CN109993343A

CN109993343A - 预测可交换式能源储存装置的需求的系统与方法

Info

Publication number: CN109993343A
Application number: CN201811626450.6A
Authority: CN
Inventors: 施怡芬; 赖昀君; 庄胜钦; 丹尼尔·维克里; 陆学森; 朱柏聿
Original assignee: Gogoro Inc Hong Kong
Current assignee: Gogoro Inc Hong Kong
Priority date: 2017-12-29
Filing date: 2018-12-28
Publication date: 2019-07-09
Also published as: EP3511199B1; TW201931281A; JP6952957B2; US20190202414A1; US10906511B2; PH12019000003A1; TWI751396B; KR20190082144A; EP3511199A1; JP2019145087A; KR102286936B1; ES2893924T3

Abstract

本揭示内容是关于用于管理复数个装置交换站的方法及相关系统。举例而言，本方法包含：(1)在一初始期间中，从各该复数个装置交换站接收关于能源储存装置的交换情形的实证信息；(2)决定一目标期间；(3)依关于能源储存装置的交换情形的实证信息识别出复数个参考因子及相关权重值；(4)判断在目标期间中各该复数个装置交换站的需求信息；以及(5)依据在目标期间中各该复数个装置交换站的需求信息制作用于各该复数个装置交换站的复数个充电计划。藉此，本揭示内容透过具有能源效益的方式，提供令人满意的电池体验。

Description

预测可交换式能源储存装置的需求的系统与方法

技术领域

本揭示内容是关于一种用于管理复数个可交换能源储存装置的交换站的系统及方法。尤其是一种藉由提供依据预测的需求的可交换能源储存装置的充电计划以管理复数个可交换能源储存装置的交换站的系统及方法。

背景技术

有些电动车辆是由可交换电池提供能源。对该些电动车辆来说，备有可在使用者想要交换电池时供其使用，并且充了足够电量的电池是提供令人满意的使用者体验的一项重要因素。然而，将这些电池充电并维持它们的电荷状态可能需要大量的能源。不必要的充电及不必要的电荷状态的维持会对一个充电系统的成本效益及能源效益造成负面影响。除此之外，使用者以及可交换池的数目频繁地改变(比如有一个新的使用者订用了一个电池服务方案或有一个新的交换站被建立了)，因而要以历史数据为基础去预测一个未来的电池需求是非常困难的(“趋势”议题)。而且，该历史数据中可能会有份量显著的“杂讯”存在其中(比如，可能会误导未来的电池需求的判断的信息；“杂讯”议题)，因而，拥有一个解决上述各问题的系统及方法是相当有优势的。

发明内容

本揭示文件的一实施例提供一种管理方法，用于管理复数个装置交换站，其中该管理方法包含：接收关于在一初始期间内从该复数个装置交换站的复数个能源储存装置的交换情形的一实证信息；决定一目标期间；辨认在该目标期间内对应各该复数个装置交换站的复数个参考因子，其中该复数个参考因子包含复数个特征及该复数个特征的组合；依据对应各该复数个装置交换站的经辨认的该些参考因子及与经辨认的该些参考因子相关的复数个权重值，判断该目标期间内各该复数个装置交换站的一需求信息，该实证信息包含该复数个权重值，其中该目标期间晚于该初始期间；以及，依据目标期间内的该需求信息，产生用于各该复数个装置交换站的复数个充电计划。

本揭示文件的一实施例提供一种服务器系统，用于管理复数个装置交换站，该服务器系统包含一处理器以及一通讯元件。该处理器是用于：接收关于一初始期间内各该复数个装置交换站的能源储存装置的一实证信息；决定一目标期间；辨认在该目标期间内对应各该复数个装置交换站的复数个参考因子，其中该复数个参考因子包含复数个特征及该复数个特征的组合；以及，依据经辨认的对应各该复数个装置交换站的该些参考因子及与经辨认的该些参考因子相关的复数个权重值判断该目标期间内各该复数个装置交换站的一需求信息，该实证信息包含该权重值，其中该需求信息是表明在该目标期间内各该复数个装置交换站中可交换的该复数个能源储存装置的一预测交换数目，且该目标期间晚于该初始期间。通讯元件用于传送复数个充电计划至各该复数个装置交换站。

本揭示文件可能提供一个或更多个下列技术改良：(1)高效及时电池需求预测或几乎及时电池需求预测；(2)有效地指示一或更多个电池交换站对该站的电池进行充电及/或维持的能力；(3)使操作员可依据复数个如交换站的位置、电池的位置(包括不在该交换站的电池的位置)、周遭环境及事件等因子设定符合需求的电池充电规则的能力；及(4)透过具有能源效益的方式，提供令人满意的电池体验，进而提供品质更好的使用者体验的能力。

附图说明

本揭示内容的实施例将以所附的附图说明及解释。

图1为根据本揭示内容的一些实施例所绘示的一种系统的示意图；

图2为根据本揭示内容的一些实施例所绘示的一种服务器系统的示意图；

图3为根据本揭示内容的一些实施例所绘示的一种交换站系统及一种车辆系统的示意图；

图4为根据本揭示内容的一些实施例所绘示的一种云端系统的示意图；

图5A为根据本揭示内容的一些实施例所绘示的一些交换站系统的特性图；

图5B为根据本揭示内容的一些实施例所绘示的一种交换站系统在一些不同的时间轴上的特性图；

图6为根据本揭示内容的一些实施例所绘示的一种方法的流程图；

图7为根据本揭示内容的一些实施例所绘示的一种方法的流程图；

本揭示内容所附附图所示并非具体的尺寸比例。比如，可将附图中的一些元件的尺寸放大或缩小以更好地理解不同的实施例。同样地，为了阐述一些不同的实施例，可将一些零件及/或一些操作拆分成不同步骤结合成一步骤。另外，尽管本揭示所附附图详细地例示了一些特定实施例，并且本揭示的文字也详细地描述了一些特定实施例，本技术领域中具有通常知识者仍可认知到将本揭示内容加以修饰、替换，或等同本揭示内容的标的仍会落入本揭示内容的请求项的范围中。

【符号说明】

100：系统

101A～101D：电池交换站

103：主服务器

105：数据库

107:网络

109A～109C：服务器

111A～111C：数据库

113：电池交换架

115：使用者界面

117a～117h：电池槽

200：服务器系统

20：客户站

201：处理器

203：记忆体

205：输出入装置

207：储存元件

209：需求分析元件

211：能源分析元件

213：站别分析元件

215：电池分析元件

217：使用者行为分析元件

219：车辆分析元件

221：通讯元件

30：车辆系统

31：移动装置

33：服务器

35：能源

300：交换站系统

301：处理器

303：记忆体

305：使用者界面

307：通讯元件

309：电池管理元件

311：感应器

313：储存元件

315：充电控制元件

317a：电池槽1

317b：电池槽2

317c：电池槽3

317d：电池槽4

317e：电池槽5

317f：电池槽6

317g：电池槽7

317h：电池槽8

319：处理器

321：记忆体

323：电池

325：马达

327：输入装置

329：仪表显示器

331：储存元件

333：感应器

335：通讯元件

337：电池内建记忆体

400：云端系统

401：服务器

403：云端服务器

405A1～405A3：交换站

405B1～405B2：交换站

C1～C5：箭头

501A：特性曲线

501B：特性曲线

501C：特性曲线

503：峰部

505：高原部分

507A～507C：特性曲线

508：峰部

509：峰部

511：高原部分

513：峰部

514：峰部

600：方法

601～611：步骤

700：方法

701～709：步骤

具体实施方式

本揭示内容中所提到的“一些实施例”、“一实施例”或其他类似用语是指该特征、功能、结构或特性是包含于本揭示内容的至少一实施例中。本揭示内容中所出现的该等用语并不一定全都指涉同一个实施例。另一方面，本揭示内容所指涉的各实施例并非互不相容。

本揭示内容是关于用于管理复数个装置交换站的方法及系统。该复数个装置交换站是供使用者交换能源储存装置(比如电池)。本揭示内容所揭露的方法可由一透过一网络与该复数个装置交换站连结的服务器实施。在一些实施例中，以实证信息(empiricaldata，关于电池的交换情形的历史信息，如在某段时期中一些交换站中实际被交换的电池的数目(及该实际被交换的电池的数目与原本预期的需求之间的误差)、未获供应的电池交换需求等)为基础，本揭示内容所揭露的系统会决定复数个参考因子(比如一因子矩阵)及相关的复数个权重值(比如一权重矩阵)。然后，系统会预测未来的电池交换的需求(见方程式A)。透过调整该复数个权重值及利用该历史数据分析该复数个权重值，系统即可有效地辨认出较为重要的参考因子。相应地，该复数个权重值即可得到更新并可被用以预测未来的电池需求。在一些实施例中，以该实证数据为基础，该系统可辨别不同类型的装置交换站，同类型的交换站之间有着一样的电池交换特征(例如图5A及图5B中的曲线)。在一些实施例中，该“交换站的类型”本身即可被用以预测未来的电池需求。在其他实施例中，该“交换站的类型”亦可视为一项用以计算未来的电池交换的需求的“参考因子”(见方程式A)。

在一些实施例中，举例而言，该方法包含，(1)在一初始期间中，从各该复数个装置交换站接收关于电能贮存装置的交换情形的实证信息(比如从一个服务器中的记忆体或一个与服务器连结的数据库)；(2)决定一目标期间；(3)在该目标期间中，辨认复数个对应于各该复数个装置交换站的参考因子；(4)决定各该复数个装置交换站在该目标期间中的预期需求信息(比如该目标期间晚于该初始期间；比如该该初始期间可为今日的下午九点，而该目标期间可为明日的下午三点至四点；在一些实施例中，该初始期间可以包含一该实证信息生成或被搜集的期间)；及(5)依据该目标期间中的该预期需求制作复数个用于各该复数个装置交换站的充电计划。

