CN116034047A - 用于求取充电过程的总能量额的装置和方法 - Google Patents

用于求取充电过程的总能量额的装置和方法 Download PDF

Info

Publication number
CN116034047A
CN116034047A CN202180056816.4A CN202180056816A CN116034047A CN 116034047 A CN116034047 A CN 116034047A CN 202180056816 A CN202180056816 A CN 202180056816A CN 116034047 A CN116034047 A CN 116034047A
Authority
CN
China
Prior art keywords
charging
vehicle
charging process
energy amount
charging station
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202180056816.4A
Other languages
English (en)
Inventor
C·戴维
K·塞德勒
F·比兰特勒
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Bayerische Motoren Werke AG
Original Assignee
Bayerische Motoren Werke AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Bayerische Motoren Werke AG filed Critical Bayerische Motoren Werke AG
Publication of CN116034047A publication Critical patent/CN116034047A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/62—Monitoring or controlling charging stations in response to charging parameters, e.g. current, voltage or electrical charge
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/66—Data transfer between charging stations and vehicles
    • B60L53/665—Methods related to measuring, billing or payment
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2260/00—Operating Modes
    • B60L2260/40—Control modes
    • B60L2260/46—Control modes by self learning
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2260/00—Operating Modes
    • B60L2260/40—Control modes
    • B60L2260/50—Control modes by future state prediction
    • B60L2260/54—Energy consumption estimation
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/12—Electric charging stations
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/16—Information or communication technologies improving the operation of electric vehicles
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/16—Information or communication technologies improving the operation of electric vehicles
    • Y02T90/167—Systems integrating technologies related to power network operation and communication or information technologies for supporting the interoperability of electric or hybrid vehicles, i.e. smartgrids as interface for battery charging of electric vehicles [EV] or hybrid vehicles [HEV]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S30/00—Systems supporting specific end-user applications in the sector of transportation
    • Y04S30/10—Systems supporting the interoperability of electric or hybrid vehicles
    • Y04S30/14—Details associated with the interoperability, e.g. vehicle recognition, authentication, identification or billing

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

描述了一种用于求取用于至少部分电驱动的车辆(100)的电能量存储器的在充电站(110)处的充电过程的总能量额(255)的装置(106)。所述装置(106)被设置成，求取由车辆(100)为充电过程所接收的电能的车辆能量额(251)。此外，装置(106)被设置成，借助提前求取的估计单元(250)基于车辆能量额(251)估计由用于充电过程的充电站(110)从供电源接收的总能量额(255)。

