[发明专利]基于云的电动车辆充电估算

说明书

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。

技术领域

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。

背景技术

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。

发明内容

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。