车辆能耗信息预测方法、计算机设备和存储介质与流程

本申请涉及车辆能耗预测领域，特别是涉及一种车辆能耗信息预测方法、计算机设备和存储介质。

背景技术：

1、以下陈述仅提供与本申请有关的背景信息，而不必然地构成现有技术。

2、电动汽车以车载电源为动力，用电机驱动车辆行驶，电动汽车的续航里程是整车控制的重要内容，驾驶员需要通过查看电动汽车仪表显示的续航里程进行出行计划，以避免电动汽车在行驶过程中因能源耗尽而停止。

3、传统的车辆单位能耗信息(如百公里能耗信息)是根据历史平均能耗值估算得出，然而，历史平均能耗值并不能准确地反映出车辆当前的能耗。

技术实现思路

1、本申请针对上述不足或缺点，提供了一种车辆能耗信息预测方法、计算机设备和存储介质，本申请实施例能在车辆上电时和驾驶时各采用对应的修正策略来修正能耗预测模型的预测结果，使得预测准确性更高，适用性更强。

2、本申请根据第一方面提供了一种车辆能耗信息预测方法，在一些实施例中，该方法包括：

3、在车辆上电时，通过能耗预测模型预测得到第一能耗预测信息，获取车辆的第一能耗特征数据，根据第一能耗特征数据静态修正第一能耗预测信息，得到车辆当前的能耗信息；

4、在车辆行驶时，通过能耗预测模型预测得到第二能耗预测信息，获取车辆的第二能耗特征数据，根据第二能耗特征数据动态修正第二能耗预测信息，得到车辆当前的能耗信息。

5、在一些实施例中，第一能耗特征数据包括位置天气特征、第一空调特征、底盘特征、驾驶风格特征和灯光特征；

6、根据第一能耗特征数据静态修正第一能耗预测信息，得到车辆当前的能耗信息，包括：

7、根据位置天气特征确定位置天气能耗修正信息；

8、根据第一空调特征确定第一空调能耗修正信息；

9、根据底盘特征确定底盘能耗修正信息；

10、根据驾驶风格特征确定驾驶风格能耗修正信息；

11、根据灯光特征确定灯光能耗修正信息；

12、对位置天气能耗修正信息、第一空调能耗修正信息、底盘能耗修正信息、驾驶风格能耗修正信息、灯光能耗修正信息以及第一能耗预测信息进行求和，得到车辆当前的能耗信息。

13、在一些实施例中，第二能耗特征数据包括天气特征、第二空调特征、热管理特征、载重特征和其他能耗相关特征；

14、根据第二能耗特征数据动态修正第二能耗预测信息，得到车辆当前的能耗信息，包括：

15、根据天气特征确定天气能耗修正信息；

16、根据第二空调特征确定第二空调能耗修正信息；

17、根据热管理特征确定热管理能耗修正信息；

18、根据载重特征确定载重能耗修正信息；

19、根据其他能耗相关特征确定其他附件能耗修正信息；

20、对天气能耗修正信息、第二空调能耗修正信息、热管理能耗修正信息、载重能耗修正信息、其他附件能耗修正信息以及第二能耗预测信息进行求和，得到车辆当前的能耗信息。

21、在一些实施例中，天气特征包括车速、风向、车头朝向、风力、风阻系数和迎风面积；

22、根据天气特征确定天气能耗修正信息，包括：

23、基于以下公式确定天气能耗修正信息；

24、天气能耗修正信息＝(vehspd^2-(vehspd-cos((windd+n-head)*s/m)*p*windp)^2)*cd*a*vehs pd/f*k

25、其中，vehspd表示车速，windd表示风向，head表示车头朝向，windp表示风力，cd表示风阻系数，a表示迎风面积，n、s、m、p、f、k均为参量。

26、在一些实施例中，第二空调特征包括车速、空调实际功率信息和空调默认功率信息；

27、根据第二空调特征确定第二空调能耗修正信息，包括：

28、计算空调默认功率信息和空调实际功率信息间的偏差；

29、根据偏差和车速确定空调能耗修正信息。

30、在一些实施例中，热管理特征包括车速、热管理部件的转速信息和默认功率信息；

31、根据热管理特征确定热管理能耗修正信息，包括：

32、根据热管理部件的转速信息以及转速与功率的对应关系确定热管理部件的实际功率信息；

33、根据车速、热管理部件的实际功率信息和默认功率信息确定热管理能耗修正信息。

34、在一些实施例中，载重特征包括车辆牵引力、风阻、阻力系数和车辆默认质量；

35、根据载重特征确定载重能耗修正信息，包括：

36、根据车辆牵引力、风阻、阻力系数计算车辆动态质量；

37、根据车速、车辆动态质量和车辆默认质量确定载重能耗修正信息。

38、在一些实施例中，其他能耗相关特征包括车速以及多个低压附件的当前设定信息和默认功率信息；

39、根据其他能耗相关特征确定其他附件能耗修正信息，包括：

40、根据各个低压附件的当前设定信息确定各个低压附件的实际功率信息；

41、根据车速、各个低压附件的实际功率信息和默认功率信息确定其他附件能耗修正信息。

42、在一些实施例中，能耗预测模型包括基于bp神经网络训练得到的基准能耗预测模型和基于rbf神经网络训练得到的动态能耗预测模型；

43、通过能耗预测模型预测得到第一能耗预测信息，包括：通过基准能耗预测模型预测得到第一能耗预测信息；

44、通过能耗预测模型预测得到第二能耗预测信息，包括：通过动态能耗预测模型预测得到第二能耗预测信息。

45、本申请根据第二方面提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一实施例中提供的车辆能耗信息预测方法的步骤。

46、本申请根据第三方面提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任一实施例中提供的车辆能耗信息预测方法的步骤。

47、在本申请的上述实施例中，在车辆上电时，通过能耗预测模型预测得到第一能耗预测信息，获取车辆的第一能耗特征数据，根据第一能耗特征数据静态修正第一能耗预测信息以得到车辆当前的能耗信息；而在车辆行驶时，则通过能耗预测模型预测得到第二能耗预测信息，获取车辆的第二能耗特征数据，之后根据第二能耗特征数据动态修正第二能耗预测信息以得到车辆当前的能耗信息。本申请实施例能在车辆上电时和驾驶时各采用对应的修正策略，即在车辆上电时对能耗预测模型的预测结果进行静态修正，而在车辆驾驶时，由于驾驶过程中可能伴随着工况的变化，因而对能耗预测模型的预测结果进行动态修正，从而使得能耗预测的准确性更高，适用性更强。

技术特征：

1.一种车辆能耗信息预测方法，其特征在于，所述方法包括：

2.如权利要求1所述的方法，其特征在于，所述第一能耗特征数据包括位置天气特征、第一空调特征、底盘特征、驾驶风格特征和灯光特征；

3.如权利要求1所述的方法，其特征在于，所述第二能耗特征数据包括天气特征、第二空调特征、热管理特征、载重特征和其他能耗相关特征；

4.如权利要求3所述的方法，其特征在于，所述天气特征包括车速、风向、车头朝向、风力、风阻系数和迎风面积；

5.如权利要求3所述的方法，其特征在于，所述第二空调特征包括车速、空调实际功率信息和空调默认功率信息；

6.如权利要求3所述的方法，其特征在于，所述热管理特征包括车速、热管理部件的转速信息和默认功率信息；

7.如权利要求3所述的方法，其特征在于，所述载重特征包括车辆牵引力、风阻、阻力系数和车辆默认质量；

8.如权利要求3所述的方法，其特征在于，所述其他能耗相关特征包括车速以及多个低压附件的当前设定信息和默认功率信息；

9.如权利要求1所述的方法，其特征在于，所述能耗预测模型包括基于bp神经网络训练得到的基准能耗预测模型和基于rbf神经网络训练得到的动态能耗预测模型；

10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述方法的步骤。

11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至9中任一项所述的方法的步骤。

技术总结本申请涉及一种车辆能耗信息预测方法、计算机设备和存储介质。所述方法包括：在车辆上电时，通过能耗预测模型预测得到第一能耗预测信息，获取车辆的第一能耗特征数据，根据第一能耗特征数据静态修正第一能耗预测信息，得到车辆当前的能耗信息；在车辆行驶时，通过能耗预测模型预测得到第二能耗预测信息，获取车辆的第二能耗特征数据，根据第二能耗特征数据动态修正第二能耗预测信息，得到车辆当前的能耗信息。本申请实施例能在车辆上电时和驾驶时各采用对应的修正策略来修正能耗预测模型的预测结果，使得预测准确性更高，适用性更强。技术研发人员：周伟,孟涛,王博,张强,郭树星,潘志前受保护的技术使用者：华人运通（山东）科技有限公司技术研发日：技术公布日：2024/7/4