[0001] 本发明总体上涉及对蓄电装置进行充电/放电，并且特别涉及用于蓄电装置的使用的优化系统和方法。

[0002] 诸如电池之类的蓄电装置仍然是包括电动车辆的应用装置中的关键部分。由于电池具有储存在其中的有限电力并且无法快速地补充能量，并且在电动车辆中电池的寿命可能相对较低(尽管其标称寿命较长)，(例如，在电动摩托车中)通常必须在1年或2年之后更换电池，因此用户对电动车辆的接受度可能仍然较低。

[0003] 存在用于对电池进行充电/放电的一些优化方案。在一个示例中，优化系统仅接收有限的用户输入，并且基于特定的充电优化准则(例如，电池寿命延长)来优化对电池的充电，或者为了满足用户的要求而不关注诸如电池寿命延长之类的优化准则来优化对电池的充电。在另一示例中，对电池和电源信息以及用户输入进行处理以计算最佳充电/放电周期。具体地，可以基于指示用户偏好的用户输入来确定用于对电池进行充电/放电的充电/放电周期；偏好包括对于提高电池寿命或者降低电池的操作成本的期望。

[0020] 将关于特定实施例并且参考某些附图来描述本发明，但是本发明不限于此，而仅由权利要求来限定。所描述的附图仅是示意性的而非限制性的。在附图中，出于说明的目的，一些元件的尺寸可能被放大并且不是按比例绘制的。

[0021] 图1示出了根据本发明的一个实施例的优化系统10。优化系统10可以用于优化对诸如电池之类的蓄电装置15的使用，这包括通过充电装置14从电源13对蓄电装置15进行充电和/或对蓄电装置15进行放电。充电装置14可以生成用于对蓄电装置15进行充电的充电电流。蓄电装置15在应用装置中并用于向应用装置提供电力。应用装置可以包括电动车辆以及其中使用能够被充电或放电的蓄电装置的任何应用。电动车辆包括但不限于电动汽车、电动两轮车和摩托车。下文将参考电动车辆来解释各个实施例，但是这并不意味着它们不能用于其他应用装置以实现相似的效果。

[0022] 优化系统10包括处理器11和输出部12。处理器11接收要用于优化对电动车辆中的蓄电装置的充电/放电的数据。该数据包括一个或多个用户输入、来自云的数据和关于电动车辆的数据中的至少一项，并且任选地，在充电曲线被确定的情况下，该数据还包括关于电源13的数据和/或关于充电装置14的数据。关于电动车辆的数据不仅包括关于电动车辆中的蓄电装置的信息，而且还包括电动车辆的其他部件(例如，电动车辆的动力系统部件)的参数。以这种方式，在优化期间可以将更多的信息考虑在内。所接收的数据可以是实时数据或被存储在存储器中的历史数据。历史数据可以是现有的优化方案或启发式数据。稍后会详细描述优化系统所接收的数据。

[0023] 处理器11还接收用于优化对电动车辆的蓄电装置15的使用的一个或多个准则。这些准则可以是预定的。或者在一个示例中，这些准则可以是来自用户(例如，驾驶员)的输入，或者是根据所接收的数据(例如，驾驶员的先前充电/放电行为)来确定的。优化准则可以包括电池寿命延长、里程提高、性能、电力成本、效率和/或充电时间等。在一个实施例中，可以向驾驶员显示可选择的优化准则的表格，然后驾驶员可以在该表格中选择优化准则中的一项优化准则，根据该项优化准则来优化对蓄电装置的充电或放电。由于这些准则中的一些准则可能相互依赖(例如，里程提高还取决于电池的荷电状态，这继而会影响寿命)，因此驾驶员也可以选择要组合考虑的多个优化准则。

[0024] 处理器11基于所接收的一个或多个准则，根据所接收的数据来确定用于对蓄电装置15进行充电/放电的充电/放电曲线。充电曲线可以用于生成用于蓄电装置的充电电流。放电曲线可以被表示为例如显示给驾驶员的驾驶曲线，以根据驾驶曲线来提醒驾驶员的驾驶。充电曲线和放电曲线的示例可以参考下文的图4A、图4B和图6来示出和解释。充电/放电曲线可以包括用于对蓄电装置进行充电/放电的各种信息，包括但不限于关于充电/放电何时开始和/或结束、充电/放电电流的值、充电/放电状态、充电/放电电压以及用于优化对蓄电装置的放电的驾驶速度等的信息。在多个优化准则的情况下，处理器11接收多个优化准则和针对多个优化准则中的每个准则的加权因子，基于所接收的数据来确定针对多个准则中的每个准则的一个或多个优化参数，并且基于一个或多个优化参数和加权因子来确定充电/放电曲线。优化参数可以包括关于充电/放电曲线的任何信息，例如，充电/放电电流、充电/放电状态或充电/放电电压。加权因子可以是从用户输入或云接收的，或者甚至被预先存储在优化系统中。

[0025] 在一个示例中，选择电池寿命以及逆变器/电动机的效率作为要组合考虑的准则。逆变器/电动机的最有效输入电压可能与针对电池寿命的最佳充电电压是不同的。例如，针对电池寿命的最佳充电最大电压可能为55V，而逆变器在58V时工作效率最高。在这种情况下，在处理器11中确定针对电池寿命而言最佳的充电最大电压以及针对逆变器/电动机的效率而言最佳的输入电压两者，例如，它们两者都可以形成帕累托前沿。如果针对电池寿命的加权因子为20％，而针对效率的加权因子为80％，则最佳电压可以为57.4V。

[0026] 在一个实施例中，与设置加权因子不同，处理器11还可以根据用户的偏好/优先级和/或默认选择来选择充电优化参数之一。

[0027] 在一个实施例中，处理器11根据驾驶员或相似驾驶员的驾驶行为和/或充电行为或者针对相似车辆来确定针对电动车辆的预期路线和/或功耗，并且基于针对电动车辆的预期路线和/或功耗来确定用于对蓄电装置进行充电或放电的充电/放电曲线。输出部12可以被耦合到处理器11以输出所确定的充电/放电曲线。输出信号可以是光、各种显示、声音信号或触觉信号。输出部12可以是显示器、灯、平板设备、触摸屏或声音发生器。在一个实施例中，可以经由输出部12将所确定的充电曲线直接传送给充电装置，以生成用于蓄电装置的充电电流。在另一实施例中，可以将所确定的充电曲线输出给用户。可以将所确定的放电曲线输出给诸如驾驶员之类的用户以根据放电曲线来提醒他的驾驶，或者可以将所确定的放电曲线输出给电动车辆以设置针对电动车辆的一个或多个参数的限制。这些参数包括车辆的驾驶速度和/或加速度。如果当前驾驶速度和/或加速度超过限制，则可以向驾驶员发送警报。

[0028] 用户可以查看充电/放电曲线并通过输入反馈信息来请求更新充电/放电曲线。在这种情况下，优化系统应当包括供用户输入其反馈的输入部。反馈可以由用户提供为听觉反馈和/或触觉反馈或输入数据。可以经由用户输入部将反馈提供给优化系统10，该用户输入部任选地被包括在优化系统10中。用户输入部可以是可以由用户输入信息的任何种类的输入装置，例如，键盘、鼠标、触摸屏等。用户可以经由按钮来输入信息(例如，在设置之间切换以及打开/关闭某种功能)，经由滑动条来输入信息(例如，输入出发时间或期望荷电状态)，或者经由手势和语音识别来输入信息。

[0029] 当接收到用户的反馈时，处理器11可以基于用户的反馈来更新充电/放电曲线。例如，驾驶员习惯于在7AM驾驶车辆，因此，根据驾驶员的先前驾驶行为而确定的充电曲线显示出蓄电装置的充电将会在6:45结束(保留15分钟作为余量以避免驾驶员可能在7AM之前提早使用车辆)，以便确保驾驶员在7AM使用车辆，然而，驾驶员改变了其明天的时间表并将在6:30AM驾驶车辆，当所确定的充电曲线被显示给驾驶员时，驾驶员可以给予反馈以指示他希望明天6:30AM驾驶车辆，那么处理器11可以根据来自驾驶员的指示改变的时间表的反馈来更新充电曲线。根据经更新的充电曲线，充电可以在例如6:15AM结束。用户也可以经由反馈直接改变所确定的充电曲线。

[0030] 尽管上面描述了处理器11仅根据用户的反馈来更新充电/放电曲线，但是在更新期间，处理器可以再次使用所接收的数据，以根据用户的反馈来更新充电/放电曲线。

[0031] 除了响应于用户的反馈来更新充电/放电曲线之外，处理器11还可以响应于机器学习数据、大数据或关于优化系统和/或包括蓄电装置15的电动车辆中的任一项的变化来更新充电/放电曲线。更具体地，还可以响应于充电装置14和/或电源13的变化来更新充电曲线。该变化包括任何记录或导出的数据和设置变化以及软件更新。例如，可以将所确定的充电/放电曲线与来自云的机器学习数据和/或大数据进行比较，以查看所确定的充电/放电曲线是否可以例如符合驾驶员的驾驶行为，并且如果不是的话，则可以更新充电/放电曲线。机器学习数据和大数据可以是从相似驾驶员(例如，具有相似充电/驾驶行为的驾驶员)和/或相似车辆的数据导出的。或者，如果来自传感器的输入指示车辆的温度改变，则可以更新充电/放电曲线以进行相应的改变，因为温度会影响蓄电装置的充电/放电。此外，可以响应于例如电动车辆、电源13或充电装置14的设置变化和/或优化系统中的任何软件更新(例如，针对处理器11或充电装置14的软件更新)来更新充电曲线。

[0032] 以上示例不是限制性和穷举的，还可以预想到其他参数来触发对充电/放电曲线的更新，例如，外部温度的变化、电源温度的变化、蓄电装置温度的变化、预期或已知的驾驶行为等的变化。这些参数可以被传感器检测到。

[0033] 在一个实施例中，处理器11可以检测所接收的机器学习数据、大数据或关于以上参数的变化，并且在检测到新接收的机器学习数据、大数据或关于以上参数的变化时确定更新是必要的。在另外的实施例中，处理器11可以经由输出部12将更新通知给用户，用户可以确定他是否希望执行更新。

[0034] 在响应于机器学习数据、大数据或关于优化系统和/或包括蓄电装置15的电动车辆的变化以及任选地关于充电装置14和/或电源13的变化来更新充电/放电曲线的情况下，输出部12可以不向用户输出最初确定的充电/放电曲线；或者甚至输出部12可以根本不向用户输出任何充电/放电曲线，包括最初确定的充电/放电曲线和经更新的充电/放电曲线，替代地，输出部12向充电装置14/应用装置输出充电/放电曲线，以用于生成对于蓄电装置适当的充电电流或者对车辆设置例如速度限制。

[0035] 根据在图1中示出的优化系统10，优化系统10可以仅包括处理器11和输出部12，并且被配置为可以与充电装置14和电源13结合使用以对电动车辆中的蓄电装置15进行充电的独立设备。以这种方式，优化装置10可以位于电动车辆、充电装置或诸如云计算装置之类的远程装置处。然而，这不是限制性的，优化系统10也可以包括诸如充电装置14之类的其他组件。在图1中以虚线示出优化系统10。优化系统可以由计算机软件、硬件、电路、处理器和控制器等来体现。或者，优化系统可以被体现在包括指令的计算机存储介质中，该指令用于在由一个或多个处理器运行时实现对应的功能。

[0036] 图2示出了根据本发明的另一实施例的优化系统100。与在图1中示出的优化系统10不同，优化系统100可以包括：充电装置1000，其用于生成针对诸如电池之类的蓄电装置的充电电流；应用装置2000，其包括例如电动车辆或摩托车；以及至少一个外部装置3000。
外部装置3000可以是智能电话、计算机、平板设备、智能手表、云计算装置以及可以实现计算、存储、显示或输入/输出并能够被耦合到充电装置和应用装置中的任一项的任何其他装置。

[0037] 由于充电装置1000和应用装置2000的处理能力可能受到限制，因此可以首选外部装置3000来计算复杂任务。可以预想到，诸如与大数据或机器学习数据的比较之类的计算密集型过程是在诸如云计算装置之类的外部装置3000处执行的，而不太密集的过程是在诸如电动车辆或充电装置1000之类的应用装置2000处执行的。

[0038] 在一个方面中，优化系统100可以提供在线服务(例如，接收和处理实时数据，在线确定充电/放电曲线或者在线更新充电/放电曲线)，或者甚至优化系统100可以以足够的计算能力来执行整个在线优化和更新。

[0039] 然而，在线服务中的一种或多种在线服务可能是不可用的，例如，本地处理器(例如，充电装置或应用装置的处理器)具有不足的计算能力，并且/或者没有连接外部装置3000，或者该连接被中断。在这种情况下，可以预先离线执行不可用的在线服务中的一种或多种在线服务。可以为用于确定/更新优化曲线的较简单的在线优化提供基于离线服务和/或先前可用优化而确定的启发式数据或特性数据。启发式数据或特性数据可以是启发式或特性表或者启发式或特性图。

[0040] 在特定实施例中，启发式数据可以是根据先前可用的优化结果的数据。例如，如果由于一些原因可能无法接收到当前电池寿命，则可以将指示在先前可用的优化之后的电池寿命的启发式数据用于当前优化。

[0041] 优化系统可以包括作为应用装置的电动车辆、作为外部装置的智能电话以及充电装置，智能电话和充电装置两者均被耦合到电动车辆。在一个实施例中，智能电话可以包括诸如应用程序之类的图形用户接口，其能够用于请求从用户输入的详细设置和参数。也可以预想到其他实施例。

[0042] 在图2中示出的实施例中，充电装置1000、应用装置2000和外部装置3000中的每一项可以包括相应的存储设备、显示器、用户输入部和处理器。具体地，充电装置1000包括处理器1100、显示器1200、存储设备1300和用户输入部1400，充电装置1000还可以包括与电源和蓄电装置的连接1010和1020，充电装置1000的处理器1100可以包括其输入部1110和输出部1120，其分别用于从外部装置3000和/或应用装置2000接收数据以及向外部装置3000和/或应用装置2000传送数据。应用装置2000包括处理器2100、显示器2200、存储设备2300和用户输入部2400。应用装置2000还可以包括诸如电池之类的蓄电装置2900。在电动车辆的情况下，该电动车辆的处理器2100可以位于电动车辆的电动机控制器和/或电池管理系统中，并且显示器2200可以位于电动车辆的速度计处。外部装置3000包括处理器3100、显示器3200、存储设备3300和用户输入部3400，应用装置2000和外部装置300两者可以具有被耦合到充电装置1000(特别是充电装置1000的输入部1110和输出部1120)的输入接口/输出接口。外部装置3000可以是在云中的可以存储或处理所接收的数据的装置。

[0043] 图2示出了充电装置1000的处理器1100中的输入部1110和输出部1120，还可以预想到，将连接布置为单独的组件。充电装置1000可以经由连接1010被耦合到电源4000，并且经由连接1020被耦合到蓄电装置2900。

[0044] 在该实施例中，处理器1100、2100和3100的任一项或任何组合可以实现如图1所示的处理器11的功能，即，确定和更新充电曲线。用户可以经由充电装置1000、应用装置2000和外部装置3000的用户输入部和显示器中的任一项来与优化系统进行交互。在一个示例中，用户可以经由与优化系统的交互来设置和重置系统设置或者改变系统参数。在另一示例中，用户可以经由与优化系统的交互来拒绝、接受或者改变充电/放电曲线/参数。在另外的实施例中，用户可以经由用户输入部中的任一项向优化系统输入参数并从显示器中的任一项获得反馈。

[0045] 在图2中示出的优化系统100中，可以省去充电装置、应用装置和外部装置的一个或多个处理器、显示器、用户输入部和存储设备。例如，可以在外部装置3000和/或应用装置2000中确定和/或更新充电/放电曲线，然后将该充电/放电曲线传送给充电装置以基于充电曲线来生成充电电流，或者将该充电/放电曲线传送给应用装置以基于放电曲线来设置驾驶限制或给予驾驶员提示。在这种情况下，可以省去处理器1100、显示器1200和用户输入部1400。或者，可以在充电装置1000中确定和/或更新充电/放电曲线并将该充电/放电曲线显示给用户。应用装置2000和外部装置3000仅提供在确定和/或更新充电/放电曲线期间要使用的数据和参数的至少部分，使得例如可以从优化系统中省去显示器2200、3200和处理器2100、3100。外部装置3000甚至可以指温度传感器。实际上，也可以省去整个外部装置
3000。此外，也可以从优化系统中省去应用装置，以这种方式，充电装置可以自己实现确定和更新充电/放电曲线。或者，外部装置可以自己实现确定和更新充电/放电曲线。

[0046] 由优化系统接收或导出的数据可以被存储在充电装置1000、应用装置2000或外部装置3000中的任一项处，或者甚至该数据可以被存储在远程位置(例如，云装置)处。鉴于对蓄电装置进行充电，所接收的数据可以包括一个或多个用户输入、来自云的数据以及关于应用装置、充电装置、外部装置和/或电源的数据中的至少一项。

[0047] 尽管分别参考如图1和图2所示的实施例描述了优化系统，但是可以预想到以其他方式来配置优化系统，只要可以实现其功能以确定和更新针对蓄电装置的充电/放电曲线即可。在图1和图2中示出的组件可以分别被组合、拆分或甚至删除，只要可以确定和更新针对蓄电装置的充电/放电曲线即可。在必要的情况下，可以将一些组件添加到优化系统中以实现其功能。

[0048] 本公开内容中的术语“进行连接”、“连接”、“进行耦合”和“耦合”包括各种方式，例如，无线的(例如感应、蓝牙或WIFI)或有线的(例如经由线缆)。可以根据特定应用以无线方式或有线方式来接收或传送数据。术语“处理器”可以指具有用于处理数据的能力的任何种类的装置，包括但不限于逻辑器件、微控制器、计算机、内核、云装置或CPU等。

[0049] 由优化系统接收的数据

[0050] 如上面提到的，由优化系统10、100的(一个或多个)处理器接收的数据包括(一个或多个)用户输入、来自云的数据、关于应用装置的数据以及任选地关于电源的数据和关于充电装置的数据中的至少一项。

[0051] 用户输入可以包括期望出发时间，例如，早晨何时开车上班、路线/距离/目的地信息或用户对第二天的驾驶的偏好或选择、温度等。例如，用户可以选择快速充电或者给予在第二天开始驾驶的时间的时间窗口。或者可以请求用户输入与经历有关的数据，根据该数据，处理器可以例如通过机器学习来获得驾驶风格。

[0052] 来自云的数据包括例如在云处记录、存储或导出的机器学习数据、大数据或任何实时数据或历史数据，例如，从天气预报获得的温度、包括路线、速度和加速度的各种驾驶数据、GPS数据等。可以存储关于相似蓄电装置、相似车辆、相似驾驶员等的机器学习数据和大数据。大数据可以通过云中的车队数据来获得。机器学习数据、大数据和驾驶数据也可以被存储在应用装置中，并且可以是关于应用数据的数据的部分。

[0053] 关于应用装置的数据包括应用装置的一个或多个参数以及在应用装置处记录或导出的数据。具体地，关于诸如电动车辆之类的应用装置的数据可以是车辆类型、车辆组件的类型(例如，电动机、控制器、变速箱和轮胎的类型)以及任何车辆参数。车辆参数包括最大/平均速度、轮胎压力、油门数据、轮胎尺寸、摩擦系数、风阻、重量、驾驶员体重、功率、电压、电流要求、扭矩特性、使用的控制方案、电感、磁动力以及效率图等。在图5A和图5B中示出了效率图的示例，并且将在下文中描述该效率图的示例。车辆参数包括关于蓄电装置的参数。关于蓄电装置的参数包括但不限于电池类型、电池尺寸、电池单元数量和连接类型、电池单元化学性质、容量和内阻、运输工具、老化行为、电池管理系统的类型以及电池温度。车辆参数也可以由用户来输入。关于电源的数据可以包括电源的类型、电力成本等。如果关于充电装置的数据被存储在充电装置中，则关于充电装置的数据可以包括先前的充电/放电曲线。充电装置、应用装置和外部装置中的任一项可以包括传感器。

[0054] 由优化系统接收的数据可以包括用于感测环境参数中的一个或多个环境参数(包括针对充电装置、电源和/或蓄电装置的温度)的传感器。该传感器可以位于充电装置、应用装置和电源处，或者可以作为外部装置。

[0055] 所接收的数据包括实时数据和历史数据。实时数据可以由传感器直接收集，其包括温度、电流值、轮胎压力等。历史数据包括各种驾驶数据，例如，先前的速度、加速度和距离/路线、充电/放电曲线、特定驾驶员的充电行为和驾驶行为以及相似驾驶员、相似路线或相似应用装置的数据等。

[0056] 尽管以上描述了所接收的数据的特定示例，但是它们不是限制性和穷举的，可以预想到使用可能有益于优化对电池的使用的任何数据。

[0057] 由优化系统输出的数据

[0058] 优化系统可以向用户输出数据或者与用户交换数据。使用光、各种类型的显示以及声音信号或触觉信号来向用户显示数据。取决于系统设置，数据能够被显示在应用装置、充电装置和/或诸如智能电话之类的外部装置上。

[0059] 输出数据可以包括用于例如充电装置和应用装置的系统参数。系统参数可以是由传感器检测到的或者是从系统获得的，其包括速度、加速度、GPS导出的位置、斜率、电池温度和电动机温度以及电动车辆中的电流、电压和油门。外部装置能够添加用于预测的某种信息，例如，天气预报。系统参数还可以包括驾驶、充电和存储时间以及平均、最大、最小充电电流。还能够记录并示出所有这些传感器和参数数据的过去值。通常，能够显示优化系统已知的所有系统参数。这能够是组件信息(例如，轮胎、电动机、电池尺寸和标称功率)以及组件关键参数(例如，电动机电阻、电感和通量、电池容量和电阻)以及所有与老化相关的参数(例如，锂离子传输和固体电解质接口层生长因子或拟合平均参数)。

[0060] 输出数据还可以包括导出的(例如通过优化获得的)数据。这包括关于当前充电和驾驶风格的可能范围、估计的剩余电池寿命以及达到完全充电或指定荷电状态的预期充电时间以及最佳充电时间、预期能量消耗、组件状态和老化、荷电状态以及系统已知的其他影响。所导出的数据还可以包括当前荷电状态、当超过一些预定义或计算的阈值时的通知或警报。此外，所导出的数据还可以包括关于预期性能的信息，例如，可能和期望的加速度和最高速度。

[0061] 输出数据还可以包括优化结果，以向用户示出他所实现的改进和益处。这能够是例如关于电池寿命延长的信息(以定性方式或定量方式)。提示能够以定性方式示出哪些行为对预期目标是有益的，或者以定量方式示出行为如何对预期目标是有益的。例如，能够将当前的充电和驾驶行为与用户的先前的充电和驾驶行为进行比较，或者例如使用云车队数据来与其他用户进行比较，并且可以向驾驶员输出诸如“与前几天相比，您当前的充电和驾驶行为对您的电池更有益”，“与您先前的充电风格相比，现在您将您的电池寿命延长了1天”之类的信息。如果针对里程和充电时间优化了充电/放电曲线，则能够显示关于通常的里程和通过经优化的充电/放电而实现的里程、充电/放电时间和驾驶提示以及效率提高的信息。

[0062] 输出数据还可以包括针对驾驶员的提示，以激励用户使用所描述的充电策略以及使他理解他如何能够提高寿命、里程，提示可以包括例如“用户不应总是对其电池完全充电，仅当车辆不太热时进行充电，并且在高温下更慢地驾驶”。用户能够例如每次在开始之前接收提示，该提示可能与他选择的优化准则直接相关。所有这些提示都能够取决于由用户输入的信息和对于系统可用的数据。

[0063] 输出数据还可以包括维护信息。例如，取决于所计算的电池寿命，能够向用户通知何时必须更换电池。历史数据能够用于检测针对电池的故障或者将来可能的故障。这能够例如是在充电/驾驶时电池电阻的突然增加以及对应的电池温度升高。

[0064] 输出数据还可以包括由用户进行的可能的软件更新和奖励信息。优化系统可以将用户的每日行程、里程和电池寿命延长以及充电/放电曲线与云中的其他用户进行比较。用于奖励的准则能够是例如经济或生态驾驶、路线和驾驶距离、高速或稳定驾驶。奖励信息可以是“驾驶奖项”或用于车辆维修的奖励积分。

[0065] 尽管上面描述了输出数据的特定示例，但是它们不是限制性和穷举的，可以预想到使用可能有益于优化对电池的使用的任何数据。

[0066] 图3示出了根据本发明的一个实施例的优化方法300。首先，在步骤301处，接收包括(一个或多个)用户输入、来自云的数据、关于包括要被充电/放电的蓄电装置的应用装置的数据等中的至少一项的数据，并且在步骤302处，接收用于对蓄电装置进行放电或放电的准则，例如，准则可以是由用户选择的或者自动确定的。在步骤303处，基于所确定的准则，根据所接收的数据来确定充电/放电曲线。在步骤304处，接收关于充电/放电曲线的用户反馈、机器学习数据、大数据以及关于优化系统和/或应用装置的变化中的至少一项，以便确定是否需要更新，例如，用户可以通过给予反馈来确定需要更新。如果通过用户拒绝所确定的充电/放电曲线而确认更新，则在步骤305处，可以基于关于充电/放电曲线的用户反馈、机器学习数据、大数据以及关于优化系统和/或应用装置的变化中的所接收的至少一项来更新充电/放电曲线。如果确定不需要更新，则在步骤306处，可以输出所确定的充电/放电曲线。

[0067] 在一个实施例中，方法300包括：在步骤301处，根据用户的驾驶行为和/或充电行为来确定针对电动车辆的预期路线和/或功耗；并且在步骤303处，基于针对电动车辆的预期路线和/或功耗来确定用于对蓄电装置进行充电或放电的充电/放电曲线。

[0068] 在另一实施例中，方法300包括：在步骤301处，接收关于充电装置的数据、关于电源的数据和来自外部装置的数据中的至少一项，该外部装置被配置为被耦合到应用装置和/或充电装置；在步骤303处，基于所接收的数据以及关于充电装置的数据、关于电源的数据和来自外部装置的数据中的所接收的至少一项来确定充电曲线，其中，关于充电装置的数据和关于电源的数据分别包括充电装置和电源的一个或多个参数以及在充电装置和电源处记录或导出的数据。

[0069] 在图2中示出的方法300仅是示例性的，而不是限制性的；该方法的各个步骤可以被组合、拆分以及甚至删除以实现相似的功能。

[0070] 图4A和图4B示出了根据本发明的系统或方法的一个实施例的针对至少包括蓄电装置的寿命延长的准则而确定/更新的充电曲线的示意图。图4A示出了充电曲线的荷电状态(SOC)(Y轴)相对于时间(X轴)的关系，并且图4B示出了充电曲线的充电电流(Y轴)相对于时间(X轴)的关系。在20:00，电动车辆的先前驾驶结束，并且电动车辆的蓄电装置被连接到用于充电的充电装置，然后可以根据由上面提到的优化系统/方法而确定的充电曲线来对蓄电装置进行充电。

[0071] 如图4A和图4B所示，充电曲线被确定为具有第一充电阶段I、第二充电阶段II和第三充电阶段III。在图4A中，首先在第一充电阶段I中将蓄电装置充电到最佳储存荷电状态A，在第二充电阶段II中进行等待，并且在预期充电结束之前在第三充电阶段III中将蓄电装置充电到针对蓄电装置的期望荷电状态或所确定的最佳荷电状态B，荷电状态B低于完全充电状态C。第一充电阶段I可以从电动车辆与充电装置的连接开始，并且第三充电阶段III可以在预定驾驶开始时间(即，7:00AM)之前不久的6:45AM结束，以便提供余量(例如，从6:45AM到7:00AM的15分钟)，从而避免驾驶员早于预定驾驶开始时间而开始驾驶。图4B示出了充电曲线的充电阶段的对应充电电流。

[0072] 结合关于本发明的实施例的以上描述，可以基于例如所接收的驾驶开始时间、驾驶结束时间、驾驶目的地/路线、驾驶员行为以及所接收的准则来确定充电曲线。可以从用户输入部、云或应用装置或者甚至外部装置(例如，智能电话)接收以上参数。在通过使用所确定的充电曲线从20:00到6:45的充电之后，驾驶员可以根据所接收的驾驶开始时间、驾驶结束时间、驾驶目的地/路线以及用于满足所接收的准则的驾驶员行为(例如，快速驾驶、节电或蓄电装置的寿命延长)从7:00到7:45驾驶电动车辆。当前的驾驶数据可以被收集并被用于确定后续的充电曲线。

[0073] 图4A和图4B仅示出了充电曲线的一个示例，也可以以其他方式示出充电曲线，例如，除了如图4A和图4B所示的时间、充电电流和荷电状态之外，还可以相对于可能影响充电曲线的不同因素来示出充电曲线。这些因素包括但不限于温度(例如，外部温度、电动机温度、电源温度和蓄电温度等)、放电深度、第二天的驾驶行为等。

[0074] 图5A和图5B分别示出了针对给定驾驶路线的效率图的示意图。当选择里程提高作为用于优化对蓄电装置的使用的准则时，可以使用针对给定驾驶路线的效率图以通过考虑效率来优化电动车辆的驾驶里程。或者，效率可以用作用于充电/放电的单独准则，并且替代地可以与其他准则(例如，电池寿命)进行组合。

[0075] 图5A示出了针对给定路线的蓄电装置的荷电状态(X轴)与效率(Y轴)的关系。根据图5A，可以确定，对于给定路线，最佳效率不是与荷电状态成比例的，实际上，在对于车辆的电动机和功率电子器件两者而言电压和电流都处于最佳区域的情况下，可以获得最佳效率。为了达到更好的效率，可以将所需要的荷电状态确定为处于如图5所示的用于对蓄电装置进行充电的范围D内。

[0076] 图5B示出了针对不同的(例如，低或高)荷电状态的驾驶员的驾驶速度(X轴)与效率(Y轴)的关系。可以看出，驾驶速度不是直接与驾驶速度成比例的。可能的情况是，如关于以上优化系统和方法所描述的，可以例如根据所接收的准则来将蓄电装置首先充电到用于下一行程的足够的荷电状态，然后可以根据如图5B所示的用于获得对于驾驶员驾驶车辆而言优选的速度的效率图来确定驾驶速度。

[0077] 在图6中示出了驾驶曲线的一个示例，其示出了时间(X轴)与最佳效率驾驶速度(Y轴)的关系。驾驶曲线可以是所确定/更新的放电曲线的一个实施例。如图6所示，先前驾驶结束并且蓄电装置在12:00被连接到充电系统，在12:00与12:25之间执行充电流程，可以例如通过如上所述的优化系统和/或方法来获得在充电流程期间使用的充电曲线。在预定的驾驶开始时间(即，12:30)之前，剩余5分钟作为余量，以避免驾驶员提前开始驾驶。在12:30与13:30之间，驾驶员可以通过参考如图所示的驾驶曲线来驾驶车辆以达到最佳效率。当前的驾驶数据可以被收集并被用于确定后续的充电曲线。在图6中示出的驾驶曲线仅是针对所确定/更新的放电曲线的示例，还可以预想到其他形式的放电曲线。

[0078] 应当注意，上述实施例说明而不是限制本发明，并且本领域技术人员将能够在不脱离权利要求的范围的情况下设计替代实施例。在权利要求中，置于括号之间的任何附图标记不应被解释为限制权利要求。词语“包括”并不排除未在权利要求或说明书中列出的元件或步骤的存在。在元件之前的词语“一”或“一个”并不排除多个这样的元素的存在。在列举若干单元的产品权利要求中，这些单元中的若干单元可以由同一项软件和/或硬件来体现。对词语第一、第二和第三等的使用并不指示任何排序。这些词语应被解释为名称。