Description

用于求取充电过程的总能量额的装置和方法
技术领域
本发明涉及用于求取在充电站处的充电过程的总能量额的装置和相应的方法。
背景技术
具有电驱动器的车辆(尤其是电动车辆或者插电式混合动力车辆)包括电能量存储器(例如电池)，所述电能量存储器能够通过车辆的充电装置连接到充电站上并且充电。为了给电能量存储器充电，存在不同的导电的、即电缆连接的充电技术。在所谓的AC充电或者说交流充电中，为了给电能量存储器充电而转换直流电流(也称为DC电流)的充电设备处于车辆中。在充电站与车辆之间的充电电缆上传输AC(交变电流)或者说交流电。在所谓的DC充电或者说直流充电中，在充电电缆上传输DC(直流电流)或直流电。
车辆可以在充电过程时提前或在充电过程期间典型地仅求取由车辆、尤其是在车辆的充电插座上所接收的能量额。通常不能由车辆求取对于充电过程需要由充电站从供电网接收并且典型地不被车辆的用户考虑的总能量额。
发明内容
本文涉及使车辆能够以精确且有效的方式求取对充电过程所需的总能量额的技术任务。
该任务通过每个独立权利要求来解决。尤其在从属权利要求中描述有利的实施方式。要指出的是，从属于独立权利要求的权利要求的附加特征在没有独立权利要求的特征的情况下或者仅在与独立权利要求的一部分特征的组合中可能形成独立的并且与独立权利要求的所有特征的组合无关的发明，该发明可以成为独立权利要求、分案申请或后续申请的主题。这以相同的方式适用于在说明书中描述的技术教导，所述技术教导能够形成与独立权利要求的特征无关的发明。
根据一个方面，描述了一种用于求取用于至少部分电驱动的车辆的电能量存储器的在充电站处充电过程的总能量额的装置。车辆可以是电池电动车辆(BEV)、插电式混合动力车辆或具有增程器的车辆。充电站可以被构造用于执行有线连接的(AC或DC)充电过程或者感应式充电过程。
所述装置可以被设置成，求取由车辆为充电过程所接收的电能的车辆能量额。在此，可以在充电过程期间在车辆内部测量车辆能量额。备选地或补充地，可以在充电过程时提前估计车辆能量额。尤其是所述装置可以被设置成，基于所述车辆的能量测量单元的传感器数据求取在充电过程期间的充电过程的车辆能量额。备选地或补充地，该装置可以被设置成，在充电过程开始之前基于车辆的电能量存储器的充电状态、尤其基于实际充电状态和/或基于一个或多个当前存在的客户设定来求取用于充电过程的车辆能量额。示例性的客户设定是在充电过程之后的电能量存储器的目标充电状态。尤其可以基于(预设的)目标充电状态(在充电过程结束时)与电能量存储器的(当前的)实际充电状态(在充电过程开始时)之间的差来求取用于充电过程的车辆能量额。在此，必要时可以仅基于在车辆中可用的信息来求取车辆能量额。
此外，该装置被设置用于，借助提前求取的估计单元基于车辆能量额来估计由用于充电过程的充电站从供电源(例如供电网)接收的总能量额。
在此，估计单元可以包括提前基于训练数据而机器训练的估计算法，用于基于由车辆接收的车辆能量额来估计用于充电过程的总能量额。备选地或补充地，估计单元可以包括提前基于训练数据被机器训练的神经网络，以用于估计用于充电过程的总能量额。
估计单元尤其是可以被设置成，估计在充电过程期间在充电站处和/或在充电站与车辆之间(也就是说在车辆外)的充电电缆处的所消耗或出现的损耗电能的量。于是，基于车辆能量额和损耗电能的量的总和或者作为车辆能量额和损耗电能的量的总和得出总能量额。
因此描述了一种装置，该装置能够(尤其为车辆)实现仅基于在车辆中可用的信息来估计充电过程的总能量额(总能量额也包括至少一个在车辆外产生的或者说在车辆外消耗的能量份额)。因此可以提高与车辆的充电过程相关的车辆的用户的舒适性(尤其是关于选择合适的充电站)和/或提高车辆的能量效率(通过选择用于充电过程的特别能量有效的充电站)。
估计单元可以提前(必要时通过装置)进行训练。为此，可以针对相应的多个(已经执行的)充电过程(即训练数据)考虑多个训练数据组。用于已经执行的充电过程的训练数据组在此可以显示用于已经执行的充电过程的实际的车辆能量额和实际的总能量额。必要时，训练数据组可以包括用于(已经执行的)充电过程的充电站数据和/或充电过程数据，以便提高总能量额的估计精度(如在下面进一步阐述的那样)。
