KR20230161415A - 전기 차량으로의 전력 공급 - Google Patents

전기 차량으로의 전력 공급 Download PDF

Info

Publication number
KR20230161415A
KR20230161415A KR1020237015738A KR20237015738A KR20230161415A KR 20230161415 A KR20230161415 A KR 20230161415A KR 1020237015738 A KR1020237015738 A KR 1020237015738A KR 20237015738 A KR20237015738 A KR 20237015738A KR 20230161415 A KR20230161415 A KR 20230161415A
Authority
KR
South Korea
Prior art keywords
battery
energy density
electric vehicle
high energy
power supply
Prior art date
Application number
KR1020237015738A
Other languages
English (en)
Inventor
무지브 아이자즈
브라이언 무어헤드
Original Assignee
아워 넥스트 에너지 인크.
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 아워 넥스트 에너지 인크. filed Critical 아워 넥스트 에너지 인크.
Publication of KR20230161415A publication Critical patent/KR20230161415A/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
    • 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
    • B60L58/20—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 having different nominal voltages
    • 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
    • B60L15/00—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles
    • B60L15/20—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles for control of the vehicle or its driving motor to achieve a desired performance, e.g. speed, torque, programmed variation of speed
    • B60L15/2045—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles for control of the vehicle or its driving motor to achieve a desired performance, e.g. speed, torque, programmed variation of speed for optimising the use of energy
    • 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
    • B60L53/10—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 characterised by the energy transfer between the charging station and the vehicle
    • B60L53/14—Conductive energy transfer
    • B60L53/16—Connectors, e.g. plugs or sockets, specially adapted for charging electric vehicles
    • 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
    • B60L53/20—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 characterised by converters located in the vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • 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
    • B60L58/16—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to battery ageing, e.g. to the number of charging cycles or the state of health [SoH]
    • 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
    • B60L58/22—Balancing the charge of battery modules
    • 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
    • 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
    • H01M10/44—Methods for charging or discharging
    • H01M10/441—Methods for charging or discharging for several batteries or cells simultaneously or sequentially
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0013—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries acting upon several batteries simultaneously or sequentially
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0013—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries acting upon several batteries simultaneously or sequentially
    • H02J7/0014—Circuits for equalisation of charge between batteries
    • H02J7/0016—Circuits for equalisation of charge between batteries using shunting, discharge or bypass circuits
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0013—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries acting upon several batteries simultaneously or sequentially
    • H02J7/0025—Sequential battery discharge in systems with a plurality of batteries
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • H02J7/0048—Detection of remaining charge capacity or state of charge [SOC]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • H02J7/005—Detection of state of health [SOH]
    • 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
    • B60L2210/00—Converter types
    • B60L2210/10—DC to DC converters
    • 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
    • B60L2240/40—Drive Train control parameters
    • B60L2240/42—Drive Train control parameters related to electric machines
    • B60L2240/423—Torque
    • 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
    • B60L2240/40—Drive Train control parameters
    • B60L2240/42—Drive Train control parameters related to electric machines
    • B60L2240/425—Temperature
    • 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
    • H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
    • H01M10/482—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte 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
    • H01M2220/00—Batteries for particular applications
    • H01M2220/20—Batteries in motive systems, e.g. vehicle, ship, plane
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/40—The network being an on-board power network, i.e. within a vehicle
    • H02J2310/48—The network being an on-board power network, i.e. within a vehicle for electric vehicles [EV] or hybrid vehicles [HEV]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0029—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with safety or protection devices or circuits
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/14—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries for charging batteries from dynamo-electric generators driven at varying speed, e.g. on vehicle
    • H02J7/1423—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries for charging batteries from dynamo-electric generators driven at varying speed, e.g. on vehicle with multiple batteries
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/34—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering
    • H02J7/342—The other DC source being a battery actively interacting with the first one, i.e. battery to battery charging
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/14—Plug-in electric vehicles

Abstract

전력 공급 시스템은 트랙션 배터리의 범위를 확장하기 위해 재충전가능 배터리에 사용되는 저-사이클-수명, 고 에너지 밀도 화학물질을 가능하게 하는 하이브리드 아키텍처를 활용한다.

Description

전기 차량으로의 전력 공급
관련 분야에 대한 상호 참조
본 출원은 2020년 10월 9일자로 출원된 미국 출원 제63/089,990호 및 2021년 3월 16일자로 출원된 미국 출원 제63/161,822호의 우선권 주장 출원이고, 이들 각각의 출원은 전체적으로 참조로 병합된다.
본 개시내용은 일반적으로, 전기 차량에 전력을 공급하는 시스템, 방법, 및 컴퓨터 프로그램에 관한 것으로, 보다 상세하게는, 트랙션 배터리의 범위를 확장하도록 구성된 고 에너지 밀도 배터리를 통해 전기 차량의 전력 공급 시스템을 동작시키는 시스템, 방법, 및 컴퓨터 프로그램에 관한 것이다.
본 개시내용은 또한, 안전성 보장, 배터리 수명 최대화, 및 전기 차량의 배터리 용량 최대화를 포함하여, 하이브리드 아키텍처에 의해 제공되는 장점을 유지하거나 최대화하면서 범위 또는 거리 목표를 달성하기 위해, 하이브리드 아키텍처의 개별 배터리로부터 얻을 출력 전력 수준의 지능적 결정을 위한 방법, 시스템, 및 컴퓨터 프로그램 제품에 관한 것이다.
전기 차량에 사용되는 전력 공급 시스템은 일반적으로 단일 배터리 팩 또는 다수의 배터리 팩을 사용하여 직렬로 연결된다. 이들 배터리는 일반적으로 재충전가능 배터리이며 통상적으로 리튬-이온 배터리이다.
리튬-이온 배터리는 고 출력 전압, 우수한 사이클 성능, 저 자기-방전 속도, 고속 충방전, 및 고 충전 효율로 인해 환경오염이 없는 그린 에너지로서 전기 차량 및 저장부에 널리 사용되고 있다.
기존의 배터리 파라미터 업데이트는 배터리 관리 시스템(BMS)에 의존한다. BMS의 주요 기능은 다음을 포함한다: 다른 데이터 포인트 중에서 배터리 전압, 전류, 온도를 모니터링함; 배터리 SOC(State of Charge, 충전 상태), SOH(State of Health, 건강 상태), SOE(State of Energy, 에너지 상태), SOP(State of Power, 전원 상태), RM(Remaining Mileage, 남은 마일리지)를 추정하고 진단을 실행함; 배터리의 건강을 보호하고 배터리 밸런싱 관리 및 배터리 열 관리 프로세스를 실행함.
배터리의 파라미터를 보다 정확하게 측정하기 위해, 기존의 기술 해결책은 추정된 배터리 SOC를 확인하기 위해 OCV(Opening Circuit Voltage, 개방 회로 전압)-SOC 곡선을 자주 미리 저장한다. 일부 데이터는 BMS에 의해 클라우드 백업에 업로딩되어 제조업체 또는 AS(after-sales)가 데이터 분석 오류 및 배터리 이력 정보를 검색할 수 있다.
일반적으로 SOC의 정확한 밸런싱을 유지하고 배터리 셀과 배터리 팩/모듈 간의 배터리 특성의 밸런싱을 맞추는 것은 어렵다. 오래된 배터리와 새 배터리, 용량이 다른 배터리 또는 특성이 상이한 배터리 팩은 함께 사용될 수 없다; 하나의 배터리 코어 또는 팩이 고장나면 전체 배터리 시스템이 고장날 수 있다. 이들 문제는 효율성 및 범위를 감소시키고 배터리 시스템의 생산 및 검사 비용(screening costs)을 크게 증가시킨다.
배터리 기술 개발에서 발생하는 또 다른 일반적인 문제는 에너지 밀도, 유효 수명 동안 사용 가능한 배터리 사이클 수와 배터리 성능 간의 절충과 관련이 있다. 유리한 에너지 밀도, 고 성능 및 배터리가 유용한 수명 동안 충전 및 방전될 수 있는 다수의 사이클을 갖는 배터리 해결책 또는 에너지 저장 해결책을 제공하는 알려진 기술은 현재 존재하지 않는다.
본 발명은 전기 차량에 전력을 공급하는 시스템, 방법, 및 컴퓨터 프로그램을 제공한다.
임의의 특정 요소나 행위에 대한 논의를 쉽게 식별하기 위해, 참조 번호에서 가장 중요한 숫자(들)는 해당 요소가 처음 도입된 도면 번호를 나타낸다. 전력 공급 시스템의 특징이라고 여겨지는 소정의 신규 기능은 첨부된 청구범위에 요약되어 있다. 그러나, 전력 공급 시스템 자체뿐만 아니라 선호되는 사용 모드, 추가적인 비-제한적 목적 및 이점은 첨부된 도면과 함께 읽을 때 예시적인 실시예에 대한 다음의 상세한 설명을 참조하여 가장 잘 이해될 것이며, 여기에서:
도 1은 예시적인 실시예가 구현될 수 있는 전력 공급 시스템의 블록도를 도시한다.
도 2는 예시적인 실시예가 구현될 수 있는 컴퓨터 시스템의 블록도를 도시한다.
도 3은 예시적인 실시예에 따른 전기 차량의 스케치를 도시한다.
도 4a는 예시적인 실시예에 따른 차트를 도시한다.
도 4b는 예시적인 실시예에 따른 또 다른 차트를 도시한다.
도 5a는 예시적인 실시예에 따른 전력 공급 시스템의 스케치를 도시한다.
도 5b는 예시적인 실시예에 따른 차트 방전 곡선의 차트를 도시한다.
도 6은 예시적인 실시예에 따른 전력 공급 시스템의 또 다른 스케치를 도시한다.
도 7은 예시적인 실시예에 따른 전력 공급 시스템 및 차량 섀시의 또 다른 블록도를 도시한다.
도 8은 예시적인 실시예에 따른 전력 공급 시스템의 블록도를 도시한다.
도 9는 예시적인 실시예가 구현될 수 있는 전력 공급 시스템을 동작시키기 위한 예시적인 프로세스의 흐름도를 도시한다.
도 10은 예시적인 실시예가 구현될 수 있는 데이터 프로세싱 시스템의 네트워크의 블록도를 도시한다.
도 11은 예시적인 실시예가 구현될 수 있는 데이터 프로세싱 시스템의 블록도를 도시한다.
도 12는 예시적인 실시예에 따른 지능형 전력 출력 제안을 위한 구성을 도시한다; 그리고
도 13은 예시적인 실시예에 따른 기계 학습 모델을 훈련시키는 예시적인 구성의 블록도를 도시한다.
도 14는 예시적인 실시예에 따른 예시적인 프로세스의 흐름도를 도시한다.
도 15는 예시적인 실시예에 따른 예시적인 속성의 우선순위화의 블록도를 도시한다.
예시적인 실시예는 현재 이용 가능한 해결책이 전술한 문제점을 완전히 해결하지 못하거나 적절한 해결책을 제공하지 않는다는 것을 인식한다. 전기 차량은 일반적으로 차량에 전력을 공급하기 위한 단일 배터리에 의존한다. 이는 사이클 수명, 내구성, 및 범위 요건을 충족시킬 수 있는 화학물질만으로 차량의 범위를 제한하며, 일반적으로 화학물질이 제한되어야 한다는 것을 의미한다. 많은 화학물질은 전기 차량 배터리에 사용되는 종래의 화학물질보다 더 높은 에너지 밀도를 가질 수 있지만(예를 들어, 에너지 밀도에서 2 내지 3 배 더 높음), 불충분한 사이클 수명을 가질 수 있다. 전기 차량에서 범위 확장이 필요하다는 것을 고려하면, 상기 화학물질은, 적절하게 관리될 때, 종래의 성능 밖의 범위를 상당히 확장하기 위해 이용될 수 있다.
예시적인 실시예는 재충전가능 배터리에서의 가장 종래의 셀이 병렬로 연결되어, 셀을 통과하는 입력 및 출력 전류를 제어하는 것을 배제하는 것을 인식한다. 예시적인 실시예는 또한, 상기 재충전가능 배터리의 개별 셀이 고장날 때, 셀의 사망(death)이 제 시간에 상기 고장의 검출 및/또는 완화의 실패로 인해 가속됨에 따라, 배터리의 무결성 및 성능을 유지하는 것이 어렵다는 것을 인식한다. 게다가, 일부 구성에서, 전체 배터리는 하나의 셀이 고장날 때 사용불가능하게 렌더링될 수 있다. 예시적인 실시예는 종래의 배터리가 높은 사이클 수명 요건으로 인해 고 에너지 밀도 화학물질을 이용하지 않았다는 것을 추가로 인식한다.
설명을 명확하게 하기 위해, 그리고 그에 대한 임의의 제한을 암시하지 않으면서, 예시적인 실시예는 일부 예시적인 구성을 사용하여 설명된다. 본 개시내용으로부터, 통상의 기술자는 설명된 목적을 달성하기 위해 설명된 구성의 많은 변경, 적응, 및 수정을 생각할 수 있을 것이고, 동일한 것이 예시적인 실시예의 범위 내에서 고려된다.
더욱이, 시스템의 단순화된 도면이 도면 및 예시적인 실시예에서 사용된다. 실제 컴퓨팅 환경에서, 여기에 기술되거나 설명되지 않은 추가적인 구조 또는 구성요소 또는 도시된 것과는 다르지만 여기에 설명된 바와 같이 유사한 기능을 위한 구조 또는 구성요소가 예시적인 실시예의 범위를 벗어나지 않으면서 존재할 수 있다.
더욱이, 예시적인 실시예는 단지 예로서 특정 실제 또는 가상 구성요소에 관한 것으로 설명된다. 다양한 예시적인 실시예에 의해 설명된 단계는 설명된 동작을 제공하도록 의도되거나 용도 변경될 수 있는 다양한 구성요소를 사용하여 전기 차량을 위한 전력 공급 시스템에 적응될 수 있고, 그러한 적응은 예시적인 실시예의 범위 내에서 고려된다.
예시적인 실시예는 단지 예로서 소정의 타입의 단계, 애플리케이션, 프로세서, 문제점 및 데이터 프로세싱 환경에 관해 설명된다. 이들 및 다른 유사한 아티팩트의 임의의 특정 징후은 본 발명을 제한하는 것으로 의도되지 않는다. 이들 및 다른 유사한 아티팩트의 임의의 적합한 징후가 예시적인 실시예 범위 내에서 선택될 수 있다.
본 개시내용의 예는 단지 설명을 명확하게 하기 위해 사용되며 예시적인 실시예를 제한하지 않는다. 여기에 열거된 임의의 이점은 단지 예일 뿐이며, 예시적인 실시예를 제한하는 것으로 의도되지 않는다. 특정한 예시적인 실시예는 추가적인 또는 상이한 이점을 실현할 수 있다. 더욱이, 특정 예시적인 실시예는 위에서 열거된 이점들 중 일부, 전부 또는 어느 것도 갖지 않을 수 있다.
여기에 설명된 예시적인 실시예는 전기 차량을 위한 전력 공급 시스템(100)에 관한 것이다. 전력 공급 시스템(100)(도 1)은 그러한 화학물질의 이점을 가능하게 하기 위해 하이브리드 아키텍처에서의 저 사이클 수명, 고 에너지 밀도 화학물질을 포함하도록 구성되며, 자동차 분야에서 의존되는 것이 방지되는 상기 화학물질의 책임으로부터 상기 아키텍처를 보호하면서 범위의 상당한 증가를 포함한다. 여기에 개시된 배터리 시스템은, 이들이 함께 작동하는 다수의 화학물질을 포함하기 때문에, "하이브리드" 시스템으로 지칭될 수 있다. 대안적으로, 전기 및 내부 연소 전력 소스 둘 다를 사용하는 "하이브리드" 차량과 구별하기 위해, 여기에 개시된 배터리 시스템, 차량, 및 관련 시스템과 구성요소는 "범위-연장형 다중-화학물질 배터리 시스템(range-extending, multi-chemistry battery systems)"으로 지칭될 수 있다.
여기에 개시된 바와 같은 전력 공급 시스템(100)은 트랙션 배터리(102)(예를 들어, 리튬인산철(lithium iron phosphate, LFP)를 포함함), 및 하나 이상의 하이브리드 화학물질을 소유하고 트랙션 배터리(102)를 충전하기 위한 전력을 제공하고 그리고/또는 전기 차량에 전력을 제공하도록 제어될 수 있는 하나 이상의 고 에너지 밀도 하이브리드 모듈(112)을 포함하는 하이브리드 범위 익스텐더 배터리(124)를 포함할 수 있다. 하나 이상의 실시예는 재충전가능 배터리 제조에서의 기존의 문제가, 상기 높은 에너지 밀도에 의해 도입된 해당 저 사이클 수명을 고려하면서, 종래의 범위를 넘어서는 원거리 주행이 가능한 전기 차량의 범위를 증가시키는 높은 에너지 밀도를 가진 배터리를 갖는 전기 차량을 제공할 필요가 있다는 것을 인식한다.
하나 이상의 실시예는 여기의 일부 단계를 수행하기 위해 온-보드 또는 외부 컴퓨터 시스템(126)(또는 컴퓨터 시스템 200) 내에 또는 외부에 포함된 하나 이상의 프로세서(106)(또는 프로세서(120), 컴퓨터 프로세서(206), 도 2)를 포함한다. 트랙션 배터리는 방전 및 전하의 한계를 모니터링하고 결정할 수 있다. 인버터는 전력의 흐름을 관리할 수 있고, 하이브리드 모듈 제어기는 DC/DC 컨버터를 통해 그 자신의 충전/방전을 관리할 수 있다. 하나 이상의 실시예에서, 차량(302)(도 3)은 전기 차량(EV)으로서 구성된다. 하나 이상의 실시예에서, 차량(302)은 플러그-인 하이브리드 전기 차량(plug-in hybrid electric vehicle, PHEV)으로서 구성된다. 전기 차량 용어는 이하에서 구동 시스템 추진에 전력을 공급하기 위한 주 에너지원으로 재충전가능 전기 배터리를 사용하도록 구성된 모터 차량, 철도 차량, 선박 및 항공기와 같은 차량 또는 완전 전기 드라이브트레인(drivetrain)을 소유한 차량을 총칭하여 사용된다.
추가로, 여기에 사용되는 바와 같이, 센서는 시스템, 장치, 소프트웨어, 하드웨어, 실행가능 명령어 세트, 인터페이스, 소프트웨어 애플리케이션, 트랜스듀서, 및/또는 물리적 속성을 표시, 응답, 검출 및/또는 측정하고 물리적 속성에 관한 데이터를 생성하는데 이용되는 하나 이상의 센서를 포함하는 전술한 것의 다양한 조합일 수 있는 센서 디바이스이다.
추가로, 배터리 에너지 밀도는 일반적으로 셀이 그 볼륨에 비례하여 얼마나 많은 에너지를 포함하는지에 대한 측정을 지칭하는데 사용된다.
나아가, 여기에 사용되는 바와 같이, 고 에너지 밀도 모듈은 일반적으로 셀 에너지 밀도가 약 1000 Wh/L 이상, 예를 들어 에너지 밀도가 1100 Wh/L 또는 1200 Wh/L인 셀을 가진 모듈을 지칭한다. 통상의 기술자는, 도 4b에 도시된 바와 같이, 자동차 수준의 성능을 갖는 종래의 배터리 화학물질이 셀 수준에서 측정된 셀 에너지 밀도가 lOOO Wh/L 미만, 또는 상당히 미만, 예를 들어, 약 350 Wh/L 내지 500 Wh/L임을 인식할 것이다. 하이브리드 범위 익스텐더 배터리(124)에서 고 에너지 밀도 화학물질을 사용하면, 예를 들어, 트랙션 배터리(102)에 의해 제공되는 에너지의 두 배 또는 세 배 이상의 에너지를 제공할 수 있다.
하나 이상의 실시예에서, 전력 공급 시스템(100)은 하나 이상의 트랙션 모듈(122)을 가진 트랙션 배터리(102), 하나 이상의 고 에너지 밀도 하이브리드 모듈(112)을 포함하는 하이브리드 범위 익스텐더 배터리(124), 및 트랙션 배터리(102)와 하이브리드 범위 익스텐더 배터리(124) 사이의 파티션을 포함한다.
각각의 모듈은 배터리 스택일 수 있다. 통상의 기술자는 다른 타입의 배터리 디바이스가 여기에 설명된 실시예에서 전력을 제공하기 위해 사용될 수 있고, 따라서 소저의 구성의 설명은 제한적인 것으로 의도되지 않는다는 것을 인식할 것이다. 도 1과 관련하여 여기에서 논의된 바와 같이, 배터리 관리 시스템(BMS, 104)는, 예를 들어, 릴레이(108)를 제어하고 동작 한계를 보고하기 위해 온-보드 컴퓨터 시스템(126)을 사용할 수 있다. 이는 또한 차량의 요구를 충족시키기 위해 하나 이상의 하이브리드 모듈로부터 전력을 요청할 수 있다. 하이브리드 범위 익스텐더 배터리(124)의 하이브리드 모듈 제어기는 그 자신의 내부 목표(그 예로, 하나 이상의 미리 설정된 또는 동적으로 결정된 규칙에 의해 정의된 목표), 에너지 상태, 및 BMS로부터의 중앙 조정화 없이 트랙션 배터리 및 주행 거동의 관찰된 에너지 상태에 기초하여 고전압 DC 버스에 대한 그 기여를 제어할 수 있다. 이로써, 전력 공급 시스템(100)은 차량(302)의 동작 거리를 증가시키기 위해 또는 단일 오작동 셀에 의해 야기되는 모듈의 악하를 방지하기 위해 더 효율적이고 절전모드(power-saving mode)로 동작될 수 있다. 예를 들어, 이동 동안, 여기에 설명된 하나 이상의 실시예는 목적지로 내비게이팅하기 위한 전력 요건을 추정할 온-보드 컴퓨터 시스템(126)을 포함하고, 차량(302)이 동작하는데 이용가능한 저장된 에너지를 사용하여 목적지에 안전하게 도달할 수 있는지를 결정한다. 컴퓨터 시스템(126)이 차량이 미리 결정된 목적지에 도달할 수 없다고 결정하는 경우, 트랙션 배터리(102)는 이동에 대한 충분한 전력을 제공하기 위해 하이브리드 범위 익스텐더 배터리(124)를 사용하여 충전될 수 있다.
하나 이상의 실시예에서, 고 에너지 밀도 하이브리드 모듈(112)은 단일 화학물질을 가지도록 구성되는 반면, 하나 이상의 다른 실시예에서, 고 에너지 밀도 하이브리드 모듈(112)은 다수의 화학물질(예를 들어, 매일, 매주 및 월간 사용을 위한 3 개의 화학물질)을 가지도록 구성된다.
예시적인 실시예에서, 트랙션 배터리(102)는 단일 트랙션 모듈(122) 또는 직렬로 연결된 복수의 트랙션 모듈(122)을 포함한다. 또 다른 예시적인 실시예에서, 하이브리드 범위 익스텐더 배터리(124)는 서로 병렬로 그리고 또한 트랙션 배터리(102)와 병렬로 연결된 복수의 고 에너지 밀도 하이브리드 모듈(112)을 가지고, 고 에너지 밀도 하이브리드 모듈(112) 각각이 트랙션 배터리(102)의 충전 또는 차량(302)의 파워링(powering)에 대한 이들의 기여를 관리하도록 허용하고, 각각의 고 에너지 밀도 하이브리드 모듈(112)의 하이브리드 모듈 제어기(118)가 양방향 DC-DC 컨버터를 포함한다. 보다 일반적으로, 음의 단자가 연결되고, 양방향 DC-DC 컨버터의 양의 출력이 연결된다.
하나 이상의 실시예에서, 차량(302)에 전력을 제공하거나 트랙션 배터리(102)를 충전하기 위해 여기에 설명된 하이브리드 범위 익스텐더 배터리(124)에서 이용될 수 있는 배터리는 1000 Wh/L보다 큰 셀 에너지 밀도를 갖는 셀(114)을 가진 배터리를 포함한다.
전기 차량에서의 배터리 시스템은 통상적으로 트랙션 배터리이며, 함께 패킹되는 수백 개의 셀로 구성된다. 예를 들어, 300V 내지 400V의 전압 등급을 갖는 이들 시스템은 약 300A(예를 들어, 200-300A)만큼 높은 전류를 공급하고, 임의의 잘못된 관리는 상당한 재난을 트리거할 수 있다. 이로써, 배터리 관리 시스템은 고-전압 배터리의 안전한 동작을 위해 전기 차량에 필수적이다. 이들은 배터리의 상태를 모니터링하고 배터리의 수명, 용량을 감소시키고 심지어 폭발을 일으킬 수 있는 과충전 및 방전을 방지하도록 구성될 수 있다. 예를 들어, BMS는 전압을 체크하고, 요구 전압에 도달할 때, 충전 프로세스를 중지한다. BMS는 전력 흐름 내의 불규칙적인 패턴이 검출될 때, 배터리를 셧 다운(shut down)하여 알람을 송출할 수 있다. 게다가, BMS은 배터리의 상태에 관한 정보를 에너지 및 전력 관리 시스템에 중계하도록 구성될 수 있다. 추가적으로, 이들은 배터리 셀의 온도 및 또한 배터리의 건강을 조절할 수 있어, 모든 조건 하에서 안전하고 신뢰할 수 있게 한다.
BMS의 하나의 특징은, 배터리 전압이 너무 높거나 너무 낮지 않도록 배터리 팩의 SOC를 효율적으로 유지하는 것이 바람직하거나 경우에 따라 중요하기 때문에, 배터리 팩의 충전 상태(state-of-charge, SOC)를 추정하는 능력이다. 예를 들어, 일부 경우에, 배터리는 100 퍼센트를 초과하여 충전되지 않아야 하거나, 이는 배터리 셀의 용량을 감소시킴에 따라 0 퍼센트로 방전되지 않아야 한다. BMS는 배터리의 전압 및 온도에 대한 정확한 정보를 제공할 뿐만 아니라, 사용 가능한 에너지의 표시 및 배터리 잔량을 제공할 수 있다.
일부 실시예에서, SOC가 추정될 수 있다. 게다가, 쿨롱-카운팅 과정에서, 배터리 내로 들어가거나 배터리 밖으로 나오는 전류는 그 전하의 상대적인 값을 생성하도록 통합된다. 그러나, 종종 종래의 시스템이 병렬로 연결된 개별 셀의 SOC 및 다른 특성을 정확하게 결정하는 것은 어려울 수 있다.
그러므로, 예시적인 실시예는 종래의 BMS가 배터리 팩 내의 셀의 개별 특성을 정확하게 측정할 수 없다는 것을 인식한다. 종래의 해결책은 추정치를 획득하려고 시도하지만, 셀의 전압과 같은 해당 특성 파라미터를 측정하기 위해 셀의 전류를 제어하는 방식을 가지고 있지 않다.
다시 도 1을 참조하면, 트랙션 배터리(102)는 차량(302)에 전력을 공급하도록 구성된 하나 이상의 트랙션 모듈(122)을 포함할 수 있다. 하이브리드 범위 익스텐더 배터리(124)는 필요할 때 그 가변 전력 요건을 차량에 제공하기 위해, 트랙션 배터리(102)의 화학물질과는 상이한 하나 이상의 타입의 화학물질을 가진 모듈식으로 설계된다. 특정 예로서, 트랙션 배터리는 LFP 화학물질을 가질 수 있고, 하이브리드 범위 익스텐더 배터리(124)는 Gr (흑연) 또는 Gr + SS (흑연+솔리드 스테이트) 화학물질을 가질 수 있다. 사용된 특정 화학물질에 관계없이, 하이브리드 범위 익스텐더 배터리(124)는 하나 또는 복수의 고 에너지 밀도 하이브리드 모듈(112) 또는 독립형 배터리로 작동하도록 각각의 DC-DC 컨버터로 구성되는 팩을 가지도록 설계될 수 있다. 고 에너지 밀도 하이브리드 모듈(112)을 독립적으로 제어할 수 있고 그 개별 셀(114)의 건강 또는 상태를 독립적으로 측정할 수 있으므로 셀(114)의 충전 및 방전 속도가 조절될 수 있다. 일 실시예에서, 고 에너지 밀도 하이브리드 모듈(112)의 셀(114)은 직렬로 배치된다. 각각의 셀(114)과 병렬로 연결된 블리더 저항기(bleeder resistor)와 같은 밸런스 디바이스(128)를 사용함으로써, 셀(114)의 충전 또는 방전 속도가 제어될 수 있다. 즉, 셀에 대한 블리더 저항기를 턴 온하는 것은 셀에 저장된 전하를 방전시킨다. 예시적인 실시예에서, 블리더 저항기는 최대 수백(200) 밀리암페어의 추가적인 방전 전류를 생성하도록 인에이블될 수 있고, 이에 의해 셀의 충전/방전 전류를 정밀하게(minutely) 조정하고 스트링 내의 셀이 공통 상태로 되게 할 수 있다. 추가로, 하나 이상의 센서(116)는 전압을 측정하고, 셀의 직렬 스트링 내의 모든 셀에 걸쳐 밸런싱 상태를 달성하기 위해 블리더 저항기가 얼마나 오래 활성화되어야 하는지를 결정하는데 사용된다.
배터리가 최대 용량에 비해 방전되는 속도는 C-속도(rate)이다. 예를 들어, 1C 속도는 방전 전류가 전체 배터리를 1 시간 방전할 것임을 의미한다. 통상적으로, 차량은 4C 피크 및 1C 평균을 필요로 한다. 양방향 DC-DC 컨버터와 함께 개별적으로 고 에너지 밀도 하이브리드 모듈(112)을 제어함으로써, C/5(즉, 0.2C) 이하의 속도가 달성될 수 있다. 이는 과도한 충전 및 방전으로 인한 고 에너지 밀도 화학물질과 연관된 고장 이벤트 트리거를 방지한다. 보다 상세하게는, 트랙션 배터리(102)는 차량의 부하 요구를 따를 수 있고 피크 전류를 제공할 수 있다. 고 에너지 밀도 하이브리드 모듈(112)은 트랙션 배터리 및 파워트레인이 연결된 차량 HV 버스로 방전하기 위해 이들의 양방향 DC-DC 컨버터를 사용할 수 있다. 각각이 C/5에 기여하는 5개의 고 에너지 밀도 하이브리드 모듈(112)을 가진 예시적인 실시예에서, 그들의 결합된 기여는 1C이다. 차량에 4C가 필요한 경우 트랙션은 3C에서 방전된다. 차량에 1C가 필요한 경우, 트랙션 배터리(102)는 휴지 상태(0C)이다. 차량에 -1C(회생 제동)가 필요한 경우, 트랙션 배터리는 2C으로 충전된다. 일 실시예에서, 각각의 고 에너지 밀도 하이브리드 모듈(112)은 또한 셀(114)의 건강 또는 상태를 측정하기 위해 동작적으로 결합된 하이브리드 모듈 제어기(118)를 가진다. 예를 들어, 하이브리드 모듈 제어기(118)는 해당 고 에너지 밀도 하이브리드 모듈(112)의 모든 셀에 대한 전압, 전류, 온도, SOC(State of Charge, 충전 상태), SOH(State of Health, 건강 상태)를 측정하도록 구성될 수 있다. 이는 또한 전력 공급 시스템(100)의 메인 버스/고 전압 DC 버스에 에너지를 흡수 및 제공하면서 격리 및 전류를 관리하고 이들의 기여를 스로틀링할 수 있는 DC-DC 컨버터 제어를 가진다. 시스템은 또한 주로 트랙션 배터리(102)와 통신하도록 구성된 BMS(104)를 가질 수 있다. 트랙션 배터리(102)가 오작동하는 경우, 하나 이상의 고 에너지 밀도 하이브리드 모듈(112)은 구동 유닛(110)에 직접 전력을 공급함으로써 트랙션 배터리(102)에 대한 교체(예를 들어, 임시 교체)로서 작용할 수 있다. 하나 이상의 프로세서(프로세서(120), 프로세서(106) 또는 컴퓨터 시스템(126)의 프로세서)는 여기에 기술된 하나 이상의 프로세스 또는 동작의 수행을 가능하게 하는 다수의 구성에서 사용된다. 릴레이(108)는 차량의 구동 유닛(110)을 전력 공급 시스템(100)으로부터의 전력에 동작 가능하게 결합하도록 제어된다. 구동 유닛(110)은 추진 모터, 인버터, HVAC(Heating, Ventilation, 및 Air Conditioning) 시스템 등과 같이 전력 공급 시스템(100) 외부의 디바이스를 통칭하여 지칭할 수 있다.
전력 공급 시스템(100)을 설명하면, 여기의 예시적인 실시예 중 적어도 일부에 따라 이용될 수 있는 컴퓨터 시스템(200)의 블록도를 도시하는 도 2를 이제 참조할 것이다. 다양한 실시예가 이 예시적인 컴퓨터 시스템(200)과 관련하여 여기에서 기술되지만, 이 설명을 읽은 후에는 다른 컴퓨터 시스템 및/또는 아키텍처를 사용하여 본 개시내용을 어떻게 구현하는지를 관련 기술(들)의 통상의 기술자에게 명백할 수 있다.
여기의 예시적인 실시예에서, 컴퓨터 시스템(200)은 도 1의 컴퓨터 시스템(126)의 일부를 형성하거나 컴퓨터 시스템(126)과는 독립적이다. 게다가, 전력 공급 시스템(100)의 적어도 일부 구성요소는 도 2의 컴퓨터 시스템(200)을 형성하거나 컴퓨터 시스템(200)에 포함될 수 있다. 컴퓨터 시스템(200)은 적어도 하나의 컴퓨터 프로세서(206)를 포함한다. 전력 공급 시스템(100)의 프로세서(106) 및 프로세서(120)는 컴퓨터 프로세서(206)의 일부이거나, 상기 일부를 형성하거나, 또는 컴퓨터 프로세서(206)와는 독립적일 수 있다. 컴퓨터 프로세서(206)는 예를 들어, 중앙 프로세싱 유닛(CPU), 다중 프로세싱 유닛, 주문형 집적 회로("ASIC"), 필드-프로그래머블 게이트 어레이("FPGA") 등을 포함할 수 있다. 컴퓨터 프로세서(206)는 통신 인프라스트럭처(예를 들어, 네트워크)(202)(예를 들어, 통신 버스, 네트워크)에 연결될 수 있다. 여기의 예시적인 실시예에서, 컴퓨터 프로세서(206)는 고 에너지 밀도 하이브리드 모듈(112)과 트랙션 배터리(102) 또는 전기 차량(302)의 구동 유닛(110) 사이의 양방향 DC-DC 컨버터의 상태를 제어하는 것을 포함하는 전력 공급 시스템(100)을 동작시키는 프로세스를 제어하는 CPU를 포함한다.
디스플레이 인터페이스(208)(또는 다른 출력 인터페이스)는 전력 공급 시스템(100)에 관한 텍스트, 비디오 그래픽, 및 다른 데이터를 통신 인프라스트럭처(예를 들어, 네트워크)(202)로부터, 또는 전기 차량(302)의 디스플레이일 수 있는 디스플레이 유닛(214) 상에 디스플레이하기 위한 프레임 버퍼(도시되지 않음)로부터 포워딩할 수 있다. 예를 들어, 디스플레이 인터페이스(208)는 그래픽 프로세싱 유닛을 갖는 비디오 카드를 포함할 수 있거나, 또는 전력 공급 시스템(100)을 제어하기 위한 인터페이스를 운영자에게 제공할 수 있다.
또한, 컴퓨터 시스템(200)은 컴퓨터 시스템(200)의 운영자에 의해 디스플레이 유닛(214)과 함께 사용되어 정보를 컴퓨터 프로세서(202)에 전송할 수 있는 입력 유닛(210)을 포함할 수 있다. 입력 유닛(210)은 키보드 및/또는 터치스크린 모니터를 포함할 수 있다. 하나의 예시에서, 디스플레이 유닛(214), 입력 유닛(210) 및 컴퓨터 프로세서(206)는 집합적으로 사용자 인터페이스를 형성할 수 있다.
전력 공급 시스템(100)을 동작시키는 하나 이상의 컴퓨터-구현 단계는 컴퓨터-판독가능 프로그램 명령어의 형태로 비-일시적 저장 디바이스에 저장될 수 있다. 절차를 실행하기 위해, 컴퓨터 프로세서(206)는 저장 디바이스 상에 저장된 대로 적절한 명령어를 메모리에 로딩하고 그 후에 로딩된 명령어를 실행한다.
컴퓨터 시스템(200)은 "RAM"(random-access memory)일 수 있는 메인 메모리(204)를 더 포함할 수 있고, 또한 보조 메모리(218)를 포함할 수 있다. 보조 메모리(218)는, 예를 들어, 하드 디스크 드라이브(220) 및/또는 제거가능 저장 드라이브(222)(예를 들어, 플로피 디스크 드라이브, 자기 테이프 드라이브, 광 디스크 드라이브, 플래시 메모리 드라이브 등)를 포함할 수 있다. 제거가능-저장 드라이브(222)는 잘 알려진 방식으로 제거가능 저장 유닛(226)으로부터 판독하고 그리고/또는 제거가능 저장 유닛(226)에 기입한다. 제거가능 저장 유닛(226)은, 예를 들어, 플로피 디스크, 자기 테이프, 광학 디스크, 플래시 메모리 디바이스 등일 수 있으며, 이들은 제거가능-저장 드라이브(2222)에 기입되고 상기 드라이브로부터 판독될 수 있다. 제거가능 저장 유닛(226)은 컴퓨터-실행가능 소프트웨어 명령어 및/또는 데이터를 저장하는 비-일시적 컴퓨터-판독가능 저장 매체를 포함할 수 있다.
추가의 예시적인 실시예에서, 보조 메모리(218)는 컴퓨터-실행가능 프로그램 또는 컴퓨터 시스템(200)에 로딩될 다른 명령어를 저장하는 다른 컴퓨터-판독가능 매체를 포함할 수 있다. 그러한 디바이스는 제거가능 저장 유닛(228) 및 인터페이스(224)(예를 들어, 프로그램 카트리지 및 카트리지 인터페이스); 제거가능 메모리 칩(예를 들어, "EPROM"(erasable programmable 읽기-전용 메모리) 또는 "PROM"(programmable 읽기-전용 메모리)) 및 연관된 메모리 소켓; 및 소프트웨어 및 데이터가 제거가능 저장 유닛(228)으로부터 컴퓨터 시스템(200)의 다른 부분으로 전송되도록 하는 인터페이스(224) 및 다른 제거가능 저장 유닛(228)을 포함할 수 있다.
컴퓨터 시스템(200)은 또한 소프트웨어 및 데이터가 컴퓨터 시스템(200)과 외부 디바이스 사이에서 전송될 수 있게 하는 통신 인터페이스(212)를 포함할 수 있다. 그러한 인터페이스는 모뎀, 네트워크 인터페이스(예를 들어, 이더넷 카드 또는 IEEE 802.11 무선 LAN 인터페이스), 통신 포트(예를 들어, USB 또는 FireWire® 포트), "PCMCIA"(Personal Computer Memory Card International Association) 인터페이스, Bluetooth® 등을 포함할 수 있다. 통신 인터페이스(212)를 통해 전송되는 소프트웨어 및 데이터는 통신 인터페이스(212)에 의해 송신 및/또는 수신될 수 있는 전자, 전자기, 광학 또는 또 다른 타입의 신호일 수 있는 신호의 형태일 수 있다. 신호는 통신 경로(216)(예를 들어, 채널)를 통해 통신 인터페이스(212)에 제공될 수 있다. 통신 경로(216)는 신호를 운반하고, 와이어 또는 케이블, 광섬유, 전화선, 셀룰러 링크, 무선 주파수("RF") 링크 등을 사용하여 구현될 수 있다. 통신 인터페이스(212)는 컴퓨터 시스템(200)과 원격 서버 또는 클라우드 기반 저장소(도시되지 않음)사이에서 소프트웨어 또는 데이터 또는 다른 정보를 전달하는데 사용될 수 있다.
하나 이상의 컴퓨터 프로그램 또는 컴퓨터 제어 로직은 메인 메모리(204) 및/또는 보조 메모리(218)에 저장될 수 있다. 컴퓨터 프로그램은 또한 통신 인터페이스(212)를 통해 수신될 수 있다. 컴퓨터 프로그램은 컴퓨터 프로세서(206)에 의해 실행될 때 컴퓨터 시스템(200)으로 하여금 이하에 기술된 바와 같은 방법을 수행하게 하는 컴퓨터 실행가능 명령어를 포함한다. 이에 따라서, 컴퓨터 프로그램은 컴퓨터 시스템(200) 및 전력 공급 시스템(100)의 다른 구성요소를 제어할 수 있다.
또 다른 실시예에서, 소프트웨어는 비-일시적 컴퓨터-판독가능 저장 매체에 저장될 수 있고, 제거가능-저장 드라이브(222), 하드 디스크 드라이브(220), 및/또는 통신 인터페이스(212)을 사용하여 메인 메모리(204) 및/또는 보조 메모리(218)에 로딩될 수 있다. 제어 로직(소프트웨어)은 컴퓨터 프로세서(206)에 의해 실행될 때 컴퓨터 시스템(200), 더 일반적으로는 전력 공급 시스템(100)으로 하여금 여기에 설명된 방법 중 일부 또는 전부를 수행하게 한다.
마지막으로, 또 다른 예에서, ASIC, FPGA 등과 같은 실시예의 하드웨어 구성요소는 여기에 설명된 기능을 수행하기 위해 사용될 수 있다. 여기에 설명된 기능을 수행하기 위한 그러한 하드웨어 배치의 구현은 본 설명을 고려하여 관련 기술(들)의 통상의 기술자에게 명백할 것이다.
도 4a는 예시적인 실시예에 따른 차트를 도시한다. 차트는 여기에 개시된 바와 같이, 예시적인 실시예에 대한 주행 일(days) 축(402)의 백분율 및 하루 주행 거리 축(404)를 도시한다. 사용자의 주행 습관을 측정함으로써, 상대적으로 짧은 거리를 주행하고 이로써 차트의 트랙션 배터리 부분(406)에 의해 도시된 바와 같이 트랙션 배터리(102)를 이용하는데 상당한 백분율의 하루 소비 주행이 소비된다는 것을 알 수 있다. 한편, 하이브리드 범위 익스텐더 부분(408)은 비교적 훨씬 더 짧은 시간 동안 사용된다. 그러면 도 4b에 도시된 바와 같이, 1OOOWh/L 이상의 에너지 밀도를 제공하는 화학물질을 갖는 범위 익스텐더가 밀도 대 사이클 수명의 양호한 트레이드-오프를 제공할 수 있다는 것이 발생한다. 하루의 사용을 벗어나는 사이클의 백분율을 결정하고 많은 사이클을 유지할 수 있는 적당한 화학물질을 선택함으로써 도 4a의 예시적인 실시예가 달성될 수 있다.
도 4b의 차트는 에너지 밀도 축 (410)및 사이클 수명 축(412)을 포함한다. 여기에서 사용되는 바와 같이, 배터리의 "사이클 수명"은 배터리의 원래 충전의 적어도 80%를 여전히 유지하면서 100% 방전 심도(depth of discharge, DoD)까지 배터리가 고갈될 수 있는 횟수를 지칭한다. 이로써, 예를 들어, 100 사이클의 사이클 수명을 가진 배터리는 충전 후 배터리의 원래 충전의 80%를 유지하고 100 회에 완전히 고갈될 것이다.
트랙션 배터리 화학물질은 약 3000 사이클(예를 들어, 적어도 2500 또는 3000 사이클)의 사이클 수명을 제공하기 위해 트랙션 배터리 화학물질 구역(414)으로부터 선택될 수 있다. 종래의 배터리 화학물질에서, 이러한 사이클 수명은 통상적으로 약 400 Wh/L의 해당 셀 에너지 밀도를 제공한다. 비-트랙션 적용에 대한 미리 결정된 범위 요건을 수용하기 위하여, 범위 배터리 화학물질은 예시적인 하이브리드 범위 익스텐더 배터리 화학물질 구역(418)(예를 들어, 1000 내지 1200 Wh/L)으로부터 선택될 수 있다. 이는 통상적으로 약 200 사이클(예를 들어, 200 내지 350 사이클) 이하의 해당 사이클 수명을 제공한다. 차량의 에너지 요건에 따라, 다른 화학물질(416)은 옵션으로 중간-범위 요건 및 독립적으로 제어되는 해당 팩에 대해 이용될 수 있다.
보다 일반적으로, 여기에 개시된 실시예는 전력 공급 시스템에서 다수의 배터리 화학물질을 사용할 수 있으며, 이들 각각은 상이한 예상 사이클 수명 및/또는 셀 에너지 밀도를 가질 수 있다. 이는 일반적으로 전기 차량 및 유사한 디바이스에 부적합한 것으로 간주되는 배터리 화학물질 및 배치의 사용을 허용할 수 있다. 예를 들어, 종래의 시스템은 더 높은 에너지 밀도를 희생하더라도, 더 높은 사이클 수명이 필요하다는 것을 종종 가정하였다. 이와 달리, 여기에 개시된 실시예는 연관된 배터리가 상대적으로 낮은 사이클 수명을 가질 수 있는 경우에도 더 높은 밀도의 화학물질을 사용할 수 있는데, 이는 범위 익스텐더 또는 중간-범위 배터리 셀이 정규-사용 트랙션 배터리만큼 자주 충전/방전 사이클을 거치지 않을 수 있기 때문이다.
구체적인 예로서, 여기에 개시된 바와 같이 하이브리드 전력 공급 시스템은 약 500 Wh/L, 450 Wh/L, 400 Wh/L, 350 Wh/L, 300 Wh/L 이하, 보다 일반적으로 300-500 Wh/L 범위의 셀 에너지 밀도를 가지지만, 2000 사이클, 2500 사이클, 3000 사이클, 또는 그 초과, 보다 일반적으로는 2000-3200 사이클 범위의 상대적으로 높은 사이클 수명을 가진 트랙션 배터리를 포함할 수 있다.
여기에 개시된 바와 같이 범위 익스텐더 배터리 또는 중간 배터리에 사용되는 고밀도 배터리 셀은 800 Wh/L, 1000 Wh/L, 1100 Wh/L, 1200 Wh/L 이상, 또는 800-1400 Wh/L 범위의 상대적으로 더 높은 셀 에너지 밀도를 가질 수 있으며, 그리고 300, 400, 또는 500 사이클 이하, 또는 100-500 사이클 이하의 범위의 상대적으로 더 낮은 예상 사이클 수명을 가질 수 있다. 특히, 2 개 초과의 화학물질을 사용하는 실시예에서, 다른 배터리 타입 및 화학물질이 사용될 수 있다. 예를 들어, 도 4b에서 트랙션 구역(414)과 범위 익스텐더 구역(418) 사이에 도시된 임의의 배터리 타입이 중간 밀도 배터리에 대해 사용될 수 있으며, 이는 1000-2000 사이클 범위의 사이클 수명 및 500-800 Wh/L 범위의 에너지 밀도를 가질 수 있다
여기에 개시된 실시예와 함께 사용되는 배터리 화학물질에 대한 관심 도면은 배터리의 셀 에너지 밀도 대 예상 사이클 수명의 비율로서 결정된 사이클 당 에너지 밀도(energy density per cycle, EDC)이다. 예를 들어, 도 4b에 도시된 바와 같이, HE 트랙션 배터리는 약 400 Wh/L의 셀 에너지 밀도 및 3000 사이클의 사이클 수명을 가질 수 있고, 이는 약 0.13 Wh/L/cycle의 EDC를 초래한다. 이와 달리, 도 4b의 범위 익스텐더 구역(418)에 있는 고체 상태 배터리는 약 1000 Wh/L의 에너지 밀도 및 약 400 사이클의 사이클 수명을 가질 수 있어 약 2.5 Wh/L/cycle의 EDC를 초래한다. EDC가 1.0 이상인 종래의 배터리 화학물질은 상대적으로 낮은 사이클 수명으로 인해 전기 차량에 사용되기에 적합하지 않은 것으로 이전에 간주되었다. 이전에 개시된 바와 같이, 여기에 제공된 실시예는 그러한 배터리가 다른 화학물질과 함께 사용될 때 전기 차량에서 효율적으로 사용될 수 있게 한다.
구체적인 예로서, 여기에 개시된 실시예는 약 0.12-0.16 Wh/L/cycle의 EDC를 가진 트랙션 배터리 및 1.0 이상, 2.0 이상, 5.0 이상, 또는 임의의 개재 값의 EDC을 가진 범위 익스텐더 배터리를 사용할 수 있다. 다른 화학물질이 또한 사용될 수 있다; 예를 들어, 세 가지 화학물질이 사용되는 경우, 트랙션 배터리는 0.12-0.16 Wh/L/cycle의 EDC를 가질 수 있으며, 시스템의 다른 배터리는 트랙션 배터리 및 최고 밀도 배터리 사이의 EDC를 가질 수 있으며, 최고 밀도 배터리는 1 Wh/L/cycle 이상의 EDC를 가진다.
보다 일반적으로, 낮은 EDC를 가진 "하루" 트랙션 배터리 및 더 높은 EDC 값을 가진 보다 특수 용도의 배터리 화학물질과 함께 임의의 수의 배터리 화학물질이 함께 사용될 수 있다. 또 다른 예로서, 하루 사용 트랙션 구역(414)의 단일 배터리 화학물질은 범위 익스텐더 영역(418)의 임의의 수의 배터리, 및/또는 도 4b에 도시된 임의의 중간 범위의 임의의 수의 배터리와 함께 사용될 수 있다. 예를 들어, 제3 배터리 화학물질은 이전에 개시된 트랙션 및 범위 익스텐더 배터리와 함께 사용될 수 있고, 제3 화학물질은 400 내지 1200, 1300, 또는 1400 Wh/L 이상의 셀 에너지 밀도를 가진다.
도 5a는 전력 공급 시스템(100)의 예시적인 실시예를 도시한다. 시스템은 트랙션 배터리(102), 메인 트랙션 버스/고 전압 DC 버스에 병렬로 연결된 복수의 고 에너지 밀도 하이브리드 모듈(112), 복수의 트랙션 모듈(122), 복수의 양방향 DC-DC 컨버터(502)를 포함한다. 추가적으로, 이는 그리드로부터 전력 시스템을 재충전하기 위한 온보드 AC-DC 충전기(504), 차량의 조명 및 점화에 전력을 공급하기 위한 12V 배터리(512), 12V 배터리(512)를 유지하고 차량의 12V 시스템에 전력을 제공하기 위한 보조 DC-DC 컨버터(506)를 가진다. 실시예는 또한 다양한 회로를 스위칭 온 또는 오프하기 위한 접촉기(508) 및 전력 공급을 제어하기 위한 제어 모듈(510)을 가진다. 종래의 시스템에서 행해지는 바와 같이 외부에 대신에 전력 공급 시스템 내에(트랙션 배터리(102) 내부에) 12 V 배터리(512)를 위치함으로써, 12V 시스템과 다른 순간적인 문제가 있더라도, 접촉기(508)는 제어되고, 예를 들어 닫힌 상태로 유지될 수 있다. 예시적인 실시예에서, 배터리 전력의 순간적인(예를 들어, 약 100ms 이상) 손실은 접촉기가 개방되게 할 수 있다. 이러한 손실은 배터리 팩 외부의 단일 불량 와이어에 의해 야기될 수 있다. 12V를 팩 내부에 가져옴으로써, 이러한 위험이 감소될 수 있다.
도 5a에 도시된 바와 같은 실시예에서, 각각의 고 에너지 밀도 하이브리드 모듈(112)은 직렬로 연결된 약 56 개의 셀(114)을 가진다. 셀의 특정 수는 예시적인 것이며, 다른 수의 셀이 본 개시내용의 범위를 벗어나지 않고 사용될 수 있다. 온보드 하이브리드 모듈 제어기(118)와 같은 동작적으로 커플링된 하이브리드 모듈 제어기(118)는 개별 셀(114) 각각의 전압, 전류, 온도, SOC, 및 SOH를 측정하도록 구성된다. 56 개의 셀(114) 각각은 연관된 전압 센서(1166)를 가질 수 있다. 셀(114)을 통과하는 전류 및 온도(그 예로, 고 에너지 밀도 하이브리드 모듈(112) 상의 다양한 포인트의 온도)를 알면, 해당 고 에너지 밀도 하이브리드 모듈(112)의 에너지 출력이 트랙션 배터리(102)에 연결될 수 있는지 또는 일부 경우에서 해당 양방향 DC-DC 컨버터(502)를 통해 구동 유닛(110)에 연결될 수 있는지 여부를 결정하기 위해 셀(114)에 대한 SOH, SOC, 및 다른 파라미터가 계산될 수 있다. 게다가, 각각의 고 에너지 밀도 하이브리드 모듈(112)에 대한 양방향 DC-DC 컨버터(502)는, 구동 전력을 변경하는 것에 대한 제어를 갖지 않는, 종래의 전력 공급부들에 후속하는 부하와 달리, 각각의 고 에너지 밀도 하이브리드 모듈(112)에 대한 전류 입력 및 출력을 정밀하게 제어하기 위해 사용될 수 있다. 예시적인 실시예에서, 고 에너지 밀도 하이브리드 모듈(112)에 대해 충전 및 방전 펄스가 생성된다. 양방향 DC-DC 컨버터(502)의 사용을 통해 고 에너지 밀도 하이브리드 모듈(112)의 직렬 연결된 셀(114)에 대한 전류의 양을 제어하고 셀(114) 각각의 전압들을 측정함으로써, 셀(114) 각각의 임피던스가 계산될 수 있고, 기준 데이터와 비교될 수 있어, 셀 임피던스의 임의의 원치 않는 편차 및 해당 셀 건강 변화를 식별할 수 있다.
각각의 고 에너지 밀도 하이브리드 모듈(112)에 대한 전류 입력은 트랙션 배터리가 충전되거나 대부분 충전된 후에 충전기로부터 올 수 있다. 유지보수 및/또는 진단 목적을 위해, 하이브리드 모듈은 범위 익스텐더로서 엄밀히 요구되지 않을 때 방전 및 재충전될 수 있다. 예를 들어, 하이브리드 모듈이 범위 익스텐더로서 사용된지 몇 달이 지난 경우, 이는 셀을 실행하기 위해 보통 일상 사용 중에 방전 및 충전될 수 있다. 범위 익스텐더 배터리가 얼마나 자주 정상 사용 외에 방전 및 재충전되는지, 또는 심지어 그러한 방전/충전을 수행할지는 범위 익스텐더 배터리에 사용되는 특정 화학물질 또는 화학물질들에 기초하여 선택될 수 있다.
하이브리드 모듈 제어기(118)는 또한 모니터링 및 이를 정렬시킴으로써 셀(114)의 변형을 관리할 수 있다. 예를 들어, 하나의 셀(114)(셀 A)이 직렬로 연결된 또 다른 셀(114)(셀 B)(70%)보다 낮은 SOC(예를 들어, 20%)에 있는 것으로 결정될 때, 셀 B는 셀 A보다 먼저 완충(full charge)에 도달할 것이고, 이로써 셀 B의 충전이 과충전을 방지하기 위해 중단될 것을 요구한다. 블리더 저항기를 사용하여 셀 B의 SOC를 셀 A의 SOC로 감소시킴으로써, 셀 A 및 셀 B 모두는 미리 결정된 완충과 동일한 속도로 충전될 수 있다. 이로써, 하이브리드 모듈 제어기(118)는 56 개의 셀(114)의 SOC를 (예를 들어, +/- 10%, 또는 +/- 5%, 또는 +/- 1% 내에서) 동일하거나 실질적으로 동일하게 유지하여, 모듈의 전체 범위가 사용되도록 할 수 있다. 또 다른 예에서, 다른 셀(114)의 자기 방전 속도보다 낮은 자기 방전 속도를 갖는 셀(114)을 결정함으로써, 하이브리드 모듈 제어기(118)는 모든 56 개의 셀(114)을 후속적으로 충전하기 위해 어느 셀(114)이 결정된 전하로 선택적으로 방전할지를 결정한다.
또 다른 예시적인 실시예에서, 고 에너지 밀도 하이브리드 모듈들(112)이 서로 병렬로 연결되고 독립적으로 제어되기 때문에, 개별적인 고 에너지 밀도 하이브리드 모듈(112)은 전력 공급 시스템(100)의 정상 동작에 영향을 미치지 않고 충전 및 방전을 늦춤으로써 재컨디셔닝을 위해 개별적으로 제거가능할 수 있다.
도 5b는 전압 축(514), 용량 축(516), 방전 곡선(518), 및 충전 곡선(520)을 포함하는 셀의 예시적인 충전-방전 곡선(500)을 도시한다. 방전 곡선(518)에 예시된 바와 같이, 고 방전 전류/C-속도(522) 비율(예를 들어, 5C)에서, 셀 용량은 완전히 이용되지 않고, 셀 전압은 내부 저항으로 인해 강하한다. 셀을 통해 흐르는 전류는 셀의 내부 저항에 걸친 IR 전압 강하를 야기하며, 이는 방전 동안 셀의 단자 전압을 감소시키고 셀을 충전하는데 필요한 전압을 증가시키며, 이로써 그의 유효 용량을 감소시킬 뿐만 아니라 그의 충전/방전 효율을 감소시킨다. 더 높은 방전 속도는 더 높은 내부 전압 강하를 발생시키고, 이는 높은 C-속도(522)에서의 더 낮은 전압 방전 곡선 및 특징적으로 상이한 형상의 곡선을 설명한다. 양방향 DC-DC 컨버터(502)를 이용하여 전류를 정밀하게 제어하는 능력으로 인해, 다양한 C-속도(522)에서 방전 및 충전함으로써, 이전에 저장된 셀(114)의 프로파일과 같은 기준 프로파일과 비교함으로써 임의의 셀의 임피던스 문제가 추론되고 완화될 수 있다. 이는 시간에 따른 셀(114)의 거동을 특성화하기 위해 제어된 단계 응답을 사용하여 달성될 수 있다. 하나의 완화 동작은 식별된 셀 문제가 없는 고 에너지 밀도 하이브리드 모듈(112)을 먼저 방전하는 것을 포함한다. 또 다른 완화 동작은 식별된 셀 임피던스 문제로 고 에너지 밀도 하이브리드 모듈(112)의 방전을 늦추는 것을 포함한다.
도 6은 여기에 개시된 바와 같은 전력 공급 시스템(100)의 또 다른 예시적인 구성을 도시하며, 이는 온-보드 에너지 관리 시스템(602)을 포함한다. 이러한 예에서, 트랙션 배터리(102)는 44 kWh의 용량을 가지며, 320V의 전압을 제공하며, 하이브리드 범위 익스텐더 배터리(124)는 각각 48V의 전압을 갖는 6 개의 20 kWh 고 에너지 밀도 하이브리드 모듈(112)을 통해 120 kWh의 용량을 가진다. 온-보드 에너지 관리 시스템(602)은 배터리 관리 시스템(도시되지 않음)을 가지며, 12V, 48V, 및 320V를 다루기 위한 3(트라이)-전압 시스템으로서 구성된다. 게다가, 온-보드 에너지 관리 시스템(602)은 6 개의 양방향 DC-DC 컨버터(도시되지 않음)를 제공하고, 양방향 DC-DC 컨버터 각각은 고 에너지 밀도 하이브리드 모듈(112)에 동작가능하게 결합된다. 예를 들어, 10 kW의 전력을 제공하기 위해 양방향 DC-DC 컨버터를 구성함으로써, 에너지 관리 시스템(602)은 98.5% 피크 효율을 갖는 60 kW (6 x 10 kW) 양방향 48-500V DC-DC를 제공할 수 있다. 물론, 전압, 전력 용량, 및 다른 특징의 특정 배치는 비-제한적이며, 다른 구성도 본 명세서에 비추어 얻어질 수 있다. 본 개시내용의 예는 설명의 명료성을 위해서만 사용되며 예시적인 실시예를 제한하지 않는다. 추가적인 동작, 액션, 태스크, 활동, 및 조작은 본 개시내용으로부터 생각될 것이고, 동일한 것이 예시적인 실시예의 범위 내에서 고려된다.
현재의 전기 차량의 종래의 배터리 용량은 범위가 단지 58 마일에 불과한 일부 스마트 차의 경우 단지 17.6 kWh이며, 일부 테슬라 모델(Tesla는 미국 및 다른 국가에서 Tesla, Inc.의 상표)의 경우에는 최대 100 kWh에 이른다. 스케일러블 아키텍처를 도입함으로써, 도 7에 도시된 바와 같이, 상이한 범위 요건을 충족시키기 위해 다양한 구성이 제공될 수 있다. 도 7의 예시적인 실시예에서, 구성 1(702)에서보다 구성 2(704)에 5 개의 추가적인 고 에너지 밀도 하이브리드 모듈(112)을 제공함으로써, 가용 용량이 130 kWh 로부터 200 kWh로 증가되고, 또 다른 5 개의 추가적인 고 에너지 밀도 하이브리드 모듈(112)을 구성 2(704)에 도입함으로써, 구성 3(706)에 대해 270 kWh 용량이 획득된다. 게다가, 스케일러블 아키텍처는 차량(302)의 섀시(304)(도 3)에 대한 종래의 배치 외에 차량의 상이한 위치에 개별 모듈의 무제한 배치를 허용하는데, 이는 각 모듈이 트랙션 배터리 또는 고 전압 DC 버스에 개별적으로 연결되기만 하면 되기 때문이다. 여기에 개시된 바와 같이, 예를 들어 도 4와 관련하여, 다양한 고 에너지 밀도 모듈은 상이한 화학물질을 사용하여, 사용 경우에서의 추가적인 유연성, 에너지 밀도 및 예상 사이클 수명 등을 허용할 수 있다.
도 8은 트랙션 배터리(102), 복수의 고 에너지 밀도 하이브리드 모듈들(112), 및 복수의 양방향 DC-DC 컨버터(502)를 가진 전력 공급 시스템의 또 다른 구성을 도시한다. 구성에서, 모듈은 셀(114)과의 문제를 표시하는 SOH 체크로 인해 디스에이블된다. 디스에이블된 하이브리드 모듈(802)은 오프라인으로 취해지고, 그의 수명을 연장시키기 위해 대형 재충전(formation recharge)을 거칠 수 있으며, 여기서 모듈은, 예를 들어, 20 시간 기간에 걸쳐 서서히 방전되고, 그리고 예를 들어, 그의 화학물질을 재구축하기 위해, 정의된 온도에서, 또 다른 20 시간 기간에 걸쳐 서서히 재충전된다. 상기 구성의 모듈 성질은, 디스에이블된 하이브리드 모듈(802)을 물리적으로 제거할 필요없이 차량이 형성 재충전 동안 여전히 사용 가능하다는 것을 제공한다. 여기의 일 예에서, 셀(114)의 블리더 저항기는 충전 및 방전 동작에서 사용된다.
도면은 또한 감소된 용량 하이브리드 모듈 A(804), 감소된 용량 하이브리드 모듈 B(806), 및 정규 용량 하이브리드 모듈(808)을 도시한다. 감소된 용량 하이브리드 모듈 A(804) 또는 감소된 용량 하이브리드 모듈 B(806)의 하이브리드 모듈 제어기(118)는 셀(114)과의 문제를 검출하고, 예를 들어 출력되는 전력을 2kW로부터 1Kw로 감소시킴으로써 그 방전 속도에 대한 결정을 독립적으로 수행하도록 구성된다.
단계(902)에서, 프로세스(900)는 전기 차량(302)의 고-전압 DC 버스에 연결되고 고-전압 DC 버스로부터 연결 해제되도록 배터리 관리 시스템(BMS)에 의해 제어되는 하나 이상의 트랙션 모듈을 포함하는 트랙션 배터리를 제공한다. 여기서, 트랙션 배터리는 전기 차량(302)에 전력을 공급하도록 구성된다. 단계(904)에서, 프로세스(900)는 복수의 고 에너지 밀도 하이브리드 모듈(112)을 포함하는 하이브리드 범위 익스텐더 배터리(124)를 제공하고, 고 에너지 밀도 하이브리드 모듈은 서로 병렬로 그리고 고 전압 DC 버스에 연결되고, 고 전압 DC 버스에는 트랙션 배터리(102)가 또한 연결된다. 복수의 고 에너지 밀도 하이브리드 모듈(112)의 각각의 고 에너지 밀도 하이브리드 모듈(112)은 해당 하이브리드 모듈 제어기(HMC) 및 직렬로 연결된 복수의 셀(114)을 포함한다. 복수의 셀(114)의 각각의 셀(114)의 건강은 해당 HMC에 의해 독립적으로 측정가능하도록 구성된다. 각 셀의 SOC는 또한 셀(1142)과 병렬로 연결된 블리더 저항기와 같은 밸런스 디바이스(128)를 통해 제어될 수 있다. 이로써, 각 모듈의 셀은 독립적으로 그리고 전체적으로 제어될 수 있다.
단계(906)에서, 복수의 양방향 DC-DC 컨버터(502)는 복수의 고 에너지 밀도 하이브리드 모듈(112)과 전기 차량(302)의 고전압 DC 버스 사이에, 그리고/또는 복수의 고 에너지 밀도 하이브리드 모듈(112)과 트랙션 배터리(102) 사이에 배치된다.
프로세스(900)는 복수의 고 에너지 밀도 하이브리드 모듈(112) 중 하나 이상으로부터의 직류를 트랙션 배터리(102)에(단계 908) 그리고/또는 전기 차량(302)의 고 전압 DC 버스에(단계 910) 각각 동작적으로 연결하여 트랙션 배터리를 충전하고 그리고/또는 전기 차량(302)에 전력을 공급한다. 단계(912)에서, 프로세스(900)는 독립적으로 측정 가능한 셀(114)에 관한 센서 정보를 얻음으로써 전력 공급 시스템의 전력 생성 모드를 제어한다. 단계(914)에서, 프로세스(900)는, 복수의 해당 HMC 중 각각의 HMC를 사용하여, 독립적으로 제어가능한 셀에 대해 얻어진 센서 정보를 통해 해당 고 에너지 밀도 하이브리드 모듈의 충전 및 방전 속도를 제어한다.
지능형 전력 제어
예시적인 실시예는, 구성요소 배터리의 건강 상태(state of health, SOH) 또는 충전 상태(state of charge, SOC)를 추정하도록 구성되는 전통적인 전기 차량 전력 시스템이 대부분 반응성이라는 것을 추가로 인식하고, 전통적인 전기 차량 전력 시스템은 에너지 소비 요구를 예측할 수 없고, 주로 레트로스펙티브(retrospective) 방식으로 나머지 이용가능한 에너지를 이용하는 것으로 제한될 수 있다. 예시적인 실시예는 인지된 관심 상태에 따라 추정치가 현재 획득될 수 있지만, 배터리의 안전성을 보장하기 위해 또는 그들의 이용가능한 수명 및 용량을 보존하기 위해 사용할 수 있는 완화 조치가 거의 또는 전혀 없다는 것을 인식한다. 게다가, 변경되는 구동 전력을 제어할 수 없는 종래의 전기 자동차 전력 컴퓨터 시스템의 부하 추종 특성(load following nature)은 배터리 모듈에 대한 전류 입력 및 출력을 정밀하게 제어할 수 없음을 의미한다.
전력 공급 시스템의 개별 모듈의 화학물질을 관리하는 한, 기존 종래의 배터리는 모든 개별 모듈을 함께 충전 및 방전시킨다. 그러나, 여기에 개시된 실시예는 더 큰 전력 공급 시스템에서 개별 배터리 모듈의 화학물질을 모니터링하고 시스템 전체의 안전성을 보장하기 위해 이들을 개별적으로 제어하는 것이 종래의 배터리 시스템 및 전기 차량에서는 이용할 수 없는 추가적인 이점을 제공할 수 있음을 인식한다. 예를 들어, 종래의 시스템에서 더 큰 전력 공급 시스템을 디스에이블할 필요 없이 대형 재충전을 위한 개별 모듈을 디스에이블할 수 없기 때문에, 전력 공급 시스템의 안전성이 보장될 수 없고, 개별 모듈의 이용가능한 수명 사이클들은 과충전 및 과방전으로부터 과도하게 단축된다.
여기에 개시된 실시예는 현재 이용가능한 도구 또는 해결책이 하이브리드 아키텍처에서 개별 모듈의 지능형 관리를 제공하여 배터리 수명 사이클을 보존 또는 최대화하면서 필요할 때 추가 전력을 제공하고, 이로써 범위 및 거리 목표들의 달성을 허용하는 방식으로 개별 모듈의 수명, 안전성, 및 최대 용량을 제공할 필요성을 다루지 않는다는 것을 인식한다. 본 발명을 설명하는데 사용되는 예시적인 실시예는 전력 공급 시스템에서 고 에너지 밀도 하이브리드 모듈(112)을 통해 전기 차량에 대한 전력의 지능형 공급에 의해, 전술한 문제 및 다른 관련된 문제를 처리하고 해결할 수 있다. 예시적인 실시예는 전기 차량의 전력 요구를 예상하고 상기 요구를 충족시키도록 동작하는 사전 대책 강구(proactive) 및/또는 준비 과정에서 이들 문제를 해결할 수 있다.
소정의 동작은 실시예에서 소정의 구성요소 또는 위치에서 발생하는 것으로 설명된다. 이러한 동작의 지역성은 예시적인 실시예를 제한하려는 것이 아니다. 특정 구성요소에 발생되거나 특정 구성요소에 의해 수행되는 바와 같이, 여기에 기술된 임의의 동작, 예를 들어, 배터리 데이터의 예측 분석 및/또는 상황별 캘린더 데이터의 자연 언어 프로세싱(NLP) 분석은 하나의 구성요소-특정 기능이 동작을 또 다른 구성요소에서 예를 들어, 로컬 또는 원격 기계 학습 (ML) 또는 NLP 엔진에서 각각 발생시키거나 수행시키는 방식으로 구현될 수 있다.
실시예는 하이브리드 전력 공급 시스템의 누적 에너지를 모니터링하고 관리한다. 또 다른 실시예는 사용자를 위해 구성된 다양한 프로파일 소스를 모니터링한다. 프로파일 소스는 사용자의 프로파일 특성을 결정하기 위해 사용되는 정보가 획득될 수 있는 전자 데이터 소스이다. 예를 들어, 프로파일 소스는 컴퓨팅 디바이스 상의 사용자의 선호 구성 그 예로 요구되는 속도 또는 경로, 사용자의 미래 이벤트가 계획되고 과거 이벤트가 기록된 캘린더 애플리케이션, 사용자가 현재 목적지를 입력하는 GPS(global positioning system) 애플리케이션 내의 목적지, 사용자 또는 커뮤니티로부터의 피드백 등일 수 있다. 프로파일 소스는 사용자의 주행(운전) 특성이 도출될 수 있는 정보를 제공하는 디바이스, 장치, 소프트웨어, 또는 플랫폼일 수 있다. 예를 들어, 전기 차량 대시보드는 예시적인 실시예의 범위 내의 프로파일 소스로서 동작할 수 있다. 게다가, 전기 차량의 무리(fleet)와 같은 커뮤니트는 프로파일 소스일 수 있고, 여기서 사용자-프로파일의 복수의 주행 특성은 전기 차량의 선호도, 리킹(liking), 감정(sentiment), 또는 사용을 도출하기 위해 획득될 수 있다. 추가로, 차량의 무리의 배터리 팩의 개별 모듈에 관한 측정된 건강 메트릭 또는 파라미터는 커뮤니티로부터의 프로파일 소스일 수 있고, 해당 전기 차량에서 전력을 전달하기 위한 패턴으로부터 학습하고 상기 패턴을 도출하기 위해 이용될 수 있다. 이로써, 차량의 무리로부터의 배터리는 그들의 예측을 적응시키고 예측/제안 목적을 위해 값을 공유할 수 있다.
사용자의 프로파일 데이터, 정보, 및 선호도는 전력 공급 시스템에서 전력의 전달에 영향을 미치는 한명 이상의 사용자의 제약을 표시하도록 상호교환가능하게 여기에서 사용되는 용어이다. 더욱이, 전기 차량 및 전력 공급 시스템(100)에 관한 정보/데이터(그 예로, 차량 속도, 모듈 전류, 온도, 전압, 임피던스, 건강 상태, 충전 상태, 평균 에너지 소비 등 또는 해당 전기 차량 파라미터(1220)는 제약 중 일부를 형성하거나 제약으로부터 분리될 수 있고, 이하에서 설명되는 바와 같이, 예측 분석을 위해 지능형 전력 제어 모듈에 대한 입력으로서 사용하기 위해 획득될 수 있다. 이로써, 프로파일 소스 정보 및 전기 차량 및 전력 공급 시스템 데이터(해당 전기 차량 파라미터(1220))는 전기 차량의 전력 공급 시스템(100)의 안전성, 배터리 수명 및 배터리 용량(이하 전력 공급 시스템(100)의 속성으로 칭함)을 고려하면서 범위 또는 거리 목표를 달성하기 위해, 하이브리드 아키텍처의 개별 배터리로부터 획득할 출력 전력의 수준을 예측하는 지능형 전력 제어 모듈에 대한 제약 또는 입력 데이터(1202)의 적어도 일부를 집합적으로 형성한다.
그러므로, 입력 데이터는 전기 차량의 구성요소로부터 획득된 측정으로부터 직접 결정될 수 있다. 입력 데이터는 또한 프로파일 소스의 정보에 직접적으로 표시될 수 있다. 예를 들어, 사용자는 특정 기간 동안 또는 선호도의 추가 수정이 있을 때까지 목적지 도착 시간 또는 범위 목표에 대한 명시적으로 언급된 선호도를 가질 수 있다.
입력 데이터는 또한 프로파일 소스로부터 수집된 정보로부터 도출될 수 있다. 예를 들어, 일 실시예는 목적지 도착 시간을 도출하기 위해 사용자의 캘린더를 분석하도록 구성될 수 있다. 더욱이, 주행 네트워크 내의 텍스트 또는 코멘트와 같은 정보는 예를 들어, 다가오는 트래픽을 결정하기 위해 상황별로 분석될 수 있다. 또 다른 예에서, 지리적 범위의 풍경은 환경 프로파일로부터 획득되고 지형의 성질(예를 들어, 이미징 장치 또는 데이터베이스로부터 획득된 바와 같이 산이 많은 영역에서 가파른 경사의 존재)을 확립하도록 검사될 수 있고, 이로써 배터리의 전력 출력을 증가시킬 필요가 있을 수 있다.
일 실시예에 의해 결정된 바와 같은 입력 데이터는 시간에 따라 가변적일 수 있다. 예를 들어, 사용자는 짧은 출퇴근 거리에서는 미리 정해진 경로를 선호할 수 있고, 장거리 휴가 여행 시에는 에너지 소비를 최적화하는 경로를 선호할 수 있다. 이로써, 사용자 프로파일로부터 획득된 휴가 주행 특성이 우선 순위가 될때 선호도가 변경될 수 있다. 이 경우, 지능형 전력 제어 모듈은 트랙션 배터리(102)의 범위를 확장하기 위해 트랙션 배터리(102)의 트랙션 모듈(122)의 사용을 통해 하이브리드 범위 익스텐더 배터리(124)의 고 에너지 밀도 하이브리드 모듈(112)의 사용을 우선시할 수 있다.
유사하게, 운전 작동은 하이브리드 범위 익스텐더 배터리(124)의 사용을 요구하지 않을 수 있다. 그러나, 정상적인 출근 경로에 교통량이 많다는 판단과, 예를 들어, 사용자가 1시간 후에 회의가 있다는 상황별 설정으로 인해, 사용자의 "신속한 운전 특성"은 우선시되어 차량 내비게이션 시스템이 산악 경로이기는 하지만 새로운 경로를 위해 정상 경로를 포기하도록 할 수 있다. 1 시간 이내에 산악 경로를 횡단하는데 필요한 전력 또는 에너지가 이용 가능한 트랙션 배터리 전력 또는 에너지보다 크거나 적어도 임계 전력 또는 에너지보다 큰지에 대한 예측 분석을 기초로 하여, 전력 제어 모듈은 운전 작동을 완료하기 위해 고 에너지 밀도 하이브리드 모듈(112)이 필요한지를 결정한다. 나아가, 전력 제어 모듈은 회의의 상황별 설정에 따라 운전을 예상하여 적어도 임계 충전으로 고 에너지 밀도 하이브리드 모듈(112)에 연결된 양방향 DC-DC 컨버터(502)를 통해 트랙션 배터리(102)를 독립적으로 그리고 자동으로 사전 충전하도록 구성될 수 있다.
중요하게는, 전력 제어 모듈은, 개별적인 고 에너지 밀도 하이브리드 모듈들(112)의 안전성, 최대 수명 사이클, 및 최대 용량 속성이 고려되는 것을 동시에 보장하면서, 하나 이상의 고 에너지 밀도 하이브리드 모듈(112)로부터 획득된 출력 전력을 제어할 수 있다. 예를 들어, 고 에너지 밀도 하이브리드 모듈(112A)의 독립적으로 측정 가능한 셀에 대해 획득된 센서 정보에 기초하여, 고에너지 밀도 하이브리드 모듈(112A)에 결함이 있다고 결정되면, 전력 제어 모듈은 모듈 A를 비활성화하고 고 에너지 밀도 하이브리드 모듈(112B)을 이용하여 트랙션 배터리(102)를 사전 충전할 수 있으므로, 배터리 팩의 안전성을 보장하고 대형 재충전을 통해 비활성화된 모듈 A의 최종 복원을 허용한다. 또 다른 예에서, 고 에너지 밀도 하이브리드 모듈(112C)이 6개의 남은 라이프 사이클을 갖는다고 결정하면, 전력 제어 모듈은 또 다른 모듈로부터의 전력을 이용하기 전에 고갈 모듈 C를 우선시할 수 있다. 전력 제어 모듈에 의해 결정된 고 에너지 밀도 하이브리드 모듈(112)로부터 검색될 출력 전력의 정확도를 나타내는 사용자 피드백은 전력 제어 모듈을 변경하여 더 나은 결과를 생성하는데 사용된다.
하나 이상의 프로파일 소스로부터의 프로파일 정보로 동작하는 실시예는 전기 차량의 사용자에게 적용 가능한 제약을 일상적으로 평가한다. 실시예는 프로파일 정보 분석에서 발견될 때 새로운 제약/입력 데이터를 추가하고, 프로파일 정보 분석에 의해 정당화될 때 기존 제약을 수정하며, 그리고 피드백, 관찰된 제약의 사용 및/또는 프로필 정보의 과거 제약에 대한 지원의 존재에 따라 과거 제약의 사용을 감소시킬 수 있다. 과거 제약은, 과거 제약을 제거/삭제/또는 무효화하는 것을 포함하여 어느 정도 제약을 탈우선순위화함으으로써 줄이거나 노화될 수 있다. 프로필 정보의 소스는, 예를 들어, 차량 및/또는 관리 시스템과 페어링된 전화, 태블릿 또는 다른 디바이스의 캘린더 항목; 사용자가 액세스를 제공할 수 있는 사용자와 연관된 일정관리 계정, 앱 등; 사용자의 정보 직접 입력 등을 포함할 수 있다. 보다 일반적으로, 프로파일 정보는 차량의 사용자 또는 소유자와 연관될 수 있는 직간접적으로 차량에 이용 가능한 임의의 소스로부터 획득될 수 있다.
하나 이상의 프로파일 소스로부터의 프로파일 정보로 동작하는 실시예는 미래 기간 동안 사용자의 활동을 예측한다. 예를 들어, 캘린더 데이터에 기초하여, 실시예는 예를 들어 캘린더 엔트리의 NLP에 의해, 사용자가 내일 오전 9시에 위치 A에서 일하고, 오후 12시부터 오후 1시까지 점심을 먹고, 오후 3시 이후에 다른 주의 의사를 방문할 계획임을 결정할 수 있다. 실시예는 캘린더 활동에 기초하여 내일을 위한 에너지 요건을 도출하고 하나 이상의 고 에너지 밀도 하이브리드 모듈(112)을 사용하여 트랙션 배터리(102)를 사전 충전하거나, 내일 사용할 고 에너지 밀도 하이브리드 모듈(112)을 할당한다. 제한하려는 의도가 아니기 때문에, 할당은 캘린더 데이터를 해석하기 위해 NLP를 사용하지 않고도 수행될 수도 있다. 추가로, 이러한 입력 데이터/제약, 우선 순위 지정, 2차 고려 사항 등의 예는 제한하려는 의도가 아니다. 본 개시내용으로부터, 통상의 기술자는 유사한 목적을 위해 적용 가능한 많은 다른 관점을을 생각할 수 있을 것이고, 동일한 것이 예시적인 실시예의 범위 내에서 고려된다.
여기에 설명된 지능형 전력 제어 시스템 및 기술은 일반적으로 전기 차량에 속하는 기술 시도 분야에서의 종래의 방법에서 이용 가능하지 않다. 여기에 설명된 실시예의 방법은, 디바이스 또는 데이터 프로세싱 시스템 상에서 실행되도록 구현될 때, 하이브리드 배터리 아키텍처 모듈의 안전성, 수명 및 용량 속성의 최대화를 보장하면서 입력 및 출력 전류의 제어를 가능하게 하는 하이브리드 배터리 아키텍처를 사용하고 제약 조건 제안을 얻음으로써 전력 출력 제안에서 디바이스 또는 데이터 프로세싱 시스템의 기능을 실질적으로 향상시키는 것을 포함한다.
추가 실시예에서, 기계 학습 엔진은 감지 및 수신된 정보의 비교에 기초하여 제어기에 의해 이루어진 예측의 해상도 및 효율을 증가시키기 위해 제공될 수 있다. 기계 학습 엔진은 패턴을 검출하고 이들 패턴에 기초하여 가능한 결과 및 에너지 수요 프로파일을 가중할 수 있다. 사용자가 차량에 참여함에 따라 여행에 관한 데이터가 수집되어 제어기 또는 또 다른 네트워크 연결 컴퓨터 디바이스에 의한 분석을 위해 저장될 수 있다. 다수의 사용자가 다수의 전기 차량을 타고 이동한 데이터는 패턴을 감지하고 행동을 예측하는데 추가적인 해결 방법을 허용하기 위해 집계될 수 있다.
예를 들어, 운전자는 주간 고속도로(interstate)와 연결되는 카운티 도로(county road)와 같은 도로를 따라 이동하고 있을 수 있다. 지리적 위치 센서는 차량이 도로 상에 있고 주간 고속도로 방향으로 향하고 있음을 검출할 수 있다. 다수의 차량에 의해 수집된 데이터는 주간 고속도로 방향으로 이 카운티 도로를 따라 주행하는 대부분의 차량이 주간 고속도로에 진입할 가능성이 있음을 나타낼 수 있다. 다수의 차량에 의해 수집된 데이터는 초기에 운전자가 통상적으로 남쪽 방향, 예를 들어, 도시 방향 또는 다수의 직장이 있는 장소로 주간 고속도로에 진입한다는 것을 나타낼 수 있다.
기계 학습 엔진은 이 정보를 사용하여 이동에 대한 에너지 수요 프로파일을 예측할 수 있다. 실제 조건이 예측된 이동과 다를 수 있으므로 변경될 수 있기 때문에 이 프로파일은 기준선으로 제공될 수 있다. 위의 예를 고려하면 전기 차량의 운전자는 예상 이동에서 벗어나 주간 온램프(onramp)를 지나 운전할 수 있다. 그 후, 기계 학습 엔진은 발생한 예측 이동으로부터의 편차를 결정하고 다음으로 가장 가능성이 높은 시나리오, 그 예로 주간 고속도로 접근 지점에서 30마일 떨어진 곳에 위치한 자주 방문하는 친척의 집 또는 또 다른 위치로 이동하는 경우를 반영하기 위해 에너지 수요 프로파일을 업데이트할 수 있다.
제한 없이 제공되는 또 다른 예에서, 차량 상에 위치된 센서는 전기 차량을 전진 방향으로 이동시키는데 필요한 토크의 양을 검출할 수 있다. 이 예에서, 차량을 가속하기 위해 실질적으로 더 많은 양의 토크가 필요하다고 결정될 수 있다. 또한 차량이 감속할수록 더 많은 양의 회생 에너지가 생성되는 것으로 결정될 수 있다. 기계 학습 엔진은 차량이 또 다른 중량물을 견인하고 있다고 결정할 수 있다. 중량물을 견인하는 동안 이동을 완료하는데 필요한 저장 에너지의 양을 수정하기 위해 제어기가 계산을 수행할 수 있다. 이들 수정이 적용될 수 있으며 이동의 추가 에너지 수요를 반영하기 위해 에너지 수요 프로파일에 영향을 미칠 수 있다. 예를 들어, 제어기는 중량물을 견인할 때 더 높은 에너지 수요를 예상하기 위해 에너지 수요 프로파일을 조정할 수 있다.
기계 학습 엔진의 예측 프로파일은 전체 사용자로부터 일반적인 경로 특성 및 에너지 소비 요구를 나타낼 수 있는 집계 또는 기준 프로파일을 포함할 수 있다. 기계 학습 엔진의 예측 프로파일은 또한 사용자에 의해 수행된 공통 여행, 공통 목적지, 및 이와 관련된 다른 공통 특성을 나타내는 로컬 프로파일을 포함할 수 있다. 일 실시예에서, 에너지 수요 프로파일은 사용자별로 생성될 수 있다. 그리고 이 실시예에서, 사용자는 전용 전자 열쇠(dedicated key fob), 차량의 엔터테인먼트 시스템에 연결된 모바일 컴퓨팅 디바이스, 음성 인식, 시트 무게 센서, 및/또는 운영자의 신원을 나타내는 다른 정보에 의해 식별될 수 있다. 기계 학습 엔진은 운영자를 인식할 시에 통계적으로 가능한 경로, 운전 습관 및 운영자의 다른 유용한 특성에 적응하기 위해 예측 모델을 조정할 수 있다. 이에 따라 에너지 수요 프로파일은 운영자와 연관된 로컬 프로파일에 관해 조정될 수 있습니다.
기계 학습 엔진은 차량 파라미터 가정을 업데이트하고 목적지-가중 에너지 수요를 예측함으로써 동작할 수 있다. 이동 시작 시 차량 및 예상 여행에 관한 가정이 이루어질 수 있다. 이들 가정은 차량에 의해 결정된 정보에 의해 뒷받침될 수 있으며 물리적 파라미터를 계산하는데 사용될 수 있는 시계열 데이터로 기록될 수 있다. 예시적인 물리적 파라미터는 속도, 배터리 시스템 순 전력, 트랙션 모터 전력, 지리적 위치, 및 본 개시내용의 이점을 가진 후 통상의 기술자에 의해 이해될 바와 같은 다른 파라미터를 포함할 수 있다. 위도, 경도, 방향(heading), 고도, 속도, 가속도, 관성 및 다른 정보와 같은 지리적 위치 정보에 관련된 추가 정보가 도출될 수 있다.
차량-도출 정보는 네트워크를 통해 소싱된 정보로 보완될 수 있다. 그러한 정보는 풍속, 날씨 정보, 경로, 목적지까지의 거리, 경로의 고도 및 지형 프로파일, 교통, 및 이동의 에너지 수요에 영향을 미칠 수 있는 다른 정보를 포함할 수 있다.
기계 학습 엔진은 차량에서 수집된 시계열 데이터, 네트워크를 통해 제공되는 것과 같은 추가 정보 및/또는 상관관계를 도출하기 위한 다른 정보에 대한 분석을 수행할 수 있다. 예를 들어, 기계 학습 엔진은 최적의 차량 파라미터 값을 찾기 위해 시계열 단계 데이터(time series step data)에 대해 선형 대수 회귀 분석을 수행할 수 있다. 최적의 차량 파라미터 값의 예는 질량, 롤링 저항 계수(rolling resistance coefficient), 공기 역학적 항력 계수 및 통상의 기술자가 이해할 수 있는 다른 값을 포함할 수 있다. 기계 학습 엔진은, 예를 들어, 질량, 롤링 저항 계수, 공기 역학적 항력 계수, 평균 보조 전력 부하 및 통상의 기술자가 이해할 수 있는 다른 반환 파라미터와 같은 에너지 관리에서 제어기에 의해 사용될 수 있는 차량 파라미터를 추가로 반환할 수 있다. 평균 보조 전기 부하 전력을 결정하는데 사용될 수 있는 예시적인 계산은 제한 없이 배터리 시스템 순 전력의 합에서 트랙션 모터 전력의 합을 뺀 값일 수 있다.
기계 학습 엔진은 목적지 가중 에너지 요구를 예측하는데 바람직하게 도움이 될 수 있다. 이러한 에너지 요구는 고-에너지 범위 배터리에 의해 저장된 전기 에너지를, 전기 차량 또는 다른 부하에 의해 사용되는 고-전력 트랙션 배터리로 이동할지 여부를 결정하는데 도움이 될 수 있다. 예측을 할 시에, 기계 학습 엔진은 현재 장소로부터 다양한 후보 충전 장소까지의 경로를 결정할 수 있다. 이동 정보(Trip information)는 차량에 포함된 내비게이션 시스템, 사용자의 모바일 컴퓨팅 디바이스에 의해 제공되어 운전자 행동의 이력 등에 기초하여 예측되는 방향 등에 의해 수신될 수 있다. 사용자의 집 또는 공공 충전 시설과 같은 충전 장소의 존재는 이동 이력, 인터넷 제공 소스, 내비게이션 방향 및 다른 소스에 기초하여 결정될 수 있다.
이동 목적지의 허용 가능한 근접 범위 내에 위치하는 경우 충전 장소 후보가 선호될 수 있다. 선호하는 충전 위치는 기계 학습 엔진에 의한 예상 에너지 수요 계산에서 촉진될 수 있다. 유사하게, 이동의 예상 에너지 수요를 결정할 때 바람직하지 않은 충전 장소는 덜 강조 및/또는 제거될 수 있다.
위에서 주어진 예를 계속하면, 기계 학습 엔진은 운영자를 출발지 장소로부터 표시된 목적지로 안내하기 위해 다양한 경로 옵션을 계산할 수 있다. 이동 옵션은 충전 시설의 존재, 예상 도로 정류장, 충전 시설들 사이의 수용 가능한 거리, 충전 시설들 사이의 허용 불가 거리, 고도 변화, 교통량 및 각 경로 옵션과 관련된 다른 특성과 같은 요인을 고려할 수 있다. 기계 학습 엔진은 운영자 차량의 현재 충전 상태로는 액세스할 수 없는 것으로 보이는 경로 옵션을 선호하지 않을 수 있다.
또 다른 예에서, 제한 없이 제공되는 기계 학습 엔진은 고-전력 트랙션 배터리의 충전 상태가 약 50%라고 결정할 수 있다. 이 예에서, 가장 직접적인 경로와 같은 제1 경로는 정상 동작 하에서 충전 시설에 도달하기 위해 적어도 75% 충전 상태가 필요할 수 있다. 도달하는데 25%의 충전 상태만 필요한 충전 시설을 사용자에게 제시하는 대체 경로가 식별될 수 있다. 그 후 기계 학습 엔진은 충전 시설에 대한 조기 액세스를 제공하는 경로를 추천할 수 있고, 이로써 고-에너지 범위 배터리의 적어도 일부를 온라인으로 가져올 필요성을 피할 수 있다.
또한, 이 예에서, 운영자는 대체 경로에서 운전하는 것과 같이 권장 경로를 중단하도록 선택할 수 있다. 운영자가 선호하지 않는 경로를 선택하고 선호하지 않는 경로를 따르는 방향으로 향하기 시작하는 것으로 결정되는 경우, 기계 학습 엔진은 고-전력 트랙션 배터리에 남아 있는 예상 용량 밖에 위치된 충전 시설에 도달하는데 필요할 수 있는 추가 에너지를 제공하기 위해 고-에너지 범위 배터리의 적어도 일부가 온라인 상태가 되도록 지시할 수 있다.
기계 학습 엔진은 감지된 정보, 조건, 파라미터, 이동 세부사항, 및 통상의 기술자에게 이해되는 바와 같이, 예측된 에너지 사용 프로파일을 준수하기 위해 요구되는 추정된 에너지 소비에 영향을 미칠 수 있는 다른 인자에 다양한 가중치를 제공할 수 있다. 예측된 에너지 사용 프로파일에 영향을 미치도록 가중될 수 있는 예시적인 파라미터는 지리적 위치, GPS 위치, 하루 중 시간, 요일, 차량의 질량, 차량에 의해 견인되는 중량물, 온도, 보조 전력 수요, 롤링 저항 계수, 공기역학적 계수 범위, 배터리 패키지가 마지막으로 충전된 이후의 시간, 마지막 충전 세션이 후보 위치에서 발생된 이후 시간, 및/또는 본 개시내용의 이점을 가진 후 통상의 기술자가에게 명백할 다른 인자 및 파라미터를 포함할 수 있다.
그 후 기계 학습 엔진은 고려된 파라미터의 가중된 영향에 적어도 부분적으로 기초하여 에너지 요구를 예측하기 위해 이들 파라미터를 상관시킬 수 있다. 예를 들어, 기계 학습 엔진은 에너지 요구가 차량에 포함된 중량물과 차량에 의해 견인 및 운반되는 다른 중량물의 합과 거의 동일해야 한다고 간주되는 계산을 적용할 수 있다. 이 값은 예상 경로를 완료하는데 필요한 예상 에너지와 곱해질 수 있다. 그 후, 기계 학습 엔진은 이들 인자를 분석하고 예상 이동과 관련된 예상 에너지 요구 프로파일을 예측할 수 있다. 그 후에 배터리 패키지의 제어기는 고-에너지 범위 배터리와 고-전력 트랙션 배터리 사이에서 전력을 이동시켜 현재 고-전력 트랙션 배터리에 의해 유지되는 충전 상태의 임의의 예측된 결함을 보상할 수 있다.
이제 리던던시(redundancy) 특징에 대해 자세히 논의될 것이다. 일 실시예에서, 저장된 에너지의 총 고갈 및/또는 고장을 경험하는 하나 이상의 배터리 구성요소의 위험을 완화하기 위해 리던던시 특징이 제공될 수 있다. 다수의 에너지 관리 구성요소는 하나의 에너지 관리 구성요소의 고장이 시스템 전체 고장으로 이어질 가능성이 없도록 포함될 수 있다. 일 예에서, 배터리 패키지는 연결된 전기 배터리 관리 구성요소, 고-전력 트랙션 배터리 모듈, 고-에너지 범위 배터리 모듈, 냉각 특징 및/또는 저장 및 전력 전달을 지원하는 다른 에스펙트(aspects)를 포함하는 모듈형 구성요소로서 포함될 수 있다. 이 예에서, 모듈형 구성요소 중 하나가 고장나면, 나머지 모듈형 구성요소은 그 연결된 에스펙트로부터 전력 전달을 계속할 수 있다.
일 실시예에서, 독립적인 관찰자 모듈은 에너지 관리 구성요소에 의해 제공되는 백업 기능을 제공하기 위해 포함될 수 있다. 이 예에서, 독립적인 관찰자 모듈은 각각의 배터리 패키지에 연결된 에너지 관리 구성요소의 고장의 경우에도, 배터리 패키지에 저장된 전기 에너지로부터 차량 또는 다른 연결된 부하를 계속 실행할 수 있다. 예를 들어, 연결된 에너지 관리 구성요소에 고장이 발생한 경우, 독립적인 관찰자 모듈의 리던던트(redundant) 특징은, 연결된 부하, 예를 들어 차량이 독립적인 관찰자 모듈에 의한 개입을 유발하는 그러한 문제가 조사 및/또는 수리될 때까지 실질적으로 안전하게 계속 동작될 수 있도록 에너지 관리 동작을 취할 수 있다. 그러한 리던던시 및 안전성 특징을 제공하여 시스템 고정이 발생한 경우 이를 완화함으로써, 본 개시내용에 의해 가능해진 시스템은 ASIL D 아키텍처로서 인증될 수 있다.
예시적인 실시예는 소정의 타입의 데이터, 기능, 알고리즘, 방정식, 모델 구성, 실시예의 위치, 추가 데이터, 디바이스, 데이터 프로세싱 시스템, 환경, 구성요소 및 애플리케이션과 관련하여 단지 예로서 설명된다. 이들 및 다른 유사한 아티팩트의 임의의 특정 표현은 본 발명을 제한하려는 의도가 아니다. 이들 및 다른 유사한 아티팩트의 임의의 적절한 표현은 예시적인 실시예의 범위 내에서 선택될 수 있다.
더욱이, 예시적인 실시예는 임의의 타입의 데이터, 데이터 소스, 또는 데이터 네트워크를 통한 데이터 소스에 대한 액세스와 관련하여 구현될 수 있다. 임의의 타입의 데이터 저장 디바이스는 본 발명의 범위 내에서 데이터 프로세싱 시스템에서 로컬로 또는 데이터 네트워크를 통해 본 발명의 실시예에 데이터를 제공할 수 있다. 실시예가 모바일 디바이스를 사용하여 설명되는 경우, 모바일 디바이스와 함께 사용하기에 적합한 임의의 타입의 데이터 저장 디바이스는 예시적인 실시예의 범위 내에서 모바일 디바이스에서 로컬로 또는 데이터 네트워크를 통해 그러한 실시예에 데이터를 제공할 수 있다.
예시적인 실시예는 특정 코드, 디자인, 아키텍처, 프로토콜, 레이아웃, 개략도 및 도구를 단지 예로서 사용하여 설명되며 예시적인 실시예에 제한되지 않는다. 더욱이, 설명의 명확성을 위한 예로서만 특정 소프트웨어, 도구 및 데이터 프로세싱 환경을 사용하여 일부 경우에 예시적인 실시예가 설명된다. 예시적인 실시예는 다른 비슷하거나 유사한 목적의 구조, 시스템, 애플리케이션 또는 아키텍처와 함께 사용될 수 있다. 그러므로, 예를 들어, 다른 비슷한 모바일 디바이스, 구조, 시스템, 애플리케이션 또는 아키텍처가 본 발명의 범위 내에서 본 발명의 그러한 실시예와 함께 사용될 수 있다. 예시적인 실시예는 하드웨어, 소프트웨어 또는 이들의 조합으로 구현될 수 있다.
본 개시내용의 예는 설명의 명확성을 위해서만 사용되며, 예시적인 실시예로 제한되지 않는다. 추가 데이터, 동작, 액션, 작업, 활동 및 조작이 본 개시내용으로부터 생각할 수 있고, 동일한 것이 예시적인 실시예의 범위 내에서 고려된다.
여기에 열거된 임의의 이점은 단지 예일 뿐이며, 예시적인 실시예을 제한하는 것으로 의도되지 않는다. 부가적인 또는 상이한 이점은 특정 예시적인 실시예에 의해 실현될 수 있다. 더욱이, 특정 예시적인 실시예는 위에서 열거된 이점들 중 일부, 전부를 갖거나 또는 어느 것도 갖지 않을 수 있다.
도면을 참조하여, 특히 도 10 및 도 11을 참조하여, 이들 도면은 예시적인 실시예가 구현될 수 있는 데이터 프로세싱 환경의 예시적인 다이어그램이다. 도 10 및 도 11은 단지 예일 뿐이며, 상이한 실시예가 구현될 수 있는 환경에 관한 임의의 제한을 주장하거나 암시하는 것을 의도하지 않는다. 특정 구현은 다음의 설명에 기초하여 도시된 환경에 대한 많은 수정을 행할 수 있다.
도 10은 예시적인 실시예가 구현될 수 있는 데이터 프로세싱 시스템의 네트워크의 블록도를 도시한다. 데이터 프로세싱 환경(1000)은 예시적인 실시예가 구현될 수 있는 컴퓨터의 네트워크이다. 데이터 프로세싱 환경(1000)은 네트워크/통신 인프라스트럭처(1002)를 포함한다. 네트워크/통신 인프라스트럭처(1002)는 데이터 프로세싱 환경(1000) 내에 연결된 다양한 디바이스, 데이터베이스와 컴퓨터 사이의 통신 링크를 제공하는데 사용되는 매체이다. 네트워크/통신 인프라스트럭처(1002)는 유선, 무선 통신 링크 또는 광섬유 케이블과 같은 연결을 포함할 수 있다.
클라이언트 또는 서버는 네트워크/통신 인프라스트럭처(1002)에 연결된 소정의 데이터 프로세싱 시스템의 단지 예시적인 역할이고, 이들 데이터 프로세싱 시스템에 대한 다른 구성 또는 역할을 배제하도록 의도되지 않는다. 서버(1004)및 서버(1006)는 저장 유닛(1008)과 함께 네트워크/통신 인프라스트럭처(1002)에 결합된다. 소프트웨어 애플리케이션은 데이터 프로세싱 환경(1000)에서 임의의 컴퓨터 상에서 실행될 수 있다. 클라이언트(1010), 클라이언트(1012), 대시보드(1014)는 또한 네트워크/통신 인프라스트럭처(1002)에 결합된다. 클라이언트(1010)는 디스플레이를 갖는 원격 컴퓨터일 수 있다. 클라이언트(1012)는, 예컨대, 전력 공급 시스템(100)의 충전 상태를 수신하거나 사용자의 캘린더에 관한 정보를 전송하기 위해, 정보를 송신 또는 수신하기 위한 애플리케이션으로 구성된 모바일 디바이스일 수 있다. 대시보드(1014)는 전기 차량 내부에 위치될 수 있고, 여기에서 논의된 정보 중 임의의 것을 송신 또는 수신하도록 구성될 수 있다. 서버(1004) 또는 서버(1006), 또는 클라이언트(클라이언트(1010), 클라이언트(1012), 대시보드(1014))와 같은 데이터 프로세싱 시스템은 데이터를 포함할 수 있고, 소프트웨어 애플리케이션 또는 그에 대해 실행되는 소프트웨어 도구를 가질 수 있다.
단지 일 예로서 그리고 그러한 아키텍처에 대한 어떠한 제한도 암시하지 않고, 도 10은 실시예의 예시적인 구현에서 사용가능한 소정의 구성요소를 도시한다. 예를 들어, 서버 및 클라이언트는 단지 예이며, 클라이언트-서버 아키텍처에 대한 제한을 암시하지 않는다. 또 다른 예로서, 실시예는 도시된 바와 같이 여러 데이터 프로세싱 시스템 및 데이터 네트워크에 걸쳐 분산될 수 있다. 이와 달리, 또 다른 실시예는 예시적인 실시예의 범위 내에서 단일 데이터 프로세싱 시스템 상에서 구현될 수 있다. 데이터 프로세싱 시스템(서버(1004), 서버(1006), 클라이언트(1010), 클라이언트(1012), 대시보드(1014))은 또한 일 실시예를 구현하기에 적합한 클러스터, 파티션 및 다른 구성의 예시적인 노드를 나타낸다.
전력 공급 시스템(100)은 하나 이상의 트랙션을 포함하는 트랙션 배터리(102) 및 하나 이상의 고 에너지 밀도 하이브리드 모듈(112)을 포함하는 하이브리드 범위 익스텐더 배터리(124)를 포함한다. 논의된 바와 같이, 하나 이상의 고 에너지 밀도 하이브리드 모듈(112)은 이용가능한 사이클 수명에 비해 고 에너지 밀도를 우선시하는 화학물질로 구성되고, 상기 각각의 고 에너지 밀도 하이브리드 모듈(112)은 해당 하이브리드 모듈 제어기(118) 및 직렬로 연결된 복수의 셀을 포함하며, 복수의 셀 중 각 셀은 상기 해당 하이브리드 모듈 제어기(118)에 의해 독립적으로 측정가능하도록 구성된다.
클라이언트 애플리케이션(1020), 대시보드 애플리케이션(1022), 또는 임의의 다른 애플리케이션 그 예로 서버 애플리케이션(1016)은 여기에 설명된 실시예를 구현한다. 임의의 애플리케이션은 전력 또는 에너지 요건을 예측하기 위해 전력 공급 시스템(100) 및 프로파일 소스로부터의 데이터를 사용할 수 있다. 애플리케이션은 또한 예측 분석을 위해 저장 유닛(1008)으로부터 데이터를 획득할 수 있다. 애플리케이션은 또한 임의의 데이터 프로세싱 시스템(서버(1004) 또는 서버(1006), 클라이언트(1010), 클라이언트(1012), 대시보드(1014))에서 실행될 수 있다.
서버(1004), 서버(1006), 저장 유닛(1008), 클라이언트(1010), 클라이언트(1012), 대시보드(1014)는 유선 연결, 무선 통신 프로토콜, 또는 다른 적합한 데이터 연결을 사용하여 네트워크/통신 인프라스트럭처(1002)에 연결될 수 있다. 클라이언트(1010), 클라이언트(1012), 및 대시보드(1014)는, 예를 들어, 모바일 폰, 개인용 컴퓨터, 또는 네트워크 컴퓨터일 수 있다.
도시된 예에서, 서버(1004)는 부트 파일, 운영 체제 이미지, 및 애플리케이션과 같은 데이터를 클라이언트(1010), 클라이언트(1012), 및 대시보드(1014)에 제공할 수 있다. 클라이언트(1010), 클라이언트(1012) 및 대시보드(1014)는 이 예에서 서버(1004)에 대한 클라이언트일 수 있다. 클라이언트(1010), 클라이언트(1012) 및 대시보드(1014) 또는 이들의 일부 조합은 그들 자신의 데이터, 부트 파일, 운영 체제 이미지, 및 애플리케이션을 포함할 수 있다. 데이터 프로세싱 환경(1000)은 도시되지 않은 추가 서버, 클라이언트 및 다른 디바이스를 포함할 수 있다.
서버(1006)는, 다양한 실시예에 대해 여기에 기술된 바와 같이 전력 전달을 위한 운영자로부터의 요청에 응답하여, 지형 조건, 속도 제한, 사용자 피드백, 대체 프로파일 소스, GPS 정보, 교통 상태 또는 달리 운전 특성 및 배터리 측정(예를 들어, 고 에너지 밀도 하이브리드 모듈(112)의 개별 셀로부터의 실시간 배터리 측정)과 같은 정보를 검색하도록 구성된 검색 엔진을 포함할 수 있다.
도시된 예에서, 데이터 프로세싱 환경(1000)은 인터넷일 수 있다. 네트워크/통신 인프라스트럭처(1002)는 TCP/IP(Transmission Control Protocol/Internet Protocol) 및 다른 프로토콜을 사용하여 서로 통신하는 네트워크 및 게이트웨이의 집합체를 나타낼 수 있다. 인터넷의 중심에는 데이터와 메시지를 라우팅하는 수천 개의 상업용, 정부용, 교육용 및 다른 컴퓨터 시스템을 포함하여 주요 노드들 또는 호스트 컴퓨터들 간의 데이터 통신 링크의 백본이 있다. 물론, 데이터 프로세싱 환경(1000)은 또한 예를 들어 인트라넷, 근거리 통신 네트워크(LAN) 또는 광역 통신 네트워크(WAN)와 같은 다수의 상이한 타입의 네트워크로서 구현될 수 있다. 도 10은 상이한 예시적인 실시예에 대한 구조적 제한이 아닌 예로서 의도된 것이다.
다른 용도 중에서, 데이터 프로세싱 환경(1000)은 예시적인 실시예가 구현될 수 있는 클라이언트-서버 환경을 구현하기 위해 사용될 수 있다. 클라이언트-서버 환경은 클라이언트 데이터 프로세싱 시스템과 서버 데이터 프로세싱 시스템 간의 상호 작용을 사용하여 애플리케이션 기능을 하도록 소프트웨어 애플리케이션과 데이터가 네트워크를 통해 분포될 수 있게 한다. 데이터 프로세싱 환경(1000)은 또한 네트워크에 걸쳐 분포된 상호 운용 가능한 소프트웨어 구성요소가 일관된 비즈니스 애플리케이션으로 함께 패키징될 수 있는 서비스-지향 아키텍처를 사용할 수 있다. 데이터 프로세싱 환경(1000)은 또한 클라우드의 형태를 취할 수 있고, 구성 가능한 컴퓨팅 리소스(예를 들어, 네트워크, 네트워크 대역폭, 서버, 프로세싱, 메모리, 스토리지, 애플리케이션, 가상 머신 및 서비스)의 공유 풀(shared pool)에 대한 편리한 온-디맨드 네트워크 액세스를 가능하게 하기 위해 서비스 전달의 클라우드 컴퓨팅 모델을 채용할 수 있으며, 이는 최소한의 관리 노력 또는 서비스 제공자와의 상호 작용으로 신속하게 제공 및 공개할 수 있다.
도 11은 예시적인 실시예가 구현될 수 있는 데이터 프로세싱 시스템의 블록도를 도시한다. 데이터 프로세싱 시스템(1100)은 컴퓨터, 그 예로 도 10에서 클라이언트(1010), 클라이언트(1012), 대시보드(1014) 또는 서버(1004), 서버(1006), 또는 프로세스를 구현하는 컴퓨터 사용가능 프로그램 코드 또는 명령어가 예시적인 실시예을 위해 위치될 수 있는 또 다른 타입의 디바이스의 일 예이다.
데이터 프로세싱 시스템(1100)은 단지 일 예로서 컴퓨터로 설명되지만, 이에 제한되지 않는다. 도 10에서, 다른 디바이스 형태의 구현은, 여기에 설명된 데이터 프로세싱 시스템(1100)의 동작 및 기능의 일반적인 설명으로부터 벗어남 없이, 예컨대 터치 인터페이스를 추가하여 데이터 프로세싱 시스템(1100)을 수정할 수 있고 심지어는 데이터 프로세싱 시스템(1100)으로부터 소정의 묘사된 구성요소를 제거할 수 있다.
도시된 예에서, 데이터 프로세싱 시스템(1100)은 노스 브리지 및 메모리 제어기 허브(North Bridge and memory controller hub, NB/MCH)(1102) 및 사우스 브리지 및 입력/출력(I/O) 제어기 허브(South Bridge and input/output (I/O) controller hub, SB/ICH)(1104)를 포함하는 허브 아키텍처를 사용한다. 프로세싱 유닛(1106), 메인 메모리(1108) 및 그래픽 프로세서(1110)는 노스브리지 및 메모리 제어기 허브(NB/MCH)(1102)에 결합된다. 프로세싱 유닛(1106)은 하나 이상의 프로세서를 포함할 수 있고 하나 이상의 이종 프로세서 시스템을 사용하여 구현될 수 있다. 프로세싱 유닛(1106)은 멀티-코어 프로세서일 수 있다. 소정의 구현에서 그래픽 프로세서(1110)는 가속 그래픽 포트(accelerated graphics port, AGP)를 통해 노스 브리지 및 메모리 제어기 허브(NB/MCH)(1102)에 결합될 수 있다.
도시된 예에서, 근거리 통신 네트워크(LAN) 어댑터(1112)는 사우스 브리지 및 입력/출력(I/O) 제어기 허브(SB/ICH)(1104)에 결합된다. 오디오 어댑터(1116), 키보드 및 마우스 어댑터(1120), 모뎀(1122), 읽기-전용 메모리(ROM)(1124), 범용 직렬 버스(USB) 및 다른 포트(1132), 및 PCI/PCIe 디바이스(1134)는 버스(1118)를 통해 사우스 브리지 및 입력/출력(I/O) 제어기 허브(SB/ICH)(1104)에 결합된다. 하드 디스크 드라이브(HDD) 또는 솔리드-스테이트 드라이브(SSD)(1126a) 및 CD-ROM(1130)은 버스(1128)를 통해 사우스 브리지 및 입력/출력(I/O) 제어기 허브(SB/ICH)(1104)에 결합된다. PCI/PCIe 디바이스(1134)는, 예를 들어, 이더넷 어댑터, 애드-인(add-in) 카드, 및 노트북 컴퓨터용 PC 카드를 포함할 수 있다. PCI는 카드 버스 제어기를 사용하지만 PCIe는 사용하지 않는다. 읽기-전용 메모리(ROM)(1124)는, 예를 들어, 플래시 BIOS(binary input/output system)일 수 있다. 하드 디스크 드라이브(HDD) 또는 솔리드-스테이트 드라이브(SSD)(1126a) 및 CD-ROM(1130)은, 예를 들어, IDE(integrated drive electronics), SATA(Serial Advanced Technology Attachment) 인터페이스, 또는 외부-SATA(eSATA) 및 마이크로SATA(mSATA)와 같은 변형물을 사용할 수 있다. 슈퍼 I/O(SIO) 디바이스(1136)는 버스(1118)를 통해 사우스 브리지 및 입력/출력(I/O) 제어기 허브(SB/ICH)(1104)에 결합될 수 있다.
메인 메모리(1108), 읽기-전용 메모리(ROM)(1124) 또는 플래시 메모리(도시되지 않음)와 같은 메모리는 컴퓨터에서 사용가능 저장 디바이스의 일부 예이다. 하드 디스크 드라이브(HDD) 또는 솔리드-스테이트 드라이브(SSD)(1126a), CD-ROM(1130) 및 다른 유사하게 사용가능 디바이스는 컴퓨터-사용가능 저장 매체를 포함하는 컴퓨터 사용가능 저장 디바이스의 일부 예이다.
운영 체제는 프로세싱 유닛(1106) 상에서 실행된다. 운영 체제는 도 11의 데이터 프로세싱 시스템(1100) 내의 다양한 구성요소를 조정하고 제어한다. 운영 체제는 서버 시스템, 개인용 컴퓨터 및 모바일 디바이스를 포함하지만 이에 제한되지 않는 임의의 타입의 컴퓨팅 플랫폼을 위한 상업적으로 이용가능한 운영 체제일 수 있다. 객체-지향 또는 또 다른 타입의 프로그래밍 시스템은 운영 체제와 함께 동작하고 데이터 프로세싱 시스템(1100) 상에서 실행되는 프로그램 또는 애플리케이션으로부터 운영 체제에 대한 호출을 제공할 수 있다.
운영 체제, 객체-지향 프로그래밍 시스템, 및 애플리케이션 또는 프로그램, 그 예로 도 10의 애플리케이션(1016) 및 클라이언트 애플리케이션(1020)에 대한 명령어는 예컨대 하드 디스크 드라이브 (HDD) 또는 솔리드-스테이트 드라이브 (SSD)(1126a) 상에 코드(1126b)의 형태로 저장 디바이스 상에 위치될 수 있으며, 그리고 프로세싱 유닛(1106)에 의한 실행을 위해, 하나 이상의 메모리, 그 예로 메인 메모리(1108) 중 적어도 하나에 로딩될 수 있다. 예시적인 실시예의 프로세스는, 예를 들어, 메인 메모리(1108), 읽기-전용 메모리(ROM)(1124)와 같은 메모리에, 또는 하나 이상의 주변 디바이스에 위치될 수 있는 컴퓨터 구현 명령어를 사용하여 프로세싱 유닛(1106)에 의해 수행될 수 있다.
더욱이, 일 경우에, 코드(1126b)는 원격 시스템(1114b)으로부터 네트워크(1114a)를 통해 다운로딩될 수 있고, 여기서 유사한 코드(1114c)는 또 다른 경우에서 저장 디바이스(1114d) 상에 저장되며, 코드(1126b)는 네트워크(1114a)를 통해 원격 시스템(1114b)으로 다운로딩될 수 있고, 여기서 다운로딩된 코드(1114c)는 저장 장치(1114d) 상에 저장된다.
도 10 및 도 11의 하드웨어는 구현에 따라 달라질 수 있다. 플래시 메모리, 등가의 비-휘발성 메모리, 또는 광학 디스크 드라이브 등과 같은 다른 내부 하드웨어 또는 주변 디바이스는 도 10 및 도 11에 도시된 하드웨어에 더하여 또는 상기 하드웨어 대신에 사용될 수 있다. 부가적으로, 예시적인 실시예의 프로세스는 멀티프로세서 데이터 프로세싱 시스템에 적용될 수 있다.
일부 예시적인 예에서, 데이터 프로세싱 시스템(1100)은 운영 체제 파일 및/또는 사용자-생성 데이터를 저장하기 위한 비휘발성 메모리를 제공하기 위해 일반적으로 플래시 메모리로 구성되는 PDA(personal digital assistant)일 수 있다. 버스 시스템은 시스템 버스, I/O 버스 및 PCI 버스와 같은 하나 이상의 버스를 포함할 수 있다. 물론, 버스 시스템은 패브릭 또는 아키텍처에 부착된 상이한 구성요소들 또는 디바이스들 간에 데이터 전송을 제공하는 임의 타입의 통신 패브릭 또는 아키텍처를 사용하여 구현될 수 있다.
통신 유닛은 모뎀 또는 네트워크 어댑터와 같이 데이터를 송수신하는 데 사용되는 하나 이상의 디바이스를 포함할 수 있다. 메모리는, 예를 들어, 메인 메모리(1108), 또는 노스 브리지 및 메모리 제어기 허브(NB/MCH)(1102)에서 발견되는 캐시와 같은 캐시일 수 있다. 프로세싱 유닛은 하나 이상의 프로세서 또는 CPU를 포함할 수 있다.
도 10 및 도 11에 도시된 예 및 전술한 예는 구조적 제한을 의미하지 않는다. 예를 들어, 데이터 프로세싱 시스템(1100)은 또한 모바일 또는 웨어러블 디바이스의 형태를 취하는 것과 더불어 태블릿 컴퓨터, 랩톱 컴퓨터 또는 텔레폰 디바이스일 수 있다.
컴퓨터 또는 데이터 프로세싱 시스템이 가상 머신, 가상 디바이스, 또는 가상 구성요소로 설명되는 경우, 가상 머신, 가상 디바이스, 또는 가상 구성요소는 데이터 프로세싱 시스템(1100)에 도시된 일부 또는 모든 구성요소의 가상화된 구현을 사용하여 데이터 프로세싱 시스템(1100)의 방식으로 동작한다. 예를 들어, 가상 머신, 가상 디바이스 또는 가상 구성요소에서 프로세싱 유닛(1106)는 호스트 데이터 프로세싱 시스템에서 사용가능한 모든 또는 일부 수의 하드웨어 프로세싱 유닛(1106)의 가상화된 인스턴스(virtualized instance)로 나타나고, 메인 메모리(1108)는 호스트 데이터 프로세싱 시스템에서 사용 가능할 수 있는 메인 메모리(1108)의 모두 또는 일부의 가상화된 인스턴스로 나타나고, 하드 디스크 드라이브(HDD) 또는 솔리드-스테이트 드라이브(SSD)(1126a)는 호스트 데이터 프로세싱 시스템에서 사용가능할 수 있는 하드 디스크 드라이브(HDD) 또는 솔리드-스테이트 드라이브(SSD)(1126a)의 모두 또는 일부의 가상화된 인스턴스로 나타난다. 그러한 경우, 호스트 데이터 프로세싱 시스템은 데이터 프로세싱 시스템(1100)에 의해 나타난다.
도 12와 관련하여, 이 도면은 예시적인 실시예에 따른 지능형 전력 제어를 위한 예시적인 구성의 다이어그램을 도시한다. 지능형 전력 제어는 도 12의 애플리케이션(1204)을 사용하여 구현될 수 있다. 애플리케이션(1204)은 도 10에서 서버 애플리케이션(1016), 클라이언트 애플리케이션(1020) 또는 대시보드 애플리케이션(1022)의 예이다. 애플리케이션(1204)은, 예를 들어, 한 세트의 입력 데이터(1202)를 실시간으로 수신하거나 모니터링한다. 입력 데이터는 해당 전기 차량 파라미터(1220), 그 예로 고 에너지 밀도 하이브리드 모듈의 전류, 개별 셀(114) 및 이웃 셀의 온도, 셀(114)의 전압, 셀(114)의 임피던스, 셀(114)의 건강 상태, 셀(114)의 용량, 셀(114)의 계산된 분극 곡선 또는 충전 방전 곡선(500)을 포함하고, 셀(114)의 계산된 분극 곡선 또는 충전 방전 곡선(500)은 흑연화 플래토(graphitization plateaus), 차량 최대 속도/가속, 총 차량 질량, 차량 공기역학적 항력, 위치, 가장 가까운 충전소 등을 식별한다. 입력 데이터는 또한, 프로파일 소스(1226)(사용자 프로파일(1222), 커뮤니티 프로파일(1224), 환경 프로파일(1230)), 그 예로 사용자 선호도, 이동 중 계획된 정류장 수, 평균 일일 주행 거리, 마일당 과거 주행 에너지 소비량, 정차 시간, 캘린더 데이터, 및 환경 데이터, 그 예로 지형 데이터, 도로 경사각, 공기 항력 계수, 도로 롤링 저항 계수 등으로부터의 주행 특성을 포함한다.
여기에 기술된 하나 이상의 실시예에서, 사용자, 커뮤니티, 환경, 해당 전기 자동차, 전력 공급 시스템 등과 연관된 특성, 속성 및/또는 선호도는 "특징"으로 지칭된다. 하나 이상의 실시예에서, 구성(1200)은 특징 선택 결과를 유도하기 위한 알고리즘 및/또는 규칙을 정의하고 구성한다. 특정 실시예로, 알고리즘은, 예를 들어, 특징에 대한 최저 공통 값을 결정하고 그 값이 사용자 중에서 특징의 임계값(예를 들어, 90%) 내에서 최상의 일치를 만족하는지 여부를 결정하는 것을 포함할 수 있다. 일 실시예에서, 시스템은, 배터리 모듈의 안전성, 또는 도착 시간, SOH 또는 주행 거리와 같은 특징이 상이한 가중치를 지니도록 소정의 특징의 우선 순위를 지정할 수 있다. 일 실시예에서, 차량 무리의 공통 요소(common denominator)가 발견된 후, 구성(1200)은 개별 차량의 문제를 이해하고 해당 전기 자동 차량의 전력을 제어하는데 도움이 될 최상의 특징 값을 추출 및 도출한다.
일 실시예에서, 특징 추출 구성요소(1214)는 애플리케이션(1204)으로부터의 요청 내용에 기초하여, 모든 상이한 이용 가능한 특징(예를 들어, 해당 전기 차량 파라미터(1220), 사용자 프로파일(1222), 커뮤니티 프로파일(1224), 환경 프로파일(1230))으로부터의 데이터를 사용하여 해당 전기 차량에 대한 관련 특징을 생성하도록 구성된다. 실시예에서, 특징 추출 구성요소(1214)는 애플리케이션(1204)으로부터 요청을 수신하고, 상기 애플리케이션은 10-마일 이동을 완료하기 위해 하나 이상의 고 에너지 밀도 하이브리드 모듈(112)로부터 얻기 위한 전력 출력을 제안하는 명령어뿐만 아니라 해당 전기 차량(1232) 및/또는 그 사용자 또는 위치의 식별을 적어도 포함한다. 해당 전기 차량(1232) 및/또는 사용자 정보를 사용하여, 특징 추출 구성요소(1214)는 특정 해당 전기 차량 파라미터(1220), 사용자 프로파일(1222)로부터의 사용자 프로파일 정보, 커뮤니티 프로파일(1224)로부터의 커뮤니티 프로파일 정보, 환경 프로파일(1230)로부터 환경 데이터의 조합을 획득한다. 실시예에서, 특징 추출 구성요소(1214)는 정의된 우선순위 알고리즘을 사용하여 특징 프로파일로서 특징을 생성한다. 특정 실시예에서, 특징 프로파일은 각 특징을 포함한다(예를 들어, 1. 셀(114)의 전류, 2. 셀(114)의 온도, 3. 셀(114)의 전압, 4. 셀(114)의 임피던스, 5. 사용자 캘린더, 6. GPS 위치, 7. 목적지, 8. 범위 요건, 9. 셀(114)의 안전성, 용량 및 남은 수명 사이클을 나타내는 건강 감사 보고서의 상태, 10. 각각의 특징에 부여된 가중치). 추출된 특징 및 다수의 상이한 데이터세트를 사용하여 훈련된 훈련 M/L 모델(1206)을 사용하여, 전력 제어 모듈(1216)은 해당 전기 차량(1232)에 대한 전력 출력 제안(1212)을 결정한다. 셀(114)이 충전 및/또는 방전될 수 있는 이용 가능한 수 사이클에 대해 고 에너지 밀도를 우선시하는 화학적 조성을 사용하는 하이브리드 아키텍처의 주요 이점은 전력 공급 시스템(100)의 트랙션 배터리(102)의 범위가 상당하게 증가했다는 것이다. 추가로, 직렬-연결 셀(114)를 가진 고 에너지 밀도 하이브리드 모듈(112)의 전류 입력 및 출력을 개별적으로 제어함으로써, 예를 들어, 단락 검출 시 모듈이 활성화 또는 비활성화되어 국부적 고장으로 인해 추가 손상이 발생하지 않도록 방지하는 제어 능력을 통해, 개별 셀(114) 또는 모듈의 안전성을 증가시키는 고도의 모듈식 아키텍처가 얻어진다. 구성요소 셀(114)에 대해 얻은 측정치를 기초로 하여 고 에너지 밀도 하이브리드 모듈(112)을 모듈식으로 제어함으로써, 각각의 고 에너지 밀도 하이브리드 모듈(112)의 최대 수명 사이클은 종래 솔루션의 병렬 연결된 셀에서 통상적으로 검출되지 않은 셀룰러 문제와 연관된 셀의 급속한 성능 저하를 방지함으로써 보장될 수 있다. 예를 들어, 한 셀이 과열되어 검출되지 않으면, 다른 셀에 영향을 미치는 연쇄 반응을 시작할 수 있다. 모듈 방식으로 밸런스 디바이스(128)를 통한 개별 직렬 연결된 셀의 전류 및 충전/방전 속도를 제어하는 능력은 셀(114)의 최대 용량 및 따라서 이용 가능한 수명 사이클이 보존되도록 보장한다. 이로써, 선호도 및 해당 전기 차량 건강 파라미터를 고려하는 기계 학습 모델을 기반으로 하는 전력 제어 모듈(1216)을 채용함으로써, 개별 고 에너지 밀도 하이브리드 모듈(112)의 출력은 차량의 변화하는 에너지 수요를 효율적으로 해결하기 위해 실시간으로 지능적으로 제어될 수 있으면서, 사용자가 하이브리드 아키텍처에 의해 제공되는 이점을 손상시키지 않고 상기 사용자의 범위 또는 목적지 목표를 달성하도록 할 수 있다. 일 실시예에서, 전력 제어 모듈(1216)은 여기에서 논의된 바와 같이 상기 이점을 최대화하도록 훈련된다.
