对于高压电动车辆电池的智能预调节的制作方法

对于高压电动车辆电池的智能预调节


背景技术：

1.在驾驶操作期间，电动车辆(ev)可以主要由具有多个电池的电池包提供电力，每个电池包括多个电池单元。当电力被各种系统(例如被诸如推进系统、气候控制系统和娱乐系统)消耗时，电池包的功率容量可以降低。ev的行进里程(其在历史上一直是关键的性能度量)至少部分基于电池包功率容量。在某一时刻，用户可以选择给ev电池包再充电，从而恢复其容量以提供功率和里程。更快速地恢复电池包的容量意味着ev用户可以更快地重新开始操作ev。
2.缩短再充电时间的目标已经导致能够快速充电的基础设施中的相对近期的繁荣。许多当今的ev可以能经由诸如dc快速充电的技术在最小150kw下快速充电。例如，在2019年发布的大多数ev可以使用快速充电技术在30分钟内充到相关联的电池包的容量的80％。在更高的功率水平下充电可以通过缩短ev的相关联的停机时间来改善用户体验的便利性。


技术实现要素：

3.根据所公开的技术方案的实施例，一种系统可以对车辆的电池包进行预调节以支持快速充电。所述系统可以包括处理器和与处理器通信的存储器。存储器可以存储可由处理器执行的多个指令，以使所述系统检测指示车辆将要行进或者车辆的电池包已经减小到预定容量的触发。存储器可以包括使所述系统收集车辆的地点数据的多个采样的指令。存储器可以进一步包括使所述系统基于采样预测车辆的目的地的指令。存储器可以进一步包括使所述系统基于用户的以前的充电行为来确定用户给车辆充电的习性的指令。存储器可以进一步包括使所述系统确定所预测的目的地和所确定的习性的置信度得分的指令。存储器可以进一步包括使所述系统基于置信度得分达到阈值来确定是否安排电池包的预调节的指令。存储器可以进一步包括使所述系统确定充电站是否存在于所预测的目的地处的指令。车辆的电池包的预调节可以有计划地升高电池包的温度。存储器可以进一步包括使所述系统确定车辆将到达所预测的目的地的估计到达时间并且当车辆应开始对电池包进行预调节时确定在估计到达时间之前的预调节时间的指令。存储器可以进一步包括使所述系统确定使电池包的温度升高到目标预调节温度所需的时间窗口的指令。存储器可以进一步包括使所述系统将时间窗口与车辆将到达所预测的目的地的估计到达时间进行比较并且基于所述比较开始对电池包进行预调节的指令。所述系统可以基于由尝试在所预测的目的地处充电的多个其他车辆所公布的总体数据来确定充电站是否存在于所预测的目的地处。使所述系统预测车辆的目的地的指令可以基于对没有目的地已经被设置在车辆的导航功能中的确定。存储器可以进一步包括基于置信度得分未达到阈值来使所述系统取消电池包的安排的或当前执行的预调节的指令。所述习性可以进一步基于以下中的至少一个：预测的地点、一天驾驶的总距离、自从最后知晓的充电事件以后驾驶的总距离、其他用户或占用者是否存在于车辆中、在预测的地点的充电站处再充电的价格、存储在用户的个人计算装置内的安排的事件和约会、车辆的预测的驾驶员、电池包的剩余荷电状态、或者便利设施在预测的地点的充电站附近是否可用。
4.根据所公开的技术方案的实施例，一种计算机实现的方法可以对车辆的电池包进行预调节以支持快速充电。所述方法可以检测指示车辆将要行进或者车辆的电池包已经减小到预定容量的触发。所述方法可以进一步包括收集车辆的地点数据的多个采样。所述方法可以进一步包括基于所述采样预测车辆的目的地。所述方法可以进一步包括基于用户的先前的充电行为确定用户给车辆充电的习性。所述方法可以进一步包括确定所预测的目的地和所确定的习性的置信度得分。所述方法可以进一步包括基于置信度得分达到阈值来安排电池包的预调节。所述方法可以进一步包括确定充电站是否存在于所预测的目的地处。车辆的电池包的预调节可以有计划地升高电池包的温度。所述方法可以进一步包括确定车辆将到达所预测的目的地的估计到达时间并且当车辆应开始对电池包进行预调节时确定在估计到达时间之前的预调节时间。所述方法可以进一步包括确定使电池包的温度升高到目标预调节温度所需的时间窗口。所述方法可以进一步包括将时间窗口与车辆将到达所预测的目的地的估计到达时间进行比较并且基于所述比较开始对电池包进行预调节。对充电站是否存在于所预测的目的地处的确定可以基于由尝试在所预测的目的地处充电的多个其他车辆所公布的总体数据。车辆的目的地的预测可以基于对没有目的地已经被设置在车辆的导航功能中的确定。所述方法可以进一步包括基于置信度得分未达到阈值来取消电池包的安排的或当前执行的预调节。所述习性可以进一步基于以下中的至少一个：预测的地点、一天驾驶的总距离、自从最后知晓的充电事件以后驾驶的总距离、其他用户或占用者是否存在于车辆中、在预测的地点的充电站处再充电的价格、存储在用户的个人计算装置内的安排的事件和约会、车辆的预测的驾驶员、电池包的剩余荷电状态、或者便利设施在预测的地点的充电站附近是否可用。
5.当一个或多个优选实施例的以下详细描述被结合附图考虑时，本发明的其他目的、优点和新颖的特征从所述描述将变得明显。
附图说明
6.图1示出根据本技术方案的实施例的用于预测车辆是否应开始电池包预调节过程的示例系统。
7.图2示出根据本技术方案的实施例的能由出行改变监视器实施的过程的示例流程。
8.图3示出根据本技术方案的实施例的能由预调节安排器实施的过程的示例流程。
9.图4示出根据所公开的技术方案的实施例的计算装置。
10.图5示出根据所公开的技术方案的实施例的网络配置。
11.图6示出根据所公开的技术方案的实施例的示例网络和系统配置。
具体实施方式
