KR20220085395A - 빅데이터를 이용한 차량 배터리 충전 시간 예측 시스템 및 방법 - Google Patents

빅데이터를 이용한 차량 배터리 충전 시간 예측 시스템 및 방법 Download PDF

Info

Publication number
KR20220085395A
KR20220085395A KR1020200175420A KR20200175420A KR20220085395A KR 20220085395 A KR20220085395 A KR 20220085395A KR 1020200175420 A KR1020200175420 A KR 1020200175420A KR 20200175420 A KR20200175420 A KR 20200175420A KR 20220085395 A KR20220085395 A KR 20220085395A
Authority
KR
South Korea
Prior art keywords
charging time
charging
external charger
battery
vehicle
Prior art date
Application number
KR1020200175420A
Other languages
English (en)
Inventor
박현수
Original Assignee
현대자동차주식회사
기아 주식회사
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 현대자동차주식회사, 기아 주식회사 filed Critical 현대자동차주식회사
Priority to KR1020200175420A priority Critical patent/KR20220085395A/ko
Priority to US17/412,338 priority patent/US20220185142A1/en
Priority to CN202111080225.9A priority patent/CN114633651A/zh
Publication of KR20220085395A publication Critical patent/KR20220085395A/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/63—Monitoring or controlling charging stations in response to network capacity
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/66—Data transfer between charging stations and vehicles
    • B60L53/665—Methods related to measuring, billing or payment
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/68—Off-site monitoring or control, e.g. remote control
    • 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
    • B60L50/00—Electric propulsion with power supplied within the vehicle
    • B60L50/50—Electric propulsion with power supplied within the vehicle using propulsion power supplied by batteries or fuel cells
    • B60L50/53—Electric propulsion with power supplied within the vehicle using propulsion power supplied by batteries or fuel cells in combination with an external power supply, e.g. from overhead contact lines
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/65—Monitoring or controlling charging stations involving identification of vehicles or their battery types
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/67—Controlling two or more charging stations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/385—Arrangements for measuring battery or accumulator variables
    • G06Q50/30—
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • 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
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/60—Navigation input
    • 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
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/60—Navigation input
    • B60L2240/62—Vehicle position
    • B60L2240/622—Vehicle position by satellite navigation
    • 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
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/70—Interactions with external data bases, e.g. traffic centres
    • 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
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/80—Time limits
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S30/00—Systems supporting specific end-user applications in the sector of transportation
    • Y04S30/10—Systems supporting the interoperability of electric or hybrid vehicles
    • Y04S30/14—Details associated with the interoperability, e.g. vehicle recognition, authentication, identification or billing

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Secondary Cells (AREA)
  • Operations Research (AREA)

Abstract

연결된 외부 충전기로부터 제공된 충전 전력에 의해 충전되는 배터리를 구비한 차량으로부터 상기 외부 충전기의 식별 정보, 상기 외부 충전기가 위치한 지역 정보 및 상기 외부 충전기에 의해 제공되는 충전 전력의 형식 정보 중 적어도 하나 이상의 충전기 정보 및 상기 배터리의 제1 예측 충전 시간과 실제 충전 시간을 입력 받고 상기 배터리의 제1 예측 충전 시간과 실제 충전 시간을 오차를 연산하며, 상기 충전기 정보 및 상기 오차에 따른 예측 충전 시간 보정값을 연산하는 빅데이터 서버; 및 상기 배터리의 상태에 기반하여 제2 예측 충전 시간을 연산하며, 상기 빅데이터 서버로부터 상기 예측 충전 시간 보정값을 제공받고 제공받은 상기 예측 충전 시간 보정값을 상기 제2 예측 충전 시간에 적용하여 상기 제1 예측 충전 시간을 연산하는 충전 제어기를 포함하는 배터리 빅데이터를 이용한 충전 시간 예측 시스템이 개시된다.

