DE102021213960A1 - Verfahren zum Ändern einer Ladung einer Antriebsbatterie eines Elektrofahrzeugs, Steuergerät für ein Elektrofahrzeug, Computerprogramm und Computerlesbares Medium - Google Patents

Verfahren zum Ändern einer Ladung einer Antriebsbatterie eines Elektrofahrzeugs, Steuergerät für ein Elektrofahrzeug, Computerprogramm und Computerlesbares Medium Download PDF

Info

Publication number
DE102021213960A1
DE102021213960A1 DE102021213960.4A DE102021213960A DE102021213960A1 DE 102021213960 A1 DE102021213960 A1 DE 102021213960A1 DE 102021213960 A DE102021213960 A DE 102021213960A DE 102021213960 A1 DE102021213960 A1 DE 102021213960A1
Authority
DE
Germany
Prior art keywords
charge
route
state
electric vehicle
drive battery
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
DE102021213960.4A
Other languages
English (en)
Inventor
Alma Pröbstl
Daniel Berg
Dominik Volk
Jens Kastens
Alexander Graf
Nicolas Blum
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ZF Friedrichshafen AG
Original Assignee
ZF Friedrichshafen AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ZF Friedrichshafen AG filed Critical ZF Friedrichshafen AG
Priority to DE102021213960.4A priority Critical patent/DE102021213960A1/de
Priority to PCT/EP2022/082706 priority patent/WO2023104497A1/de
Publication of DE102021213960A1 publication Critical patent/DE102021213960A1/de
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/66—Data transfer between charging stations and vehicles
    • B60L53/665—Methods related to measuring, billing or payment
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/64—Optimising energy costs, e.g. responding to electricity rates
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/68—Off-site monitoring or control, e.g. remote control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L55/00—Arrangements for supplying energy stored within a vehicle to a power network, i.e. vehicle-to-grid [V2G] arrangements
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
    • B60L58/13—Maintaining the SoC within a determined range
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3469—Fuel consumption; Energy use; Emission aspects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3484—Personalized, e.g. from learned user behaviour or user-defined profiles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/60—Navigation input
    • B60L2240/62—Vehicle position
    • B60L2240/622—Vehicle position by satellite navigation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/60—Navigation input
    • B60L2240/64—Road conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/60—Navigation input
    • B60L2240/64—Road conditions
    • B60L2240/645—Type of road
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/80—Time limits
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2250/00—Driver interactions
    • B60L2250/14—Driver interactions by input of vehicle departure time
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2260/00—Operating Modes
    • B60L2260/40—Control modes
    • B60L2260/50—Control modes by future state prediction
    • B60L2260/52—Control modes by future state prediction drive range estimation, e.g. of estimation of available travel distance
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2260/00—Operating Modes
    • B60L2260/40—Control modes
    • B60L2260/50—Control modes by future state prediction
    • B60L2260/54—Energy consumption estimation

Abstract

Die Erfindung betrifft ein Verfahren zum Ändern einer Ladung einer Antriebsbatterie (22) eines Elektrofahrzeugs (20). Das Verfahren weist auf: Empfangen mindestens eines Statussignals, das für einen aktuellen Zeitpunkt und/oder einen aktuellen Standort des Elektrofahrzeugs (20) repräsentativ ist; Ermitteln mindestens einer Route, die voraussichtlich als nächstes mit dem Elektrofahrzeug (20) unternommen wird, anhand einer Datenbank, in der mögliche Routen zugeordnet zu entsprechenden Zeitpunkten und Standorten gespeichert sind; Ermitteln eines Energiebedarfs, der zum Zurücklegen der Route mit dem Elektrofahrzeug (20) benötigt wird, zumindest abhängig von einer Länge der Route, mindestens einer Straßenart, die Teil der Route ist, und einem durchschnittlichen Energiebedarf auf der entsprechenden Streckenart; Ermitteln eines Ist-Ladezustands der Antriebsbatterie (22); Ermitteln eines Soll-Ladezustands der Antriebsbatterie (22) und eines finanziellen Gegenwerts einer Strommenge, die für eine Änderung der Ladung der Antriebsbatterie (22) von dem Ist-Ladezustand auf den Soll-Ladezustand benötigt wird, derart, dass der Energiebedarf durch die Ladung der Antriebsbatterie (22), die dem Soll-Ladezustand entspricht, gedeckt ist, dass ein durchschnittlicher Ladezustand der Antriebsbatterie (22) einer vorgegebenen ersten Optimierungsbedingung entspricht und dass der finanzielle Gegenwert einer vorgegebenen zweiten Optimierungsbedingung entspricht; und Ändern der Ladung der Antriebsbatterie (22) auf den ermittelten Soll-Ladezustand.

