JP7050832B2 - 電池パックの性能を最適化するための機械学習モデルを適用するためのシステム、方法および記憶媒体 - Google Patents

電池パックの性能を最適化するための機械学習モデルを適用するためのシステム、方法および記憶媒体 Download PDF

Info

Publication number
JP7050832B2
JP7050832B2 JP2020027151A JP2020027151A JP7050832B2 JP 7050832 B2 JP7050832 B2 JP 7050832B2 JP 2020027151 A JP2020027151 A JP 2020027151A JP 2020027151 A JP2020027151 A JP 2020027151A JP 7050832 B2 JP7050832 B2 JP 7050832B2
Authority
JP
Japan
Prior art keywords
vehicle
battery pack
data
battery
predictive model
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.)
Active
Application number
JP2020027151A
Other languages
English (en)
Other versions
JP2020145186A (ja
JP2020145186A5 (ja
Inventor
ムラタハン・エイコル
パトリック・ケイ・ハーリング
エイブラハム・アナポルスキー
Original Assignee
トヨタ リサーチ インスティテュート，インコーポレイティド
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 トヨタ リサーチ インスティテュート，インコーポレイティド filed Critical トヨタ リサーチ インスティテュート，インコーポレイティド
Publication of JP2020145186A publication Critical patent/JP2020145186A/ja
Publication of JP2020145186A5 publication Critical patent/JP2020145186A5/ja
Application granted granted Critical
Publication of JP7050832B2 publication Critical patent/JP7050832B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • B60L58/18—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries of two or more battery modules
    • 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
    • B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
    • B60L3/12—Recording operating variables ; Monitoring of operating variables
    • 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]
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/4207—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells for several batteries or cells simultaneously or sequentially
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
    • 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
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2200/00—Type of vehicle
    • B60Y2200/90—Vehicles comprising electric prime movers
    • B60Y2200/91—Electric vehicles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2200/00—Type of vehicle
    • B60Y2200/90—Vehicles comprising electric prime movers
    • B60Y2200/92—Hybrid vehicles
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using 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
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries

Description

背景
分野
本明細書は、一般的に、電池パックの予測モデルの生成に関し、より具体的には、機械学習を用いて、車両に設けられた電池の電池性能を最適化できる予測モデルを生成するために機械学習を使用するのシステム、方法および記憶媒体に関する。
技術背景
現在運転されている車両は、電池パックを搭載しており、これらの電池パックは、充電、放電および／または状態などのパラメータを調整することによって、機能を最適化する（例えば、性能を最大化する、寿命を延長する、充電距離を最大化する、充電時間を短縮するまたは損傷を回避する）ようにプログラムされている。また、新しく製造された電池パックは、パラメータを調整して機能を最適化するように構成され得る。しかしながら、場合によって、これらのプログラミング命令を更新することができない。電池パックの寿命にわたって電池が劣化するため、電池の機能を最大化するようにパラメータを更新できないことは、電池パックの性能、電池パックの寿命、電池パックの充電時間、および／または電池パックの放電時間に不利な影響を与える可能性がある。
概要
本開示の一態様は、車両電池パックの性能を最適化するための方法に関する。この方法は、処理装置が、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であって、車両群内の少なくとも１つの車両から受信されるデータを受信することと、処理装置が、データを機械学習サーバに提供することと、処理装置が、データの機械学習に基づく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、処理装置が、予測モデルを車両群内の各車両に提供することとを含み、予測モデルは、特定の使用のために電池パックを最適化するように電池パック内の各単電池の１つ以上の構成パラメータを調整するための命令を提供し、処理装置が、予測モデルに基づいて車両電池パックの性能を最適化するように車両群内の各車両に指示することを含む。
本開示の別の態様は、車両電池パックの性能を最適化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、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、機械可読命令によって、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であって、車両群内の少なくとも１つの車両から受信されるデータを受信し、データを機械学習サーバに提供し、データの機械学習に基づく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構成される。予測モデルは、データの機械学習に基づいて生成される。１つ以上のハードウェアプロセッサは、機械可読命令によって、予測モデルを車両群内の各車両に提供するようさらに構成され、予測モデルは、特定の使用のために電池パックを最適化するように電池パック内の各単電池の１つ以上の構成パラメータを調整するための命令を提供する。１つ以上のハードウェアプロセッサは、機械可読命令によって、予測モデルに基づいて車両電池パックの性能を最適化するように車両群内の各車両に指示するようさらに構成される。
本開示のさらに別の態様は、車両電池パックの性能を最適化するための方法を実行するために１つ以上のプロセッサが実行可能な命令を有する非一時的なコンピュータ可読記憶媒体に関する。方法は、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であって、車両群内の少なくとも１つの車両から受信されるデータを受信することと、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含み、予測モデルは、データの機械学習に基づいて生成される。方法は、予測モデルを車両群内の各車両に提供することをさらに含み、予測モデルは、特定の使用のために電池パックを最適化するように電池パック内の各単電池の１つ以上の構成パラメータを調整するための命令を提供する。方法は、予測モデルに基づいて車両電池パックの性能を最適化するように車両群内の各車両に指示することをさらに含む。
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、電池パックの性能を継続的に最適化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、電池パックの性能を継続的に最適化するための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、電池パックの性能を継続的に最適化するための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、電池パックを備えた車両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、機械学習モデルを用いて電池パックの性能を継続的に最適化するための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、車両に見られる電池パック、特に電気自動車（ＥＶ）、ハイブリッドガソリン電気自動車などに見られる電池パックの全寿命にわたって電池パックの性能を継続的に最適化するために使用される機械学習（ＭＬ）モデルの訓練および使用に関する。機械学習モデルの訓練と使用は、一般的に、現在動作中の車両群に搭載された電池パックの単電池の動作に関するデータの取得、およびハイスループット（ＨＴ）サイクラーなどの電池検査装置を用いて検査された電池に関するデータの取得を含む。すなわち、訓練に使用されたデータは、現実世界のシナリオにおいて使用される電池パックの評価、および電池検査装置による電池放電のシミュレーション評価から取得される。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。この予測モデルは、現在動作中の車両および／または製造施設に提供され、将来の電池パックの性能を最適化する。本明細書に記載のプロセスは、車両が電池パックの使用を絶えず最適化するように継続的に実行される。
電池パック、特に電気自動車またはハイブリッドガソリン／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電池パックを形成する。いくつかのシステムおよび方法は、単にパックレベルで（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。
電池パックが車両に設置されるときに、一般的に、最適なシステム性能を確保するために車両システムに十分な電力を提供し、電池パックの寿命を延長し、車両が充電間に走行できる時間を最大化し、電池パックの充電時間を短縮するなど、性能を最大化するように、設置時に最適化される。しかしながら、電池パックを日常的に使用する（例えば、電池を放電して車両を駆動するおよび／または電池を充電する）と、電池パックは、劣化する。設置時に劣化を正確に判断するのは難しい場合がある（例えば、パック内のどの単電池またはモジュールが劣化しているか、単電池が劣化する速度、特定の種類の劣化を引き起こす様々な車両運転条件など）。
また、システムおよび方法は、パックを車両に設置した後にパック内の特定構成の単電池が最適に動作することを保証するために、パックの動作パラメータを連続的に調整する（例えば、特定の単電池の充電／放電を指示するおよび／または特定の単電池の電圧出力を調整する）ように構成されていない。したがって、電池パックの将来の劣化および／または他の電池パックの劣化を予測するために、（単電池およびモジュールを含む）電池パックの機能を継続的に監視することによって、電池パックの劣化を判断する必要がある。さらに、電池パックの使用期間中に、電池パックの劣化を最小限に抑え、電池パックの寿命を延ばし、パックの性能を向上させ、および／または電池パックの充放電を改善するために、動作パラメータを継続的に更新する機能を電池パックに提供する必要がある。
