[发明专利]电动汽车行程能耗预测方法、装置、设备及可存储介质

说明书

本发明适用电动汽车技术领域，提供电动汽车行程能耗预测方法、装置、设备及可存储介质，包括获取电动汽车的行驶行程测试数据以及历史行驶行程数据；根据行驶行程测试数据及预设的整车能耗模型，确定多个工况特征对应的多个能耗敏感性参数；根据历史行驶行程数据，基于递推最小二乘法对所述易变参数进行自适应学习，确定自适应学习参数；根据未来行程的多个工况特征、出厂标定参数以及自适应学习参数，确定电动汽车的未来行程能耗预测结果。本发明可以在极小且简单的计算量下准确地估计行程能耗，易于实施，克服了目前机器学习方法计算量大，不可解释且收敛性难以评估等问题，在实际应用于电动汽车行程能耗估计中具有重要的实际意义。

技术领域

本发明属于电动汽车技术领域，尤其涉及一种电动汽车行程能耗预测方法、装置、设备及可存储介质。

背景技术

2019年，我国纯电动汽车保有量达到310万辆，仅仅2015-2019年4年，起保有量就增长了10倍，并呈指数增长态势。虽然纯电动汽车的优势已经开始显现，且越来越多的消费者开始选择纯电动汽车，但纯电动汽车续驶里程不足造成的驾驶员“里程焦虑”问题始终是影响纯电动汽车推广的最重要障碍之一。研究表明，电池的能量密度在短期内难以发生革命性的突破。在这种情况下，对行程能耗精确估计以合理规划行程是减轻司机的“里程焦虑”的最有效手段。因此，电动汽车行程能耗预测的精确预测是目前电动车产业最为关注的核心技术之一。

行程能耗估计算法可分为基于模型和基于数据驱动两类。基于模型的方法是通过建立整车能耗模型和动力电池模型，从而得到能耗率及剩余电量来估计剩余续驶里程，但由于该方法依赖准确的车辆及电池参数，所以往往出厂时标定参数准确，性能较高，但随着用户的使用，车辆参数发生变化，性能也随之下降，因为这类算法在适应车辆使用过程中参数变化问题方面是比较困难烦人。基于数据驱动的方法是对历史驾驶数据和实时数据进行挖掘分析，并利用实时行车数据估计未来平均能耗，这种方法不依赖于出厂的参数标定，可以迭代学习车辆的能耗特性，但这种方法的收敛性和准确性难以进行严格证明，且计算量往往较大，给实际应用造成了一定的困难。

由此可见，现有的电动汽车行程能耗估计方法存在计算量大以及预测准确性无法保障，不利于实际应用的问题。

发明内容

本发明实施例的目的在于提供一种电动汽车行程能耗预测方法，旨在解决现有的电动汽车行程能耗估计方法存在计算量大以及预测准确性无法保障，不利于实际应用的问题。

本发明实施例是这样实现的，一种电动汽车行程能耗预测方法，包括：

获取待能耗预测的电动汽车的行驶行程测试数据以及历史行驶行程数据，所述行驶行程测试数据以及历史行驶行程数据均包括多个行程的多个工况特征以及所述多个行程对应的电动汽车能耗率；

根据所述行驶行程测试数据以及预设的整车能耗模型，确定所述多个工况特征对应的多个能耗敏感性参数；所述能耗敏感性参数包括出厂标定参数，所述出厂标定参数包括易变参数；

根据所述历史行驶行程数据，基于递推最小二乘法对所述易变参数进行自适应学习，确定自适应学习参数；

获取未来行程的多个工况特征；

根据所述未来行程的多个工况特征、出厂标定参数以及自适应学习参数，确定所述电动汽车的未来行程能耗预测结果。

本发明实施例的另一目的在于一种电动汽车行程能耗预测装置，包括：

行驶行程数据获取单元，用于获取待能耗预测的电动汽车的行驶行程测试数据以及历史行驶行程数据，所述行驶行程测试数据以及历史行驶行程数据均包括多个行程的多个工况特征以及所述多个行程对应的电动汽车能耗率；

能耗敏感性参数确定单元，用于根据所述行驶行程测试数据以及预设的整车能耗模型，确定所述多个工况特征对应的多个能耗敏感性参数；所述能耗敏感性参数包括出厂标定参数，所述出厂标定参数包括易变参数；