12.如本文中所使用的，术语“车辆”应是指电动车辆、混合动力车辆、或利用至少部分地用于向其推进系统提供功率的电池包的任何车辆。附加于内燃机或氢燃料电，混合动力车辆还可以利用电池包来为车辆提供推进力。
13.如本文中所使用的，术语“dc快速充电站”是指利用直流电(dc)的快速充电类型，但是在不脱离本技术方案的范围的情况下，可以利用其他类型的快速充电，前提条件是这
些其他类型可以与车辆预调节例程一起使用或者将得益于车辆预调节例程。为了简化随后的讨论，“dc快速充电”将被用作快速充电的示例类型，但是其他类型的快速充电可以适用于所公开的技术方案。而且，可以利用其他类型的充电，虽然不一定被认为是“快速的”，但是如果这样的充电例程可以与车辆预调节例程一起使用或者将得益于车辆预调节例程，不管是被应用于车辆的电池包，还是被应用于另一车辆组件。
14.为了在高功率(诸如150kw或更大)下对电动车辆(ev)进行dc快速充电，优选的可以是使车辆电池包首先完成预调节例程。预调节例程可以包括减小冷却和/或增大电池包的热量以故意地升高相关联的电池和电池单元的温度。减小冷却可以通过减小或停止冷却剂、制冷剂、空气和/或类似物的流动来实现，其中任何一个都可以热耦合到车辆电池包。增大电池包的加热可以意指经由电阻加热技术主动地加热、经由冷却剂、制冷剂或空气的液体加热、和/或以低效的方式操作车辆系统(诸如车辆发动机中的一个或多个)以使电池包升温。升高电池包的温度可以使得相关联的电池单元更快速地从dc快速充电过程吸收能量，而不引发损坏，和/或可以延长电池包的服务寿命。使用预调节过程，电池包在给定的时间窗口期间可以变得更充分地充电。因此，当与不进行预调节过程的dc快速充电相比时，预调节过程可以在给定的时间窗口内使ev的里程最大化或者至少增大ev的里程。
15.以前的预调节实现的困难可能在于确定使ev开始预调节的适当的“触发”。开始预调节例程的触发的例子可以包括下面定义的方法的各变型。
[0016]“在导航重新开始时。”当用户使用人机界面(hmi)明确地将他们ev的导航目的地设置为能够dc快速的充电站时，触发可以被设置以确定在到达快速充电站之前开始对电池包进行预调节的适当的时间。hmi可以为便利于将来自用户的输入传送给基于车辆的计算系统的车辆触摸屏、键区、麦克风、摄像机、手势辨识传感器等的形式。以这种方式，在到达dc快速充电站之时，电池包可以达到升高的阈值温度。重要的是注意到导航目的地可以经由hmi本地设置，而不是在使用个人通信装置、智能电话、平板、膝上型计算机或类似物的情况下经由规划模式(projected mode)设置。
[0017]“在出发时。”在车辆可以被连接到电源(诸如充电适配器或充电站)期间当车辆计算系统可以被通知用户在未来的特定时间出发的意图时，触发可以被建立。用户可以要么经由hmi、要么使用其他方法(诸如在智能电话、平板、膝上型计算机、台式计算机或类似物上执行的软件应用)来指示该意图。在用户的他/她的意图的指示与出发的预期时间之间的时间段可以确定快速充电是否应被期待发生、以及预调节是否应被安排。基于时间段长度，车辆充电系统可以选择在全部时间段长度、一些时间段长度内快速充电，或者根本不快速充电。
[0018]“在导航重新开始时”和“在出发时”的触发二者可以都不能捕捉到预调节可以被预料要发生或者不应发生的大量情况，为用户留下次优的结果。次优的结果例如可以是dc快速充电处理需要额外的时间、和/或车辆电池包不一定可以被加热到高温并且随后不被连接到dc快速充电站。因为不正确地预测dc快速充电将发生而不必要地使电池包的温度升高可以随着时间流逝使电池包的劣化加速，从而缩短其寿命、或者甚至引起损害电池包。因此，关于何时触发预调节过程的不正确的预测对于ev用户就在再充电期间额外的停机时间带来的不便以及电池包的过早更换二者而言可能代价高昂。
[0019]
根据本技术方案的计算系统可以更准确地预测用户何时意图将他/她的ev连接到
dc快速充电站。该预测可以足够早地做出以在与出行目的地处的dc快速充电站连接之前完成电池包预调节例程。对电池包进行预调节可以使整个dc快速充电过程期间的能量吞吐量最大化或者至少增大该能量吞吐量，并且使恢复ev的电池容量所需的时间量缩短。
[0020]
行程管理模型可以接收给定的状态和历史驾驶行为数据作为输入。给定的状态可以包括各种参数，诸如电池包的当前荷电状态(soc)、车辆的当前驾驶员、就每千瓦时的距离而言的当前车辆效率、车辆的型号或类型、日期和时间、日历事件和类似参数。基于这些输入中的一个或多个，行程管理模型可以产生列表数据结构、诸如元组，所述列表数据结构例如包括用户可以正在驾驶ev的一个或多个预测目的地。预测目的地中的每个都可以与置信度得分相关联。置信度得分可以指示预测目的地可以被期待是正确的概率或确定性程度。行程管理模型可以使用短期记忆(lstm)网络、深度学习技术、基于神经网络的技术、机器学习技术、基于启发的技术和类似技术来产生。
[0021]
分析集群可以接收地理坐标的边界框、具有预定义的半径的单个地理坐标、和/或定义地理区域的等同数据作为输入。基于这些输入中的一个或多个，分析集群可以通过参考数据库、索引或其他存储系统并且应用至少部分地基于地理坐标或地理输入数据的过滤技术来产生能够dc快速充电的站点的列表。所述分析集群可以实时地响应于车辆充电基础设施中的改变。例如，分析集群可以基于接收的数据来修订和/或重新产生其能够dc快速充电的站点的列表，所述数据指示充电站已经被搬迁、被关闭、被改造以包括新的插头类型、新的充电能力和/或按修订的时间表运营。分析集群可以对其操作的数据可以包括从多个车辆收集的车队遥测数据，并且可以仅使用车队遥测数据来进行操作。
