JP7375005B2 - 構内における電気自動車充電の検出 - Google Patents
構内における電気自動車充電の検出 Download PDFInfo
- Publication number
- JP7375005B2 JP7375005B2 JP2021519540A JP2021519540A JP7375005B2 JP 7375005 B2 JP7375005 B2 JP 7375005B2 JP 2021519540 A JP2021519540 A JP 2021519540A JP 2021519540 A JP2021519540 A JP 2021519540A JP 7375005 B2 JP7375005 B2 JP 7375005B2
- Authority
- JP
- Japan
- Prior art keywords
- charging
- electric vehicle
- data
- time series
- usage
- 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
- 238000001514 detection method Methods 0.000 title description 47
- 238000000034 method Methods 0.000 claims description 64
- 230000005611 electricity Effects 0.000 claims description 60
- 238000010801 machine learning Methods 0.000 claims description 38
- 238000012549 training Methods 0.000 claims description 9
- 230000002459 sustained effect Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 description 19
- 230000009471 action Effects 0.000 description 18
- 230000006870 function Effects 0.000 description 16
- 238000004422 calculation algorithm Methods 0.000 description 11
- 238000007781 pre-processing Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000012706 support-vector machine Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000003066 decision tree Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000035515 penetration Effects 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000008685 targeting Effects 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 230000002730 additional effect Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
- B60L53/60—Monitoring or controlling charging stations
- B60L53/66—Data transfer between charging stations and vehicles
- B60L53/665—Methods related to measuring, billing or payment
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
- B60L53/60—Monitoring or controlling charging stations
- B60L53/63—Monitoring or controlling charging stations in response to network capacity
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
- B60L53/60—Monitoring or controlling charging stations
- B60L53/65—Monitoring or controlling charging stations involving identification of vehicles or their battery types
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- 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
- H02J7/00032—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries characterised by data exchange
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2250/00—Driver interactions
- B60L2250/22—Driver interactions by presence detection
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2260/00—Operating Modes
- B60L2260/40—Control modes
- B60L2260/46—Control modes by self learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- 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
- H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/12—Messaging; Mailboxes; Announcements