Description

빅데이터를 이용한 차량 배터리 충전 시간 예측 시스템 및 방법{SYSTEM AND METHOD FOR ESTIMATING VEHICLE BATTERY CHARGING TIME USING BIG DATA}
본 발명은 빅데이터를 이용한 차량 배터리 충전 시간 예측 시스템 및 방법에 관한 것으로, 더욱 상세하게는 빅데이터 서버를 통해 구축된 빅데이터를 활용하여, 충전 지역 및 충전 방식 등에 따라 편차가 발생할 수 있는 충전 예측 시간을 더욱 정확하게 도출할 수 있는 빅데이터를 이용한 차량 충전 시간 예측 시스템 및 방법에 관한 것이다.
일반적으로, 친환경 자동차는 배터리에 저장된 전기 에너지로 모터를 구동하여 동력을 생산하는 차량이다. 친환경 자동차는 차량 동력 생산을 위한 충분한 전기 에너지를 저장할 수 있는 배터리를 구비하며, 일반적인 내연 기관 차량의 연료를 주입하는 것과 유사하게 구비하고 있는 배터리를 충전하여야 한다.
내연 기관 차량의 연료 주입은 수분 내로 가능하지만 배터리를 충전하는 데는 상대적으로 많은 시간이 소요되므로, 배터리를 충전하는데 소요되는 시간을 정확히 예측하는 것은 차량의 운행 가능 시각을 예상하고 결정하는데 매우 중요한 문제가 된다.
종래에 차량 배터리의 충전 시간을 예측하는 기법은, 차량 내 제어기(예를 들어, 배터리 관리 시스템(Battery Management System: BMS)이 배터리의 온도, 배터리의 충전 상태(State Of Charge: SOC) 등 배터리 자체의 파라미터와 외부 충전기로부터 제공되는 초기 충전 파워 등을 활용한 단순 계산을 통해 배터리의 충전시간을 예측하는 방식으로 구현되었다.
그러나, 배터리를 충전하는 데는 외부 충전기가 갖는 공급 충전 전력의 편차나 충전소가 위치한 장소의 전력 수급 상태 및 충전 방식(직류 또는 교류 충전) 등의 다양한 외부 요인들로 인해 실제 충전 시간과 예측 충전 시간 사이의 오차가 크게 발생하는 문제가 있다.
상기의 배경기술로서 설명된 사항들은 본 발명의 배경에 대한 이해 증진을 위한 것일 뿐, 이 기술분야에서 통상의 지식을 가진 자에게 이미 알려진 종래기술에 해당함을 인정하는 것으로 받아들여져서는 안 될 것이다.
KR 10-2018-0069954 A KR 10-1567256 B1 KR 10-2014-0047758 A
이에 본 발명은, 빅데이터를 활용하여 차량에 충전 전력을 공급하는 외부 의 특성, 외부 가 설치된 지역 및 외부 가 공급하는 충전 전력의 종류 등에 따른 예측 충전 시간의 오차를 사전에 파악해 두고 차량 충전 시 차량에서 예측한 충전 시간에 오차를 반영하여 충전 시간 예측 정확도를 향상시킬 수 있는 빅데이터를 이용한 차량 배터리 충전 시간 예측 시스템 및 방법을 제공하는 것을 해결하고자 하는 기술적 과제로 한다.
상기 기술적 과제를 해결하기 위한 수단으로서 본 발명은,
연결된 외부 충전기로부터 제공된 충전 전력에 의해 충전되는 배터리를 구비한 차량으로부터 상기 외부 충전기의 식별 정보, 상기 외부 충전기가 위치한 지역 정보 및 상기 외부 충전기에 의해 제공되는 충전 전력의 형식 정보 중 적어도 하나 이상의 충전기 정보 및 상기 배터리의 제1 예측 충전 시간과 실제 충전 시간을 입력 받고 상기 배터리의 제1 예측 충전 시간과 실제 충전 시간을 오차를 연산하며, 상기 충전기 정보 및 상기 오차에 따른 예측 충전 시간 보정값을 연산하는 빅데이터 서버; 및
상기 배터리의 상태에 기반하여 제2 예측 충전 시간을 연산하며, 상기 빅데이터 서버로부터 상기 예측 충전 시간 보정값을 제공받고 제공받은 상기 예측 충전 시간 보정값을 상기 제2 예측 충전 시간에 적용하여 상기 제1 예측 충전 시간을 연산하는 충전 제어기;
를 포함하는 배터리 빅데이터를 이용한 충전 시간 예측 시스템을 제공한다.
본 발명의 일 실시형태에서, 상기 충전 제어기는, 상기 외부 충전기가 상기 차량에 연결되는 경우, 상기 외부 충전기의 식별 정보로서, 상기 외부 충전기의 식별 번호, 상기 외부 충전기의 제조 업체 정보, 상기 외부 충전기의 제품 명 또는 제품 코드를 포함하는 그룹에서 선택된 적어도 하나를 상기 빅데이터 서버로 전송할 수 있다.
본 발명의 일 실시형태에서, 상기 충전 제어기는, 상기 외부 충전기가 상기 차량에 연결되는 경우, 상기 충전 전력의 형식 정보로서, 상기 외부 충전기에서 공급되는 충전 전력이 직류 또는 교류인지를 상기 빅데이터 서버로 전송할 수 있다.
본 발명의 일 실시형태에서, 상기 충전 제어기는, 연산된 상기 제1 예측 충전 시간을 상기 차량의 인스트루먼트 패널 또는 AVN(Audio Video Navigation)에 표출할 수 있다.
상기 기술적 과제를 해결하기 위한 다른 수단으로서 본 발명은, 전술한 빅데이터를 이용한 배터리 충전 시간 예측 시스템에 의해 구현되는 배터리 충전 시간 예측 방법에 관한 것으로,
