DE102013208744A1

DE102013208744A1 - Verfahren zum automatischen Ermitteln des Energiebedarfs und/oder des Belegungsbedarfs einer Elektrotankstelle und zugehörige DV-Anlagen

Info

Publication number: DE102013208744A1
Application number: DE102013208744.6A
Authority: DE
Inventors: Dominic Buchstaller; Mathias Duckheim
Original assignee: Siemens AG
Current assignee: Siemens AG
Priority date: 2013-05-13
Filing date: 2013-05-13
Publication date: 2014-11-13
Also published as: WO2014183942A1

Abstract

Erläutert wird ein Verfahren zum automatischen Ermitteln des Energiebedarfs und/oder des Belegungsbedarfs einer Elektrotankstelle, insbesondere einer Elektrotankstelle mit einer Vielzahl von Schnellladesäulen, enthaltend: – Vorgeben einer ersten Funktion (SW), die für Elektrotankstellen abhängig von einem Ortsdatum den Einfluss von vorhergesagten Wetterdaten auf die an der Elektrotankstelle zu erwartende Anzahl von Elektroautos oder auf die an der Elektrotankstelle zu erwartende Ladeenergieanforderung für das Laden von Elektroautos angibt, und/oder – Vorgeben einer zweiten Funktion (ST), die für Elektrotankstellen abhängig von einem Ortsdatum den Einfluss von vorhergesagten Verkehrsdaten auf die an der Elektrotankstelle zu erwartende Anzahl von Elektroautos oder auf die an der Elektrotankstelle zu erwartende Ladeenergieanforderung für das Laden von Elektroautos angibt, – Übermitteln eines Ortsdatums einer Elektrotankstelle oder eines Kennzeichens, aus dem das Ortsdatum einer Elektrotankstelle ermittelt werden kann, – Verwenden des übermittelten oder des ermittelten Ortsdatums und der ersten Funktion (SW) und/oder der zweiten Funktion (ST) zum Ermitteln einer Vorhersage der an der Elektrotankstelle zu erwartenden Anzahl von Elektroautos oder der an der Elektrotankstelle zu erwartenden Ladeenergieanforderung für das Laden von Elektroautos.

Description

Die Erfindung betrifft gemäß einem Aspekt ein Verfahren zum automatischen Ermitteln des Energiebedarfs einer Elektrotankstelle. Mit der zunehmenden Verbreitung von Elektroautos steigt auch der Bedarf nach effektiven Lademöglichkeiten, insbesondere nach Schnelllademöglichkeiten. Es können auch Elektrotankstellen und Tankstellen für fossile Brennstoffe kombiniert werden, was hier ebenfalls als Elektrotankstelle bezeichnet wird.
Ein Elektrofahrzeug kann ein Fahrzeug sein, das ausschließlich mit Elektroenergie angetrieben wird. Alternativ kann ein Elektrofahrzeug auch ein Hybridfahrzeug sein, das einen elektrischen Antrieb und einen nichtelektrischen Antrieb hat. Beispiele für Elektrofahrzeuge sind Elektroautos, Elektrolastwägen, Elektrobusse usw. Aber auch Elektroboote und Elektroflugzeuge benötigen Schnelllademöglichkeiten.
Die Erfindung betrifft ein Verfahren zum automatischen Ermitteln des Energiebedarfs und/oder des Belegungsbedarfs einer Elektrotankstelle, insbesondere einer Elektrotankstelle mit einer Vielzahl von Schnellladesäulen, kann enthalten:

– Vorgeben einer ersten Funktion, die für Elektrotankstellen abhängig von einem Ortsdatum den Einfluss von vorhergesagten Wetterdaten auf die an der Elektrotankstelle zu erwartende Anzahl von Elektroautos oder auf die an der Elektrotankstelle zu erwartende Ladeenergieanforderung für das Laden von Elektroautos angibt, und/oder
– Vorgeben einer zweiten Funktion, die für Elektrotankstellen abhängig von einem Ortsdatum den Einfluss von vorhergesagten Verkehrsdaten auf die an der Elektrotankstelle zu erwartende Anzahl von Elektroautos oder auf die an der Elektrotankstelle zu erwartende Ladeenergieanforderung für das Laden von Elektroautos angibt,
– Übermitteln eines Ortsdatums einer Elektrotankstelle oder eines Kennzeichens, aus dem das Ortsdatum einer Elektrotankstelle ermittelt werden kann,
– Verwenden des übermittelten oder des ermittelten Ortsdatums und der ersten Funktion und/oder der zweiten Funktion zum Ermitteln einer Vorhersage der an der Elektrotankstelle zu erwartenden Anzahl von Elektroautos oder der an der Elektrotankstelle zu erwartenden Ladeenergieanforderung für das Laden von Elektroautos.

Die Erfindung betrifft weiterhin eine DV-Anlage (Datenverarbeitungsanlage), z.B. Server, oder einen DVA-Verbund, enthaltend:

– eine Vielzahl von Prozessoren, und
– eine Speichereinheit,
– wobei die Speichereinheit mindestens ein Programm enthält, bei dessen Ausführung durch den Prozessor oder durch die Prozessoren abhängig von einem übermittelten Ortsdatum einer Elektrotankstelle oder eines Kennzeichens, aus dem das Ortsdatum einer Elektrotankstelle ermittelt werden kann, eine Vorhersage der an der Elektrotankstelle zu erwartenden Anzahl von Elektroautos oder der an der Elektrotankstelle zu erwartenden Ladeenergieanforderung für das Laden von Elektroautos getroffen wird.

Auch betrifft die Erfindung eine DV-Anlage (Client), enthaltend:

– mindestens einen Prozessor, und
– eine Speichereinheit,

Aufgabe von Weiterbildungen der Erfindung ist es, ein einfaches Verfahren zum automatischen Ermitteln des Energiebedarfs einer Elektrotankstelle anzugeben, das insbesondere den Gegebenheiten bei der Verteilung von Elektroenergie Rechnung trägt, und das insbesondere eine sehr genaue Ermittlung ermöglicht. Außerdem sollen zugehörige DV-Anlagen bzw. Gruppen aus DV-Anlagen angegeben werden.
Diese Aufgabe wird durch ein Verfahren nach Anspruch 1 gelöst, sowie durch die DV-Anlagen nach den nebengeordneten Ansprüchen. Weiterbildungen sind in den Unteransprüchen angegeben.
Das Verfahren zum automatischen Ermitteln des Energiebedarfs und/oder des Belegungsbedarfs bzw. der Belegung einer Elektrotankstelle, insbesondere einer Elektrotankstelle mit einer Vielzahl von Schnellladesäulen, kann enthalten:

