[发明专利]一种电动汽车续驶里程估算方法、装置、设备及介质

说明书

本申请涉及电动汽车技术领域，提供了一种电动汽车续驶里程估算方法、装置、设备及介质，方法包括：获取电动汽车的历史行程数据和当前行程数据，以及第一权重和第二权重；根据历史行程和第一权重得到多个第一工况类型，根据当前行程和第二权重得到多个第二工况类型；若多个第一工况类型中的某一工况类型的出现概率大于预设的高出现概率阈值，则确定对应的工况类型为高出现概率工况类型，并确定多个第二工况类型中与高出现概率工况类型对应的第二工况类型为未来工况类型；将当前行程数据和未来工况类型输入至预先训练的续驶里程估算模型，得到当前行程电动汽车续驶里程估算结果。通过对未来工况的分析，能够避免未来工况与当前工况差距较大的问题。

技术领域

本申请涉及电动汽车技术领域，具体涉及一种电动汽车续驶里程估算方法、装置、设备及介质。

背景技术

电动汽车使用的锂离子动力电池，是通过锂原子氧化并在电解液中运动到另一极和电子结合的电化学反应产生了电能驱动车辆行驶。在此原理背景下，电芯能量密度、电芯数量、电池管理系统、电驱动系统、整车结构是保证电动汽车续驶里程的基础条件。

而在实际行驶过程中，用户驾驶行为、外部温度和降水、路面摩擦力、风力等等因素都会影响电池性能，导致实际能耗与理论能耗出现差距，进而影响电动汽车的续驶里程大小。

中国专利《CN109094376A》公开了一种续驶里程计算方法及装置，其中，根据车辆多个周期内的续驶表现，用梯度下降的方法拟合里程实际值和显示值的误差，令误差越来越小。该方案虽然能够根据大量车辆历史平均数据估算续驶里程，但是该种方法没有考虑到现实用户行为、环境变化、电池性质波动对续驶里程的影响。

中国专利《CN105301508A》公开了一种用于电动汽车续驶里程的径向基神经网络的预估方法，其中，基于动力电池数据、ABS控制单元数据，将电压数据、电流数据、速度数据输入径向基神经网络，运用聚类方法确定隐层中心，最终应用最小二乘法得到续驶里程计算结果。该方案虽然能够用径向基神经网络解决以往专利仅考虑历史平均表现的问题，但是该种神经网络的参数是根据经验方法取得，模型解释性较差，且没有考虑外部因素影响。

中国专利《CN110667434A》公开了一种自适应工况的纯电动汽车行驶里程估计方法及系统，其中，基于当前道路环境、交通状态确定实时工况，使用BP神经网络根据历史大数据的行车电耗数据预测该实时工况下的电耗数据，作为剩余续驶里程的输入变量。该方案虽然考虑到了工况影响，但使用实时工况估算耗电，但是没有全面考虑到未来工况与当前工况可能存在差距较大的问题。

因此，如何对未来工况进行综合分析以及如何提高续驶里程估算模型的解释性，是目前亟需解决的问题。

发明内容

鉴于以上所述现有技术的缺点，本申请的目的在于提供一种电动汽车续驶里程估算方法、装置、设备及介质，用于解决现有技术中如何对未来工况进行综合分析以及如何提高续驶里程估算模型的解释性的问题。

为实现上述目的及其他相关目的，本申请提供一种电动汽车续驶里程估算方法，所述方法包括：

获取电动汽车的历史行程数据和当前行程数据，以及所述历史行程数据对应于行程耗能的第一权重和所述当前行程数据对应于行程耗能的第二权重；

根据所述历史行程和所述第一权重得到多个第一工况类型，以及根据所述当前行程和所述第二权重得到多个第二工况类型；

若所述多个第一工况类型中的某一工况类型的出现概率大于预设的高出现概率阈值，则确定对应的工况类型为高出现概率工况类型，并确定所述多个第二工况类型中与所述高出现概率工况类型对应的第二工况类型为未来工况类型；

将所述当前行程数据和未来工况类型输入至预先训练的续驶里程估算模型，得到当前行程电动汽车续驶里程估算结果。

于本申请的一实施例中，所述多个第一工况类型包括高速平缓驾驶、高速激烈驾驶、市内平缓驾驶、市内激烈驾驶；