電動汽車的剩余續(xù)航里程估計方法、系統(tǒng)及電動汽車的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及汽車技術(shù)領(lǐng)域，特別設(shè)及一種電動汽車的剩余續(xù)航里程估計方法、系 統(tǒng)及電動汽車。
【背景技術(shù)】
[0002] 目前，隨著非再生能源的日益枯竭、環(huán)境污染的日益嚴重，車輛不斷向低能耗、低 排放的方向發(fā)展。電動汽車具有零排放的優(yōu)點，但是，電動汽車受到動力電池的發(fā)展限制， 其續(xù)航里程有限，并且對于動力電池的充電相對耗時長。因此，如何對動力電池的能量進行 管理W延長電動汽車的續(xù)航里程是亟待解決的問題。
[0003] 相關(guān)技術(shù)中，通常是根據(jù)動力電池的荷電狀態(tài)的線性模型估算電動汽車的剩余續(xù) 航里程。然而，由于電動汽車的剩余續(xù)航里程并非僅僅與動力電池的荷電狀態(tài)有關(guān)，還與駕 駛習(xí)慣、動力電池的性能衰減情況等相關(guān)，導(dǎo)致根據(jù)動力電池的荷電狀態(tài)的線性模型估算 出的電動汽車的剩余續(xù)航里程并不準確可靠，從而影響對動力電池的能量管理。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明旨在至少在一定程度上解決相關(guān)技術(shù)中的技術(shù)問題之一。 陽〇化]為此，本發(fā)明的第一個目的在于提出一種電動汽車的剩余續(xù)航里程估計方法。該 方法可W準確地計算出電動汽車的剩余續(xù)航里程，為后續(xù)的動力電池的能量管理提供可靠 依據(jù)。
[0006] 本發(fā)明的第二個目的在于提出一種電動汽車的剩余續(xù)航里程估計方法。
[0007] 本發(fā)明的第S個目的在于提出一種電動汽車。
[0008] 為了實現(xiàn)上述目的，本發(fā)明的第一方面實施例的電動汽車的剩余續(xù)航里程估計方 法，包括W下步驟：獲取動力電池的放電電流和放電電壓，并根據(jù)所述放電電流和放電電 壓計算所述動力電池的當前放電能量；獲取所述動力電池的荷電狀態(tài)和充放電次數(shù)；將所 述動力電池的荷電狀態(tài)、充放電次數(shù)和單位時間內(nèi)所述動力電池的總放電能量輸入神經(jīng)網(wǎng) 絡(luò)，得到續(xù)航里程補償系數(shù)；當車輛處于行駛狀態(tài)時，計算所述單位時間內(nèi)所述車輛的行駛 距離；W及根據(jù)所述單位時間內(nèi)所述車輛的行駛距離、所述續(xù)航里程補償系數(shù)、所述動力電 池的荷電狀態(tài)W及所述單位時間前后所述動力電池的荷電狀態(tài)的差值得到所述車輛的剩 余續(xù)航里程。
[0009] 根據(jù)本發(fā)明實施例的電動汽車的剩余續(xù)航里程估計方法，由于車輛實際的剩余續(xù) 航里程與電池的荷電狀態(tài)、電池衰減情況（即：通過充放電次數(shù)反應(yīng)電池衰減情況）和駕駛 習(xí)慣（即：通過單位時間內(nèi)動力電池的電能消耗反應(yīng)駕駛習(xí)慣）相關(guān)，其數(shù)學(xué)模型具有強烈 的非線性特性，本發(fā)明的方法綜合考慮動力電池的荷電狀態(tài)、電池衰減情況（即：通過充放 電次數(shù)反應(yīng)電池衰減情況）和駕駛習(xí)慣（即：通過單位時間內(nèi)動力電池的電能消耗反應(yīng)駕 駛習(xí)慣），并通過神經(jīng)網(wǎng)絡(luò)得到續(xù)航里程補償系數(shù)，其中，神經(jīng)網(wǎng)絡(luò)具有非線性的特性，具有 并行結(jié)構(gòu)和學(xué)習(xí)能力，針對外部激勵，能夠給出相應(yīng)的輸出，對于解決非線性問題具有天然 的優(yōu)勢，因此該方法可W準確地計算出電動汽車的剩余續(xù)航里程，從而為動力電池的能量 管理提供可靠的依據(jù)。
