一种电池加热控制方法及系统与流程

1.本技术涉及整车控制技术领域，具体而言，涉及一种电池加热控制方法及系统。


背景技术：

2.目前，作为新能源汽车领域动力电池应用范围最多最广的锂离子电池，温度的变化极大得影响了锂离子电池的工作效率。在低温环境下动力电池性能会受到一定影响，充放电功率达不到正常水平，为改善这种情况带来的用车不便，在行车过程中车辆会自动判断是否满足一定条件后对动力电池进行加热，提升电池放电功率，以确保证车辆的动力性，续航能力等，满足用户用车需求，这种控制策略称为电池加热策略。现有技术中，通常根据环境温度、车辆状态等客观因素判断是否启动电池加热策略。然而，在实践中发现，电池加热需要持续一段时间才能达到提升电池性能的效果，可能存在电池加热还没完成用户就结束用车的场景，增加了电量的消耗，降低了用户体验度。


技术实现要素：

3.本技术实施例的目的在于提供一种电池加热控制方法及系统，能够根据用户的实际用车需求实现电池加热策略智能化，减少了电量的消耗，保证了电池加热的收益同时也提升了用户体验。
4.本技术实施例第一方面提供了一种电池加热控制方法，包括：车端控制器采集目标车辆的本次出行数据，并将所述本次出行数据上传至云端服务器；其中，所述车端控制器设置于所述目标车辆上；所述云端服务器从预先构建的出行预测概率矩阵集合中获取所述目标车辆对应的目标出行预测概率矩阵；所述云端服务器根据所述目标出行预测概率矩阵和所述本次出行数据预测所述目标车辆的本次出行预测时长；所述云端服务器将所述本次出行预测时长发送至所述目标车辆；所述车端控制器根据所述本次出行预测时长确定电池加热策略的启动时间；并根据所述启动时间和所述电池加热策略执行相应的电池加热操作。
5.进一步地，所述方法还包括：所述云端服务器接收每辆车上车端控制器上传的车辆数据；所述云端服务器将所述车辆数据存储至数据存储子系统；所述云端服务器获取所述存储子系统存储的车辆数据集合；所述云端服务器根据所述车辆数据集合构建单车特征参数库；所述云端服务器根据所述单车特征参数库建立出行预测概率矩阵集合。
6.进一步地，所述云端服务器根据所述车辆数据集合构建单车特征参数库，包括：所述云端服务器根据所述车辆数据集合提取每辆车每一次出行的基本参数；其中，所述基本参数至少包括出行起始时间、出行时长以及出行里程；
所述云端服务器根据所述基本参数构建单车特征参数库。
7.进一步地，所述云端服务器根据所述单车特征参数库建立出行预测概率矩阵集合，包括：所述云端服务器基于所述单车特征参数库和预设的k-means聚类算法，对车辆进行分类，得到有规律出行类型和无规律出行类型；所述云端服务器从所述单车特征参数库获取所述有规律出行类型对应的特征参数数据；所述云端服务器根据所述特征参数数据建立每辆车对应的出行时间联合矩阵；所述云端服务器根据所述出行时间联合矩阵计算每辆车对应的出行预测概率矩阵；所述云端服务器汇总所述出行预测概率矩阵得到出行预测概率矩阵集合。
8.进一步地，所述目标车辆上的车端控制器根据所述本次出行预测时长确定电池加热策略的启动时间，包括：所述车端控制器获取所述目标车辆的当前外界条件；其中，所述当前外界条件至少包括当前环境温度、所述目标车辆的电池温度以及所述目标车辆的当前电池剩余电量；所述车端控制器根据所述本次出行预测时长和所述当前外界条件计算电池加热策略的启动时间。
9.进一步地，所述方法还包括：所述车端控制器根据所述启动时间和所述本次出行预测时长判断是否需要启动所述电池加热策略进行电池加热；如果是，则执行所述的根据所述启动时间和所述电池加热策略执行相应的电池加热操作。
10.进一步地，所述方法还包括：所述车端控制器在根据所述启动时间和所述本次出行预测时长判断出不需要启动所述电池加热策略进行电池加热时，则不开启所述电池加热策略。
11.进一步地，所述车端控制器根据所述启动时间和所述本次出行预测时长判断是否需要启动所述电池加热策略进行电池加热，包括：所述车端控制器根据所述启动时间计算通过所述电池加热策略进行电池加热的加热时长；所述车端控制器判断所述本次出行预测时长是否大于所述加热时长；如果是，则判断所述本次出行预测时长与所述加热时长之间的时长差是否超过预设时差阈值；所述车端控制器在判断出所述时长差超过所述预设时差阈值时，则确定需要启动所述电池加热策略进行电池加热。
12.本技术实施例第二方面提供了一种电池加热控制系统，所述电池加热控制系统包括目标车辆上设置的车端控制器以及云端服务器，其中，所述车端控制器，用于采集所述目标车辆的本次出行数据，并将所述本次出行数据上传至云端服务器；其中，所述车端控制器设置于所述目标车辆上；所述云端服务器，用于获取所述目标车辆对应的目标出行预测概率矩阵；以及根据所述目标出行预测概率矩阵和所述本次出行数据预测所述目标车辆的本次出行预测时长；以及将所述本次出行预测时长发送至所述目标车辆；
所述车端控制器，还用于根据所述本次出行预测时长确定电池加热策略的启动时间；并根据所述启动时间和所述电池加热策略执行相应的电池加热操作。
13.进一步地，所述云端服务器，还用于接收每辆车上车端控制器上传的车辆数据；所述云端服务器，还用于将所述车辆数据存储至数据存储子系统；所述云端服务器，还用于获取所述存储子系统存储的车辆数据集合；所述云端服务器，还用于根据所述车辆数据集合构建单车特征参数库；所述云端服务器，还用于根据所述单车特征参数库建立出行预测概率矩阵集合。
14.进一步地，所述云端服务器，具体用于根据所述车辆数据集合提取每辆车每一次出行的基本参数；其中，所述基本参数至少包括出行起始时间、出行时长以及出行里程；所述云端服务器，具体还用于根据所述基本参数构建单车特征参数库。
15.进一步地，所述云端服务器，具体用于基于所述单车特征参数库和预设的k-means聚类算法，对车辆进行分类，得到有规律出行类型和无规律出行类型；所述云端服务器，具体还用于从所述单车特征参数库获取所述有规律出行类型对应的特征参数数据；所述云端服务器，具体还用于根据所述特征参数数据建立每辆车对应的出行时间联合矩阵；所述云端服务器，具体还用于根据所述出行时间联合矩阵计算每辆车对应的出行预测概率矩阵；所述云端服务器，具体还用于汇总所述出行预测概率矩阵得到出行预测概率矩阵集合。
16.进一步地，所述车端控制器，具体用于获取所述目标车辆的当前外界条件；其中，所述当前外界条件至少包括当前环境温度、所述目标车辆的电池温度以及所述目标车辆的当前电池剩余电量；所述车端控制器，具体还用于根据所述本次出行预测时长和所述当前外界条件计算电池加热策略的启动时间。
17.进一步地，所述车端控制器，还用于根据所述启动时间和所述本次出行预测时长判断是否需要启动所述电池加热策略进行电池加热；如果是，则执行所述的根据所述启动时间和所述电池加热策略执行相应的电池加热操作。
18.进一步地，所述车端控制器，还用于在根据所述启动时间和所述本次出行预测时长判断出不需要启动所述电池加热策略进行电池加热时，则不开启所述电池加热策略。
19.进一步地，所述车端控制器，具体用于根据所述启动时间计算通过所述电池加热策略进行电池加热的加热时长；所述车端控制器，具体还用于判断所述本次出行预测时长是否大于所述加热时长；如果是，则判断所述本次出行预测时长与所述加热时长之间的时长差是否超过预设时差阈值；所述车端控制器，具体还用于在判断出所述时长差超过所述预设时差阈值时，则确定需要启动所述电池加热策略进行电池加热。
20.本技术实施例第三方面提供了一种电子设备，包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行本技术实
施例第一方面中任一项所述的电池加热控制方法。
21.本技术实施例第四方面提供了一种计算机可读存储介质，其存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行本技术实施例第一方面中任一项所述的电池加热控制方法。
附图说明
22.为了更清楚地说明本技术实施例的技术方案，下面将对本技术实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
23.图1为本技术实施例提供的一种电池加热控制方法的流程示意图；图2为本技术实施例提供的另一种电池加热控制方法的流程示意图；图3为本技术实施例提供的一种电池加热控制系统的结构示意图；图4为本技术实施例提供的一种电池加热控制方法的技术路线图。
具体实施方式
24.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行描述。
25.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本技术的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
26.实施例1请参看图1，图1为本实施例提供了一种电池加热控制方法的流程示意图。其中，该电池加热控制方法包括：s101、车端控制器采集目标车辆的本次出行数据，并将本次出行数据上传至云端服务器。
27.本实施例中，车端控制器设置于目标车辆上。
28.s102、云端服务器从预先构建的出行预测概率矩阵集合中获取目标车辆对应的目标出行预测概率矩阵。
29.s103、云端服务器根据目标出行预测概率矩阵和本次出行数据预测目标车辆的本次出行预测时长。
30.s104、云端服务器将本次出行预测时长发送至目标车辆。
31.s105、车端控制器根据本次出行预测时长确定电池加热策略的启动时间。
32.s106、车端控制器根据启动时间和电池加热策略执行相应的电池加热操作。
33.本实施例中，该方法主要依靠两部分：云端服务器和车端控制器。
34.在本实施例中，云端服务器主要负责对车辆数据的存储、建立用户出行习惯模型和用户出行预测以及和车端的信息交互。
35.在本实施例中，车端控制器除了要实时采集车辆数据上传到云端服务器外，还需根据环境温度、电池温度、电池soc等条件，并结合云端下发的用户的用车行为预测结果来判断是否对动力电池进行加热。
36.请参看图4，图4示出了本技术相对应的电池加热控制方法的技术路线图。本技术中后续出现的标号，可自行对照图4中标号进行匹配，对此本技术中不再多加赘述。
37.本实施例中，该方法可以通过对用户出行习惯的分析和预测，在满足开启电池加热的外界条件前提时，由车端控制器将车辆每次出行数据上传至云端服务器，再由云端服务器对每辆车的出行习惯进行分析和预测。
38.在本实施例中，在车辆出行时，云端服务器可以根据出行时间、出行日期和预测概率矩阵判断预测概率是否满足标定值，并在满足时将计算得到的本次出行的预测时长实时推送给车端控制器；然后，车端控制器根据该预测时长、电池温度、环境温度、soc等条件判断是否启动以及启动电池加热策略的时间。
39.例如：车端控制器判断出本次出行预测时长远大于电池加热时长时，开启加热策略，这使得用户在驾驶过程中也能体会到车辆动力性的变化。若车端控制器判断本次出行预测时长远小于电池加热时长，则不会开启加热策略，从而能够在电池加热效果不能达到预期的情况下，减少了电量的消耗，优先保证续航。
40.本实施例中，该方法的执行主体可以为计算机、服务器等计算装置，对此本实施例中不作任何限定。
41.在本实施例中，该方法的执行主体还可以为智能手机、平板电脑等智能设备，对此本实施例中不作任何限定。
42.可见，实施本实施例所描述的电池加热控制方法，能够根据用户实际的用车需求智能化选择电池加热策略，从而保证电池加热的收益，进而提升用户体验。
43.实施例2请参看图2，图2为本实施例提供了一种电池加热控制方法的流程示意图。其中，该电池加热控制方法包括：s201、云端服务器接收每辆车上车端控制器上传的车辆数据。
44.本实施例中，车端控制器a负责车辆数据的采集和上传，车端控制器a具备联网功能和can通信功能，通过can网络周期采集车辆相关数据，然后通过4g/5g网络将采集到的数据上传至云端。
45.s202、云端服务器将车辆数据存储至数据存储子系统。
46.本实施例中，该方法将上传到云端的车辆数据统一放在数据存储子系统s1中，由该子系统负责数据仓库的搭建和其他各个子系统的调用。
47.s203、云端服务器获取存储子系统存储的车辆数据集合。
48.s204、云端服务器根据车辆数据集合提取每辆车每一次出行的基本参数。
49.本实施例中，基本参数至少包括出行起始时间、出行时长以及出行里程。
50.s205、云端服务器根据基本参数构建单车特征参数库。
51.s206、云端服务器基于单车特征参数库和预设的k-means聚类算法，对车辆进行分类，得到有规律出行类型和无规律出行类型。
52.本实施例中，有规律出行类型的车辆具有明显出行规律，工作日/休息日出行时间和出行里程在特定范围区间，无规律出行类型的车辆无明显出行规律，工作日/休息日出行时间和出行里程均存在较大差异。
53.本实施例中，数据分析子系统s2，负责用户的习惯分析和出行预测，主要步骤如
下：（1）记录每辆车每一次出行的基本参数，包括出行起始时间ts，出行时长th，出行里程s，作为后续用户习惯分析的基础数据；（2）建立单车特征参数库，即根据（1）得到的每次出行基本参数，分别按工作日、休息日（包括节假日和周末）计算每辆车的出行特征参数，包括日均出行次数，日均出行时长，日均出行里程，次均出行时长，次均出行里程。注：上述特征参数库中的单车，均为自车辆累计里程达2000km后计算入库；（3）利用k-means聚类算法，基于单车特征参数对车辆进行分类，得到两类车辆：一类车辆具有明显出行规律，工作日/休息日出行时间和里程在特定范围区间；另一类车辆无明显出行规律，工作日/休息日出行时间和里程均存在较大差异。
54.本实施例中，考虑到预测结果的准确率和成功率，可以选取规律性较强的这一类车辆进行出行预测，具体如下：a）针对每辆车建立单车出行时间段和出行时长的联合矩阵d
工作日
、d
休息日
（根据出行日期分为工作日和休息日），即横轴为出行时刻所属的时间段，以半小时为区间间隔；纵轴为当次出行的时长，以10分钟为区间间隔；b）计算截至目前该车在每个联合区间出行的概率p
预
=该车在任一联合区间的出行次数/该车截至目前出行总次数，构成该车的预测概率矩阵f工作日、f休息日。
55.（4）根据车辆实际出行时间和出行概率得到该车辆的本次出行预测时长：即t
预
=概率矩阵中p
预
对应的出行时长范围，并实时推送给车端控制器b。
56.其中，上述p
预
应为大于等于pd，pd为标定值，即满足预测成功率达到一定值的最低概率；出行概率p
预
小于pd，则推送invalid给车端，表示当前预测结果不可用；如存在多个预测概率（p
预1
、p
预2
、p
预3
······
）均满足大于等于pd，则应选取max（p
预1
、p
预2
、p
预3
······
）对应的出行时长作为本次出行预测时长t
预
。
57.s207、云端服务器从单车特征参数库获取有规律出行类型对应的特征参数数据。
58.s208、云端服务器根据特征参数数据建立每辆车对应的出行时间联合矩阵。
59.本实施例中，出行时间联合矩阵为单车出行时间段和出行时长的联合矩阵。
60.s209、云端服务器根据出行时间联合矩阵计算每辆车对应的出行预测概率矩阵。
61.s210、云端服务器汇总出行预测概率矩阵得到出行预测概率矩阵集合。
62.s211、车端控制器采集目标车辆的本次出行数据，并将本次出行数据上传至云端服务器。
63.本实施例中，车端控制器设置于目标车辆上。
64.s212、云端服务器从预先构建的出行预测概率矩阵集合中获取目标车辆对应的目标出行预测概率矩阵。
65.s213、云端服务器根据目标出行预测概率矩阵和本次出行数据预测目标车辆的本次出行预测时长。
66.s214、云端服务器将本次出行预测时长发送至目标车辆。
67.s215、车端控制器获取目标车辆的当前外界条件。
68.本实施例中，当前外界条件至少包括当前环境温度、目标车辆的电池温度以及目
标车辆的当前电池剩余电量（soc）。
69.s216、车端控制器根据本次出行预测时长和当前外界条件计算电池加热策略的启动时间。
70.s217、车端控制器根据启动时间计算通过电池加热策略进行电池加热的加热时长。
71.s218、车端控制器判断本次出行预测时长是否大于加热时长，若是，则执行步骤s219；若否，则结束本流程。
72.s219、车端控制器判断本次出行预测时长与加热时长之间的时长差是否超过预设时差阈值，若是，则执行步骤s220；若否，则结束本流程。
73.作为一种可选的实施方式，该方法还包括：车端控制器在根据启动时间和本次出行预测时长判断出不需要启动电池加热策略进行电池加热时，则不开启电池加热策略。
74.作为一种进一步可选的实施方式，车端控制器在根据启动时间和本次出行预测时长判断出不需要启动电池加热策略进行电池加热时，具体为车端控制器判断本次出行预测时长不大于加热时长时，或车端控制器判断本次出行预测时长与加热时长之间的时长差不超过预设时差阈值时。
75.s220、车端控制器确定需要启动电池加热策略进行电池加热，并根据启动时间和电池加热策略执行相应的电池加热操作。
76.本实施例中，车端控制器b通过信息交互子系统s3获取到车辆预测出行时长，并结合当下环境温度、电池温度、soc等外界条件判断是否启动以及启动电池加热策略的时间。
77.在本实施例中，单车特征参数库以及车辆分类模型根据每个月采集到的新数据进行迭代更新，预测概率矩阵同步更新，即车辆启动电池加热的策略是结合了每辆车最近一个月的使用习惯进行预测的用车需求来判断是否启动。
78.本实施例中，该方法可以通过对用户出行习惯的分析和预测，在满足开启电池加热的外界条件前提时，由车端控制器将车辆每次出行数据上传至云端服务器，再由云端服务器对每辆车的出行习惯进行分析和预测。
79.在本实施例中，在车辆出行时，云端服务器可以根据出行时间、出行日期和预测概率矩阵判断预测概率是否满足标定值，并在满足时将计算得到的本次出行的预测时长实时推送给车端控制器；然后，车端控制器根据该预测时长、电池温度、环境温度、soc等条件判断是否启动以及启动电池加热策略的时间。
80.例如：车端控制器判断出本次出行预测时长远大于电池加热时长时，开启加热策略，这使得用户在驾驶过程中也能体会到车辆动力性的变化。若车端控制器判断本次出行预测时长远小于电池加热时长，则不会开启加热策略，从而能够在电池加热效果不能达到预期的情况下，减少了电量的消耗，优先保证续航。
81.本实施例中，该方法的执行主体可以为计算机、服务器等计算装置，对此本实施例中不作任何限定。
82.在本实施例中，该方法的执行主体还可以为智能手机、平板电脑等智能设备，对此本实施例中不作任何限定。
83.可见，实施本实施例所描述的电池加热控制方法，能够根据用户实际的用车需求
智能化选择电池加热策略，从而保证电池加热的收益，进而提升用户体验。
84.实施例3请参看图3，图3为本实施例提供的一种电池加热控制系统的结构示意图。如图3所示，该电池加热控制系统包括目标车辆上设置的车端控制器300以及云端服务器400，其中，车端控制器300，用于采集目标车辆的本次出行数据，并将本次出行数据上传至云端服务器400；其中，车端控制器300设置于目标车辆上；云端服务器400，用于获取目标车辆对应的目标出行预测概率矩阵；以及根据目标出行预测概率矩阵和本次出行数据预测目标车辆的本次出行预测时长；以及将本次出行预测时长发送至目标车辆；车端控制器300，还用于根据本次出行预测时长确定电池加热策略的启动时间；并根据启动时间和电池加热策略执行相应的电池加热操作。
85.作为一种可选的实施方式，云端服务器400，还用于接收每辆车上车端控制器300上传的车辆数据；云端服务器400，还用于将车辆数据存储至数据存储子系统；云端服务器400，还用于获取存储子系统存储的车辆数据集合；云端服务器400，还用于根据车辆数据集合构建单车特征参数库；云端服务器400，还用于根据单车特征参数库建立出行预测概率矩阵集合。
86.作为一种可选的实施方式，云端服务器400，具体用于根据车辆数据集合提取每辆车每一次出行的基本参数；其中，基本参数至少包括出行起始时间、出行时长以及出行里程；云端服务器400，具体还用于根据基本参数构建单车特征参数库。
87.作为一种可选的实施方式，云端服务器400，具体用于基于单车特征参数库和预设的k-means聚类算法，对车辆进行分类，得到有规律出行类型和无规律出行类型；云端服务器400，具体还用于从单车特征参数库获取有规律出行类型对应的特征参数数据；云端服务器400，具体还用于根据特征参数数据建立每辆车对应的出行时间联合矩阵；云端服务器400，具体还用于根据出行时间联合矩阵计算每辆车对应的出行预测概率矩阵；云端服务器400，具体还用于汇总出行预测概率矩阵得到出行预测概率矩阵集合。
88.作为一种可选的实施方式，车端控制器300，具体用于获取目标车辆的当前外界条件；其中，当前外界条件至少包括当前环境温度、目标车辆的电池温度以及目标车辆的当前电池剩余电量；车端控制器300，具体还用于根据本次出行预测时长和当前外界条件计算电池加热策略的启动时间。
89.作为一种可选的实施方式，车端控制器300，还用于根据启动时间和本次出行预测时长判断是否需要启动电池加热策略进行电池加热；如果是，则执行的根据启动时间和电池加热策略执行相应的电池加热操作。
90.作为一种可选的实施方式，车端控制器300，还用于在根据启动时间和本次出行预
测时长判断出不需要启动电池加热策略进行电池加热时，则不开启电池加热策略。
91.作为一种可选的实施方式，车端控制器300，具体用于根据启动时间计算通过电池加热策略进行电池加热的加热时长；车端控制器300，具体还用于判断本次出行预测时长是否大于加热时长；如果是，则判断本次出行预测时长与加热时长之间的时长差是否超过预设时差阈值；车端控制器300，具体还用于在判断出时长差超过预设时差阈值时，则确定需要启动电池加热策略进行电池加热。
92.本实施例中，对于电池加热控制系统的解释说明可以参照实施例1或实施例2中的描述，对此本实施例中不再多加赘述。
93.可见，实施本实施例所描述的电池加热控制系统，能够根据用户实际的用车需求智能化选择电池加热策略，从而保证电池加热的收益，进而提升用户体验。
94.本技术实施例提供了一种电子设备，包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行本技术实施例1或实施例2中的电池加热控制方法。
95.本技术实施例提供了一种计算机可读存储介质，其存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行本技术实施例1或实施例2中的电池加热控制方法。
96.在本技术所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本技术的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
97.另外，在本技术各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
98.所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器（rom，read-only memory）、随机存取存储器（ram，random access memory）、磁碟或者光盘等各种可以存储程序代码的介质。
99.以上所述仅为本技术的实施例而已，并不用于限制本技术的保护范围，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。应注意到：相似的标号和
字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
100.以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应所述以权利要求的保护范围为准。
101.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

技术特征：
1.一种电池加热控制方法，其特征在于，包括：车端控制器采集目标车辆的本次出行数据，并将所述本次出行数据上传至云端服务器；其中，所述车端控制器设置于所述目标车辆上；所述云端服务器从预先构建的出行预测概率矩阵集合中获取所述目标车辆对应的目标出行预测概率矩阵；所述云端服务器根据所述目标出行预测概率矩阵和所述本次出行数据预测所述目标车辆的本次出行预测时长；所述云端服务器将所述本次出行预测时长发送至所述目标车辆；所述车端控制器根据所述本次出行预测时长确定电池加热策略的启动时间；并根据所述启动时间和所述电池加热策略执行相应的电池加热操作。2.根据权利要求1所述的电池加热控制方法，其特征在于，所述方法还包括：所述云端服务器接收每辆车上车端控制器上传的车辆数据；所述云端服务器将所述车辆数据存储至数据存储子系统；所述云端服务器获取所述存储子系统存储的车辆数据集合；所述云端服务器根据所述车辆数据集合构建单车特征参数库；所述云端服务器根据所述单车特征参数库建立出行预测概率矩阵集合。3.根据权利要求2所述的电池加热控制方法，其特征在于，所述云端服务器根据所述车辆数据集合构建单车特征参数库，包括：所述云端服务器根据所述车辆数据集合提取每辆车每一次出行的基本参数；其中，所述基本参数至少包括出行起始时间、出行时长以及出行里程；所述云端服务器根据所述基本参数构建单车特征参数库。4.根据权利要求2所述的电池加热控制方法，其特征在于，所述云端服务器根据所述单车特征参数库建立出行预测概率矩阵集合，包括：所述云端服务器基于所述单车特征参数库和预设的k-means聚类算法，对车辆进行分类，得到有规律出行类型和无规律出行类型；所述云端服务器从所述单车特征参数库获取所述有规律出行类型对应的特征参数数据；所述云端服务器根据所述特征参数数据建立每辆车对应的出行时间联合矩阵；所述云端服务器根据所述出行时间联合矩阵计算每辆车对应的出行预测概率矩阵；所述云端服务器汇总所述出行预测概率矩阵得到出行预测概率矩阵集合。5.根据权利要求1所述的电池加热控制方法，其特征在于，所述目标车辆上的车端控制器根据所述本次出行预测时长确定电池加热策略的启动时间，包括：所述车端控制器获取所述目标车辆的当前外界条件；其中，所述当前外界条件至少包括当前环境温度、所述目标车辆的电池温度以及所述目标车辆的当前电池剩余电量；所述车端控制器根据所述本次出行预测时长和所述当前外界条件计算电池加热策略的启动时间。6.根据权利要求1所述的电池加热控制方法，其特征在于，所述方法还包括：所述车端控制器根据所述启动时间和所述本次出行预测时长判断是否需要启动所述电池加热策略进行电池加热；如果是，则执行所述的根据所述启动时间和所述电池加热策
略执行相应的电池加热操作。7.根据权利要求6所述的电池加热控制方法，其特征在于，所述方法还包括：所述车端控制器在根据所述启动时间和所述本次出行预测时长判断出不需要启动所述电池加热策略进行电池加热时，则不开启所述电池加热策略。8.根据权利要求6所述的电池加热控制方法，其特征在于，所述车端控制器根据所述启动时间和所述本次出行预测时长判断是否需要启动所述电池加热策略进行电池加热，包括：所述车端控制器根据所述启动时间计算通过所述电池加热策略进行电池加热的加热时长；所述车端控制器判断所述本次出行预测时长是否大于所述加热时长；如果是，则判断所述本次出行预测时长与所述加热时长之间的时长差是否超过预设时差阈值；所述车端控制器在判断出所述时长差超过所述预设时差阈值时，则确定需要启动所述电池加热策略进行电池加热。9.一种电池加热控制系统，其特征在于，所述电池加热控制系统包括目标车辆上设置的车端控制器以及云端服务器，其中，所述车端控制器，用于采集所述目标车辆的本次出行数据，并将所述本次出行数据上传至云端服务器；其中，所述车端控制器设置于所述目标车辆上；所述云端服务器，用于获取所述目标车辆对应的目标出行预测概率矩阵；以及根据所述目标出行预测概率矩阵和所述本次出行数据预测所述目标车辆的本次出行预测时长；以及将所述本次出行预测时长发送至所述目标车辆；所述车端控制器，还用于根据所述本次出行预测时长确定电池加热策略的启动时间；并根据所述启动时间和所述电池加热策略执行相应的电池加热操作。10.根据权利要求9所述的电池加热控制系统，其特征在于，所述云端服务器，还用于接收每辆车上车端控制器上传的车辆数据；所述云端服务器，还用于将所述车辆数据存储至数据存储子系统；所述云端服务器，还用于获取所述存储子系统存储的车辆数据集合；所述云端服务器，还用于根据所述车辆数据集合构建单车特征参数库；所述云端服务器，还用于根据所述单车特征参数库建立出行预测概率矩阵集合。

技术总结
本申请提供一种电池加热控制方法及系统，该方法包括：车端控制器采集目标车辆的本次出行数据，并将本次出行数据上传至云端服务器；车端控制器设置于目标车辆上；云端服务器从预先构建的出行预测概率矩阵集合中获取目标车辆对应的目标出行预测概率矩阵；云端服务器根据目标出行预测概率矩阵和本次出行数据预测目标车辆的本次出行预测时长；云端服务器将本次出行预测时长发送至目标车辆；车端控制器根据本次出行预测时长确定电池加热策略的启动时间；并根据启动时间和电池加热策略执行相应的电池加热操作。可见，该方法及系统能够根据用户的实际用车需求实现电池加热策略智能化，减少了电量的消耗，保证了电池加热的收益同时也提升了用户体验。也提升了用户体验。也提升了用户体验。


技术研发人员：李洋 区祖泉 杨喜峰
受保护的技术使用者：广汽埃安新能源汽车股份有限公司
技术研发日：2023.06.07
技术公布日：2023/7/7