在一些实施例中，该复数个参考因子可包含(1)一与需求的预测相关的特性(比如交换站站别、时间单位、假日、天气或特殊事件等，其中时间单位可为小时、日、月等)；(2)两个或更多个特性的组合(比如下面会阐述的“交叉项(crossing term)”因子)；(3)一装置交换站的“类型”(比如一“高交通流量”类型、一“中交通流量”类型或一“低交通流量”类型，见下面的叙述)；及(4)上述各项的组合。各该复数个参考因子皆有一相关权重值，该相关权重值标明该参考因子在计算未来的电池需求时的相对重要程度。在一些实施例中，举例而言，一系统操作员(比如该系统中的一服务器的操作员)可选择考量一些参考因子以预测未来的电池需求。然后，该系统操作员可指定一权重值给各该经选择的参考因子。而在一些实施例中，该系统操作员则可将所有参考因子放入一因子矩阵中(比如下面会叙述到的“matrixx”)。该系统操作员可(1)指定较高的权重值(比如一权重值矩阵中较高的权重值)给显著地与需求预测相关的参考因子；及(2)指定较低的权重值(甚至可为零)给不显著地与需求预测相关的参考因子。在一些实施例中，可透过在预测需求的过程中给经选择的参考因子的数量设定最大值以(1)简化预测需求的过程的计算；及/或(2)防止“过度配适(overfitting)”，该“过度配适”是由过多的因子造成，其中部分因子可能包含杂讯。该系统(或一系统操作员)可决定该复数个参考因子的显著度或相对重要度，然后从中选择所欲考量的因子。此外，该参考因子的最大数量可依据预测需求的计算的复杂度及系统的可用计算资源决定。

在一些实施例中，该关于能源储存装置的交换情形的实证信息可以是关于一特定装置交换站在复数个特定期间中交换的能源储存装置的数目的历史数据或信息，也可以是在该特定期间中预测需求及实际的电池交换次数间的差距。该实证信息的例示如(1)在2017年1月12日上午10点至11点的期间，有十个电池被交换，而预测的交换量只有八个；(2)在2017年11月的第一个星期四，X地区(包含X1～Xn交换站)有35个电池被交换而预测的交换量为40个；(3)在2017年4月5日下午7点至8点的期间，B交换站有17个电荷状态超过90％的电池被交换；(4)在2017年2月5日下午五点至六点的期间，C交换站有55个电池被交换，而当时那附近有一场活动；(5)在2017年的第234天下午9点至10点的期间，D站有28个电池被交换；或(6)在2017年9月7日上午8点至9点的期间，E站有45个电池存量但只有40个电池被交换，而天气报告显示该日为10个连续降雨日后的晴天。前述类型仅为例示，在其他实施例中可能尚有其他类型的实证信息。

本揭示内容的系统一接收到该关于电能贮存装置的需求的历史信息便会分析该信息并建立一用于预测未来的能源储存装置的需求的模型。在一些实施例中，该模型是以回归分析/逻辑分析及机器学习分析为依据建立，其中，回归分析/逻辑分析例如线上泊松回归(Online Poisson regression)分析、线上最小平方回归(Online least squareregression)分析或决策树(Decision tree)分析等，机器学习分析例如用输入数据、分析输出及调整模型的方式来「训练」该模型，直到该模型产生一带有已定义的误差量的输出为止。举例来说，该模型可以以下方程式表示：

P＝w^Tx (方程式A)

其中P是一特定期间中特定交换站的能源储存装置的需求的预测(比如系统预测在明日上午8点至9点的期间A站会有25次能源储存装置的交换)。x是要考量的参考因子(比如一具有复数个元素的矩阵，每个元素代表一个参考因子)。w是对应参考因子x的权重值(比如一具有复数个元素的矩阵，每个元素代表一对应一个参考因子的权重值)。

该参考因子x可包含复数个特性，例如站别、时间、站别位置、环境情况、活动及其他事和他参考因子，其中，该时间可分割为不同时段，各该时段皆可作为一参考因子；该环境情况的例示如周遭气温或湿度等；该活动的例示如交通事故、音乐会或运动比赛等。本揭示内容的系统亦允许操作员选择一“交叉项”因子，该“交叉项”因子是将二或更多个特性组合而成的一个参考因子。不同特性的组合的例示如“A站及周四”或“B站、上午7点至9点及周末”等。藉由将二或更多个特性组合在一起，本揭示内容的方法即可有效地辨认参考因子之间的关系，并在产生预测需求时快速地考量这些“交叉项”因子。(也就是说，比起给每一个参考因子各指定一个权重值，系统可以只指定一个权重值给一个“交叉项”因子，因而提升了计算的效率)。

此外，在一些实施例中，当一个特定的特性组合可以代表整个特征时，可将该特性组合视为一“交换站类型”，其中，该整个特征的例示如图5A及图5B中的曲线；该“交换站类型”亦为一种参考因子，且亦可用以预测电池需求。

举例来说，因子F1可为站别(比如A站)，因子F2可为一周间的日别(比如周五)，因子F3可为一日间的某段时间(比如1a.m.至3a.m.)。在这个实施例中，系统允许操作员加入由因子F1、因子F2及因子F3组合而成的因子F4(比如A站、周五及1a.m.至3a.m.)。操作员亦可加入由因子F1及因子F2组合而成的因子F5(比如A站及周五)。同样地，操作员亦可加入由因子F1及因子F3组合而成的因子F6(比如A站及1a.m.至3a.m.)。操作员亦可加入由因子F2及因子F3组合而成的因子F7(比如周五及1a.m.至3a.m.)。因子F1～F7各有一对应的权重值(比如权重值矩阵w内的因素)。

当关于一装置交换站在一段目标期间内的参考因子已被决定时(比如A站，4p.m.到5p.m.)，即可透过将矩阵x及矩阵w代入方程式A中推导出一能源储存装置的需求预测P。可依据实证信息及更新过的数据连续决定、调整及/或更新对应参考因子的权重值。举例来说，系统可以透过比较供给信息(比如实际交换量)及需求信息(比如预测的交换需求量)来决定参考因子的权重值，藉由实现一以以下目标方程式为特征的目标。

w＝argmin_wsum(P-y)² (方程式B)

y是能源储存装置的实际交换次数。依据上述的方程式B，系统可以决定/调整/更新权重值w，而权重值w可被用以预测未来的能源储存装置的交换情形。

为了有效地解决前面所述的先前技术的“趋势”问题，本揭示内容的系统可依据下列方程式周期性地更新权重值w。

g＝(p-y)x (方程式C)

w_t＝w_t-1-ag (方程式D)

g是梯度，可依据实际交换量y及预测交换量p的差计算出g，然后，依据能源储存装置的实际交换情形，y及p的差可再用来调整对应目标期间的参考因子的权重值。a是失败贡献率(或更新率)，例如一具有复数个元素的矩阵，各元素代表一矩阵x中一对应因子的失败贡献率。

失败贡献率a是参考因子的可靠度的指标。失败贡献率可藉由系统操作员决定或依据经验研究(比如使用与更新权重值w的过程相类似的概念)决定。当系统认定某一参考因子较为可靠，表示该参考因子与预测的计算(比如每一个目标期间的方程式A的计算)的关联性(或频率)较高，且此参考因子对应的权重值更新的频率较高。因此，该参考因子所对应的权重值(较为)可靠。若实际交换次数及预测需求之间的差异很大，该预测需求的不准确性大概不是该参考因子及其权重值所造成。另一方面，如果一参考因子的发生频率并不高(比如特殊事件或一年一度的假日)，预测需求的不准确性较可能是该“不频繁”参考因子所对应的权重值较少训练/更新所致。因此，“可靠的”参考因子会被指定一个较低的失败贡献率，因而该参考因子的更新频率会更高(每次更新皆会较上次变化一点，而每次更新的结果可被累积起来，导致预测变得更精确)。较不可靠的参考因子所对应的失败贡献率的值会较高，且其权重值更新得较不频繁(一旦更新，变化也较大)。举例来说，系统可以决定因子“一周的某一天”较可靠，并给予其较低的失败贡献率，并频繁地更新其权重值。藉由考量失败贡献率，可使“可靠的”因素保持其可靠度而不受非日常的原因或事件影响，且系统可以有效地解决前面所述的“杂讯”议题。在一些实施例中，权重值w及失败贡献率a可透过机器学习获得(亦即决定、调整或更新)，其中机器学习的例示如方程式B、C及/或D的计算。

于一些实施例中，系统可以设定一阈值以限制所要考量的参考因子x的数目，并藉此防止或阻止过度配适。举例来说，一些交换情形可能是由无法预测的事件(比如一使用者的随机行为，该使用者通常在K区域交换装置，但有一天，他在J区域交换装置)造成的。系统会将该随机移动采认为“杂讯”，并且不会依正常的方式调整该杂讯所对应的权重值(亦即不会频繁地更新该权重值)。在一些实施例中，系统可以依照参考因子当下的权重值设定该参考因子的优先度。举例而言，在一些实施例中，系统可以依照经设定的参考因子优先度选择/决定该参考因子。

在一些实施例中，系统可使用其他回归模型，例如Poisson回归。使用Poisson回归的模型可以以下方程式表示：

P＝e^z,z＝w^Tx (方程式E)

因而，该目标方程式为：

w＝argmin_wsum-ln(exp(P-Y)²)) (方程式F)

在其他实施例中，系统可以使用其他适合的方法以建立预测模型，比如基于其他回归格式如线上回归或分批回归的方法、基于“决策树”的方法或其他适合的方法。

在一些实施例中，系统可以在接收到新的参考信息时，更新权重值w。前述的新的参考信息的例示如一个新的使用者、一个新的交换站、一使用者从一个区域移动到另一个区域、一使用者终止订用装置交换服务、一个现有的交换站发生服务中断等。此种更新方式可以命名为“线上”方式。在其他实施例中，权重值w可以周期性地上传，比如每日上传一次或每当接收到新的一批数据即上传一次。

本揭示内容的功效包含：(1)藉由频繁地更新参考因子x的权重值w，有效地解决了“趋势”议题；(2)透过考量失败贡献率a而把“杂讯”问题也解决了；及(3)藉由限制纳入考量的因子的数目而防止或阻止过度配适。前面所讨论的关于方程式A～F(该些方程式即本揭示所谓的模型)的需求预测方法可由一个服务器实施，该服务器的例示如图1一所示的主服务器103或图2所示的服务器系统200，说明如下。