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/12—Electric charging stations
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Power Engineering (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
再充電可能バッテリの近年の進歩により、プラグイン電気自動車(electric vehicle:EV)およびハイブリッド自動車は、より多くの住民に利用可能となった。EVの採用は大幅に増加しつつある。時間が経つにつれて使用される車両の多くがEVになるであろうことが予想される。これらの車両は、市街の電気グリッドおよび電源に対して著しい負荷となる。なぜなら、動作させるためにEVを定期的に充電する必要があるからである。この結果、現在の電気公益事業者にとって、電気自動車のこのような大幅な普及に関する計画を立案できるようになる必要があるといった課題が生じる。
一実施形態においては、少なくとも1つのプロセッサを有するコンピューティングデバイスによって実行されるコンピュータ実装方法が開示される。当該方法は、既知の電気自動車オーナーのセットから電気消費データの第1のセットを取出すステップを含み、当該電気消費データは、各々の電気自動車オーナーについての、1期間にわたる使用値の時系列を含み、当該方法はさらに、各々の電気自動車オーナーについての当該使用値の時系列を、対応する使用値を含む複数の時間間隔のデータ構造に変換するステップと、当該複数の時間間隔における前記使用値の各々を、対応する時間間隔中の電気消費のレベルを表す一連の記号のうちの1つの記号で符号化するステップとを含み、当該符号化するステップで、各々の電気自動車オーナーについての複数の記号の符号化消費パターンを生成し、当該方法はさらに、非充電モチーフから区別されるEV充電イベントを表す複数の記号の前記符号化消費パターンから複数の記号のシーケンスを含むEV充電モチーフを識別し、電気消費データの追加のデータセットについて繰返すステップと、当該既知の電気自動車オーナーのセットから当該EV充電モチーフを識別し、当該非充電モチーフから区別するように、1つ以上の機械学習分類器を訓練するステップと、電気消費データの未知のデータセットがEV充電イベントを含むかどうかを識別し、少なくとも当該EV充電モチーフに基づいて、前記未知のデータセットを、電気自動車充電を有するものとして、または電気自動車充電を有さないものとしてマーク付けするように、当該1つ以上の機械学習分類器を構成するステップとを含む。
本明細書中に援用され、その一部を構成する添付の図面は、開示されているさまざまなシステム、方法および他の実施形態を示す。図に示される要素の境界(たとえば、箱、箱の群または他の形状)が、これら境界の一実施形態を表わすことが認識され得る。いくつかの実施形態においては、1つの要素が複数の要素として実現されてもよく、または、複数の要素が1つの要素として実現されてもよい。いくつかの実施形態においては、別の要素の内部構成要素として示される要素が外部構成要素として実現されてもよく、この逆であってもよい。さらに、要素は縮尺通りに図示されないこともある。
本明細書中に記載されるシステムおよび方法は、一実施形態においては、エネルギを消費して電気自動車を充電する公益事業顧客アカウントから電気自動車(EV)充電イベントを識別するためにモチーフ発見および検出を用いる新規のシステムおよび方法を提供するものである。一実施形態においては、本システムおよび方法は、少なくともEV充電モチーフ/パターンおよび充電特徴に基づいて電気自動車充電を識別するように機械学習分類器を訓練することを含む。
EV:「電気自動車」の略称。
図2を続けて参照すると、ブロック210において、既知のEVオーナーからの未処理のアカウント時系列データ110が取出されて、前処理モジュール120に入力されるという前処理が開始される。本処理は、複数の既知のEVオーナーに対して繰返されるものであって、時系列データのセットが利用可能である場合、各EVオーナーアカウントからの各々の時系列が個々に処理される。既知のEVオーナーごとに、それらの対応するサブメータ時系列データも同時に、またはその後の時間に入力される(ブロック215)。アカウント時系列データ110は、データをデータ構造に格納する記憶装置またはメモリからコンピューティングシステムのプロセッサによって読出されて取出される。以下の例では、アカウント時系列データ110は15分間隔でkWh充電値で記録される。
ブロック240でkWhデータが文字に符号化された後、時系列中の符号化文字がメモリから読出されて分析されることで、ブロック250で、EV充電パターンが検出される。EVサブメータデータが所与のアカウント時系列のために利用可能でない場合、検出モジュール130は、アカウント時系列データから符号化文字を分析するように構成されている。電気自動車充電が、典型的には、より高レベルのkWh使用量の何らかの持続期間によって特徴付けられるとすると、EV充電を示す時系列データのうち一部が連続した高使用文字の列となる可能性が非常に高い。
ブロック270において、EV充電パターンおよびそれらの関連する充電特徴が、1つ以上の機械学習分類器(単に、分類器)に入力される。このデータは、未知のデータセットからEV充電イベントを識別および検出するために、充電特徴から学習するように分類器を訓練する。同様に、非EV充電パターンおよびそれらの関連する充電特徴は、非EV充電パターンを識別して、それらをEV充電イベントから区別するように分類器を訓練するために入力される。
一実施形態においては、システムは、EV充電を識別するために、ロジスティック分類器および決定ツリーベースのアルゴリズム(たとえば、サポートベクトルマシン(Support Vector Machine:SVM)を実装および使用する。ロジスティック分類器の場合、0.5よりも大きい確率が割当てられている疑わしいEVイベントは、EV充電として分類される。当然、他の値が用いられてもよい。
一実施形態においては、本電気自動車充電検出システムは、エンタープライズ組織のためのアプリケーションまたは分散アプリケーションの集合を含むコンピューティング/データ処理システムである。当該アプリケーションおよびコンピューティングシステムは、クラウドベースのネットワーキングシステム、ソフトウェア・アズ・ア・サービス(software-as-a-service:SaaS)アーキテクチャ、もしくは他のタイプのネットワーク化コンピューティングソリューションを用いて動作するように構成されてもよく、または、クラウドベースのネットワーキングシステム、SaaSアーキテクチャ、もしくは他のタイプのネットワーク化コンピューティングソリューションとして実現されてもよい。一実施形態においては、検出システムは、少なくとも本明細書中に開示される機能を提供するとともに、コンピュータネットワーク上で(サーバとして機能する)コンピューティングシステム100と通信するコンピューティングデバイス/端末を介して多くのユーザによってアクセスされる、集中型サーバ側アプリケーションの一部として実装される。