Description

  • Die Erfindung betrifft ein Verfahren zum Ändern einer Ladung einer Antriebsbatterie eines Elektrofahrzeugs, ein Steuergerät für ein Elektrofahrzeug, ein Computerprogramm zum Ändern einer Ladung einer Antriebsbatterie eines Elektrofahrzeugs und ein computerlesbares Medium, auf dem das Computerprogramm gespeichert ist.
  • Elektrofahrzeuge beziehen ihre Antriebsenergie aus mindestens einer Antriebsbatterie, die sich in dem entsprechenden Elektrofahrzeug befindet. Ein derartiges Elektrofahrzeug kann beispielsweise ein Elektro-LKW, ein Elektroauto, ein Elektrofahrrad, oder ein Elektroroller sein. Eine derartige Batterie kann an einer privaten oder öffentlichen Ladevorrichtung, beispielsweise an einer Wallbox bzw. Ladestation, geladen werden.
  • Nutzer von Elektrofahrzeugen laden diese bei Bedarf, häufig nach langen Fahrten und/oder bei niedrigem Ladezustand (SOC), auf. Viele Nutzer wählen dabei Zeitfenster, in denen ihr Elektrofahrzeug, insbesondere dessen Antriebsbatterie, vollständig geladen werden kann, beispielsweise über Nacht, damit das Elektrofahrzeug nachfolgend möglichst lang genutzt werden kann, bevor es erneut geladen werden muss.
  • Ein hoher Ladezustand, beispielsweise über 90% und/oder bei vollständig geladener Antriebsbatterie, kann bei relativ langen Standzeiten, beispielsweise über 6 oder 12 Stunden, einen negativen Einfluss auf eine Lebensdauer der Antriebsbatterie haben. Daher ist es vorteilhaft, solche Situationen zu vermeiden. Den Nutzern ist dieses Problem häufig nicht bewusst und Ladepläne, die regeln, wann welches Elektrofahrzeug wie lange geladen werden soll, beispielsweise für Fahrzeugflotten von Firmen oder Carsharing-Anbietern, und/oder Algorithmen zur Ladeplan-Erstellung liegen nicht immer ganz richtig. Problematisch könnte beispielsweise sein, wenn ein Nutzer sein Elektrofahrzeug nur werktags oder nur am Wochenende nutzt, das Elektrofahrzeug nach der letzten Nutzung vollständig auflädt und das vollständig geladene Elektrofahrzeug über die Wochenenden bzw. unter der Woche stehen lässt. Ein derartiges Nutzungsverhalten begründet regelmäßig Standzeiten von jeweils mehr als 48h bei maximalem Ladezustand. Dies kann zu einer signifikanten Verkürzung der Lebensdauer der Antriebsbatterie führen.
  • Es ist bekannt, die Lebensdauer von Batterien für Elektrofahrzeuge durch eine Batteriesteuereinheit (Antriebsbatterie-Management-System (BMS)) günstig zu beeinflussen, beispielsweise mittels einer Regelung einer Temperatur der Antriebsbatterie oder mittels gezielter Nutzung bestimmter Zellen der Antriebsbatterie. Ferner ist es bekannt, beim Laden einen Soll-Ladezustand vorzugeben, der unter dem maximal möglichen Ladezustand liegt und/oder der so optimiert ist, dass über mehrere Standzeiten ein geringer Durchschnitts-Ladezustand erreicht wird.
  • Neben einem hohen durchschnittlichen SOC kann das im Vorhergehenden erläuterte Ladeverhalten hohe Stromkosten für den Nutzer des Elektrofahrzeugs mit sich bringen. Die Wichtigkeit der ständigen Verfügbarkeit und ausreichenden Reichweite des Elektrofahrzeugs führt in der Regel dazu, dass sich die Nutzer nur insofern Gedanken machen, zu welchen Uhrzeiten und an welchen Ladevorrichtungen das Elektrofahrzeug geladen werden muss, damit die Verfügbarkeit gegeben ist und die Reichweite ausreicht. Dass zu bestimmten Ladezeiten und/oder an bestimmten Ladevorrichtungen die Stromkosten deutlich geringer sein können als zu anderen Ladezeiten bzw. an anderen Ladevorrichtungen, tritt dabei meistens zurück oder wird überhaupt nicht berücksichtigt.
  • Es ist Aufgabe der Erfindung, ein Verfahren zum Ändern einer Ladung einer Antriebsbatterie eines Elektrofahrzeugs bereitzustellen, das dazu beiträgt, dass die Antriebsbatterie eine besonders lange Lebensdauer hat, dass das Elektrofahrzeug mit ausreichender Reichweite bei Bedarf zur Verfügung steht und/oder dass Gesamtladekosten besonders gering sind.
  • Diese Aufgabe wird durch den Gegenstand der unabhängigen Ansprüche gelöst. Weitere Ausführungsformen der Erfindung ergeben sich aus den abhängigen Ansprüchen und aus der folgenden Beschreibung.
  • Ein Aspekt der Erfindung betrifft ein Verfahren zum Ändern einer Ladung einer Antriebsbatterie eines Elektrofahrzeugs, das Verfahren weist auf: Empfangen mindestens eines Statussignals, das für einen aktuellen Zeitpunkt und/oder einen aktuellen Standort des Elektrofahrzeugs repräsentativ ist; Ermitteln mindestens einer Route, die voraussichtlich als nächstes mit dem Elektrofahrzeug unternommen wird, anhand einer Datenbank, in der mögliche Routen zugeordnet zu entsprechenden Zeitpunkten und Standorten gespeichert sind; Ermitteln eines Energiebedarfs, der zum Zurücklegen der Route mit dem Elektrofahrzeug benötigt wird, zumindest abhängig von einer Länge der Route, mindestens einer Straßenart, die Teil der Route ist, und einem durchschnittlichen Energiebedarf auf der entsprechenden Streckenart; Ermitteln eines Ist-Ladezustands der Antriebsbatterie; Ermitteln eines Soll-Ladezustands der Antriebsbatterie und eines finanziellen Gegenwerts einer Strommenge, die für eine Änderung der Ladung der Antriebsbatterie von dem Ist-Ladezustand auf den Soll-Ladezustand benötigt wird, derart, dass der Energiebedarf durch die Ladung der Antriebsbatterie, die dem Soll-Ladezustand entspricht, gedeckt ist, dass ein durchschnittlicher Ladezustand der Antriebsbatterie einer vorgegebenen ersten Optimierungsbedingung entspricht und dass der finanzielle Gegenwert einer vorgegebenen zweiten Optimierungsbedingung entspricht; und Ändern der Ladung der Antriebsbatterie auf den ermittelten Soll-Ladezustand.
  • Ein weiterer Aspekt der Erfindung betrifft ein Steuergerät für ein Elektrofahrzeug, das einen Prozessor und einen Speicher aufweist, die dazu ausgebildet sind, das im Vorhergehenden erläuterte Verfahren abzuarbeiten.
  • Ein weiterer Aspekt der Erfindung betrifft ein Computerprogramm zum Ändern einer Ladung einer Antriebsbatterie eines Elektrofahrzeugs, das, wenn es von einem Steuergerät des Elektrofahrzeugs abgearbeitet wird, bewirkt, dass das Steuergerät das im Vorhergehenden erläuterte Verfahren abarbeitet.
  • Ein Aspekt der Erfindung betrifft ein computerlesbares Medium, auf dem das Computerprogramm gespeichert ist. Das computerlesbare Medium kann dabei eine Harddisk, ein USB-Speichergerät, ein RAM, ein ROM, ein EPROM oder ein FLASH-Speicher sein. Das computerlesbare Medium kann auch ein Datenkommunikationsnetzwerk, wie beispielsweise das Internet, das den Download eines Programmcodes ermöglicht, sein.
  • Es ist zu verstehen, dass Merkmale des Verfahrens so wie obenstehend und untenstehend beschrieben auch Merkmale des Steuergeräts, des Computerprogramms und/oder des computerlesbaren Mediums sein können und umgekehrt.
  • Das Ermitteln des Soll-Ladezustands der Antriebsbatterie und des finanziellen Gegenwerts der Strommenge, die für die Änderung der Ladung der Antriebsbatterie von dem Ist-Ladezustand auf den Soll-Ladezustand benötigt wird, derart, dass der Energiebedarf durch die Ladung der Antriebsbatterie, die dem Soll-Ladezustand entspricht, gedeckt ist, dass ein durchschnittlicher Ladezustand der Antriebsbatterie einer vorgegebenen ersten Optimierungsbedingung entspricht und dass der finanzielle Gegenwert einer vorgegebenen zweiten Optimierungsbedingung entspricht, und Ändern der Ladung der Antriebsbatterie auf den ermittelten Soll-Ladezustand, trägt auf einfache Weise dazu bei, dass die Antriebsbatterie eine besonders lange Lebensdauer hat, dass das Elektrofahrzeug mit ausreichender Reichweite bei Bedarf zur Verfügung steht und/oder dass Gesamtladekosten besonders gering sind, wobei sich die Gesamtladekosten über mehrere Lade- und/oder Entladevorgänge und/oder Ladezeiträume erstrecken können. Ferner kann aufgrund des verringerten durchschnittlichen Ladezustands die Wahrscheinlichkeit eines Auftretens eines thermischen Durchbruchs (engl.: thermal runaway) während Standzeiten reduziert werden.
  • Das Verfahren kann beispielsweise abgearbeitet werden, wenn das Elektrofahrzeug mit einer Ladevorrichtung verbunden ist. Das Verfahren kann beispielsweise von dem Steuergerät des Elektrofahrzeugs, von einer Ladevorrichtung, mit der das Elektrofahrzeug verbunden ist, oder von einem Lademodul, das auf einem Server gespeichert ist, der mit dem Steuergerät und/oder der Ladevorrichtung über das Internet kommuniziert, abgearbeitet werden. Der finanzielle Gegenwert kann anhand einer Zuordnungsvorschrift, z.B. einer Kostenfunktion, in der Strommengen und Ladezeiten Stromkosten zugeordnet sind, ermittelt werden. Eine mögliche Ladedauer kann mittels einer Ladekurve ermittelt werden, in der Ladedauern Ladezustandsänderungen zugeordnet sind. Das Statussignal kann von einer Uhr, einem Navigationsgerät und/oder einem GPS-Empfänger erzeugt werden. Das Statussignal kann dann von einer Steuereinheit des Elektrofahrzeugs, einer Ladesteuerung der Ladevorrichtung, mit der das Elektrofahrzeug verbunden ist, oder einem Lademodul auf einem Server, die bzw. das das Verfahren durchführt, empfangen werden.
  • Die Route kann mittels einer Routenprädiktion ermittelt werden. Aus der Routenprädiktion ergeben sich ein, zwei oder mehr mögliche Routen, die voraussichtlich als nächstes zurückgelegt werden. Diese Routen können jeweils von einem, zwei oder mehr Zwischenstopps unterbrochen sein, während der ein Laden oder Entladen möglich oder nicht möglich ist. Aus gespeicherten Kartendaten und/oder Nutzereinträgen können die Standorte von Ladevorrichtungen bekannt sein. Alternativ können die Standorte von Ladevorrichtungen über die Zeit durch Verwendung des Verfahrens und/oder der Routenprädiktion gelernt werden. Für jede Route können eine durchschnittliche Ankunftszeit, eine durchschnittliche Abfahrtszeit, Start- und/oder Zielkoordinaten, ein Ladeverhalten, ein Energieverbrauch (z.B. SOC), etc. abgespeichert sein. Optional können dabei die jeweiligen Standardabweichungen zusätzlich oder inkludiert angegeben sein. Alternativ oder zusätzlich können ein, zwei oder mehr Wegpunkte und/oder GPS-Traces gespeichert sein und verwendet werden, um das Laden oder Entladen an Ladevorrichtungen entlang der Route zu planen. Dabei kann mittels des Verfahrens ermittelt werden, nach welchem Routenabschnitt wie viel Ladung nachgeladen oder entladen werden soll.
  • Beim Ermitteln des durchschnittlichen Energiebedarfs können zusätzlich zu der Länge der Route, der Straßenart, und dem durchschnittlichen Energiebedarf auf der entsprechenden Streckenart ein Fahrverhalten des Nutzers, der voraussichtlich als nächstes mit dem Elektrofahrzeug fahren wird, eine oder mehrere Steigungen und/oder Gefälle entlang der Route, eine oder mehrere obere oder untere Geschwindigkeitsbeschränkungen entlang der Route, ein früherer Energiebedarf bei derselben Route/Streckenart, insbesondere bezogen auf den Nutzer, der voraussichtlich als nächstes mit dem Elektrofahrzeug fahren wird, und/oder eine erwartete Durchschnittsgeschwindigkeit berücksichtigt werden. Die Länge der Route, die Straßenart, die Steigungen und Gefälle, die Geschwindigkeitsbegrenzungen und/oder die erwartete Durchschnittsgeschwindigkeit können mittels eines Navigationssystems ermittelt werden. Der durchschnittliche Energiebedarf auf der entsprechenden Streckenart, das Fahrverhalten des Nutzers und/oder der frühere Energiebedarf können anhand historischer Daten ermittelt werden, die bei früheren Fahrten aufgezeichnet wurden und die auf einer Speichereinheit gespeichert sind.
  • Gemäß einer Ausführungsform entspricht der finanzielle Gegenwert Stromkosten, die vorgegebene erste Optimierungsbedingung ist ein minimaler durchschnittlicher Ladezustand und die vorgegebene zweite Optimierungsbedingung sind minimale Stromkosten, wenn der Soll-Ladezustand größer als der Ist-Ladezustand ist. Alternativ oder zusätzlich entspricht der finanzielle Gegenwert Stromeinnahmen, die vorgegebene erste Optimierungsbedingung ist ein minimaler durchschnittlicher Ladezustand und die vorgegebene zweite Optimierungsbedingung sind maximale Stromeinnahmen, wenn der Soll-Ladezustand kleiner als der Ist-Ladezustand ist. Somit kann der finanzielle Gegenwert Stromkosten oder Stromeinnahmen entsprechen. Der finanzielle Gegenwert kann auch aus Stromkosten und Stromeinnahmen, insbesondere aus einer Differenz zwischen Stromkosten und Stromeinnahmen, bestehen. Beispielsweise können in einem Zeitraum Stromeinnahmen erzeugt werden, indem die Antriebsbatterie entladen wird und der entsprechende Strom ins Netz eingespeist wird, und zu einem anderen Zeitpunkt können Stromkosten entstehen, wenn die Antriebsbatterie geladen wird, wobei dann der finanzielle Gegenwert, der insgesamt erzielt wird, der Differenz aus Stromkosten und Stromeinnahmen entspricht.
  • In diesem Zusammenhang ist zu erwähnen, dass in dieser Beschreibung die Begriffe „minimal“ und „maximal“ im Sinne einer mehrdimensionalen Optimierungsaufgabe zu verstehen sind und zumindest weitgehend als „möglichst klein“ bzw. „möglich groß“ zu verstehen sind. Beispielsweise kann ein tatsächlich minimaler, also kleinster, durchschnittlicher Ladezustand zu relativ hohen Stromkosten führen. Dies wäre dann keine geeignete Lösung, da die Stromkosten dann im Sinne der Beschreibung nicht minimal, also möglichst klein, wären. Im Gegensatz dazu wäre ein im Sinne der Beschreibung minimaler, also möglichst geringer, durchschnittlicher Ladezustand, der zu im Sinne der Beschreibung minimalen, also möglichst geringen, Stromkosten führen würde, eine geeignete Lösung, selbst wenn theoretisch noch geringere durchschnittliche Ladezustände möglich wären, die dann aber zu höheren Stromkosten führen würden.
  • Gemäß einer Ausführungsform werden der Soll-Ladezustand und der finanzielle Gegenwert ermittelt, indem eine Optimierungsaufgabe so formuliert wird, dass der durchschnittliche Ladezustand die erste Optimierungsbedingung erfüllt und der finanzielle Gegenwert die zweite Optimierungsbedingung erfüllt, wobei der durchschnittliche Ladezustand und der finanzielle Gegenwert die Parameter einer entsprechenden Zielfunktion sind. In diesem Zusammenhang kann die erste Optimierungsbedingung sein, dass der durchschnittliche Ladezustand auf der Pareto-Front liegt, und die zweite Optimierungsbedingung kann sein, dass der finanzielle Gegenwert auf der Pareto-Front liegt. Das Formulieren und nachfolgende Lösen der Optimierungsaufgabe ermöglicht auf einfache Weise, die Optimierungsbedingungen bestmöglich zu erfüllen. Insbesondere kann zum Lösen der Optimierungsaufgabe ein geeigneter Solver aus einer Vielzahl von bekannten Solvern wie beispielsweise CPLEX, Gurobi, GLPK beziehungsweise Ip_solve ausgewählt werden.
  • Gemäß einer Ausführungsform werden bei der Formulierung der Optimierungsaufgabe das Erfüllen der ersten Optimierungsbedingung und das Erfüllen der zweiten Optimierungsbedingung gewichtet. Die Gewichtung ermöglicht eine Anpassung des Verfahrens, insbesondere des Ergebnisses des Verfahrens, an individuelle Bedürfnisse und Wünsche des Nutzers und/oder an äußere Randbedingungen.
  • Gemäß einer Ausführungsform wird die Gewichtung anfangs von einem Nutzer des Elektrofahrzeugs vorgegeben. Beispielsweise kann der Nutzer vorgeben, ob ihm der finanzielle Gegenwert oder der durchschnittliche Ladezustand und somit die Lebensdauer der Antriebsbatterie wichtiger sind. Alternativ oder zusätzlich kann die Gewichtung offline so gelernt werden, dass die Ergebnisse auf einer Pareto-Front der Optimierungsaufgabe liegen. Alternativ oder zusätzlich kann die Gewichtung im Nachhinein anhand einer oder mehrerer Rückmeldungen des Nutzers gelernt werden. Beispielsweise kann der Nutzer nach dem Zurücklegen der Route angeben, ob er mit dem mittels des Verfahrens bestimmten Ladeverhaltens zufrieden ist oder nicht. Abhängig von dieser Rückmeldung des Nutzers können dann die Gewichte automatisch so angepasst werden, dass die Wahrscheinlichkeit hoch ist, dass der Nutzer zukünftig zufriedener ist.
  • Gemäß einer Ausführungsform wird bei der Formulierung der Optimierungsaufgabe eine Reduktion eines Zustandsraums von möglichen Zuständen erzielt, indem nur Ladezustände, Ladedauern und/oder Entladedauern in vorgegebenen Schritten berücksichtigt werden. Beispielsweise werden nur 5er-Schritte berücksichtigt, z.B. Ladezustände von 5%, 10%, etc., und/oder nur Lade- bzw. Entladedauern von 5min, 10min, etc. durch ein derartiges Granulieren der möglichen Zustände können Speicherplatz und Prozessorressourcen gespart werden. Ferner kann das Verfahren deutlich schneller abgearbeitet werden als ohne Granulieren der Zustände.
  • Gemäß einer Ausführungsform wird ein Algorithmus zum Ermitteln des durchschnittlichen Ladezustands und der Stromkosten angepasst, falls die Antriebsbatterie leer ist, bevor die Route vollständig zurückgelegt wurde. Beispielsweise können die Gewichte so angepasst werden, dass die Wahrscheinlichkeit, dass die Antriebsbatterie leer wird, bevor die Route vollständig zurückgelegt wurde, möglichst gering ist. Dies kann zu einer hohen Zufriedenheit des Nutzers beitragen.
  • Gemäß einer Ausführungsform wird nach dem Zurücklegen der Route der Ist-Ladezustand der Antriebsbatterie erneut ermittelt und ein Algorithmus zum Ermitteln des durchschnittlichen Ladezustands und des finanziellen Gegenwerts wird angepasst, falls der erneut ermittelte Ist-Ladezustand kleiner als ein vorgegebener Schwellenwert ist. Dies kann dazu beitragen, eine Reichweitenangst (engl. Range Anxiety) zu verringern, bei der der Nutzer aufgrund eines niedrigen Ladezustands der Antriebsbatterie während der Fahrt Angst hat, sein Ziel nicht zu erreichen. Der vorgegebene Schwellenwert kann beispielsweise 10%, 20% oder 30% sein.
  • Gemäß einer Ausführungsform umfasst die Route einen ersten Routenabschnitt, mindestens einen zweiten Routenabschnitt und einen Zwischenstopp zwischen dem ersten und dem zweiten Routenabschnitt, wobei beide Routenabschnitte zurückgelegt werden müssen, um die Route zurückzulegen. Dies ermöglicht, auch komplexe Routen mittels des Verfahrens zu berücksichtigen.
  • Gemäß einer Ausführungsform werden der Soll-Ladezustand und der finanzielle Gegenwert unter Berücksichtigung der Möglichkeit zum Ändern der Ladung bei dem Zwischenstopp ermittelt, falls bei dem Zwischenstopp eine Möglichkeit zum Ändern der Ladung des Elektrofahrzeugs besteht. Beispielsweise kann ein Laden oder Entladen der Antriebsbatterie bei dem Zwischenstopp dazu beitragen, dass der durchschnittliche Ladezustand minimal ist und/oder die Stromkosten minimal sind und/oder die Stromeinnahmen maximal sind. Insbesondere kann es ausreichend sein, die Antriebsbatterie nur geringfügig zu laden, wenn an einem, zwei oder mehr Zwischenstopps eine Lademöglichkeit besteht, z.B. wenn an dem Zwischenstopp eine Ladevorrichtung vorhanden ist. In diesem Zusammenhang ist zu erwähnen, dass in dieser Beschreibung eine Ladevorrichtung sämtliche Lade- und Entlademöglichkeiten, wie beispielsweise öffentliche oder private Ladestationen und/oder Wallboxen, umfasst.
  • Gemäß einer Ausführungsform weist das Verfahren weiter auf ein Ermitteln mindestens einer weiteren Route, die voraussichtlich als nächstes mit dem Elektrofahrzeug zurückgelegt wird, wobei der Soll-Ladezustand so ermittelt wird, dass mindestens ein vorgegebener Anteil der ermittelten Routen zurückgelegt werden kann, wenn die Antriebsbatterie nach dem Ändern der Ladung und vor Antritt der Route den Soll-Ladezustand aufweist. Der vorgegebene Anteil kann beispielsweise 85%, 90% oder 95% sein. Falls der vorgegebene Anteil beispielsweise 90% ist und zehn mögliche Routen, die voraussichtlich als nächstes mit dem Elektrofahrzeug zurückgelegt werden, ermittelt werden, so kann der Soll-Ladezustand so ermittelt werden, dass zumindest neun der zehn Routen zurückgelegt werden können, wenn die Antriebsbatterie bei Antritt der Route den ermittelten Soll-Ladezustand aufweist, wobei die Route, die voraussichtlich nicht zurückgelegt werden kann, den höchsten Soll-Ladezustand aufweist. Falls der vorgegebene Anteil beispielsweise 95% ist, so wird genügend Energie geladen, um 95% der voraussichtlichen nächsten Routen fahren zu können, wodurch unwahrscheinliche Routen mit hohem Energiebedarf aussortiert werden und die Wahrscheinlichkeit eines zu hohen Endladestandes verringert wird. Im Zuge der Optimierungsaufgabe kann der vorgegebene Anteil in Form eines N-Quantils der möglichen Routen, beispielsweise gegeben durch Bayes-Wahrscheinlichkeiten, angegeben werden.
  • Gemäß einer Ausführungsform, falls der finanzielle Gegenwert zeitlich variiert, wird bei dem Ermitteln des Soll-Ladezustands der Antriebsbatterie und des finanziellen Gegenwerts mindestens ein Ladezeitpunkt ermittelt, zu dem die Stromkosten pro Stromeinheit am günstigsten sind, wobei die Antriebsbatterie zu dem ermittelten Ladezeitpunkt geladen wird. Alternativ oder zusätzlich wird ein Entladezeitpunkt ermittelt, zu dem die Stromeinnahmen pro Stromeinheit am höchsten sind, wobei die Antriebsbatterie zu dem ermittelten Entladezeitpunkt entladen wird. Dies kann auf einfache Weise dazu beitragen, den durchschnittlichen Ladezustand der Antriebsbatterie und die Stromkosten besonders gering zu halten und/oder die Stromeinnahmen besonders hochzuhalten.
    • 1 zeigt ein Ausführungsbeispiel eines Elektrofahrzeugs und einer Ladevorrichtung in einem ersten Zustand.
    • 2 zeigt ein Ablaufdiagramm eines Ausführungsbeispiels eines Verfahrens zum Ändern einer Ladung einer Antriebsbatterie eines Elektrofahrzeugs.
    • 3 zeigt ein erstes Schaubild, das herkömmliche zeitliche Verläufe eines Ladezustands und eines durchschnittlichen Ladezustands der Antriebsbatterie zeigt.
    • 4 zeigt ein zweites Schaubild, das einen Vergleich zwischen den herkömmlichen zeitlichen Verläufen gemäß 3 und zeitlichen Verläufen eines Ladezustands und eines durchschnittlichen Ladezustands der Antriebsbatterie gemäß der vorliegenden Erfindung zeigt.
    • 5 zeigt ein drittes Diagramm, das verschiedene Ladezustandsänderungen für verschiedene Anschlussdauern gemäß der vorliegenden Erfindung zeigt.
    • 6 zeigt ein drittes Schaubild, das ein Beispiel für Übergangswahrscheinlichkeiten in einem Markov-Entscheidungsproblem veranschaulicht.
    • 7. zeigt ein viertes Schaubild, das ein Beispiel eines Zustandsraums in einem Markov-Entscheidungsproblem veranschaulicht.
    • 8. zeigt ein viertes Schaubild, das ein Beispiel eines reduzierten Zustandsraums in einem Markov-Entscheidungsproblem veranschaulicht.
  • Im Folgenden werden Ausführungsbeispiele der Erfindung mit Bezug auf die beiliegenden Figuren detailliert beschrieben. Die in den Figuren verwendeten Bezugszeichen und ihre Bedeutung sind in zusammenfassender Form in der untenstehenden Liste der Bezugszeichen aufgeführt. Grundsätzlich sind identische oder ähnliche Teile mit den gleichen Bezugszeichen versehen.
  • 1 zeigt ein Ausführungsbeispiel eines Elektrofahrzeugs 20 und einer Ladevorrichtung 30. Das Elektrofahrzeug 20 weist eine Antriebsbatterie 22, eine Steuereinheit 24 und eine Ladebuchse 26 auf. Die Ladebuchse 26 ist über ein Ladekabel 28 mit der Ladevorrichtung 30 verbunden. Die Ladevorrichtung 30 weist eine Ladesteuerung 32 auf. Die Ladevorrichtung 30 eignet sich zum Laden der Antriebsbatterie 22. Optional kann die Ladevorrichtung 30 so ausgebildet sein, dass mittels der Ladevorrichtung 30 die Antriebsbatterie 22 entladen werden kann. Die Antriebsbatterie 22 ist beispielsweis eine Lithium-Ionen-Antriebsbatterie.
  • Bei dem in 1 gezeigten Beispiel ist das Elektrofahrzeug 20 ein Elektroauto. Alternativ dazu kann das Elektrofahrzeug 20 beispielsweise ein Elektro-LKW, ein Elektrofahrrad oder ein Elektroroller sein. Die Ladevorrichtung 30 kann beispielsweise eine private Ladevorrichtung, beispielsweise eine Wallbox, oder eine öffentliche Ladevorrichtung, beispielsweise eine Ladestation, sein.
  • Die Steuereinheit 24 und/oder die Ladesteuerung 32 können mit einem Server 36 kommunizieren, beispielsweise über das Internet 34. Der Server 36 kann ein Lademodul (nicht gezeigt) aufweisen, mittels dessen ein Ändern der Ladung der Antriebsbatterie 22 mithilfe der Ladevorrichtung 30 gesteuert werden kann. Das Lademodul kann als Software und/oder Hardware implementiert sein.
  • Die Steuereinheit 24, die Ladesteuerung 32 und/oder das Lademodul können dazu konfiguriert sein: mindestens ein Statussignal zu empfangen, das für einen aktuellen Zeitpunkt und/oder einen aktuellen Standort des Elektrofahrzeugs 20 repräsentativ ist; mindestens eine Route zu ermitteln, die voraussichtlich als nächstes mit dem Elektrofahrzeug 20 unternommen wird, anhand einer Datenbank, in der mögliche Routen zugeordnet zu entsprechenden Zeitpunkten und Standorten gespeichert sind; einen Energiebedarf zu ermitteln, der zum Zurücklegen der Route mit dem Elektrofahrzeug 20 benötigt wird, zumindest abhängig von einer Länge der Route, mindestens einer Straßenart, die Teil der Route ist, und einem durchschnittlichen Energiebedarf auf der entsprechenden Streckenart; einen Ist-Ladezustand der Antriebsbatterie 22 zu ermitteln; einen Soll-Ladezustand der Antriebsbatterie 22 und eines finanziellen Gegenwerts einer Strommenge zu ermitteln, die für eine Änderung der Ladung der Antriebsbatterie 22 von dem Ist-Ladezustand auf den Soll-Ladezustand benötigt wird, derart, dass der Energiebedarf durch die Ladung der Antriebsbatterie 22, die dem Soll-Ladezustand entspricht, gedeckt ist, dass ein durchschnittlicher Ladezustand der Antriebsbatterie 22 einer vorgegebenen ersten Optimierungsbedingung entspricht und dass der finanzielle Gegenwert einer vorgegebenen zweiten Optimierungsbedingung entspricht; und die Ladung der Antriebsbatterie 22 auf den ermittelten Soll-Ladezustand zu ändern, beispielsweise durch Laden oder Entladen der Antriebsbatterie 22.
  • 2 zeigt ein Ablaufdiagramm eines Ausführungsbeispiels eines Verfahrens zum Ändern einer Ladung einer Antriebsbatterie eines Elektrofahrzeugs. Das Verfahren dient dazu, einen durchschnittlichen Ladezustand der Antriebsbatterie 22 minimal, also möglichst gering, zu halten und gleichzeitig einen für den Nutzer günstigen finanziellen Gegenwert zu erzeugen. Dass der finanzielle Gegenwert günstig ist, kann beispielsweise beim Laden der Antriebsbatterie 22 bedeuten, dass die Stromkosten gering sind, und kann beim Entladen der Antriebsbatterie 22 bedeuten, dass die Stromeinnahmen hoch sind. Das Verfahren kann von einer oder mehreren Vorrichtungen, beispielsweise von der Steuereinheit 24, der Ladesteuerung 32 und/oder dem Lademodul, abgearbeitet werden, wobei die entsprechende Vorrichtung das Verfahren allein oder in Zusammenwirken mit einer oder beiden anderen Vorrichtungen abarbeiten kann. Das Verfahren kann beispielsweise abgearbeitet werden, wenn das Elektrofahrzeug 20 mit der Ladevorrichtung 30 verbunden ist.
  • In einem Schritt A2 wird das Verfahren gestartet, beispielsweise wenn die Ladebuchse 26 über das Ladekabel 28 mit der Ladevorrichtung 30 verbunden wird. Gegebenenfalls können Variablen in dem Schritt A2 initialisiert werden.
  • In einem Schritt A4 wird mindestens ein Statussignals empfangen, das für einen aktuellen Zeitpunkt und/oder einen aktuellen Standort des Elektrofahrzeugs 20 repräsentativ ist. Das Statussignal kann von einer Uhr, einem Navigationsgerät, beispielsweise von einem Navigationsgerät des Elektrofahrzeugs 20, und/oder einem GPS-Empfänger, beispielsweise einem GPS-Empfänger des Elektrofahrzeugs 20, erzeugt werden. Das Statussignal kann dann zur weiteren Verarbeitung von der Steuereinheit 24, der Ladesteuerung 32 und/oder dem Lademodul empfangen werden. Der Standort kann beispielsweise ein Zuhause eines Nutzers des Elektrofahrzeugs 20, ein Firmenstandort einer Firma, der das Elektrofahrzeug 20 gehört, oder ein beliebiger anderer Standort mit einer Lademöglichkeit sein.
  • In einem Schritt A6 wird mindestens eine Route ermittelt, die voraussichtlich als nächstes mit dem Elektrofahrzeug 20 zurückgelegt wird. Die Route kann beispielsweise anhand einer Datenbank, in der mögliche Routen zugeordnet zu entsprechenden Zeitpunkten und Standorten gespeichert sind, ermittelt werden. Die Route kann mittels einer herkömmlichen Routenprädiktion ermittelt werden. Aus der Routenprädiktion ergeben sich ein, zwei oder mehr mögliche Routen, die voraussichtlich als nächstes zurückgelegt werden. In dem Schritt A6 können somit zwei oder mehr Routen ermittelt werden, die jeweils mit einer gewissen Wahrscheinlichkeit als nächstes mit dem Elektrofahrzeug 20 zurückgelegt werden. Diese Routen können jeweils durch einen, zwei oder mehr Zwischenstopps unterbrochen sein, während der ein Laden oder Entladen möglich oder nicht möglich ist, wobei die Standorte von Ladevorrichtungen 30 aus gespeicherten Kartendaten und/oder Nutzereinträgen bekannt sein können oder mit der Zeit durch Verwendung des Verfahrens und/oder der Routenprädiktion gelernt werden. Für jede Route können eine durchschnittliche Ankunftszeit, eine durchschnittliche Abfahrtszeit, Start- und/oder Zielkoordinaten, ein Ladeverhalten, ein Energieverbrauch (z.B. SoC-Verbrauch), etc. abgespeichert sein. Optional können dabei die jeweiligen Standardabweichungen zusätzlich oder inkludiert angegeben sein. Alternativ oder zusätzlich können ein, zwei oder mehr Wegpunkte und/oder GPS-Traces gespeichert sein und verwendet werden, um das Laden oder Entladen an Ladevorrichtungen 30 entlang der Route zu planen. Dabei kann mittels des Verfahrens ermittelt werden, nach welchem Routenabschnitt wie viel Ladung nachgeladen oder entladen werden soll.
  • In einem Schritt A8 wird ein Energiebedarf ermittelt, der zum Zurücklegen der Route mit dem Elektrofahrzeug 20 benötigt wird. Der Energiebedarf und dessen zeitliche Verteilung lassen sich beispielsweise durch Gauß'sche Mischverteilungen abbilden. Auch andere Wahrscheinlichkeitsverteilungen (z.B. Weibull) sind denkbar. Der Energiebedarf wird zumindest abhängig von einer Länge der Route, mindestens einer Straßenart, die Teil der Route ist, und einem durchschnittlichen Energiebedarf auf der entsprechenden Streckenart ermittelt. Zusätzlich können ein Fahrverhalten des Nutzers, der voraussichtlich als nächstes mit dem Elektrofahrzeug 20 fahren wird, eine oder mehrere Steigungen und/oder Gefälle entlang der Route, eine oder mehrere obere oder untere Geschwindigkeitsbeschränkungen entlang der Route, ein früherer Energiebedarf bei derselben Route/Streckenart, insbesondere bezogen auf den Nutzer, der voraussichtlich als nächstes mit dem Elektrofahrzeug 20 fahren wird, und/oder eine erwartete Durchschnittsgeschwindigkeit berücksichtigt werden. Die Länge der Route, die Straßenart, die Steigungen und Gefälle, die Geschwindigkeitsbegrenzungen und/oder die erwartete Durchschnittsgeschwindigkeit können mittels eines Navigationssystems ermittelt werden. Der durchschnittliche Energiebedarf auf der entsprechenden Streckenart, das Fahrverhalten des Nutzers und/oder der frühere Energiebedarf können anhand historischer Daten ermittelt werden, die bei früheren Fahrten aufgezeichnet wurden und die auf einer Speichereinheit gespeichert sind. Ferner kann das Verhalten des Nutzers durch eine Gaußverteilung o.ä. modelliert werden.
  • In einem Schritt A10 wird ein Ist-Ladezustand der Antriebsbatterie 22 ermittelt. Beispielsweise kann der Ist-Ladezustand von der Steuereinheit 24 ermittelt werden. Beispielsweise kann die Steuereinheit 24 eine Batteriesteuereinheit (nicht gezeigt) umfassen oder mit einer Batteriesteuereinheit kommunizieren, um den Ist-Ladezustand zu ermitteln, insbesondere zu erfassen bzw. abzufragen.
  • In einem Schritt A12 werden ein Soll-Ladezustand der Antriebsbatterie 22 und der finanzielle Gegenwert einer Strommenge, die für eine Änderung der Ladung der Antriebsbatterie 22 von dem Ist-Ladezustand auf den Soll-Ladezustand benötigt wird, derart ermittelt, dass der ermittelte Energiebedarf durch die Ladung der Antriebsbatterie 22, die dem Soll-Ladezustand entspricht, gedeckt ist, dass ein durchschnittlicher Ladezustand der Antriebsbatterie 22 einer vorgegebenen ersten Optimierungsbedingung entspricht und dass der finanzielle Gegenwert einer vorgegebenen zweiten Optimierungsbedingung entspricht. Falls der Soll-Ladezustand größer als der Ist-Ladezustand ist, entspricht der finanziellen Gegenwert Stromkosten, die vorgegebene erste Optimierungsbedingung ist ein minimaler durchschnittlicher Ladezustand und die vorgegebene zweite Optimierungsbedingung sind minimale Stromkosten. Falls der Soll-Ladezustand kleiner als der Ist-Ladezustand ist, entspricht der finanzielle Gegenwert Stromeinnahmen, die vorgegebene erste Optimierungsbedingung ist ein minimaler durchschnittlicher Ladezustand und die vorgegebene zweite Optimierungsbedingung sind maximale Stromeinnahmen.
  • Der Soll-Ladezustand und der finanzielle Gegenwert können beispielsweise ermittelt werden, indem eine Optimierungsaufgabe so formuliert wird, dass der durchschnittliche Ladezustand die erste Optimierungsbedingung erfüllt und der finanzielle Gegenwert die zweite Optimierungsbedingung erfüllt, wobei der durchschnittliche Ladezustand und der finanzielle Gegenwert die Parameter einer entsprechenden Zielfunktion der Optimierungsaufgabe sind. Die Optimierungsaufgabe kann im Vorfeld, beispielsweise von einem Hersteller des Elektrofahrzeugs 20, formuliert werden und kann dann beim alltäglichen Gebrauch des Elektrofahrzeugs 20 gelöst werden.
  • Falls als Randbedingung vorgegeben wird, dass das Elektrofahrzeug 20 nur daheim bzw. am eigenen Firmensitz geladen oder entladen werden soll, so kann die Optimierungsaufgabe beispielsweise als Mixed-Integer-Linear-Programming(MILP)-Problem definiert werden. Dieses MILP kann dann mit einem herkömmlichen geeigneten Solver gelöst werden. Ferner können die möglichen Routen so ermittelt werden, dass sowohl der Startort als auch der Zielort das Zuhause bzw. der Firmensitz des Nutzers sind. Hierbei kann auch eine Mindeststanddauer am Startort bzw. Zielort berücksichtigt werden. Falls beispielsweise die voraussichtliche Standdauer am Zielort zu kurz ist, um das Elektrofahrzeug 20 für die nächste Fahrt vorzubereiten, so kann der Zielort lediglich als Zwischenstopp klassifiziert werden, wobei dann die Route über den Zwischenstopp hinaus ausgedehnt werden kann. Wo das Zuhause bzw. der Firmensitz ist, kann von dem Nutzer im Vorhinein vorgegeben werden oder kann durch Verwenden des Verfahrens von dem entsprechenden Algorithmus gelernt werden.
  • Die Optimierungsaufgabe wird vorzugsweise so formuliert, dass eine Zufriedenheit des Nutzers zumindest weitgehend sichergestellt ist, was auch als robuste Optimierung bezeichnet werden kann. Eine derartige robuste Optimierung kann beispielsweise durch Formulierung einer oder mehrerer Randbedingungen erzielt werden. Im Zuge der Optimierungsaufgabe können diese Randbedingungen als Bestandteil eines Rewards (zu deutsch: einer Belohnung) angegeben werden. Beispielsweise kann als Randbedingung vorgegeben werden, dass der Ladezustand der Antriebsbatterie 22 ausreichen muss, um die Route vollständig zurücklegen zu können. Insbesondere kann als Randbedingung vorgegeben werden, dass vor Beenden der Route niedrige Ladezustände beispielsweise unter 30%, insbesondere unter 20%, insbesondere unter 10% vermieden, werden, um eine Reichweitenangst (engl. Range Anxiety) zu verringern oder zu vermeiden und/oder um genügend Energie für spontane, nicht vorhergesagte Fahrten zur Verfügung zu haben, was jeweils zu einer erhöhten Kundenzufriedenheit führt.
  • Ein weiterer Aspekt der Formulierung der Optimierungsaufgabe kann auf die Erfüllung eines N-Quantils der möglichen Routen abzielen. Das N-Quantil kann beispielsweise 90%, 95% oder 98% sein. Wahrscheinlichkeiten, mit der die möglichen Routen unternommen werden, können dabei beispielsweise durch entsprechende Bayes-Wahrscheinlichkeiten angegeben werden. Im Falle eines N-Quantils von beispielsweise 95% würde dies bedeuten, dass der Soll-Ladezustand groß genug sein muss, um 95% der möglichen nächsten Routen zurücklegen zu können. Dadurch können unwahrscheinliche Routen mit hohem Energiebedarf aussortiert werden und die Wahrscheinlichkeit eines zu hohen Ladezustands der Antriebsbatterie 22 am Ende der Route kann verringert werden. Falls somit in dem Schritt A6 mindestens zwei Routen, die voraussichtlich als nächstes mit dem Elektrofahrzeug 20 zurückgelegt werden, ermittelt werden, so kann der Soll-Ladezustand so ermittelt werden, dass mindestens ein vorgegebener Anteil (das N-Quantil) der ermittelten Routen zurückgelegt werden kann, wenn die Antriebsbatterie 22 nach dem Ändern der Ladung und vor Antritt der Route den Soll-Ladezustand aufweist.
  • Optional können bei der Formulierung der Optimierungsaufgabe das Erfüllen der ersten Optimierungsbedingung und das Erfüllen der zweiten Optimierungsbedingung gewichtet werden. Die Gewichtung kann beispielsweise anfangs von dem Nutzer des Elektrofahrzeugs 20 vorgegeben werden. Alternativ kann die Gewichtung offline so gelernt werden, dass die Ergebnisse auf einer Pareto-Front der Optimierungsaufgabe liegen. Alternativ oder zusätzlich können die Gewichte im Nachhinein anhand einer Rückmeldung des Nutzers gelernt wird.
