控制电池管理系统的系统和方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113173101A(43)申请公布日2021.07.27(21)申请号202110086556.7(22)申请日2021.01.22(30)优先权数据16/751,8712020.01.24US(71)申请人丰田研究所股份有限公司地址美国加利福尼亚(72)发明人P·K·赫林C·巴拉吉戈帕尔A·S·阿纳波尔斯基(74)专利代理机构中国贸促会专利商标事务所有限公司11038代理人李颖(51)Int.Cl.B60L58/10(2019.01)B60L58/18(2019.01)权利要求书2页说明书9页附图6页(54)发明名称控制电池管理系统的系统和方法(57)摘要本公开涉及控制电池管理系统的系统和方法。电池管理系统包括一个或多个处理器，包含多个电池单元的电池，输出设备，输入设备，以及具有输入模块、电池特性预测模块和输出模块的存储器。所述输入模块包括使所述一个或多个处理器经由所述输入设备接收来自用户的模式选择的指令。所述电池特性预测模块包括使所述一个或多个处理器通过使用主动机器学习模型来预测电池的特性，基于所述模式选择预测电池的特性的指令。所述输出模块包括使所述一个或多个处理器基于由所述主动机器学习模型确定的电池的特性，将估计成本输出给输出设备的指令。CN113173101ACN113173101A权利要求书1/2页1.一种电池管理系统，包括：一个或多个处理器；包含多个电池单元的电池，所述电池与所述一个或多个处理器通信；与所述一个或多个处理器通信的输出设备；与所述一个或多个处理器通信的输入设备；与所述一个或多个处理器通信的存储器，所述存储器具有输入模块、电池特性预测模块和输出模块；其中所述输入模块包括当由所述一个或多个处理器执行时，使所述一个或多个处理器经由所述输入设备接收来自用户的模式选择的指令；其中所述电池特性预测模块包括当由所述一个或多个处理器执行时，使所述一个或多个处理器基于所述模式选择来预测电池的特性的指令，其中所述电池特性预测模块利用主动机器学习模型来预测电池的特性；和其中所述输出模块包括当由所述一个或多个处理器执行时，使所述一个或多个处理器基于由所述主动机器学习模型确定的电池的特性，将估计成本输出给输出设备的指令。2.按照权利要求1所述的电池管理系统，其中电池的特性是电池的循环寿命。3.按照权利要求2所述的电池管理系统，其中电池的循环寿命是直到电池的标称容量的80％为止的循环次数。4.按照权利要求1所述的电池管理系统，还包括：与所述一个或多个处理器通信的网络接入设备：其中所述存储器还包括通信模块，所述通信模块具有当由所述一个或多个处理器执行时，使所述一个或多个处理器经由所述网络接入设备，从外部系统接收更新的模型权重的指令；和其中所述存储器还包括主动学习模块，所述主动学习模块具有当由所述一个或多个处理器执行时，使所述一个或多个处理器用通过在所述外部系统上训练所述主动机器学习模型而获得的模型权重，更新所述主动机器学习模型的指令。5.按照权利要求1所述的电池管理系统，其中所述电池管理系统安装在车辆内。6.按照权利要求5所述的电池管理系统，其中所述模式选择包括扩大车辆的可行驶里程和增加电池的循环寿命中的至少一个。7.按照权利要求5所述的电池管理系统，其中所述电池特性预测模块包括当由所述一个或多个处理器执行时，使所述一个或多个处理器基于所述模式选择和用户的驾驶风格，预测电池的特性的指令，用户的驾驶风格指示用户在操作车辆时的一个或多个驾驶特性。8.按照权利要求7所述的电池管理系统，其中所述一个或多个驾驶特性包括车辆在目的地之间行驶的历史距离，车辆的历史速度，以及车辆的电池的充电历史。9.一种管理电池管理系统的方法，包括以下步骤：由一个或多个处理器，经由输入设备接收来自用户的模式选择；由所述一个或多个处理器，通过利用主动机器学习模型，基于所述模式选择来预测电池的特性，所述电池包括多个电池单元；和由所述一个或多个处理器，基于由所述主动机器学习模型确定的电池的特性，将估计成本输出给输出设备。2CN113173101A权利要求书2/2页10.按照权利要求9所述的管理电池管理系统的方法，其中电池的特性是电池的循环寿命。11.按照权利要求10所述的管理电池管理系统的方法，其中电池的循环寿命是直到电池的标称容量的80％为止的循环次数。12.按照权利要求9所述的管理电池管理系统的方法，还包括以下步骤：由所述一个或多个处理器，经由网络接入设备从外部系统接收更新的模型权重；和由所述一个或多个处理器，用通过在所述外部系统上训练所述主动机器学习模型而获得的模型权重，更新所述主动机器学习模型。13.按照权利要求9所述的管理电池管理系统的方法，其中所述电池管理系统安装在车辆内。14