本揭示内容亦是关于一种用于即时(延迟时间在微秒至秒的范围内)或近乎即时(延迟时间在分钟至小时的范围内)预测可交换能源储存装置(比如电池)的需求的方法及系统。在一个实施例中，系统分析各电池交换站的电池需求的历史数据(即实证信息)，然后预测各电池交换站在各时间区间(比如一小时)的电池交换情形。更具体而言，本揭示内容的系统从复数个信息来源(比如电池交换站、电动车辆、电池及使用者移动装置等)搜集信息，并分析该信息并产生参考信息。该参考信息可用以预测一段期间内交换站的可交换能源储存装置的需求量。该搜集到的信息包含的内容例如样本交换站的位置(所有与服务器联结的电池交换站皆可被选为样本交换站，该服务器由一操作员管理)、样本交换站附近的活动、样本交换站周遭的环境情况、使用者的个人数据(如使用者名称、使用者持有的车辆、使用者住址、使用者所订用的电池方案及使用者偏好等)及与样本交换站有关的使用者行为(如电池使用情况、使用者驾驶记录、使用者行为及使用者习惯等)。本揭示内容的系统分析了搜集来的参考信息后，即会决定或辨认不同类型的电池交换站的参考因子，诸如特性或能源消耗模式等。接着，经过决定或辨认的特性或能源消耗模式可作为一个或更多个电池交换站对该站电池进行充电的指导方针。

在一些实施例中，电池交换站是使用者可以触及并交换充电电池，且是静置于一地点的机器。电池交换站可包含(1)一用以作为使用者界面的显示器(2)一具有复数个电池槽的电池架，该复数个电池槽用以容纳并对充电电池进行充电。举例来说，该电池交换站可包含八个电池槽，在操作过程中，只有六个电池槽已为电池占用，而剩下两个电池槽留以供使用者插入要交换的电池(低电量或已耗竭的电池)。在一些实施例中，电池交换站的配置可能不同，诸如不同数目的电池架、显示器及/或电池槽。在一些实施例中，电池交换站可包含模块化的元件(如模块化的电池架及/或模块化的显示器等)，模块化的元件使操作员得以方便地安装电池交换站或扩充电池交换站的容量。电池交换站可电性联结至一个或更多个电力设施以取得对该站内的电池进行充电或进行其他操作(比如与服务器通信)的电力，该电力设施的例示如电力网、电线、蓄电器、发电厂及/或变电站等。下面将参考图1至图3详述电池交换站的实施方式。

在一些实施例中，本揭示内容的系统可依据样本交换站的位置将其分类，该样本交换站即提供实证信息的交换站。举例来说，依据样本交换站至主要交通干道/路线，样本交换站可分类为“高交通流量”类型、“中交通流量”类型或“低交通流量”类型。在一些实施例中，“高交通流量”类型的交换站可定义为距离主要交通干道一公里以内的交换站，“中交通流量”类型的交换站可定义为距离主要交通干道一至五公里以内的交换站，“低交通流量”类型的交换站可定义为距离主要交通干道五公里以上的交换站。本揭示内容的系统可更进一步地辨认一特定期间内各类型的交换站的电池需求情形。在一些实施例中，可依据一些观察将交换站分类，该观察针对特定参考因子及其对应的权重值的模式，且该观察是透过数据分析或机器学习，举例来说，可透过数据分析或机器学习观察到某一特定组合的复数个参考因子及各该复数个参考因子所对应的权重值间具有关联性，例如比例关系的关联性。利用上述方法所导出的一些类型可以用人类可辨认的术语作为代号，比如“高交通流量”类型或“低交通流量”类型，而一些类型则无法以人类可辨认的术语作为其特征。在一些实施例中，预测需求时亦可将电池交换站的类型当作一个参考因子。

在一些实施例中，可将电池的需求描述为:在一特定期内，给所有想要交换电池的使用者提供电池所需的满电或几乎满电的电池的最低数目。举例来说，本揭示内容的系统可决定A站在周一上午8点至11点的期间内须提供123个充满电的电池。在一些实施例中，可将电池需求描述为:在一段期间内，充满或维持最低满电电池数所需的最低电量(比如充电电流的安培数)，或是，在一段期间之前，充满或维持最低满电电池数所需的最低电量。举例来说，本揭示内容的系统可决定为了使A站能够在上午8点至11点提供123个充满电的电池，必须在同日上午5点至7点半之间提供5000mA的电流。

决定了各类型(比如“高交通流量”类型、“中交通流量”类型或“低交通流量”类型)交换站的电池需求，或各类型交换站的交流通量后，本揭示内容的发明可更进一步地使用该信息预测目标交换站的电池需求。举例来说，目标交换站可为距离类似主要干道的大交通流量街道1公里以内的新设站。在此种实施例中，本揭示内容的实施例可使用已决定的电池需求去决定要如何操作该目标电池交换站(比如，如何在一特定期间内充电/维持该站内的电池)，该已决定的电池需求可以图5A或图5B所示的需求曲线，或其他特性表或特性模式表示。透过此种配置，本揭示内容的系统使操作员得以使用具有能源效率的方式维持或控制电池交换站。

在一些实施例中，本揭示内容的系统亦可依据样本交换站的周遭环境(比如靠近观光景点或办公大楼)、及/或特殊事件(比如台风、飓风、剧烈天气情况、寒流或热浪等自然现象，或，职业运动赛事或特殊促销活动等人为活动)对其进行分类。举例来说，可依据周遭环境将样本交换站分类为“都市通勤”类型、“观光景点”类型或“事件导向”类项。例如，“都市通勤”类型会具有一种在通勤高峰期时需求较高的电池需求模式。另一种例子是，“观光景点”类型会具有一种在假日或周末时需求较高的电池需求模式，“事件导向”类型则会具有一种在事件期间需求较高的电池需求模式。

在一些实施例中，本揭示内容的系统可更进一步地依据与样本交换站有关的使用者行为对样本交换站进行分类。与样本交换站有关的使用者行为例如:使用者交换电池的时间点、位置及频率，或，使用者的驾驶习惯，或，使用者的行驶路线，或，使用者订用的电池交换方案(比如月租或预付)，或，使用者订用的电池效能服务套装(比如高效能的运动套装)等。举例来说，可依据周遭环境降样本交换站分类为迎合“杂货买家”类型的使用者、迎合“街头竞速”类型的使用者或迎合“登山者”类型的使用者。举例来说，“杂货买家”类型的使用者的电池需求模示会显示他们频繁地短距离移动至一特定地点(比如一间杂货店)。“街头竞速”类型的使用者的电池需求会显示他们起步时倾向将油门开到最大(比如该交换站靠近一职业赛道)，“登山者”类型的使用者的电池需求会显示他们驾驶时倾向选择上坡路线(比如该交换站靠近一山区景点路线的入口)。

在一些实施例中，可依据样本交换站的电池需求将其分类，比如，可依据样本交换站在一段期间内的电池交换次数将其分类。举例来说，可将样本交换站分类为“高需求”类型、“中需求”类型或“低需求”类型。例如，“高需求”类型交换站的电池需求量可能会是一天1000颗或更多，“中需求”类型交换站的电池需求量可能会是一天100～1000颗，“低需求”类型交换站的电池需求量可能会是一天100颗或更少。总结来说，交换站位置、周间及周末的需求分布、交通流量、周遭环境及使用者行为等特性不只可以用以作为将交换站分类的类型，亦可用以作为使用预测模型(比如方程式A～D)预测电池需求时的参考因子。系统及系统操作员可利用这些特性以及经过机器学习训练的计算模型(或经过更新的计算模型)，透过实际考量以预测电池需求。

在一些实施例中，本揭示内容的系统可利用机器学习的技巧提升电池需求预测的准确度。在一些例子中，本揭示内容的系统可利用监督式机器学习的技巧(比如说，验证训练的结果并提供反馈)以提升准确度。举例来说，系统操作员可将参考因子(或其重要程度)调整成适合的值(依据样本交换站搜集到的实际信息)。举例来说，方程式A、方程式B及方程式D亦可由监督式机器学习计算或推导。在一些实施例中，本揭示内容的系统可利用非监督式的机器学习技巧(比如让系统独立判断如何训练及改进)以提升准确度。举例来说，系统操作员可以设定一目标(比如将所有交换站的能量消耗最小化或达到所有电池需求等)或与目标相关的目标方程式让系统决定如何达成目标或求解目标方程式。

本揭示内容的另一层面是连续地提供一种经过更新的需求信息，或及时地提供一种经过更新的需求信息，或几乎及时地提供一种经过更新的需求信息。举例来说，当一个发生了一个新的事件/数据，比如一个新的使用者订用了一个电池服务方案而得以在现有的交换站交换电池时，本揭示内容的系统可决定此事件会如何影响模型所计算出的需求预测，例如，可决定新使用者的类型并依照该类型决定新使用者所对应的电池需求模式。举例来说，可以使用问卷或调查来决定新使用者的类型。例如，系统可以请使用者自己识别自己的类型。或者，系统也可以分析新使用者所提供的信息(比如年龄、性别、住址及/或通勤路线等)以决定该新使用者的类型。举例来说，只要新使用者购买了高效能套装电池方案(一种可以使用高效能电池或具有交换电池的优先权的电池订用方案)，即可将新使用者识别为“高要求”类型。

在该些实施例中，本揭示内容的系统未来在进行分析或预测时，会依据新使用者的类型将新使用者造成的影响纳入考量。同样地，在一些实施例中，当一个新的交换站投入使用时，本揭示内容的系统未来在进行分析或预测时，亦会依据新交换站的类型将新交换站造成的影响纳入考量。在一些实施例中，使用者类型可能随着不同期间而不同(比如，某一使用者可能在周间是“通勤”类型，而在周末是“竞速者”类型)。因此，本揭示内容的系统能够提供经过更新而准确的电池需求预测分析结果。

在一些实施例中，本揭示内容的系统可让各电池交换站在“离线状态”下操作。在该些实施例中，本揭示内容的系统会设定预设规则及模式供各交换站遵循，若各电池交换站未从服务器接收到进一步指令或更新过的指令，则各电池交换站会遵循预设规则及模式。举例来说，服务器以一固定频率(比如每小时一次)发送次日的电池需求预测给各交换站，各交换站会以该站的需求预测作为预设操作规则，若各交换站未从服务器接收到进一步指令则各电池交换站会遵循该预设操作规则进行操作。举例来说，一些交换站可能位在网络连结偶尔会受到干扰的地点，在本段所述例子中，该些交换站在离线状态(即未连接至服务器的状态)下仍可适当地运行。本揭示内容的系统亦可设定一套“过时指令”供交换站遵循。举例来说，系统会指示交换站遵守先前从服务器收到的指令，只要该指令建立的时间距离当时没有超过两个小时。当两个小时的门槛到达时，交换站即会回到预设的需求规则(比如上述的次日的需求预测)或储存在交换站内的模式。在其他实施例中，预设规则及时间门槛可因不同因素(比如交换站位置及类型等因素)而异。

在一些实施例中，本揭示内容的系统可依据使用者的要求预测电池需求，本揭示内容的系统亦可依据一个或更多个其他触发事件预测电池需求。触发事件的实施例包含，例如，停电、没有在过往的预测中被系统采为参考因子进行考量的需求量的急升、意外事故及/或自然灾害等。在该些实施例中，系统可以启动一预测分析以回应触发事件，并将分析的结果传送至交换站。举例来说，用模型计算预测需求时，系统可在新设定的参考因子与受影响的期间之间建立联系(在进行分析时，该新设定的参考因子可能已是实证信息了)，并进行权重值的训练/更新，以改进需求预测的精准度。

本揭示内容将系统及方法描述为及时(延迟时间在微秒至秒的范围内)或几乎及时(延迟时间在分钟至小时的范围内)地提供电池需求预测。不同实施例可能提供一个或更多个下列技术改良:(1)高效及时电池需求预测或几乎及时电池需求预测；(2)有效地指示一或更多个电池交换站对该站的电池进行充电及/或维持的能力；(3)使操作员可依据复数个如交换站的位置、电池的位置(包括不在该交换站的电池的位置)、周遭环境及事件等因子设定符合需求的电池充电规则的能力；及(4)透过具有能源效益的方式，提供令人满意的电池体验，进而提供品质更好的使用者体验的能力。

在一些实施例中，可依据本揭示内容的系统所搜集的历史数据对充电规则赋予特征、决定、进行定义、进行预测及/或进行“训练”，并更进一步地依据更新的数据(比如新的电池使用数据及新的使用者行为数据等)进行调整。在一些实施例中，可依据更新的数据按日/周/月/季将充电规则更新。

在一些实施例中，本揭示内容的系统可针对新的或经更新的充电计划进行模拟以使交换站系统对于是否实行该新的或经更新的充电计划可以进行当站本身的判断。例如，系统判断一第一电池交换站因进行常规维护作业而离线(比如离线一天、一小时或服务器所预测的任何时间区间)，系统便会产生一个更新的电池充电计划给邻近该第一电池交换站的一第二电池交换站。例如，系统判断第一电池交换站转为离线将会造成第二电池交换站的电池需求上升。因此，系统会传送一个经更新的电池管理计划给第二电池交换站。第二电池交换站收到经更新的电池充电计划便会对该经更新的电池充电计划做一个模拟。该模拟为一个背景程序而不会对现有的电池管理计划的执行造成本质上的干扰。在一些实施例中，该模拟包含依据经更新的电池充电计划对该站内的电池的充电过程进行模拟。在一些实施例中，该模拟的项目包含：依据该经更新的电池管理计划是否可产生足以供应实际需求的已充电的电池数目。举例来说，为因应预期的电池需求上升情形，模拟的电池充电计划会要求第二电池交换站以快于正常速度(即现有电池充电计划的充电速度)的速度对电池充电。经过一段时间(比如12小时)后，模拟结果即已产生(比如以更快的速度充电将造成全站温度上升五摄氏度)。然后比较模拟结果与实际需求情形。例如，实际情形显示以正常速度对电池充电仍可满足过去12小时的需求(比如没有使用者为电池而等待)。在该些实施例中，该第二电池交换站可决定不执行该经更新的电池充电计划。

为达解释的目的，以下说明将陈述一些特定细节以提供对本揭示内容的实施例的完整理解。然而，本揭示内容的实施例亦可在缺少其中一些特定细节的情况下实施。

图1是依据本揭示内容所绘示的一系统100的示意图。如图1所示，系统100包含一个或更多个电池交换站101A～101D、一主服务器103、一数据库105及一网络107。如第一图所示，电池交换站101A及电池交换站101D经由网络107与主服务器103无线连结。电池交换站101B及电池交换站101C经由网络107与主服务器103有线连结。主服务器103与数据库105连结。数据库105可储存参考信息(比如上面讨论过的电池需求参考信息)。

以电池交换站101A为例，在图1所绘示的实施例中，电池交换站101A可包含一电池交换架113及位于电池交换架113上方的一使用者界面115(比如一显示器)。如图1所示，电池交换架113可包含八个用以容纳电池的电池槽117a～117h。在操作过程中，只有六个电池槽(117a、117b、117d、117e、117f及117h)为电池所占用，剩余的两个电池槽(117c及117g)保留给使用者插入要交换的电池(比如低电量电池)。在一些实施例中，电池交换站101A～101D可以有不同的配置，比如不同数目的电池架、显示器及/或电池槽。在一些实施例中，电池交换站101A～101D可以包含模块化的组件(比如模块化的电池架及模块化的显示器等)，模块化的组件可使操作员更方便地安装或扩充电池交换站101A～101D。电池交换站101A～101D可电性连结至一个或更多个电力源(比如电力网、电线、蓄电器、发电厂/变电站、太阳能电池及风力发电器等)以接收用于对站内电池充电或进行其他操作(比如与主服务器103通信)的电力。

在一些实施例中，可用程序设定电池交换站101A中的一处理器要求使用者在从交换站101A中取出一个电池前先插入另一个电池。在一些实施例中，电池交换站101A则不要求使用者在从交换站101A中取出一个电池前先插入另一个电池。在一些实施例中，电池交换站101A允许使用者在一次交换中取出或插入特定数目(比如2个)的电池。然而，在其他实施例中电池交换站101A可允许使用者在一次交换中取出或插入其他数目的电池(比如一个、三个或四个等)。在一些实施例中，电池交换站101可以具有一用于保护站内电池的上锁机制。在一些实施例中，电池交换站101可不具有上锁机制。

在一些实施例中，主服务器103可为接收客户要求并安排其他服务器实现该些要求的边缘服务器，前述其他服务器如图1所示的服务器109A～109C。服务器109A～109C更连接至数据库111A～111C。尽管主服务器103及服务器109A～109C皆逻辑性地绘示为单一服务器，主服务器103及服务器109A～109C亦可为包含复数个位于同一个或不同个地理或物理位置的计算装置的分散式计算环境。

在一些实施例中，主服务器103及服务器109A～109C皆可作为其他服务器/客户装置的服务器或客户。如图1所示，主服务器103连接至数据库105。服务器109A～109C皆可连接至数据库111A～111C的任一者。如上面所讨论的，主服务器103及服务器109A～109C皆可对应一组服务器，而该组服务器中的各服务器皆可分享一个数据库或具有各自单独的数据库。

数据库105、111A～111C可储存与本揭示内容相关的信息，例如从复数个装置交换站各站接收的关于能源储存装置的交换情形的实证信息、用于预测需求的计算模型、参考因子的列表、主服务器103所搜集的信息、主服务器103产生的信息、参考信息、使用者帐户信息、使用者的电池计划、使用者历史、使用者行为及使用者习惯等。在一些实施例中，数据库111A～111C中至少一个可为政府或私人个体所维护的公众可触及的数据库(例如天气预测数据库、旅游警报数据库、交通信息数据库、位置服务数据库及地图数据库等)，其中，一些参考因子可与另一个参考因子或一段期间联结在一起。在一些实施例中，数据库111A～111C中至少一个可为提供专有信息的不公开数据库(比如使用者帐户、使用者信用记录及使用者订用信息等)。在一些实施例中，服务器109A～109C及/或数据库105是由一电池服务提供者(比如提供使用者多种电池交换方案的者)操作。

在图1所绘示的实施例中，主服务器103可包含经程序设定用于从电池及交换站101A～101D搜集关于电池需求的信息。例如，所搜集的信息可包含：(1)电池交换站101A～101D的位置；(2)电池交换站101A～101D中的电池数目；(3)不在电池交换站101A～101D中的电池(比如当下正装在车辆中或使用者另外持有或储存的电池)的数目或位置；(4)上述电池的电荷状态(state of charge,SOC)；(5)电池的使用记录；(6)电池交换站101A～101D附近的的事件(比如上面讨论过的触发事件)；(7)电池交换站101A～101D的周遭环境；(8)关于样本交换站或电池的使用者行为(比如电池使用情形、使用者驾驶记录、使用者行为及使用者习惯等)及/或(9)其他适合的信息。

如上面所讨论的，主服务器103可用以进行方程式(A)～方程式(F)，亦即“模型”的处理/计算。例如，主服务器103可(1)在一初始期间中从电池交换站101A～101D各站接收关于能源储存装置的实证信息；(2)决定一目标期间；(3)辨别在目标期间中对应电池交换站101A～101D各站的复数个参考因子；(4)依据经辨别的参考因子及与该经辨别的参考因子相关的权重值决定目标期间中电池交换站101A～101D的需求信息及(5)依据目标期间的需求信息产生电池交换站101A～101D各站的复数个充电计划。

搜集到该些信息后，主服务器103的处理器便会分析搜集来的信息以辨认电池交换站101A～101D的特性或模式。例如，主服务器103可依据该分析决定一个或更多个电池需求特性/模式。接着，该特性/模式可用以作为操作电池交换站101A～101D或操作其他连结至主服务器103的电池交换站的指导方针。

