JP6952957B2 - 交換可能エネルギー貯蔵装置に対する需要を予測するためのシステムおよび方法 - Google Patents

Description

関連出願との相互参照

本出願は、参照によりその全体が本明細書に組み込まれる、米国仮出願第６２／６１２，１４１号（２０１７年１２月２９日出願）の利益および優先権を主張する。

本技術は、交換可能エネルギー貯蔵装置のための複数の装置交換ステーションを管理するためのシステムおよび方法に関する。より詳細には、本技術は、交換可能エネルギー貯蔵装置に対する予測需要に基づいて充電計画を装置交換ステーションに提供することによって、複数の装置交換ステーションを管理するためのシステムおよび方法に関する。

電動車両の中には交換可能なバッテリによって給電されるものがある。そのような電動車両にとって、ユーザがバッテリ交換をしたいときに十分に充電されたバッテリを利用可能にすることは、満足のいくユーザ経験を提供するための重要な要素である。しかしながら、それにはバッテリを充電しそしてこれらのバッテリの充電状態を維持するために相当量のエネルギーが必要とされ得る。不必要な充電または維持は、システムのコスト効率およびエネルギー効率に悪影響を及ぼす可能性がある。加えて、ユーザおよび交換可能なバッテリの数は頻繁に変わり（例えば、新規ユーザがバッテリサービスプランに加入する、新たな交換ステーションが設立されるなど）、それゆえ、履歴データに基づいて将来のバッテリ需要を予測することは非常に困難である（「傾向」の問題）。また、このデータには相当量の「ノイズ」（例えば、将来のバッテリ需要を予測するときに誤解を招く可能性がある情報、「ノイズ」の問題）がある可能性がある。したがって、これらの問題に対処するための改善されたシステムおよび方法を有することが有利である。

開示される技術の実施形態を、添付の図面を用いて記述および説明する。

本技術の実施形態によるシステムを示す概略図である。

本技術の実施形態によるサーバシステムを示す概略図である。

本技術の実施形態によるステーションシステムおよび車両システムを示す概略図である。

本技術の実施形態によるクラウドシステムを示す概略図である。

開示されている技術の実施形態による複数のステーションシステムの特性を説明するいくつかのグラフである。

開示されている技術の実施形態によるステーションシステムの複数の時間枠の間の特性を説明するいくつかのグラフである。

開示されている技術の実施形態による方法を示すフローチャートである。

開示されている技術の実施形態による方法を示すフローチャートである。

図面は必ずしも縮尺通りに描かれていない。例えば、図面の要素のいくつかの寸法は、様々な実施形態の理解を向上させるのを助けるために拡大または縮小されている場合がある。同様に、いくつかの実施形態の記述の目的のために、いくつかの構成要素および／または動作を異なるブロックに分離してもよく、または単一のブロックに組み合わせてもよい。さらに、特定の実施形態が図面に例として示され、以下に詳細に説明されているが、当業者は、修正、等価物、および代替物が添付の特許請求の範囲内に入ることを認識するであろう。

本明細書において、「いくつかの実施形態」、「一実施形態」などへの言及は、説明されている特定の特徴、機能、構造または特性が、開示されている技術の少なくとも１つの実施形態に含まれることを意味する。本明細書におけるそのような句の出現は、必ずしもすべてが同じ実施形態を指すとは限らない。一方、言及された実施形態は必ずしも相互に排他的ではない。

本開示は、複数の装置交換ステーションを管理するための方法およびシステムに関する。装置交換ステーションは、ユーザがエネルギー貯蔵装置（例えばバッテリ）を交換することを可能にするように構成される。開示されている方法は、ネットワークを介して装置交換ステーションに接続されたサーバによって実施することができる。いくつかの実施形態では、経験的データ（例えば、特定の時間中にいくつかのステーションで実際に交換されたバッテリの数（および予測需要と実際に交換された数との間の不一致）、満足されていないバッテリ交換需要などの、過去のバッテリ交換に関する履歴情報）に基づき、開示されているシステムは、複数の基準因子（例えば因子行列）および関連する重み値（例えば重み行列）を決定することができる。システムは、その後、将来のバッテリ交換需要を予測することができる（例えば、下記の式Ａを参照）。重み値を調整し、それを履歴データによって分析することによって、システムは相対的に重要な基準因子を効率的に識別することができる。したがって、重み値を更新し、その後、将来のバッテリ需要を予測するために使用することができる。いくつかの実施形態では、経験的データに基づいて、システムは様々なタイプの装置交換ステーションを識別することができ、各タイプのステーションは同じバッテリ交換特徴（例えば、図５Ａおよび５Ｂに関して説明する「曲線」）を有する。いくつかの実施形態では、これらの「タイプ」のステーションのみを使用して将来のバッテリ需要を予測することができる。他の実施形態では、ステーションの「タイプ」は、将来のバッテリ交換需要を計算するための「基準因子」と考えることもできる（例えば、下記の式Ａを参照）。

いくつかの実施形態では、方法は、例えば、（１）初期期間において複数の装置交換ステーションの各々からエネルギー貯蔵装置の交換に関する経験的情報を（例えば、サーバ内のメモリまたはサーバに接続されたデータベースから）受信することと、（２）目標期間を決定することと、（３）目標期間内に複数の装置交換ステーションの各々に対応する複数の基準因子を識別する（例えば、基準因子は、複数の装置交換ステーションに関連する複数の特性および特性の組み合わせを含む）ことと、（４）複数の装置交換ステーションの各々について目標期間にわたる予測需要情報を決定する（例えば、目標期間は初期期間より遅い、例えば、初期期間は今日午後９時であり得、目標期間は明日午後３時〜午後４時であり得る。いくつかの実施形態では、初期期間は、経験的情報が収集／生成される期間を含むことができる）ことと、（５）目標期間中の予測需要情報に従って、複数の装置交換ステーションの各々について複数の充電計画を作成することとを含む。

いくつかの実施形態では、基準因子は、（１）需要予測に関連する特性（例えば、ステーション識別、時間、日、月、休日、天気、特別なイベントなどのような時間関連単位）、（２）２つ以上の特徴の組み合わせ（例えば、後述の「交差項」因子）、（３）装置交換ステーションの「タイプ」（例えば、後述の「交通量が多い」タイプ、「中間交通量」タイプ、または「交通量が少ない」タイプ）、および（４）上記の組み合わせを含み得る。基準因子の各々は関連する重み値を有し、これは将来のバッテリ需要を計算するときのその相対的重要性を示す。いくつかの実施形態では、例えば、（例えば、システム内のサーバの）システムオペレータは、将来のバッテリ需要を予測するために考慮すべきいくつかの基準因子を選択することができる。その後、システムオペレータは、選択された各基準因子に重み値を割り当てることができる。しかし、いくつかの実施形態では、システムオペレータは、すべての基準因子を因子行列（例えば、以下に記載するような「行列ｘ」）に入れることができる。システムオペレータは、（１）需要予測に有意に関連する基準因子に、（例えば、重み値行列内の）より高い重み値を割り当て、（２）需要予測に有意には関係しない基準因子に、より低い（またはさらにはゼロの）重み値を割り当てることができる。いくつかの実施形態では、選択される基準因子の最大数は、（１）需要予測プロセスの計算を単純化し、および／または（２）それらのうちのいくつかがノイズを含み得る一方、多すぎる因子によって引き起こされる「過剰適合」を防ぐように、需要予測プロセスにおいて設定することができる。システム（またはシステムオペレータ）は、基準因子の有意性または相対的重要性を決定し、次いで基準因子を選択することができる。また、基準因子の最大数は、需要予測プロセスの計算の複雑さおよびシステムの利用可能な計算リソースに基づいて決定することができる。

いくつかの実施形態では、エネルギー貯蔵装置の交換に関する経験的情報は、特定の装置交換ステーションにおいて特定の期間中に交換されるエネルギー貯蔵装置の数、およびまた、その特定の期間中のバッテリ交換の予測需要と実際の数との差に関する履歴データまたは情報であってもよい。例えば、情報は、（１）２０１７年１月１２日の午前１０時から午前１１時の間にステーションＡにおいて１０個のバッテリが交換され、交換されると予測されたのは８個のバッテリのみであった、（２）２０１７年１１月の第１木曜日の午前１１時から午前１２時の間に、エリアＸ（ステーションＸ１〜Ｘｎを含む）において３５個のバッテリが交換され、４０回のバッテリ交換が予測された、（３）２０１７年７月５日の午後７時から午後８時の間に、充電状態（ＳｏＣ）が９０％を超える１７個のバッテリがステーションＢにおいて交換された、（４）２０１７年２月５日の午後５時から午後６時の間にステーションＣにおいて５５個のバッテリが交換され、近くでイベントが開催されている、（５）２０１７年の２３４日目の午後９時から午後１０時の間にステーションＤにおいて２８個のバッテリが交換された、または（６）２０１７年９月７日の午前８時から午前９時の間にステーションＥにおいて４５個のバッテリが確保されていたが、交換されたバッテリは４０個のみで、天気予報によると、その日は１０日間連続して雨が降った後の晴れた日であった、であってもよい。上記は単なる例であり、様々な実施形態において他のタイプの情報があり得る。

開示されているシステムがエネルギー貯蔵装置の需要に関する履歴情報を受信すると、システムはその情報を分析し、将来のエネルギー貯蔵装置に対する需要を予測するためのモデルを確立する。いくつかの実施形態において、モデルは、モデルがある定義された誤差量を有する出力を生成するまで、回帰／論理分析（例えば、オンラインポアソン回帰、オンライン最小二乗回帰、決定木分析など）および機械学習分析（例えば、データを供給し、出力を分析し、モデルを調整することによってモデルを「訓練する」）に基づいて確立される。例えば、モデルは以下の式として表すことができる。

「Ｐ」は、特定の期間中の特定の装置交換ステーションにおけるエネルギー貯蔵装置に対する需要の予測を指す（例えば、システムは、明日午前８時から午前９時までにステーションＡにおいて２５回のエネルギー貯蔵装置の交換があると予測する）。項「ｘ」は、考慮されるべき基準因子（例えば、複数の要素を有する行列、各要素は基準因子を表す）を指す。項「ｗ」は、基準因子「ｘ」に対する重み値（例えば、複数の要素を有する行列、各要素は、対応する基準因子に対する重み値を表す）を指す。

基準因子「ｘ」は、複数の特性、例えば、ステーション識別情報、時間（様々な期間として分割することができ、各期間を基準因子と考えることができる）、ステーションの位置、環境条件（例えば、周囲温度、湿度など）、イベント（例えば、交通事故、コンサート、スポーツの試合など）、および他の適切な基準因子を含むことができる。本システムはまた、オペレータが「交差項」因子を選択することを可能にし、これは２つ以上の特性を１つの基準因子として組み合わせることを意味する。例えば、特性の組み合わせは、「ステーションＡかつ水曜日」、「ステーションＢ、午前７時から午前９時、かつ週末」などであり得る。２つ以上の特性を組み合わせることによって、開示されている方法は、これらの基準因子間の関係を効率的に識別し、予測需要を生成するときにこれらの「交差項」を迅速に考慮することができる（例えば、各基準因子に重み値を与えるのではなく、ここでシステムは、１つの交差項因子に１つの重み値のみを割り当てることができ、これにより、計算効率が向上する）。

また、いくつかの実施形態では、特性の特定の組み合わせが特徴のセット（例えば、図５Ａおよび図５Ｂの曲線）を表すことができる場合、特性の組み合わせは、これもバッテリ需要を予測するために使用することができる「ステーションのタイプ」基準因子と考えることができる。

例えば、因子Ｆ１は「ステーション識別情報」（例えば、ステーションＡ）であり得、因子Ｆ２は、「曜日」（例えば、金曜日）であり得、因子Ｆ３は、「一日のうちの時間期間」（例えば、午前１時から午前３時）であり得る。この実施形態では、システムは、Ｆ１、Ｆ２、およびＦ３を組み合わせることによって、オペレータが因子Ｆ４（例えば、ステーションＡ、金曜日、かつ午前１時から午前３時）を追加することを可能にする。オペレータはまた、Ｆ１とＦ２とを組み合わせることによって因子Ｆ５（例えば、ステーションＡかつ金曜日）を加えることができる。同様に、オペレータは、Ｆ１とＦ３とを組み合わせることによって、因子Ｆ６（例えば、ステーションＡかつ午前１時から午前３時）を追加することができる。オペレータはまた、Ｆ２とＦ３とを組み合わせることによって因子Ｆ７（例えば、金曜日かつ午前１時から午前３時）を追加することもできる。因子Ｆ１〜Ｆ７の各々は、（例えば、重み行列「ｗ」内の）対応する重み値を有する。

