JP2020170699A - 電池パックの放電プロファイルを予測するためのシステム、方法および記憶媒体 - Google Patents

Abstract

【課題】車両電池パックの予測放電プロファイルを生成するためのシステム及び方法を提供する。【解決手段】方法は、処理装置を用いて、複数の条件下で運転している車両群内の少なくとも１つの車両から、車両群内の各車両に設けられた電池パック内の単電池に関するデータを受信し、処理装置を用いて、データを機械学習サーバに提供し、処理装置を用いて、データの機械学習に基づいて予測モデルを生成するように機械学習サーバに指示し、処理装置を用いて、予測モデルから車両電池パックの予測放電プロファイルを生成し、放電プロファイルを外部装置に提供する。【選択図】図１

Description

背景
分野
本明細書は、一般的に、電池パック特性の予測に関し、より具体的には、機械学習を用いて、様々な動作条件における特定構成の車両電池パックがどのように放電するかを予測するためのシステム、方法および記憶媒体に関する。

技術背景
車両（例えば、ハイブリッドのガス／電気自動車、電気自動車など）に使用される電池パックは、一般的に、一組の単電池から構成される。単電池の配置は、車両電池パックの放電に、特に特定の動作条件下で使用される車両電池パックの放電に影響を与える可能性がある。したがって、特定の電池パックが特定の動作条件下でエネルギーを放電する方法に関する情報は、車両が特定のルートを走行する前に特定のパックを適切に充電していること、特定の種類の車両に応じて特定のパックを使用していること、および／または特定の用途に応じて特定の放電設定を設定していることを保証するのに有用であり得る。

概要
本開示の一態様は、車両電池パックの予測放電プロファイルを生成する方法に関する。この方法は、処理装置を用いて、複数の条件下で運転している車両群内の各車両に設けられた電池パック内の単電池に関するデータを受信することを含む。データは、車両群内の少なくとも１つの車両から受信される。この方法は、処理装置を用いて、データを機械学習サーバに提供することと、処理装置を用いて、予測モデルを生成するように機械学習サーバに指示することとをさらに含む。この予測モデルは、データの機械学習に基づいている。この方法は、処理装置を用いて、予測モデルから車両電池パックの予測放電プロファイルを生成することと、放電プロファイルを外部装置に提供することとをさらに含む。

本開示の別の態様は、車両電池パックの予測放電プロファイルを生成するように構成されたシステムに関する。このシステムは、車両群を備え、車両群内の各車両は、複数の単電池を有する電池パックを含み、このシステムは、車両群内の各車両に通信可能に接続された１つ以上のハードウェアプロセッサを備える。１つ以上のハードウェアプロセッサは、複数の条件下で運転している車両群内の各車両に設けられた電池パック内の単電池に関するデータを受信するように、機械可読命令によって構成される。データは、車両群内の少なくとも１つの車両から受信される。１つ以上のハードウェアプロセッサは、データを機械学習サーバに提供し、予測モデルを生成するように機械学習サーバに指示するように、機械可読命令によってさらに構成される。予測モデルは、データの機械学習に基づいている。１つ以上のハードウェアプロセッサは、予測モデルから車両電池パックの予測放電プロファイルを生成し、放電プロファイルを外部装置に提供するように、機械可読命令によってさらに構成される。

本開示のさらに別の態様は、命令を格納する非一時的なコンピュータ可読記憶媒体に関する。これらの命令は、車両電池パックの予測放電プロファイルを生成するための方法を行うように、１つ以上のプロセッサによって実行可能である。この方法は、複数の条件下で運転している車両群内の各車両に設けられた電池パック内の単電池に関するデータを受信することを含む。データは、車両群内の少なくとも１つの車両から受信される。この方法は、データを機械学習サーバに提供することと、予測モデルを生成するように機械学習サーバに指示することとをさらに含む。予測モデルは、データの機械学習に基づいている。この方法は、予測モデルから車両電池パックの予測放電プロファイルを生成することと、放電プロファイルを外部装置に提供することとをさらに含む。

本技術のこれらの特徴、他の特徴および特性、並びに関連する構造要素および部品の組み合わせの動作方法、機能および製造の効率は、添付の図面を参照して以下の説明および特許請求の範囲を考慮することによってより明らかになるであろう。以下の説明、特許請求の範囲および添付の図面は、本明細書の一部を構成する。本明細書において、同様の参照番号は、様々な図面の対応する部分を示す。しかしながら、明確に理解すべきことは、図面は、例示および説明の目的のみで提供され、本発明を制限するように意図していないことである。単数形「a」、「an」および「the」は、明細書および特許請求の範囲に使用された場合、文脈で特に明記しない限り、複数の対象を含む。

図面に示された実施形態は、本質的に説明および例示のためであり、特許請求の範囲によって定義された主題を限定することを意図していない。以下の図面を参照して、例示的な実施形態の以下の詳細な説明を理解することができる。図面において、同様の構造は、同様の参照番号で示されている。

本明細書に示され、記載された１つ以上の実施形態に従って、特定の動作条件下で電池パックの放電プロファイルを予測するための装置およびシステムの例示的なネットワークを概略的に示す図である。 本明細書に示され、記載された１つ以上の実施形態に従って、例示的な単電池、例示的なモジュール、および複数のモジュール内に配置された複数の単電池を有する例示的な電池パックを概略的に示す斜視図である。 本明細書に示され、記載された１つ以上の実施形態に従って、特定の動作条件下で電池パックの放電プロファイルを予測する電池構成システムの例示的なハードウェア要素を概略的に示す図である。 本明細書に示され、記載された１つ以上の実施形態に従って、特定の動作条件下で電池パックの放電プロファイルを予測する電池構成システムのメモリに格納された例示的なロジックを示すブロック図である。 本明細書に示され、記載された１つ以上の実施形態に従って、電池パックを有する車両内の例示的な車両管理モジュールの例示的なハードウェア要素を概略的に示す図である。 本明細書に示され、記載された１つ以上の実施形態に従って、特定の動作条件下で電池パックの放電プロファイルを予測する例示的な方法を示すフロー図である。

詳細な説明
本開示は、一般的に、特定の条件が特定の電池パックの放電、具体的には電気自動車（ＥＶ：electric vehicle）、およびハイブリッドのガス／電気自動車などの車両に見られる電池パックの放電に与える影響を予測するための機械学習（ＭＬ：machine learning）モデルの訓練および使用に関する。本明細書に記載の方法およびシステムは、一般的に、現在運転中の車両群内に設けられた電池パックの単電池に関するデータ、実際の条件下で単電池の放電に関するデータ、および／または模擬条件下で単電池の放電に関するデータを取得することを含む。その後、データは、機械学習サーバに提供され、機械学習サーバは、予測モデルを生成する。この予測モデルを用いて、特定の動作条件に対応する放電プロファイルを生成することができる。

電池パック、特に電気自動車およびハイブリッドのガス／電気自動車などの車両に使用されている電池パックは、蓄積エネルギーを含む単電池の配列からなる。単電池を並列に接続することによってモジュールを形成し、複数のモジュールを直列に接続することによってパックを形成する。場合によって、単電池は、単に単電池の数を最大にするようにモジュール／電池パック内に配置される。これによって、単電池の配置が異なるため、製造された電池パックは、互いに完全に同様ではない場合がある。

さらに、（比較的低品質の単電池および比較的高品質の単電池を含む）特定の単電池は、互いに隣接して配置されるまたは特定の方法で配置される場合、特定の条件下で最適に動作しない可能性がある。例えば、様々な単電池は、単電池固有のインピーダンス特性によって、（充電および放電を含む）動作中に様々なレベルの熱エネルギーを放出（例えば、熱を放出）する可能性がある。（比較的少量の熱を放出する２つの単電池に比べて）比較的大量の熱を放出する２つの単電池を隣接して配置する場合、放出された熱量は、単電池および／または電池パックの周囲の素子を損傷するほど高くなる可能性がある。特に車両が暑い気候で運転されている場合、放出された熱量は、電池パックが故障すること、電池パックの寿命が短くなること、放電時間が短くなること、および／または充電時間が長くなることなどを引き起こす可能性がある。したがって、特に車両が暑い気候で運転されている場合に、熱に関連する問題を回避するために、一般的に、モジュールおよびパックの全体的な温度を維持するように、高い抵抗を示す単電池を互いに離して配置する必要がある。別の例において、特に放電速度が典型的な放電速度よりも高い場合（例えば、車両がより高い速度で運転されている場合および／または坂道を登る場合など）に、モジュールまたはパックに配置されている比較的低容量の単電池にストレスを与えないように、好ましくは、モジュールまたはパックにおいて高容量の単電池を隣接して配置しない。したがって、特定の運転条件下で比較的低容量の単電池にストレスを与えないように、比較的高容量の単電池を互いに離して配置する必要がある。

いくつかのシステムおよび方法は、単にパックレベル（例えば、電池パックの全体）で電池パックの動作を監視する。このような監視は、十分に細かくないため、機械学習およびパック内の単電池およびモジュールの構成に使用され得るモデルの生成に必要なデータを取得することができない。