Somit wird mindestens eine sehr wichtige Einflussgröße verwendet, die den Energiebedarf für das Laden von Elektrofahrzeugen beeinflusst, d.h. das Wetter oder das Verkehrsaufkommen, wobei es auch Korrelationen zwischen beiden Einflussgrößen geben kann. Werden beide Einflussgrößen berücksichtigt, so kann die Genauigkeit der Vorhersage vergrößert werden.
Die Vorhersagen können auch kategorisiert für bestimmte Klassen von Elektroautos getroffen werden, bspw. für Elektrolaster und Elektro-Personenautos. Alternativ wird keine Kategorisierung verwendet.
Die Vorgabe kann automatisch oder manuell oder kombiniert erfolgen, z.B. am Anfang manuell, dann automatische Verbesserung bzw. Anpassung der Funktion(en).
Die erste Funktion und/oder die zweite Funktion können auf der gleichen DV-Anlage oder dem gleichen DV-Anlagenverbund hinterlegt werden oder auf verschiedenen DV-Anlagen bzw. auf einem ersten DVA-Verbund und auf einem zweiten DVA-Verbund.
Je mehr Funktionen einbezogen werden, umso genauer bzw. umso zutreffender wird die Vorhersage sein.
Gemeinsam mit dem Ortsdatum kann auch ein Zeitdatum übermittelt werden. Die Übermittlung des Zeitdatums ist bspw. dann nicht erforderlich, wenn standardmäßig eine Vorhersage für den nächsten Tag oder für eine andere Zeitspanne getroffen wird.
Die Vorhersage kann bei der Verwendung leistungsfähiger Rechner sehr schnell erfolgen, so dass auch mehrere Anfragen zu derselben Elektrotankstelle unter Austesten von Parametern gestellt werden können. Dies ermöglicht es dem Betreiber einer Elektrotankstelle trotz ggf. sehr komplizierter Zusammenhänge auf einfache Art zuverlässige Daten für die Bestellung von Elektroenergie zu erhalten. So lassen sich bspw. mehrere Szenarien berücksichtigen.
Zusätzlich zum Energiebedarf und/oder an Stelle des Energiebedarfs kann für den Betreiber der Elektrotankstelle auch die Auslastung einzelner Tankplätze eine wichtige Größe sein.
Die zu dem Ortsdatum gehörende Elektrotankstelle kann mindestens einen Ladeplatz, mindestens 2, mindestens 10 oder mindestens 15 Ladeplätze für Elektroautos enthalten, wobei vorzugsweise jeder Ladeplatz eine Leistung von mindestens 30 Kilowatt, von mindestens 50 Kilowatt oder von mindestens 70 Kilowatt hat. Das Laden bei diesen Leistungen kann ein DC-Laden (direct current) bzw. ein Gleichstromladen sein. Ein Liter herkömmlicher fossiler Kraftstoff hat bspw. etwa 10 KWh Energie.
Somit ergibt sich bei gleichzeitigem Betrieb von z.B. 10 Ladeplätzen mit jeweils 50 Kilowatt eine Gesamtleistung von mindestens 500 Kilowatt oder größer, was die Elektrotankstelle zu einem industriellen Abnehmer macht, für den gesonderte Stromlieferbedingungen gelten. So kann für einen industriellen Abnehmer gelten, dass bei einer Überschreitung einer bestellten Energiemenge ggf. bezogen auf ein Zeitintervall empfindliche Vertragsstrafen fällig werden, die möglichst zu vermeiden sind. Somit wäre auch ein erheblicher Aufwand für das Vorhersageverfahren gerechtfertigt, um sehr genaue Vorhersagewerte zu erhalten.
Ein erstes Wetterdatum kann die Temperatur angeben. Ein zweites Wetterdatum kann den Luftdruck angeben. Ein drittes Wetterdatum kann die Windgeschwindigkeit angeben. Ein viertes Wetterdatum kann die Windrichtung angeben. Dabei kann vorzugsweise ein Radius kleiner als 100 Kilometer oder kleiner als 50 Kilometer um die durch das Ortsdatum bezeichnete Elektrotankstelle herum berücksichtigt wird. So wird bspw. eine Temperaturvorhersage für einen innerhalb diesen Radius liegenden Bereiches benötigt. Sind solche detaillierten Daten nicht vorhanden kann auf Daten für einen größeren Bereich zurückgegriffen, z.B. für ein Bundesland oder für ein ganzes Land. Die genannten Werte für den Radius können im Zusammenhang mit der Reichweite von Elektroautos, z.B. derzeit ebenfalls etwa 100 Kilometer, die Vorhersagegenauigkeit erhöhen. Außerdem kann der Radius auch von dem Abstand zu benachbarten Elektrotankstellen abhängen. Wird der Radius zu groß gewählt, so wird nur ein kleiner Anteil des vorhergesagten Elektrofahrzeugaufkommens tatsächlich an die Elektrotankstelle kommen, deren Ortsdatum angegeben worden ist.
Die Außentemperatur hat bei Elektroautos einen erheblichen Einfluss auf die Reichweite des Elektroautos und damit auf die erforderliche Elektroenergiemenge. Einerseits wird die Ladekapazität des Akkus selbst von der Temperatur bestimmt. Bei tiefen Temperaturen oder bei hohen Temperaturen, verringert sich bspw. die Ladekapazität. Dem kann nur in bestimmten Grenzen durch eine Temperaturregelung entgegengewirkt werden, die dann aber selbst wieder Elektroenergie benötigt. Weiterhin ist bei tiefen Temperaturen ein erheblicher Anteil der Akkukapazität für die elektrische Heizung des Fahrzeuginnenraums erforderlich. Bei hohen Temperaturen, z.B. über 25 Grad Celsius muss dagegen das Fahrzeuginnere gekühlt werden, was ebenfalls nur energieintensiv erfolgen kann.
Ein erstes Verkehrsdatum kann das erwartete Verkehrsaufkommen angeben. Ein zweites Verkehrsdatum kann eine Baustelle angeben. Ein drittes Verkehrsdatum kann einen Stau angeben. Ein viertes Verkehrsdatum kann eine Großveranstaltung angeben. Die Verkehrsdaten können einen Radius kleiner als 100 Kilometer oder kleiner als 50 Kilometer um die durch das Ortsdatum bezeichnete Elektrotankstelle herum betreffen. Damit werden nur Verkehrsdaten berücksichtigt, die einen erheblichen Einfluss auf die Nachfrage an der betrachteten Elektrotankstelle haben.
Die erste Funktion kann eine Abweichung bezogen auf einen Durchschnittswert angeben, vorzugsweise bezogen auf Wetterbedingungen, die einem durchschnittlichen Wetter für den durch das Ortsdatum angegebenen Ort entsprechen. Zusätzlich oder alternativ kann auch die zweite Funktion eine Abweichung bezogen auf einen Durchschnittswert angeben, vorzugsweise bezogen auf ein durchschnittliches Verkehrsaufkommen. So wird durch die erste Funktion bzw. durch die zweite Funktion bspw. angegeben, dass 100 Fahrzeug zusätzlich oder 100 Fahrzeuge weniger als sonst an der Elektrotankstelle zu erwarten sind.
Dabei können bspw. nur Elektroautos berücksichtigt werden, ggf. unterteilt nach verschiedenen Kategorien. Alternativ werden alle Autos berücksichtigt und die Elektroautos über einen Faktor kleiner als Eins berücksichtigt.
Abweichungen von den Durchschnittswerten stellen eine Form der Normierung dar und erlauben eine besonders einfache Erfassung von Teileinflüssen auf die zu erwartende Anzahl von Elektroautos bzw. auf die zu erwartenden Ladeenergieanforderung.
Bei der Vorhersage können statistische Daten aus der Vergangenheit für die durchschnittliche Anzahl von Elektroautos oder für die an der Elektrotankstelle zu erwartende durchschnittliche Ladeenergieanforderung für das Laden von Elektroautos verwendet werden. Damit können die statistischen Durchschnittswerte als Bezugsgröße verwendet werden, von der aus Abweichungen berücksichtigt werden, bspw. Abweichungen auf Grund des Wetters und des Verkehrsaufkommens. Dabei können bspw. wieder nur Statistiken für Elektroautos berücksichtigt werden, ggf. unterteilt nach verschiedenen Kategorien. Alternativ werden alle Autos berücksichtigt und die Elektroautos über einen Faktor kleiner als Eins berücksichtigt.
Die Vorhersage kann für mindestens 10 Zeitintervalle oder für mindestens 100 Zeitintervalle getroffen werden, wobei vorzugsweise ein Zeitintervall im Bereich von 5 Minuten bis zu einer halben Stunde liegen kann. Die genannten Zeitintervalle stimmen mit den Zeitintervallen überein, die bei der Energielieferung an industrielle Abnehmer relevant sind. Diese Intervalle erlauben den Stromanbietern (Utilities) eine ausreichend genaue Planung und Durchführung der Energieversorgung, bspw. abhängig von den Anforderungen anderer industrieller Abnehmer (Produktion, Elektrotankstellen, usw.) bzw. auch abhängig von dem erwarteten Beitrag alternativer Energiequellen.
Eine dritte Funktion kann vorgegeben werden, die für Elektrotankstellen abhängig von einem Ortsdatum und/oder abhängig von einem Zeitdatum den Einfluss eines Preisdatums auf die an der Elektrotankstelle zu erwartende Anzahl von Elektroautos oder auf die an der Elektrotankstelle zu erwartende Ladeenergieanforderung für das Laden von Elektroautos angibt. Die dritte kann Funktion bei der Vorhersage verwendet werden, um die Genauigkeit der Vorhersage weiter zu erhöhen. Der beim Laden der Elektroautos vom Betreiber der Elektrotankstelle geforderte Endpreis kann die Anzahl der zu erwartenden und auch der tatsächlich stattfindenden Ladevorgänge erheblich beeinflussen, so dass eine weitere wichtige Einflussgröße berücksichtigt wird.
Vom Betreiber der Elektrotankstelle können innerhalb eines Zeitraums kleiner als 10 Minuten mindestens zwei Anfragen oder mindestens drei Anfragen für Vorhersagen zu seiner Elektrotankstelle gestellt werden, wobei mindestens ein Anfrageparameter einen anderen Wert hat, vorzugsweise das Preisdatum.
Damit kann trotz ggf. sehr schwer zu durchschauender Funktionen und Zusammenhänge durch den Betreiber auf einfache Art ausgetestet werden, welcher Parameterwert einer Bestellung der Energiemenge zu Grunde gelegt werden sollte, z.B. ein Verkaufspreisdatum mit einem kleinen Wert oder mit einem größeren Wert. Abhängig von einem geeigneten Parameterwert kann dann die gelieferte Vorhersage für eine Energiebestellung verwendet werden.
Abhängig von der Vorhersage kann automatisch eine Bestellung der Energiemenge ausgelöst werden. Dabei kann insbesondere automatisch ein Zuschlag im Bereich von drei Prozent bis 10 Prozent addiert wird, insbesondere bezogen auf Vorhersagezeitintervalle.
Die Bestellung kann insbesondere erst nach einer Freigabe durch den Betreiber automatisch ausgelöst werden.
Das automatische Hinzufügen des Zuschlags gewährleistet, dass der Betreiber der Elektrotankstelle entlastet wird und dass eine geringe Mehrbestellung in Kauf genommen wird, die oft erheblich preisgünstiger ist, als eine Überschreitung der bestellten Energiemenge, wobei Aufschläge um den Faktor 5 bis 100 durchaus üblich sind. Das Vermeiden von Überschreitungen der bestellten Energiemenge trägt auch zur Stabilität des Energieversorgungsnetzes bei.
Bei einer Ausgestaltung erfolgt die Vorhersage ohne vorherige Verhandlungen mit den Elektrofahrzeugen selbst bzw. ohne direkten Kontakt zu den Elektrofahrzeugen bzw. deren Fahrern.
Eine DV-Anlage (Serve-Diensterbringungsrechner) oder ein DVA-Verbund kann insbesondere zum Ausführen mindestens eines Schrittes eines oben erläuterten Verfahrens verwendet werden. Die DV-Anlage (Server) oder der DVA-Verbund kann enthalten:

