JPWO2021038940A5 - - Google Patents

Download PDF

Info

Publication number
JPWO2021038940A5
JPWO2021038940A5 JP2021541988A JP2021541988A JPWO2021038940A5 JP WO2021038940 A5 JPWO2021038940 A5 JP WO2021038940A5 JP 2021541988 A JP2021541988 A JP 2021541988A JP 2021541988 A JP2021541988 A JP 2021541988A JP WO2021038940 A5 JPWO2021038940 A5 JP WO2021038940A5
Authority
JP
Japan
Prior art keywords
storage element
power storage
charge rate
power
electric
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.)
Granted
Application number
JP2021541988A
Other languages
English (en)
Other versions
JP7298698B2 (ja
JPWO2021038940A1 (ja
Filing date
Publication date
Application filed filed Critical
Priority claimed from PCT/JP2020/012779 external-priority patent/WO2021038940A1/ja
Publication of JPWO2021038940A1 publication Critical patent/JPWO2021038940A1/ja
Publication of JPWO2021038940A5 publication Critical patent/JPWO2021038940A5/ja
Application granted granted Critical
Publication of JP7298698B2 publication Critical patent/JP7298698B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Claims (16)

  1. 電動移動体の動力源の蓄電素子の充電率に基づいて移動可能距離を算出する算出部を備える電池管理装置であって、
    前記算出部は、
    前記蓄電素子の充電率を逐次取得して時間変化を記憶し
    前記電動移動体の予定経路における混雑時間分布及び外気温の予想時間分布を含む環境情報を取得し、
    算出時点までの前記蓄電素子の充電率の時間変化、前記予定経路に対し予測されている混雑時間分布、及び、前記予定経路における外気温の予想時間分布の入力に応じて、前記充電率の蓄電素子を動力源として移動可能な距離、又は前記蓄電素子の算出時点以降の充電率の時間変化を出力するように、前記電動移動体が移動するために必要な必要電力量と、前記電動移動体に搭載されている設備での電力消費量との合計の実績を含む学習データによって学習されている学習モデルを用いて移動可能距離を算出する、
    電池管理装置。
  2. 前記学習モデルは、前記電動移動体の種類を、充電率の時間変化、混雑時間分布、及び外気温の予想時間分布に加えて入力した場合に、前記充電率の蓄電素子を動力源として移動可能な距離、又は前記蓄電素子の算出時点以降の充電率の時間変化を出力するように学習してあり、
    前記算出部は、
    前記電動移動体の種類を前記充電率の時間変化、混雑時間分布、及び外気温の予想時間分布に加えて入力する、
    請求項1に記載の電池管理装置。
  3. 前記学習モデルは、地域別に学習されてあり、
    前記算出部は、
    予定経路の地域を特定し、特定した地域の学習モデルを選択し、
    選択した学習モデルに、充電率の時間変化、前記予定経路に対し予測されている混雑時間分布、及び、前記予定経路における外気温の予想時間分布を入力する
    請求項1又は2に記載の電池管理装置。
  4. 前記学習モデルは、電動移動体個々の、移動するために必要な必要電力量と、前記電動移動体に搭載されている設備での電力消費量との合計の実績と、移動時点における前記蓄電素子の充電率の時間変化、実際の移動経路に対における混雑時間分布、及び、前記移動経路における外気温の実際の時間分布とに基づいて学習されている
    請求項1から請求項3のいずれか1項に記載の電池管理装置。
  5. 前記学習モデルは、前記予定経路の通過予定時刻を入力する、請求項1から請求項4のいずれか1項に記載の電池管理装置。
  6. 電動移動体の動力源の蓄電素子の充電率に基づいて移動可能距離を算出する算出部を備える電池管理装置であって、
    前記電動移動体は、電気自動車、又は電動飛行体であり、
    前記算出部は、
    前記蓄電素子の充電率を取得し、
    前記電動移動体の予定経路における時間別の外気温の変化の予想分布を含む環境情報を取得し、
    取得した充電率及び環境情報に含まれる前記外気温の変化の予想分布から、前記予定経路を前記電動移動体が移動するために必要な必要電力量と、前記電動移動体に搭載されている電熱線を含む設備での電力消費量の予測とに基づき予測される電力消費量を算出し、
    算出された予測電力消費量並びに前記充電率に基づき、前記蓄電素子の残電力による移動可能距離を算出する
    電池管理装置。
  7. 電動移動体の動力源の蓄電素子の充電率に基づいて移動可能距離を算出する算出部を備える電池管理装置であって、
    前記電動移動体は、前記蓄電素子を駆動の動力源の少なくとも一部とする電動船舶であり、
    前記算出部は、
    前記蓄電素子の充電率を取得し、
    前記電動移動体の予定経路における時間別の潮流又は波の高さの変化の予想分布を含む環境情報を取得し、
    取得した充電率及び環境情報に含まれる前記潮流又は波の高さの予想分布から、前記予定経路を前記電動移動体が移動するために必要な必要電力量と、前記電動移動体に搭載されている設備での電力消費量の予測とに基づき予測される電力消費量を算出し、