상기 차량의 충전 제어기가 상기 외부 충전기와 연결이 이루어지면 상기 외부 충전기의 식별 정보, 상기 외부 충전기 위치(차량 위치), 상기 외부 충전기의 충전 전력 종류를 포함하는 충전 조건을 상기 빅데이터 서버로 전송하는 단계;
상기 충전 조건을 수신한 상기 빅데이터 서버가 기 저장된 데이터를 이용하여 상기 충전 조건에 대응되는 상기 보정값을 결정하는 단계; 및
상기 차량 충전기가 상기 배터리를 기반으로 상기 배터리의 충전 시간을 예측한 상기 제1 예측 충전 시간에 상기 보정값을 적용하여 상기 제1 예측 충전 기간을 도출하는 단계;
를 포함할 수 있다.
본 발명의 일 실시형태에서, 상기 충전 조건은, 상기 외부 충전기가 상기 차량에 연결되는 경우, 상기 외부 충전기의 식별 정보로서, 상기 외부 충전기의 식별 번호, 상기 외부 충전기의 제조 업체 정보, 상기 외부 충전기의 제품 명 또는 제품 코드를 포함하는 그룹에서 선택된 적어도 하나일 수도 있다.
본 발명의 일 실시형태에서, 상기 충전 제어기는, 상기 외부 충전기가 상기 차량에 연결되는 경우, 상기 충전 전력의 형식 정보로서, 상기 외부 충전기에서 공급되는 충전 전력이 직류 또는 교류인지를 상기 빅데이터 서버로 전송할 수 있ㄷ자.
본 발명의 일 실시형태에서, 상기 도출하는 단계 이후, 상기 충전 제어기가, 연산된 상기 제1 예측 충전 시간을 상기 차량의 인스트루먼트 패널 또는 AVN(Audio Video Navigation)에 표출하는 단계를 더 포함할 수 있다.
상기 빅데이터를 이용한 차량 배터리 충전 시간 예측 시스템 및 방법에 따르면, 차량의 배터리로 충전 전력을 제공하는 외부 충전기, 외부 충전기의 설치 지역 및 외부 충전기에서 공급되는 충전 전력의 종류 별로 미리 예측 충전 시간의 오차를 보정할 수 있는 보정값을 빅데이터 서버에 저장해 두고 차량 충전 시 이를 제공함으로써, 충전기 간의 성능 편차, 지역 간의 전력 수급 편차 및 충전 전력 별 편차 등을 감안하여 더욱 정확한 충전 시간 예측이 가능한 우수한 효과가 있다.
본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시형태에 따른 빅데이터를 이용한 차량 배터리 충전 시간 예측 시스템을 도시한 구성도이다.
도 2 내지 도 4는 본 발명의 일 실시형태에 따른 빅데이터를 이용한 차량 배터리 충전 시간 예측 시스템 및 방법에서 차량이 빅데이터 서버로 전송하는 정보의 일부를 설명하는 도면이다.
도 5는 본 발명의 일 실시형태에 따른 빅데이터를 이용한 차량 배터리 충전 시간 예측 방법에서 차량의 동작을 도시한 흐름도이다.
도 6은 본 발명의 일 실시형태에 따른 빅데이터를 이용한 차량 배터리 충전 시간 예측 방법에서 빅데이터 서버의 동작을 도시한 흐름도이다.
이하, 첨부의 도면을 참조하여 본 발명의 다양한 실시형태에 따른 빅데이터를 이용한 차량 배터리 충전 시간 예측 시스템 및 방법을 상세하게 설명한다.
도 1은 본 발명의 일 실시형태에 따른 빅데이터를 이용한 차량 배터리 충전 시간 예측 시스템을 도시한 구성도이다.
도 1을 참조하면, 본 발명의 일 실시형태에 따른 빅데이터를 이용한 차량 배터리 충전 시간 예측 시스템은, 외부 (20)에 연결된 차량(10)으로부터 상기 외부 (20)의 식별 정보, 상기 외부 (20)가 위치한 지역 정보 및 상기 외부 (20)에 의해 제공되는 충전 전력의 형식 정보 중 적어도 하나 이상의 정보 및 상기 차량(10) 내 배터리(11)의 제1 예측 충전 시간과 실제 충전 시간의 오차를 입력 받고, 상기 정보에 따른 예측 충전 시간 보정값을 연산하는 빅데이터 서버(100)와, 배터리(11)의 상태에 기반하여 제2 예측 충전 시간을 연산하며, 빅데이터 서버(100)로부터 제공 받은 상기 예측 충전 시간 보정값을 상기 제2 예측 충전 시간에 적용하여 상기 제1 예측 충전 시간을 연산하는 차량(10) 내 충전 제어기(12)를 포함하여 구성될 수 있다.
빅데이터 서버(100)는 차량(10)으로부터 차량 내 배터리(10)를 충전하는 프로세서에 관련된 각종 파라미터를 입력 받고 입력 받은 파라미터를 가공 및 분석한 데이터를 생성하여 저장할 수 있다.
특히, 본 발명의 일 실시형태에서, 빅데이터 서버(100)는 배터리(11) 충전 시 차량(10)으로부터 입력 받은 파라미터 또는 차량(10)에서 입력 받은 파라미터를 이용하여 생성한 2차 데이터를 기반으로 배터리 충전 시간 예측에 관련된 추가적 파라미터를 생성하고 저장할 수 있으며, 차량(10)으로부터 입력 받은 파라미터 및 스스로 생성한 파라미터 등을 활용하여 예측 충전 시간에 대한 보정값을 생성할 수 있다.
도 1에 도시된 것과 같이, 빅데이터 서버(100)는 각 계층 마다 클라우딩 서버(110, 120, 130)를 갖는 계층 구조의 분산 클라우딩 방식으로 구현될 수 있다.