[0022]
用户界面可以允许ev的用户确认和/或拒绝预测目的地。用户界面例如可以向用户呈现特定的预测目的地，并且提示用户确认或拒绝他的或她的将ev驾驶到预测目的地的意图。提示可以经由hmi显示给用户，或者被转发给用户的个人通信装置，诸如智能电话、平板、膝上型电脑和类似物。备选地或附加地，用户界面可以向用户呈现更一般的查询，诸如用户是否计划给ev快速充电、和/或用户是否计划拜访特定地点。
[0023]
守护进程可以作为ev的计算系统的操作系统环境内的后台程序执行。守护进程可以向ev的电池管理系统发出开始预调节的命令、轮询电池包的温度以及轮询车辆状态。车辆状态可以是在如前面讨论的行程管理模型的上下文中利用的状态的子集，并且包括以下中的一个或多个：电池包的当前荷电状态(soc)、车辆的当前驾驶员、就每千瓦时的距离而言的当前车辆效率、车辆的型号或类型、日期和时间、日历事件和类似物。车辆状态连同其他属性和预测器可以被有特色地设计为产生用于行程管理模型的有效载荷。随后将被描述的出行改变监视器和预调节安排器中的任何一个都可以被实现为守护进程。
[0024]
图1例示说明根据本技术方案的实施例的系统100，所述系统用于预测车辆是否应开始电池包预调节过程。系统100可以包含云组件165，所述云组件可以经由网络连接与网关125通信。网络连接可以提供有线的或无线的直接连接。网络连接可以使用如本领域技术人员将容易理解的任何合适的物理互连和/或空中调制技术和协议来提供，包括tcp/ip、数字蜂窝电话、wifi、近场通信(nfc)和类似物。网关125可以进一步与一个或多个车辆130通信。
[0025]
云165可以包括分析集群105、行程管理模型110、充电习性模型115和报告/事件分析组件120。分析集群105可以包括可以执行数据的处理和存储的计算和存储资源。分析集
群105可以包括例如具有dc快速充电站的实时的精确到秒的数据集的nosql数据存储结构。可以从各种车辆事件和前面讨论的收集的车队车辆遥测数据来填充dc快速充电站数据集。可以从原始的车队车辆遥测数据产生被称为“充电块”的数据结构以捕捉何时、在哪里和/或在什么条件下参与的车辆正在充电或者已经给他们各自的电池包充电。表1提供可以被存储在分析集群105中并且与每个dc快速充电站记录相关联的示例数据和/或元数据的概览。
[0026][0027]
表1
[0028]
分析集群105可以包括迭代实时的(当前执行的)、历史的充电会话的微服务、和/或网关125通过预存数据交换机制接收的充电块数据。微服务可以运行可以使用表1中列出的元数据对充电站类型进行预测和分类的微型化模型。表1中的数据的消耗可以利用graphql推动的应用编程接口(api)来执行，所述api可以使得能够用参数化的半径、搜索地点、地理区域和/或类似物对预测的dc快速充电站进行过滤。如表1中所示的存储在分析集群105中的元数据可以用于比较dc快速充电站，以向用户做出推荐、评定站点的可用性或运营状态、和类似物。
[0029]
行程管理模型110可以包括计算资源、人工智能(ai)模型和包装器的集群。ai模型可以从机器学习算法构造。给定现场的进行中的出行的地点数据的n个采样、出行开始时间和/或用户标识符中的一个或多个，行程管理模型110可以预测可以的目的地并且产生置信度得分。可以基于正在驾驶的ev的用户、用户的出行历史以及用户的充电模式来产生和个性化潜在的目的地和置信度得分。预测的潜在的目的地可以为行程管理模型110预测用户可能正在行进到的目的地的列表的形式。置信度得分可以被表达为所预测的目的地是正确
的可能性或概率。在一个实施例中，置信度得分可以被表达为0至1之间的值。行程管理模型110产生的目的地列表的每个目的地可以与各自的置信度得分相关联。行程管理模型110产生的预测可以在出行期间实时地连续地更新。在出行期间，行程管理模型110可以接收按规律的间隔、不规律的间隔、或者按事件触发的间隔而收集的驾驶员行为输入和地点数据采样。随着更多数据在出行期间可以被收集，该数据可以被行程管理模型110用来进一步精炼预测目的地列表并且改善预测的准确性。
[0030]
行程管理模型110可以在每次出行结束时持久保存或以其他方式存储基准真相(地面实况)或基准真相事件以保持相关、准确并且对用户行为中的变化的自适应。可以被存储的基准真相的一些例子是最初预测的行进时间、实际的行进时间、实际的目的地是否被登记为从先前的输入目的地的改变、出行开始和结束时的soc、使用的千瓦小时、路线距离、形成出行的航点和类似物。可以基于基准真相来周期性地重新训练行程管理模型110以进一步改善行程管理模型110的准确度。基准真相可以是在出行期间产生的客观的经验数据，与可以预测的、预期的或通过推断确定的数据相反。
[0031]
行程管理模型110可以区分可以正在驾驶ev的用户和ev的其他用户。ev的一些用户可以是驾驶员，而其他用户不是。ev驾驶员的驾驶和/或充电行为可以受ev中的可能不是驾驶员的另一用户的存在的影响。例如，当儿童用户也可能存在时，驾驶员可以被发现不太会在dc快速充电站处给ev再充电。ev可以具有几个驾驶员，因为ev可以在家庭、车辆共享平台、租车车队、公司车辆车队和类似物内共享。每个驾驶员可以具有不同的历史驾驶行为、出行历史和充电行为。如前面的例子中那样，不到驾驶年龄的用户可能不是驾驶员，但是出于其他目的仍可能被认为是ev的用户。行程管理模型110可以基于座位预设、座位表面上的检测到的质量、车辆hmi中的配对数据、用于进入ev和/或启动ev的钥匙扣、以及其他相关联的元数据来从ev的所有的已知用户确定ev的当前驾驶员。识别驾驶员和其他用户在对所预测的目的地、置信度得分和充电的习性进行建模中可以起到关键的作用。行程管理模型110可以通过使用简化与行程管理模型110的配合的包装器而被合并在ev系统软件内。包装器可以基于以前的充电行为(既包括以前的dc快速充电行为，又更一般地、包含其他因素地包括以前的充电行为)来使所预测的目的地与dc快速充电站和用户充电的习性相匹配。作为匹配的结果，包装器可以输出一个或多个充电站目的地，每个都与一个置信度得分相关联。