一実施形態においては、図5は、本電気自動車検出システム100の1つ以上の構成要素および本明細書中に記載される方法および/または同等例を用いる専用のコンピューティングデバイスとして構成および/またはプログラムされたコンピューティングデバイスを示す。
本明細書に記載または請求される機能はいずれも、人によって手動で実行されるものではなく、または精神意識により実行されるものではない。そのような解釈はいずれも本開示と矛盾する。
Claims (10)
- 少なくとも1つのプロセッサを備えたコンピューティングデバイスによって実行されるコンピュータ実装方法であって、
既知の電気自動車オーナーのセットから電気消費データの第1のセットを取出すステップを含み、前記電気消費データは、各々の電気自動車オーナーについての、1期間にわたる使用値の時系列を含み、前記コンピュータ実装方法はさらに、
各々の電気自動車オーナーについての使用値の前記時系列を、対応する使用値を含む複数の時間間隔のデータ構造に変換するステップと、
前記複数の時間間隔における前記使用値の各々を、対応する時間間隔中の電気消費のレベルを表す一連の記号のうちの1つの記号で符号化するステップとを含み、
前記符号化するステップで、各々の電気自動車オーナーについての複数の記号の符号化消費パターンを生成し、前記コンピュータ実装方法はさらに、
非充電モチーフから区別されるEV充電イベントを表す複数の記号の前記符号化消費パターンから複数の記号のシーケンスを含むEV充電モチーフを識別し、電気消費データの追加のデータセットについて繰返すステップと、
前記既知の電気自動車オーナーのセットから前記EV充電モチーフを識別し、前記非充電モチーフから区別するように、1つ以上の機械学習分類器を訓練するステップと、
電気消費データの未知のデータセットがEV充電イベントを含むかどうかを識別し、少なくとも前記EV充電モチーフに基づいて、前記未知のデータセットを、電気自動車充電を有するものとして、または電気自動車充電を有さないものとしてマーク付けするように、前記1つ以上の機械学習分類器を構成するステップとを含む、コンピュータ実装方法。 - 前記EV充電モチーフに対応する前記EV充電イベントに関して、前記EV充電イベント中に少なくとも電気消費値に基づいて前記EV充電イベントを特徴付ける1つ以上の充電特徴を生成するステップと、
前記1つ以上の充電特徴を前記EV充電モチーフに関連付けるステップと、
前記1つ以上の充電特徴を入力して、前記1つ以上の機械学習分類器をさらに訓練して、少なくとも前記1つ以上の充電特徴に基づいて非EV充電イベントから前記EV充電イベントを識別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実装方法。 - 前記1つ以上の充電特徴を生成するステップは、前記EV充電イベント中の電気の平均
消費、前記EV充電イベントの開始時の電気消費の最初の急増の大きさ、前記EV充電イベントの終了時の前記電気消費の低下の大きさ、または、前記EV充電イベントの持続期間、うちの1つ以上を生成するステップを含む、請求項2に記載のコンピュータ実装方法。 - 電気自動車充電から測定されたサブメータデータの対応する時系列から、各々の電気自動車オーナーに関する使用値の前記時系列についての回答キーを生成するステップと、
前記サブメータデータからの前記回答キーで、使用値の前記時系列における前記EV充電イベントを識別および検証するステップとをさらに含み、
前記サブメータは、電気自動車のみによって引出される電気を記録し、
前記回答キーは、前記電気自動車が充電中であるときの時間間隔をラベル付けして識別する、請求項1から3のいずれか1項に記載のコンピュータ実装方法。 - 持続的な高使用レベル記号のシーケンスを表す複数の記号の前記符号化消費パターンにおける複数の記号のシーケンスを識別することによって、電気自動車の疑わしい充電を識別するステップをさらに含み、
前記高使用レベル記号は、電気使用量のレベルが高いことを表す記号である、請求項1から4のいずれか1項に記載のコンピュータ実装方法。 - 前記符号化するステップは、前記時系列における前記使用値の範囲に関して、低使用レベルから高使用レベルまでの電気消費のレベルを表す文字の符号化方式を適用するステップを含む、請求項1から5のいずれか1項に記載のコンピュータ実装方法。
- 前記符号化するステップの前に、前記使用値を前記時系列で正規化する、請求項1から6のいずれか1項に記載のコンピュータ実装方法。
- コンピューティングシステムであって、
少なくとも1つのメモリと、
前記少なくとも1つのメモリに接続する少なくとも1つのプロセッサと、
命令が格納されたコンピュータ可読媒体とを含み、前記命令は、前記少なくとも1つのプロセッサによって実行されると、前記少なくとも1つのプロセッサに、
既知の電気自動車オーナーのセットから電気消費データの第1のセットを取出すことを実行させ、前記電気消費データは、各々の電気自動車オーナーについての、1期間にわたる使用値の時系列を含み、さらに、
各々の電気自動車オーナーについての使用値の前記時系列を、対応する使用値を含む複数の時間間隔のデータ構造に変換することと、
前記複数の時間間隔における前記使用値の各々を、対応する時間間隔中の電気消費のレベルを表す一連の記号のうちの1つの記号で符号化することとを実行させ、
前記符号化することで、各々の電気自動車オーナーについての複数の記号の符号化消費パターンを生成し、さらに、
非充電モチーフから区別されるEV充電イベントを表す複数の記号の前記符号化消費パターンから複数の記号のシーケンスを含むEV充電モチーフを識別し、電気消費データの追加のデータセットについて繰返すことと、
前記既知の電気自動車オーナーのセットから前記EV充電モチーフを識別し、前記非充電モチーフから区別するように、1つ以上の機械学習分類器を訓練することと、
電気消費データの未知のデータセットがEV充電イベントを含むかどうかを識別し、少なくとも前記EV充電モチーフに基づいて、前記未知のデータセットを、電気自動車充電を有するものとして、または電気自動車充電を有さないものとしてマーク付けするように、前記1つ以上の機械学習分類器を構成することと、を実行させる、コンピューティングシステム。 - 前記命令はさらに、前記少なくとも1つのプロセッサに、
