上位机，显示屏、承载架，三个电流传感器，三个电压传感器，两个温度传感器，环境仓和数据采集单元；

其中，所述上位机与所述数据采集单元通信连接，用于接收并存储所述数据采集单元所采集到的数据；