[0032]
报告/事件分析组件120可以用于对根据本技术方案公开的预调节过程的有效性进行验证。报告/事件分析组件120可以提供对系统100在下述方面的功效量化的关键的工程反馈：提供车辆目的地的准确预测、车辆是否一到达目的地就将快速充电，以及预调节是否应被安排。
[0033]
用户在所预测的目的地处给车辆130充电的习性的确定可以基于充电习性模型115产生的结果。充电习性模型115可以是特定于车辆130的每个用户的，并且可以基于历史用户数据来捕捉用户利用dc快速充电的习性。例如，当电池包160的荷电状态落在定义的范围内时，充电习性模型115可以确定用户具有给车辆130进行dc快速充电的习性。所述范围例如可以为电池包160的剩余容量小于10％。充电习性模型115还可以基于以下因素来评估在预测用户充电的可能性中的其他因素，所基于的因素包括一天驾驶的总距离、自从最后知晓的充电事件以后驾驶的总距离、日期和时间、其他用户或占用者是否存在于ev中、当前
天气和/或温度、在特定的充电站处再充电的价格、充电站的地点、存储在用户的个人通信装置内的安排的事件和约会、给定的一天内的典型的驾驶距离、预测的驾驶员、以及特定的便利设施在充电站附近(诸如休息室、食品和饮料、购物和公园)是否可用。在例子中，充电习性模型115可以利用用户的历史行进和充电数据来确定用户在一到达预测的和/或确认的目的地时就将快速充电的可能性。当更多的历史用户数据可以被产生时，充电习性模型115可以被周期性地重新训练。在实施例中，充电习性模型115可以使用具有长短期记忆(lstm)的神经网络或其他机器学习算法来实现。
[0034]
车辆130可以是ev，并且由电池包160提供电力，所述电池包可以包括如前面描述的一个或多个电池单元。车辆130可以设有操作系统环境，在所述操作系统环境中可以执行各种软件。就系统100的拓扑结构而言，车辆130可以被理解为边缘装置。出行改变监视器135可以响应于各种触发来执行一组例程。如前面所讨论的，这些触发可以提示出行改变监视器135评估车辆电池包160的预调节是否应被安排。例如，这样的触发可以包括：通过使用车辆hmi设置或改变的导航目的地、驾驶员开始驾驶的出行的启程、当电池包160减小到预定的soc时和类似情况。出行改变监视器135可以监视驾驶模式和导航模式。出行改变监视器135可以直接地或间接地与云165配合。车辆130的其他组件可以通过使用出行改变监视器135作为中介或网关来与云165配合。出行改变监视器135可以收集实时的驾驶数据，并且按规律的或不规律的间隔将车辆130的当前地点连续地流传输给云165中的出行管理模型110。附加于当前地点，出行管理监视器135还可以单独地或成批地流传输地点数据的更多个过去的n个采样之一。出行改变监视器135还可以通过将请求添加到安排队列140和/或从安排队列140移除请求来安排或取消车辆130电池包160的预调节。车辆130的其他组件可以“订阅”或者以其他方式与安排队列140通信以当请求被添加到安排队列140和/或请求被从安排队列140移除时接收连续的更新。
[0035]
图2例示说明出行改变监视器135可以执行的过程200的流程。出行改变监视器135可以基于由s205和s215限定的、可以导致安排车辆电池包160的预调节的一个或多个触发的发生来开始执行过程200。附加于s205和s215，过程200可以基于电池包soc减小到预定容量(诸如70％、60％、50％等)而被触发。出行改变监视器135可以在s205中检测车辆130的出行的启程。不管车辆130的导航系统的状态如何，s205中的出行启程的检测都可以发生。另一方面，在s210中，导航系统可以被检查以确定目的地是否已经被车辆驾驶员、另一用户设置或者经由在车辆130内运行操作系统环境或者在外部与车辆130通信的另一软件应用(诸如智能电话软件应用)被设置。在一个例子中，车辆导航系统目的地可以经由hmi设置和/或改变。在s205中可以发生的检查也可以在s215中响应于导航目的地的的改变而发生。如果改变已经在导航中在使用hmi的情况下发生，则过程200可以继续进行到s220，在s220中，可以确定导航目的地是否已经被设置为dc快速充电站。如果是，则过程200可以前进到s225以使用已经存在的预调节例程并且在预期dc快速充电时是否以及何时对车辆电池包160进行预调节。
[0036]
如果目的地尚未被设置为dc快速充电站，则过程200可以从s220继续进行到s235，在s235中，可以利用分析集群105来确定车辆是否可以连接到dc快速充电站并且是否应在s245中安排预调节。出行改变监视器135可以将例如在s210中经由hmi设置的出行目的地以及历史半径数据提供给分析集群105。分析集群105可以对出行目的地和历史半径数据进行
处理以评定出行目的地是否具有dc快速充电站以及它是否将可供车辆130使用。该评定可以基于从最近已经在出行目的地处充电或者已经尝试在出行目的地处充电的车队所汇总的数据。在一个例子中，只有公用的dc快速充电站可以被分析集群105在评定出行目的地是否具有可用的dc快速充电站时考虑。在另一个例子中，作为零售机构的客户、俱乐部的成员、公司的雇员或类似的状态的结果，用户可以使用私人的或受限制的dc快速充电站。