– eine Vielzahl von Prozessoren, was die nötige Rechenleistung gewährleisten kann, und
– eine Speichereinheit,

Der DVA-Verbund (Datenverarbeitungsanlagenverbund) kann eine sogenannte Serverfarm, ein Servercluster oder die sogenannte Cloud sein. Diese DVA-Verbund kann auch für andere Berechnungen als die Vorhersage des Energiebedarfs an Elektrotankstellen genutzt werden, um die Rechner auszulasten. Jedoch gewährleistet die hohe Rechenkapazität eine schnelle Beantwortung von Anfragen, was für die Akzeptanz und Verbreitung eines Datenerbringungsdienstes von großer Bedeutung ist.
Es können mehrere hundert oder mehrere tausende Prozessoren einbezogen werden, bspw. als Rechenkapazität, die von einem Suchmaschinenbetreiber oder von einem großen Versandhändler gemietet wird, der Datendienste im Internet bereitstellt.
Die hohe Rechen-Leistungsfähigkeit ermöglicht die Verwendung komplizierter Funktion, die eine genaue Vorhersage gestatten. Insbesondere können dynamische Modelle verwendet werden, die die Wetterdynamik und/oder die Verkehrsdynamik berücksichtigen.
Die Speichereinheit kann bspw. mindestens 100 Gigabyte, mindestens 1 Terabyte, mindestens 10 Terabyte oder mindestens 100 Terabyte speichern. Die Speichermenge kann bspw. kleiner als 1000 Terabyte sein. Somit können umfangreiche Wetterdaten und/oder Verkehrsdaten gespeichert werden. Auch diese große Speichereinheit kann die kurzen Reaktionszeiten bei Anfragen gewährleisten, was zu Kundenakzeptanz führt und das oben erwähnten Austesten mit verschiedenen Parametern gewährleistet. So müssen die relevanten Daten bspw. nur einmal an anderer Stelle im Internet abgerufen werden, und können dann zu Beantwortung mehrerer Anfragen verwendet werden. Erst wenn die Daten nicht mehr aktuell sind, werden sie erneut abgerufen.
In der DV-Anlage oder in dem DVA-Verbund kann eine erste Funktion verwendet werden, die für Elektrotankstellen abhängig von einem Ortsdatum und/oder abhängig von einem Zeitdatum den Einfluss von vorhergesagten Wetterdaten auf die an der Elektrotankstelle zu erwartende Anzahl von Elektroautos oder auf die an der Elektrotankstelle zu erwartende Ladeenergieanforderung für das Laden von Elektroautos angibt. Zusätzlich oder alternativ kann In der DV-Anlage oder in dem DVA-Verbund eine zweite Funktion verwendet werden, die für Elektrotankstellen abhängig von einem Ortsdatum und/oder abhängig von einem Zeitdatum den Einfluss von vorhergesagten Verkehrsdaten auf die an der Elektrotankstelle zu erwartende Anzahl von Elektroautos oder auf die an der Elektrotankstelle zu erwartende Ladeenergieanforderung für das Laden von Elektroautos angibt. Weiterhin kann eine dritte Funktion verwendet werden, die für Elektrotankstellen abhängig von einem Ortsdatum und/oder abhängig von einem Zeitdatum den Einfluss eines Preisdatums auf die an der Elektrotankstelle zu erwartende Anzahl von Elektroautos oder auf die an der Elektrotankstelle zu erwartende Ladeenergieanforderung für das Laden von Elektroautos angibt. Somit gelten die oben für diese Funktionen genannten technischen Wirkungen auch für die DV-Anlage oder für den DV-Anlagen Verbund. Je mehr Funktionen einbezogen werden und je besser auch Verknüpfungen zwischen diesen Funktionen berücksichtigt werden, umso genauer kann die Vorhersage getroffen werden.
Die erste Funktion und/oder die zweite Funktion und/oder die dritte Funktion kann bzw. können automatisch angepasst werden. Die Anpassung kann insbesondere abhängig von der Abweichung der Vorhersage und der tatsächlichen Anzahl von Elektroautos und/oder der tatsächlichen Ladeenergieanforderung an einer Elektrotankstelle erfolgen. So kann der Typ der Funktion verändert werden oder es kann ein Funktionsparameter bzw. können mehrere Funktionsparameter auf geeignete Art verändert werden, z.B. unter Verwendung der Methode der kleinsten Fehlerquadrate, neuronaler Netze, von Fuzzytechnologien usw.
Mindestens eine Kommunikationseinheit der DV-Anlage oder des DVA-Verbunds kann Verbindungen zu mindestens 100 oder zu mindestens 1000 Dienstnutzungsrechnern pro Tag herstellen, insbesondere unter Verwendung des Internetprotokolls. Damit kann eine breite Nutzung gewährleistet werden. Werden bei den vielen Anfragen jeweils auch Daten geliefert, z.B. geplanter Preis der Ladeenergie, so können diese Daten auch wieder zur Verbesserung der Vorhersage verwendet werden.
Bei einer Ausgestaltungen kann die zentrale DV-Anlage oder der zentrale DVA-Verbund weiterhin enthalten:

– eine Lösungseinheit für Gleichungssysteme, insbesondere für nichtlineare Gleichungssystem, und/oder
– eine Datenbank, zum Speichern der angeforderten statistischen Daten und/oder Wetterdaten und/oder Verkehrsdaten und/oder Preisdaten, z.B. auf der Basis einer Oracle Datenbank, und/oder
– eine Kommunikationseinheit zum Anfordern und Empfangen der statistischen Daten und/oder Wetterdaten und/oder Verkehrsdaten, insbesondere in Echtzeit, und/oder,
– eine Mensch-Maschine-Kommunikationseinheit, zum Eingeben der Startmodell und/oder zum Eingeben statistischer Daten.

Diese Einheiten gewährleisten einen einfachen Aufbau der DV-Anlage oder des DVA-Verbunds.
Eine DV-Anlage (Client-Dienstnutzungsrechner) kann zum Ausführen mindestens eines Schrittes eines der oben genannten Verfahrens dienen. Die DV-Anlage (Client) kann enthalten:

– mindestens einen Prozessor, und
– eine Speichereinheit,

Der Prozessor kann ein eingebetteter Prozessor sein, der bspw. auf einem Schaltkreis mit einem Speicher und mit peripheren Einheiten realisiert ist. Die Speichereinheit hat bspw. eine Kapazität kleiner als 100 Gigabyte, um die Kosten gering zu halten.
Bei Ausgestaltungen können die DN(Dienstnutzungs)-DV-Anlagen weiterhin enthalten:

– einen Webserver, und/oder
– eine Kommunikationseinheit zu dem DE-Rechner, und/oder
– eine Kommunikationseinheit zur Eingabe von lokalen Daten und zum Übermitteln der Voraussagedaten an einen Betreiber einer Elektrotankstelle, und/oder
– eine Mensch-Maschine-Schnittstelle, zur Eingabe von lokalen Daten und zum Übermitteln der Voraussagedaten an einen Betreiber einer Elektrotankstelle, und/oder
– eine Datenbank, auf die insbesondere über den Webserver und die Kommunikationseinheit oder direkt ohne den Webserver nur über die Kommunikationseinheit zugegriffen werden kann, und in der bspw. vorherige Anfragen an den DE-Rechner und/oder vorherige Antworten des DE-Rechners gespeichert sind.

