JP6584040B2 - バッテリdc特性を使用して電力出力を制御すること - Google Patents
バッテリdc特性を使用して電力出力を制御すること Download PDFInfo
- Publication number
- JP6584040B2 JP6584040B2 JP2018558263A JP2018558263A JP6584040B2 JP 6584040 B2 JP6584040 B2 JP 6584040B2 JP 2018558263 A JP2018558263 A JP 2018558263A JP 2018558263 A JP2018558263 A JP 2018558263A JP 6584040 B2 JP6584040 B2 JP 6584040B2
- Authority
- JP
- Japan
- Prior art keywords
- battery
- power
- time
- additional
- amount
- 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.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/0063—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with circuits adapted for supplying loads from the battery
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B15/00—Systems controlled by a computer
- G05B15/02—Systems controlled by a computer electric
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/0013—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries acting upon several batteries simultaneously or sequentially
- H02J7/0025—Sequential battery discharge in systems with a plurality of batteries
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/0068—Battery or charger load switching, e.g. concurrent charging and load supply
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/007—Regulation of charging or discharging current or voltage
- H02J7/007188—Regulation of charging or discharging current or voltage the charge cycle being controlled or terminated in response to non-electric parameters
- H02J7/007192—Regulation of charging or discharging current or voltage the charge cycle being controlled or terminated in response to non-electric parameters in response to temperature
- H02J7/007194—Regulation of charging or discharging current or voltage the charge cycle being controlled or terminated in response to non-electric parameters in response to temperature of the battery
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
- H02M3/00—Conversion of dc power input into dc power output
- H02M3/02—Conversion of dc power input into dc power output without intermediate conversion into ac
- H02M3/04—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters
- H02M3/10—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode
- H02M3/145—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal
- H02M3/155—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal using semiconductor devices only
- H02M3/156—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal using semiconductor devices only with automatic control of output voltage or current, e.g. switching regulators
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/007—Regulation of charging or discharging current or voltage
- H02J7/00712—Regulation of charging or discharging current or voltage the cycle being controlled or terminated in response to electric parameters
- H02J7/007182—Regulation of charging or discharging current or voltage the cycle being controlled or terminated in response to electric parameters in response to battery voltage
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Secondary Cells (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Dc-Dc Converters (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Description
本出願は、参照により全体が本明細書に組み込まれている、2016年3月4日に出願された「Using Battery DC Characteristics To Control Power Quality」という名称の米国特許仮出願第62/304,034号明細書の利益を主張する。
− I(電流)、V(電圧)、およびR(出力されている電力の量)のようなDC制御変数を最適化することによって、バッテリ寿命を改善することができる
− バッテリの化学的性質の事前の特徴付けと関連してDC制御変数(I,V,R)を最適化することによってバッテリ寿命を改善することができ、また、性能および寿命を改善するようにDCレベルで最適化することができる
− AC相の目的を解決するためにDC領域でリアルタイムに変数を最適化することができる
− 他のグリッドコンポーネントなしでバッテリ出力のみの制御によるなどして、共鳴動作をもたらすグリッド周波数に一致するようにリアルタイムでAC出力を最適化することができる
− 充電/放電サイクルを改善して長期バッテリ利用可能性を改善することができる
− AC負荷応答を改善することができる
− 長期バッテリ利用可能性を改善することと組み合わせてAC負荷応答を改善することができる
− バッテリコントローラが、プロセッサ上で組み込まれたソフトウェアとして自己充足的に動作できる
− バッテリコントローラが、外部位置(たとえば、クラウドまたは他のネットワークアクセス可能位置)から継続的に監視および更新されることができる
− バッテリコントローラが、バッテリ特性を送信して性能を改善することができる
− 静止型無効電力補償装置ハードウェアの出費を回避することができる
以下により詳細に一部が論じられるように、様々な他の利益および利点が少なくともいくつかの実施形態でさらに実現され得る。
− テキスト(または他の非構造化)データが利用可能でユーザ履歴が最小限であるコールドスタート環境において関心/所望コンテンツを推論する
− ますます豊かになるユーザ履歴を取り入れることができる継続的方法で推論を改善する
− 明示的/暗黙的、正/負、および好ましくはリアルタイムまたはリアルタイムに近い様式でフィードバックの追加によって推論性能を改善する
− ビジネス価値を提供する特定分野専門家から情報を得て推論フレームワークにそれらを埋め込む
− 新しい状態を表し得る新しい非構造化データを動的に追加し、較正された方法で既存のモデルを更新する
− 推論システムを再正規化して競合に対応する
− 自然言語モデルに基づく新しい環境で即座に推論を行う
− 統計モデルとして新しい情報を追加し、自然言語モデルと統合して推論/予測を大幅に改善する
− 性能を改善のみする方法で新しいデータを統合し古いデータを分離する
− データの安全な方法で推論を行う
− 分散されたネットワークにおける個別の推論要素を統合し全体的性能を改善する
− 一般ユーザの観点からルールおよび情報をシステムに簡単にプログラミングする
− モバイルデバイスの帯域幅に適した方法で安価にコンピュータ推論を行う
− 制約条件情報を組み込む
実施形態によってはいくつかの例示的利益のすべては含まないことがあり、実施形態によっては列挙されていないいくつかの利益を含むことがあることは理解されよう。
関数G(x1(t)、x2(t)、x3(t)、x4(t)、u(t))は、(2)によって与えられる。
したがって、t0,t1,…,ti,ti+1,…,を時系列の区画とする。各区間[ti,ti+1)において、[ti,ti+1)にわたる以下の形式の解を求める。
y(t)=x(t)+θ(t)
によって、モデル化され、観測ノイズθ(t)はセンサの特性であり、ゼロ平均および共分散行列は信号対ノイズ比仕様から決定される。
(3)および(5)から、増分観測値は、
δy(t)=δx(t)+θ(t)
によって与えられ、ここで、δy(t)=y(t)−x(ti)である。
追跡問題の効果は、以下の形式の基準を有する。
ルール1:電力需要の少なくとも78%が1週間にわたって満足されるべきである
ルール2:バッテリ寿命≧5年
ルール3:バッテリに関して、充電および放電の量の閾値を満たす
そのようなルールの第2の例が以下に与えられる。
2.最小充電限界:現在の電荷が第2の定義された閾値レベルを下回る場合、バッテリを放電させない
3.率限界:変化率に対する第3の定義された限界閾値よりも速くバッテリに対する望ましい電力入力/出力を変更しない
4.充電と放電の切替え:電力がゼロに近いときに、1つまたは複数の第4の定義された閾値レベルに基づくなどして、速すぎるまたは頻繁すぎる充電と放電の切替え(またはその逆)を防止するために、変化率を低下させる
5.バッテリ温度を維持する:温度が上昇し始めた場合、現在のバッテリ状態に基づいて所望の電力出力を調整する(すなわち、バッテリ充電が低度で温度が上昇し始めた場合、それを充電する)
第2の例のこれらのルールの一部として、できる限り(本明細書では「Qファクタ」を最大化すると呼ばれることがある)、たとえば70%の率で、電力要求を満たす。電力要求が、所望のレベル(たとえば、30%、40%、50%、60%、70%、80%、90%など)より大きくおよび/または小さく満たされている場合、上記のルールのうちの1つまたは複数での重み付けが、いくつかの実施形態では、上または下に調節されて、満たされる電力要求のレベルをそれぞれ低下または上昇させ、そのような変更からバッテリ寿命を対応してそれぞれ増加または減少させることができる。
ここでのルールは、増分に関し、長い時間フレーム(週、年)にわたる平均を移動平均[ti,ti+1]に変換する。バッテリモデルでは、温度は、一般的に電力、電圧、および電流よりもかなり速く変化する。その問題は、青木の分割法に動機付けられ、完全状態空間問題が、異なる時間区間で解決される2つの副問題へ変換できるように、状態変数を介して分離され得る。温度コントローラは「高速コントローラ」と呼ばれ、電力/電圧/電流コントローラは「低速コントローラ」と呼ばれ、以下の詳細は低速コントローラに関するものである。具体的には、低速コントローラに関して解決されるべき最適制御追跡問題は、下記のように要約され得る。