[0037]
分析集群105还可以确定用户的状态、是否已经在快速充电站处进行了预订、快速充电站是否可用、和/或用户是否是快速充电站网络的成员，以编制可用的dc快速充电站的列表。该列表可以被返回给过程200，所述过程可以预测预调节是否应在一到达出行目的地时就在s245中被安排。返回给过程200的列表可以基于从前面讨论的所有的已知的dc快速充电站的实时的精确到秒的记录中对dc快速充电站的选择。所述列表可以通过应用附加于出行目的地和从出行改变监视器135发送的启发式半径的、基于表1中所示的元数据元素中任意之一的一个或多个过滤器来选择。基于所述列表，出行改变监视器135可以确定dc快速充电有可能会发生，并且可以在s245中安排电池包160的预调节。
[0038]
出行改变监视器135通过将请求添加到安排队列140来安排预调节。安排队列140可以被实现在各种数据结构中，并且可以便利于在出行改变监视器135、预调节安排器145和电池管理系统155之间的通信。电池管理系统155可以执行诸如以下的功能：监视电池包160的电池单元健康、控制能量回收制动期间和连接到充电站期间两者的充电率、电池包温度监视以及直接地控制预调节过程。电池管理系统155可以由预调节安排器145直接控制，并且否则可以与除了电池包160之外的组件隔离。例如，预调节安排器145可以基于安排队列140的内容来向电池管理系统155发出开始或停止对电池包160进行预调节的命令。在一个实施例中，出行改变监视器135、预调节安排器145和电池管理系统155中的一个或多个可以彼此不直接通信；而是，通信可以仅通过安排队列140来发生。例如，一个组件可以将请求写入到安排队列140，而另一个组件可以从安排队列140读取该请求。备选地或附加地，一个组件可以向安排队列140“发布”，而另一个组件向安排队列140“订阅”，以当新的请求被添加和/或完成时接收持续的更新。安排队列140中的每个请求可以表示待决的事务，并且可以根据下表2中列出的纲要来描述。
[0039]
[0040][0041]
表2
[0042]
返回到图2中的s235的讨论，从云165返回的列表可以是空的，和/或分析集群105可以确定没有可用的dc快速充电站位于出行目的地处或者在出行目的地的启发式半径内。在这种情况下，车辆130的dc快速充电不太可能，所以出行改变监视器135可以简单地取消任何已经安排的预调节和/或放弃过程200。
[0043]
在出行目的地可能没有被设置在车辆130的hmi中的情况下，过程200继续进行到s230，该s230可以在出行期间开始收集地点数据采样。地点数据采样、状态更新、事件和类似数据可以在s255中被周期性地发送给云165。具体地说，行程管理模型110和充电习性模型115的预测可以被车辆130的hmi订阅。云165可以在它认为有必要时并且基于足够的数据是否已经从车辆130提供以便发布预测来发布云的预测。通过仅订阅云的预测、而不是请求预测，可以减小车辆130和云165之间的耦合。如前面所描述的，行程管理模型110和充电习性模型115可以利用现场出行的地点数据采样来预测车辆130的目的地、置信度得分、以及如果到达所预测的目的地，用户给车辆130的电池包160进行dc快速充电的习性。所预测的
目的地、dc快速充电的习性、以及dc快速充电站的可用性可能是相互关联的和/或相互依存的。例如，所预测的目的地(即使正确)在与用户在当前的条件下购买dc快速充电的习性的正确预测相结合时也可能是错误的，如果分析集群105充电站数据集指示没有dc快速充电站由于被占用、服务中止或类似原因而当前可用的话。类似地，用户充电的习性可以至少部分取决于所预测的目的地。因此，从分析集群150、行程管理模型110和充电习性模型115中的每个提供的所得数据可以在将预测返回给出行改变监视器135的过程200之前被比较和交叉检查。备选地或附加地，行程管理模型110和充电习性模型115的预测每个都可以与来自分析集群105的对应的充电站可用性数据一起提供给过程200。过程200然后可以执行对预测和可用性数据进行比较和交叉检查的分析。在s265中，过程200可以评估所预测的目的地是否已经被确定具有足够的置信度得分并且具有至少一个dc快速充电站的可用性以使对于所预测的目的地有必要安排电池包160的预调节。在s265中可以发生的其他考虑包括dc快速充电站是否是公共的、dc快速充电是否是可能的和/或可操作的、以及dc快速充电站是否包括与车辆130兼容的充电插座。在一个实施例中，可以将置信度得分与阈值进行比较。如果达到阈值，则过程200要么可以在s275中安排预调节，要么可以在s270中取消预调节。即使预调节当前可以在s270中被取消，如果出行仍在进行中，则随着附加的用户数据、出行状态数据和地点数据可以被收集，过程200也可以继续根据车辆的订阅从云165接收新的预测。随后的预测可以提示过程200重访安排预调节。如前面所讨论的，重要的可以是，在所预测的目的地不能被确定具有必需的置信度得分的情况下，过程200取消预调节，以防止电池包160的温度不必要地升高。在预调节实际上可以根据s275被安排、但是车辆130的用户随后不将车辆130连接到dc快速充电站的情况下，出行改变监视器135可以记录错误的预测，并且将相关联的数据提供给云165以帮助重新训练机器学习模型。相关联的数据例如可以是关连标识符、预测的充电地点、车辆130停放的实际的目的地、停车的持续时间、电池包160在出行结束时的soc、以及实际的行进距离。关连标识符可以允许在单个事务中跟踪错误的预调节预测和相关联的基准真相事件。
