JP7339313B2 - 電気車両のための充電インフラストラクチャ・システムの障害を検出するための方法およびシステム - Google Patents

Description

本発明は、電池を充電するための充電インフラストラクチャ・システムの障害検出の分野に関し、詳細には電気車両の電池を充電することに関する。詳細には、充電インフラストラクチャ・システムの異常動作状態を検出するための方法、プログラム、およびシステムが提案される。

電気車両の電池のための充電インフラストラクチャの主要な構成要素は、空間的に分散して配置され、電気エネルギーのメイン・グリッドから電気車両の電池を再充電するための能力を提供する、充電スタンド（ｃｈａｒｇｉｎｇ ｓｔａｔｉｏｎ）である。充電スタンドを利用できることおよび正しく機能させることは、全般的な個人の移動性に対する電気の移動性の比率を増加させるための主要な構成要素である。

電気車両のための充電スタンドを含む既知の充電インフラストラクチャ・システムは、基本的な充電戦略に依存する。電気車両が充電スタンドおよび充電の技術的態様に接続され、充電されたエネルギー代の引落しなどの経済的態様が精算されるとすぐ、充電処理が始まる。充電処理は、設定された最大電力を電気車両の電池に充電すること、および電気車両の電池が完全に充電されたときに充電処理を終了することを含む。

「Ｕｓｉｎｇ Ａｇｅｎｔ－Ｂａｓｅｄ Ｃｕｓｔｏｍｅｒ ｍｏｄｅｌｉｎｇ ｆｏｒ ｔｈｅ ｅｖａｌｕａｔｉｏｎ ｏｆ ＥＶ－ｃｈａｒｇｉｎｇ ｓｙｓｔｅｍｓ」、Ｔｏｂｉａｓ Ｒｏｄｅｍａｎ、Ｔｏｍ Ｅｃｋｈａｒｄｔ、Ｒ．Ｕｎｇｅｒ、およびＴｏｒｓｔｅｎ Ｓｃｈｗａｎ著、Ｅｎｅｒｇｉｅｓ ２０１９、２８５８，ｄｏｉ：１０．３３９０／ｅｎ１２１５２８５８、ＭＤＰＩ出版

より最近の充電インフラストラクチャ・システムは、充電処理を実施する際に競合するいくつかの目的を考慮する必要がある。充電処理を実施する際のこのような競合する目的は、充電インフラストラクチャ・システムのシステム動作コストを最小限にすること、散発的なエネルギー源および変動するエネルギー消費量から生じる状況下で、メイン・グリッドのグリッド安定性を維持または向上させること、気候保護の局面の中でエネルギー関連の排出を最小限にすること、ならびに充電インフラストラクチャに関する顧客満足度を改善することを含むことができる。充電処理を制御するためにこれらの部分的に競合する目的を考慮に入れた充電インフラストラクチャ・システムは複雑であり、不調になりやすい。これらの充電インフラストラクチャ・システムの大きな複雑性は、手動式管理を困難、高価、またはことによると不可能にする。したがって、充電インフラストラクチャ・システムの自動システム監視が手動式管理より好ましい。

ハードウェアの欠陥、もしくはソフトウェア・アップデートにより、またはことによると、充電インフラストラクチャ・システムの設計、テスト、および実装中に本来予想されたような顧客の挙動と比較したときの顧客の挙動が単に異なることによって、充電インフラストラクチャ・システムの性能が悪化することが発生し得る。

システム性能に関する典型的な問題は、電気車両の電池のための充電処理の実施など、充電インフラストラクチャ・システムの基本的な動作を依然として維持するが、充電インフラストラクチャ・システム全体が意図するように機能しているわけではないという、わずかなソフトウェア・バグまたは欠陥ロジックから生じることがある。また、充電スタンドのユーザ・インターフェースが正しく機能していないことがあり、顧客は、不完全なデータまたはことによると間違ったデータを入力している。

深刻なハードウェアの不調は自動的に検出しやすいが、システム構成要素またはユーザ挙動のより小さな変化は、充電処理の満足のいかない結果、および全般的なシステム性能の悪化につながる可能性があるが、個々のシステム構成要素の明白かつ容易な検出可能な不調を示さない。

本発明の目的は、個々の充電処理を調査し、現在のシステム性能が目標システム性能から逸脱した充電システムのシステム動作状態を識別する、自動監視システムを提供することである。

課題は、第１の態様による方法、第２の態様によるコンピュータ・プログラム、および第３の態様による異常動作状態を検出するためのシステムによって解決される。

第１の態様による電池、特に電気車両の電池を充電するための充電インフラストラクチャ・システムの異常動作状態を検出するための方法は、充電スタンドでの充電処理のために、充電処理についての充電処理の目標特性を取得することと、取得された目標特性に基づいて充電処理の処理パラメータを判定することと、判定された処理パラメータに基づいて充電処理を実施することとを行うステップを含む。方法は、取得された目標特性に基づいて、実施される充電処理の性能基準を判定することと、実施される充電処理のデータセットを生成することとによって続く。データセットは、実施される充電処理のメタ情報、実施される充電処理の判定された、例えば測定された変数に関連付けられた実施される充電処理の判定された目標特性、および実施される充電処理の判定された性能基準を含む。方法は、生成されたデータセットをデータベースに格納する。方法は、複数の充電処理のために、第１の時間間隔の間にデータベースに格納された複数の充電処理のデータセットに基づく統計データの少なくとも１つの第１のセット、および第２の時間間隔の間にデータベースに格納されたデータセットに基づく統計データの少なくとも１つの第２のセットを計算および格納することによって続く。その後、各格納済データセットの差分値のセットを計算するために、各格納済データセットについて、統計データの少なくとも１つの第１のセットが統計データの少なくとも１つの第２のセットと比較される。方法は、各データセットについて、差分値の計算されたセットに基づいて、充電インフラストラクチャ・システムが異常動作状態で動作しているかどうかを判定する。

第２の態様は、プログラムがコンピュータまたはデジタル・シグナル・プロセッサ上で実行されるとき、電池、特に電気車両の電池を充電するための充電インフラストラクチャ・システムの異常状態を検出するための方法の実施形態の１つによるステップを実行するためのプログラム・コード手段を有するコンピュータ・プログラムを格納する非一時的コンピュータ可読媒体に関する。

第３の態様では、電池、特に電気車両の電池を充電するための充電インフラストラクチャ・システムの異常状態を検出するためのシステムは、充電処理においてエネルギー・ストレージ（電池）を充電するように構成された充電器と、充電処理の目標特性を取得するように構成されたインターフェースと、少なくとも１つのプロセッサであって、充電処理ために、充電処理の取得された目標特性に基づいて処理パラメータを判定すること、および、実施される充電処理の性能基準を判定することを行うように構成された、少なくとも１つのプロセッサとを含む、少なくとも１つの電気充電スタンドを備え、性能基準は、取得された目標特性、および充電処理の実行中（実施中）の充電処理の判定された変数に基づく。プロセッサは、実施される充電処理のデータセットを生成するようにさらに構成される。データセットは、実施される充電処理のメタ情報、実施される充電処理の判定された、具体的には測定された変数に関連付けられた充電処理の判定された目標特性、および実施される充電処理の判定された性能基準を含む。さらに、少なくとも１つのプロセッサは、生成されたデータセットをデータベースに格納するように構成される。プロセッサは、複数の充電処理のために、第１の時間間隔の間にデータベースに格納されたデータセットに基づいて計算された統計データの少なくとも１つの第１のセット、および、第２の時間間隔の間にデータベースに格納されたデータセットに基づいて計算された統計データの少なくとも１つの第２のセットを計算し、格納するように構成される。プロセッサは、各格納済データセットの差分値のセットを計算するために、各格納済データセットについて、統計データの少なくとも１つの第１のセットを統計データの少なくとも１つの第２のセットと比較すること、および、各データセットの差分値の計算されたセットに基づいて、充電インフラストラクチャ・システムが異常動作状態で動作しているかどうかを判定することを行うように構成される。

実施形態の説明は、添付の図面を論じる。

電気車両のための充電インフラストラクチャ・システムの異常状態を検出するための方法の実施形態の簡易フローチャートである。 電気車両のための充電インフラストラクチャ・システムを簡易ブロック図で描写する図であり、充電インフラストラクチャ・システムは、充電インフラストラクチャ・システムの異常状態を検出するためのシステムの実施形態を採用する。

最先端の研究では、充電スタンドの性能は、内部ハードウェアおよびソフトウェアの状態の分析を介して監視される。技術的欠陥の場合、充電スタンドはエラー・メッセージを表示し、サービス・チームに連絡する。既知の自動監視システムとは反対に、特許請求されるアプローチは、システム監視のための主な特徴として各充電処理の目標特性、例えば顧客満足度指標（ＣＳＩ：ｃｕｓｔｏｍｅｒ ｓａｔｉｓｆａｃｔｉｏｎ ｉｎｄｉｃａｔｏｒ）を使用することができる。したがって、ユーザの観点からの特定の充電処理動作において取得された目標特性が、システム性能を評価するための主要な基準になる。充電システム・インフラストラクチャの内部充電制御アルゴリズムの問題から生じるシステム性能に関する問題でも検出可能になる。

さらに方法は、複数の充電処理のデータセットから様々な異なる統計的尺度を計算するので、障害のタイプを詳細に推測するための能力を提供し、これにより、障害のタイプまたはシステム異常への詳細な分析が可能になる。

具体的には、方法は、例えばユーザ・インターフェースが正しく機能しておらず、ユーザが間違ったデータまたは不完全なデータを入力したときなど、充電スタンドのユーザ・インターフェースに関する問題であっても対処する。

本発明は、複数の充電スタンドに接続されたシステムを提案し、充電スタンドは、実行される充電処理の効率をユーザ観点から監視する方法を実行する。方法は、充電スタンドで充電処理がスタートする前に決定されるような、充電処理の予定の結果および目標の結果を、例えば実施された充電処理の変数を測定することによって、充電スタンドによって判定されるような充電処理の実際の結果と比較する。この比較に基づいて、性能基準の顧客満足度指標（ＣＳＩ）があらゆる充電処理について計算され、データベースに格納される。複数の処理について、好ましくは実施された各充電処理について獲得されたこれらの基本データセットの集約は、基本データの統計評価を含むさらなるデータセット、異なる時間間隔（時間ウィンドウ）にわたる統計データの第１のセットおよび統計データの第２のセットを少なくとも含む統計データのセットを計算および格納することを可能にする。統計データのこれらのセットを評価することは、充電システムの異常動作状態が想定され得るかどうかについての情報を統計データのセットから導出することを可能にする。

有利な実施形態による方法は、充電インフラストラクチャ・システムの異常動作状態を判定したとき、システム・アラートおよび／または障害データを生成および出力するステップを含む。

したがって方法は、充電インフラストラクチャ・システムの動作中の推定される異常に対してサービス要員が行動するための情報を提供し、ことによると、顧客満足度を改善するために動作のどの態様が注目を要するかについての手がかりを提供することもあり得る。

有利な実施形態では、方法は、判定された目標特性を充電スタンドのユーザに出力すること、および充電処理の出力された目標特性の少なくとも１つを変更または選択するユーザ入力を受け入れることをさらに含む。

したがってユーザは、意図する充電処理の目標特性を提供するか、目標特性に少なくとも影響を与え、したがって、各充電処理のために格納された性能基準および基本データセットに影響を与える。したがって、異常動作状態を判定するための方法は、充電スタンドのいくつかの所定の技術パラメータを連続的に測定することによってシステム性能の単なる監視を超える。

特に有利な実施形態による方法は、性能基準として顧客満足度指標を判定することを含むような、性能基準を判定するステップを実施する。

顧客満足度指標（時にＣＳＩと略される）は、顧客に提供された製品またはサービスの顧客の満足度のアルゴリズム的近似値を示す。本文脈では、サービスは、電池、特に電気車両の電池を充電することを指すことができる。顧客は、ここでは電気車両のユーザである。顧客満足度指標は、時に、顧客満足度レベルとも表される。

充電処理の測定可能な処理パラメータ、および充電処理のこの特定のインスタンスのためのこれらの処理パラメータの目標値から特定のアルゴリズムを使用して判定され得る顧客満足度指標を使用すると、複数の充電処理にわたる適切な統計評価を用いるとき、充電インフラストラクチャ・システムの実際のシステム状態についての見識をもたらす。充電処理のこの特定のインスタンスのための処理パラメータの目標値は、既知の充電スタンドにあるヒューマン・マシン・インターフェースの拡張版を使用したダイアログを介してユーザから獲得され得る。

方法は、統計データの第１および第２のセットに異常検知の方法を適用することによって、充電インフラストラクチャ・システムが異常状態で動作しているかどうかを判定することを含むことができる。

統計データの計算および格納された第１および第２のセットは、充電インフラストラクチャ・システムの動作状態についての情報をもたらすために、異常検知または外れ値検知のための一般に知られたアルゴリズムを適用することを可能にする。これは、充電インフラストラクチャ・システムの組込み試験機器ＢＩＴＥ（ｂｕｉｌｔ－ｉｎ ｔｅｓｔ ｅｑｕｉｐｍｅｎｔ）によって提供される情報を超える情報をサービス要員に提供する。

実施形態による方法は、統計データの第１および第２のセットの異常検知の方法として、所定のルール・セットまたは訓練済機械学習モデルを使用する。

実施形態によれば、方法は、訓練済機械学習モデルを使用することによって異常検知の方法を実施することを含み、訓練済機械学習モデルは数式を含む。具体的には、決定木アルゴリズム、ランダム・フォレスト・アルゴリズム、ニューラル・ネットワーク、またはディープ・ニューラル・ネットワークが数式の例である。

充電処理の目標特性は、目標充電状態、目標充電エネルギー、目標最低充電状態、電気車両の目標航続距離、および目標出発時刻のうちの少なくとも１つを含むことができる。

引用された目標特性は、充電スタンドのユーザが、手に入れたサービス、本ケースでは充電処理を満足するものおよび成功したものと判断するのに不可欠と見なし得る目標を提供する。これらの目標特性は測定可能かつ数量化可能であり、したがってユーザの視点を考慮に入れた性能基準に基づくことを可能にする。

判定済変数は、充電処理の日付、充電処理の時刻、充電処理が実施される充電スタンドの識別子、充電処理を実施する充電スタンドの位置、実施する充電スタンドのタイプ、電池が充電される電気車両のタイプ（モデル）、充電されることになる電池のタイプ、充電処理の時刻の天候パラメータ、および充電処理の終了タイプのうちの少なくとも１つを含むことができる。

充電処理の終了タイプは、例えば、充電処理がもしもそもそも開始されなかった場合、または事前設定された目標特性に達することなくユーザが充電処理を終了させた場合、または判定された目標特性の１つもしくは全てに達することが、充電スタンドが充電処理を終了するのを誘発した場合を含むことができる。特許請求されるさらなる統計評価を伴う格納済の基本データセットに含まれる全てのこれらの態様は、ユーザの視点から充電インフラストラクチャ・システムおよびその構成要素の充電性能についての見識を提供する。

実施形態による方法は、種々の特徴について充電処理の判定済変数をフィルタリングすることによって統計データの追加セットを計算すること、ならびに、フィルタリングされた判定済変数から第１の時間間隔および第２の時間間隔の間の統計データの追加セットを計算することと、統計データの計算された追加セットをデータベースに格納することとを行うステップをさらに含む。

方法は、統計データの計算された追加セットを含む統計データの格納済セットについて計算された差分値の計算されたセットに基づいて、充電インフラストラクチャ・システムが異常動作状態で動作しているかどうかを判定することをさらに含むことができる。

フィルタリングについての種々の特徴は、例えば車両タイプまたは充電スタンドのタイプを含むことができる。

実施形態によれば、方法は、統計データの少なくとも１つの第１のセットおよび統計データの少なくとも１つの第２のセットを計算することを含み、第１の時間間隔は第２の時間間隔より短く、特に第１の時間間隔は第２の時間間隔より１桁短い。

さらなる実施形態は、充電インフラストラクチャ・システムの複数の格納済データセットまたは訓練データセットに基づいて、第１の時間間隔の第１の間隔長および第２の時間間隔の第２の間隔長の少なくとも１つを適合させるように構成される。具体的には、第１の間隔長および第２の間隔長の少なくとも１つは、機械学習および最適化方法を使用することによって適合され得る。

種々の時間長の時間間隔を使用した、複数の充電処理にわたる格納済データセットの統計評価は、格納済データセットを統計データのセットに変換することを可能にし、統計データのセットは、外れ値検知の方法を有利に使用して、充電システム性能についての情報を得ることを可能にする。機械学習および最適化技法は、第１および第２の時間間隔の間隔長に適した値を設計するのに効率的な可能性を提供する。これは特に、訓練データセット、例えば第１および第２の時間間隔の長さを適合させるためにシミュレートされた充電処理の訓練データセットを使用するために適用される。訓練データセットは、代替または追加として、第１および第２の時間間隔の間隔長の初期値を考案するため、または、システムの動作中に第１および第２の間隔長を再較正するために使用されてもよい。

特許請求される方法は、拡張された時間間隔および複数の充電処理にわたって獲得および格納された大量データを処理するための１つのまたは複数のコンピュータ・サーバ上で実装されるとき、特に有利である。

図１は、電気車両ＥＶのための充電インフラストラクチャ・システム１の異常動作状態を検出するための方法（以下同様に「方法」）の実施形態の簡易フローチャートを描写している。充電スタンド２、３、４を含む充電インフラストラクチャ・システム１の構造的構成要素は、充電インフラストラクチャ・システム１の異常状態を検出するための方法の実施形態の議論に続いて、図２について、より詳細に論じられる。

充電インフラストラクチャ・システム１の異常状態は、充電インフラストラクチャ・システム１の潜在的なシステム障害を特に指すことができる。

本方法を実行して異常状態を検出するためのシステム（以下「システム」）は、１つまたは好ましくは複数の充電スタンド２、３、４に接続される。システムは特に、充電インフラストラクチャ・システム１のユーザＵの観点から実施される充電処理の効率性を監視および分析する。

具体的には、異常状態を検出するためのシステムは、（第１の）サブ・プロセスにおいて、充電スタンド２での充電処理の開始前に決定されるような、実行される充電処理の予定の結果および目標の結果を、充電スタンド２によって判定されるような、充電処理の実際に達成された結果と比較する。比較に基づいて、性能基準、特に顧客満足度指標（ＣＳＩ）が、実行された充電処理について計算され、データベース２１に格納される。

第１のサブ・プロセスは、充電スタンド２、３、４によって実施された実施済の各充電処理に対して実行されるのが好ましい。第１のサブ・プロセスは、図１のフローチャートのステップＳ１、Ｓ２、Ｓ３、Ｓ４、Ｓ５、およびＳ６を含む。

ユーザＵが電気車両ＥＶで充電スタンド２（図２参照）に到着する。

ステップＳ１において、充電インフラストラクチャ・システム１は、実際の充電処理の開始前に、電気車両ＥＶのユーザＵの意図した充電処理についての目標特性を含むユーザ固有情報を判定する。

ユーザ固有情報は、具体的には、充電スタンド２において予想される充電処理の目標特性を含む。他のユーザ固有情報は、ユーザＵ、もしくは電気車両ＥＶについての情報、またはユーザＵに関する商業情報、例えば請求実績を含むことができる。

目標特性は、ユーザＵの電気車両ＥＶでのユーザＵの予定出発時刻ｔ＿ｄｅｐａｒｔｕｒｅ、および電気車両ＥＶの目標電池充電状態ＳｏＣ＿ｔａｒｇｅｔを含むことができる。充電処理の目標電池充電状態ＳｏＣ＿ｔａｒｇｅｔは、具体的には、予定通りに充電処理を終了したときに達することがユーザＵによって意図される電池充電状態ＳｏＣのことを言う。

電池充電状態ＳｏＣは電気車両ＥＶの電池の充電状態を示し、充電状態は、電池の全電池容量の０％～１００％を範囲とする百分率として表現されてよい。充電状態は、特定の時点における電気車両ＥＶの電池に貯蔵されている電気エネルギーの量を提供する。電池の目標電池充電状態ＳｏＣ＿ｔａｒｇｅｔは、電気車両ＥＶの目標走行距離と同等、または少なくとも変換可能であると仮定されてもよい。

追加または代替として、目標特性は電気車両ＥＶの走行距離を含むことができる。任意選択として、できるだけ早く達せられることになる最低充電状態ｍｉｎｉｍｕｍ＿ＳｏＣのような追加情報は、顧客によって提供可能であるか、または、ユーザＵによって提供された情報から充電インフラストラクチャ・システム１によって目標特性の一部として判定可能である。

方法は、提示されたオプションを確認するために、予定充電処理のオプションとして、所定の目標特性および目標特性の提案値をユーザＵに提示することができる。充電スタンド２のユーザＵは、この顧客固有情報についてのいくつかの好みを指定することができるか、または、充電スタンド２のヒューマン・マシン・インターフェースＨＭＩ（ｈｕｍａｎ ｍａｃｈｉｎｅ ｉｎｔｅｒｆａｃｅ）を介してユーザＵに提供された、複数の充電処理パラメータ、および目標特性の選択肢から選択することができる。

例えば予定出発時刻ｔ＿ｄｅｐａｒｔｕｒｅおよび目標電池充電状態ＳｏＣ＿ｔａｒｇｅｔなどの、予定充電処理の目標特性の予定値は、電気車両ＥＶの車両タイプ（車両モデル）、充電スタンド２の充電スタンド・タイプおよび充電スタンド２の位置、時刻、曜日、現在の月および年などの様々な入力値に基づいて論理的推論から導出され得る。

代替または追加として、ユーザＵは、予定充電処理の予定スケジュールについての包括的な好みを入力するように求められてもよく、充電インフラストラクチャ・システム１は、予定充電処理の予定スケジュールについての入力された包括的な好みに基づいて、予定充電処理のオプションをユーザＵに提示することができる。

ステップＳ２において、システムは、ステップＳ１において取得された目標特性から予定充電処理の処理パラメータを判定する。処理パラメータは、充電処理の開始時刻、充電処理の推定終了時刻、目標充電電流、充電処理中に移送されるべきエネルギー量、例えば再生可能エネルギー源からのエネルギーの比率を示す充電処理のエネルギーの混合を含むことができる。

次に充電処理が開始される。ステップＳ３において、充電インフラストラクチャ・システム１は、前のステップＳ２において判定された処理パラメータに従って充電処理を実施する。

充電処理の実行中、電気車両ＥＶのエネルギー・ストレージは、充電スタンド２の充電器によって提供された電気エネルギーを充電される。

充電スタンド２は、例えば予定充電処理の１つまたは複数の終了基準が満たされたと判定したとき、実施された充電処理を終了する。代替として、充電処理は、ユーザＵによる、または充電スタンド２もしくは充電インフラストラクチャ・システム１による、終了リクエストによって終了されてもよい。充電処理の実施中、方法は、実際に実施された充電処理の様々な変数を判定する。記録された変数は、具体的には、充電処理の開始前に予め取得および判定された、判定された処理パラメータおよび目標特性に関する測定された変数を含むことができる。

１つの単なる例として、目標特性は、ユーザＵの実際の予定出発時刻ｔ＿ｄｅｐａｒｔｕｒｅを含むことができる。必然的に実際の処理パラメータは、他の処理パラメータの中でも、充電処理の推定終了時刻を含むことができる。実際に実行された充電処理の測定された変数は、この例では、実施された充電処理の実際の終了時刻の値を含むことになる。

充電処理を終了した後、方法は、取得された目標特性、およびステップＳ３の実際に実施された充電処理の変数の判定値に基づく、実施された充電処理の性能基準を判定することによるステップＳ４を続ける。

ステップＳ４において、方法は、特に予定目標特性の取得値を、実施された充電処理の目標特性の実際の達成値の測定値と比較することによって、充電処理の性能基準を計算する。性能基準は、本来の予定充電処理に対する、実施された充電処理を数量化するための基準を提供するように適合される。

具体的には、計算される性能基準は、ユーザＵに固有の顧客満足度の数学モデルに基づく。性能基準は、顧客満足度指標ＣＳＩ、具体的には顧客満足度指標モデルと表された顧客満足度の尺度を示すアルゴリズム表現でよい。

例示的に、本発明の実施形態での使用のための２つの例示的な顧客満足度指標モデル（ＣＳＩモデル）が論じられる。顧客満足度のための他のモデルが知られており、ステップＳ４において性能基準を判定するときに、論じられたＣＳＩモデルの代わりにまたは追加として使用されてもよい。

方法は、ＳｏＣ＿ｔａｒｇｅｔの値とＳｏＣ＿ａｃｔの値との間の差に基づく顧客満足度のための第１の基本モデルを計算することができる。

式（１）において、ＣＳＩ＿１は、第１のモデルによる顧客満足度指標であり、ＳｏＣ＿ｔａｒｇｅｔは、目標充電状態であり、ＳｏＣ＿ａｃｔは、充電処理を終了したときの実際に測定された充電状態である。ＳＯＣ＿ａｃｔは、実施された充電処理が終了されたときの実際の電池充電状態も指すことができる。

追加または代替として、顧客満足度（ＣＳＩモデル）のための第２のより洗練されたモデルは、ＳｏＣ＿ｔａｒｇｅｔ－ＳｏＣ＿ａｃｔの非線形関数と、実施された充電処理にわたるＳｏＣ曲線数列（ｃｕｒｖｅ ｐｒｏｇｒｅｓｓｉｏｎ）ＳｏＣ（ｔ）との両方を使用して、顧客満足度のための第２のモデルによる顧客満足度指標（実際のＣＳＩ値）ＣＳＩ＿２を計算することができる。

式（２）において、ＣＳＩ＿２は、第２のモデルによる顧客満足度指標であり、ＳｏＣ_ｄは、ユーザＵによって提供された目標充電状態であり、ＳｏＣ_ｉｎｉは、充電スタンドへの到着時または充電処理の開始時の充電状態であり、ＳｏＣ_ｄは、充電処理の終了時またはユーザＵの出発時の実際に測定された充電状態である。記事「Ｕｓｉｎｇ Ａｇｅｎｔ－Ｂａｓｅｄ Ｃｕｓｔｏｍｅｒ ｍｏｄｅｌｉｎｇ ｆｏｒ ｔｈｅ ｅｖａｌｕａｔｉｏｎ ｏｆ ＥＶ－ｃｈａｒｇｉｎｇ ｓｙｓｔｅｍｓ」、Ｔｏｂｉａｓ Ｒｏｄｅｍａｎ、Ｔｏｍ Ｅｃｋｈａｒｄｔ、Ｒ．Ｕｎｇｅｒ、およびＴｏｒｓｔｅｎ Ｓｃｈｗａｎ著、Ｅｎｅｒｇｉｅｓ ２０１９、２８５８，ｄｏｉ：１０．３３９０／ｅｎ１２１５２８５８、ＭＤＰＩ出版が、提案された第２のモデルをより詳細に論じている。

式（１）において、充電処理の実施中の経時的な電池充電状態ＳｏＣの曲線数列は、到着時間と出発時刻との間の時間の関数、または、充電スタンド２において電気車両ＥＶのための実施された充電処理の開始時刻と実施された充電処理の終了時刻との間の時間の関数でよい。

本質的に、提案された第１および第２のＣＳＩモデルは、ユーザＵによって最初に提供されたＳｏＣ＿ｔａｒｇｅｔの値に対応するか、ＳｏＣ＿ｔａｒｇｅｔの値を超過したＳｏＣ＿ａｃｔの測定ＳｏＣ値を充電スタンド２が示したときに高いＣＳＩ値を示す。

ただし、充電スタンド２が、ＳｏＣ＿ｔａｒｇｅｔの値に達することができなかったＳｏＣ＿ａｃｔの測定ＳｏＣ値を示した場合、それぞれの低い方のＣＳＩ値が、第１のＣＳＩモデルと第２のＣＳＩモデルのどちらかによって提供される。

性能基準の判定されたＣＳＩ値は、様々な要因により、充電処理の個々のインスタンスの間で実質的に変化してよい。例えば、電気車両ＥＶの車両タイプ、充電スタンド２の充電スタンド・タイプ、および充電スタンド位置などの要因は、実際に実行された充電処理の性能特性に全て影響を与えることがある。したがって、単一の低いＣＳＩ値は、充電インフラストラクチャ・システム１のシステム・エラーの信頼できる指標と解釈されない。

方法は、充電インフラストラクチャ・システム１のシステム・レベル問題の指標として、ＣＳＩ値の長期統計情報に対する最近のＣＳＩ値の全体的な統計情報の変化を検出することに依存する。

方法はステップＳ４の後、ステップＳ５を続け、ステップＳ５において方法は、実施された充電処理のデータセットを生成する。生成されたデータセットは、実施された充電処理の判定された、例えば測定された変数に関連付けられた充電処理の判定された目標特性、および、実施された充電処理のステップＳ４において判定された性能基準の値を含む。

充電処理を終了すると、方法は、実際の充電処理の全ての関連特性を記録する。この記録されたデータセットは、充電スタンド２からの電気車両ＥＶの実際の出発時刻ｔ＿ａｄ、および、実際の出発時刻ｔ＿ａｄにおける電池充電状態ＳｏＣ＿ａｃｔなどのエントリを含むことができる。

追加または代替として、方法は、到着時間、具体的には充電処理を開始するための開始時刻と、出発時刻、具体的には実施された充電処理の終了時刻との間の時間ＳｏＣ（ｔ）（ＳＯＣ軌道）を伴う充電状態曲線数列をデータセットに記録することができる。

（充電イベントに対応する）実施された充電処理について、システムは、データベース２１内の対応するデータ・エントリ（データセット）を生成する。データベース２１は複数のデータセットを格納し、各データセットは、１つの対応する充電処理のデータを含む。データセットは、実施された各充電処理について生成および記録されるのが好ましい。

データセットはメタ情報を含む。メタ情報は、個々の各充電処理を記述する一般的情報である。メタ情報は、特に、充電処理の判定済変数を含む。

データセットは、例えば充電処理の日付、充電処理を実施した充電スタンドの位置、充電処理を実施した充電スタンドのタイプ、充電された電気車両ＥＶのタイプ、充電スタンド２における占有された充電スロットの数および占有されなかった充電スロットの数などの、一般的情報を含むことができる。

データセットは、例えばユーザＵの到着時間、予定充電処理開始時刻、充電後の目標ＳｏＣ、充電後の最低ＳｏＣ、予定出発時刻、最大および最低予定充電電力についてのデータを含む、充電処理の予定特性についての固有情報などの一般的情報を含むことができる。

データセットは、例えば達したＳｏＣ、充電処理の終了時刻、電気車両ＥＶの実際の出発時刻、全充電処理中の電気車両ＥＶの充電された電池の充電状態の時間曲線ＳｏＣ（ｔ）などの、実施された充電処理の実際の特性についての固有情報を含むことができる。

データベース２１に格納された充電処理のデータセットは、この充電処理ための計算された性能基準についてのデータをさらに含み、データは、実施された充電処理の判定または測定された変数、および充電処理の目標特性の最初の取得値に基づいて、具体的にはそれらから直接的に計算される。

方法は、ステップＳ５に続くステップＳ６において、生成されたデータセットをデータベース２１に格納する。

方法は、具体的には、性能基準の計算値を格納する。格納済データセットは実施された充電処理のメタ情報も含み、タイム・スタンプをさらに含む。したがってデータベース２１は、時系列のデータセットを含む。

方法はステップＳ６．１を含むことができる。ステップＳ６．１において方法は、種々の特徴、例えば車両の特定のタイプまたは充電スタンド・タイプについて、充電処理の判定済変数を最初にフィルタリングすることによって統計データの追加セットを計算する。次に方法は、フィルタリングされた判定済変数から、第１の時間間隔および第２の時間間隔の間の統計データの追加セットを計算する。方法は、統計データの計算された追加セットもデータベース２１に格納する。

データベース２１は、異常状態を判定するためにシステムによって監視される充電インフラストラクチャ・システム１の全ての充電スタンド２、３、４からのエントリを収める。各エントリは、対応するタイム・スタンプで１つの充電処理（充電イベント）を指す。したがって、データセットの時系列に対応するデータベース２１内の複数のエントリは、イベントの時系列（イベントのシーケンス）を構成する。

第２のサブ・プロセスは、図１のフローチャートのステップＳ７からＳ１１を含む。

これらのステップは時系列のデータセットの分析を実施し、それぞれのデータセットが、少なくとも１つのＣＳＩモデルを使用して計算されるのが好ましい性能基準値を含む。第２のサブ・プロセスは複数のデータセットに対して実行され、ほとんどまたは全てのデータセットが、第１のサブ・プロセスによるステップＳ１からＳ６を実施することによって生成される。

代替または追加として、複数のデータセットのうちのデータセットの少なくともいくつかは、充電インフラストラクチャ・システム１のシミュレーション、およびシミュレートされた充電処理から生じることがある。

性能基準統計情報を計算するための複数の方式が同時に使用されてよく、別個の各方式について、方法は統計データの別個のセットを計算し、統計データの計算済セットをデータベース２１に格納することができる。

データセット内の性能基準の値から計算された統計データのこれらの種々のセットは、全体として充電インフラストラクチャ・システム１の潜在的異常動作状態についての情報を、または充電インフラストラクチャ・システム１の１つもしくは複数の個々の充電スタンド２、３、４の異常動作状態を、導出することを可能にする。

方法は、データベース２１に格納済のデータセットの以下のサブセットに対して性能基準統計情報を計算することによって、統計データの種々のセットを計算することができる。

サブセットは、個々の各充電スタンド２、３、４によって実施される充電動作に対応する全てのデータセットを含むことができる。

サブセットは、同じ充電サイト（充電位置）にある全ての充電スタンド２、３、４によって実施された充電動作に対応する全てのデータセットを含むことができる。

サブセットは、位置または充電サイトに関わらず、充電スタンド２、３、４の種々の各タイプについての充電動作に対応する全てのデータセットを含むことができる。

サブセットは、充電スタンド・タイプ、充電スタンド・モデル、充電スタンド製造業者、および充電スタンドの構造（ｃｈａｒｇｉｎｇ ｓｔａｔｉｏｎ ｍａｋｅ）についてさらに区別する、充電スタンド２、３、４の種々の各タイプの充電動作に対応する全てのデータセットを含むことができる。

サブセットは、充電スタンド・サイト（充電位置）または充電スタンド・タイプに関わらず、全ての充電スタンド２、３、４からの全ての充電動作に対応する全てのデータセットを含むことができる。

サブセットは、個々の各充電スタンド２、３、４および各電気車両モデルについての全ての充電動作に対応する全てのデータセットを含むことができる。

サブセットは、同じ充電サイトにある全ての充電スタンド２、３、４について、および各電気車両モデルについての全ての充電動作に対応する全てのデータセットを含むことができる。

サブセットは、各電気車両モデルのための種々の各充電スタンド・タイプについての全ての充電動作に対応する全てのデータセットを含むことができる。

サブセットは、全ての充電スタンド２、３、４について、および各電気車両モデルについての全ての充電動作に対応する全てのデータセットを含むことができる。

統計データの計算済セットは、統計データの各セットについて比較された２つの時間間隔ｗ＿ｓｈｏｒｔおよびｗ＿ｌｏｎｇから導出された性能基準の性能基準値についての統計情報を含む。

方法は、複数の充電処理について計算すること、および、ステップＳ７において、第１の時間間隔の間にデータベース２１に格納された複数の充電処理のデータセットに基づいて、統計データの少なくとも１つの第１のセットを格納することによって続く。

さらに方法は、複数の充電処理について計算し、ステップＳ８において、第２の時間間隔の間にデータベース２１に格納された複数の充電処理のデータセットに基づいて、統計データの少なくとも１つの第２のセットを格納する。

ステップＳ７およびＳ８は、同時に実行されても、連続して実行されてよい。

ステップＳ７およびＳ８は、所定の時点ｔ＿ｃａｌｃにおいて実施されてよい。時点ｔ＿ｃａｌｃは、例えば１時間に１回または１日に１回、例えば毎晩午前１：００ａｍなど、規則的な時間間隔でよい。

所定の時点ｔ＿ｃａｌｃにおいて、システムは、２つの異なる時間間隔ｗ＿ｓｈｏｒｔおよびｗ＿ｌｏｎｇの間に別々に格納されたデータ・エントリから、性能基準値の複数の統計尺度を計算する。

その後、ステップＳ９において、統計データの少なくとも１つの第１のセットは、各格納済データセットについて、統計データの少なくとも１つの第２のセットと比較され、各格納済データセットの差分値のセットを計算する。

方法は、ステップＳ１０において、各データセットの差分値の計算されたセットに基づいて、充電インフラストラクチャ・システム１が異常動作状態で動作しているかどうかを判定する。

差分値の計算されたセットに基づいて充電インフラストラクチャ・システム１が異常動作状態で動作しているかどうかを判定するステップＳ１０は、統計データの格納済セットについての計算済差分値に基づき、統計データの追加セットについて計算された差分値を含む。

方法は、２つの時間間隔にわたってデータベース２１に格納された充電処理の性能基準値の統計的特徴を計算する。第１の時間間隔および第２の時間間隔は、これらのそれぞれの間隔長（ウィンドウ長）が互いに異なる。第１の時間間隔（短時間間隔）は第１の間隔長を有し、第１の間隔長は、第２の時間間隔（長時間間隔）の第２の間隔長より短い。

第１の間隔長は、第２の間隔長より１桁短くてもよい。

第１および第２の時間間隔の第１および第２の間隔長は、充電インフラストラクチャ・システム１の特性に基づいて適合されてよい。

ステップＳ７およびＳ８において統計データのセットを計算することは、第１および第２の時間間隔におけるＣＳＩ値の平均、中央値、分散、および、自己相関または行列プロフィールのようなより先進的な時系列的特徴などの、統計的特徴を計算することをそれぞれ含むことができる。これらの統計的特徴は、複数のデータセット全体の多くのサブセットについて、それぞれ計算することができ、ＣＳＩ値のインスタンスは、データベース２１に格納されたデータセットに含まれる。

データベース２１は、充電インフラストラクチャ・システム１によって動作される全ての充電スタンド２、３、４からのエントリを収める。所定の時点ｔ＿ｃａｌｃに、方法はステップＳ７およびＳ８を実行し、２つの異なる時間間隔ｗ＿ｓｈｏｒｔおよびｗ＿ｌｏｎｇの間に別々にデータベース２１に格納されたデータセットからＣＳＩ値の複数の統計尺度を計算することができる。

Ｗ＿ｓｈｏｒｔは、第１の時間スパンにわたって続く第１の時間間隔を指す。第１の時間間隔は、例えば最終日などの最近の時間にわたって続くことができる。

Ｗ＿ｌｏｎｇは、過去の第２の時間間隔内からのデータセットの履歴（シーケンス）（例えば先月からの全てのデータセット）にわたって続く第２の時間間隔を指す。

所定の時間間隔ｗ＿ｓｈｏｒｔおよびｗ＿ｌｏｎｇの正確な仕様は、専門家よって予め事前決定し、事前決定値および固定値に設定することができる。

第１および第２の時間間隔の間隔長に適した値を設計および適合させるために、機械学習および最適化技法が使用されてよい。例えば第１および第２の時間間隔の長さを適合させるためにシミュレートされる充電処理の訓練データセットなどの訓練データセットが、第１および第２の時間間隔ｗ＿ｓｈｏｒｔおよびｗ＿ｌｏｎｇの間隔長の機械学習および最適化のために使用されてもよい。

訓練データセットは、代替または追加として、第１および第２の時間間隔の間隔長の初期値を考案するため、または、システムの動作中に規則的な間隔で第１および第２の間隔長を再較正するために使用されてもよい。

好ましい実施形態における可能な所定値は、最後の２４時間にわたって続く第１の時間間隔ｗ＿ｓｈｏｒｔを含む。

好ましい実施形態における可能な所定値は、昨日から今日の３１日前まで続く第２の時間間隔ｗ＿ｌｏｎｇを含む。

代替として、方法は、第１および第２の時間間隔を決定するために、特に機械学習および最適化方法を使用することによって、第１の時間間隔および第２の時間間隔の第１および第２の間隔長の値をそれぞれ適合させることができる。

第２のサブ・プロセスは、経時的に異常状態を検出するための方法によって監視された全ての充電スタンド２、３、４の性能基準値を間断なく監視し、性能基準値についての統計情報を経時的に計算し、統計データの計算された第１および第２のセットをデータベース２１に格納する。

具体的には、ＣＳＩ値についての統計データは、データベース２１に格納されたデータの多くの種々のサブセットについて計算され、したがって、データベース２１に格納されたデータセットの詳細な分析を可能にする。したがって、方法は性能基準のＣＳＩ値についての様々な統計データのセットを生成する。

統計情報の第１のセットは、全ての充電処理の統計情報、具体的には格納された全てのＣＳＩ値を含む。統計情報の第２のセットは、１つの特定の位置にある１つの特定の充電スタンドの充電処理からのみシステムが計算する統計情報によって提供される。さらに別の、統計情報の第３のセットは、１つの特定の位置からの全ての充電スタンドの充電処理からシステムが計算する統計情報、および１つの特定の車両タイプの充電のためだけにシステムが計算する統計情報によって提供される。

ステップＳ７およびＳ８において統計データの少なくとも１つの第１のセットおよび統計データの少なくとも１つの第２のセットをそれぞれ計算した後、方法はステップＳ９によって続き、ステップＳ９において方法は、第１の統計データの少なくとも１つの第１のセットおよび統計データの少なくとも１つの第２のセットに基づいて差分値のセットを計算する。具体的には、ステップＳ９において方法は、各格納済データセットについて、統計データの少なくとも１つの第１のセットを統計データの少なくとも１つの第２のセットと比較して、各格納済データセットの差分値のセットを計算する。

ステップＳ９に続くステップＳ１０において、方法は、統計データの各セットの差分値の計算されたセットに基づいて、充電インフラストラクチャ・システム１が異常動作状態で動作しているかどうかを判定する。

例えば、最近の充電処理の第１の時間間隔（短時間間隔）における統計データの計算済セットが、第２の時間間隔（長時間間隔）における統計情報の計算済セットから著しく逸脱する場合、ステップＳ１０は、これを充電システムの異常状態と判定する。具体的には、ステップＳ１０は、ステップＳ９において計算された差分値のセットを閾値のセットと比較することができる。ステップＳ１０において、差分値の計算されたセットが閾値のセットを超過する場合、充電インフラストラクチャ・システム１の異常動作状態が判定される。

ステップＳ１０が、差分値のセットが閾値のセットを超過することにより、異常動作状態が発生したと判定した場合、方法はステップＳ１１に進み、システム・アラートを生成および発行する（出力する）。

システム・アラートは、異常動作状態の検出についての情報、およびインフラストラクチャ・システム１の検出された異常動作状態についてのデータを含むことができる。検出された異常動作状態についてのデータは、例えば関与する充電スタンド２、３、４、電気車両タイプ、および充電スタンド・タイプなど、データセットからのデータを含むことができる。

特定の実施形態では、方法は、システム・アラートを含むシステム・エンジニアへのｅメール通知を生成する。

方法は、統計データの各セットについて、個々の閾値を定義することができる。統計データのそれぞれのセットが、統計データの任意のセットについての本閾値より大きく逸脱する場合、対応する充電処理は注目すべきとみなされ、場合によっては充電インフラストラクチャ・システム１の異常な挙動を示す。

方法は、訓練フェーズにおいて、統計データのセットの関連変化だけが検出されて、対応するシステム・アラートを生成して出力する結果になるように、適切な推論ロジックを定義することができる。推論ロジックは、ルール・セットを統計データのセットに適用することによって実現することができる。

代替として、例えば測定値から計算された統計データの計算済セットを統計データ値の予測セットと比較することによって、機械学習および異常検知の分野からのより洗練された方法を使用することができ、統計データ値の予測セットは、データベース２１に格納された長期データに基づいて予測される。

異常検知は、充電インフラストラクチャ・システム１の予測された挙動および許容可能な挙動に適合しない、データベース２１に格納されたデータセットのパターンの検出についての問題を解決する。現在の応用シナリオへの異常検知の適用可能性は、データセットの異常が、充電インフラストラクチャ・システム１の動作についての重大かつ時には重要でさえもある情報に変わることに基づく。異常は、正常な挙動または動作状態の観念に適合しないデータセットにおけるパターンである。

方法のステップＳ９およびＳ１０における異常検知の既知のアプローチを適用することは、ステップＳ７およびＳ８において計算され、基礎（入力）としてデータベース２１に格納された統計データの計算された第１および第２のセットを使用することができる。

ステップＳ９において異常検知を実施した結果は、異常スコアを提供する。

結果として生じた異常スコアは、ステップＳ１０における異常検知の基礎を形成する。

方法は、統計データのセットから最終的な異常スコアを判定するための追加の論理ステップを含むことができる。判定された最終的な異常スコアがさらなる閾値を超過した場合、システム・アラートを生成することができる。追加の論理ステップは、充電スタンド・オペレータによって定義されたルール・セット、決定木、ランダム・フォレスト・アルゴリズム、ニューラル・ネットワーク、特にディープ・ニューラル・ネットワークなどの訓練済機械学習モデル、または、別の種類の数式に依存し得る。特に、最先端の外れ値検知、異常検知、または時系列分析に属する既知の方法をこの追加の論理ステップのために利用することができる。

ステップＳ７からＳ１０は、図１の点線で示されるように、所定の時点ｔ＿ｃａｌｃに処理サイクルの中で繰り返されてよい。方法は、Ｓ７からＳ１０の処理サイクル中、ステップＳ１０において、充電インフラストラクチャ・システム１の異常動作状態が判定された場合、ステップＳ１１を実施する。

図２は、簡易ブロック図を使用して、電気車両ＥＶのための充電インフラストラクチャ・システム１の構造要素の全体像を提供する。描写された充電インフラストラクチャ・システム１は、充電インフラストラクチャ・システム１の異常状態を検出するためのシステムの実施形態を使用する。

充電インフラストラクチャ・システム１は、空間的に広がるエリアにわたって配置された複数の充電スタンド２、３、４を含む。各充電スタンド２、３、４は充電スタンド位置に配置され、充電スタンド２、３、４の動作のための電気エネルギーを取得するため、および、例えばＡＣまたはＤＣ充電電流６のような適切なフォーマットでエネルギーを電気車両ＥＶに供給するために、メイン・グリッド５に接続される。用語、充電スタンドは、公共用地の充電スタンドの他に、私有地に配置された電源ボックスも包含する。

電気車両ＥＶは、電気車両の基板上の電気エネルギー・ストレージから少なくとも１つの電気モータによって駆動される地上車両、飛行車両、ボート、または船のいずれかの種類でよい。電気エネルギー・ストレージ（電池）は、電気エネルギーを貯蔵する電気化学セルを含む。

地上車両は、具体的には、車、トラック、バス、モータサイクル、自転車、列車、およびスクータを含む。

電気車両ＥＶは、部分的に自律的または完全に自律的な動作車両でよい。

電気車両ＥＶは、プラグイン・ハイブリッド電気車両ＰＨＥＶでよく、電気車両は、充電スタンド２、３、４を介して外部で充電され得る電池で電力供給される。代替として、電気車両ＥＶは電池電気車両ＢＥＶであり、電池電気車両ＢＥＶは、充電スタンド２、３、４を介して外部で充電されることが必要な電池で電力供給される電気車両である。

各充電スタンド２、３、４は少なくとも１つの充電スロットを含み、各充電スロットは、充電ケーブルを介して充電スロットに接続された電気車両ＥＶに充電電流６の形の電気エネルギーを充電スタンドの充電器７が提供することを可能にする。充電スタンド２、３、４は、充電器７によって実行される充電処理を制御するための少なくとも１つのプロセッサ８を含む。充電処理を制御するために、プロセッサ８は、充電器７によって判定または測定された、判定された、具体的には測定されたパラメータ値を取得し、制御される充電処理の処理パラメータを充電器７に提供する。

プロセッサ８は、意図される充電処理の目標特性から処理パラメータを判定する。

充電スタンド２、３、４は、ヒューマン・マシン・インターフェース９（ＨＭＩ）をさらに備える。ＨＭＩ９は、タッチセンサ式ディスプレイ、モニタ、および、充電スタンド２、３、４のユーザＵと通信するためのキーボードなどの、入出力手段を含むことができる。

具体的には、充電スタンド２、３、４は、電気車両ＥＶのための予定充電処理に関する目標特性をユーザＵからＨＭＩ９を介して取得する。

充電スタンド２、３、４は、それぞれ、ネットワーク１７を介して中央制御設備と接続するための充電スタンド・ネットワーク・インターフェース１１を含む。ネットワーク１７はＩＰベースのネットワークでよく、ＩＰベースのネットワークは、充電スタンド・ネットワーク・インターフェース１１と、制御設備の制御設備ネットワーク・インターフェース１４との間のデータ通信を可能にする。制御設備は、一方では、充電インフラストラクチャ・システム１の技術パラメータの機能制御などのタスクを実施し、他方では、充電スタンド２、３、４を介して調達された電気エネルギーについて顧客にインボイスすることなどの経済的機能を実施することができる。中央制御設備は、これらの機能を実施するための少なくとも１つの制御プロセッサ１３を含む。制御プロセッサ１３は、１つまたは複数のコンピュータ・サーバで実装され得る。

充電スタンド２、３、４のＨＭＩ９は、予定充電処理の目標特性を獲得するためのユーザ・ダイアログを実装するための１つの可能な実施形態である。追加または代替として、ユーザＵの個人用モバイル・デバイス、例えばモバイル・ワイヤレス電話、スマートフォン、またはタブレット型コンピュータが、ユーザＵとのＨＭＩを実装するためにハードウェア入出力デバイスとして採用されてもよい。ＨＭＩは、制御設備ネットワーク・インターフェース１４を介してサーバ２０との間で通信するためのネットワーク１７を使用して実装されてよい。

図２は、制御設備にサーバ２０およびデータベース２１をさらに配置する。サーバ２０は、制御設備ネットワーク・インターフェース１４、ネットワーク１７、および、各充電スタンド２、３、４の充電スタンド・ネットワーク・インターフェース１１を介して充電スタンド２、３、４と通信する。

代替または追加として、サーバ２０およびデータベース２１は独自のネットワーク・インターフェースをそれぞれ含むことができ、互いに、および／または充電インフラストラクチャ・システム１の他の構成要素と、ネットワーク１７を介して通信することができる。

代替として、サーバ２０およびデータベース２１は、中央制御設備とは別の位置にあり、充電スタンド２、３、４および中央制御設備などの、充電インフラストラクチャ・システム１の他の構成要素と、ネットワーク１７を介して接続されてよい。

サーバ２０およびデータベース２１は、充電インフラストラクチャ・システム１の異常動作状態を判定するためのシステムの機能を実施する充電インフラストラクチャ・システム１の機能構成要素を表す。具体的には、サーバ２０は、図１について論じられた方法ステップを実施するための１つまたは複数のプロセッサを含む。データベース２１は、具体的には、充電処理のために生成されたデータセット、統計データの第１および第２のセット、ならびに差分値のセットを格納する。

サーバ２０は、システム・アラートを含むデータ・メッセージ１８、および、充電インフラストラクチャ・システム１の動作状態についてのデータを、中央制御設備のプロセッサ１３に提供することができる。

代替として、サーバ２０およびデータベース２１は、プロセッサ８および１３と全面的または少なくとも部分的に統合される。

サーバ２０およびデータベース２１は、このように分散されるように、複数のサーバ、および、データベース２１を格納するデータ・ストレージ（メモリ）を使用して実装されてよい。

図１および図２を使用する実施形態の説明は、電気車両ＥＶのための充電インフラストラクチャ・システム１の異常なシステム動作状態を判定することに焦点を当てる。

方法、プログラム、およびシステムは、共有移動サービスの文脈において同様に有利に適用されることがあり、ユーザ・フィードバック・ベースのアプローチとは対照的に実施形態による方法は、顧客によってリクエストされた移動オプションと、顧客に提供された移動オプションとの差に基づいてユーザ満足度指標を自動的に計算するはずである。システムは、リクエストされた移動オプションと、顧客のリクエストに応答して顧客に実際に提供された移動オプションとの差に基づいてユーザ満足度レベルを自動的に計算するはずである。

代替として、方法、プログラム、およびシステムは、ナビゲーション・システムの文脈において同様に有利に適用されることがあり、グローバル・ネットワーク効率または同様の理由により、システムが目標への最短かつ最も効率的なルートを常に提案することができない場合、顧客満足度値を自動的に計算することができる。

代替として、方法、プログラム、およびシステムは、ルーティング・システムの文脈において同様に有利に適用されてよく、グローバル・ネットワーク効率などの理由により、ルーティング・システムが最短経路または最も効率的なルートを提供することができない場合、顧客満足度値を自動的に計算することができる。

代替として、方法、プログラム、およびシステムは、電気車両のための充電エネルギー・ストレージとは異なる充電エネルギー・ストレージのための充電インフラストラクチャ・システムの文脈において同様に有利に適用されてよい。例えば、充電インフラストラクチャ・システムは、芝刈り機などの、電気ツールおよび自律オペレーティング・ワーキング・デバイス用の複数の再充電可能電池のための充電インフラストラクチャを備えることができる。

目標特性は、ユーザＵと、複数の充電処理それぞれを扱う充電インフラストラクチャ・システム１との間、具体的には、これらに限定されないが、電気ツール、自律オペレーティング・ワーキング・デバイス、または自律走行車両用の複数の再充電可能電池のための充電インフラストラクチャの最後に言及された例との間で交渉されてよい。

Claims (17)

1. 電池を充電するための充電インフラストラクチャ・システム（１）の異常動作状態を検出するための方法であって、
   充電スタンド（２、３、４）での充電処理のために、
   前記充電処理についての前記充電処理の目標特性を取得するステップ（Ｓ１）と、
   前記充電処理のために、前記充電処理の前記取得された目標特性に基づいて処理パラメータを判定するステップ（Ｓ２）と、
   前記判定された処理パラメータに基づいて前記充電処理を実施するステップ（Ｓ３）と、
   前記取得された目標特性に基づいて、前記実施される充電処理の性能基準を判定するステップ（Ｓ４）と、
   前記実施される充電処理のデータセットを生成するステップ（Ｓ５）であって、前記データセットが、前記実施される充電処理のメタ情報、前記実施される充電処理の判定された変数に関連付けられた前記実施される充電処理の判定された目標特性、および前記実施される充電処理の前記判定された性能基準を含む、生成するステップ（Ｓ５）と、
   前記生成されたデータセットをデータベース（２１）に格納するステップ（Ｓ６）と、
   複数の充電処理のために、
   第１の時間間隔の間に前記データベース（２１）に格納されたデータセットに基づく統計データの少なくとも１つの第１のセット、および第２の時間間隔の間に前記データベース（２１）に格納されたデータセットに基づく統計データの少なくとも１つの第２のセットを計算および格納するステップ（Ｓ７、Ｓ８）と、
   各格納済データセットの差分値のセットを計算するために、各格納済データセットについて、統計データの前記少なくとも１つの第１のセットを統計データの前記少なくとも１つの第２のセットと比較するステップ（Ｓ９）と、
   各データセットについて、差分値の前記計算済セットに基づいて、前記充電インフラストラクチャ・システム（１）が異常動作状態で動作しているかどうかを判定するステップ（Ｓ１０）と
   を含む、方法。
2. 前記充電インフラストラクチャ・システム（１）の異常動作状態を判定した場合、システム・アラートおよび障害データのうちの少なくとも１つを生成（Ｓ１１）および出力するステップ
   をさらに含む、請求項１に記載の方法。
3. 前記判定された目標特性を前記充電スタンド（２、３、４）のユーザ（Ｕ）に出力するステップ、および前記充電処理の前記出力された目標特性の少なくとも１つを変更または選択するユーザ入力を受け入れるステップ
   をさらに含む、請求項１または２に記載の方法。
4. 性能基準を判定する前記ステップ（Ｓ４）が、前記充電処理の処理パラメータと、前記ユーザ入力を受け入れるユーザインターフェースを介して前記ユーザから取得した前記充電処理のこの特定のインスタンスのための処理パラメータの目標値と、に基づくアルゴリズムを使用して顧客満足度指標を判定するステップを含む、
   請求項１から３のいずれかに記載の方法。
5. 統計データの前記第１および第２のセットに異常検知の方法を適用することによって、前記充電インフラストラクチャ・システム（１）が異常動作状態で動作しているかどうかを判定するステップ（Ｓ１０）、
   をさらに含む、請求項１から４のいずれかに記載の方法。
6. 統計データの前記第１および第２のセットに適用される異常検知の方法が、所定のルール・セットまたは訓練済機械学習モデルを使用するステップを含む、請求項５に記載の方法。
7. 異常検知の前記方法が、前記訓練済機械学習モデルを使用し、前記訓練済機械学習モデルが、数式、具体的には、決定木、ランダム・フォレスト・アルゴリズム、ニューラル・ネットワーク、またはディープ・ニューラル・ネットワークを含む、
   請求項６に記載の方法。
8. 前記充電処理の前記目標特性が、目標充電状態、目標充電エネルギー、目標最低充電状態、目標航続距離、および目標出発時刻のうちの少なくとも１つを含む、
   請求項１から７のいずれかに記載の方法。
9. 前記充電処理の判定済変数が、日付、時刻、充電スタンド（２、３、４）の識別子、充電スタンド（２、３、４）の位置、充電スタンド（２、３、４）のタイプ、前記電池のタイプ、電気車両（ＥＶ）のモデル、天候パラメータ、および充電処理の終了タイプのうちの少なくとも１つを含む、
   請求項１から８のいずれかに記載の方法。
10. 種々の特徴について前記充電処理の判定済変数をフィルタリングすることによって統計データの追加セットを計算するステップ、ならびに、前記フィルタリングされた判定済変数から前記第１の時間間隔および前記第２の時間間隔の間の統計データの前記追加セットを計算するステップと、
    統計データの前記計算された追加セットを前記データベースに格納するステップと
    をさらに含む、請求項１から９のいずれかに記載の方法。
11. 統計データの前記計算された追加セットを含む統計データの前記格納済セットについて計算された差分値の前記計算済セットに基づいて、前記充電インフラストラクチャ・システム（１）が異常動作状態で動作しているかどうかを判定するステップ
    をさらに含む、請求項１０に記載の方法。
12. 前記第１の時間間隔が、前記第２の時間間隔より短い、
    請求項１から１１のいずれかに記載の方法。
13. 前記第１の時間間隔が、前記第２の時間間隔より１桁短い、
    請求項１２に記載の方法。
14. 前記充電インフラストラクチャ・システム（１）の前記複数の格納済データセットまたは訓練データセットに基づいて、前記第１の時間間隔の第１の間隔長および前記第２の時間間隔の第２の間隔長のうちの少なくとも１つを適合させるステップ
    をさらに含む、請求項１から１３のいずれかに記載の方法。
15. 前記第１の間隔長および前記第２の間隔長のうちの少なくとも１つが、機械学習および最適化方法を使用することによって適合される、
    請求項１４に記載の方法。
16. コンピュータ・プログラムであって、
    前記プログラムがコンピュータまたはデジタル・シグナル・プロセッサ上で実行されるとき、請求項１から１５の一項に記載のステップを実行するためのプログラム・コード手段を有するコンピュータ・プログラム。
17. 電池を充電するための充電インフラストラクチャ・システム（１）の異常動作状態を検出するためのシステムであって、
    充電処理において前記電池を充電するように構成された少なくとも１つの充電器（７）と、
    前記充電処理の目標特性を取得するように構成されたインターフェース（９）と、
    少なくとも１つのプロセッサ（８、２０）であって、
    前記充電処理のために、前記取得された目標特性に基づいて前記充電処理の処理パラメータを判定すること、
    実施される充電処理の性能基準を判定すること、
    前記実施される充電処理のデータセットを生成することであって、前記データセットが、前記実施される充電処理のメタ情報、前記実施される充電処理の判定された変数に関連付けられた前記実施される充電処理の判定された目標特性、および前記実施される充電処理の前記判定された性能基準を含む、生成すること、
    前記生成されたデータセットをデータベース（２１）に格納すること、
    前記データベース（２１）に格納された複数のデータセットに基づく第１の時間間隔の間の統計データの少なくとも１つの第１のセット、および前記データベース（２１）に格納された前記複数のデータセットに基づく第２の時間間隔の間の統計データの少なくとも１つの第２のセットを計算および格納すること、
    各格納済データセットの差分値を計算するために、各格納済データセットについて、統計データの前記少なくとも１つの第１のセットを統計データの前記少なくとも１つの第２のセットと比較すること、および
    各データセットの前記計算された差分値に基づいて、前記充電インフラストラクチャ・システム（１）が異常動作状態で動作しているかどうかを判定すること
    を行うように構成された、少なくとも１つのプロセッサ（８、２０）と
    を備える、システム。

Images