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、使用される電池パックの性能を継続的に最適化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に示すように、ネットワーク１００は、広域ネットワーク、例えば、インターネット、ローカルエリアネットワーク（ＬＡＮ）、モバイル通信ネットワーク、公衆サービス電話網（ＰＳＴＮ）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）特定の電池パックの最適化構成を決定するための様々なプロセスを実行し、電池パックを最適化するための命令を各電池パックに送信および指示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するように、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ソリン／電気ハイブリッド自動車であってもよい。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することによって、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および／または電池構成システム１１０から情報（例えば、指示）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）ポートを介して）当該車両からデータを受信することができ、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することができる。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、電池製造施設に位置され、電池パックを組み立てる人間に対して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対して提供される命令を受信することができる。これらの命令は、ユーザまたはロボットに指示して、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、冷却装置など）に対して特定の位置にまたは特定の関係で配置し、特定の方法でこれらの単電池を曲げ、および／または様々なパック制御システムのためにプログラムを変更することができる。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、装置が多くの機能をユーザに提供する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、通信ポートおよび／または他の要素）を含む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、装置が多くの機能をユーザに提供する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、通信ポートおよび／または他の要素）を含む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つ以上のモバイル装置１４０は、（例えば、ブルートゥース（登録商標）接続などを介して）車両１２２に通信可能に接続されたユーザのスマートフォンなどであってもよい。この場合、ユーザのスマートフォンによって提供されたデータ接続は、車両１２２からネットワーク１００に接続された１つ以上の他の要素にデータを送信するために使用可能である。
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、電池パック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たように、電池構成システム１１０および／または車両１２２は、このモデルを用いて、様々な電池の動作パラメータを推定し、電池の機能および電池の寿命を最適化するように電池の動作パラメータを更新することができる。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または今後開発される任意のアルゴリズム、特に本明細書に示され、記載された実施形態に従って、単電池の電気特性を推定し、および／またはルート、運転条件、気象条件および／または運転者が選択したパラメータなどに基づいて必要とされる特定の充電レベルを予測することができる予測モデルを生成するように構成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、教師ありベクトルマシン、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、個々の単電池サイクルの容量－電圧（Ｃ－Ｖ）曲線を分析し、曲線内の特定の特徴を抽出し、特定の特徴を用いて特徴を定量化し、電池パックの寿命を予測する記述子ベースのアルゴリズムであってもよい。別の特定のアルゴリズムは、上述した記述子ベースのアルゴリズムよりも大きなデータセットを使用する長短期記憶（ＬＳＴＭ）ニューラルネットワークであってもよい。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、一般的に理解されるものであり、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）にデータを送信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、電池またはその構成要素（例えば、モジュール、単電池など）を検査することができ、車両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）。電池検査装置１６０は、電池またはその構成要素の充電、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））および／またはハイブリッドパルス電力特性評価（ＨＰＰＣ）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）などに使用することができる。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）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）シリーズ装置が挙げられる。
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かとして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いずれかは、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、サーバおよび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、例えば車両群１２０（図１）内の車両１２２に見られる電池パックの一例である。すなわち、電池パック２００は、車両の様々な要素に、特に電気自動車および／またはガソリン電気ハイブリッド自動車などの要素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、１つ以上のセンサからな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）ハードウェア要素２４０などを含む（これらに限定されない）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を収納する内部を画定するカバーを含むことができる。
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セルであってもよい。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、鉛酸電池、ニッケル水素（ＮｉＭＨ）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。理解すべきことは、本明細書により詳細に記載されたように、モジュールＢＭＳ装置２１２は、プログラミング命令を受信し、プログラミング命令に従ってモジュール２１０内の単電池２２０の動作を変更することができることである。