예를 들어, 복수의 계층 구조의 최하위 계층에 속한 제1 계층 클라우딩 서버(110)는, 차량(10)과 통신하여 차량(10)에서 생성된 데이터를 실시간으로 로깅하며 로깅한 데이터를 필요한 경우 차량(10)으로 제공하거나, 최하위 계층(110)의 상위 계층에 속하는 클라우딩 서버(120, 130)로 제공할 수 있다.
제1 계층 클라우딩 서버(100)는 차량과의 통신을 통해 차량에서 생성되는 로(raw) 데이터를 실시간 로깅할 수 있다. 제1 계층 클라우딩 서버(100)는 가능한 짧은 샘플링 레이트(sampling rate)로 데이터 손실 없이 차량 데이터를 로깅하고 저장할 수 있다. 또한, 제1 계층 클라우딩 서버(100)는 통신하는 차량 한대당 로깅 하여 저장할 수 있는 데이터의 수에 대한 제한이 설정될 수 있다. 물론, 자원이 허락하는 경우 차량으로부터 로깅한 데이터를 모두 저장할 수도 있으나, 제1 계층 클라우딩 서버(100)는 주로 실시간으로 차량과 통신하여 차량을 제어하므로 자원의 효율적 사용을 위해 차량 당 저장할 수 있는 데이터의 개수를 제한하는 것이 바람직하다.
제1 계층 클라우딩 서버(10)가 로깅하는 로 데이터는 차량의 각종 제어기에서 생성되어 송신한 데이터이다. 특히, 배터리의 충전 시간을 예측하기 위한 본 발명의 일 실시형태에서, 제1 계층 클라우딩 서버(110)는 차량(10)으로부터 각종 충전 관련 파라미터를 직접 입력 받고, 배터리 충전에 관련된 또 다른 인자를 연산하는데 사용될 파라미터를 분류할 수 있다.
차량(10)으로부터 제1 클라우딩 서버(110)로 제공되는 실시간 데이터는 차량에 설치된 배터리(11)의 충전 및 충전 시간에 영향을 주는 인자들의 데이터일 수 있다. 예를 들어, 실시간 데이터는, 차종, 배터리의 수명(SOH: State OF Health), 충전 시작 시의 배터리 충전 상태(SOC: State Of Charge), 충전 종료 시 배터리 충전 상태, 충전 시작 시의 배터리 온도, 배터리 주변 온도(외기온), 충전 전력을 제공하는 외부 충전기(20)의 최대 파워, 외부 충전기(20)가 제공하는 충전 전력의 형식(직류 전력 또는 교류 전력), 외부 충전기(20)의 설치 지역, 외부 충전기(20)의 식별번호, 외부 충전기(20)의 제작 업체, 외부 충전기(20)의 제품 정보, 충전 시간대, 충전 요구량, 예측 충전 시간, 계절, 실제 배터리 충전 시 소요된 충전 시간 등이 될 수 있다.
빅데이터 서버(100)는 전술한 것과 같은 배터리 충전 및 충전 시간 관련 인자들을 복수의 차량으로부터 수집하고, 수집된 파라미터들을 기반으로 예측 충전 시간의 편차를 해소하기 위한 보정값을 생성할 수 있다.
예측 충전 시간과 실제 충전 시간의 비교 및 충전 예상 시간 보정값의 연산 등은 제2 및 제3 클라우딩 서버(120, 130)와 같이 상위 클라우딩 서버에서 이루어질 수 있다.
제2 클라우딩 서버(120) 또는 제3 클라우딩 서버(130)는 제1 클라우딩 서버(110)가 수집한 충전 및 충전 시간 관련 인자들을 기반으로 충전 시간의 편차를 연산할 수 있다. 즉, 충전기의 전력 형식(DC 또는 AC), 충전기 제작 업체, 충전기 설치 지역, 충전 시간 대, 계절, 충전 시작 시의 배터리 SOC, 충전 종료 시 배터리 SOC, 충전 시작 시 배터리 온도, 배터리 주변 온도의 조합에 따른 충전 시간의 오차를 연산할 수 있다.
제2 클라우딩 서버(120) 또는 제3 클라우딩 서버(130)는 충전 시간 관련 인자들의 조합에 따른 충전 시간의 오차가 사전 설정된 충분한 수로 수집이 된 경우 해당 조합에 대한 충전 시간의 오차를 해당 조합에 대한 충전 시간 보정값으로 결정할 수 있다. 이 보정값은 충전을 개시하는 차량에 전송되고, 차량은 연산한 예상 충전 시간에 수신한 보정값을 적용하여 보정된 예상 충전 시간을 표출되게 할 수 있다.
이와 같이, 본 발명의 일 실시형태에서, 빅데이터 서버(100)는 예상 충전 시간과 실제 충전 시간의 오차를 보정하기 위한 보정값을 생성하고, 배터리(11)를 충전하고자 하는 차량(10)에 해당 차량에 대응되는 적절한 보정값을 전송하여 차량(10)이 충전을 개시하기 전에 보정값을 이용하여 차량이 배터리(11) 상태를 기반으로 연산한 예측 충전 시간을 보정하게 하여 더욱 정확한 예상 충전 시간을 운전자에게 표출되게 할 수 있다.
도 1은 총 세 개의 계층으로 구현된 실시형태를 예시적으로 설명하기 위한 것으로, 계층의 수는 필요에 따라 적절하게 조정될 수 있다.
차량(10)은 배터리(11)와 배터리(11)의 상태를 모니터링하고 배터리(11) 충전 시 배터리(11) 및 연결된 외부 충전기 정보를 기반으로 예측 충전 시간을 연산하는 충전 제어기(12)를 포함할 수 있다. 충전 제어기(12)는 일반적인 모터 구동 차량의 배터리를 관리하기 위해 마련되는 BMS(Battery Management System)일 수 있다. 본 명세서에서 차량(10)이 수행하는 것으로 기재된 여러 제어는 차량에 마련된 제어기, 특히 배터리(11)의 충전과 관련된 충전 제어기(12)에 의해 수행되는 것이라 이해될 수 있다.
