本發(fā)明是按照美國國家科學基金會所授予的CNS1 138200在政府支持下作出的。政府對本發(fā)明具有特定的權利。

對相關申請的交叉引用

本申請要求于2015年3月24日提交的美國實用新型申請14/666,369的優(yōu)先權并且還要求于2014年3月24日提交的美國臨時申請No.61/969,283的權益。上述申請的全部公開內容通過引用被并入本文中。

技術領域

本公開內容涉及對電動車輛的電池電力需求的預測。

背景技術：

隨著電動車輛(EV)日漸普及，電池的可靠性和能量容量成為關鍵問題，原因在于EV的成本和重量主要取決于EV中的電池管理系統(tǒng)(BMS)的可靠性和能量容量，該電池管理系統(tǒng)包括電池單元和管理系統(tǒng)。這是因為電池可靠性和容量越高意味著整個電池系統(tǒng)的操作時間越長以及系統(tǒng)中的所需要的電池單元和保護電路的數(shù)量越少。為了提高BMS的可靠性和效率，提出了一種電池電力需求預測，其使得BMS能夠延長電池的壽命和操作時間并且保護電池單元。

本公開內容的主要目的在于開發(fā)一種預測EV的電力需求的系統(tǒng)方法。對EV的電力需求進行的預測有助于保護單獨的電池單元并且使電池單元保持在電池單元的操作極限內。在使電池單元免于超出容許條件的情況下，電力需求預測使得BMS能夠規(guī)劃電池單元以在使電池單元平衡的同時更有效地放電以及再充電。這使得在響應車輛的操作模型的改變的同時對電池單元進行最優(yōu)充電。

然而，對所需要的電池電力的預測是困難的，原因在于對所需要的電池電力的預測必須在駕駛員加速以及減速車輛時實時地根據(jù)快速變化的充電-放電條件進行工作并且還必須在對電力需求有影響的惡劣并不受控制的環(huán)境中進行工作。而且，必須與其他車載系統(tǒng)例如發(fā)動機管理系統(tǒng)、氣候控制系統(tǒng)、通信系統(tǒng)以及安全系統(tǒng)對接。

本公開內容提出了基于電動車輛的電力消耗、速度和加速度的歷史以及道路信息來預測電動車輛(EV)的電力需求的有效方式。然后，所預測出的電力需求被電池管理系統(tǒng)用于防止電池單元的可能由高放電率造成的損壞。該預測還有助于電池管理系統(tǒng)有效地規(guī)劃電池單元并且實時地分配電池單元以滿足EV的電力要求。

該部分提供了與本公開內容有關的背景技術信息，該背景技術信息不一定是現(xiàn)有技術。

技術實現(xiàn)要素：

該部分提供了本公開內容的總體概述而不是其全部范圍或其所有特征的全面公開。

提供了一種用于預測沿著車輛所經過的路線的電池電力需求的技術。該技術包括：定義向車輛供電的電池單元的電力需求模型，其中該電力需求模型將電池單元的電力需求作為車輛的速度和車輛的加速度的函數(shù)來輸出；將沿著路線的道路分段成多個路段；確定車輛沿著給定路段的速度和加速度；預測在車輛經過給定路段時車輛的電池單元的電力需求，其中，該電力需求是使用所確定的車輛沿著給定路段的速度、所確定的車輛沿著給定路段的加速度以及電力需求模型來預測出的；以及根據(jù)所預測出的在車輛經過給定路段時的電力需求來配置電池單元。電池單元可以通過下述方式來配置：部分地基于所預測出的電動車輛在經過給定路段時的電力需求來將電池單元分配至電動車輛的電負載。

在一些實施方式中，根據(jù)道路的傾斜角和/或沿著道路的速度限制來對路線進行分段。

在一些實施方式中，電力需求被進一步定義為：

P_total(a，V，θ)＝C₁·a·V+c₂·V³+c₃·sinθ·V+c₄·V

其中V是所述車輛的速度，a是所述車輛的加速度，θ是道路傾斜角，且c₁、c₂、c₃和c₄是系數(shù)。

在一些實施方式中，基于車輛與經過路線的另一車輛之間的相對速度、給定路段的速度限制來確定給定路段的加速度。

另一方面，提供了一種用于管理在車輛經過路線時車輛中的電池單元的電力消耗的技術。該技術包括：由電池管理器定義向車輛供電的電池單元的電力需求模型，其中電力需求模型具有一個或更多個系數(shù)并且將電池單元的電力需求作為車輛的速度、車輛的加速度和道路的傾斜角的函數(shù)來輸出；由電池管理器從多個路段中識別給定路段；由電池管理器使用線性回歸方法估計電力需求模型的系數(shù)；由電池管理器確定給定路段的傾斜角；由電池管理器預測車輛在給定路段中的加速度；由電池管理器計算車輛在給定路段中的速度；由電池管理器預測給定路段中的電池單元的電力需求，其中電力需求是使用所估計出的系數(shù)、給定路段的傾斜角、所預測出的加速度、所計算出的速度和電力需求模型來預測出的；以及由電池管理器根據(jù)所預測出的在車輛經過給定路段時的電力需求來配置電池單元，其中電池管理器由計算機處理器來實施。

方法還可以包括：在車輛經過路線時監(jiān)視車輛，并且在進入給定路段時根據(jù)所預測出的電力需求來配置電池單元以及/或者預測下一路段中的電池單元的電力需求。