図面を参照して、図１は、本明細書に示され、記載された実施形態に従って、特定の動作条件下で電池パックの放電プロファイルを予測するための装置およびシステムの例示的なネットワーク１００を示している。図１に示されるように、ネットワーク１００は、インターネットのような広域ネットワーク、ローカルエリアネットワーク（ＬＡＮ：local area network）、モバイル通信ネットワーク、公衆サービス電話網（ＰＳＴＮ： public service telephone network）および／または他のネットワークを含んでもよく、電池構成システム１１０、車両群１２０内の１つ以上の車両１２２、１つ以上のユーザコンピューティング装置１３０、１つ以上のモバイル装置１４０、１つ以上の機械学習サーバ１５０および／または１つ以上の電池検査装置１６０を電子的に接続するように構成されてもよい。

本明細書により詳細に記載されたように、電池構成システム１１０は、一般的に、（モジュールを含む）電池パック内の単電池の配置を決定し、それに応じて単電池の配置を指示するための様々なプロセスを実行するコンピューティング装置である。図３Ａおよび３Ｂを参照して本明細書で説明されるように、電池構成システム１１０は、１つ以上のハードウェア要素を含む。

再び図１を参照して、車両群１２０は、１つ以上の車両１２２を含み、各車両１２２は、少なくとも１つの電池パックを備える。例えば、車両群１２０内の各車両１２２は、例えば、電気自動車またはガス／電気ハイブリッド自動車などであってもよい。本明細書により詳細に記載されたように、車両群１２０内の各車両１２２は、ネットワーク１００内の任意の要素に通信可能に接続されることによって、電池パックに対応するデータを送信することができ、電池パックを使用するための命令を受信することができる。したがって、図４を参照して本明細書に記載されたように、車両群１２０内の各車両１２２は、データの生成、データの通信、コマンドの受信およびコマンドの実行に使用される１つ以上のハードウェア要素を含む。

再び図１を参照して、１つ以上のユーザコンピューティング装置１３０および１つ以上のモバイル装置１４０は、一般的に、ユーザによって使用され、（車両群内の車両がネットワーク１００に直接接続されていない場合に）車両群１２０内の少なくとも１つの車両１２２から情報を送信するための装置、および／または電池構成システム１１０から電池パックを製造する時に単電池を電池パック（またはそのモジュール）に配置するために使用される情報（例えば、方向）を受信するための装置であってもよい。例えば、１つ以上のユーザコンピューティング装置１３０および／または１つ以上のモバイル装置１４０は、車両群１２０内の車両１２２と通信可能に接続することによって、（例えば、車両のオンボード診断（ＯＢＤ：on-board diagnostics）ポートを介して）当該車両からデータを受信し、ネットワーク１００を介してデータを別の装置（例えば、電池構成システム１１０）に送信することができる。別の例において、１つ以上のユーザコンピューティング装置１３０および／または１つ以上のモバイル装置１４０は、電気自動車の充電ステーションと一体化され得る。これによって、車両１２２が充電のために充電ステーションに接続されると、車両１２２と充電ステーション（例えば、ユーザコンピューティング装置１３０およびモバイル装置１４０の少なくとも一方）との間にデータ接続が形成され、充電ステーションを介してネットワーク１００に接続されている１つ以上の他の要素にデータを送信することができる。さらに別の例において、１つ以上のユーザコンピューティング装置１３０および／または１つ以上のモバイル装置１４０は、車両修理施設および／または車両販売店などに配置されてもよい。さらに別の例において、１つ以上のユーザーコンピューティング装置１３０および／または１つ以上のモバイル装置１４０は、電池製造施設に配置され、電池パックを組み立てる人間に表示される命令または電池パックを組み立てるロボットに提供される命令を受信することができる。特定の目的に使用される特定の電池パックを意図している場合に、これらの命令は、特定の特性を有する単電池を選択し、これらの単電池を他の単電池または他の電池要素（例えば、センサ、または冷却装置など）に対して特定の位置または特定の関係で配置し、および／または特定の方法でこれらの単電池を曲げることなどをするようにユーザまたはロボットに指示してもよい。１つ以上のユーザコンピューティング装置１３０の各々は、一般的に、装置がユーザ向けの任意の機能を行うことを可能にする要素（例えば、ディスプレイ、ユーザ入力装置、メモリ、処理装置、および／または通信ポートなど）を含む任意のコンピューティング装置であってもよく、本開示によって限定されない。同様に、１つ以上のモバイル装置１４０の各々は、装置がユーザ向けの任意の機能を行うことを可能にする要素（例えば、ディスプレイ、ユーザ入力装置、メモリ、処理装置、および／または通信ポートなど）を含む任意のコンピューティング装置であってもよく、本開示によって限定されない。

いくつかの実施形態において、１つ以上のユーザコンピューティング装置１３０および／または１つ以上のモバイル装置１４０は、整備中の車両に通信可能に接続されている場合、本明細書に記載の予測のために使用されるデータを収集することができる。すなわち、全診断サイクルからのデータは、車両の整備中（例えば、車両が販売店、修理店などにある場合）に取得することができる。このような実施形態において、１つ以上のユーザコンピューティング装置１３０および／または１つ以上のモバイル装置１４０に関連する追加の外部ハードウェアは、例えば、車両と、１つ以上のセンサから同時にデータを受信しながら電池の充電または放電を制御するように構成されたコンピュータとの間の接続のようなデータを取得するために使用され得る。

１つ以上の機械学習サーバ１５０は、一般的に、１つ以上の機械学習アルゴリズムを格納するコンピューティング装置であり、具体的に、電池内の単電池に関するデータを受信し、受信したデータからモデルを生成するように構成されている。本明細書により詳細に記載されるように、このモデルは、１つ以上の動作条件に対応する（異なる配置の単電池を有する電池パックを含む）任意の電池パックの１つ以上の放電プロファイルを予測するために、電池構成システム１１０によって使用可能である。１つ以上の機械学習サーバ１５０によって利用される機械学習アルゴリズムは、本開示によって限定されず、一般的に現在知られているか、または今後開発される任意のアルゴリズムであってもよく、特に単電池の電気特性を推定するために使用可能な予測モデルを生成するように適合されたアルゴリズムであってもよい。すなわち、機械学習アルゴリズムは、教師あり学習アルゴリズム、教師なし学習アルゴリズム、半教師あり学習アルゴリズムおよび強化学習アルゴリズムであってもよい。機械学習アルゴリズムの具体例は、最近傍アルゴリズム、ナイーブベイズアルゴリズム、決定木アルゴリズム、線形回帰アルゴリズム、教師ありベクターマシン、ニューラルネットワーク、クラスタリングアルゴリズム、相関ルール学習アルゴリズム、Ｑ学習アルゴリズム、時間差アルゴリズムおよび深層敵対的ネットワークを含むが、これらに限定されない。１つの特定のアルゴリズムは、動的時間伸縮法（ＤＴＷ：dynamic time warping）を利用することができる。別の特定のアルゴリズムは、ＱＶ学習アルゴリズムのような強化学習アルゴリズムを利用することができる。１つ以上の機械学習サーバ１５０によって使用される機械学習アルゴリズムの他の特定の例は、一般的に理解されべきであり、本開示の範囲に含まれる。

１つ以上の電池検査装置１６０は、一般的に、電池を検査し、電池の検査に応じてデータを生成し、ネットワーク１００を介して通信可能に接続された１つ以上の要素（例えば、電池構成システム１１０）にデータを提供するために使用される装置である。電池検査装置１６０は、一般的に、電池、または車両群に設置されていない（すなわち、車両群１２２内の各車両に含まれていない）電池の構成要素（例えば、モジュール、単電池など）を検査することができる。電池検査装置１６０は、充電、電圧、放電率、充電時間、寿命、物理特性、化学組成、クランキングアンプ（cranking amps）、および／または内部電池管理システムの機能などについて、電池またはその構成要素を検査することができる。また、電池検査装置１６０は、様々な放電状態をシミュレートすることができる。例えば、電池検査装置１６０は、ＥＶ駆動サイクルシミュレーション（例えば、連邦都市運転スケジュール（ＦＵＤＳ：Federal Urban Drive Schedule））および／またはハイブリッドパルス電力特性（ＨＰＰＣ：Hybrid Pulse Power Characterization）検査などを行うことができる。個々の単電池の検査に関する実施形態において、電池検査装置１６０は、電気化学、電池およびスーパーキャパシタの検査、ＨＰＣＥの測定、電気化学の研究および開発、半電池の検査、ライフサイクルの検査、および／または電気化学インピーダンス分光法（ＥＩＳ：electrochemical impedance spectroscopy）などのために使用され得る。いくつかの実施形態において、電池検査装置１６０の少なくとも１つは、ハイスループット（ＨＴ： high-throughput）サイクラーであってもよい。電池検査装置１６０の一例として、ＮＨリサーチ社（カリフォルニア州アーバイン市）から入手可能な９２２０デュアルベイシリーズ低電圧／高電流サイクラーが挙げられる。電池検査装置１６０の別の例として、アービンインスツルメンツ社（テキサス州カレッジステーション市）から入手可能な様々な電池検査製品、例えば、再生電池検査（ＲＢＴ：Regenerative Battery Testing）シリーズの装置が挙げられる。

いくつかの実施形態において、１つ以上の電池検査装置１６０は、本明細書に記載されるように、電池放電を予測するために使用されるデータを取得および／または生成することができる。特定の電池パックの検査に基づいて１つ以上の電池検査装置１６０によって取得および／または生成され得るデータの例は、高速パルス放電後の緩和データ、診断サイクルデータおよび充電サイクルデータを含むが、これらに限定されない。本明細書に記載されるように、前述したデータの各々は、１つ以上の電池検査装置１６０によって決定された、より高品質の特徴（例えば、ＥＩＳスペクトル、Ｃ−Ｖ曲線など）に関連付けられ得る。緩和データは、１つ以上の電池検査装置１６０によって、モータ制御装置によって制御された意図的な高電流放電パルスとともに取得されるか、または高電流放電から（すなわち加速中に）取得され得る。充電は通常、定電流または定電力で行われるため、充電サイクルは、定電流サイクルに最も近いデータを生成することができる。

理解すべきことは、図１において、ユーザコンピューティング装置１３０は、パーソナルコンピュータとして示され、電池構成システム１１０および１つ以上の機械学習サーバ１５０は、サーバとして示されているが、これらは、非限定的な例であることである。より具体的には、いくつかの実施形態において、任意種類のコンピューティング装置（例えば、モバイルコンピューティング装置、パーソナルコンピュータ、サーバなど）は、これらの装置のいずれとしても使用することができる。また、図１において、これらのコンピューティング装置の各々は、単一のハードウェアとして示されているが、これも単なる例である。より具体的には、電池構成システム１１０、１つ以上のユーザコンピューティング装置１３０、１つ以上のモバイル装置１４０および／または１つ以上の機械学習サーバ１５０の各々は、複数のコンピュータ、サーバまたはデータベースなどを表すことができる。

図２は、モジュール２１０内に配置された複数の単電池２２０を含む電池パック２００の斜視図を示している。また、図２は、例示的な単電池２２０、および複数の単電池２２０を含むモジュール２１０をさらに示している。図２に示された電池パック２００は、車両群１２０内の車両１２２（図１）のような車両に見られるパックの一例である。すなわち、電池パック２００は、車両内の様々な車両要素（特に電気自動車の要素および／またはガス電気ハイブリッド自動車の要素など）に電力を供給するために使用されるエネルギー貯蔵装置であってもよい。図２に示された電池パック２００は、１つ以上の電池検査装置１６０（図１）によって検査されるパックの一例であってもよい。

再び図２を参照して、いくつかの実施形態において、電池パック２００は、設置される車両に対応する形状および／またはサイズに構成されてもよく、複数の単電池２２０および／またはモジュール２１０を収納するように構成されてもよい。電池パック２００は、カバーを含むことができる。当該カバーは、１つ以上のセンサを有するパックセンサハードウェア２３０および／または１つ以上の電池管理システム（ＢＭＳ：battery management system）ハードウェア要素２４０（これらに限定されない）のような、様々な他の要素と共に単電池２２０および／またはモジュール２１０が収納される内部を規定する。

電池パック２００のモジュール２１０内の単電池２２０の各々は、一般的に、外部要素、例えば車両の構成要素に提供される電気エネルギーを貯蔵するために使用される電池単電池であってもよい。したがって、単電池２２０の各々は、正端子２２２および負端子２２４を含む複数の端子を備えることができる。単電池２２０は、本開示によって限定されず、現在知られているまたは今後開発される任意種類の電池であってもよい。単電池の例として、鉛蓄電池、ニッケル水素（ＮｉＭＨ：nickel metal hydride）電池、リチウムイオン（Ｌｉイオン）電池などを含むが、これらに限定されない。

単電池２２０の各々は、任意のサイズおよび／または形状を有してもよく、および／または任意のサイズまたは形状に形成されてもよい。したがって、本開示は、特定のサイズおよび形状に限定されない。また、電池パック２００内のモジュール２１０は、異なるサイズおよび形状を有する複数の単電池２２０を含むことができる。すなわち、モジュール２１０は、第１のサイズおよび／または形状を有する１つ以上の第１の単電池２２０と、第１のサイズおよび／または形状とは異なる第２のサイズおよび／または形状を有する１つ以上の第２の単電池２２０とを含むことができる。異なる形状の単電池２２０を様々な配置でモジュール２１０に配置することによって、様々な方法でモジュール２１０を構成することができる。例えば、電池パック２００内のモジュール２１０の位置に基づいて、特定の形状に適合するように（例えば、特定の形状を有する空間および／または特定の形状を有する部品の間に適合するように）モジュール２１０を形成することができ、モジュール２１０に収納される単電池２２０の数を最大化するおよび／またはモジュール２１０のエネルギー貯蔵容量を最大化するように、様々なサイズを有する単電池２２０をモジュール２１０に配置することができる。また、本明細書により詳細に記載されたように、電池構成システム１１０（図１）から受信した指示に基づいて、特定の単電池２２０および／または特定の配列の単電池２２０を用いて、モジュール２１０を形成することができ、モジュール２１０に入れることができる。したがって、理解すべきことは、モジュール２１０および単電池２２０の形状およびサイズは、本開示によって限定されないことである。

いくつかの実施形態において、各モジュール２１０は、モジュールＢＭＳ装置２１２をさらに含むことができる。モジュールＢＭＳ装置２１２は、一般的に、モジュール２１０に配置され、モジュール２１０および／または単電池２２０の電気出力の管理、モジュール２１０および／または単電池２２０の充電の管理、モジュール２１０および／または単電池２２０の充放電に関するデータの収集、収集されたデータの送信などを行うように構成された電池管理システムであってもよい。

電池パック２００内に配置されたパックセンサハードウェア２３０は、一般的に、電池パック２００、電池パック内のモジュール２１０、モジュール内の単電池２２０、および／または単電池内の１つ以上の他の要素の１つ以上の特性を検知することができる。例えば、パックセンサハードウェア２３０は、電池パック２００全体または電池パック２００の様々な部分の内部温度を検知する（例えば、電池パック２００内の「ホットスポット」を特定する）ように構成された温度センサを含むことができる。すなわち、電池パック２００内部の全体に温度センサを分散して配置することによって、電池パック２００内の特定の領域の温度を検知することができる。別の例において、パックセンサハードウェア２３０は、例えば、電圧およびインピーダンスなどを含むがこれらに限定されない、電池パック２００内のモジュール２１０および／または単電池２２０の１つ以上の電気特性を検出するように構成された電気メータを含むことができる。別の例において、パックセンサハードウェア２３０は、電池パック２００内の各単電池２２０の圧力を監視する１つ以上の圧力モニタを含んでもよい。さらに別の例において、パックセンサハードウェア２３０は、１つ以上の超音波電気化学インピーダンス分光（ＥＩＳ）装置を含んでもよい。

いくつかの実施形態において、電池単位またはモジュール単位の検知を達成できるように、パックセンサハードウェア２３０は、各モジュール２１０のモジュールＢＭＳ装置２１２と一体化されてもよい。いくつかの実施形態において、パックセンサハードウェア２３０は、ＢＭＳハードウェア要素２４０と一体化されてもよい。パックセンサハードウェア２３０は、検出された特性に対応するデータを送信するための１つ以上の装置に通信可能に接続されてもよい。これによって、本明細書に記載されたように、データを使用することができる。例えば、パックセンサハードウェア２３０は、ＢＭＳハードウェア要素２４０に通信可能に接続され、ＢＭＳハードウェア要素２４０は、電池構成システム１１０（図１）に限定されないが、電池構成システム１１０のような１つ以上の外部装置にデータを提供することができる。

再び図２を参照して、ＢＭＳハードウェア要素２４０は、一般的に、電池パック２００のモジュール２１０および単電池２２０を管理するように構成され、現在知られているまたは今後開発される要素を含む任意の電子システム要素である。したがって、ＢＭＳハードウェア要素２４０は、一般的に、電池パック２００の動作の維持、電池パック２００（ならびに電池パック内のモジュール２１０および単電池２２０）の状態の監視、二次データの計算、計算したデータの送信および／またはパックセンサハードウェア２３０からデータの受信、電池パック２００の内部動作環境の維持、電池パック２００の認証、および／または電池パック２００のバランスの調整を行うように具体的に構成された要素を含むことができる。

