JP7114642B2 - 運転ルートに対応する電池の目標充電レベルを決定するためのシステム、方法および記憶媒体 - Google Patents

Description

背景
分野
本明細書は、一般的に、電池パックのパラメータのインテリジェント設定に関し、より具体的には、機械学習を用いて、特定の使用に基づいて電池の目標充電レベルを決定するためのシステム、方法および記憶媒体に関する。

技術背景
車両（例えば、ハイブリッドガソリン／電気自動車、電気自動車など）に使用される電池パックは、一般的に、一組の単電池から構成される。場合によって、他の特性に加えて、電池パック内の単電池の配置によって、電池パックは、他の条件に比べて特定の条件下の動作に適する可能性がある。したがって、特定のルート、特定の運転条件、および／または特定の気象条件などに応じて、特定の電池パックを満充電する必要がない。電池パックを満充電しないことは、例えば、電池パックの全体的な寿命を延ばすこと、過度の充電回数を回避すること、および／または過度の充電コストを回避することなどの１つ以上の理由で有利でありうる。さらに、異なるルート、および／または異なる運転パターンなどを選択する機能を運転手に提供することは、電池パックの全体的な寿命を維持するのに有利であり得る。

概要
本開示の一態様は、運転ルートに対応する電池パックの目標充電レベルを決定するための方法に関する。この方法は、処理装置を用いて、車両群内の各車両に設けられた電池パック内の各電池に関するデータを受信することを含み、データは、車両群内の少なくとも１つの車両から受信される。この方法は、処理装置を用いて、データを機械学習サーバに提供することと、処理装置を用いて、予測モデルを生成するように機械学習サーバに指示することとをさらに含み、予測モデルは、データの機械学習に基づいて生成される。この方法は、処理装置を用いて、車両から、車両ルート要求を受信することをさらに含み、車両ルート要求は、運転ルートに対応する。この方法は、処理装置を用いて、ルート要求に基づいて車両の走行条件を推定することと、処理装置を用いて、車両に設けられた電池パックの温度を決定することと、処理装置を用いて、予測モデル、走行条件および温度に基づいて目標充電レベルを決定することと、処理装置を用いて、目標充電レベルを車両に提供することとをさらに含む。

本開示の別の態様は、運転ルートのための電池パックの目標充電レベルを決定するように構成されたシステムに関する。このシステムは、車両群を含む。車両群内の各車両は、複数の単電池を有する電池パックを含む。このシステムは、車両群内の各車両および１つ以上の電池検査装置に通信可能に接続された１つ以上のハードウェアプロセッサをさらに含む。１つ以上のハードウェアプロセッサは、車両群内の少なくとも１つの車両から、車両群内の各車両に設けられた電池パック内の各電池に関するデータを受信するように、機械可読命令によって構成される。１つ以上のハードウェアプロセッサは、データを機械学習サーバに提供し、データの機械学習に基づいて予測モデルを生成するように機械学習サーバに指示するように、機械可読命令によってさらに構成される。１つ以上のハードウェアプロセッサは、車両から、運転ルートに対応する車両ルート要求を受信するように、機械可読命令によってさらに構成される。１つ以上のハードウェアプロセッサは、ルート要求に基づいて車両の走行条件を推定し、車両に設けられた電池パックの温度を決定し、予測モデル、走行条件および温度に基づいて目標充電レベルを決定し、目標充電レベルを車両に提供するように、機械可読命令によってさらに構成される。

本開示のさらに別の態様は、命令を格納する非一時的なコンピュータ可読記憶媒体に関する。これらの命令は、実行されると、１つ以上のプロセッサに運転ルート用の電池パックの目標充電レベルを決定するための方法を実行させる。この方法は、車両群内の各車両に設けられた電池パック内の各電池に関するデータを受信することを含み、データは、車両群内の少なくとも１つの車両から受信される。この方法は、データを機械学習サーバに提供することと、予測モデルを生成するように機械学習サーバに指示することをさらに含み、予測モデルは、データの機械学習に基づいて生成される。この方法は、車両から車両ルート要求を受信することをさらに含む。車両ルート要求は、運転ルートに対応する。この方法は、ルート要求に基づいて車両の走行条件を推定することと、車両に設けられた電池パックの温度を決定することと、予測モデル、走行条件および温度に基づいて目標充電レベルを決定することと、目標充電レベルを車両に提供することとを含む。

本技術のこれらの特徴、他の特徴および特性、並びに関連する構造要素および部品の組み合わせの動作方法、機能および製造の効率は、添付の図面を参照して以下の説明および特許請求の範囲を考慮することによってより明らかになるであろう。以下の説明、特許請求の範囲および添付の図面は、本明細書の一部を構成する。本明細書において、同様の参照番号は、様々な図面の対応する部分を示す。しかしながら、明確に理解すべきことは、図面は、例示および説明の目的のみで提供され、本発明を制限するように意図していないことである。単数形「a」、「an」および「the」は、明細書および特許請求の範囲に使用された場合、文脈で特に明記しない限り、複数の対象を含む。

図面に示された実施形態は、本質的に説明および例示のためであり、特許請求の範囲によって定義された主題を限定することを意図していない。以下の図面を参照して、例示的な実施形態の以下の詳細な説明を理解することができる。図面において、同様の構造は、同様の参照番号で示されている。

本明細書に示され、記載された１つ以上の実施形態に従って、電池パックの目標充電レベルを決定するための装置およびシステムの例示的なネットワークを概略的に示す図である。 本明細書に示され、記載された１つ以上の実施形態に従って、例示的な単電池、例示的なモジュール、および複数のモジュール内に配置された複数の単電池を有する例示的な電池パックを概略的に示す斜視図である。 本明細書に示され、記載された１つ以上の実施形態に従って、電池パックの目標充電レベルを決定するための電池構成システムの例示的なハードウェア要素を概略的に示す図である。 本明細書に示され、記載された１つ以上の実施形態に従って、電池パックの目標充電レベルを決定するための電池構成システムのメモリに格納された例示的なロジックを示すブロック図である。 本明細書に示され、記載された１つ以上の実施形態に従って、電池パックを備えた車両の例示的な車両管理モジュールの例示的なハードウェア要素を概略的に示す図である。 本明細書に示され、記載された１つ以上の実施形態に従って、電池パックの目標充電レベルを決定するための例示的な方法を示すフロー図である。

詳細な説明
本開示は、一般的に、特定の運転ルート、運転条件、および／または気象条件などに基づいて電池パックの使用量を予測するために使用される機械学習（ＭＬ）モデルを訓練および使用すること、電池の使用量を最適化するように、選択される代替ルートおよび運転パターンなどをユーザに提供すること、および運転条件と選択されたパラメータに必要な特定の充電レベルを予測することに関する。機械学習モデルの訓練および使用は、一般的に、現在運転中の車両群に設けられた電池パックの単電池に関するデータを取得することを含む。すなわち、訓練に使用されたデータは、実際のシナリオに使用された電池パックの評価から取得される。その後、データは、機械学習サーバに提供され、機械学習サーバは、予測モデルを生成する。この予測モデルを用いて、例えば、特定の種類の運転に必要な特定の充電レベルなどを決定することができる。

電池パック、特に電気自動車またはハイブリッドガソリン／電気自動車などの車両に使用されている電池パックは、蓄積エネルギーを含む単電池の配列からなる。単電池を並列に接続することによってモジュールを形成し、複数のモジュールを直列に接続することによって電池パックを形成する。場合によって、単電池は、単に単電池の数を最大にするようにモジュール／電池パック内に配置される。これによって、単電池の配置が異なるため、製造された電池パックは、互いに完全に同様ではない場合がある。

さらに、（比較的低品質の単電池および比較的高品質の単電池を含む）特定の単電池は、互いに隣接して配置されるまたは特定の方法で配置される場合、特定の条件下で最適に動作しない可能性がある。例えば、様々な単電池は、単電池固有のインピーダンス特性によって、（充電および放電を含む）動作中に様々なレベルの熱エネルギーを放出する（例えば、熱を放出する）。（比較的少量の熱を放出する２つの単電池に比べて）比較的大量の熱を放出する２つの単電池を隣接して配置する場合、放出された熱量は、単電池および／または電池パックの周囲の素子を損傷するほど高くなる可能性がある。特に車両が暑い気候で運転されている場合、放出された熱量は、電池パックが故障すること、電池パックの寿命が短くなること、放電時間が短くなること、および／または充電時間が長くなることなどを引き起こす可能性がある。したがって、特に車両が暑い気候で運転されている場合に、熱に関連する問題を回避するために、一般的に、モジュールおよびパックの全体的な温度を維持するように、高い抵抗を示す単電池を互いに離して配置する必要がある。別の例において、特に放電速度が典型的な放電速度よりも高い場合（例えば、車両がより高い速度で運転されている場合および／または坂道を登る場合）に、モジュールまたはパックに配置されている比較的低容量の単電池にストレスを与えないように、好ましくは、モジュールまたはパックにおいて高容量の単電池を隣接して配置しない。したがって、特定の運転条件下で比較的低容量の単電池にストレスを与えないように、比較的高容量の単電池を互いに離して配置する必要がある。

いくつかのシステムおよび方法は、単にパックレベルで（例えば、電池パックの全体で）電池パックの動作を監視する。このような監視は、十分に細かくないため、機械学習およびパック内の単電池およびモジュールの構成に使用されるモデルの生成に必要なデータを取得することができない。