도 12로 돌아가면, 특징 추출 구성요소(1214)는 심층 신경망에 통합될 수 있다. 특징 추출 구성요소(1214)는 대안적으로 심층 신경망 외부에 있을 수 있다. 전력 제어 모듈(1216)은 전력 출력 제안(1212)을 생성하기 위해 특징 추출 구성요소(1214)로부터 획득된 특징을 사용하고, 상기 전력 출력 제안(1212)은 예를 들어, 애플리케이션(1204)으로부터의 요청에 기초하여 즉각적인 또는 연장된 거리 또는 범위 목표를 충족하기 위해 하나 이상의 양방향 DC-DC 컨버터(502)를 실행하는데 필요한 전력 또는 에너지 또는 C-속도(522)에 대한 정보를 포함할 수 있다. 전력 출력 제안(1212)은 또한 전력 공급 시스템(100)의 하나 이상의 구성요소의 예측된 상태를 나타내는 정보 및 예측된/잠재적인 고장 모드를 완화하기 위한 명령어를 포함할 수 있다. 추가로, 전력 출력 제안(1212)은, 하나 또는 복수의 고 에너지 밀도 하이브리드 모듈(112)이 하나 이상의 양방향 DC-DC 컨버터(502)를 통한 셀(114) 또는 트랙션 배터리의 충전 또는 방전 속도, 상기 충전 또는 방전을 시작하는 시간, 최적화된 경로 등으로부터 정의된 전력 출력을 얻기 위한 정보를 포함할 수 있다. 이들 예는 제한하려는 것이 아니며, 이들 및 다른 예시적인 전력 출력 제안의 임의의 조합은 설명과 유사하게 가능하다. 전력 제어 모듈(1216)은, 예를 들어, RNN(Recurrent Neural Network) 및 DNN(Dynamic Neural Network)과 같은 신경망을 기초로 할 수 있지만 이에 제한되는 것은 아니다. RNN은 센서로부터 나오는 데이터를 사용하여 수치 시계열 예측(numerical times series prediction) 또는 예상 및 수치 시계열 변칙 검출과 같은 일련의 데이터에서 패턴을 인식하도록 설계된 한 타입의 인공 신경망으로 이미지 설명 및 텍스트 요약을 생성한다. RNN은 네트워크 토폴로지에서 사이클를 형성하는 순환 연결(recurrent connections)("정상적인" 신호 흐름과 반대 방향으로 진행)을 사용한다. 초기 입력으로부터 도출된 계산은 네트워크로 피드백되어 RNN에 "단기 메모리"를 제공한다. RNN과 같은 피드백 네트워크는 동적이다; 그들의 '상태'는 평형점에 도달할 때까지 지속적으로 변화하고 있다. 이러한 이유로, RNN은 주어진 데이터 세트에서 시간에 따른 관계를 검출하는데 특히 적합하다. 순환 네트워크는 그들이 보는 현재 입력 예뿐만 아니라 시간에 따라 이전에 인식한 것도 입력으로 받아들인다. 순환 네트워크가 시간 단계 t-1에서 도달한 결정은 잠시 후 시간 단계 t에서 도달할 결정에 영향을 미친다. 이로써, 순환 네트워크는 현재와 최근 과거라는 두 가지 입력 소스를 가지며, 이를 결합하여 새로운 데이터에 어떻게 반응하는지 결정한다. DNN은 네트워크 구조의 동적 선언에 의존한다. 종래의 정적 모델에서, 계산 그래프(신경망에 의한 계산의 상징적 표현이 일반적으로 정의됨)와, 그 후 예제가 이 계산을 실행하고 파생물을 계산하는 엔진에 공급된다. 그러나, 정적 그래프의 경우 시작 시에 입력 크기를 정의해야 하므로 입력이 변경되는 애플리케이션에 불편할 수 있다. 그러나, DNN에서는, 각 입력에 대해 상이한 네트워크 구조를 사용할 수 있는 능력과 함께 네트워크 출력을 계산하는 절차 코드를 실행하여 계산 그래프가 암시적으로 구성되는 동적 선언 전략이 사용된다. 이로써, 훈련 과정에서, 계산 그래프는 모든 훈련 예제에 대해 새롭게 정의될 수 있다. 이로써, 계산 그래프는 입력 변수가 선언된 직후에 동적으로 구성된다. 그러므로, 그래프는 유연하며 언제든지 그래프 내부를 수정하고 검사할 수 있다. 이로써, 신경망에 대한 모든 입력과 신경망 계층 사이의 관계를 유지하는 대신에, 우선순위가 증가하는 임계치 수준을 정의된 파라미터가 넘어설 때 결정을 내릴 수 있고, 신경망의 구조는 동적으로 변경되어 우선순위 증가에 의해 야기된 전력 공급 시스템(100)의 새로운 기능 요건을 해결하는 출력의 해당 변경을 일으키고 그 반대도 마찬가지이다. 이로써, 동적 신경망에서 출력은 입력, 출력 및 네트워크 구조의 현재 및 과거 값에 따라 달라진다. 그러한 피드백을 갖는 신경망은 시스템 모델링, 식별, 제어 및 필터링 동작에 적합하며 비-선형 동적 전력 공급 시스템에 특히 중요하다. 물론, 예제는 비-제한적이며 본 명세서에 비추어 다른 예제를 얻을 수 있다.
예시적인 실시예에서, 전력 출력 제안(1212)은 애플리케이션(1204)의 프레젠테이션 구성요소(1208)에 의해 제시될 수 있다. 적응 구성요소(1210)는 필요한 경우 전력 출력 제안(1212)을 적응시키기 위해 사용자로부터 입력을 수신하도록 구성된다. 예를 들어, 전력 제어 모듈(1216)에 의해 제안된 경로를 변경하면 새로운 경로의 지형 및 거리를 고려하는 제안된 전력 출력의 재계산이 발생한다.
피드백 구성요소(1218)는 전력 출력 제안(1212)에 대한 사용자 피드백(1224)을 옵션으로 수집한다. 일 실시예에서, 애플리케이션(1204)은 전력 출력 제안(1212)을 계산할 뿐만 아니라 사용자가 피드백을 입력하는 방법도 제공하도록 구성되며, 피드백은 계산된 전력 출력 제안(1212)의 정확성을 나타낸다. 피드백 구성요소(1218)는 더 나은 제안을 위해 M/L 모델(1206)을 수정하기 위해 프로파일(1222, 1224, 1230), 또는 M/L 모델(1206)과 같은 기계 학습 기술에서 피드백을 적용한다. 예시적인 실시예에서, 애플리케이션은 상기 피드백 입력을 분석하고, 애플리케이션은 전력 제어 모듈(1216)의 M/L 모델(1206)을 강화한다. 피드백이 제안의 정확성에 대해 긍정적이거나 만족스럽지 못한 경우, 애플리케이션은 각각 M/L 모델(1206)의 파라미터를 강화하거나 약화시킨다. 일 예로, 산에 도달하기 30 마일 전에 하이브리드 범위 익스텐더 배터리(124)를 턴 온하기 위한 제안이 있고, 그 결과 산 정상에서는 산 정상에 전력을 제한할 필요가 없을 만큼 충분한 배터리 용량 및 전력이 있을 것이다. 그러나, 산 정상에서의 전력이 실제로 제한되어 예상보다 낮은 속도를 유지할 수 있다고 결정되면 제안/예측의 부정확성에 대한 피드백이 전력 제어 모듈(1216)에 제공된다.
신경망 모델의 입력 계층은, 예를 들어, 셀(114)의 전류, 전압 또는 임피던스 값을 나타내는 벡터, 지형 데이터의 2D 이미지 픽셀, NLP 엔진(1228)에 의해 제공되는 상황별 캘린더 데이터 등일 수 있다. 일 예에서, CNN(컨볼루션 신경망)은 컨볼루션을 사용하여 입력 이미지로부터 특징을 추출한다. 일 실시예에서, 제안을 제공하라는 요청을 수신하면, 애플리케이션(1204)은 전력 출력 제안(1212)을 포함하는 어레이를 생성하기 위해 M/L 모델(1206)의 입력 뉴런에 입력되는 값의 어레이를 생성한다.
신경망 M/L 모델(1206)은 저장된 프로파일 및 다수의 샘플 차량 및 셀 측정을 포함하는 다양한 타입의 훈련 데이터 세트를 사용하여 훈련된다. 예시적인 실시예에 따른 기계-학습-기반 추천 생성을 위한 예시적인 훈련 아키텍처(1302)의 블록도를 도시하는 도 13에 도시된 바와 같이, 프로그램 코드는 훈련 데이터(1304)로부터 다양한 특징(1306)을 추출한다. 훈련 데이터(1304)의 구성요소는 라벨(L)을 가진다. 특징은 프로그램 코드가 M/L 모델(1308)로 활용하는 예측자 함수 H(x) 또는 가설을 개발하는데 활용된다. 훈련 데이터(1304)에서 다양한 특징을 식별할 시에, 프로그램 코드는 상호 정보를 포함하지만 이에 제한되지 않는 다양한 기술을 활용할 수 있으며, 이는 실시예에서 특징을 식별하기 위해 활용될 수 있는 방법의 예이다. 다른 실시예는 특징을 선택하기 위해, 주요 구성요소 분석, 확산 맵핑, 랜덤 포레스트(Random Forest) 및/또는 재귀적 특징 제거(특징 선택에 대한 무차별 대입 방식(brute force approach))를 포함하지만 이에 제한되지 않는 특징을 선택하기 위해 다양한 기술을 활용할 수 있다. "P"는 획득될 수 있는 출력(예를 들어, 전력 출력 값, 고 에너지 밀도 하이브리드 모듈(112)이 얻는 전력 출력 값 등)이며, 이는 수신될 때, 전력 공급 시스템(100) 또는 차량을 추가로 트리거하여 저장된 명령어의 단계와 같은 다른 단계를 수행한다. 프로그램 코드는 출력에 대한 가중치 제공을 포함하여 M/L 모델(1308)을 훈련하기 위해 기계 학습 m/1 알고리즘(1312)을 활용할 수 있으며, 그 결과 프로그램 코드는 M/L 모델(1308)을 포함하는 예측자 함수에 기초하여 다양한 변화의 우선순위를 정할 수 있다. 출력은 품질 메트릭(1310)에 의해 평가될 수 있다.
다양한 훈련 데이터 세트(1304)를 선택함으로써, 프로그램 코드는 M/L 모델(1308)을 훈련시켜 해당 전기 차량(1232), 운전자, 차량 무리, 환경 조건 등의 다양한 특징을 식별하고 가중치를 부여한다. M/L 모델(1308)을 활용하기 위해, 프로그램 코드는 신경망의 입력 뉴런에 입력할 값의 어레이를 생성하기 위해 입력 데이터 또는 특징을 획득(또는 도출)한다. 이들 입력에 응답하여, 신경망의 출력 뉴런은 동시에 제시되거나 사용될 전력 출력 제안(1212)을 포함하는 어레이를 생성한다.
도 14를 참조하면, 이 도면은 예시적인 실시예에 따라 전기 차량에 대한 전력 출력 제안을 제공하기 위한 예시적인 프로세스(1400)의 흐름도를 도시한다. 프로세스(1400)는 도 12의 애플리케이션(1204)을 사용하여 구현될 수 있다.
단계(1402)에서, 프로세스(1400)는 적어도 하나의 하이브리드 모듈 컨트롤러(HMC)에 의해 전력 공급 시스템의 적어도 하나의 고 에너지 밀도 하이브리드 모듈의 복수의 셀 각각의 파라미터를 독립적으로 측정한다. 복수의 셀은 적어도 하나의 고-에너지-밀도 하이브리드 모듈에서 직렬로 연결된다.
단계(1404)에서, 프로세스(1400)는 전력 제어 모듈에 의한 사용을 위해, 해당 전기 차량의 하나 이상의 특성을 나타내는, 해당 전기 차량 파라미터 세트의 적어도 일부로서 셀의 측정된 파라미터를 수신한다. 파라미터는 적어도 전류, 온도 및 전압을 포함할 수 있다. 용량, 흑연화 플래토를 갖는 분극 곡선, 및 임피던스(DC IR, AC IR)를 포함한 다른 파라미터는 전류, 온도 및 전압의 단일 또는 시계열 측정으로부터 도출될 수 있다. 예를 들어, 흑연화 플래토(철 보간이 일어남)를 갖는 분극 곡선은, 셀(114)에서 일어나는 고장의 종류, 예를 들어, 리튬의 손실 또는 리튬을 저장하기 위한 활성 부위의 손실 등을 해석하기 위해, 프로세스(1400)에 의해 사용될 수 있다.
단계(1406)에서, 프로세스(1400)는 적어도 해당 전기 차량 파라미터 세트를 사용하여 입력 데이터를 생성한다. 단계(1408)에서, 프로세스(1400)는 입력 데이터로부터 하나 이상의 특징을 추출하고, 하나 이상의 특징은 예정된 미팅이 있는 사용자의 캘린더와 같은 전력 출력 제안 동작을 완료하기 위한 요청을 나타낸다. 특징 추출은 모델과 별개이거나 훈련 중에 조정된 모델의 하나 이상의 계층에 포함될 수 있다. 하나 이상의 특징은 또한, 도 15에 도시된 바와 같이, 속성 우선순위화(1502) 단계로부터 얻어진 속성을 나타낼 수 있다. 속성 우선순위화(1502)에서, 전력 출력 제안 동작에서 고려할 하나 이상의 속성(1510)이 획득된다. 하나 이상의 속성은 서로 다른 할당된 우선순위 또는 가중치를 가질 수 있거나, 동일하거나 할당되지 않은 우선순위 또는 가중치를 가질 수 있다. 속성(1510)을 고려하는 상이한 데이터세트의 대규모 세트로 M/L 모델(1206)을 훈련시킴으로써, 상이한 시나리오가 전력 제어 모듈(1216)에 의해 처리될 수 있다. 예시적이고 비제한적인 실시예에서, 속성(1510)은 안전성 속성(1504)을 최대화 또는 강화하고, 수명 속성(1506)을 최대화하며, 용량 속성(1508)을 최대화하기 위한 명령어를 포함한다. 단계(1410)에서, 프로세스(1400)는, 전력 제어 모듈을 사용하여, 해당 전기 차량에 대한 적어도 하나의 전력 출력 제안을 제안한다.
적어도 하나의 전력 출력 제안은 속성 우선순위화(1502), 전력 공급 시스템(100)의 최대 안전성(1504)으로 인해 속성을 설명할 수 있다. 예시적인 실시예에서, 안전성을 최대화하는 것은 셀 화학물질에서 발생하는 가능한 또는 관찰된 활동(예를 들어, 자가-방전으로 나타나는 애노드와 캐소드 사이의 단락)을 설명하는 것을 나타내고, 여기서, 전력 제어 모듈(1216)은 다른 모듈/고 에너지 밀도 하이브리드 모듈(112)에 영향을 미치지 않고 배터리 팩의 세그먼트/고 에너지 밀도 하이브리드 모듈(112)의 동작 중단을 제안 및 구현하며, 이는 종래 배터리 팩에서는 사용할 수 없는 단계이다. 구현은 또한 상기 고 에너지 밀도 하이브리드 모듈(112)로부터 멀리 에너지를 이동시키거나 그것을 방전하고 안전상의 이점을 위해 그것을 격리하기 위해 턴 오프하는 것을 포함할 수 있다. 추가로, 해당하는 전류 변화 없이 비정상적인 온도 상승을 관찰함으로써 전력 제어 모듈(1216)은 화재 이벤트, 회로 보드 고장 등을 추론할 수 있고 이로써 화재 또는 고장의 전파를 피하기 위해 해당 온도 상승에 근접한 해당 모듈을 방전할 수 있다. 또 다른 예에서, 섀시(304)와 고-전압 버스 사이의 절연 손실을 관찰함으로써, 전력 제어 모듈은 하나 이상의 모듈의 충전 상태를 감소시키고 서비스 경고를 제공하고, 이로써 전력 공급 시스템(100), 이에 따른 전기 차량의 안전성을 최대화한다.
적어도 하나의 전력 출력 제안은 전력 공급 시스템(100)의 속성 우선순위화(1502), 최대 수명(1506)을 설명할 수 있다. 예시적인 실시예에서, 수명을 최대화하는 것은 셀(114)의 건강, 즉 전류를 방전하는 셀의 능력을 최대화하는 것을 포함한다. 배터리 임피던스의 증가를 관찰함으로써, 전력 공급 시스템(100)은 셀(114)의 수명을 최대화하기 위해 셀(114)의 과열 또는 "과도-응력"을 피하기 위해 셀(114)의 최대 전류의 변화를 야기한다. 이로써, 정의된 방전 전력은 셀(114)의 건강 상태를 보완하도록 결정된다. 실시예에서, 임피던스는 셀의 방전 및 재충전과 방전 파라미터의 비교 및 이상적인 표준에 대한 재충전에 기초하여 측정되며, 여기서 셀(114)은 SOH 그레이딩 동작(grading operation)에서 등급이 매겨진다. 셀(114)은, 예를 들어, A, B, C, D 및 E로 등급이 매겨지며, A는 높은 SOH를 나타내고 E는 낮은 SOH를 나타낸다. 이로써, 실시예에서, D 및 E로 등급이 매겨진 셀(114)을 갖는 모든 모듈은 C/10의 C-속도(522)에서 전력 제어 모듈(1216)에 의해 동작될 수 있고, B 및 C로 등급이 매겨진 셀을 가진 모듈은 C/5의 C-속도(522)에서 동작될 수 있고, A로 등굽이 매겨진 셀을 갖는 모듈은 C/3의 C-속도(522)에서 동작될 수 있고, 동작된 C-속도(522)는 각각의 고 에너지 밀도 하이브리드 모듈(112)의 방전 전력 제한적이다. 전력 제어 모듈(1216)은 안전성 및 용량 속성과 함께 이러한 제한에 따라 계속 학습하고 조정한다. 이로써, A 등급으로 매겨진 하나의 셀(114) 및 그 모듈이 안전성 문제로 인해 오프라인 상태가 되는 경우, 또 다른 셀(114)은 B로부터 A로 업그레이드되거나, 오프라인 셀(114)의 부재로 인해 더 어려운 듀티 사이클을 위해 구성된 모듈로 업그레이드될 수 있다.
적어도 하나의 전력 출력 제안은 속성 우선순위화(1502)로 인해 전력 공급 시스템(100)의 최대 용량(1508)을 설명할 수 있다. 예시적인 실시예에서, 용량을 최대화하는 것은 셀의 임피던스 문제를 인식한다. 높은 임피던스를 가진 셀에 대해, 전력 제어 모듈(1216)은 해당 고 에너지 밀도 하이브리드 모듈(112)을 가장 낮은 C-속도(522)로 동작시킬 수 있고, 가장 긴 시간에 걸쳐 에너지를 제공하고 이로써 단지 수명 속성(1510)에 기초하여 처음 동작시킬 가능성이 없을지라도 용량을 최대화할 수 있다. 추가로, 그룹의 일련의 셀 스트링에 대해 그룹의 용량은 가장 약한 셀에 의해 제한된다. 모든 셀이 100AH를 가지고 가장 약한 셀이 60AH을 가지는 경우, 전하가 0에 도달하면 가장 약한 셀이 다른 셀을 제한하고, 직렬 스트링의 나머지 셀은 가장 약한 셀의 손상을 방지하기 위해 더 이상 방전될 수 없다. 전력 제어 모듈(1216)은 가장 약한 셀을 보호하고 악화시키지 않기 위해 셀들 간의 용량 차이를 피하도록 동작한다. 게다가, 전력 제어 모듈(1216)은 형성 전하에서 가장 약한 셀을 방전 및 저속 충전하여 셀의 용량을 복구할 수 있다.
이로써, 예시적인 실시예에서, 전력 제어 모듈(1216)은 입력 데이터 예컨대 지형, 최대 전류 및 속도를 고려하고 모든 입력을 관찰하여 속성 목표에 도움이 되는 방법을 예측하면서 수명, 안전정, 용량 및 다른 속성을 최대화 기능을 하는 장단점 시스템에 기초하여 동작한다. 자주/주기적으로 SOH 체크를 수행하면 셀/모듈의 등급이 의사 결정을 위해 그 건강 상태를 추적할 수 있다. 예를 들어, 예정된 이동을 확인하기 위해 달력을 사용하여, SOH 체크가 약한 배터리 모듈을 식별하여 개선될 수 있는지 결정하기 위해 수행될 수 있다. 식별된 약한 배터리 모듈은 이동 중에 사용할 건강 문제를 해결하기 위해 이동 전에 매우 느리게 충전될 수 있다.
이로써, 컴퓨터-구현 방법, 시스템 또는 장치, 및 컴퓨터 프로그램 제품은 전기 차량 전력 공급 및 다른 관련 특징, 기능 또는 동작에 대한 예시로 제공된다. 그 일부의 실시예가 디바이스의 타입과 관련되어 설명되는 경우, 컴퓨터-구현 방법, 시스템 또는 장치, 컴퓨터 프로그램 제품 또는 그 일부는 해당 타입의 디바이스의 적합하고 유사한 구현과 함께 사용하도록 적응되거나 구성된다.
실시예가 애플리케이션에서 구현되는 것으로 기술되는 경우, SaaS(Software as a Service) 모델에서 애플리케이션의 전달은 예시적인 실시예의 범위 내에서 고려된다. SaaS 모델에서, 실시예를 구현하는 애플리케이션의 능력은 클라우드 인프라스트럭처에서 애플리케이션을 실행함으로써 사용자에게 제공된다. 사용자는 웹 브라우저(예를 들어, 웹-기반 이-메일) 또는 다른 경량 클라이언트-애플리케이션과 같은 씬(thin) 클라이언트 인터페이스를 통해 다양한 클라이언트 디바이스를 사용하여 애플리케이션에 액세스할 수 있다. 사용자는 네트워크, 서버, 운영 체제, 또는 클라우드 인프라스트럭처의 스토리지를 포함하여 기본 클라우드 인프라스트럭처를 관리 또는 제어하지 않는다. 일부 경우에서, 사용자는 SaaS 애플리케이션의 능력을 관리하거나 제어하지 못할 수도 있다. 일부 다른 경우에, 애플리케이션의 SaaS 구현은 제한된 사용자-특정 애플리케이션 구성 설정의 가능한 예외를 허용할 수 있다.
본 발명은 통합의 가능한 기술적 상세 수준의 시스템, 방법 및/또는 컴퓨터 프로그램 제품일 수 있다. 컴퓨터 프로그램 제품은 프로세서로 하여금 본 발명의 관점을 수행하게 하기 위한 컴퓨터 판독가능 프로그램 명령어를 가진 컴퓨터-판독가능 저장 매체(또는 미디어)를 포함할 수 있다.
컴퓨터-판독가능 저장 매체는 명령어 실행 디바이스에 의한 사용을 위해 명령을 유지하고 저장할 수 있는 유형의 디바이스일 수 있다. 컴퓨터-판독가능 저장 매체는, 예를 들어, 전자 저장 디바이스, 자기 저장 디바이스, 광학 저장 디바이스, 전자기 저장 디바이스, 반도체 저장 디바이스, 또는 이들의 임의의 적합한 조합일 수 있지만 이에 제한되지는 않는다. 컴퓨터-판독가능 저장 매체의 보다 구체적인 예의 비-포괄적 목록은 다음을 포함한다: 휴대용 컴퓨터 디스켓, 하드 디스크, RAM(Random Access Memory), ROM(Read-Only Memory), 지울 수 있는 프로그래밍 가능한 읽기-전용 메모리(EPROM 또는 플래시 메모리), SRAM(Static Random Access Memory), 휴대용 콤팩트 디스크 읽기-전용 메모리(CD-ROM), 디지털 다목적 디스크(DVD), 메모리 스틱, 플로피 디스크, 명령어가 기록된 홈의 돌출된 구조 또는 펀치 카드와 같은 기계적으로 인코딩된 디바이스, 그리고, 전술한 것의 임의의 적합한 조합. 여기에 사용되는 바와 같이, 컴퓨터-판독가능 저장 디바이스를 포함하지만 이에 제한되지 않은 컴퓨터-판독가능 저장 매체는 그 자체로 일시적인 신호로, 그 예로 전파 또는 다른 자유롭게 전파하는 전자기파, 도파관을 통해 전파하는 전자기파 또는 다른 전송 매체(예를 들어, 광섬유 케이블을 통과하는 광 펄스), 또는 와이어를 통해 전송되는 전기 신호로 해석되어서는 아니된다.
여기에 기술된 컴퓨터-판독가능 프로그램 명령어는 컴퓨터-판독가능 저장 매체로부터 각각의 컴퓨팅/프로세싱 디바이스로, 또는 네트워크, 예를 들어, 인터넷, 근거리 통신망, 광역 통신망 및/또는 무선 네트워크를 통해 외부 컴퓨터 또는 외부 저장 디바이스로 다운로딩될 수 있다. 네트워크는 구리 전송 케이블, 광 전송 섬유, 무선 전송, 라우터, 방화벽, 스위치, 게이트웨이 컴퓨터 및/또는 에지 서버를 포함할 수 있다. 각 컴퓨팅/프로세싱 디바이스의 네트워크 어댑터 카드 또는 네트워크 인터페이스는 네트워크로부터 컴퓨터 판독가능 프로그램 명령어를 수신하고 각각의 컴퓨팅/프로세싱 디바이스 내의 컴퓨터-판독가능 저장 매체에 저장하기 위해 컴퓨터-판독가능 프로그램 명령어를 전달한다.
본 발명의 동작을 수행하기 위한 컴퓨터-판독가능 프로그램 명령어는, Smalltalk, C++ 등과 같은 객체-지향 프로그래밍 언어 및 "C" 프로그래밍 언어 또는 유사한 프로그래밍 언어와 같은 절차적 프로그래밍 언어를 포함하여, 어셈블러 명령어, ISA(instruction-set-architecture) 명령어, 기계 명령어, 기계-종속 명령어, 마이크로코드, 펌웨어 명령어, 상태-설정 데이터, 집적 회로에 대한 구성 데이터, 또는 하나 이상의 프로그래밍 언어의 임의의 조합으로 작성된 소스 코드 또는 개체 코드일 수 있다. 컴퓨터-판독가능 프로그램 명령어는 전적으로 사용자의 컴퓨터에서, 부분적으로는 독립형 소프트웨어 패키지로서 사용자의 컴퓨터에서, 부분적으로는 사용자의 컴퓨터에서, 그리고 부분적으로는 원격 컴퓨터에서 또는 전체적으로 원격 컴퓨터 또는 서버에서 실행될 수 있다. 후자의 시나리오에서, 원격 컴퓨터는 LAN(Local Area Network) 또는 WAN(Wide Area Network)을 포함한 임의의 타입의 네트워크를 통해 사용자의 컴퓨터에 연결될 수 있거나, 연결은 외부 컴퓨터(예를 들어, 인터넷 서비스 공급자를 사용하여 인터넷을 통해)에 이루어질 수 있다. 일부 실시예에서, 예를 들어, 프로그램 가능 논리 회로, FPGA(field-programmable gate array), 또는 PLA(programmable logic array)를 포함하는 전자 회로는 전자 회로를 개인화하고 본 발명의 관점을 수행하기 위해, 컴퓨터-판독가능 프로그램 명령어의 상태 정보를 활용하여 컴퓨터-판독가능 프로그램 명령어를 실행할 수 있다.
본 발명의 관점은 본 발명의 실시예에 따른 방법, 장치(시스템) 및 컴퓨터 프로그램 제품의 흐름도 예시 및/또는 블록도와 관련하여 여기에서 설명된다. 컴퓨터 판독가능 프로그램 명령어는 흐름도 예시 및/또는 블록도의 각 블록 및 흐름도 예시 및/또는 블록도의 블록 조합을 구현할 수 있음을 이해할 것이다.
이들 컴퓨터-판독가능 프로그램 명령어는 기계를 생산하기 위해 범용 컴퓨터, 특수 목적 컴퓨터, 또는 다른 프로그래밍 가능한 데이터 프로세싱 장치의 프로세서에 제공될 수 있고, 그 결과 컴퓨터 또는 다른 프로그래밍 가능한 데이터 프로세싱 장치의 프로세서를 통해 실행되는 명령어는 흐름도 및/또는 블록도 블록 또는 블록들에 지정된 기능/행위를 구현하기 위한 수단을 생성한다. 이들 컴퓨터-판독가능 프로그램 명령어는 또한 컴퓨터, 프로그램가능 데이터 프로세싱 장치, 및/또는 다른 디바이스가 특정 방식으로 기능하도록 지시할 수 있는 컴퓨터-판독가능 저장 매체에 저장될 수 있고, 그 결과 명령어가 저장된 컴퓨터-판독가능 저장 매체는 흐름도 및/또는 블록도 블록 또는 블록들에 명시된 기능/행위의 양태를 구현하는 명령어를 포함하는 제조 물품을 포함한다.
컴퓨터-판독가능 프로그램 명령어는 또한 컴퓨터, 다른 프로그램가능 데이터 프로세싱 장치, 또는 일련의 동작 단계가 컴퓨터, 다른 프로그램가능 장치 또는 다른 디바이스 상에서 수행되어 컴퓨터-구현 프로세스를 생성하도록 하는 다른 디바이스 상에 로딩될 수 있고, 그 결과 컴퓨터, 다른 프로그래밍가능 장치, 또는 다른 디바이스에서 실행되는 명령어가 흐름도 및/또는 블록도 블록 또는 블록들에 명시된 기능/행위를 구현한다.
도면의 흐름도 및 블록도는 본 발명의 다양한 실시예에 따른 시스템, 방법 및 컴퓨터 프로그램 제품의 가능한 구현의 아키텍처, 기능 및 동작을 예시한다. 이와 관련하여, 흐름도 또는 블록도의 각 블록은 명시된 논리 기능(들)을 구현하기 위한 하나 이상의 실행 가능한 명령어를 포함하는 모듈, 세그먼트 또는 명령어의 일부를 나타낼 수 있다. 일부 대안적인 구현에서, 블록에 언급된 기능은 도면에 언급된 순서와 다르게 발생할 수 있다. 예를 들어, 연속으로 표시된 두 개의 블록은 실제로 실질적으로 동시에 실행될 수 있거나, 관련된 기능에 따라 블록이 때때로 역순으로 실행될 수 있다. 또한 블록도 및/또는 흐름도 예시의 각 블록 및 블록도 및/또는 흐름도 예시의 블록 조합은 명시된 기능 또는 작동을 수행하거나 특수 목적 하드웨어 및 컴퓨터 명령어의 조합을 수행하는 특수 목적 하드웨어-기반 시스템에 의해 구현될 수 있응믈 유의해야 할 것이다.

Claims (67)

  1. 전기 차량용 전력 공급 시스템에 있어서,
    전기 차량에 전력을 공급하기 위해, 상기 전기 차량의 고-전압 DC 버스에 연결 및 분리되도록 구성된 트랙션 배터리(traction battery);
    병렬로 연결된 하나 이상의 고 에너지 밀도 하이브리드 모듈을 포함한 하이브리드 범위 익스텐더 배터리(hybrid range extender battery), 여기서 각각의 고 에너지 밀도 하이브리드 모듈은 해당 하이브리드 모듈 제어기(HMC) 및 직렬로 연결된 복수의 셀을 포함함; 및
    상기 하나 이상의 고 에너지 밀도 하이브리드 모듈과 상기 전기 차량의 고-전압 DC 버스 사이에 배치된 하나 이상의 양방향 DC-DC 컨버터;를 포함하며,
    상기 배치된 양방향 DC-DC 컨버터 각각은 상기 트랙션 배터리의 충전 및 상기 전기 차량의 전력공급 각각 중 적어도 하나를 수행하기 위해, 해당 고 에너지 밀도 하이브리드 모듈로부터의 직류를 상기 전기 차량의 고-전압 DC 버스를 통해, 상기 트랙션 배터리 및 상기 파워트레인 중 적어도 하나에 동작적으로 연결하는, 전기 차량용 전력 공급 시스템.
  2. 청구항 1에 있어서,
    상기 하나 이상의 고 에너지 밀도 하이브리드 모듈의 각 고 에너지 밀도 하이브리드 모듈은
    사용가능한 사이클 수명보다는 고 에너지 밀도를 우선시하는 화학물질(chemistry)로 구성되는, 전기 차량용 전력 공급 시스템.
  3. 청구항 1에 있어서,
    상기 트랙션 배터리는
    배터리 관리 시스템(BMS)에 의해 제어되는 하나 이상의 트랙션 모듈을 포함하는, 전기 차량용 전력 공급 시스템.
  4. 청구항 1에 있어서,
    상기 트랙션 배터리의 하나 이상의 트랙션 모듈은 복수의 트랙션 모듈이며, 그리고
    상기 복수의 트랙션 모듈은 직렬로 연결되는, 전기 차량용 전력 공급 시스템.
  5. 청구항 1에 있어서,
    상기 복수의 셀의 각 셀은
    해당 HMC에 의해 독립적으로 측정가능하도록 구성되는, 전기 차량용 전력 공급 시스템.
  6. 청구항 1에 있어서,
    상기 하나 이상의 고 에너지 밀도 하이브리드 모듈은
    해당 양방향 DC-DC-컨버터를 통하여 충전 및/또는 방전을 관리하도록 구성되는, 전기 차량용 전력 공급 시스템.
  7. 청구항 1에 있어서,
    상기 고 에너지 밀도 하이브리드 모듈의 해당 HMC은
    독립적으로 측정가능한 셀에 대해 얻어진 센서 정보를 통하여, 고 에너지 밀도 하이브리드 모듈의 충전 및 방전의 속도를 제어함으로써, 상기 전력 공급 시스템의 전력 생성 모드를 추가로 관리하도록 구성되는, 전기 차량용 전력 공급 시스템.
  8. 청구항 1에 있어서,
    상기 고 에너지 밀도 하이브리드 모듈의 각 셀마다, 상기 셀에 저장된 전하를 선택적으로 방전시키도록 구성된 밸런싱 디바이스를 더 포함하는, 전기 차량용 전력 공급 시스템.
  9. 청구항 8에 있어서,
    상기 밸런싱 디바이스는
    상기 각 셀과 병렬로 연결된 블리더 저항기(bleeder resistor)인, 전기 차량용 전력 공급 시스템.
  10. 청구항 1에 있어서,
    상기 하이브리드 범위 익스텐더 배터리는
    복수의 화학물질을 포함하는, 전기 차량용 전력 공급 시스템.
  11. 청구항 1에 있어서,
    적어도 하나의 고 에너지 밀도 하이브리드 모듈의 셀은
    약 lOOOWh/L 이상의 셀 에너지 밀도를 가지는, 전기 차량용 전력 공급 시스템.
  12. 청구항 1에 있어서,
    상기 하이브리드 범위 익스텐더 배터리는
    약 200 사이클의 사이클 수명을 가지는, 전기 차량용 전력 공급 시스템.
  13. 청구항 1에 있어서,
    상기 트랙션 배터리는
    상기 하이브리드 범위 익스텐더 배터리로부터 분할되는, 전기 차량용 전력 공급 시스템.
  14. 청구항 1에 있어서,
    상기 트랙션 배터리는
    부하-추종(load-following)인, 전기 차량용 전력 공급 시스템.
  15. 전기 차량의 전력 공급 시스템을 동작시키는 방법에 있어서,
    전기 차량에 전력을 공급하도록 구성된 하나 이상의 트랙션 모듈을 포함한 트랙션 배터리를 제공하는 단계;
    병렬로 연결된 하나 이상의 고 에너지 밀도 하이브리드 모듈을 가진 하이브리드 범위 익스텐더 배터리를 제공하는 단계, 여기서 각각의 고 에너지 밀도 하이브리드 모듈은, 사용가능한 사이클 수명보다 고 에너지 밀도를 우선시하는 화학물질을 가지고, 해당 하이브리드 모듈 제어기(HMC) 및 직렬로 연결된 복수의 셀을 포함하며, 상기 복수의 셀의 각 셀은 상기 해당 HMC에 의해 독립적으로 측정가능함;
    상기 고 에너지 밀도 하이브리드 모듈 중 하나 이상으로부터의 직류를 고-전압 DC 버스에 동작적으로 연결시키는 단계, 여기서 상기 고-전압 DC 버스에는, 상기 하나 이상의 고 에너지 밀도 하이브리드 모듈과 상기 전기 차량의 고-전압 DC 버스 사이에 하나 이상의 양방향 DC-DC 컨버터를 배치하여, 상기 트랙션 배터리의 충전 및 상기 전기 차량의 전력공급 각각 중 적어도 하나를 수행하기 위해, 상기 트랙션 배터리 및 상기 전기 차량의 파워트레인 중 적어도 하나가 연결되고, 상기 하나 이상의 고 에너지 밀도 하이브리드 모듈의 각 고 에너지 밀도 하이브리드 모듈은 해당 양방향 DC-DC 컨버터를 가짐; 및
    독립적으로 측정가능한 셀에 대해 얻어진 센서 정보를 통하여 해당 고 에너지 밀도 하이브리드 모듈의 충전 및 방전의 속도를, 해당 HMC를 사용하여 제어함으로써, 상기 전력 공급 시스템의 전력 생성 모드를 제어하는 단계;를 포함하는, 전기 차량의 전력 공급 시스템 동작 방법.
  16. 청구항 15에 있어서,
    상기 해당 양방향 DC-DC 컨버터를 사용하여, 상기 고 에너지 밀도 하이브리드 모듈의 입출력 전류를 제어하고 셀의 측정된 해당 임피던스를 기준 프로파일과 비교함으로써, 상기 셀의 고장을 검출하는 단계를 더 포함하는, 전기 차량의 전력 공급 시스템 동작 방법.
  17. 청구항 16에 있어서,
    상기 고 에너지 밀도 하이브리드 모듈의 셀의 고장 검출에 응답하여, 상기 고 에너지 밀도 하이브리드 모듈의 방전 속도를 변경하는 단계를 더 포함하는, 전기 차량의 전력 공급 시스템 동작 방법.
  18. 청구항 16에 있어서,
    상기 고 에너지 밀도 하이브리드 모듈의 셀의 고장 검출에 응답하여, 상기 고 에너지 밀도 하이브리드 모듈을 비활성화하는 단계를 더 포함하는, 전기 차량의 전력 공급 시스템 동작 방법.
  19. 청구항 15에 있어서,
    전력 전달 요구와 충전 사이클 보존의 밸런싱을 맞추기 위해, 에너지 관리 시스템은 상기 하이브리드 범위 익스텐더 배터리로부터 에너지를 추출하기 전에 상기 트랙션 배터리의 에너지 고갈을 우선시하는, 전기 차량의 전력 공급 시스템 동작 방법.
  20. 청구항 15에 있어서,
    상기 트랙션 배터리와 상기 하이브리드 범위 익스텐더 배터리 사이에 전력을 전달하는 단계를 더 포함하는, 전기 차량의 전력 공급 시스템 동작 방법.
  21. 청구항 15에 있어서,
    상기 트랙션 배터리의 고장 검출에 응답하여, 상기 하나 이상의 고 에너지 밀도 하이브리드 모듈을 고 전압 DC 버스에 연결함으로써, 하나 이상의 고 에너지 밀도 하이브리드 모듈을 임시 대체품(temporary replacement)으로 지정하는 단계를 더 포함하는, 전기 차량의 전력 공급 시스템 동작 방법.
  22. 전기 차량의 전력 공급 시스템을 동작시키는 방법에 있어서,
    상기 전기 차량은 상기 전기 차량에 전력을 공급하도록 구성된 트랙션 배터리 및 하나 이상의 고 에너지 밀도 하이브리드 모듈을 가진 하이브리드 범위 익스텐더 배터리를 포함하고, 상기 고 에너지 밀도 하이브리드 모듈 각각은, 사용가능한 사이클 수명보다 고 에너지 밀도를 우선시하는 화학물질을 가지고, 해당 하이브리드 모듈 제어기(HMC) 및 상기 해당 HMC에 의해 독립적으로 측정가능한 복수의 셀을 포함하고, 상기 고 에너지 밀도 하이브리드 모듈은, 상기 트랙션 배터리의 충전 및 상기 전기 차량의 전력공급 각각 중 적어도 하나를 수행하기 위해, 상기 트랙션 배터리 및 상기 전기 차량의 파워트레인 중 적어도 하나가 연결된 고-전압 DC 버스에 동작적으로 연결되고,
    상기 방법은:
    독립적으로 측정가능한 셀에 대해 얻어진 센서 정보를 통하여 해당 고 에너지 밀도 하이브리드 모듈 각각의 충전 및 방전의 속도를, 해당 HMC를 사용하여 제어하는 단계;를 포함하는, 전기 차량의 전력 공급 시스템 동작 방법.
  23. 프로그램을 저장한 비-일시적 컴퓨터-판독가능 저장 매체에 있어서,
    상기 프로그램은 컴퓨터 시스템에 의해 실행될 때, 상기 컴퓨터 시스템으로 하여금 다음 단계:
    하이브리드 범위 익스텐더 배터리의 하나 이상의 고 에너지 밀도 하이브리드 모듈로부터의 직류를 고 전압 DC 버스에 동작적으로 연결시키는 단계, 여기서 고 전압 DC 버스에는, 상기 하나 이상의 고 에너지 밀도 하이브리드 모듈과 상기 전기 차량의 고-전압 DC 버스 사이에 하나 이상의 양방향 DC-DC 컨버터의 배치를 통하여, 상기 트랙션 배터리의 충전 및 상기 전기 차량의 전력공급 각각 중 적어도 하나를 수행하기 위해, 상기 트랙션 배터리 및 상기 전기 차량의 파워트레인 중 적어도 하나가 연결되고, 상기 하나 이상의 고 에너지 밀도 하이브리드 모듈의 각 고 에너지 밀도 하이브리드 모듈은 해당 양방향 DC-DC 컨버터를 가짐; 및
    독립적으로 측정가능한 셀에 대해 얻어진 센서 정보를 통하여 해당 고 에너지 밀도 하이브리드 모듈의 충전 및 방전의 속도를, 해당 HMC를 사용하여 제어함으로써, 전력 공급 시스템의 전력 생성 모드를 제어하는 단계;를 포함하는 절차를 수행하게 하는, 비-일시적 컴퓨터-판독가능 저장 매체.
  24. 청구항 23에 있어서,
    상기 절차는
    상기 해당 양방향 DC-DC 컨버터를 사용하여, 상기 고 에너지 밀도 하이브리드 모듈의 입출력 전류를 제어하고 셀의 측정된 해당 임피던스를 기준 프로파일과 비교함으로써, 상기 셀의 고장을 검출하는 단계를 더 포함하는, 비-일시적 컴퓨터-판독가능 저장 매체.
  25. 청구항 23에 있어서,
    상기 절차는
    전력 전달 요구와 충전 사이클 보존의 밸런싱을 맞추기 위해, 상기 하이브리드 범위 익스텐더 배터리로부터 에너지를 추출하기 전에 상기 트랙션 배터리의 에너지 고갈을 우선시하는 단계를 더 포함하는, 비-일시적 컴퓨터-판독가능 저장 매체.
  26. 컴퓨터-구현 방법에 있어서,
    적어도 하나의 하이브리드 모듈 제어기(HMC)가 전력 공급 시스템의 적어도 하나의 해당 고 에너지 밀도 하이브리드 모듈의 복수의 셀의 각 셀의 파라미터를 독립적으로 측정하는 단계, 여기서 복수의 셀은 적어도 하나의 해당 고 에너지 밀도 하이브리드 모듈에 직렬로 연결됨;
    전력 제어 모듈에 의한 사용을 위해, 해당 전기 차량의 하나 이상의 특성을 나타내는 한 세트의 해당 전기 차량 파라미터의 적어도 일부로서 상기 측정된 파라미터를 수신하는 단계;
    상기 한 세트의 해당 전기 차량 파라미터를 적어도 사용하여 입력 데이터를 생성하는 단계;
    상기 입력 데이터로부터 하나 이상의 특징을 추출하는 단계, 여기서 상기 하나 이상의 특징은 전력 출력 제안 동작을 완료하기 위한 요청의 특성을 나타냄; 및
    상기 전력 제어 모듈을 사용하여, 상기 해당 전기 차량에 대한 적어도 하나의 전력 출력 제안을 제안하는 단계;를 포함하며,
    상기 전력 제어 모듈은 기계 학습 엔진으로 동작하는, 컴퓨터-구현 방법.
  27. 청구항 26에 있어서,
    속성 우선순위화에 의해, 강제할 전력 공급 시스템의 한 세트의 속성을 생성하고, 상기 속성에 기초하여 상기 적어도 하나의 전력 출력 제안을 제안하는 단계를 더 포함하는, 컴퓨터-구현 방법.
  28. 청구항 27에 있어서,
    상기 속성은
    상기 전력 공급 시스템의 안전성 속성, 상기 전력 공급 시스템의 용량 속성, 또는 상기 전력 공급 시스템의 수명 사이클 속성을 포함하는, 컴퓨터-구현 방법.
  29. 청구항 26에 있어서,
    상기 전력 출력 제안은
    상기 적어도 하나의 해당 고 에너지 밀도 하이브리드 모듈의 충전 및 방전을 정의된 속도로 제어함으로써, 상기 적어도 하나의 해당 고 에너지 밀도 하이브리드 모듈을 사용하는 전력 공급 시스템의 전력 생성 모드를 관리하기 위해 적어도 하나의 HMC에 대한 명령어를 포함하는, 컴퓨터-구현 방법.
  30. 청구항 26에 있어서,
    상기 적어도 하나의 해당 고 에너지 밀도 하이브리드 모듈은
    사용가능한 사이클 수명보다는 고 에너지 밀도를 우선시하는 화학물질을 가지며, 그리고
    상기 복수의 셀의 각 셀은
    상기 해당 HMC에 의해 독립적으로 측정가능한, 컴퓨터-구현 방법.
  31. 청구항 26에 있어서,
    상기 입력 데이터는
    상기 전기 차량의 사용자에 대한 정보, 다른 전력 공급 시스템의 무리에 대한 정보, 및 해당 전기 차량의 환경에 대한 정보로 구성된 그룹으로부터 선택된 정보를 더 포함하는, 컴퓨터-구현 방법.
  32. 청구항 26에 있어서,
    상기 입력 데이터는
    캘린더 데이터를 더 포함하는, 컴퓨터-구현 방법.
  33. 청구항 26에 있어서,
    상기 전력 제어 모듈을 강화하기 위해, 제안의 정확성을 나타내는 전력 제어 모듈에 대한 피드백을 제공하는 단계;를 더 포함하는, 컴퓨터-구현 방법.
  34. 청구항 26에 있어서,
    상기 적어도 하나의 전력 출력 제안에 기초하여, 상기 전력 공급 시스템의 트랙션 배터리를 충전하는 단계를 더 포함하는, 컴퓨터-구현 방법.
  35. 청구항 34에 있어서,
    상기 전력 출력 제안은
    양방향 DC-DC 컨버터를 통하여 상기 적어도 하나의 해당 고 에너지 밀도 하이브리드 모듈의 충전 및 방전을 정의된 속도로 제어함으로써, 상기 적어도 하나의 해당 고 에너지 밀도 하이브리드 모듈을 사용하는 전력 공급 시스템의 전력 생성 모드를 관리하기 위해 적어도 하나의 HMC에 대한 명령어를 포함하는, 컴퓨터-구현 방법.
  36. 프로세서를 포함한 컴퓨터 시스템에 있어서,
    상기 프로세서는:
    적어도 하나의 하이브리드 모듈 제어기(HMC)가 전력 공급 시스템의 적어도 하나의 해당 고 에너지 밀도 하이브리드 모듈의 복수의 셀의 각 셀의 파라미터를 독립적으로 측정하는 것, 여기서 복수의 셀은 적어도 하나의 해당 고 에너지 밀도 하이브리드 모듈에 직렬로 연결됨;
    전력 제어 모듈에 의한 사용을 위해, 해당 전기 차량의 하나 이상의 특성을 나타내는 한 세트의 해당 전기 차량 파라미터의 적어도 일부로서 상기 측정된 파라미터를 수신하는 것;
    상기 한 세트의 해당 전기 차량 파라미터를 적어도 사용하여 입력 데이터를 생성하는 것;
    상기 입력 데이터로부터 하나 이상의 특징을 추출하는 것, 여기서 상기 하나 이상의 특징은 전력 출력 제안 동작을 완료하기 위한 요청의 특성을 나타냄; 및
    상기 전력 제어 모듈을 사용하여, 상기 해당 전기 차량에 대한 적어도 하나의 전력 출력 제안을 제안하는 것;을 포함하는 단계를 수행하도록 구성되며,
    상기 전력 제어 모듈은 기계 학습 엔진으로서 동작하는, 컴퓨터 시스템.
  37. 청구항 36에 있어서,
    상기 프로세서는
    속성 우선순위화에 의해, 강제할 전력 공급 시스템의 한 세트의 속성을 생성하고, 상기 속성에 기초하여 상기 적어도 하나의 전력 출력 제안을 제안하도록 더 구성되는, 컴퓨터 시스템.
  38. 청구항 36에 있어서,
    상기 속성은
    상기 전력 공급 시스템의 안전성 속성, 상기 전력 공급 시스템의 용량 속성, 또는 상기 전력 공급 시스템의 수명 사이클 속성을 포함하는, 컴퓨터 시스템.
  39. 청구항 36에 있어서,
    상기 적어도 하나의 해당 고 에너지 밀도 하이브리드 모듈은
    사용가능한 사이클 수명보다는 고 에너지 밀도를 우선시하는 화학물질을 가지며, 그리고
    상기 복수의 셀의 각 셀은
    상기 해당 HMC에 의해 독립적으로 측정가능한, 컴퓨터 시스템.
  40. 청구항 36에 있어서,
    상기 입력 데이터는
    캘린더 데이터를 더 포함하는, 컴퓨터 시스템.
  41. 프로그램을 저장한 비-일시적 컴퓨터-판독가능 저장 매체에 있어서,
    상기 프로그램은 컴퓨터 시스템에 의해 실행될 때, 상기 컴퓨터 시스템으로 하여금 다음 단계:
    적어도 하나의 하이브리드 모듈 제어기(HMC)가 전력 공급 시스템의 적어도 하나의 해당 고 에너지 밀도 하이브리드 모듈의 복수의 셀의 각 셀의 파라미터를 독립적으로 측정하는 단계, 여기서 복수의 셀은 적어도 하나의 해당 고 에너지 밀도 하이브리드 모듈에 직렬로 연결됨;
    전력 제어 모듈에 의한 사용을 위해, 해당 전기 차량의 하나 이상의 특성을 나타내는 한 세트의 해당 전기 차량 파라미터의 적어도 일부로서 상기 측정된 파라미터를 수신하는 단계;
    상기 한 세트의 해당 전기 차량 파라미터를 적어도 사용하여 입력 데이터를 생성하는 단계;
    상기 입력 데이터로부터 하나 이상의 특징을 추출하는 단계, 여기서 상기 하나 이상의 특징은 전력 출력 제안 동작을 완료하기 위한 요청의 특성을 나타냄; 및
    상기 전력 제어 모듈을 사용하여, 상기 해당 전기 차량에 대한 적어도 하나의 전력 출력 제안을 제안하는 단계;를 포함하는 절차를 수행하게 하며,
    상기 전력 제어 모듈은 기계 학습 엔진으로서 동작하는, 비-일시적 컴퓨터-판독가능 저장 매체.
  42. 청구항 41에 있어서,
    상기 컴퓨터 시스템은
    속성 우선순위화에 의해, 강제할 전력 공급 시스템의 한 세트의 속성을 생성하고, 상기 속성에 기초하여 상기 적어도 하나의 전력 출력 제안을 제안하는, 비-일시적 컴퓨터-판독가능 저장 매체.
  43. 청구항 41에 있어서,
    상기 속성은
    상기 전력 공급 시스템의 안전성 속성, 상기 전력 공급 시스템의 용량 속성, 또는 상기 전력 공급 시스템의 수명 사이클 속성을 포함하는, 비-일시적 컴퓨터-판독가능 저장 매체.
  44. 청구항 41에 있어서,
    상기 적어도 하나의 해당 고 에너지 밀도 하이브리드 모듈은
    사용가능한 사이클 수명보다 고 에너지 밀도를 우선시하는 화학물질을 가지고,
    상기 복수의 셀의 각 셀은 상기 해당 HMC에 의해 독립적으로 측정가능한, 비-일시적 컴퓨터-판독가능 저장 매체.
  45. 청구항 41에 있어서,
    상기 입력 데이터는
    캘린더 데이터를 더 포함하는, 비-일시적 컴퓨터-판독가능 저장 매체.
  46. 전기 차량용 배터리 시스템에 있어서,
    제1 화학물질 타입을 가지고 500 Wh/L 이하의 셀 에너지 밀도를 가진 제1 배터리; 및
    상기 제1 화학물질 타입과는 상이한 제2 화학물질 타입을 가지고 1000 Wh/L 이상의 셀 에너지 밀도를 가진 제2 배터리를 포함하는, 전기 차량용 배터리 시스템.
  47. 청구항 46에 있어서,
    상기 제1 배터리는
    400 Wh/L 이하의 셀 에너지 밀도를 가지는, 전기 차량용 배터리 시스템.
  48. 청구항 46에 있어서,
    상기 제2 배터리는
    적어도 1100 Wh/L의 셀 에너지 밀도를 가지는, 전기 차량용 배터리 시스템.
  49. 청구항 46에 있어서,
    상기 제2 배터리는 적어도 1200 Wh/L의 셀 에너지 밀도를 가지는, 전기 차량용 배터리 시스템.
  50. 청구항 46에 있어서,
    상기 제1 배터리는
    0.12 - 0.16 Wh/L/cycle의 사이클당 에너지 밀도(EDC) 비율을 가지는, 전기 차량용 배터리 시스템.
  51. 청구항 46에 있어서,
    상기 제2 배터리는
    적어도 1.0 Wh/L/cycle의 EDC 비율을 가지는, 전기 차량용 배터리 시스템.
  52. 청구항 46에 있어서,
    상기 제2 배터리는
    적어도 2.0 Wh/L/cycle의 EDC 비율을 가지는, 전기 차량용 배터리 시스템.
  53. 청구항 46에 있어서,
    상기 제2 배터리는
    적어도 5.0 Wh/L/cycle의 EDC 비율을 가지는, 전기 차량용 배터리 시스템.
  54. 청구항 46에 있어서,
    제3 화학물질 타입 및 400-1400 Wh/L의 셀 에너지 밀도를 가진 제3 배터리를 더 포함하는, 전기 차량용 배터리 시스템.
  55. 청구항 54에 있어서,
    상기 제3 배터리는
    500-800 Wh/L의 셀 에너지 밀도를 가지는, 전기 차량용 배터리 시스템.
  56. 청구항 54에 있어서,
    상기 제3 배터리는
    1000 Wh/L 이상의 셀 에너지 밀도를 가지는, 전기 차량용 배터리 시스템.
  57. 전기 차량에 전력을 제공하는 방법에 있어서,
    상기 전기 차량의 적어도 하나의 시스템에 제1 배터리 또는 제2 배터리로부터의 전력을 선택적으로 제공하는 단계를 포함하며,
    상기 제1 배터리는
    제1 화학물질 타입 및 500 Wh/L 이하의 셀 에너지 밀도를 가지며; 그리고
    상기 제2 배터리는
    상기 제1 화학물질 타입과는 상이한 제2 화학물질 타입을 가지고 1000 Wh/L 이상의 셀 에너지 밀도를 가진, 전기 차량 전력 제공 방법.
  58. 청구항 57에 있어서,
    상기 제1 배터리는
    400 Wh/L 이하의 셀 에너지 밀도를 가지는, 전기 차량 전력 제공 방법.
  59. 청구항 57에 있어서,
    상기 제2 배터리는
    적어도 1100 Wh/L의 셀 에너지 밀도를 가지는, 전기 차량 전력 제공 방법.
  60. 청구항 57에 있어서,
    상기 제2 배터리는
    적어도 1200 Wh/L의 셀 에너지 밀도를 가지는, 전기 차량 전력 제공 방법.
  61. 청구항 57에 있어서,
    상기 제1 배터리는
    0.12 - 0.16 Wh/L/cycle의 사이클당 에너지 밀도(EDC) 비율을 가지는, 전기 차량 전력 제공 방법.
  62. 청구항 57에 있어서,
    상기 제2 배터리는
    적어도 1.0 Wh/L/cycle의 EDC 비율을 가지는, 전기 차량 전력 제공 방법.
  63. 청구항 57에 있어서,
    상기 제2 배터리는
    적어도 2.0 Wh/L/cycle의 EDC 비율을 가지는, 전기 차량 전력 제공 방법.
  64. 청구항 57에 있어서,
    상기 제2 배터리는
    적어도 5.0 Wh/L/cycle의 EDC 비율을 가지는, 전기 차량 전력 제공 방법.
  65. 청구항 57에 있어서,
    제3 화학물질 타입 및 400-1400 Wh/L의 셀 에너지 밀도를 가진 제3 배터리를 더 포함하는, 전기 차량 전력 제공 방법.
  66. 청구항 65에 있어서,
    상기 제3 배터리는
    500-800 Wh/L의 셀 에너지 밀도를 가지는, 전기 차량 전력 제공 방법.
  67. 청구항 65에 있어서,
    상기 제3 배터리는
    1000 Wh/L 이상의 셀 에너지 밀도를 가지는, 전기 차량 전력 제공 방법.
KR1020237015738A 2020-10-09 2021-09-17 전기 차량으로의 전력 공급 KR20230161415A (ko)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US202063089990P 2020-10-09 2020-10-09
US63/089,990 2020-10-09
US202163161822P 2021-03-16 2021-03-16
US63/161,822 2021-03-16
PCT/US2021/050898 WO2022076146A1 (en) 2020-10-09 2021-09-17 Supplying power to an electric vehicle

Publications (1)

Publication Number Publication Date
KR20230161415A true KR20230161415A (ko) 2023-11-27

Family

ID=81078273

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020237015738A KR20230161415A (ko) 2020-10-09 2021-09-17 전기 차량으로의 전력 공급

Country Status (7)

Country Link
US (3) US20220115897A1 (ko)
EP (1) EP4225606A1 (ko)
JP (1) JP2023544919A (ko)
KR (1) KR20230161415A (ko)
CA (1) CA3198204A1 (ko)
WO (1) WO2022076146A1 (ko)
ZA (1) ZA202304178B (ko)

Families Citing this family (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018022964A1 (en) 2016-07-29 2018-02-01 Crynamt Management Llc Battery packs having structural members for improving thermal management
US11757149B1 (en) 2016-09-20 2023-09-12 Apple Inc. Battery liquid quench system and methods of manufacture thereof
US11870092B1 (en) 2017-02-01 2024-01-09 Apple Inc. On-board vent gas abatement
WO2018195372A1 (en) 2017-04-21 2018-10-25 Cougeller Research Llc Battery cell with electrolyte diffusion material
US11862801B1 (en) 2017-09-14 2024-01-02 Apple Inc. Metallized current collector for stacked battery
US11043703B1 (en) 2017-09-28 2021-06-22 Apple Inc. Stacked battery components and configurations
US11469471B1 (en) 2018-02-02 2022-10-11 Apple Inc. Battery pack heat dispensing systems
US11837411B2 (en) 2021-03-22 2023-12-05 Anthony Macaluso Hypercapacitor switch for controlling energy flow between energy storage devices
US11615923B2 (en) 2019-06-07 2023-03-28 Anthony Macaluso Methods, systems and apparatus for powering a vehicle
US11641572B2 (en) 2019-06-07 2023-05-02 Anthony Macaluso Systems and methods for managing a vehicle's energy via a wireless network
US11289974B2 (en) 2019-06-07 2022-03-29 Anthony Macaluso Power generation from vehicle wheel rotation
US11432123B2 (en) * 2019-06-07 2022-08-30 Anthony Macaluso Systems and methods for managing a vehicle's energy via a wireless network
US11685276B2 (en) 2019-06-07 2023-06-27 Anthony Macaluso Methods and apparatus for powering a vehicle
US11677120B2 (en) 2020-09-08 2023-06-13 Apple Inc. Battery configurations having through-pack fasteners
US11923494B2 (en) 2020-09-08 2024-03-05 Apple Inc. Battery configurations having through-pack fasteners
US11764431B2 (en) 2020-10-22 2023-09-19 Apple Inc. Battery pack structures and systems
KR20220061863A (ko) * 2020-11-06 2022-05-13 현대자동차주식회사 배터리 진단 시스템 및 그 방법
KR20230076852A (ko) 2020-12-10 2023-05-31 애플 인크. 배터리 시스템
US20220237952A1 (en) * 2021-01-27 2022-07-28 Ford Global Technologies, Llc Systems and methods for modeling electric vehicle towing
CN113176511B (zh) * 2021-02-10 2022-07-12 合肥工业大学 考虑健康状态的储能充放电优化方法及系统
US11862688B2 (en) 2021-07-28 2024-01-02 Apple Inc. Integrated GaN power module
US11942661B2 (en) 2021-09-24 2024-03-26 Apple Inc. Battery cells with tabs at right angles
US11929522B2 (en) 2021-09-24 2024-03-12 Apple Inc. Battery cells with tabs at right angles
US11870100B2 (en) 2021-09-24 2024-01-09 Apple Inc. Battery cells with tabs at right angles
US11750119B2 (en) * 2021-10-14 2023-09-05 International Business Machines Corporation Using regenerative braking to increase power supply hold-up time
US11472306B1 (en) 2022-03-09 2022-10-18 Anthony Macaluso Electric vehicle charging station
US11577606B1 (en) 2022-03-09 2023-02-14 Anthony Macaluso Flexible arm generator
US11527786B1 (en) * 2022-03-28 2022-12-13 Eatron Technologies Ltd. Systems and methods for predicting remaining useful life in batteries and assets
WO2024055045A1 (en) 2022-09-11 2024-03-14 Our Next Energy, Inc. Battery pack with interleaved cells
US11955875B1 (en) 2023-02-28 2024-04-09 Anthony Macaluso Vehicle energy generation system

Family Cites Families (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11332023A (ja) * 1998-05-14 1999-11-30 Nissan Motor Co Ltd 電気自動車用バッテリー
US6331365B1 (en) * 1998-11-12 2001-12-18 General Electric Company Traction motor drive system
CN1304217C (zh) * 2001-04-05 2007-03-14 伊莱克特罗维亚公司 用于具有可变功率的负载的能量储存装置
US7779943B2 (en) * 2008-10-08 2010-08-24 Bosye, Llc Hybrid-powered slow-speed vehicle, vehicle travel-range extension method, and method of hybrid-vehicle manufacture
JP5391100B2 (ja) * 2010-02-03 2014-01-15 本田技研工業株式会社 電源装置
US8692507B2 (en) * 2010-07-28 2014-04-08 Jack Yajie Chen Multiple stage heterogeneous high power battery system for hybrid and electric vehicle
US8534400B2 (en) * 2011-02-14 2013-09-17 Ford Global Technologies, Llc Electric vehicle and method of control for active auxiliary battery depletion
US20140186659A1 (en) * 2012-03-14 2014-07-03 Energy Power Systems, LLC Hybrid battery system for electric and hybrid electric vehicles
US20140050999A1 (en) 2012-08-19 2014-02-20 Ftorion, Inc. Flow Battery And Regeneration System
DE102013209069A1 (de) * 2013-05-16 2014-11-20 Robert Bosch Gmbh Batteriebaugruppe einer Batterie mit zwei verschiedenen Zellarten
US11569537B2 (en) * 2014-03-25 2023-01-31 Teledyne Scientific & Imaging, Llc Multi-functional structure for thermal management and prevention of failure propagation
US10403889B2 (en) * 2014-10-21 2019-09-03 RAMOT AT TEL-AVIV UNlVERSITY LTD. High-capacity silicon nanowire based anode for lithium-ion batteries
DE112015005517T5 (de) * 2014-12-09 2017-08-24 Ngk Insulators, Ltd. Vorrichtung, die mit einer Batterie ausgestattet ist
US9780591B2 (en) * 2015-04-03 2017-10-03 Schneider Electric It Corporation Adaptive battery pack
US9960458B2 (en) * 2015-06-23 2018-05-01 Quantumscape Corporation Battery systems having multiple independently controlled sets of battery cells
JP6859592B2 (ja) * 2015-11-17 2021-04-14 オムロン株式会社 充放電制御装置、充放電制御システムおよび充放電制御方法
US20170170672A1 (en) * 2015-12-09 2017-06-15 Lenovo (Singapore) Pte. Ltd. Shorting battery to ground responsive to battery impedance reaching threshold
US9840161B2 (en) * 2016-03-10 2017-12-12 Ford Global Technologies, Llc Circuit and method for detection of battery cell degradation events
JP2019517722A (ja) * 2016-06-08 2019-06-24 ソリッドエナジー システムズ，エルエルシー 高エネルギー密度、高出力密度、高容量及び室温対応「アノードフリー」二次電池
US10164522B2 (en) * 2016-09-21 2018-12-25 Fca Us Llc Selective response control of DC-DC converters in mild hybrid electric vehicles
US10343552B2 (en) * 2017-02-08 2019-07-09 Samsung Electronics Co., Ltd. Heterogeneous electrical energy storage system
WO2019212905A1 (en) * 2018-04-30 2019-11-07 Lyten, Inc. Lithium ion battery and battery materials
US10389143B2 (en) * 2017-12-08 2019-08-20 Ford Global Technologies, Llc Battery power prediction for high load events
US10434894B2 (en) * 2018-01-23 2019-10-08 Gm Global Technology Operations Llc. Vehicle battery pack assembly
US10705585B2 (en) * 2018-03-30 2020-07-07 Microsoft Technology Licensing, Llc Battery charge leakage monitor
JP7117157B2 (ja) * 2018-06-01 2022-08-12 日産自動車株式会社 電池装置
US11069925B2 (en) * 2018-08-08 2021-07-20 The Boeing Company Heterogeneous battery system and method
US11535122B2 (en) * 2018-08-14 2022-12-27 Batterycheck S.R.O. Power cell tracking and optimization system
US10661679B2 (en) * 2018-10-26 2020-05-26 Premergy, Inc. Multiple chemistry battery systems for electric vehicles
KR102443667B1 (ko) * 2018-10-26 2022-09-14 주식회사 엘지에너지솔루션 밸런싱 장치, 및 그것을 포함하는 배터리 관리 시스템과 배터리팩
US10928457B2 (en) * 2018-12-07 2021-02-23 GM Global Technology Operations LLC Battery state estimation using high-frequency empirical model with resolved time constant
US11065978B2 (en) * 2019-02-25 2021-07-20 Toyota Research Institute, Inc. Systems, methods, and storage media for adapting machine learning models for optimizing performance of a battery pack
US11555858B2 (en) * 2019-02-25 2023-01-17 Toyota Research Institute, Inc. Systems, methods, and storage media for predicting a discharge profile of a battery pack
EP3981058A4 (en) * 2019-08-05 2022-08-17 Litech Laboratories, Llc POWER SUPPLY SYSTEM
KR20210149465A (ko) * 2020-06-02 2021-12-09 현대자동차주식회사 파우치형 금속공기전지
KR102547068B1 (ko) * 2020-06-15 2023-06-23 삼성에스디아이 주식회사 배터리 팩과, 배터리 팩을 포함하는 배터리 모듈과, 배터리 모듈을 포함하는 전원 공급 장치

Also Published As

Publication number Publication date
US20220111758A1 (en) 2022-04-14
WO2022076146A1 (en) 2022-04-14
US20220115897A1 (en) 2022-04-14
US20220111759A1 (en) 2022-04-14
ZA202304178B (en) 2023-07-26
JP2023544919A (ja) 2023-10-25
US11813962B2 (en) 2023-11-14
CA3198204A1 (en) 2022-04-14
EP4225606A1 (en) 2023-08-16

Similar Documents

Publication Publication Date Title
US11813962B2 (en) Supplying power to an electric vehicle
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
US11325494B2 (en) Systems, methods, and storage media for determining a target battery charging level for a drive route
US11691518B2 (en) Predictive model for estimating battery states
US11555858B2 (en) Systems, methods, and storage media for predicting a discharge profile of a battery pack
US9878631B2 (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
US10160340B2 (en) Adaptive system and method for optimizing battery life in a plug-in vehicle
US11084387B2 (en) Systems, methods, and storage media for arranging a plurality of cells in a vehicle battery pack
US11225169B2 (en) Management system with supervisory control for rechargeable energy storage device in electric vehicle
KR102177723B1 (ko) 차량용 배터리의 가용 용량 연산 방법 및 컴퓨터 판독 가능한 기록 매체
CN116848015A (zh) 向电动运载工具供电
US20240142534A1 (en) Intelligent battery system
US20240144747A1 (en) Intelligent battery system
US20240140261A1 (en) Intelligent battery system
US20240140257A1 (en) An intelligent battery system
US20240140260A1 (en) An intelligent battery system
US20240140263A1 (en) Intelligent battery system
US20240140262A1 (en) Intelligent battery system
CN117944512A (en) Intelligent battery system
Aashif et al. Combined Review on Battery and Energy Management Systems in Hybrid Electric Vehicle