또한, 차량(10)은, 배터리(11) 및 연결된 외부 충전기 정보를 기반으로 연산된 예측 충전 시간에 빅데이터 서버(100)로부터 수신한 보정값을 적용하여 최종적으로 예측 충전 시간을 확정할 수 있다. 이하에서는, 설명의 편의를 위해 빅데이터 서버(100)의 보정값을 적용하여 최종적으로 결정된 예측 충전 시간을 제1 예측 충전 시간이라고 하고 보정값이 적용되기 전 배터리(11) 및 연결된 외부 충전기 정보를 기반으로 연산된 예측 충전 시간을 제2 예측 충전 시간이라 명명할 수 있다.
도 2 내지 도 4는 본 발명의 일 실시형태에 따른 빅데이터를 이용한 차량 배터리 충전 시간 예측 시스템 및 방법에서 차량이 빅데이터 서버로 전송하는 정보의 일부를 설명하는 도면이다.
도 2에 도시한 바와 같이, 차량(10)은 충전 시 마다 서로 다른 복수의 충전기를 이용하여 배터리(11)를 충전할 수 있는데, 충전 시 차량(10)은 충전 전력을 제공받기 위해 연결되는 외부 충전기를 식별할 수 있는 정보를 충전기로부터 제공받아 빅데이터 서버(100)로 전송할 수 있다. 여기서 외부 충전기를 식별할 수 있는 정보는, 개별 충전기(20) 자체를 다른 충전기와 구별할 수 있는 식별 번호이거나, 대체로 한 제조 업체에서 제조된 충전기는 서로 유사한 전기적 특성을 가질 수 있으므로 제조 업체 정보이거나, 일 제품군의 충전기가 서로 유사한 전기적 특성을 가질 수 있으므로 외부 충전기의 제품명 또는 제품 코드 등이 될 수 있다.
차량(10)은 외부 충전기를 식별할 수 있는 정보와 함께 실제 충전 시간 및 최종적으로 계산한 제1 충전 예측 시간을 빅데이터 서버(100)로 전송할 수 있다.
또한, 도 3에 도시한 바와 같이, 차량(10)은 충전 시 마다 외부 충전기가 설치된 지역 정보를 빅데이터 서버(100)로 전송할 수 있다. 외부 충전기(20)가 설치된 지역 정보는 차량 내 구비된 AVN(Audio Video Navigation) 장치에서 GPS를 통해 획득한 차량의 위치 정보를 활용하여 도출될 수 있다. 이는 지역별로 전력 수급의 차이가 있기 때문에 동일한 충전기라고 하더라도, 전력 수급 상황이 서로 다른 지역에서 사용되는 경우 성능의 차이가 발생할 수 있다. 본 발명의 이러한 지역별 전력 수급 차이가 예측 충전 시간을 연산하는데 미치는 영향을 고려하여, 충전 시 차량(10)이 지역 정보를 빅데이터 서버(100)로 전송하게 할 수 있다.
차량(10)은 지역 정보와 함께 실제 충전 시간 및 최종적으로 계산한 제1 충전 예측 시간을 빅데이터 서버(100)로 전송할 수 있다.
또한, 도 4에 도시한 바와 같이, 차량(10)은 충전 시 마다 외부 충전기가 공급하는 충전 전력의 종류가 직류 전력인지 교류 전력인지 빅데이터 서버(100)로 전송할 수 있다. 이는 외부 충전기(20)에서 공급되는 충전 전력은 그 종류별로 특성이 서로 다를 수 있기 때문이다.
차량(10)은 충전 전력의 종류와 함께 실제 충전 시간 및 최종적으로 계산한 제1 충전 예측 시간을 빅데이터 서버(100)로 전송할 수 있다.
도 5는 본 발명의 일 실시형태에 따른 빅데이터를 이용한 차량 배터리 충전 시간 예측 방법에서 차량의 동작을 도시한 흐름도이고, 도 6은 본 발명의 일 실시형태에 따른 빅데이터를 이용한 차량 배터리 충전 시간 예측 방법에서 빅데이터 서버의 동작을 도시한 흐름도이다.
본 발명의 일 실시형태에 따른 빅데이터를 이용한 차량 배터리 충전 시간 예측 방법에 대한 설명을 통해, 전술한 것과 같은 구성을 갖는 빅데이터를 이용한 차량 배터리 충전 시간 예측 시스템의 동작 및 작용 효과가 더욱 명확하게 이해될 수 있을 것이다.
도 5 및 도 6을 참조하면, 본 발명의 일 실시형태에 따른 빅데이터를 이용한 차량 배터리 충전 시간 예측 시스템은, 우선 빅데이터 서버(100)가 다수의 차량(10)으로부터 여러 데이터를 수집하고 충전 시간 예측의 기준이 되는 조건들(충전기, 충전기 지역, 충전전력 종류)과 그에 따른 예측 충전 시간과 실제 충전 시간의 오차 및 오차를 보정하기 위한 보정값을 생성할 수 있다.
빅데이터 서버(100)는 차량 충전이 개시되기 이전에, 보정값을 도출하기 위해 사용되는 조건들을 수신하고 이들 조건에 대응되는 보정값을 차량에 제공하고, 차량 충전이 종료된 이후에 실제 충전 시간과 보정값이 적용된 예측 충전 시간을 차량(10)에서 제공받을 수 있다.
차량(10)의 충전 제어기(12)는, 배터리(11)의 충전을 위해 외부 충전기(20)와 연결이 이루어지면(S11), 충전기 식별 정보, 충전기 위치(차량 위치), 충전기의 충전 전력 종류를 빅데이터 서버(200)로 전송한다(S12).
