1.一种纯电动车辆剩余续驶里程预测方法,其特征在于,包括:
采集并处理预设时间跨度的车辆的原始数据,其中,所述原始数据用于表征车辆状态和电池状态,所述预设时间跨度大于或等于1年;
从所述原始数据中提取多个纯行驶运动学片段,其中,车辆在每个所述纯行驶运动学片段均仅存在行驶运动;
根据每个所述纯行驶运动学片段获取影响车辆续驶里程的历史预测特征,并获取车辆当前充电段和影响车辆续驶里程的当前预测特征;
筛选出所述历史预测特征和所述当前预测特征的相似度大于或等于目标相似度的所述纯行驶运动学片段,并形成模版库;
根据所述原始数据训练联合预测模型,其中,所述联合预测模型用于预测电池剩余电量和电池健康状态;
将所述当前充电段的特征参数输入所述联合预测模型得到预测电池健康状态;
根据所述联合预测模型和所述原始数据训练里程预测模型,所述里程预测模型用于预测电池剩余续驶里程;
获取所述充电段的荷电状态变化量,根据所述荷电状态变化量和所述预测电池健康状态计算电池实际消耗能量;
获取当前环境温度,根据所述原始数据和所述当前环境温度获得预测非行驶需求能量;
根据所述电池实际消耗能量和所述预测非行驶需求能量,计算行驶需求能量;
根据所述行驶需求能量从所述模版库中获取预测片段,其中,所述预测片段为所述模版库中的一个或多个所述纯行驶运动学片段,所述预测片段产生的总能量消耗小于或等于所述行驶需求能量;
获取所述预测片段的工况信息、平均电流和剩余电量变化量,其中,所述工况信息用于表征车辆的工况的种类和车辆每种工况的时间占比;
将所述预测片段的工况信息、平均电流和剩余电量变化量输入所述里程预测模型得到车辆的剩余续驶里程。
2.根据权利要求1所述的纯电动车辆剩余续驶里程预测方法,其特征在于,所述采集并处理预设时间跨度之前车辆的原始数据的步骤,包括:根据第一预设时间间隔获取采集时间,采集与所述采集时间对应的特征参数,并形成所述原始数据;
判断所述原始数据是否存在重复异常;
根据所述原始数据存在重复异常,保留重复数据中的一条数据,并删除所述重复数据中的其他数据;
对比相邻的所述采集时间的时间间隔和所述第一预设时间间隔;
根据所述采集时间的时间间隔小于第一预设时间间隔,判断存在多余的所述采集时间,根据对比的所述采集时间和与对比的所述采集时间相邻的采集时间,获取并删除多余的采集时间和与多余所述采集时间对应的特征参数;
根据所述采集时间的时间间隔大于第一预设时间间隔,判断存在所述采集时间缺失,根据对比的所述采集时间和所述第一预设时间间隔获取缺失的所述采集时间,并根据对比的所述采集时间对应的所述特征参数,补充与缺失的所述采集时间对应的特征参数。
3.根据权利要求2所述的纯电动车辆剩余续驶里程预测方法,其特征在于,所述根据第一预设时间间隔获取采集时间,采集与所述采集时间对应的特征参数,并形成所述原始数据之后,所述采集并处理预设时间跨度之前车辆的原始数据的步骤还包括:根据箱形图法和基础逻辑筛选并清洗异常的特征参数;
判断所述特征参数是否存在数据缺失;
根据所述特征参数存在数据缺失,通过插值法补全缺失的数据,或者,删除存在数据缺失的数据。
4.根据权利要求3所述的纯电动车辆剩余续驶里程预测方法,其特征在于,所述从所述原始数据中提取多个纯行驶运动学片段的步骤,包括:根据完整的充电循环和完整的放电循环将所述原始数据划分为多个单位片段;
根据第二预设时间间隔将每个所述单位片段划分为多个运动学片段;
筛选所述运动学片段中的纯行驶运动学片段。
5.根据权利要求1所述的纯电动车辆剩余续驶里程预测方法,其特征在于,所述根据每个所述纯行驶运动学片段获取影响车辆续驶里程的历史预测特征,并获取车辆当前充电段和影响车辆续驶里程的当前预测特征的步骤,包括:读取每个纯行驶运动学片段的日期、时刻和车辆的位置信息;