    算出された予測電力消費量並びに前記充電率に基づき、前記蓄電素子の残電力による移動可能距離を算出する
    電池管理装置。
  8. 自装置が起動中に、前記蓄電素子の充電率を所定のタイミングで取得するようにしてあり、
    前記充電率を取得する都度に、前記充電率が所定値以下となったか否かを判断し、
    前記充電率が前記所定値以下となったと判断された場合に、前記算出部による移動可能距離の算出を開始する
    請求項1から7のいずれか1項に記載の電池管理装置。
  9. 前記電動移動体は、有人機である、請求項1から8のいずれか1項に記載の電池管理装置。
  10. 前記電動移動体の動力源はエンジンを含まない、請求項1から9のいずれか1項に記載の電池管理装置。
  11. 電動移動体の動力源の蓄電素子の充電率の時間変化、前記電動移動体の予定経路における混雑時間分布、及び外気温の予想時間分布を含む環境情報を入力する入力層と、
    移動可能距離又は前記蓄電素子の算出時点以降の充電率の時間変化を出力する出力層と、
    前記電動移動体の蓄電素子の充電率の時間変化、前記電動移動体が移動した経路における混雑時間分布及び外気温の時間変化分布を含む環境情報と、対応する実際に移動するために必要な必要電力量と、前記電動移動体に搭載されている設備での電力消費量の合計の実績とを含む教師データに基づき学習された中間層とを含み、
    前記電動移動体の移動可能距離を算出するために用いられる、学習モデル。
  12. 電動移動体の動力源の蓄電素子の状態を管理するコンピュータに、
    前記蓄電素子の充電率を逐次取得して時間変化を記憶し、
    前記電動移動体の予定経路における混雑時間分布及び外気温の予想時間分布を含む環境情報を取得し、
    算出時点までの前記蓄電素子の充電率の時間変化、前記予定経路に対し予測されている混雑時間分布、及び、前記予定経路における外気温の予想時間分布の入力に応じて、前記充電率の蓄電素子を動力源として移動可能な距離、又は前記蓄電素子の算出時点以降の充電率の時間変化を出力するように、前記電動移動体が移動するために必要な必要電力量と、前記電動移動体に搭載されている設備での電力消費量との合計の実績を含む学習データによって学習されている学習モデルを用いて移動可能距離を算出する、
    処理を実行させるコンピュータプログラム。
  13. 電動移動体の動力源の蓄電素子の充電率に基づき、前記蓄電素子における残電力による移動可能距離を出力する電池管理方法であって、
    前記蓄電素子の充電率を逐次取得して時間変化を記憶し、
    前記電動移動体の予定経路における混雑時間分布及び外気温の予想時間分布を含む環境情報を取得し、
    算出時点までの前記蓄電素子の充電率の時間変化、前記予定経路に対し予測されている混雑時間分布、及び、前記予定経路における外気温の予想時間分布の入力に応じて、前記充電率の蓄電素子を動力源として移動可能な距離、又は前記蓄電素子の算出時点以降の充電率の時間変化を出力するように、前記電動移動体が移動するために必要な必要電力量と、前記電動移動体に搭載されている設備での電力消費量との合計の実績を含む学習データによって学習されている学習モデルを用いて移動可能距離を算出する、
    電池管理方法。
  14. 電動移動体と通信によって情報を送受信可能であって、前記電動移動体の動力源の蓄電素子の残電力での移動可能距離を算出するための情報を提供する情報提供装置であって、
    前記蓄電素子の充電率の時間変化、予定経路、電力消費量の情報を受信し、
    前記電動移動体の予定経路における混雑時間分布及び外気温の予想時間分布を含む環境情報を取得し、
    算出時点までの前記蓄電素子の充電率の時間変化、前記予定経路に対し予測されている混雑時間分布、及び、前記予定経路における外気温の予想時間分布の入力に応じて、前記充電率の蓄電素子を動力源として移動可能な距離、又は前記蓄電素子の算出時点以降の充電率の時間変化を出力するように、前記電動移動体が移動するために必要な必要電力量と、前記電動移動体に搭載されている設備での電力消費量との合計の実績を含む学習データによって学習されている学習モデルを用いて前記予定経路における電力消費量を算出し、
    算出された予測電力消費量を前記電動移動体に向けて送信する
    情報提供装置。
  15. 複数の電動移動体それぞれから、前記環境情報を取得し、
    受信した情報を用いて前記電力消費量を算出する
    請求項14に記載の情報提供装置。
  16. 電動移動体の動力源の蓄電素子の充放電を管理する電池管理装置であって、
    前記蓄電素子の充電率を逐次取得して時間変化を記憶する記憶部と、
    前記電動移動体の移動の予定経路における混雑時間分布及び外気温の予想時間分布を含む環境情報を取得し、算出時点までの前記蓄電素子の充電率の時間変化、前記予定経路に対し予測されている混雑時間分布、及び、前記予定経路における外気温の予想時間分布の入力に応じて、前記充電率の蓄電素子を動力源として移動可能な距離、又は前記蓄電素子の算出時点以降の充電率の時間変化を出力するように、前記電動移動体が移動するために必要な必要電力量と、前記電動移動体に搭載されている設備での電力消費量との合計の実績を含む学習データによって学習されている学習モデルを用いて移動可能距離を算出する算出部を備え、
    算出された予測電力消費量と、前記蓄電素子の充電率に基づき、前記蓄電素子への充電量を決定し、決定した充電量で前記蓄電素子を充電する
    電池管理装置。
JP2021541988A 2019-08-28 2020-03-23 電池管理装置、学習モデル、コンピュータプログラム、電池管理方法、及び情報提供装置 Active JP7298698B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2019156000 2019-08-28
JP2019156000 2019-08-28
PCT/JP2020/012779 WO2021038940A1 (ja) 2019-08-28 2020-03-23 電池管理装置、学習モデル、コンピュータプログラム、電池管理方法、及び情報提供装置

Publications (3)

Publication Number Publication Date
JPWO2021038940A1 JPWO2021038940A1 (ja) 2021-03-04
JPWO2021038940A5 true JPWO2021038940A5 (ja) 2022-05-11
JP7298698B2 JP7298698B2 (ja) 2023-06-27

Family

ID=74685377

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021541988A Active JP7298698B2 (ja) 2019-08-28 2020-03-23 電池管理装置、学習モデル、コンピュータプログラム、電池管理方法、及び情報提供装置

Country Status (4)

Country Link
US (1) US20220357162A1 (ja)
JP (1) JP7298698B2 (ja)
CN (1) CN114450738A (ja)
WO (1) WO2021038940A1 (ja)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022139826A (ja) * 2021-03-12 2022-09-26 本田技研工業株式会社 車両の制御装置、車両の制御方法およびプログラム
CN117561420A (zh) * 2021-07-13 2024-02-13 松下电器(美国)知识产权公司 信息处理方法、信息处理装置、信息处理程序以及学习完毕模型的制造方法
WO2023119559A1 (ja) * 2021-12-23 2023-06-29 日本電気株式会社 充電設備決定装置、充電設備決定方法、及び記録媒体
JP2024067397A (ja) * 2022-11-04 2024-05-17 株式会社デンソー 空調装置、空調制御装置及び空調制御プログラム