[0044]
图3示出能由预调节安排器145执行的过程300，所述预调节安排器可以通过如前面所讨论的守护进程来实现。预调节安排器145可以在车辆130的操作系统环境内与出行改变监视器135并行地和/或在另一线程中执行。预调节安排器145可以负责监听来自出行改变监视器135的对于预调节的请求，这些请求已经被添加到安排队列140，并且在适当的时间安排预调节。预调节安排器145可以具有指导电池管理系统155的排他性控制，并且可以与所有其他组件(除了电池管理系统155和安排队列140之外)在通信上隔离。这样，预调节安排器145可以不太容易受例如未被授权的访问的影响。每当预调节安排器145可以被调用时、和/或按规律的或不规律的间隔、以及每当安排队列140的状态改变时，过程300可以在s305中开始。在s310中，过程300可以通过参考安排队列140来确定待决的预调节请求是已经被出行改变监视器135安排、还是尚未被安排。如果没有请求在安排队列140中是待决的，则可以在s315中取消对于电池管理系统155的任何待决的或当前执行的预调节请求以避免不必要地对电池包160加热。如果待决的预调节当前被安排，则过程300可以前进到s330，在s330中，电池管理系统155可以在s320中进一步确认电池包160的荷电状态(soc)是合格的。如果是，则在s325中，过程300可以确定电池包160的当前温度是否小于对于dc快速充电的期望的温度。如果是，则过程300可以识别使电池包160的温度升高到期望的dc快速充电温
度所需的时间窗口“t0”。在s335中，可以调用实时交通信息(rtti)应用编程接口(api)以预测估计到达时间(eta)或到达出行目的地的行进持续时间。rtti可以经由网关125或另一安全的网络接收实时交通数据，并且可以允许估计沿着到出行目的地的路线行进将花费的时间长度。该eta可以被指定为“t1”，如图3所示。在s340中，过程300可以确定eta(t1)是否小于或等于当前时间“t”加上时间窗口“t0”加上时间窗口启发“h”。时间窗口启发“h”可以是可以补偿误差(诸如电池特定的偏移、校准误差和类似数据)的时间窗口。在一个例子中，假定对于rtti的调用揭示eta(t1)为4:05p.m.，时间窗口(t0)为7分钟，并且时间窗口启发(h)为1分钟，那么在当前时间为3:57p.m.时，s340可以开始预调节。这可以通过以下方式看出，即，应用s340中所示的公式并且对当前时间“t”进行求解以使得当4:05p.m.《＝(当前时间“t”)+7+1时，预调节开始。当满足该条件时，过程300可以继续进行到s345，在s345中，预调节请求可以被发送给电池管理系统155。
[0045]
在这里所讨论的系统收集关于用户的个人信息、或者可以使用个人信息的情况下，用户可以被提供控制程序或特征是否收集用户信息(例如，地点数据、驾驶行为、目的地、充电行为和其他用户偏好)、或者控制是否和/或如何从内容服务器接收可以与用户更相关的内容的机会。另外，某个数据可以在它被存储或使用之前被以一种或多种方式处置，以使得个人可识别的信息被移除或限制。例如，用户的身份可以被处置以使得对于用户不能确定个人可识别的信息，或者用户的地理地点可以被一般化为获得地点信息的地方(诸如被一般化为城市、邮政编码或州级)，以使得用户的具体地点不能被确定。相反，在用户正在与已知的朋友或熟人交互的情况下，可以使一些或所有的个人信息可选择性地供其他用户访问。因此，用户可以控制关于用户如何收集信息以及如本文中公开的系统如何使用信息。
[0046]
目前公开的技术方案的实施例可以被实现于各种组件和网络架构中，并且与各种组件和网络架构一起使用。图4是适合于实现目前公开的技术方案的实施例的示例计算装置20。装置20例如可以是台式或膝上型计算机、基于车辆的计算机或电子控制单元、控制台、机顶盒或移动计算装置(诸如智能电话、平板或类似装置)。装置20可以包括将计算装置20的主要组件互连的总线21，主要组件诸如中央处理器24、存储器27(诸如随机存取存储器(ram)、只读存储器(rom)、闪速ram或类似物)、用户显示器22(诸如显示屏幕)、用户输入界面26、固定储存器23(诸如硬盘驱动器、闪存和类似物)、可移动媒体组件25、以及网络接口29，所述用户输入界面可以包括一个或多个控制器和相关联的用户输入装置，诸如键盘、鼠标、触摸屏和类似物，所述可移动媒体组件操作为控制并且接收光盘、闪速驱动器和类似物，所述网络接口可操作为经由合适的网络连接与一个或多个远程装置进行通信。
[0047]
总线21允许中央处理器24和如前面指出的一个或多个存储器组件(所述存储器组件可以包括ram、rom和其他存储器)之间的数据通信。通常，ram是操作系统和应用程序被加载到其中的主存储器。rom或闪存组件可以包含(除了其他代码外)基本输入-输出系统(bios)，其控制基本硬件操作，诸如与外围组件的交互。与计算机20一起驻存的应用一般被存储在计算机可读介质上并且经由该介质访问，所述计算机可读介质诸如硬盘驱动器(例如，固定储存器23)、光学驱动器、软盘或其他存储介质。
[0048]
固定储存器23可以与计算机20构成整体，或者可以分离并且通过其他接口访问。网络接口29可以经由有线或无线连接提供与远程服务器的直接连接。网络接口29可以使用
如本领域技术人员将容易理解的任何合适的技术和协议(包括数字蜂窝电话、wifi、近场通信和类似技术)来提供这样的连接。例如，如下面更详细地描述的，网络接口29可以允许计算机经由一个或多个本地网络、广域网或其他通信网络与其他计算机通信。
[0049]
许多其他的装置或组件(未示出)可以以类似的方式连接(例如，文档扫描仪、数字相机等)。相反，图4中所示的所有的组件对于实施本公开并不都是需要存在的。组件可以以所示的方式不同的方式互连。计算机(诸如图4所示的计算机)的操作在本领域中是容易知晓的，在本技术中不被详细讨论。实现本公开的代码可以被存储在计算机可读存储介质(诸如存储器27、固定储存器23、可移动媒体25中的一个或多个)中或远程存储地点上。
[0050]
图5示出根据所公开的技术方案的实施例的示例网络布置。一个或多个装置10、11(诸如本地计算机、智能电话、平板计算装置和类似装置)可以经由一个或多个网络7连接到其他装置。每个装置可以是如前面描述的计算装置。网络可以是局域网、广域网、互联网、或任何其他合适的一个通信网络或多个网络，并且可以被实现于任何合适的平台(包括有线网络和/或无线网络)上。装置可以与一个或多个远程装置(诸如服务器13和/或数据库15)通信。远程装置可以被装置10、11直接访问，或者一个或多个其他的装置可以提供中间访问，诸如在服务器13提供对于存储在数据库15中的资源的访问的情况下。装置10、11还可以访问远程平台17或远程平台17提供的服务，诸如云计算布置和服务。远程平台17可以包括一个或多个服务器13和/或数据库15。
[0051]
图6示出根据所公开的技术方案的实施例的示例布置。一个或多个装置或系统10、11(诸如远程服务或服务提供商11)、用户装置10(诸如本地计算机、智能电话、平板计算装置和类似装置)可以经由一个或多个网络7连接到其他装置。网络可以是局域网、广域网、互联网、或任何其他的合适的一个通信网络或多个网络，并且可以被实现在任何合适的平台(包括有线网络和/或无线网络)上。装置10、11可以与一个或多个远程计算机系统(诸如处理单元14、数据库15和用户接口系统13)通信。在一些情况下，装置10、11可以与用户接口系统13通信，所述用户接口系统可以提供至一个或多个其他系统(诸如数据库15、处理单元14或类似物)的访问。例如，用户接口系统13可以是用户可访问的网页，所述网页提供来自一个或多个计算机系统的数据。用户界面13可以提供至不同客户端的不同接口，诸如人类可读的网页提供给用户装置10上的网页浏览器客户端，并且机器可读的api或其他接口提供至远程服务客户端11。
[0052]
用户接口13、数据库15和/或处理单元14可以是集成系统的部分或者可以包括经由私有网络、互联网或任何其他的合适的网络通信的多个计算机系统。一个或多个处理单元14例如可以是分布式系统(诸如基于云的计算系统、搜索引擎、内容递送系统或类似物)的一部分，所述分布式系统还可以包括数据库15和/或用户接口13，或者可以与数据库和/或用户接口通信。在一些布置中，机器学习系统5可以将各种预测模型、数据分析或类似物提供给一个或多个其他的系统13、14、15。
[0053]
更一般地，目前公开的技术方案的各种实施例可以包括计算机实现的过程和用于实施这些过程的设备，或者以计算机实现的过程和用于实施这些过程的设备的形式实施。实施例还可以以具有计算机程序代码的计算机程序产品的形式实施，所述计算机程序代码含有在非暂时性和/或有形介质(诸如软盘、cd-rom、硬盘驱动器、usb(通用串行总线)驱动
器、或任何其他的机器可读存储介质)中的指令，以使得当计算机程序代码被加载到计算机中并且被计算机执行时，计算机变为用于实施所公开的技术方案的实施例的设备。实施例还可以以例如计算机程序代码的形式实施，不管是被存储在存储介质中、被加载到计算机中和/或被计算机执行，还是通过某个传输介质(诸如通过电气布线或线缆铺设、通过光纤、或者经由电磁辐射)传输，以使得当计算机程序代码被加载到计算机中并且被计算机执行时，计算机变为用于实施所公开的技术方案的实施例。当被实现于通用目的微处理器上时，计算机程序代码段将微处理器配置为创建特定的逻辑电路。
[0054]
在一些配置中，存储在计算机可读存储介质上的计算机可读指令集可以被通用目的处理器实现，其可以将该通用目的处理器或含有该通用目的处理器的装置变换为被配置为实现或执行所述指令的专用装置。实施例可以使用硬件来实现，所述硬件可以包括处理器，诸如在硬件和/或固件中实施根据所公开的技术方案的实施例的技术的所有技术或一部分技术的通用目的微处理器和/或专用集成电路(asic)。处理器可以耦合到存储器，诸如ram、rom、闪存、硬盘、或能够存储电子信息的任何其他的装置。存储器可以存储适于被处理器执行以执行根据所公开的技术方案的实施例的技术的指令。
[0055]
本技术方案可以改善连接到电动车辆的计算系统以预测在预计dc快速充电时何时应执行对相关联的电池包进行预调节的能力。本文中公开的实施例可以允许计算系统预测用户的目的地以及用户是否将要将电动车辆连接到dc快速充电站。本技术方案可以在不必明确地向用户请求该信息的情况下有助于这些预测，从而改善计算系统的便利性。本文中公开的实施例可以利用关于用户的过去的历史数据以及在出行可以正在进行中期间产生的新数据。该数据可以被提供给一个或多个机器学习模型，所述机器学习模型可以被周期性地重新训练以改善预测的准确性。由于随着当在出行期间可以收集更多的数据而可以连续地产生预测，所以可以进一步改善预测的准确性。通过对于何时应开始电动车辆电池包的预调节产生准确的预测，可以缩短给电池包再充电所需的时间，从而改善用户体验。