关于主服务器103的操作的实施例将在下面参考图2讨论。

网络107可为区域网络(LAN)或广域网络(WAN)，亦可为其他有线或无线网络。网络107可为网际网络或其他公共或私人网络。电池交换站101A～101D可经由一网络接口，比如有线或无线通讯，连接至网络107。尽管图1绘示主服务器103及服务器109A～109C为分离的连接，这些连接可为任何一种区域、广域、有线或无线网络，包括网络107或一分离的公共或私人网络。在一些实施例中，网络107包含一私人实体(比如一公司等)所用的一安全网络。

图2为根据本揭示内容的一些实施例所绘示的一种服务器系统200的示意图。该服务器系统200是用于搜集与复数个可由服务器系统200调动或管理的电池相关的信息。服务器系统200亦是用于分析搜集到的信息并依据该分析传送一信号或指令至一客户站20以控制该客户站20的一程序(比如一充电程序)。在一些实施例中，客户站20可为上面讨论过的电池交换站101A～101D。在其他实施例中，客户站20可为其他合适的客户装置。

如图2所示，服务器系统200包含一处理器201、一记忆体203、输出入装置205、储存元件207、一需求分析元件209、一能源分析元件211、一站别分析元件213、一电池分析元件215、一使用者行为分析元件217、一车辆分析元件219及一通讯元件221。处理器201是用于服务器系统200中的处理器201及其他元件(比如元件205～221)。在一些实施例中，处理器201可为一装置中的单一处理单元或多重处理单元或分散在数个装置中的单一处理单元或多重处理单元。处理器201可连结至其他硬件装置，例如，在利用总线的情况下，以周边组件互连总线或SCSI总线连结至其他硬件装置。处理器201可与一装置的硬件控制器通讯，比如元件205～221的硬件控制器。

记忆体203连结至处理器201，并是用于储存控制其他元件的指令或服务器系统200内的其他信息。在一些实施例中，记忆体203可包含一个或更多个不同的用于挥发性储存或非挥发性储存的硬件装置，并且可以包含只读及可写记忆体。例如，记忆体203可包含随机存取记忆体(RAM)、处理器暂存器、只读记忆体、非挥发性可写记忆体、快闪记忆体、装置缓冲器等。记忆体203并非一从基本硬件分离出来的传送信号，因此是非短暂的。记忆体203可更进一步包含一储存程序及软件的程序记忆体，例如，该程序及软件可为一操作系统。记忆体203亦可包含一可储存与服务器系统200相关的信息的数据记忆体。

输出入装置205是用于与操作者沟通(例如从操作者接收一输入及/或对操作者显示信息)。在一些实施例中，输出入装置205可为一元件(比如一触控屏幕)。在一些实施例中，输出入装置205可包含一输入装置(比如键盘、指向装置、卡片读取器、扫描器及相机等)及一输出装置(比如一屏幕、网络卡、扬声器、视频卡、音频卡、打印机或其他外部装置)。

储存元件207是用于暂时或永久储存与服务器系统200有关的信息/数据/档案/信号(比如搜集到的信息、参考信息、要进行分析的信息及分析结果等)。在一些实施例中，储存元件207可为一硬盘机、快闪记忆体或其他合适的储存手段。通讯元件221是用于与其他系统(比如客户站20或其他交换站)及其他装置(比如使用者所携带的一移动装置或车辆等)通信。

需求分析元件209可为一系列可由处理器执行以搜集并储存(比如存在储存元计207中)用于分析的信息的指令。该被搜集的信息可包含下列的一个或更多个：(1)复数个样本交换站的位置(例如，在一些实施例中包含客户站20；在其他实施例中，则不包含客户站20)；(2)该复数个样本交换站中的电池数目；(3)不在该复数个样本交换站中的电池的位置及数目；(4)关于电池制造商、制造日期/批次、已经历充电循环次数、电池所经历过的工作温度(包含一单电池温度及一电池电路温度等)、电池充电/放电的量/速率、电池的满充电容量/电流容量(比如满充电容量FCC或电荷状态SOC等)、单一电池类型、电池硬件/固件版本、电池健康状态SOH、电池年龄(以时间或充电周期计)、电池直流内电阻DCIR、及/或其他合适的电池信息(比如电池错误通知、状态或讯息等)；(5)可能改变使用者电池体验(比如使用者使用/交换电池的方式)的活动或事件；(6)可能改变使用者体验的环境因素及/或(7)关于使用者电池方案及使用者驾驶记录使用者行为或使用者习惯等的使用者设定档信息。接收到所要搜集的信息后，需求分析元件209即可分析搜集到的信息。上面搜集的每种类型的信息皆可加以分析，并藉分析的结果辨认各种类型的信息的特性/模式(以图5A及图5B所示特性曲线的形式呈现，下面将会讨论)。这些经辨认的可以被需求分析元件209单独或结合考虑以产生客户站20的电池需求预测(比如使用上述方程式A～方程式F的模型进行考虑)。

在一些实施例中，需求分析元件209可执行依据搜集到的信息及参考因子的重要性及可靠性以排出搜集到的信息及参考因子的优先次序的指令。例如，在决定客户站20的电池需求预测时，需求分析元件209可将交换站的位置作为一个主要因子并将其他项目设定为次要因子。在该些实施例中，服务器系统200可依据样本交换站的位置识别客户站20的每日电池需求预测曲线(比如图5A及图5B所绘示的曲线，下面将会详细讨论)。接着，需求分析元件209可执行考量其他次要因子以调整经辨认的每日电池需求曲线的指令。例如，若需求分析元件209依据使用者设定档判断客户站20的预期使用者为高需求使用者，需求分析元件209便可提高电池需求预测。在一些实施例中，举例来说，需求分析元件209可以依据上述机器学习过程的结果调整电池需求预测。

在一些实施例中，需求分析元件209执行指令以给不同类型的搜集到的信息不同的权重，并且将该类型作为计算上述方程式A～方程式F的预测需求模型时的参考因子。例如，需求分析元件209可将“交换站位置”、“使用者行为”、“交换站附近的事件”及“环境因素”的权重值分别设为50％、20％、15％及15％。在该些实施例中，经过辨认的各类型搜集到的信息的特性/模式可再依据前述权重值结合。在一些实施例中，需求分析元件209可执行指令以依据经验研究、机器学习过程及/或系统操作员的偏好决定要将何种类型的搜集到的信息及其对应的权重值用于预测的中。

在一些实施例中，需求分析元件209为一系列的用于依据搜集到的信息的可靠度决定各类型搜集到的信息的优先度或权重值的可执行指令。例如，程序将需求分析元件209设计为会给予在电池内建记忆体上测量和搜集到的信息更高的权重值或优先度，因为服务器系统200将该种信息视为直接/内部的信息，故该种信息会较间接/外部信息，比如环境因素(例如天气预报或事件通知等)，更为可靠。电池的内建记忆体所储存的信息的实施例如(1)电池制造信息、(2)电池基本特性及(3)电池使用情况。

电池制造信息的例示如可包含：制造商身分(比如，不同制造商制造的电池可能有不同特性，即使规格可能是一样的)、制造日期(比如，不同日期制造的电池可能有不同的特性)、制造批次(比如，不同批次制造的电池可能仍有一样的特性)、电池硬件/固件版本及/或制造序列编号(比如，个别电池之间可能有不同特性)。

电池基本特性的例示可包含：电池容量(比如满充电容量FCC)、电池放电容量(比如在特定情况下电池可以提供多少能量)、单一电池类型、电池直流内阻DCIR)及/或一建议电池工作温度(比如摄氏5度到摄氏35度的温度范围，包括一单一电池温度及一电池电路温度)。其他电池基本特性例示可包含:建议电池充电温度(比如摄氏25度到摄氏40度的温度范围)、建议充电电流(比如恒定电流或调整电流)、建议充电电压(比如恒定电压或调整电压)、建议电池充电循环(比如每周至少一次完整循环)、建议电池充电速度(比如每五分钟增加10％电荷状态)、建议完全充电点(比如FCC的98％)及/或建议充电时间(比如不要连续充电超过五个小时)。

电池使用情形的例示包含：电池实际充电温度历史(比如一电池昨日和今日分别在30摄氏度及35摄氏度充电了25分钟)、电池实际充电电流(比如1安培～200安培)、电池实际充电电压(比如1伏特～220伏特)、电池实际充电循环(比如一电池已经历50次完整循环及125次部分循环)、电池实际充电速度或充电速率(比如每小时20安培)、电池实际充电时间(比如一电池昨日充电了56分钟)、电池实际工作温度(比如一电池昨日在35摄氏度下工作了2小时)及电池实际放电时间(比如电池昨日以满电流容量放电了66分钟)。

在一些实施例中，需求分析元件209可与服务器系统200中的其他元件(比如元件211～219)通信及协同操作以产生客户站20的电池需求预测。在一些实施例中，服务器系统不需元件211～219即可运作。

电源分析元件211可为若干个分析一个或更多个用于提供客户站20对其站内电池进行充电的电源的状态(比如可靠度、稳定度或连续性等)的可执行指令。例如，电源分析元件211可决定:在一特定日期的1a.m.到3a.m.的期间，一用于提供客户站20电力的电源将会受到干扰，接着，相应地，电源分析元件211便可依据电池需求预测调整给客户站20的一充电指令。例如，原本的电池需求预测显示在某特定日期的2a.m.时，客户站20需要5个充满电的电池。由于判断的可能电源干扰，电源分析元件211可指示客户站20在该日1a.m.之前对电池充电。

在一些实施例中，电源分析元件211可执行指令以考量在不同期间进行充电的成本。例如，电源分析元件211可决定在离峰时段一电源的充电成本将会降低。电源分析元件211可决定，依照需求预测元件209的电池需求预测，客户站20在离峰时段充电是否可行。若可行，电源分析元件211可指示客户站20在该些离峰时段对电池充电以降低充电成本。

站别分析元件213可为一系列的用以将复数个样本交换站分类为不同类别并辨认各类别的代表特性/模式以使需求分析系统209可依据该代表特性/模式进行分析的可执行指令。例如，站别分析元件213可分析搜集到的信息并依据电池需求将样本交换站分为不同类别。例如，交换站可被分类为“一直高需求”、“尖峰时段高需求”、“假日高需求”、“周末高需求”、“遇到事件高需求”及“一直低需求”。在一些实施例中，“一直高需求”类型表示该站位于非常繁忙的街道上。“尖峰时段高需求”类型表示该站在尖峰时段时常有通勤族使用者造访。“假日高需求”类型或“周末高需求”类型表示该站位于旅游景点或观光景点。“遇到事件高需求”类型表示该站位于活动设施或体育场。“一直低需求”表示该站是一个战略性地设于两个主要城市之间的接力站。依据这些类型，需求预测元件209及站别分析元件213快速地决定合适的电池需求预测给客户站20，尤其在搜集到的信息不足以供需求分析元件209进行正常分析的情况下，更是如此。

类似于站别分析元件213，电池分析元件215、使用者行为分析元件217及车辆分析元件219是以程序设计的用于将电池、使用者行为及电池驱动的车辆分为不同类别并辨认各类别的代表特征/模式的指令。例如，电池分析元件215会依据电池的制造商、年龄、原满充电能量、现满充电能量、充电循环、经历过的工作温度或充电/放电规则/设定档(比如稳定或有峰值)等将电池分类。在服务器200知道客户站20站内电池的类型的前提下(例如，客户站20可向服务器系统200提供该信息)，该类型或特性可促使需求分析元件209对客户站20的电池需求预测(及对应的充电指令)进行微调。

同样地，使用者行为分析元件217可为一系列的依据使用者如何交换及/或使用电池的情形将使用者行为分类的可执行指令。例如，一使用者可能对电池效能要求非常高(比如职业赛车手)。另一种例子中，另一使用者可能只使用电池驱动他的车辆来办些日常差事(比如接送小孩或买杂货)。在该些实施例中，本揭示内容的系统可相应地预测使用者的每日或每周电池交换惯例或交换电池的频率等信息，当一使用者在客户站20预定一电池，客户站20便提供关于该预定的信息给服务器系统200。接着服务器系统200便可决定该预定电池的使用者的类型/类别，并调整客户站20的电池需求预测(及相对应的充电指示)。在一些实施例中，该客户站20可自行进行该调整。

车辆分析元件219可为一系列的将使用者计划要操作的车辆分为不同类别的可执行操作。车辆分析系统219可决定哪种类型的电池最适合哪种类型的车辆。例如，车辆分析系统219可决定电动机车最适合一经过特定充电过程的特定种类的电池。在该些实施例中，若服务器系统200接收到相关车辆信息，车辆分析元件219可与需求分析元件209偕同操作以调整电池需求预测(及其对应的充电指示)。在一些实施例中，该种信息可于使用者设定档或帐户信息中寻得。在其他实施例中，该种车辆信息可由客户站20提供给服务器系统200。

在一些实施例中，服务器系统200可以即时或几乎及时的方式提供电池需求预测给客户站20。在该些实施例中，服务器系统200监测客户站20的状态。当出现一可能影响客户站20的充电过程的改变(比如一使用者从客户站20取出两个充满电的电池并留下两个耗尽的电池)或潜在改变(比如一使用者向客户站20做出交换电池的预定)时，服务器系统200会进行上述分析并产生一经更新的电池需求预测供客户站20遵循。在一些实施例中，改变或潜在改变可由一移动装置(比如使用者使用装在该移动装置上的app做出一个电池预定)、另一个服务器(比如一与使用者所用app相关的网络服务服务器)及/或客户站20传送给服务器系统200。

在一些实施例中，客户站20可为一新的客户站(比如非样本交换站)。在该些实施例中，服务器系统200可依据先前所搜集的信息及/或服务器200先前所做的分析(比如参考因子)产生电池需求预测。例如，服务器系统200可判断客户站20可为一特定类型的交换站(比如“高交通流量”类型、“中交通流量”类型或“低交通流量”类型、“都市通勤族”类型、“旅游景点”类型及/或“事件导向”类型等)，然后依据所判断的类型产生电池需求预测。

在一些实施例中，服务器系统200可以同时管理复数个客户站。在该些实施例中，服务器系统200可监测该复数个客户站，从中搜集信息并产生各各户站的电池需求预测。

图3是依据本揭示内容的一些实施例所绘示的一交换站或一交换站系统300及一车辆或一车辆系统30。如图3所示，该交换站系统300包含一处理器301、一记忆体303、一使用者界面305、一通讯员建307、一电池管理员建309、一个或更多个感应器311、一个储存元件313、一个充电元件315及连结至该充电原间315的八个电池槽317a～317h。该处理器301是用于与交换站系统300中的记忆体303及其他元件(比如元件305～307)相互作用。该记忆体303连结至该处理器301，且是用于储存控制交换站系统300中其他元件或其他信息的指令。

使用者界面305是用于与一使用者互动(比如接收一使用者输入信号并向使用者呈现信息)。在一些实施例中，使用者界面305可为一触控屏幕，在其他实施例中，使用者界面305可包含其他合适的使用者界面装置。储存装置313是用于暂时或永久储存与交换站系统300相关的信息、数据、档案或信号(比如感应器313测量的信息、电池317a～317h搜集的信息、参考信息、充电指令及/或使用者信息等)。通讯元件307是用于与其他系统(比如车辆系统30、一服务器33及/或其他交换站系统)及其他装置(比如一使用者所携带的移动装置31)进行通信。

电池管理元件309可为一系列的管理及控制位于电池槽317a～317h内的电池的可执行指令。在一些实施例中，电池管理元件309可依据服务器33所传送的指令管理电池(可以类似于服务器系统200的一些实施例中的方式运作)。在一些实施例中，电池管理元件309可依据预先决定好的指令或储存于交换站系统300中(比如存在储存元件313中)的指导方针管理电池。在一些实施例中，电池管理元件309可周期性地与服务器33通信以请求更新指令。

在一些实施例中，电池管理元件309亦可执行指令以搜集关于一个或更多个的位于电池槽317a～317h内的电池的信息、关于交换站系统300的信息、关于一个或更多个电源35的信息、关于一使用者的信息(比如经由通讯元件307从移动装置31接收的使用者信息)及/或关于车辆系统30的信息。电池管理元件309可传送或上传所搜集的信息至服务器33以进行更进一步的分析或处理。

感应器311是用于测量与交换站系统300有关的信息(比如工作温度、环境因素、电源连结、网络连结及其他有关信息)。感测器311亦可用于监测位于电池槽317a～317h内的电池。感测器311所测量的信息可传送至电池碗里元件309及服务器33以获得更进一步的分析。

充电元件315是用于控制各位于电池槽317a～317h内的电池的充电过程。在一些实施例中，交换站系统300可包含其他数目的电池槽。电池槽317a～317h是用于容纳置于其内并/或锁于其内的电池或用于对置于其内并/或锁于其内的电池进行充电。充电元件315自电源35接收电力后依据一接收自服务器33或储存于储存元件内的预先决定的充电计划(比如一套指示在何时以何种方式对一电池充电以达成诸如最大化电池生命周期及在电池的不同充电阶段控制一充电温度等的目标的指令)用所接收到的电力对置于电池槽317a～317h内的电池进行充电。在一些实施例中，该充电计划可依据服务器33所产生的电池需求预测决定。

如图3所示，车辆30可为电动机车或电动汽车等电动车辆。车辆30包含一处理器319、一记忆体321、一电池323、一马达325、一输入装置327、一仪表显示器329、一储存装置、一个或更多个感测器333及一通讯元件335。处理器319是用于与车辆系统30内的记忆体321及其他元件(比如元件323～325)进行交互作用。该记忆体321连结至该处理器319，且是用于储存控制交换站系统30中其他元件或其他信息的指令。该通讯元件335可具有与通讯元件307或储存元件313或321相似的功能。该仪表显示器329是用于呈现视觉信息给使用者(比如关于车辆系统30的信息)。

电池槽323是用于驱动马达325以使马达325可移动车辆系统30。电池323可为一可交换电池。当电池323的电力用完时，车辆系统30的使用者可至交换站系统300交换或交换电池323。例如，使用者可从车辆系统30中取出电池323，接着将电池323置于电池槽317a～317h其中的一(比如一内无电池的空槽)。使用者接着便可从电池槽317a～317h中取出一个充满电的电池并将其安装置车辆系统30中。

在一些实施例中，当使用者将电池323置于电池槽317a～317h其中的一内时，交换站系统300可侦测到该电池的存在并从中抽取信息。例如，电池管理元件309可从一电池内建记忆体337中抽取与该电池相关的信息(比如电池使用情形、电池身分、充电循环、满充电容量、电池323所关联的车辆的车辆信息、使用者与电池323有关的活动及其他类似的信息)，该电池内建记忆体337是设置于电池323内或是连接至电池323。在一些实施例中，电池内建记忆体337中的信息可由通讯元件335或使用者移动装置31传送至服务器33。

图4是根据本揭示内容的一些实施例所绘示的一种云端系统400的示意图。该云端系统400可包含一服务器401、一云端服务器403及复数个交换站405(标号为405A1～405A3及405B1～405B2)。服务器401是用于从该复数个交换站405搜集信息、分析所搜集的信息并产生一电力需求预测(即一电池需求预测)。服务器401可具有与服务器系统200相似的功能。云端服务器403是用于促进服务器401与该复数个交换站405之间的通信。

如图4所示，该复数个交换站405可分为A组(包含交换站405A1～405A3)与B组(包含交换站405B1～405B3)。例如，A组的交换站可为位于区域A的交换站，B组的交换站可为位于区域B的交换站。云端系统400使一操作者得以用一种集中化的有效的方式管理该复数个交换站405。举例来说，该服务器401可直接与交换站405A3经由一网络连线通信(比如箭头C1所示)。在一些实施例中，交换站405可作为一数据/通讯接力装置。例如，如图4所示，服务器401可经由交换站405A1与交换站405A2通信(比如箭头C1及C2所示)。在一些实施例中，服务器401可经由云端服务器403与复数个交换站405通信(比如箭头C3所示)。例如，服务器401可经由云端服务器403及交换站405B1与交换站405B2通信(比如箭头C3、C5及C6所示)。藉由此种具有弹性的通讯配置，服务器401可有效地与各该复数个交换站405进行即时或几乎及时通讯，进而消除或至少降低网络阻塞所造成的不便或延迟。

图5A是根据本揭示内容的一些实施例所绘示的一种复数个交换站系统的特性的示意图。图5A绘示了三个二维特性曲线501A、501B及501C，在其他实施例中特性曲线则可能是三维或多维的，视产生特性曲现时所考量的参考因子的数目而定。

特性曲线501A～501C表示依据复数个样本交换站的信息(比如上述搜集的信息)生成(比如，由一如服务器系统200的服务器所生成)的装置站A～C的电池需求预测(或电力消耗预测)。在一些实施例中，该些特性曲线501A～501C可与实际测量的结果做比较以验证及/或增强这些曲线的准确度(比如，以特性曲线501A与A站实际测量所生成的曲线比较)。在该些实施例中，比较的结果可用以进一步调整特性曲线501A～501C。在一些实施例中，本揭示内容可使用此种方式，以不同的因子、因子的权重及演算法等微调本揭示内容的分析。

如图5A所示，特性曲线501A有一峰部503，显示A站属于“尖峰时段高需求”类型。特性曲线501B有一平滑的曲线，可能显示B站在特定期间内(比如早晨)有相对较高的电池需求，因此，B站可能是一个“通勤”类型的交换站。至于C站，特性曲线505C在中午时段具有一高原部分505。该高原部分505显示C站在中午有相对较高的电池需求，这可能是靠近C站的某间知名餐厅所引起的交通流量造成的。在一些实施例中，本揭示内容可提供复数种类型的特性曲线或模式，可以将该复数种类型的特性曲线用以作为参考信息以求出一电池交换站的电池需求预测。

图5B是依照本揭示内容的一些实施例绘示的示意图。图5B中绘示了三条X站的特性曲线507A～507C。特性曲线507A～507C呈现了依照复数个样本交换站的信息生成的X站在不同时间轴(日、周及年)上的电池需求预测。

如图所示，特性曲线507A具有两个峰部508及509。峰部508及509可能象征X站附近的通勤交通情形。特性曲线507B在周间具有一高原部分511，可能表示X站靠近一条通勤族在周间，而不是周末，所密集使用的一条路。特性曲线507C亦有两个分别在二月及四月的峰部513及514。此二个峰部513及514可能象征着在一个靠近X站的体育馆中举办的活动(比如在二月跟四月举办的活动)所造成的电池需求。

在一些实施例中，本揭示内容可藉由选择不同的因子与时间轴提供其他类型的特性或模式。例如，使用上面讨论过的方程式A～F的模型时，可将图5A及图5B中的特性曲线501A～501C及507A～507C分为复数个时间区间，然后辨识各时间区间的电池需求(以作为需求信息)以更进一步地计算。藉由此种安排，本揭示内容使操作员可有效地一特定电池交换站的电池需求(不论该交换站是现有的或新的)。本揭示内容提供有效地维护复数电池交换站的弹性。本揭示内容可增强能源效益并藉此减少对电池充电的总体花费。

图6是依照本揭示内容的一些实施例所绘示的一种方法600的流程图。方法600是用于预测一电池交换站的可交换电池的需求。方法600可藉由一服务器实施(比如服务器系统200)。在一些实施例中，方法600可藉由一电池交换站实施(比如交换站系统300)。方法600由步骤601开始，步骤601是从复数个能源储存装置接收信息。在一些实施例中，该复数个能源储存装置可位于复数个样本交换站或车辆中，或是由使用者所持有/保存。

在步骤603中，方法600接着依据预先判断的参考信息分析所接收的信息。该预先判断的参考信息包含一套复数个交换站类型的特性。在步骤605中，方法600接着判断一目标期间中复数的交换站中能源储存装置的预测交换数目。如图所示，服务器对数个交换站建立一通讯连结，且服务器为程序控制以依据接收到的信息预测一交换站的电池交换需求。接收到的信息可能包含先前所描述的各交换站的位置、预测天气、或电力供应的变化的数据，或，从之前交换的电池中取回的可用度信息(充电站制造日等)、之前使用过该站的使用者的信息、即将到来的预定的信息、天气预测及特殊事件等。服务器受程序控制从所接收的数据中，辨识出一个或更多个能够紧密地预测所选期间中的实际需求的参考因子。在一个实施例中，服务器使用机器学习演算法辨识一个或更多个可以紧密接近实际需求的参考因子的权重值(可能为零)。接着，使用所辨识的权重值及参考因子预测一个新期间的电池需求，并且将一个依据该电池需求产生的充电计划传送至各交换站。

在步骤607中，方法600接着判断在目标期间到来前可以提供给各该复数个交换站的可用电力。然后在步骤609中，产生一个用于各该复数个交换站的充电计划。在步骤611中，方法600包含以下操作:指示各该复数个交换站依据充电计划对其中的可交换能源储存装置进行充电。接着方法600便返回并等待后续指令。

在一些实施例中，本揭示内容所产生的电池需求预测可用于将该复数个样本交换站(或该复数个交换站的时间间距)分离为不同群集(比如，使用k-平均演算法)。该分群过程是为辨识一群集的代表交换站(比如一虚拟或计算出的交换站)而设计。该分群过程可助简化或加速预测需求的计算(比如对每个群集，系统只需计算一种预测)。在该些实施例中，当分群过程一完成，本揭示内容的系统未来计算需求预测时便只需帮每一群集计算各一次。

在一些实施例中，群集可以“站别”及“时间间距”为特征。例如，A群集、B群集及C群集代表不同程度的需求，比如，A群集中的交换站有最低的需求，B群集中的交换站有最高的需求，而C群集中的交换站的需求程度介于A群集与B群集之间。将每一站的每一时间区间分群过后，A群集即可代表X站在1a.m.到4a.m.期间的电池需求，B群集即可代表Y站在5p.m.到6p.m.期间的电池需求，而C站即可代表Z站在2a.m.到4a.m.期间的电池需求。在一些实施例中，群集可以复数个一周间的期间作为特征。例如，A群集不只代表1a.m.到4a.m.期间的X站，亦代表了4a.m.到6a.m.之间的Y站及12a.m.到3a.m.之间的Z站(亦即这几个期间的X、Y及Z站有相似的需求，所以这几个站别在分群过程中皆被分到了A群集中)。在一些实施例中，分群过程可在特定条件下达成(比如控制因素)。例如，周间可以有6个群集(比如群集WD1～WD6)，而周末可以有3个群集(比如群集WE1～WE3)。

在一些实施例中，可再进一步依据环境因素，比如晴天或雨天，将群集分群。例如，晴天的情况可以有三个群集(群集S1～S3)，雨天的情况可以有三个群集(群集R1～R3)。在一些实施例中，可以两个或更多个因素判断群集。例如，周间/周末、晴天/雨天皆可做为分群所依据的特征。若使用上述范例，考量周间/周末及晴天/雨天两种因素后，可分出27个群集(9*3)。本揭示内容的系统可进一步考量其他诸如位置及使用者类型等因素以分出更多群集。

在一些实施例中，一些群集可被辨认或标示为与某些交换站特征紧密关联(比如交换站的位置)。在一些实施例中，交换站可依据某些特征被辨认或标示。例如，系统可以选择以周间/周末作为控制因素，然后辨认“9a.m.到12a.m.的X站”是否有任何相似于群集WD3、群集WD2、群集WD4及群集WD5的需求特征。例如，一些群集可被辨认为“城市类型”、“乡村类型”、“景点类型”或“市中心类型”等。然而，一些群集可能同时与复数个特征有关而尚不能被辨认为与一个特定因素有关。在一些实施例中，本段落所提及的特征是依据系统偏好或统计结果/以历史信息训练机器的结果判断得出的。

在一些实施例中，分群过程可依据同一笔数据中的不同因素达成。辨认/标示过程(比如辨认某些特征)可藉由考量所有分群结果(可使用，亦可不使用对应该些因素的权重值)以达成。例如，一个“城市类型”的群集可能会有：(1)一个“周间类别”的需求分布D1(2)一个“晴天类别”的需求分布D2。另一种例子是，一个“乡村类型”的群集可能会有一个“周间类别”的需求分布D3，但在“雨天类别”则会有另一个需求分布D2。

当分群过程完成后，系统可接着依据对应的群集指定电池需求预测给一个交换站的不同期间。例如X站的周四1a.m.到4a.m.期间被判断为属于群集WD2。依据群集WD2的一电池需求预测，该期间有20次电池交换。因此系统可判断X站在每周四1a.m.到4a.m.会有20次预期电池交换。在图5A及图5B所绘示的实施例中，最小的时间间隔是小时。在其他实施例中，最小的时间间隔可为其他时间长度。

在一些实施例中，当本揭示内容的系统产生一需求预测(比如给各群集产生预测)时，本揭示内容的系统可更进一步地藉由选取一个或更多个因素并使用该些因素产生需求预测(比如“监督”预测结果)以节省计算过程及计算资源的方式简化需求预测过程。

举例来说，系统操作员可选择三个因素以简化需求预测过程。该三个因素为：(1)天气(比如使用者在寒冷的天气因素下可能不愿走到电池交换站)；(2)国家或地方节日(比如“通勤类型”使用者在节日时的电池交换量可能少于正常上班日)；(3)特殊事件(比如有音乐会在靠近交换站的地方举办、电池交换服务商推出电池交换处销活动或意外事故等)。

考量到该三个因素，本揭示内容的系统会生成一预测电池需求曲线或模式给每一群集。在一些实施例中本揭示内容的系统可更进一步地依据电池交换站的位置调整一个电池交换站群集的预测需求曲线或模式。本揭示内容的系统依据该三个因素判断某一类型的电池交换站是否会受该三个因素影响。例如，对于“都市通勤”类型的交换站(比如在间方通勤时段有高需求的交换站)，本揭示内容的系统可以判断：(1)天气因素至少会因为通勤族在寒冷的天候情况下仍需要去上班而可能不会影响很多；(2)假日因素至少会因为通勤族假日不需要去上班而影响很大；及(3)事件因素至少会因为即使该类型交换站附近有活动举办通勤族仍需去上班，而影响不大。因此本揭示内容的系统可主要依据假日因素产生“都市通勤族”类型的交换站的需求预测。当一个新的交换站加进系统中并且被判断为“都市通勤族”类型时，系统便可以很方便地依据现有需求预测做一点调整(依据位置做调整)而产生一需求预测。

