续航里程的预测方法、装置、设备、车辆和存储介质

技术领域

本申请涉及车辆控制技术领域，具体涉及一种续航里程的预测方法、装置、设备、车辆和存储介质。

背景技术

新能源车是指采用非常规的车用燃料作为动力来源(或使用常规的车用燃料、采用新型车载动力装置)，综合车辆的动力控制和驱动方面的先进技术，形成的技术原理先进、具有新技术、新结构的车辆，其包括混合动力电动车(hybrid electric vehicle，HEV)、纯电动车(battery electric vehicle，BEV)、燃料电池电动汽车(fuel cell electricvehicle，FCEV)等。

对于新能源车，续航里程的预测能力是评价新能源车的重要指标，其为新能源车在最大的能源储备下可以连续行驶的总里程。相关技术中，新能源车的续航里程的预测方法是基于驾驶员按照固定的驾驶循环进行驾驶进行评估的，由于其考虑的因素较少(尤其是没有考虑到环境对能量消耗的影响)，从而导致预测的准确度较低。

发明内容

本申请提供了一种续航里程的预测方法、装置、设备、车辆和存储介质，可以解决相关技术中提供的车辆里程的预测方法预测的准确度较低的问题。

一方面，本申请实施例提供了一种续航里程的预测方法，包括：

基于道路信息计算得到车辆的速度曲线，所述速度曲线是所述车辆从当前时刻起在N个行程路段内的速度的曲线，所述道路信息是用于指示每个行程路段上的道路的环境状况的信息，N为自然数，N≥1；

根据所述道路信息和所述速度曲线计算得到所述车辆的驱动功率，所述驱动功率是所述车辆上配备的参与驱动所述车辆行驶的设备和/或器件的功率；

计算所述车辆的附件功率，所述附件功率是所述车辆上配备的附件的功率，所述附件是不参与驱动所述车辆行驶的设备和/或器件；

计算所述车辆的历史能量消耗率，所述历史能量消耗率是根据所述车辆的历史能量消耗所计算的能量消耗率；

根据所述车辆的历史能量消耗率、所述附件功率和所述驱动功率计算得到所述车辆的能量消耗率；

根据所述能量消耗率计算得到所述车辆的续航里程。

可选的，所述道路信息包括所述每个行程路段上的交通流速度。

可选的，所述基于道路信息计算得到车辆的速度曲线，包括：

调用速度预测模型对所述车辆的当前速度和所述交通流速度进行处理，得到所述速度曲线，所述速度预测模型是根据至少一组第一训练组训练得到的机器学习模型，所述第一训练组包括样本当前速度、样本交通流速度和所述样本当前速度、样本交通流速度对应的实际速度曲线。

可选的，道路信息包括所述每个行程路段上的坡度信息。

可选的，所述根据所述道路信息和所述速度曲线计算得到所述车辆的驱动功率，包括：

根据所述速度曲线和所述坡度信息计算得到所述驱动功率。

可选的，所述计算所述车辆的附件功率，包括：

根据所述车辆所处环境的环境温度计算得到所述附件的开关曲线和所述车辆的驾驶舱的目标温度，所述开关曲线是所述附件从所述当前时刻起在所述预定时间内的开启和关闭的曲线，所述目标温度是所述驾驶员设定的所述驾驶舱内的温度；

根据所述开关曲线、所述目标温度和所述环境温度计算得到所述附件功率。

可选的，所述根据所述开关曲线、所述目标温度和所述环境温度计算得到所述附件功率，包括：

根据所述开关曲线、所述目标温度和所述环境温度计算得到所述附件的瞬态功率，所述瞬态功率是所述附件使所述驾驶舱的温度达到所述目标温度所消耗的功率；

根据所述环境温度计算得到所述附件的稳态功率，所述稳态功率是所述附件维持所述驾驶舱的温度为所述目标温度消耗的功率；

根据所述瞬态功率和所述稳态功率计算得到所述附件功率。

可选的，所述根据所述环境温度计算得到所述附件的开关曲线和所述车辆的驾驶舱的目标温度，包括：

调用附件使用习惯模型对所述环境温度进行处理，得到所述开关曲线和所述目标温度，所述附件使用习惯模型是根据至少一组第二训练组训练得到的机器学习模型，所述第二训练组包括样本环境温度和所述样本环境温度对应的所述附件的实际开关曲线和实际目标温度。

可选的，所述根据所述能量消耗率计算得到所述车辆的续航里程，包括：

调用电池模型处理所述能量消耗率，得到所述续航里程，所述电池模型是基于电阻-电容(resistor-capacitance，RC)模型建模得到的物理模型。

可选的，所述历史能量消耗率包括所述车辆的历史驱动功率和历史附件功率。

另一方面，本申请实施例提供了一种续航里程的预测装置，包括：

速度预测模块，用于基于道路信息计算得到车辆的速度曲线，所述速度曲线是所述车辆从当前时刻起在N个行程路段内的速度的曲线，所述道路信息是用于指示每个行程路段上的道路的环境状况的信息，N为自然数，N≥1；

能耗预测模块，用于根据所述道路信息和所述速度曲线计算得到所述车辆的驱动功率，所述驱动功率是所述车辆上配备的参与驱动所述车辆行驶的设备和/或器件的功率；计算所述车辆的附件功率，所述附件功率是所述车辆上配备的附件的功率，所述附件是不参与驱动所述车辆行驶的设备和/或器件；计算所述车辆的历史能量消耗率，所述历史能量消耗率是根据所述车辆的历史能量消耗所计算的能量消耗率；根据所述车辆的历史能量消耗率、所述附件功率和所述驱动功率计算得到所述车辆的能量消耗率；

续航预测模块，用于根据所述能量消耗率计算得到所述车辆的续航里程。

另一方面，本申请实施例提供了一种计算机设备，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令或程序，所述指令或程序由所述处理器加载并执行以实现如上任一所述的续航里程的预测方法。

可选的，所述设备配备于车辆中。

另一方面，本申请实施例提供了一种车辆，所述车辆包括上所述的计算机设备。

另一方面，本申请实施例提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现如上任一所述的续航里程的预测方法。

本申请技术方案，至少包括如下优点：

通过道路信息计算得到车辆的速度曲线，根据道路信息和速度曲线计算得到车辆的驱动功率，通过驱动功率、附件功率和历史能量损耗率计算得到能量消耗率，从而根据能量消耗率计算得到车辆的续航里程，由于车辆的续航里程考虑到道路信息、驱动功率和附件功率等多方面的因素，解决了相关技术中提供的续航里程的预测仅仅基于驾驶员按照固定的驾驶循环进行驾驶进行评估所造成的预测准确度较低的问题，提高了车辆的续航里程计算的准确度。

附图说明

为了更清楚地说明本申请具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施方式，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的附图。

图1是本申请一个示例性实施例提供的续航里程的预测方法的实施环境示意图；

图2是本申请一个示例性实施例提供的续航里程的预测方法的流程图；

图3是本申请一个示例性实施例提供的续航里程的预测方法的流程图；

图4是本申请一个示例性实施例提供的电池模型的建模图；

图5是本申请一个示例性实施例提供的续航里程的预测装置的框图；

图6是本申请一个示例性实施例提供的计算机设备的框图。

具体实施方式

下面将结合附图，对本申请中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在不做出创造性劳动的前提下所获得的所有其它实施例，都属于本申请保护的范围。

在本申请的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

在本申请的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电气连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。

此外，下面所描述的本申请不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。

参考图1，其示出了本申请一个示例性实施例提供的续航里程的预测方法的实施环境示意图，如图1所示，该实施环境包括车辆110中的控制设备111和服务器120，控制设备111可通过配备于车辆110中的通信设备112与服务器120通过无线网络建立通信连接。

其中，该无线网络可以是基于紫蜂协议(Zigbee)、无线保真(wireless fidelity，Wi-Fi)或移动网络(例如，第三代移动通信(3rd generation mobile networks，3G)网络、长期演进(long term evolution，LTE)网络或第五代移动通信(5th generation mobilenetworks，5G)网络)的通信网络。

车辆110中配备的控制设备111获取得到车辆信息，通过通信设备112将车辆信息发送至服务器120；服务器120根据车辆信息和道路信息，通过以下任一方法实施例计算得到车辆110的续航里程，将续航里程的信息发送至通信设备112，通信设备112将续航里程的信息发送至控制设备111。其中，道路信息是用于指示车辆的从当前时刻起在N个行程路段内的每个行程路段上的道路的环境状况的信息，例如，其可以包括每个行程路段上的交通流速度，或每个行程路段上的交通流速度和坡度信息，N为自然数，N≥1。

其中，控制设备111可以是车辆110中配备的电子控制器(electronic controlunit，ECU)，通信设备112可以是车辆110中配备的Tbox、智能网关或其它外挂式通信设备。示例性的，控制设备111可以是车辆110中的整车控制器(vehicle control unit，VCU)。

示例性的，控制设备111中集成有预测续航里程的应用程序(application，APP)，服务器120中集成有该应用程序的运算平台，控制设备111通过运行该应用程序将车辆信息通过通信设备112发送至服务器120，服务器120根据车辆信息结合道路信息，基于该运算平台中的算法模型计算得到续航里程后，将续航里程的信息发送至通信设备112，通信设备112将续航里程的信息发送至控制设备111，控制设备111可通过应用程序中的用户界面向车辆110中的驾驶员展示该续航里程，和/或，通过语音向车辆110中的驾驶员提示续航里程。

在一个可选的实施例中，如图1所示，控制设备111通过通信设备112接收服务器120发送的道路信息，根据获取到的车辆信息和道路信息，通过以下任一方法实施例计算得到车辆110的续航里程，向车辆110中的驾驶员展示该续航里程，和/或，通过语音向车辆110中的驾驶员提示续航里程。

其中，控制设备111可以是车辆110中配备的电子控制器，通信设备112可以是车辆110中配备的Tbox、智能网关或其它外挂式通信设备。示例性的，控制设备111可以是车辆110中的整车控制器。

参考图2，其示出了本申请一个示例性实施例提供的续航里程的预测方法的流程图，该方法可由图1实施例中的服务器120或控制设备111执行，该方法包括：

步骤201，基于道路信息计算得到车辆的速度曲线，速度曲线是该车辆从当前时刻起在N个行程路段内的速度的曲线，道路信息是用于指示每个行程路段上的道路的环境状况的信息。

若该方法由图1实施例中的控制设备111执行，则道路信息是由服务器120发送至通信设备112，再由通信设备112转发至控制设备111的。

其中，道路信息包括车辆的每个行程路段上的坡度信息，或每个行程路段上交通流速度和坡度信息；可选的，交通流速度包括每一个行程路段的平均交通流速度。可将车辆的行驶路线划分为N个行程路段，该行驶路线可以是驾驶员所设定的行驶路线，也可以是预测得到的行驶路线，在此不做限定。

例如，当行程路段1的坡度较大时，根据行程路段1的坡度信息可预测到车辆行驶在行程路段1的速度较小，当行程路段2具有拥堵现象时，根据行程路段2的交通流速度可预测搭配车辆行驶在行程路段2的速度较小。通过在预测速度曲线的过程中考虑到道路信息，从而能够更加准确地对速度曲线进行计算。

步骤202，根据道路信息和速度曲线计算得到车辆的驱动功率，驱动功率是车辆上配备的参与驱动车辆行驶的设备和/或器件的功率。

驱动功率是由参与驱动车辆行驶的设备和/或器件所贡献的，例如，车辆的发动机、发电机和电动机中的至少一种，以及与上述至少一种设备相关的设备和/或器件所贡献的功率。由于驱动功率与车辆的速度相关，且在计算驱动功率中使用的速度曲线是考虑到道路信息所预测得到的，因此计算得到的驱动功率的准确度较高。

可选的，步骤202中，可通过道路信息中的坡度信息，以及速度曲线计算得到车辆的驱动功率。

步骤203，计算车辆的附件功率，附件功率是车辆上配备的附件的功率，附件是不参与驱动车辆行驶的设备和/或器件。

若该方法由图1实施例中的服务器120执行，则计算附件功率所需的车辆数据是由图1实施例中的控制设备111获取得到后，再通过通信设备112发送至服务器120，服务器根据该车辆数据计算得到车辆的附件功率。

其中，附件可包括以下当中的至少一种：空调设备，娱乐设备，与空调设备相关的器件，以及与娱乐设备相关的器件。

可选的，附件功率包括瞬态功率和稳态功率，瞬态功率是附件使驾驶舱的温度达到目标温度所消耗的功率，稳态功率是附件维持驾驶舱的温度为目标温度消耗的功率，目标温度是预测得到的从当前时刻起在预定时间内驾驶员设定的驾驶舱内的温度。

可选的，步骤203包括但不限于：根据车辆所处的环境温度计算得到附件的开关曲线和车辆的驾驶舱的目标温度，该开关曲线是附件从当前时刻起在预定时间内的开启和关闭的曲线；根据开关曲线、目标温度和环境温度计算得到附件功率。

步骤204，计算车辆的历史能量消耗率，历史能量消耗率是根据车辆的历史消耗所计算的能量消耗率。

若该方法由图1实施例中的服务器120执行，则计算历史能量消耗率所需的车辆数据是由图1实施例中的控制设备111获取得到后，再通过通信设备112发送至服务器120；或，控制设备111获取得到历史能量消耗率所需的车辆数据后，根据该车辆数据计算得到历史能量消耗率，通过通信设备112向服务器120发送。

其中，历史能量消耗率可包括该车辆的历史驱动功率和该车辆的历史附件功率。

步骤205，根据车辆的历史能量消耗率、附件功率和驱动功率计算得到车辆的能量消耗率。

由于在计算车辆的能量消耗率中考虑到附件功率，因此计算得到的能量消耗率和车辆实际的能量消耗率更为接近，提高了车辆的能量消耗率计算的准确度；同时，在计算车辆的能量消耗中考虑到历史能量消耗率，从而能够与计算得到的附件功率和驱动功率进行互补，进一步提高了能量消耗率的计算准确度。

步骤206，根据能量消耗率计算得到车辆的续航里程。

示例性的，可通过多种方式计算续航里程，例如，可通过最小二乘法拟合出续航里程和能量消耗率之间的关系，根据能量消耗率计算得到续航里程；或，建立电池模型，通过调用电池模型处理能力消耗率，得到续航里程，在此不做限定。

综上所述，本申请实施例中，通过道路信息计算得到车辆的速度曲线，根据道路信息和速度曲线计算得到车辆的驱动功率，通过驱动功率、附件功率和历史能量损耗率计算得到能量消耗率，从而根据能量消耗率计算得到车辆的续航里程，由于车辆的续航里程考虑到道路信息、驱动功率和附件功率等多方面的因素，解决了相关技术中提供的续航里程的预测仅仅基于驾驶员按照固定的驾驶循环进行驾驶进行评估所造成的预测准确度较低的问题，提高了车辆的续航里程计算的准确度。

参考图3，其示出了本申请一个示例性实施例提供的续航里程的预测方法的流程图，该方法可由图1实施例中的服务器120或控制设备111执行，该方法可以是图2实施例的一种可选的实施方式，该方法包括：

步骤301，调用速度预测模型对车辆的当前速度和交通流速度进行处理，得到速度曲线。

若该方法由图1实施例中的控制设备111执行，则可通过通信设备112接收服务器120发送的道路信息，该道路信息中携带有交通流速度，可通过车辆110中配备的速度传感器测量得到当前速度；若该方法由图1实施例中的服务器120执行，则可通过通信设备112接收控制设备111发送的当前速度，当前速度可以是控制设备111通过车辆110中配备的速度传感器测量得到的。

其中，速度预测模型是根据至少一组第一训练组训练得到的机器学习模型，第一训练组包括样本当前速度、样本交通流速度和样本当前速度、样本交通流速度对应的实际速度曲线。可选的，速度预测模型包括神经网络(例如，链式神经网络)模型。

可选的，速度预测模型的训练方法包括但不限于：将第一训练组输入至原始的速度预测模型，得到第一训练结果；对于每组第一训练组，将第一训练结果与标定的速度曲线(即样本当前速度、样本交通流速度对应的实际速度曲线)进行比较，得到第一计算损失，该第一计算损失用于指示第一训练结果与标定的速度曲线之间的误差；根据至少一组第一训练组各自对应的第一计算损失，采用误差反向传播算法训练得到速度预测模型。

步骤302，根据速度曲线和坡度信息计算得到车辆的驱动功率。

示例性的，可通过调用驱动功率预测模型处理速度曲线和坡度信息，得到驱动功率，驱动功率预测模型可以是物理模型。

步骤303，根据车辆所处环境的环境温度计算得到附件的开关曲线和车辆的驾驶舱的目标温度。

若该方法由图1实施例中的控制设备111执行，则可通过车辆110中配备的温度传感器测量得到环境温度；若该方法由图1实施例中的服务器120执行，则可通过通信设备112接收控制设备111发送的环境温度，环境温度可以是控制设备111通过车辆110中配备的温度传感器测量得到的。

可选的，步骤303包括但不限于：调用附件使用习惯模型对环境温度进行处理，得到开关曲线和目标温度，附件使用习惯模型是根据至少一组第二训练组训练得到的机器学习模型，第二训练组包括样本环境温度和样本环境温度对应的附件的实际开关曲线和实际目标温度。

可选的，附件使用习惯模型的训练方法包括但不限于：将第二训练组输入至原始的附件使用习惯模型，得到第二训练结果；对于每组第二训练组，将第二训练结果与标定的目标温度(即样本环境温度对应的附件的实际开关曲线和实际目标温度)进行比较，得到第二计算损失，该第二计算损失用于指示第二训练结果与标定的目标温度之间的误差；根据至少一组第二训练组各自对应的第二计算损失，采用误差反向传播算法训练得到附件使用习惯模型。

步骤304，根据附件的开关曲线、目标温度和环境温度计算得到附件功率。

其中，开关曲线是附件从当前时刻起在预定时间内的开启和关闭的曲线，目标温度是从当前时刻起在预定时间内预测得到的驾驶员设定的驾驶舱内的温度，该目标温度通常是驾驶员在车辆的中控中设定的。

可选的，步骤304包括但不限于：根据开关曲线、目标温度和环境温度计算得到附件的瞬态功率，瞬态功率是附件使驾驶舱的温度达到目标温度所消耗的功率；根据环境温度计算得到附件的稳态功率，稳态功率是附件维持驾驶舱的温度为目标温度消耗的功率；根据瞬态功率和稳态功率计算得到附件功率。以下，通过示例性的方式提供瞬态功率和稳态功率的计算方法：

(1)

可根据整车厂提供的车辆驾驶舱物理模型和热管理控制策略模型建立整车热方针模型，通过仿真手段，标定出瞬态功率关于环境温度、目标温度的查询地图(map)1，以及降温/升温关于环境温度、目标温度、冷却/加热时间(可根据开关曲线得到)的查询地图2。

本实施例中，计算瞬态功率的方法包括但不限于：步骤S1，将环境温度作为驾驶舱的初始温度；步骤S2，根据环境温度和目标温度，通过查询地图1查询得到当前的需求功率；步骤S3，根据环境温度、目标温度和下一个行程路段的冷却/加热时间，通过查询地图2查询得到下一个行程路段的降温/升温的温度；将步骤S1中的驾驶舱温度叠加步骤S3中计算得到的降温/升温的温度，作为新的驾驶舱温度，进入步骤S2，重复执行上述步骤，直至得到个N行程路段中每一个行程路段的需求功率，根据每一个行程路段中的需求功率得到的功率曲线即为瞬态功率。

(2)

可根据整车厂提供的车辆驾驶舱物理模型和热管理控制策略模型建立整车热方针模型。通过仿真手段，标定出根据功率关于环境温度的查询地图3，根据环境温度，通过查询地图3查询得到每一个行程路段的需求功率得到的功率曲线即为稳态功率。

步骤305，计算车辆的历史能量消耗率，历史能量消耗率包括车辆的历史驱动功率和历史附件功率。

步骤306，根据车辆的历史能量消耗率、附件功率和驱动功率计算得到车辆的能量消耗率。

示例性的，可通过加权平均滤波的方式处理历史能量消耗率、附件功率和驱动功率得到车辆的能量消耗率。

步骤307，调用电池模型处理能量消耗率，得到续航里程，该电池模型是基于RC模型建模得到的物理模型。

以下，通过一个示例性的实施例对续航里程的计算方式进行说明：

参考图4，其示出了本申请一个示例性实施例电池模型的建模图，该电池模型包括蓄电池，以及包括串联电阻R

图4所示的电池模型中的空间状态方程为：

v(k)＝OCV[z(k)]-R

其中，令

上述公式中，OCV(open circuit voltage)为蓄电池的开路电压，R

基于该状态空间模型，同时为了减少计算量，申请人设计了蓄电池的续航里程的迭代计算逻辑：

已知当前时刻的蓄电池的荷电状态(state of charge，SoC)为z(0)，预测得到从当前时刻起在未来N个行程路段的消耗功率依次为P(1)、P(2)，……，P(N)，则有：

OCV＝OCV[z(n-1)]

R

P＝P(n)

其中，C

若在上述步骤计算之后，n为自然数(n≤N)，z(n)小于等于蓄电池的SoC的下限阈值，则第n个行程路段处的位移即为续航里程；否则，把z(n)重新作为起始SoC值，重复上述步骤的计算，直到z(n')小于等于蓄电池的SoC的下限阈值为止，此时第n'个行程路段对应的位移即为续航里程。

若上述方法由服务器120执行，则上述机器模型和物理模型存储于服务器120中，若上述方法由控制设备111执行，则上述机器模型可在训练完成后，存储于控制设备111中。

参考图5，其示出了本申请一个示例性实施例提供的续航里程的预测装置的框图，该装置可以通过软件、硬件或者两者的结合实现成为图1实施例中的服务器120或控制设备111。该装置包括：

速度预测模块510，用于基于道路信息计算得到车辆的速度曲线，速度曲线是车辆从当前时刻起在N个行程路段内的速度的曲线，道路信息是用于指示每个行程路段上的道路的环境状况的信息，N为自然数，N≥1。

能耗预测模块520，用于根据道路信息和速度曲线计算得到车辆的驱动功率，驱动功率是车辆上配备的参与驱动车辆行驶的设备和/或器件的功率；计算车辆的附件功率，附件功率是车辆上配备的附件的功率，附件是不参与驱动车辆行驶的设备和/或器件；计算车辆的历史能量消耗率，历史能量消耗率是根据车辆的历史能量消耗所计算的能量消耗率；根据车辆的历史能量消耗率、附件功率和驱动功率计算得到车辆的能量消耗率。

续航预测模块530，用于根据能量消耗率计算得到车辆的续航里程。

可选的，道路信息包括每个行程路段上的交通流速度。

可选的，速度预测模块510，还用于调用速度预测模型对车辆的当前速度和交通流速度进行处理，得到速度曲线，速度预测模型是根据至少一组第一训练组训练得到的机器学习模型，第一训练组包括样本当前速度、样本交通流速度和样本当前速度、样本交通流速度对应的实际速度曲线。

可选的，道路信息包括每个行程路段上的坡度信息。

可选的，能耗预测模块520，还用于根据速度曲线和坡度信息计算得到驱动功率。

可选的，能耗预测模块520，还用于根据车辆所处环境的环境温度计算得到附件的开关曲线和车辆的驾驶舱的目标温度，开关曲线附件从当前时刻起在预定时间内的开启和关闭的曲线，目标温度是驾驶员设定的驾驶舱内的温度；根据开关曲线、目标温度和环境温度计算得到附件功率。

可选的，能耗预测模块520，还用于根据开关曲线、目标温度和环境温度计算得到附件的瞬态功率，瞬态功率是附件使驾驶舱的温度达到目标温度所消耗的功率；根据环境温度计算得到附件的稳态功率，稳态功率是附件维持驾驶舱的温度为目标温度消耗的功率；根据瞬态功率和稳态功率计算得到附件功率。

可选的，能耗预测模块520，还用于调用附件使用习惯模型对环境温度进行处理，得到开关曲线和目标温度，附件使用习惯模型是根据至少一组第二训练组训练得到的机器学习模型，第二训练组包括样本环境温度和环境温度对应的附件的实际开关曲线和实际目标温度。

可选的，续航预测模块530，还用于调用电池模型处理所述能量消耗率，得到续航里程，电池模型是基于RC模型建模得到的物理模型。

可选的，历史能量消耗率包括车辆的历史驱动功率和历史附件功率。

参考图6，其示出了本申请一个示例性的实施例提供的计算机设备的框图。该控制设备可以是图1实施例中的服务器120或控制设备111，其包括：处理器610以及存储器620。

处理器610可以是中央处理器(英文：central processing unit，CPU)，网络处理器(英文：network processor，NP)或者CPU和NP的组合。处理器610还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(英文：application-specific integratedcircuit，ASIC)，可编程逻辑器件(英文：programmable logic device，PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(英文：complex programmable logic device，CPLD)，现场可编程逻辑门阵列(英文：field-programmable gate array，FPGA)，通用阵列逻辑(英文：generic array logic，GAL)或其任意组合。

存储器620通过总线或其它方式与处理器610相连，存储器620中存储有至少一条指令、至少一段程序、代码集或指令集，上述至少一条指令、至少一段程序、代码集或指令集由处理器610加载并执行以实现如上任一方法实施例。存储器620可以为易失性存储器(英文：volatile memory)，非易失性存储器(英文：non-volatile memory)或者它们的组合。易失性存储器可以为随机存取存储器(英文：random-access memory，RAM)，例如静态随机存取存储器(英文：static random access memory，SRAM)，动态随机存取存储器(英文：dynamic random access memory，DRAM)。非易失性存储器可以为只读存储器(英文：readonly memory image，ROM)，例如可编程只读存储器(英文：programmable read onlymemory，PROM)，可擦除可编程只读存储器(英文：erasable programmable read onlymemory，EPROM)，电可擦除可编程只读存储器(英文：electrically erasableprogrammable read-only memory，EEPROM)。非易失性存储器也可以为快闪存储器(英文：flash memory)，磁存储器，例如磁带(英文：magnetic tape)，软盘(英文：floppy disk)，硬盘。非易失性存储器也可以为光盘。

本申请还提供一种计算机可读存储介质，该存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述任一实施例所述的续航里程的预测方法。

本申请还提供了一种计算机程序产品，当计算机程序产品在计算机上运行时，使得计算机执行上述各个方法实施例提供的续航里程的预测方法。

显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本申请创造的保护范围之中。