[0010] 另外，根據(jù)本發(fā)明上述實施例的電動汽車的剩余續(xù)航里程估計方法還可W具有如 下附加的技術(shù)特征：
[0011] 在一些示例中，所述車輛的剩余續(xù)航里程通過如下公式得到，所述公式為：
[0013] 其中，所述L為所述車輛的剩余續(xù)航里程，所述ASOC為所述單位時間前后所述動 力電池的荷電狀態(tài)的差值，所述SOC為所述電池的荷電狀態(tài)，所述S為單位時間內(nèi)所述車輛 的行駛距離，所述K為所述續(xù)航里程補償系數(shù)。
[0014] 在一些示例中，還包括：當所述車輛處于靜止狀態(tài)時，所述車輛的剩余續(xù)航里程通 過如下公式得到，所述公式為：
[0016] 其中，Uid為所述單位時間前所述車輛的剩余續(xù)航里程，為所述單位時間 內(nèi)所述動力電池的總放電能量，WWtuld為前一個所述單位時間內(nèi)所述動力電池的總放電能 量。
[0017] 在一些示例中，所述續(xù)航里程補償系數(shù)通過如下方式得到：
[0018] 設(shè)計徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)，其中，所述徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)包括輸入層、隱藏層和 輸出層，所述徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)表示為：
陽020] 其中，所述X為輸入矢量，所述X= [S0CNWggJT;所述y(x,W)為輸出的所述續(xù)航 里程補償系數(shù)K;所述Wi為權(quán)重；所述H為所述隱藏層的神經(jīng)元數(shù)量；所述C1為中屯、矢量； 所述Px-CiP為到中屯、的距離；所述d)為徑向基函數(shù)，所述Wegtt為所述動力電池的總放電能 量，所述SOC為所述電池的荷電狀態(tài)，所述N為所述充放電次數(shù)；
[0021] 根據(jù)預(yù)設(shè)的多組動力電池的總放電能量、所述電池的荷電狀態(tài)和充放電次數(shù)對所 述徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練；
[0022] 根據(jù)訓(xùn)練完成的所述徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)得到所述續(xù)航里程補償系數(shù)。
[0023] 在一些示例中，在得到所述車輛的剩余續(xù)航里程之后，還包括：當所述車輛的剩余 續(xù)航里程小于第一預(yù)設(shè)行駛里程時，提示用戶是否進入經(jīng)濟模式，當接收到經(jīng)濟模式進入 指令時，控制所述車輛進入經(jīng)濟模式，W及在接收到經(jīng)濟模式退出指令時，控制所述車輛退 出所述經(jīng)濟模式；當所述車輛的剩余續(xù)航里程小于第二預(yù)設(shè)行駛里程時，提示用戶是否進 入深度經(jīng)濟模式，當接收到深度經(jīng)濟模式進入指令時，控制所述車輛進入深度經(jīng)濟模式，W 及在接收到深度經(jīng)濟模式退出指令時，控制所述車輛退出所述深度經(jīng)濟模式，其中，所述第 一預(yù)設(shè)行駛里程大于所述第二預(yù)設(shè)行駛里程。