然后估计单元、尤其是估计算法和/或神经网络可以基于多个训练数据组被训练。因此能够提供机器训练的估计单元。因此能够进一步提高估计单元的估计品质。
所述装置可以被设置成，求取与充电站相关的充电站数据，在所述充电站出应执行用于给车辆的电能量存储器充电的充电过程。
充电站数据可以在此包括用于从多个不同的充电站中识别充电站的标识。备选地或补充地，充电站数据可以包括关于充电站的位置的位置信息。因此可以提供充电站数据，所述充电站数据能够实现充电站的单独识别，在所述充电站处应执行或执行充电过程。估计单元可以提前针对各个特定的充电站已被训练(并且因此考虑在相应的充电站中的相应的能量损失)。总能量额然后可以以特别精确的方式基于充电站数据借助于估计单元来求取。
备选地或补充地，充电站数据可以指示多个不同类型的充电过程中的充电过程的类型，该充电过程在充电站处可执行或在充电站处被执行。所述多种不同类型的充电过程可以在此包括DC充电过程、AC充电过程和/或感应式充电过程。因此可以提供充电站数据，所述充电站数据指示充电过程的类型，该充电过程在相应的充电站处可执行或被执行。估计单元可以提前针对各个特定类型的充电过程训练(以考虑不同类型的充电过程中的能量损失)。总能量额然后可以以特别精确的方式基于充电站数据借助于估计单元来求取。
所述装置可以被设置成，求取与充电过程相关的充电过程数据，所述充电过程应被执行或被执行以用于给车辆的能量存储器充电。充电过程数据在此例如可以指示用于充电过程的(最大的或平均的)充电功率。估计单元可以提前针对不同的充电过程数据、尤其针对不同的充电功率被训练(从而可以考虑针对不同的充电功率的能量损失)。总能量额然后可以以特别精确的方式基于充电过程数据借助于估计单元来求取。
该装置可以被设置成，针对多个不同的充电站(例如在车辆的当前位置的周围环境中)分别基于(必要时根据能量存储器的充电状态所求取的)车辆能量额来求取在相应的充电站处的充电过程的总能量额。因此可以求取在不同的充电站处需要多少总能量额来给电能量存储器充电。在此，不同的充电站的总能量额可以基于各个充电站的不同的能量效率而不同。
所述装置也可以被设置成，(例如，经由车辆的用户接口)向车辆的用户输出与用于多个不同的充电站的所求取的总能量额相关的能量信息。因此可以向用户显示在不同的充电站处需要哪些总能量额来给车辆的能量存储器充电。这使得用户能够为充电过程选择特别能量高效的充电站。因此能够提高车辆的能量效率。
根据另一方面，描述一种(道路)机动车(尤其是乘用车或载重汽车或公共汽车或摩托车)，其包括在本文中所描述的装置。
根据另一方面，描述了一种用于求取用于至少部分电驱动的车辆的电能量存储器的在充电站处的充电过程的总能量额的方法。该方法包括求取由车辆为充电过程(用于给电能量存储器充电)所接收的电能量的车辆能量额。此外，该方法包括借助提前求取的估计单元基于车辆能量额来估计由用于充电过程的充电站从供电源(例如供电网)接收的总能量额。
根据另一方面，描述了一种用于(机器)训练估计单元的方法，以便使估计单元能够基于在充电站处的充电过程中由车辆接收的电能量的车辆能量额来估计由用于充电过程的充电站从供电源接收的总能量额。
所述方法包括针对相应的多个充电过程求取多个训练数据组，其中，充电过程的训练数据组指示用于所述充电过程的车辆能量额和总能量额。此外，该方法包括基于多个训练数据组训练估计单元。
根据另一方面描述了一种软件(SW)程序。该SW程序可以被设置用于在处理器上(例如在车辆的控制设备上或在车辆外部的服务器上)实施并且由此实施在本文中所描述的方法中的至少一个方法。
根据另一方面描述了一种存储介质。存储介质可以包括SW程序，该SW程序被设置用于在处理器上实施并且由此实施在本文中所描述的方法中的至少一个方法。
应当注意，在本文中所描述的方法、装置和系统不仅可以单独地使用，而且可以与其他在本文中所描述的方法、装置和系统组合地使用。此外，在本文中所描述的方法、装置和系统的每个方面可以以多样化的方式彼此组合。尤其是权利要求的特征可以以多样化的方式彼此组合。