再一方面，提供了一種在電動車輛中使用的電池管理系統(tǒng)。該系統(tǒng)包括：車輛監(jiān)視器，該車輛監(jiān)視器被配置成在車輛經過路線時監(jiān)視車輛并且進行工作以將沿著路線的道路分段成多個路段；電力需求模型，該電力需求模型預測向車輛供電的電池單元的電力需求并且處于數(shù)據(jù)存儲裝置中，其中電力需求模型定義一個或更多個系數(shù)并且將電池單元的電力需求作為車輛的速度、車輛的加速度和道路的傾斜角的函數(shù)來輸出；電力預測器，該電力預測器被配置成檢索給定路段的傾斜角并且進行工作以確定車輛在給定路段中的速度和車輛在給定路段中的加速度，其中，電力預測器訪問電力需求模型并且還進行工作以使用給定路段的傾斜角、給定路段中的加速度、給定路段中的速度和電力需求模型來預測給定路段中的電池單元的電力需求；以及電池配置器，該電池配置器與電力預測器和電池單元對接并且進行工作以部分地基于所預測出的車輛的電力需求來將電池單元分配至車輛的電負載，其中車輛監(jiān)視器、電力預測器和電池配置器由處于車輛中的計算機處理器來實施。

適用的其他領域將根據(jù)本文中所提供的描述變得明顯。本概述中的描述和特定示例旨在僅出于說明的目的而不是旨在對本公開內容的范圍進行限制。

附圖說明

本文中所描述的附圖僅出于對選擇的實施方式不是所有可能的實施方式進行說明的目的并且不旨在對本公開內容的范圍進行限制。

圖1是在車輛中使用的示例電池管理系統(tǒng)的框圖；

圖2是針對電力需求預測器(PRP)的信息物理系統(tǒng)的圖；

圖3是示出受到不同力的車輛的圖；

圖4是示出道路分段的示例的圖；

圖5是描繪電力需求預測器(PRP)的示例實施方式的框圖；

圖6是描繪用于管理車輛中的電池單元的電力消耗的示例方法的流程圖；

圖7是示出汽車的加速度以及該汽車與前方汽車之間的相對速度的曲線圖；

圖8是示出兩個汽車之間的反應強度和反應時間的兩個曲線圖；

圖9A至圖9D是分別示出沿著包括三個停車標志和緩速脊的路徑的不同駕駛員的加速模式的曲線圖；

圖10是更新權重因子并且使用權重因子計算下一加速度的圖；

圖11是針對電力需求預測器的評價系統(tǒng)的框圖；

圖12是示出由于有限采樣頻率的固有誤差的曲線圖；

圖13是示出與路段之間的加速度預測有關的誤差的曲線圖；以及

圖14是示出在以10Hz進行采樣的情況下對電力需求進行的預測的曲線圖。

貫穿附圖的若干視圖，對應的附圖標記指示對應的部分。

具體實施方式

圖1是電池管理系統(tǒng)(BMS)10的示例實施方式的圖，該電池管理系統(tǒng)10可以被電動車輛使用。為了在存在非線性、復雜的電池動力學的情況下管理大型電池或電池陣列11，電池管理系統(tǒng)10可以包括車輛監(jiān)視器12、電池狀態(tài)監(jiān)視器13、電池管理器14和電池配置器18。盡管貫穿本公開內容引用了對電動車輛的電力需求預測，但可以設想的是，該概念的更廣泛的方面可以被延伸至其他類型的車輛以及其他電池應用。

車輛監(jiān)視器12與電池管理器14對接并且被配置成在車輛經過路線時監(jiān)視車輛。例如，車輛監(jiān)視器12例如通過使用GPS確定車輛沿著路線的位置。車輛監(jiān)視器12還確定速度、加速度和其他車輛操作參數(shù)。由車輛監(jiān)視器12將該車輛信息提供至電池管理器14。

電池狀態(tài)監(jiān)視器13被配置成監(jiān)視包括電池陣列11的電池單元和/或電池組。電池狀態(tài)監(jiān)視器12與電池管理器14對接并且定期地報告針對電池陣列11中的每個電池單元和/或電池組的狀態(tài)(例如充電狀態(tài))、溫度和開路電壓。電池狀態(tài)監(jiān)視器13還可以計算每個電池單元的放電率和休息期并且然后將結果發(fā)送至電池管理器14。

可重新配置的電池陣列11在本領域是已知的?；谲囕v信息和電池信息，電池管理器14確定保證車輛的活動并且使電池系統(tǒng)的操作時間和壽命最大化的最優(yōu)電池布置。例如，電池管理器14判定哪些電池單元要連接至電負載以及哪些連接要被用于電池單元。電池配置器16又按電池管理器14所命令的那樣對電池單元的連接進行設置。這些部件中的每個部件以優(yōu)選地處于車輛的基板上的硬件和/或軟件的方式來實施。

電池管理系統(tǒng)的關鍵特征中的一個特征在于：以有效并且安全的方式對電池單元進行規(guī)劃和分配以滿足車輛的電力要求。為了實施該特征，電池管理器14包括電力需求預測器(PRP)。電力需求預測器如下面將進一步描述的那樣預測車輛的電力需求。

圖2是描繪電力需求預測器22與電動車輛系統(tǒng)的物理部件例如傳感器23和致動器24之間的抽象化的圖。電力需求預測器22被設計成如下面將進一步描述的那樣預測電動車輛的電力需求。預測是困難的，這是因為電力需求中的許多電力需求取決于物理元素例如交通條件、交通規(guī)則、操作者的駕駛模式和道路條件。因此，電力需求預測器22應當捕獲與這些物理元素的聯(lián)系。為了實現(xiàn)捕獲與這些物理元素的聯(lián)系，物理元素被抽象成具有直接連接至物理部件的接口的輸入和輸出的抽象層25。

為了促進對電力需求的預測，電力需求模型被引入具有決定所需電力的參數(shù)并且根據(jù)抽象層25中的對應物理模型來預測每個參數(shù)。本公開內容采用實時自適應于不同車輛和操作環(huán)境的簡單并廣泛使用的電力需求模型(即基于歷史的能量使用模型)。參照圖3，使用根據(jù)物理定律對電力要求作出說明的多項式電力需求模型，在物理定律中，F(xiàn)_a、F_air、F_c和F_r分別表示針對加速的力、空氣動力、與傾斜度有關的載重和滾動阻力。然后，將總電力需求(P_total)計算為所有力的合力乘以車輛的向前速度(V)：

其中，θ表示傾斜角，并且下面將進一步描述其他參數(shù)。

采取該模型的主要原因是簡單。因為該模型僅取決于一些物理參數(shù)，所以這些物理參數(shù)的實際值可以根據(jù)測量或計算來獲得。而且，公式(1)中的對電力需求的計算僅需要基本的操作，從而促進對電力需求的實時預測。下面將示出的是模型雖然簡單但在估計所需電力時仍產生良好的準確度。然而，其他類型的模型也落在本公開內容的更廣泛的方面內。

為了估計電池管理系統(tǒng)在即將到來的時間間隔期間應當提供的電力量，預測公式(1)中的所有參數(shù)。這樣的預測需要下述的知識：(i)每個參數(shù)改變的頻率以及(ii)預測每個參數(shù)所必需的信息。然后，可以為該知識制定預測方案。下面的表1概述參數(shù)特征。

然后，參數(shù)特征用于將參數(shù)按如下分類：

C1.穩(wěn)定的參數(shù)：車輛的質量(m)、重力加速度(g)、空氣密度(ρ_air)、阻力系數(shù)(C_d)和正面迎風面積(A)；

C2.動態(tài)的但易于預測的參數(shù)：滾動阻力系數(shù)(K_r)和道路傾斜角(θ)；以及

C3.動態(tài)的并且難以預測的參數(shù)：加速度(a)和速度(V)C1中的參數(shù)例如m、C_d和A因為這些參數(shù)僅取決于車輛本身所以很少改變。另外，g和ρ_air改變得很緩慢。C2中的參數(shù)取決于汽車的位置和道路。因此，可以通過使用道路(例如谷歌地圖)的離線信息和實時位置信息(例如GPS)來準確地預測C2中的參數(shù)。例如，與道路類型和傾斜角有關的信息可以從預先下載的地圖先驗地下載，從而獲取給定位置的K_r和θ。通過將靜態(tài)信息納入到實時位置信息中，可以容易地預測C2中的參數(shù)而不管C2中的參數(shù)的動態(tài)變化。

相比而言，因為C3中的兩個參數(shù)a和V不僅取決于難以預測和分析的道路信息例如道路類型和傾斜角而且還取決于操作者的駕駛模式，所以C3中的參數(shù)動態(tài)地改變并且難以預測。具體地，駕駛員具有與復雜的人類決策過程有關的其自身的駕駛模式，并且該模式可能隨著駕駛員的心情或身體條件改變。而且，駕駛員應當遵守交通規(guī)則并且考慮交通條件，交通規(guī)則和交通條件顯著地影響這兩個參數(shù)。因此，在如下面所詳述的那樣預測C1、C2和C3中的參數(shù)時需要兩個不同的方式。

圖5描繪電力需求預測器50的示例實施方式。在該實施方式中，電力需求預測器50在當前時間間隔(步驟n)期間估計下一步驟(步驟n+1)的電力需求。電力預測器通常包括輸入部51和計算部52。輸入部51提供當前步驟的所有測量數(shù)據(jù)和下一步驟的所有預計算的數(shù)據(jù)。通過使用該數(shù)據(jù)，計算部52估計C1至C3中的所有參數(shù)并然后使用公式(1)中的電力需求模型來輸出所估計出的下一步驟的電力需求(即

輸入部51向計算部52提供所測量或預計算的數(shù)據(jù)。更具體地，數(shù)據(jù)包括三種成分：(i)針對電力消耗(P_n)、加速度(a_n)和速度(V_n)的駕駛數(shù)據(jù)采樣器；(ii)針對當前道路傾斜角和下一道路傾斜角(θ_n和θ_n+1)以及當前速度限制和下一速度限制(limV_n和limV_n+1)的預先下載的地圖；以及(iii)用于前方汽車與后方汽車之間的相對速度和距離(ΔV_n和ΔX_n)的距離傳感器。取決于該模型，還可以通過輸入部輸入其他類型的數(shù)據(jù)。

在詳述計算部52之前，首先定義路段以在計算部中使用。在一個實施方式中，路段是連續(xù)道路間隔，在連續(xù)道路間隔中，道路條件和交通規(guī)則如圖4中所看到的那樣為統(tǒng)一的。路段的概念是重要的，這是因為電力需求模型中的一些參數(shù)會隨著路段變化。通過考慮路線，車輛監(jiān)視器12或電池管理器14可以例如根據(jù)道路的傾斜角和/或沿著道路的速度限制將沿著路線的道路分段成多個路段。例如，每當沿著道路的速度限制改變則劃分新路段?？梢栽O想的是，也可以使用其他屬性來對道路進行分段。

繼續(xù)參照圖5，計算部52以兩種不同的方式來估計參數(shù)。如上面所指出的，C1和C2中的參數(shù)改變得很緩慢或可預測的，但C3中的參數(shù)難以估計。通過考慮不同的參數(shù)特征，電力需求模型管理器54(PRMM)和加速度預測器56(AP)分別預測C1和C2中的參數(shù)以及C3中的參數(shù)。

C1中的參數(shù)改變得很緩慢，并且C2中的K_r在路段內是一致的。因此，在對道路進行分段之后，可以將K_r和C1中的參數(shù)抽象成四個系數(shù)，從而按如下減少電力需求模型的輸入參數(shù)的數(shù)量。

然后，公式(2)僅取決于系數(shù)c₁至c₄、加速度(a)、速度(V)和道路傾斜角(θ)。因為θ由預先下載的地圖給定，所以僅系數(shù)、加速度和速度需要被估計。

對于系數(shù)而言，模型管理器54采用普及的基于歷史的估計-線性回歸，模型管理器54基于公式(2)中的所有參數(shù)的歷史數(shù)據(jù)來計算系數(shù)。在示例實施方式中，例如使用速度傳感器和加速度傳感器來測量并且存儲車輛速度(V)和加速度(a)。可以通過將從電池監(jiān)視器中的電壓傳感器和電流傳感器中提取的電壓和電流相乘來捕獲用于駕駛的放電電力量(P)。假設模型Ax＝b描述輸入數(shù)據(jù)集(A)和結果數(shù)據(jù)集(b)之間的線性關系，并且x是針對線性模型的系數(shù)向量。導出系數(shù)向量(x)以通過奇異值分解(SVD)和A的偽逆的計算來使|Ax-b|²最小化。在這種情況下，上面的等式可以按如下被改寫：

A＝{aV V³ sin(Θ)V V}，x＝{c₁，c₂，c₃，c₄}，b＝{P}

首先，針對輸入數(shù)據(jù)(A＝{aV V³ sin(Θ)V V})來執(zhí)行奇異值分解以導出左奇異向量(U)、右奇異向量(V)、矩形對角矩陣(∑)和A的偽逆(＝V∑^-1U^T)。然后，通過如圖3所示的那樣使|Ax-b|²最小化來計算線性系數(shù)向量(x＝{c₁，c₂，c₃，c₄})。以這種方式，模型管理器54可以接收電力需求(P_n)、加速度(a_n)、速度(V_n)和傾斜角(θ_n)的當前數(shù)據(jù)并且估計下一間隔處的用于預測的四個系數(shù)。用于計算系數(shù)的值的其他技術也落在本公開內容的范圍內。

另一方面，加速度預測器56輸出針對下一間隔的加速度和速度。到加速度預測器56的一個輸入是前方汽車與后方汽車之間的相對速度和距離(ΔV_n和ΔX_n)，相對速度和距離使交通流量抽象化。對于速度和加速度兩個參數(shù)而言，重點在預測加速度上。當加速度已知時，可以根據(jù)當前間隔中的正在預測的加速度和速度來計算下一間隔中的速度。在一個示例中，當加速度(a_n)恒定時，可以基于當前速度(V_n)、加速度(a_n)和時間間隔(Δt)在下一間隔處按如下來估計車輛速度(V_n+1)：V_n+1＝V_n+a_n·Δt。假設加速度(a_n)以10m/s²恒定達一秒鐘并且當前速度(V_n-1)為30m/s。然后，0.1s(Δt)之后所預測出的車輛速度(V_n+1)為31m/s。如果時間間隔短，則假設加速度在該時間間隔期間是恒定的，并且然后該預測可以用于估計下一車輛速度。在另一示例中，下一間隔處的車輛速度可以被估計成是即將到來的路段的速度限制。用于估計即將到來的間隔中的車輛速度的其他技術也可以被本公開內容采納。

圖6進一步示出用于使用上述電力需求預測器來管理電池單元的電力消耗的示例技術。在61處，在車輛經過路線時監(jiān)視車輛。更具體地，關于多個路段而跟蹤車輛位置，如62處所示。在進入給定路段時(或恰好在進入給定路段之前)，在63處，電池配置器16根據(jù)所預測出的給定路段的電力需求來配置電池單元。

此外，在進入給定路段時，電池管理器14預測下一路段的電力需求。在預測電力需求之前，在64處，可以利用來自最近路段的數(shù)據(jù)來更新電力需求模型的系數(shù)?？梢栽O想的是，在其他實施方式中，電力需求模型的系數(shù)的更新頻率更低。在65處，例如還通過從地形圖中檢索下一路段的傾斜角來確定下一路段的傾斜角。

接下來，電池管理器在66處預測車輛在下一路段中的加速度以及在67處計算車輛在下一路段中的速度。在本公開內容中其他地方描述了這些計算。然后，在68處，根據(jù)加速度、速度和傾斜角，例如使用上述電力需求模型預測下一路段的電力需求。隨著車輛繼續(xù)經過路線，針對每個即將到來的路段重復該處理。

如更早所討論的，因為車輛的加速度不僅取決于靜態(tài)信息例如道路類型和傾斜角以及交通規(guī)則而且還取決于動態(tài)信息例如操作者的駕駛模式和汽車附近的交通流量，所以難以預測車輛的加速度。對于準確的加速度預測而言，要取得影響加速模式的三個關鍵的觀察。然后，開發(fā)對這些觀察中的一些作出說明的加速度預測方案。最終，結合這些預測方案以設計統(tǒng)一的加速度預測方法。

確定加速模式的三個關鍵觀察為：汽車周圍的交通流量、操作者的駕駛行為和交通規(guī)則。這些觀察利用實驗來證實。所述觀察是下一部分中要被開發(fā)的加速度預測方案的基礎。

第一觀察是前方汽車影響后方汽車的加速模式。只要汽車A沒有超過前方汽車B，則A的平均速度不會超過B的平均速度。因此，如圖7所示，A與B之間的平均相對速度幾乎為零。如果相對速度為負值(正值)，則A試圖通過加速(減速)追趕上(本身遠離)B。因此，前方汽車B確定后方汽車A的加速的平均行為。

第二觀察為操作者的駕駛行為影響加速模式。每個操作者的駕駛模式利用兩個變量來捕獲：反映強度，即，操作者/駕駛員加速多快以實現(xiàn)所期望的速度；以及反應時間，即，駕駛員花費多久以對給定的情況作出反應。這兩個變量在圖8中由加速度的斜率和加速度為零的持續(xù)時間來表示。例如，一些駕駛員強有力地下壓加速踏板直至車輛達到所期望的速度為止，但其他駕駛員隨著長的加速時間逐漸地增大/減小速度。雖然反應強度隨著駕駛員變化，但據(jù)發(fā)現(xiàn)，駕駛員的反應強度總是保持類似。反應時間也取決于駕駛員。盡管具有長反應時間的駕駛員傾向于保持其車輛速度而不是加速或減速，但具有短反應時間的其他駕駛員立即響應于給定情況例如前方汽車的減速。

第三觀察為交通規(guī)則影響加速模式。交通規(guī)則包括速度限制、交通燈和其他交通標志并且對加速度具有很大影響。例如，每個駕駛員被要求在停車標志或緩沖帶處減速，因此，如圖9A至圖9D所示，這獨立于駕駛員。通過使用道路信息的離線剖析，可以預測交通規(guī)則對加速模式的影響。

為了預測操作者的加速模式，提出了五種方法，其中，每種方法具有其自身的性質。前三種方法使用先前加速模式的歷史，從而間接地/直接地處理O2。另一方面，后兩種方法分別通過基于交通規(guī)則使用現(xiàn)有交通流量模型和道路分段來處理O1和O3。五種方法在下面的表2中被概述。

通過考慮五種方法對于不同的環(huán)境/情況有效的事實，結合五種方法以在利用五種單獨的方法的優(yōu)點的同時設計出統(tǒng)一的加速度預測方法。

在一種方法中，當前加速度用作下一加速度預測。該方法的優(yōu)點是簡單。該方法雖然簡單但在加速波動緩慢或具有幾乎為零的電池重新配置時間的高采樣頻率的情況下引起準確的預測。然而，該方法不能單獨地處理加速度的許多實際情況下的突然改變。

為了對使用先前加速度的簡單的加速度方法進行改進，反應強度被納入O2中。為了納入反應強度，按下面那樣計算駕駛員開始加速時的加速度斜率并且將加速度斜率用于下一加速度的預測：

其中，k是加速度斜率(反應強度)的靈敏度系數(shù)。該附加考慮在僅需要兩個更多的基本操作的情況下比先前加速度方法產生更準確的預測。

盡管兩種基于歷史的方法聚焦于先前加速度，但第三種方法采用使更早的加速度的長歷史與下一加速度相關聯(lián)的線性濾波器。為此，首先測量并且記錄時間戳記的加速度，并且然后基于所記錄(輸入的)的加速度與所預測出的加速度之間的誤差來生成相關因子。最終，通過輸入和相關向量的內積來預測下一加速度。該方法在下一加速度與更早的加速度高度相關的情況下有幫助。該方法比兩種基于歷史的方法在以高計算復雜度為代價的情況下實現(xiàn)更高的準確度。注意，包括該方法的所有基于歷史的方法取決于數(shù)據(jù)采樣率，這是因為更高的采樣率可以掩蓋加速度的快速變化。

許多運輸研究人員研究微觀的駕駛員行為以描述實際交通流量。汽車跟隨模型、公知的微觀交通流量模型依據(jù)汽車與前方領先的汽車之間的相對速度和距離來描述車輛的加速度。在現(xiàn)有的汽車跟隨模型中，本公開內容選擇使用由M.Bando等人在物理評論E第51卷第1035頁至第1042頁(1995年)的“Dynamics model of traffic congestion and numerical simulation”中所描述的模型，該文獻基于對最優(yōu)速度的觀察擴展了該經典模型。利用汽車跟隨模型進行預測的主要優(yōu)點是汽車跟隨模型獨立于采樣頻率。雖然該模型提供需要哪個動作來保持兩個汽車之間的為零的相對速度和恒定的期望距離，但該模式未直接提供車輛的加速度，從而引起不準確的預測。

為了處理交通規(guī)則的影響，基于交通規(guī)則將道路進行分段并然后在汽車從一個路段過渡至另一路段時預測加速模式。該方法提高路段之間的加速度預測的準確度；例如，如果下一路段的速度限制比當前路段的速度限制更高或更低，則可以通過對當前路段與下一路段之間的速度(限制)差進行的計算來預測路段過渡期間的加速度。因為可以從預先下載的地圖提取交通規(guī)則信息，所以該方法不取決于數(shù)據(jù)采樣頻率。

如表2所示，上面的方法中的每種方法具有其自身的特征和優(yōu)點：(i)基于歷史的(前三種)方法取決于采樣率并且在采樣率高時是有效的；(ii)基于汽車跟隨模型的方法獨立于采樣率并且從而更廣泛地可應用；以及(iii)道路分段方法專門用于路段過渡。

考慮這些特征，還提出了按如下預測下一間隔中的加速度的統(tǒng)一方法：(a)當汽車穿過路段分界線時，其使用道路分段方法來預測加速度；(b)否則，其使用基于加速度歷史的方法和基于汽車跟隨模型的方法的組合來預測加速度。存在影響(b)的判決的兩個變量：采樣率和反應時間。關于采樣率，基于歷史的方法(具有汽車跟隨模型的方法)比更高(更低)的采樣率下的對應方法更有效，這是因為汽車跟隨模型甚至在低采樣率的情況下仍保證相同水平的準確度，而基于歷史的方法的預測針對長的反應時間是準確的，這是因為具有長反應時間的駕駛員傾向于保持其速度。另一方面，可以通過汽車跟隨模型很好地對具有短反應時間的駕駛員進行的加速進行描述，原因在于駕駛員立即對給定交通情況作出反應。

通過考慮兩個變量，統(tǒng)一方法經由權重α和β(使得α+β＝1)來處理情況(b)，權重α和β分別是基于歷史的方法中的一種方法的權重和具有汽車跟隨模型的方法的權重?？梢赃m應性地計算權重以便在預測下一加速度時減少誤差。圖10示出更新權重的處理的示例。假設在步驟n-1處的權重被設置成α_n-1＝0.7和β_n-1＝0.3，并且該方法使用兩個權重來預測步驟n的加速度。然后，在步驟n處，實際加速度與所預測出的加速度不同；如果權重是α_n-1＝0.6和β_n-1＝0.4，則預測將沒有誤差。通過使用該信息，該方法更新步驟n處的權重以用于如圖所示的步驟n+1的加速度預測。盡管統(tǒng)一方法計算用于更新權重的x個先前步驟的平均預測誤差，但x＝1被示出為了簡化呈現(xiàn)起見。用于預測加速度的其他技術也落在本公開內容的更廣泛地方面內。

為了評價電力需求預測器，需要三種類型的離線/駕駛數(shù)據(jù)作為輸入：(i)道路信息(θ、limV)、(ii)真實駕駛數(shù)據(jù)(a、V、ΔX、ΔV)以及(iii)所測得的電力消耗(P)。對PRP的仿真器進行設計，該PRP的仿真器提供來自如圖11所示的以下三種普及的工具的實際或真實數(shù)據(jù)：谷歌地圖API、NGSIM和CarSim。

谷歌地圖API使得開發(fā)者能夠創(chuàng)建基于地圖的應用，基于地圖的應用使得能夠訪問包括道路類型、速度限制和連同GPS數(shù)據(jù)的高度的道路信息數(shù)據(jù)庫，從而提供道路信息。

NGSIM(下一代仿真程序)是由美國交通部(US DOT)發(fā)起的并且通過支持交通仿真的開放行為算法的核心來補充，交通仿真主要聚焦于微觀建模。NGSIM收集高質量的主要交通和軌跡數(shù)據(jù)以測試新的算法，從而提供真實的駕駛數(shù)據(jù)。使用車輛軌跡數(shù)據(jù)，其包括車輛識別號碼、車輛的瞬時速度和加速度以及車輛的前中心和前方車輛的前中心之間的距離。

CarSim是使得用戶對各種環(huán)境下的車輛程序進行設計、開發(fā)、測試以及計劃的車輛模型仿真器。可以對客車、賽車、輕型卡車和多用途運載車的在特定道路類型和傾斜角下的動態(tài)行為進行仿真。CarSim提供動畫并且輸出所需電力，動畫可以被繪制、分析和導出至其他軟件例如MATLAB、Excel和其他優(yōu)化工具。如圖11所示，在仿真器中，CarSim接收來自NGSIM的車輛運動數(shù)據(jù)并且然后生成所需電力。

對于NGSIM和CarSim而言，掀背式汽車與205/55R16輪胎一起使用，假設其在鋪面道路上行駛。還假設不存在再生制動系統(tǒng)，并且因此，所需電力總是非負的。對于良好的道路信息而言，來自谷歌地圖API和NGSIM的加利福尼亞州洛杉磯市中的南行US-101利用2005年6月15日的交通來測試道路上的汽車。

接下來，對加速度預測器和電力需求預測器的準確度進行評價。首先，對可能使準確度降低的硬件因素例如所需數(shù)據(jù)的采樣率、用于計算所需電力并且重新配置電池單元的連接的時間進行討論。所有這些因素與制造成本有關；如果BMS配備有高性能傳感器、處理器和可快速重新配置系統(tǒng)，則這些因素對預測準確度的不良影響將會減少。然而，BMS設計者需要使用廉價并且低電力消耗的裝置來降低BMS的成本和電力消耗，這又會使PRP的準確度降低。盡管由這些因素引起的不準確的程度隨著硬件變化，但對于BMS而言花費用于感測物理數(shù)據(jù)、計算所需電力以及將物理數(shù)據(jù)和所需電力納入到BMS中的時間是必然的。為了處理該潛在因素，將這些因素抽象為采樣率并且對具有下面三種不同的率的采樣率進行評價：2Hz、5Hz和10Hz。

這樣的有限采樣率引起如圖12所示的預測誤差。也就是說，即使PRP在步驟n-1處正確地預測針對步驟n的所需電力，但步驟n與步驟n+1之間的所需電力仍會變化，從而引起一些誤差。該情況也適用于加速度預測。因此，使Opt-P(Opt-A)來表示由于有限采樣率而具有固有誤差的對電力(加速度)的該理想預測。

AP和PRP的準確度利用下面的加速度預測方法相對于Opt-A而被示出。

·Prev(先前加速度)

·Prev+(具有反應強度的先前加速度)

·Corr(與歷史加速度的相關性)

·CF(汽車跟隨模型)

·RS(道路分段)

·Uni(H)(使用基于歷史的方法中的一種方法對加速度進行的統(tǒng)一

預測，即，H是Prev、Prev+或Corr)

首先，對汽車位于單個路段內時的加速度預測方法進行比較。為了評價加速度預測的準確度，使用由NGSIM產生的駕駛記錄并且調整每個預測方法來預測車輛的下一加速度。為了比較每種預測方法的性能，如下面的表3所示，計算絕對預測誤差的平均值。

總體上，采樣率越高，則預測越準確，這是因為更多的信息可應用于預測下一加速度。通過CF以低采樣率進行的預測示出更少的預測誤差，原因在于CF是獨立于采樣率的唯一方法。另一方面，以高采樣率很好地執(zhí)行基于歷史的加速度預測例如Prev、Prev+和Corr。Uni(·)總體上比不考慮采樣率的其他方法產生更準確的加速度預測。一個例外是通過CF以2Hz進行的預測，這是因為存在2Hz處的有限數(shù)量的駕駛信息樣本并且然后Uni(·)的誤差很可能在獲悉駕駛員的反應期間出現(xiàn)。

接下來，示出了在汽車穿過路段分界線時RS如何起作用。為了預測路段之間的加速度，從NGSIM軌跡數(shù)據(jù)中挑選兩個駕駛員。前方汽車恰好在交通燈變紅之前經過交通燈，但后方汽車因為交通燈恰好變紅所以在交通燈處停止。然后，在將CF用作基線預測方法的情況下對使用/未使用RS進行加速度預測的準確度進行比較。因為后方汽車由于交通燈而不能加速，所以對后方汽車的加速度的CF的預測示出如圖13所示的大平均誤差。然而，道路分段可以提供用于準確地預測如圖所示的不同路段之間的加速度的機會。針對CF和使用RS的CF的加速度預測的平均誤差分別是1.912和1.262。

為了評價PRP的準確度，首先對公式(1)中的電力需求模型進行評價。因為Opt-P和Opt-A是針對給定采樣頻率可實現(xiàn)的更準確的電力預測和加速度預測，所以對Opt-P和使用Opt-A的PRP進行比較。如下面的表4所示，Opt-P與使用Opt-A的PRP之間的平均誤差的差是微小的，這意味著所采用的電力需求模型產生對所需電力的足夠準確的預測。

因為Opt-P和Opt-A是理想的電力預測和加速度預測(從而不可實行)，所以需要采用使用PRP的加速度預測方法中的一種方法；表4概述了預測誤差并且圖14繪制了預測。包括使用當前實際電力消耗作為下一電力需求的一個啟發(fā)(實際先前電力)。注意，該方案不使用PRP。與該啟發(fā)相比，使用Uni(Corr)的PRP示出在路段內預測準確度在2Hz處提高69.2％、在5Hz處提高3.7％以及在10Hz處提高19.9％。如果對PRP與不同加速加速度預測方法進行比較，則趨勢將與AP的準確度類似，這是因為預測電力需求時的誤差由加速度預測的誤差來主導。例如，Uni(Corr)總體上是用于預測加速度的最佳方法(中的一種)，該加速度與PRP相關聯(lián)的所需電力對應。具體地，與使用CF的PRP相比，使用Uni(Corr)的PRP在5Hz處進行預測更接近于實際所需電力達11.0％以及在10Hz進行預測更接近于實際所需電力達62.3％。

使EV更輕并且成本更低的日益增長的要求對電池大小和容量提出了嚴格的限制。因此，重要的是，設計出在不增大電池大小的情況下擴大電池容量的高級BMS。提出了若干BMS以利用包括恢復效果和額定容量效果的非線性電池特征。

為了將適應性和效率引入到現(xiàn)有的BMS中，本公開內容提出了電池電力需求預測器(PRP)。電力需求預測器對使得BMS能夠分配電池單元以有效并且安全地向EV供電的所需電池電力量進行預測。在對車輛活動例如速度、加速度、道路傾斜角和電力消耗進行記錄并且線性回歸的同時，PRP對EV的電池電力需求模型的(近)靜態(tài)參數(shù)進行更新。與此同時，PRP通過對駕駛員的加速模式、交通流量和交通規(guī)則作出說明實時地估計加速度、模型的可能最重要的動態(tài)參數(shù)。示出使用實際實驗和真實仿真的評價，即，PRP通過現(xiàn)有BMS中常見的簡單的啟發(fā)式方法使得加速度預測顯著改進。

本文中所描述的技術可以通過由一個或更多個處理器執(zhí)行的一個或更多個計算機程序來實現(xiàn)。計算機程序包括存儲在非暫態(tài)有形計算機可讀介質上的處理器可執(zhí)行指令。計算機程序還可以包括存儲的數(shù)據(jù)。非暫態(tài)有形計算機可讀介質的非限制性示例是非易失性存儲器、磁存儲器和光存儲器。

以上描述的一些部分提出了本文所描述的關于信息的操作的算法和符號表示方面的技術。這些算法描述和表示是數(shù)據(jù)處理領域的技術人員用于將技術人員的工作實質最有效地傳達給本領域的其他技術人員的手段。應當理解，功能上或邏輯上描述的這些操作通過計算機程序來實施。此外，已經證明的是，在不失一般性的情況下，有時將操作的這些布置稱為模塊或者以功能命名很方便。

除非特別指出與根據(jù)以上討論的情況明顯相反，應當理解，貫穿說明書，使用術語例如“處理”或“計算”或“運算”或“確定”或“顯示”等的討論指代計算機系統(tǒng)或類似的電子計算裝置的動作和處理，所述計算機系統(tǒng)或類似的電子計算裝置在計算機系統(tǒng)存儲器或寄存器或者其他這樣的信息存儲裝置、傳輸裝置或顯示裝置內操縱和轉換被表示為物理(電子)量的數(shù)據(jù)。

所描述的技術的某些方面包括在本文中以算法的形式描述的處理步驟和指令。應當注意，所描述的處理步驟和指令可以被嵌入在軟件、固件或硬件中，并且當被嵌入在軟件中時，可以被下載以處于由實時網絡操作系統(tǒng)使用的不同平臺上并且由該不同平臺來操作。

本公開內容還涉及用于執(zhí)行本文中的操作的設備。該設備可以出于所需要的目的來特別構造，或者其可以包括由計算機程序選擇性地激活或重新配置的通用計算機，所述計算機程序存儲在可以被計算機訪問的計算機可讀介質中。這樣的計算機程序可以被存儲在有形計算機可讀存儲介質中，該有形計算機可讀存儲介質例如但不限于：包括軟盤、光盤、CD-ROM、磁光盤等任何類型的磁盤；只讀存儲器(ROM)；隨機存取存儲器(RAM)；EPROM；EEPROM；磁卡或光卡；專用集成電路(ASIC)；或者適于存儲電子指令的任何類型的介質，并且上述介質各自耦接至計算機系統(tǒng)總線。此外，說明書中所提及的計算機可以包括單處理器或者可以是為了提高計算能力而使用多處理器設計的體系結構。

本文中所描述的技術可以通過由一個或更多個處理器執(zhí)行的一個或更多個計算機程序來實施。計算機程序包括存儲在非暫態(tài)有形計算機可讀介質上的處理器可執(zhí)行指令。計算機程序還可以包括所存儲的數(shù)據(jù)。非暫態(tài)有形計算機可讀介質的非限制性示例是非易失性存儲器、磁存儲器和光存儲器。

以上描述的一些部分給出了本文所描述的關于信息的操作的算法和符號表示方面的技術。這些算法描述和表示是數(shù)據(jù)處理領域的技術人員用于將它們的工作實質最有效地傳達給本領域的其他技術人員的手段。應當理解，功能上或邏輯上描述的這些操作通過計算機程序來實施。此外，已經證明，不失一般性地，有時將操作的這些布置稱為模塊或者以功能命名很方便。應當理解，在給定模塊內對操作進行分組不是限制性的，并且操作可以在多個模塊之間被共享或者被組合成單個模塊。

除非特別指出與根據(jù)以上討論的情況明顯相反，應當理解，貫穿說明書，使用術語例如“處理”或“計算”或“運算”或“確定”或“顯示”等的討論指代計算機系統(tǒng)或類似的電子控制單元的動作和處理，所述計算機系統(tǒng)或類似的電子控制單元在計算機系統(tǒng)存儲器或寄存器或者其他這樣的信息存儲裝置、傳輸裝置或顯示裝置內操縱和轉換被表示為物理(電子)量的數(shù)據(jù)。

所描述的技術的某些方面包括在本文中以算法的形式描述的處理步驟和指令。應當注意，所描述的處理步驟和指令可以被嵌入在軟件、固件或硬件中，并且當被嵌入在軟件中時，可以被下載以處于由實時網絡操作系統(tǒng)使用的不同平臺上并且由該不同平臺來操作。

本公開內容還涉及用于執(zhí)行本文中的操作的設備。該設備可以出于所需要的目的來特別構造，或者其可以包括由計算機程序選擇性地激活或重新配置的控制器，所述計算機程序存儲在可以被計算機訪問的計算機可讀介質中。這樣的計算機程序可以被存儲在有形計算機可讀存儲介質中，該有形計算機可讀存儲介質例如但不限于：包括軟盤、光盤、CD-ROM、磁光盤等任何類型的磁盤；只讀存儲器(ROM)；隨機存取存儲器(RAM)；EPROM；EEPROM；磁卡或光卡；專用集成電路(ASIC)；或者適于存儲電子指令的任何類型的介質。此外，說明書中所提及的計算機可以包括單處理器或者可以是為了提高計算能力而使用多處理器設計的體系結構。

本文中所提出的算法和操作不是固有地涉及任何特定計算機或其他設備。各種電子控制單元還可以與根據(jù)本文中的教示的程序一起使用，或者其可以證明便于構建更多專業(yè)的設備來執(zhí)行所需的方法步驟。對于本領域的技術人員而言，各種這些系統(tǒng)所需的結構連同等同變化將是明顯的。此外，并未參照任何特定的編程語言來描述本公開內容。應當理解，各種編程語言可以用于實施如本文中所描述的本公開內容的教示。

出于說明和描述的目的提供了實施方式的上述描述。上述描述不旨在詳盡描述或限制本公開內容。特定實施方式的各個元素或特征通常不限于特定實施方式，但是即使沒有明確示出或描述，在適用情況下仍可以互換并且可以被用于所選擇的實施方式。實施方式還可以以很多方式變化。這樣的變化并不被認為偏離本公開內容，并且所有這樣的修改旨在被包括在本公開內容的范圍內。