Zu dem System zum Ermitteln des Energiebedarfs einer Elektrotankstelle können bspw. neben der "zentralen" Einheit für die Vorhersage mehrere hundert oder mehrere tausende Clients gehören. Während die zentrale Komponente möglichst leistungsfähig ausgebildet werden kann, kann bei den Clients ein einfacher Aufbau im Vordergrund stehen.
Mit anderen Worten ausgedrückt, wird ein zentrales Informationssystem für das Laden von Elektroautos erläutert. Diese Anmeldung betrifft das Problem des Vorhersagens der Kundenanforderung nach Ladeinfrastruktur für Elektrofahrzeuge, insbesondere Schnellladeeinheiten und Elektrotankstellen, d.h. eine Installation von zwei oder mehr als zwei Schnellladepunkten an einem Ort. Es wird erwartet, dass solche Elektrotankstellen eine zentrale Rolle in der Elektromobilität der Zukunft spielen werden, weil sie den direkten Ersatz für die klassischen Flüssigkeitskraftstoff-Tankstellen sind, die heute allgegenwärtig sind.
In diesem Zusammenhang ist die bestmögliche Voraussage von zukünftiger Ladenachfrage von Bedeutung, weil sie direkt die Verfügbarkeit und Betriebskosten solcher Elektrotankstellen beeinflusst: Weil insbesondere Schnellladeeinheiten, z.B. für Gleichstrom (DC, direct current) eine erhebliche Leistungsmenge benötigen, werden sie als industrielle Verbraucher von den Energieversorgern (utility) eingestuft werden. Heute haben typische Verkaufsschritte zwischen Industrieverbrauchern und dem Energieverbraucher die folgende Form: der Verbraucher macht eine Voraussage der Energiemenge, die er wahrscheinlich über eine gegebene Zeitspanne verbrauchen wird, z.B. in den nächsten 24 Stunden in Viertelstundenabschnitten bzw. Viertelstunden-Zeitschlitzen. Dann fügt er einen Sicherheitsaufschlag hinzu und kauft eine entsprechende Leistung von dem Energieversorger. Die Zeitschlitze können auch einen Tag betragen oder kleiner als ein Tag sein, insbesondere kleiner als 1 Stunde, vorzugsweise jedoch größer als 5 Minuten.
Wenn die verbrauchte Leistung bezogen auf jedes Viertelstundenintervall kleiner als die vereinbarte Leistung ist, muss der Verbraucher dennoch die gekaufte Menge bezahlen. Wenn jedoch der Verbraucher zu irgendeiner Zeit die bestellte Menge überschreitet, hat er eine signifikante Strafe zu zahlen oder muss zusätzliche kurzfristige Energie zu signifikant erhöhten Kosten kaufen.
Es ist deshalb für den Betreiber der Elektroautotankstelle von fundamentalem Interesse statistische Informationen zur Hand zu haben, die genaues Planen ermöglicht. Schlechte Planung kann auf der anderen Seite zu einer Situation führen, in der entweder große Energiemengen ungenutzt sind, aber bezahlt werden müssen, oder man läuft in Gefahr, das vereinbarte Energiekontingent zu überschreiten, und hat z.B. Kunden abzuweisen.
Die Forderung nach aktueller und genauer Information bzw. Daten wird noch bedeutender, wenn ein Zwischenspeicherakkumulator bzw. eine Pufferbatterie an der Tankstelle installiert ist. Solche Pufferbatterien haben die Funktion, Nachfragespitzen abzuschneiden und es einfacher zu machen, die vom Netz entnommene Systemleistung immer unter der vereinbarten Menge zu halten. In solchen Systemen ist es entscheidend, die aktuelle Nutzung der Batterie hinsichtlich des vorhergesagten Angebots/Anforderung der Leistungsquellen und Leistungssenken in dem System zu optimieren. Beispielsweise möchte man sicherstellen, dass die Pufferbatterie ausreichend aufgeladen ist, bevor eine große Menge an Kunden erwartet wird.
Viele andere Szenarien sind vorstellbar, wie z.B. ständig veränderbare Strompreise. In jedem Fall, ist eine genaue Vorhersage der Anforderung bzw. Nachfrage vorteilhaft, d.h. der Anzahl der Elektroautos und/oder ihrer Ladeenergieanforderungen.
Die Vorhersage der Ladeenergienachfrage hängt von vielen Faktoren ab, wie z.B. Ort, Erreichbarkeit, Kundenservice, Preis, usw. Sie hängt aber auch von Verkehrsinformationen, Durchschnittswegstrecken, Fahrgewohnheiten bzw. Fahrmustern usw. ab. Das Problem ist ähnlich dem Problem der Vorhersage der Treibstoffnachfrage von Autos an gewöhnlichen Tankstellen. Hier werden statistische Daten der vergangenen Wirtschaftsjahre verwendet, um eine grobe Vorhersage der Nachfrage zu machen und damit der benötigten Kraftstoffmenge, die vom Lieferanten zu bestellen ist. Bei herkömmlichen Tankstellen müssen die Vorhersagen aber nicht sehr genau oder aktuell sein, da der Treibstoff leicht in Tanks gespeichert werden kann. Im Gegensatz dazu sind ungenaue Vorhersagen für Elektrotankstellen aber sehr teuer, wie oben erläutert worden ist. Das Bedürfnis nach einer interaktiven, aktuellen, hochgenauen Nachfragevorhersage für Elektrotankstellen wurde aber noch nicht angesprochen.
Wie in den 1 bis 3 dargestellt, wird das oben erläuterte Problem wie folgt gelöst:
Das zentrale Datenermittlungssystem bzw. das zentrale Informationssystem für das Laden von Elektroautos wird in eine Serverkomponente und in Clientkomponenten aufgespaltet. Der Server wird auch als Diensterbringungsrechner (DER bzw. DE-Rechner) und die Clients werden auch als Dienstnutzungsrechner (DNR bzw. DN-Rechner) bezeichnet.
Die Serverkomponente bzw. die DE-Komponente kann die in der 2 gezeigten Einheiten enthalten. Alternativ können alle Funktionen und/oder ein Teil der Funktion der Serverkomponente auch nur mit Hilfe von Schaltungen realisiert werden, d.h. ohne Programme, z.B. mit Zustandsmaschinen.
Die Clientkomponente bzw. die DE-Komponente kann die in der 3 gezeigten Einheiten enthalten. Alternativ können alle Funktionen und/oder ein Teil der Funktion der Clientkomponente auch nur mit Hilfe von Schaltungen realisiert werden, d.h. ohne Programme, z.B. mit Zustandsmaschinen.
Innerhalb der oben erläuterten Rechnerarchitektur ist das zentrale Serversystem in der Lage, Vorhersagealgorithmen bzw. Vorhersageverfahren basierend auf den herangeschafften detaillierten, lokalen und zeitabhängigen Daten durchzuführen. Diese Vorhersageverfahren können Komponenten enthalten, die auf dynamischen Verkehrsmodellen basieren, wie z.B. Werner Schnabel, Dieter Lohse, "Grundlagen der Straßenverkehrstechnik und der Verkehrsplanung", Verlag für Bauwesen, Berlin, 1997, oder in C. Wagner, u.a., "Second order continuum traffic flow model", Phys. Rev. E54 (1996), Seite 5073 bis Seite 5085 beschrieben, z.B. mikroskopische Modellfunktion aus denen ggf. durch Integration makroskopische Modellfunktionen abgeleitet werden. Bspw. wird ein Boltzmann-Gleichung ähnliches Modell verwendet und/oder Gleichungen, die denen in der Fluiddynamik verwendeten Gleichungen ähnlich sind, z.B. Gasströmungsgleichungen. Ansätze nach Paverina-Fontana können verwendet werden oder die vorgeschlagenen Verbesserungen unter Verwendung des Faktors Chi zur Erhöhung der Kollisionshäufigkeit und/oder die Berücksichtigung von Querschnitten der Autos bei einer Kollision, was zu dem in der genannten Literaturquelle unter B. angesprochenen korrigierten Boltzmannstreuterm führt.
Alternativ können Vorhersageverfahren auf der Basis von neuronalen Netzen oder Online-Optimierungs-Algorithmen bzw. Online-Optimierungs–Verfahren verwendet werden.
Das vorgeschlagene zentrale Informationssystem für das Laden von Elektrofahrzeugen gibt dem Betreiber einer Elektrotankstelle eine genaue Vorhersage der Anzahl der Elektroautos bzw. Kunden und/oder der Ladungsanforderungen dieser Elektroautos oder dieser Kunden. Diese Vorhersage bildet ihrerseits eine solide Basis für das Bestellen von Strom von dem Energieversorger.
Einfache statistische Funktionen bzw. ein einfaches statistisches Modell (41, 33) könnte die folgende Form haben: N(k) = A(d,l,k) + Sw(W(d,l),k) + ST(T(d,l),k) + SP(P(d,l),k) und/oder D(k)= A*(d,l,k) + Sw*(W(d,l),k) + ST*(T(d,l),k) + SP*(P(d,l),k) wobei k die Vorhersagezeitspanne bezeichnet, z.B. ein Vielfaches einer Viertelstunde, wenn die Auflösung der Vorhersagezeit bspw. eine Viertelstunde beträgt. N bezeichnet die erwartete Anzahl von Autos, die ein Laden erfordern, und D ist die entsprechende Ladungsanforderung in KWh (Kilowattstunden). Der Term A, A* gibt einen statistischen Durchschnitt aus vergangenen Daten als eine Funktion des Datums d und des Ortes l des Kunden an für die erwartete Anzahl von Autos bzw. deren Ladungsanforderung zum Zeitschritt k. Weiterhin repräsentieren die Terme SW, SW* die Änderung in der Kundenanzahl und Ladeanforderungen (+/–) in Hinblick auf den Durchschnittswert als eine Funktion des Wetters (vergangenes Wetter, z.B. Vortag, Vorwoche, Vormonat, Vorjahr und/oder Vorhersage, z.B. nächster Tag) für den Zeitschritt k. Analog repräsentieren ST, ST*, SP, SP* die Änderung der Kundenanzahl und der Ladeanforderungen in Hinblick auf den Durchschnittswert als eine Funktion des Verkehrs T (vergangener, z.B. Vortag, Vorwoche, Vormonat, Vorjahr) und/oder vorhergesagter, z.B. nächster Tag) und den vom Betreiber der Elektrotankstelle geplanten Lade-Elektrizitätspreis P des, insbesondere den aktuellen und/oder zukünftigen Preis, für den Zeitschritt k.