本明細書に記載のシステムおよび方法は、車両の電池パック内の各々の単電池の動作に関するより詳細なデータおよび車両自体からのデータを取得することができ、将来の動作を予測することができる。これらのデータは、車両の日常使用から取得することができ、特定の状況に限定されない（例えば、データは、制御されていない使用設定で取得される）。いくつかの実施形態において、データは、電池検査装置を用いて電池パックにシミュレーションを実行することによって、取得することができる。その後、本明細書に記載のシステムおよび方法は、特定の状況において特定の電池パックをどのように使用するかを判断し、性能を最適化する可能性のある電池パックの代替使用があるか否かを判断して、指示を特定の電池パックを含む車両に送信する。これによって、代替使用を実行することができ、および／または代替使用を実行するか否かを車両の運転手および／または乗客に選択させることができる。

特定の車両（および車両の構成要素にエネルギーを提供するための電池パック）を使用するたびに、車両内の様々なコンピューティング装置および車両内の人々（例えば、車両の運転手または乗客）の両方は、複数の判断を行う必要がある。判断の例として、どのルートで走行するか、ブレーキからのエネルギーを使用して電池パックを充電するか、どの動作にどの充電状態を使用するかを含むがこれらに限定されない。いくつかの例は、特に温度に関連している。例えば、外部温度が変化する場合に、特定の判断は、例えば、運転終了時の可能温度がどうなるか、冷房システムをオンにするか、暖房システムをオンにするかを含む。

前述した判断の各々は、特定の変化に基づいて、電池パックの性能を改善することができる最適な動作方法を有し得る。例えば、目的地までの１つのルートは、（非常に急な坂を登る）別のルートよりも平坦である。電池パックが劣化した場合、電池パック内の単電池の抵抗が増加する。この場合、（急な坂よりも）より平坦なルートは、少し長いルートであっても、電池パックの使用時間を延ばす可能性が高いため、最適な選択肢である。すなわち、平坦なルートは、電池パックの負荷を大幅に低減することができる。したがって、より平坦なルートを選択する場合、電池性能を改善できることを説明するインターフェイス画面を運転手に提供することによって、運転手は、行動をとることができる。

別の例は、室外温度および／または走行しようとする距離などの環境特性に基づいて、電池パックの充電レベルを判断することである。特に暑い日（例えば、北半球の夏日）に車両を２０マイルに運転する場合、満充電のパックが不要であると判断される（その理由は、地形および／または交通量などに関係なく、２０マイルを走行する場合、満充電が不要であるためである）。また、電池パックを満充電する（例えば、１００％まで充電する）場合、（例えば、約９０°Ｆを超える）高温は、より大きな劣化を引き起こす可能性があると判断される。したがって、より少ない量（例えば、約５０％、約６０％、約７０％など）に電池パックを充電してもよく、および／または充電時に電池パックが熱すぎにならないように、車両および／または電池パックの冷房システムを作動してもよい。充電時にユーザが車両を使用していない可能性があるため、このプロセスは、ユーザ入力なしで自動的に実行することができる。

図面を参照して、図１は、本明細書に示され、記載された実施形態に従って、ルート、運転条件、気象条件、および／または運転者が選択したパラメータなどに基づいて、必要とされる特定の充電レベルを予測するための装置およびシステムの例示的なネットワーク１００を示している。図１に示すように、ネットワーク１００は、広域ネットワーク、例えば、インターネット、ローカルエリアネットワーク（ＬＡＮ）、モバイル通信ネットワーク、公衆サービス電話網（ＰＳＴＮ）および／または他のネットワークを含んでもよく、電池構成システム１１０、車両群１２０内の１つ以上の車両１２２、１つ以上のユーザコンピューティング装置１３０、１つ以上のモバイル装置１４０、１つ以上の機械学習サーバ１５０および／または１つ以上の電池検査装置１６０を電子的に接続するように構成されてもよい。

本明細書により詳細に記載されたように、電池構成システム１１０は、一般的に、ルート、運転条件、気象条件および／または運転者が選択したパラメータなどに基づいて、必要とされる特定の充電レベルを予測するための様々なプロセスを実行するコンピューティング装置である。図３Ａおよび３Ｂを参照して本明細書で説明するように、電池構成システム１１０は、１つ以上のハードウェア要素を含む。

再び図１を参照して、車両群１２０は、１つ以上の車両１２２を含み、各車両１２２は、少なくとも１つの電池パックを備える。例えば、車両群１２０内の各車両１２２は、例えば、電気自動車またはガソリン／電気ハイブリッド自動車であってもよい。本明細書により詳細に記載されたように、車両群１２０内の各車両１２２は、ネットワーク１００内の任意の要素に通信可能に接続することによって、電池パックに対応するデータを送信することができ、電池パックを使用するための命令を受信することができる。したがって、図４を参照して本明細書に記載されたように、車両群１２０内の各車両１２２は、データの生成、データの通信、コマンドの受信およびコマンドの実行に使用される１つ以上のハードウェア要素を含む。

再び図１を参照して、１つ以上のユーザコンピューティング装置１３０および１つ以上のモバイル装置１４０は、一般的に、ユーザによって使用され、（車両群内の車両がネットワーク１００に直接接続されていない場合に）車両群１２０内の少なくとも１つの車両１２２から情報を送信するおよび／または電池構成システム１１０から情報を受信するための装置であってもよい。例えば、１つ以上のユーザコンピューティング装置１３０および／または１つ以上のモバイル装置１４０は、車両群１２０内の車両１２２と通信可能に接続することによって、（例えば、車両のオンボード診断（ＯＢＤ）ポートを介して）当該車両からデータを受信することができ、ネットワーク１００を介してデータを別の装置（例えば、電池構成システム１１０）に送信することができる。別の例において、１つ以上のユーザコンピューティング装置１３０および／または１つ以上のモバイル装置１４０は、電気自動車の充電ステーションと一体化することができる。これによって、車両１２２が充電のために充電ステーションに接続されると、車両１２２と充電ステーション（例えば、ユーザコンピューティング装置１３０およびモバイル装置１４０の少なくとも一方）との間にデータ接続が形成され、充電ステーションを介してネットワーク１００に接続されている１つ以上の他の要素にデータを送信することができる。さらに別の例において、１つ以上のユーザコンピューティング装置１３０および／または１つ以上のモバイル装置１４０は、車両修理施設および／または車両販売店などに配置されてもよい。１つ以上のユーザコンピューティング装置１３０の各々は、一般的に、装置が多くの機能をユーザに提供することを可能にする要素（例えば、ディスプレイ、ユーザ入力装置、メモリ、処理装置、通信ポートおよび／または他の要素）を含むコンピューティング装置であってもよく、本開示によって限定されない。同様に、１つ以上のモバイル装置１４０の各々は、装置が多くの機能をユーザに提供することを可能にする要素（例えば、ディスプレイ、ユーザ入力装置、メモリ、処理装置、通信ポートおよび／または他の要素）を含むコンピューティング装置であってもよく、本開示によって限定されない。

１つ以上の機械学習サーバ１５０は、一般的に、１つ以上の機械学習アルゴリズムを格納するコンピューティング装置であり、具体的に、データを受信し、受信したデータからモデルを生成するように構成されている。電池構成システム１１０は、本明細書に示され、記載された実施形態に従って、このモデルを用いて、単電池の電気特性を推定し、推定した電気特性に基づいて単電池の配置を決定し、および／またはルート、運転条件、気象条件および／または運転者が選択したパラメータなどに基づいて必要とされる特定の充電レベルを予測することができる。１つ以上の機械学習サーバ１５０によって利用される機械学習アルゴリズムは、本開示によって限定されず、一般的に現在知られているまたは今後開発される任意のアルゴリズム、特に本明細書に示され、記載された実施形態に従って、単電池の電気特性を推定し、および／またはルート、運転条件、気象条件および／または運転者が選択したパラメータなどに基づいて必要とされる特定の充電レベルを予測することができる予測モデルを生成するように構成されたアルゴリズムであってもよい。すなわち、機械学習アルゴリズムは、教師あり学習アルゴリズム、教師なし学習アルゴリズム、半教師あり学習アルゴリズムおよび強化学習アルゴリズムであってもよい。機械学習アルゴリズムの具体例は、最近傍アルゴリズム、ナイーブベイズアルゴリズム、決定木アルゴリズム、線形回帰アルゴリズム、教師ありベクトルマシン、ニューラルネットワーク、クラスタリングアルゴリズム、相関ルール学習アルゴリズム、Ｑ学習アルゴリズム、時間差アルゴリズムおよび深層敵対的ネットワークを含むが、これらに限定されない。１つ以上の機械学習サーバ１５０によって使用される機械学習アルゴリズムの他の特定の例は、一般的に理解されるものであり、本開示の範囲に含まれる。