いくつかの実施形態において、ＢＭＳハードウェア要素２４０は、パックセンサハードウェア２３０と連携して、電池パック２００、モジュール２１０および／または単電池２２０の様々な電池動作パラメータを監視および／または制御することができる。例えば、ＢＭＳハードウェア要素２４０は、電圧（例えば、総電圧、特定のモジュール２１０の電圧、特定の単電池２２０の電圧、単電池の最小電圧、単電池の最大電圧、および／または周期的タップの電圧など）、温度（例えば、平均温度、冷媒の取込温度、冷媒の出力温度、冷媒の流量、各モジュール２１０の温度、および／または各単電池２２０の温度など）、充電状態（ＳＯＣ：state of charge）または放電深度（ＤＯＤ：depth of discharge）、健康状態（ＳＯＨ：state of health）、電力状態（ＳＯＰ：state of power）（例えば、電池パック２００、モジュール２１０および／または単電池２２０の入出力電流）および／または（例えば、エネルギーなどの回復を示す）充電パラメータを監視および／または制御することができる。

いくつかの実施形態において、ＢＭＳハードウェア要素２４０は、充電電流制限値（ＣＣＬ：charge current limit）としての最大充電電流、放電電流制限値（ＤＣＬ：discharge current limit）としての最大放電電流、最後の充電または充電サイクルから提供したエネルギー（例えば、ｋＷｈ）、モジュール２１０および／または単電池２２０の内部インピーダンス、開回路電圧、提供または格納した電荷（クーロンカウンターなど）、初回使用から提供したエネルギー総量、初回使用からの合計動作時間、および／またはサイクルの合計数などを含むがこれらに限定されない様々な値を計算することができる。

実施形態において、ＢＭＳハードウェア要素２４０は、中央コントローラを含み、中央コントローラは、電池パック２００内部の様々な他のハードウェア、例えばモジュール２１０および／または単電池２２０に関連するハードウェア（例えば、モジュールＢＭＳ装置２１２）と通信することができ、および／または電池パック２００の外部要素、例えば図１に示されている様々な要素と通信することができる。再び図２を参照して、中央コントローラは、シリアル接続、ＣＡＮバス、ＤＣバス（例えば、電力線を介したシリアルバス）を介して通信することができ、および／またはワイヤレスに通信することができる。

また、モジュール２１０および／または単電池２２０を（例えば、無抵抗の調節装置などを介して）負荷に接続し、比較的多く充電されたモジュール２１０および／または単電池２２０からのエネルギーを比較的少なく充電されたモジュール２１０および／または単電池に移し、比較的多く充電されたモジュール２１０および／または単電池２２０を損傷しないが、比較的少なく充電されたモジュール２１０および／または単電池２２０をさらに充電することができるように充電電流を低減し、および／またはモジュール充電などを行う結果、最も充電されたモジュール２１０および／または単電池２２０からエネルギーを消費することによって電池パック２００の使用（例えば、電池パック２００の充電および／または電池パックの放電など）を最適化するために、ＢＭＳハードウェア要素２４０を使用することもできる。

ＢＭＳハードウェア要素２４０のトポロジは、一般的に理解されるものであり、本開示によって限定されない。すなわち、ＢＭＳハードウェア要素２４０のトポロジは、単一のコントローラが全てのモジュール２１０および単電池２２０に接続される集中型トポロジ、またはＢＭＳボード（例えば、モジュールＢＭＳ装置２１２）が各モジュール２１０および／または単電池に設置される分散型トポロジ、またはＢＭＳハードウェア要素２４０が複数のコントローラを含み、各々のコントローラが電池パック２００内の全てのモジュール２１０および単電池２２０のうち一部を処理するモジュール型トポロジであってもよい。

いくつかの実施形態において、電池パック２００は、例えば、単電池２２０に蓄積された電気を伝送するおよび／または（例えば、ＢＭＳハードウェア要素２４０からの）データを送信するための１つ以上のポートをさらに含むことができる。例えば、図２に示すように、電池パック２００は、電気ポート２０４、データポート２０６、および／または補助ポート２０８を含むことができる。

電気ポート２０４は、一般的に、モジュール２１０および単電池２２０を含むがこれらに限定されない電池パック２００内の様々な要素への電気接続を提供する。電気ポート２０４は、外部装置に電気的に接続されると、電池パック２００と外部装置との間に電流を流すことを可能にする。したがって、電気ポート２０４は、車両および／または電池検査装置の１つ以上の要素に電気的に接続するような形状、サイズおよび配置にすることができる。

データポート２０６は、一般的に、電池パック２００内の要素と１つ以上の外部要素との間のデータ接続を提供する。すなわち、電池パック２００内の様々な要素（例えば、ＢＭＳハードウェア要素２４０、各モジュールＢＭＳ装置２１２、および／またはパックセンサハードウェア２３０など）によって収集および／または生成されたデータは、データポート２０６を介して、電池パック２００から、例えば図１を参照して示され説明された様々な要素を含むがこれらに限定されない外部要素に送信されてもよい。すなわち、図１を参照して、データは、データポート２０６を介して、電池構成システム１１０、車両群１２０内の車両１２２の他の要素、１つ以上のユーザコンピューティング装置１３０、１つ以上のモバイル装置１４０、１つ以上の機械学習サーバ１５０および／または１つ以上の電池検査装置１６０に送信されてもよい。いくつかの実施形態において、電池パック２００内の要素からのデータは、１つの装置によって別の装置に送信されてもよい。例えば、データポート２０６は、車両のＣＡＮバス（または他の類似するローカルインターフェイス）に通信可能に接続されてもよい。これによって、電池パック２００内の要素からのデータは、車両のＣＡＮバスを介して送信され、車両のＣＡＮバスと別の要素（例えば、車両のＯＢＤポートなどのアクセスポートを介してＣＡＮバスに接続されたユーザコンピューティング装置１３０またはモバイル装置）との間の接続を介して取得される。その後、このデータは、ネットワーク１００を介して、さらに別の要素、例えば電池構成システム１１０に中継されてもよい。別の例において、データポート２０６は、１つ以上の電池検査装置１６０に通信可能に接続されてもよい。これによって、電池パック２００内の要素からのデータは、１つ以上の電池検査装置１６０に送信される。

補助ポート２０８は、一般的に、任意種類の通信接続または電気接続を形成するための任意種類のポートであってもよい。いくつかの実施形態において、補助ポート２０８を用いて、通信接続および電気接続の両方（例えば、電力線を介したシリアル通信）を形成することができる。

したがって、本明細書に記載の目的のために一般的に使用される電池パックの種類を理解できるであろう。しかしながら、図２を参照して説明した電池パックは、単に例示であり、本開示の範囲から逸脱することなく、現在知られているまたは今後開発される他の電池パックを使用することもできることを理解すべきである。

図３Ａは、本明細書に記載の機能を電池構成システム１１０に与える、図１の電池構成システム１１０の例示的な内部要素を示す。図３Ａに示すように、電池構成システム１１０は、処理装置３１０、非一時的なメモリ要素３２０、ネットワークインターフェイスハードウェア３４０、入力／出力（Ｉ／Ｏ：input/output）ハードウェア３３０、および／またはデータ記憶要素３５０を含むことができる。バスなどのローカルインターフェイス３００は、様々な要素を相互接続することができる。

コンピュータ処理ユニット（ＣＰＵ：computer processing unit）などの処理装置３１０は、計算およびロジック演算を行うことによってプログラムを実行する電池構成システム１１０の中央処理ユニットであってもよい。処理装置３１０は、単独でまたは他の要素と組み合わせて、例示的な処理装置、コンピューティング装置、プロセッサ、またはそれらの組み合わせである。処理装置３１０は、（例えば、データ記憶要素３５０および／またはメモリ要素３２０からの）命令を受信および実行するように構成された任意の処理要素を含むことができる。

メモリ要素３２０は、揮発性および／または不揮発性のコンピュータ可読媒体として構成することができ、したがって、（ＳＲＡＭ、ＤＲＡＭおよび／または他の種類のランダムアクセスメモリを含む）ランダムアクセスメモリ、読み出し専用メモリ（ＲＯＭ：read only memory）、フラッシュメモリ、レジスタ、コンパクトディスク（ＣＤ：compact discs）、デジタル多用途ディスク（ＤＶＤ：digital versatile discs）および／または他の種類の記憶要素を含むことができる。メモリ要素３２０は、処理装置３１０によって実行されると、様々なプロセス、例えば図５を参照して本明細書に説明されたプロセスを処理装置３１０に実行させる１つ以上のプログラミング命令を含むことができる。

図３Ａおよび３Ｂを参照して、メモリ要素４２０に格納されたプログラミング命令は、複数のソフトウェアロジックモジュールとして具現化されてもよく、各ロジックモジュールは、１つ以上のタスクを実行させるためのプログラミング命令を提供する。図３Ｂに示された例示的なロジックモジュールは、動作ロジック３８０、センサロジック３８２、データ受信ロジック３８４、データ提供ロジック３８６、機械学習通信ロジック３８８、放電プロファイルロジック３９０、電池構成ロジック３９２、および／または電池分類ロジックを含むが、これらに限定されない。一例として、図３Ｂに示されたロジックモジュールの各々は、コンピュータプログラム、ファームウェア、またはハードウェアとして具現化されてもよい。

動作ロジック３８０は、電池構成システム１１０の要素を管理するためのオペレーティングシステムおよび／または他のソフトウェアを含むことができる。センサロジック３８２は、例えば、車両（例えば、車両群１２０（図１）内の１つの車両）に設けられたセンサおよび／または電池パック２００（図２）に設けられたセンサのような１つ以上のセンサの動作を指示するための１つ以上のプログラミング命令を含むことができる。図１および３Ｂを参照して、データ受信ロジック３８４は、一般的に、電池構成システム１１０外部の１つ以上の要素から送信されるデータを受信するためのプログラミング命令を含むことができる。当該データは、例えば、車両群１２０内の任意の車両１２２、１つ以上のユーザコンピューティング装置１３０、１つ以上のモバイル装置１４０、１つ以上の電池検査装置１６０、および／または電池パック２００（図２）によって送信されるデータである。再び図１および３Ｂを参照して、データ提供ロジック３８６は、一般的に、電池構成システム１１０外部の１つ以上の要素にデータを送信するためのプログラミング命令を含むことができる。当該データは、例えば、車両群１２０内の任意の車両１２２、１つ以上のユーザコンピューティング装置１３０、１つ以上のモバイル装置１４０、１つ以上の電池検査装置１６０、および／または電池パック２００（図２）へのデータである。再び図１および３Ｂを参照して、機械学習通信ロジック３８８は、一般的に、１つ以上の機械学習サーバ１５０と通信するためのプログラミング命令含むことができる。当該命令は、例えば、１つ以上の機械学習サーバ１５０にデータを送信するための命令、１つ以上の機械学習サーバ１５０に命令を送信するための命令、１つ以上の機械学習サーバ１５０からデータまたは情報を受信するための命令、および／または１つ以上の機械学習サーバ１５０の動作を指示するための命令である。

本明細書により詳細に記載されたように、放電プロファイルロジック３９０は、一般的に、１つ以上の機械学習サーバ１５０から受信した予測モデルに基づいて、特定の種類の運転条件に対応する特定の種類の電池パックの放電プロファイルを決定するための１つ以上のプログラミング命令を含むことができる。また、本明細書により詳細に記載されたように、放電プロファイルロジック３９０は、各放電プロファイルに１つ以上の部分空間を生成するための１つ以上のプログラミング命令をさらに含むことができる。本明細書により詳細に記載されたように、電池構成ロジック３９２は、一般的に、電池パック２００内の単電池２２０および／またはモジュール２１０の構成を決定するための１つ以上のプログラミング命令を含むことができる。本明細書により詳細に記載されたように、電池分類ロジック３９４は、一般的に、単電池２２０の１つ以上の特性に基づいて、単電池２２０を分類するための１つ以上のプログラミング命令を含むことができる。

再び図３Ａを参照して、入力／出力ハードウェア３３０は、ローカルインターフェイス３００と本明細書に記載されていない電池構成システム１１０の１つ以上の他の要素との間に情報を通信することができる。いくつかの実施形態において、入力／出力ハードウェア３３０は、ローカルユーザインターフェイス要素および／または１つ以上のリモートユーザインターフェイス要素を含む１つ以上のユーザインターフェイス要素に使用することができる。

ネットワークインターフェイスハードウェア３４０は、任意の有線または無線ネットワークハードウェアを含むことができる。任意の有線または無線ネットワークハードウェアは、例えば、モデム、ＬＡＮポート、ワイヤレスフィデリティ（Ｗｉ−Ｆｉ（登録商標）：wireless fidelity）カード、ＷｉＭａｘカード、モバイル通信ハードウェア、および／または他のネットワークおよび／または装置と通信するための他のハードウェアである。例えば、ネットワークインターフェイスハードウェア３４０を用いて、図１を参照して本明細書に記載された様々な他の要素間の通信を促進することができる。

データ記憶要素３５０は、一般的に任意の記憶媒体であり、受信および／または生成されたデータを記憶するための１つ以上のデータリポジトリを含むことができる。データ記憶要素３５０は、例えば、ハードディスクドライブ（ＨＤＤ：hard disk drive）、メモリ、および／またはリムーバブル記憶装置を含むがこれらに限定されない任意の物理記憶媒体であってもよい。データ記憶要素３５０は、ローカル装置として示されているが、理解すべきことは、データ記憶要素３５０は、例えば、サーバコンピューティング装置、クラウドベース記憶装置などのリモート記憶装置であってもよいことである。データ記憶要素３５０に格納され得る例示的なデータは、機械学習モデルデータ３５２、放電プロファイルデータ３５４、および／またはパック構成データ３５６を含むが、これらに限定されない。機械学習モデルデータ３５２は、一般的に、１つ以上の機械学習サーバ１５０（図１）によって生成されたデータおよび／または機械学習モデルを生成するために使用されたデータを含む。再び図３Ａを参照して、本明細書に記載されたように、放電プロファイルデータ３５４は、一般的に、特定の動作条件が与えられた場合、特定の構成の電池パックの予測放電に関連して生成されたデータである。本明細書に記載されたように、放電プロファイルデータ３５４は、特定の放電プロファイル内の部分空間に関するデータをさらに含むことができる。いくつかの実施形態において、放電プロファイルデータは、放電プロファイルロジック３９０（図３Ｂ）による演算によって生成されてもよい。再び図３Ａを参照して、パック構成データは、一般的に、１つ以上の機械学習サーバ１５０（図１）から受信された情報、および／または電池構成ロジック３９２および／または電池分類ロジック３９４（図３Ｂ）による演算によって生成されたデータなどに基づいた電池パック２００（図２）の特定の構成に関する情報を含む。

理解すべきことは、図３Ａおよび３Ｂに示された要素は、単なる例示であり、本開示の範囲を限定することを意図していないことである。より具体的には、図３Ａおよび３Ｂの要素は、電池構成システム１１０の内部に配置されているものとして示されているが、これは、非限定的な例である。いくつかの実施形態において、１つ以上の要素は、電池構成システム１１０の外部に配置されてもよい。

図４は、様々な実施形態に従って、車両群１２０（図１）内の車両１２２に設けられた車両電池管理モジュール４００の例示的な内部要素を示す。車両電池管理モジュール４００は、一般的に、図２に示される電池パック２００に配置されたＢＭＳハードウェア要素２４０とは別体であるが、ＢＭＳハードウェア要素２４０と連携して本明細書に記載の機能を提供する。図４に示すように、車両電池管理モジュール４００は、処理装置４１０、非一時的なメモリ要素４２０、車両センサハードウェア４３０、パックセンサハードウェア２３０、ネットワークインターフェイスハードウェア４５０、入力／出力（Ｉ／Ｏ）ハードウェア４６０および／またはデータ記憶要素４７０を含むことができる。ローカルインターフェイス４０２、例えばバス（例えば、車両ＣＡＮバス）は、様々な要素を相互接続することができる。

コンピュータ処理ユニット（ＣＰＵ）などの処理装置４１０は、計算およびロジック演算を行うことによってプログラムを実行する車両電池管理モジュール４００の中央処理装置であってもよい。処理装置４１０は、単独でまたは他の要素と組み合わせて、例示的な処理装置、コンピューティング装置、プロセッサ、またはそれらの組み合わせである。処理装置４１０は、（例えば、データ記憶要素４７０および／またはメモリ要素４２０からの）命令を受信および実行するように構成された任意の処理要素を含むことができる。

メモリ要素４２０は、揮発性および／または不揮発性のコンピュータ可読媒体として構成することができ、したがって、（ＳＲＡＭ、ＤＲＡＭおよび／または他の種類のランダムアクセスメモリを含む）ランダムアクセスメモリ、読み出し専用メモリ（ＲＯＭ）、フラッシュメモリ、レジスタ、コンパクトディスク（ＣＤ）、デジタル多用途ディスク（ＤＶＤ）および／または他の種類の記憶要素を含むことができる。メモリ要素４２０は、処理装置４１０によって実行されると、処理装置４１０に様々なプロセス、例えば図５を参照して本明細書に記載されたプロセスを実行させる１つ以上のプログラミング命令を含むことができる。

再び図４を参照して、メモリ要素４２０に格納されたプログラミング命令は、複数のソフトウェアロジックモジュールとして具現化されてもよく、各ロジックモジュールは、１つ以上のタスクを実行させるためのプログラミング命令を提供する。図４に示された例示的なロジックモジュールは、動作ロジック４２２および／またはセンサロジック４２４を含むが、これらに限定されない。一例として、図４に示されたロジックモジュールの各々は、コンピュータプログラム、ファームウェア、またはハードウェアとして具現化されてもよい。動作ロジック４２２は、車両電池管理モジュール４００の要素を管理するためのオペレーティングシステムおよび／または他のソフトウェアを含むことができる。センサロジック４２４は、車両１２２および／または電池パック２００（図２）の１つ以上の特性を検知するように車両センサハードウェア４３０および／またはパックセンサハードウェア２３０に指示し、検知された１つ以上の特性に対応するデータを送信することを含むがこれらに限定されない、車両センサハードウェア４３０および／またはパックセンサハードウェア２３０の動作を指示するための１つ以上のプログラミング命令を含むことができる。

再び図４を参照して、車両センサハードウェア４３０は、一般的に、１つ以上のハードウェア要素を含み、１つ以上のハードウェア要素は、１つ以上の車両特性、特に特定の動作条件下の電池パック２００（図２）の機能を決定するためにおよび／または本明細書に記載された様々なプロセスを実行するために使用できる情報を提供するための特性を検知することができる。ハードウェア要素の例として、（ビデオカメラおよび静止カメラを含む）カメラ、光学センサ、測距システム、飛行時間（ＴＯＦ：time-of-flight）センサ、近接センサ、温度センサ、圧力センサ、全地球測位衛星(ＧＰＳ：global positioning satellite）要素、電気センサ（例えば、電圧センサおよび／またはインピーダンスセンサなど）、加速度計、ジャイロスコープ、および／または速度センサなどを含むが、これらに限定されない。他のセンサ、特に電池の機能、車両の機能、車両が運転している地形などに関する情報を取得するために使用されるセンサも、本開示の範囲から逸脱することなく含まれる。いくつかの実施形態において、車両センサハードウェア４３０は、検知された情報を受信し、検知された情報に対応する信号および／またはデータを本明細書に記載の１つ以上の要素に送信することができる。例えば、車両センサハードウェア４３０は、本明細書により詳細に記載されたように、車両の加速度情報および／または速度情報を受信し、１つ以上の信号および／またはデータを生成し、処理装置４１０に送信することができる。処理装置４１０は、データを処理して他の要素に送信する。

ネットワークインターフェイスハードウェア４５０は、任意の有線または無線ネットワークハードウェア、例えば、モデム、ＬＡＮポート、ワイヤレスフィデリティ（Ｗｉ−Ｆｉ（登録商標））カード、ＷｉＭａｘカード、モバイル通信ハードウェア、および／または他のネットワークおよび／または装置と通信するための他のハードウェアを含むことができる。例えば、ネットワークインターフェイスハードウェア４５０を用いて、図１を参照して本明細書に記載された様々な他の要素間の通信を促進することができる。

再び図４を参照して、入力／出力ハードウェア４６０は、ローカルインターフェイス４０２と本明細書に記載されていない車両１２２の１つ以上の他の要素との間に情報を通信することができる。例えば、車両１２２に配置され、車両電池管理モジュール４００の一部ではない１つ以上の車両要素は、入力／出力ハードウェア４６０を介して、車両電池管理モジュール４００の様々な要素と通信することができる。いくつかの実施形態において、センサハードウェア４３０は、車両電池管理モジュール４００の外部に配置され、入力／出力ハードウェア４６０を介して車両電池管理モジュール４００の様々な要素と通信する（例えば、信号および／またはデータを送信する）ことができる。

データ記憶要素４７０は、一般的に任意の記憶媒体であり、受信および／または生成されたデータを記憶するための１つ以上のデータリポジトリを含むことができる。データ記憶要素４７０は、ハードディスクドライブ（ＨＤＤ）、メモリ、および／またはリムーバブル記憶装置を含むがこれらに限定されない任意の物理記憶媒体であってもよい。データ記憶要素４７０は、ローカル装置として示されているが、理解すべきことは、データ記憶要素４７０は、例えば、サーバコンピューティング装置、クラウドベース記憶装置などのリモート記憶装置であってもよいことである。データ記憶要素４７０に格納され得る例示的なデータは、センサデータ４７２および／または他のデータを含むが、これらに限定されない。センサデータ４７２は、一般的に、車両センサハードウェア４３０および／またはパックセンサハードウェア２３０から取得されるデータを含むことができる。センサデータ４７２に含まれるデータの非限定的な例は、車両運転データ（例えば、加速度計データ、ジャイロスコープデータ、速度データ、および／またはＧＰＳデータなど）、車両１２２が運転している環境に関する画像データ、および電池動作データ（例えば、温度データ、電圧データ、および／またはインピーダンスデータなど）を含むことができる。

理解されるべきことは、図４に示された要素は、単なる例示であり、本開示の範囲を限定することを意図していないことである。より具体的には、図４の要素は、車両１２２の車両電池管理モジュール４００の内部に配置されているものとして示されているが、これは、非限定的な例である。いくつかの実施形態において、１つ以上の要素は、車両電池管理モジュール４００および／または車両１２２の外部に配置されてもよい。

上述したように、図１〜４を参照して説明した様々な要素を用いて、１つ以上のプロセスを実行することができ、および／または特別に構成された電池パックの特定の動作条件下の放電プロファイルを予測する機能を提供することができる。様々なプロセスの一例は、図５を参照して以下に説明される。図５を参照して説明される様々なプロセスは、一般的に、図１〜４に示された要素のうち１つ以上によって実行することができる。図５は、様々な実施形態に従って、特別に構成された電池パックの特定の動作条件下の放電プロファイルを予測するための例示的な方法を示している。図５を参照して説明された様々なステップは、単に例示であり、本開示の範囲から逸脱することなく、より多くのステップ、より少ないステップまたは代替的なステップも考えられる。

一般的に図１〜４を参照しながら、ブロック５０２において、１つ以上の電池パック２００の電池構成データを受信することができる。すなわち、電池構成システム１１０は、各電池パック２００（例えば、ＢＭＳハードウェア要素２４０）から、電池パック２００内のモジュール２１０における様々な単電池２２０の配置に関するデータを受信することができる。電池構成データは、一般的に、モジュール２１０における特定の単電池２２０の配置、電池パック２００における特定のモジュール２１０の配置、モジュール２１０内の各単電池２２０の容量、各モジュール２１０の容量、モジュール２１０内の各単電池２２０の出力、および／または各モジュール２１０の出力などに関する情報を含む。

電池構成データは、一般的に、（例えば、車両１２２と電池構成システム１１０との間のデータ接続を介して）電池パック２００を含む車両１２２から、（例えば、車両１２２が車両１２２に設けられたＯＢＤポートを介してユーザコンピューティング装置１３０またはモバイルコンピューティング装置に接続される場合に）少なくとも１つ以上のモコンピューティング装置１３０および／または少なくとも１つ以上のモバイル装置１４０から直接に受信されてもよい。例えば、車両１２２が一定のデータ接続を有する（または一定のデータ接続を提供するモバイル機器１４０に接続される）場合、当該車両に設けられた電池パック２００からのデータは、ブロック５０２に従って連続的に送信されてもよく、特定の間隔（例えば、毎時、毎日、毎週、または毎月）で送信されてもよい。別の例において、車両がユーザコンピューティング装置１３０またはモバイル装置１４０を設置した専門技術店または他の場所にあるときに、データは、車両１２２から送信され、ユーザコンピューティング装置１３０またはモバイル装置１４０は、車両からデータを取得して電池構成システム１１０に転送する。さらに別の例において、ユーザコンピューティング装置１３０またはモバイルコンピューティング装置が充電ステーションにある場合、充電のために車両を充電ステーションに接続するときに、データは、車両１２２から電池構成システム１１０に転送されてもよい。

ブロック５０４において、動作データを受信することができる。すなわち、電池構成システム１１０は、各電池パック２００（例えば、ＢＭＳハードウェア要素２４０）から、電池パック２００が使用される（例えば、充電および放電される）ときに様々な単電池２２０の動作に関するデータを受信することができる。したがって、動作データは、各々の単電池２２０、各々のモジュール２１０の様々な電気特性を監視するように構成された様々なセンサ（例えば、パックセンサハードウェア２３０、モジュールＢＭＳ装置２１２など）からのデータを含む。動作データは、例えば、電池パック２００内の各モジュール２１０および／または各単電池２２０の電圧情報、電池パック２００内の各モジュール２１０および／または各単電池２２０のインピーダンス情報、各モジュール２１０および／または各単電池２２０の動作温度を含む電池パック２００の動作温度、特定の運転条件で各モジュール２１０および／または各単電池２２０を放電するのに必要な時間、および／または特定の運転条件で各モジュール２１０および／または各単電池２２０を充電するのに必要な時間を含むことができる。いくつかの実施形態において、車両１２２の運転条件を決定できるように、各々の車両センサハードウェア４３０から動作データを取得することができる。例えば、車両センサハードウェア４３０から受信したデータは、車両１２２の環境温度、車両１２２が走行している地形の種類、車両１２２が交通渋滞内にあるか否か、車両１２２が走行している道路の傾斜、車両１２２の運転速度、車両１２２の加速度および／または減速度などを示すことができる。

動作データは、一般的に、（例えば、車両１２２と電池構成システム１１０との間のデータ接続を介して）電池パック２００を含む車両１２２から、（例えば、車両１２２が車両１２２のＯＢＤポートを介してユーザコンピューティング装置１３０またはモバイルコンピューティング装置に接続される場合に）少なくとも１つ以上のモコンピューティング装置１３０および／または少なくとも１つ以上のモバイル装置１４０から直接に受信されてもよい。例えば、車両１２２が一定のデータ接続を有する（または一定のデータ接続を提供するモバイル機器１４０に接続される）場合、当該車両に設けられた電池パック２００からのデータは、ブロック５０２に従って連続的に送信されてもよく、特定の間隔（例えば、毎時、毎日、毎週、または毎月）で送信されてもよい。別の例において、車両がユーザコンピューティング装置１３０またはモバイル装置１４０を設置した専門技術店または他の場所にあるときに、データは、車両１２２から送信されてもよい。ユーザコンピューティング装置１３０またはモバイル装置１４０は、車両からデータを取得して電池構成システム１１０に中継する。さらに別の例において、ユーザコンピューティング装置１３０またはモバイルコンピューティング装置が充電ステーションである場合、充電のために車両を充電ステーションに接続するときに、データは、車両１２２から電池構成システム１１０に解放されてもよい。

理解されるべきことは、いくつかの実施形態において、ブロック５０２における電池構成データの受信およびブロック５０４における動作データの受信は、実質的に同時に実行されてもよいことである。すなわち、いくつかの実施形態において、電池構成システム１１０によって受信されたデータストリームは、電池構成データと動作データの両方を含むことができる。

ブロック５０６において、動作データから、車両１２２の運転条件を決定することができる。例えば、１つ以上のセンサからのデータを用いて、１つ以上の区域の運転条件、各区域の地形、各区域の交通量、各区域における車両の環境温度、車両１２２の運転時間、車両１２２の運転速度（または平均速度）、電池パック２００およびその構成要素の温度、および／または様々な車両要素の動作温度を決定することができる。

ブロック５０８において、１つ以上の電池検査装置１６０から診断サイクリングデータおよび／または他のデータを取得する。すなわち、１つ以上の電池検査装置１６０は、検査されている電池パック２００に負荷を与える場合に１つ以上の運転パターンをシミュレートし、シミュレートした１つ以上の運転パターンに対応する電池パック２００の放電に関するデータを収集し、収集したデータを電池構成システム１１０に送信する。いくつかの実施形態において、１つ以上の電池検査装置１６０は、通常１つの単電池を完全にサイクルするために必要とする時間を複数の単電池をサイクルすることに変換する。これによって、車両１２２が電池パック２００内の単電池をサイクルすることに比べて、学習周期に必要な合計時間が短縮される。したがって、車両群１２０内の各車両１２２から生成されるデータ量に比べて、１つ以上の電池検査装置１６０は、複数の動作条件に対応する電池パック放電に関する著しく多くのデータを生成することができる。例えば、１つ以上の電池検査装置１６０は、全べての時間を費やして単電池をサイクルする代わりに、車両を診断するための全てのサイクリング条件を調査し、特定の単電池に対して単一のサイクルまたは複数のサイクルを行う代わりに、複数の単電池を実質的に同時に検査する。いくつかの実施形態において、１つ以上の電池検査装置１６０は、ブロック５０２で受信した電池構成データおよびブロック５０４で受信した動作データに基づいて、１つ以上の運転パターンをシミュレートすることができる。

理解されるべきことは、「診断サイクリング」という用語は、一般的に、特定の標準的な方法で特定の電池パック２００の意図的なサイクリングを意味しており、同一の電池パック２００が車両１２２を駆動する場合に経験する動的なサイクリングを意味していないことである。すなわち、実際の条件、例えばブロック５０４で受信した動作データをもたらした条件下で、電池パック２００から放電された電流もしくは電力または電池パック２００に充電された電流もしくは電力は、時間と共に変化する。結果として、電池パック２００は、各サイクルにおいて完全に充電および／または完全に放電されない場合がある。対照的に、診断サイクリングの場合、電池パック２００は、全てのサイクルにおいて、完全に充電され且つ完全に放電される。

ブロック５１０において、取得した全てのデータを１つ以上の機械学習サーバ１５０に提供することができる。すなわち、ブロック５０２で受信した電池構成データ、ブロック５０６で受信した動作データ、ブロック５０６で決定した運転条件に関するデータ、およびブロック５０８で１つ以上の電池検査装置１６０から受信した診断サイクリングデータは、１つ以上の機械学習サーバ１５０に提供されてもよい。いくつかの実施形態において、データは、ネットワーク１００を介して、様々な装置（例えば、車両１２２、１つ以上のユーザコンピューティング装置１３０、１つ以上のモバイル装置１４０、および／または１つ以上の電池検査装置１６０）から１つ以上の機械学習サーバ１５０に直接に送信されてもよい。他の実施形態において、データは、電池構成システム１１０によって収集され、ネットワーク１００を介して１つ以上の機械学習サーバ１５０に送信されてもよい。

１つ以上の機械学習サーバ１５０がデータを受信すると、ブロック５１２において、電池構成システム１１０は、予測モデルを生成するように１つ以上の機械学習サーバ１５０に指示することができる。すなわち、電池構成システム１１０は、（例えば、ネットワーク１００を介して）１つ以上の機械学習サーバ１５０に信号を送信し、受信したデータ（例えば、電池構成データ、動作データ、運転条件に関連するデータ、および／または１つ以上の電池検査装置１６０からのデータ（例えば、電池構成データおよび／または別のデータ））を予測モデルに入力するようにおよび／またはデータから予測モデルを生成するように機械学習サーバ１５０に指示することができる。予測モデルは、一般的に、現在知られているまたは今後開発される任意の機械学習モデル、具体的には、特定の用途に対して電池パックの最適な構成を決定するために使用される情報を提供するモデルであってもよい。機械学習モデルの一般的な例として、畳み込みニューラルネットワーク（ＣＮＮ：convolutional neural network）モデル、長短期記憶（ＬＳＴＭ：long short-term memory）モデル、ニューラルネットワーク（ＮＮ：neural network）モデル、動的時間伸縮法（ＤＴＷ）モデルなどを含むが、これらに限定されない。具体的な例として、本明細書に記載のように、記述子ベースのモデルおよびＬＦＴＭモデルを含むが、これらに限定されない。

Ｑ−Ｖベースの早期予測戦略の様々な機械学習実装を使用することができる。例えば、１つ以上の電池検査装置１６０は、動的／確率的（運転誘発の）放電プロファイルに従い、早期故障を表すデータの特徴を発見することができる。別の例において、概ねｎサイクル（例えば、１００、５００、１０００）ごとにモジュール２１０の放電診断サイクルとその間の充填を完了し、その間の運転誘発の放電／充電プロファイルを用いることにより、早期予測法（または任意の将来のＱ−Ｖベースの特徴設計機械学習法）を使用することができる。さらに別の例において、ｎサイクルごと（例えば、モジュールの１００サイクルごと）の充電ステップ中に制御されている診断を完了し、その間に運転誘発の充電／放電を完了する。

データから、既知の地形において交通量（例えば、混雑時の交通量）がある場合および同一の地形において交通量がない場合に特定の電池パックがどのように放電するかを判断することができる。また、データは、満充電されているとき（例えば、１００％に充電されているとき）および満充電されていないとき（例えば、約３０％または約５０％に充電されているとき）に電池パック２００がどのように放電するかを示すことができる。各々の状況において、電池にとって異なる負荷が検出されると、電池パック２００には、異なる要件、例えば異なる電流、異なる運転条件、および／または異なる温度が課される。

データは、数多くの車両１２２／電池パック２００から収集され、各々の車両および／または電池パックは、（例えば、各車両１２２の異なる運転手、車両１２２の運転場所、異なる運転条件、異なるシミュレーション条件などによって）特定の運転特性を有するため、機械学習アルゴリズムを用いて、所定セットの運転特性／車両特性に基づいて、放電を予測することができる。

以下で説明するように、予測モデルは、更なる使用のために、電池構成システム１１０に送信することができる。いくつかの実施形態において、予測モデルを電池データベースなどに記憶し、その後、電池構成システム１１０による更新および使用、および／または車両群１２０内の車両１２２による利用のために取り出すことができる。例えば、予測モデルは、機械学習モデルデータ３５２の一部として、電池構成システム１１０のデータ記憶要素３５０に記憶されてもよい。

ブロック５１４において、電池構成システム１１０は、１つ以上の機械学習サーバ１５０から、予測モデルを受信する（またはデータストレージから予測モデルを取得する）ことができる。ブロック５１６において、電池構成システム１１０は、１つ以上の動作条件に各々対応する予測モデルに基づいて、１つ以上の予測放電プロファイルを生成することができる。例えば、平面街路上で車両１２２を１０分間運転した場合に対して典型的なプロファイルを確立することができ、高速道路上で車両１２２を２０分間運転した別の場合に対して別の典型的なプロファイルを確立することができる。各々のプロファイルに対応する電池パック２００の放電に関するデータは、取得され、１つ以上の機械学習サーバ１５０に提供される。１つ以上の機械学習サーバ１５０は、予測モデルを更新することができ、他の任意の条件下で電池パック２００の放電を予測するすることができる。

ブロック５１８において、各放電プロファイルに１つ以上の部分空間を生成することができる。予測する異なる電池パック２００または異なるサイクルから関連情報（例えば、故障までのサイクル、容量、フェードなど）を比較または抽出するために、各部分空間は、動的時間伸縮法（ＤＴＷ）、ＥＣＷおよび／または距離などを用いる主成分から作成される。したがって、特定の運転プロファイルを異なるビンに分類することができる。

ブロック５２０において、各放電プロファイル（およびその部分空間）は、１つ以上の外部装置に提供される。例えば、１つ以上の放電プロファイルは、さらなる使用のために電池構成システム１１０に提供されてもよく、さらなる使用のために１つ以上の機械学習サーバ１５０に提供されてもよく、および／またはさらなる使用のために１つ以上の電池検査装置１６０に提供されてもよい。別の例において、１つ以上の放電プロファイルは、例えばデータ記憶要素３５０などの記憶装置に記憶されてもよい。さらに別の例において、１つ以上の放電プロファイルは、外部コンピュータ装置、例えば、１つ以上の放電プロファイルを用いて、特定の方法で特定の用途に適するように電池パックを構成するためのコンピュータ製造装置に送信されてもよい。１つ以上の放電プロファイル（およびその部分空間）を１つ以上の電池検査装置１６０に送信する実施形態において、特定の運転プロファイルまたはその部分空間が与えられた場合、特定の電池パックの応答を確認するために、電池パック２００に対して追加の制御検査を実行することができる。

理解されるべきことは、本明細書に記載のシステムおよび方法は、機械学習モデルを訓練および使用して、電池パックが電気自動車またはガス電気ハイブリッドに使用されるときに、特定の条件が特定の電池パックの放電に与える影響を予測することである。方法およびシステムは、一般的に、現在運転中の車両群に設置された電池パック内の単電池に関するデータ、実際の条件下で単電池の放電に関するデータ、および／またはシミュレートされた条件下で単電池の放電に関するデータを取得することを含む。その後、データは、機械学習サーバに提供され、機械学習サーバは、予測モデルを生成する。この予測モデルを用いて、特定の動作条件に対応する放電プロファイルを生成することができる。

本明細書において特定の実施形態を図示し説明してきたが、理解すべきことは、特許請求される主題の精神および範囲から逸脱することなく、他の様々な変更および修正を行うことができることである。また、本明細書において、特許請求される主題の様々な態様を説明してきたが、これらの態様を組み合わせて利用する必要はない。したがって、添付の特許請求の範囲は、特許請求される主題の範囲に含まれる全ての変更および修正を網羅するものとする。

ブロック５１０において、取得した全てのデータを１つ以上の機械学習サーバ１５０に提供することができる。すなわち、ブロック５０２で受信した電池構成データ、ブロック５０４で受信した動作データ、ブロック５０６で決定した運転条件に関するデータ、およびブロック５０８で１つ以上の電池検査装置１６０から受信した診断サイクリングデータは、１つ以上の機械学習サーバ１５０に提供されてもよい。いくつかの実施形態において、データは、ネットワーク１００を介して、様々な装置（例えば、車両１２２、１つ以上のユーザコンピューティング装置１３０、１つ以上のモバイル装置１４０、および／または１つ以上の電池検査装置１６０）から１つ以上の機械学習サーバ１５０に直接に送信されてもよい。他の実施形態において、データは、電池構成システム１１０によって収集され、ネットワーク１００を介して１つ以上の機械学習サーバ１５０に送信されてもよい。

Claims (20)

1. 車両電池パックの予測放電プロファイルを生成するための方法であって、
   処理装置を用いて、複数の条件下で運転している車両群内の少なくとも１つの車両から、前記車両群内の各車両に設けられた電池パック内の単電池に関するデータを受信することと、
   前記処理装置を用いて、前記データを機械学習サーバに提供することと、
   前記処理装置を用いて、前記データの機械学習に基づいて予測モデルを生成するように前記機械学習サーバに指示することと、
   前記処理装置を用いて、前記予測モデルから前記車両電池パックの前記予測放電プロファイルを生成することと、
   前記放電プロファイルを外部装置に提供することとを含む、方法。
2. 前記データ、前記予測モデルおよび前記放電プロファイルを電池データベースに格納することをさらに含む、請求項１に記載の方法。
3. 前記処理装置を用いて、前記放電プロファイルに１つ以上の部分空間を生成することをさらに含む、請求項１に記載の方法。
4. 前記電池パック内の前記単電池に関する前記データを受信することは、単電池構成データおよび動作データのうち少なくとも１つを受信することを含む、請求項１に記載の方法。
5. 前記動作データを用いて、前記車両の運転条件を決定する、請求項４に記載の方法。
6. 前記データを受信することは、前記車両群内の各車両に設けられた１つ以上の車両固有センサから追加データを受信することを含む、請求項１に記載の方法。
7. １つ以上の追加電池パックの放電状態をシミュレートするように構成された１つ以上の電池検査装置から診断サイクリングデータを受信することをさらに含む、請求項１に記載の方法。
8. 前記電池パック内の前記単電池に関する前記データは、完全に充電されたときの前記電池パックの放電方法と、完全に充電されていないときの前記電池パックの放電方法とを示す、請求項１に記載の方法。
9. 車両電池パックの予測放電プロファイルを生成するように構成されたシステムであって、
   車両群と、
   前記車両群内の各車両に通信可能に接続された１つ以上のハードウェアプロセッサとを備え、
   前記車両群内の各車両は、複数の単電池を有する電池パックを含み、
   前記１つ以上のハードウェアプロセッサは、
   複数の条件下で運転している車両群内の少なくとも１つの車両から、前記車両群内の各車両に設けられた電池パック内の単電池に関するデータを受信し、
   前記データを機械学習サーバに提供し、
   前記データの機械学習に基づいて予測モデルを生成するように前記機械学習サーバに指示し、
   前記予測モデルから前記車両電池パックの前記予測放電プロファイルを生成し、
   前記放電プロファイルを外部装置に提供するように、機械可読命令によって構成される、システム。
10. 前記１つ以上のハードウェアプロセッサに通信可能に接続された電池データベースをさらに備え、
    前記１つ以上のハードウェアプロセッサは、前記データ、前記予測モデルおよび前記放電プロファイルを前記電池データベースに格納するように、機械可読命令によってさらに構成される、請求項９に記載のシステム。
11. 前記１つ以上のハードウェアプロセッサは、前記放電プロファイルに１つ以上の部分空間を生成するように、機械可読命令によってさらに構成される、請求項９に記載のシステム。
12. 前記電池パック内の前記単電池に関する前記データを受信することは、単電池構成データおよび動作データのうち少なくとも１つを受信することを含む、請求項９に記載のシステム。
13. 前記動作データを用いて、前記車両の運転条件を決定する、請求項１２に記載のシステム。
14. 前記データを受信することは、前記車両群内の各車両に設けられた１つ以上の車両固有センサから追加データを受信することを含む、請求項９に記載のシステム。
15. 前記１つ以上のハードウェアプロセッサに通信可能に結合された１つ以上の電池検査装置をさらに備え、
    前記１つ以上の電池検査装置は、１つ以上の追加電池パックの放電状態をシミュレートするように構成される、請求項９に記載のシステム。
16. 前記１つ以上のハードウェアプロセッサは、前記１つ以上の電池検査装置から診断サイクリングデータを受信するように、機械可読命令によってさらに構成される、請求項１５に記載のシステム。
17. 前記１つ以上の電池検査装置は、１つ以上のハイスループット（ＨＴ）サイクラーを含む、請求項１５に記載のシステム。
18. 命令を格納する非一時的なコンピュータ可読記憶媒体であって、前記命令は、１つ以上のプロセッサに車両電池パックの予測放電プロファイルを生成するための方法を行うように、１つ以上のプロセッサによって実行可能であり、前記方法は、
    複数の条件下で運転している車両群内の少なくとも１つの車両から、前記車両群内の各車両に設けられた電池パック内の単電池に関するデータを受信することと、
    前記データを機械学習サーバに提供することと、
    前記データの機械学習に基づいて予測モデルを生成するように前記機械学習サーバに指示することと、
    前記予測モデルから前記車両電池パックの前記予測放電プロファイルを生成することと、
    前記放電プロファイルを外部装置に提供することとを含む、コンピュータ可読記憶媒体。
19. 前記方法は、前記放電プロファイルに１つ以上の部分空間を生成することをさらに含む、請求項１７に記載のコンピュータ可読記憶媒体。
20. 前記方法は、１つ以上の追加電池パックの放電状態をシミュレートするように構成された１つ以上の電池検査装置から診断サイクリングデータを受信することをさらに含む、請求項１７に記載のコンピュータ可読記憶媒体。

Images