(6)〜(9)で定式化された最適化問題は分離原理の仮定を満たす。これは以下の手法につながる。
ステップ1:別に記載されるカルマンフィルタによって生成されるti≦t≦ti+1についての条件付き平均
ステップ2:(6)〜(9)を解いて、以下の形式のフィードバック解を得る。
ステップ3:(10)におけるδx(t)および
ステップ4:以下の方程式を積分する。
定数式の変形を使用して、
被積分関数がtiにおけるインパルスであると仮定してインパルス近似(impulsive approximation)を使用して積分する(12)。したがって、低速コントローラについての増分制御は、
高速コントローラについて解決して、高速コントローラについての増分制御
ti+1におけるバッテリに対する制御は、
ti+1における状態は、
ti+1における状態の率は、
(16)と(17)の両方が、
状態更新についての確率微分方程式は、
dδx(t)=A(t)δx(t)dt+B(t)δu(t)dt+f(t)dt+dω(t) (1)
であり、ここで、状態δx(t)∈R3、u(t)∈R1であり、A(t)は3×3行列であり、B(t)は3×1ベクトルであり、f(t)は3×1ベクトルであり、ω(t)は3×1ベクトルである。ノイズは、ゼロ平均を有し、共分散行列W、たとえばω(t)〜Ν(0,W)を有する。
観測方程式は、
δy(t)=δx(t)+θ(t) (2)
によって与えられ、ここで、測定値δy(t)∈R3であり、θ(t)は3×1ベクトルである。ノイズは、ゼロ平均を有し、共分散行列V、たとえばθ(t)〜Ν(0,V)を有する。
状態更新方程式は、
K(t)=P(t)V-1 (4)
によって与えられる3×3行列であり、共分散更新方程式は、
ti≦t<ti+1について条件付き平均
第2のステップでは、p(t)についてti≦t<ti+1において(5)を数値的に解く(たとえば、ルンゲクッタ法)。第3のステップでは、(4)を使用してカルマン利得を得る。
第4のステップでは、数値的に(3)を解き、ここで、パラメータA(t)、B(t)、および観測値δy(t)は既知とされている。これは、ti≦t<ti+1について条件付き平均
解決されるべき最適制御追跡問題は、下記のように要約され得る。
解決されるべき最適制御追跡問題は、下記のように要約され得る。
フィードバック則は、
分離原理によって、まず決定論的問題を解くことによって、KLQ(t)およびΨ(t)を計算することができ、次いで、(8)における状態z(t)を
決定論的問題に関する状態値を得るために、以下の微分方程式を解く。
バッテリシステムの状態空間モデルは、
である。
状態オブザーバは、
方程式(3)は以下のように書き換えられる。
(6)の両辺にCを掛け、
y(s)=C(sI−A+KC)-1(Bδu(s)+f(s)+Ky(s)) (7)
を得る。
y(s)について解くと、
(I−C(sI−A+KC)-1K)y(s)=C(sI−A+KC)-1(Bδu(s)+f(s)) (8)
y(s)=[I−C(sI−A+KC)-1K]-1C(sI−A+KC)-1(Bδu(s)+f(s)) (9)
を見出す。
Gf(s)=[I−C(sI−A+KC)-1K]-1C(sI−A+KC)-1 (11)
とすると、
y(s)=Gu(s)δu(s)+Gf(s)f(s) (12)
となる。
yref(t)を、(18)において
yref(t)=−(ATA)-1ATf (13)
を得る。
PIコントローラを、
ここで、Kpは比例利得であり、Kiは決定されるべき積分利得であり、
yref(s)=−(ATA)-1ATf/s
である。
フィードバックコントローラ2600が図26に示される。(12)と(24)を組み合わせると、
y(s)について解くと、
ここで、決定されるべきKpおよびKiを有するフィードバック制御システムを安定化する。閉ループ伝達関数は、以下の通りである。
数値実装
KpおよびKiを計算する数値アルゴリズムが、以下に示される。先に言及されたように、バッテリシステムの状態空間モデルは下記のようになる。
状態オブザーバは、
非積分関数がtにおけるインパルスであると仮定すると、
PIコントローラを、
δyref=−(ATA)-1ATf (25)
を得る。
方程式(23)、(24)および(25)に従って、二乗残差の積分
動的プログラミング手法を使用して問題を解く。到達コスト(cost-to-go)関数は、
この式を最小化するために、それらにおけるKpおよびKiを有する項を分離し、
アーキテクチャ
この例では、アーキテクチャは、複数の場所における数百万のバッテリを制御するように設計される。アーキテクチャは、以下のコンポーネントから構成される。
− バッテリ制御ユニット:これらは、オンサイトにあり、ネットワーク接続が失われた場合でもバッテリの制御を可能にする
− バッテリインターフェース(Azure IoTハブ):これは、各バッテリ制御ユニットに対するデータの送信および受信を可能にする
− ユーティリティインターフェース(Azure IoTハブ):ユーティリティ会社に対するデータの送信および受信を可能にする
− CDIエージェント:制御する各バッテリに対して1つのエージェントが存在し、これらは、バッテリインターフェースを介してバッテリと通信するとともに、互いに通信して最適制御を決定する
− サイト管理:このコンポーネントは、バッテリが制御に自動的に追加されまたは制御から自動的に除去されることを可能にするように、CDIエージェントのネットワークを適合させる
− 監視:このコンポーネントは、CDIエージェントの重要な統計を追跡して、すべてが作動していることをユーザが確認することを可能にし、問題が発生した場合に処置するために診断を提供する。
バッテリ制御ユニット
バッテリ制御ユニットは、オンサイトでハードウェアに配置され、バッテリに直接接続される。バッテリ制御ユニットは、クラウドに接続して、Azureモノのインターネット(IoT)ハブを介してそれらの所望の制御を受け取る。接続が失われたとき、制御ユニットは、バッテリに対するバックアップ制御を提供し、それらが安定した状態に留まることを保証する。
バッテリインターフェース
上述されたように、各サイトは、Azure IoT(モノのインターネット)ハブを介してこの例示的システムに接続する。これは、HTTPSまたはAMQPSプロトコルを使用して行われる。IoTハブは、我々がバッテリの数を数百万に拡張することを可能にし、認証およびメッセージルーティングを処理する。各バッテリ制御ユニットは、それがセンサデータを送る固有のトピック、および他のコンポーネントが制御メッセージをバッテリに戻すことができる固有のトピックを有する。
ユーティリティインターフェース
別のプロセスは、ユーティリティに対するユーティリティ要求の読み取り/書き込みを担当する。このインターフェースは、おそらくSCADAの変形形態であるが、ユーティリティ会社に適するように適合され得る。
CDIエージェント
各バッテリは、バッテリのための最適制御を計算するための「CDIエージェント」として知られるプロセスを有する。エージェントは、Azureクラウドにおいてサービスバスリスナー(service bus listener)として実装される。エージェントは、AMQPを使用してAzureサービスバスを介して他のエージェントと通信する。各エージェントは、それが制御するバッテリからIoTトピックをサブスクライブするので、そのバッテリの現在の状態を受け取ることができる。
およそ全体的に最適な制御を計算するために、CDIエージェントは、それらの推定状態および最適制御を互いに通信する(「平均場(mean field)」として知られる)。計算およびメッセージ受け渡しをスケーラブルに維持するために、CDIエージェントは、位置および場合によってはバッテリタイプに基づいて、2または3レベルの階層にクラスタ化される。クラスタは、たとえば、各変電所レベルについて作成され、100〜1000個のエージェントに及ぶ。各クラスタは、クラスタ内のすべてのエージェントがパブリッシュおよびサブスクライブするサービスバストピックを有する。クラスタ間で状態を共有するために、各クラスタ内の特定のノードがマスタとしてマーク付けされる。このノードは、加えて、他のマスタノードにより共有される別のトピックをサブスクライブし、それに状態を送る。
サイト管理
サイト管理のために使用される別のセットのノードが存在し、すなわち、それらのノードは、バッテリが追加もしくは除去されたときにCDIエージェントのネットワークを適合させ、または障害が発生したときにネットワークを修理するために使用される。
ネットワーク構造は、エージェントおよびバッテリ制御ユニットのリスト、ならびに各エージェントがパブリッシュおよびサブスクライブすべきトピックのリストによって符号化される。このデータは、Azureストレージサービス内で保存される。エージェントの作成、破棄、および更新は、Azureリソース管理APIを使用して行われる。
新しいバッテリがインストールされると、システムは、バッテリ制御ユニットから、システムに追加する要求のための新しいメッセージを受け取り、この要求は、追加先の適切なCDIエージェントクラスタを見つけるために必要とされるバッテリに関するデータ(タイプ、位置、変電所など)を含む。
バッテリが(たとえば、接続の喪失のため)短時間オフラインになったとき、IoTハブは、バッテリの状態の最終の推定値を管理し、それが再接続するまで、バッテリはバックアップローカル制御に入る。しかしながら、バッテリが(たとえば、それが永続的に切断されたため)長時間オフラインになったとき、サイト管理コンポーネントは次いで、関連付けられたCDIエージェントを停止する。
クラスタがアンバランスになりすぎたとき、すなわち、それらは、多すぎるまたは少なすぎるノードを有するとき、サイト管理コンポーネントは、近接性またはバッテリタイプに基づくなどして、クラスタを2つに分割し、または近くのクラスタを1つに組み合わせる。サイト管理コンポーネントは、影響を受けたエージェントに、それらがサブスクライブまたはパブリッシュするトピックの新しいリストを送る。CDIマスタノードの選定もサイト管理コンポーネントによって行われる。
監視
監視コンポーネントは、以下を確実にするために、各バッテリ制御ユニットおよび各CDIエージェントからのメッセージをリッスンする。
− メッセージが期待されるように送られる
− 総電力がユーティリティの許容範囲内で生成される
− バッテリ健全性が各場所で各バッテリについて維持される
CDIエージェントがバッテリの制御に失敗している場合、監視は、ダッシュボードを介してユーザに警告し、また、そのエージェントを再始動するようにサイト管理コンポーネントに信号伝達することができる。バッテリ制御ユニットが充分な時間の間に応答するのに失敗している場合、監視は、誰かにそれらのバッテリがオフラインになっていることを確認させる、または必要に応じて現場に行かせるように警告することができる。電力がユーティリティの要求に合うように生成されていない場合、いくつかのバッテリについてバッテリ健全性が維持されていない場合、監視エージェントは、CDIエージェントにメッセージを送って、需要をより良く満たすまたはバッテリ寿命を確保するようにそれらのパラメータを更新する。
更新/メンテナンス
バッテリ制御コードの更新のために、バッテリ制御ユニットは、新しいコードをダウンロードするための第1のメッセージ、次いで、現在のプロセスを停止するための第2のメッセージを送り、新しくダウンロードされたコードに切り替わる。CDIエージェントコードの更新のために、サイト管理コンポーネントは、稼働しているエージェントを1つずつ止めて、それらを新しいバージョンのコードで再始動することができる。監視、サイト管理、およびユーティリティリスナーに新しいコードを展開するために、更新されたバージョンが並行して開始され、動作することが確認され、次いで、古いバージョンが廃止される。
パラメータ学習エンジンは、電力バッテリセルの増分モデルにおけるパラメータを、特定の電力バッテリセルを反映するように適合させると言われる。
確率微分方程式は、
dδx(t)=A(t)δx(t)dt+B(t)δu(t)dt+f(t)dt+dω(t) (1)
であり、ここで、状態δx(t)∈R3、u(t)∈R1であり、A(t)は3×3行列であり、B(t)は3×1ベクトルであり、f(t)は3×1ベクトルであり、ω(t)は3×1ベクトルである。ノイズは、ゼロ平均を有し、共分散行列W、たとえばω(t)〜Ν(0,W)を有する。
観測方程式は、
δy(t)=δx(t)+θ(t) (2)
によって与えられ、ここで、測定値δy(t)∈R3であり、θ(t)は3×1ベクトルである。ノイズは、ゼロ平均を有し、共分散行列V、たとえばθ(t)〜Ν(0,V)を有する。
パラメータ学習エンジンは、A行列を推定して、9個の値のベクトルvect(a11,a12,a13,a21,a22,a23,a31,a32,a33)を作成する。これらのパラメータは、増分状態動的更新よりも遅く変化することが期待され、したがって、離散カルマンフィルタがAパラメータを推定するために使用され得る。このパラメータ学習エンジンは、B(t)、δu(t)、f(t)、ω(t)、δy(t)、およびθ(t)の値が、時間ti、ti-1、およびti-2において既知とされる。