[0056]
前述公开已经被阐述，仅仅是为了例示说明本发明，而非意图是限制。因为合并本发明的精神和实质的所公开的实施例的修改可以被本领域技术人员想到，所以本发明应被解释为包括所附权利要求及其等同形式的范围内的一切。

技术特征：
1.一种用于对车辆的电池包进行预调节以支持快速充电的系统，所述系统包括：处理器；与所述处理器通信的存储器，所述存储器存储能由所述处理器执行的使所述系统实施以下步骤的多个指令：检测指示所述车辆将要行进或者所述车辆的电池包已经减小到预定容量的触发；收集所述车辆的地点数据的多个采样；基于所述采样预测所述车辆的目的地；基于用户的以前的充电行为来确定所述用户给所述车辆充电的习性；确定所预测的目的地和所确定的习性的置信度得分；并且基于所述置信度得分达到阈值来确定是否安排所述电池包的预调节。2.根据权利要求1所述的系统，所述系统进一步包括能由所述处理器执行的使所述系统实施以下步骤的指令：确定充电站是否存在于所预测的目的地处。3.根据权利要求1所述的系统，其中，所述车辆的电池包的预调节有计划地升高所述电池包的温度。4.根据权利要求1所述的系统，所述系统进一步包括能由所述处理器执行的以使所述系统实施以下步骤的指令：确定所述车辆将到达所预测的目的地的估计到达时间；并且当所述车辆应开始对所述电池包进行预调节时，确定在所述估计到达时间之前的预调节时间。5.根据权利要求1所述的系统，所述系统进一步包括能由所述处理器执行的以使所述系统实施以下步骤的指令：确定使所述电池包的温度升高到目标预调节温度所需的时间窗口。6.根据权利要求5所述的系统，所述系统进一步包括能由所述处理器执行的以使所述系统实施以下步骤的指令：将所述时间窗口与所述车辆将到达所预测的目的地的估计到达时间进行比较；并且基于所述比较开始对所述电池包进行预调节。7.根据权利要求2所述的系统，其中，所述系统基于由尝试在所预测的目的地处充电的多个其他车辆所公布的总体数据来确定充电站是否存在于所预测的目的地处。8.根据权利要求1所述的系统，其中，能由所述处理器执行的使所述系统预测所述车辆的目的地的指令基于对没有目的地已经被设置在所述车辆的导航功能中的确定。9.根据权利要求1所述的系统，所述系统进一步包括能由所述处理器执行的以使所述系统实施以下步骤的指令：基于所述置信度得分未达到阈值来取消所述电池包的安排的或当前执行的预调节。10.根据权利要求1所述的系统，其中，所述习性进一步基于以下中的至少一个：预测的地点；一天驾驶的总距离；
自从最后知晓的充电事件以后驾驶的总距离；其他用户或占用者是否存在于所述车辆中；在预测的地点的充电站处再充电的价格；存储在所述用户的个人计算装置内的安排的事件和约会；所述车辆的预测的驾驶员；所述电池包的剩余荷电状态；或者便利设施在预测的地点的充电站附近是否可用。11.一种用于对车辆的电池包进行预调节以支持快速充电的方法，所述方法包括：检测指示所述车辆将要行进或者所述车辆的电池包已经减小到预定容量的触发；收集所述车辆的地点数据的多个采样；基于所述采样预测所述车辆的目的地；基于用户的先前的充电行为来确定所述用户给所述车辆充电的习性；确定所预测的目的地和所确定的习性的置信度得分；并且基于所述置信度得分达到阈值来安排所述电池包的预调节。12.根据权利要求11所述的方法，所述方法进一步包括：确定充电站是否存在于所预测的目的地处。13.根据权利要求11所述的方法，其中，所述车辆的电池包的预调节有计划地升高所述电池包的温度。14.根据权利要求11所述的方法，所述方法进一步包括：确定所述车辆将到达所预测的目的地的估计到达时间；并且当所述车辆应开始对所述电池包进行预调节时，确定在所述估计到达时间之前的预调节时间。15.根据权利要求11所述的方法，所述方法进一步包括：确定使所述电池包的温度升高到目标预调节温度所需的时间窗口。16.根据权利要求15所述的方法，所述方法进一步包括：将所述时间窗口与所述车辆将到达所预测的目的地的估计到达时间进行比较；并且基于所述比较开始对所述电池包进行预调节。17.根据权利要求12所述的方法，其中，对充电站是否存在于所预测的目的地处的确定基于由尝试在所预测的目的地处充电的多个其他车辆所公布的总体数据。18.根据权利要求11所述的方法，其中，所述车辆的目的地的预测基于对没有目的地已经被设置在所述车辆的导航功能中的确定。19.根据权利要求11所述的方法，所述方法进一步包括：基于所述置信度得分未达到阈值来取消所述电池包的安排的或当前执行的预调节。20.根据权利要求11所述的方法，其中，所述习性进一步基于以下中的至少一个：预测的地点；一天驾驶的总距离；自从最后知晓的充电事件以后驾驶的总距离；
其他用户或占用者是否存在于所述车辆中；在预测的地点的充电站处再充电的价格；存储在所述用户的个人计算装置内的安排的事件和约会；所述车辆的预测的驾驶员；所述电池包的剩余荷电状态；或者便利设施在预测的地点的充电站附近是否可用。

技术总结
一种系统对车辆的电池包进行预调节以支持快速充电。所述系统检测指示车辆将要行进或者车辆的电池包已经减小到预定容量的触发。所述系统收集车辆的地点数据的多个采样。所述系统基于所述采样预测车辆的目的地。所述系统基于用户的以前的充电行为来确定用户给车辆充电的习性。所述系统确定所预测的目的地和所确定的习性的置信度得分。所述系统基于置信度得分达到阈值来确定是否安排电池包的预调节。分达到阈值来确定是否安排电池包的预调节。分达到阈值来确定是否安排电池包的预调节。


技术研发人员：A
受保护的技术使用者：宝马股份公司
技术研发日：2021.07.01
技术公布日：2023/6/26