[發明專利]電動車輛的電氣化控制系統和方法

在審

• 申請號: 201880099301.0
• 申請日: 2018-11-09
• 公開（公告）號: CN113039107A
• 公開（公告）日: 2021-06-25
• 發明（設計）人: M·T·布克斯;J·K·賴特-霍萊茨
• 申請（專利權）人: 康明斯公司
• 主分類號: B60W10/04
• 分類號: B60W10/04;B60L58/12;B60W20/15;B60W20/50;B60W50/00;B60W20/12;B60W20/13;B60W10/08;B60W10/24;B60W10/26
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 師瑋;王小東

1.一種使用處理器(122)執行電動車輛(102)的自動電氣化操作的系統，所述系統包括：

電氣化控制器(126)，所述電氣化控制器被配置成與模型生成單元(128)進行通信；

所述模型生成單元(128)，所述模型生成單元被配置成生成表示所述電動車輛(102)的電力消耗趨勢的模型；以及

所述電氣化控制器(126)，所述電氣化控制器被配置成基于所述模型，按照如下方式來設定所述電動車輛(102)的目標電力裕量，即，使得所述目標電力裕量接近所述電動車輛(102)的能量儲存源(124)的最小荷電狀態(SOC)閾值，所述目標電力裕量表示所述最小SOC閾值與在完成與所述電動車輛(102)相關聯的任務之后所述能量儲存源(124)的結束電力水平之間的差異，

其中，所述處理器(122)被配置成基于所述目標電力裕量來執行所述電動車輛(102)的所述自動電氣化操作。

2.根據權利要求1所述的系統，其中，所述模型生成單元(128)被至少部分地設置在云服務器中，所述云服務器經由網絡(130)與所述電動車輛(102)進行通信。

3.根據權利要求1所述的系統，其中，所述處理器(122)被設置在所述電動車輛(102)中。

4.根據權利要求1所述的系統，其中，所述模型是基于物理學的模型，所述基于物理學的模型是基于與所述電動車輛(102)相關聯的實際數據生成的。

5.根據權利要求1所述的系統，其中，所述模型是機器學習模型，所述機器學習模型是基于與所述電動車輛(102)相關聯的仿真數據生成的。

6.根據權利要求1所述的系統，其中，所述模型是基于至少一個過濾因子調節的。

7.根據權利要求6所述的系統，其中，所述至少一個過濾因子是基于時間的因子。

8.根據權利要求1所述的系統，其中，所述模型包括所述電動車輛(102)的一個或更多個組件的老化信息。

9.根據權利要求8所述的系統，其中，所述老化信息包括與所述電動車輛(102)的相應組件的劣化程度相關的數據。

10.根據權利要求8所述的系統，其中，所述老化信息被用于檢測所述電動車輛(102)的有故障組件。

11.根據權利要求8所述的系統，其中，所述老化信息被用于修改所述電動車輛(102)的所述電氣化操作。

12.一種使用處理器(122)執行電動車輛(102)的自動電氣化操作的方法，所述方法包括：

生成表示所述電動車輛(102)的電力消耗趨勢的模型；

基于所述模型，按照如下方式來設定所述電動車輛(102)的目標電力裕量，即，使得所述目標電力裕量接近所述電動車輛(102)的能量儲存源(124)的最小荷電狀態(SOC)閾值，所述目標電力裕量表示所述最小SOC閾值與在完成與所述電動車輛(102)相關聯的任務之后所述能量儲存源(124)的結束電力水平之間的差異；以及

基于所述目標電力裕量來執行所述電動車輛(102)的所述自動電氣化操作。

13.根據權利要求12所述的方法，所述方法還包括：基于與被指派給所述電動車輛(102)的路線的一趟或更多趟先前行駛相關聯的實際數據來創建基于醫學的模型。

14.根據權利要求12所述的方法，所述方法還包括：基于與被指派給所述電動車輛(102)的路線的一趟或更多趟先前行駛相關聯的仿真數據來創建機器學習模型。

15.根據權利要求12所述的方法，所述方法還包括：基于至少一個過濾因子或者至少一個輔助因子來調節所述模型。