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。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）を含むがこれに限定されない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）または放電深度（ＤＯＤ）、健全性（ＳＯＨ）、電力状態（ＳＯＰ）（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）としての最大充電電流、放電電流制限値（ＤＣＬ）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、ＢＭＳハードウェア要素２４０を用いて、（例えば、無抵抗の調節装置などを介して）モジュール２１０および／または単電池２２０を負荷に接続することによって、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、比較的に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に少なく充電されたモジュール２１０および／または単電池に移すことによって、比較的に多く充電されたモジュール２１０および／または単電池２２０を損傷せず、比較的に少なく充電されたモジュール２１０および／または単電池２２０を充電することができるように充電電流を低減することによって、および／またはモジュール充電などを行うことによって、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）を最適化することができる。本明細書により詳細に記載されたように、ＢＭＳハードウェア要素２４０は、プログラミング命令（例えば、電池構成システム１１０（図１）からの命令）を連続的に受信し、電池パックの使用を最適化するためにパラメータを連続的に更新することができる。さらに、ＢＭＳハードウェア要素２４０は、本明細書により詳細に記載されたように、電池パックの使用に関するデータを継続的に提供することによって、フィードバックループを作成することができる。
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。図６にはデータポート２０６を有線接続用の物理ポートとして示しているが、これは、単なる例示である。いくつかの実施形態において、データポート２０６は、無線通信カードなどの無線ポートであってもよい。
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）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）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）、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、特性推定ロジック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、１つ以上のセンサ、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、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）から転送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。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、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）にデータまたはプログラム命令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。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、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を含むことができる。
図１、２および３Ｂを参照して、特性推定ロジック３９０は、一般的に、１つ以上の他の要素、例えば、車両群１２０内の任意の車両１２２、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から受信したデータに基づいて、電池パック２００および／または電池パックの要素の１つ以上の特性を推定するための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（例えば、単電池２２０をビンニング（ビン分割）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、例えば、モデム、ＬＡＮポート、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）、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、ビンニングデータ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、ビンニングデータ３５４は、一般的に、電池パック２００（図２）内の各単電池２２０に分類を割り当てるために使用されたデータ、およびそのような分類によって生成されたデータである。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）センサ、近接センサ、温度センサ、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、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。
理解すべきことは、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／または運転しようとするルートを決定し、ルートを完走するために必要とされる電池パック２００の充電量（例えば、目標充電レベル）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、目標充電レベ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、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、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、および／または（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および少なくとも１つ以上のモバイル装置１４０のうち少なくとも１つ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が信号規制走行をしているか否か、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。本明細書により詳細に記載されたように、動作データは、一般的に、電池構成データと共に、特定の構成の単電池２２０およびモジュール２１０を有する電池パックの最適な動作を決定するために使用することができる。
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、および／または（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および少なくとも１つ以上のモバイル装置１４０のうち少なくとも１つ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。
理解すべきことは、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。
いくつかの実施形態において、ブロック５０２において受信された電池構成データおよび／またはブロック５０４において受信された動作データは、１つ以上の電池検査装置１６０から受信されてもよい。すなわち、本明細書に記載されたように、電池検査装置１６０を用いて、接続されている電池パック２００を検査するときに、検査データは、電池構成システム１１０に送信され、使用される。したがって、ブロック５０２および５０４に受信されたデータは、車両１２２と１つ以上の電池検査装置１６０との任意の組み合わせから受信されてもよい。
ブロック５０６において、受信されたデータ（例えば、電池構成データおよび動作データ）は、１つ以上の機械学習サーバ１５０に提供される。すなわち、電池構成システム１１０は、ネットワークを介して、データを少なくとも１つの機械学習サーバ１５０に送信する。機械学習サーバ１５０がデータを受信すると、ブロック５０８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、動作データおよび／または運転条件に関連するデータ）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、具体的には運転条件（例えば、温度）が与えられた場合、特定の用途に対して電池パックの最適な構成および／または充電など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）モデル、長短期記憶（ＬＳＴＭ）モデル、ニューラルネットワーク（ＮＮ）モデル、動的タイムワーピング（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。本明細書により詳細に記載されたように、開発されたモデルは、電池パックにプッシュされ、電池パックは、このモデルを用いて電池パック２００内の要素の使用を最適化する（例えば、特定の単電池２２０および／または特定のモジュール２１０の充電／放電を最適化する、および／または最大充電率を設定する）。
