JP2021528752A - 分散型エネルギー貯蔵リソースのローカルマルチアセットの柔軟性を機械学習、最適化、および管理するためのシステム - Google Patents

Abstract

特に、ローカルデータパターンの決定、分析、予測学習、柔軟性とリスクプロファイルの利用可能性のスコアリングを中心に、分散型エネルギー貯蔵と柔軟性リソースをローカライズおよびグループ集合ベースで最適化および管理して、エネルギー供給と、メーターの背後のストレージリソース、および、コミュニティ、低電圧ネットワーク、フィーダー、近隣、または建物内の同じ場所にあるか、または近いリソースのローカルクラスタの最適化を知らせるための、システム、デバイス、および方法。前述の最適化は、価格、エネルギー供給、再生可能エネルギーのレバレッジ、アセット価値、制約またはリスク管理などの目標にまたがる、データソースとリソースのローカルクラスタのスケジュールされたリアクティブおよびアクティブ管理を含む。または、前述の最適化は、相殺するリソースを提供するなどのローカルの目的を達成し、より大きなローカルの供給と負荷のローカルのバランス調整もしくは制約管理を支援し、または、ローカルのエネルギー需要と再生可能な供給、貯蔵リソース、電気熱リソース、 電気自動車の充電リソースまたは電気自動車の充電器のクラスタ、建物内の柔軟な負荷のアクティブ管理を支援する。
【選択図】図１

Description

本発明は、機械学習および他の最適化アプローチを介して、バッテリおよび電気自動車などの分散型エネルギー貯蔵リソースのグループを管理して、電気システムのバランシングおよびローカルネットワーク制約管理を支援し、複数のエネルギーシステム投資者全体でのパフォーマンスを最大化することに関する。

エネルギー貯蔵は、エネルギーシステムにおけるアセットクラスの拡大と、風力や太陽光などの低炭素発電リソースからの供給の管理とシフトを促進し、エネルギー需要プロファイルの様子と電気システム管理とを管理するのを促進する機会を表している。グリッド上に多数のエネルギー貯蔵および柔軟性のリソースが存在する場合、特に電気自動車の採用が増加し、より高速の電気自動車の充電などに伴う電力消費量の大幅な変動に対応するためのローカルネットワークへの圧力が高まると、管理上の課題が増大する。

例えば、大規模な島国であったり、相互接続がほとんどない場所／ネットワークであったり、または新しい建物やキャンパス、新規のスマートシティなど、新しいサイトを計画する場合のように、エネルギーシステムが「孤立」していたり、接続が制限されていたりすると、課題はさらに増大する。例えば英国および日本は大規模な島国であり、低い（例えば１０％の）相互接続性であるため、分散型の風力および太陽光リソースの大規模配備からの変動により、日中の変化または天候による変化が生じるので、自分自身のエネルギーシステムの範囲内で柔軟性を管理しなければならない。同様に、家庭用貯蔵、電気自動車、個人用モビリティデバイス、ロボット工学、または成長しているモノのインターネット／バッテリ駆動デバイスなどの分散型バッテリの大規模な採用には、１日を通して大幅な充電管理が必要である。

例えば英国では、モビリティの電化戦略により、英国の輸送機関全体で１テラワット（ＴＷＨ）を超えるバッテリが必要となる可能性があり、これらは毎日そして場所ごとに管理および最適化する必要がある。これは、新世代およびネットワークリソースへの投資において重大なインフラストラクチャの課題を生み出し、さらにグリッドを支援するために電力を集約する車両の機会も生み出す（例えば米国特許第１１８３６７６０号、Ｖ２ Ｇｒｅｅｎ Ｉｎｃ．）。

個々のソリューション（例えばＭｏｉｘａ、Ｔｅｓｌａ、ＳＴＥＭ、Ｓｕｎｖｅｒｇｅ、Ｓｏｎｎｅｎの太陽電池）、エネルギーデータ収集および安全な交換（例えば米国特許第１３３２８９５２号、韓国特許第１０１４９１５５３Ｂ１号）、または、台帳を介するもの（国際公開特許第２０１７０６６４３１Ａ１号）、または、ＥＶ管理上のソリューションのためのもの（米国特許第２００８００３９９７９Ａ１号）、オンまたはオフ動作のピークの間のレート調停（例えばマイクロ−グリッド上の緊急電力として、および、市場価格に応答して貯蔵リソースを調整することに関する米国特許第９２２５１７３号）、および、仮想発電所に対する集合適用（例えば米国特許第１５５４０７８１号、米国特許第２０１７０００５４７４Ａ１号）の視点から、この課題の側面を説明する多くの先行技術の例（Ｍｏｉｘａからの、米国特許第９３７９５４５号、米国特許第２０１０００７６６１５号を含む）がある。

「A Stochastic Resource-Sharing Network for Electric Vehicle Charging」、Angelos Aveklouris et al, 2017 (https://arxiv.org/abs/1711.05581)、「Critical behaviour in charging of electric vehicles」、 Rui Carvalho, Frank Kelly et al (2015, New J. Phys. 17 (2015) 095001)、「Electric and Plug-in Hybrid Vehicle Networks: Optimization and Control」、(Nov/2017, ISBN 9781498744997), Emanuele Crisostomi/Bob Shorten et alを含む、電気自動車の管理と充電の課題をモデル化した様々な学術論文もある。

しかしながら、そのような例やその他の例では、どのようにして複数の種類のアセットや利益を、グループおよびローカルレベルで管理し、そして個々の動機と利益（住宅所有者など）もしくはＥＶユーザ、または規制対象のエンティティ（サプライヤやネットワークなど）、またはデバイスメーカー間のバランスを達成するために最適化する必要があるかを適切に考慮していない。特に、それらは、どのようにして技術が経時的な課金およびアプローチにおいて異なるエネルギーシステムおよび規則または変化に適応するソリューションを提供するために組み合わさる必要があるか、または、どのようにして機械学習および他の最適化技術が、ある場所のアセットのグループのリアルタイムおよび自動制御コントロールを提供するために結合することができるかを提示していない。従来のアプローチは、時間の経過とともに回復力がある技術および、変化するエネルギー、通信、およびソフトウェア環境について、そのようなグループを時間の経過とともに確実に管理する方法に適切に対処しておらず、また従来のアプローチは、取引相手または契約者からのキャッシュフロー支払いなどのこのようなアセットを、財務的に管理して投資者またはアセット資金提供者へのリターンを最大化する方法に対処していない。また、従来のアプローチでは、接続性を維持し、分散アセットのフリートを長期にわたって管理および更新する際に、ライフタイムの運用および保守コストを最小限に抑える方法に適切に対処していない。

したがって、これらの課題や問題を考慮して、エネルギーシステムのこれらの問題やその他の問題に集合的に対処することができ、様々な種類のバッテリのグループまたはバッテリを備えたデバイスをエネルギーインフラストラクチャとしての集合アセットとして管理することを可能とするシステム、方法、およびデバイスが必要である。

本発明の実施形態の態様によれば、ソフトウェアシステムおよびプロトコル、エンドデバイスおよびリソースへのおよびそれらの間の接続および交換手段を含む、データを収集して使用量を監視し、外部データおよび市場兆候を処理し、特性を分析および識別して予測を更新するアルゴリズムを実行するための、管理および最適化システムが提供され、これによって、前述のリソースの柔軟性をどのようにスケジュール、共有、または編成できるかを調整して、リソースの個々のグループまたは集合グループの様々な介入を可能にし、個々のサイト、ローカル環境、より広いコミュニティまたは国のために、時間の経過とともに、特定の目標または信頼できるパフォーマンス目標を達成する。

前述のエンドリソースは、通常、「メーターの背後」の蓄電バッテリまたは蓄熱源などの分散型エネルギー貯蔵リソース、同じ場所に配置されるかまたは集中化されたより大きなバッテリリソース、電気自動車またはそれらの充電装置、ドローン、テレコムマスト、ロボティクス、エンドカスタマーデバイス、定期的な充電と管理を必要とするモノのインターネット（ＩｏＴ）およびコンシューマ向け電子デバイス、などの埋め込みバッテリを備えた他のデバイス、またはソーラーパネル、風力リソース、燃料電池、もしくは廃棄物からのエネルギー、消費、例えば機械的、加熱もしくは冷却要素をシフトすることによって柔軟なリソースとして機能できるエネルギー負荷もしくはアプライアンスなどの、分散型エネルギー発生ソースを含む 。

前述のエンドデバイスには通常、スマートメーター、クランプおよびセンサ、ルーターおよびコントローラ、スマートブおよびゲートウェイ、通信装置、コンシューマアクセス装置およびディスプレイ、充電装置もしくはスマートプラグもしくは制御アクチュエータ、エンドリソースに接続されるかセンサとして接続される処理チップもしくは回路などの、リソースと同じ位置に配置される物理装置、または、スマートスピーカ、スマートサーモスタット、スマートフォンなどの、表面上代替機能を実行している他のデバイス、または、ＧＰＳ信号、交通カメラ、遠隔イメージ（例えば天候パターンまたは屋根面積に対する太陽光利用可能性について）などの、サードパーティソースからデータを判定または抽出する方法を含む。

例示的な実施形態は、前述のデバイスを使用して、場所または低電圧ネットワーク全体にわたる前述のリソースのエネルギー供給または使用またはニーズに関するリアルタイムデータを、クラウドまたは中央サーバまたはエンドデバイスとリソースにあるアルゴリズムまたは「頭脳」ソフトウェアシステムに提供し、リソースの現在の位置と次の予測位置または将来プロファイルを算出して、複数のバッテリまたは電気自動車などで分散型エネルギーリソースの充電レートの管理などの介入を支援する。

前述の接続手段には、通常、固定および無線電話およびモバイルネットワーク（ＧＰＲＳ、１〜５Ｇ、ＬＴＥ）などの標準通信技術、ＷｉＦｉ、Ｚ−Ｗａｖｅ、Ｚｉｇｂｅｅ、メッシュネットワーク、電力線、または、回線、インターネットとリモートサーバ、クラウドでホストされるコンポーネントとテクノロジーの活用、およびエンドカスタマーデバイスとあわせた、電気を介して伝送される信号などのローカル通信技術が含まれる。

前述のソフトウェアシステムは、分散型制御手段、標準、フレームワーク、およびＡＰＩとして機能する適切なプロトコル、および集合的な目的または利点を達成するために大量の分散型エンティティを自己調整するためのメカニズムによって支援され得る。例えば、分散型リソースの充電プロトコルは、ローカルの制約、輻輳、またはローカルの制限に応答して、確率的およびネットワークのパフォーマンスの総計が予測可能で有益になるような方法で、ローカルの位置でフロー（エネルギーやデータなど）を最適化するように構成することができる。一例として、電話からのアプローチを使用して、ＴＣＰ（伝送制御プロトコル）などのエネルギー制御を通知することが特に有利であることがわかっており、ＴＣＰでは、ローカル輻輳が観察されたので、分散リソースが帯域幅（ＴＣＰＩＰ）フローを自己調整および管理できるようにすることによって、帯域幅が管理された（Ｊａｃｏｂｓｏｎ、１９８８年）。同様の方法で、本発明の目的は、中央ソフトウェアシステムおよびプロトコルの組み合わせを使用して、全体的なエネルギーシステムがどのように機能するかを分散型のレベルで管理するのを助け、例えば、ローカル電圧制限、ローカルおよび全体システムバランシングを助けることである。これは、帯域幅管理において著しく効果的であり、実際には、ローカル制約に確率的に「ルーティング」の分散システムが全体的な最適条件を実現し、これは、最適化問題を実現および解決する分散並列アルゴリズムとして効果的である（Ｋｅｌｌｙ）。

同様に、このような充電プロトコルは、バッテリや電気自動車の充電器レートなどの分散型リソースが、予測可能な方法で、かつ好ましい集合動作に好都合な方法でローカルの制約に最初に応答することを保証することによって、ソフトウェアシステムの目標を管理するのを助けることができ、そのような充電プロトコルは、例えば特定のサイトでの「電力の流れ」または容量を最大化するか、均整の取れた公平性を最大化するように動作して、低価格での充電へのアクセスや、エネルギーネットワークが混雑している場合の充電レートのアクセスと適切な公平な分配、および適切な管理または「抑制」など、より公平にリソースおよびアクセスのバランスを取ることができ、アクティブ（能動的に）に充電レートを管理してシステムの制約の中で参加者の要求を最適化する。

同様の方法で、例示的な実施形態では、このようなアプローチは、バッテリアセットの充電アルゴリズムまたはスケジューリングされた充電プランに適用することができ、これはプロファイルを達成しようとし、次に、エネルギー供給（グリッドまたは太陽光リソースなど）のローカル測定値および建物または車両によるエネルギー使用量と共に、処理兆候（例えば、市場および料金兆候、天候データ、場所の制約）に基づいて、動的または定期的な調整を行う。前述のシステムは、全体として、目標プロファイルまたは価格目標を強化する分散補正を提供することにより、不確実性および変動性を自己調整および低減する効果を有する。英国などの電気市場では、各世帯のエネルギー使用量プロファイルは変動する傾向があるが、世帯の大規模な集合体は予測可能なパターンに従う傾向があり、実際には、住宅カテゴリ、期間、または１日についてのＥｌｅｘｏｎプロファイルなどの平均総計プロファイルに基づいて解決される。市場がより多くの時間帯、リアルタイム、およびローカル決済に移行するにつれて、例えば、英国が大規模なサイトや企業だけでなく、世帯に３０分ごとの決済期間を展開するにつれて、分散型アセットの管理と自己調整は、価格設定、裁定の機会の両方、ならびにシステムバランシングにとって、またエネルギーサプライヤがエネルギー購入と不均衡なコストをより正確に予想し、取引し、修正するために、より重要になる。

前述のデータおよび使用量分析には、通常、幹線（グリッド供給）上、世帯または建物の循環路上、機器または大負荷上、電気自動車および充電装置、太陽光、風力、燃料電池または他のリソースなどのエネルギー供給における、エネルギー使用量の測定が含まれ得る。ここでエネルギーの測定には、電圧、電力と無効電力、周波数と位相ならびに経時的なの変化の分析またはＮＬＩＭ（非侵入型負荷監視）が含まれてもよく、変化を検出して、負荷、使用中の機器の性質を推定するかまたは潜在的な障害を検出し、これは、通常の方法（クラスタ分析、ディスアグリゲーション、パターン認識、モデリングおよび畳み込みと比較、高調波ベースの分析、電力スペクトル分析など）によって、または追加のデータソース、コンテキスト、そして他のデータおよびニューラルネットワークアプローチ（例えば、Ｍｏｉｘａの米国特許第２０１０００７６６１５号）との融合分析により補完されて行われる。前述のデータはまた、ジオフェンシング、または関連する動作（例えば、到着、温度要件、ＥＶ充電の可能性）のパターン通知を可能にするための、ＧＰＳ位置などの他の特性もしくはデータ、（その日もしくは週末、または月、休日の）典型的な動作を参照するためのカレンダーデータ、発電出力と需要データ（建物、ＥＶ充電器）に関するローカルデータ、例えば電圧の上昇、下降、品質の問題などのネットワークレベルでの市場の柔軟性のニーズ、周波数変動に関するより広範な市場ニーズ、卸売りや小売りなどの価格に関する市場兆候、もしくはサプライヤが提供するレート、価格先物プロファイルもしくは翌日先の市場取引データ、または、不均衡および契約問題に関するデータ、需要側管理応答（Ｄｅｍａｎｄ Ｓｉｄｅ Ｍａｎａｇｅｍｅｎｔ Ｒｅｓｐｏｎｓｅ、ＤＳＲ／ＤＳＭ）などの市場介入ニーズに関するデータ 、気温や天候のデータおよび予想などのアクティビティに影響を与えるデータ、ならびに、占有パターンに関するサイト関連データ、ＣＯ２レベル、サウンド、ＷｉＦｉの使用状況、デバイスの接続／存在、コミュニティデータおよびＰ２Ｐ（ピアツーピア）リソースの可用性またはニーズなどのローカル情報、または、エネルギーシステム−エネルギーサプライヤおよび請求先アカウントとの要求やデータ交換などの他の外部データ、ＤＣＣ、Ｅｌｅｘｏｎ、ローカルＤＳＯ市場、ＴＳＯ／国内グリッドアラートなどの市場機能を含むことができる。