[0024] 在一些示例中，當所述車輛進入經(jīng)濟模式之后，還包括：降低扭矩響應(yīng)速度；降低 所述電動汽車的部分附件的能量消耗；當所述經(jīng)濟模式下得到的所述的車輛的剩余續(xù)航里 程大于第=預(yù)設(shè)行駛里程時，提示用戶是否退出所述經(jīng)濟模式，并在接收到經(jīng)濟模式退出 指令時，控制所述車輛退出所述經(jīng)濟模式，其中，所述第=預(yù)設(shè)行駛里程大于所述第一預(yù)設(shè) 行駛里程；當所述車輛進入所述深度經(jīng)濟模式之后，還包括：將所述車輛的車速限制為預(yù) 設(shè)車速之內(nèi)；進一步降低和/或關(guān)閉所述電動汽車的部分附件的能量消耗；當所述深度經(jīng) 濟模式下得到的所述的車輛的剩余續(xù)航里程大于第四預(yù)設(shè)行駛里程時，提示用戶是否退出 所述深度經(jīng)濟模式，并在接收到深度經(jīng)濟模式退出指令時控制所述車輛退出所述深度經(jīng)濟 模式，其中，所述第四預(yù)設(shè)行駛里程小于所述第=預(yù)設(shè)行駛里程且大于所述第一預(yù)設(shè)行駛 里程。
[0025] 本發(fā)明的第二方面的實施例的電動汽車的剩余續(xù)航里程估計系統(tǒng)，包括：能量計 算模塊，用于獲取動力電池的放電電流和放電電壓，并根據(jù)所述放電電流和放電電壓計算 所述動力電池的當前放電能量；續(xù)航里程補償系數(shù)計算模塊，用于獲取所述動力電池的荷 電狀態(tài)和充放電次數(shù)，并將所述動力電池的荷電狀態(tài)、充放電次數(shù)和單位時間內(nèi)所述動力 電池的總放電能量輸入神經(jīng)網(wǎng)絡(luò)，得到續(xù)航里程補償系數(shù)；剩余續(xù)航里程估計模塊，用于當 車輛處于行駛狀態(tài)時，計算所述單位時間內(nèi)所述車輛的行駛距離，并根據(jù)所述單位時間內(nèi) 所述車輛的行駛距離、所述續(xù)航里程補償系數(shù)、所述動力電池的荷電狀態(tài)W及所述單位時 間前后所述動力電池的荷電狀態(tài)的差值得到所述車輛的剩余續(xù)航里程。
[0026] 根據(jù)本發(fā)明實施例的電動汽車的剩余續(xù)航里程估計系統(tǒng)，由于車輛實際的剩余續(xù) 航里程與電池的荷電狀態(tài)、電池衰減情況（即：通過充放電次數(shù)反應(yīng)電池衰減情況）和駕駛 習(xí)慣（即：通過單位時間內(nèi)動力電池的電能消耗反應(yīng)駕駛習(xí)慣）相關(guān)，其數(shù)學(xué)模型具有強烈 的非線性特性，本發(fā)明的系統(tǒng)綜合考慮動力電池的荷電狀態(tài)、電池衰減情況（即：通過充放 電次數(shù)反應(yīng)電池衰減情況）和駕駛習(xí)慣（即：通過單位時間內(nèi)動力電池的電能消耗反應(yīng)駕 駛習(xí)慣），并通過神經(jīng)網(wǎng)絡(luò)得到續(xù)航里程補償系數(shù)，其中，神經(jīng)網(wǎng)絡(luò)具有非線性的特性，具有 并行結(jié)構(gòu)和學(xué)習(xí)能力，針對外部激勵，能夠給出相應(yīng)的輸出，對于解決非線性問題具有天然 的優(yōu)勢，因此該系統(tǒng)可W準確地計算出電動汽車的剩余續(xù)航里程，從而為動力電池的能量 管理提供可靠的依據(jù)。
[0027] 另外，根據(jù)本發(fā)明上述實施例的電動汽車的剩余續(xù)航里程估計系統(tǒng)還可W具有如 下附加的技術(shù)特征：
[0028] 在一些示例中，所述車輛的剩余續(xù)航里程通過如下公式得到，所述公式為：
[0030] 其中，所述L為所述車輛的剩余續(xù)航里程，所述ASOC為所述單位時間前后所述動 力電池的荷電狀態(tài)的差值，所述SOC為所述電池的荷電狀態(tài)，所述S為單位時間內(nèi)所述車輛 的行駛距離，所述K為所述續(xù)航里程補償系數(shù)。
[0031] 在一些示例中，所述剩余續(xù)航里程估計模塊還用于：當所述車輛處于靜止狀態(tài)時， 所述車輛的剩余續(xù)航里程通過如下公式得到，所述公式為：
陽0