  • Falls die in dem Schritt A6 ermittelte Route einen ersten Routenabschnitt, mindestens einen zweiten Routenabschnitt und einen Zwischenstopp zwischen dem ersten und dem zweiten Routenabschnitt umfasst, wobei beide Routenabschnitte zurückgelegt werden müssen, um die Route zurückzulegen, und falls bei dem Zwischenstopp eine Möglichkeit zum Ändern der Ladung des Elektrofahrzeugs 20 besteht, so können der Soll-Ladezustand und der finanzielle Gegenwert unter Berücksichtigung der Möglichkeit zum Ändern der Ladung bei dem Zwischenstopp ermittelt werden. D.h., dass zu Beginn der Route der Soll-Ladezustand als besonders gering ermittelt werden kann, insbesondere so, dass man mit dem Elektrofahrzeug 20 den Zwischenstopp sicher erreicht und dass die Antriebsbatterie 22 bei dem Zwischenstopp für den nächsten Routenabschnitt ausreichend geladen werden kann.
  • In diesem Fall kann das Elektrofahrzeug 20 somit auch an Ladevorrichtungen 30 außerhalb des Zuhauses oder des Firmensitzes geladen werden und die Optimierungsaufgabe kann beispielsweise als Markov-Entscheidungsplan (engl.: Markov-Decision-Process) formuliert werden. Die Randbedingungen, die im Vorhergehenden mit Bezug zu dem MILP-Problem erläutert wurden, können auch als Randbedingungen bzw. Rewards beim Formulieren des Markow-Entscheidungsplans berücksichtigt werden. Bei dem Markow-Entscheidungsplan können die Zustände (engl.: states) durch die Ladezustände der Antriebsbatterie 22 und die Ladezeitpunkte bestimmt sein und die Aktionen (engl.: actions) können das Laden oder Entladen sein. Sollte das Laden oder Entladen bei verschiedenen Stromstärken möglich sein, so können durch die verschiedenen Stromstärken weitere Aktionen definiert sein.
  • Eine Belohnungsübergangsmatrix (engl.: Transition Reward Matrix) kann beispielsweise ermittelt werden anhand von SoC-Unterschieden zwischen den Zuständen und den finanziellen Gegenwerten, beispielsweise abgebildet durch zeitabhängige Nutzertarife (engl.: Time of Use Tariffs), wie nachfolgend mit Bezug zu den 5, 9 und 10 näher erläutert. Dabei kann eine Verringerung des SoCs langfristig zu einem geringeren durchschnittlichem SoC und damit zu einer Verringerung der Alterung und einer Verlängerung der Lebensdauer der Antriebsbatterie 22 führen. Ferner können diese Bestandteile gewichtet, normiert und aufsummiert werden. Es kann sein, dass dabei eine Invertierung der Belohnungsübergangsmatrix notwendig wird, da der Reward maximiert wird. Die Policy kann beispielsweise durch einen Value-Iteration Algorithmus oder durch eine Monte-Carlo-Baum-Suche (engl.: Monte-Carlo-Tree-Search) bestimmt werden. Besonders vorteilhaft ist es, wenn die Übertrittswahrscheinlichkeiten zwischen den Zuständen durch die Wahrscheinlichkeiten der Routenprädiktion bestimmt werden), wie nachfolgend mit Bezug zu den 5, 9 und 10 näher erläutert.
  • Falls die Anforderungen an die Lebensdauer den zeitabhängigen Nutzertarifen gegenläufig sind, beispielsweise wenn das Laden verzögert wird, um den durchschnittlichen SoC zu verringern, obwohl zu Beginn des Ladefensters die Preise niedriger sind als am Ende des Ladefensters, so kann es mehrere valide Lösungen geben, welche einen akzeptablen Kompromiss zwischen finanziellem Gegenwert und durchschnittlichem SoC ergeben. Diese validen Lösungen können beispielsweise auf einer Pareto-Front liegen. Beispielsweise können die Gewichtungen der Reward-Funktion so gewählt werden, dass die Ergebnisse vorzugsweise oder obligatorisch auf der Pareto-Front liegen. Eine Verschiebung mit Fokus auf dem durchschnittlichen Ladezustand oder dem finanziellen Gegenwert kann dann individuell, z.B. nach Nutzerpräferenz, mithilfe von Anpassen der Gewichte erfolgen. Als zusätzliche Dimension können die im Vorhergehenden beschriebene Nutzerzufriedenheit und/oder die entsprechenden Randbedingungen hinzugezogen werden. Ferner kann ein detailliertes Alterungsmodell der Antriebsbatterie 22 berücksichtigt werden, so dass nicht nur der durchschnittliche Ladezustand, sondern auch die Entladetiefe im Detail berücksichtigt werden können.
  • Besonders günstig bei der Formulierung der Optimierungsaufgabe ist es, wenn eine Reduktion eines Zustandsraums von möglichen Zuständen erzielt werden kann. Dies kann beispielsweise realisiert werden, indem nur Ladezustände, Ladedauern und/oder Entladedauern in vorgegebenen Schritten, in anderen Worten: in Granularitäten, also nicht stufenlos, berücksichtigt werden, wie nachfolgend mit Bezug zu 3 und 4 näher erläutert. Beispielsweise können Zeitpunkte lediglich in fest vorgegebenen Schritten, beispielsweise von 10, 15 oder 20 Minuten, berücksichtigt werden. Auf gleiche Weise können auch die Ladezustände lediglich in fest vorgegebenen Schritten, beispielsweise von 5%, 10% oder 15%, berücksichtigt werden. Alternativ oder zusätzlich können Lade- und/oder Entladevorgänge jeweils als Ganzes betrachtet werden, beispielsweise als Tupel aus Ladezeitpunkt und Ladezustand, beispielsweise können 45min Laden und 5% SoC-Zuwachs ein Tupel bilden, oder 1h 15min Entladen und 40% SoC-Verringerung können ein Tupel bilden. Eine weitere Reduktion des Zustandsraums kann erreicht werden, indem zwei oder mehr Routen, die einen ähnlichen Energiebedarf mit sich bringen (z.B. ist ein Unterschied zwischen den Energiebedürfnissen kleiner als ein vorgegebener Schwellenwert), zusammengefasst werden und die akkumulierten Wahrscheinlichkeiten betrachtet werden.
  • Falls der finanzielle Gegenwert zeitlich variiert, kann bei dem Ermitteln des Soll-Ladezustands der Antriebsbatterie 22 und des finanziellen Gegenwerts mindestens ein Ladezeitpunkt ermittelt werden, zu dem die Stromkosten pro Stromeinheit am günstigsten sind, wobei die Antriebsbatterie 22 zu dem ermittelten Ladezeitpunkt geladen wird, und/oder ein Entladezeitpunkt ermittelt wird, zu dem die Stromeinnahmen pro Stromeinheit am höchsten sind, wobei die Antriebsbatterie 22 zu dem ermittelten Entladezeitpunkt entladen wird.
  • Durch Bidirektionales Laden, also durch Laden und Entladen der Antriebsbatterie 22, kann die Robustheit des Algorithmus gesteigert werden, da auch bei geringeren Wahrscheinlichkeiten des Nutzungsbedarfs die Antriebsbatterie 22 geladen werden kann, beispielsweise wenn der Energiepreis gering ist, und/oder die Antriebsbatterie 22 im Anschluss wieder entladen werden kann, beispielsweise wenn eine vorhergesagte Route nicht angetreten wird. Ferner kann die Robustheit des Algorithmus erhöht werden, indem eine Notfall-Ladung und/oder ein Ladungspuffer vorgehalten werden, da dadurch Unsicherheiten reduziert werden können und einer Reichweitenangst entgegengewirkt werden kann.
  • In einem Schritt A14 wird die Ladung der Antriebsbatterie 22 auf den ermittelten Soll-Ladezustand geändert. Falls der Soll-Ladezustand kleiner als der Ist-Ladezustand ist, so wird in dem Schritt A14 die Antriebsbatterie 22 entladen. Falls der Soll-Ladezustand größer als der Ist-Ladezustand ist, so wird in dem Schritt A12 die Antriebsbatterie 22 geladen.
  • In einem Schritt A16 kann das Verfahren beendet werden, beispielsweise wenn die Antriebsbatterie 22 den ermittelten Soll-Ladezustand aufweist oder wenn das Ladekabel 28 von der Buchse 26 und/oder der Ladevorrichtung 30 getrennt wird. Alternativ oder zusätzlich kann in dem Schritt A16 ein Algorithmus zum Ermitteln des durchschnittlichen Ladezustands und der Stromkosten angepasst wird, falls die Antriebsbatterie 22 leer ist, bevor die Route vollständig zurückgelegt wurde. Alternativ oder zusätzlich wird nach dem Zurücklegen der Route der Ist-Ladezustand der Antriebsbatterie 22 erneut ermittelt und ein Algorithmus zum Ermitteln des durchschnittlichen Ladezustands und des finanziellen Gegenwerts wird angepasst, falls der erneut ermittelte Ist-Ladezustand kleiner als ein vorgegebener Schwellenwert ist. Falls der Algorithmus mit Gewichten arbeitet, so können beispielsweise die Gewichte angepasst werden, um eine höhere Kundenzufriedenheit sicherzustellen.
  • Der Algorithmus, der zu dem Verfahren korrespondiert, kann vereinfacht werden, beispielsweise indem der Nutzer einzelne Bestandteile manuell festlegen kann. Beispielsweise kann dadurch eine Reduktion der Freiheitsgrade erfolgen. Zur Reduktion des Speicherbedarfs und der Rechenzeit kann eine Optimierung des Algorithmus erfolgen. Beispielsweise kann eine Vergessen-Funktion implementiert werden, die Routen aussortiert, die länger als ein vorgegebener Zeitraum, beispielsweise wenige Monate oder Jahre, nicht zurückgelegt wurden, so dass sie bei der Routenprädiktion nicht mehr berücksichtigt werden.
  • Das im Vorhergehenden erläuterte Verfahren kann auch zum Laden von Antriebsbatterien von Elektrofahrrädern, in anderen Worten Fahrradakkus, verwendet werden. Hier kann eine Lebensdauer- und Kostenoptimierung beispielsweise für Pendler erfolgen. Die Lebensdauer des Fahrradakkus kann gemäß obigem Verfahren optimiert werden. Ein zusätzlicher Freiheitsgrad lässt sich durch die Verwendung von zwei Fahrradakkus erreichen. Eine Ladedauer des Fahrradakkus kann gelernt werden. Routen in kurzem zeitlichem Abstand können beispielsweise durch Nutzen von zwei unabhängigen Fahrradakkus gewährleistet werden, wobei ein Wechsel der Fahrradakkus beispielsweise in einer Mittagspause erfolgen kann. Ferner können eine Telematik für Elektrofahrräder und eine Bluetoothfähigkeit zur Verbindung mit einem Mobiltelefon des Nutzers implementiert werden, so dass beispielsweise eine GPS-Funktion des Mobiltelefons genutzt werden kann.
  • 3 zeigt exemplarisch ein erstes Schaubild, das mögliche zeitliche Verläufe eines Ladezustands und eines durchschnittlichen Ladezustands der Antriebsbatterie 22 zeigt, wobei der tatsächliche Ladezustand durch die durchgezogene Linie und der durchschnittliche Ladezustand durch die gestrichelte Linie dargestellt sind. Aus dem ersten Schaubild geht hervor, dass der tatsächliche Ladezustand von einem ersten Zeitpunkt T1, ungefähr gegen Mitternacht, bis zu einem zweiten Zeitpunkt T2, ungefähr gegen 8:00 Uhr morgens, bei 100% ist, dann nach einer kurzen Fahrt bis zu einem Zeitpunkt T3 auf ca. 70% abfällt, dann bis zu einem vierten Zeitpunkt T4, ungefähr gegen 11:00 Uhr vormittags, wieder auf 100% steigt, bis zu einem fünften Zeitpunkt T5, um ungefähr 6:00 Uhr nachmittags, auf 100% bleibt, dann wieder nach einer kurzen Fahrt zu einem sechsten Zeitpunkt T6, um ungefähr 7:00 nachmittags, auf ca. 70% abfällt, bis zu einem siebten Zeitpunkt T7, ungefähr um 9:00 Uhr abends, wieder auf 100% steigt und dann bis Mitternacht auf 100% bleibt. Im Unterschied dazu bleibt der durchschnittliche Ladezustand während des gesamten Zeitraums knapp unter 100% und damit auf einem äußerst hohen Niveau, wodurch die Lebensdauer der Antriebsbatterie 22 verkürzt wird. In den Zeiträumen zwischen dem zweiten Zeitpunkt T2 und dem dritten Zeitpunkt T3 und zwischen dem fünften Zeitpunkt T5 und dem sechsten Zeitpunkt T6 wird die Antriebsbatterie 22 entladen, beispielsweise mittels Fahrens des Elektroautos 20, beispielsweise auf einem Weg zur Arbeit bzw. auf dem Weg nach Hause. In den Zeiträumen zwischen dem dritten Zeitpunkt T3 und dem vierten Zeitpunkt T4 und zwischen dem sechsten Zeitpunkt T6 und im siebten Zeitpunkt T7 wird die Antriebsbatterie 22 geladen.
  • 4 zeigt ein zweites Schaubild, das einen Vergleich zwischen den herkömmlichen zeitlichen Verläufen gemäß 3 und zeitlichen Verläufen eines Ladezustands und eines durchschnittlichen Ladezustands der Antriebsbatterie 22 gemäß der vorliegenden Erfindung zeigt. In dem zweiten Schaubild sind die Verläufe des tatsächlichen Ladezustands und des durchschnittlichen Ladezustands gemäß dem ersten Schaubild zum besseren Vergleich erneut gezeigt. Darunter sind der tatsächliche Ladezustand durch eine durchgezogene Linie und der durchschnittliche Ladezustand durch eine gestrichelte Linie bei Verwendung des obigen Verfahrens gezeigt. Bereits auf den ersten Blick ist ersichtlich, dass bei Verwendung des im Vorhergehenden erläuterten Verfahrens deutlich niedrigere tatsächliche Ladezustände und insbesondere ein deutlich niedriger durchschnittlicher Ladezustand erzielt werden können.
  • Insbesondere kann der Ladezustand der Antriebsbatterie 22 bis zu einem achten Zeitpunkt T8, beispielsweise ungefähr um 5:00 Uhr morgens, bei beispielsweise ungefähr 40% sein, dann bis zu einem neunten Zeitpunkt T9, beispielsweise ungefähr gegen 7:00 Uhr morgens, auf beispielsweise ungefähr 70% ansteigen, kann dann bis zu einem zehnten Zeitpunkt T10, beispielsweise ungefähr um 8:00 Uhr morgens, auf beispielsweise 40% abfallen, kann dann bis zu einem elften Zeitpunkt T11, um beispielsweise ungefähr 3:00 Uhr nachmittags, auf beispielsweise 40% bleiben, kann dann bis zu einem zwölften Zeitpunkt T12, beispielsweise ungefähr um 5:00 Uhr nachmittags auf beispielsweise 70% ansteigen, kann dann bis zu einem dreizehnten Zeitpunkt T13, um beispielsweise ungefähr 6:00 Uhr nachmittags, auf beispielsweise 40% abfallen und kann dann bei beispielsweise ungefähr 40% bleiben. Der durchschnittliche Ladezustand bleibt während der gesamten Zeit beispielsweise knapp über 40%, was zu einer langen Lebensdauer der Antriebsbatterie 22 beiträgt.