前述の管理および最適化システムの中で、前述の交換手段は、通常、データまたはパケット、標準、ＡＰＩ、およびアクセス、セキュリティを支援するか、またはリソースへの認証されたアクセスを支援するソフトウェアアプローチなどの、トランザクションの仲介を支援することができる様々なツールを含むことができ、リソースには、例えば、トークン、ハッシュレコードとタイムスタンプ、スマート契約、秘密鍵と公開鍵、デジタル署名、分散型台帳と監査レコード、ブロックチェーンもしくはパラチェーン、電子「コイン」、または期間中の前述のアクセスとトランザクション制御を確実に維持できるその他の暗号化表現などがある。

前述の交換およびツールはまた、プラットフォームもしくは市場、または、特殊目的車両（ＳＰＶ）などの管理および財務構造であり得て、これは、管理および最適化システムを使用して、長期にわたるアセットおよび契約の管理の目標を支援し、長期にわたって様々な目的でリソースを管理することによって、利益、キャッシュフローなどの目標とパフォーマンスを確実にするのを助けることができ、システムを使用してアセットの存続期間にわたって運用および維持（Ｏ＆Ｍ）領域を管理することができる。

前述の管理および最適化システムの例示的な実施形態では、方法が追求しようとするのは、分散型エネルギーリソースアセットを個別および集合ベースで編成および管理して、そのようなアセットおよびその所有者（カスタマーまたはアセット車両）のために、ＢＴＭ−「Ｂｅｈｉｎｄ ｔｈｅ Ｍｅｔｅｒ（メーターの背後）」（通常はエンドカスタマーまたは建物用）、ＡＴＭ−「Ａｔ ｔｈｅ Ｍｅｔｅｒ（メーターで）」（通常はエネルギーサプライヤまたはエネルギーサービス会社用）、ＬＴＭ−「Ｌｏｃａｌ ｔｏ Ｍｅｔｅｒ（メーターにローカル）」（通常はローカル配電ネットワーク、開発者またはコミュニティ用）、ＦＴＭ−「Ｆｒｏｎｔ ｏｆ ｔｈｅ Ｍｅｔｅｒ（メーターの前面）」（より広域のグリッドアクターおよびシステムの利便用）から、潜在的な受益者の範囲全体に柔軟性とサービスを提供することによって、「サービスとしてのエネルギー」（ＥａａＳ）モデルとして、またはバッテリオペレーター「ＢＯＰ」として、最適な収益を分配することである。前述の最適化方法は、通常、単一または協調クラスタの受益者を最適化することと、エネルギーパターンを学習して柔軟性を管理することを含み、毎日の収入を最大化し、特定の当事者との契約を通じて ローカルネットワークの制約や電力網での価値の高い機会などの特定の状況が発生するときに、柔軟性をオンデマンドで利用できるようにすることによって、追加の利益をもたらす。

そのようなアプローチの中で、最適化と編成の方法は、住宅／建物のカスタマーの利益において純粋なＢＴＭを管理しようとすること、または、カスタマーに供給するユーティリティ（ＢＴＭ+ＡＴＭ）の間で、もしくは（ピアツーピアモデルの）ピアとしてのカスタマーのローカルグループ全体で、もしくは住宅およびＥＶのカスタマー、ユーティリティサプライヤ、ならびにローカルネットワークなどのグループ（ＢＴＭ+ＡＴＭ+ＬＴＭ）として目的を合わせることを追求することができる。このような状況では、アルゴリズムは、１）例えばａ）充電の供給またはタイミングとレートの制約として作用する可能性のあるネットワークのローカル制限、またはｂ）再生可能エネルギーまたはバッテリ／ＥＶリソースからのエネルギーのエクスポート制限、などの目標に従ったデータおよびアイデンティティの特性と管理、および、２）制約スコアリング（例えば、電力ネットワークが需要を満たすのに十分な容量を持たないリスク）、および、３）住宅または車両のシフト可能な需要または柔軟性の予想、および、４）例えば、予想されるエネルギー需要のニーズ、バッテリリソースのサイズと利用可能性、建物の占有または非占有に関する知識、電気自動車の場所（例えば、接続されていない場合）、または、取引ポジションに影響を与える場合にエネルギーサプライヤが柔軟性を提供することを望まない場合、またはより広いグリッド問題または契約機会のために柔軟性が望まれる場合の契約や市場の制約によって制限される可能性がある場合についての原因であるリソースの柔軟性および予測可能性のリスクスコアリングを考慮する必要がある。

一実施形態では、システムは、
ネットワーク内の複数のリモートサイトでデータを受信し、エンドデバイスとリソースの使用状況を監視するように調整された中央ソフトウェアシステムであって、ソフトウェアシステムは、リモートサイトでバッテリを充電および／または放電するためのバッテリ充電プランを決定するように調整されており、バッテリは電気自動車（ＥＶ）バッテリおよび／またはその他のエネルギー貯蔵バッテリである、中央ソフトウェアシステムと、
それぞれの充電プランに従って充電を制御するように調整されたリモートサイトのエンドデバイスであって、エンドデバイスは、識別されたローカル制約、輻輳、またはローカル制限に応答するように構成された充電プロトコルを実装して、総計としての確率論的およびネットワークパフォーマンスは予測可能で有益であるような方法でローカルネットワークでのエネルギー伝送を最適化する、エンドデバイスと、を含む。

したがって、前述のように、充電ポイントでこのようなプロトコルを使用すると、電圧の変化、制限、周波数などのローカルプロパティの測定に基づいて充電レートを変更する決定が分散され、それにより充電を比例的に遅らせたり、ストレスまたは高負荷イベント時の充電レートを下げたりし、または低負荷または低ストレスイベントの測定時に充電レートを徐々に上げて、充電イベントの動作を予測可能な方法で自己調整する。したがって、中央ソフトウェアシステムと分散プロトコルの組み合わせは、全体的なエネルギーシステムがどのように機能するかを管理し、例えば、ローカル電圧制限、ローカルおよび全体的なシステムバランシングを支援する。これにより、純粋にトップダウンのアプローチの複雑さが解消される。

一実施形態では、充電プロトコルは、
ａ) 初期レートで充電または放電を行い始めること、
ｂ) 充電式バッテリの充電プランに従って目標レートに向かってレートを定期的に増加させること、
ｃ) ネットワーク上で到達しつつあるローカル制限の兆候を検出して、それに応じてレートを低下させること、
そして、ステップｂおよびｃを継続して、プランに従ってバッテリを充電および／または放電することによって進行する。

充電レートに対する増分は加算的であってもよく、充電レートに対する低減分は倍数的に増加してもよい。したがって、充電レートは増分で目標レートに近づくが、輻輳が検出された場合、輻輳イベントが過ぎ去るまで、充電レートは指数関数的なレートで下げられる。これにより、自己調整および安定性がネットワークに提供される。

一実施形態では、ネットワーク上でローカル制限に到達しつつある兆候は、配電ネットワーク上の電圧レベルまたは周波数、あるいは電圧レベルまたは周波数の変化を監視することによって判定され、制限はネットワークが所定の許容条件内で動作する上限または下限であり得る。したがって、この方式は、高電圧レベルがネットワークにストレスがかかっていることを示し得るローカルネットワークからのバッテリの充電、または低電圧レベルが検出されて供給が不十分であることを示しているネットワークへのバッテリの放電の両方に適用できる。

一実施形態では、分散型充電プロファイルまたは予測可能な方法で反応するデバイス充電プランの集合体は、システムの全体的な予測可能性、公平性、安定性、または目標を支援する分散型自己調整効果を提供する。

一実施形態では、充電プランは、
− 市場および料金兆候、天候データ、場所の制約
− エネルギー供給のローカル測定値
− 建物または車両によるエネルギー使用量
のうち１つ以上を表す処理兆候に基づいて、動的に調整される。

一実施形態では、システムは、ローカル制約に従って、
リモートサイトでのエンド電気自動車（ＥＶ）状態およびバッテリ充電状態を監視することと、
リモートサイトで電気自動車の今後の使用および充電パターンを予測し、ローカルネットワークのパフォーマンスを予測することと、
このような測定値および将来予測（前方予測）を使用してＥＶ使用およびローカルネットワーク全体のネットワークパフォーマンスの集合モデルを形成して、ＥＶ使用およびネットワークパフォーマンスの集合モデルを比較して予測された使用がローカル制約を超えるローカルネットワーク上の潜在的問題を識別することと、
ＥＶ充電プランに対するリアルタイム調整を評価してスケジューリングし充電レートを抑制してローカル制約を超えることを回避する決定論理（論理回路）と、
遠隔ＥＶに調整された充電プランを通知することと、を含む、サイトまたはローカルな低電圧ネットワーク全体で電気自動車の充電のレートをアクティブに管理および抑制する方法を実行するように調整される。

一実施形態では、ローカル制約は、タイムシフトエネルギー使用量におけるコンシューマおよびユーティリティ供給制約であり、および／またはローカルネットワークのインフラストラクチャによって課される制約を回避するためにローカルネットワーク内のリソースのセットを管理するローカルネットワーク制約と結びつけられている。したがって、例えば、既存のローカルネットワークには、ピーク使用量が容量を超えると予想され得る複数の電気自動車を充電するための新しい施設をサポートする容量がない場合がある。システムが充電ポイントをアクティブに管理できるようにすることで、消費される電力を抑制できるため、施設はネットワークのローカルな制約内で動作でき、インフラストラクチャの高価なアップグレードを回避できる。明らかに、異なるローカル制約がネットワークの異なる部分で動作する可能性があり、システムは、識別されたそれぞれのローカル制約に従って、異なるエンドサイトを様々な異なるレートで抑制することができる。

一実施形態では、エンドサイトリソースからの利用可能な柔軟性およびリスクプロファイルを使用して、充電を延期する。

一実施形態では、予測は、ＥＶ車両の位置を追跡することに少なくとも部分的に基づいている。したがって、例えば、電気自動車がそのベース充電ステーションに近接していることを使用して、充電イベントが差し迫った期間に発生することを予測することができる。

一実施形態では、システムは管理および最適化システムによってメーターの背後（ＢＴＭ）の利点を最適化するように調整され、システムは、エンドデバイスからのリアルタイムまたは定期的データを処理して、分散型エネルギー貯蔵リソースを充電／放電することによってもたらされる柔軟性を、
ａ） ｉ）エネルギー使用量、ｉｉ）ローカルの太陽光発電量、ｉｉｉ）天気予報データ、ｉｖ）カレンダー情報、過去のパフォーマンスおよび学習された動作、ｖ）料金プロファイル情報、ｖｉ）カスタマーの嗜好のうち１つ以上を含むデータソースを分析することと、
ｂ） アルゴリズムによるアプローチを実行して、ｉ）予測された負荷、ｉｉ）太陽光発電、ｉｉｉ）ＥＶ充電使用、ｉｖ）バッテリ充電プラン、ｖ）リスクプロファイルおよび柔軟性のうち１つ以上を含むエネルギー使用量のデータ駆動型予測をすることと、
ｃ） データ駆動型予測を使用して記憶リソースが所望の目標を生み出す充電プランを作成することと
によって管理する。

一実施形態では、目標は、ｉ）グリッドからのエネルギー使用量を最小化すること、ｉｉ）太陽資源の自己消費を最大化すること、ｉｉｉ）価格を最小化すること、ｉｖ）ＣＯ２を最小化すること、ｖ）バッテリパフォーマンスを最適化すること、ｖｉ）充電状態およびバッテリパフォーマンスを管理すること、ｖｉｉ）特定の時間にバッテリの準備のための充電目標を達成すること、ｖｉｉｉ）サードパーティからの変更要求または柔軟性の機会に応答すること、ｉｘ）柔軟性の機会に応答する容量を提供することのうちの１つ以上である。

一実施形態では、システムは、データおよび予測に基づいて、状態およびパフォーマンスの報告をユーザに提供するように調整される。

予測は、機械学習、パターン認識ならびに特徴およびイベント検出（例えば高負荷、占有イベント、充電サイクルの開始の）、パターンの認識もしくは異常なパターンの分類を補助するためのニューラルネットワークの訓練、モデリングの使用、畳み込みおよび比較、予測および確率的モデリング（例えばイベント検出、太陽プロファイル、ＥＶ充電パターン上のエネルギー負荷プロファイルの）、または、ありそうな次の状態と使用中のエネルギーデバイスの期間の間の確率的移行およびパス、もしくは、ＥＶ充電、フィードバックネットワーク、予測学習、線形計画法における遷移状態をモデル化するためのマルコフモデリングを利用することができる。

前述のイベント検出および短期予測は、単純な多層パーセプトロンまたはリカレントニューラルネットワーク、あるいはディスアグリゲーションまたはプロファイル情報を利用して、エネルギー使用量の大幅なステップ変化を検出することにより、調理器具、エアコン、洗濯機などの高負荷の機器の起動を検出すること、および過去のプロファイルおよび学習した動作を参照するなどのディスアグリゲーションとパターン認識のアプローチなど、フォワードプロファイルに長期的な影響を与えるイベントを決定して焦点を合わせることができる。これは、このような高負荷または標準的な電気自動車の充電イベント、ならびに占有によって引き起こされる消費の増加（例えば、仕事への復帰、休日モードなど仕事を離れていること、夜間の減速の検出）の将来予測を通知するのに特に好都合であることがわかっており、リスクプロファイルなどの様々なツールは、そのような予測の安定性と過去の信頼性に重点を置いて、エネルギー管理、および、予測が取引、バッテリ充電プランの調整、より広い柔軟性の利用可能性にどのように使用されるかを通知する。

一実施形態では、システムは、時間間隔の開始時のデータおよび変数のセットとさらなる期間での予測セットとの間に線形計画法技術を使用して、時間間隔内の目標を最大化することと、家庭用バッテリまたは電気自動車の充電プランでバッテリの充電レート／放電パラメーターを変更することにより、予測された時間間隔でローカル最適化を行うことができる方法との間の最適化に焦点を合わせるように調整されている。

一実施形態では、システムは、ニューラルネットワークを使用して、エントロピー関数を最大化し、および／または特定の時間間隔内で目標、および／またはバランスの取れていない要求を最適化するためのナッシュ均衡アプローチを見つけるように調整されている。

一実施形態では、データは、バッテリの充電プランを決定するために予測エンジンおよび経済モデルと共有され、
ここで、前述の経済モデルは、料金モデルまたは記憶（記録）を参照して、例示的なプランの影響を算出し、
予測エンジンは、ｉ）このようなプランを適用するための消費および生成のフォワードモデルを算出し、ｉｉ）予測を記憶してパフォーマンス監視およびシステムへのフィードバックまたは予想からの測定変数の発散がある場合は新規な予測に対する要求を有効にし、ｉｉｉ）プランの記憶および配備を管理してエンドアセットがプランの目的に従って実行されることを確実にする。

一実施形態では、システムは、特定の場所内の複数のエンドデバイスにわたってリアルタイムまたは定期的なデータを処理して、少なくとも１つの識別されたローカル制約内でエネルギー貯蔵リソースの総合的なパフォーマンスを管理し、システムは、
複数のエンドサイトデバイスとリソースの使用、容量供給および充電レートを監視して、エンドサイトから、および、ローカルネットワーク上で、予測予想（予測の見通し）、リスクプロファイルおよび利用可能な柔軟性および予備キャパシティを受信し、
サイトの使用状況と予測を集合して、場所または低電圧ネットワーク全体の予測された全体的な負荷予想、需要、およびフローをモデル化し、
少なくとも１つのネットワーク制約を考慮して、そのような予測がローカルネットワークのパフォーマンスにどのように影響し得るかを分析し、
ネットワークでのエネルギー使用量が制約を満たすために、ローカルのアクティブ管理プラン、中央または分散型バッテリリソースおよびＥＶ充電、太陽光削減、熱リソース、ならびにその他の需要側応答アセットを調整またはスケジューリングし、
アクティブな管理制御を定めてプランを実施する
ように調整される。

一実施形態では、ネットワーク制約は、
ｉ） 電圧上昇または低下、異なる位相に対する制限、ネットワーク障害、電力品質問題などの電力品質問題、および
ｉｉ） 電気自動車充電、ヒートポンプ、暖房の電化、グリッドに対する太陽光／ＥＶエクスポート、より高いストレスまたは増加する故障率で稼働するアセットに至ってグリッドを管理する課題を増加させる、ネットワーク上の追加の負荷または生成手段の配備、
のうちの１つ以上である。

一実施形態では、システムは、柔軟性を提供するように調整され、個々のアセットは、監視された状態、生成された充電プラン、予測を柔軟性エンジンに報告することができ、柔軟性エンジンは、市場への柔軟性の提供の利用可能性に対するフレックス要求を、 プランへの制約と調整に変えて、そのような制約をプランに適用することによってコスト、リスク、および回収をモデル化および計算して、それがディスパッチ用のグループに割り当てて集合できるかどうかを検証して、フレックス要求にそのような柔軟性を提供し、グループ全体でのそのような柔軟性の提供の実行を定めて管理し、それにはそのような実行からの報酬を注文、配送、報告、および割り当てを管理することを含む。

本発明の一態様によれば、ソフトウェアシステムおよびプロトコル、分散型エンドデバイスおよびエネルギーリソースへの、およびそれらの間の接続および交換手段を含む、エネルギーネットワークにおける管理および最適化の方法が提供され、この方法は、
データを収集して使用量を監視することと、
外部データおよび市場兆候を処理することと、
特性を分析および識別し、エネルギー使用量の予測を更新するアルゴリズムを実行して、前述のリソースの柔軟性が、スケジューリングされ、共有され、または編成されることができて、リソースの個々のグループまたは集合グループの様々な介入を可能にし、 個々のサイト、ローカル環境、より広いコミュニティまたは国のための特定の目標または長期にわたる信頼できるパフォーマンス目標を達成する方法を調整することと、を含む。

本発明の一態様によれば、エネルギーシステムにおけるエネルギー使用において観察されるイベントまたは動作を分類するためのシステムが提供され、
エネルギーシステムのエネルギー使用量またはアクティビティを示す時系列の測定値を入力で受信し、そして、入力に基づいて、
１） エネルギーシステムの時間または占有率に依存する使用モード、または、
２） 測定値から切り離された、特定の機器の使用を示す高負荷、長時間継続イベントを識別し、
デバイスまたはモードタイプ、イベントまたはモードの開始時間、時間および電力負荷期間の期待値のうちの１つ以上である、使用モードまたはイベントと関連した１つ以上のプロパティを表わすスカラーリアルタイム値を出力するように調整されたリカレントニューラルネットワークと、
一定期間にわたるエネルギーシステムの負荷または柔軟性の予測および／または少なくとも部分的にスカラー値に基づく予測のリスクプロファイルを算出するように調整された予測エンジンと、を含む。

このシステムは、エンドサイトでのエネルギー使用量の予測が使用される本発明の他の態様および実施形態と組み合わせることができる。

一実施形態では、使用モードは、季節的であるかまたはカレンダ関連のパターン、到着、夜間の減速、休日である。

一実施形態では、イベントは、ＥＶ充電、ウェット品機器または熱機器または冷却機器の操作を表す。

一実施形態では、専用のニューラルネットワークは、複数のターゲット機器および／またはモードのために提供される。

一実施形態では、一次ネットワークは、
パターンの測定値が一次ネットワークの出力閾値の範囲内にあるときに、ネットワークを作成し、強化し、訓練し、
それから、
一連の隣接するネットワークで「フォワードパス」分類を行うか、
または、ネットワークの一致が見つかったときに、ネットワーク内の重みの「バックワードパス」更新を選択的に学習して行うことを決定するように調整された、さらなるニューラルネットワークに動的に分岐する。

本発明の一態様によれば、エネルギーシステムにおけるエネルギー使用において観察されるイベントまたは動作の分類の方法が提供され、
エネルギーシステムのエネルギー使用量またはアクティビティを示す時系列の測定値を調整されたリカレントニューラルネットワークの入力で受信し、そして、入力に基づいて、
１） エネルギーシステムの時間または占有率に依存する使用モード、または、
２） 測定値から切り離された、特定の機器の使用を示す高負荷、長時間継続イベントを識別することと、
デバイスまたはモードタイプ、イベントまたはモードの開始時間、時間および電力負荷期間の期待値のうちの１つ以上である、使用モードまたはイベントと関連した１つ以上のプロパティを表わすスカラーリアルタイム値を出力することと、
一定期間にわたるエネルギーシステムの負荷または柔軟性の予測および／または少なくとも部分的にスカラー値に基づく予測のリスクプロファイルを算出するように調整された予測エンジンと、を含む。

本発明の一態様によれば、複数の地理的に分散されたメーター測定される充電ポイントと、バッテリの中かまたはバッテリを組み込んだモバイルデバイスの中に組み込まれた関連ロジックを有する複数の充電式バッテリとを含むシステムのメッシュチェーン内のエネルギー充電イベントを記録する方法が提供され、方法は、
ローカル台帳を充電ポイントおよび／またはバッテリロジックに格納することと、
メーター測定される充電または放電のために充電ポイントに接続されている充電式バッテリと関連した充電イベントを検出することと、
イベント詳細のハッシュ値を充電式バッテリと関連した証明書および充電ポイントと関連した証明書から形成することと、
充電ポイントおよび／またはバッテリロジックの台帳をハッシュ値およびイベントのタイムスタンプで更新することと
を含む。

一実施形態では、証明書は、充電ポイントとバッテリの間の共有公開鍵および秘密鍵である。

一実施形態では、ハッシュは台帳内の以前のイベントの暗号化ハッシュを含んで、各ノードでの暗号によってリンクされたイベントチェーンを形成する。

一実施形態では、ハッシュは、ローカルのジオロケーション基準を含む。

一実施形態では、ジオロケーション基準は、測定されたＷｉ−Ｆｉ信号識別子、携帯電話塔からの識別子、ＧＰＳ信号またはローカルに送電線伝送に組み込まれた署名を含む。

一実施形態では、充電式バッテリは、電気自動車に含まれる。

一実施形態では、方法は、バッテリの使用の会計またはバッテリによって受けたかもしくはバッテリによって配送した電力の収益化、または、ピアツーピアモデルのアセットの共有を含む。

一実施形態では、方法は、チェーンの完全性をチェックすることによって、および／または、バッテリの台帳に見られる充電イベントがマッチしているタイムスタンプを有する示された充電ポイントで、台帳のマッチしている項目を有することをチェックすることによって、イベントの真正性をチェックすることを含む。

本発明の一態様によれば、複数の充電ポイントまたはメーターと、ローカル台帳を記憶するように調整され、充電イベントの検出時にローカル台帳に記憶されるハッシュ値を形成するように調整された複数の電気自動車とを含む、上記の方法を実行するためのシステムが提供される。

本発明の一態様によれば、前述のいずれかの説明の方法を実行するためのコンピュータプログラムが提供される。

本発明の異なる態様によれば、管理および最適化システムによってメーターの背後（ＢＴＭ）の利点を最適化する方法であって、システムがエンドデバイスからのリアルタイムまたは定期的データを処理して分散型エネルギー貯蔵リソースを管理して、充電または取引を通知して管理する方法と、管理および最適化システムによって「メーターの背後」（ＢＴＭ）および、「メーターでの」ユーティリティ供給の利点を最適化する方法であって、システムがエンドデバイスからのリアルタイムまたは定期的データを処理して分散型エネルギー貯蔵リソースを管理して、充電を管理して調整することによって全体的なエネルギーの取引の形状およびエネルギーの供給を通知して管理するのを助ける方法と、管理および最適化システムによって、「メーターの背後」（ＢＴＭ）および「メーターでの」ユーティリティ供給のグループをメーターにローカル（ＬＴＭ）の利点と一緒に最適化する方法であって、システムが場所の中の複数のエンドデバイス全体のリアルタイムまたは定期的データを処理して、ソフトウェアシステムに通知してローカル制約の中でエネルギー貯蔵リソースの集積されたパフォーマンスを管理する方法と、管理および最適化システムによって、ＢＴＭ、ＡＴＭ、ＬＴＭおよびメーターの前面ＦＴＭの利点全体のリソースのグループを最適化する方法であって、システムが複数のエンドデバイス全体のリアルタイムまたは定期的データを処理してそれらの目的を達成する一方で、予備容量を算出するかまたは最適化して他の柔軟な市場に参加する方法とが提供される。

管理および最適化システムの実施形態の中で、前述のソフトウェアシステムおよびプロトコルは、ブロックチェーン技術、電子コイン、またはＥｎｅｒｇｙＷｅｂアプローチ（それ自体はイーサリアムアプローチに基づく）に基づくエネルギーブロックチェーンなどの暗号化などの、分散型台帳周辺に基づく交換のメカニズムを利用することができる。このようなアプローチは、仲介者の必要性を否定する一方で、通常、かなりの処理能力と扱いにくくなるチェーンを必要とする。したがって、それらは、当事者が信頼されたバリデータとして機能して取引を確認するかもしくは「プルーフオブワーク」を検証するか、または、トランザクションをグループまたはサブチェーンに分割するＰｏｌｋａｄｏｔバリエーションなどにおけるパラチェーンアプローチを必要とすることが多い。このようなアプローチは、それが、交換されるべきデータに対して、ならびに、エネルギーシステムのアクター、デバイス、言語に依存しない新しい形式のプロトコルに対して、一貫性のある数学的に純粋で持続性のあるアプローチを可能にする方法に価値があり得るので、長期にわたって信頼性の高いアクセスと管理を保証するメカニズムとして、本出願で説明されるソフトウェアシステムの中で価値があり得る。しかしながら、このようなアプローチはグリッドエッジまたはピアツーピア市場の新モデルを作成するのに興味深いものであるが、他のアプローチはこのようなローカル市場を作り出すために有益であり得る。

本発明の実施形態および交換手段内で関連するのは、そのような台帳アプローチを使用して、密接なコミュニティ、建物、サイト、コミュニティ、または低電圧ネットワーク内のアセットの相互作用を管理するのを助ける場合である。これらのアプローチの中では、変電所や特殊メーターなどのローカルエネルギーシステムの一部をローカルトランザクションの確認と検証に使用できるパラチェーンモデルを使用して、完全分散型ブロックチェーンでのエネルギーとデータ集中の問題を打ち消すことができる。アプローチは、「メッシュチェーン」と呼ばれるものを使用することでもあり、この場合、台帳またはブロックチェーンは安定したノードで作成され、別の台帳とクロスオーバまたは相互作用するたびに、特定の場所ならびに電気自動車などのアセット内にあるスマートメーター、充電器ポイントなどにより、想定される信頼レベルを表し、したがってそれぞれが、充電器による充電イベント、車両による充電／放電に対するエネルギーフローを計測した各トランザクションの監査証跡を作成して、各トランザクションが、グリッド内でのその相互作用を示す共有ハッシュとタイムスタンプを作成する。このようなアプローチの中では、「偽の」台帳は、信頼できるノードまたは実際のノードと充電器での重要なタグ付きイベントがないことで見えるようになり、特定のノードで台帳を呼び出してチェックすることによって、懸念事項の真正性をチェックすることができる。このようなアプローチは、デジタル通貨を作成しようとせずに、アセットが取引して監査証跡として機能するか、台帳を使用して、完璧なコインシステムのオーバーヘッドや複雑さは発生させずに、ピアツーピアモデルの共有アセットによって適格な、またはリソースを共有するための収益化や報酬を通知したりすることを可能にする（例えば図１０Ｂを参照）。

例示的な実施形態では、ローカル環境内の様々なデバイスは、それぞれ独自の記録されたトランザクションのチェーンまたは台帳を有し、それぞれが、別のデバイスまたはチェーンとの、例えば、充電器および電気自動車、または消費もしくはエクスポートされた電力の各間隔を記録するメーターの、それぞれの相互作用を記録する。ここでは、トランザクションは、トランザクション内の両方のチェーンに追加され、適切なハッシュ関数で実現されるメッセージを作成して、トランザクション内の両方の当事者とチェーンからの署名をタイムスタンプで結合し、その結果、それぞれのハッシュに署名することで、 当事者はその時点で取引を行ったことの証明記録を提供する。ここで、署名は、秘密鍵と公開鍵のシステム（例えばＯｐｅｎＰＧＰ）、および適切な権限を共有する鍵サーバを使用して実現できる。ここでローカルネットワークでは、ＤＮＯまたはＤＳＯは、そのネットワーク上の負荷または生成を可能とすることに関して、権限として機能してもよく、キーサーバーとして機能し、許可されたアセットのための、またはアクティブ管理制御とルールの対象となるアセットのためのキーを解放する。同様に、例えば許可されたＭＰＡＮを使用するスマートメーターは、適切な「ロケーションスタンプ」とキーを提供するかもしれない。

さらなる実施例および実施形態は、分散型台帳アプローチを使用して、当事者間のスマートコントラクトを作成および管理するか、または、共有可能なコインを形成して、例えば、 太陽光発電のＫＷｈ、バッテリ容量、もしくはローカルの柔軟性が、ローカル台帳ベースでもどのように共有されるかを調停するものであり、信頼できる当事者が、タイムスタンプと当事者間のトランザクションのハッシュ内にロケーションスタンプとして含まれる場所内のメーター／充電器／ネットワークノードなどのアセットであるものである。このようなアプローチは、固定バッテリリソースや電気自動車など、アセットの使用に減価償却費が付随している場合に特に有利であり、この場合、「コイン」は、リソースからのエネルギーの正味使用、エクスポート、または共有の価値を正しく説明するために、アセットの減価償却費と炭素コスト、ならびにアセットへのエネルギーのコストと所有権を記録できる。

さらなる実施例と実施形態は、台帳、スマートコントラクト、またはコインなどの取引記録を使用して、エネルギーデータの価値を収益化または認識し、予測自体を予想する場合であり、エネルギー使用量自体のアルゴリズムによる算出と予測自体が、（サプライヤ、または利益を得るか使用するローカルピアリソース、またはサービスを受けるかもしくは提供するバッテリまたは柔軟なアセットなどの）取引相手による取引の価値を分配または放出するのに役立つという前提である。

管理および最適化システムの好ましい実施形態の中で、データ、ＡＰＩ、およびオープンフレームワークの使用の標準とともにそのような交換メカニズムを使用することによって、分散型アセットのセットを長期にわたって管理するのを助ける方法が提供される。ソフトウェアシステムはさらに、この方法がツール、ダッシュボードおよびモニタのセットを提供してオペレーターに警告を行うことによってエンドリソースの操作および保守を助けるのを支援することができ、エンドユーザーが長期にわたって、設定を管理および更新したり、契約管理またはシステムの使用の変更を要求したりするのを支援することができる。前述のソフトウェアシステムはまた、接続手段を介して無線更新を容易にすることができ、Ａｌおよび機械学習を使用して、潜在的な障害を先制的に識別することによって、またはエラーコードおよびアラートを使用して分析のためのシステムを設定することによって、リソースの管理を支援することができる。サイクル寿命が限られたバッテリなどの有限のリソース内では、このようなメカニズムは、アセットを交換する時期、またはパフォーマンスを向上させるために新しいまたは低コストのバッテリを追加できるアップグレード機会を特定するのにも役立つ。

好ましい実施形態のさらなる特徴は、分散型エネルギー貯蔵アセット、ＥＶ充電装置または電気自動車のセットを所有するために特殊目的車両の資金調達手段が確立されるものであり、ここで前述の手段が管理および最適化システムを契約して一定期間にわたって、またはアセットの存続期間中、サービスとしてのエネルギー（ＥａａＳ）モデルまたはサービスとしての輸送（ＴａａＳ）モデルにおいて発生する可能性のあるような、前述の運用および保守ツール、またはＢＴＭ、ＡＴＭ、ＬＴＭ、ＦＴＭの受益者向けのサービスの管理と最適化、またはこのような当事者からの収入機会と契約収益または支払いの最大化などのアセットの特定の機能を実行し、アセットは使用ごとに、またはサービスとして、レンタルまたは支払いが行われる。管理および最適化システムは、データ、予測、および最適化方法を使用して幅広い受益者にサービスを提供する上で特に有利であり、それによって、時間的適応性がより高まり（または他の地域に移植可能となり）、規則、規制、または市場の変化での行動としての、または、日によって変化する太陽光や風力などの再生可能エネルギー生成の採用の増加に応じたエネルギーネットワークの変動性の増加としての、そしてエネルギーネットワークおよび場所での充電イベントの増大の圧力または密集を生じさせる電気自動車や高速充電器の採用による、収入の相違のリスクを低減させる。

本革新の態様および実施形態の上記の説明は、例としてのみ与えられ、直ちに図面および図を参照することによって、様々な態様および実施形態が、他の態様および実施形態に従って修正され得ることが理解される。本発明の範囲は、実施形態の詳細によって限定されるべきではなく、添付の特許請求の範囲で定義されるように、本発明の範囲内で多数の修正を行うことができる。

図１は、ローカルまたはより広い電気ネットワーク上の、ソフトウェアシステムと様々なデータ入力、交換手段とリソース、多様なアセットを有するエンド世帯サイト全体のリソースへの接続層、複数のホームサイト、電気自動車の充電サイト、中央 の大型バッテリまたは太陽光リソース、より大きな建物とサイト、都市、およびより広い国を含んだ、管理および最適化システムの概要図である。 図２は、グリッド、天候、カレンダー、設定からの入力と一緒にソフトウェアシステム（または頭脳）によって処理されており、予測の形成を支援して 、取引、ネットワークまたはグリッドバランシングの機会に対する柔軟性を通知するか、またはバッテリ、電気自動車充電器、もしくはリソースを制御するスマートハブなどの接続されたアセットの充電プランを推進する、サードパーティもしくはメーターリソースからの、またはバッテリもしくはスマートハブからのデータの概略図を示す。 図３は、管理および最適化システムが、より大きなバッテリリソース、または、家庭、ＥＶ充電器、通信マスト、建物の需要応答アセットからなどの仮想バッテリを形成する分散型バッテリリソースの集合体から柔軟性を管理する方法の概要図を示す。 図４は、住宅、建物、ＥＶ充電器パーク、より大型のバッテリおよび太陽光リソースを含む、複数のリソースから形成されたローカルネットワークの制御を支援する管理および最適化システムの概略図を示す。 図５は、ＥＶの充電のレートを測定、制御、または抑制するための異なる物理デバイスまたはソフトウェアアプローチの概略図を示しています。 図６は、「メーターの背後」、「メーターで」、「メーターにローカル」、「メーターの前面」の受益者の範囲全体のアセットを管理するための、クライアント側デバイスに管理および分析、パートナーまたはユーティリティ側ツールおよびサービス、ローカルネットワークまたはグリッドサービスのためのリソースの集合を管理するためのツールを提供する一連のモジュールを通した、全体的なバッテリオペレーターモデルの概略図を示す。 図７は、特殊目的車両と、参加者間の例示のキャッシュフローまたは契約関係の概略図を示す。 図８は、ある期間の開始時のデータと変数のセットと、さらなる期間の予測セットとの間の線形計画法に基づいた、パラメーター（バッテリの充電／放電）を変化させるための例示の最適化アプローチを説明し、フローチャートの概略図として示す。 図９は、監視データを使用して、システムと料金の選択に基づく予測エンジンと経済モデルとの相互作用によるプランを生成する、管理および最適化システム内の例示の予測方法を説明する。 図１０Ａは、典型的なイベント（モードまたは長時間の負荷）または以前に観察された一連の動作の検出と分類を支援し、次に、ベースから離れたパターンの分布を表すか、または前述のイベントに対する典型的パターンを表す隣接するニューラルネットワークに対して、分岐またはテストするための、指標となるリカレントニューラルネットワーク分布（ＲＮＮ）について説明する。 図１０Ｂは、コミュニティ内の固定アセットと移動アセット全体の監査証跡とメッシュチェーンを形成することの実施例を示す。 図１０Ｃは、ＥＶと充電器／メーターの間で共有される公開鍵と秘密鍵の組み合わせとしてのハッシュを示す。

以下、添付の図面を参照して本発明の好ましい実施形態について詳細に説明する。

図１を参照すると、管理および最適化システム１の高レベルの概略図を示しており、ソフトウェアシステム２およびプロトコル３、エネルギー分配システム２２の様々なエンドサイト１８でソフトウェアシステムを、エンドデバイス６とリソース７に、そしてそれらの間でリンクするための接続性４および交換５手段を含んでいる。ソフトウェアは、データ８を収集し、エンドデバイス６とリソースの使用量９を監視し、また市場兆候１１、天気予報５４、場所プレゼンス５５などの外部データ１０を処理する。ソフトウェアは、アルゴリズム１２、例えば、データ８および監視された使用量９からの特性および／またはイベント１３を分析および識別するＡＩおよびニューラルネットワーク３０アプローチを実行し、そしてこれに基づいて、今後の期間におけるエネルギー使用量の予測１４を作成／更新し、エンドサイトでのエネルギー使用量に関する洞察に関連している学習５２およびカレンダーパターン５３を格納する 。これらの予測１４、学習５２、およびカレンダーパターン５３は、前述のリソースの柔軟性１５が、スケジューリング（１６）され、共有（１７）され、または編成されることができて、リソース７の個々のグループまたは集合グループの様々な介入を可能にし、個々のサイト１８、ローカル環境１９、より広いコミュニティ２０または国２１のための特定の目標または長期にわたる信頼できるパフォーマンス目標を達成する方法を調整するために使用される。

柔軟性とは、需要を増減できるリソースを提供し、エネルギーネットワークが可変性と変動性を管理するのを助け、ネットワーク上の需要と供給のバランスを取る電力を貯蔵または提供する能力である。従来、これは、需要の増加に対応するために新世代のリソースをオンラインにするエネルギーサプライヤによって行われていた。現在、ネットワークのバランスをとるためにリソースがエネルギーを消費する方法とタイミングの柔軟性を管理する需要側応答にますます重点が置かれるようになっている。本文書で説明されているように、エンドサイトでエネルギーリソースおよびその柔軟性を管理して最適化する能力は、ネットワークのすべてのレベルで広範囲の利点を提供し、ネットワークに、またはモビリティと加熱の電荷により、場所、時間、季節によって変化するネットワークへの負荷を増加させる、風力や太陽光などのより可変的なエネルギー供給が追加されるにつれてますます重要になる。

リソースの柔軟性１５は、データ、契約、市場プラットフォームなどの交換手段５を介して、アグリゲーター、サプライヤ、ローカルネットワーク、グリッド、ピアツーピアまたはコミュニティ４７などのエネルギーアクター４６と、契約４９を介して取引することができ、そして金銭的支払い４８、またはカーボンオフセットなどの他の利益５０を可能にする。

また、高電圧電力を提供する、典型的には中央グリッド２３および中央エネルギー発生ソースから構成される配電システム２２も示されている。これは、中電圧ネットワークおよび変電所２５にネットワーク２４を通じて伝送される。次に、これが、低電圧ネットワーク２６およびステップダウントランスまたはエンドカスタマー電力を供給する配電変電所２７に分配される。エンドカスタマーの電力は、潜在的に異なる電気フェーズで、エンドサイト１８に、通常はメーターデバイス６、２８を介して、または通常は仮想測定される中央管理システムのアプローチを使用する街灯やネットワーク接続充電ポイント２９などの、メーター測定されない負荷に提供できる。例示的なサイト１８内には、ソーラー３１およびバッテリリソース３２、バッテリ４４を備えた携帯電話ネットワークマスト、柔軟な需要側リソースを備えたサイトおよび建物４５、ならびに同様に、個々の電気自動車充電器装置３４（これはまた、家または通りの同じ場所に配置され得る）から形成される電気自動車充電器クラスタ３３、および例示的な電気自動車３５などの、配電ネットワーク上の例示的なリソース７が示されている。同様に、例示的な住宅サイト３８の周辺には、住宅用ソーラーシステム３６およびバッテリ３７、高負荷／持続時間機器３９、およびサイトデータ／パターン４０、スマートフォン４２およびコンピュータ４３上のインターネットブラウザなどのコンシューマアクセスデバイス４１が示されている。

管理および最適化システム１の一実施形態では、方法が追求しようとするのは、分散型エネルギーリソースアセットを個別および集合ベースで編成および管理して、そのようなアセットおよびその所有者（カスタマーまたはアセット車両）のために、ＢＴＭ−「Ｂｅｈｉｎｄ ｔｈｅ Ｍｅｔｅｒ（メーターの背後）」（通常はエンドカスタマーまたは建物用）、ＡＴＭ−「Ａｔ ｔｈｅ Ｍｅｔｅｒ（メーターで）」（通常はエネルギーサプライヤまたはエネルギーサービス会社用）、ＬＴＭ−「Ｌｏｃａｌ ｔｏ Ｍｅｔｅｒ（メーターにローカル）」（通常はローカル配電ネットワーク、開発者またはコミュニティ用）、ＦＴＭ−「Ｆｒｏｎｔ ｏｆ ｔｈｅ Ｍｅｔｅｒ（メーターの前面）」（より広域のグリッドアクターおよびシステムの利便用）から、潜在的な受益者の範囲全体に柔軟性とサービスを提供することによって、「サービスとしてのエネルギー」（ＥａａＳ）モデルとして、またはバッテリオペレーター「ＢＯＰ」として、最適な収益を分配することである。前述の最適化方法は、通常、単一または協調クラスタの受益者を最適化することと、エネルギーパターンを学習して柔軟性を管理することを含み、毎日の収入を最大化し、特定の当事者との契約を通じて ローカルネットワークの制約や電力網での価値の高い機会などの特定の状況が発生するときに、柔軟性をオンデマンドで利用できるようにすることによって、追加の利益をもたらす。

そのようなアプローチの中で、最適化と編成の方法は、住宅／建物のカスタマーの利益において純粋なＢＴＭを管理しようとすること、または、カスタマーに供給するユーティリティ（ＢＴＭ+ＡＴＭ）の間で、もしくは（ピアツーピアモデルの）ピアとしてのカスタマーのローカルグループ全体で、もしくは住宅およびＥＶのカスタマー、ユーティリティサプライヤ、ならびにローカルネットワークなどのグループ（ＢＴＭ+ＡＴＭ+ＬＴＭ）として目的を合わせることを追求することができる。このような状況では、アルゴリズムは、１）例えばａ）充電の供給またはタイミングとレートの制約として作用する可能性のあるネットワークのローカル制限、またはｂ）再生可能エネルギーまたはバッテリ／ＥＶリソースからのエネルギーのエクスポート制限、などの目標に従ったデータおよびアイデンティティの特性と管理、および、２）制約スコアリング（例えば、電力ネットワークが需要を満たすのに十分な容量を持たないリスク）、および、３）住宅または車両のシフト可能な需要または柔軟性の予測、および、４）例えば、予測されるエネルギー需要のニーズ、バッテリリソースのサイズと利用可能性、建物の占有または非占有に関する知識、電気自動車の場所（例えば、接続されていない場合）、または、取引ポジションに影響を与える場合にエネルギーサプライヤが柔軟性を提供することを望まない場合、またはより広いグリッド問題または契約機会のために柔軟性が望まれる場合の契約や市場の制約によって制限される可能性がある場合についての原因であるリソースの柔軟性および予測可能性のリスクスコアリングを考慮する必要がある。

一実施形態によれば、管理および最適化システムによるメーターの背後（ＢＴＭ）の利点を最適化する方法が提供され、システムは、エンドデバイスからのリアルタイムまたは定期的なデータを処理して、分散型エネルギー貯蔵リソースを管理し、充電または取引を通知および管理する。方法は、
− ａ） ｉ）エネルギー使用量、ｉｉ）ローカルの太陽光発電量、ｉｉｉ）天気予報データ、ｉｖ）カレンダー情報、過去のパフォーマンスおよび学習された動作、ｖ）料金プロファイル情報（例えば、１日間に対する）またはルール、ｖｉ）カスタマーの嗜好などを含むデータソースを分析することと、
− ｂ） 例えば、ｉ）予測された負荷、ｉｉ）太陽光発電、ｉｉｉ）ＥＶ充電使用、ｉｖ）バッテリ充電プラン、ｖ）リスクプロファイルおよび柔軟性のデータ駆動型予測を行い、貯蔵リソース（バッテリまたは電気自動車など）に対する充電プラン調整を最適化して通知するか、または、消費と選択についてエンドユーザーに通知するか、または、将来予測（例えば取引を補助するため）および介入オプション（取引を改善するため）についてエネルギーサプライヤに通知して助言するためのアルゴリズムによるアプローチと、
− c） ｉ）グリッドからのエネルギー使用量を最小化すること、ｉｉ）太陽資源の自己消費を最大化すること、ｉｉｉ）価格を最小化すること、ｉｖ）ＣＯ２を最小化すること、ｖ）バッテリパフォーマンスを最適化すること、ｖｉ）充電状態およびバッテリパフォーマンスを管理すること、ｖｉｉ）（電気自動車のため、またはバッテリ（バックアップ準備）のための）充電目標を達成すること、ｖｉｉｉ）ローカルの当事者、ユーティリティサプライヤ、ネットワーク、グリッド契約などのサードパーティからの変更要求または柔軟性の機会に応答すること、ｉｘ）柔軟性の機会に応答する容量を提供することなどの、望ましい動作または目標を達成するための（例えば、充電プランに対する）調整を行うための決定ロジックと、
− ｄ） 例えば、バッテリ管理、システム、カスタマー電子メール、報告もしくはＧＵＩ表示または取引相手についての、状態およびパフォーマンスの報告と、を含む。

このようなアルゴリズムは、機械学習、パターン認識ならびに特徴およびイベント検出（例えば高負荷、占有イベント、充電サイクルの開始の）、パターンの認識もしくは異常なパターンの分類を補助するためのニューラルネットワークの訓練、モデリングの使用、畳み込みおよび比較、予測および確率的モデリング（例えばイベント検出、太陽プロファイル、ＥＶ充電パターン上のエネルギー負荷プロファイルの）、または、ありそうな次の状態と使用中のエネルギーデバイスの期間の間の確率的移行およびパス、もしくは、ＥＶ充電、フィードバックネットワーク、予測学習、線形計画法における遷移状態をモデル化するためのマルコフモデリングを利用することができる。

前述のイベント検出および短期予測は、単純な多層パーセプトロンまたはリカレントニューラルネットワーク、あるいはディスアグリゲーションまたはプロファイル情報を利用して、エネルギー使用量の大幅なステップ変化を検出することにより、調理器具、エアコン、洗濯機などの高負荷の機器の起動を検出すること、および過去のプロファイルおよび学習した動作を参照するなどのディスアグリゲーションとパターン認識のアプローチなど、フォワードプロファイルに長期的な影響を与えるイベントを決定して焦点を合わせることができる。これは、このような高負荷または標準的な電気自動車の充電イベント、ならびに占有によって引き起こされる消費の増加（例えば、仕事への復帰、休日モードなど仕事を離れていること、夜間の減速の検出）の将来予測を通知するのに特に好都合であることがわかっており、リスクプロファイルなどの様々なツールは、そのような予測の安定性と過去の信頼性に重点を置いて、エネルギー管理、および、予測が取引、バッテリ充電プランの調整、より広い柔軟性の利用可能性にどのように使用されるかを通知する。このようなアプローチはまた、例えば、バッテリの充電／放電パターンの変更、または取引ポジションの更新を介して、世帯の負荷を調整する際に、短期間の間隔または３０分ごとの決済アプローチの正確さを支援するのに特に有利であり得て、通常は時間ゲートより前に報告される。同様に、ＥＶ検出および充電プロファイル予測に関するこのようなアプローチは、ローカルネットワーク管理者にとって価値があり、同じローカルネットワーク上の他の充電要求の設定、抑制、または制限設定を通知するのに役立つ。

イベント検出は、集合された有効電力の測定時間間隔にわたって重要で大きい変更イベントを記録し、知識ベースの学習を行い、署名をデータベースに保存することによって、または、プロファイルから特定の確率的署名を削除してパフォーマンスと比較するか、未学習のパターンにラベルを付けてリスクプロファイルを通知することによって、機器の署名の作成や照合など、様々なアプローチを利用することができる。信頼性の高い予測に特に関連するのは、持続時間の可能性が高いイベントであり、それによって、つまり短期間のイベントよりも、より大きな電力フローまたは柔軟性の可用性に影響を与える。そのような確率マップと予測負荷変動のリスク加重は、複数のより短いイベント活動の一般的な背景によっても特徴付けられ、活動の繰り返しのパターンまたはクラスタ相関としての機械学習技術によって改善された、典型的なエネルギー負荷プロファイル内で、選択的なディスアグリゲーションと高確率および長期確率期間イベントの識別に焦点を当てることによって割り当てることができる。

前述の管理および最適化システムの例示的な実施形態では、ソフトウェアシステムは、エンド測定デバイスからのデータのリアルタイム接続または間隔処理を可能にし、データをコンシューマの提示または分析および処理のために利用可能にして、リモートコントロールの変更を定めるかまたはエンドリソースのローカル制御の変更をプログラムして、例えば、バッテリ管理システムや充電プランを調整し、これは例えば、エンドユーザーによって、外部要求に応じて行われるかまたは、データを使用した最適化として行われ、そのデータは、Ｉ）バッテリの充電状態、エネルギー使用量、太陽光供給、ＥＶ需要などのローカルソースから、または、ＩＩ）このようなデータを用いた予測の予想および、以前のパターンからの追加の洞察、大きな負荷の検出、占有率の認識、ＥＶ充電の開始（ＧＰＳジオフェンシング）もしくは検出されたイベントまたは日付パターンに関連する学習された動作から、または、ＩＩＩ）天候、太陽放射、市場価格設定、または使用時間の料金の現在、短期、および先の予測などの外部兆候への最適化、または、ＩＶ）サプライヤからのリアルタイムの価格情報および、例えば３０分ごとの時間間隔の価格データ、価格兆候、要求された調整または機会（低コストなど）に対する、または、Ｖ）代替料金またはエネルギーリソースの機会の利点を示すためのモデリングからの推奨からのものである。

前述のコンシューマ向け表現は、コンシューマアクセスデバイス（携帯電話、タブレット、家庭用エネルギーディスプレイ、インターネットブラウザなど）に、建物のエネルギー使用量およびグリッドからのエネルギー、太陽光発電および使用量、バッテリ充電状態、パーセンテージと容量ＫＷｈとエネルギーフロー、電気自動車のバッテリ充電状態の、リアルタイムまたは間隔をおいたエネルギー使用データを選択的に表示することを含むことができ、そして、分析または使用状況グラフなどの時間ベースのビューと共にしたエネルギーフロー、価格情報と節約合計、利点を、状態又は選択に関するアラート、将来予測、履歴データと現在またはピアグループとの比較と共に示し、そして、データ管理などの管理機能、ＷｉＦｉ、アカウント情報、住所、料金情報、ならびに、文書、製品および保証情報、サービス情報、障害／調査要求、価格プランまたは柔軟性へのアクセスの可視性、設定および契約の選択などのカスタマーサポート領域などの、ユーザデータの更新と共に、ユーザによって設定または変更が選択できるようにする。

前述の外部要求は、エネルギーシステムの利害関係者からのものである可能性があり、柔軟性についての需要側応答を形成しており、それは例えば、料金または不均衡の動機についてはエネルギーサプライヤから、または、ローカルネットワークの制約、電圧、電力または障害の問題についてはローカルネットワークから、または、周波数応答、需要の増加、需要の減少、容量、または市場要件の均衡についてはグリッドシステム全体から のものである。

前述のソフトウェアシステムおよびモデリングは、イベントの二項分類およびイベントの確率的進化に関する決定木（例えばエネルギー負荷または一連の消費動作）などの決定論理、または使用パターンが通常の制限内であるか、あるいは、イベント、データ、または暦日の特定のセットに付加された例外もしくはパターン、または、イベントもしくは柔軟性の使用からの回復時間をスケジューリングして許可する使用モデルを表すかどうかを検出するためのニューラルネットワークを利用することができる。

前述の最適化および決定ロジックはまた、線形計画法技術を利用して、特定の間隔および時間単位（ＴＵ）内で様々な特性（例えば、需要、ＰＶ供給、グリッド料金価格、天候）を最大化することの間の最適化に焦点を合わせて、 測定または期待される特性の、そして、家庭用バッテリまたは電気自動車の充電プランにおいてバッテリの充電レート／放電パラメーターを変更することにより、予測された時間間隔でローカル最適化を行うことができる方法の、典型的なフローチャートを確立することができる（図８を参照）。

同様に、データ記憶またはベクトルは、一連の期間「プログラム時間単位」（ＰＴＵ）について、好ましくは１時間以下の単位、例えば１５分で、そのような予測値または予想されるプロファイル、またはアルゴリズムからの一般的な予測の予想を格納することができ、以下を含む変数について、適切な期間（例えば、決済、または先の日〜９６ＰＴＵ間隔；Ｔ_０〜Ｔ_９６）にわたるローリングウィンドウとして最適化することができる。
− ＢＬ（ｔ）｛Ｂｕｉｌｄｉｎｇ＿Ｌｏａｄ：Ｌｏａｄ＿Ｋｗ_{Ｔ０−９６}，ＬｉｎｅＶｏｌ_{Ｔ０−９６}，Ｆｒｅｑ_{Ｔ０−９６}｝
− ＭＬ_１（ｔ）｛Ｇｒｉｄ＿Ｍｅｔｅｒｅｄ：Ｋｗｈ_{Ｔ０−９６}｝，ＭＬ_２（例えば二次／デバイスメーター、サブテナント）
− ＥＶ（ｔ）｛ＥＶ＿ｓｔａｔｕｓ：Ｃｈａｒｇｅ＿Ｋｗ_{Ｔ０−９６}，Ｃａｐａｃｉｔｙ＿Ｋｗｈ_{Ｔ０−９６}｝；
− ＰＶ（ｔ）｛ＰＶ＿ｇｅｎ：Ｋｗ_{Ｔ０−９６}（Ｋｗｈ_{Ｔ０−９６}｝；
− ＰＶＴ（ｔ）｛ＰＶ＿ＦｉＴ：Ｓｅｔｔｌｅ_{ｐｅｒｉｏｄ}，£_{ｇｅｎ／ＫＷ}，£_{ｅｘｐｏｒｔ／Ｋｗｈ}；£_{ｉｆ＿ｖａｒｉａｂｌｅ Ｔ０−９６}｝
− ＯＧ（ｔ）｛Ｏｔｈｅｒ＿ｇｅｎ：Ｋｗ_{Ｔ０−９６}（Ｋｗｈ_{Ｔ０−９６}｝；
− ＴＡ（ｔ）｛Ｇｒｉｄ＿Ｔａｒｉｆｆ：Ｓｅｔｔｌｅ_{ｐｅｒｉｏｄ}，£_{ｓｔａｎｄ}，£_ＰＡＹＳ；£ｐ_{Ｔ０−９６}（ＣＯ２ｇ／ｋｗｈ_{Ｔ０−９６}｝
− ＢＳ（ｔ）｛Ｂａｔｔｅｒｙ＿Ｓｔａｔｕｓ：Ｃｈａｒｇｅ＿Ｋｗ_{Ｔ０−９６}，Ｃａｐａｃｉｔｙ＿Ｋｗｈ_{Ｔ０−９６}；ＣｙｃｌｅＣｏｓｔ_{ｐｅｒ／Ｋｗ}｝；
− ＷＥ（ｔ）｛Ｗｅａｔｈｅｒ＿ｆｏｒｅｃａｓｔ：Ｔ_{Ｔ０−９６}，Ｈｕｍｉｄｉｔｙ_{Ｔ０−９６}，ＳｏｌａｒＲａｄ_{Ｔ０−９６}，Ｃｌｏｕｄ_{Ｔ０−９６}｝

データ記憶には、カスタマーまたはサイトのルールまたは嗜好、基準料金プラン、カレンダ記録とデフォルトモード、占有率、学習または検出された動作とモード、エネルギーデバイスの署名、サイトでの既知のデバイスと一般的な使用時間のリスト、およびリスクプロファイルも含むことができる。データ記憶は、ローカルレベル（例えば、太陽光／バッテリ／充電器からの超過／需要）、ユーティリティ、ネットワーク、またはシステムオペレーターレベルで、ピークオフ／ピークの時刻の指定、制限期間、例えばネットワークの混雑または制約、柔軟性の契約期間または必要性、ＤＳＲのターンアップ／ターンダウン、可用性など、市場の兆候または柔軟性のニーズを捕えるためにも使用することができる。

管理および最適化システムの中で、メーターの背後にあるカスタマーの利益を最適化するソフトウェアシステムの方法は、現在および監視されたデータの予測エンジンおよび経済モデルとの共有に基づいて、プラン（柔軟性のための、アセットの充電／放電など）を生成する方法を含むことができ、前述の経済モデルは、他のデータ（例えば、バッテリ、ＰＶサイジング、選択、料金）に従い、料金モデルまたは記憶を参照して、例示的なプランの影響を算出し、そして、前述の予測エンジンは、そのようなプランを適用するための消費と生成のフォワードモデルを、他の要因とデータ（例えば、天候や他の消費予測）とともに計算し、予測を記憶して、測定された変数が予測から逸脱している場合はパフォーマンスの監視とシステムへのフィードバック、または新たな予測に対する要求を可能にし、プランの保存と展開を管理して、エンドアセットがプランの目的に従って機能することを確実にする（例えば図９を参照）。

別の実施形態によれば、管理および最適化システムによる「メーターの背後」（ＢＴＭ）および「メーターでの」ユーティリティ供給の利点を最適化する方法が提供され、システムは、エンドデバイスからのリアルタイムまたは定期的なデータを処理して、分散型エネルギー貯蔵リソースを管理し、充電を管理および調整することにより、エネルギーの取引および供給の全体的なエネルギー形状を通知および管理するのを助ける。方法は、
ａ） エンドサイト、デバイスおよびリソースの使用量および供給を監視して、使用量、リスクプロファイルおよび利用可能な柔軟性に関する予測予想を受信することと、
ｂ） 全体的な総エネルギー需要とフローを理解するための、サイトの使用量と予測を集計することと、
ｃ） このような予想が、例えば、ｉ）エネルギー供給、ｉｉ）価格または他の目標、例えば炭素または柔軟性の他の取引のための利用可能性、ｉｉｉ）アンバランス管理、ｉｖ）料金およびカスタマー義務、ｖｉ）介入オプション、コストおよび利用可能性、ｖｉｉ）柔軟性または市場機会からの収入機会に関する現在の取引のポジションおよび戦略に、どのように影響を与えるかを分析することと、
ｄ） 決済プロセスおよび取引モデルの更新、監視および予想または露出に基づいた将来のエネルギー取引購入品の適応と、
ｅ） 充電プランの調整を行うか変更を要求すること、需要側応答ＤＳＲまたは調整を要求すること、アラート、価格もしくは動作のオファー、または将来の顧客のオファーを行うことなどによって、エンドサイトへの調整を行うかまたはスケジューリングするための、モデリングおよび決定ロジックと、
ｆ） 例えば、カスタマー報告、アセットの使用、ＧＵＩ／パフォーマンスダッシュボード、トレーダーおよびオペレーター向けのツールのための、パフォーマンスの監視と報告と、を含む。

前述の管理および最適化方法の中で、モデリングおよび決定ロジックは、全体的な取引ポジションに好都合であり、相互の利点を提供するか、より正確に供給コストと料金を反映するエンドカスタマーへの代替の料金提示またはオファーを考慮することを検討することができ、それは例えば、より長い期間の平均よりも短い期間（３０分ごとなど）について決済することによって、または、需要側応答（Ｄｅｍａｎｄ Ｓｉｄｅ Ｒｅｓｐｏｎｓｅ、ＤＳＲ）、ストレージ、柔軟なＥＶ充電などの柔軟なアセットへのアクセスの提供を支援したり奨励することによって、または、一日の特定の時間帯特性（オフピーク充電など）に報酬を与えたり奨励する料金をオファーすることによって、または、ＥＶ位置（ＧＰＳまたは車両センサー）、占有率またはその他のセンサ、追加のリアルタイムメーターデータなどの、世帯へのデータアクセスの増加に同意して、予測機能を向上させることによって、行われる。

前述の管理および最適化方法の中で、アプローチは、複数のアセット（バッテリ、ＥＶ、蓄熱器、ＤＳＲなど）および、管理下のサイトのグループ全体にわたる柔軟性とエネルギー供給責任が、どのようにして、データおよび予測の精度、使用可用性の見込み、気温／季節とカレンダー、カスタマーへの影響、柔軟性のリスク、減価償却費、および機会コストの全体に展開することができるかを選択する際に、複数の要因を考慮することができる。

前述の管理および最適化方法の中で、アプローチが考慮する必要があり得るのは、参加者が、どのようにして、ピアツーピアなどの代替のローカルメカニズムおよび柔軟性からの報酬を軽減または利用し、または、実際にエンドユーザーにピアツーピアの利点を提供およびホストして、どのように、例えば、充電プランを変更し、世帯レベルでの超過の供給または需要の取引をすることをローカルの参加者にオファーすることによって、（サプライヤの責任の範囲外の）リソースを調達または取得することができてエンドカスタマーとサプライヤの取引ポジションに利益をもたらすかを最適化することを追求して、その全体的な取引ポジションと不均衡な露出を改善することができるか、ということである。

例示的な実施形態として、同じ場所にあるまたは協力している世帯のグループは、バッテリ、ソーラー、ＥＶ充電などのピアまたは共有リソースの利益のためにコミュニティを形成することを選択し、３０分ごとまたはある間隔ごとに、相互に、または３０分ごとにすでに決済されているサイト（より大きな風力発電機や太陽光発電機など）またはビジネスに対して、グループとして相殺および解決することを選択することができる。これが、仮想測定によっていくつかのローカル取引を可能にして、コミュニティの中で、世帯のメーター測定と決済の方法が制限されている中でも、太陽光およびバッテリリソースのより大きな仮想プーリングを可能にするとわかった。このようなコミュニティ内の最適化方法は、コミュニティ全体で、需要、バッテリと太陽光のエネルギーデータベクトルと状態を共有し、様々な交換メカニズム（前述）またはプラットフォームの予備の柔軟性および容量で取引することを追求することができる。全体的なサプライヤの観点から、サプライヤは、そのようなローカル取引をビジネス／大規模サイトに対して決済および相殺し、個々のメーターレコードを直接相殺することができる。

別の実施形態によれば、管理および最適化システムによって、メーターにローカル（ＬＴＭ）の利点とともに、「メーターの背後」（ＢＴＭ）および「メーターでの」ユーティリティ供給要件のグループを最適化する方法が提供され、システムは、場所内の複数のエンドデバイス全体のリアルタイムまたは定期的なデータを処理して、ローカルの制約内でエネルギー貯蔵リソースの総計のパフォーマンスを管理するようにソフトウェアシステムに通知する。方法は、
ａ） 複数のエンドサイトデバイスとリソースの使用、容量供給および充電レートを監視して、エンドサイトから、および、ローカルネットワーク上で、予測予想、リスクプロファイルおよび利用可能な柔軟性および予備キャパシティを受信することと、
ｂ） サイトの使用状況と予想を集計して、場所または低電圧ネットワーク全体の予想される全体的な負荷予測、需要とフローを理解し、ローカルネットワークの使用特性を、通常出ない、季節的かもしくはカレンダーの調整、または電気自動車のクラスタリングと充電のピーク期間と比較または学習することと、
ｃ） そのような予測がローカルネットワークのパフォーマンスにどのように影響し得るか、または、電圧の上昇もしくは下降、電力品質の問題、熱ポンプ／電気暖房需要のピーク、異なるフェーズの問題、違反制限などのネットワークに関する制限／障害に対応して、どのように障害を生じるか、または、アセットに、例えば、超過のエンドサイト負荷、超過の太陽光のエクスポート、電気自動車の需要による高い需要、車両からグリッド／電力への追加料金、下流の制約を生み出すネットワーク負荷の不平等、変電所へのストレス、または ヒューズ破損のリスクからストレスを与えるか、を分析することと、
ｄ） ローカルのアクティブ管理プラン、中央または分散型バッテリリソースとＥＶ充電、太陽光削減、熱リソース、ＤＳＲアセットへの調整を行うかまたはスケジューリングするための、または、ローカルの参加者間で、もしくはローカルアセット（分散型または中央バッテリ、ソーラー、熱、充電リソースなど）へ、あるいはその間で、エネルギーと柔軟性を共有するための要求を調整するための、モデリングおよび決定ロジックと、
ｅ） ＥＶ充電制限またはＥＶ充電の「抑制」レートの設定などのアクティブ管理制御、またはアセットのエクスポートまたはインポートレートの契約上の制御と低減を定めることと、
ｆ） 契約の履行、支払いまたは補償義務、アセットの使用、オペレーターが使用するツールとダッシュボードのデータ、エンドユーザーまたは利害関係者への可視性またはレポートの、パフォーマンスの監視および報告と、
ｇ） ネットワーク充電器の使用、または柔軟性と容量に対する支払い、または資本繰り延べ合意の代わりの契約に関連する参加者への決済、料金、またはクロスチャージへのあらゆる影響の管理と
を含む。

例示的な実施形態では、サイトまたは低電圧ネットワーク全体の電気自動車充電のレートをアクティブに管理および抑制する方法が、管理および最適化システムによって提供され、さらなるアップグレード、課金、または不平等なしにサイトでされるよりも、より大きな自由度、平等、およびより速い充電レートへのアクセスを可能にする。ここで、前述の方法は、ｉ）充電レートをアクティブに管理および抑制すること、ｉｉ）このような充電レートを支配するローリング予測と将来充電曲線を設定すること、ｉｉｉ）価格兆候またはインセンティブを使用して、充電のレートまたは時間の調整を促進すること、ｉｖ）特定の回数またはイベントで充電または高レートの充電を削減すること、ｖ）ネットワークの制御されたパフォーマンスを改善するように全体として機能する個々の電気自動車充電器での適切な充電プロトコルまたは自動応答および自己調整メカニズムを確立すること、のうちいくつかを含む。前述の方法は、通常以下のステージ、つまり、
ａ） リアルタイムかまたは間隔をおいて、メーターのエンド消費量、エネルギーの供給と需要、電気自動車の状態と充電レート、充電要求、予測予想、リスクプロファイル、およびエンドサイトリソースとローカルネットワークおよびフェーズ全体のパフォーマンスからの利用可能な柔軟性を監視することと、
ｂ） このような測定と将来予測を使用して負荷とネットワークのパフォーマンスの集合モデルを形成し、全体的な負荷とネットワークのパフォーマンスに関する問題を分析し、そのようなモデルを学習した動作または以前のパターンと比較し、ローカル、季節的、カレンダー、またはピーク期間のクラスタリングと充電、および充電レートのアクティブ管理から提供される従来の柔軟性を調整することと、
ｃ） ＥＶ充電レートのリアルタイムの「抑制」を変更するために、または、現在の充電レートまたは新しい充電要求を管理するフォワード価格設定または充電曲線を更新するために、または、コスト、利便性、炭素、ネットワーク資本の延期、アセットストレス、ネットワークリスクなどの介入の経済モデルの評価とともにシステムを自己調整およびバランス調整するように作用する、分散充電プロトコルを考慮または強化するために、調整を評価およびスケジューリングするための決定ロジックと、
ｄ） エンドデバイスの充電レートを管理するための前述のアクティブ管理制御または通信を定めて管理すること、ならびに、エンドシステムの応答またはコンプライアンスを監査するか、アクティブ管理応答の一部として中央予備（バッテリまたは分散バッテリの集合体）を管理することと、
ｅ） 契約の履行、支払いまたは補償義務、およびツール、ダッシュボード、エンドユーザー、または利害関係者、アセット資金提供者のためのデータの共有の、パフォーマンスの監視および報告と、
ｈ） ローカル決済、または柔軟性のための、もしくは資本繰り延べ合意の代わりの充電または支払いへのあらゆる影響の管理と
を含む。

例示的な好ましい実施形態では、前述の最適化および管理システムは、ｉ）ＥＶ、充電器、データ交換用ＡＰＩ、共通またはデバイス制御プロトコルのための規格、ｉｉ）電気自動車オペレーティングシステム、ｉｉｉ）バッテリ管理システムおよびバッテリセルへの制御または組み込み、ｉｖ）ＥＶ充電装置およびＳＡＥ ＣＣＳ、ＯＣＰＰ、ＣＨＡｄｅＭＯなどの規格、ｖ）スマートハブおよびＥＶ充電装置への接続、ｖｉ）スマートメーターと、接続された充電器への信号、ｖｉｉ）電気自動車と充電器の間の接続プラグなどの改造可能な制御、ｖｉｉｉ）適切に構成された電源のすぐ近くで電気自動車を充電するワイヤレスまたは誘導手段を含む、様々なソフトウェアまたは物理デバイスメカニズムを通して電気自動車のバッテリ状態を測定または制御するために接続することができる。

前述の最適化および管理システムの中で、フェーズ全体の異なる使用量を検討および測定および予測し、特定のフェーズの需要を調整できるデバイスにアクティブ管理を考慮に入れたり、要求に応じて、オプションで様々なフェーズから電力を選択または引き出すことができる電気自動車の充電ポイントを介して需要を別のフェーズに移動してバランスを保つのを助ける。

前述の最適化および管理システムの中で、この方法は、ネットワーク上の管理およびバランシングを支援するために、中央リソースまたは分散リソースの集合体として、低電圧ネットワーク上の追加のバッテリリソースの追加をアクティブに管理または推奨することができ、例えば、太陽光発電のピーク時に過剰なローカルの太陽光発電を貯蔵し、または国内需要のピーク時に放電し、またはローカルの太陽光と夜間/オフピークの充電を管理して電気自動車の需要のピーク時に放電するためにバッテリに追加の容量を作成する。将来、このようなアプローチは、車両からグリッド、車両から車両、または車両から家庭への用途にも適用でき、前述のソフトウェアシステムは、そのような電気自動車充電器の充電および放電を調整して異なる結果を達成するのを助けることができる。

前述の最適化及び管理システムの中で、電圧の変化、制限、周波数などのローカルプロパティの測定に基づいて充電レートを変更する決定を分散する、ＴＣＰのようなアプローチに基づいた充電プロトコルを使用することによって、充電を比例的に遅らせたり、ストレスまたは高負荷イベント時の充電レートを下げたりし、または低負荷または低ストレスイベントの測定時に充電レートを徐々に上げて、充電イベントの動作を予測可能な方法で自己調整する。

前述の最適化および管理システムの中で、使用できるモデリングのタイプは、例えば、決定木、充電動作および予想される持続時間のパターン認識、イベントのネットワークから学習されたパターン、および通常は高負荷または障害を進行させる特性（例えば、１日またはシーズン/カレンダーのある時点での充電イベントの突然の時間とクラスタリング）に基づくことができる。

管理および最適化システムの中で、ソフトウェアシステムおよびプロトコルは、交換または市場の形態として当事者間でコンセンサスまたは価格の共有および確立によって結果を達成できるか、または、 ナッシュ均衡を見つけたり、エントロピー関数を最大化することなどにより競合する目的に全体的に最適なものを達成できるアプローチを、使用することができる。したがって、ネットワーク制約の場合、特定のレートと時間で発生する可能性のあるＥＶ充電（または熱活動）の総計（最大電力潮流）には最終的な制限があるが、そのようなメカニズムを通じて、結果は、異なる当事者の目的のバランスを取るか、または比例して公正な結果を達成する共有結果に有利に働くことができる。同様に、ユーティリティが自己利益（充電の柔軟性をそれらの取引ポジションまたはアンバランスの露出に対して管理）で動作する可能性がある場合、前述の管理および最適化システムは、ネットワークの制約への管理に有利な、アップグレードコストを共有または削減することにより幅広い利点があると同時に、各ユーティリティの取引への影響またはアクセスと課金レートに関するエンドカスタマーへの不便に対する不均衡または変更の最小化または補償をする、グループ最適な結果を達成しようとすることができる。予想およびベクトルの中で、特定の時間は価格兆候および微調整によって駆動されるオープン取引および課金に好都合であるが、他の時間および特にピークの季節的な課金は比例的な公正アプローチによって駆動することができる。

ローカルのピアツーピア取引をサポートできる管理および最適化システム内では、ローカルの柔軟性の測定と予測は、他の当事者には見えない、または知られていない可能性のあるローカルの柔軟性を特定するのに好都合であり得る。ローカル課金または制約の価格兆候および可視性は、このような可用性を支援することができて、システムによって調整することができる追加の柔軟性を提供するのを助けることができる。

別の実施形態によれば、管理および最適化システムによって、ＢＴＭ、ＡＴＭ、ＬＴＭおよびメーターの前面ＦＴＭの利点全体のリソースのグループを最適化する方法が提供され、システムが複数のエンドデバイス全体のリアルタイムまたは定期的データを処理してそれらの目的を達成する一方で、予備容量を算出するかまたは最適化して他の柔軟な市場に参加する。方法は、
ａ） デバイスの監視、予測、モデリングに関する上記概説されたアプローチと、
ｂ） 通常稼働率ベース、または将来市場ベース、または市場の兆候と要求のいずれかに対する柔軟性のための、契約機会の認識および経済モデリングと、
ｃ） 参加して柔軟性を共有することの利点を、他の顧客、ユーティリティ、ローカルの目標、ならびに回復時間を含むコストおよび影響と比較して評価するための決定ロジックと、
ｄ） 個々のアセットまたはアセットの集合グループのディスパッチの管理と、
ｅ） 柔軟性要求の履行の監査とパフォーマンスの報告、およびアセット所有者への利益の流れの管理、または柔軟性の展開によって影響を受けるアセットまたは当事者への報酬または収入の共有と、
ｆ） 次の価格設定または参加を通知するために、成功した柔軟性エンゲージメントから学習および最適化することと
を含む。

管理および最適化システムの中で、柔軟性を提供するソフトウェアシステム方法が提供され、個々のアセットは、監視された状態、生成された充電プラン、予測を柔軟性エンジンに報告することができ、柔軟性エンジンは、市場への柔軟性の提供の利用可能性に対するフレックス要求を、 プランへの制約と調整に変えて、そのような制約をプランに適用することによってコスト、リスク、および回収をモデル化および計算して、それがディスパッチ用のグループに割り当てて集合できるかどうかを検証して、フレックス要求にそのような柔軟性を提供し、グループ全体でのそのような柔軟性の提供の実行を定めて管理し、それにはそのような実行からの報酬を注文、配送、報告、および割り当てを管理することを含む。

管理および最適化システムの中で、ソフトウェアシステムは、入札エンジンの管理およびモデリングを支援することもでき、入札エンジンは、好ましくは、標準的なアプローチ、ＡＰＩ、プロトコル、および、普遍的な用語で柔軟性を表現し、そのような入札エンジンに価格と契約を入札または提供できる適切なリソースのセットのマッチングとスケジューリングを支援するためのフレームワークであるＵＳＥＦ（Ｕｎｉｖｅｒｓａｌ Ｓｍａｒｔ Ｅｎｅｒｇｙ Ｆｒａｍｅｗｏｒｋ）などのフレームワークを通じて、異なる関係者からの柔軟性に対する潜在的な要求のパイプラインを管理し、そしてこれは、例えば、ＤＳＯ（分散型システムオペレーター）などのローカル市場の柔軟性、またはネットワーク市場およびプラットフォームを管理するためのものであり、または、ピアツーピア市場および取引プラットフォームに対するものであり、または、システムオペレーターが管理するシステム全体のオークションや契約の一部としての、市場機能である。

管理および最適化システムの中で、ソフトウェアシステムは、他の参加者または中央リソースからのローカルの柔軟性の要求に対して、一部の参加者または中央リソースからの利用可能なまたは集合体の柔軟性の供給のマッチングを支援することにより、柔軟性のピアツーピアまたはピアツーコミュニティの提供に参加するリソースの管理を支援することができ、そして、例えば、可用性に関するデータの提供、エネルギー使用量の予測の提供、そのようなデータまたは取引を管理するための交換手段の提供、料金プランの変更などの介入についての制御と管理の提供、交換と補償もしくはメーターの変更の会計処理またはその他の決済手数料のパフォーマンス監視と監査の提供によって、そのようなトランザクションの管理を支援する。このようなシステムは、場所での柔軟性とバッテリリソースが小さい場合（例えば、１〜３ＫＷｈ）でも特に有利であることがわかっており、これは、このようなリソースをまとめて共有すると、住宅やリソースの集合全体をグリッドからスイッチオフにする影響、または、予測された平均プロファイルにより厳密に一致し、ローカルおよびより広いグリッドの安定性を支援する全体的なエネルギー需要があり得るからである。ピアツーピアおよびピアツーコミュニティ交換のパイロット（https://localisedenergyeric.wordpress.com）は、異なるタイプのカスタマーグループ（個人、公営住宅、学校、コミュニティセンターおよびＥＶ充電ポイント）全体でエンドユーザーリソース（ソーラーやバッテリなど）を共有して、エネルギーコストの低減、リソースの共有、ネットワークの制約の軽減、高価格期間中のグループのオフグリッド切替えなどの全体的なメリットに対して調整するために貴重であるとわかった。
ここで図２を参照すると、これは、エンドサイトでのエネルギー使用量の予測を展開するために使用される図１のシステム１の特定の構成を示す。したがって、図２は、管理および最適化システム１の概略図を示しており、サードパーティまたはメーターリソース６から、またはバッテリ７またはスマートハブ５６からのデータは、ソフトウェアシステム２によって、またはアルゴリズム１２によって、天候５４、サプライヤーの使用時間または市場価格１１、場所／占有５５、記憶された学習５２、カレンダー基準５３などの入力（入力装置）１０とともに、予測１４の更新を支援するために、受信および処理される。これらの予測は、取引１５、ネットワークまたはグリッドバランシングの機会４６、４７の柔軟性を通知するため、またはバッテリ３２、３７、電気自動車充電器３４、またはリソースを制御しているスマートハブ５６などの接続されたアセットの充電プラン１１４を推進するために使用される。

ここで図３を参照すると、これは、管理および最適化システム１の構成が、中央バッテリリソース３２、または、住宅３８、電気自動車充電器のクラスタ３３、バッテリ４４を備えたテレコムマストのクラスタ、建物４５の需要上昇および下降リソースアセットに関連する分散型エネルギー貯蔵リソース（例えば、バッテリ３７および電気自動車充電器３４）のグループなどのリソースの集合として形成された仮想バッテリ５１を、どのように管理できるかに関する概略図を示す。

ここで図４を参照すると、これは、ローカル電圧ネットワーク２５の制御を支援する管理および最適化システム１の構成の概略図を示し、リソースのアクティブ管理は、アップグレードコストの節約５７または延期をもたらすことができ、 ＥＶ充電器３４、柔軟な建物またはサイトリソース４５などのローカルリソースは、ソフトウェアシステム１およびローカルデータフィード（例えば、６、５４、１１）によるアルゴリズム１２による中央リソース３１、３２およびコミュニティアセット（例えば、３８）の管理された充電によってバランスをとることができる。

したがって、例えば、複数のＥＶ用の新しいＥＶ充電パークが、ネットワークのローカルブランチにプランされる場合があり、この場合、既存のブランチには容量がなく、変電所から離れすぎているか、電力を運ぶ物理的な配線が過小評価されているなどのため、同時に、かつ最大充電レートおよび/またはピーク時に使用されるＥＶ充電ポイントにピーク電力を供給できない。これにより、新しい変電所またはパークへの新しいブランチが設置されない限り、ローカルのエネルギーディストリビュータが新しいパークの許可を拒否する可能性があり、これは通常、非常に費用がかかる。本システム１を使用して、分岐線をアップグレードするコストを削減するか、または必要性を回避するＥＶ充電ポイント、すなわち充電のレートおよび時間をアクティブに管理することによって、ローカルネットワーク上の最大需要を許容可能な数値に制限することができ、あるいは、家庭用バッテリなどの他のローカルリソースが充電もしくは放電する方法、またはより大きなＥＶ充電負荷を可能にするのを助けるための需要側応答リソースを調整することができる。コスト分析に基づいて、バッテリ貯蔵容量をパークに設置して、さらなる柔軟性とアクティブ管理を可能にし、取引の柔軟性または、近くの場所にバッテリを集合することによって形成された仮想バッテリと一緒にすることの可能性を許容する。同様の考慮事項は、新しい町の建設、風力発電所の設置、およびネットワークの制約の周辺でアクティブに管理することが望ましいその他の状況にも当てはまり、追加のバッテリまたは制御リソースを提供することによって、このコストを削減できると同時に、これらのリソースを、メーターの背後、またはユーティリティおよびより広いグリッドに対する他の利点のために提供できる。