であり、パラメータのダイナミクスが、Ψt+1=Ψt+Λt (3)
であり、ただしΛtはN(0,λ)であるとする。
定数式の変形を使用して(1)を解くと、
δx(ti+1)=(I+A(ti+1−ti))(δx(ti)+B(ti)δu(ti)+f(ti)+ω(ti)) (6)
を得られる。
(2)よりδx(ti)=δy(ti)−θ(ti)で置換すると、
δy(ti+1)
=(I+A(ti+1−ti))(δy(ti)+B(ti)δu(ti)+f(ti)+ω(ti)−θ(ti))
+θ(ti+1) (7)
を得られる。
表記を簡単にするために、
y(ti)=δy(ti)+B(ti)δu(ti)+f(ti) (8)
とすると、
δy(ti+1)=(I+A(ti+1−ti))(γ(ti)+ω(ti)−θ(ti))+θ(ti+1)
δy(ti+1)=A(ti+1−ti)γ(ti)+(γ(ti)+ω(ti)−θ(ti))+θ(ti+1)+Ω(ti+1)
であり、ここで、Ω(ti+1)はノイズ項である。そして、
δy(ti+1)−γ(ti)
=A(ti+1−ti)γ(ti)+ω(ti)−θ(ti)+θ(ti+1)
+Ω(ti+1)
=A(ti+1−ti)(γ(ti))+Ξ(ti+1) (9)
を得る。
独立ノイズベクトルの和を、Ξ(ti+1)=ω(ti)−θ(ti)+θ(ti+1)+Ω(ti+1)とする。これは、ゼロ平均を有し、ノイズが独立しているので共分散行列は個々の分散の和である。
ここで、長い区間にわたって一定である、Aにおける9個のパラメータ値を推定するため、時間ti、ti-1、およびti-2において(9)を以下のように記述し、
δy(ti)−γ(ti-1)=A(ti−ti-1)(γ(ti-1))+Ξ(ti)
δy(ti-1)−γ(ti-2)=A(ti-1−ti-2)(γ(ti-2))+Ξ(ti-1)
δy(ti-2)−γ(ti-3)=A(ti-2−ti-3)(γ(ti-2))+Ξ(ti-2)
パラメータについてパラメータ観測方程式の行列形式で以下のように書き換え、
ここで、以下を得る。
ここで、パラメータ
(3)および(10)に示されるように、パラメータダイナミクス方程式およびパラメータ観測方程式は、
Ψi+1=Ψi+Λi
離散カルマンフィルタ方程式が続く。
状態推定値の予測方程式は、
Ψi+1|i=Ψi|i (12)
であり、測定値を有する補正方程式は、
Σとして示されるカルマンフィルタについての共分散行列は、予測方程式
Σi+1|i=Σi|i+λ (14)
および補正方程式
利得は、
初期条件は、
Σ0|0=00 (17)
である。
図27は、パラメータ適応エンジン(Parameter Adaptive Engine:PAE)が中心的要素であるパラメータ学習エンジンのアーキテクチャ2700を示す。モデルのパラメータはシステムの状態よりも遅く変化する。
バッテリ温度モデルを使用してそのような内部バッテリ温度を推定する例示的実施形態に関する追加の詳細は、以下の通りである。
(高速で動作する)バッテリ温度の増分動的挙動が、微分方程式
パラメータa、b、c、およびτは、履歴データを使用して非線形最小二乗推定器によって推定されることができ、v(t)は、ガウスノイズである。
(1)のラプラス変換は、
sδT(s)=ae-STδT(s)+v(s) (3)
(s−ae-ST)δT(s)=v(s) (4)
である。
(4)における項(s−ae-ST)を、形式
低周波数近似のために、形式
P(s)=s2+a1s+a0 (6)
Q(s)−β1s+β0 (7)
のパデ近似を選択する。
と定義する。
(8)におけるP(s)を(6)で置き換えて、
s2δT(s)+a1sδT(s)+a0δT(s)=w(s) (9)
を得る。
(9)の逆ラプラス変換は、
y1(t)−δT(t)、および
(5)および(8)から、
w(s)=Q(s)v(s) (12)
も得る。
(12)におけるQ(s)を(7)で置き換えると、
w(s)=β1sv(s)+β0v(s) (13)
を得る。
(13)の逆ラプラス変換は、
(14)におけるv(t)を(2)で置き換えると、
(15)において、
(17)における状態方程式は、以下のように書き換えられる。
高速コントローラに関する最適制御追跡問題は、下記のように要約される。
最終的に、2つの増分制御δuL(t)およびδuH(t)の線形結合を行って、以下の増分制御δu(t)を得た。
ただし、
ε1+ε2=1
および
0≦ε1,ε2≦1
である。
注記:
一般に、PおよびQがそれぞれ、mおよびnのオーダーである場合、(11)および(14)は、以下のように一般化され得る。
− 平均パルス出力をバッテリコントローラからの指令された電力に合致させるために使用されるDC−DCコンバータなどの昇圧/降圧コンバータ
− インバータ/整流器、たとえば、電力インバータは、バッテリが放電しているときにDCからACに変換し、整流器は、バッテリが充電しているときにACからDCに変換する
− A/Dコンバータ、たとえば、連続的な物理量をその量の振幅を表すデジタル数に変換するアナログ/デジタルコンバータ
− D/Aコンバータ、たとえば、デジタルデータ(通常はバイナリ)をアナログ信号(電流、電圧、または電荷)に変換するデジタル/アナログコンバータ
− バッテリコントローラ、たとえば、CDIエージェントによって生成された所望の電力信号とほぼ共鳴してバッテリが動作するように、昇圧/降圧コンバータを駆動/制御する、(たとえば、本明細書の他の箇所でより詳細に論じられるように、状態推定器、パラメータ学習エンジン、ならびに状態および状態率追跡器コントローラを含む)増分フィードバックハイブリッド追跡制御システム
− たとえば、バッテリパラメータを推論し、寿命および性能ルールを使用して所望の電力信号に対する追跡信号を生成するための、CDIエージェント
− たとえば、バッテリの所望の出力電力/充電電力予測を生成するための、需要予測器(Demand Forecaster)
1つまたは複数のコンピューティングシステムにより少なくとも部分的に実装された自動制御システムによって、バッテリにより供給された電気の直流(DC)を用いてバッテリにより出力される電力を制御するのに使用するための情報を受け取るステップであって、受け取られた情報は、複数のルールに基づくモデルを含み、複数のルールは各々が、評価するための1つまたは複数の条件を有し、複数のルールは、出力される電力の制御中に定義された範囲にバッテリの内部状態を維持することを含む1つまたは複数の定義された目標を達成するように、バッテリに接続されたDC−DCアンプを操作することを伴う制約を指定する、ステップと、
自動制御システムによって、受け取られた情報に基づいて、バッテリにより出力される電力を制御するステップと
を含み、上記ステップは、
自動制御システムによって、1つまたは複数の時間において、1つまたは複数の時間におけるバッテリの1つまたは複数の属性についての現在の値を識別するセンサ情報、および1つまたは複数の時間において満たされるべき1つまたは複数の電気負荷に関する情報を取得するステップと、
自動制御システムによって、取得されたセンサ情報に少なくとも部分的に基づいて、1つまたは複数の時間についてのバッテリの内部状態の1つまたは複数の推定値を生成するステップと、
自動制御システムによって、モデルと、バッテリの内部状態の1つまたは複数の推定値と、1つまたは複数の電気負荷とに少なくとも部分的に基づいて、1つまたは複数の時間中に定義された範囲にバッテリの内部状態を維持しながら、1つまたは複数の電気負荷のうちの少なくとも一部を満たすように1つまたは複数の時間においてバッテリが供給する電力の1つまたは複数の量を決定するステップと、
自動制御システムによって、電力の1つまたは複数の決定された量の各々について、出力される電力が電力の決定された量を満たすように、DC−DCアンプの1つまたは複数の設定を実装するステップと
を含む、コンピュータに実装された方法。
1つまたは複数の電気負荷は、第1の時間における第1の電気負荷、および第2の時間における第2の電気負荷を含み、
1つまたは複数の時間においてバッテリが供給する電力の1つまたは複数の量の決定ステップは、第1の電気負荷よりも小さい第1の時間における第1の量の電力を供給することを決定するステップ、および第2の電気負荷を満たす第2の時間における第2の量の電力を供給することを決定するステップを含み、
DC−DCアンプの1つまたは複数の設定の実装するステップは、第1の量の電力が第1の時間において供給されるように、第1の時間においてDC−DCアンプの少なくとも1つの第1の設定を実装するステップ、および第2の量の電力が第2の時間において供給されるように、第2の時間においてDC−DCアンプの少なくとも1つの第2の設定を実装するステップを含む、項1に記載のコンピュータに実装された方法。
第1の時間において第1の電気負荷を満たしバッテリが供給できる第1の時間における第1の量の電力を決定するステップと、
第1の時間についてのバッテリの内部状態の1つまたは複数の推定値のうちの1つに少なくとも部分的に基づいて、バッテリの内部状態が定義された範囲を超えると決定するステップと、
バッテリの内部状態が定義された範囲を超えると決定するステップに少なくとも部分的に基づいて、第1の量よりも小さく第1の電気負荷を満たすのに充分ではない第2の量の電力を決定するステップと
を含み、
DC−DCアンプの1つまたは複数の設定の実装するステップは、第2の量の電力が第1の時間において供給されるように、第1の時間においてDC−DCアンプの少なくとも1つの第1の設定を実装するステップを含む、項1から3のいずれかに記載のコンピュータに実装された方法。
自動制御システムによって、1つまたは複数の追加の時間において、1つまたは複数の追加の時間におけるバッテリの1つまたは複数の属性についての現在の値を識別する追加のセンサ情報、および1つまたは複数の追加の時間においてバッテリに提供されるべき1つまたは複数の電気供給量に関する情報を取得するステップと、
自動制御システムによって、取得された追加のセンサ情報に少なくとも部分的に基づいて、1つまたは複数の追加の時間についてのバッテリの内部状態の1つまたは複数の追加の推定値を生成するステップと、
自動制御システムによって、モデルと、バッテリの内部状態の1つまたは複数の追加の推定値と、1つまたは複数の電気供給量とに少なくとも部分的に基づいて、1つまたは複数の追加の時間中に定義された範囲にバッテリの内部状態を維持しながら、1つまたは複数の電気供給量の少なくとも一部を受け入れるように、1つまたは複数の追加の時間においてバッテリが受け取る電力の1つまたは複数の追加の量を決定するステップと、
自動制御システムによって、電力の1つまたは複数の決定された追加の量の各々について、バッテリに供給される電力が電力の決定された追加の量を満たすように、DC−DCアンプの1つまたは複数の設定を実装するステップと
を含む、項1から11のいずれかに記載のコンピュータに実装された方法。
バッテリコントローラコンポーネントによって、追加の時間において、追加の時間におけるバッテリの1つまたは複数の属性についての現在の値を識別する追加のセンサ情報を取得するステップと、
バッテリコントローラコンポーネントによって、取得された追加のセンサ情報に少なくとも部分的に基づいて、追加の時間についてのバッテリの内部状態の追加の推定値を生成するステップと、
バッテリコントローラコンポーネントによって、バッテリの内部状態の追加の推定値に少なくとも部分的に基づいて、追加の時間において定義された範囲にバッテリの内部状態を維持するように、追加の時間においてバッテリが供給する電力の追加の量を決定するステップと、
バッテリコントローラコンポーネントによって、出力される電力が電力の決定された追加の量を満たすように、DC−DCアンプの1つまたは複数の設定を実装するステップと
を含む、項16に記載のコンピュータに実装された方法。
自動制御システムによって、追加の時間において、追加の時間におけるバッテリの1つまたは複数の属性についての現在の値を識別する追加のセンサ情報を取得するステップと、
自動制御システムによって、取得された追加のセンサ情報に少なくとも部分的に基づいて、追加の時間についてのバッテリの内部状態の追加の推定値を生成するステップと、
自動制御システムによって、モデルと、バッテリの内部状態の追加の推定値とに少なくとも部分的に基づいて、追加の時間において定義された範囲にバッテリの内部状態を維持するように、追加の時間においてバッテリが供給する電力の追加の量を決定するステップと、
自動制御システムによって、出力される電力が電力の決定された追加の量を満たすように、DC−DCアンプの1つまたは複数の設定を実装するステップと
を含む、項1から17のいずれかに記載のコンピュータに実装された方法。
1つまたは複数のデバイスの1つまたは複数のハードウェアプロセッサと、
1つまたは複数のハードウェアプロセッサのうちの少なくとも1つによって実行されると、項1から22のいずれかに記載の方法をシステムに実行させる命令を記憶している1つまたは複数のメモリと
を備えるシステム。
Claims (30)