Insbesondere können Verfahren des sogenannten Data Minings in die Vorhersage einbezogen werden. Schon aus diesem Basismodell wird eine wichtige Eigenschaft deutlich: es werden aktuelle Daten bzw. Informationen verwendet, z.B. Wettervorhersagedaten und ggf. auch Daten zu dem vom Betreiber der Elektrotankstelle geplanten Ladestrompreis, um genaue Vorhersagen zu machen und um bspw. klassische Statistiken zu verbessern.
Im Allgemeinen werden solche Modelle jedoch komplizierter und rechenintensiver sein, weil z.B. Werte gekoppelt sein können oder in einer nicht linearen Beziehung zueinander stehen können oder mehr Faktoren betrachtet werden müssen. Bessere und verfeinerte Modelle werden im Allgemeinen zu besseren Vorhersagen führen.
Innerhalb der obigen Architektur ist es ebenfalls denkbar, zusätzliche Größen vorherzusagen. Es kann bspw. vermutet werden, dass ein Anzahl von Elektrotankstellen Photovoltaikgeneratoren oder Windkraftgeneratoren installiert haben. Örtliche Daten und/oder Echtzeitdaten über Sonneneinstrahlung oder Änderungen der Windgeschwindigkeit und/oder Windrichtung können durch die Architektur des zentralen Informationsservers als Eingabe verwendet werden. Dies würde eine Kurzzeitabschätzung für zukünftige Solareinstrahlung und Windgeschwindigkeiten an nahe liegenden Elektrotankstellen erlauben.
Es wird also ein zentrales Datenermittlungssystem bzw. Informationssystem installiert, das bspw. analog zu einer Wettervorhersage, für Elektrotankstellen die Anzahl der Elektroautos bzw. der Kunden voraussagt und/oder das die Ladungsanforderungen dieser Elektroautos bzw. Kunden vorhersagt. Weil dieser zentrale Server bzw. DE-Rechner in der Lage ist, auf mehr Echtzeitdaten und/oder statistische Daten zuzugreifen und weil er sich auf extensivere Modelle und leistungsfähigere Computer als jedes lokale Vorhersagesystem stützen kann, werden seine Vorhersagen im Allgemeinen genauer, flexibler und/oder anpassungsfähiger an den Kunden und schneller verfügbar sein. Wenn die Kunden zustimmen, dass die lokalen statistischen Informationen geteilt werden, d.h. Anzahl der Kunden und Ladungsanforderungen, dann wird eine noch feinere bzw. genauere lokale Vorhersage möglich sein.
Es soll das folgende Szenario betrachtet werden: Ein Betreiber einer Elektrotankstelle plant einen neuen Satz aus Schnellladestationspunkten mit einem Einführungsangebot zu bewerben. Er plant, den Ladepreis für den folgenden Tag 10 Prozent unter dem Durchschnittsverkaufspreis seiner benachbarten Wettbewerber anzubieten. Zusammen mit seinen Ortsdaten bzw. seinen Positionsdaten sendet er eine Anforderung für eine Ladeanforderungsvorhersage mit einem Vorhersagehorizont von 24 Stunden mit einer viertelstündigen Auflösung an den zentralen Informationsserver. Der zentrale Informationsserver wird dann Echtzeit-Verkehrsdaten, statistische Daten sowie statistische Modelle verwenden, um ein Vorhersage der Anzahl der Kunden zu treffen sowie deren Ladeanforderungen. Echtzeit bedeutet hier, dass die Daten bspw. jünger als drei Stunden oder sogar jünger als eine Stunde sind. In diesem speziellen Fall, zeigen die Echtzeit-Verkehrsdaten keine signifikanten Störungen auf den Hauptzufahrtsstraßen zu der Elektrotankstelle. Es sind ebenfalls keine Straßenbaumaßnahmen geplant. weiterhin sagt die Wettervorhersage einen wolkenlosen, sonnigen Tag voraus, was gewöhnlich zu einem 30-prozentigen Ansteigen des Verkehrs in diesem Gebiet führt verglichen mit einem Durchschnittstag. Der folgende Tag wird ein Sonntag sein und ein größeres Sportereignis soll in der Nähe stattfinden.
Dies wird im Durchschnitt das Verkehrsaufkommen vor und nach dem Ereignis um 10 Prozent erhöhen und das Verkehrsaufkommen während des Ereignisses um 20 Prozent reduzieren verglichen mit einem Durchschnittstag. Da der Betreiber der Elektrotankstelle angezeigt hat, dass er den Preis 10 Prozent unter dem Durchschnittsverkaufspreis seiner benachbarten Wettbewerber halten will, wird er wahrscheinlich 15 Prozent mehr Kunden über den Tag haben als im Durchschnitt an einem Tag an seiner Tankstelle elektrischen Strom tanken. Außerdem ist eine nahe gelegene Elektrotankstelle geschlossen, was zu weiteren 5 Prozent Kundenzuwachs führt im Vergleich zu einem Durchschnittstag. Der Durchschnittsverkaufspreis der Betreiber anderer Elektrotankstellen lässt sich bspw. aus der Vergangenheit ermitteln, z.B. aus den Daten vom Vortag oder auf anderem Wege.
Da die Elektrotankstelle nahe einer Autobahn liegt und da Ferienzeit ist, ist es bei der erwarteten Sonneneinstrahlung auf Grund der für die Klimatisierung der Elektroautos erforderlichen Elektroenergie aus den Akkus wahrscheinlich, dass eine große Anzahl von Fahrzeugen fast vollständig entladene Batterien bzw. Akkus hat. Keine anderen signifikanten Faktoren werden betrachtet.
Basierend auf den statistischen Modellen wird der zentrale Informationsserver bzw. DE-Rechner diese Daten bzw. Informationen nutzen und eine gut informierte Vorhersage geben. Als Beispiel kann das oben angegebene Modell verwendet werden. Diese Vorhersage wird an den DN-Rechner gesendet. Auf der Seite des DN-Rechners stellt der Betreiber der Elektrotankstelle fest, dass die Kundenmenge und deren Ladungsanforderungen die Kapazität der Elektrotankstelle wahrscheinlich überschreiten werden, was verlängerte Wartezeiten und/oder den Verlust von Kunden bedeuten kann. Der Betreiber sendet deshalb eine weitere Anforderung für eine Vorhersage an den Server, worin der Verkaufspreis aber auf 5 Prozent unter dem Durchschnittspreis seiner Wettbewerber über die nächsten 24 Stunden festgelegt ist. Die neue Vorhersage des zentralen Informationsservers zeigt eine gute Ausnutzung der Elektrotankstelle.
Der Betreiber verwendet dann das computergestützte Managementsystem der Elektrotankstelle, um die elektrischen Leistungsanforderungen über die nächsten 24 Stunden zu berechnen. Weil diese Anforderung innerhalb der Festlegungen seines Netzanschlusses liegen, addiert er 10 Prozent Sicherheitsmarge und sendet die Strombestellung an den Energieversorger ab.
Die oben beschriebenen Eigenschaften, Merkmale und Vorteile dieser Erfindung sowie die Art und Weise, wie diese erreicht werden, werden klarer und deutlicher verständlich im Zusammenhang mit der folgenden Beschreibung der Ausführungsbeispiele. Sofern in dieser Anmeldung der Begriff "kann" verwendet wird, handelt es sich sowohl um die technische Möglichkeit als auch um die tatsächliche technische Umsetzung. Sofern in dieser Anmeldung der Begriff "etwa" verwendet wird, bedeutet dies, dass auch der exakte Wert offenbart ist.
Die Figuren sind nicht maßstabsgerecht gezeichnet, insbesondere können die Aspektverhältnisse der Elemente anders gewählt werden.
Im Folgenden werden Ausführungsbeispiele der Erfindung an Hand der beiliegenden Zeichnungen erläutert. Darin zeigen:
1 ein System zum Ermitteln des Energiebedarfs an einer Vielzahl von Elektrotankstellen,
2 Einheiten eines Diensterbringungsrechners (DER) des Systems,
3 Einheiten eines Dienstnutzungsrechners (DNR) des Systems,
4 ein Koordinatensystem zur Darstellung des erwarteten Energiebedarfs einer Elektrotankstelle und der bestellten Elektroenergie, und
5 eine Ladeinfrastruktur mit einer Elektrotankstelle.
Die 1 zeigt ein Vorhersage-System 4 zum Ermitteln des Energiebedarfs an einer Vielzahl von Elektrotankstellen. Das System bzw. das Informationssystem für das Laden von Elektroautos wird in eine Serverkomponente 6 und in Clientkomponenten 8 aufgespaltet. Der Server 6 wird auch als Diensterbringungsrechner (DER bzw. DE-Rechner) und die Clients 8 werden auch als Dienstnutzungsrechner (DNR bzw. DN-Rechner) DNR1 bis DNRn bzw. 50a, 51 bis 50n bezeichnet, wobei n eine natürliche Zahl ist, z.B. im Bereich von 10 bis 10000.
Der DE-Rechner 6 kann einen zentralen DER 10 oder mehrere zentrale DER 10 enthalten. Im DER 6 gibt es bspw. Startdatenmodelle 41, die z.B. die folgenden Funktionen enthalten:

– eine wetterabhängige Vorhersagefunktion SW, SW*,
– eine verkehrsabhängige Vorhersagefunktion ST, ST*,
– eine preisabhängige Vorhersagefunktion SP, SP*.

Diese Funktionen sind bspw. zu dem in der Einleitung genannten Datenmodell(en) verknüpft, und haben die dort erläuterte Bedeutung. Alternativ werden komplizierter Datenmodell bzw. Vorhersagefunktionen verwendet.
Der zentrale DER 10 greift auf dieser Startmodelle 41 zu, siehe Pfeil P2, um den Energiebedarf an einer Elektrotankstelle ETS, siehe 5, vorherzusagen.
Außerdem verwendet der DER 10 bei der Vorhersage bspw. statistische Daten 43, die auch historische Vorhersagedaten A, A* enthalten, siehe Pfeil P4. Die Vorhersagedaten A, A* haben ebenfalls die in der Einleitung genannte Bedeutung. Weiterhin kann der DER 10 auf Echtzeitdaten 42 im Internet zugreifen, siehe Pfeil P6. Die Echtzeitdaten können insbesondere Wetterdaten und/oder Verkehrsdaten sein, die für die Berechnung der Vorhersagefunktionen erforderlich sind. Diese Echtzeitdaten 42 sind bspw. im Internet verfügbar oder können separat ermittelt werden. Weiterhin verwendet der DER 10 bspw. auch:

– ein Zeitdatum d,
– ein Ortsdatum l, und
– ein Zeitintervall k

Diese Daten können als lokale Daten 91a bis 91 n bezeichnet werden, die mit Hilfe von DN-Rechner 8 bzw. den Clients 50a bis 50n von den Betreibern von Elektrotankstellen an den zentralen DER 10 übermittelt werden, bspw. über das Internet, sieh Pfeile P8 und P9.
Vom zentralen DER 10 werden die mit Hilfe der oben genannten Funktionen bzw. Modelle ermittelten Daten dann an die Clients als Vorhersagedaten 92a bis 92n zurückgegeben, bspw. die Anzahl der Elektroautos N, die an einer Elektrotankstelle ETS erwartet werden und/oder die erwartete Ladeenergiemenge D bspw. in kWh der Elektroautos 160, siehe 5.
Die 2 zeigt Einheiten eines Diensterbringungsrechners (DER) 10 des Systems 4 mit den folgenden Merkmalen:
Eine Kommunikationsschnittstelle 15 bzw. ein Kommunikationsinterface 15 zu den Quellen der Echtzeitdaten 42, wie Wettervorhersageinformation oder aktuellen Verkehrsdaten. Diese Information kann z.B. von privaten Firmen bzw. Anbietern erhalten werden.

– die Kommunikationsschnittstelle 15 und/oder eine HMI 18, d.h. eine Mensch-Maschine-Schnittstelle (Human Machine Interface), z.B. eine Eingabemaske, um statistische Daten 43b bzw. 43a zu erhalten oder einzugeben, z.B. die Ladeanforderungen über vergangene Jahre, die Kundenanzahl während bestimmter Ereignisse, z.B. ein bedeutendes Fußballspiel, usw. Diese Information kann z.B. von der Stadtverwaltung, Straßenbaubehörden oder privaten Firmen erhalten werden.

Eine Kommunikationsschnittstelle 16 zu allen Dienstnutzungsrechnern 50a bis 50n, z.B. über Internet, Stromleitungskommunikation, usw. Ein DN-Rechner 50a kann an den zentralen Informations-DE-Rechner 10 lokale Daten bzw. Information 91 senden, wie z.B. die erforderliche Länge und Auflösung der Vorhersagezeitspanne, den geplanten Preis des Ladens für die Vorhersageperiode oder den geplanten Preisverlauf und den genauen Ort des DN-Rechners bzw. der relevanten Elektrotankstelle. Alternativ kann der DN-Rechner 50a den DE-Rechner 10 anweisen für diese Angaben Standardwerte zu verwenden. Zusätzlich kann der DN-Rechner 50, 50a bis 50n dem Senden von statistischen Daten 43, 43a, 43b an den DE-Rechner 10 zustimmen oder dies ablehnen. Diese Daten können verwendet werden, um die lokalen Vorhersagen 92, 92a, 9n auch für andere DN-Rechner 50 in der Nachbarschaft des sendenden DN-Rechners 50 zu verfeinern, z.B. im Umkreis kleiner als 100 Kilometer oder keiner als 50 Kilometer. Der zentrale Informations-DE-Rechner 10 wird eine Vorhersage 92 der Anzahl der Kunden abhängig von der Zeit sowie deren vorhergesagte Ladungsanforderungen zurückgeben.
Eine bzw. die Kommunikationsschnittstelle 15 und/oder eine HMI 18 zu Quellen statistischer Modelle 41, die das Kundenverhalten bzw. das Kundenladungsverhalten als eine Funktion der Jahreszeit, des Wetters, aktueller Ereignisse, des Preises zum Laden an nahe gelegenen Tankstellen, insbesondere Elektrotankstellen, usw. angeben. Solche Modelle können z.B. aus der entsprechenden Literatur zu Verkehr und Kundenkaufverhalten gebildet werden. Ein beispielhaftes Modell wurde in der Einleitung im Detail angegeben.
Eine Hardwareplattform, d.h. Schaltungseinheiten, die aus einer Speichereinheit 13 bzw. Speichereinheiten, insbesondere nicht flüchtig speichernden Datenspeichern, z.B. magnetische Datenträger 14, wahlfreiem Zugriffsspeicher 12 (RAM – Random Access Memory) und einer Anzahl von parallel arbeitenden Prozessoren 11 bestehen bzw. diese Einheiten enthalten, wahrscheinlich ein Cluster oder einem Supercomputer. Bspw. werden mindestens 10 Prozessoren oder mindestens 100 Prozessoren verwendet, siehe Prozessoren 11a bis 11n. Die Anzahl der Prozessoren kann kleiner als 10 Tausend sein. Die CPUs 11 bzw. Recheneinheiten (Central Processing Unit), die Speichereinheit(en), die RAMs, die Kommunikationsschnittstellen 15, 16 wie auch das HMI 18 können über ein Vielzahl von physikalischen Computern verteilt sein, z.B. über mehr als zehn oder mehr als 100 Computer bzw. DV-Anlagen (Datenverarbeitungsanlagen). Die CPUs 11 arbeiten bei der Vorhersage Befehle ab, die im Speicher 12 gespeichert sind, siehe Pfeil P30. Außerdem wird beim Ausführen der Befehle durch die CPUs 11 auf den Speicher 13 zugegriffen, siehe Pfeil 32.
Ein Betriebssystem, z.B. Linux oder Windows, das den Zweck hat ein Programm oder eine Software auszuführen, um die Funktionen des zentralen Informations-DE-Rechners zu erbringen siehe Klammer 21.
Programm(e) bzw. Software 30, die den Zweck haben:

a) Echtzeitdaten 42, statistische Daten 43, 43a, 43b und Daten von den DN-Rechnern 50, 50a bis 50n in einer Datenbank 35 zu sammeln,
b) beginnend von den Voraussagen anfänglicher statistischer Funktionen bzw. Modelle 41, 41b, die Voraussagen des aktuellen Modells 33 bzw. der aktuellen Modelle mit den Echtzeitdaten 42 und/oder mit den statistischen Daten in der Datenbank 35 zu vergleichen, sowie insbesondere die Funktionen bzw. die Modelle 33 bzw. das Modell 33 über die Online Modellanpassung 34 anzupassen, um die Daten aus der Datenbank 35 optimal nachzubilden. So können geeignete Modelle bzw. Funktionen automatisch aus einer Vorgabeliste ausgewählt werden oder Modellparametern bzw. Funktionsparameter können automatisch oder manuell verändert werden,
c) Lösen der Vorhersageaufgabe 32 mit der Hilfe geeigneter Lösungseinheiten 31, z.B. mit CPLEX (ursprünglich C Programming Language Simplex, jetzt ein Product von IBM (International Business Machines)), um eine Vorhersage zu bilden.

In der 2 sind folgenden Vorgänge durch Pfeile P10 bis P22 angedeutet:

– Einlesen der Echtzeitdaten in die Datenbank 35, siehe Pfeil P10,
– Lesen der Datenbank 35 zur Vorbereitung der Vorhersage durch die Einheit 32 zum Vorbereiten der Vorhersage, siehe Pfeil P12,
– Verwenden der vorbereiteten Daten in der Lösungseinheit 31 (Solver), sieh Pfeil P22,
– Verwenden der Datenbank 35 für die Modellanpassung, siehe Pfeil P14,
– Onlineanpassung der Modelle, siehe Pfeile P16 und P18,
– Übergabe der angepassten Modelle bzw. Funktionen an die Lösungseinheit 31, siehe Pfeil P20.

