合特定的最终消费者。例如，商务人士可以使用他的智能电话用户商务任务(电子邮件、行程安排、应用等)。此外，由于其是公司政策的一部分，所以可以每6个月替换智能电话。考虑到商人由于设备频繁更换而几乎不注意电池循环寿命，可以选择“高级用户”充电配置文件。“高级用户”充电配置文件可以忽视电池寿命循环的重要性以换取较快的充电性能。相比之下，智能手机的一般用户可能定期地检查电子邮件并打电话给家人，但是其并不总是需要充满电且很少升级电话。从而，这样的用户对将保持许多年的设备最感兴趣。在这个实例中，可以选择“一般用户”充电配置文件。例如，“一般用户”充电配置文件可能将重要性放在改进的电池循环寿命上以换取较慢的充电性會K。
[0061]在一些示例中，可以将例外添加到给定的充电配置文件上以进一步微调电子设备的充电性能。可以将例外附加到给定的充电配置文件。在上文的示例中，商人可能发现在脸旁边握热的电话不舒服。因此，例如，可以将一例外添加到“高级用户”充电配置文件，其中当用户在未使用蓝牙耳机的情况下拨打语音电话且电池正在充电时，应该限制充电性能。
[0062]测量的参数
[0063]测量的参数是基于电子设备的过去和/或现在的环境的参数。测量的参数可以是动态地取自电子设备的测量结果。例如，根据过去的和/或现在的环境，可以使用这些测量结果动态地更新充电行为，从而允许充电应用610根据可用的资源和过去的以及现在的条件调整电池充电。
[0064]在一个方面，测量的参数可以是电池的属性。例如，电池温度、条件、以及寿命可以被动态地确定并发送至充电应用610。充电算法615可以考虑在给定的电池温度、条件、或寿命的情况下的最佳充电速率。例如，当电池热的时候，电池可能充电得不好并且从而充电算法615可以在确定期望充电状态时将电池温度考虑在内。
[0065]在另一个方面，测量的参数可以是可用的电源。电子设备可以检测到当前在使用什么电源来对电子设备充电(例如，USB或AC)并将该信息中继到充电应用610。充电算法615可以基于电源确定期望充电状态。例如，如果电源是USB端口，则充电算法615可以确定电源的限制并相应地调整期望的充电状态。
[0066]在另一个方面中，测量的参数可以是电子设备中的热负载。热负载可以由电子设备的热测量单元来确定。热测量单元可以测量电子设备或电子设备的组件的热负载。充电算法615可以将所测量的热负载与描述电子设备内的组件(例如电池、电池充电器、处理器、功率放大器等)的最大热负载或电子设备作为一个整体的热负载的规定的参数进行比较。充电算法615可以当其提供期望的充电状态时考虑改变充电速率将对热负载产生的影响。
[0067]在另一个方面，测量的参数可以是电子设备的地理位置。例如，地理位置可以由诸如GPS之类的电子设备的位置跟踪单元来确定。充电算法615可以将该地理位置与诸如家、办公室、旅行、健身房等之类的多个保存的位置进行比较。如果出现匹配，则充电算法可以相应地调整充电行为。例如，家里的电子设备可能保持插入到电源达较长的时间段。相比之下，办公室中的电子设备更可能当用户从一个会议到另一个会议时零星地插入。当确定期望的充电状态或建议时，充电算法615可以考虑这些因素。
[0068]预测参数
[0069]预测参数是可以由预测分析引擎或充电应用导出的参数。如上文所描述的，预测分析引擎可以通过分析用于推断使用模式的电子设备的测量结果和行为来预测充电持续时间或充电可能发生的时间。类似地，在一些示例中，充电应用610可以访问(例如，调查)电子设备上的其它应用以发现诸如用户的日程安排之类的关于用户的信息。例如，充电应用610可以从日历应用获得日历约会。类似地，充电应用610通过分析电子设备的使用来确定用户的典型的工作时间和睡眠时间。
[0070]在一个方面，充电应用610可以基于使用模式来输出针对用户的预测日程表。预测日程表可以预测用户的每周或每天的模式。这可以包括预测活动/不活动时间段、一整天中电子设备的位置(例如，今天的2pm将在办公室中)、以及使电子设备被充分供电以执行任务的紧急性。
[0071]例如，预测分析引擎611可以预测如上文所描述的充电持续时间，其中基于设备在
11pm和6am的时间之间设备不活动的一贯模式，被插上电源以在11 pm充电的电子设备将维持插入直到第二天的6am。这些不活动的时间段(或甚至活动的时间段)可以从使用模式导出并由预测分析引擎使用以更好的预测电子设备未来的充电持续时间。
[0072]作为另一示例，充电应用610可以基于从日历应用获得的日历约会确定电子设备在接下来的5个小时将不会被插上电源。例如，可以通过充电应用610来处理该信息，使得当生成期望的充电状态和建议时，充电算法615可以将其作为因素考虑在内。
[0073]作为又一示例，充电应用610可以确定电子设备的用户将在接下来的两小时在火车上以及这与电话约会重叠。考虑到用户将可能不得不在火车上打电话，充电应用610可以生成用于使电子设备充分充电以拨打这些电话的紧急通知。充电算法615可以检测该紧急通知并向用户提供帮助确保该设备在用户登上火车之前被适当充电的建议。
[0074]图7示出了根据另一个方面的充电系统。充电系统700包括电子设备701、电子设备702、网络720(例如，包括互联网和/或无线网络)、以及服务器710。例如，电子设备701和电子设备702可以与图6中的电子设备600相似或基本相似。通过网络720从电子设备701和电子设备702向服务器710发送本地充电数据。服务器710可以分析从电子设备接收的本地充电数据以确定是否可以改进电子设备的充电性能。典型地，当电子设备由制造商生产出来时，在电子设备中存储了充电配置文件(例如，慢速充电、中等充电、快速充电)。这些充电配置文件基于所估计的电池和电池充电器的性能计算。电池和电池充电器的实际性能可能稍微不同，从而为改进留有空间。服务器710可以分析电池和电池充电器的实际性能以确定是否应该更新充电配置文件以改进电池性能。如果确定可以改进充电配置文件的电池性能，则可以更新充电配置文件。可以组合以向用户提供更好服务的本地参数包括:作为新数据被收集的电池性能以及市场中部署的其它充电器的性能。然后，服务器710可以通过网络720向电子设备701和702发送更新的充电配置文件。
[0075]图8示出了根据一示例性方面的充电算法。例如，充电算法800可以是图6中充电算法615的一部分。图8中的示例性流程图示出了用于使用规定的、测量、和预测参数的一个可选的示例性技术且其将被理解为示例性的、不限制本申请中描述的方面。例如，在805，充电应用可以访问诸如用户配置文件之类的访问规定的参数以确定用户是高级用户还是普通用户(例如，或潜在的许多其它分类中的另一个)。如果用户是高级用户，则该过程实现激进的充电以最小化充电时间并转到810。例如，如果用户是普通用户，则该过程可以实现保守充电以延长电池寿命并转到815。
[0076]例如，对于激进的充电，充电应用可以在810评估诸如电池寿命之类的测量的参数。如果电池是新的，则其可以更易发生快速充电。但是，如果电池是旧的，则通过减慢充电过程来延长电池寿命可能是理想的。在820、825、840、和845示出了预测充电。对于新电池，在较忙的一天中充电(820/840 )，预测充电持续时间可以较短，其可以导致充电应用将电池充电器配置用于快速充电。如果这一天较不忙，则预测充电持续时间可以位于中间时段内，且可以执行中等充电。例如，对于夜晚时间，预测充电可能位于较长的持续时间时段，且可以执行较慢的充电。如在825和845所示出的，针对较旧的电池的相同过程可能导致针对较忙的一天进行中等充电以及在较不忙的一天中进行缓慢充电。在这个情况下，例如，可以将从预测引擎接收的持续时间组合到利用电池寿命的充电算法中，其中基于电池的寿命，持续时间被映射到不同的充电参数。在其它方面中，例如，基于其它的测量的参数，可以将来自预测引擎的充电持续时间映射到广泛的充电参数。
[0077]在这个示例中，如在815、830、835、850和855处所示出的，保守的配置文件产生类似的过程。类似地，基于规定的和测量的参数，将预测充电持续时间映射到不同的充电参数。例如，在较忙的一天中，利用保守的配置文件对新电池充电可能导致仅中等充电循环，此为针对保守的配置文件在较空闲的一天中使用的相同的充电循环。换句话说，针对特定的测量和规定的参数(例如，保守的配置文件和新电池)，可以将不同的预测持续时间映射到相同的或类似的充电参数。但是，可以将在夜间生成的较长的预测持续时间映射到不同组的充电参数以实现慢速充电。类似地，例如，旧电池的保守充电可以导致所有的预测持续时间都被映射到用于实现慢速充电以维持电池寿命的参数，如在835和855示出的。
[0078]图9示出了根据另一个方面的电池充电。图9示出了在图8中示出的示例性过程的更通用版本。当用户可以将电子设备插入到诸如USB端口、AC适配器、或其它形式的外部电源之类的电源时，电池充电可以在901开始。在902，充电应用可选地访问规定的参数。在903，充电应用可选地访问测量的参数。在904，例如