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。
電池構成システム１１０は、ブロック５１０において、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、ブロック５１２において、予測モデルを車両群１２０内の１つ以上の車両１２２に送信することができる。いくつかの実施形態において、１つ以上の機械学習サーバ１５０は、（電池構成システム１１０をバイパスして）予測モデルを１つ以上の車両１２２に直接に送信することができる。他の実施形態において、電池構成システム１１０は、予測モデルを車両１２２に送信する代わりに、予測モデルから１つ以上の命令を生成し、各車両１２２で実行するための１つ以上の命令を各車両１２２に送信することができる。すなわち、システム１１０は、予測モデルを受信し、（電池パック２００内の各単電池２２０の構成パラメータを含む）特定の電池パックの構成パラメータを決定し、予測モデルに従ってパラメータを更新するよう各電池パック２００に指示するプログラミング命令を生成し、生成したプログラミング命令を車両１２２に送信することができる。
したがって、ブロック５１４において、１つ以上の車両１２２は、予測モデルに従って電池性能を最適化する。すなわち、１つ以上の車両１２２は、予測モデルおよび／またはプログラミング命令を受信し、パックの性能を最適化するように変更されるパラメータを予測モデルから決定し、パラメータの変更を行うことができる。本明細書に記載されたように、１つ以上の電池パック２００は、１つ以上のＢＭＳハードウェア要素２３０のプログラミングを更新し、および／またはモジュールＢＭＳ装置２１２の１つ以上のプログラミングを更新することによって、予測モデルおよび／またはプログラミング命令に従って電池パック２００内の各電池２２０の性能を変更することができる。いくつかの実施形態において、１つ以上の車両１２２は、電池構成システム１１０から電池性能を最適化するような指示を受信すると、電池性能を最適化することができる。すなわち、電池構成システム１１０は、予測モデルに従って対応する車両の電池パック２００の性能を最適化するように、１つ以上の車両１２２の各車両に指示することができる。
例えば、予測モデルは電池パック２００のある使用のタイプが１００％の満充電を必要としないことを示す場合（例えば、車両１２２が通常１日に数マイルしか運転しないため、電池の満充電が不要である場合）、１つ以上のＢＭＳハードウェア要素２３０のプログラミングおよび／または１つ以上のモジュールＢＭＳ装置２１２のプログラミングなどは、充電のために電池パック２００を差し込むときに電池パック２００の充電状態を１００％未満（例えば、５０％、７０％など）に充電するように、変更されてもよい。したがって、電池パック２００を差し込むときに、電池パックの様々なハードウェア要素は、電池パック内の全ての単電池２２０を１００％まで満充電することを防止する。むしろ、ハードウェア要素は、変更された充電状態に基づいて、単電池２２０の一部のみを１００％まで充電することができ、および／または全ての単電池２２０を特定の充電率まで充電することができる。すなわち、予測モデルは電池パック２００の典型的な使用が７０％の充電状態のみを必要することを示す場合、１つ以上のＢＭＳハードウェア要素２３０のプログラミングおよび／または１つ以上のモジュールＢＭＳ装置２１２のプログラミングは、電池パック２００を差し込むときにパックの全体を７０％の容量までしか充電しないように変更されてもよい。例えば、電池パック２００内の全ての単電池２２０の７０％が１００％に充電され、単電池２２０の残りの３０％が使用されない場合、電池パック２００内の全ての単電池２２０を７０％に充電してもよく、または電池パック２００の全体を７０％まで充電するように、（例えば、単電池の形状、サイズ、位置などに基づいて）最適化された各単電池２２０の充電率まで各単電池２２０を充電することができる。理解すべきことは、電池パック２００の充電状態をこのように変更することにより、電池パック２００の日々の使用（例えば、日々の運転）を顕著に変化させずに、電池パック２００の寿命を延ばすことができることである。
別の例において、電池パック２００の健全性が、電池パック２００が特定の仕様に従って機能していないことを示す、予測モデルから決定された特定の閾値に対応する場合、１つ以上のＢＭＳハードウェア要素２３０のプログラミングおよび／または１つ以上のモジュールＢＭＳ装置２１２のプログラミングなどは、電池パック２００の全体的な健全性を改善するように変更されてもよい。例えば、電池パック２００内の一部の単電池２２０および／またはモジュール２１０が性能低下または故障することによって、電池パック２００の全体の健全性に影響を与えることがデータから判断された場合、１つ以上のＢＭＳハードウェア要素２３０のプログラミングおよび／または１つ以上のモジュールＢＭＳ装置２１２のプログラミングなどを変更することができる。性能低下または故障している一部の単電池２２０および／またはモジュールを非アクティブ化するまたは別の目的に使用することができる。非アクティブ化または別の目的の使用により、電池パック２００を交換または修理する必要がなく、電池パック２００の全体の健全性を閾値を超えるように改善することができる。
本開示は、一般に、既に車両に設置されている電池パックに関するが、理解すべきことは、本開示はそれに限定されないことである。すなわち、ブロック５１４の電池性能の最適化は、新しく製造された電池にも実行することができる。これによって、新しく製造された電池は、初回に使用されたときに最適化された性能を示すことを保証する。
本明細書に記載されたように、プロセスは、フィードバックループを作成する。これによって、車両群１２０の全ての電池パック２００が継続的に監視され、それに応じて予測モデルが更新され、電池パック２００内のプログラミングが使用を最適化するように更新される。したがって、ブロック５１６において、電池パック２００内のプログラミングの更新（例えば、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などから受信した新たなセンサデータ）に基づいて、新しいデータを生成する。したがって、プロセスは、ブロック５０２に戻り、新たに生成されたデータに対して図５のプロセスを繰り返すことができる。すなわち、生成された新しいデータ（例えば、電池構成データおよび／または動作データ）は、電池構成システム１１０に送信され、電池構成システム１１０は、新しいデータを１つ以上の機械学習サーバ１５０に送信する。１つ以上の機械学習サーバ１５０は、新しいデータに応じて、予測モデルを更新することができる。
図５に関して説明したプロセスを繰り返すことによって作成されたフィードバックループは、電池パック２００の使用条件が変更しても、例えば構成要素が摩耗しても、既存の車両に設けられた電池パック２００および新たに設けられた電池パック２００が継続的に最適化され、使用されることを保証する。
理解すべきことは、本明細書に記載のシステムおよび方法は、機械学習モデルの訓練および使用を行うことによって、（例えば、車両に組み立てられ、設置され、および車両に使用された）電池パックの全寿命にわたって電池パックの性能を継続的に最適化することである。機械学習モデルの訓練および使用は、通常、電池パック内の単電池の動作または予想される動作に関するデータの取得を含む。機械学習サーバは、予測モデルを生成し、この予測モデルは、現在動作されている車両および／または製造施設に提供され、車両内および／または製造中の電池パックの将来の性能を最適化する。本明細書に記載のプロセスは、フィードバックループを作成し、これによって、車両が絶えずデータを収集し、最適化されたパックの使用を決定し、ソフトウェアを更新して最適化されたパックの使用を達成するよう継続的に実行される。
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。

