[发明专利]剩余里程预测的方法和电池远程服务的系统

权利要求书

1.一种剩余里程预测的方法，其特征在于，包括：

获取车辆的历史行驶状态数据；

根据所述历史行驶状态数据提取所述车辆的多个行程的行程特征，所述行程特征包括所述行程的开始电荷状态SOC；

根据所述多个行程的行程特征，使用机器学习算法构建预测模型，所述预测模型用于预测单位SOC的可行驶距离；

获取所述车辆当前的SOC；

从所述车辆的多个行程的行程特征中提取与所述车辆当前的SOC相同和/或接近的多段行程的行程特征；

根据所述多段行程的行程特征计算所述多段行程的平均行程特征；

将所述平均行程特征加入所述多个行程的行程特征后进行聚类分析，得到包含所述平均行程特征的中心特征；

将所述中心特征输入所述预测模型，得到所述车辆当前SOC下单位SOC的可行驶的里程数；

根据所述车辆当前SOC下单位SOC的可行驶距离，确定所述车辆在指定的SOC下所能行驶的剩余里程数。

2.根据权利要求1所述的方法，其特征在于，所述历史行驶状态数据包括：车速、累计里程、档位、油门行程、最大最低温度、总电压、总电流、SOC、电机电流、电机电压、电机转速、电机扭矩、电机温度。

3.根据权利要求1或2所述的方法，其特征在于，所述行程特征还包括以下参数中一个或多个：平均速度、最大速度、当前里程数、行驶里程数、平均档位、平均油门深度、电池最大最小温度差、电池平均温度、平均电压、开始电压、平均电流、开始电流、电流标准差、行程消耗SOC、平均电机电压、起始电机电压、平均电机电流、电机电流标准差、平均电机转速、电机转速标准差、平均扭矩、扭矩标准差。

4.根据权利要求1或2所述的方法，其特征在于，根据所述历史行驶状态数据提取所述车辆的多个行程的行程特征，包括：

将所述历史行驶状态数据分成所述多个行程的历史行驶状态数据，对所述多个行程的历史行驶状态数据分别进行行程特征提取，得到所述多个行程的行程特征。

5.根据权利要求1或2所述的方法，其特征在于，所述行程特征提取的方法包括：主成分分析PCA、线性判别分析LDA、人工定义特征提取。

6.根据权利要求1或2所述的方法，其特征在于，所述机器学习算法包括：随机森林、神经网络、长短期记忆网络LSTM、梯度提升决策树GDBT。

7.一种电池远程服务的系统，其特征在于，包括：

模型构建模块，用于调用数据处理模块和数据存储模块获取车辆的历史行驶状态数据；

所述模型构建模块，还用于调用数据分析模块根据所述历史行驶状态数据提取所述车辆的多个行程的行程特征，所述行程特征包括所述行程的开始电荷状态SOC；

所述模型构建模块，还用于调用算法服务模块对所述多个行程的行程特征，使用机器学习算法建预测模型，所述预测模型用于预测单位SOC的可行驶距离；

信息交互模块，用于接收手机端应用程序APP或所述车辆发送的预测服务请求；

所述信息交互模块，还用于调用数据收集模块获取所述手机端应用程序APP或所述车辆上报的当前的SOC；

所述信息交互模块，还用于从所述车辆的多个行程的行程特征中提取与所述车辆当前的SOC相同和/或接近的多段行程的行程特征；

所述信息交互模块，还用于调用所述数据分析模块根据所述多段行程的行程特征计算所述多段行程的平均行程特征；

所述信息交互模块，还用于调用所述算法服务模块将所述平均行程特征加入所述多个行程的行程特征后进行聚类分析，得到包含所述平均行程特征的中心特征；

所述信息交互模块，还用于调用所述模型构建模块，向所述预测模型输入所述中心特征，得到所述车辆当前SOC下单位SOC的可行驶距离；

所述模型构建模块，还用于根据所述车辆当前的SOC和所述车辆当前SOC下单位SOC的可行驶距离确定所述车辆所能行驶的剩余里程数；

所述信息交互模块，还用于将所述车辆所能行驶的剩余里程数发送给所述手机端应用程序APP或所述车辆。