然后，本揭示内容的系统可分析所生成的需求预测对新交换站是否合适(比如藉由比较过去一周、一个月或数日间的需求预测与实际需求)。本揭示内容的系统可进一步依据该比较调整需求预测。

在这里讨论到的实施例中，一“元件”可包含：一处理器、一控制逻辑、一数字信号处理器、一运算单元及/或任何其他合适的装置。该其他合适的装置具有适于执行达成上述功能的指令的结构，或是由程序控制执行达成上述功能的指令。

图7是依据本揭示内容的一些实施例所绘示的一种方法700的流程图。方法700是用于管理复数个装置交换站(比如交换站系统300)。方法700可由一服务器(比如服务器系统200)实施。方法700始于步骤701，步骤701是于一初始期间内从各该复数个交换站接收关于能源储存装置的交换情形的实证信息。在一些实施例中，所接收的信息可包含一该初始期间内各该复数个装置交换站的实际能源储存装置的供应情形。

在步骤703中，方法700接着决定一目标期间(比如用于预测该段期间内的电池需求的目标期间，在一些实施例中是由操作员提供)。在步骤705中，方法700继续辨别复数个在该目标期间内对应各该复数个装置交换站的参考因子。例如，系统操作员可选择他/她想要将哪一个因子纳入因子矩阵(见方程式A的例子)中。预先决定好的参考因子可包含：(1)复数个关于该复数个装置交换站的特征，(2)该些特征的组合(比如上述“交叉项”因子)，(3)交换站的“类型”(比如图5A及图5B所绘示的“曲线”)，及(4)上述各项的组合。

在步骤707，方法700接着依据所辨识的对应各该复数个装置交换站的参考因子及其所对应的权重值判断目标期间各该复数个交换站的需求信息。需求信息显示一目标期间内各该复数个交换站(会被交换的)可交换能源储存装置的预测数目。该目标期间晚于该初始期间。

在一些实施例中，系统操作员亦可判断对应的初始权重值(比如一预设值依据经验研究或经验平衡了所有参考因子等)并在之后将其更新(比如依据实际需求与依初始权重值计算的需求预测的比较)。在上述该些参考图1及方程式A～F的实施例中，初始权重值亦可以此种方式判断调整。在一些实施例中，权重值是依据一目标方程式判断，该目标方程式是将初始期间中各该复数个交换站的实际交换数目(或电池供应)与能源储存装置的需求情形(比如未获满足的需求)间的差值最小化。在一些实施例中，该复数个参考因子可包含一种装置交换站的类型。

在一些实施例中，权重值是依据参考因子间的关系的分析决定。在一些实施例中，实证信息包含关于各该复数个装置交换站在初始期间中能源储存装置的实际交换数目与的信息。在一些实施例中，权重值是依据一目标方程式(上述的方程式B)判断，该目标方程式是将初始期间中各该复数个交换站的实际交换数目(或电池供应)与能源储存装置的需求情形(比如未获供应的需求)间的差值最小化。在上述该些参考图1及方程式A～F的实施例中，初始权重值亦可以此种方式判断调整。

在步骤709中，方法700继续依据初始时期的需求信息产生用于各该复数个装置交换站复数个充电计划在一些实施例中，各该充电计划可包含复数个对应位于各该复数个装置交换站的能源储存装置的充电规则。在一些实施例中，方法700可包含依据一机器学习训练过程分析所接收的信息与该复数个预先决定好的参考因子间的关系。

在一些实施例中，方法700可包含：(1)计算初始期间内第一装置交换站将被交换的能源储存装置的预测数目；(2)接收初始期间内第一装置交换站能源储存装置的实际交换数目；(3)分析目标期间内第一装置交换站的实际交换数目及能源储存装置的预测数目以判断一目标期间内低一装置交换站的各该参考因子的失败贡献率；及(4)依据该失败贡献率更新权重值。上面已参考方程式C及方程式D讨论过该失败贡献率的实施例。在一些实施例中，方法700包含判断一分析所接收的信息时使用的特征的最大数目。

在一些实施例中，目标期间可为一日中的一小时。在一些实施例中，目标期间可为一日中的24小时。实施例中，该需求信息是以每小时判断一次。在一些实施例中，该复数个特征包含一日中的一小时、一周间的日别、一月间的日别、一年间的日别、该复数个装置交换站的位置、一环境因素或一触发事件。在一些实施例中，方法700可包含依据该分析结果决定一个或更多个该复数个装置交换站的类型。

虽然已参考特定例示性质的实施例描述本揭示内容，仍可认出本揭示内容并不限于所述实施例，修改或调整本揭示内容仍在申请专利范围的范围及精神内。因此，说明书及图示应视为说明用而不是作限制用。

Claims

1.一种管理复数个装置交换站的方法，其特征在于，该方法包含：

接收关于在一初始期间内从复数个装置交换站的复数个能源储存装置的交换情形的一实证信息；

决定一目标期间；

辨认在该目标期间内对应各该复数个装置交换站的复数个参考因子，其中该复数个参考因子包含复数个特征及该复数个特征的复数个组合；

依据对应各该复数个装置交换站的经辨认的该些参考因子及与经辨认的该些参考因子相关的复数个权重值，判断该目标期间内各该复数个装置交换站的一需求信息，该实证信息包含该复数个权重值，其中该目标期间晚于该初始期间；以及

依据目标期间内的该需求信息，产生用于各该复数个装置交换站的复数个充电计划。

2.根据权利要求1所述的方法，其特征在于，其中该复数个参考因子包含该复数个装置交换站的一类型。

3.根据权利要求1所述的方法，其特征在于，其中该复数个权重值是藉由分析该复数个参考因子间的相互关系决定。

4.根据权利要求1所述的方法，其特征在于，其中该实证信息包含一信息，该信息是关于该初始期间中各该复数个装置交换站的该需求信息以及该复数个能源储存装置的一实际交换数目；以及

该权重值是依据一目标函数决定，该目标函数最小化该初始期间内各该复数个装置交换站的该实际交换数目以及一能源储存装置的需求的差。

5.根据权利要求1所述的方法，其特征在于，该方法还包含：

计算该目标期间内一第一装置交换站的该复数个能源储存装置的一预测交换数目。

6.根据权利要求5所述的方法，其特征在于，该方法还包含：

接收该目标期间内该第一装置交换站的该复数个能源储存装置的一实际交换数目；

分析该实际交换数目及该目标期间内该第一装置交换站的该复数个能源储存装置的该预测交换数目；以及

依据该实际交换数目及该预测数目的分析结果更新对应各经辨认的该些参考因子的该些权重值。

7.根据权利要求6所述的方法，其特征在于，该方法还包含：

依据对应各经辨认的该些参考因子的复数个失败贡献率更新该些权重值。

8.根据权利要求1所述的方法，其特征在于，其中该目标期间为一日中的一小时。

9.根据权利要求1所述的方法，其特征在于，其中该目标期间为一日的二十四小时，且其中该需求信息是每小时判断一次。

10.根据权利要求1所述的方法，其特征在于，其中该复数个特征包含一日中的一小时、一周间的日别、一月间的日别、一年间的日别、该复数个装置交换站的位置、一环境因素或一触发事件。

11.根据权利要求1所述的方法，其特征在于，其中该需求信息是依据一线上泊松回归或一线上最小平方回归判断。

12.根据权利要求1所述的方法，其特征在于，该方法还包含：

决定于分析接收到的信息时，参考因子的数目的最大值。

13.根据权利要求1所述的方法，其特征在于，其中该复数个充电计划包含对应该复数个能源储存装置的复数个充电规则，该复数个能源储存装置位于各该复数个装置交换站。

14.一种服务器系统，其特征在于，该服务器系统用于管理复数个装置交换站，该服务器系统包含：

一处理器，该处理器是用于：

接收关于一初始期间内各该复数个装置交换站的能源储存装置的一实证信息；

决定一目标期间；

辨认在该目标期间内对应各该复数个装置交换站的复数个参考因子，其中该复数个参考因子包含复数个特征及该复数个特征的复数个组合；以及

依据经辨认的对应各该复数个装置交换站的该些参考因子及与经辨认的该些参考因子相关的复数个权重值判断该目标期间内各该复数个装置交换站的一需求信息，该实证信息包含该权重值，其中该需求信息是表明在该目标期间内各该复数个装置交换站中可交换的该复数个能源储存装置的一预测交换数目，且该目标期间晚于该初始期间；以及

一通讯元件，用于传送复数个充电计划至各该复数个装置交换站。

15.根据权利要求14所述的服务器系统，其特征在于，其中该复数个参考因子包含该复数个装置交换站的一类型；及

该复数个权重值是藉由分析该复数个参考因子间的相互关系决定。

16.根据权利要求14所述的服务器系统，其特征在于，其中该实证信息包含一信息，该信息是关于该初始期间中各该复数个装置交换站的该需求信息以及该复数个能源储存装置的一实际交换数目；及

17.根据权利要求14所述的服务器系统，其特征在于，其中该处理器是用于：

计算该目标期间内一第一装置交换站的可交换的该复数个能源储存装置的一预测交换数目；

接收一实际交换数目，该实际交换数目是该目标期间内该第一装置交换站的该复数个能源储存装置的实际交换数目；

分析该实际交换数目及该目标期间内一第一装置交换站的可交换能源储存装置的该预测数目；及

18.根据权利要求14所述的服务器系统，其特征在于，其中该标期间为一日中的一小时。

19.根据权利要求14所述的服务器系统，其特征在于，其中该目标期间为一日的二十四小时，且其中该需求信息是每小时判断一次。

20.根据权利要求14所述的服务器系统，其特征在于，其中该复数个特征包含一日中的一小时、一周间的日别、一月间的日别、一年间的日别、该复数个装置交换站的位置、一环境因素或一触发事件。