Claims (15)

  1. 車両電池パックの性能を最適化するための方法であって、１つ以上のハードウェアプロセッサが、
    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であって、前記車両群内の各車両のうちの少なくとも１つから受信され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く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、
    前記予測モデルを各車両に提供することとを含み、前記予測モデルは、特定の使用のために前記電池パックを最適化するように前記電池パック内の各単電池の１つ以上の構成パラメータを調整するための命令を提供し、
    前記予測モデルに基づいて前記車両電池パックの性能を最適化するように各車両に指示することを実行することを含む、方法。
  2. 電池検査装置によって検査された電池パック内の単電池に関する検査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。
  3. 新しい電池パックを製造する製造施設に前記予測モデルを提供することと、
    前記予測モデルに基づいて前記新しい電池パックの性能を最適化するように前記製造施設に指示することとをさらに含む、請求項１または２に記載の方法。
  4. 前記車両電池パックの性能を最適化するように前記車両群内の各車両に指示することは、前記車両電池パックの充電状態を変更するように各車両に指示することを含む、請求項１から３のいずれか一項に記載の方法。
  5. 前記車両電池パックの性能を最適化するように前記車両群内の各車両に指示することは、前記車両電池パックの健全性を変更するように各車両に指示することを含む、請求項１から３のいずれか一項に記載の方法。
  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から５のいずれか一項に記載の方法。
  7. 前記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は、個々の電池周期の容量－電圧曲線を分析する記述子ベースのアルゴリズムを利用して前記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を含む、請求項１から６のいずれか一項に記載の方法。
  8. 前記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は、長短期記憶ニューラルネットワークを利用して前記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を含む、請求項１から６のいずれか一項に記載の方法。
  9. 前記車両群内の各車両から、新しいデータを受信することをさらに含み、前記新しいデータは、前記予測モデルに基づいて最適化された前記車両電池パックの性能を示す、請求項１から８のいずれか一項に記載の方法。
  10. 車両電池パックの性能を最適化するように構成されたシステムであって、
    車両群を備え、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、
    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、前記１つ以上のハードウェアプロセッサが、、
    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であって、各車両のうちの少なくとも１つから受信されるデータを受信し、
    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く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、
    前記予測モデルを各車両に提供する機械可読命令を実行するよう構成され、前記予測モデルは、特定の使用のために前記電池パックを最適化するように前記電池パック内の各単電池の１つ以上の構成パラメータを調整するための命令を提供し、
    前記予測モデルに基づいて前記車両電池パックの性能を最適化するように各車両に指示する機械可読命令を実行するよう構成される、システム。
  11. 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、次のアクセスのために前記データおよび前記予測モデルを前記電池データベースに格納する機械可読命令を実行するようさらに構成される、請求項１０に記載のシステム。
  12. 前記１つ以上のハードウェアプロセッサは、電池検査装置により検査された電池パック内の単電池に関する検査データを受信する機械可読命令を実行するようさらに構成される、請求項１０または１１に記載のシステム。
  13. 前記車両電池パックの性能を最適化するように前記車両群内の各車両に指示することは、前記車両電池パックの充電状態を変更するように各車両に指示することを含む、請求項１０から１２のいずれか一項に記載のシステム。
  14. 前記車両電池パックの性能を最適化するように前記車両群内の各車両に指示することは、前記車両電池パックの健全性を変更するように各車両に指示することを含む、請求項１０から１２のいずれか一項に記載のシステム。
  15. 車両電池パックの性能を最適化するための命令を記憶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よって実行されると、前記１つ以上のプロセッサに、
    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であって、各車両のうちの少なくとも１つから受信され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く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、
    前記予測モデルを前記車両群内の各車両に提供することとを実行させ、前記予測モデルは、特定の使用のために前記電池パックを最適化するように前記電池パック内の各単電池の１つ以上の構成パラメータを調整するための命令を提供し、
    前記予測モデルに基づいて前記車両電池パックの性能を最適化するように各車両に指示することを実行させる、コンピュータ可読記憶媒体。
JP2020027151A 2019-02-25 2020-02-20 電池パックの性能を最適化するための機械学習モデルを適用するためのシステム、方法および記憶媒体 Active JP7050832B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/284,515 US11065978B2 (en) 2019-02-25 2019-02-25 Systems, methods, and storage media for adapting machine learning models for optimizing performance of a battery pack
US16/284,515 2019-02-25