  • In den Zeiträumen zwischen dem achten Zeitpunkt T8 und dem neunten Zeitpunkt T9 und zwischen dem elften Zeitpunkt T11 und dem zwölften Zeitpunkt T12 wird die Antriebsbatterie 22 geladen, beispielsweise kurz vor dem Antritt einer Fahrt, insbesondere einer Route, mittels des Elektroautos 20. In den Zeiträumen zwischen dem neunten Zeitpunkt T9 und dem zehnten Zeitpunkt T10 und zwischen dem zwölften Zeitpunkt T12 und im dreizehnten Zeitpunkt T13 wird die Antriebsbatterie 22 entladen, beispielsweise mittels Fahrens des Elektroautos 20, beispielsweise auf einem Weg zur Arbeit bzw. auf dem Weg nach Hause.
  • 5 zeigt ein drittes Diagramm, das verschiedene Ladezustandsänderungen für verschiedene Anschlussdauern gemäß der vorliegenden Erfindung zeigt. Ein erster Block B1 ist dafür repräsentativ, dass die Antriebsbatterie 22 um 12:00 Uhr in der Nacht einen Ist-Ladezustand von 60% hat. Ein zweiter Block B2 ist dafür repräsentativ, dass die Antriebsbatterie 22 um 7:00 Uhr morgens einen Ladezustand von 74% hat, wobei der Ladezustand von 12:00 Uhr Mitternacht bis 7:00 Uhr morgens um 14% erhöht wurde. Ein dritter Block B3 ist dafür repräsentativ, dass die Antriebsbatterie 22 um 9:00 Uhr morgens einen Ladezustand von beispielsweise 10% hat. Die Antriebsbatterie 22 wird beispielsweise zwischen dem ersten Block B1 und dem zweiten Block B2 geladen. Ferner wird die Antriebsbatterie 22 beispielsweise zwischen dem zweiten Block B2 und dem dritten Block B3 entladen, beispielsweise mittels Fahrens des Elektroautos 20 oder mittels Entladens der Antriebsbatterie 22 mittels einer entsprechenden Ladevorrichtung 30. Das Entladen der Antriebsbatterie 22 mittels der Ladevorrichtung 30 kann beispielsweise erfolgen, wenn eine für 7:00 Uhr morgens vorhergesagte Route nicht angetreten wird.
  • Ein vierter Block B4 zeigt mehrere Zeitfenster, in denen die Antriebsbatterie 22 geladen werden kann. Die Anzahl und/oder Dauer der Zeitfenster kann beschränkt und fest vorgegeben sein, wodurch die Anzahl von möglichen Zeitfenstern, in denen die Antriebsbatterie 22 geladen werden kann, begrenzt ist, wodurch Prozessorressourcen und Speicherplatz reduziert werden können. Die Zeitfenster können jeweils beispielsweise 5min, 10min, 15min oder 20min lang sein. Ein fünfter Block B5 zeigt die verschiedenen Zeitfenster, wobei in den Zeitfenstern, in denen die Antriebsbatterie 22 geladen wird, eine „1“ eingetragen ist und in den Zeitfenstern, in denen die Antriebsbatterie 22 nicht geladen wird, eine „0“ eingetragen ist. Aus Block B5 geht hervor, dass erst kurz vor Antritt der Fahrt um 7:00 Uhr ein wesentlicher Anteil des zusätzlichen Ladens der Antriebsbatterie 22 erfolgt. Dies trägt dazu bei, dass der durchschnittliche Ladezustand möglichst gering ist.
  • Ein erstes Diagramm D1 zeigt eine erste Kurve K1, die repräsentativ für den Ladezustand in Abhängigkeit von der Ladedauer zeigt. Aus der ersten Kurve K1 geht hervor, dass die Antriebsbatterie 22 zunächst schnell geladen wird und dann weniger schnell geladen wird. Ein Block B6 ist repräsentativ für eine Ladezustandsänderung pro Zeitfenster, wobei das Zeitfenster beispielsweise 15 Minuten lang sein kann. Aus Block B6 geht hervor, dass in dem frühesten Zeitfenster, in dem die Antriebsbatterie 22 geladen wird, eine Ladezustandsänderung um 8% erfolgt. In diesem Zeitfenster kann beispielsweise ein günstiger Strompreis ausgenutzt werden. Im Unterschied dazu erfolgt in den weiteren Zeitfenstern, in denen die Antriebsbatterie geladen wird, jeweils eine Ladezustandsänderung von lediglich 2%. Beispielsweise wird in diesen Zeitfenstern langsamer geladen, um die Stromkosten gering zu halten.
  • Ein Diagramm D2 zeigt in Abhängigkeit der Zeit (x-Achse) sowohl eine Kostenfunktion (K4), eine Ladesignal-Funktion (K2) sowie eine Energieverbrauch- bzw. Ladezustand-Funktion (K3) (hier SoC-Verbrauch). Wie in Diagramm D2 ersichtlich zeigt die Kostenfunktion (K4) einen linearen Verlauf und weist zu Beginn und Ende eines bestimmten Zeitraums (hier beispielsweise 24 Stunden) einen niedrigen Wert auf, während etwa in der Mitte dieses Zeitraums ein Peak erreicht wird. Basierend auf dieser Kostenfunktion (K4) und gegebenenfalls einschliesslich der Bedingung, den SoC-Verbrauch gemäss der Ladezustand-Funktion (K3) zu verringern, wird die Ladesignal-Funktion (K2) errechnet. Im Sinne der vorliegenden Erfindung bedeutet der Wert = 1 (y-Achse), dass geladen werden soll, und der Wert = 0 bedeutet, dass kein Ladevorgang gestartet werden soll. Wie nun beispielsweise in Diagramm D2 anhand des Verlaufs der Kostenfunktion (K4) ersichtlich ist, werden gezielt die Zeitabschnitte niedriger Kosten gewählt, um die Fahrzeugbatterie zu laden: die resultierende Energieverbrauch- bzw. Ladezustand-Funktion (K3) (hier SoC-Verbrauch) weist hier beispielsweise einen Knick am Ende auf, welcher klar ersichtlich mit dem Knick der Ladesignal-Funktion (K2) korreliert. Wird nun die Gewichtung der beiden Zielfunktionen, d.h. Kostenfunktion (K4) und Energieverbrauch- bzw. Ladezustand-Funktion (K3) (hier SoC-Verbrauch), in Richtung einer stärkeren Gewichtung einer verbesserten Lebensdauer beziehungsweise Langlebigkeit verschoben, ist erkennbar, dass zu Gunsten der Langlebigkeit Ladevorgänge später stattfinden mit der Konsequenz steigender finanzieller Kosten.
  • 6 zeigt ein drittes Schaubild, das ein Beispiel für Übergangswahrscheinlichkeiten in einem Markov-Entscheidungsproblem veranschaulicht. In dem dritten Schaubild sind die großen Kreise repräsentativ für die unterschiedlichen Zustände S1 bis S6. Die Zustände S1 bis S6 sind jeweils durch ein Tupel bestehend aus dem aktuellen Ladezustand und dem aktuellen Zeitpunkt gekennzeichnet. Die kleinen Kreise sind repräsentativ dafür, ob die Antriebsbatterie geladen wird, entladen wird oder ob keine Ladungsänderung erfolgt. Dabei sind der Ladevorgang durch a0, keine Ladungsänderung durch a1 und der Entladevorgang durch a2 gekennzeichnet.
  • Die Übertrittswahrscheinlichkeiten zwischen den kleinen Kreisen und den Zuständen sind durch die Routenprädiktion vorgegeben und entsprechen den Wahrscheinlichkeiten, dass die eine oder andere Route voraussichtlich als nächstes zurückgelegt werden wird. Dabei werden beispielsweise die eine Route mit 70% Wahrscheinlichkeit und die andere Route mit 30% Wahrscheinlichkeit zurückgelegt. Der Einbezug solcher berechneter Übertrittswahrscheinlichkeiten hat den Vorteil, dass eine Formulierung des Problems als Markov Entscheidungsproblem („Markov Decision Process“ möglich ist beziehungsweise eine algorithmische Lösung des aufgestellten Probems ermöglicht wird. Als weiterer Vorteile kann angeführt werden, dass durch die Routen ein voraussichtlicher Energiebedarf inklusive Varianzen abgebildet werden kann. Im Weiteren ist vorteilhaft wie untenstehend erläutert durch Implementierung als dünn besetzte Matrix (engl.: sparse matrix) ein geringerer Speicherbedarf möglich. Zudem können hier Routen mit demselben Energiebedarf mit einer akkumulierten Wahrscheinlichkeit abgebildet werden.
  • Des Weiteren geht aus dem dritten Schaubild hervor, dass verschiedene Zustände, die sich nur unwesentlich voneinander unterscheiden, zu einem Zustand zusammengefasst werden können. Beispielsweise werden mehrere Zustände mit Ladezuständen zwischen 10% und 13% und zu Zeitpunkten zwischen 12:35 und 12:40 Uhr zu dem Zustand S2 zusammengefasst.
  • 7. zeigt ein viertes Schaubild, das ein Beispiel eines Zustandsraums in einem Markov-Entscheidungsproblem veranschaulicht. Die verschiedenen Zustände sind durch Ovale gezeigt und durch Zeitpunkte t0 bis tM und Ladezustände soc0 bis socN gekennzeichnet, wobei M und N natürliche Zahlen sind, soc0 gleich 0% ist und socN gleich 100% ist. Die Zustände können zeitlich granuliert sein, wobei beispielsweise von einem der Zeitpunkte t0 bis tM-1 zu einem anderen der Zeitpunkte t1 bis tM jeweils beispielsweise 15min vergehen können.
  • Aus dem vierten Schaubild geht hervor, dass es eine sehr große Anzahl von Übergängen zwischen den einzelnen Zuständen gibt, da von jedem Zustand in einer Spalte zu jedem Zustand in der nächsten Spalte ein Übergang möglich ist. Bei den nach oben gerichteten Übergängen nimmt der Ladezustand ab, was repräsentativ für ein Entladen der Antriebsbatterie 22 beispielsweise durch eine Fahrt mit dem Elektroauto 20 oder ein Entladen der Antriebsbatterie 22 mittels der Ladevorrichtung 30 ist. Bei den nach unten gerichteten Übergängen nimmt der Ladezustand zu, was repräsentativ für ein Laden der Antriebsbatterie 22 beispielsweise mittels der Ladevorrichtung 30 ist. Aufgrund dessen, dass die Zustände durch granulierte Zeitpunkte charakterisiert sind, werden bei jeder Fahrt, die in diesem Fall länger als 30 Minuten dauert, zwei oder mehr dieser Zustände durchlaufen. Da sich das im Vorhergehenden erläuterte Verfahren jedoch nur auf ein Laden oder Entladen der Antriebsbatterie 22 mittels der Ladevorrichtung 30 bezieht, können die Übergänge zwischen den Zuständen beim Fahren des Elektroautos 20 zu einem Übergang zusammengefasst werden.
  • 8. zeigt ein fünftes Schaubild, das ein Beispiel eines reduzierten Zustandsraums in einem Markov-Entscheidungsproblem veranschaulicht. Die verschiedenen Zustände sind durch Ovale gezeigt und durch Zeitpunkte t0 bis tM und Ladezustände soc0 bis socN gekennzeichnet, wobei M und N natürliche Zahlen sind, soc0 gleich 0% ist und socN gleich 100% ist. Die Zustände können zeitlich granuliert sein, wobei beispielsweise von einem der Zeitpunkte t0 bis tM-1 zu einem anderen der Zeitpunkte t1 bis tM jeweils beispielsweise 15min vergehen können. Ein Block B7 ist für einen Übergang repräsentativ, bei dem die Antriebsbatterie 22 weder geladen noch entladen wird. Ein Block B8 ist für einen Übergang repräsentativ, bei dem die Antriebsbatterie 22 geladen wird. Ein Block B9 ist dafür repräsentativ, dass die Antriebsbatterie 22 mittels Fahrens des Elektroautos 20 entladen wird.
  • In dem fünften Schaubild ist der Zustandsraum reduziert, indem die Übergänge zwischen den Zuständen beim Fahren des Elektroautos 20 zu einem Übergang zusammengefasst wurden. Somit wurden die Übergangsschritte im Antriebsmodus akkumuliert. Im Ergebnis wird für alle Übergänge mit Wahrscheinlichkeit 0 kein Speicherplatz benötigt. Dadurch wird eine dünn besetzte Matrix (engl.: sparse matrix) erzeugt, die kleiner als die im vierten Schaubild veranschaulichte Übergangsmatrix ist und weniger Speicherplatz benötigt. Dies spart nicht nur Ressourcen, sondern erhöht auch die Berechnungsgeschwindigkeit, z.B. durch Such- oder Sortieralgorithmen, die aufgrund des reduzierten Suchraums schneller laufen. Außerdem wird auch die Belohnungsmatrix reduziert, wenn die Größe der Übergangsmatrix reduziert wird, wodurch weiterer Speicherplatz und weitere Prozessorressourcen gespart werden.
  • Anschaulich gesprochen bleiben die Ladungsereignisse und die daraus resultierenden Übergangsbeschreibungen zwar gleich, die Antriebsereignisse (während der Fahrt) werden jedoch nicht in Zeitschritte zerlegt, sondern die Wahrscheinlichkeit des gesamten Übergangs wird in die Matrix aufgenommen. Dadurch wird die Anzahl der Übergänge, die nicht Null sind, reduziert. Infolgedessen wird auch die Größe der dünn besetzten Matrix verringert. Dies führt zu den oben erwähnten Vorteilen bei Speichergröße und Laufzeit.
  • Ergänzend ist darauf hinzuweisen, dass „umfassend“ keine anderen Elemente oder Schritte ausschließt und „eine“ oder „ein“ keine Vielzahl ausschließt. Ferner sei darauf hingewiesen, dass Merkmale oder Schritte, die mit Verweis auf eines der obigen Ausführungsbeispiele beschrieben worden sind, auch in Kombination mit anderen Merkmalen oder Schritten anderer oben beschriebener Ausführungsbeispiele verwendet werden können. Bezugszeichen in den Ansprüchen sind nicht als Einschränkung anzusehen.
  • Bezugszeichenliste
    • 20
    Elektrofahrzeug
    22
    Antriebsbatterie
    24
    Steuereinheit
    26
    Ladebuchse
    28
    Ladekabel
    30
    Ladevorrichtung
    32
    Ladesteuerung
    34
    Internet
    36
    Server
    SOC
    Ladezustand
    D1-D3
    Diagramme eins bis drei
    A2-A16
    Schritte zwei bis vierzehn
    B1-B9
    Blöcke eins bis neun
    T1-T14
    Zeitpunkte eins bis vierzehn
    S1-S6
    Zustände eins bis sechs

Claims (15)

  1. Verfahren zum Ändern einer Ladung einer Antriebsbatterie (22) eines Elektrofahrzeugs (20), das Verfahren aufweisend: Empfangen mindestens eines Statussignals, das für einen aktuellen Zeitpunkt und/oder einen aktuellen Standort des Elektrofahrzeugs (20) repräsentativ ist; Ermitteln mindestens einer Route, die voraussichtlich als nächstes mit dem Elektrofahrzeug (20) unternommen wird, anhand einer Datenbank, in der mögliche Routen zugeordnet zu entsprechenden Zeitpunkten und Standorten gespeichert sind; Ermitteln eines Energiebedarfs, der zum Zurücklegen der Route mit dem Elektrofahrzeug (20) benötigt wird, zumindest abhängig von einer Länge der Route, mindestens einer Straßenart, die Teil der Route ist, und einem durchschnittlichen Energiebedarf auf der entsprechenden Streckenart; Ermitteln eines Ist-Ladezustands der Antriebsbatterie (22); Ermitteln eines Soll-Ladezustands der Antriebsbatterie (22) und eines finanziellen Gegenwerts einer Strommenge, die für eine Änderung der Ladung der Antriebsbatterie (22) von dem Ist-Ladezustand auf den Soll-Ladezustand benötigt wird, derart, dass der Energiebedarf durch die Ladung der Antriebsbatterie (22), die dem Soll-Ladezustand entspricht, gedeckt ist, dass ein durchschnittlicher Ladezustand der Antriebsbatterie (22) einer vorgegebenen ersten Optimierungsbedingung entspricht und dass der finanzielle Gegenwert einer vorgegebenen zweiten Optimierungsbedingung entspricht; und Ändern der Ladung der Antriebsbatterie (22) auf den ermittelten Soll-Ladezustand.
  2. Verfahren nach Anspruch 1, wobei, wenn der Soll-Ladezustand größer als der Ist-Ladezustand ist, der finanziellen Gegenwert Stromkosten entspricht, die vorgegebene erste Optimierungsbedingung ein minimaler durchschnittlicher Ladezustand ist und die vorgegebene zweite Optimierungsbedingung minimale Stromkosten sind; und/oder wenn der Soll-Ladezustand kleiner als der Ist-Ladezustand ist, der finanzielle Gegenwert Stromeinnahmen entspricht, die vorgegebene erste Optimierungsbedingung ein minimaler durchschnittlicher Ladezustand ist und die vorgegebene zweite Optimierungsbedingung maximale Stromeinnahmen sind.
  3. Verfahren nach einem der vorstehenden Ansprüche, wobei der Soll-Ladezustand und der finanzielle Gegenwert ermittelt werden, indem eine Optimierungsaufgabe so formuliert wird, dass der durchschnittliche Ladezustand die erste Optimierungsbedingung erfüllt und der finanzielle Gegenwert die zweite Optimierungsbedingung erfüllt, wobei der durchschnittliche Ladezustand und der finanzielle Gegenwert die Parameter einer entsprechenden Zielfunktion sind.
  4. Verfahren nach Anspruch 3, wobei bei der Formulierung der Optimierungsaufgabe das Erfüllen der ersten Optimierungsbedingung und das Erfüllen der zweiten Optimierungsbedingung gewichtet werden.
  5. Verfahren nach Anspruch 4, wobei die Gewichtung anfangs von einem Nutzer des Elektrofahrzeugs (20) vorgegeben wird; offline so gelernt wird, dass die Ergebnisse auf einer Pareto-Front der Optimierungsaufgabe liegen; und/oder im Nachhinein anhand einer Rückmeldung des Nutzers gelernt wird.
  6. Verfahren nach einem der Ansprüche 3 bis 5, wobei bei der Formulierung der Optimierungsaufgabe eine Reduktion eines Zustandsraums von möglichen Zuständen erzielt wird, indem nur Ladezustände, Ladedauern und/oder Entladedauern in vorgegebenen Schritten berücksichtigt werden.
  7. Verfahren nach einem der vorstehenden Ansprüche, wobei ein Algorithmus zum Ermitteln des durchschnittlichen Ladezustands und der Stromkosten angepasst wird, falls die Antriebsbatterie (22) leer ist, bevor die Route vollständig zurückgelegt wurde.
  8. Verfahren nach einem der vorstehenden Ansprüche, wobei nach dem Zurücklegen der Route der Ist-Ladezustand der Antriebsbatterie (22) erneut ermittelt wird und ein Algorithmus zum Ermitteln des durchschnittlichen Ladezustands und des finanziellen Gegenwerts angepasst wird, falls der erneut ermittelte Ist-Ladezustand kleiner als ein vorgegebener Schwellenwert ist.
  9. Verfahren nach einem der vorstehenden Ansprüche, wobei die Route einen ersten Routenabschnitt, mindestens einen zweiten Routenabschnitt und einen Zwischenstopp zwischen dem ersten und dem zweiten Routenabschnitt umfasst, wobei beide Routenabschnitte zurückgelegt werden müssen, um die Route zurückzulegen.
  10. Verfahren nach Anspruch 9, wobei, falls bei dem Zwischenstopp eine Möglichkeit zum Ändern der Ladung des Elektrofahrzeugs (20) besteht, der Soll-Ladezustand und der finanzielle Gegenwert unter Berücksichtigung der Möglichkeit zum Ändern der Ladung bei dem Zwischenstopp ermittelt werden.
  11. Verfahren nach einem der vorstehenden Ansprüche, das Verfahren weiter aufweisend: Ermitteln mindestens einer weiteren Route, die voraussichtlich als nächstes mit dem Elektrofahrzeug (20) zurückgelegt wird, wobei der Soll-Ladezustand so ermittelt wird, dass mindestens ein vorgegebener Anteil der ermittelten Routen zurückgelegt werden kann, wenn die Antriebsbatterie (22) nach dem Ändern der Ladung und vor Antritt der Route den Soll-Ladezustand aufweist.
  12. Verfahren nach einem der vorstehenden Ansprüche, wobei, falls der finanzielle Gegenwert zeitlich variiert, bei dem Ermitteln des Soll-Ladezustands der Antriebsbatterie (22) und des finanziellen Gegenwerts mindestens ein Ladezeitpunkt ermittelt wird, zu dem die Stromkosten pro Stromeinheit am günstigsten sind, wobei die Antriebsbatterie (22) zu dem ermittelten Ladezeitpunkt geladen wird, und/oder ein Entladezeitpunkt ermittelt wird, zu dem die Stromeinnahmen pro Stromeinheit am höchsten sind, wobei die Antriebsbatterie (22) zu dem ermittelten Entladezeitpunkt entladen wird.
  13. Steuergerät (24) für ein Elektrofahrzeug (20), wobei das Steuergerät (24) einen Prozessor und einen Speicher aufweist, die dazu ausgebildet sind, das Verfahren nach einem der vorstehenden Ansprüche abzuarbeiten.
  14. Computerprogramm zum Ändern einer Ladung einer Antriebsbatterie (22) eines Elektrofahrzeugs (20), das, wenn es von einem Steuergerät (24) des Elektrofahrzeugs (20) abgearbeitet wird, bewirkt, dass das Steuergerät (24) das Verfahren nach einem der Ansprüche 1 bis 12 abarbeitet.
  15. Computerlesbares Medium, auf dem ein Computerprogramm nach Anspruch 14 gespeichert ist.
DE102021213960.4A 2021-12-08 2021-12-08 Verfahren zum Ändern einer Ladung einer Antriebsbatterie eines Elektrofahrzeugs, Steuergerät für ein Elektrofahrzeug, Computerprogramm und Computerlesbares Medium Pending DE102021213960A1 (de)