ここで図５を参照すると、これは、ＥＶ充電のレートを測定、スケジューリング、および制御または「抑制」するように構成された管理および最適化システム１の概略図を示す。様々な方法６４を利用して、ＥＶ充電を制御することができ、それは例えば、クラウドおよびＡＰＩまたは共通プロトコル３、車載ＥＶオペレーティングシステム５８および車両３５上のプログラム、バッテリ管理システム５９およびバッテリシステム、デバイスレベルの統合のためのユニバーサル通信ボードとして構成され、電気自動車充電器または、通常はＤバス６１およびソフトウェアシステム２のモノのインターネット（ＩｏＴ）クライアントへの接続を使用するその他のストレージリソースのデバイス制御プロトコルをホストする、スマートハブコントローラ６０、電気自動車充電装置３４上のソフトウェア、スマートメーター６通信、後付け可能なコネクタ６３、または充電装置３４と電気自動車プラグコネクタ６２との間に接続するデバイスなどを介して行われる。

ここで図６を参照すると、これは、全体的なバッテリオペレーターモデル６５の概略図を示し、管理および最適化システム１は、アセット６６のセットを管理し、メーターの背後「ＢＴＭ」６８、メーターでの「ＡＴＭ」６９ 、メーターにローカル「ＬＴＭ」７０、メーターの前面「ＦＴＭ」７１の、受益者の範囲全体の利点およびサービス６７を提供する。これは、クライアント側のデバイス管理と分析７３、パートナーまたはユーティリティ側のツールおよびサービス７４、ローカルネットワークまたはグリッドサービス７５のためのリソースの集合を管理するためのツールを提供する一連のモジュールを通じて行われ、これらは統合して、エンドデバイス６およびリソース７、６６と通信するように７６で構成されている。これらのサービスは通常、設計作業、ビジネスモデルと方法論７２、統合作業とＡＰＩとプロトコルの使用７６、ソフトウェアモジュールとプラットフォーム７３、７４、７５、および、販売、セットアップ、設置、運用、保守などの契約サービスの提供７７を含む、ＳａａＳ（サービスとしてのソリューション）アプローチで提供される。

ここで図７を参照すると、これは、特殊目的車両７８、貸し手７９と株主８０、ソリューションプロバイダー８３、分散型エネルギーアセット６６、およびエネルギーアクター８９の概略図と、販売および契約８４、例えばバッテリ３７とソーラーシステム３６の調達および設置８５、長期にわたるアセットの運用と保守８６に関するサポートのための、ローン資本８１、ローンおよび株主契約８２、エンジニアリング、パフォーマンスおよび建設（ＥＰＣ）契約９１および運用および保守（Ｏ＆Ｍ）契約９１に基づくソリューションプロバイダー８３への支払い９０などの、参加者間のキャッシュフローまたは契約関係の例を示しており、管理および最適化システム１を使用して、アセットからの節減を最適化し、コミュニティ４７、サプライヤー４７、ネットワークオペレーター、アグリゲーターまたはグリッドなどの他のエネルギーアクターからの収入ストリーム９４に、契約９５または市場５を介しアクセスする。ここで、エンドカスタマー３８は、例えば、ルーフスペースリースと太陽固定価格買取収入９２をＳＰＶ７９に９３で割り当てるか、またはレンタルまたはＰＡＹＳ（節約しながら支払う）料金９２を支払い、そしてサービスプロバイダー８３とサービス（例えば、バッテリサービス合意）、支払い、柔軟性取引からの収入またはリベート９６に対する契約９７を結ぶことができる。前述の管理および最適化システムはまた、ソフトウェアシステム２、プロトコルおよび交換手段５を使用して、アセットの資金提供または契約の期間にわたって利益を提供し、市場、規制および技術が進化するにつれて、時間の経過に伴う収入の差異を緩和するのを助ける。

ここで図８を参照すると、これは、期間９８の開始時および後の９９でのプログラム期間（ＰＴＵ）の後の、例えばコストなどのプロパティを最小限に抑えるために適用される、家庭用エネルギー需要１００、太陽光供給１０１、グリッド料金価格１０２のデータモデルに基づくバッテリの例示の線形計画法の単純な充放電最適化のフロー図を示す。

ここで図９を参照すると、これは、様々な制約と予測１４、１０９、および外部データ、例えば天候５４、料金情報１０８および柔軟性要求１１０の下で、（例えば、場所１１３内のアセットの柔軟性、充電／放電のために）プラン１１４を生成する管理および最適化システム１内で、ソフトウェア２によって実行されるプラン生成器１０４方法の実施例の概略図を示す。プラン発生器方法は、監視されたデータ、学習された動作およびモデル１０７を予測エンジン１０５および経済モデル１０６と共有することを含む。経済モデルは、例えば、料金モデルまたは記憶１０８および予測１４を参照して、バッテリ、ＰＶサイズ設定、選択などのデータ１０７を考慮することによって、例示のプラン１１４の影響を算出する。予測エンジン１０５は、例えば、他の要因およびデータ１０７、５４とともに、そのようなプランを適用するための消費および生成のフォワードモデルを算出することができる。予測１４、１０９は、パフォーマンス監視１１２およびシステムへのフィードバックを可能にするために記憶され、または、測定された変数が予想から逸脱している場合に新しい予測を要求する。この方法は、プランの記憶１１１および展開１１２を管理して、エンドデバイスおよびリソース７がプランの目的に従って確実に機能するようにする。

図１０Ａを参照すると、これは、入力シーケンス１２１のパターン認識、あるいは典型的なイベント１３または、時系列エネルギー測定もしくは予測１２２、１４から以前に観察され、一定期間の予想負荷または柔軟性１４、１０９に影響を与える一連の動作の分類、を支援するためのリカレントニューラルネットワーク（ＲＮＮ）１１５（図１に示されるニューラルネットワーク３０など）の実施例の概略図を示す。特に、ニューラルネットワークは、時間依存または占有モード（季節またはカレンダー関連のパターン、到着、夜間の減速、休日）を識別するように、または高負荷で長時間継続イベント（例えば、ＥＶ充電、ウェット品機器、熱機器または冷却機器）を分散および検出するのに役立つように構成することができる。これらの識別されたモードとイベントは、予想１４の予測とリスクプロファイルを支援し、バッテリの充電と放電のプランを通知するのに特に役立つことがわかった。

このようなスキームでは、専用のニューラルネットワーク（１１９、１２０、．．）を、様々なターゲット機器（例えば、電気自動車）ごとに、または様々なモード（休日、夏の白昼、到着、夜間）を表すために、確立することができる。このような分類を支援するために、ニューラルネットワークに渡される前に、初期特徴検出プロセス１２３を入力シーケンス１２１に適用することができる。専用ニューラルネットワーク（１１９、１２０、．．．）はまた、デバイスまたはモードタイプ、開始時間、時間、および電力負荷期間の見込みなどの予想１４を支援する主要なプロパティについて、他のニューラルネットワークからのスカラーリアルタイム出力１１６、１１８を検証するのを助けることができる。例えば、専用のニューラルネットワークは、負荷の変化が電気自動車の充電イベントの開始に対応することを認識し、次に追加の学習された動作またはデータ（例えば、車両のサイズとタイプ）を使用して、充電の期間について予測を行い、したがって、次の数時間の予想負荷を通知するのを助けることができる。次にこれは、供給と取引の位置にあるユーティリティ、またはローカルネットワークを、ネットワークの負荷需要についての将来の知識において支援する。ネットワークおよびその他のメカニズムを使用して、新しいイベント（新しい機器など）やプロパティの異常な負荷動作（応答してないか、障害を示しているデバイスやリソースがなど）の分類を支援することもできる。したがって、太陽光障害や期待よりも低い太陽出力などのネットワーク出力が、ローカルの予測やプランを支援することができる。

同様に、そのようなニューラルネットワークからの出力１１６、１１８は、モードまたは優位なデバイスの使用かどうか、および期間の予想される確率に関するリスクプロファイルと信頼性を通知することができる。リスクプロファイルにより、予測の信頼性をスコアリングしたり、エネルギーソースが需要を満たすのに十分な柔軟性がないことを示したりすることができ、したがって、柔軟性の予測の信頼性の測定、つまり、予測が正しい／間違っている確率を展開することによって、 ネットワークの柔軟性はより適切に管理することができ、起こりうる障害および、例えば過剰な充電レートを回避することができる。将来負荷予測の信頼性が高いと、例えば充電レートの自由度を高くすることができるが、より低い信頼性を電気自動車の充電プランのネットワークによって用いて、ネットワークの予備容量を抑えることができる。

このようなニューラルネットワークは、新しいパターンが識別されるか、または以前の学習と一致しない場合に動的に分岐し、新しい二次ネットワーク１１９、１２０を作成することができる。二次ネットワークは、一次ネットワークからのデータ１２３をテストするために、または一次ネットワークがモードまたはイベントの識別をいったん行ったときに別個の特性のセットを認識するために、調整することができる。あるいは、二次ネットワークは、パターンの測定が一次ネットワークの出力閾値１１６の範囲内にあるときにネットワーク１１７、１２４を作成し、強化し、訓練するように調整して、次いで、一連の隣接するネットワーク１１９、１２０における「フォワードパス」分類を実施することを決定するか、または、ネットワークの一致が見つかったときにネットワーク内の重み１１７、１２４の「バックワードパス」更新を選択的に学習して実行することができる。重みは特定のモード（例えば季節）に関する次元の配列として割り当てることもでき、学習が季節的な、またはモード関連のパターンを強化することを確実にする。したがって、イベントまたはデバイスが認識されると、ニューラルネットワークが強化および訓練される。

このようなネットワークの分岐または分散は、モードまたはプライマリイベントの検出を支援することと、現在のパターンが分布のどこに適合するかについてのリスクプロファイルのスコアリングを支援することの両方が可能であり、予想および決定ロジックを支援する。したがって、隣接するニューラルネットワークは、前述のイベントの典型的なパターンを表すベースから離れたパターンの分布を表すことができ、その結果、隣接するネットワークの出力は、イベントまたはモードを識別する際に正確である一次ネットワークの確率（例えば二項）分布を表す。これは、予想がどのように用いられるかを助けることができ、それは例えば、現在の状況が以前の経験や決定にどの程度適合しているかを知ることや、自動化された金融取引などのより広い例では、市場が未知またはあまり馴染みのないパターンにある場合にはそのようなルールを使用すべきではないことを通知することである。

リカレントニューラルネットワーク（ＲＮＮ）は、エルマンまたはホップフィールドのフィードバックトポロジまたは深層学習技術を利用するだけでなく、パターン認識、ノイズ除去、自動デコーダのための畳み込みニューラルネットワークアプローチアプローチなどの、フィルタリングおよび信号正規化技術によって信号を準備することもできる。ネットワークおよび隠れ層はまた、追加のメモリノードを利用して、例えば、ＬＳＴＭ（長短期記憶）アプローチを支援することができ、そして、実際のデータの合成およびランダムトレーニング、データセットへの中央前処理を利用して、ネットワークの学習を支援し、または、ネットワークがローカルパターンに適応するための二次学習を伴う将来分類の使用のために展開されるエンドサイトでの一般的な適用のために準備されたネットワークの適用を促進することができる。このようなネットワークは、音声認識の際におけるように、または相関するアクティビティの認識を支援する際におけるように、アクティビティの現在の時間的パターンを補強するという利点を有することができ、アクティビティは、例えば、照明や電化製品の使用の増加のための、または、到着と暖房負荷イベントが相関している可能性がある季節的なアクティビティのための、住宅での追加の負荷検出の開始に対応した、財産の到着および占有に対応して開始する、ＥＶ充電イベントである。
分岐ネットワークアプローチ、またはネットワークに多くの隠れ層がある場合のいずれでも、異なるノードがモード、機器、またはモードと機器の相関関係のためのそのような動作を表現および学習して、予測と予想、したがってリスクプロファイルおよび利用可能な柔軟性をさらに支援することができる。

実施形態では、ソフトウェアシステムおよびプロトコルは、ブロックチェーン技術、電子コイン、またはＥｎｅｒｇｙＷｅｂアプローチ（それ自体はイーサリアムアプローチに基づく）に基づくエネルギーブロックチェーンなどの暗号化などの、分散型台帳周辺に基づく交換のメカニズムを利用することができる。このようなアプローチは、仲介者の必要性を否定する一方で、通常、かなりの処理能力と扱いにくくなるチェーンを必要とする。したがって、それらは、当事者が信頼されたバリデータとして機能して取引を確認するかもしくは「プルーフオブワーク」を検証するか、または、トランザクションをグループまたはサブチェーンに分割するＰｏｌｋａｄｏｔバリエーションなどにおけるパラチェーンアプローチを必要とすることが多い。このようなアプローチは、それが、交換されるべきデータに対して、ならびに、エネルギーシステムのアクター、デバイス、言語に依存しない新しい形式のプロトコルに対して、一貫性のある数学的に純粋で持続性のあるアプローチを可能にする方法に価値があり得るので、長期にわたって信頼性の高いアクセスと管理を保証するメカニズムとして、本出願で説明されるソフトウェアシステムの中で価値があり得る。しかしながら、このようなアプローチはグリッドエッジまたはピアツーピア市場の新モデルを作成するのに興味深いものであるが、他のアプローチはこのようなローカル市場を作り出すために有益であり得る。

このような台帳アプローチを使用して、密接なコミュニティ、建物、サイト、コミュニティ、または低電圧ネットワーク内のアセットの相互作用を管理することができる。これらのアプローチの中では、変電所や特殊メーターなどのローカルエネルギーシステムの一部をローカルトランザクションの確認と検証に使用できるパラチェーンモデルを使用して、完全分散型ブロックチェーンでのエネルギーとデータ集中の問題を打ち消すことができる。アプローチは、本明細書において「メッシュチェーン」と呼ばれるものを使用することでもあり、この場合、台帳またはブロックチェーンは安定したノードで作成され、別の台帳とクロスオーバまたは相互作用するたびに、特定の場所ならびに電気自動車などのアセット内にあるスマートメーター、充電器ポイントなどにより、想定される信頼レベルを表し、したがってそれぞれが、充電器による充電イベント、車両による充電／放電に対するエネルギーフローを計測した各トランザクションの監査証跡を作成して、各トランザクションが、グリッド内でのその相互作用を示す共有ハッシュとタイムスタンプを作成する。

図１０Ｂは、クロスオーバー１２４、１２６、またはチェーンリンクイベントが発生するたびにトランザクション１３３を記録することにより、監査証跡または台帳１２７を「メッシュチェーン」として形成する実施例を示し、ここではＥＶ３５によって図示されて、これは充電イベントを受信するためにタイムスタンプ１３４として記録された特定の時間に充電器装置３４と「トランザクションを行い」、異なる場所で、電気自動車（ＥＶ（ｉ）〜ＥＶ（ｎ））のセットおよび充電器装置（Ｃｈ（ｉ）〜Ｃｈ（ｎ））のセットとして図示され、ここで電気自動車の各台帳（例えば１２７）および充電器（またはメーター）の各台帳１２８は、イベントが発生するたび（１３４）に「トランザクション」１３３を記録し、そして、図１０Ｃに示すように、例えばＥＶ３５と充電器３４との間の共有された公開鍵および秘密鍵の組み合わせとして、そして、別の充電器１３２を備えたＥＶとして示されている将来のイベントにおいて、ハッシュ１３１を形成する。したがって、前述の台帳１２７、１２８は、例えば、アセット（例えば、バッテリ）の使用の会計処理またはアセットに貯蔵されたエネルギーとの間の（充電器を介した）電力の収益化を支援するために、異なる場所のアセットとの経時的な取引の履歴記録を形成することができる。

Claims (37)

1. ソフトウェアシステム並びにプロトコル、分散型エンドデバイスおよびエネルギーリソースへのおよびそれらの間の接続および交換手段を含み、
   データを収集して使用量を監視し、
   外部データおよび市場兆候を処理し、
   特性を分析および識別してエネルギー使用量の予測を更新するアルゴリズムを実行し、
   これによって、前記リソースの柔軟性をどのようにスケジュール、共有、または編成できるかを調整して、リソースの個々のグループまたは集合グループの様々な介入を可能にし、
   個々のサイト、ローカル環境、より広いコミュニティまたは国のために、
   特定の目標または長期にわたる信頼できるパフォーマンス目標を達成することができる、管理および最適化システム。
2. ネットワーク内の複数のリモートサイトでデータを受信し、エンドデバイスとリソースの使用状況を監視するように調整された中央ソフトウェアシステムであって、前記ソフトウェアシステムは、前記リモートサイトでバッテリを充電および／または放電するためのバッテリ充電プランを決定するように調整されており、前記バッテリは電気自動車（ＥＶ）バッテリおよび／またはその他のエネルギー貯蔵バッテリである、中央ソフトウェアシステムと、
   それぞれの充電プランに従って充電を制御するように調整されたリモートサイトのエンドデバイスであって、前記エンドデバイスは、識別されたローカル制限、輻輳、またはローカル制限に応答するように構成された充電プロトコルを実装して、総計としての確率論的およびネットワークパフォーマンスは予測可能で有益であるような方法で前記ローカルネットワークでのエネルギー伝送を最適化する、エンドデバイスと、を含む、請求項１に記載のシステム。
3. 前記充電プロトコルが、
   ａ） 初期レートで充電または放電を行い始めること、
   ｂ） 前記充電式バッテリの前記充電プランに従って目標レートに向かって前記レートを定期的に増加させること、
   ｃ） 前記ネットワーク上で到達しつつあるローカル制限の兆候を検出して、それに応じて前記レートを低下させること、
   そして、ステップｂおよびｃを継続して、前記プランに従って前記バッテリを充電および／または放電すること、によって進行する、請求項２に記載のシステム。
4. 前記充電レートに対する増分は加算的であり、前記充電レートに対する減少分は倍数的に増加する、請求項３に記載のシステム。
5. 前記ネットワーク上でローカル制限に到達しつつある前記兆候は、前記配電ネットワーク上の電圧レベルまたは周波数、あるいは電圧レベルまたは周波数の変化を監視することによって判定され、前記制限は前記ネットワークが所定の許容条件内で動作する上限または下限であり得る、請求項３または請求項４に記載のシステム。
6. 分散型充電プロファイルまたは予測可能な方法で反応するデバイス充電プランの集合体は、前記システムの全体的な予測可能性、公平性、安定性、または目標を支援する分散型自己調整効果を提供する、請求項２〜５のいずれか一項に記載のシステム。
7. 前記リモートサイトでバッテリを充電および／または放電するためのバッテリ充電プランは、
   − 市場および料金兆候、天候データ、場所の制約
   − エネルギー供給のローカル測定値
   − 建物または車両によるエネルギー使用量、のうち１つ以上を表す処理兆候に基づいて動的に調整される、請求項１〜６のいずれか一項に記載のシステム。
8. ローカル制約に従って、サイトまたはローカルな低電圧ネットワーク全体で電気自動車の充電のレートをアクティブに管理および抑制する方法であって、
   リモートサイトでのエンド電気自動車（ＥＶ）状態およびバッテリ充電状態を監視することと、
   リモートサイトで電気自動車の今後の使用および充電パターンを予測し、ローカルネットワークのパフォーマンスを予測することと、
   このような測定値および将来予測を使用してＥＶ使用およびローカルネットワーク全体のネットワークパフォーマンスの集合モデルを形成して、ＥＶ使用およびネットワークパフォーマンスの前記集合モデルを比較して予測された使用が前記ローカル制約を超えるローカルネットワーク上の潜在的問題を識別することと、
   ＥＶ充電プランに対するリアルタイム調整を評価してスケジューリングし充電レートを抑制して前記ローカル制約を超えることを回避する決定論理と、
   前記遠隔ＥＶに前記調整された充電プランを通知することと、を含む方法を実行するように調整されている、請求項１〜７のいずれか一項に記載のシステム。
9. 前記ローカル制約は、タイムシフトエネルギー使用量におけるコンシューマおよびユーティリティ供給制約であり、および／またはローカルネットワークのインフラストラクチャによって課される制約を回避するために前記ローカルネットワーク内のリソースのセットを管理するローカルネットワーク制約と結びつけられている、請求項８に記載のシステム。
10. エンドサイトリソースからの利用可能な柔軟性およびリスクプロファイルを使用して、充電を延期する、請求項９に記載のシステム。
11. 前記予測が、ＥＶ車両の位置を追跡することに少なくとも部分的に基づいている、請求項９または請求項１０に記載のシステム。
12. 前記管理および最適化システムによってメーターの背後（ＢＴＭ）の利点を最適化することを含み、前記システムは、エンドデバイスからのリアルタイムまたは定期的データを処理して、分散型エネルギー貯蔵リソースを充電／放電することによってもたらされる柔軟性を、
    ａ） ｉ）エネルギー使用量、ｉｉ）ローカルの太陽光発電量、ｉｉｉ）天気予報データ、ｉｖ）カレンダー情報、過去のパフォーマンスおよび学習された動作、ｖ）料金プロファイル情報、ｖｉ）カスタマーの嗜好のうち１つ以上を含むデータソースを分析することと、
    ｂ） アルゴリズムによるアプローチを実行して、ｉ）予測された負荷、ｉｉ）太陽光発電、ｉｉｉ）ＥＶ充電使用、ｉｖ）バッテリ充電プラン、ｖ）リスクプロファイルおよび柔軟性のうち１つ以上を含むエネルギー使用量のデータ駆動型予測をすることと、
    ｃ） 前記データ駆動型予測を使用して記憶リソースが所望の目標を生み出す充電プランを作成することと、によって管理する、請求項１〜１１のいずれか一項に記載のシステム。
13. 前記目標が、ｉ）前記グリッドからのエネルギー使用量を最小化すること、ｉｉ）太陽資源の自己消費を最大化すること、ｉｉｉ）価格を最小化すること、ｉｖ）ＣＯ２を最小化すること、ｖ）バッテリパフォーマンスを最適化すること、ｖｉ）充電状態およびバッテリパフォーマンスを管理すること、ｖｉｉ）特定の時間にバッテリの準備のための充電目標を達成すること、ｖｉｉｉ）サードパーティからの変更要求または柔軟性の機会に応答すること、ｉｘ）柔軟性の機会に応答する容量を提供することのうちの１つ以上である、請求項１２に記載のシステム。
14. 前記データおよび予測に基づいて、状態およびパフォーマンスの報告をユーザに提供するように調整されている、請求項１２又は請求項１３に記載のシステム。
15. 時間間隔の開始時のデータおよび変数のセットとさらなる期間での予測セットとの間に線形計画法技術を使用して、前記時間間隔内の目標を最大化することと、家庭用バッテリまたは電気自動車の充電プランでバッテリの充電レート／放電パラメーターを変更することにより、予測された時間間隔でローカル最適化を行うことができる方法との間の最適化に焦点を合わせることを含む、請求項１２〜１４のいずれか一項に記載のシステム。
16. ニューラルネットワークを使用して、エントロピー関数を最大化し、および／または特定の時間間隔内で目標、および／またはバランスの取れていない要求を最適化するためのナッシュ均衡アプローチを見つけることを含む、請求項１２〜１５のいずれか一項に記載のシステム。
17. データは、バッテリの充電プランを決定するために予測エンジンおよび経済モデルと共有され、
    前記経済モデルは、料金モデルまたは記憶を参照して、例示的なプランの影響を算出し、
    前記予測エンジンは、
    ｉ）このようなプランを適用するための消費および生成のフォワードモデルを算出し、ｉｉ）前記予測を記憶してパフォーマンス監視および前記システムへのフィードバックまたは前記予想からの測定変数の発散がある場合は新規な予測に対する要求を有効にし、ｉｉｉ）前記プランの前記記憶および配備を管理してエンドアセットが前記プランの目的に従って実行されることを確実にする、請求項１〜１６のいずれか一項に記載のシステム。
18. 前記システムは、特定の場所内の複数のエンドデバイスにわたってリアルタイムまたは定期的なデータを処理して、少なくとも１つの識別されたローカル制約内でエネルギー貯蔵リソースの総合的なパフォーマンスを管理し、前記システムは、
    複数のエンドサイトデバイスとリソースの使用、容量供給および充電レートを監視して、エンドサイトから、および、前記ローカルネットワーク上で、予測予想、リスクプロファイルおよび利用可能な柔軟性および予備キャパシティを受信し、
    サイトの使用状況と予測を集合して、前記場所または低電圧ネットワーク全体の前記予測された全体的な負荷予想、需要、およびフローをモデル化し、
    少なくとも１つのネットワーク制約を考慮して、そのような予測がローカルネットワークのパフォーマンスにどのように影響し得るかを分析し、
    前記ネットワークでのエネルギー使用量が前記制約を満たすために、ローカルのアクティブ管理プラン、中央または分散型バッテリリソースおよびＥＶ充電、太陽光削減、熱リソース、ならびにその他の需要側応答アセットを調整またはスケジューリングし、
    アクティブな管理制御を定めて前記プランを実施するように調整されている、請求項１〜１７のいずれか一項に記載のシステム。
19. 前記ネットワーク制約が、
    ｉ） 電圧上昇または低下などの電力品質問題、異なる位相に対する制限、ネットワーク障害、電力品質問題、および
    ｉｉ） 電気自動車充電、ヒートポンプ、暖房の電化、グリッドに対する太陽光／ＥＶエクスポート、より高いストレスまたは増加する故障率で稼働するアセットに至って前記グリッドを管理する課題を増加させる、前記ネットワーク上の追加の負荷または生成手段の配備、のうちの１つ以上である、請求項２〜１８のいずれか一項に記載のシステム。
20. ソフトウェアシステム並びにプロトコル、分散型エンドデバイスおよびエネルギーリソースへの、およびそれらの間の接続および交換手段を含む、エネルギーネットワークにおける管理および最適化の方法であって、
    データを収集して使用量を監視することと、
    外部データおよび市場兆候を処理することと、
    特性を分析および識別し、エネルギー使用量の予測を更新するアルゴリズムを実行して、これによって、前記リソースの柔軟性がどのようにスケジューリングされ、共有され、または編成されることができるかを調整し、リソースの個々のグループまたは集合グループの様々な介入を可能にし、個々のサイト、ローカル環境、より広いコミュニティまたは国のための特定の目標または長期にわたる信頼できるパフォーマンス目標を達成できることと、を含む方法。
21. 中央ソフトウェアシステムによって、ネットワーク内の複数のリモートサイトでデータを受信し、エンドデバイスとリソースの使用状況を監視することであって、前記ソフトウェアシステムは、前記リモートサイトでバッテリを充電および／または放電するためのバッテリ充電プランを決定するように調整されており、前記バッテリは電気自動車（ＥＶ）バッテリおよび／またはその他のエネルギー貯蔵バッテリである、ことと、
    リモートのエンドデバイスで充電プロファイルプロトコルを実装してそれらのそれぞれの充電プランに従って充電を制御することあって、前記充電プロファイルプロトコルは、識別されたローカル制限、輻輳、またはローカル制約に応答することによって進行して、前記総計としての確率論的およびネットワークパフォーマンスは予測可能で有益であるような方法で、前記ローカルネットワークでのエネルギーフロー伝送を最適化することと、を含む、請求項２０に記載の方法。
22. エネルギーシステムにおけるエネルギー使用において観察されるイベントまたは動作を分類するためのシステムであって、
    前記エネルギーシステムのエネルギー使用量またはアクティビティを示す時系列の測定値を入力で受信し、そして、前記入力に基づいて、
    １） 前記エネルギーシステムの時間または占有率に依存する使用モード、または、
    ２） 前記測定値から切り離された、特定の機器の使用を示す高負荷、長時間継続イベントを識別し、
    そして、前記デバイスまたはモードタイプ、前記イベントまたはモードの開始時間、時間および電力負荷期間の期待値のうちの１つ以上である、前記使用モードまたはイベントと関連した１つ以上のプロパティを表わすスカラーリアルタイム値を出力するように調整されているリカレントニューラルネットワークと、
    一定期間にわたる前記エネルギーシステムの負荷または柔軟性の予測および／または少なくとも部分的に前記スカラー値に基づく前記予測のリスクプロファイルを算出するように調整されている予測エンジンと、を含む、システム。
23. 前記使用モードが、季節的であるかまたはカレンダ関連のパターン、到着、夜間の減速、休日である、請求項２２に記載のシステム。
24. 前記イベントが、ＥＶ充電、ウェット商品機器または熱機器または冷却機器の操作を表す、請求項２２または２３に記載のシステム。
25. 専用のニューラルネットワークが複数のターゲット機器および／またはモードのために提供される、請求項２２〜２４のいずれか一項に記載のシステム。
26. 一次ネットワークは、
    パターンの測定値が一次ネットワークの出力閾値の範囲内にあるときに、ネットワークを作成し、強化し、訓練し、
    それから、
    一連の隣接するネットワークで「フォワードパス」分類を行うか、
    または、ネットワークの一致が見つかったときに、前記ネットワーク内の重みの「バックワードパス」更新を選択的に学習して行うことを決定するように調整された、さらなるニューラルネットワークに動的に分岐する、請求項２２〜２５のいずれか一項に記載のシステム。
27. エネルギーシステムにおけるエネルギー使用において観察されるイベントまたは動作の分類の方法であって、
    前記エネルギーシステムのエネルギー使用量またはアクティビティを示す時系列の測定値を調整されたリカレントニューラルネットワークの前記入力で受信し、そして、前記入力に基づいて、
    １） 前記エネルギーシステムの時間または占有率に依存する使用モード、または、
    ２） 前記測定値から切り離された、特定の機器の使用を示す高負荷、長時間継続イベントを識別することと、
    前記デバイスまたはモードタイプ、前記イベントまたはモードの開始時間、時間および電力負荷期間の期待値のうちの１つ以上である、前記使用モードまたはイベントと関連した１つ以上のプロパティを表わすスカラーリアルタイム値を出力することと、
    一定期間にわたる前記エネルギーシステムの負荷または柔軟性の予測および／または少なくとも部分的に前記スカラー値に基づく前記予測のリスクプロファイルを算出するように調整されている予測エンジンと、を含む、方法。
28. 複数の地理的に分散されたメーター測定される充電ポイントと、前記バッテリの中かまたは前記バッテリを組み込んだモバイルデバイスの中に組み込まれた関連ロジックを有する複数の充電式バッテリとを含むシステムのメッシュチェーン内のエネルギー充電イベントを記録する方法であって、
    ローカル台帳を前記充電ポイントおよび／または前記バッテリロジックに格納することと、
    メーター測定される充電または放電のために充電ポイントに接続されている充電式バッテリと関連した充電イベントを検出することと、
    前記イベント詳細のハッシュ値を前記充電式バッテリと関連した証明書および前記充電ポイントと関連した証明書から形成することと、
    前記充電ポイントおよび／または前記バッテリロジックの前記台帳を前記ハッシュ値および前記イベントのタイムスタンプで更新することと、を含む、方法。
29. 前記証明書が、前記充電ポイントと前記バッテリの間の共有公開鍵および秘密鍵である、請求項２８に記載の方法。
30. 前記ハッシュが、前記台帳内の前記以前のイベントの暗号化ハッシュを含んで、各ノードでの暗号によってリンクされたイベントチェーンを形成する、請求項２８または請求項２９に記載の方法。
31. 前記ハッシュがローカルのジオロケーション基準を含む、請求項２８〜３０のいずれか一項に記載の方法。
32. 前記ジオロケーション基準が、測定されたＷｉ−Ｆｉ信号識別子、携帯電話塔からの識別子、ＧＰＳ信号またはローカルに送電線伝送に組み込まれた署名を含む、請求項２８〜３１のいずれか一項に記載の方法。
33. 前記充電式バッテリが電気自動車内に含まれている、請求項２８〜３２のいずれか一項に記載の方法。
34. 前記方法が、前記バッテリの使用の会計または前記バッテリによって受けたかもしくはバッテリによって配送した電力の収益化、または、ピアツーピアモデルのアセットの共有を含む、請求項２８〜３３のいずれか一項に記載の方法。
35. 前記方法が、チェーンの完全性をチェックすることによって、および／または、バッテリの台帳に見られる充電イベントがマッチしているタイムスタンプを有する前記示された充電ポイントで、前記台帳のマッチしている項目を有することをチェックすることによって、イベントの真正性をチェックすることを含む、請求項２８〜３４のいずれか一項に記載の方法。
36. 複数の充電ポイントまたはメーターと、ローカル台帳を記憶するように調整され、充電イベントの検出時に前記ローカル台帳に記憶されるハッシュ値を形成するように調整された複数の電気自動車とを含む、請求項２８〜３５のいずれか一項に記載の方法を実行するためのシステム。
37. 請求項１〜３６のいずれか一項に記載の方法を実行するためのコンピュータプログラム。

Images