電気グリッドにおけるEVオーナーの位置を識別することと、
複数のEVオーナーを有するエリアにおける負荷増加を表す、前記電気グリッド内のEVホットスポットを識別することと、を実行させる命令を含む、請求項8に記載のコンピューティングシステム。 - 前記命令はさらに、前記少なくとも1つのプロセッサに、
電気自動車充電を有するものとしてマーク付けされたアカウントに関して、
電子メッセージを生成し、前記アカウントに関連付けられたEVオーナーのリモートデバイスに前記電子メッセージを送信することを実行させる命令を含み、前記電子メッセージは、EV充電時間をオフピーク時間帯に変更する命令を含む、請求項8または9に記載のコンピューティングシステム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023183396A JP2024010103A (ja) | 2018-10-22 | 2023-10-25 | 構内における電気自動車充電の検出 |
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862748802P | 2018-10-22 | 2018-10-22 | |
US62/748,802 | 2018-10-22 | ||
US16/420,597 | 2019-05-23 | ||
US16/420,597 US11383612B2 (en) | 2018-10-22 | 2019-05-23 | Detection of electric vehicle charging at premise |
PCT/US2019/056490 WO2020086353A1 (en) | 2018-10-22 | 2019-10-16 | Detection of electric vehicle charging at premise |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023183396A Division JP2024010103A (ja) | 2018-10-22 | 2023-10-25 | 構内における電気自動車充電の検出 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2022504494A JP2022504494A (ja) | 2022-01-13 |
JPWO2020086353A5 JPWO2020086353A5 (ja) | 2022-06-02 |
JP7375005B2 true JP7375005B2 (ja) | 2023-11-07 |
Family
ID=70279373
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021519540A Active JP7375005B2 (ja) | 2018-10-22 | 2019-10-16 | 構内における電気自動車充電の検出 |
JP2023183396A Pending JP2024010103A (ja) | 2018-10-22 | 2023-10-25 | 構内における電気自動車充電の検出 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023183396A Pending JP2024010103A (ja) | 2018-10-22 | 2023-10-25 | 構内における電気自動車充電の検出 |
Country Status (5)
Country | Link |
---|---|
US (2) | US11383612B2 (ja) |
EP (1) | EP3870475A1 (ja) |
JP (2) | JP7375005B2 (ja) |
CN (1) | CN112739572B (ja) |
WO (1) | WO2020086353A1 (ja) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220024335A1 (en) * | 2020-07-24 | 2022-01-27 | Ford Global Technologies, Llc | Electrical charge pattern validation |
CN112124135B (zh) * | 2020-08-19 | 2021-12-28 | 国电南瑞科技股份有限公司 | 一种电动汽车共享充电需求分析方法及装置 |
US11385631B2 (en) * | 2020-11-11 | 2022-07-12 | Honda Research Institute Europe Gmbh | Method and system for detecting faults in a charging infrastructure system for electric vehicles |
CN112380630B (zh) * | 2020-11-27 | 2022-06-14 | 重庆长安新能源汽车科技有限公司 | 基于车联网数据的新能源汽车电池热失控风险的预测方法 |
GB2602670A (en) * | 2021-01-12 | 2022-07-13 | Codesmith Tech Limited | Battery monitoring |
CN113538037B (zh) * | 2021-06-16 | 2023-11-24 | 北京市腾河智慧能源科技有限公司 | 监测电瓶车充电事件的方法及系统、设备、存储介质 |
US20240149736A1 (en) * | 2022-11-03 | 2024-05-09 | Landis+Gyr Innovations, Inc. | Premises electric vehicle charge detection |
WO2024118554A1 (en) * | 2022-11-29 | 2024-06-06 | Utilidata, Inc. | Real-time electric vehicle charging detection |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120123709A1 (en) | 2011-11-11 | 2012-05-17 | San Diego Gas & Electric Company, c/o Sempra Energy | Method for detection of plug-in electric vehicle charging via interrogation of smart meter data |
US20150077054A1 (en) | 2013-09-19 | 2015-03-19 | Honda Motor Co., Ltd. | System and method for electric vehicle battery charging |
US20160055419A1 (en) | 2014-08-22 | 2016-02-25 | Opower, Inc. | Identifying electric vehicle owners |
US20190294953A1 (en) | 2018-03-20 | 2019-09-26 | International Business Machines Corporation | Comparing time series data using context-based similarity |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7984000B2 (en) * | 2007-10-31 | 2011-07-19 | Microsoft Corporation | Predicting and using search engine switching behavior |
JP5604394B2 (ja) * | 2011-09-22 | 2014-10-08 | 株式会社日立製作所 | 電気自動車の消費電力量提供システム |
KR20130049932A (ko) * | 2011-11-07 | 2013-05-15 | 제주대학교 산학협력단 | 전기 자동차의 충전 태스크 스케쥴링 방법 및 그 방법을 이용한 장치 |
CN105930955A (zh) * | 2016-04-07 | 2016-09-07 | 浙江万马新能源有限公司 | 基于深度学习的充电网络运行态势分析方法及装置 |
CN106427655B (zh) * | 2016-11-30 | 2018-09-11 | 郑州天迈科技股份有限公司 | 公交新能源纯电车预约补电与公交智能调度结合的方法 |
US20180231603A1 (en) | 2017-02-15 | 2018-08-16 | Abhay Gupta | Systems and Methods for Detecting Occurence of an Event in a Household Environment |
-
2019
- 2019-05-23 US US16/420,597 patent/US11383612B2/en active Active
- 2019-10-16 CN CN201980061896.5A patent/CN112739572B/zh active Active
- 2019-10-16 WO PCT/US2019/056490 patent/WO2020086353A1/en unknown
- 2019-10-16 JP JP2021519540A patent/JP7375005B2/ja active Active
- 2019-10-16 EP EP19797950.3A patent/EP3870475A1/en active Pending
-
2022
- 2022-05-27 US US17/826,651 patent/US11667210B2/en active Active
-
2023
- 2023-10-25 JP JP2023183396A patent/JP2024010103A/ja active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120123709A1 (en) | 2011-11-11 | 2012-05-17 | San Diego Gas & Electric Company, c/o Sempra Energy | Method for detection of plug-in electric vehicle charging via interrogation of smart meter data |
US20150077054A1 (en) | 2013-09-19 | 2015-03-19 | Honda Motor Co., Ltd. | System and method for electric vehicle battery charging |
US20160055419A1 (en) | 2014-08-22 | 2016-02-25 | Opower, Inc. | Identifying electric vehicle owners |
US20190294953A1 (en) | 2018-03-20 | 2019-09-26 | International Business Machines Corporation | Comparing time series data using context-based similarity |
Also Published As
Publication number | Publication date |
---|---|
JP2022504494A (ja) | 2022-01-13 |
CN112739572B (zh) | 2024-06-14 |
WO2020086353A1 (en) | 2020-04-30 |
US20220289064A1 (en) | 2022-09-15 |
JP2024010103A (ja) | 2024-01-23 |
CN112739572A (zh) | 2021-04-30 |
US11383612B2 (en) | 2022-07-12 |
EP3870475A1 (en) | 2021-09-01 |
US20200122598A1 (en) | 2020-04-23 |
US11667210B2 (en) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7375005B2 (ja) | 構内における電気自動車充電の検出 | |
Himeur et al. | Smart power consumption abnormality detection in buildings using micromoments and improved K‐nearest neighbors | |