Auch die Vorhersagedaten können ggf. in der Datenbank 35 gespeichert werden.
Die 3 zeigt Einheiten eines Dienstnutzungsrechners (DNR) 8 des Systems 4.
Die Clientkomponenten bzw. die DN-Komponenten 50 haben jeweils die folgenden Merkmale:
Eine Kommunikationsschnittstelle 66 zu dem Server 10 bzw. zu dem DE-Rechner bzw. den DE-Rechnern, z.B. über Internet.
Eine Hardwareplattform bzw. Schaltungseinheiten, die aus einer Datenspeichereinheit 63, wie ein Flash-Speicher oder einem EPROM (Electrically Programmable Read Only Memory), Speichern mit wahlfreiem Zugriff 62 (RAM – Random Access Memory) und einem Einzelprozessor oder einem Mehrkernprozessor 61 bestehen bzw. diese Einheiten enthalten, z.B. eine kostengünstige eingebettete Rechnerarchitektur, insbesondere eine Rechnerarchitektur mit geringen Betriebsspannungen, z.B. kleiner als 3,3 Volt und/oder mit reduziertem Befehlssatz, z.B. einen ARM (Acorn RISC Machine, RISC – Reduced Instruction Set Computer) Prozessor bzw. einen auf einem ARM Prozessor basierenden Prozessor. Die CPU 61 arbeitet bei der Erzeugung der Anforderung für eine Vorhersage bzw. beim Übermitteln der Vorhersage Befehle ab, die im Speicher 62 gespeichert sind, siehe Pfeil P40. Außerdem wird beim Ausführen der Befehle durch die CPU 61 auf den Speicher 63 zugegriffen, siehe Pfeil 42.
Ein Betriebssystem 70, z.B. ein eingebettetes Betriebssystem bzw. ein Betriebssystem für eine eingebettete Hardware, das den Zweck hat, die Programme der DN-Rechner 50 auszuführen.
Ein Programm 80, das den Zweck hat, oder Programme 80, die den Zweck haben:

a) ggf. die lokalen Informationen 91, 91a bis 91c bzw. Daten zu lesen, bspw. über: – eine HMI 68, z.B. eine Eingabemaske, die auf einem Bildschirm angezeigt werden kann, – einen WEB (World Wide WEB) Server 84 bzw. WEB DE-Programm, auf den über einen Computer mit WEB-Browser bzw. einem Datensichtprogramm zugegriffen werden kann, und der mit der Kommunikationsschnittstelle 65 verbunden ist, oder – eine direkte Verbindung zu anderen Management Programmen, z.B. einem Verwaltungsprogramm für Elektrotankstellen, über die Kommunikationsschnittstelle 65,
b) Ggf. Senden dieser lokalen Daten 91, 91a bis 91c über die Kommunikationsschnittstelle 66 zu dem Server bzw. DE-Rechner 10,
c) Zurücklesen bzw. Lesen des Vorhersageergebnisses (92) von dem Server (10),
d) Verfügbarmachen dieses Ergebnisses für die HMI (68) und/oder für die Kommunikationsschnittstelle (65) über den WEB-Server (84) und/oder direkt über die Kommunikationsschnittstelle (65),
e) Optionales Speichern der übermittelten lokalen Information (91) und der Vorhersageergebnisse (92) in einer Datenbank (83) für den Zugriff über die HMI (68), den WEB-Server (84) oder direkt über die Kommunikationsschnittstelle (65). Die Datenbank (83) gewährleistet, dass sensible Daten nicht zentral gespeichert werden müssen. Bspw. bietet die Datenbank die (83) die Möglichkeit vorherige Abfragen eines Tankstellenbetreibers zu speichern.

Die Programme 80 greifen bspw. auf Funktionen des Betriebssystems zurück, siehe Klammer 71.
Die 4 zeigt ein Koordinatensystem 100 zur Darstellung des erwarteten Energiebedarfs 110 einer Elektrotankstelle ETS, siehe 5, und der bestellten Elektroenergie 112.
Das Koordinatensystem 100 hat eine horizontale x-Achse 102 auf der die Zeit t bspw. in Stunden dargestellt ist, wobei der nächste Tag betrachtet wird, .h. ein Zeitintervall von 0 Uhr bis 24 Uhr. Das Koordinatensystem 100 hat eine vertikale y-Achse 104 auf der die elektrische Leistung Pe bspw. in kW (Kilowatt) dargestellt ist.
Ein Vorhersageintervall kn beträgt bspw. eine Viertelstunde. Es sei angenommen, das auf Grund der vom Betreiber der Elektrotankstelle eingegebenen lokalen Daten 92 und auf Grund der geltenden Echtzeitdaten 42, der Kurvenverlauf 110 für den folgenden Tag durch den Rechner 10 vorausgesagt worden ist, d.h. eine etwa gleich bleibende Nachfrage von 0 Uhr bis 10 Uhr, einem Ansteigen der Nachfrage bis etwa 13 Uhr, danach ein gleichmäßiges Abfallen der Nachfrage bis etwa 22 Uhr und einem erneuten Ansteigen von etwa 22 Uhr bis 24 etwa auf den Startwert.
Ausgehend von der Vorhersagekurve wird durch das Vorhersagesystem 4 oder ein Bestellsystem (Programm) der Elektrotankstelle ETS ein Zuschlag Z addiert, bspw. 5 Prozent. Der Zuschlag kann auch vom Betreiber der Elektrotankstelle ETS vorgegeben werden und einen anderen Wert als 5 Prozent haben, insbesondere über den Tag verschiedene Werte. Mit dem Zuschlag Z resultiert im Beispiel eine Bestellkurve 112, die als Grundlage für eine Bestellung der für den nächsten Tag benötigten Energie beim Netzbetreiber bzw. bei einem Stromlieferanten verwendet wird, insbesondere automatisch durch das Bestellsystemprogramm der Elektrotankstelle ETS.
In der 4 ist eine zu vermeidende Überschreitung 114 des bestellten Energiebudgets dargestellt. Die Überschreitung 114 ist im Vergleich zu dem Zuschlag Z über den Tag gesehen zwar klein, kann aber weit größere Auswirkungen für den Betreiber der Elektrotankstelle und/oder für das Energienetz haben als dieser Zuschlag. Deshalb wäre das System 4 in der Lage, diese Überschreitung 114 dadurch zu verhindern, dass die Vorhersage im Bereich von 5 Uhr entsprechend angehoben wird, womit zu dieser Zeit mehr Energie bestellt wird bzw. bspw. auf einen elektrischen Akkumulator zurückgegriffen wird.
Die 5 zeigt eine Ladeinfrastruktur 150 mit einer Elektrotankstelle ETS. Die Ladeenergie wird über eine Freileitung, siehe Energiemast 152, oder über ein nicht dargestelltes Erdkabel geleitet. Ein Transformator 154 kann für eine Spannungswandlung verwendet werden, bspw. von einer Mittelspannung auf eine Niederspannung von bspw. 380 Volt. Die transformierte Spannung steht dann an Ladestationen LS2 bis LSn zum Laden von Elektroautos 160 zur Verfügung.
In der 5 ist auch ein Radius R gezeigt, der einen Kreis um die Elektrotankstelle ETS herum festlegt. Der Radius R liegt bspw. im Bereich von 50 Kilometer bis 100 Kilometer. Der Radius R legt bspw. das Gebiet fest aus dem Verkehrsdaten bzw. Wetterdaten bei der Vorhersage durch das System 4 verwendet werden. Der Radius R kann für Verkehrsdaten bzw. Wetterdaten gleich sein oder es kann ein erster Radius R1 für Wetterdaten und eine zweiter Radius R2 für Verkehrsdaten verwendet werden, wobei der Radius R2 größer oder kleiner als der Radius R1 sein kann, insbesondere um mindestens 20 Prozent bezogen auf den Radius R1. So könnte der Radius R bei erwartetem Fernreiseverkehr (Ferienbeginn oder Ferienende) größer gewählt werden als außerhalb der oder innerhalb der Ferien in einem Bundesland.
Der Radius R, R1 bzw. R2 kann fest vorgegeben sein oder als Parameter in den lokalen Daten 91 von den Clients 50 an den Server 10 übermittelt werden.
Die Ausführungsbeispiele sind nicht maßstabsgetreu und nicht beschränkend. Abwandlungen im Rahmen des fachmännischen Handelns sind möglich. Obwohl die Erfindung im Detail durch das bevorzugte Ausführungsbeispiel näher illustriert und beschrieben worden ist, ist die Erfindung nicht durch die offenbarten Beispiele eingeschränkt und andere Variationen können vom Fachmann hieraus abgeleitet werden, ohne den Schutzumfang der Erfindung zu verlassen. Die in der Einleitung genannten Weiterbildungen und Ausgestaltungen können untereinander kombiniert werden. Die in der Figurenbeschreibung genannten Ausführungsbeispiele können ebenfalls untereinander kombiniert werden. Weiterhin können die in der Einleitung genannten Weiterbildungen und Ausgestaltungen mit den in der Figurenbeschreibung genannten Ausführungsbeispielen kombiniert werden.
ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Nicht-Patentliteratur

Werner Schnabel, Dieter Lohse, "Grundlagen der Straßenverkehrstechnik und der Verkehrsplanung", Verlag für Bauwesen, Berlin, 1997, oder in C. Wagner, u.a., "Second order continuum traffic flow model", Phys. Rev. E54 (1996), Seite 5073 bis Seite 5085 [0058]

