技术摘要：
本发明涉及一种电动汽车的续航里程动态预测方法，该方法充分考虑目前电动汽车起步阶段、车载用电复杂、初期较大波动的电耗及行驶数据会对剩余里程预估带来严重偏差。利用大数据聚类思想，用大量历史行驶数据，并结合车辆载重情况，计算当前载荷状态下历史单位能耗的平  全部
背景技术：
电动车续航里程由蓄电池组的剩余能量以及未来线路的能量消耗决定。目前对于 电动汽车剩余里程估算研究分成两类，第一类是基于上一时段行驶数据得到平均能耗和电 池剩余能量来估算剩余里程，第二类方法是通过GPS来预测车辆未来一段时间行驶能耗，进 行里程估计。车辆里程的影响因素较多，估计难度很大，现有方案都不能提供很准确的估算 结果。而且，不同质量的纯电动车辆实际续航里程，随着整车总质量的增加，差值也不断增 加，有数据指出，总质量1吨及以下的车型差值比相较于2～3吨的车型相差最大可达27％； 另外，实际续航里程与工况里程差异率的季节性特点明显，冬季受外部温度较低影响，实际 续航里程较平时低，差值比明显增加。
技术实现要素：
本发明要解决的技术问题是提供一种电动汽车的续航里程动态预测方法，既考虑 季节对续航里程的影响，又考虑不同质量和不同路况对于估算精度的影响，使得估算的误 差精度满足预期效果。 本发明是这样实现的： 一种电动汽车的续航里程动态预测方法，其特征在于，包括以下步骤： 步骤一、系统建立车辆行驶驱动力模型，根据车辆当前行驶数据，利用该模型估算 车辆当前重量，并与存储在系统中的车辆空载、轻载及满载的重量范围进行对比，判断车辆 当前是空载、轻载或满载的载荷状态； 步骤二、系统将车辆的载荷状态发送给车辆监控平台，并发送数据请求指令，车辆 监控平台收到该数据请求指令后，根据车辆当前的载荷状态和预设时间段，从数据库中提 取相应数据，通过计算，得到历史单位能耗里程m1，并将该历史单位能耗里程m1回传给系 统； 步骤三、电池荷电状态SOC值每下降一个百分点进行一次剩余续航里程预测，具体 为，车辆起步初始时刻，系统从电池管理系统BMS获取电池荷电状态SOC值，在SOC值下降前5 个百分点的阶段即SOC从初始M下降到M-5的阶段，根据采集的实时电压值、SOC值以及电池 容量，计算对应SOC下的剩余能量，然后与步骤二得到的历史单位能耗里程m1相乘，计算得 到剩余续航里程，作为对应SOC下的剩余续航里程的预估值； 步骤四、在SOC值下降了5个百分点以后的阶段即下降到M-6后的阶段，剩余续航里 程的预估值按照就近五个SOC迭代法进行计算，具体为：当SOC为下降了6个百分点时，根据 SOC在前5个百分点下降阶段对应的行驶距离和消耗的能量得出最新的单位能耗里程m2，根 据当前SOC对应电压U，电池容量C，计算得到当前SOC下的初始预估里程(M-6)*U*C*m2，再由 预设的阈值对该初始预估里程进行比较修正，最后得到的修正值作为当前SOC下的剩余续 4 CN 111583440 A 说　明　书 2/8 页 航里程的预估值，以此类推，SOC每下降一个百分点，新增一个最近SOC行驶数据、舍弃较早 前第一个SOC行驶数据，即始终保持有一个最新的SOC行驶数据，并且以最近的5个SOC行驶 数据为依据，获取新的单位能耗里程，以同样的方法获得当前SOC下的剩余续航里程的预估 值。 优选地，所述步骤一中建立的车辆行驶驱动力模型为如下车辆运动方程： 式中，F为车辆行驶驱动力，m为整车质量，g为重力加速度，取9.8，f为滚动阻力系 数，θ为坡道夹角，a为行驶加速度，δ为传动系的旋转惯量系数，CD为风阻系数，A为迎风面 积，v为车速。 优选地，步骤一中还包括获取车辆初始行驶数据，车辆初始行驶数据包括车辆实 时车速v，驱动电机转速n和扭矩信息T；所述估算该车当前重量是根据公式(1)反推计算车 辆重量m，具体是由公式 求得。 优选地，F驱动力由公式 求得，P为电机功率，η为执行机构总效率，V为当前车速，η为常数，取值η＝95％；其 中P由公式 求得，n为电机转速，T为电机扭矩，其余信号均通过CAN总线网络得到； 车重最终由公式 求得。 优选地，所述步骤一中，存储在系统内的车辆空载、轻载及满载的重量范围是经过 多次装载实验标定的，其中，根据实验时的行驶数据，运用公式(1)计算得到空载、轻载以及 满载对应的重量区间范围，并将该区间范围存储在系统中。 优选地，所述步骤二中，车辆监控平台从数据库中提取的相应数据按以下方式预 先形成并存储：车辆每行驶10km获取一次行驶数据，并与车辆VIN码融合成一条数据记录发 送至车辆监控平台，车辆监控平台将数据记录按时间顺序保存在数据库的历史能耗数据表 中，其中行驶数据包括对应行驶区间内的消耗能耗、行驶里程、车辆载荷状态和单位能耗行 驶距离；该历史能耗数据表中的数据为计算历史单位能耗里程的原始数据；其中，对应行驶 区间内的消耗能耗具体为对应行驶区间起点处和终点处的电池剩余电量的差值，其中电池 剩余电量通过电池SOC、电池电压U和电池容量三个参数计算得到。 优选地，步骤四中由预设的阈值对该初始预估里程进行比较修正包括： 5 CN 111583440 A 说　明　书 3/8 页 设定上限阈值和下限阈值，其中 上限阈值＝上一SOC修正后剩余里程， 下限阈值＝上一SOC修正后剩余历程-2*最近5个SOC对应的单位里程均值； 若 下限阈值<当前SOC预估的初始剩余里程<上限阈值 则，当前SOC修正后剩余里程＝当前SOC的初始预估剩余里程； 若 当前SOC的初始预估剩余里程>＝上限阈值 则，当前SOC修正后剩余里程＝上限阈值-((当前SOC的初始预估剩余里程/上限阈 值)-1)*最近5个SOC对应的单位里程均值； 若 当前SOC的初始预估剩余里程<＝下限阈值 则，当前SOC修正后剩余里程＝下限阈值 最近5个SOC对应的单位里程均值。 本发明的有益效果为：本发明续航里程动态预测方法，首先充分考虑目前电动汽 车起步阶段，车载用电复杂，初期较大波动的电耗及行驶数据会对剩余里程预估带来严重 偏差。利用大数据聚类思想，用大量历史行驶数据，并结合车辆载重情况，计算当前载荷状 态下历史单位能耗的平均行驶距离，根据当前剩余电量，求得剩余续驶里程，此方法能够较 精确的预估车辆行驶初始阶段的续驶里程；同时本发明在车辆行驶平稳阶段，用当前时刻 最接近的上一时刻内行驶数据做参考，求得单位能耗的行驶里程。并且能够根据实时单位 能耗的平均行驶里程，动态调整得到的单位能耗行驶里程参数值，根据剩余SOC能量预估行 驶里程，又能较真实的反应目前工况下的未来续航里程。 附图说明 图1为本发明实施方式电动汽车续航里程预估方法流程图。