装置交換ステーションの目標期間に関連する因子（例えば、午後４時から午後５時に、ステーションＡにおいて）が決定されると、エネルギー貯蔵装置に対する需要の予測「Ｐ」は、行列ｗと行列Ａとの乗算によって式Ａから導出することができる。基準因子に対応する重み値は、経験的情報および更新されたデータに基づいて連続的に決定、調整、および／または更新することができる。例えば、システムは、以下の目的関数によって特徴付けられる目的を達成することによって、「供給」情報（例えば実際に生じる交換）と「需要」情報（例えば予測需要）の両方を比較することによって因子に対する重み値を決定することができる。

項「ｙ」は、エネルギー貯蔵装置の実際の交換の回数を指す。上記の式（Ｂ）に基づいて、システムは重み値「ｗ」を決定／調整／更新することができ、これは将来のエネルギー貯蔵装置の交換を予測するために使用することができる。

背景技術の欄で述べた「傾向」の問題に効率的に対処するために、開示されているシステムは、以下の式に基づいて、周期的に（例えば、毎日、または新たなユーザまたは新たなステーションの追加などの新たなイベントを受けて更新する）重み値「ｗ」を更新することができる。

ｇ＝（ｐ−ｙ）ｘ 式（Ｃ）

ｗ_t＝ｗ_t-1−ａｇ 式（Ｄ）

項「ｇ」は勾配を指し、これは実際の交換「ｙ」と予測需要「ｐ」との差に基づいて計算することができ、次いでその差を使用して、エネルギー貯蔵装置の実際の交換に従って、目標期間と関連する基準因子の重み値を調整することができる。項「ａ」は、失敗寄与率（またはリフレッシュレート）を指す（例えば、複数の要素を有する行列。各要素は、因子行列「ｘ」内の対応する因子についての失敗寄与率を表す）。

失敗寄与率ａは、因子の信頼性を示している。失敗寄与率は、システムオペレータによって、または経験的研究に基づいて（例えば、重み値「ｗ」を更新するプロセスと同様の概念を使用して）決定することができる。システムが因子をより「信頼できる」と考えるとき、それは、この因子が予測計算（すなわち、選択された目標期間ごとの式Ａの計算）に関連する「関連性」（または「頻度」）が高く、この因子に対応する重み値が頻繁に更新されることを意味する。結果として、この因子に対応する重み値は（相対的に）信頼性がある。実際の交換の回数と予測された需要予測との間に大きな差がある場合、予測需要の不正確さはおそらくこの因子およびその重み付けの値によって引き起こされるものではない。一方、ある因子が「めったに」現れない場合（例えば、年に１回起こる特別なイベントまたは休日）、この「めったにない」因子に対応するあまり訓練されていない／更新されていない重み値は、不正確さにより寄与する場合がある。その結果、「信頼できる」因子にはより低い失敗寄与率が割り当てられ、したがってその因子はより頻繁に更新される（各「更新」は少しずつ変化し、更新の結果は累積され、より正確な予測がもたらされる）。信頼性が低い因子に対応する失敗寄与率値は高く、その重み付け因子はたまに（そしてより劇的に）更新される。例えば、システムは、「曜日」という因子が信頼できるものであると判定することができ、したがってそれに低い失敗寄与率値を与え、その重み値を頻繁に更新することになる。失敗寄与率を考慮することによって、「信頼できる」因子は、日常的でない理由またはイベントに影響されることなく信頼性を維持することができ、システムは上記の「ノイズ」問題に効率的に対処することができる。いくつかの実施形態では、重み値「ｗ」および失敗寄与率「ａ」は、機械学習プロセス（例えば、式Ｂ、Ｃ、および／またはＤに関連する計算によって取得（例えば、決定、調整および更新）することができる。

いくつかの実施形態では、本システムは、「過剰適合」を防止または妨げるように、考慮しなければならない因子「ｘ」の数を制限して閾値を設定することができる。例えば、一部の交換は、ユーザのランダムな行動など、予測不可能なイベントから発生する可能性がある（ユーザは通常エリアＫにおいて装置を交換するが、ある日ユーザはエリアＪにおいて装置を交換する）。システムは、ランダムな行動を「ノイズ」と考えることができ、それに従って重み値を細かく調整することはしない（例えば、頻繁には更新しない）。いくつかの実施形態では、システムは、因子のそれらの現在の重み値に基づいて因子の優先順位を設定することができる。例えば、いくつかの実施形態では、システムは設定された優先順位に基づいて因子を選択／決定することができる。

いくつかの実施形態では、システムは、ポアソン回帰などの他の回帰モデルを使用することができる。そのような実施形態では、モデルは以下の式として示すことができる。

Ｐ＝ｅ^z，ｚ＝ｗ^Tｘ 式（Ｅ）

したがって、目的式は以下のようになり得る。

他の実施形態では、システムは、オンライン／バッチ線形回帰などの他の回帰方式に基づく方法、「決定木」に基づく方法、または他の適切な方法など、他の適切な手法を用いて予測モデルを確立することができる。

いくつかの実施形態では、システムは、新たな参照情報（例えば、新たなユーザ、新たなステーション、ユーザがあるエリアから別のエリアに移動する、ユーザは装置交換サービスの使用を停止する、既存のステーションが非稼働中である、など）が入ってきたときに重み値「ｗ」を更新することができる。この更新手法は、「オンライン」手法と呼ぶことができる。他の実施形態では、重み値「ｗ」は、毎日など定期的に更新することができ、または新たなデータエントリのバッチがあるときに更新することができる。

本開示の利点は、例えば、（１）因子「ｘ」の重み値「ｗ」を頻繁に更新することによって「傾向」の問題に効率的に対処すること、（２）失敗寄与率「ａ」を考慮することによって「ノイズ」問題に対処することもできること、および（３）「過剰適合」を防止または妨げるが、考慮しなければならない因子の数を制限することができることを含む。式（Ａ）〜（Ｆ）（「モデル」）に関連する需要を予測するための前述の説明は、以下に説明する図１（メインサーバ１０３）または図２（サーバシステム２００）に示すようなサーバによって実施することができる。

本開示はまた、リアルタイム（例えば、数ミリ秒から数秒）またはほぼリアルタイム（例えば、数分から数時間）で交換可能エネルギー貯蔵装置（例えば、バッテリ）の需要を予測するための方法およびシステムに関する。一実施形態では、開示されているシステムは、各バッテリ交換ステーションの履歴バッテリ需要データ（すなわち、経験的情報）を分析し、次いですべてのバッテリ交換ステーションにおいてあらゆる時間間隔（例えば１時間）において予測されるバッテリ交換を予測する。より詳細には、本システムは、複数の情報源（例えば、バッテリ交換ステーション、電動車両、バッテリ、ユーザモバイル機器など）から情報を収集し、それを分析し、特定の期間中の交換ステーションに関する交換可能エネルギー貯蔵装置の需要を予測するために使用することができる参照情報を生成する。収集された情報は、例えば、サンプリングステーションに関連する、サンプリングステーションの場所（例えば、サンプリングステーションは、サーバに結合され、オペレータによって管理される複数のバッテリ交換ステーションのすべてから選択され得る）、サンプリングステーションの近くのイベント、サンプリングステーションの近くの環境条件、ユーザプロファイル情報（例えば、ユーザ名、ユーザ所有車両、ユーザ住所、ユーザバッテリプラン、ユーザ嗜好など）、およびユーザ挙動（バッテリ使用量、ユーザの運転／乗車履歴など、ユーザ挙動、ユーザの習慣など）を含み得る。収集された参照情報を分析した後、本システムは、様々なタイプのバッテリ交換ステーションについての特性または電力消費パターンなどの基準因子を決定または識別する。次に、決定または識別された特性／パターンは、１つまたは複数のバッテリ交換ステーションを制御してその中のバッテリを充電するためのガイダンスとして使用することができる。

いくつかの実施形態では、バッテリ交換ステーションは、ユーザが充電式バッテリにアクセスし交換することができる特定の場所に位置決めされた静止機械である。バッテリ交換ステーションは、（１）ユーザインターフェースとしてのディスプレイ、および（２）充電式バッテリを収容／充電するように構成された複数のバッテリスロットを有するバッテリラックを含むことができる。例えば、バッテリ交換ステーションは８つのバッテリスロットを含むことができる。動作中、バッテリによって占有されるバッテリスロットは６つだけであり、残りの２つのスロットはユーザが、交換されるべきバッテリ（例えば、低電力または消耗したバッテリ）を挿入するために確保されている。いくつかの実施形態では、バッテリ交換ステーションは、異なる数のラック、ディスプレイ、および／またはスロットなどの異なる構成を有することができる。いくつかの実施形態では、バッテリ交換ステーションは、オペレータがバッテリ交換ステーションの容量を簡便に設置または拡張することを可能にするモジュール式構成要素（例えば、モジュール式ラック、モジュール式ディスプレイなど）を含むことができる。バッテリ交換ステーションは、１つまたは複数の電源（例えば、電力網、電力線、電力貯蔵装置、発電所／変電所など）に電気的に結合されて、その中に配置されたバッテリを充電し、他の動作を実行する（例えば、サーバと通信する）ために電力を受け取ることができる。バッテリ交換ステーションの実施形態は、図１および図３を参照して以下に詳細に説明される。

いくつかの実施形態において、本システムは、サンプリングステーションの位置に基づいて、それら（すなわち、経験的情報に寄与するバッテリ交換ステーション）を分類することができる。例えば、サンプリングステーションは、主要交通動脈／道路とサンプリングステーションとの間の距離に基づいて、「交通量が多い」タイプ、「中間交通量」タイプ、または「交通量が少ない」タイプとして特徴付けることができる。いくつかの実施形態では、「交通量が多い」タイプのステーションは、主要交通動脈から１キロメートル以内のステーションとして定義することができ、「中間交通量」タイプのステーションは、主要交通動脈から１キロメートルから５キロメートルの範囲のステーションとして定義することができ、「交通量が少ない」タイプのステーションは、主要交通動脈から少なくとも５キロメートル離れているステーションとして定義することができる。本システムはさらに、特定の期間中（例えば、図５Ａに示すように１日以内）に各タイプのステーションに対するバッテリ需要を識別することができる。いくつかの実施形態では、ステーションの「タイプ」は、データ分析または機械学習プロセスによる特定の基準因子およびその対応する重み値の特定のパターンの観察に基づいて分類することができる（例えば、基準因子および対応する重み値の特定の組み合わせは関連性があり得る、例えば、互いに比例し得る）。上記の方法から導き出されたいくつかのタイプは、「交通量が多い」タイプまたは「交通量が少ない」タイプなどの、人間が認識できる用語で「コード化」することができ、いくつかのタイプ／パターンは、人間が認識できる用語によって分類されなくてもよい。いくつかの実施形態では、バッテリ交換ステーションの「タイプ」もまた、需要予測プロセスを実行するときの基準因子のうちの１つと考えることができる。

いくつかの実施形態では、バッテリ需要は、特定の期間中にバッテリを交換することを所望するすべてのユーザを満足させるのに必要な、フル充電（または実質的にフル充電）されたバッテリの最小数とみなすことができる。例えば、本システムは、ステーションＡが月曜日の午前８時から午前１１時の間に１２３個のフル充電バッテリを供給する必要があると決定することができる。いくつかの実施形態では、バッテリ需要は、特定の期間の前／間に必要な最小数のフル充電バッテリを充電／維持するのに必要な電力（例えば、アンペア単位の充電電流、Ａ）の最小量として説明することができる。例えば、本システムは、ステーションＡが午前８時から午前１１時の間に１２３個のフル充電されたバッテリを供給することを可能にするために、要求される充電電流は同じ日の午前５時から午前７時３０分に供給される５０００ｍＡであると決定できる。

各タイプのサンプリングステーション（例えば、上述の「交通量が多い」タイプ、「中間交通量」タイプ、または「交通量が少ない」タイプ）に対するバッテリ需要（または交通量）が決定されると、本システムはさらに、そのような情報を使用して、目標バッテリ交換ステーションに対するバッテリ需要を予測することができる。例えば、目標バッテリ交換ステーションは、上述の主要交通動脈と同様に、交通量の多い街路から１キロメートル以内に新たに配備されたステーションとすることができる。そのような実施形態では、本システムは、決定されたバッテリ需要（例えば、図５Ａおよび図５Ｂに示される需要曲線として、または他の特徴的な形態もしくはパターンとして記述される）を用いて目標バッテリ交換ステーションの操作方法（例えば、特定の期間中の内部のバッテリの充電／維持方法）を決定することができる。この構成により、本システムは、オペレータが、エネルギー効率の高い方法でバッテリ交換ステーションを保守または制御することを可能にする。

いくつかの実施形態では、本システムはまた、周囲の環境条件（例えば、観光名所またはオフィスビルの近く）および／または特定のイベント（例えば、台風、ハリケーン、厳しい気象条件、寒波／熱波などの自然事象、またはプロスポーツの試合、特別セールスイベントなどの考案されたイベント）に基づいてサンプリングステーションを分類することもできる。例えば、サンプリングステーションは、周囲の環境条件に基づいて、「都市通勤」タイプ、「観光名所」タイプ、または「イベント駆動」タイプとして特徴付けることができる。例えば、「都市通勤」タイプは、ピーク通勤時間中に高い需要があるバッテリ需要パターンを有することができる。別の例として、「観光名所」タイプは、休日または週末に高い需要があるバッテリ需要パターンを有することができる。同様に、「イベント駆動」タイプは、イベント中に高い需要があるバッテリ需要パターンを有することができる。

いくつかの実施形態では、本システムは、サンプリングステーションに関連するユーザ挙動（例えば、ユーザがバッテリを交換する時間、場所、および頻度、ユーザの運転／乗車習慣、ユーザが車両を運転する経路、ユーザのバッテリ交換プラン（例えば、期限が１ヶ月のパスまたは従量充電）、高性能のためのスポーツパッケージなどのユーザが加入しているバッテリパフォーマンスパッケージなど）に基づいてサンプリングステーションをさらに分類することができる。例えば、サンプリングステーションは、周囲の環境条件に基づいて、主に「日用品購入者」タイプ、「ストリートレーサ」タイプ、または「登山者」タイプのユーザに対応するものとして特徴付けることができる。例えば、「日用品購入者」タイプのユーザは、特定の場所（例えば日用品店）への頻繁な近距離移動を示すバッテリ需要パターンを有することができる。「ストリートレーサ」タイプは、その成員が彼らの車両を見つめるときにフルスロットルに当たる傾向があることを示すバッテリ需要パターンを有することができる（例えば、ステーションがプロの競走路に近い）。「登山者」タイプは、その成員が彼らの車両を運転するときに上り坂の経路を取る傾向があることを示すバッテリ需要パターンを有することができる（例えば、ステーションが景色のいい山の経路の入り口の近くにある）。

いくつかの実施形態では、サンプリングステーションは、それらのバッテリ需要（例えば、ある期間中のバッテリ交換の回数）に基づいて特徴付けることができる。例えば、サンプリングステーションは、「高需要」タイプ、「中需要」タイプ、または「低需要」タイプとして特徴付けることができる。例えば、「高需要」タイプは１日あたり１０００回以上のバッテリ交換のバッテリ需要パターンを有することができ、「中需要」タイプは１日あたり１００〜１０００回のバッテリ交換のバッテリ需要パターンを有することができる、「低需要」タイプは、１日に１００回以下のバッテリ交換のバッテリ需要パターンを有することができる。まとめると、ステーションの位置、平日および週末の需要分布、交通量、環境条件、ユーザ挙動などの特性は、ステーションを分類するためのタイプとして設定することができるだけでなく、需要を予測するためのモデルを使用した計算（例えば、式Ａ〜Ｄ）中の基準因子として設定することもできる。システムおよびシステムオペレータは、十分に訓練された／更新された計算モデルとともにこれらの特性を利用して、実施上の考察を通してバッテリの需要を予測することができる。

いくつかの実施形態では、本システムは、本システムによって実行されるバッテリ需要予測の正確度を高めるために機械学習技法を使用することができる。いくつかの例では、本システムは、精度を向上させるために（例えば、訓練の結果を検証し、フィードバックを提供するために）教師あり機械学習技法を使用することができる。例えば、システムオペレータは、システムオペレータが（例えば、サンプリングステーションによって収集された実際のデータに基づいて）適切であると考えるときに考慮すべき因子（またはその重要性）を調整することができる。例えば、式Ａ、Ｂ、およびＤもまた、教師あり学習のプロセスを通して計算および導出することができる。いくつかの実施形態では、本システムは、正確度を向上させるために、（例えば、システムが訓練方法および改善方法を独立して決定することを可能にするために）教師なし機械学習技法を使用することができる。例えば、システムオペレータは、目標（例えば、すべてのバッテリステーションのエネルギー消費を最小にすること、すべてのバッテリ需要を満たすこと等）、または、システムが目標を達成する方法を決定するために、もしくは、目的関数を解くために、目標に関連する目的関数を設定することができる。

本開示の別の態様は、常に（または、リアルタイムまたはほぼリアルタイムに）更新された需要情報を提供することである。例えば、新たなユーザのような新たなイベント／データが、ユーザが既存のバッテリ交換ステーションにおいてバッテリを交換することを可能にするバッテリプランに加入すると、本システムは、このイベントがモデルによる予測需要にどのように影響し得るかを決定することができ、例えば、すなわち、新たなユーザのタイプを決定することができ、対応するバッテリ需要パターンもそれに従って決定することができる。例えば、アンケートまたは調査により、新たなユーザのタイプを判定することができる。例えば、システムは、新たなユーザに自己識別をするように要求するか、または当該ユーザがどのタイプのユーザであるかを選択するように要求することができる。あるいは、システムは、新たなユーザのタイプを決定するために、新たなユーザによって提供される情報（例えば、年齢、性別、住所、通勤経路など）を分析することができる。例えば、新たなユーザは、少なくとも、当該新たなユーザが「高性能」バッテリパッケージ（例えば、高性能バッテリを使用するための、またはバッテリを交換する優先権を有するバッテリ加入プラン）を購入するため、「高需要」タイプとして識別することができる。そのような実施形態では、本システムは、識別されたタイプに基づいてその将来の分析および予測において新たなユーザの影響を考慮に入れることになる。いくつかの実施形態では、同様に、新たなバッテリ交換ステーションが配備されるときに、本システムはまた、その将来の分析および予測におけるその影響も考慮に入れる。いくつかの実施形態では、ユーザタイプは異なる期間において変化する可能性がある（例えば、ユーザは平日中は「通勤」タイプであり、週末は「レーサ」タイプであり得る）。結果として、本システムは、バッテリ需要予測のための更新された、したがって正確な分析結果を提供することができる。

いくつかの実施形態では、本システムは、各バッテリ交換ステーションが「オフライン」で運用されることを可能にする。そのような実施形態では、本システムは、バッテリ交換ステーションがサーバからさらなる（または更新された）命令を受け取らないことを条件として、バッテリ交換ステーションの各々が従うべき、設定されたデフォルト規則およびパターンを提供する。例えば、サーバは、（例えば、１時間間隔で）翌日のバッテリ需要予測を各ステーションに送信することができ、各ステーションは、サーバからそれ以上の命令がないことを条件として、その需要予測をデフォルトの運用規則として使用することができる。例えば、一部のステーションは、ネットワーク接続が時折中断される可能性がある場所にある場合がある。これらの場合、これらのステーションは、それらがオフラインであるとき（例えば、サーバに接続されていないとき）も依然として適切に機能することができる。本システムはまた、これらのステーションが従うべき「エージング命令」に関する規則のセットを設定することもできる。例えば、本システムは、先行する命令が２時間以内に作成されている限り、これらのステーションに、サーバによって送信された先行する命令に従うように命令することができる。２時間の閾値が満たされると、これらのステーションは、これらのステーションに記憶されているデフォルトの需要規則（例えば、上述の次の日の需要予測）またはパターンに戻ることができる。他の実施形態では、規則および時間閾値は、ステーションの場所／タイプなどの様々な因子に応じて変わり得る。

いくつかの実施形態では、本システムは、ユーザ要求（例えば、ユーザがバッテリを予約する）または１つまたは複数のトリガイベントに基づいてバッテリ需要を予測することができる。トリガイベントの実施形態は、例えば、停電、以前の予測においてはシステムによって基準因子として考慮されなかったバッテリ需要の急増、事故、自然災害などを含む。そのような実施形態では、システムは、トリガイベントに応答して予測分析を開始し、分析結果を複数のステーションに送信することができる。例えば、需要を予測するためのモデルを用いた計算中に、システムは、新たに設定された基準因子を、影響を受ける期間（この分析を行った時点からの経験的な情報であり得る）に関連付け、需要予測の精度を向上させるように、重み付け値の訓練／更新を行うことができる。

本開示は、リアルタイム（例えば、ミリ秒から数秒）またはほぼリアルタイム（例えば、数分から数時間）でバッテリ需要予測を提供するように設計されたシステムおよび方法を説明する。様々な実施形態は、以下の技術的改善、すなわち、（１）効率的なリアルタイムまたはほぼリアルタイムのバッテリ需要予測、（２）１つまたは複数のバッテリ交換ステーションに、その中のバッテリを充電および／または維持するように効率的に命令する能力、（３）ステーションの位置、バッテリの位置（例えば、ステーション内に配置されていないものを含む）、環境条件、イベントなどの複数の因子に基づいて、オペレータが望ましいバッテリ充電規則を設定することを可能にする能力、ならびに（４）満足のいくバッテリ体験をエネルギー効率的に提供することによって向上したユーザ体験を提供する能力のうちの１つまたは複数を提供することができる。

いくつかの実施形態では、そこに記載されている充電規則は、開示されているシステムによって収集される履歴データに基づいて特徴付け、決定、定義、予測、および／または「訓練」することができ、更新されたデータ（例えば、新たなバッテリ使用データ、新たなユーザ挙動データなど）に基づいてさらに調整することができる。いくつかの実施形態において、充電規則は、更新されたデータに基づいて毎日／毎週／毎月／季節ごとに更新され得る。

いくつかの実施形態では、開示されているシステムは、新たなまたは更新されたバッテリ充電計画を実行すべきか否かをステーションシステムがローカルに決定できるように、新たなまたは更新されたバッテリ充電計画についてシミュレーションを実行することができる。例えば、システムは、定期的な保守のために第１のバッテリ交換ステーションがオフラインにされた（例えば、１日、数時間、またはサーバによって予測される時間間隔の間オフラインになる）と判定することができる。システムは次に、第１のバッテリ交換ステーションに近い第２のバッテリ交換ステーションに対する更新されたバッテリ充電計画を生成する。例えば、システムは、第１のバッテリ交換ステーションがオフラインになる結果として、第２のバッテリ交換ステーションに対するバッテリ需要の増加がもたらされると判定する。したがって、システムは、更新されたバッテリ管理計画を第２のバッテリ交換ステーションに送信する。更新されたバッテリ充電計画を受信した後、第２のバッテリ交換ステーションは、更新されたバッテリ充電計画についてシミュレーションを実行することができる。シミュレーションは、既存のバッテリ管理計画の実行と実質的に干渉しないバックグラウンドプロセスとして実行される。いくつかの実施形態では、シミュレーションは、更新されたバッテリ充電計画に基づいて、第２のバッテリステーション内に配置されたバッテリに対する充電プロセスをシミュレートすることを含む。いくつかの実施形態では、シミュレーションは、更新されたバッテリ管理計画を実施することが実際の需要を満たすのに十分な数の充電済みバッテリを生成できるか否かをシミュレーションすることを含む。例えば、予測される需要増加に起因して、シミュレートされたバッテリ充電計画は、（既存のバッテリ充電計画である）通常の速度よりも速い充電速度でそのバッテリを充電するように第２のバッテリステーションに要求することができる。ある期間（例えば、１２時間）の後、シミュレーション結果が生成される（例えば、増加した充電速度で充電する結果として、ステーション全体に対して５℃の温度上昇がもたらされる）。シミュレーション結果は実際の需要と比較される。例えば、実際の需要は、バッテリを充電するために通常のレートを使用することが過去１２時間以内で依然として実際の需要を満たしていることを示す（例えば、予約されたバッテリを待つユーザがいなかった）。そのような実施形態では、第２のバッテリステーションは、更新されたバッテリ充電計画を実施しないと決定することができる。

以下の説明では、説明の目的で、本技術の実施形態の完全な理解を提供するために多数の具体的な詳細が述べられている。しかしながら、本技術の実施形態はこれらの具体的な詳細のいくつかがなくても実施され得ることは明らかであろう。

図１は、本技術の実施形態によるシステム１００を示す概略図である。示されるように、システム１００は、１つまたは複数のバッテリ交換ステーション１０１Ａ〜Ｄ、メインサーバ１０３、データベース１０５、およびネットワーク１０７を含む。図示のように、バッテリ交換ステーション１０１Ａ、１０１Ｄは、ネットワーク１０７を介してメインサーバ１０３に無線結合されている。バッテリ交換ステーション１０１Ｂ、１０１Ｃは、有線接続を介してネットワーク１０７を介してメインサーバ１０３に結合されている。メインサーバ１０３は、データベース１０５にさらに結合されており、データベース１０５は、参照情報（例えば、上述のバッテリ需要参照情報）を記憶することができる。

一例としてバッテリ交換ステーション１０１Ａを使用すると、図示の実施形態では、ステーション１０１Ａは、その上に配置されたバッテリ交換ラック１１３およびユーザインターフェース１１５（例えばディスプレイ）を含むことができる。示されるように、バッテリ交換ラック１１３は、バッテリを収容するために８つのバッテリスロット１１７ａ〜ｈを含み得る。動作中、６つのバッテリスロット（例えば、スロット１１７ａ、１１７ｂ、１１７ｄ、１１７ｅ、１１７ｆ、および１１７ｈ）のみがバッテリによって占有され、残りの２つのスロット（例えば、スロット１１７ｃおよび１１７ｇ）は、ユーザが、交換されるべきバッテリ（例えば、低電力バッテリ）を挿入するために確保される。いくつかの実施形態では、バッテリ交換ステーション１０１Ａ〜Ｄは、異なる数のラック、ディスプレイ、および／またはスロットなどの異なる構成を有することができる。いくつかの実施形態では、バッテリ交換ステーション１０１Ａ〜Ｄは、オペレータがバッテリ交換ステーション１０１Ａ〜Ｄを簡便に設置または拡張することを可能にするモジュール式構成要素（例えば、モジュール式ラック、モジュール式ディスプレイなど）を含むことができる。バッテリ交換ステーション１０１Ａ〜Ｄは、１つまたは複数の電源（例えば、電力網、電力線、電力貯蔵装置、発電所／変電所、太陽電池、風力発電機など）に電気的に結合されて、その中に配置されたバッテリを充電し、他の動作を実行する（例えば、メインサーバ１０３と通信する）ために電力を受け取ることができる。

いくつかの実施形態では、ステーション１０１Ａ内のプロセッサは、ユーザがステーション１０１Ａから別のバッテリを取り外す前にユーザにバッテリを挿入するように要求するようにプログラムすることができる。いくつかの実施形態では、ステーション１０１はそのような要求を有しない。いくつかの実施形態では、ステーション１０１Ａは、ユーザが１回の処理で特定の数（例えば２個）のバッテリを取り外しまたは挿入することを可能にする。しかしながら、他の実施形態では、ステーション１０１Ａは、ユーザが１回の処理で他の数（例えば、１個、３個、４個など）のバッテリを取り外しまたは挿入することを可能にすることができる。いくつかの実施形態では、ステーション１０１は、その中に配置されたバッテリを固定するためのロック機構を有することができる。いくつかの実施形態では、ステーション１０１はロック機構なしで実施することができる。

いくつかの実施形態では、メインサーバ１０３は、クライアント要求を受信し、サーバ１０９Ａ〜Ｃなどの他のサーバを通じてそれらの要求の履行を調整するエッジサーバとすることができる。サーバ１０９Ａ〜Ｃはさらにデータベース１１１Ａ〜Ｃに結合されている。メインサーバ１０３およびサーバ１０９Ａ〜Ｃの各々は論理的に単一のサーバとして表示されているが、これらのサーバは各々、同じまたは地理的に離れた物理的場所に配置された複数のコンピューティング装置を含む分散コンピューティング環境であり得る。

いくつかの実施形態では、メインサーバ１０３およびサーバ１０９Ａ〜Ｃは各々、他のサーバ／クライアント装置に対するサーバまたはクライアントとして機能することができる。図示のように、メインサーバ１０３はデータベース１０５に接続する。サーバ１０９Ａ〜Ｃは各々、データベース１１１Ａ〜Ｃのうちの１つに接続することができる。上述のように、メインサーバ１０３およびサーバ１１１Ａ〜Ｃの各々はサーバのグループに対応することができ、これらのサーバの各々はデータベースを共有してもよく、または、独自のデータベースを有してもよい。

データベース１０５、１１１Ａ〜Ｃは、本開示に関連する情報（例えば、複数の装置交換ステーションの各々からのエネルギー貯蔵装置の交換に関する経験的情報、需要を予測するための計算モデル、基準因子のリスト、メインサーバ１０３によって収集された情報、メインサーバ１０３によって分析された情報、メインサーバ１０３によって生成された情報、参照情報、ユーザアカウント情報、ユーザバッテリプラン、ユーザ履歴、ユーザ挙動、ユーザ習慣など）を記憶することができる。いくつかの実施形態では、データベース１１１Ａ〜Ｃのうちの少なくとも１つは、政府機関または民間団体によって維持される公的にアクセス可能なデータベース（例えば、天気予報データベース、旅行警告データベース、交通情報データベース、位置情報サービスデータベース、地図データベースなど）であってもよい（また、その中の特定の基準因子を、互いにまたは特定の期間と関連付けることができる）。いくつかの実施形態では、データベース１１１Ａ〜Ｃのうちの少なくとも１つは、気密情報（例えば、ユーザアカウント、ユーザクレジット履歴、ユーザ加入情報など）を提供するプライベートデータベースであってもよい。いくつかの実施形態では、サーバ１０９Ａ〜Ｃおよび／またはデータベース１１１Ａ〜Ｃはクラウドサービスプロバイダによって運営され、メインサーバ１０３および／またはデータベース１０５は（例えば、ユーザに複数のバッテリ交換プランを提供する）バッテリサービスプロバイダによって運営される。

図示の実施形態では、メインサーバ１０３は、バッテリ交換ステーション１０１Ａ〜Ｄからバッテリ需要に関する情報を収集するようにプログラムされているプロセッサを含む。例えば、収集される情報は、（１）バッテリ交換ステーション１０１Ａ〜Ｄの位置、（２）バッテリ交換ステーション１０１Ａ〜Ｄ内に位置するバッテリの数、（３）バッテリ交換ステーション１０１Ａ〜Ｄ内に配置されていないバッテリの数／位置（例えば、バッテリは現在、車両に設置されているか、またはユーザによって保持もしくは保管されている）、（４）上記バッテリの充電のステータス（例えば、充電状態、ＳＯＣ）、（５）バッテリの使用履歴、（６）バッテリ交換ステーション１０１Ａ〜Ｄの近くのイベント（例えば、上述のトリガイベント）、（７）バッテリ交換ステーション１０１Ａ〜Ｄの近くの環境条件、（８）サンプリングステーションまたはバッテリに関連するユーザの挙動（例えば、バッテリ使用状況、ユーザ運転／乗車履歴、ユーザ挙動、ユーザ習慣など）、および／または（９）他の適切な情報を含むことができる。

上述のように、メインサーバ１０３は、式（Ａ）〜（Ｆ）に関連するプロセス／計算、すなわち需要を予測するための「モデル」を実行するために使用することができる。例えば、メインサーバ１０３は、（１）初期期間に各バッテリ交換ステーション１０１Ａ〜Ｄからエネルギー貯蔵装置の交換に関する経験的情報を受信し、（２）目標期間を決定し、（３）目標期間内の各バッテリ交換ステーション１０１Ａ〜Ｄに対応する複数の基準因子を識別し、（３）識別された基準因子および識別された基準因子に関連付けられる重み値に基づいて、各バッテリ交換ステーション１０１Ａ〜Ｄについて目標期間中の需要情報を決定し、（４）目標期間中の需要情報に従って、各バッテリ交換ステーション１０１Ａ〜Ｄについて複数の充電計画を作成することができる。

そのような情報を収集した後、メインサーバ１０３のプロセッサは、収集された情報を分析して、バッテリ交換ステーション１０１Ａ〜Ｄの特性またはパターンを識別する。例えば、メインサーバ１０３は、分析に基づいて１つまたは複数のバッテリ需要特性／パターンを決定することができる。その後、決定された特性／パターンは、バッテリ交換ステーション１０１Ａ〜Ｄを動作させるための、またはメインサーバ１０３に結合された他のバッテリ交換ステーションを動作させるためのガイダンスとして使用することができる。メインサーバ１０３の動作に関する実施形態は、図２を参照して以下に説明される。

ネットワーク１０７は、ローカルエリアネットワーク（ＬＡＮ）またはワイドエリアネットワーク（ＷＡＮ）とすることができるが、他の有線または無線ネットワークとすることもできる。ネットワーク１０７は、インターネットまたは他の何らかの公衆またはプライベートネットワークとすることができる。バッテリ交換ステーション１０１Ａ〜Ｄは、有線または無線通信などのネットワークインターフェースを介してネットワーク１０７に接続することができる。メインサーバ１０３とサーバ１０９Ａ〜Ｃとの間の接続は別個の接続として示されているが、これらの接続は、ネットワーク１０７を含む任意の種類のローカル、ワイドエリア、有線、もしくは無線ネットワーク、または別個の公衆もしくはプライベートネットワークであってもよい。いくつかの実施形態では、ネットワーク１０７は、私設団体（例えば、会社など）によって使用される安全なネットワークを含む。

図２は、本技術の実施形態によるサーバシステム２００を示す概略図である。サーバシステム２００は、システム２００によって配備または管理され得る複数のバッテリに関連する情報を収集するように構成される。サーバシステム２００はまた、収集された情報を分析し、その分析に基づいて、その中のプロセス（例えば、充電プロセス）を制御するようにクライアントステーション２０に信号または命令を送信するようにも構成される。いくつかの実施形態では、クライアントステーション２０は、上述のバッテリ交換ステーション１０１Ａ〜Ｄとして実装することができる。他の実施形態では、クライアントステーションは他の適切なクライアント装置として実施することができる。

図２に示すように、サーバシステム２００は、プロセッサ２０１と、メモリ２０３と、入出力（Ｉ／Ｏ）装置２０５と、記憶構成要素２０７と、需要分析構成要素２０９と、電源分析構成要素２１１と、ステーション分析構成要素２１３と、バッテリ分析構成要素２１５と、ユーザ挙動分析構成要素２１７と、車両分析構成要素２１９と、通信構成要素２２１とを含む。プロセッサ２０１は、サーバシステム２００内のメモリ２０３および他の構成要素（例えば構成要素２０５〜２２１）と対話するように構成される。いくつかの実施形態では、プロセッサ２０１は、装置内の単一の処理装置もしくは複数の処理装置とすることができ、または複数の装置にわたって分散させることができる。プロセッサ２０１は、例えばＰＣＩ（周辺構成要素相互接続）バスまたはＳＣＳＩ（小型コンピュータシステムインターフェース）バスなどのバスを使用することによって、他のハードウェア装置に結合することができる。プロセッサ２０１は、構成要素２０５〜２２１などの装置のためのハードウェアコントローラと通信することができる。

メモリ２０３は、プロセッサ２０１に結合され、サーバシステム２００内の他の構成要素または他の情報を制御するための命令を記憶するように構成される。いくつかの実施形態では、メモリ２０３は、揮発性および不揮発性記憶のための様々なハードウェア装置のうちの１つまたは複数を含むことができ、読み取り専用および書き込み可能の両方のメモリを含むことができる。例えば、メモリ２０３は、ランダムアクセスメモリ（ＲＡＭ）、プロセッサレジスタ、読み出し専用メモリ（ＲＯＭ）、書き込み可能不揮発性メモリ、フラッシュメモリ、装置バッファなどを含むことができる。メモリ２０３は、基礎となるハードウェアから分離された伝搬信号ではなく、したがって非一時的なものである。メモリ２０３は、オペレーティングシステムなどのプログラムおよびソフトウェアを記憶するプログラムメモリをさらに含むことができる。メモリ２０３はまた、サーバシステム２００に関連する情報を記憶することができるデータメモリを含むことができる。

Ｉ／Ｏ装置２０５は、オペレータと通信する（例えば、オペレータから入力を受け取る、および／またはオペレータに情報を提示する）ように構成される。いくつかの実施形態では、Ｉ／Ｏ装置２０５は１つの構成要素（例えば、タッチスクリーンディスプレイ）とすることができる。いくつかの実施形態において、Ｉ／Ｏ装置２０５は、入力装置（例えば、キーボード、ポインティングデバイス、カードリーダ、スキャナ、カメラなど）および出力装置（例えば、ディスプレイ、ネットワークカード、スピーカ、ビデオカード、オーディオカード、プリンタ、スピーカ、または他の外部装置）を含んでもよい。

記憶構成要素２０７は、一時的または永続的に、サーバシステム２００に関連する情報／データ／ファイル／信号（例えば、収集された情報、参照情報、分析されるべき情報、分析結果など）を記憶するように構成される。いくつかの実施形態では、記憶構成要素２０７は、ハードディスクドライブ、フラッシュメモリ、または他の適切な記憶手段とすることができる。通信構成要素２２１は、他のシステム（例えば、クライアントステーション２０または他のステーション）および他の装置（例えば、ユーザによって担持されるモバイル装置、車両など）と通信するように構成される。

需要分析構成要素２０９は、分析されるべき情報を収集し（例えば、記憶構成要素２０７に）記憶するためにプロセッサによって実行可能な命令のセットとすることができる。収集される情報は、（１）複数のサンプリングステーション（例えば、いくつかの実施形態では、クライアントステーション２０を含むが、他の実施形態では、クライアントステーション２０を含まない）の位置、（２）複数のサンプリングステーション内に配置されているバッテリの数、（３）複数のサンプリングステーション内に配置されていないバッテリの数および位置、（４）バッテリ製造者、製造日／バッチ、バッテリが経験した充電サイクル数、バッテリが経験した動作温度（電池温度、バッテリ回路温度などを含む）、バッテリの充電／放電エネルギー量／速度、バッテリのフル／現在の充電容量（例えば、フル充電容量ＦＣＣ、充電状態ＳＯＣなど）、電池タイプ、バッテリハードウェア／ファームウェアバージョン、バッテリ健康状態ＳＯＨ、バッテリ寿命（例えば、時間単位または充電サイクル数単位）、バッテリ直流内部抵抗ＤＣＩＲ、および／または他の適切なバッテリ情報（例えば、バッテリエラー通知、ステータス、メッセージなど）に関するバッテリ情報、（５）ユーザのバッテリ経験を潜在的に変更する可能性のある活動またはイベント（例えば、ユーザがバッテリを使用／交換する方法）、（６）ユーザのバッテリ経験を変える可能性があり得る環境条件、ならびに／または（７）ユーザバッテリプランユーザ運転／乗車履歴、ユーザ挙動、ユーザ習慣などに関するユーザプロファイル情報のうちの１つまたは複数を含むことができる。収集された情報を受け取った後、需要分析構成要素２０９は収集された情報を分析することができる。上記の各タイプの収集された情報を分析して、（例えば、以下で詳細に記載する図５Ａおよび図５Ｂに示される特性曲線の形で）この特定のタイプの収集された情報についての特性／パターンを識別することができる。これらの識別された特性／パターンは、クライアントステーション２０に対するバッテリ需要予測を（例えば、上述の式Ａ〜Ｆに関連する需要を予測するためのモデルによって）生成するために、需要分析構成要素２０９によって個々にまたは組み合わせて考慮され得る。

いくつかの実施形態では、需要分析構成要素２０９は、収集された情報および基準因子をそれらの相対的な重要性または信頼性に基づいて優先順位付けするための命令を実行することができる。例えば、需要分析構成要素２０９は、クライアントステーション２０のバッテリ需要予測を決定するときに、「ステーションの位置」を一次因子として使用し、他の項目を二次因子として設定することができる。そのような実施形態では、システム２００は、サンプリングステーションの位置に基づいて、クライアントステーション２０の予測される日次バッテリ需要曲線を（例えば、下記に詳述する図５Ａおよび図５Ｂに示されるように）識別することができる。次いで、需要分析構成要素２０９は、識別された日次バッテリ需要曲線を調整するために他の二次因子を考慮するための命令を実行することができる。例えば、需要分析構成要素２０９は、ユーザプロファイル情報に基づいて、クライアントステーション２０の予測ユーザが高需要ユーザであると判定した場合、バッテリ需要予測を増加させることができる。いくつかの実施形態では、例えば、需要分析構成要素２０９は、上述の機械学習プロセスの結果に基づいてバッテリ需要予測を調整することができる。

いくつかの実施形態では、需要分析構成要素２０９は、異なるタイプの収集された情報に異なる重み付けを与えるための命令を実行し、そのタイプは、上述の式Ａ〜Ｆに関連する需要を予測するためのモデルを計算する際に基準因子として扱われる。例えば、需要分析構成要素２０９は、「ステーションの位置」、「ユーザ挙動」、「ステーションの近くのイベント」、および「環境条件」の重みを５０％、２０％、１５％および１５％に設定することができる。そのような実施形態では、各タイプの収集された情報の識別された特性／パターンは、その後、前述の重み付けに基づいて組み合わせることができる。いくつかの実施形態では、需要分析構成要素２０９は、経験的研究、機械学習プロセスの結果、および／またはシステムオペレータの嗜好に基づいて、いずれのタイプの収集された情報を予測および対応する重み付けに含めるかを決定する命令を実行できる。

いくつかの実施形態では、需要分析構成要素２０９は、収集された情報の信頼性に基づいて各タイプの収集された情報の優先順位または重み付けを決定するための一連の実行可能命令である。例えば、測定され、バッテリに接続されたメモリから収集された情報に対して、システム２００はそのような情報が直接的／内部的であり、したがって、環境条件（例えば、天気予報、イベント通知など）のような間接的／外部的情報より信頼できると考えるため、需要分析構成要素２０９は、これにより高い重み付けまたは優先順位を与えるようにプログラムされる。バッテリに接続されたメモリに記憶された情報の実施形態は、例えば、（１）バッテリ製造情報、（２）バッテリ基本特性、および（３）バッテリ使用状況を含む。

バッテリ製造情報の例は、バッテリ製造者の識別情報（例えば、異なる製造者によって製造されたバッテリは、それらのバッテリ仕様は同じであり得るが異なる特性を有する場合がある）、製造日（例えば、異なる日に作成されたバッテリの特性は異なる場合がある）、製造バッチ（例えば、異なるバッチで製造されたバッテリは依然として異なる特性を有し得る）、バッテリハードウェア／ファームウェアバージョン、および／または製造シリアル番号（例えば、個々のバッテリは異なる特性を有し得る）を含むことができる。

バッテリ基本特性の例は、バッテリ容量（例えば、フル充電容量ＦＣＣ）、バッテリ放電容量（例えば、ある条件下でバッテリがどれだけの電力を供給することができるか）、電池タイプ、バッテリ直流内部抵抗（ＤＣＩＲ）、および／または推奨バッテリ動作温度（例えば、電池温度およびバッテリ回路温度を含む、５から３５℃などの温度範囲）を含む。バッテリ基本特性の他の例は、推奨バッテリ充電温度（例えば、２５〜４０℃などの温度範囲）、推奨バッテリ充電電流（例えば、一定または調整された電流）、推奨バッテリ充電電圧（例えば、一定または調整された電圧）、推奨バッテリ充電サイクル（例えば、１週間に少なくとも１回のフル充電）、推奨バッテリ充電速度（例えば、５分でバッテリの充電状態ＳＯＣを１０％増加させる）、推奨フル充電ポイント（例えば、そのＦＣＣの９８％）、および／または推奨バッテリ充電時間（例えば、５時間を超えて連続的に充電しないこと）を含むことができる。

バッテリ使用状況の例は、実際のバッテリ充電温度履歴（例えば、バッテリは、昨日は３０℃で充電され、今日さきほど２５分にわたって３５℃で充電された）、実際のバッテリ充電電流（例えば、１〜２００アンペア）、実際のバッテリ充電電圧（例えば、１〜２２０ボルト）、実際のバッテリ充電サイクル（例えば、バッテリは５０回のフル充電サイクルおよび１２５回の部分サイクルを経ている）、実際のバッテリ充電速度または充電レート（例えば、２０アンペア毎時）、実際のバッテリ充電時間（例えば、バッテリは昨日５６分間充電された）、実際のバッテリ動作温度（例えば、バッテリは昨日２時間にわたって３５℃で動作していた）、および実際のバッテリ放電時間（例えば、バッテリは昨日６６分にわたってフル電流容量で放電された）を含む。

いくつかの実施形態では、需要分析構成要素２０９は、システム２００内の他の構成要素（例えば構成要素２１１〜２１９）と通信し、それと協働して、クライアントステーション２０のバッテリ需要予測を生成することができる。しかしながら、いくつかの実施形態では、システム２００は構成要素２１１〜２１９なしで動作することができる。

電源分析構成要素２１１は、その中のバッテリを充電するためにクライアントステーション２０に電力を供給するために使用される１つまたは複数の電源のステータス（例えば、信頼性、安定性、継続性など）を分析するための多数の実行可能命令であり得る。例えば、電源分析構成要素２１１は、クライアントステーション２０に電力を供給するために使用される電源が、特定の日付の午前１時から午前３時の間に中断されることを決定することができ、その後、電源分析構成要素２１１はそれに従って、バッテリ需要予測に基づいてクライアントステーション２０への充電命令を調整することができる。例えば、当初のバッテリ需要予測は、特定の日付の午前２時の間にクライアントステーション２０が５個のフル充電バッテリを必要とすることを示し得る。決定された、可能性のある電力供給中断に起因して、電源分析構成要素２１１は、特定の日付の午前１時前に必要なバッテリを充電するようにクライアントステーション２０に命令することができる。

いくつかの実施形態では、電源分析構成要素２１１は、異なる期間における充電のためのコストを考慮するための命令を実行することができる。例えば、電源分析構成要素２１１は、電源からの充電コストがオフピーク時間の間に低減されると判定することができる。電源分析構成要素２１１は、需要分析構成要素２０９からのバッテリ需要予測に基づいて、オフピーク時間中にクライアントステーション２０がそのバッテリを充電することが可能であるか否かを判定することができる。そうである場合、電源分析構成要素２１１は、充電コストを削減するために、これらのオフピーク時間の間にバッテリを充電するようにクライアントステーション２０に命令することができる。

ステーション分析構成要素２１３は、需要分析構成要素２０９がその分析の基礎としてそのような情報を使用することができるように、複数のサンプリングステーションを様々なタイプに分類し、各タイプの代表的な特性／パターンを識別するための一連の実行可能命令であり得る。例えば、ステーション分析構成要素２１３は、収集された情報を分析し、バッテリの需要に基づいて複数のサンプリングステーションを様々なタイプに分割することができる。例えば、ステーションは、「常時高需要（ｈｉｇｈ−ｄｅｍａｎｄ−ａｌｌ−ｔｉｍｅ）」、「ピーク時間に高需要（ｈｉｇｈ−ｄｅｍａｎｄ−ｐｅａｋ−ｈｏｕｒｓ）」、「休日に高需要（ｈｉｇｈ−ｄｅｍａｎｄ−ｈｏｌｉｄａｙｓ）」、「週末に高需要（ｈｉｇｈ−ｄｅｍａｎｄ−ｗｅｅｋｅｎｄｓ）」、「イベント時に高需要（ｈｉｇｈ−ｄｅｍａｎｄ−ｅｖｅｎｔｓ）」、および「常時低需要（ｌｏｗ−ｄｅｍａｎｄ−ａｌｌ−ｔｉｍｅ）」として分類することができる。いくつかの実施形態では、「常時高需要」タイプは、ステーションが交通量の多い道路に位置することを示すことができる。「ピーク時に高需要」タイプは、ピーク時間帯に通勤ユーザが頻繁にそのステーションを訪れることを推測することができる。「休日に高需要」タイプまたは「週末に高需要」タイプは、そのようなステーションが観光名所または観光地にあることを示すことができる。「イベント時に高需要」タイプは、ステーションがイベント開催施設またはスタジアムにあることを意味し得る。「常時低需要」は、ステーションが２つの主要都市間の中継ステーションとして構築された戦略的ステーションであることを示し得る。これらのタイプに基づいて、需要分析構成要素２０９およびステーション分析構成要素２１３は、特に収集された情報が、需要分析構成要素２０９が通常の分析を実行するのに不十分である場合に、クライアントステーションに対する適切なバッテリ需要予測を迅速に決定し得る。

ステーション分析構成要素２１３と同様に、バッテリ分析構成要素２１５、ユーザ挙動分析構成要素２１７、および車両分析構成要素２１９は、バッテリ、ユーザ挙動、およびバッテリによって駆動される自動車をそれぞれ様々なタイプに分類し、各タイプの代表的な特性／パターンを識別するようにプログラムされた命令である。例えば、バッテリ分析構成要素２１５は、製造者、使用年数、当初のフル充電容量（ＦＣＣ）、現在のＦＣＣ、充電サイクル、経験した作業温度、充電／放電のルール／プロファイル（例えば、安定したまたはピークがある）などに基づいてバッテリを分類することができる。そのようなタイプまたはカテゴリは、システム２００が、いずれのタイプのバッテリがクライアントステーション２０に配置されているかを知っていることを条件として（例えば、そのような情報は、クライアントステーション２０によってサーバ２００に提供され得る）、需要分析構成要素２０９が、クライアントステーション２０に対するそのバッテリ需要予測（および対応する充電命令）を微調整することを容易にすることができる。

同様に、ユーザ挙動分析構成要素２１７は、バッテリを交換および／または使用する方法に基づいてユーザ挙動を分類するための一連の実行可能命令とすることができる。例えば、ユーザはバッテリ性能を非常に必要としている可能性がある（例えばプロのレーサ）。別の例として、別のユーザは、毎日の用事（例えば、子供を迎える、または日用品購入）のために、その車両に電力を供給するためにバッテリを使用するだけでよい場合がある。そのような実施形態では、開示されているシステムは、それに応じて、ユーザの日次または週次バッテリ交換ルーチン、バッテリ交換の頻度などを予測することができる。ユーザがクライアントステーション２０においてバッテリを予約すると、クライアントステーション２０はその予約に関連する情報をサーバシステム２００に提供する。次いで、サーバシステム２００は、予約をしたユーザのタイプ／カテゴリを決定し、それに応じてクライアントステーション２０に関するバッテリ需要予測（および対応する充電命令）を調整することができる。いくつかの実施形態では、そのような調整はクライアントステーション２０によって行うことができる。

車両分析構成要素２１９は、ユーザが運転することを計画している車両のタイプを分類するための一連の実行可能命令であり得る。各タイプの車両について、車両分析構成要素２１９は、いずれのタイプのバッテリが各タイプの車両に対して最もよく機能するかを決定することができる。例えば、車両分析構成要素２１９は、特定の充電プロセスの後、電気スクータが特定のタイプのバッテリによって最もよく機能することを決定することができる。そのような実施形態では、サーバシステム２００が関連する車両情報を受信した場合、車両分析構成要素２１９は、需要分析構成要素２０９と協働してバッテリ需要予測（および対応する充電命令）を調整することができる。いくつかの実施形態では、そのような情報はユーザプロファイルまたはアカウント情報に見出すことができる。他の実施形態では、そのような車両情報は、クライアントステーション２０によってサーバシステム２００に提供することができる。

いくつかの実施形態では、サーバシステム２００は、リアルタイムまたはほぼリアルタイムでバッテリ需要予測をクライアントステーション２０に提供することができる。そのような実施形態では、サーバシステム２００はクライアントステーション２０のステータスを監視する。クライアントステーション２０の充電プロセスに影響を与える可能性がある変化（例えば、ユーザがちょうど２つのフル充電されたバッテリを取り外し、クライアントステーション２０に２つの空のバッテリを残した）または潜在的な変化（例えば、ユーザがクライアントステーション２０においてバッテリを交換する予約をする）があると、サーバシステム２００は、上述した分析を実行し、クライアントステーション２０が追跡するための更新されたバッテリ需要予測を生成することができる。いくつかの実施形態では、変化または潜在的な変化は、モバイル装置（例えば、ユーザがバッテリ予約をするためにその上にインストールされたアプリを使用する）、別のサーバ（例えば、ユーザによって使用されるアプリと関連するウェブサービスサーバ）、および／またはクライアントステーション２０からサーバシステム２００に送信され得る。

いくつかの実施形態では、クライアントステーション２０は新たなクライアントステーション（例えば、サンプリングステーションに含まれない）であり得る。そのような実施形態では、サーバシステム２００は、（例えば、参照情報として）以前に収集された情報および／またはサーバシステム２００によって実行された以前の分析に基づいてバッテリ需要予測を生成することができる。例えば、サーバシステム２００は、クライアントステーション２０が特定のタイプのステーション（例えば、「交通量が多い」タイプ、「中間交通量」タイプ、「交通量が少ない」タイプ、「都市通勤」タイプ、「観光名所」タイプ、「イベント駆動」タイプなど）であり得ると判定し、その後、判定されたタイプに基づいてバッテリ需要予測を生成することができる。

いくつかの実施形態では、サーバシステム２００は複数のクライアントステーションを同時に管理することができる。そのような実施形態では、サーバシステム２００はこれらのクライアントステーションを監視し、そこから情報を収集し、各クライアントステーションについてのバッテリ需要予測を生成することができる。

図３は、開示されている技術の実施形態による、ステーションまたはステーションシステム３００および車両または車両システム３０を示す概略図である。示されるように、ステーションシステム３００は、プロセッサ３０１、メモリ３０３、ユーザインターフェース３０５、通信構成要素３０７、バッテリ管理構成要素３０９、１つまたは複数のセンサ３１１、記憶構成要素３１３、および８つのバッテリスロット３１７ａ〜ｈに結合されている充電構成要素３１５を含む。プロセッサ３０１は、ステーションシステム３００内のメモリ３０３および他の構成要素（例えば構成要素３０５〜３１７）と対話するように構成される。メモリ３０３は、プロセッサ３０１に結合され、ステーションシステム３００内の他の構成要素または他の情報を制御するための命令を記憶するように構成される。

ユーザインターフェース３０５は、ユーザと対話するように（例えば、ユーザ入力を受信し、ユーザに情報を提示するように）構成される。いくつかの実施形態では、ユーザインターフェース３０５はタッチスクリーンディスプレイとして実装することができる。他の実施形態では、ユーザインターフェース３０５は他の適切なユーザインターフェース装置を含むことができる。記憶構成要素３１３は、ステーションシステム３００に関連する情報、データ、ファイル、または信号（例えば、センサ３１３によって測定された情報、バッテリ３１７ａ〜ｈによって収集された情報、参照情報、充電命令、ユーザ情報など）を一時的または永続的に記憶するように構成される。通信構成要素３０７は、他のシステム（例えば、車両システム３０、サーバ３３、および／または他のステーションステーション）および他の装置（例えば、ユーザによって担持されるモバイル装置３１）と通信するように構成される。

バッテリ管理構成要素３０９は、バッテリスロット３１７ａ〜ｈ内に配置されたバッテリを管理および制御するための一連の実行可能命令とすることができる。いくつかの実施形態では、バッテリ管理構成要素３０９は、（いくつかの実施形態では、サーバシステム２００と同様に機能することができる）サーバ３３からの命令に基づいてバッテリを管理することができる。いくつかの実施形態において、バッテリ管理構成要素３０９は、ステーションシステム３００（例えば、記憶構成要素３１３）に記憶された所定の命令またはガイダンスに基づいてバッテリを管理することができる。いくつかの実施形態では、バッテリ管理構成要素３０９は、更新命令を要求するためにサーバ３３と定期的に通信することができる。

いくつかの実施形態では、バッテリ管理構成要素３０９はまた、バッテリスロット３１７ａ〜ｈに配置された１つまたは複数のバッテリに関する情報、ステーションシステム３００に関する情報、１つまたは複数の電源３５に関する情報、ユーザに関する情報（例えば、通信構成要素３０７を介してモバイル装置３１から受信される）、および／または車両システム３０に関する情報を収集する命令を実行することもできる。バッテリ管理構成要素３０９は、さらなる分析またはプロセスのために収集した情報をサーバ３３に送信またはアップロードすることができる。

センサ３１１は、ステーションシステム３００に関連する情報（例えば、動作温度、環境条件、電力接続、ネットワーク接続など）を測定するように構成される。センサ３１１はまた、バッテリスロット３１７ａ〜ｈ内に配置されたバッテリを監視するように構成することもできる。測定された情報は、さらなる分析のためにバッテリ管理構成要素３０９およびサーバ３３に送信することができる。

充電構成要素３１５は、バッテリスロット３１７ａ〜ｈ内に配置されたバッテリの各々に対する充電プロセスを制御するように構成される。いくつかの実施形態では、ステーションシステム３００は他の数のバッテリスロットを含むことができる。バッテリスロット３１７ａ〜ｈは、その中に配置および／またはロックされたバッテリを収容し充電するように構成されている。充電構成要素３１５は、電源３５から電力を受け取り、次いで、その電力を使用して、サーバ３３から受信されるまたは記憶構成要素に記憶されている所定の充電計画（例えば、バッテリの様々な充電段階中の充電温度の制御を含む、バッテリの寿命を最大化するなどの目的を達成するためにバッテリをいつおよびどのように充電するかを示す命令のセット）に基づいて、バッテリスロット３１７ａ〜ｈに配置されたバッテリを充電する。いくつかの実施形態では、充電計画は、サーバ３３によって生成されたバッテリ需要予測に基づいて決定することができる。

図３に示すように、車両３０は、電気スクータ、電気自動車などとして実施することができる。車両３０は、プロセッサ３１９、メモリ３２１、バッテリ３２３、モータ３２５、入力装置３２７、ダッシュボードディスプレイ３２９、記憶装置、１つまたは複数のセンサ３３３、および通信構成要素３３５を含む。プロセッサ３１９は、メモリ３２１および車両システム３０内の他の構成要素（例えば構成要素３２３〜３３５）と対話するように構成される。メモリ３２１は、プロセッサ３１９に結合され、車両システム３０内の他の構成要素または他の情報を制御するための命令を記憶するように構成される。記憶装置３３１は、記憶構成要素３１３または２０７と同様の機能を有することができる。通信構成要素３３５は、通信構成要素３０７または記憶構成要素３１３もしくは２２１と同様の機能を有することができる。ダッシュボードディスプレイ３２９は、情報（例えば、車両システム３０に関連する情報）をユーザに視覚的に提示するように構成される。

バッテリ３２３は、モータ３２５が車両システム３０を動かすことができるようにモータ３２５に電力を供給するように構成される。バッテリ３２３は交換可能なバッテリとすることができる。バッテリ３２３が電力不足になると、車両システム３０のユーザはステーションシステム３００においてバッテリ３２３を交換または取り替えることができる。例えば、ユーザは、バッテリ３２３を車両システム３０から取り外し、次いでバッテリ３２３をバッテリスロット３１７ａ〜ｈのうちの１つ（例えば、バッテリが内部に配置されていない空のもの）に配置することができる。その後、ユーザは、フル充電のバッテリをバッテリスロット３１７ａ〜ｈに入れてから、それを車両システム３０に取り付けることができる。

いくつかの実施形態では、ユーザがバッテリ３２３をバッテリスロット３１７ａ〜ｈのうちの１つに配置すると、ステーションシステム３００はそのバッテリの存在を検出し、そこから情報を引き出すことができる。例えば、バッテリ管理構成要素３０９は、バッテリ３２３の内部にある、またはバッテリ３２３に結合されているバッテリメモリ３３７から、そのバッテリに関連する情報（例えば、バッテリ使用履歴、バッテリ識別情報、充電サイクル、フル充電容量、バッテリ３２３が関連付けられている車両の車両情報、バッテリ３２３が関与していたユーザ活動など）を引き出すことができる。いくつかの実施形態では、バッテリメモリ３３７内の情報は、通信構成要素３３５を介してまたはモバイル装置３１を介してサーバ３３に送信することができる。

図４は、本技術の実施形態によるクラウドシステム４００を示す概略図である。クラウドシステム４００は、サーバ４０１、クラウドサーバ４０３、および複数のステーション４０５（４０５Ａ１〜Ａ３および４０５Ｂ１〜Ｂ２として注記されている）を含むことができる。サーバ４０１は、複数のステーション４０５から情報を収集し、収集した情報を分析し、電力需要予測（例えば、バッテリ需要予測）を生成するように構成される。サーバ４０１は、サーバシステム２００と同様の機能を有することができる。クラウドサーバ４０３は、サーバ４０１と複数のステーション４０５との間の通信を容易にするように構成される。

図４に示すように、複数のステーション４０５は、グループＡ（ステーション４０５Ａ１〜Ａ３を含む）およびグループＢ（ステーション４０５Ｂ１〜Ｂ２を含む）に分割することができる。例えば、グループＡ内のステーションはエリアＡ内に配置されたステーションとすることができ、グループＢ内のステーションはエリアＢ内に配置されたステーションとすることができる。クラウドシステム４００は、オペレータが集中化された効率的な様式で複数のステーション４０５を管理することを可能にする。例えば、サーバ４０１はネットワーク接続を介して直接（例えば矢印Ｃ１によって示されるように）ステーション４０５Ａ３と通信することができる。いくつかの実施形態では、ステーション４０５はデータ／通信中継装置として機能することができる。例えば、図４に示すように、サーバ４０１は、（例えば、矢印Ｃ１およびＣ２によって示すように）ステーション４０５Ａ１を介してステーション４０５Ａ２と通信することができる。いくつかの実施形態では、サーバ４０１は、（例えば、矢印Ｃ３によって示されるように）クラウドサーバ４０３を介してステーション４０５と通信することができる。例えば、サーバ４０１は、（例えば矢印Ｃ３およびＣ４によって示されるように）クラウドサーバ４０３を介してステーション４０５Ａ３と通信し、（例えば矢印Ｃ３およびＣ５によって示されるように）クラウドサーバ４０３を介してステーション４０５Ｂ１と通信することができる。いくつかの実施形態において、サーバ４０１は、（矢印Ｃ３、Ｃ５、およびＣ６によって示されるように）クラウドサーバ４０３およびステーション４０５Ｂ１の両方を介してステーション４０５Ｂ２と通信することができる。この柔軟な通信構成によって、サーバ４０１は、リアルタイムまたはほぼリアルタイムで各ステーション４０５と効率的に通信することができ、それによって、起こり得るネットワーク中断による不都合または遅延の原因を排除または少なくとも低減する。

図５Ａは、開示されている技術の実施形態による複数のステーションシステムの特性を示す概略図である。図５Ａでは、３つの二次元特性曲線５０１Ａ、５０１Ｂおよび５０１Ｃが示されている。しかしながら、他の実施形態では、特性曲線は、そのような特性曲線を生成するときに考慮されるべき因子の数に応じて、三次元または多次元であり得る。

特性曲線５０１Ａ〜Ｃは、複数のサンプリングステーションに関連する情報（例えば、上述の収集された情報）に基づいて（例えば、サーバシステム２００などのサーバによって）生成されるステーションＡ〜Ｃのバッテリ需要予測（または電力消費予測）を表す。いくつかの実施形態では、これらの特性曲線５０１Ａ〜Ｃを実際の測定値と比較して、これらの曲線の正確度を検証および／または向上させることができる（例えば、特性曲線５０１ＡをステーションＡにおいて行われる実際の測定によって生成される曲線と比較する）。そのような実施形態では、比較の結果を使用して特性曲線５０１Ａ〜Ｃをさらに調整することができる。いくつかの実施形態では、本技術は、この手法を使用して、様々な因子、因子に対する重み付け、アルゴリズムなどに基づいてその分析を微調整することができる。

図５Ａに示すように、特性曲線５０１Ａは、ステーションＡが「ピーク時に高需要」タイプのステーションであることを示すことができるピーク部分５０３を有する。特性曲線５０１Ｂは滑らかな曲線を有し、これはステーションＢがある期間（例えば、朝）に相対的に高いバッテリ需要を有し、したがって「通勤」タイプのステーションであり得ることを示すことができる。ステーションＣに関しては、特性曲線５０１Ｃは一日の中ほどにプラトー部分５０５を有する。プラトー部分５０５は、ステーションＣに近い有名なレストランへの交通によって引き起こされ得る、正午に相対的に高いバッテリ需要をステーションＣが有することを示し得る。いくつかの実施形態では、本技術は、バッテリ交換ステーションのバッテリ需要予測を決定するための参照情報として使用することができる、複数のタイプの特性曲線またはパターンを提供し得る。

図５Ｂは、開示されている技術の実施形態によるステーションシステムの複数の時間枠の間の特性を説明する概略図である。図５Ｂでは、ステーションＸについての３つの特性曲線５０７Ａ〜Ｃが示されている。特性曲線５０７Ａ〜Ｃは、複数のサンプリングステーションに関連する情報に基づいて生成された異なる時間枠（例えば、１日、１週間、および１年）におけるステーションＸのバッテリ需要予測を表す。

示されるように、特性曲線５０７Ａは２つのピーク部分５０８および５０９を有する。ピーク部分５０８および５０９は、ステーションＸに近い通勤交通を示すことができる。特性曲線５０７Ｂは、平日の間のプラトー部分５１１を有し、これは、ステーションＸが週末ではなく平日に通勤者によって集中的に使用される道路に近いことを示し得る。特性曲線５０７Ｃもまた、それぞれ２月および７月に２つのピーク部分５１３と５１４を有する。これら２つのピーク部分５１３および５１４は、（例えば、２月および７月に）ステーションＸに近いスタジアムで開催されているイベントによって引き起こされるバッテリ需要を示すことができる。

いくつかの実施形態において、本技術は、異なる時間枠において異なる因子を選択することによって他のタイプの特性またはパターンを提供することができる。例えば、上述の式Ａ〜Ｆに関連するモデルを使用するとき、図５Ａおよび図５Ｂに示される特性曲線５０１Ａ〜Ｃ、５０７Ａ〜Ｃは、複数の時間間隔に分割され得、次いで（例えば、需要情報として）さらなる計算のために各時間間隔におけるバッテリ需要を特定し得る。この構成により、本技術は、オペレータが（このステーションが新たなものであれ既存のものであれ）特定のバッテリ交換ステーションに対するバッテリ需要を効率的に予測することを可能にする。本技術は、複数のバッテリ交換ステーションを効率的に維持するための柔軟性を提供する。本技術はエネルギー効率を高めることができ、したがってバッテリを充電するための全体的な費用を削減することができる。

図６は、開示されている技術の実施形態による方法６００を示すフローチャートである。方法６００は、バッテリ交換ステーションに対する交換可能バッテリの需要を予測するように構成される。方法６００は、サーバ（例えば、サーバシステム２００）によって実施することができる。いくつかの実施形態では、方法６００はバッテリ交換ステーション（例えばステーションシステム３００）によって実施することができる。方法６００は、ブロック６０１において、複数のエネルギー貯蔵装置から情報を受信することによって開始する。いくつかの実施形態では、これらのエネルギー貯蔵装置は、複数のサンプリングステーション、車両内に配置することができ、または他の様態でユーザによって保持／保管され得る。

ブロック６０３において、方法６００は、所定の参照情報に基づいて受信情報を分析することによって継続する。所定の参照情報は、複数のカテゴリのステーションの特性のセットを含む。ブロック６０５において、方法６００は、次に、複数のステーションについての目標期間中の予測されるエネルギー貯蔵交換の回数を決定する。示されるように、サーバは、多くのバッテリ交換ステーションへの通信接続を確立し、受信した情報に基づいて、ステーションにおいて交換されるバッテリの予測需要を予測するようにプログラムされている。受信情報は、各ステーションの位置、予測される天気、電力供給変動についての前述の情報、または以前交換されたバッテリから取り出される利用可能性情報（充電ステーション製造日など）、以前にそのステーションによってサービスを受けたユーザに関する情報、今後の予約に関する情報、天気予報、特別なイベントなどを含み得る。サーバは、選択された期間の実際の需要を、受信情報から近密に予測することができる１つまたは複数の基準因子を識別するようにプログラムされている。一実施形態では、サーバは機械学習アルゴリズムを利用して、実際の需要を近密に近似することができる１つまたは複数の基準因子についての重み値（ゼロをとりうる）を識別する。識別された重み値および基準因子は、その後、新たな期間のバッテリ需要を予測するために使用され、バッテリ需要に基づいて生成された充電計画が各ステーションに送信される。

ブロック６０７において、方法６００は次に、目標期間の前に複数のステーションの各々に供給することができる利用可能な電力を決定する。次に、ブロック６０９において、複数のステーションの各々に対する充電計画が形成される。ブロック６１１において、方法６００は、充電計画に従って、複数のステーションの各々に、その中に配置された交換可能エネルギー貯蔵装置を充電するように命令することを含む。方法６００はその後戻り、さらなる命令を待つ。

いくつかの実施形態では、開示されている技術によって生成されたバッテリ需要予測は、（例えば、Ｋ平均クラスタ化アルゴリズムによって）複数のサンプリングステーション（または複数のサンプリングステーションの時間間隔）を異なるクラスタに分割するために使用できる。このクラスタ化プロセスは、サンプリングステーション群について代表的なステーション（例えば、仮想／計算されたステーション）を識別するように設計されている。クラスタ化プロセスは、需要予測についての計算（例えば、システムは１つのクラスタについて１タイプの予測を計算するだけでよい）を単純化／促進するのに役立ち得る。そのような実施形態では、クラスタ化プロセスが完了すると、将来の需要予測のために、開示されているシステムは各クラスタについて需要予測を計算するだけでよい。

いくつかの実施形態では、クラスタは、「ステーション」と「時間間隔」の両方によって特徴付けることができる。例えば、クラスタＡ、Ｂ、およびＣは種々のレベルの需要を表し、例えば、クラスタＡのステーションは最も需要が低く、クラスタＢのステーションは需要が最も高く、クラスタＣのステーションはクラスタＡとＢとの間の需要レベルを有する。すべてのステーションのすべての時間間隔へのクラスタ化プロセスの後、クラスタＡは午前１時から午前４時の間のステーションＸに対するバッテリ需要を表すことができ、クラスタＢは午後５時から午後６時の間のステーションＹに対するバッテリ需要を表すことができ、クラスタＣは、午前２時から午前４時の間のステーションＺに対するバッテリ需要を表すことができる。いくつかの実施形態において、クラスタは、一週間の複数の期間として特徴付けることができる。例えば、クラスタＡは午前１時から午前４時の間のステーションＸを表すだけでなく、午前４時から午前６時の間のステーションＹおよび午前１２時から午前３時の間のステーションＺも表す（すなわち、ステーションＸ、ＹおよびＺのこれらの時間間隔には同様のレベルの需要があるため、クラスタ化プロセス中にステーションのこれらの時間間隔がクラスタＡに割り当てられている）。いくつかの実施形態では、クラスタ化プロセスは特定の条件（例えば、制御因子）下で行われ得る。例えば、週の平日に６つのクラスタがあり得（例えば、クラスタＷＤ１〜６）、週末に３つのクラスタがあり得る（例えば、クラスタＷＥ１〜３）。

いくつかの実施形態では、クラスタは、「晴れ」または「雨」などの環境条件に基づいてさらに分割することができる。例えば、「晴れ」条件には３つのクラスタ（クラスタＳ１〜３）があり、「雨」条件には３つのクラスタ（クラスタＲ１〜３）があり得る。いくつかの実施形態では、クラスタは２つ以上の因子に基づいて決定することができる。例えば、クラスタは、「平日／週末」因子と「晴れ／雨」因子の両方によって特徴付けることができる。上記の例を使用すると、これら２つの因子を考慮した後、２７個のクラスタがあり得る（例えば、９×３）。開示されているシステムは、より多くのクラスタを得るために位置、ユーザタイプなどの他の因子をさらに考慮することができる。

いくつかの実施形態では、いくつかのクラスタは、特定のステーション特性（例えば、ステーションの位置）に密接に関連しているとして識別またはラベル付けすることができる。いくつかの実施形態では、ステーションは特定の特性に基づいて識別またはラベル付けされ得る。例えば、システムは、制御因子として「平日／週末」を選択し、次に、「午前９時から午後１２時までのステーションＸ」がクラスタＷＤ３、ＷＤ２、ＷＤ４およびＷＤ５におけるものと同様の任意の需要特性を有するか否かを識別することができる。例えば、いくつかのクラスタは、「都市タイプ」、「田舎タイプ」、「アトラクションタイプ」、「ダウンタウンタイプ」などとして識別することができる。ただし、一部のクラスタは複数の因子に関連し得、それゆえ、特定の因子に関連していると容易に識別することができない。いくつかの実施形態では、本明細書で言及される特性は、システム嗜好または履歴データからの統計的／機械訓練結果に基づいて決定される。

いくつかの実施形態において、クラスタ化プロセスは、同じデータからの様々な因子に基づいて行われ得る。（例えば、特定の特性を識別するための）識別／ラベル付けプロセスは、（考慮される因子に対応する重み付けの有無にかかわらず）すべてのクラスタ化結果を考慮することによって行うことができる。例えば、「都市タイプ」のクラスタは、（１）「平日」カテゴリの需要分布Ｄ₁と、（２）「晴れ」カテゴリの需要分布Ｄ₂とを有し得る。別の例として、「田舎タイプ」クラスタは、「平日」カテゴリの需要分布Ｄ₃を有するが、「雨」カテゴリのＤ₂分布を有し得る。

クラスタ化プロセスが完了すると、システムは、対応するクラスタに基づいてバッテリ需要予測をバッテリステーションの様々な期間に割り当てることができる。例えば、ステーションＸの水曜日の午前１時から午前４時までの期間は、クラスタＷＤ２に属すると判定される。クラスタＷＤ２のバッテリ需要予測に基づいて、この期間中に２０回のバッテリ交換がある。したがって、システムは、毎水曜日の午前１時から午前４時の間にステーションＸにおいて２０回の予測されるバッテリ交換があることを決定することができる。図示の実施形態では、最小分析時間間隔は「時間（ｈｏｕｒ）」単位である。他の実施形態では、最小分析時間間隔は他の期間であってもよい。

いくつかの実施形態において、開示されているシステムが（例えば、各クラスタについて）需要予測を生成すると、開示されているシステムは、１つまたは複数の因子を選択し、その後、（例えば、予測結果を「監視」するために）選択された因子を使用して需要予測をより少ない計算時間およびリソースで生成することによって、需要予測プロセスをさらに単純化することができる。

例えば、システムオペレータは需要予測プロセスを単純化するために３つの因子を選択することができる。これら３つの因子は、（１）天気（例えば、ユーザは寒い天候条件においてはバッテリ交換ステーションに行くことに消極的である可能性がある）、（２）法定または地方の休日（例えば、「通勤」タイプのユーザの場合、ユーザは休日では交換するバッテリが通常の営業日よりも少ない場合がある）、および（３）特別なイベント（例えば、バッテリステーションの近くで開催されるコンサート、バッテリ交換サービスプロバイダによって開催されるバッテリ交換キャンペーン、事故など）である。

これらの３つの因子を考慮して、開示されているシステムはその後、各クラスタについて予測バッテリ需要曲線またはパターンを生成することができる。いくつかの実施形態では、開示されているシステムは、バッテリステーションの位置に基づいて、１つのクラスタ内のバッテリステーションに対する予測需要曲線またはパターンをさらに調整することができる。３つの選択された因子に基づいて、開示されているシステムは、特定のタイプのバッテリステーションがこれらの選択された因子の影響を受けるか否かを判定する。例えば、「都市通勤」タイプのステーション（例えば、ピーク通勤時間中に需要が高いもの）については、開示されているシステムは、（１）少なくとも通勤者は寒い天候条件でも仕事に行く必要があるため、天候因子がバッテリ需要に強く影響しない場合があり、（２）少なくとも通勤者は休日の間は仕事に行かないため、休日因子は、バッテリの需要に強く影響し、（３）少なくとも通勤者はそのようなタイプのステーションの近くで開催されるイベントに関わりなく仕事に行くため、イベント因子はバッテリの需要に強く影響を与えない場合があると判定することができる。したがって、開示されているシステムは、主に休日因子に基づいて、「都市通勤」タイプのステーションの需要予測を生成することができる。新たなステーションがシステムに追加され、「都市通勤」タイプのステーションとして決定されると、システムは、既存の需要予測に基づいて、わずかな調整（例えば、その位置に基づく調整）で需要予測を簡便に生成することができる。

開示されているシステムは、生成された需要予測が新たなステーションに適しているか否かを（例えば、需要予測を過去１週間、１ヶ月または数日間の実際の需要と比較することによって）後で分析することができる。開示されているシステムは、比較に基づいて需要予測をさらに調整することができる。

本明細書に記載された実施形態では、「構成要素」は、プロセッサ、制御論理、デジタル信号プロセッサ、コンピューティングユニット、および／または上述の機能を実施するための命令を実行するように構成またはプログラムされた任意の他の適切な装置を含み得る。

図７は、開示されている技術の実施形態による方法７００を示すフローチャートである。方法７００は、複数の装置交換ステーション（例えばステーションシステム３００）を管理するように構成されている。方法７００は、サーバ（例えば、サーバシステム２００）によって実施することができる。方法７００は、ブロック７０１において初期期間内に複数の装置交換ステーションの各々からエネルギー貯蔵装置の交換に関する経験的情報を受信することによって開始する。いくつかの実施形態では、受信情報は、初期期間における複数の装置交換ステーションの各々についてのエネルギー貯蔵装置の実際の供給に関する情報を含むことができる。

ブロック７０３において、方法７００は、次に、（例えば、いくつかの実施形態において、システムオペレータによって提供されるこの目標期間中のバッテリ交換を予測するために）目標期間を決定する。ブロック７０５において、方法７００は、目標期間中に複数の装置交換ステーションの各々に対応する複数の基準因子を識別することによって継続する。例えば、システムオペレータは、自身がいずれの因子を因子行列に含めることを所望するかを選択することができる（例えば、上記の式Ａを参照）。所定の基準因子は、（１）複数の装置交換ステーションに関連する複数の特性、（２）特性の組み合わせ（例えば、上述の「交差項」因子）、（３）ステーションの「タイプ」（例えば、（例えば、図５Ａおよび５Ｂに記載の「曲線」）、および（４）上記の組み合わせを含むことができる。

ブロック７０７において、方法７００は、次に、各装置交換ステーションに対応する識別された基準因子および識別された基準因子に関連付けられた重み値に基づいて、複数の装置交換ステーションの各々について目標期間中の需要情報を決定する。重み値は経験的情報に含まれる。需要情報は、各装置交換ステーションについての目標期間中に（交換されることになる）交換可能エネルギー貯蔵装置の予測数を示す。目標期間は初期期間より遅い。

いくつかの実施形態では、システムオペレータはまた、対応する初期重み値（例えば、経験的研究または経験などに基づいて、すべての基準因子をバランスさせたデフォルト値）を決定し、その後、（例えば、実際のバッテリ交換と、初期重み値に基づいて計算された予測結果との比較に基づいて）これを更新することができる。図１および式Ａ〜Ｆを参照して上述した実施形態では、初期重み値もこのように調整して決定することができる。いくつかの実施形態では、重み値は、実際の交換回数（またはバッテリ供給）と初期期間における複数の装置交換ステーションの各々からのエネルギー貯蔵装置の需要との差（例えば、満たされていない需要）を最小にする目的関数に基づいて決定される。いくつかの実施形態では、複数の基準因子は、装置交換ステーションのタイプを含むことができる。

いくつかの実施形態では、重み値は、基準因子間の関係の分析に基づいて決定される。いくつかの実施形態では、経験的情報は、初期期間における複数の装置交換ステーションの各々についてのエネルギー貯蔵装置の実際の交換回数に関する情報を含む。いくつかの実施形態では、重み値は、実際の交換回数と、初期期間における複数の装置交換ステーションの各々についてのエネルギー貯蔵装置の予測需要との差を最小にする目的関数（例えば上記の式Ｂ）に基づいて決定される。図１および式Ａ〜Ｆを参照して上述した実施形態では、初期重み値もこのように調整して決定することができる。

ブロック７０９において、方法７００は、引き続き、目標期間中の需要情報に従って、複数の装置交換ステーションの各々について複数の充電計画を作成する。いくつかの実施形態では、各充電計画は、複数の装置交換ステーションの各々に配置されたエネルギー貯蔵装置に対応する複数の充電ルールを含むことができる。いくつかの実施形態では、方法７００は、機械学習訓練プロセスに基づいて、受信情報と複数の所定の基準因子との関係を分析することを含むことができる。

いくつかの実施形態では、方法７００は、（１）目標期間中に第１の装置交換ステーションについてエネルギー貯蔵装置が交換される予測数を計算するステップと、（２）目標期間内に第１の装置交換ステーションにおいて交換されたエネルギー貯蔵装置の実際の交換回数を受信するステップと、（３）目標期間における第１の装置交換ステーションと関連付けられる基準因子の各々についての失敗寄与率を決定するように、目標期間における第１の装置交換ステーションのエネルギー貯蔵装置の実際の交換回数および予測数を分析するステップと、（４）失敗寄与率に基づいて重み値を更新するステップとを含むことができる。失敗寄与率に関する実施形態は、式ＣおよびＤを参照して上述している。いくつかの実施形態では、方法７００は、受信情報を分析するときに使用される特性の最大数を決定することを含む。

いくつかの実施形態では、目標期間は１日のうちの１時間であり得る。いくつかの実施形態では、目標期間は１日のうちの２４時間であり得る。いくつかの実施形態では、需要情報は１時間ごとに決定される。いくつかの実施形態では、複数の特性は、一日のうちの時間、曜日、一ヶ月のうちの日、一年のうちの日、複数の装置交換ステーションの位置、環境条件、またはトリガイベントを含む。いくつかの実施形態では、方法７００は、分析結果に基づいて、複数の装置交換ステーションの１つまたは複数のタイプを決定することを含むことができる。

本技術は、特定の例示的な実施形態を参照して説明されているが、本技術は、記載された実施形態に限定されず、添付の特許請求の範囲の精神および範囲内で修正および改変されて実施され得ることが認識されよう。したがって、本明細書および図面は、限定的な意味ではなく例示的な意味において考えられるべきである。

Claims (20)

1. 複数の装置交換ステーションを管理する方法であって、
   初期期間において前記複数の装置交換ステーションの各々からエネルギー貯蔵装置の交換に関する経験的情報を受信するステップであり、前記経験的情報は、特定の期間における前記複数の装置交換ステーションの各々についてのエネルギー貯蔵装置の実際の交換回数に関する履歴データ、又は、前記特定の期間における予測需要と前記エネルギー貯蔵装置の実際の交換回数との差に関する履歴データを備える、受信するステップと、
   目標期間を決定するステップと、
   前記経験的情報に基づいて前記目標期間内の前記複数の装置交換ステーションの各々に対応する複数の基準因子を識別するステップであり、前記識別されている各基準因子は、前記経験的情報に基づいて決定されると共に前記各基準因子の相対的重要性を示す関連する重み値を有し、前記基準因子は複数の特性および特性の組み合わせを含み、前記特性はステーション識別情報、環境条件及びイベントの少なくとも一つを含む、識別するステップと、
   前記識別されている基準因子と前記重み値とに基づいて、前記複数の装置交換ステーションの各々について前記目標期間中のエネルギー貯蔵装置の需要の予測に関する需要情報を決定するステップであり、前記目標期間は前記初期期間より遅い、決定するステップと、
   前記目標期間中の需要情報に従って、前記複数の装置交換ステーションの各々に対して複数の充電計画を作成するステップと
   を含む、方法。
2. 前記複数の基準因子は、装置交換ステーションのタイプを含む、請求項１に記載の方法。
3. 前記重み値は、前記基準因子間の関係の分析に基づいて決定される、請求項１に記載の方法。
4. 前記重み値は、前記初期期間における前記実際の交換回数と前記複数の装置交換ステーションの各々からのエネルギー貯蔵装置の需要との差を最小にする目的関数に基づいて決定される、請求項１に記載の方法。
5. 前記目標期間中の第１の装置交換ステーションの交換可能エネルギー貯蔵装置の予測交換回数を計算するステップをさらに含む、請求項１に記載の方法。
6. 前記目標期間内の前記第１の装置交換ステーションのエネルギー貯蔵装置の実際の交換回数を受信するステップと、
   前記目標期間内の前記第１の装置交換ステーションの前記実際の交換回数および前記予測交換回数を分析するステップと、
   分析結果に従って、前記識別されている基準因子の各々に対応する前記重み値を更新するステップと
   をさらに含む、請求項５に記載の方法。
7. 前記識別されている基準因子の各々に対応する複数の失敗寄与率に基づいて前記重み値を更新するステップをさらに含む、請求項６に記載の方法。
8. 前記目標期間は、１日のうちの１時間である、請求項１に記載の方法。
9. 前記目標期間が１日のうちの２４時間であり、前記需要情報が１時間ごとに決定される、請求項１に記載の方法。
10. 前記複数の特性は、一日のうちの時間、曜日、一ヶ月のうちの日、一年のうちの日、または前記複数の装置交換ステーションの位置を含む、請求項１に記載の方法。
11. 前記需要情報は、オンラインポアソン回帰またはオンライン最小二乗回帰に基づいて決定される、請求項１に記載の方法。
12. 前記受信された経験的情報を分析するときに使用されるべき基準因子の最大数を決定するステップをさらに含む、請求項１に記載の方法。
13. 前記充電計画の各々は、前記複数の装置交換ステーションの各々に配置された前記エネルギー貯蔵装置に対応する複数の充電ルールを含む、請求項１に記載の方法。
14. 複数の装置交換ステーションを管理するサーバシステムであって、
    プロセッサであって、
    初期期間において前記複数の装置交換ステーションの各々からエネルギー貯蔵装置の交換に関する経験的情報を受信することであり、前記経験的情報は、特定の期間における前記複数の装置交換ステーションの各々についてのエネルギー貯蔵装置の実際の交換回数に関する履歴データ、又は、前記特定の期間における予測需要と前記エネルギー貯蔵装置の実際の交換回数との差に関する履歴データを備える、受信することと、
    目標期間を決定することと、
    前記経験的情報に基づいて前記目標期間内の前記複数の装置交換ステーションの各々に対応する複数の基準因子を識別することであり、前記識別されている各基準因子は、前記経験的情報に基づいて決定されると共に前記各基準因子の相対的重要性を示す関連する重み値を有し、前記基準因子は複数の特性および特性の組み合わせを含み、前記特性はステーション識別情報、環境条件及びイベントの少なくとも一つを含む、識別することと、
    前記識別されている基準因子と前記重み値とに基づいて、前記複数の装置交換ステーションの各々について前記目標期間中のエネルギー貯蔵装置の需要の予測に関する需要情報を決定することであり、前記需要情報は、前記装置交換ステーションの各々について、前記目標期間中の交換可能エネルギー貯蔵装置の予測交換回数を示し、前記目標期間は前記初期期間より遅い、決定することと、
    前記目標期間中の需要情報に従って、前記複数の装置交換ステーションの各々に対して複数の充電計画を作成することと
    を行うように構成されている、プロセッサと、
    前記複数の充電計画を前記複数の装置交換ステーションの各々に送信するように構成されている通信構成要素と
    を備える、サーバシステム。
15. 前記複数の基準因子は装置交換ステーションのタイプを含み、
    前記重み値は、前記基準因子間の関係の分析に基づいて決定される、請求項１４に記載のシステム。
16. 前記重み値は、前記初期期間における前記実際の交換回数と前記複数の装置交換ステーションの各々からのエネルギー貯蔵装置の需要との差を最小にする目的関数に基づいて決定される、請求項１４に記載のシステム。
17. 前記プロセッサは、
    前記目標期間中の第１の装置交換ステーションについての交換可能エネルギー貯蔵装置の予測交換回数を計算するステップと、
    前記目標期間内の前記第１の装置交換ステーションのエネルギー貯蔵装置の実際の交換回数を受信するステップと、
    前記目標期間内の前記第１の装置交換ステーションの前記実際の交換回数および前記予測交換回数を分析するステップと、
    分析結果に従って、前記識別されている基準因子の各々に対応する前記重み値を更新するステップと
    を行うように構成されている、請求項１４に記載のシステム。
18. 前記目標期間は、１日のうちの１時間である、請求項１４に記載のシステム。
19. 前記目標期間が１日のうちの２４時間であり、前記需要情報が１時間ごとに決定される、請求項１４に記載のシステム。
20. 前記複数の特性は、一日のうちの時間、曜日、一ヶ月のうちの日、一年のうちの日、または前記複数の装置交換ステーションの位置をさらに含む、請求項１４に記載のシステム。
    

Images