Claims

Verfahren zum automatischen Ermitteln des Energiebedarfs (Pe) und/oder des Belegungsbedarfs einer Elektrotankstelle (ETS), insbesondere einer Elektrotankstelle (ETS) mit einer Vielzahl von Schnellladesäulen (LS2 bis LSn), enthaltend Vorgeben einer ersten Funktion (SW, SW*), die für Elektrotankstellen (ETS) abhängig von einem Ortsdatum (l) den Einfluss von vorhergesagten Wetterdaten auf die an der Elektrotankstelle (ETS) zu erwartende Anzahl (N) von Elektroautos (160) oder auf die an der Elektrotankstelle (ETS) zu erwartende Ladeenergieanforderung (D) für das Laden von Elektroautos (160) angibt, und/oder Vorgeben einer zweiten Funktion (ST, ST*), die für Elektrotankstellen (ETS) abhängig von einem Ortsdatum (l) den Einfluss von vorhergesagten Verkehrsdaten (T) auf die an der Elektrotankstelle (ETS) zu erwartende Anzahl (N) von Elektroautos (160) oder auf die an der Elektrotankstelle (ETS) zu erwartende Ladeenergieanforderung (D) für das Laden von Elektroautos (160) angibt, Übermitteln eines Ortsdatums (l) einer Elektrotankstelle (ETS) oder eines Kennzeichens, aus dem das Ortsdatum (l) einer Elektrotankstelle (ETS) ermittelt werden kann, Verwenden des übermittelten oder des ermittelten Ortsdatums (l) und der ersten Funktion (SW, SW*) und/oder der zweiten Funktion (ST, ST*) zum Ermitteln einer Vorhersage der an der Elektrotankstelle (ETS) zu erwartenden Anzahl (N) von Elektroautos (160) oder der an der Elektrotankstelle (ETS) zu erwartenden Ladeenergieanforderung (D) für das Laden von Elektroautos (160).
Verfahren nach Anspruch 1, wobei die zu dem Ortsdatum (l) gehörende Elektrotankstelle (ETS) mindestens einen Ladeplatz, mindestens 2, mindestens 10 oder mindestens 15 Ladeplätze (LS2 bis LSn) für Elektroautos (160) enthält, wobei vorzugsweise jeder Ladeplatz (LS2 bis LSn) eine Leistung von mindestens 30 Kilowatt, von mindestens 50 Kilowatt oder von mindestens 70 Kilowatt hat.
Verfahren nach einem der vorhergehenden Ansprüche, wobei ein erstes Wetterdatum (W) die Temperatur angibt und/oder wobei ein zweites Wetterdatum (W) den Luftdruck angibt und/oder wobei ein drittes Wetterdatum (W) die Windgeschwindigkeit angibt und/oder wobei ein viertes Wetterdatum (W) die Windrichtung angibt, wobei vorzugsweise ein Radius (R) kleiner als 100 Kilometer oder kleiner als 50 Kilometer um die durch das Ortsdatum (l) bezeichnete Elektrotankstelle (ETS) herum berücksichtigt wird.
Verfahren nach einem der vorhergehenden Ansprüche, wobei ein erstes Verkehrsdatum (T) das erwartete Verkehrsaufkommen angibt und/oder wobei ein zweites Verkehrsdatum (T) eine Baustelle angibt und/oder wobei ein drittes Verkehrsdatum (T) einen Stau angibt und/oder wobei ein viertes Verkehrsdatum (T) eine Großveranstaltung angibt, wobei vorzugsweise ein Radius (R) kleiner als 100 Kilometer oder kleiner als 50 Kilometer um die durch das Ortsdatum (l) bezeichnete Elektrotankstelle (ETS) herum berücksichtigt wird.
Verfahren nach einem der vorhergehenden Ansprüche, wobei die erste Funktion (SW, SW*) eine Abweichung bezogen auf einen Durchschnittswert angibt, vorzugsweise bezogen auf Wetterbedingungen, die einem durchschnittlichen Wetter für den durch das Ortsdatum angegebenen Ort entsprechen, und/oder wobei die zweite Funktion (ST, ST*) eine Abweichung bezogen auf einen Durchschnittswert angibt, vorzugsweise bezogen auf ein durchschnittliches Verkehrsaufkommen.
Verfahren nach einem der vorhergehenden Ansprüche, wobei bei der Vorhersage statistische Daten (A, A*) aus der Vergangenheit für die durchschnittliche Anzahl (N) von Elektroautos (160) oder für die an der Elektrotankstelle (ETS) zu erwartende durchschnittliche Ladeenergieanforderung (D) für das Laden von Elektroautos (160) verwendet wird.
Verfahren nach einem der vorhergehenden Ansprüche, wobei die Vorhersage für mindestens 10 Zeitintervalle (k, kn) oder für mindestens 100 Zeitintervalle (k, kn) getroffen wird, wobei vorzugsweise ein Zeitintervall (k, kn) im Bereich von 5 Minuten bis zu einer halben Stunde liegt.
Verfahren nach einem der vorhergehenden Ansprüche, wobei eine dritte Funktion (SP, SP*) vorgegeben wird, die für Elektrotankstellen (ETS) abhängig von einem Ortsdatum (l) und/oder abhängig von einem Zeitdatum (d) den Einfluss eines Preisdatums (P) auf die an der Elektrotankstelle (ETS) zu erwartende Anzahl (N) von Elektroautos (160) oder auf die an der Elektrotankstelle (ETS) zu erwartende Ladeenergieanforderung (D) für das Laden von Elektroautos (160) angibt, und/oder wobei die dritte Funktion (SP, SP*) bei der Vorhersage verwendet wird.
Verfahren nach einem der vorhergehenden Ansprüche, wobei vom Betreiber der Elektrotankstelle (ETS) innerhalb eines Zeitraums kleiner als 10 Minuten mindestens zwei Anfragen (91a) oder mindestens drei Anfragen für Vorhersagen zu seiner Elektrotankstelle (ETS) gestellt werden, wobei mindestens ein Anfrageparameter (P) einen anderen Wert hat, vorzugsweise das Preisdatum (P).
Verfahren nach einem der vorhergehenden Ansprüche, wobei abhängig von der Vorhersage automatisch eine Bestellung der Energiemenge (Pe) ausgelöst wird, wobei vorzugsweise insbesondere automatisch ein Zuschlag (Z) im Bereich von drei Prozent bis 10 Prozent addiert wird, insbesondere bezogen auf Vorhersagezeitintervalle (k).
DV-Anlage (6, 10) oder DVA-Verbund, insbesondere zum Ausführen mindestens eines Schrittes eines Verfahrens nach einem der vorhergehenden Ansprüche, enthaltend eine Vielzahl von Prozessoren (11), und eine Speichereinheit (12, 13), wobei die Speichereinheit (12, 13) mindestens ein Programm (20) enthält, bei dessen Ausführung durch den Prozessor (11) oder durch die Prozessoren (11) abhängig von einem übermittelten Ortsdatum (l) einer Elektrotankstelle (ETS) oder eines Kennzeichens, aus dem das Ortsdatum (l) einer Elektrotankstelle (ETS) ermittelt werden kann, eine Vorhersage der an der Elektrotankstelle (ETS) zu erwartenden Anzahl (N) von Elektroautos (160) oder der an der Elektrotankstelle (ETS) zu erwartenden Ladeenergieanforderung (D) für das Laden von Elektroautos (160) getroffen wird.
DV-Anlage (6, 10) oder DVA-Verbund nach Anspruch 11, wobei eine erste Funktion (SW, SW*) verwendet wird, die für Elektrotankstellen (ETS) abhängig von einem Ortsdatum (l) und/oder abhängig von einem Zeitdatum (d) den Einfluss von vorhergesagten Wetterdaten (W) auf die an der Elektrotankstelle (ETS) zu erwartende Anzahl (N) von Elektroautos (160) oder auf die an der Elektrotankstelle (ETS) zu erwartende Ladeenergieanforderung (D) für das Laden von Elektroautos (160) angibt, und/oder wobei eine zweite Funktion (ST, ST*) verwendet wird, die für Elektrotankstellen (ETS) abhängig von einem Ortsdatum (l) und/oder abhängig von einem Zeitdatum (d) den Einfluss von vorhergesagten Verkehrsdaten (T) auf die an der Elektrotankstelle (ETS) zu erwartende Anzahl (N) von Elektroautos (160) oder auf die an der Elektrotankstelle (ETS) zu erwartende Ladeenergieanforderung (D) für das Laden von Elektroautos (160) angibt, und/oder wobei eine dritte Funktion (SP, SP*) verwendet wird, die für Elektrotankstellen (ETS) abhängig von einem Ortsdatum (l) und/oder abhängig von einem Zeitdatum (d) den Einfluss eines Preisdatums (P) auf die an der Elektrotankstelle (ETS) zu erwartende Anzahl (N) von Elektroautos oder auf die an der Elektrotankstelle (ETS) zu erwartende Ladeenergieanforderung (D) für das Laden von Elektroautos (160) angibt.
DV-Anlage oder DVA-Verbund nach Anspruch 12, wobei die erste Funktion (SW, SW*) und/oder die zweite Funktion (ST, ST*) und/oder die dritte Funktion (SP, SP*) automatisch angepasst werden (34).
DV-Anlage (6, 10) oder DVA-Verbund nach einem der Ansprüche 11 bis 13, wobei mindestens eine Kommunikationseinheit der DV-Anlage (6, 10) oder des DVA-Verbunds mit mindestens 100 oder mit mindestens 1000 Dienstnutzungsrechnern pro Tag verbunden wird, insbesondere unter Verwendung des Internetprotokolls.
DV-Anlage (8, 50), insbesondere zum Ausführen mindestens eines Schrittes eines Verfahrens nach einem der vorhergehenden Ansprüche, enthaltend mind estens einen Prozessor (61), und eine Speichereinheit (62, 63), wobei die Speichereinheit (62, 63) mindestens ein Programm (70) enthält, bei dessen Ausführung durch den Prozessor (61) eine Anforderung an einen zentralen DE-Rechner (8, 10) gesendet wird, eine Vorhersage der an einer Elektrotankstelle zu erwartenden Anzahl von Elektroautos (160) oder der an der Elektrotankstelle (ETS) zu erwartenden Ladeenergieanforderung (D) für das Laden von Elektroautos (160) zu treffen.