이어, 차량(10)의 충전 제어기(12)는 충전 개시 시점에서의 충전 관련 파라미터를 기반으로 사전 설정된 알고리즘 등을 적용하여 제2 예측 충전 시간을 연산할 수 있다(S13). 차량 내 충전 제어기(12)는 배터리 충전 개시 시점에서 배터리(11)의 충전 관련 파라미터(예를 들어, 배터리 온도, 배터리 SOC, 외부 충전기로부터 제공되는 충전 전력 등)를 설정된 알고리즘에 적용하여 제2 예측 충전 시간을 연산할 수 있다. 배터리의 충전 예상 시간을 연산하는 알고리즘은 당 기술 분야에 공지된 다양한 알고리즘을 적용할 수 있다.
이어, 차량(10)의 충전 제어기(12)는, 빅데이터 서버(100)로부터 빅데이터 서버(100)가 사전에 연산해 둔 보정값을 제공받고, 제2 예측 충전 시간에 보정값을 적용하여 최종적인 예측 충전 시간인 제1 예측 충전 시간을 연산할 수 있다(S14). 빅데이터 서버(100)는 단계(S12)에서 차량(10)의 충전 제어기(12)로부터 수신한 충전기 식별 정보, 충전기 위치(차량 위치), 충전기의 충전 전력 종류 정보에 기반하여 보정값을 결정하고 전송할 수 있으며, 차량(10)의 충전 제어기(12)가 단계(S14)에서 보정값을 수신하고 이를 적용하여 제1 예측 충전 시간을 연산할 수 있다.
이어, 차량(10)의 충전 제어기(12)는 연산된 제1 예측 충전 시간을 차량의 인스트루먼트 패널이나 AVN에 표출할 수 있다.
이어, 차량(10)의 충전 제어기(12)는 배터리(11)로 외부 충전기(20)의 충전 전력이 공급되게 하여 충전을 개시하고(S16), 충전이 종료되면(S17) 실제 충전에 소요된 실제 충전 시간과 제1 예측 충전 시간을 빅데이터 서버(100)로 전송할 수 있다.
한편, 빅데이터 서버(20)는, 충전을 개시하기 이전 상태의 차량으로부터 정보를 수신하면(S21), 수신한 정보를 기반으로 예측 충전 시간의 보정값을 결정할 수 있다(S22). 이는 그 이전에 수신하고 연산한 정보들(충전기 식별 정보, 충전기 위치(차량 위치), 충전기의 충전 전력 종류 정보, 배터리의 실제 충전 시간, 제1 예측 충전 시간, 실제 충전 시간과 제1 예측 충전 시간의 오차 등)을 이용하여 미리 도출한 충전 조건(충전기, 충전기 위치, 충전기의 충전 전력 종류)에 따른 보정값을 기반으로 이루어질 수 있다. 즉, 빅데이터 서버(20)는 충전 조건에 따른 보정값을 미리 통계적인 방식으로 결정하여 저장하며, 충전 대기 상태의 차량(10)에서 충전 조건이 전송되면 저장해둔 보정값들 중 전송받은 충전 조건에 대응되는 보정값을 결정할 수 있다.
이어, 차량은 결정된 보정값을 차량(10)으로 전송하여, 차량(10)의 충전 제어기(12)가 제2 예측 충전 시간에 보정값을 적용하여 제1 예측 충전 시간을 연산하게 할 수 있다.
이어, 차량(10)의 충전이 종료되고, 빅데이터 서버(100)가 차량(10)으로부터 실제 충전 시간과 제1 예측 충전 시간을 전송 받으면(S24), 빅데이터 서버(100)는 실제 충전 시간과 제1 예측 충전 시간의 오차를 연산하고 이 오차를 감소시킬 수 있는 보정값을 연산할 수 있다(S25).
단계(S25)에서 빅데이터 서버(100)는 충전기 식별 정보, 충전기 위치(차량 위치), 충전기의 충전 전력 종류 정보 등에 해당하는 충전 조건별로 오차를 연산하고, 이 오차를 감소시킬 수 있는 보정값을 연산할 수 있다. 빅데이터 서버(100)에는 그 이전에 조건별 보정값을 미리 저장해 두고 있으므로, 단계(S25)에서 빅데이터 서버(100)는 충전을 종료한 차량으로부터 충전 조건이 입력되면 오차를 연산하고, 오차가 감소하도록 미리 저장해둔 보정값을 수정하는 방식으로 보정값을 연산할 수 있다. 예를 들어, 빅데이터 서버(100)는 오차가 점차 감소하는 경우에는 보정값의 크기를 사전 설정된 단위만큼 증가시킬 수 있다. 이에 따라 그 이후에 수신되는 오차는 증가된 보정값의 크기에 따라 더 작아질 수 있으며, 보정값의 크기를 조금씩 증가 시켜감에 따라 결국 오차의 크기는 0으로 수렴하게 될 수 있다.
이상에서 설명한 바와 같이, 본 발명의 여러 실시형태에 따른 배터리 충전 시간 예측 시스템 및 방법은, 차량의 배터리로 충전 전력을 제공하는 외부 충전기, 외부 충전기의 설치 지역 및 외부 충전기에서 공급되는 충전 전력의 종류 별로 미리 예측 충전 시간의 오차를 보정할 수 있는 보정값을 빅데이터 서버에 저장해 두고 차량 충전 시 이를 제공함으로써, 충전기 간의 성능 편차, 지역 간의 전력 수급 편차 및 충전 전력 별 편차 등을 감안하여 더욱 정확한 충전 시간 예측이 가능하다.
이상에서 본 발명의 특정한 실시형태에 관련하여 도시하고 설명하였지만, 청구범위의 한도 내에서, 본 발명이 다양하게 개량 및 변화될 수 있다는 것은 당 기술분야에서 통상의 지식을 가진 자에게 있어서 자명할 것이다.
10: 차량 11: 배터리
12: 충전 제어기(BMS) 20: 외부 충전기
100: 빅데이터 서버

Claims (8)

  1. 연결된 외부 충전기로부터 제공된 충전 전력에 의해 충전되는 배터리를 구비한 차량으로부터 상기 외부 충전기의 식별 정보, 상기 외부 충전기가 위치한 지역 정보 및 상기 외부 충전기에 의해 제공되는 충전 전력의 형식 정보 중 적어도 하나 이상의 충전기 정보 및 상기 배터리의 제1 예측 충전 시간과 실제 충전 시간을 입력 받고 상기 배터리의 제1 예측 충전 시간과 실제 충전 시간을 오차를 연산하며, 상기 충전기 정보 및 상기 오차에 따른 예측 충전 시간 보정값을 연산하는 빅데이터 서버; 및
    상기 배터리의 상태에 기반하여 제2 예측 충전 시간을 연산하며, 상기 빅데이터 서버로부터 상기 예측 충전 시간 보정값을 제공받고 제공받은 상기 예측 충전 시간 보정값을 상기 제2 예측 충전 시간에 적용하여 상기 제1 예측 충전 시간을 연산하는 충전 제어기;
    를 포함하는 배터리 빅데이터를 이용한 충전 시간 예측 시스템.
  2. 청구항 1에 있어서, 상기 충전 제어기는,
    상기 외부 충전기가 상기 차량에 연결되는 경우, 상기 외부 충전기의 식별 정보로서, 상기 외부 충전기의 식별 번호, 상기 외부 충전기의 제조 업체 정보, 상기 외부 충전기의 제품 명 또는 제품 코드를 포함하는 그룹에서 선택된 적어도 하나를 상기 빅데이터 서버로 전송하는 것을 특징으로 하는 빅데이터를 이용한 배터리 충전 시간 예측 시스템.
  3. 청구항 1에 있어서, 상기 충전 제어기는,
    상기 외부 충전기가 상기 차량에 연결되는 경우, 상기 충전 전력의 형식 정보로서, 상기 외부 충전기에서 공급되는 충전 전력이 직류 또는 교류인지를 상기 빅데이터 서버로 전송하는 것을 특징으로 하는 빅데이터를 이용한 배터리 충전 시간 예측 시스템.
  4. 청구항 1에 있어서,
    상기 충전 제어기는, 연산된 상기 제1 예측 충전 시간을 상기 차량의 인스트루먼트 패널 또는 AVN(Audio Video Navigation)에 표출하는 것을 특징으로 하는 빅데이터를 이용한 배터리 충전 시간 예측 시스템.
  5. 청구항 1의 빅데이터를 이용한 배터리 충전 시간 예측 시스템에 의해 구현되는 빅데이터를 이용한 배터리 충전 시간 예측 방법에 있어서,
    상기 차량의 충전 제어기가 상기 외부 충전기와 연결이 이루어지면 상기 외부 충전기의 식별 정보, 상기 외부 충전기 위치(차량 위치), 상기 외부 충전기의 충전 전력 종류를 포함하는 충전 조건을 상기 빅데이터 서버로 전송하는 단계;
    상기 충전 조건을 수신한 상기 빅데이터 서버가 기 저장된 데이터를 이용하여 상기 충전 조건에 대응되는 상기 보정값을 결정하는 단계; 및
    상기 차량 충전기가 상기 배터리를 기반으로 상기 배터리의 충전 시간을 예측한 상기 제2 예측 충전 시간에 상기 보정값을 적용하여 상기 제1 예측 충전 시간을 도출하는 단계;
    를 포함하는 빅데이터 서버를 이용한 배터리 충전 시간 예측 방법.
  6. 청구항 5에 있어서, 상기 충전 조건은,
    상기 외부 충전기가 상기 차량에 연결되는 경우, 상기 외부 충전기의 식별 정보로서, 상기 외부 충전기의 식별 번호, 상기 외부 충전기의 제조 업체 정보, 상기 외부 충전기의 제품 명 또는 제품 코드를 포함하는 그룹에서 선택된 적어도 하나인 것을 특징으로 하는 빅데이터를 이용한 배터리 충전 시간 예측 방법
  7. 청구항 5에 있어서, 상기 충전 제어기는,
    상기 외부 충전기가 상기 차량에 연결되는 경우, 상기 충전 전력의 형식 정보로서, 상기 외부 충전기에서 공급되는 충전 전력이 직류 또는 교류인지를 상기 빅데이터 서버로 전송하는 것을 특징으로 하는 빅데이터를 이용한 배터리 충전 시간 예측 방법.
  8. 청구항 5에 있어서, 상기 도출하는 단계 이후,
    상기 충전 제어기가, 연산된 상기 제1 예측 충전 시간을 상기 차량의 인스트루먼트 패널 또는 AVN(Audio Video Navigation)에 표출하는 단계를 더 포함하 것을 특징으로 하는 빅데이터를 이용한 배터리 충전 시간 예측 방법.
KR1020200175420A 2020-12-15 2020-12-15 빅데이터를 이용한 차량 배터리 충전 시간 예측 시스템 및 방법 KR20220085395A (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020200175420A KR20220085395A (ko) 2020-12-15 2020-12-15 빅데이터를 이용한 차량 배터리 충전 시간 예측 시스템 및 방법
US17/412,338 US20220185142A1 (en) 2020-12-15 2021-08-26 System and method for estimating vehicle battery charging time using big data
CN202111080225.9A CN114633651A (zh) 2020-12-15 2021-09-15 用于利用大数据估算车辆电池充电时间的系统和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200175420A KR20220085395A (ko) 2020-12-15 2020-12-15 빅데이터를 이용한 차량 배터리 충전 시간 예측 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR20220085395A true KR20220085395A (ko) 2022-06-22

Family

ID=81943057

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200175420A KR20220085395A (ko) 2020-12-15 2020-12-15 빅데이터를 이용한 차량 배터리 충전 시간 예측 시스템 및 방법

Country Status (3)

Country Link
US (1) US20220185142A1 (ko)
KR (1) KR20220085395A (ko)
CN (1) CN114633651A (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR3140711A1 (fr) * 2022-10-10 2024-04-12 Psa Automobiles Sa Procédé d’estimation d’une durée de charge restant pour un véhicule automobile électrifié
CN116901773A (zh) * 2023-08-31 2023-10-20 深圳市井人科技有限公司 一种用于电动车的无线充电引导系统及方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140047758A (ko) 2012-10-12 2014-04-23 현대모비스 주식회사 전력 반도체의 온도 측정 시스템 및 방법, 그리고 이의 저장 매체
KR101567256B1 (ko) 2014-11-06 2015-11-13 현대자동차주식회사 인버터의 정션온도 예측 장치 및 방법
KR20180069954A (ko) 2016-12-15 2018-06-26 현대자동차주식회사 파워모듈의 정션온도 측정 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140047758A (ko) 2012-10-12 2014-04-23 현대모비스 주식회사 전력 반도체의 온도 측정 시스템 및 방법, 그리고 이의 저장 매체
KR101567256B1 (ko) 2014-11-06 2015-11-13 현대자동차주식회사 인버터의 정션온도 예측 장치 및 방법
KR20180069954A (ko) 2016-12-15 2018-06-26 현대자동차주식회사 파워모듈의 정션온도 측정 방법

Also Published As

Publication number Publication date
US20220185142A1 (en) 2022-06-16
CN114633651A (zh) 2022-06-17

Similar Documents

Publication Publication Date Title
JP7182476B2 (ja) 二次電池モジュールの余寿命診断方法及び余寿命診断システム
KR102468385B1 (ko) 친환경 차량 배터리의 충전시간 예측 방법
CN109606119B (zh) 一种电动汽车的续航里程校准方法及系统
GB2548670A (en) System and method for recommending charging station for electric vehicle
EP2708403A2 (en) System and method for managing load on a power grid
CN110549876A (zh) 一种能量输出控制方法、装置和氢燃料混合动力汽车
KR20220085395A (ko) 빅데이터를 이용한 차량 배터리 충전 시간 예측 시스템 및 방법
CN110167783B (zh) 一种用于确定电池组的充电状态的方法和装置
US11413985B2 (en) Diagnosis system, diagnosis method, and program
KR20180096756A (ko) 자동차 작동 방법, 구동 시스템용 제어 유닛 및 구동 시스템
CN105277897A (zh) 电动汽车中电池包的寿命评估方法和系统
CN113504479B (zh) 基于云的电池充电剩余时间的估算方法、系统和存储介质
US11385631B2 (en) Method and system for detecting faults in a charging infrastructure system for electric vehicles
KR102347509B1 (ko) 급속 충전 제어 시스템 및 방법
US20220121436A1 (en) System and method for controlling an update of a vehicle controller
KR20210144171A (ko) 분산 클라우딩을 이용한 차량 제어 시스템
US11299064B2 (en) Information supply device, information supply method, and storage
US11180051B2 (en) Display apparatus and vehicle including the same
CN111098743B (zh) 一种充电时间的预测方法、装置及电子设备
CN115583153A (zh) 一种续航里程计算方法、装置及计算机设备
Payri et al. On a stochastic approach of the ECMS method for energy management in hybrid electric vehicles
CN112018794B (zh) 管理装置、管理方法及存储介质
KR20210129893A (ko) 빅데이터를 이용한 차량 배터리 충전 시간 예측 시스템 및 방법
JP2023036272A (ja) 車載電池管理装置
KR20210136496A (ko) 빅데이터를 이용한 배터리 수명 예측 시스템

Legal Events

Date Code Title Description
A201 Request for examination