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006115623A (ja) * 2004-10-15 2006-04-27 Fuji Heavy Ind Ltd 走行可能距離推定システム
JP4973475B2 (ja) * 2007-12-06 2012-07-11 トヨタ自動車株式会社 充電制御装置
JP5656736B2 (ja) * 2011-05-16 2015-01-21 トヨタ自動車株式会社 車両および車両の制御方法
JP6021776B2 (ja) * 2013-09-30 2016-11-09 ダイムラー・アクチェンゲゼルシャフトDaimler AG 電気自動車のバッテリ冷却装置
JP6436071B2 (ja) * 2015-12-07 2018-12-12 株式会社デンソー 車両の制御装置
JP2017125825A (ja) * 2016-01-15 2017-07-20 株式会社東芝 電気自動車の走行支援装置、車載装置及び走行支援方法
EP3642072A4 (en) * 2017-05-04 2021-05-26 Iotecha Corp. METHOD AND APPARATUS FOR CHARGING A BATTERY USING LOCAL POWER GRID TOPOLOGY INFORMATION
JP6812903B2 (ja) * 2017-05-26 2021-01-13 トヨタ自動車株式会社 ハイブリッド車両
CN110341546B (zh) * 2019-05-31 2021-03-02 浙江合众新能源汽车有限公司 一种纯电动车续航里程估算方法
KR102602227B1 (ko) * 2019-06-14 2023-11-15 현대자동차주식회사 친환경 자동차 및 그를 위한 충전량 안내 방법

Similar Documents

Publication Publication Date Title
JPWO2021038940A5 (ja)
CN107861508B (zh) 一种移动机器人局部运动规划方法及装置
Hu et al. Reinforcement learning for hybrid and plug-in hybrid electric vehicle energy management: Recent advances and prospects
Berenji et al. A hierarchical approach to designing approximate reasoning-based controllers for dynamic physical systems
CN109131345A (zh) 用于交通工具能量管理和自主驾驶的实时交通工具状态轨迹预测
Shang et al. Deep reinforcement learning with reference system to handle constraints for energy-efficient train control
Parasuraman et al. Model based on-line energy prediction system for semi-autonomous mobile robots
CN104217258A (zh) 一种电力负荷条件密度预测方法
Guo et al. Co-optimization strategy of unmanned hybrid electric tracked vehicle combining eco-driving and simultaneous energy management
Zhou et al. A two-term energy management strategy of hybrid electric vehicles for power distribution and gear selection with intelligent state-of-charge reference
Doan et al. Allocation of wireless power transfer system from viewpoint of optimal control problem for autonomous driving electric vehicles
Yan et al. Real-world learning control for autonomous exploration of a biomimetic robotic shark
Liu et al. Impact of sharing driving attitude information: A quantitative study on lane changing
Kong et al. A data-driven energy management method for parallel PHEVs based on action dependent heuristic dynamic programming (ADHDP) model
Liu et al. Parallel distance: A new paradigm of measurement for parallel driving
Zhang et al. An intelligent driver model with trajectory planning
Wu et al. Transformer-based traffic-aware predictive energy management of a fuel cell electric vehicle
CN111799820B (zh) 一种电力系统双层智能混合零星云储能对抗调控方法
WO2021008798A1 (en) Training of a convolutional neural network
Dai et al. Traffic signal control using offline reinforcement learning
US20230131614A1 (en) Systems and methods for coordinated vehicle lane assignment
Targosz et al. Simulation and optimization methodology of prototype electric vehicle
Leal Martínez et al. MarSim, a simulation of the MarsuBots fleet using NetLogo
Wu et al. Ensembled Traffic-Aware Transformer-Based Predictive Energy Management for Electrified Vehicles
Valenti et al. Battery aging-aware online optimal control: An energy management system for hybrid electric vehicles supported by a bio-inspired velocity prediction