- コンピュータに実装された方法であって、
1つまたは複数のコンピューティングシステムにより少なくとも部分的に実装された自動制御システムによって、バッテリにより供給された電気の直流(DC)を用いて前記バッテリにより出力される電力を制御するのに使用するための情報を受け取るステップであって、前記受け取られた情報は、複数のルールに基づくモデルを含み、前記複数のルールは各々が、評価するための1つまたは複数の条件を有し、前記複数のルールは、出力される前記電力の前記制御中に定義された範囲に、前記バッテリの内部温度を含む前記バッテリの内部状態を維持することを含む1つまたは複数の定義された目標を達成するように、前記バッテリに接続されたDC−DCアンプを操作することを伴う制約を指定する、ステップであって、前記定義された範囲は、早期の損傷を生じることなく前記バッテリが動作する前記バッテリの内部温度の範囲を含む、ステップと、
前記自動制御システムによって、前記受け取られた情報に基づいて、前記バッテリにより出力される前記電力を制御するステップと
を含み、前記ステップは、
前記自動制御システムによって、1つまたは複数の時間において、前記1つまたは複数の時間における前記バッテリの1つまたは複数の属性についての現在の値を識別するセンサ情報、および前記1つまたは複数の時間において満たされるべき1つまたは複数の電気負荷に関する情報を取得するステップと、
前記自動制御システムによって、前記取得されたセンサ情報に少なくとも部分的に基づいて、前記1つまたは複数の時間についての前記バッテリの前記内部温度の1つまたは複数の推定値を含む、前記1つまたは複数の時間についての前記バッテリの前記内部状態の1つまたは複数の推定値を生成するステップと、
前記自動制御システムによって、前記モデルと、前記バッテリの前記内部状態の前記1つまたは複数の推定値と、前記1つまたは複数の電気負荷とに少なくとも部分的に基づいて、前記1つまたは複数の時間中に前記定義された範囲に前記バッテリの前記内部温度を維持しながら、前記1つまたは複数の電気負荷のうちの少なくとも一部を満たすように前記1つまたは複数の時間において前記バッテリが供給する電力の1つまたは複数の量を決定するステップと、
前記自動制御システムによって、電力の前記1つまたは複数の決定された量の各々について、出力される電力が電力の前記決定された量を満たすように、前記DC−DCアンプの1つまたは複数の設定を実装するステップと
を含む、コンピュータに実装された方法。 - 前記1つまたは複数の時間は、第1の時間および当該第1の時間より後の第2の時間を含み、
前記1つまたは複数の電気負荷は、前記第1の時間における第1の電気負荷、および前記第2の時間における第2の電気負荷を含み、
前記1つまたは複数の時間において前記バッテリが供給する電力の前記1つまたは複数の量の前記決定するステップは、前記第1の電気負荷よりも小さい前記第1の時間における第1の量の電力を供給することを決定するステップ、および前記第2の電気負荷を満たす前記第2の時間における第2の量の電力を供給することを決定するステップを含み、
前記DC−DCアンプの前記1つまたは複数の設定の前記実装するステップは、前記第1の量の電力が前記第1の時間において供給されるように、前記第1の時間において前記DC−DCアンプの少なくとも1つの第1の設定を実装するステップ、および前記第2の量の電力が前記第2の時間において供給されるように、前記第2の時間において前記DC−DCアンプの少なくとも1つの第2の設定を実装するステップを含む請求項1に記載のコンピュータに実装された方法。 - 前記第1の電気負荷よりも小さい前記第1の時間における第1の量の電力を供給することを決定するステップは、前記第1の電気負荷を満たすように前記第1の時間において電力のより大きな量を供給することが、前記バッテリの前記内部状態を定義された範囲を超えさせる可能性が高いと決定するステップを含む請求項2に記載のコンピュータに実装された方法。
- 1つまたは複数の時間においてバッテリが供給する電力の1つまたは複数の量の決定するステップは、
第1の時間において第1の電気負荷を満たしバッテリが供給できる第1の時間における第1の量の電力を決定するステップと、
第1の時間についてのバッテリの内部状態の1つまたは複数の推定値のうちの1つに少なくとも部分的に基づいて、バッテリの内部状態が定義された範囲を超えると決定するステップと、
バッテリの内部状態が定義された範囲を超えると決定するステップに少なくとも部分的に基づいて、第1の量よりも小さく第1の電気負荷を満たすのに充分ではない第2の量の電力を決定するステップと
を含み、
DC−DCアンプの1つまたは複数の設定の実装するステップは、第2の量の電力が第1の時間において供給されるように、第1の時間においてDC−DCアンプの少なくとも1つの第1の設定を実装するステップを含む、請求項1に記載のコンピュータに実装された方法。 - 前記DC−DCアンプは、電界効果トランジスタ(FET)アンプであり、前記DC−DCアンプの前記1つまたは複数の設定の前記実装するステップは、供給する電流の量を決定するステップ、および前記FETアンプのゲートに電圧を印加して、前記決定された量の電流を生成するステップを含む、請求項1に記載のコンピュータに実装された方法。
- 前記DC−DCアンプは、降圧コンバータまたは昇圧コンバータのうちの少なくとも一方の一部であり、前記DC−DCアンプの前記1つまたは複数の設定の前記実装するステップは、供給する電圧の量を決定するステップ、および前記降圧コンバータまたは前記昇圧コンバータのうちの前記少なくとも一方を修正して、前記決定された量の電圧を生成するステップを含む請求項1に記載のコンピュータに実装された方法。
- 前記取得されたセンサ情報は、前記バッテリに関連付けられた電流、電圧、および1つまたは複数の温度の現在の値を識別し、前記バッテリの前記内部状態の前記1つまたは複数の推定値の前記生成するステップは、定義されたバッテリ温度モデルを使用して、前記現在の値に少なくとも部分的に基づいて前記バッテリの前記内部温度を推定するステップを含む請求項1に記載のコンピュータに実装された方法。
- 前記取得されたセンサ情報は、前記バッテリに関連付けられた電流、電圧、または温度のうちの少なくとも1つの現在の値を識別し、前記バッテリの前記内部状態の前記1つまたは複数の推定値の前記生成するステップは、前記バッテリの内部化学反応状態を推定するステップをさらに含む請求項1に記載のコンピュータに実装された方法。
- 前記取得されたセンサ情報は、前記バッテリに関連付けられた電流、電圧、または温度のうちの少なくとも1つの現在の値を識別する請求項1に記載のコンピュータに実装された方法。
- 前記バッテリは、1つまたは複数の電動デバイスを有するシステムの一部であり、1つまたは複数の電気負荷に関する取得された情報は、1つまたは複数の電動デバイスからの電気需要の量を含む、請求項1に記載のコンピュータに実装された方法。
- 前記バッテリは、電気グリッドに接続され、1つまたは複数の電気負荷に関する取得された情報は、電力がバッテリから供給されるように求める電気グリッドのオペレータからの要求を含む、請求項1に記載のコンピュータに実装された方法。
- 前記モデルは、前記バッテリに接続された前記DC−DCアンプを操作して、充電のために前記バッテリに供給される電力の制御中に前記定義された範囲に前記バッテリの前記内部状態を維持することを伴う制約を指定する1つまたは複数のルールをさらに含み、前記方法は、前記自動制御システムによって、充電のために前記バッテリに供給される前記電力を制御するステップをさらに含み、前記ステップは、
前記自動制御システムによって、1つまたは複数の追加の時間において、前記1つまたは複数の追加の時間における前記バッテリの1つまたは複数の属性についての現在の値を識別する追加のセンサ情報、および前記1つまたは複数の追加の時間において前記バッテリに提供されるべき1つまたは複数の電気供給量に関する情報を取得するステップと、
前記自動制御システムによって、前記取得された追加のセンサ情報に少なくとも部分的に基づいて、前記1つまたは複数の追加の時間についての前記バッテリの前記内部状態の1つまたは複数の追加の推定値を生成するステップと、
前記自動制御システムによって、前記モデルと、前記バッテリの前記内部状態の前記1つまたは複数の追加の推定値と、前記1つまたは複数の電気供給量とに少なくとも部分的に基づいて、前記1つまたは複数の追加の時間中に前記定義された範囲に前記バッテリの前記内部状態を維持しながら、前記1つまたは複数の電気供給量の少なくとも一部を受け入れるように、前記1つまたは複数の追加の時間において前記バッテリが受け取る電力の1つまたは複数の追加の量を決定するステップと、
前記自動制御システムによって、電力の前記1つまたは複数の決定された追加の量の各々について、前記バッテリに供給される電力が電力の前記決定された追加の量を満たすように、前記DC−DCアンプの1つまたは複数の設定を実装するステップと
を含む請求項1に記載のコンピュータに実装された方法。 - バッテリは、太陽光発電機を有するシステムの一部であり、バッテリに提供されるべき1つまたは複数の電気供給量に関する取得された情報は、太陽光発電機から利用可能な電気供給の量を含む、請求項12に記載のコンピュータに実装された方法。
- 前記受け取られた情報に含まれる前記モデルは、前記バッテリのバッテリタイプに応じて構成され、前記方法は、出力される前記電力の前記制御するステップの前の初期トレーニング期間の間に、前記バッテリの前記1つまたは複数の属性の値の変化、および前記バッテリにより供給されている電気負荷の変化を監視し、前記監視された値の変化および前記監視された電気負荷の変化に対応するように前記モデルを修正することによって、前記バッテリに固有の情報に前記モデルを適合させるステップをさらに含む請求項1に記載のコンピュータに実装された方法。
- 出力される前記電力の前記制御するステップは、前記バッテリの増大するインピーダンスに少なくとも部分的に基づく前記バッテリの前記1つまたは複数の属性の値の経時的変化を監視することによって、前記受け取られた情報に含まれる前記モデルを前記バッテリに固有の追加の情報に適合させるステップと、前記モデルを前記監視された変化に対応するように修正するステップとをさらに含み、決定され前記実装するステップによって出力されるようになされる前記バッテリが供給する電力の少なくとも1つの量は、前記修正されたモデルに少なくとも部分的に基づく請求項1に記載のコンピュータに実装された方法。
- 前記自動制御システムは、前記バッテリに接続的に結合されたバッテリコントローラコンポーネントを含み、制御アクション決定コンポーネントをさらに含み、前記制御アクション決定コンポーネントは、前記バッテリから遠隔で、前記1つまたは複数のコンピューティングシステムのうちの少なくとも1つにおいて実行されており、1つまたは複数のコンピュータネットワークを介して前記バッテリコントローラコンポーネントと通信し、前記制御アクション決定コンポーネントは、電力の前記1つまたは複数の量の前記決定するステップを少なくとも行い、電力の前記決定された1つまたは複数の量に関して、前記1つまたは複数のコンピュータネットワークを介して前記バッテリコントローラコンポーネントに命令を送るステップをさらに行い、前記バッテリコントローラコンポーネントは、前記送られた命令に少なくとも部分的に基づいて、前記DC−DCアンプの前記1つまたは複数の設定の前記実装するステップを少なくとも行う、請求項1に記載のコンピュータに実装された方法。
- 前記方法は、前記バッテリコントローラコンポーネントによって、前記制御アクション決定コンポーネントから前記1つまたは複数のコンピュータネットワークを介していかなる命令も受け取らずに追加の時間において、前記バッテリにより出力される前記電力を制御するステップをさらに含み、前記ステップは、
前記バッテリコントローラコンポーネントによって、前記追加の時間において、前記追加の時間における前記バッテリの前記1つまたは複数の属性についての現在の値を識別する追加のセンサ情報を取得するステップと、
前記バッテリコントローラコンポーネントによって、前記取得された追加のセンサ情報に少なくとも部分的に基づいて、前記追加の時間についての前記バッテリの前記内部状態の追加の推定値を生成するステップと、
前記バッテリコントローラコンポーネントによって、前記バッテリの前記内部状態の前記追加の推定値に少なくとも部分的に基づいて、前記追加の時間において前記定義された範囲に前記バッテリの前記内部状態を維持するように、前記追加の時間において前記バッテリが供給する電力の追加の量を決定するステップと、
前記バッテリコントローラコンポーネントによって、出力される電力が電力の前記決定された追加の量を満たすように、前記DC−DCアンプの1つまたは複数の設定を実装するステップと
を含む請求項16に記載のコンピュータに実装された方法。 - 前記自動制御システムによって、現在の電気負荷なしで追加の時間において、前記バッテリにより出力される前記電力を制御するステップをさらに含み、前記ステップは、
前記自動制御システムによって、前記追加の時間において、前記追加の時間における前記バッテリの前記1つまたは複数の属性についての現在の値を識別する追加のセンサ情報を取得するステップと、