１つ以上の電池検査装置１６０は、一般的に、電池を検査し、電池の検査に応じてデータを生成し、ネットワーク１００を介して通信可能に接続された１つ以上の要素（例えば、電池構成システム１１０）にデータを送信するために使用される装置である。電池検査装置１６０は、一般的に、電池またはその構成要素（例えば、モジュール、単電池など）を検査することができ、車両に設置されていない（すなわち、車両群１２２内の各車両に含まれていない）。電池検査装置１６０は、電池またはその構成要素の充電、電圧、放電率、充電時間、寿命、物理特性、化学組成、クランキングアンプ（cranking amps）、および／または内部電池管理システムの機能などを検査することができる。また、電池検査装置１６０は、様々な放電状態をシミュレートすることができる。例えば、電池検査装置１６０は、ＥＶ駆動サイクルシミュレーション（例えば、連邦都市運転スケジュール（ＦＵＤＳ））および／またはハイブリッドパルス電力特性評価（ＨＰＰＣ）検査などを行うことができる。個々の単電池の検査に関する実施形態において、電池検査装置１６０は、電気化学、電池およびスーパーキャパシタの検査、ＨＰＣＥの測定、電気化学の研究および開発、半電池の検査、ライフサイクルの検査、および／または電気化学インピーダンス分光法（ＥＩＳ）などに使用することができる。いくつかの実施形態において、電池検査装置１６０の少なくとも１つは、ハイスループット（ＨＴ）サイクラーであってもよい。電池検査装置１６０の一例として、ＮＨリサーチ社（カリフォルニア州アーバイン市）から入手可能な９２２０デュアルベイシリーズ低電圧／高電流サイクラーが挙げられる。電池検査装置１６０の別の例として、アービンインスツルメンツ社（テキサス州カレッジステーション市）から入手可能な様々な電池検査製品、例えば、再生電池検査（ＲＢＴ）シリーズ装置が挙げられる。

理解すべきことは、図１において、ユーザコンピューティング装置１３０は、パーソナルコンピュータとして示され、電池構成システム１１０および１つ以上の機械学習サーバ１５０は、サーバとして示されているが、これらは、非限定的な例であることである。より具体的には、いくつかの実施形態において、任意種類のコンピューティング装置（例えば、モバイルコンピューティング装置、パーソナルコンピュータ、サーバなど）は、これらの装置のいずれかとして使用することができる。また、図１において、これらのコンピューティング装置のいずれかは、単一のハードウェアとして示されているが、これも単なる例である。より具体的には、電池構成システム１１０、１つ以上のユーザコンピューティング装置１３０、１つ以上のモバイル装置１４０および／または１つ以上の機械学習サーバ１５０の各々は、複数のコンピュータ、サーバおよびデータベースなどを表すことができる。

図２は、モジュール２１０内に配置された複数の単電池２２０を含む電池パック２００の斜視図を示している。また、図２は、例示的な単電池２２０、および複数の単電池２２０を含むモジュール２１０をさらに示している。図２に示された電池パック２００は、車両、例えば車両群１２０（図１）内の車両１２２に見られる電池パックの一例である。すなわち、電池パック２００は、車両の様々な要素に、特に電気自動車および／またはガソリン電気ハイブリッド自動車などの要素に電力を供給するために使用されるエネルギー貯蔵装置であってもよい。図２に示された電池パック２００は、１つ以上の電池検査装置１６０（図１）によって検査されるパックの一例であってもよい。

再び図２を参照して、いくつかの実施形態において、電池パック２００は、設置される車両に対応する形状および／またはサイズに構成されてもよく、複数の単電池２２０および／またはモジュール２１０を収納するように構成されてもよい。電池パック２００は、１つ以上のセンサからなるパックセンサハードウェア２３０および／または１つ以上の電池管理システム（ＢＭＳ）ハードウェア要素２４０などを含む（これらに限定されない）様々な他の要素と共に、単電池２２０および／またはモジュール２１０を収納する内部を画定するカバーを含むことができる。

電池パック２００のモジュール２１０内の単電池２２０の各々は、一般的に、外部要素、例えば車両の構成要素に提供される電気エネルギーを貯蔵するために使用される電池セルであってもよい。したがって、単電池２２０の各々は、正端子２２２および負端子２２４を含む複数の端子を備えることができる。単電池２２０は、本開示によって限定されず、現在知られているまたは今後開発される任意種類の電池であってもよい。単電池の例として、鉛酸電池、ニッケル水素（ＮｉＭＨ）電池、リチウムイオン（Ｌｉイオン）電池などを含むが、これらに限定されない。

単電池２２０の各々は、任意のサイズおよび／または形状を有してもよく、および／または任意のサイズまたは形状に形成されてもよい。したがって、本開示は、特定のサイズおよび形状に限定されない。また、電池パック２００内のモジュール２１０は、異なるサイズおよび形状を有する複数の単電池２２０を含むことができる。すなわち、モジュール２１０は、第１のサイズおよび／または形状を有する１つ以上の第１の単電池２２０と、第１のサイズおよび／または形状とは異なる第２のサイズおよび／または形状を有する１つ以上の第２の単電池２２０とを含むことができる。異なる形状の単電池２２０を様々な配置でモジュール２１０に配置することによって、様々な方法でモジュール２１０を構成することができる。例えば、電池パック２００内のモジュール２１０の位置に基づいて、特定の形状に適合するように（例えば、特定の形状を有する空間および／または特定の形状を有する部品の間に適合するように）モジュール２１０を形成することができ、モジュール２１０に収納される単電池２２０の数を最大化するおよび／またはモジュール２１０のエネルギー貯蔵容量を最大化するように、様々なサイズを有する単電池２２０をモジュール２１０に配置することができる。また、本明細書により詳細に記載されたように、電池構成システム１１０（図１）から受信した指示に基づいて、特定の単電池２２０および／または特定の配列の単電池２２０を用いて、モジュール２１０を形成することができ、モジュール２１０に入れることができる。したがって、理解すべきことは、モジュール２１０および単電池２２０の形状およびサイズは、本開示によって限定されないことである。

いくつかの実施形態において、各モジュール２１０は、モジュールＢＭＳ装置２１２をさらに含むことができる。モジュールＢＭＳ装置２１２は、一般的に、モジュール２１０に配置され、モジュール２１０および／または単電池２２０の電気出力の管理、モジュール２１０および／または単電池２２０の充電の管理、モジュール２１０および／または単電池２２０の充放電に関するデータの収集、収集されたデータの送信などを行うように構成された電池管理システムであってもよい。

電池パック２００内に配置されたパックセンサハードウェア２３０は、一般的に、電池パック２００、電池パック内のモジュール２１０、モジュール内の単電池２２０、および／または単電池内の１つ以上の他の要素の１つ以上の特性を検知することができる。例えば、パックセンサハードウェア２３０は、電池パック２００全体または電池パック２００の様々な部分の内部温度を検知する（例えば、電池パック２００内の「ホットスポット」を特定する）ように構成された温度センサを含むことができる。すなわち、電池パック２００内部の全体に温度センサを分散して配置することによって、電池パック２００内の特定の領域の温度を検知することができる。別の例において、パックセンサハードウェア２３０は、例えば、電圧およびインピーダンスなどを含むがこれらに限定されない、電池パック２００内のモジュール２１０および／または単電池２２０の１つ以上の電気特性を検出するように構成された電気メータを含むことができる。いくつかの実施形態において、電池単位またはモジュール単位の検知を達成できるように、パックセンサハードウェア２３０は、各モジュール２１０のモジュールＢＭＳ装置２１２と一体化されてもよい。いくつかの実施形態において、パックセンサハードウェア２３０は、ＢＭＳハードウェア要素２４０と一体化されてもよい。パックセンサハードウェア２３０は、検出された特性に対応するデータを送信するための１つ以上の装置に通信可能に接続されてもよい。これによって、本明細書に記載されたように、データを使用することができる。例えば、パックセンサハードウェア２３０は、ＢＭＳハードウェア要素２４０に通信可能に接続され、ＢＭＳハードウェア要素２４０は、電池構成システム１１０（図１）を含むがこれに限定されない１つ以上の外部装置にデータを提供することができる。

再び図２を参照して、ＢＭＳハードウェア要素２４０は、一般的に、電池パック２００のモジュール２１０および単電池２２０を管理するように構成され、現在知られているまたは今後開発される要素を含む任意の電子システム要素である。したがって、ＢＭＳハードウェア要素２４０は、一般的に、電池パック２００の動作の維持、電池パック２００（ならびに電池パック内のモジュール２１０および単電池２２０）の状態の監視、二次データの計算、計算したデータの送信および／またはパックセンサハードウェア２３０からデータの受信、電池パック２００の内部動作環境の維持、電池パック２００の認証、および／または電池パック２００のバランスの調整を行うように具体的に構成された要素を含むことができる。

いくつかの実施形態において、ＢＭＳハードウェア要素２４０は、パックセンサハードウェア２３０と連携して、電池パック２００、モジュール２１０および／または単電池２２０の様々な電池動作パラメータを監視および／または制御することができる。例えば、ＢＭＳハードウェア要素２４０は、電圧（例えば、総電圧、特定のモジュール２１０の電圧、特定の単電池２２０の電圧、単電池の最小電圧、単電池の最大電圧、および／または周期的タップの電圧など）、温度（例えば、平均温度、冷媒の取込温度、冷媒の出力温度、冷媒の流量、各モジュール２１０の温度、および／または各単電池２２０の温度など）、充電状態（ＳＯＣ）または放電深度（ＤＯＤ）、健康状態（ＳＯＨ）、電力状態（ＳＯＰ）（例えば、電池パック２００、モジュール２１０および／または単電池２２０の入出力電流）および／または（例えば、エネルギーなどの回復を示す）充電パラメータを監視および／または制御することができる。

いくつかの実施形態において、ＢＭＳハードウェア要素２４０は、充電電流制限値（ＣＣＬ）としての最大充電電流、放電電流制限値（ＤＣＬ）としての最大放電電流、最後の充電または充電サイクルから提供したエネルギー（例えば、ｋＷｈ）、モジュール２１０および／または単電池２２０の内部インピーダンス、開回路電圧、提供または格納した電荷（クーロンカウンターなど）、初回使用から提供したエネルギー総量、初回使用からの合計動作時間、および／またはサイクルの合計数などを含むがこれらに限定されない様々な値を計算することができる。

実施形態において、ＢＭＳハードウェア要素２４０は、中央コントローラを含み、中央コントローラは、電池パック２００内部の様々な他のハードウェア、例えばモジュール２１０および／または単電池２２０に関連するハードウェア（例えば、モジュールＢＭＳ装置２１２）と通信することができ、および／または電池パック２００の外部要素、例えば図１に示されている様々な要素と通信することができる。再び図２を参照して、中央コントローラは、シリアル接続、ＣＡＮバス、ＤＣバス（例えば、電力線を介したシリアルバス）を介して通信することができ、および／またはワイヤレスに通信することができる。

また、ＢＭＳハードウェア要素２４０を用いて、（例えば、無抵抗の調節装置などを介して）モジュール２１０および／または単電池２２０を負荷に接続することによって、最も充電されたモジュール２１０および／または単電池２２０からエネルギーを消費することによって、モジュール２１０および／または単電池２２０比較的に多く充電されたモジュール２１０および／または単電池２２０からのエネルギーを比較的に少なく充電されたモジュール２１０および／または単電池に移すことによって、比較的に多く充電されたモジュール２１０および／または単電池２２０を損傷せず、比較的に少なく充電されたモジュール２１０および／または単電池２２０を充電することができるように充電電流を低減することによって、および／またはモジュール充電などを行うことによって、電池パック２００の使用（例えば、電池パック２００の充電および／または電池パックの放電など）を最適化することができる。

ＢＭＳハードウェア要素２４０のトポロジは、一般的に理解されるものであり、本開示によって限定されない。すなわち、ＢＭＳハードウェア要素２４０のトポロジは、単一のコントローラが全てのモジュール２１０および単電池２２０に接続される集中型トポロジ、またはＢＭＳボード（例えば、モジュールＢＭＳ装置２１２）が各モジュール２１０および／または単電池に設置される分散型トポロジ、またはＢＭＳハードウェア要素２４０が複数のコントローラを含み、各々のコントローラが電池パック２００内の全てのモジュール２１０および単電池２２０のうち一部を処理するモジュール型トポロジであってもよい。

いくつかの実施形態において、電池パック２００は、例えば、単電池２２０に蓄積された電気を伝送するおよび／または（例えば、ＢＭＳハードウェア要素２４０からの）データを送信するための１つ以上のポートをさらに含むことができる。例えば、図２に示すように、電池パック２００は、電気ポート２０４、データポート２０６、および／または補助ポート２０８を含むことができる。

電気ポート２０４は、一般的に、モジュール２１０および単電池２２０を含むがこれらに限定されない電池パック２００内の様々な要素への電気接続を提供する。電気ポート２０４は、外部装置に電気的に接続されると、電池パック２００と外部装置との間に電流を流すことを可能にする。したがって、電気ポート２０４は、車両および／または電池検査装置の１つ以上の要素に電気的に接続するような形状、サイズおよび配置にすることができる。

データポート２０６は、一般的に、電池パック２００内の要素と１つ以上の外部要素との間のデータ接続を提供する。すなわち、電池パック２００内の様々な要素（例えば、ＢＭＳハードウェア要素２４０、各モジュールＢＭＳ装置２１２、および／またはパックセンサハードウェア２３０など）によって収集および／または生成されたデータは、データポート２０６を介して、電池パック２００から、例えば図１を参照して示され説明された様々な要素を含むがこれらに限定されない外部要素に送信されてもよい。すなわち、図１を参照して、データは、データポート２０６を介して、電池構成システム１１０、車両群１２０内の車両１２２の他の要素、１つ以上のユーザコンピューティング装置１３０、１つ以上のモバイル装置１４０、１つ以上の機械学習サーバ１５０および／または１つ以上の電池検査装置１６０に送信されてもよい。いくつかの実施形態において、電池パック２００内の要素からのデータは、１つの装置によって別の装置に送信されてもよい。例えば、データポート２０６は、車両のＣＡＮバス（または他の類似するローカルインターフェイス）に通信可能に接続されてもよい。これによって、電池パック２００内の要素からのデータは、車両のＣＡＮバスを介して送信され、車両のＣＡＮバスと別の要素（例えば、車両のＯＢＤポートなどのアクセスポートを介してＣＡＮバスに接続されたユーザコンピューティング装置１３０またはモバイル装置）との間の接続を介して取得される。その後、このデータは、ネットワーク１００を介して、さらに別の要素、例えば電池構成システム１１０に中継されてもよい。別の例において、データポート２０６は、１つ以上の電池検査装置１６０に通信可能に接続されてもよい。これによって、電池パック２００内の要素からのデータは、１つ以上の電池検査装置１６０に送信される。

補助ポート２０８は、一般的に、任意種類の通信接続または電気接続を形成するための任意種類のポートであってもよい。いくつかの実施形態において、補助ポート２０８を用いて、通信接続および電気接続の両方（例えば、電力線を介したシリアル通信）を形成することができる。

したがって、本明細書に記載の目的のために一般的に使用される電池パックの種類を理解できるであろう。しかしながら、図２を参照して説明した電池パックは、単に例示であり、本開示の範囲から逸脱することなく、現在知られているまたは今後開発される他の電池パックを使用することもできることを理解すべきである。

図３Ａは、本明細書に記載の機能を電池構成システム１１０に与える、図１の電池構成システム１１０の例示的な内部要素を示す。図３Ａに示すように、電池構成システム１１０は、処理装置３１０、非一時的なメモリ要素３２０、ネットワークインターフェイスハードウェア３４０、入力／出力（Ｉ／Ｏ）ハードウェア３３０、および／またはデータ記憶要素３５０を含むことができる。バスなどのローカルインターフェイス３００は、様々な要素を相互接続することができる。

コンピュータ処理ユニット（ＣＰＵ）などの処理装置３１０は、計算およびロジック演算を行うことによってプログラムを実行する電池構成システム１１０の中央処理ユニットであってもよい。処理装置３１０は、単独でまたは他の要素と組み合わせて、例示的な処理装置、コンピューティング装置、プロセッサ、またはそれらの組み合わせである。処理装置３１０は、（例えば、データ記憶要素３５０および／またはメモリ要素３２０からの）命令を受信および実行するように構成された任意の処理要素を含むことができる。

メモリ要素３２０は、揮発性および／または不揮発性のコンピュータ可読媒体として構成することができ、したがって、（ＳＲＡＭ、ＤＲＡＭおよび／または他の種類のランダムアクセスメモリを含む）ランダムアクセスメモリ、読み出し専用メモリ（ＲＯＭ）、フラッシュメモリ、レジスタ、コンパクトディスク（ＣＤ）、デジタル多用途ディスク（ＤＶＤ）および／または他の種類の記憶要素を含むことができる。メモリ要素３２０は、処理装置３１０によって実行されると、様々なプロセス、例えば図５を参照して本明細書に説明されたプロセスを処理装置３１０に実行させる１つ以上のプログラミング命令を含むことができる。

図３Ａおよび３Ｂを参照して、メモリ要素３２０に格納されたプログラミング命令は、複数のソフトウェアロジックモジュールとして具現化されてもよく、各ロジックモジュールは、１つ以上のタスクを実行させるためのプログラミング命令を提供する。図３Ｂに示された例示的なロジックモジュールは、動作ロジック３８０、センサロジック３８２、データ受信ロジック３８４、データ提供ロジック３８６、機械学習通信ロジック３８８、特性推定ロジック３９０、電池構成ロジック３９２、および／または電池分類ロジックを含むが、これらに限定されない。一例として、図３Ｂに示されたロジックモジュールの各々は、コンピュータプログラム、ファームウェア、またはハードウェアとして具現化されてもよい。

動作ロジック３８０は、電池構成システム１１０の要素を管理するためのオペレーティングシステムおよび／または他のソフトウェアを含むことができる。センサロジック３８２は、１つ以上のセンサ、例えば、車両（例えば、車両群１２０（図１）内の１つの車両）に設けられたセンサおよび／または電池パック２００（図２）に設けられたセンサの動作を指示するための１つ以上のプログラミング命令を含むことができる。図１および３Ｂを参照して、データ受信ロジック３８４は、一般的に、電池構成システム１１０の外部の１つ以上の要素、例えば、車両群１２０内の任意の車両１２２、１つ以上のユーザコンピューティング装置１３０、１つ以上のモバイル装置１４０、１つ以上の電池検査装置１６０、および／または電池パック２００（図２）から転送されるデータを受信するためのプログラミング命令を含むことができる。再び図１および３Ｂを参照して、データ提供ロジック３８６は、一般的に、電池構成システム１１０外部の１つ以上の要素、例えば、車両群１２０内の任意の車両１２２、１つ以上のユーザコンピューティング装置１３０、１つ以上のモバイル装置１４０、１つ以上の電池検査装置１６０、および／または電池パック２００（図２）にデータを送信するためのプログラミング命令を含むことができる。再び図１および３Ｂを参照して、機械学習通信ロジック３８８は、一般的に、１つ以上の機械学習サーバ１５０と通信するためのプログラミング命令、例えば、１つ以上の機械学習サーバ１５０にデータを送信するための命令、１つ以上の機械学習サーバ１５０に命令を送信するための命令、１つ以上の機械学習サーバ１５０からデータまたは情報を受信するための命令、および／または１つ以上の機械学習サーバ１５０の動作を指示するための命令を含むことができる。

図１、２および３Ｂを参照して、特性推定ロジック３９０は、一般的に、１つ以上の他の要素、例えば、車両群１２０内の任意の車両１２２、１つ以上の機械学習サーバ１５０および／または１つ以上の電池検査装置１６０から受信したデータに基づいて、電池パック２００および／または電池パックの要素の１つ以上の特性を推定するための１つ以上のプログラミング命令を含むことができる。いくつかの実施形態において、特性推定ロジック３９０を用いて、運転ルート、１つ以上の運転条件および／または１つ以上の気象条件などを含むがこれらに限定されない１つ以上の車両運転特性をさらに推定することができる。本明細書により詳細に記載されたように、電池構成ロジック３９２は、一般的に、単電池２２０の必要な充電量を決定するために使用できる電池パック２００内の単電池２２０および／またはモジュール２１０の構成を決定するための１つ以上のプログラミング命令を含むことができる。本明細書により詳細に記載されたように、電池分類ロジック３９４は、一般的に、単電池２２０の必要な充電量を決定するために、単電池２２０の１つ以上の特性に基づいて、単電池２２０を分類する（例えば、単電池２２０をビンニングする）ための１つ以上のプログラミング命令を含むことができる。

再び図３Ａを参照して、入力／出力ハードウェア３３０は、ローカルインターフェイス３００と本明細書に記載されていない電池構成システム１１０の１つ以上の他の要素との間に情報を通信することができる。いくつかの実施形態において、入力／出力ハードウェア３３０は、ローカルユーザインターフェイス要素および／または１つ以上のリモートユーザインターフェイス要素を含む１つ以上のユーザインターフェイス要素に使用することができる。

ネットワークインターフェイスハードウェア３４０は、任意の有線または無線ネットワークハードウェア、例えば、モデム、ＬＡＮポート、Ｗｉ－Ｆｉ（登録商標）カード、ＷｉＭａｘカード、モバイル通信ハードウェア、および／または他のネットワークおよび／または装置と通信するための他のハードウェアを含むことができる。例えば、ネットワークインターフェイスハードウェア３４０を用いて、図１を参照して本明細書に記載された様々な他の要素間の通信を促進することができる。

データ記憶要素３５０は、一般的に任意の記憶媒体であり、受信および／または生成されたデータを記憶するための１つ以上のデータリポジトリを含むことができる。データ記憶要素３５０は、例えば、ハードディスクドライブ（ＨＤＤ）、メモリ、および／またはリムーバブル記憶装置を含むがこれらに限定されない任意の物理記憶媒体であってもよい。データ記憶要素３５０は、ローカル装置として示されているが、理解すべきことは、データ記憶要素３５０は、例えば、サーバコンピューティング装置、クラウドベース記憶装置などのリモート記憶装置であってもよいことである。データ記憶要素３５０に格納され得る例示的なデータは、機械学習モデルデータ３５２、特性データ３５４および／またはパック構成データ３５６を含むが、これらに限定されない。機械学習モデルデータ３５２は、一般的に、１つ以上の機械学習サーバ１５０（図１）によって生成されたデータおよび／または機械学習モデルを生成するために使用されたデータを含む。再び図３Ａを参照して、特性データ３５４は、一般的に、ポイント間のルートに関する情報、運転条件（例えば、道路条件および／または交通量など）に関する情報、気象条件に関連する情報、運転者の好みルートおよび／または他の好み情報に関連する情報を含むがこれらに限定されない様々な運転関連特性を参照して取得または生成されたデータを含む。パック構成データは、一般的に、１つ以上の機械学習サーバ１５０（図１）から受信された情報、および／または電池構成ロジック３９２および／または電池分類ロジック３９４（図３Ｂ）による演算によって生成されたデータなどに基づいた電池パック２００（図２）の特定の構成に関する情報を含む。

理解すべきことは、図３Ａおよび３Ｂに示された要素は、単なる例示であり、本開示の範囲を限定することを意図していないことである。より具体的には、図３Ａおよび３Ｂの要素は、電池構成システム１１０の内部に配置されているものとして示されているが、これは、非限定的な例である。いくつかの実施形態において、１つ以上の要素は、電池構成システム１１０の外部に配置されてもよい。

図４は、様々な実施形態に従って、車両群１２０（図１）内の車両１２２に設けられた車両電池管理モジュール４００の例示的な内部要素を示す。車両電池管理モジュール４００は、一般的に、図２に示される電池パック２００に配置されたＢＭＳハードウェア要素２４０とは別体であるが、ＢＭＳハードウェア要素２４０と連携して本明細書に記載の機能を提供する。図４に示すように、車両電池管理モジュール４００は、処理装置４１０、非一時的なメモリ要素４２０、車両センサハードウェア４３０、パックセンサハードウェア２３０、ネットワークインターフェイスハードウェア４５０、入力／出力（Ｉ／Ｏ）ハードウェア４６０および／またはデータ記憶要素４７０を含むことができる。ローカルインターフェイス４０２、例えばバス（例えば、車両ＣＡＮバス）は、様々な要素を相互接続することができる。

コンピュータ処理ユニット（ＣＰＵ）などの処理装置４１０は、計算およびロジック演算を行うことによってプログラムを実行する車両電池管理モジュール４００の中央処理装置であってもよい。処理装置４１０は、単独でまたは他の要素と組み合わせて、例示的な処理装置、コンピューティング装置、プロセッサ、またはそれらの組み合わせである。処理装置４１０は、（例えば、データ記憶要素４７０および／またはメモリ要素４２０からの）命令を受信および実行するように構成された任意の処理要素を含むことができる。

メモリ要素４２０は、揮発性および／または不揮発性のコンピュータ可読媒体として構成することができ、したがって、（ＳＲＡＭ、ＤＲＡＭおよび／または他の種類のランダムアクセスメモリを含む）ランダムアクセスメモリ、読み出し専用メモリ（ＲＯＭ）、フラッシュメモリ、レジスタ、コンパクトディスク（ＣＤ）、デジタル多用途ディスク（ＤＶＤ）および／または他の種類の記憶要素を含むことができる。メモリ要素４２０は、処理装置４１０によって実行されると、処理装置４１０に様々なプロセス、例えば図５を参照して本明細書に記載されたプロセスを実行させる１つ以上のプログラミング命令を含むことができる。

再び図４を参照して、メモリ要素４２０に格納されたプログラミング命令は、複数のソフトウェアロジックモジュールとして具現化されてもよく、各ロジックモジュールは、１つ以上のタスクを実行させるためのプログラミング命令を提供する。図４に示された例示的なロジックモジュールは、動作ロジック４２２および／またはセンサロジック４２４を含むが、これらに限定されない。一例として、図４に示されたロジックモジュールの各々は、コンピュータプログラム、ファームウェア、またはハードウェアとして具現化されてもよい。動作ロジック４２２は、車両電池管理モジュール４００の要素を管理するためのオペレーティングシステムおよび／または他のソフトウェアを含むことができる。センサロジック４２４は、車両１２２、電池パック２００（図２）および／または周囲環境（例えば、交通情報、ルート情報、目的地、道路状況、道路の種類、および／または気象条件）の１つ以上の特性を検知するように車両センサハードウェア４３０および／またはパックセンサハードウェア２３０に指示し、検知された１つ以上の特性に対応するデータを送信することを含むがこれらに限定されない、車両センサハードウェア４３０および／またはパックセンサハードウェア２３０の動作を指示するための１つ以上のプログラミング命令を含むことができる。

再び図４を参照して、車両センサハードウェア４３０は、一般的に、１つ以上のハードウェア要素を含み、１つ以上のハードウェア要素は、１つ以上の車両特性、特に特定の走行に必要とされる充電量を予測するために使用できる情報、例えば、車両の様々なパラメータ、車両の重量および／または車両の様々な設定を提供するための特性を検知することができる。いくつかの実施形態において、車両センサハードウェア４３０は、車両の周囲環境の特性、例えば、交通量、車両位置、目的地情報、道路状況、道路の種類、および／または気象状況などを検知することができる。ハードウェア要素の例として、（ビデオカメラおよび静止カメラを含む）カメラ、光学センサ、測距システム、飛行時間（ＴＯＦ）センサ、近接センサ、温度センサ、ＧＰＳ（Global Positioning Satellite）要素、電気センサ（例えば、電圧センサおよび／またはインピーダンスセンサなど）、加速度計、ジャイロスコープ、および／または速度センサなどを含むが、これらに限定されない。他のセンサ、特に電池の機能、車両の機能、車両が運転している地形などに関する情報を取得するために使用されるセンサも、本開示の範囲から逸脱することなく含まれる。いくつかの実施形態において、車両センサハードウェア４３０は、検知された情報を受信し、検知された情報に対応する信号および／またはデータを本明細書に記載の１つ以上の要素に送信することができる。例えば、車両センサハードウェア４３０は、本明細書により詳細に記載されたように、車両の加速度情報および／または速度情報を受信し、１つ以上の信号および／またはデータを生成し、処理装置４１０に送信することができる。処理装置４１０は、データを処理して他の要素に送信する。

ネットワークインターフェイスハードウェア４５０は、任意の有線または無線ネットワークハードウェア、例えば、モデム、ＬＡＮポート、Ｗｉ－Ｆｉ（登録商標）カード、ＷｉＭａｘカード、モバイル通信ハードウェア、および／または他のネットワークおよび／または装置と通信するための他のハードウェアを含むことができる。例えば、ネットワークインターフェイスハードウェア４５０を用いて、図１を参照して本明細書に記載された様々な他の要素間の通信を促進することができる。

再び図４を参照して、入力／出力ハードウェア４６０は、ローカルインターフェイス４０２と本明細書に記載されていない車両１２２の１つ以上の他の要素との間に情報を通信することができる。例えば、車両１２２に配置され、車両電池管理モジュール４００の一部ではない１つ以上の車両要素は、入力／出力ハードウェア４６０を介して、車両電池管理モジュール４００の様々な要素と通信することができる。いくつかの実施形態において、センサハードウェア４３０は、車両電池管理モジュール４００の外部に配置され、入力／出力ハードウェア４６０を介して車両電池管理モジュール４００の様々な要素と通信する（例えば、信号および／またはデータを送信する）ことができる。

データ記憶要素４７０は、一般的に任意の記憶媒体であり、受信および／または生成されたデータを記憶するための１つ以上のデータリポジトリを含むことができる。データ記憶要素４７０は、ハードディスクドライブ（ＨＤＤ）、メモリ、および／またはリムーバブル記憶装置を含むがこれらに限定されない任意の物理記憶媒体であってもよい。データ記憶要素４７０は、ローカル装置として示されているが、理解すべきことは、データ記憶要素４７０は、例えば、サーバコンピューティング装置、クラウドベース記憶装置などのリモート記憶装置であってもよいことである。データ記憶要素４７０に格納され得る例示的なデータは、センサデータ４７２および／または他のデータを含むが、これらに限定されない。センサデータ４７２は、一般的に、車両センサハードウェア４３０および／またはパックセンサハードウェア２３０から取得されるデータを含むことができる。センサデータ４７２に含まれるデータの非限定的な例は、車両運転データ（例えば、加速度計データ、ジャイロスコープデータ、速度データ、および／またはＧＰＳデータなど）、車両１２２が運転している環境に関する画像データまたは他のデータ（例えば、天気、道路状況、および／または道路の種類）、および電池動作データ（例えば、温度データ、電圧データ、および／またはインピーダンスデータなど）を含むことができる。

理解すべきことは、図４に示された要素は、単なる例示であり、本開示の範囲を限定することを意図していないことである。より具体的には、図４の要素は、車両１２２の車両電池管理モジュール４００の内部に配置されているものとして示されているが、これは、非限定的な例である。いくつかの実施形態において、１つ以上の要素は、車両電池管理モジュール４００および／または車両１２２の外部に配置されてもよい。

上述したように、図１～４を参照して説明した様々な要素を用いて、１つ以上のプロセスを実行することができ、および／または運転しようとするルートを決定し、ルートを完走するために必要とされる電池パック２００の充電量（例えば、目標充電レベル）を予測する機能を提供することができる。様々なプロセスの一例は、図５を参照して以下に説明される。図５を参照して説明される様々なプロセスは、一般的に、図１～４に示された要素のうち１つ以上によって実行することができる。図５は、様々な実施形態に従って、目標充電レベルを予測するための例示的な方法を示している。図５を参照して説明された様々なステップは、単に例示であり、本開示の範囲から逸脱することなく、より多くのステップ、より少ないステップまたは代替的なステップも考えられる。

一般的に図１～４を参照しながら、ブロック５０２において、１つ以上の電池パック２００の電池構成データを受信することができる。すなわち、電池構成システム１１０は、電池パック２００（例えば、ＢＭＳハードウェア要素２４０）から、電池パック２００内のモジュール２１０における様々な単電池２２０の配置に関するデータを受信することができる。電池構成データは、一般的に、モジュール２１０における特定の単電池２２０の配置、電池パック２００における特定のモジュール２１０の配置、モジュール２１０内の各単電池２２０の容量、各モジュール２１０の容量、モジュール２１０内の各単電池２２０の出力、および／または各モジュール２１０の出力などに関する情報を含む。

電池構成データは、一般的に、（例えば、車両１２２と電池構成システム１１０との間のデータ接続を介して）電池パック２００を含む車両１２２から、（例えば、車両１２２が車両１２２に設けられたＯＢＤポートを介してユーザコンピューティング装置１３０またはモバイルコンピューティング装置に接続される場合に）少なくとも１つ以上のモコンピューティング装置１３０および／または少なくとも１つ以上のモバイル装置１４０から直接に受信されてもよい。例えば、車両１２２が一定のデータ接続を有する（または一定のデータ接続を提供するモバイル機器１４０に接続される）場合、当該車両に設けられた電池パック２００からのデータは、ブロック５０２に従って連続的に送信されてもよく、特定の間隔（例えば、毎時、毎日、毎週、または毎月）で送信されてもよい。別の例において、車両がユーザコンピューティング装置１３０またはモバイル装置１４０を設置した専門技術店または他の場所にあるときに、データは、車両１２２から送信され、ユーザコンピューティング装置１３０またはモバイル装置１４０は、車両からデータを取得して電池構成システム１１０に転送する。さらに別の例において、ユーザコンピューティング装置１３０またはモバイルコンピューティング装置が充電ステーションにある場合、充電のために車両を充電ステーションに接続するときに、データは、車両１２２から電池構成システム１１０に転送されてもよい。

ブロック５０４において、動作データを受信することができる。すなわち、電池構成システム１１０は、各電池パック２００（例えば、ＢＭＳハードウェア要素２４０）から、電池パック２００が使用される（例えば、充電および放電される）ときに様々な単電池２２０の動作に関するデータを受信することができる。したがって、動作データは、各々の単電池２２０、各々のモジュール２１０の様々な電気特性を監視するように構成された様々なセンサ（例えば、パックセンサハードウェア２３０、モジュールＢＭＳ装置２１２など）からのデータを含む。動作データは、例えば、電池パック２００内の各モジュール２１０および／または各単電池２２０の電圧情報、電池パック２００内の各モジュール２１０および／または各単電池２２０のインピーダンス情報、各モジュール２１０および／または各単電池２２０の動作温度を含む電池パック２００の動作温度、特定の運転条件で各モジュール２１０および／または各単電池２２０を放電するのに必要な時間、および／または特定の運転条件で各モジュール２１０および／または各単電池２２０を充電するのに必要な時間を含むことができる。いくつかの実施形態において、車両１２２の運転条件を決定できるように、各々の車両センサハードウェア４３０から動作データを取得することができる。例えば、車両センサハードウェア４３０から受信したデータは、車両１２２の環境温度、車両１２２が走行している地形の種類、車両１２２が信号規制走行をしているか否か、車両１２２が走行している道路の傾斜、車両１２２の運転速度、車両１２２の加速度および／または減速度などを示すことができる。

動作データは、一般的に、（例えば、車両１２２と電池構成システム１１０との間のデータ接続を介して）電池パック２００を含む車両１２２から、（例えば、車両１２２が車両１２２のＯＢＤポートを介してユーザコンピューティング装置１３０またはモバイルコンピューティング装置に接続される場合に）少なくとも１つ以上のユーザコンピューティング装置１３０および／または少なくとも１つ以上のモバイル装置１４０から直接に受信されてもよい。例えば、車両１２２が一定のデータ接続を有する（または一定のデータ接続を提供するモバイル機器１４０に接続される）場合、当該車両に設けられた電池パック２００からのデータは、ブロック５０２に従って連続的に送信されてもよく、特定の間隔（例えば、毎時、毎日、毎週、または毎月）で送信されてもよい。別の例において、車両がユーザコンピューティング装置１３０またはモバイル装置１４０を設置した専門技術店または他の場所にあるときに、データは、車両１２２から送信され、ユーザコンピューティング装置１３０またはモバイル装置１４０は、車両からデータを取得して電池構成システム１１０に転送する。さらに別の例において、ユーザコンピューティング装置１３０またはモバイルコンピューティング装置が充電ステーションにある場合、充電のために車両を充電ステーションに接続するときに、データは、車両１２２から電池構成システム１１０に転送されてもよい。

理解すべきことは、いくつかの実施形態において、ブロック５０２における電池構成データの受信およびブロック５０４における動作データの受信は、実質的に同時に実行されてもよいことである。すなわち、いくつかの実施形態において、電池構成システム１１０によって受信されたデータストリームは、電池構成データと動作データの両方を含むことができる。さらに、いくつかの実施形態において、ブロック５０２において受信された電池構成データおよび／またはブロック５０４において受信された動作データは、１つ以上の電池検査装置１６０から受信されてもよい。１つ以上の電池検査装置１６０は、接続された電池パック２００の動作を決定するための特定の運転条件をシミュレートする。

ブロック５０６において、動作データおよび／または電池構成データから、車両１２２の運転条件を決定することができる。例えば、１つ以上のセンサからのデータを用いて、１つ以上の区域の運転条件、各区域の地形、各区域の交通量、各区域における車両の環境温度、車両１２２の運転時間、車両１２２の運転速度（または平均速度）、電池パック２００およびその構成要素の温度、および／または様々な車両要素の動作温度を決定することができる。

ブロック５０８において、取得した全てのデータを１つ以上の機械学習サーバ１５０に提供することができる。すなわち、ブロック５０２で受信した電池構成データ、ブロック５０４で受信した動作データ、およびブロック５０６で決定した運転条件に関するデータは、１つ以上の機械学習サーバ１５０に提供されてもよい。いくつかの実施形態において、データは、ネットワーク１００を介して、様々な装置（例えば、車両１２２、１つ以上のユーザコンピューティング装置１３０、１つ以上のモバイル装置１４０、および／または１つ以上の電池検査装置１６０）から１つ以上の機械学習サーバ１５０に直接に送信されてもよい。他の実施形態において、データは、電池構成システム１１０によって収集され、ネットワーク１００を介して１つ以上の機械学習サーバ１５０に送信されてもよい。

１つ以上の機械学習サーバ１５０がデータを受信すると、ブロック５１０において、電池構成システム１１０は、予測モデルを生成するように１つ以上の機械学習サーバ１５０に指示することができる。すなわち、電池構成システム１１０は、（例えば、ネットワーク１００を介して）１つ以上の機械学習サーバ１５０に信号を送信し、受信したデータ（例えば、電池構成データ、動作データおよび／または運転条件に関連するデータ）を予測モデルに入力するようにおよび／またはデータから予測モデルを生成するように機械学習サーバ１５０に指示することができる。予測モデルは、一般的に、現在知られているまたは今後開発される任意の機械学習モデル、具体的には運転条件（例えば、温度）が与えられた場合、特定の用途に対して電池パックの最適な構成および／または充電などを決定するために使用される情報を提供するモデルであってもよい。機械学習モデルの一般的な例として、畳み込みニューラルネットワーク（ＣＮＮ）モデル、長短期記憶（ＬＳＴＭ）モデル、ニューラルネットワーク（ＮＮ）モデル、動的タイムワーピング（ＤＴＷ）モデルなどを含むが、これらに限定されない。具体的な例として、本明細書に記載のように、記述子ベースのモデルおよびＬＦＴＭモデルを含むが、これらに限定されない。

Ｑ－Ｖベースの早期予測戦略の様々な機械学習実装を使用することができる。例えば、１つ以上の電池検査装置１６０は、動的／確率的（運転誘発の）放電プロファイルに従い、早期故障を表すデータの特徴を発見することができる。別の例において、概ねｎサイクル（例えば、１００、５００、１０００）ごとにモジュール２１０の放電診断サイクルとその間の充填を完了し、その間に運転誘発の放電／充電プロファイルがあるため、早期予測法（または将来のＱ－Ｖベースの特徴設計機械学習法）を使用することができる。さらに別の例において、ｎサイクルごと（例えば、モジュールの１００サイクルごと）の充電ステップ中に制御されている診断を完了し、その間に運転誘発の充電／放電を完了する。

データから、既知の地形において交通量（例えば、混雑時の交通量）がある場合および同一の地形において交通量がない場合の特定の電池パックの放電を判断することができる。また、データは、完全に充電されているとき（例えば、１００％に充電されているとき）および完全に充電されていないとき（例えば、約３０％または約５０％に充電されているとき）の電池パック２００の放電を示すことができる。さらに、データは、特定の温度における電池パック２００の充電または放電（例えば、比較的高い温度および比較的低い温度における電池パックの充電または放電）を示すことができる。各々の状況において、電池の負荷が異なると、電池パック２００は、異なる要件、例えば異なる電流、異なる運転条件、および／または異なる温度が必要とされる。

データは、数多くの車両１２２および／または電池パック２００から収集され、各々の車両および／または電池パックは、（例えば、各車両１２２の異なる運転手、車両１２２の運転場所、異なる運転条件、異なるシミュレーション条件などによって）特定の運転特性を有するため、機械学習アルゴリズムを用いて、所定セットの運転特性／車両特性、所定セットの動作温度における異なる充電または放電、特定の充電または放電に対して最も適切な温度、および／または電池パックの単電池に与えるストレスが最小であるルートなどに基づいて、放電を予測することができる。

以下で説明するように、予測モデルは、更なる使用のために、電池構成システム１１０に送信することができる。いくつかの実施形態において、予測モデルを電池データベースなどに記憶し、その後、電池構成システム１１０による更新および使用、および／または車両群１２０内の車両１２２による利用のために取り出すことができる。例えば、予測モデルは、機械学習モデルデータ３５２の一部として、電池構成システム１１０のデータ記憶要素３５０に記憶されてもよい。

ブロック５１２において、電池構成システム１１０は、１つ以上の機械学習サーバ１５０から、予測モデルを受信する（またはデータストレージから予測モデルを取得する）ことができる。電池構成システム１１０は、車両１２２からルート要求を受信するたびに、予測モデルを使用することができる。すなわち、電池構成システム１１０は、ルート要求を受信するまでおよび／または車両もしくは電池動作に関する追加データ（例えば、追加の電池構成データ、追加の動作データ、車両が２つの特定のポイント間の特定のルートを走行していることを示すデータなど）を受信するまで待機してもよい。

ブロック５１４において、車両１２２からルート要求を受信することができる。このルート要求は、ユーザが車両のナビゲーションシステムなどに目的地を入力したときに自動的に受信されてもよく、車両のユーザが車両１２２の電池パック２００の特定の充電状態に基づいて特定のルートを明確に要求したときに受信されてもよい。いくつかの実施形態において、ルート要求は、予定したスケジュールに基づいて自動的に送信されてもよい。例えば、車両がいつも特定の日に特定の場所に走行する場合（例えば、車両が特定の平日に自宅から職場にルーチン的に走行する場合）、次の日のルート要求は、走行が予定される前夜（例えば、車両１２２が所有者のガレージにパーキングしているときまたは所有者の自宅で充電されているとき）に車両１２２から自動的に送信される。ルート要求は、一般的に、ネットワーク１００を介して、車両１２２（または車両１２２に接続されているモバイル装置１４４）から受信されてもよい。

ブロック５１６において、受信したルート要求に基づいて車両１２２の走行条件を推定することができる。すなわち、電池構成システム１１０は、（例えば、車両の位置に対応するＧＰＳデータを取得することによって）車両１２２の現在位置を決定し、車両１２２が走行する目的地の位置を決定し、車両１２２の現在位置と目的地の位置との間に存在する１つ以上のルートを決定し、１つ以上のルート内の各ルートに対応する走行距離を決定し、１つ以上のルート内の各ルートが横断する地形の種類（例えば、道路の傾斜、道路材料の種類）を決定し、走行に影響を与える可能性のある他の要因（例えば、交通量、各ルートの平均速度、信号灯の数および場所、停止標識、車両１２２が速度を落とす必要がある場所、例えば学校区域、横断歩道など）を決定し、走行および電池の放電に影響を与える可能性のある１つ以上の環境条件（温度、降水量、大気質、天気予報など）を決定することができる。

走行条件を決定することに加えて、ブロック５１８において、電池パック２００の現在温度を決定することができる。すなわち、電池パック２００に設けられた１つ以上の温度センサを用いて、電池パック２００の様々な部分の温度（例えば、電池パック２００内の単電池２２０および／またはモジュール２１０の温度）を決定することができる。電池パック２００の現在温度を決定することは、電池パック２００の温度を連続的に決定すること、および／または現在温度および予想される放電量に基づいて電池パックの予定温度を推定することをさらに含むことができる。

ブロック５２０において、電池構成システム１００は、上述した全ての情報を用いて、電池の目標充電レベルを決定することができる。すなわち、電池構成システムは、走行条件、電池温度、および／または予測モデルなどに基づいて、車両１２２の現在位置と車両の目標位置との間の１つ以上の特定のルートを走行するのに必要とされる目標充電レベル（すなわち、充電量）を決定することができる。

ブロック５２２において、目標充電レベルを車両に提供することができる。すなわち、目標充電レベルに関するデータは、ネットワーク１００を介して、車両１２２または車両１２２に接続された１つ以上の装置（例えば、モバイル装置１４０、パーソナルコンピューティング装置１３０など）に送信されてもよい。したがって、ブロック５２４において、（車両１２２および／または電池構成システム１１０は）目標充電レベルに基づいて、電池パック２００の現在充電レベルが目的地に到達するのに十分であるか否かを判断する。この判断は、特定のルートに基づいて行われる。例えば、電池パック２００の現在充電量は、特定のルート（例えば、より平坦な地形を有するルート、より短いルートなど）に対して十分であるが、他のルート（例えば、坂道の多い地形を有するルート、より長いルート、渋滞のあるルートなど）に対して不足である場合がある。

充電量が目的地に到達するのに不足である場合、ブロック５２６において、１つ以上の充電場所および／または充電命令を車両１２２に提供することができる。すなわち、車両１２２および／または車両１２２のユーザが充電量が不足である通知を受け取り、十分な充電量が得られる場所に走行するための情報（ナビゲーションシステムの指示など）が提供される。車両１２２が現在運転されていない場合、電池パック２００を目標充電レベルまで充電し、電池パック２００を十分に充電すると、充電を停止する指示を車両１２２に提供することができる。その後、プロセスは、ブロック５１４に戻り、新たなルート要求（例えば、提案された充電ステーションへのルート、新たに選択された目的地など）を受信することができる。代替的には、車両１２２が既存の充電量で目的地に到達することができる代替ルートに関する情報を車両１２２および／または車両１２２のユーザに提供することができる。すなわち、車両が目的地に到達する充電量が不足である場合、ブロック５２８において、代替ルートをユーザおよび／または車両１２２に提供することができる。したがって、ユーザおよび／または車両１２２は、代替ルートを選択して走行することができる。これによって、プロセスは、終了するまたはブロック５１４に戻る。いくつかの実施形態において、ブロック５２４において充電量が十分であると判断されたときに電池パック２００がまだ充電されている場合、本明細書に説明したように、電池パック２００の全体的な寿命を維持するために、満充電（１００％）ではなくても、その時点で電池パック２００の充電を停止することができる。

理解すべきことは、本明細書に記載のシステムおよび方法は、特定の運転ルート、運転条件、気象条件などに基づいて電池パックの使用を予測するための機械学習モデルを訓練および使用し、電池の使用を最適化するための代替ルート、運転パターンなどをユーザに提供し、運転条件および選択したパラメータに必要とされる特定の充電レベルを予測する。機械学習モデルの訓練と使用は、一般的に、現在運転中の車両群に搭載されている電池パックの単電池に関するデータの取得を含む。すなわち、訓練に使用されたデータは、実際のシナリオに使用されている電池パックの評価から取得される。その後、データは、機械学習サーバに提供され、機械学習サーバは、予測モデルを生成する。この予測モデルを用いて、特定種類の運転に必要とされる特定の充電レベルなどを判断することができる。

本明細書において特定の実施形態を図示し説明してきたが、理解すべきことは、特許請求される主題の精神および範囲から逸脱することなく、他の様々な変更および修正を行うことができることである。また、本明細書において、特許請求される主題の様々な態様を説明してきたが、これらの態様を組み合わせて利用する必要はない。したがって、添付の特許請求の範囲は、特許請求される主題の範囲に含まれる全ての変更および修正を網羅するものとする。

Claims (20)

1. １つ以上のハードウェアプロセッサが実行する方法であって、
   車両群内の各車両に設けられた電池パック内の単電池に関するデータを受信することを含み、前記データは前記車両群内の各車両のうちの少なくとも１つの車両から受信され、前記電池パック内の単電池の配置を示す電池構成データ、および各単電池の動作データのうちの少なくとも１つを含み、さらに
   前記データを機械学習サーバに提供することと、
   前記データの機械学習に基づいて予測モデルを生成するように前記機械学習サーバに指示することと、
   運転ルートに対応する、受信したルート要求に基づいて前記車両の走行条件を推定することと、
   前記車両に設けられた前記電池パックの温度を決定することと、
   前記予測モデル、前記走行条件および前記温度に基づいて目標充電レベルを決定することと、
   前記電池目標充電レベルにしたがって前記電池パックを充電することとを含む、方法。
2. 前記機械学習サーバの次回利用のために、前記データおよび前記予測モデルを電池データベースに格納することをさらに含む、請求項１に記載の方法。
3. 前記動作データは、前記車両の運転条件を決定するために用いられる、請求項１に記載の方法。
4. 前記ルート要求に基づいて前記車両の前記走行条件を推定することは、
   前記車両に設けられた１つ以上の車両固有センサから追加データを受信すること、
   複数のルート内の各ルートに対応する走行距離を決定すること、
   前記複数のルート内の各ルートが横断する地形の種類を決定すること、
   前記複数のルート内の各ルートに沿った走行に影響を与える他の要因を決定すること、および
   走行および電池パックの放電に影響を与える１つ以上の環境条件を決定することのうち、１つ以上を含む、請求項１に記載の方法。
5. 前記電池パックを充電することは、
   前記電池パックの現在充電レベルが前記目標充電レベル以上であると判断し、
   前記電池パックの追加充電を終了するように前記車両に指示することをさらに含む、請求項１に記載の方法。
6. 前記電池パックを充電することは、
   前記電池パックの現在充電レベルが前記目標充電レベル未満であると判断し、
   前記電池パックを前記目標充電レベルまで充電するように１つ以上の命令を提供することをさらに含む、請求項１に記載の方法。
7. 前記電池パックを充電することは、
   前記電池パックの現在充電レベルが前記目標充電レベルに達すると、前記電池パックの充電を停止するように前記車両に指示することをさらに含む、請求項６に記載の方法。
8. システムであって、
   車両群を備え、前記車両群内の各車両は、複数の単電池を有する電池パックを含み、
   前記車両群内の各車両および１つ以上の電池検査装置に通信可能に接続された１つ以上のハードウェアプロセッサを備え、
   前記１つ以上のハードウェアプロセッサは、
   前記車両群内の各車両に設けられた電池パック内の単電池に関するデータを受信し、前記データは前記車両群内の各車両のうちの少なくとも１つの車両から受信され、前記電池パック内の単電池の配置を示す電池構成データ、および各単電池の動作データのうちの少なくとも１つを含み、
   前記データを機械学習サーバに提供し、
   前記データの機械学習に基づいて予測モデルを生成するように前記機械学習サーバに指示し、
   運転ルートに対応する、受信したルート要求に基づいて前記車両の走行条件を推定し、
   前記車両に設けられた前記電池パックの温度を決定し、
   前記予測モデル、前記走行条件および前記温度に基づいて目標充電レベルを決定し、
   前記目標充電レベルにしたがって前記電池パックを充電するように、機械可読命令によって構成される、システム。
9. 前記１つ以上のハードウェアプロセッサに通信可能に接続された電池データベースをさらに備え、
   前記１つ以上のハードウェアプロセッサは、前記データおよび前記予測モデルを前記電池データベースに格納するように、機械可読命令によってさらに構成される、請求項８に記載のシステム。
10. 前記動作データは、前記車両の運転条件を決定するために用いられる、請求項８に記載のシステム。
11. 前記ルート要求に基づいて前記車両の前記走行条件を推定することは、
    前記車両に設けられた１つ以上の車両固有センサから追加データを受信すること、
    複数のルート内の各ルートに対応する走行距離を決定すること、
    前記複数のルート内の各ルートが横断する地形の種類を決定すること、
    前記複数のルート内の各ルートに沿った走行に影響を与える他の要因を決定すること、および
    走行および電池パックの放電に影響を与える１つ以上の環境条件を決定することのうち、１つ以上を含む、請求項８に記載のシステム。
12. 前記１つ以上のハードウェアプロセッサは、前記電池パックの現在充電レベルが前記目標充電レベル以上であると判断し、前記電池パックの追加充電を終了するように前記車両に指示するように、前記機械可読命令によってさらに構成される、請求項８に記載のシステム。
13. 前記１つ以上のハードウェアプロセッサは、前記電池パックの現在充電レベルが前記目標充電レベル未満であると判断し、前記電池パックを前記目標充電レベルまで充電するように、前記機械可読命令によってさらに構成される、請求項８に記載のシステム。
14. 前記１つ以上のハードウェアプロセッサは、前記電池パックの現在充電レベルが前記目標充電レベルに達すると、前記電池パックの充電を停止するように前記車両に指示するように、前記機械可読命令によってさらに構成される、請求項１３に記載のシステム。
15. 命令を格納する非一時的なコンピュータ可読記憶媒体であって、前記命令は、１つ以上のハードウェアプロセッサによって、
    車両群内の各車両に設けられた電池パック内の単電池に関するデータを受信することを含み、前記データは前記車両群内の各車両のうちの少なくとも１つの車両から受信され、前記電池パック内の単電池の配置を示す電池構成データ、および各単電池の動作データのうちの少なくとも１つを含み、さらに
    前記データを機械学習サーバに提供することと、
    前記データの機械学習に基づいて予測モデルを生成するように前記機械学習サーバに指示することと、
    運転ルートに対応する、受信したルート要求に基づいて前記車両の走行条件を推定することと、
    前記車両に設けられた前記電池パックの温度を決定することと、
    前記予測モデル、前記走行条件および前記温度に基づいて目標充電レベルを決定することと、
    前記電池目標充電レベルにしたがって前記電池パックを充電することとを含む、方法を実行可能である、非一時的なコンピュータ可読記憶媒体。
16. 前記方法は、前記機械学習サーバの次回利用のために、前記データおよび前記予測モデルを電池データベースに格納することをさらに含む、請求項１５に記載の非一時的なコンピュータ可読記憶媒体。
17. 前記方法は、前記電池パックの現在の電池充電レベルが前記目標充電レベル以上であると判断し、
    前記電池パックの追加充電を終了するように前記車両に指示することをさらに含む、請求項１５に記載の非一時的なコンピュータ可読記憶媒体。
18. 前記方法は、
    前記電池パックの現在充電レベルが前記目標充電レベル未満であると判断し、
    前記電池パックを前記目標充電レベルまで充電するように１つ以上の命令を提供することをさらに含む、請求項１５に記載の非一時的なコンピュータ可読記憶媒体。
19. 前記電池パックを充電することは、
    前記電池パックの現在充電レベルが前記目標充電レベルに達すると、前記電池パックの充電を停止するように前記車両に指示することをさらに含む、請求項１５に記載の非一時的なコンピュータ可読記憶媒体。
20. 前記動作データは、前記車両の動作条件を決定するために用いられる、請求項１５に記載の非一時的なコンピュータ可読記憶媒体。

Images