Wang et al. | Review of smart meter data analytics: Applications, methodologies, and challenges | |
Westermann et al. | Unsupervised learning of energy signatures to identify the heating system and building type using smart meter data | |
Haben et al. | Analysis and clustering of residential customers energy behavioral demand using smart meter data | |
CN111612650B (zh) | 一种基于dtw距离的电力用户分群方法及系统 | |
EP3968040A1 (en) | Abnormal electricity use recognition method and device, and computer readable storage medium | |
JP2012526281A (ja) | 電力の公共使用、監視および管理のためのシステムおよび方法 | |
Quek et al. | Load disaggregation using one-directional convolutional stacked long short-term memory recurrent neural network | |
Himeur et al. | Detection of appliance-level abnormal energy consumption in buildings using autoencoders and micro-moments | |
Basu et al. | A generic data driven approach for low sampling load disaggregation | |
Lin et al. | Electricity theft detection in power consumption data based on adaptive tuning recurrent neural network | |
CN113705688A (zh) | 一种电力用户异常用电行为检测方法和系统 | |
Emadaleslami et al. | A two stage approach to electricity theft detection in AMI using deep learning | |
Wang et al. | Optimizing small-sample disk fault detection based on LSTM-GAN model | |
Petralia et al. | Appliance Detection Using Very Low-Frequency Smart Meter Time Series | |
Lee et al. | Wind power pattern forecasting based on projected clustering and classification methods | |
Asghari et al. | Selecting and prioritizing the electricity customers for participating in demand response programs | |
Khetarpal et al. | Power quality disturbance signal segmentation and classification based on modified BI‐LSTM with double attention mechanism | |
Kou et al. | Machine learning based models for fault detection in automatic meter reading systems | |
Ji et al. | Online refinement of day‐ahead forecasting using intraday data for campus‐level load | |
Wang et al. | Network behavior abnormal detection for electricity management system based on long short-term memory | |
Yao et al. | A practical building energy consumption anomaly detection method based on parameter adaptive setting DBSCAN | |
Lin | Electricity theft detection algorithm based on contrast learning and cluster combination discrimination | |
Khafaf et al. | Optimal Clustering of Energy Consumers based on Entropy of the Correlation Matrix between Clusters |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220524 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220524 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230404 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230703 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230728 |
|
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: 20230926 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231025 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7375005 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |