Előrejelző hőkezelési algoritmusok
Az elektromos járművek hőkezelési rendszere mesterséges intelligenciát és gépi tanulási algoritmusokat használ, amelyek előre megjósolják a hőmérsékleti igényeket, mielőtt azok felmerülnének, és proaktívan hangolják a rendszer működését a maximális hatékonyság érdekében. Ezek az intelligens vezérlések elemzik a vezetési szokásait, az útvonal-információkat, az időjárás-előrejelzéseket és a korábbi adatokat annak megállapítására, hogy mikor lesz szükség fűtésre vagy hűtésre, és közben kondicionálják az alkatrészeket – például akkor, amikor a jármű még töltés alatt áll, vagy a korábbi üzemelésből származó hulladékhőt használják fel. Például ha rendszeresen ugyanabban az időben utazik be a munkahelyére, a rendszer megtanulja ezt a mintát, és automatikusan előmelegíti vagy lehűti a vezetőtér és az akkumulátor hőmérsékletét, a hozzá szükséges energiát a hálózatból, nem pedig az akkumulátor töltésének csökkentésével biztosítva. Amikor a navigációs adatok arra utalnak, hogy a következő útszakaszon nagy sebességgel fog haladni vagy meredek emelkedőn kell átjutnia, a rendszer előrehűti a motort és az akkumulátort, így biztosítva a hőmérsékleti tartalékot a hosszantartó, magas teljesítményű üzemeléshez anélkül, hogy védő jellegű teljesítménykorlátozás lépne életbe. Ez a prediktív képesség kiterjed a töltési folyamatokra is: a rendszer az akkumulátorokat már akkor optimalizálja a legmegfelelőbb töltési hőmérsékletre, mielőtt még odaérne a töltőállomásra, így jelentősen csökkentve az összes töltési időt és növelve a kényelmet.