Publications (3)

Publication Number Publication Date
JP2020145186A JP2020145186A (ja) 2020-09-10
JP2020145186A5 JP2020145186A5 (ja) 2021-08-19
JP7050832B2 true JP7050832B2 (ja) 2022-04-08

Family

ID=72142189

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020027151A Active JP7050832B2 (ja) 2019-02-25 2020-02-20 電池パックの性能を最適化するための機械学習モデルを適用するためのシステム、方法および記憶媒体

Country Status (3)

Country Link
US (1) US11065978B2 (ja)
JP (1) JP7050832B2 (ja)
CN (1) CN111612204B (ja)

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11400887B2 (en) * 2019-02-11 2022-08-02 Byton North America Corporation Frunk delivery system for vehicles
US11084387B2 (en) * 2019-02-25 2021-08-10 Toyota Research Institute, Inc. Systems, methods, and storage media for arranging a plurality of cells in a vehicle battery pack
US11360155B2 (en) * 2020-09-03 2022-06-14 Volkswagen Aktiengesellschaft Battery state of health estimator
US11813962B2 (en) * 2020-10-09 2023-11-14 Our Next Energy, Inc. Supplying power to an electric vehicle
KR20220073523A (ko) * 2020-11-26 2022-06-03 주식회사 엘지화학 배터리 관리 장치 및 방법
CN112698232A (zh) * 2020-12-14 2021-04-23 尼讯(上海)科技有限公司 基于电池检测的电池健康状态追踪云系统
US11609273B2 (en) * 2020-12-14 2023-03-21 Guangzhou Automobile Group Co., Ltd. Method and system for optimizing BMS model, storage medium and electric vehicle
CN112765772B (zh) * 2020-12-25 2022-11-04 武汉理工大学 一种基于数据驱动的动力电池剩余寿命预测方法
KR102619797B1 (ko) * 2021-03-05 2023-12-29 연세대학교 산학협력단 Bms, 이를 위한 적응형 모델 제공 장치 및 방법
WO2022195402A1 (ja) * 2021-03-19 2022-09-22 株式会社半導体エネルギー研究所 蓄電装置管理システム及び電子機器
AT524131B1 (de) * 2021-04-20 2022-03-15 Aviloo Gmbh Ermittlung des Gesundheitszustands einer Fahrzeugbatterie
US11685288B2 (en) * 2021-05-06 2023-06-27 GM Global Technology Operations LLC Intelligent motor vehicles and control logic for managing charging of traction battery packs
CN113305880B (zh) * 2021-05-10 2022-08-05 佛山科学技术学院 一种基于dtw距离的工业机器人一致性检测系统及方法
CN113328466B (zh) * 2021-05-26 2022-10-18 上海电力大学 一种电动汽车充电场景生成方法
US20230126889A1 (en) * 2021-08-05 2023-04-27 Batterycheck Llc System for facilitating edge analytics for power systems
US11577625B1 (en) * 2021-11-11 2023-02-14 Beta Air, Llc Systems and methods for predicting degradation of a battery for use in an electric vehicle
US20230186191A1 (en) * 2021-12-13 2023-06-15 Caterpillar Global Mining Equipment Llc Machine Management Based on Battery Status
KR102576987B1 (ko) * 2022-11-23 2023-09-11 한국자동차연구원 차량 데이터 기반 배터리 상태 판단장치 및 그 방법
US11707987B1 (en) * 2022-12-06 2023-07-25 Mercedes-Benz Group AG Vehicle simulating method and system
CN116973782A (zh) * 2023-08-03 2023-10-31 广州格悦新能源科技有限公司 基于机器学习的新能源汽车保养维护与故障监测诊断方法
CN117410988B (zh) * 2023-12-11 2024-03-29 广东领卓能源科技有限公司 一种新能源充电站的充电控制方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008010189A (ja) 2006-06-27 2008-01-17 Matsushita Electric Works Ltd 光電変換素子
JP2014048284A (ja) 2012-08-29 2014-03-17 Denso Corp 電池ユニットの性能測定方法および制御装置
JP2014071103A (ja) 2012-10-02 2014-04-21 Hitachi Ltd 放電容量予測装置、プログラム、および電池の製造方法
WO2018147194A1 (ja) 2017-02-07 2018-08-16 日本電気株式会社 蓄電池制御装置、充放電制御方法、及び記録媒体