Priority Applications (2)

Application Number Priority Date Filing Date Title
DE102021213960.4A DE102021213960A1 (de) 2021-12-08 2021-12-08 Verfahren zum Ändern einer Ladung einer Antriebsbatterie eines Elektrofahrzeugs, Steuergerät für ein Elektrofahrzeug, Computerprogramm und Computerlesbares Medium
PCT/EP2022/082706 WO2023104497A1 (de) 2021-12-08 2022-11-22 Verfahren zum ändern einer ladung einer antriebsbatterie eines elektrofahrzeugs, steuergerät für ein elektrofahrzeug, computerprogramm und computerlesbares medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102021213960.4A DE102021213960A1 (de) 2021-12-08 2021-12-08 Verfahren zum Ändern einer Ladung einer Antriebsbatterie eines Elektrofahrzeugs, Steuergerät für ein Elektrofahrzeug, Computerprogramm und Computerlesbares Medium

Publications (1)

Publication Number Publication Date
DE102021213960A1 true DE102021213960A1 (de) 2023-06-15

Family

ID=84488044

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102021213960.4A Pending DE102021213960A1 (de) 2021-12-08 2021-12-08 Verfahren zum Ändern einer Ladung einer Antriebsbatterie eines Elektrofahrzeugs, Steuergerät für ein Elektrofahrzeug, Computerprogramm und Computerlesbares Medium

Country Status (2)

Country Link
DE (1) DE102021213960A1 (de)
WO (1) WO2023104497A1 (de)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102012209645A1 (de) 2012-06-08 2013-12-12 Siemens Aktiengesellschaft Verfahren zur Steuerung des Ladebetriebs in einem Elektro-Kraftfahrzeug
DE102018217454A1 (de) 2018-10-11 2020-04-16 Continental Automotive Gmbh Verfahren und Backendvorrichtung zur prädiktiven Ladesteuerung für einen elektrischen Energiespeicher eines Kraftfahrzeugs
DE112018007469T5 (de) 2018-04-13 2020-12-31 Robert Bosch Gmbh Optimierungssystem und Optimierungsverfahren
DE102020129232A1 (de) 2019-11-11 2021-05-12 Ford Global Technologies, Llc Fahrzeugladesteuersysteme und -verfahren

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9610853B1 (en) * 2015-09-24 2017-04-04 Ford Global Technologies, Llc Identification of acceptable vehicle charge stations
US9713962B2 (en) * 2015-09-29 2017-07-25 Toyota Motor Engineering & Manufacturing North America, Inc. Systems and methods for reducing the cost of vehicle charging based on route prediction
GB2568465A (en) * 2017-11-13 2019-05-22 Jaguar Land Rover Ltd Determining a charging requirement for an energy storage means of a vehicle
US10857900B2 (en) * 2017-12-14 2020-12-08 Honda Motor Co., Ltd. Methods and systems for scheduling utility events into a charging schedule
EP3670247A1 (de) * 2018-12-20 2020-06-24 Ningbo Geely Automobile Research & Development Co. Ltd. System und verfahren zur vorbereitung eines fahrzeugs für eine reise

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102012209645A1 (de) 2012-06-08 2013-12-12 Siemens Aktiengesellschaft Verfahren zur Steuerung des Ladebetriebs in einem Elektro-Kraftfahrzeug
DE112018007469T5 (de) 2018-04-13 2020-12-31 Robert Bosch Gmbh Optimierungssystem und Optimierungsverfahren
DE102018217454A1 (de) 2018-10-11 2020-04-16 Continental Automotive Gmbh Verfahren und Backendvorrichtung zur prädiktiven Ladesteuerung für einen elektrischen Energiespeicher eines Kraftfahrzeugs
DE102020129232A1 (de) 2019-11-11 2021-05-12 Ford Global Technologies, Llc Fahrzeugladesteuersysteme und -verfahren

Also Published As

Publication number Publication date
WO2023104497A1 (de) 2023-06-15

Similar Documents

Publication Publication Date Title
DE102016124109B4 (de) Energieverwaltungssystem für ein elektrofahrzeug
EP1741591B1 (de) Verfahren zur Vorhersage von Fahrtsituationen in einem Kraftfahrzeug
DE102016217087B4 (de) Lade-Fahr-Assistent für Elektrofahrzeuge und Elektrofahrzeug
EP3620751A2 (de) Vorrichtung, verfahren und system zur routenplanung eines elektromobils
DE102018217454A1 (de) Verfahren und Backendvorrichtung zur prädiktiven Ladesteuerung für einen elektrischen Energiespeicher eines Kraftfahrzeugs
EP2857271A2 (de) Betriebsverfahren für einen Hybridantrieb, insbesondere zur Auswahl optimaler Betriebsmodi des Hybridantriebs entlang einer Fahrtroute
DE102013225748B4 (de) Mobileinheit und Verfahren zum bedarfsgerechten Verwenden eines elektrochemischen Energiespeichers
DE102015208291A1 (de) Gemeinschaftsfahrzeugmanagement
EP3687876A1 (de) Verfahren zum erzeugen eines aktuellen betriebsstrategievorschlags für ein kraftfahrzeug
DE102020004102A1 (de) Verfahren zum Betreiben eines elektrischen Antriebssystems
DE102012015949A1 (de) Verfahren zur Steuerung des Ladebetriebs eines Elektrokraftfahrzeugs
DE102013221891A1 (de) Verfahren und System zum Buchen bei Carsharing oder Autovermietung sowie Navigationsverfahren und -system
DE102014216054A1 (de) System und Verfahren zur Unterstützung des Fahrers eines Kraftfahrzeugs bei der Auswahl einer Tankstelle sowie Kraftfahrzeug
DE102020119861A1 (de) Verfahren und Assistenzeinrichtung zum iterativ optimierten Betreiben eines Kraftfahrzeugs und Kraftfahrzeug
EP3751481A1 (de) Verfahren zum umverteilen von fahrrädern eines fahrradleihsystems
WO2022037968A1 (de) Steuervorrichtung und verfahren zum prädiktiven betreiben eines energiebordnetzes
DE102011004357A1 (de) Verfahren zum Betreiben eines Energiespeichers und Steuergerät
DE102017007298A1 (de) Verfahren zum Betreiben eines Fahrzeugs
DE102021213960A1 (de) Verfahren zum Ändern einer Ladung einer Antriebsbatterie eines Elektrofahrzeugs, Steuergerät für ein Elektrofahrzeug, Computerprogramm und Computerlesbares Medium
DE102018009790A1 (de) Verfahren zur dynamischen Routenplanung
DE102013208744A1 (de) Verfahren zum automatischen Ermitteln des Energiebedarfs und/oder des Belegungsbedarfs einer Elektrotankstelle und zugehörige DV-Anlagen
WO2021185563A1 (de) Verfahren zum betreiben eines kraftfahrzeugs und kraftfahrzeug
DE102017221943B4 (de) Ermitteln des Energieverbrauchs elektrisch betriebener Fahrzeuge
DE102020118891A1 (de) Verfahren und Steuerschaltung zum Koordinieren eines Betriebs mehrerer Systeme, die eine Systemgruppe darstellen
DE102022001721B3 (de) Verfahren zur Planung von Ladevorgängen für ein Fahrzeug und Fahrzeug

Legal Events

Date Code Title Description
R163 Identified publications notified