根据所述日期、所述时刻和所述位置信息,获取车辆历史所在城市的历史天气状态、历史温度等级和历史拥挤程度,并根据所述日期判断历史工作日状态,以所述历史天气状态、所述历史温度等级、所述历史拥挤程度和所述历史工作日状态作为所述历史预测特征,其中,所述历史工作日状态用于表征车辆是否处于工作日;
获取车辆当前所在城市的当前天气状态、当前温度等级、当前拥挤程度和当前工作日状态,以所述当前天气状态、所述当前温度等级、所述当前拥挤程度和所述当前工作日状态作为所述当前预测特征,其中,所述当前工作日状态用于表征车辆是否处于工作日;
获取车辆当前充电段。
6.根据权利要求4所述的纯电动车辆剩余续驶里程预测方法,其特征在于,所述根据所述原始数据训练联合预测模型的步骤,包括:获取每个所述运动学片段的平均电池电压、平均电池电流、瞬时电池电压、瞬时电池电流、电池温度、最大电池单体电压、最小电池单体电压、电池剩余电量和电池健康状态;
将所述平均电池电压、所述平均电池电流、所述瞬时电池电压、所述瞬时电池电流和所述电池温度作为训练用于预测电池剩余电量的预测模型的第一训练参数,对每个所述第一训练参数和所述电池剩余电量进行皮尔逊相关性分析,以得到所述第一训练参数相对所述电池剩余电量的相关系数;
将所述平均电池电压、所述平均电池电流、所述电池温度、所述最大电池单体电压和所述最小电池单体电压作为训练用于预测电池健康状态的预测模型的第二训练参数,对每个所述第二训练参数和所述电池健康状态进行皮尔逊相关性分析,以得到所述第二训练参数相对所述电池健康状态的相关系数;
筛选出相关系数大于或等于相关性界限的第一训练参数和第二训练参数,根据筛选后的所述第一训练参数和所述第二训练参数训练所述联合预测模型。
7.根据权利要求6所述的纯电动车辆剩余续驶里程预测方法,其特征在于,所述根据所述联合预测模型和所述原始数据训练里程预测模型的步骤,包括:将所述第一训练参数输入至所述联合预测模型,并得到每个所述运动学片段的电池剩余电量变化量;
获取每个所述运动学片段的速度低于预设值的比例、减速时间比例和里程,将所述速度低于预设值的比例、所述减速比例、所述电池剩余电量变化量和所述平均电流作为用于训练所述里程预测模型的第三训练参数,对每个所述第三训练参数和所述里程进行皮尔逊相关性分析,以得到所述第三训练参数相对所述里程的相关系数;
筛选出相关系数大于或等于所述相关性界限的第三训练参数,根据筛选后的所述第三训练参数训练所述里程预测模型。
8.根据权利要求1所述的纯电动车辆剩余续驶里程预测方法,其特征在于,所述获取当前环境温度,根据所述原始数据和所述当前环境温度获得预测非行驶需求能量的步骤,包括:从所述原始数据中提取多个静止片段,其中,车辆在每个所述静止片段静止,并产生非行驶能耗;
获取每个所述静止片段内的环境温度和所述非行驶能耗,并根据所述环境温度和所述非行驶能耗搭建非行驶能耗预测模型;
获取当前环境温度,并将所述环境温度输入所述非行驶能耗预测模型,以获取预测非行驶需求能量。
9.根据权利要求8所述的纯电动车辆剩余续驶里程预测方法,其特征在于,所述获取每个所述静止片段内的环境温度和所述非行驶能耗,并根据所述环境温度和所述非行驶能耗搭建非行驶能耗预测模型的步骤,包括:获取每个所述静止片段的环境温度;
获取每个静止片段中的静息能耗,所述静息能耗包括空调加热座舱的能耗和使电池维持工作温度的能耗;
对所述静息能耗和所述静止片段的环境温度进行回归拟合,以得到非行驶能耗预测模型。
10.根据权利要求8所述的纯电动车辆剩余续驶里程预测方法,其特征在于,所述多个静止片段为多个连续的静止片段。