电池热预调节制造技术

电池热预调节包括根据用户预设、偏好以及电池和/或交通工具条件和配置安排热预调节。充电事件之前的热预调节可以优化充电时间、电池健康和续航里程。可以采用手动和预测智能方法来获得和保持电池组温度的预定范围。法来获得和保持电池组温度的预定范围。法来获得和保持电池组温度的预定范围。

【技术实现步骤摘要】
电池热预调节
[0001]引言交通工具可以包括可再充电能量存储系统(RESS)，该系统包括至少一个电池组，该电池组可以由若干电池模块和多个单独的电池单体配置。在充电和放电时，通过将电池温度保持在特定范围内，电池性能可以提高，并且电池寿命可以被延长。除了在电池充电和放电期间保持特定温度范围的性能和寿命益处之外，当在特定温度范围内执行时，充电时间可以减少。

技术实现思路

[0002]在一个示例性实施例中，一种用于预调节交通工具中的电池组的方法可以包括执行机器学习模型，该模型基于当前交通工具位置和时间信息提供充电事件相对于时间发生的概率。响应于在预定时间框架内充电事件的概率超过预定阈值，可以确定优选充电站和热调节事件的持续时间。可以控制热管理系统，以将电池组控制到预定温度范围达该持续时间。
[0003]除了这里描述的特征中的一个或多个之外，可以利用包括交通工具使用信息和时间信息的训练数据集来训练机器学习模型。
[0004]除了这里描述的特征中的一个或多个之外，交通工具使用信息可以包括充电地点访问、电池组续航里程、交通工具起点和交通工具目的地。
[0005]除了这里描述的特征中的一个或多个之外，训练数据集还可以包括至少一个用户偏好。
[0006]除了这里描述的特征中的一个或多个之外，该至少一个用户偏好可以包括充电时间和电池组续航里程中的至少一个。
[0007]除了这里描述的特征中的一个或多个之外，执行机器学习模型可以在交通工具外发生。
[0008]除了这里描述的特征中的一个或多个之外，训练机器学习模型可以在交通工具外发生。
[0009]除了这里描述的特征中的一个或多个之外，控制热管理系统可以包括加热电池组。
[0010]除了这里描述的特征中的一个或多个之外，控制热管理系统可以包括冷却电池组。
[0011]除了这里描述的特征中的一个或多个之外，训练数据集还可以包括用户时间表。
[0012]在另一个示例性实施例中，用于预调节交通工具中的电池组的系统可以包括热管理系统，该热管理系统包括由电池组供电的电池组加热器、处理器和包含计算机程序的存储器，该计算机程序在由处理器执行时使得机器学习模型：基于当前交通工具位置和时间信息预测相对于时间发生的充电事件；确定优选的充电站；确定热调节事件的持续时间；并且控制热管理系统将电池组控制到预定温度范围达该持续时间。
[0013]除了这里描述的特征中的一个或多个之外，计算机程序可以包括机器学习模型。
[0014]除了这里描述的特征中的一个或多个之外，机器学习模型可以包括概率模型，并且基于当前交通工具位置和时间信息预测相对于时间发生的充电事件可以包括基于当前交通工具位置和时间信息提供在预定时间框架内发生充电事件的概率。
[0015]除了这里描述的特征中的一个或多个之外，机器学习模型可以在交通工具外训练。
[0016]除了这里描述的特征中的一个或多个之外，概率模型可以利用训练数据集在交通工具外训练，该训练数据集可以包括交通工具使用信息和时间信息。
[0017]除了这里描述的特征中的一个或多个之外，交通工具使用信息可以包括充电地点访问、电池组续航里程、交通工具起点和交通工具目的地。
[0018]除了这里描述的特征中的一个或多个之外，训练数据集还可以包括至少一个用户偏好。
[0019]除了这里描述的特征中的一个或多个之外，该至少一个用户偏好可以包括充电时间和电池组续航里程中的至少一个。
[0020]在又一个示例性实施例中，电池电动交通工具可以包括控制器、可再充电电池组和由电池组供电的电池组加热器。控制器可以被配置成接收至少一个用户偏好、包括当前交通工具位置的交通工具使用信息和时间信息。控制器可以被配置成基于当前交通工具位置和时间信息提供在预定时间框架内发生充电事件的概率。并且，响应于充电事件的概率超过预定阈值，控制器可以被配置成：确定用于充电事件的优选充电站；确定由电池组为电池组加热器供电的持续时间，该持续时间足以在预定时间框架内将电池组加热到预定温度范围；并且在该持续时间内利用电池组为电池组加热器供电。
[0021]除了这里描述的特征中的一个或多个之外，控制器还可以被配置成接收用户时间表，并且在预定时间框架内发生充电事件的概率还可以基于用户时间表。
[0022]本专利技术提供下列技术方案。
[0023]技术方案1. 一种用于预调节交通工具中的电池组的方法，包括：执行机器学习模型，所述机器学习模型基于当前交通工具位置和时间信息提供充电事件相对于时间发生的概率；和响应于在预定时间框架内所述充电事件的所述概率超过预定阈值：确定优选充电站；确定热调节事件的持续时间；并且控制热管理系统，以将所述电池组控制到预定温度范围达所述持续时间。
[0024]技术方案2. 根据技术方案1所述的方法，还包括利用包括交通工具使用信息和时间信息的训练数据集训练所述机器学习模型。
[0025]技术方案3. 根据技术方案2所述的方法，其中，所述交通工具使用信息包括充电地点访问、电池组续航里程、交通工具起点和交通工具目的地。
[0026]技术方案4. 根据技术方案2所述的方法，其中，所述训练数据集还包括至少一个用户偏好。
[0027]技术方案5. 根据技术方案4所述的方法，其中，所述至少一个用户偏好包括充电时间和电池组续航里程中的至少一个。
[0028]技术方案6. 根据技术方案1所述的方法，其中，执行所述机器学习模型在所述交
通工具外发生。
[0029]技术方案7. 根据技术方案2所述的方法，其中，训练所述机器学习模型在所述交通工具外发生。
[0030]技术方案8. 根据技术方案1所述的方法，其中，控制所述热管理系统包括加热所述电池组。
[0031]技术方案9. 根据技术方案1所述的方法，其中，控制所述热管理系统包括冷却所述电池组。
[0032]技术方案10. 根据技术方案2所述的方法，其中，所述训练数据集还包括用户时间表。
[0033]技术方案11. 一种用于预调节交通工具中的电池组的系统，包括：热管理系统，其包括由所述电池组供电的电池组加热器；和处理器和包含计算机程序的存储器，所述计算机程序在由所述处理器执行时使得所述机器学习模型：基于当前交通工具位置和时间信息预测相对于时间发生的充电事件；确定优选的充电站；确定热调节事件的持续时间；并且控制所述热管理系统将所述电池组控制到预定温度范围达所述持续时间。
[0034]技术方案12. 根据技术方案11所述的用于预调节交通工具中的电池组的系统，其中，所述计算机程序包括机器学习模型。
[0035]技术方案13. 根据技术方案12所述的用于预调节交通工具中的电池组的系统，其中，所述机器学习模型包括概率模型，并且其中，基于当前交通工具位置和时间信息预测相对于时间发生的所述充电事件包括基于当前交通工具位置和时间信息提供在预定时间框架内发生所述充电事件的概率。
[0036]技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于预调节交通工具中的电池组的方法，包括：执行机器学习模型，所述机器学习模型基于当前交通工具位置和时间信息提供充电事件相对于时间发生的概率；和响应于在预定时间框架内所述充电事件的所述概率超过预定阈值：确定优选充电站；确定热调节事件的持续时间；并且控制热管理系统，以将所述电池组控制到预定温度范围达所述持续时间。2.根据权利要求1所述的方法，还包括利用包括交通工具使用信息和时间信息的训练数据集训练所述机器学习模型。3.根据权利要求2所述的方法，其中，所述交通工具使用信息包括充电地点访问、电池组续航里程、交通工具起点和交通工具目的地。4.根据权利要求2所述的方法，其中，所述训练数据集还包括至少一个用户偏好。5.根据权利要求4所述的方法，其中，所述至少一个用户偏好包括充电时间和电池组续航里程中的至少一个。6.根据权利要求1所述的方法，其中，执行所述机器学习模型在所述交通工具外发生。7.根据权利要求2所述的方法，其中，训练所述机器学习模型在所述交通工具外发生。8.根据权利要求1所述的方法，其中，控制所述热管理系统包括加热...

【专利技术属性】
技术研发人员：C，
申请(专利权)人：通用汽车环球科技运作有限责任公司，
类型：发明
国别省市：