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10117443A (ja) * 1996-08-20 1998-05-06 Shin Kobe Electric Mach Co Ltd 二次電池の過充電及び過放電防止装置
US8519674B2 (en) * 2009-11-12 2013-08-27 GM Global Technology Operations LLC Method for estimating battery degradation in a vehicle battery pack
US8719195B2 (en) 2011-10-10 2014-05-06 The Boeing Company Battery adaptive learning management system
KR102357351B1 (ko) * 2015-01-07 2022-01-28 삼성전자주식회사 복수의 배터리 셀들을 포함하는 배터리 팩의 상태를 추정하는 장치 및 방법
US9557387B2 (en) 2015-02-10 2017-01-31 Lenovo Enterprise Solutions (Singapore) Pte. Ltd. Testing individual cells within multi-cell battery applications
KR20160101506A (ko) * 2015-02-17 2016-08-25 삼성전자주식회사 배터리 신호 세그먼트 데이터의 확률 추론을 기반으로 한 배터리 상태 추정 방법 및 장치
US10197631B2 (en) * 2015-06-01 2019-02-05 Verizon Patent And Licensing Inc. Systems and methods for determining vehicle battery health
CN105005222B (zh) * 2015-06-12 2017-05-31 山东省科学院自动化研究所 基于大数据的新能源电动汽车整车性能提升系统及方法
CN105137358B (zh) 2015-08-27 2018-06-26 张家港莫特普数据科技有限公司 基于大数据自学习机制的动力电池的soc/soh预测方法
US10592833B2 (en) * 2016-04-01 2020-03-17 Enel X North America, Inc. Extended control in control systems and methods for economical optimization of an electrical system
CN105974327A (zh) 2016-06-12 2016-09-28 广州市香港科大霍英东研究院 一种基于神经网络和ukf的锂电池组soc预测方法
US10099569B2 (en) * 2016-09-29 2018-10-16 GM Global Technology Operations LLC Adaptive system and method for optimizing a fleet of plug-in vehicles
KR20180037760A (ko) * 2016-10-05 2018-04-13 삼성전자주식회사 배터리 상태 추정 장치 및 방법
CN106671785B (zh) 2016-10-12 2023-03-28 西安科技大学 一种电动汽车电池管理系统及方法
CN106528951B (zh) 2016-10-18 2019-10-25 上海博强微电子有限公司 一种动力电池寿命预测及安全预警的方法和装置
US10209314B2 (en) * 2016-11-21 2019-02-19 Battelle Energy Alliance, Llc Systems and methods for estimation and prediction of battery health and performance
US11691518B2 (en) * 2017-07-21 2023-07-04 Quantumscape Battery, Inc. Predictive model for estimating battery states
CN108258338A (zh) 2017-12-29 2018-07-06 江苏博强新能源科技股份有限公司 电池的管理系统和方法
CN108445410B (zh) * 2018-04-02 2021-02-26 国家计算机网络与信息安全管理中心 一种监测蓄电池组运行状态的方法及装置
KR20200026607A (ko) * 2018-09-03 2020-03-11 엘지전자 주식회사 배터리를 포함하는 장치
KR20200033554A (ko) * 2018-09-20 2020-03-30 삼성전자주식회사 배터리 상태 추정 장치 및 방법
KR20190100114A (ko) * 2019-08-09 2019-08-28 엘지전자 주식회사 배터리 장치 및 그 제어 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008010189A (ja) 2006-06-27 2008-01-17 Matsushita Electric Works Ltd 光電変換素子
JP2014048284A (ja) 2012-08-29 2014-03-17 Denso Corp 電池ユニットの性能測定方法および制御装置
JP2014071103A (ja) 2012-10-02 2014-04-21 Hitachi Ltd 放電容量予測装置、プログラム、および電池の製造方法
WO2018147194A1 (ja) 2017-02-07 2018-08-16 日本電気株式会社 蓄電池制御装置、充放電制御方法、及び記録媒体

Also Published As

Publication number Publication date
CN111612204A (zh) 2020-09-01
US11065978B2 (en) 2021-07-20
JP2020145186A (ja) 2020-09-10
US20200269722A1 (en) 2020-08-27
CN111612204B (zh) 2022-11-11

Similar Documents

Publication Publication Date Title
JP7050832B2 (ja) 電池パックの性能を最適化するための機械学習モデルを適用するためのシステム、方法および記憶媒体
JP7441671B2 (ja) 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
JP7114642B2 (ja) 運転ルートに対応する電池の目標充電レベルを決定するためのシステム、方法および記憶媒体
US11813962B2 (en) Supplying power to an electric vehicle
US11691518B2 (en) Predictive model for estimating battery states
CN103048625B (zh) 电池的状态预测系统和方法
US20180134171A1 (en) System and method for predictive control of an energy storage system for a vehicle
US9079505B1 (en) System and method for management of a fleet of vehicles having an energy storage system
US9056556B1 (en) System and method for configuration and management of an energy storage system for a vehicle
US11084387B2 (en) Systems, methods, and storage media for arranging a plurality of cells in a vehicle battery pack
US20120296512A1 (en) Method and system for electric vehicle battery prognostics and health management
US20230059529A1 (en) Characterization of Rechargeable Batteries Using Machine-Learned Algorithms
KR20170050655A (ko) Soh 추정 장치 및 방법과, soh 추정 모델 생성 장치 및 방법
US11225169B2 (en) Management system with supervisory control for rechargeable energy storage device in electric vehicle
JP2022539800A (ja) 電池状態予測装置および電池状態予測方法
CN115219932A (zh) 用于评价设备电池组的相对老化状态的方法和装置
US11938838B2 (en) Method and device for the robust prediction of the aging behavior of an energy storage unit in a battery-operated machine
US20230384391A1 (en) Systems and techniques for predicting life of battery, and battery management system operating the same
CN116848015A (zh) 向电动运载工具供电
Mukherjee et al. State of charge estimation techniques for battery management system used in electric vehicles: a review

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200423

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210709

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210709

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20210709

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20211005

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20211220

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20220308

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220329

R150 Certificate of patent or registration of utility model

Ref document number: 7050832

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313113

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350