[發明專利]用于優化電池組的性能的系統、方法和存儲介質

有效

• 申請號: 202010114408.7
• 申請日: 2020-02-25
• 公開（公告）號: CN111612204B
• 公開（公告）日: 2022-11-11
• 發明（設計）人: M·阿依庫;P·K·赫林;A·阿納珀斯基
• 申請（專利權）人: 豐田研究所股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;H01M10/42
• 代理公司: 中國貿促會專利商標事務所有限公司 11038
• 代理人: 馬景輝

1.一種優化車輛電池組的性能的方法，所述方法包括：

接收與安裝在車隊的每個車輛中的電池組內的電池單元相關的數據，所述數據是從車隊中的每個車輛中的至少一個接收的；

接收與沒有被包含在車輛內并且由電池測試設備測試的電池組內的電池單元相關的測試數據，所述測試數據是從來自所述電池測試設備的電池放電的模擬評估中獲得的；

將所述數據和所述測試數據提供給機器學習服務器；

指示機器學習服務器基于所述數據和所述測試數據的機器學習來生成預測模型；

向每個車輛提供所述預測模型，所述預測模型提供用于調節安裝在每個車輛中的電池組中的電池單元中的每一個的一個或多個配置參數的指令，使得針對特定使用對電池組進行優化；以及

指示每個車輛基于所述預測模型來優化車輛電池組的性能。

2.如權利要求1所述的方法，還包括：

向制造新電池組的制造設施提供所述預測模型；以及

指示制造設施基于所述預測模型優化新電池組的性能。

3.如權利要求1所述的方法，其中指示車隊中的每個車輛優化車輛電池組的性能包括指示每個車輛更改車輛電池組的充電狀態。

4.如權利要求1所述的方法，其中指示車隊中的每個車輛優化車輛電池組的性能包括指示每個車輛使車輛電池組的健康狀態改變。

5.如權利要求1所述的方法，其中接收數據包括從車隊的每個車輛中的一個或多個特定于車輛的傳感器接收補充數據。

6.如權利要求1所述的方法，其中指示機器學習服務器生成所述預測模型包括：指示機器學習服務器利用基于描述符的算法，所述基于描述符的算法分析各個電池單元循環的容量-電壓曲線，以生成所述預測模型。

7.如權利要求1所述的方法，其中指示機器學習服務器生成所述預測模型包括：指示機器學習服務器利用長短期記憶神經網絡來生成所述預測模型。

8.如權利要求1所述的方法，還包括由處理設備從車隊中的每個車輛接收新數據，所述新數據指示車輛電池組的基于所述預測模型優化的性能。

9.一種被配置用于優化車輛電池組的性能的系統，所述系統包括：

車隊，車隊中的每個車輛都包括具有多個電池單元的電池組；以及

一個或多個硬件處理器，所述一個或多個硬件處理器通信地耦合到每個車輛并且被機器可讀指令配置為：

接收與安裝在每個車輛中的電池組內的電池單元相關的數據，所述數據是從每個車輛中的至少一個接收的；

接收與沒有被包含在車輛內并且由電池測試設備測試的電池組內的電池單元相關的測試數據，所述測試數據是從來自所述電池測試設備的電池放電的模擬評估中獲得的；

將所述數據和所述測試數據提供給機器學習服務器；

指示機器學習服務器基于所述數據和所述測試數據的機器學習來生成預測模型；

向每個車輛提供所述預測模型，所述預測模型提供用于調節安裝在每個車輛中的電池組中的電池單元中的每一個的一個或多個配置參數的指令，使得針對特定使用對電池組進行優化；以及

指示每個車輛基于所述預測模型來優化車輛電池組的性能。

10.一種其上實施有指令的非暫態計算機可讀存儲介質，所述指令可由一個或多個處理器執行以執行用于優化車輛電池組的性能的方法，所述方法包括：

接收與安裝在車隊的每個車輛中的電池單元相關的數據，所述數據是從每個車輛中的至少一個接收的；

接收與沒有被包含在車輛內并且由電池測試設備測試的電池組內的電池單元相關的測試數據，所述測試數據是從來自所述電池測試設備的電池放電的模擬評估中獲得的；

將所述數據和所述測試數據提供給機器學習服務器；

指示機器學習服務器基于所述數據和所述測試數據的機器學習來生成預測模型；

向每個車輛提供所述預測模型，所述預測模型提供用于調節安裝在每個車輛中的電池組中的電池單元中的每一個的一個或多個配置參數的指令，使得針對特定使用對電池組進行優化；以及

指示每個車輛基于所述預測模型來優化車輛電池組的性能。