前記自動制御システムによって、前記取得された追加のセンサ情報に少なくとも部分的に基づいて、前記追加の時間についての前記バッテリの前記内部状態の追加の推定値を生成するステップと、
前記自動制御システムによって、前記モデルと、前記バッテリの前記内部状態の前記追加の推定値とに少なくとも部分的に基づいて、前記追加の時間において前記定義された範囲に前記バッテリの前記内部状態を維持するように、前記追加の時間において前記バッテリが供給する電力の追加の量を決定するステップと、
前記自動制御システムによって、出力される電力が電力の前記決定された追加の量を満たすように、前記DC−DCアンプの1つまたは複数の設定を実装するステップと
を含む請求項1に記載のコンピュータに実装された方法。 - 1つまたは複数の時間においてバッテリが供給する電力の1つまたは複数の量の決定するステップは、バッテリが供給した電力の少なくとも1つの以前の量に関する情報を取り出すステップと、1つまたは複数の時間において定義された範囲にバッテリの内部状態を維持することの一部として、バッテリが供給する電力の量の変化率をさらに制御するために、電力の決定された1つまたは複数の量を選択するステップと、をさらに含む、請求項1に記載のコンピュータに実装された方法。
- 少なくとも1つの以前の電気負荷を識別するステップと、少なくとも1つの以前の電気負荷から1つまたは複数の電気負荷への電気負荷の変化の1つまたは複数の量を決定するステップと、電気負荷の変化の決定された1つまたは複数の量に少なくとも部分的に基づいて、電力の決定された1つまたは複数の量の選択をさらに行うステップとをさらに含む、請求項19に記載のコンピュータに実装された方法。
- バッテリの内部インピーダンスに少なくとも部分的に基づくバッテリの内部状態の少なくとも1つの以前の推定値を識別するステップと、少なくとも1つの以前の推定値から1つまたは複数の推定値へのバッテリの推定された内部インピーダンスの変化の1つまたは複数の量を決定するステップと、バッテリの推定された内部インピーダンスの変化の決定された1つまたは複数の量に少なくとも部分的に基づいて、電力の決定された1つまたは複数の量の選択をさらに行うステップとをさらに含む、請求項19に記載のコンピュータに実装された方法。
- バッテリの内部温度に少なくとも部分的に基づくバッテリの内部状態の少なくとも1つの以前の推定値を識別するステップと、少なくとも1つの以前の推定値から1つまたは複数の推定値へのバッテリの推定された内部温度の変化の1つまたは複数の量を決定するステップと、バッテリの推定された内部温度の変化の決定された1つまたは複数の量に少なくとも部分的に基づいて、電力の決定された1つまたは複数の量の選択をさらに行うステップとをさらに含む、請求項19に記載のコンピュータに実装された方法。
- 自動制御システムの少なくとも一部を実装する1つまたは複数のデバイスに方法を実行させるコンテンツを記憶した非一時的コンピュータ可読媒体であって、前記方法は、
前記自動制御システムによって、電気の直流(DC)を供給するバッテリからの電力を制御するのに使用するための情報を受け取るステップであって、前記受け取られた情報は、前記バッテリからの電力の前記制御中に定義された範囲に前記バッテリの内部温度を維持することを含む1つまたは複数の定義された目標を達成するように、前記バッテリに接続されたDC−DCアンプを操作することを伴う制約を指定する前記バッテリのモデルを含み、前記定義された範囲は、早期の損傷を減らすように前記バッテリが動作する前記バッテリの内部温度の範囲を含む、ステップと、
前記自動制御システムによって、前記受け取られた情報に基づいて、前記バッテリからの前記電力を制御するステップと
を含み、前記ステップは、
前記自動制御システムによって、複数の時間における前記バッテリの1つまたは複数の属性についての値を識別するセンサ情報、および前記複数の時間において満たされるべき電気負荷に関する情報を取得するステップと、
前記自動制御システムによって、前記取得されたセンサ情報に少なくとも部分的に基づいて、前記複数の時間についての前記バッテリの前記内部温度の推定値を生成するステップと、
前記複数の時間のうちの1つまたは複数について前記自動制御システムによって、前記定義された範囲に前記バッテリの前記内部温度を維持しながら、前記電気負荷のうちの少なくとも一部を満たすように前記1つまたは複数の時間において前記バッテリが供給する電力の1つまたは複数の量を決定するステップであって、前記決定は、前記バッテリが供給する電力の量の変化率を制御するために前記バッテリにより供給された電力の少なくとも1つの以前の量に少なくとも部分的に基づき、前記決定は、さらに、前記モデルと、前記バッテリの前記内部温度の前記推定値と、前記電気負荷とに少なくとも部分的に基づく、ステップと、
前記自動制御システムによって、電力の前記1つまたは複数の決定された量の各々について、出力される電力が電力の前記決定された量を満たすように、前記DC−DCアンプの1つまたは複数の設定を実装するステップと
を含む、非一時的コンピュータ可読媒体。 - 前記バッテリの前記モデルは、前記バッテリから出力される電力の量の変化を前記変化率に対する定義された限界閾値よりも小さくするように制限する1つまたは複数のルールを含み、前記記憶されたコンテンツは、ソフトウェア命令であって、実行されたとき、前記1つまたは複数のデバイスのうちの少なくとも1つに、さらに、前記バッテリにより供給された電力の前記少なくとも1つの以前の量を識別させ、前記定義された範囲に前記バッテリの前記内部温度を維持する目標変化率であって前記定義された限界閾値内である目標変化率を決定させるソフトウェア命令を含み、前記1つまたは複数の時間において前記バッテリが供給する電力の前記1つまたは複数の量の前記決定するステップはさらに、前記決定された目標変化率を満たすように行われ、前記1つまたは複数のルールに少なくとも部分的に基づく請求項23に記載の非一時的コンピュータ可読媒体。
- 前記1つまたは複数の時間において前記バッテリが供給する電力の前記1つまたは複数の量の前記決定するステップは、少なくとも1つの以前の電気負荷を識別するステップと、前記少なくとも1つの以前の電気負荷から前記複数の時間において満たされるべき電気負荷への電気負荷の変化の1つまたは複数の量を決定するステップと、電気負荷の変化の前記決定された1つまたは複数の量に少なくとも部分的に基づいて、電力の前記決定された1つまたは複数の量のうちの少なくとも1つを選択するステップとをさらに含む請求項23に記載の非一時的コンピュータ可読媒体。
- 前記1つまたは複数の時間において前記バッテリが供給する電力の前記1つまたは複数の量の前記決定するステップは、前記バッテリの内部インピーダンスに少なくとも部分的に基づく前記バッテリの内部状態の少なくとも1つの以前の推定値を識別するステップと、前記少なくとも1つの以前の推定値から前記複数の時間についての前記バッテリの前記内部状態の後続の推定値への前記バッテリの推定された内部インピーダンスの変化の1つまたは複数の量を決定するステップと、前記バッテリの前記推定された内部インピーダンスの変化の前記決定された1つまたは複数の量に少なくとも部分的に基づいて、電力の前記決定された1つまたは複数の量のうちの少なくとも1つを選択するステップとをさらに含む請求項23に記載の非一時的コンピュータ可読媒体。
- 前記1つまたは複数の時間において前記バッテリが供給する電力の前記1つまたは複数の量の前記決定するステップは、前記バッテリの内部温度に少なくとも部分的に基づく前記バッテリの内部状態の少なくとも1つの以前の推定値を識別するステップと、前記少なくとも1つの以前の推定値から前記複数の時間についての前記バッテリの前記内部温度の前記推定値への前記バッテリの推定された内部温度の変化の1つまたは複数の量を決定するステップと、前記バッテリの前記推定された内部温度の変化の前記決定された1つまたは複数の量に少なくとも部分的に基づいて、電力の前記決定された1つまたは複数の量のうちの少なくとも1つを選択するステップとをさらに含む請求項23に記載の非一時的コンピュータ可読媒体。
- 1つまたは複数のデバイスの1つまたは複数のハードウェアプロセッサと、
命令を記憶する1つまたは複数のメモリと
を備えるシステムであって、前記命令は、前記1つまたは複数のハードウェアプロセッサのうちの少なくとも1つによって実行されたとき、バッテリからまたは前記バッテリへ供給される電力の直流(DC)特性を制御するアクチュエータを操作するための指定された制約を有する前記バッテリのモデルを受け取ることと、
指示された時間において前記バッテリの1つまたは複数の属性の値を識別するセンサ情報、および前記指示された時間において満たされるべき電気負荷または前記指示された時間において前記バッテリに提供されることが可能な電気供給量のうちの少なくとも一方に関する追加の情報を取得することと、
前記取得されたセンサ情報に少なくとも部分的に基づいて、直接観測可能でない前記バッテリの内部状態の前記指示された時間についての1つまたは複数の推定値を生成することと、
前記指示された時間において定義された範囲に前記バッテリの前記内部状態を維持することの一部として、前記モデルと前記バッテリの前記内部状態の前記1つまたは複数の推定値とに少なくとも部分的に基づいて、前記電気負荷の少なくとも一部を満たす前記指示された時間において前記バッテリが供給する電力の量、または前記電気供給量の少なくとも一部を受け入れることにより前記指示された時間において前記バッテリが受け取る電力の量を決定することと、
前記指示された時間に出力される電力が前記バッテリが供給する電力の前記決定された量を満たすように、または前記指示された時間に前記バッテリに供給される電力が前記バッテリが受け取る電力の前記決定された量を満たすように、前記アクチュエータの1つまたは複数の設定を実装することと
によって前記バッテリからまたは前記バッテリへ供給される前記電力を制御する自動制御システムを前記少なくとも1つのハードウェアプロセッサに実装させる、システム。 - 前記アクチュエータは、DC−DCアンプであり、前記自動制御システムは、前記電気負荷の少なくとも一部を満たすように、前記指示された時間において前記バッテリが供給する電力の前記量を決定することと、前記指示された時間において出力される電力が前記バッテリの供給する電力の前記決定された量を満たすように、前記DC−DCアンプの1つまたは複数の設定を実装することとによって、前記バッテリから供給される電力を制御する請求項28に記載のシステム。
- 前記バッテリの前記受け取られたモデルは、複数のルールを含み、前記複数のルールは、前記バッテリからまたは前記バッテリへ供給される前記電力の制御中に前記定義された範囲に前記バッテリの前記内部状態を維持することを含む1つまたは複数の定義された目標を達成するように、前記アクチュエータを操作することを伴う制約を指定し、前記複数のルールは、前記バッテリが第1の定義された閾値を超える現在の電荷を有する場合、前記バッテリを充電しないための1つまたは複数のルールと、前記バッテリが第2の定義された閾値を下回る現在の電荷を有する場合、前記バッテリを放電させないための1つまたは複数のルールと、前記バッテリを充電または放電すると前記バッテリの推定された内部温度が定義された範囲の外となるであろう場合、前記バッテリを充電または放電しないための1つまたは複数のルールとを含む請求項28に記載のシステム。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662304034P | 2016-03-04 | 2016-03-04 | |
US62/304,034 | 2016-03-04 | ||
US15/096,091 | 2016-04-11 | ||
US15/096,091 US20170271984A1 (en) | 2016-03-04 | 2016-04-11 | Using battery dc characteristics to control power output |
PCT/US2017/020960 WO2017152180A1 (en) | 2016-03-04 | 2017-03-06 | Using battery dc characteristics to control power output |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019513000A JP2019513000A (ja) | 2019-05-16 |
JP6584040B2 true JP6584040B2 (ja) | 2019-10-02 |
Family
ID=59743274
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018558263A Active JP6584040B2 (ja) | 2016-03-04 | 2017-03-06 | バッテリdc特性を使用して電力出力を制御すること |
Country Status (6)
Country | Link |
---|---|
US (2) | US20170271984A1 (ja) |
EP (1) | EP3424139B1 (ja) |
JP (1) | JP6584040B2 (ja) |
KR (1) | KR102019140B1 (ja) |
CN (1) | CN109478848B (ja) |
WO (1) | WO2017152180A1 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11097633B1 (en) * | 2019-01-24 | 2021-08-24 | Veritone Alpha, Inc. | Using battery state excitation to model and control battery operations |
US11644806B1 (en) | 2019-01-24 | 2023-05-09 | Veritone Alpha, Inc. | Using active non-destructive state excitation of a physical system to model and control operations of the physical system |
US11892809B2 (en) | 2021-07-26 | 2024-02-06 | Veritone, Inc. | Controlling operation of an electrical grid using reinforcement learning and multi-particle modeling |
Families Citing this family (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5968719B2 (ja) * | 2012-08-06 | 2016-08-10 | 京セラ株式会社 | 管理システム、管理方法、制御装置及び蓄電池装置 |
US10082778B2 (en) | 2014-06-20 | 2018-09-25 | Veritone Alpha, Inc. | Managing coordinated control by multiple decision modules |
US10224579B2 (en) | 2015-12-31 | 2019-03-05 | Robert Bosch Gmbh | Evaluating capacity fade in dual insertion batteries using potential and temperature measurements |
US10263447B2 (en) | 2016-01-29 | 2019-04-16 | Robert Bosch Gmbh | Secondary battery management system |
US10243385B2 (en) | 2016-01-29 | 2019-03-26 | Robert Bosch Gmbh | Secondary battery management system |
US10686321B2 (en) | 2016-01-29 | 2020-06-16 | Robert Bosch Gmbh | Secondary battery management |
US10361567B2 (en) * | 2016-02-05 | 2019-07-23 | Indian Institute Of Technology Madras (Iitm) | Complementary engagement of battery banks to augment life, performance and capacity of energy storage system |
US20170271984A1 (en) | 2016-03-04 | 2017-09-21 | Atigeo Corp. | Using battery dc characteristics to control power output |
US10303131B2 (en) * | 2016-05-13 | 2019-05-28 | Veritone Alpha, Inc. | Using sensor data to assist in controlling a target system by modeling the functionality of the target system |
US10447046B2 (en) * | 2016-09-22 | 2019-10-15 | Robert Bosch Gmbh | Secondary battery management system with remote parameter estimation |
US10761516B2 (en) * | 2016-11-02 | 2020-09-01 | Johnson Controls Technology Company | Systems and methods for real-time detection and communication of health and performance degradation in a distributed building automation network |
US10097435B2 (en) * | 2016-11-02 | 2018-10-09 | Johnson Controls Technology Company | Systems and methods for real-time detection and communication of health and performance degradation in a distributed building automation network |
FR3066660B1 (fr) * | 2017-05-22 | 2020-04-03 | Safran Electronics & Defense | Procede de commande d'un circuit electronique commute |
US10648692B2 (en) | 2017-07-27 | 2020-05-12 | Johnson Controls Technology Company | Building management system with multi-dimensional analysis of building energy and equipment performance |
CN107622324A (zh) * | 2017-09-01 | 2018-01-23 | 燕山大学 | 一种考虑多微网能量交互的鲁棒环境经济调度方法 |
DE102017217550A1 (de) * | 2017-10-02 | 2019-04-04 | Siemens Healthcare Gmbh | Identifikation von Bildartefakten mittels maschinellen Lernens |
US10310959B2 (en) | 2017-11-07 | 2019-06-04 | Bank Of America Corporation | Pre-deployment validation system using intelligent databases |
KR102269106B1 (ko) * | 2017-11-20 | 2021-06-24 | 주식회사 엘지화학 | 배터리 파워 한계 값 제어 방법 |
JP6947081B2 (ja) * | 2018-02-27 | 2021-10-13 | トヨタ自動車株式会社 | 電池の充放電制御方法および電池システム |
DE102018208396A1 (de) * | 2018-05-28 | 2019-11-28 | Mahle International Gmbh | Verfahren zum Betreiben eines Ladesystems mit mehreren Ladepunkten |
JPWO2019235645A1 (ja) * | 2018-06-08 | 2021-06-17 | パナソニックIpマネジメント株式会社 | バッテリ管理システム及びバッテリ管理方法 |
US10666076B1 (en) | 2018-08-14 | 2020-05-26 | Veritone Alpha, Inc. | Using battery state excitation to control battery operations |
US10452045B1 (en) | 2018-11-30 | 2019-10-22 | Veritone Alpha, Inc. | Controlling ongoing battery system usage while repeatedly reducing power dissipation |
US10816949B1 (en) * | 2019-01-22 | 2020-10-27 | Veritone Alpha, Inc. | Managing coordinated improvement of control operations for multiple electrical devices to reduce power dissipation |
US10938897B2 (en) * | 2019-01-31 | 2021-03-02 | EMC IP Holding Company LLC | Extended group service changes |
US11069926B1 (en) * | 2019-02-14 | 2021-07-20 | Vcritonc Alpha, Inc. | Controlling ongoing battery system usage via parametric linear approximation |
JP7324632B2 (ja) * | 2019-07-12 | 2023-08-10 | 株式会社シマノ | 出力装置、学習モデルの生成方法、およびコンピュータプログラム |
US11407327B1 (en) | 2019-10-17 | 2022-08-09 | Veritone Alpha, Inc. | Controlling ongoing usage of a battery cell having one or more internal supercapacitors and an internal battery |
KR102416787B1 (ko) * | 2020-03-25 | 2022-07-05 | 한국핵융합에너지연구원 | 플라즈마 시뮬레이션을 위한 데이터의 입력 장치 및 방법 |
US11650253B2 (en) * | 2021-07-30 | 2023-05-16 | Jiangnan University | State estimation method for power battery formation process based on convex space filtering |
US20230049245A1 (en) * | 2021-08-06 | 2023-02-16 | Igrenenergi, Inc. | System and method for dynamically balancing power from distributed power sources in a battery pack |
CN114995545B (zh) * | 2022-05-31 | 2024-03-26 | 中国第一汽车股份有限公司 | 一种车辆热管理系统的控制方法、装置、设备及介质 |
Family Cites Families (60)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08123507A (ja) | 1994-10-27 | 1996-05-17 | Fujitsu Ltd | ロバスト制御装置 |
US6088689A (en) | 1995-11-29 | 2000-07-11 | Hynomics Corporation | Multiple-agent hybrid control architecture for intelligent real-time control of distributed nonlinear processes |
US5727128A (en) | 1996-05-08 | 1998-03-10 | Fisher-Rosemount Systems, Inc. | System and method for automatically determining a set of variables for use in creating a process model |
US5755378A (en) | 1997-01-21 | 1998-05-26 | Ford Global Technologies, Inc. | Method and system for controlling an automotive HVAC system to prevent formation of cabin thermal stratification |
US5963447A (en) | 1997-08-22 | 1999-10-05 | Hynomics Corporation | Multiple-agent hybrid control architecture for intelligent real-time control of distributed nonlinear processes |
US6317837B1 (en) | 1998-09-01 | 2001-11-13 | Applianceware, Llc | Internal network node with dedicated firewall |
US6694044B1 (en) | 1999-09-16 | 2004-02-17 | Hewlett-Packard Development Company, L.P. | Method for motion classification using switching linear dynamic system models |
WO2002025528A1 (en) | 2000-09-21 | 2002-03-28 | Theradoc.Com, Inc. | Systems and methods for manipulating medical data via a decision support system |
US7574383B1 (en) | 2001-04-11 | 2009-08-11 | I2 Technologies Us, Inc. | System and method for providing distributed inventory management |
US20030069868A1 (en) | 2001-06-29 | 2003-04-10 | Vos Jules Jakob | Distributed decision processing system |
CN100409552C (zh) * | 2002-01-16 | 2008-08-06 | 丰田自动车株式会社 | 电压转换装置及方法,驱动系统和装有该驱动系统的车辆 |
WO2003067448A1 (en) | 2002-02-02 | 2003-08-14 | E-Wings, Inc. | Distributed system for interactive collaboration |
US7072808B2 (en) | 2002-02-04 | 2006-07-04 | Tuszynski Steve W | Manufacturing design and process analysis system |
US20030234812A1 (en) | 2002-06-24 | 2003-12-25 | Drucker Steven M. | Visual decision maker |
US7072723B2 (en) | 2002-10-23 | 2006-07-04 | Clearsight Systems Inc. | Method and system for optimization of general problems |
US7739183B2 (en) | 2004-06-03 | 2010-06-15 | Voudrie Jeffrey D | Real-time client portfolio management system |
US20060218074A1 (en) | 2004-11-23 | 2006-09-28 | Wolf Kohn | Automated trading platform |
WO2006087713A2 (en) | 2005-02-16 | 2006-08-24 | Yissum Research Development Company Of The Hebrew University Of Jerusalem | System and method for backfilling with system-generated predictions rather than user runtime estimates |
US7565333B2 (en) | 2005-04-08 | 2009-07-21 | Caterpillar Inc. | Control system and method |
WO2006135838A2 (en) * | 2005-06-10 | 2006-12-21 | Agere Systems Inc. | Multi-threshold charging of a rechargeable battery |
WO2008086114A2 (en) | 2007-01-03 | 2008-07-17 | Gridpoint, Inc. | Utility console for controlling energy resources |
JP5517398B2 (ja) * | 2007-03-15 | 2014-06-11 | 三菱重工業株式会社 | 蓄電システム |
US9721312B2 (en) | 2007-03-21 | 2017-08-01 | Steven Y. Goldsmith | Customized electric power storage device for inclusion in a microgrid |
AU2008356120A1 (en) | 2007-11-07 | 2009-11-12 | Edsa Micro Corporation | Systems and methods for real-time forecasting and predicting of electrical peaks and managing the energy, health, reliability, and performance of electrical power systems based on an artificial adaptive neural network |
JP5343512B2 (ja) * | 2008-10-30 | 2013-11-13 | トヨタ自動車株式会社 | 電池パック入出力制御装置 |
EP2377011A4 (en) | 2008-12-12 | 2017-12-13 | Atigeo Corporation | Providing recommendations using information determined for domains of interest |
US8949772B1 (en) | 2009-06-01 | 2015-02-03 | Amazon Technologies, Inc. | Dynamic model based software application development |
JP4807443B2 (ja) * | 2009-07-08 | 2011-11-02 | トヨタ自動車株式会社 | 二次電池の温度推定装置 |
US8558712B2 (en) | 2010-06-03 | 2013-10-15 | C&C Power, Inc. | Battery system and management method |
US9093840B2 (en) | 2010-07-02 | 2015-07-28 | Alstom Technology Ltd. | System tools for integrating individual load forecasts into a composite load forecast to present a comprehensive synchronized and harmonized load forecast |
US8849771B2 (en) | 2010-09-02 | 2014-09-30 | Anker Berg-Sonne | Rules engine with database triggering |
US20120072181A1 (en) | 2010-09-22 | 2012-03-22 | Behzad Imani | Method and apparatus for optimizing hvac systems in buildings |
KR101293635B1 (ko) * | 2010-12-29 | 2013-08-05 | 주식회사 엘지화학 | 이차전지 셀의 퇴화 정도를 반영한 배터리 팩의 관리 장치와 방법 및 이를 구비한 배터리 팩 |
US8606788B2 (en) | 2011-06-15 | 2013-12-10 | Microsoft Corporation | Dictionary for hierarchical attributes from catalog items |
TW201331066A (zh) | 2011-10-10 | 2013-08-01 | 普羅泰拉公司 | 在固定路線應用程式下用於電池壽命最大化的系統及方法 |
US9496748B2 (en) | 2011-10-25 | 2016-11-15 | General Electric Company | Integrated power system control method and related apparatus with energy storage element |
US8816627B2 (en) | 2011-11-10 | 2014-08-26 | Mitsubishi Electric Research Laboratories, Inc. | Energy efficient motion control system |
JP5739788B2 (ja) * | 2011-11-15 | 2015-06-24 | 株式会社東芝 | 充放電計画立案システムおよび充放電計画立案方法 |
US20130253942A1 (en) | 2012-03-22 | 2013-09-26 | Hong Kong Baptist University | Methods and Apparatus for Smart Healthcare Decision Analytics and Support |
US20130274936A1 (en) | 2012-04-15 | 2013-10-17 | Swan, Llc | Broadcast energy demand systems and methods |
JP2014036521A (ja) | 2012-08-09 | 2014-02-24 | Panasonic Corp | アダプタ及び電動工具 |
WO2014030349A1 (ja) | 2012-08-23 | 2014-02-27 | 日本電気株式会社 | エネルギー管理システム、エネルギー管理方法、そのエネルギー管理方法を利用したサーバ装置および端末装置 |
JP5575203B2 (ja) | 2012-10-24 | 2014-08-20 | 三菱電機株式会社 | 車両の発電装置および発電制御方法 |
JP2014113006A (ja) * | 2012-12-05 | 2014-06-19 | Panasonic Corp | 充放電管理装置、パワーコンディショナ、蓄電装置、プログラム |
CN103036230B (zh) | 2012-12-10 | 2016-03-23 | 上海市电力公司 | 一种基于工程应用的交直流混联大电网的动态等值方法 |
US20140250377A1 (en) | 2013-03-04 | 2014-09-04 | Atigeo Llc | Method and system for searching and analyzing large numbers of electronic documents |
US9400491B2 (en) | 2013-03-15 | 2016-07-26 | Rockwell Automation Technologies, Inc. | Stabilized deteministic optimization based control system and method |
JP6185321B2 (ja) * | 2013-07-24 | 2017-08-23 | ローム株式会社 | 二次電池パックの管理方法および電源管理システム、電子機器 |
US9869724B2 (en) * | 2013-07-24 | 2018-01-16 | Rohm Co., Ltd. | Power management system |
US20150058078A1 (en) | 2013-08-26 | 2015-02-26 | Microsoft Corporation | Rule to constraint translator for business application systems |
RU2578759C2 (ru) | 2013-09-06 | 2016-03-27 | Общество С Ограниченной Ответственностью "Кибернетические Технологии" | Устройство управления в киберфизических системах, преимущественно для управления мобильными роботами и/или беспилотными летательными аппаратами |
US9957843B2 (en) | 2013-12-31 | 2018-05-01 | General Electric Company | Methods and systems for enhancing control of power plant generating units |
US9581981B2 (en) | 2014-03-06 | 2017-02-28 | Mitsubishi Electric Corporation | Method and apparatus for preconditioned continuation model predictive control |
US10186123B2 (en) | 2014-04-01 | 2019-01-22 | Avigilon Fortress Corporation | Complex event recognition in a sensor network |
US10082778B2 (en) | 2014-06-20 | 2018-09-25 | Veritone Alpha, Inc. | Managing coordinated control by multiple decision modules |
US20160125435A1 (en) | 2014-10-31 | 2016-05-05 | Microsoft Technology Licensing , LLC | Interrogation of mean field system |
JP6330639B2 (ja) * | 2014-12-01 | 2018-05-30 | トヨタ自動車株式会社 | 蓄電システムおよびその制御方法 |
US20170271984A1 (en) | 2016-03-04 | 2017-09-21 | Atigeo Corp. | Using battery dc characteristics to control power output |
US20170315517A1 (en) | 2016-04-28 | 2017-11-02 | Rockwell Automation Technologies, Inc. | Systems and methods to reduce energy usage of industrial machines using an enhanced motion profile |
EP3449323A4 (en) | 2016-04-28 | 2020-04-01 | Veritone Alpha, Inc. | USE OF PREDICTIONS TO CONTROL TARGET SYSTEMS |
-
2016
- 2016-04-11 US US15/096,091 patent/US20170271984A1/en not_active Abandoned
-
2017
- 2017-03-06 JP JP2018558263A patent/JP6584040B2/ja active Active
- 2017-03-06 KR KR1020187028607A patent/KR102019140B1/ko active IP Right Grant
- 2017-03-06 WO PCT/US2017/020960 patent/WO2017152180A1/en active Application Filing
- 2017-03-06 EP EP17760987.2A patent/EP3424139B1/en active Active
- 2017-03-06 CN CN201780027496.3A patent/CN109478848B/zh active Active
-
2018
- 2018-09-04 US US16/121,356 patent/US10601316B2/en active Active
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11097633B1 (en) * | 2019-01-24 | 2021-08-24 | Veritone Alpha, Inc. | Using battery state excitation to model and control battery operations |
US11644806B1 (en) | 2019-01-24 | 2023-05-09 | Veritone Alpha, Inc. | Using active non-destructive state excitation of a physical system to model and control operations of the physical system |
US11892809B2 (en) | 2021-07-26 | 2024-02-06 | Veritone, Inc. | Controlling operation of an electrical grid using reinforcement learning and multi-particle modeling |
Also Published As
Publication number | Publication date |
---|---|
EP3424139A1 (en) | 2019-01-09 |
US20170271984A1 (en) | 2017-09-21 |
KR102019140B1 (ko) | 2019-09-09 |
US10601316B2 (en) | 2020-03-24 |
WO2017152180A1 (en) | 2017-09-08 |
EP3424139B1 (en) | 2023-07-26 |
EP3424139A4 (en) | 2019-11-13 |
CN109478848B (zh) | 2020-11-17 |
KR20180123075A (ko) | 2018-11-14 |
US20190044440A1 (en) | 2019-02-07 |
CN109478848A (zh) | 2019-03-15 |
JP2019513000A (ja) | 2019-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6584040B2 (ja) | バッテリdc特性を使用して電力出力を制御すること | |
US10520905B2 (en) | Using forecasting to control target systems | |
EP3449425B1 (en) | Using sensor data to assist in controlling a target system by modeling the functionality of the target system | |
JP2021505103A (ja) | エネルギ貯蔵システムを最適に制御するためのシステム及び方法 | |
US20210167619A1 (en) | Using Battery State Excitation To Control Battery Operations | |
US10969757B1 (en) | Controlling ongoing battery system usage while repeatedly reducing power dissipation | |
KR102232513B1 (ko) | 인공지능 기반 예측적 ess 충방전 운용 장치 및 방법 | |
US10816949B1 (en) | Managing coordinated improvement of control operations for multiple electrical devices to reduce power dissipation | |
US10686327B2 (en) | Energy storage controller | |
US20220215486A1 (en) | Optimization controller for distributed energy resources | |
Verba et al. | A community energy management system for smart microgrids | |
CN113690885A (zh) | 一种供电控制方法及供电平台 | |
US11407327B1 (en) | Controlling ongoing usage of a battery cell having one or more internal supercapacitors and an internal battery | |
Futakuchi et al. | Scheduled operation of wind farm with battery system using deep reinforcement learning | |
Stoyanova et al. | Distributed model predictive control strategies for coordination of electro‐thermal devices in a cooperative energy management concept | |
Wang et al. | Digital twin based multi-objective energy management strategy for energy internet | |
Jendoubi et al. | Hybrid storage system control for real-time power bal-ancing in a hybrid renewable energy system | |
Genç et al. | Monitoring stakeholder behaviour for adaptive model generation and simulation: a case study in residential load forecasting | |
Huo et al. | Graph Neural Network Based Column Generation for Energy Management in Networked Microgrid | |
Fritz et al. | Development of an Agent-Based System for Decentralized Control of District Energy Systems | |
Short-Term | Forecast Based Consensus Control for DC Microgrids Using Distributed Long Short-Term Memory Deep Learning Models |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20181105 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181105 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20181105 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20190221 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190402 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190702 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190723 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20190816 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20190822 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20190816 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190902 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6584040 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |