一种新能源续航里程预测方法与流程

本发明涉及汽车续航预测，尤其涉及一种新能源续航里程预测方法。

背景技术：

1、近年来，随着新能源汽车市场占有率的逐步提高，电动汽车的续驶里程成为消费者关心的主要能耗指标。目前各新能源车企所售产品标称的续驶里程大多采用gb/t18386.1—2021《电动汽车能量消耗量和续驶里程试验方法第1部分：轻型汽车》，为cltc(中国轻型车辆测试循环)工况下的常温试验结果，缺少低温、高速、真实驾驶等恶劣情况下的续驶里程，无法反映电动汽车综合能耗水平。这也进一步导致在对新能源汽车的续航里程进行预测时会出现预测结果不准确的情况，进而导致用户对新能源汽车的表显续航里程产生不信任感，使用户对续航里程产生焦虑情绪，

技术实现思路

1、鉴于此，本发明的目的在于提供一种新能源续航里程预测方法，通过对新能源汽车在真实场景下多种不同条件的实际续航里程进行测试，构建续航里程预测模型，提升续航里程预测准确性。

2、为实现上述发明目的，本发明提供一种新能源续航里程预测方法，所述方法包括：

3、s101、在目标新能源汽车在真实场景中开始续航里程测试时，通过目标新能源汽车上布设的传感器设备采集目标新能源汽车在续航里程测试时周边环境的环境数据；

4、s102、对续航里程测试过程中采集的所有环境数据进行分析，获得分析结果，所述分析结果包括环境温度变化和路面变化；

5、s103、获取目标新能源汽车在本次续航里程测试时的行驶工况和电池工况，所述行驶工况包括行驶速度曲线、载重情况、空调运行情况，所述电池工况包括电池容量和电池健康状态；

6、s104、在目标新能源汽车能源耗尽时，统计目标新能源汽车本次续航里程测试中所行驶的总里程信息；

7、s105、通过多次在多种真实场景中进行续航里程测试时获得的所述分析结果、行驶工况、电池工况和总里程信息，构建训练数据集，通过训练数据集对神经网络模型进行预训练，获得续航里程预测模型；

8、s106、将续航里程预测模型用于对新能源汽车的续航里程预测。

9、进一步的，所述环境数据包括多个路面位置，对续航里程测试过程中采集的所有环境数据进行分析，获得路面变化，包括：

10、s201、对于每个路面位置，确定其对应的路面类型，计算相应路面类型对目标新能源汽车产生的摩擦力；

11、s202、对续航里程测试过程中目标新能源汽车在能源耗尽时所经过的所有路面位置对应的路面类型和摩擦力，得到路面变化。

12、进一步的，所述方法还包括：

13、s301、对于每个路面位置，确定所述目标新能源汽车在该路面位置时的轮胎磨损程度和轮胎气压；

14、s302、对于每个路面位置的轮胎磨损程度和轮胎气压，确定目标新能源汽车在该路面位置时轮胎与路面的接触面积；

15、s303、对目标新能源汽车在每个路面位置时轮胎与路面的接触面积进行分析，获得目标新能源汽车在续航里程测试过程中轮胎与路面的接触面积变化情况，将轮胎与路面的接触面积变化情况、路面变化和摩擦力，输入预先训练得到的轮胎能耗分析模型中进行分析，得到续航里程测试过程中目标新能源汽车在能源耗尽时所经过的所有路面位置对应的轮胎能耗变化情况，将能耗变化情况更新到行驶工况中。

16、进一步的，所述方法还包括：

17、s401、通过目标新能源汽车上布设的传感器设备采集目标新能源汽车在每个路面位置的颠簸振动数据，同时确定目标新能源汽车所采用的悬挂系统信息；

18、s402、对目标新能源汽车在每个路面位置时的颠簸振动数据进行分析，获得目标新能源汽车在续航里程测试过程中的颠簸振动变化情况，将颠簸振动变化情况、悬挂系统信息输入预先训练得到的振动能耗分析模型中进行分析，得到续航里程测试过程中目标新能源汽车在能源耗尽时所经过的所有路面位置对应的振动能耗变化情况，将振动能耗变化情况更新到行驶工况中。

19、进一步的，所述方法还包括：

20、s501、通过目标新能源汽车上布设的传感器设备采集目标新能源汽车在每个路面位置的风向和风速数据，同时确定目标新能源汽车的风阻系数；

21、s502、对目标新能源汽车在每个路面位置的风向和风速数据进行分析，获得续航里程测试过程中的风向和风速变化情况，将风向和风速变化情况、目标新能源汽车的风阻系数输入到预先训练得到的风阻能耗分析模型中进行分析，获得续航里程测试过程中目标新能源汽车在能源耗尽时所经过的所有路面位置对应的风阻能耗变化情况，将风阻能耗变化情况更新到行驶工况中。

22、进一步的，将续航里程预测模型用于对新能源汽车的续航里程预测，包括：

23、s601、将目标新能源汽车的实时分析结果、行驶工况、电池工况输入到续航里程预测模型中，获得目标新能源汽车的续航里程预测结果；

24、s602、判断目标新能源汽车的续航里程预测结果是否小于相同行驶场景下的预设标准续航里程；

25、s603、若目标新能源汽车的续航里程预测结果小于相同行驶场景下的预设标准续航里程，则计算续航里程预测结果与预设标准续航里程的续航差值，根据续航差值、行驶工况、电池工况、分析结果，分析令目标新能源汽车达到相同行驶场景下的预设标准续航里程所建议调整的第一车辆设置，所述第一车辆设置包括行驶速度、轮胎种类、电池种类、车身风阻系数、车身载重中的至少一种。

26、进一步的，所述方法还包括：

27、s701、在目标新能源汽车的续航里程预测结果不小于相同行驶场景下的预设标准续航里程时，获取所述目标新能源汽车的车辆信息，所述车辆信息包括风阻系数、轮胎种类、电池种类、车身载重；

28、s702、在曾经进行过续航里程测试的所有其他新能源汽车中，查找车辆信息与目标新能源车辆的车辆信息相匹配的其他新能源汽车，并进一步获取所查找到的其他新能源汽车的测试情况；

29、s703、根据所获取的其他新能源汽车的测试情况，进一步查找测试情况中存在续航里程异常的其他新能源汽车；

30、s704、对查找到的续航里程存在异常的其他新能源汽车，判断其续航里程异常是否由车辆设置导致，若是，则获取其续航里程的具体异常原因，根据所获取具体异常原因生成目标新能源汽车所建议规避的第二车辆设置，所述第二车辆设置包括行驶速度、轮胎种类、电池种类、车身风阻系数、车身载重中的至少一种。

31、与现有技术相比，本发明的有益效果是：

32、本发明提供的一种新能源续航里程预测方法，通过目标新能源汽车上布设的传感器设备采集目标新能源汽车在真实场景下进行续航里程测试时周边环境的环境数据，对环境数据进行分析获得分析结果，并获取目标新能源汽车在本次续航里程测试时的行驶工况和电池工况，在目标新能源汽车能源耗尽时，统计总里程信息，通过多次在多种真实场景中进行续航里程测试时获得的所述分析结果、行驶工况、电池工况和总里程信息，构建训练数据集，通过训练数据集对神经网络模型进行预训练，获得能够应用于新能源汽车续航里程预测的续航里程预测模型，本发明所构建的续航里程预测模型考虑了真实场景下新能源汽车受到多种因素影响时的续航里程变化，能够更加准确地对新能源汽车的续航里程进行预测。