附图说明
下面借助实施例更详细地描述本发明。在此，在附图中：
图1示出示例性的充电系统的框图；
图2a示出示例性的神经网络；
图2b示出示例性的神经元；
图2c示出示例性的估计单元；
图3示出具有不同充电站的道路网的示例性图示；
图4a示出用于训练估计单元的示例性的方法的流程图；和
图4b示出用于求取用于充电过程的总能量额的示例性方法的流程图。
具体实施方式
如开头所述，本文献致力于以有效且精确的方式求取用于车辆的电能量存储器的充电过程的总能量额。在这种情况下，图1示出具有充电站110和车辆100的示例性充电系统的框图。车辆100包括电能量存储器(未示出)，该电能量存储器可以使用来自充电站110的电能进行充电。车辆100包括充电插座101(通常称为充电接口)，充电电缆112的相应的(充电)插头111可以插接在该充电插座上。充电插座101和插头111典型地形成插接系统。充电电缆112可以与充电站110固定连接(如图所示)。另一方面，充电电缆112可以经由插连接部(例如，在AC充电中)与充电站110连接。
车辆100可以包括车辆测量单元105，该车辆测量单元被设置用于检测关于(车辆)能量额的车辆能量数据，所述车辆能量额在充电过程的范围内由车辆100尤其通过充电插座101接收。此外，充电站110可以包括充电站测量单元115，该充电站测量单元被设置成检测与在充电过程的范围内由充电站110(从供电网中)所接收的(总)能量额有关的充电站能量数据。
车辆100的评估装置106可以被设置成，基于车辆能量数据来求取车辆能量额，所述车辆能量额由车辆100在充电过程期间接收。基于此然后例如可以计算用于充电过程的费用。然而，车辆能量数据没有考虑存在于充电电缆112和/或充电站110上的能量损失，并且能量损失通常针对充电过程导致相对于车辆能量额提高的总能量额。充电站110典型地对充电过程的总能量额进行计费，从而由装置106基于车辆能量数据所求取的用于充电过程的费用典型地小于实际所计费的费用。
因此，对于车辆100的装置106不可能以精确的方式估计或预测充电过程的总能量额并且由此估计或预测用于充电过程的费用。这例如可能导致车辆100的用户选择用于充电过程的如下充电站110，与其他充电站110相比，该充电站具有相对高的能量损失并且因此具有相对高的总费用。
为了也(必要时单独地)基于关于由车辆100接收的车辆能量额的车辆能量数据能够实现准确地估计用于充电过程的总能量额，可以如示例性地在图2c中示出的那样提供、尤其训练估计单元250，该估计单元被设置成基于车辆能量额251来求取或估计用于充电过程的总能量额255。因此估计单元250可以被设置成，估计或预测在充电过程中的充电站110的能量损失(包括针对给车辆100的进行传输的能量损失)。
估计单元250在此可以被设置成，专门针对各个充电站110或针对不同类型的充电站110或针对不同类型的充电过程(例如用于AC充电的充电站110、用于DC充电的充电站110、用于感应充电的充电站110等等)求取总能量额255。估计单元250为此目的可以考虑充电站数据252，
·通过充电站数据识别充电站110的网络中的特定充电站110；和/或
·通过充电站数据从多种不同类型的充电站110或充电过程中识别确定类型的充电站110或确定类型的充电过程。
备选地或补充地，也可以考虑在充电过程中关于充电功率的充电过程数据。
可基于针对相应的多个(实际执行的)充电过程的多个训练数据组来训练估计单元250。在此，充电过程的训练数据组可以指示：
·通过车辆测量单元105求取的用于充电过程的车辆能量额251；
·必要时，用于执行充电过程的充电站110和/或用于被执行的所述类型的充电过程的充电站数据252；
·必要时，关于在各个充电过程中的充电功率的充电过程数据；和
·由充电站测量单元115求取的用于充电过程的总能量额255。
所述估计单元250必要时可以包括一个或者多个具有多个功能参数的分析函数。在训练方法的范围内，功能参数可以基于多个训练数据组训练或求取(例如从而减少、尤其最小化确定的误差标准)。
备选地或附加地，估计单元250可以包括神经网络200(如在图2a和图2c中示例性示出的)。神经网络200的各个神经元参数222、227可以基于多个训练数据组被训练。
图2a和图2b示出神经网络200、尤其是前馈网络的示例性组成部分。在所示的示例中，网络200包括两个输入神经元或者说输入节点202，其在特定的时间点t分别记录输入参量的当前值作为输入值201。一个或多个输入节点202是输入层211的一部分。示例性的输入参量是用于充电过程的车辆能量额251和必要时充电站数据252和必要时充电过程数据。
神经网络200还包括处于神经网络200的一个或多个隐藏层212中的神经元220。神经元220中的每个神经元可以具有先前层(或其至少一部分)212、211的神经元的单独输出值作为输入值。在神经元220中的每个神经元中进行处理，以根据输入值求取神经元220的输出值。最后的隐藏层212的神经元220的输出值可以在输出层213的输出神经元或者说输出节点220中被处理，以求取神经网络200的一个或多个输出值203。在本示例中，作为输出值203，可以求取并提供用于充电过程的总能量额的值255。
图2b示出在神经元220内、尤其在一个或多个隐藏层212和/或输出层213的神经元202内的示例性的信号处理。神经元220的输入值221通过各个权重222进行加权，以便在求和单元223中求取输入值221的加权总和224(必要时在考虑偏置或偏移227的情况下)。通过激活函数225，加权总和224可以映射到神经元220的输出值226。在此可以通过激活函数225例如进行值域的限制。例如，对于神经元220，可以使用Sigmoid函数或双曲正切(tanh)函数或整流线性单元(ReLU)，例如f(x)＝max(0,x)作为激活函数225。必要时所述加权总和224的值可以利用偏移227进行偏移。
因此神经元220具有权重222和/或必要时具有作为神经元参数的偏移227。神经网络200的神经元220的神经元参数可以在训练阶段中(借助多个训练数据组)被训练，以使得神经网络200近似特定函数和/或对特定行为建模，尤其是以便精确地估计用于充电过程的总能量额255。
神经网络200的训练可以例如借助反向传播算法来进行。为此，在学习算法的第q时期的第一阶段中，可以求取在一个或多个输出神经元220的输出处的与神经网络200的一个或多个输入节点202处的输入值201相应的输出值203。基于输出值203可以求取优化函数或误差函数的误差值。
在学习算法的第q时期的第二阶段进行从神经网络的输出到输入的误差或误差值的回传播，以逐层改变神经元220的神经元参数。在此，可以在输出端上部分地根据神经网络200的每个单个神经元参数推导出所求取的误差函数，以便求取用于适配单个神经元参数的量值和/或方向。该学习算法可以针对多个时期迭代地重复，直到达到预定义的收敛标准和/或中断标准。
车辆100的装置106因此可以被设置成求取用于充电过程的车辆能量额251。车辆能量额251例如可以基于车辆100的能量存储器的当前充电状态来求取(对于所计划的前面的充电过程)。备选地或者补充地，能够基于车辆测量单元105的车辆能量数据来求取车辆能量额251(对于进行中的或者用于已经执行的充电过程)。
装置106也可以被设置成，借助于提前训练的估计单元250基于车辆能量额251并且必要时在考虑到关于执行或应当执行充电过程的充电站110的充电站数据252的情况下并且必要时在考虑到充电过程的充电过程数据的情况下求取用于充电过程的总能量额255。总能量额255然后必要时可以与电能量的量单位(例如kWh)的费用值相乘，以便求取或预测充电过程的总费用。
上述功能例如可以提前在所计划的充电过程时被用于为车辆100的用户建议充电过程的合适充电站110。图3示出行驶有车辆100的道路网301的示例性的图示300。例如图示300可以被显示在车辆100的屏幕上(例如，作为车辆100的导航系统的一部分)。在图示300中，一个或多个充电站110可以被示出在车辆100的周围环境中。此外，可以显示用于各个充电站110的能量信息305，其中，能量信息305例如显示在各个充电站110中由充电过程引起的总能量额255和/或总费用。
因此，车辆100的用户能够以舒适的方式选择合适的充电站110(例如具有最少总能量额255的充电站110)用于充电过程。因此可以提高对于用户的舒适性和车辆100的能量效率。
基于多个充电过程和与此相关的通过在一个或多个车辆110上的充电插座101的测量点105的数据251[E_Fahrzeug]的记录和充电站的数据255[E_Gesamt]的记录，可以(作为估计单元250的一部分)提供或者说训练来自机器学习领域的回归算法。该算法可以被设置成基于车辆数据251和必要时基于充电站110的数据252并且必要时基于充电过程数据来计算用于充电过程的总能量额255。由于充电电缆112和充电站110的损耗通常取决于一个或多个影响因素，所以用于所述算法的输入通常是车辆的能量额251[E_Fahrzeug]、一个或多个其他影响因素、诸如充电方法(AC、DC)或一个或多个设定(例如最大充电电流)或一个或多个硬件方面的影响(例如充电电缆112的模型)。在求取总能量额255的范围内，另外的所述一个或多个影响因素能够作为充电站数据252和/或作为充电过程数据被考虑。
借助回归算法(也就是说借助估计单元250)可以对于各个充电站110和/或对于各个充电过程求取充电电缆112和充电站110的损耗。由此在充电开始之前就已经能够为用户提供精确的能量和/或费用预测。在充电过程期间给车辆100充电的车辆能量额251对于车辆100——尤其是基于用户的一个或多个设定——是已知的。
充电电缆112和充电站110的损耗可以被添加到该车辆能量额251以求取总能量费用255。通过将总能量额255与单位能量价格[€/kWh]相乘，可以求取充电过程的总费用。
图4a示出用于训练估计单元250的示例性(必要时计算机实现的)方法400的流程图，以便使估计单元250能够基于由车辆100在充电站110处的充电过程中所接收的电能量的车辆能量额251来估计由充电站110对于充电过程所接收的来自供电源(例如来自供电网)的总能量额255。所述方法400可以由(车辆外部的)服务器实施。
所述方法400包括求取401针对相应的多个(实际执行的)充电过程的多个训练数据组。用于(实际执行的)充电过程的训练数据组在此可以显示用于(实际执行的)充电过程的(实际的)车辆能量额251和(实际的)总能量额255。因此可以提供训练数据，所述训练数据针对多个充电过程分别指示由车辆100实际接收的车辆能量额251和从充电站110实际接收的总能量额255。此外，各个训练数据组可以包括充电站数据252，该充电站数据能够使得识别各个充电站110和/或各个充电站110处的充电过程的类型。此外，各个训练数据组可以包括充电过程数据，由所述充电过程数据例如可以求取各个(实际执行的)充电过程的(最大)充电功率。
所述方法400还包括基于多个训练数据组训练402估计单元250。尤其可以基于训练数据训练分析函数和/或神经网络200。通过估计单元250的机器训练能够实现在充电过程中各个充电站110的能量损失的稳健的、可靠的和有效的估计。
图4b示出用于求取用于至少部分电驱动的车辆100的电能量存储器的在充电站110处的充电过程的总能量额255的示例性的(必要时计算机实现的)方法410的流程图。所述方法410可以由车辆100的装置106实施。
所述方法410包括求取411由车辆100为充电过程接收的车辆能量额251(即，电能量的量)。车辆能量额251在此可以表明由车辆100、例如在车辆100的充电插座101上接收的电能量的量。
此外，所述方法410包括借助于提前求取的或者(机器)训练的估计单元250基于车辆能量额251估计412由充电站110为充电过程从供电源接收的总能量额255。在此，除了车辆能量额251之外，总能量额255也包括在充电站110内和/或在充电站110与车辆100之间的充电电缆112上的可能的能量损失。
通过在本文中描述的措施可以以有效且精确的方式求取用于车辆100的充电过程的总能量额。因此，可以提高用于车辆100的用户的舒适性和车辆100的能量效率。
本发明不限于所示的实施例。尤其要注意，说明书和附图仅应说明所提出的方法、装置和系统的原理。

Claims (12)

1.一种用于求取用于至少部分电驱动的车辆(100)的电能量存储器在充电站(110)处的充电过程的总能量额(255)的装置(106)；其中，所述装置(106)被设置成，
-求取由所述车辆(100)为所述充电过程所接收的电能的车辆能量额(251)；以及
-借助提前求取的估计单元(250)基于所述车辆能量额(251)估计由用于充电过程的充电站(110)从供电源接收的总能量额(255)。
2.根据权利要求1所述的装置(106)，其中，所述装置(106)被设置成，
-求取与所述充电站(110)有关的充电站数据(252)；以及
-也基于所述充电站数据(252)借助于所述估计单元(250)求取所述总能量额(255)。
3.根据权利要求2所述的装置(106)，其中，所述充电站数据(252)包括：
-用于从多个不同的充电站(110)中识别所述充电站(110)的标识；和/或
-关于所述充电站(110)的位置的位置信息。
4.根据权利要求2或3所述的装置(106)，其中，
-所述充电站数据(252)指示多个不同类型的充电过程中的能在所述充电站(110)处执行的充电过程的类型；以及
-所述多个不同类型的充电过程包括：
-直流电充电过程；
-交流电充电过程；和/或
-感应式充电过程。
5.根据前述权利要求中任一项所述的装置(106)，其中，所述装置(106)被设置成，
-求取与所述充电过程相关的充电过程数据；其中，所述充电过程数据尤其显示用于所述充电过程的充电功率；以及
-也基于所述充电过程数据借助于所述估计单元(250)求取所述总能量额(255)。
6.根据前述权利要求中任一项所述的装置(106)，其中，所述估计单元(250)被设置成，估计在充电过程期间在所述充电站(110)处和/或在所述充电站(110)与所述车辆(100)之间的充电电缆(112)处所消耗的损耗电能的量。
7.根据前述权利要求中任一项所述的装置(106)，其中，
-所述估计单元(250)包括提前基于训练数据而机器训练的估计算法，用于基于由车辆(100)接收的车辆能量额(251)来估计用于充电过程的总能量额(255)；和/或
-所述估计单元(250)包括提前基于训练数据而机器训练的神经网络(200)，用于估计用于充电过程的总能量额(255)。
8.根据前述权利要求中任一项所述的装置(106)，其中，所述装置(106)被设置成，
-基于所述车辆(100)的能量测量单元(105)的传感器数据来求取在所述充电过程期间的用于充电过程的车辆能量额(251)；和/或
-基于所述车辆(100)的电能量存储器的充电状态在所述充电过程开始之前求取用于所述充电过程的车辆能量额(251)。
9.根据前述权利要求中任一项所述的装置(106)，其中，所述装置(106)被设置成，
-对于多个不同的充电站(110)分别基于所述车辆能量额(251)来求取在相应的充电站(110)处的充电过程的总能量额(255)；以及
-将关于所求取的用于所述多个不同的充电站(110)的总能量额(255)的能量信息(305)输出给所述车辆(100)的用户。
10.根据前述权利要求中任一项所述的装置(106)，其中，所述装置(106)被设置成，
-求取针对相应的多个充电过程的多个训练数据组；其中，用于充电过程的训练数据组指示用于所述充电过程的车辆能量额(251)和总能量额(255)；以及
-基于所述多个训练数据组来训练所述估计单元(250)。
11.一种用于求取用于至少部分电驱动的车辆(100)的电能量存储器的在充电站(110)处的充电过程的总能量额(255)的方法(410)；其中，所述方法(410)包括：
-求取(411)由所述车辆(100)为所述充电过程所接收的电能量的车辆能量额(251)；以及
-借助提前求取的估计单元(250)基于所述车辆能量额(251)估计(412)由用于充电过程的充电站(110)从供电源接收的总能量额(255)。
12.一种用于训练估计单元(250)的方法(400)，以便使得所述估计单元(250)能够基于由车辆(100)在充电站(110)处的充电过程中所接收到的电能的车辆能量额(251)来估计由所述充电站(110)为了所述充电过程而从供电源接收到的总能量额(255)；其中，所述方法(400)包括：
-求取(401)针对相应的多个充电过程的多个训练数据组；其中，用于充电过程的训练数据组指示用于所述充电过程的车辆能量额(251)和总能量额(255)；以及
-基于所述多个训练数据组来训练(402)所述估计单元(250)。
CN202180056816.4A 2020-08-27 2021-08-13 用于求取充电过程的总能量额的装置和方法 Pending CN116034047A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102020122426.5A DE102020122426A1 (de) 2020-08-27 2020-08-27 Vorrichtung und Verfahren zur Ermittlung der Gesamtenergiemenge für einen Ladevorgang
DE102020122426.5 2020-08-27
PCT/EP2021/072617 WO2022043100A1 (de) 2020-08-27 2021-08-13 Vorrichtung und verfahren zur ermittlung der gesamtenergiemenge für einen ladevorgang

Publications (1)

Publication Number Publication Date
CN116034047A true CN116034047A (zh) 2023-04-28

Family

ID=77465993

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180056816.4A Pending CN116034047A (zh) 2020-08-27 2021-08-13 用于求取充电过程的总能量额的装置和方法

Country Status (4)

Country Link
US (1) US20230302938A1 (zh)
CN (1) CN116034047A (zh)
DE (1) DE102020122426A1 (zh)
WO (1) WO2022043100A1 (zh)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5906827B2 (ja) * 2012-03-08 2016-04-20 富士通株式会社 電力算出装置、電力算出プログラムおよび電力算出方法
JP6456153B2 (ja) * 2015-01-16 2019-01-23 三菱電機株式会社 電力制御装置、充放電制御方法およびプログラム
CN107323284B (zh) * 2017-06-28 2019-07-12 北京智充科技有限公司 一种电动汽车充电计费方法

Also Published As

Publication number Publication date
WO2022043100A1 (de) 2022-03-03
DE102020122426A1 (de) 2022-03-03
US20230302938A1 (en) 2023-09-28

Similar Documents

Publication Publication Date Title
US11644515B2 (en) Method and device for operating an electrically drivable motor vehicle depending on a predicted state of health of an electrical energy store
KR102215450B1 (ko) 배터리의 상태 정보를 학습 및 추정하는 장치 및 방법
JP5875037B2 (ja) バッテリの状態予測システム、方法及びプログラム
CN102778651B (zh) 确定多电池单元蓄电池中的电池单元容量值的系统和方法
JP5616464B2 (ja) 二次電池の充電状態推定装置
JP2016133514A (ja) バッテリの状態を推定する方法及び装置
US20120143435A1 (en) Method for estimating remaining travel distance of electric vehicle
CN104977544A (zh) 纯电动汽车用电池组剩余可用能量的估算方法和装置
EP4053962A1 (en) Simulated battery control device, electronic apparatus, charger, and simulated battery control method
CN111902996A (zh) 劣化状态判定装置以及劣化状态判定方法
JP7366975B2 (ja) バッテリ劣化推定装置、バッテリ劣化推定システム、バッテリ劣化推定方法、およびプログラム
US20230184840A1 (en) Method and Apparatus for Providing an Aging State for a Device Battery Having Correction of State Observations on the Basis of Systematic State and Environmental Influences
KR102559200B1 (ko) 배터리 유닛을 관리하는 장치, 방법, 및 시스템
KR101294354B1 (ko) 배터리 ｈｉｌｓ를 이용한 배터리 모델링 검증 시스템
JP7061196B2 (ja) 診断装置、診断方法、診断システム及びプログラム
CN109782182B (zh) 一种串联电池组能量状态在线估计方法和装置
CN115047368A (zh) 状态估计模型的学习方法、状态估计方法和状态估计装置
CN116034047A (zh) 用于求取充电过程的总能量额的装置和方法
CN111751729A (zh) 用于确定车辆的可反复充电电池的状态的方法
WO2022024847A1 (ja) 演算システム、電池の劣化予測方法、及び電池の劣化予測プログラム
KR102429217B1 (ko) 전기차량 충전장치의 오차 측정 방법 및 이를 이용한 충전 관리시스템
EP4059770A1 (en) A method and system for method for estimating a present energy consumption of an electrically propelled vehicle
CN113008568B (zh) 等效燃油消耗因子标定系统及方法
CN114594391A (zh) 用于预测电池运行的设备中设备电池的老化状态的方法和装置
Pradhan et al. A machine learning approach to predict future power demand in real-time for a battery operated car

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination