一种充电信息处理方法、装置、存储介质、模组及控制器与流程

1.本发明属于智能车技术领域，尤其涉及一种充电信息处理方法、装置、存储介质、模组及控制器。


背景技术：

2.现有的电车充电控制系统或电池管理系统bms（batterymanagementsystem）基于安全性的考虑，在兼顾温度（尤其是车辆水温、电池温度）、剩余电量也即充电状态soc（state of charge）的场景下通过设置充电功率谱的上限来确保时间最短的充电效果。
3.但是，在多变的场景及环境扰动下，电池特性、环境温度、用户操控等均会影响上述控制过程的实现，基于安全充电功率上限的控制难以持续获得最优解。


技术实现要素：

4.本发明实施例公开了一种充电信息处理方法、装置、存储介质、模组及控制器。其充电信息处理方法，包括信息采集步骤、模型训练步骤、信息生成步骤。其中信息采集步骤获取第一充电场景信息，该第一充电场景信息包括车辆状态信息、车辆环境信息、车辆操控信息至少之一；其模型训练步骤按照第一充电场景信息训练并更新第二设备模型，该第二设备模型包括车辆模型。
5.进一步地，信息生成步骤根据第一充电场景信息及第二设备模型修正或补偿第二充电功率谱信息，该第二充电功率谱信息用于约束或指引充电接口设备和/或用电设备。
6.本发明实施公开的方法还包括干预信息接收步骤；该干预信息接收步骤通过获取预设的第三初始条件信息和/或第四优化目标信息来改善或优化充电信息的处理过程。
7.其中，第三初始条件信息根据第一充电场景信息或待充电设备的额定值或默认值预留一第二充电功率谱信息；第四优化目标信息根据干预源的信息给出需要优化的第五核心指标，该第五核心指标包括充电时间长度、能耗大小、电池损伤程度指标至少之一。
8.具体地，若干预信息接收步骤以第四优化目标信息为干预源，则模型训练步骤以第四优化目标信息改善的方向为优化方向，通过模型的训练和迭代过程实现优化目标的收敛。
9.进一步地，第二设备模型的训练和/或更新过程可通过有监督的训练过程生成；通过分割第一充电场景信息为第六网格信息，该第六网格信息可包括符合预设精度的第一参量、第二参量直至第n参量；其中，n为自然数。
10.具体地，以第一充电场景信息下的安全功率范围为限，在预设的第七精度下，通过比较各第一参量、第二参量直至第n参量下的第二充电功率谱信息；以预设的优化指标或规则选取用于第二设备模型修正或补偿的第二充电功率谱信息。
11.具体地，由所述第一参量、所述第二参量直至所述第n参量中预设的两个参量构造二维表格，并采用动态规划算法在所述二维表格中检索不同充电起止点的目标功率谱；其中，获取由起始soc到充电目标soc之间的第二充电功率谱信息；于第一充电场景信息下对
应生成第一待选功率谱、第二待选功率谱直至第m待选功率谱，m为自然数；基于神经网络进行有监督训练，于第一待选功率谱、第二待选功率谱直至第m待选功率谱训练得到目标功率谱。
12.其中，所述有监督的训练过程基于神经网络模型实现；第七精度可以是1kw；第一参量可以是充电状态soc，第一参量精度可以是1%；第二参量可以是电池温度，其精度可选为1℃；第三参量可以是环境温度，其精度可选为1℃。
13.进一步地，信息生成步骤可根据第一充电场景信息为第二设备模型对应的设备给出充电地点信息和/或充电模式信息；其充电地点信息和/或充电模式信息根据第一充电场景信息在第二设备模型训练并更新过程中符合预设规则的多目标优化过程获得。
14.需要说明的是，该多目标优化针对优化算法的目标进行设定：动态规划的目标可能是时长、能耗、电池损伤这样的某一个单一目标，也可能是各占一定权重的组合多目标。
15.具体地，信息采集步骤还可通过获取第二充电需求信息来改善充电过程，其充电需求信息可由充电接口设备和/或用电设备提供；其充电接口设备和/或用电设备包括充电口、充电枪、充电控制单元和/或热管理控制单元；其车辆环境信息包括导航信息、充电桩位置信息、占用状态信息、充电负载能力信息、排队信息等；其车辆操控信息包括车主肖像信息、历史充电/偏好信息等。
16.本发明实施例还公开了一种充电信息处理装置，包括信息采集单元、模型训练单元、信息生成单元；其中，信息采集单元通过获取第一充电场景信息来初始化充电背景信息，其第一充电场景信息包括车辆状态信息、车辆环境信息、车辆操控信息至少之一；其模型训练单元按照第一充电场景信息训练并更新第二设备模型，其第二设备模型包括车辆模型；其信息生成单元根据第一充电场景信息及第二设备模型修正或补偿第二充电功率谱信息，其第二充电功率谱信息用于约束或指引充电接口设备和/或用电设备。
17.进一步地，该包括充电信息处理装置还可包括一执行干预单元；该执行干预单元通过获取预设的第三初始条件信息和/或第四优化目标信息来定制化处理过程；其中，第三初始条件信息根据第一充电场景信息或待充电设备的额定值或默认值预留一第二充电功率谱信息；其第四优化目标信息根据干预源的信息给出需要优化的第五核心指标，该第五核心指标包括充电时间长度、能耗大小、电池损伤程度指标至少之一。
18.具体地，若干预信息接收步骤以第四优化目标信息为干预源，则模型训练步骤以第四优化目标信息改善的方向为优化方向实现充电过程的改善。
19.进一步地，第二设备模型的训练和/或更新过程可通过有监督的训练过程生成；通过分割第一充电场景信息为第六网格信息，该第六网格信息包括符合预设精度的第一参量、第二参量直至第n参量，n为自然数；以其第一充电场景信息下的安全功率范围为限，在预设的第七精度下，通过比较各第一参量、第二参量直至第n参量下的第二充电功率谱信息；以预设的优化指标或规则选取用于第二设备模型修正或补偿的第二充电功率谱信息，用于充电接口设备或用电设备的优化。
20.具体地，其有监督的训练过程可基于神经网络模型实现；其第七精度可以选1kw；其第一参量可选为充电状态soc，其第一参量精度可选为1%；其第二参量可选为电池温度，其第二参量精度可选为1℃；其第三参量可选为环境温度，其第三参量精度可选为1℃。
21.进一步地，其信息生成单元可根据第一充电场景信息为第二设备模型对应的设备
给出充电地点信息和/或充电模式信息；该充电地点信息和/或充电模式信息根据第一充电场景信息在第二设备模型训练并更新过程中符合预设规则的多目标优化过程获得；其模型训练单元部署在云端设备和/或具备算力的车载单元，该云端设备与车载单元通过无线通信设备交换数据，其无线通信包括wifi、4g/5g系统。
22.进一步地，其信息采集单元还可通过获取第二充电需求信息来定制化充电过程，其充电需求信息由充电接口设备或用电设备提供；该充电接口设备或用电设备包括充电口、充电枪、充电控制单元和/或热管理控制单元；其充电接口设备或用电设备还包括车载总线设备和/或以太网总线设备，其车载总线包括can总线；其车辆环境信息包括导航信息、充电桩位置信息、占用状态信息、充电负载能力信息、排队信息等；其车辆操控信息包括车主肖像信息、历史充电/偏好信息等。
23.本发明实施例还进一步公开了一种计算机存储介质，包括用于存储计算机程序的存储介质本体；该计算机程序在被微处理器执行时，可实现本发明相应的任一充电信息处理方法。
24.此外，本发明实施例还公开了一种电池管理模组和控制器，包括本发明相应的任一充电信息处理装置、计算机存储介质，相关结构和组成在此不再赘述。
25.本法发明实施例公开的方法和/或产品，可部署到纯电车或插电混合动力phev（plug in hybrid vehicle）车型上，用以改善充电过程、优化服务部署，有利于现有设备控制方法或配置程序的升级；此外，与本发明方法相应的服务或app（application）手机应用，可为车主或使用者识别最适合的充电地点及充电模式；进而在充电过程中，通过本发明实施例公开的优化模型，获得最佳的充电功率谱，实现充电过程动态的最优控制，克服场景变动对固有充电方法的不利扰动。
26.本发明实施例公开的方案可根据车辆模型、历史行车/充电数据等识别车辆所处环境及车主操作偏好等信息，预测车辆行车及充电需求、期望优化目标（时间最短、效率最高、电池损耗最低等）；基于相关期望指标为车主推荐最佳充电地点、充电模式，并在充电过程中协助充电控制单元实现充电优化。
27.本发明实施例公开的方案提供一种柔性的部署方式，将相关计算功能封装成车端或云端运行服务，收集车辆状态、车辆所处环境及车主操作等相关数据，并基于相关数据和相关计算模型生成按时间最短/效率最高/电池寿命最长等目标优化后的充电功率谱指令，下发给负责充电功能的电控模块（如整车控制器等），由其执行相关指令以实现充电目标优化。
28.此外，需要说明的是：在本文中采用的“第一”、“第二”等类似的语汇，仅仅是为了描述技术方案中的各组成要素，并不构成对技术方案的限定，也不能理解为对相应要素重要性的指示或暗示；带有“第一”、“第二”等类似语汇的要素，表示在对应技术方案中，该要素至少包含一个。
附图说明
29.为了更加清晰地说明本发明的技术方案，利于对本发明的技术效果、技术特征和目的进一步理解，下面结合附图对本发明进行详细的描述，附图构成说明书的必要组成部分，与本发明的实施例一并用于说明本发明的技术方案，但并不构成对本发明的限制。
30.附图中的同一标号代表相同的部件，具体地：图1为本发明装置实施例原理框图，图2为本发明方法实施例流程示意图，；图3为本发明方法实施例模型训练流程示意图；图4为本发明方法实施例充电信息处理流程示意图；图5为本发明装置实施例组成结构示意图；图6为本发明产品实施例组成结构示意图一；图7为本发明产品实施例组成结构示意图二；图8为本发明产品实施例组成结构示意图三；图9为本发明产品实施例组成结构示意图四。
31.其中：001-第一充电场景信息，002-第二充电功率谱信息，003-第三初始条件信息，004-第四优化目标信息，005-第五模型干预信息，006-第六反馈校正信息；010-信息采集步骤，020-模型训练步骤，022-模型迭代更新过程，023-识别车辆状态模型，025-识别事件概率分布，027-相关性分析，029-多目标优化求解，030-信息生成步骤，040-干预信息接收步骤，041-历史预测步骤，043-习惯预测步骤，045-地理预测步骤；100-信息采集单元，110-充电操作附件，120-充电控制单元，130-热管理控制单元，140-通讯单元；200-模型训练单元，210-数据存储/分析及模型训练，220-功率谱生成模型构造，300-信息生成单元，400-执行干预单元；1000-车辆，2000-充电信息处理装置，2002-干预扩展装置3000-计算机存储介质，4000-电池管理模组，5000-车载控制器。
具体实施方式
32.下面结合附图和实施例，对本发明作进一步的详细说明。当然，下列描述的具体实施例只是为了解释本发明的技术方案，而不是对本发明的限定。此外，实施例或附图中表述的部分，也仅仅是本发明相关部分的举例说明，而不是本发明的全部。
33.如图4所示，本发明方法实施例充电信息处理流程示意图，其充电信息处理方法包括信息采集步骤010、模型训练步骤020、信息生成步骤030，其中：信息采集步骤010通过获取第一充电场景信息001来初始化处理过程；第一充电场景信息001包括车辆状态信息、车辆环境信息、车辆操控信息至少之一。
34.具体地，如图3所示，模型训练步骤020按照第一充电场景信息001训练并更新第二设备模型022，其第二设备模型022包括车辆模型；其中，基于车辆运行、充电过程等环节收集到的数据，可识别车辆状态模型023；还可进一步识别环境温度、充电起止点、充电过程附件工况等组合场景的概率分布025；还可利用模型仿真、实车数据回收等手段，准备各场景下充电功率设置或指标影响的关系027；并进一步地，按照可能设置的优化目标，识别各场景下的最优功率谱029。
35.进一步地，如图2、图3、图4所示，信息生成步骤030可根据第一充电场景信息001及
第二设备模型022修正或补偿第二充电功率谱信息002；其中，第二充电功率谱信息002用于约束或指引充电接口设备和/或用电设备。
36.如图4所示，为了进一步改善充电过程优化效果，还引入了干预信息接收步骤040；通过获取预设的第三初始条件信息003和/或第四优化目标信息004，来完善或丰富场景信息；其中，第三初始条件信息003用于确保系统首次运行或默认条件下的正常启动，根据第一充电场景信息001或待充电设备的额定值或默认值预留一所述第二充电功率谱信息002。
37.进一步地，第四优化目标信息004根据干预源的信息给出需要优化的第五核心指标，该第五核心指标包括充电时间长度、能耗大小、电池损伤程度指标至少之一；若干预信息接收步骤040以第四优化目标信息004为干预源，则模型训练步骤020将以第四优化目标信息004改善的方向为优化方向，通过模型的训练和迭代过程不断改善充电参数。
38.具体地，第二设备模型022的训练和/或更新过程可通过有监督的训练过程生成；通过分割第一充电场景信息001为第六网格信息，即符合预设精度的第一参量、第二参量直至第n参量来实现网格划分；其中，n为自然数。
39.进一步地，以第一充电场景信息001下的安全功率范围为限，在预设的第七精度下，比较各第一参量、第二参量直至第n参量下的第二充电功率谱信息002；以预设的优化指标或规则选取用于第二设备模型022修正或补偿的第二充电功率谱信息002用于改善充电过程。
40.具体地，由所述第一参量、所述第二参量直至所述第n参量中预设的两个参量构造二维表格，并采用动态规划算法在所述二维表格中检索不同充电起止点的目标功率谱；其中，获取由起始soc到充电目标soc之间的所述第二充电功率谱信息002；于第一充电场景信息001下对应生成第一待选功率谱、第二待选功率谱直至第m待选功率谱，m为自然数；基于神经网络进行有监督训练，于第一待选功率谱、第二待选功率谱直至第m待选功率谱训练得到目标功率谱。
41.具体地，其有监督的训练过程可以基于神经网络模型来实现；其第七精度可选为1kw；其第一参量可选为充电状态soc，第一参量精度可选为1%；第二参量可选为电池温度，第二参量精度可选为1℃；第三参量可选为环境温度，第三参量精度可选为1℃。
42.进一步地，如图4所示，信息生成步骤030可根据第一充电场景信息001为第二设备模型022对应的设备给出充电地点信息和/或充电模式信息；该充电地点信息和/或充电模式信息根据第一充电场景信息001在第二设备模型022训练并更新过程中符合预设规则的多目标优化过程获得。
43.进一步地，信息采集步骤010还可通过获取第二充电需求信息来定制化优化过程，该充电需求信息由充电接口设备和/或用电设备提供；其充电接口设备和/或用电设备可包括充电口、充电枪、充电控制单元120和/或热管理控制单元130；其车辆环境信息可包括导航信息、充电桩位置信息、占用状态信息、充电负载能力信息、排队信息等；其车辆操控信息可包括车主肖像信息、历史充电/偏好信息等。
44.如图5所示，本发明实施例还公开了一种充电信息处理装置，包括信息采集单元100、模型训练单元200、信息生成单元300；其中，信息采集单元100获取第一充电场景信息001，其第一充电场景信息001包括车辆状态信息、车辆环境信息、车辆操控信息至少之一；其模型训练单元200按照第一充电场景信息001训练并更新第二设备模型022，其第二设备
模型022包括车辆模型；其信息生成单元300根据第一充电场景信息001及第二设备模型022修正或补偿第二充电功率谱信息002，其第二充电功率谱信息002用于约束或指引充电接口设备和/或用电设备。
45.进一步地，如图5所示，该充电信息处理装置还包括执行干预单元400；通过获取预设的第三初始条件信息003和/或第四优化目标信息004来改善优化能力；其中，第三初始条件信息003根据第一充电场景信息001或待充电设备的额定值或默认值预留一第二充电功率谱信息002。
46.具体地，第四优化目标信息004根据干预源的信息给出需要优化的第五核心指标，第五核心指标包括充电时间长度、能耗大小、电池损伤程度指标至少之一；若干预信息接收步骤040以第四优化目标信息004为干预源，则模型训练单元200以第四优化目标信息004改善的方向为优化方向。
47.具体地，由所述第一参量、所述第二参量直至所述第n参量中预设的两个参量构造二维表格，并采用动态规划算法在所述二维表格中检索不同充电起止点的目标功率谱；其中，获取由起始soc到充电目标soc之间的所述第二充电功率谱信息002；于第一充电场景信息001下对应生成第一待选功率谱、第二待选功率谱直至第m待选功率谱，m为自然数；基于神经网络进行有监督训练，于第一待选功率谱、第二待选功率谱直至第m待选功率谱训练得到目标功率谱。
48.进一步地，如图1、图2、图5所示，第二设备模型022的训练和/或更新过程通过有监督的神经网络模型训练来实现；通过分割第一充电场景信息001，以第一参量为充电状态soc，并取精度为1%；以第二参量为电池温度，并取精度为1℃；以第三参量为环境温度，并取精度为1℃；此外，取第七精度为1kw；以第一充电场景信息001下的安全功率范围为限，在预设的第七精度下，比较第一参量、第二参量、第三参量下的对应的各个第二充电功率谱信息002；以预设的优化指标或规则选取用于第二设备模型022修正或补偿的第二充电功率谱信息002。
49.如图1、图2、图3所示，其信息生成单元300可根据第一充电场景信息001为第二设备模型022对应的设备给出充电地点信息和/或充电模式信息；该充电地点信息和/或充电模式信息根据第一充电场景信息001在第二设备模型022训练并更新过程中符合预设规则的多目标优化过程获得；模型训练单元200可部署在云端设备和/或具备算力的车载单元，该云端设备与车载单元可通过无线通信设备交换数据，该无线通信可以是wifi、4g/5g系统。
50.其中：如图3所示，模型训练步骤020为本发明实施例准备数据，用以表征不同功率设置对充电指标、性能的影响；其技术效果在于：为海量的场景下，实车的数据提供有效的仿真，提升了信息处理的效率，同时还具备良好的技术经济指标。
51.此外，如图2所示，对于小概率的第一充电场景信息001，可在批产前暂不准备测试数据，而在量产后通过实测的方法获取数据并进一步补充二维表格完成动态规划，进而重新进行模型训练，完善神经网络参数。
52.如图1所示，为了进一步改善优化效果，还可通过信息采集单元100还获取第二充电需求信息，该充电需求信息可由充电接口设备或用电设备提供；该充电接口设备或用电设备可以是充电口、充电枪、充电控制单元120和/或热管理控制单元130。
53.需要说明的是：如图1的相关控制单元功能单元，例如充电控制单元120和热管理控制单元130可独立于本发明相关方法、产品进行设计；在不同的应用中，相关控制单元或功能模块的真实单元载体可以与图1中所示单元不同，只需具备图1所示功能即可。
54.如图1中：实线表示数据传递过程，虚线表示模型生成过程。具体地，在车端的充电控制单元120基于充电操作附件（充电口、充电枪等）反馈信息来识别充电需求，相关功能在常见充电功能中已经具备，此处不详细描述。
55.此外，为实施充电过程优化方案，需要对充电时车辆状态及所处环境温度等进行准确监测，并基于其实施优化方案；因既有的充电控制策略中也需要相关信息，故相关信息亦可从充电控制单元120中直接读取，作为输入传递给功率谱生成服务；功率谱生成服务运作在本地服务代理单元上，可基于相关输入信息给出时间最优的充电功率谱建议数据，并作为建议指令提供给充电控制单元；对应本实施例，该功率谱生成服务由其信息生成单元300实现。
56.考虑到充电需求是基于用车需求和剩余电量来实施的，并希望结合导航等信息识别周边充电桩所在地、闲置状态、充电能力、在排队车辆等待时间等信息；进一步地，本发明实施例公开的方法可基于车主肖像等身份特征和历史充电数据记录，推测车主最关注的充电指标、充电地点、充电量等信息，并将识别到的最匹配的充电站推荐给车主。
57.进一步地，当车辆到达充电地点，基于车主充电起止点、优化目标等设置数据，及环境温度、车辆状态等数据，运行功率谱生成服务，可进一步得到最优充电功率谱，并基于其优化充电过程。
58.如图2所示，功率谱生成服务的核心是一个功率谱生成模型，其输入端数据为：电池当前的soc、电池水温、环境温度、电池健康状况soh（state of health）、供热与送风及空调hvac（heating ventilation and air conditioning）冷却功率请求、直-直dcdc（direct current to direct current）功率大小、充电目标soc等数据；输出数据为建议充电功率大小；整个服务的运行过程等。
59.进一步地，上述整个服务的所有功能点可以打包作为一个独立app（application）运行在车机等设备终端，或以一个面向服务的架构soa（service oriented architecture）形式运行在域控制器、车载电脑端。
60.进一步地，也可以进行拆分，将充电地点推荐与导航软件集成，而充电过程优化控制以一个app服务，soa服务或电控功能的形式运行。
61.其中，充电接口设备或用电设备还可包括车载总线设备和/或以太网总线设备；其中，车载总线可以是can总线；其车辆环境信息包括导航信息、充电桩位置信息、占用状态信息、充电负载能力信息、排队信息；其车辆操控信息包括车主肖像信息、历史充电/偏好信息。
62.如图3所示，本发明实施例的功率生成模型通过有监督训练生成；为识别如图3所示组合场景下的最优充电功率谱，可对识别到的场景先进行网格化划分；可采用soc精度1%、电池温度精度1℃、环境温度精度1℃等划分方法；通过仿真的方式验证该场景下的安全范围内。
63.例如，以如上1kw为精度对不同充电功率设置对电池soc、电池温度、电量损耗、电池损伤等指标的影响进行评估；进而完成网格化场景数据收集后，以时间最短、能耗最低、
电池损伤最小等为目标，识别出soc起止点间的最优功率谱；对于某设定车型，上述功率谱以充电功率大小为输出，计算过程须考虑真实soc、环境温度、电池水温、附件功率损耗等指标。
64.进一步地，如图6、图7、图8、图9，本发明实施还公开了一种计算机存储介质、电池管理模组及控制器。
65.其中，用于存储计算机程序的存储介质本体；当计算机程序在被微处理器执行时，可实现如图5的任一充电信息处理方法；其电池管理模组或控制器，可以采用如上公开的任一充电信息处理装置或计算机存储介质作为核心部件，实现相应的控制或管理功能。
66.需要说明的是，上述实施例仅是为了更清楚地说明本发明的技术方案，本领域技术人员可以理解，本发明的实施方式不限于以上内容，基于上述内容所进行的明显变化、替换或替代，均不超出本发明技术方案涵盖的范围；在不脱离本发明构思的情况下，其它实施方式也将落入本发明的范围。