基于云的电动车辆充电估算制造技术

一种混合动力电动车辆(HEV)及其操作方法，包括电池和通信单元，所述电池和所述通信单元被配置为周期性地对充电信号作出响应，并且根据从远程车队服务器接收到的充电时间估算值来调整充电时间和电池再充电配置文件。所述充电时间估算值是响应于生成并传达给所述服务器的周期性工况而接收的。除其他数据外，所述工况包括充电站数据、环境和位置数据、车辆数据以及电池性能数据中的一者或多者。所述控制器还被配置为对充电完成信号作出响应，并且生成估算误差并将其存储为电池性能参数中的一个，所述估算误差为所述充电时间估算值与实际充电时间之间的差。所述控制器响应于所述估算误差而重新调整所述充电时间和所述电池再充电配置文件。

Charging Estimation of Electric Vehicle Based on Cloud

A hybrid electric vehicle (HEV) and its operation method include a battery and a communication unit configured to periodically respond to charging signals and to adjust charging time and battery recharging configuration files based on the estimated charging time received from a remote fleet server. The charging time estimate is received in response to the periodic operating conditions generated and communicated to the server. Among other data, the working conditions include charging station data, environment and location data, vehicle data and one or more of battery performance data. The controller is also configured to respond to the charging completion signal and generate an estimation error which is stored as one of the battery performance parameters, and the estimation error is the difference between the estimated charging time and the actual charging time. The controller readjusts the charging time and the battery recharge configuration file in response to the estimated error.

【技术实现步骤摘要】
基于云的电动车辆充电估算
本公开涉及利用从车辆队列累积的实时再充电性能数据生成的远程服务器数据分析来估算电动车辆的充电时间。
技术介绍
在电动和混合动力电动车辆(HEV)中，电池的再充电受到周围环境、车辆性能、充电站能力和性能以及其他因素的影响，这些因素可能在充电时间估算中引入不期望的误差。尽管有一些尝试提高准确性，但此类充电时间估算误差仍存在。一些此类尝试已经针对预测HEV操作估算范围、预测最佳充电站位置和/或预测实时电池荷电状态(SoC)。此类尝试似乎已经利用已知的SoC计算和查找表算法，这些算法似乎已经以不同的方式与位于HEV上的控制器一起使用。
技术实现思路
混合动力车辆(HEV)、插电式混合动力车辆(PHEV)和纯电动车辆(BEV)包括可能受到不准确充电时间的不利影响的一个或多个高压牵引电池。本公开涉及用于使用基于云的神经网络分析SoC估算能力以及其他能力来更准确地估算电池充电时间的改进的系统和方法。新SoC估算系统从操作的HEV的全球车队接收并聚合HEV电池和驾驶员性能数据。所述系统被配置为摄取和消化此数据，并且发现和利用SoC中的另外的未知模式和电池充电性能，以更准确地预测任何单个HEV的充电时间估算值。本公开预期一种电池充电估算系统，其利用描述实际电池性能和驾驶员行为的聚合“大数据”，所述大数据由远程的基于云服务器的深度学习神经网络引擎和/或被训练为发现其他无法辨认的模式的引擎来分析。一个或多个引擎根据需要以提高的准确性预测/估算与所述服务器通信的任何单个HEV的电池SoC和充电时间。在操作中，全球车队中的HEV向所述远程服务器实时传输位置、环境条件、电池性能数据和充电站性能数据。所述远程服务器保留来自全球EV车队的再充电/充电事件数据。利用深度学习神经网络分析接收到的且聚合的数据，以发现所述数据与预测的和实际的SoC和充电时间之间的隐藏模式。所述神经网络被训练为预测任何HEV的SoC和/或再充电时间，所述预测的SoC和/或充电时间可在再充电/充电事件期间根据需要实时周期性地更新，以改进充电时间估算。在本公开的配置和操作方法中，HEV/PHEV/BEV(以下统称为“HEV”)并入耦接到电池和通信单元的一个或多个控制器，所述一个或多个控制器被配置为周期性地监测来自HEV的充电信号并对其作出响应，所述充电信号指示充电/再充电事件已经开始。周期性监测和响应可被配置为以离散的时间间隔发生，和/或当某些参数改变超过预先确定的和/或优选阈值时发生。一个或多个控制器根据充电时间估算值来调整充电时间和电池再充电配置文件，所述估算值是从远程车队服务器接收的。所述远程车队服务器响应于由一个或多个HEV控制器生成并发送到所述服务器的工况而生成并发送所述充电时间估算值。一个或多个工况包括各种本地HEV和充电站数据，诸如充电站、环境和位置数据、车辆数据以及电池性能数据和参数以及其他数据中的至少一者和/或一者或多者。在其他变型中，所述一个或多个控制器还被配置为对指示一个或多个HEV电池的再充电完成的充电完成信号作出响应。作为响应，所述一个或多个控制器生成估算误差并将其存储为电池性能数据和参数中的一个，所述估算误差被计算为先前接收到的充电时间估算值与再充电完成且生成所述充电完成信号时建立的实际充电时间之间的差。所述估算误差还被传达给远程的基于云的全球车队服务器，以使学习引擎能够根据在当前充电/再充电事件期间累积的各种数据和性能参数来改进充电时间估算值的远景预测。在其他修改方式中，一个或多个控制器还被配置为周期性地和/或以离散的时间间隔，根据更新的充电时间估算值来重新调整充电时间和电池再充电配置文件，所述更新的充电时间估算值由通信单元从远程车队服务器接收。远程车队服务器响应于一个或多个HEV控制器生成并发送新的实时工况(其还可包括估算误差)来发送更新的充电时间估算值。除其他数据外，此类工况和车辆数据还可进一步包括车辆识别号码(VIN)以及车载诊断(OBD)代码和数据、车辆功率、以及气候控制配置文件。此外，电池性能数据和参数还可包括电池组容量和化学成分、电池健康和充电状态、电池温度、充电站功率和性能以及低压电池状态。发送到远程全球车队服务器的充电站数据还可包括充电站功率成本和容量数据，以及在当前充电事件期间、仅在离散时间间隔期间和/或在各种参数改变的间隔期间生成并累积的充电站性能数据。本公开设想一个或多个控制器还被配置为根据初始确定和估算的充电时间和再充电配置文件来重新调整所述充电时间和电池再充电配置文件，所述初始确定和估算的充电时间和再充电配置文件可以是当车辆连接到充电源时根据充电源的容量和车辆当前状况初始估算的，并且还是响应于由一个或多个控制器生成并传达给服务器的新工况从远程车队服务器接收到的，并且可包括当确定此类更新是可取的时从远程车队服务器推送所述初始估算和确定的充电时间和再充电配置文件，以替换针对全球车队中的所有车辆所存储的初始充电时间和电池再充电配置文件。本公开还包括利用所述能力和改进来控制HEV的方法。例如，所述方法包括通过耦接到所述电池和所述通信单元的一个或多个控制器并且周期性地响应于充电信号来调整充电时间和电池再充电配置文件。所述调整由所述一个或多个控制器根据从远程车队服务器所接收的充电时间估算值来完成。调节所述充电时间还响应于周期性地和/或以离散的时间间隔生成的工况来完成，并且传送到所述服务器，除其他数据和参数外，所述服务器包括充电站、环境和位置数据、车辆数据和电池性能数据中的一者或多者。还响应于所述充电完成信号而控制HEV电池的再充电，其中一个或多个控制器生成估算误差并将其存储为电池性能数据和参数中的一个，所述估算误差为充电时间估算值与实际充电时间之间的差。调节所述充电时间和电池再充电配置文件也是由所述一个或多个控制器根据所述通信单元从所述远程车队服务器接收到的所述更新的充电时间估算值来完成的，这也是响应于所述生成的工况而完成的，还包括由所述通信单元传送给所述服务器的所述估算错误。本公开还设想由所述一个或多个控制器将所述工况生成为包括：环境和位置数据，所述环境和位置数据并入有地理位置以及环境温度、湿度和大气压力；车辆数据，所述车辆数据并入有车辆识别号码以及车载诊断代码和数据、车辆功率和气候控制配置文件；以及电池性能数据和参数，除其他参数和数据外，所述电池性能数据和参数包括电池组容量和化学成分、电池健康和充电状态、电池温度、充电站功率和性能以及低压电池状态。这些方法还可包括由所述控制器根据所述通信单元从所述远程车队服务器接收到的更新的充电时间估算值，并且响应于生成并传达给所述服务器并且包括充电站数据的工况，重新调整所述充电时间和电池再充电配置文件，所述充电站数据包括在离散时间间隔期间以及在当前充电事件期间累积的功率成本和容量数据以及充电站性能数据。对HEV和所描述部件和系统的实现方式和配置的此概述以简化且技术上较不详细的布置介绍了可供选择的示例性实现方式、配置和布置，并且这些在下面的结合图示和附图的详细描述以及随附权利要求中加以更详细的描述。此概述并不意图识别要求保护的技术的关键特征或本质特征，亦不意图用作确定要求保护的主题的范围的辅助。此处论述的特征、功能、能力和优点可在各种示例性实现方本文档来自技高网...

【技术保护点】
1.一种车辆，其包括：控制器，所述控制器耦接到电池和通信单元，并且被配置为响应于充电信号：根据从远程车队服务器接收到的充电时间估算值，响应于生成并传达给所述服务器的工况，调整电池再充电配置文件；以及根据所述调整的电池再充电配置文件为所述电池充电。

【技术特征摘要】
2017.10.19 US 15/788,5841.一种车辆，其包括：控制器，所述控制器耦接到电池和通信单元，并且被配置为响应于充电信号：根据从远程车队服务器接收到的充电时间估算值，响应于生成并传达给所述服务器的工况，调整电池再充电配置文件；以及根据所述调整的电池再充电配置文件为所述电池充电。2.根据权利要求1所述的车辆，其包括：所述控制器还被配置为响应于充电完成信号：生成估算误差并将其存储为电池性能数据中的一个，所述估算误差为所述充电时间估算值与实际充电时间之间的差。3.根据权利要求2所述的车辆，其包括：所述控制器还被配置为以离散的时间间隔：根据所述通信单元从所述远程车队服务器接收到的更新的充电时间估算值，并且响应于由所述通信单元生成并传达给所述服务器且包括所述估算误差的新实时工况，重新调整所述充电时间和所述电池再充电配置文件。4.根据权利要求1所述的车辆，其包括：所述控制器还被配置为以离散的时间间隔：根据所述通信单元从所述远程车队服务器接收到的更新的充电时间估算值，并且响应于生成并传达给所述服务器的新实时工况，重新调整所述充电时间和所述电池再充电配置文件。5.根据权利要求1所述的车辆，其包括：所述控制器还被配置为：根据所述通信单元从所述远程车队服务器接收到的更新的充电时间估算值，并且响应于生成并传达给所述服务器且包括车辆数据的新实时工况，重新调整所述充电时间和所述电池再充电配置文件，所述车辆数据并入有车辆识别号码和气候控制配置文件。6.根据权利要求1所述的车辆，其包括：所述控制器还被配置为将所述工况生成为包括：车辆环境和位置数据，所述车辆环境和位置数据并入有地理位置以及环境温度、湿度和大气压力，车辆数据，所述车辆数据并入有车辆识别号码以及车载诊断代码和数据、车辆功率和气候控制配置文件，以及电池性能数据，所述电池性能数据包括电池组容量和化学成分、电池健康和充电状态、电池温度、充电站功率和性能以及低压电池状态。7.根据权利要求1所述的车辆，其包括：所述控制器还被配置为：根据所述通信单元从所述远程车队服务器接收到的更新的充电时间估算值，并且响应于生成并传达给所述服务器且包括充电站数据的新实时工况，重新调整所述充电时间和所述电池再充电配置文件，所述充电站数据包括功率成本和容量数据以及在当前充电事件期间累积的充电站性能数据。8.根据权利要求1所述的车辆，其包括：所述控制器还被配置为...

【专利技术属性】
技术研发人员：杰弗里·R·格兰姆斯，纳维德·拉赫巴里阿斯，
申请(专利权)人：福特全球技术公司，
类型：发明
国别省市：美国,US