KR102286936B1 - 교환 가능한 에너지 저장 장치에 대한 수요를 예측하기 위한 시스템 및 방법 - Google Patents

교환 가능한 에너지 저장 장치에 대한 수요를 예측하기 위한 시스템 및 방법 Download PDF

Info

Publication number
KR102286936B1
KR102286936B1 KR1020180172821A KR20180172821A KR102286936B1 KR 102286936 B1 KR102286936 B1 KR 102286936B1 KR 1020180172821 A KR1020180172821 A KR 1020180172821A KR 20180172821 A KR20180172821 A KR 20180172821A KR 102286936 B1 KR102286936 B1 KR 102286936B1
Authority
KR
South Korea
Prior art keywords
battery
time period
station
demand
stations
Prior art date
Application number
KR1020180172821A
Other languages
English (en)
Other versions
KR20190082144A (ko
Inventor
아이-펜 쉬흐
윤-천 라이
쉥-친 추앙
다니엘 빅커리
호크-섬 호라세 루케
보-위 추
Original Assignee
고고로 아이엔씨.
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 고고로 아이엔씨. filed Critical 고고로 아이엔씨.
Publication of KR20190082144A publication Critical patent/KR20190082144A/ko
Application granted granted Critical
Publication of KR102286936B1 publication Critical patent/KR102286936B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • 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
    • 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
    • B60L53/30—Constructional details of charging stations
    • B60L53/305—Communication interfaces
    • 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
    • B60L53/67—Controlling two or more charging stations
    • 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
    • B60L53/68—Off-site monitoring or control, e.g. remote control
    • 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
    • B60L53/80—Exchanging energy storage elements, e.g. removable batteries
    • 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
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60S—SERVICING, CLEANING, REPAIRING, SUPPORTING, LIFTING, OR MANOEUVRING OF VEHICLES, NOT OTHERWISE PROVIDED FOR
    • B60S5/00—Servicing, maintaining, repairing, or refitting of vehicles
    • B60S5/06—Supplying batteries to, or removing batteries from, vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/08—Payment architectures
    • G06Q20/14—Payment architectures specially adapted for billing systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0013—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries acting upon several batteries simultaneously or sequentially
    • 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
    • B60L2200/00—Type of vehicles
    • B60L2200/12—Bikes
    • 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
    • B60L2260/50—Control modes by future state prediction
    • 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
    • B60L2260/50—Control modes by future state prediction
    • B60L2260/54—Energy consumption estimation
    • 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
    • H02J7/00036—Charger exchanging data with battery
    • 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
    • H02J7/00047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with provisions for charging different types of 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
    • Y02T10/70—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
    • 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
    • Y02T90/16—Information or communication technologies improving the operation of electric vehicles
    • 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
    • Y02T90/16—Information or communication technologies improving the operation of electric vehicles
    • Y02T90/167—Systems integrating technologies related to power network operation and communication or information technologies for supporting the interoperability of electric or hybrid vehicles, i.e. smartgrids as interface for battery charging of electric vehicles [EV] or hybrid vehicles [HEV]
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S30/00—Systems supporting specific end-user applications in the sector of transportation
    • Y04S30/10—Systems supporting the interoperability of electric or hybrid vehicles
    • Y04S30/14—Details associated with the interoperability, e.g. vehicle recognition, authentication, identification or billing

Abstract

본 발명은 복수의 장치 교환 스테이션(device-exchange stations)을 관리하기 위한 방법 및 연관된 시스템에 관한 것이다.　 상기 방법은, 예를 들어, (1) 초기 시간 기간(initial time period)에 복수의 장치 교환 스테이션 각각으로부터 에너지 저장 장치(energy storage devices)의 교환(exchanges)에 관한 경험적 정보(empirical information)를 수신하는 단계; (2) 타겟 시간 기간(target time period)을 결정하는 단계; (3) 에너지 저장 장치의 교환에 관한 경험적 정보에 기초하여 복수의 기준 팩터(reference factors) 및 연관된 가중치 값(associated weighting values)을 식별(identifying)하는 단계; (4) 장치 교환 스테이션(device-exchange stations) 각각에 대한 타겟 시간 기간 동안 복수의 장치 교환 스테이션 각각에 대한 타겟 시간 기간 동안의 수요 정보(demand information)를 결정하는 단계; 및 (5) 타겟 시간 기간 동안 수요 정보에 따라 복수의 장치 교환 스테이션 각각에 대한 복수의 충전 계획(charging plans)을 형성(forming)하는 단계를 포함한다.

Description

교환 가능한 에너지 저장 장치에 대한 수요를 예측하기 위한 시스템 및 방법{SYSTEMS AND METHODS FOR PREDICTING DEMANDS FOR EXCHANGEABLE ENERGY STORAGE DEVICES}
본 출원은 2017년 12월 29일자로 출원된 미국 가출원 번호 62/612,141의 우선권을 주장하며, 그 전체가 본 명세서에 참고로 인용된다.
본 기술은 교환 가능한 에너지 저장 장치(exchangeable energy storage device)에 대한 다수의 장치 교환 스테이션(device-exchange stations)을 관리하기 위한 시스템 및 방법에 관한 것이다. 보다 구체적으로, 본 기술은 교환 가능한 에너지 저장 장치에 대한 예측된 수요에 기초하여 충전 계획을 제공함으로써 다수의 배터리 교환 스테이션을 관리하기 위한 시스템 및 방법에 관한 것이다.
일부 전기 자동차는 교환 가능한 배터리(exchangeable batteries)로 전력이 공급된다. 이러한 전기 자동차의 경우, 사용자가 배터리 교환을 원할 때 이용가능한 충분히-충전된 배터리를 갖는 것은 만족스러운 사용자 경험을 제공하는 중요한 요소이다. 그러나, 배터리를 충전하고 이러한 배터리의 충전의 상태를 유지하는 데 상당한 양의 에너지가 필요할 수 있다. 불필요한 충전 또는 유지는 시스템의 비용 효율성 및 에너지 효율성에 부정적인 영향을 미칠 수 있다. 또한, 사용자 및 교환 가능한 배터리의 수가 빈번하게 변경되므로(예컨대, 신규 사용자가 배터리 서비스 계획(battery service plan)에 가입함; 신규 교환 스테이션이 설립됨), 과거 데이터(historical data)를 기반으로 미래(future)의 배터리 수요를 예측하는 것이 매우 어렵다("트렌드(trend)"문제). 또한, 이 데이터에 상당한 양의 "잡음(noise)"이 있을 수 있다(예컨대, 미래 배터리 수요 예측시 오도(misleading)될 수 있는 정보; "잡음"문제). 그러므로, 이 문제들을 해결하기 위한 개선된 시스템 및 방법을 갖는 것이 유리하다.
개시된 기술의 실시예는 첨부된 도면을 사용하여 설명되고 해석될 것이다.
도 1은 개시된 기술의 실시예에 따른 시스템을 도시하는 개략도이다.
도 2는 개시된 기술의 실시예에 따른 서버 시스템을 도시하는 개략도이다.
도 3은 개시된 기술의 실시예에 따른 스테이션 시스템 및 차량 시스템을 도시하는 개략도이다.
도 4는 개시된 기술의 실시예에 따른 클라우드 시스템을 나타내는 개략도이다.
도 5a는 개시된 기술의 실시예에 따른 다수의 스테이션 시스템의 특성을 도시하는 다수의 그래프를 도시한다.
도 5b는 개시된 기술의 실시예에 따른 스테이션 시스템의 다수의 시간 프레임 동안 특성을 도시하는 다수의 그래프를 도시한다.
도 6은 개시된 기술의 실시예에 따른 방법을 도시하는 흐름도이다.
도 7은 개시된 기술의 실시예에 따른 방법을 도시하는 흐름도이다.
도면은 반드시 일정한 스케일(scale)로 그려지는 것은 아니다. 예를 들어, 도면들 중 몇몇 성분(elements)의 치수는 다양한 실시예의 이해를 돕기 위해 확장되거나 감소될 수 있다. 유사하게는, 일부 콤포넌트 및/또는 작동은 몇몇 실시예의 설명의 목적을 위해 상이한 블록으로 분리되거나, 단일 블록으로 연결될 수 있다. 또한, 특정 실시예가 도면에서 예시의 방식에 의해 도시되고, 아래에서 상세하게 설명되었지만, 당업자라면 변형, 등가물 및 대안이 첨부된 청구항의 범위 내에 있다는 것을 인식할 것이다.
본 명세서에서, "일부 실시예", "일 실시예" 등은 설명된 특정 특징, 기능, 구조 또는 특성이 개시된 기술의 적어도 하나의 실시예에 포함됨을 의미한다. 본 명세서에서 이러한 어구들의 발생은 반드시 동일한 실시예를 지칭하는 것은 아니다. 다시 말해, 언급된 실시예는 반드시 상호 배타적인 것은 아니다.
본 개시는 복수의 장치 교환 스테이션을 관리하기 위한 방법 및 시스템에 관한 것이다. 장치 교환 스테이션은 사용자가 에너지 저장 장치(예를 들어, 배터리)를 교환할 수 있도록 구성된다. 개시된 방법들은 네트워크를 통해 장치 교환 스테이션들과 연결된 서버에 의해 구현될 수 있다. 일부 실시예에서, 경험적 데이터(예를 들어, 특정 시간 동안 일부 스테이션에서 실제로 교환되는 배터리의 수( 및 예측된 수요와 실제 교환된 수 사이의 불일치), 불충족된 배터리 교환 수요 등과 같은 과거의 배터리 교환에 관한 이력 정보)에 기초하여, 개시된 시스템은 복수의 참조 요소(reference factors)(예를 들어, 요소 매트릭스(factor matrix)) 및 연관된 가중치(associated weighting values)(예를 들어, 가중치 매트릭스(weighting matrix))를 결정할 수 있다. 그러면 시스템은 미래의 배터리 교환 수요를 예측할 수 있다(예를 들어, 아래의 수학식 A 참조). 가중치를 조정하고 과거 데이터와 같은 것을 분석함으로써, 시스템은 상대적으로 중요한 참조 요소를 효과적으로 식별할 수 있다. 따라서, 가중치는 업데이트되고, 미래 배터리 수요(future battery demand)를 예측하는데 사용될 수 있다. 일부 실시예에서, 경험적 데이터에 기초하여, 시스템은 다양한 유형의 장치 교환 스테이션을 식별할 수 있고, 각 유형의 스테이션은 동일한 배터리 교환 특징(예를 들어, 도 5a 및 5b와 관련하여 설명된 "곡선")을 갖는다. 일부 실시예에서, 이들 스테이션의 "유형"만으로 미래의 배터리 수요를 예측할 수 있다. 다른 실시예에서, 스테이션의 "유형"은 미래의 배터리 교환 수요를 계산하기 위한 "참조 요소"로 간주될 수 있다(예를 들어, 아래의 수학식 A 참조).
일부 실시예에서,이 방법은, 예를 들어, (1) 초기 시간 기간(initial time period)에서 복수의 장치 교환 스테이션의 각각으로부터 에너지 저장 장치의 교환에 관한 경험적 정보(empirical information)(예를 들어, 서버 내의 메모리로부터 또는 서버에 연결된 데이터베이스로부터)를 수신하는 단계; (2) 목표 시간 기간(target time period)을 결정하는 단계; (3) 목표 시간 기간에서 복수의 장치 교환 스테이션의 각각에 대응하는 복수의 참조 요소를 식별하는 단계(예를 들어, 참조 요소는 복수의 장치 교환 스테이션과 연관된 다수의 특성 및 특성의 조합을 포함함); (4) 복수의 장치 교환 스테이션의 각각에 대한 목표 시간 기간에 대한 기대 수요 정보(expected demand information)를 결정하는 단계(예를 들어, 목표 시간 기간은 초기 시간 기간 이후임, 예를 들어, 초기 시간 기간은 오늘 오후 9시일 수 있고, 목표 시간 기간은 내일 오후 3시 내지 4시일 수 있고, 일부 실시예에서, 초기 시간 기간은 경험적 정보가 수집/생성되는 동안의 시간 기간을 포함할 수 있음); 및 (5) 목표 시간 기간 동안 기대 수요 정보에 따라 복수의 장치 교환 스테이션의 각각에 대한 복수의 충전 계획을 형성하는 단계를 포함한다.
일부 실시예에서, 참조 요소는 (1) 수요 예측과 연관된 특성(예를 들어, 스테이션 식별(station identification), 시간, 일, 월, 휴일, 날씨, 특별 이벤트 등과 같은 시간-관련 단위(time-related unit)); (2) 2개 이상의 특성의 조합(예를 들어, 아래 설명되는 "교차-항(cross-term)" 요소); (3) 장치 교환 스테이션의 "유형"(예를 들어, 아래 설명되는 "많은-트래픽(heavy-traffic)" 유형, "중간-트래픽(intermediate-traffic)" 유형 또는 "적은-트래픽(light-traffic)" 유형); 및 (4) 상기의 조합을 포함할 수 있다. 참조 요소들의 각각은 연관된 가중치(associated weighting)를 가지며, 이는 미래 배터리 수요(future battery demand)를 계산할 때 상대적 중요성(relative importance)을 나타낸다. 일부 실시예에서, 예를 들어, 시스템 운영자(예를 들어, 시스템 내의 서버의)는 미래 배터리 수요를 예측하기 위해 고려할 몇 가지 참조 요소를 선택할 수 있다. 그런 다음 시스템 운영자는 선택된 참조 요소의 각각에 가중치를 할당할 수 있다. 그러나, 일부 실시예에서, 시스템 운영자는 모든 참조 요소를 요소 매트릭스(예를 들어, 아래에서 설명되는 "매트릭스 x")에 넣을 수 있다. 시스템 운영자는 (1) 수요 예측에 상당히 관련된 참조 요소에 더 높은 가중치(예를 들어, 가중 가치 매트릭스(weighting value matrix)에서)를 할당할 수 있고; (2) 수요 예측과 크게 관련이 없는 참조 요소에 더 낮은(또는 심지어 0) 가중치를 할당할 수 있다. 일부 실시예에서, 선택된 참조 요소의 최대 수는 (1) 수요 예측 프로세스의 계산을 간단하게 하기 위해; 및/또는 2) 그것들 중 일부는 소음을 포함하는 너무 많은 요소들에 의해 야기되는 "오버 피팅(over fitting)"을 방지하기 위해 수요 예측 프로세스에서 설정될 수 있다. 시스템(또는 시스템 운영자)은 참조 요소의 중요성 또는 상대적 중요성을 결정한 다음 참조 요소를 선택할 수 있다. 또한, 참조 요소의 최대 수는 수요 예측 프로세스의 계산의 복잡성 및 시스템의 이용 가능한 컴퓨팅 리소스에 기초하여 결정될 수 있다.
일부 실시예에서, 에너지 저장 장치의 교환에 관한 경험적 정보는 특정 장치 교환 스테이션에서 특정 시간 기간 동안 교환되는 에너지 저장 장치의 개수 및 특정 시간 기간 동안 배터리 교환의 실제 수와 예측된 수요 사이의 차이에 관한 과거 데이터 또는 정보일 수 있다. 예를 들어, 정보는 (1) 2017년 1월 12일 오전 10 내지 오전 11시 사이에 스테이션 A에서 10 개의 배터리가 교환되었으며, 8개의 배터리만 교환될 것으로 예측되었음; (2) 2017년 11월의 첫 번째 목요일 오전 11시 내지 오전 12시 사이에 영역 X(스테이션 X1-Xn을 포함하는)에서 35개의 배터리가 교환되었으며, 40개의 배터리 교환이 예측되었음; (3) 2017년 7월 5일 오후 7시 내지 오후 8시 사이에 스테이션 B에서 90% 이상의 충전 상태(SoC)를 가진 17개의 배터리가 교환되었음; (4) 2017년 2월 5일에 오후 5시 내지 오후 6시 사이에 스테이션 C에서 55개의 배터리가 교환되었으며, 근처에서 개최되는 이벤트가 있음; (5) 2017년의 234일째 오후 9시 내지 오후 10시 사이에 스테이션 D에서 28개의 배터리가 교환되었음; 또는 (6) 45개의 배터리가 예약되었지만 2017년 9월 7일 오전 8시 내지 오전 9시 사이에 스테이션 E에서 40개의 배터리만 교환되었으며, 일기 예보는 10일 연속 비가 내린 날 이후에 맑은 날임을 나타냄일 수 있다. 상술한 것은 단지 예시이며, 다양한 실시예에서 다른 유형의 정보가 있을 수 있다.
개시된 시스템이 에너지 저장 장치의 수요에 관한 과거 정보를 수신하면, 시스템은 그 정보를 분석하고, 미래의 에너지 저장 장치에 대한 수요를 예측하기 위한 모델을 수립(establishes)한다. 일부 실시예에서, 어떤 정의된 에러 양을 가진 출력을 생성할 때까지 회귀/논리 분석(예를 들어, 온라인 포아송 회귀(online Poisson regression), 온라인 최소 자승 회귀(online least square regression), 의사 결정 트리 분석(decision-tree analysis) 등) 및 기계 학습 분석(예를 들어, 데이터를 공급함으로써 모델을 "훈련(train)", 출력을 분석하고, 모델을 조정)에 기초하여 모델이 수립된다. 예를 들어, 모델은 다음 수학식으로 도시될 수 있다:
Figure 112019014787685-pat00001
수학식 (A)
"P"는 특정 시간 기간 동안 특정 장치 교환 스테이션에서 에너지 저장 장치에 대한 수요의 예측을 나타낸다(예를 들어, 시스템은 스테이션 A에서 에너지 저장 장치가 내일 오전 8시에서 오전 9시 사이에 25 회 교환될 것으로 예측함). 용어 "x"는 고려될 참조 요소(예를 들어, 다수의 성분을 갖는 매트릭스, 각각의 성분은 참조 요소를 나타냄)를 나타낸다. 용어 "w"는 참조 요소 "x"에 대한 가중치(예를 들어, 다수의 성분을 갖는 매트릭스, 각 성분은 대응하는 참조 요소에 대한 가중치를 나타냄)를 나타낸다.
참조 요소 "x"는 복수의 특성, 예를 들어 스테이션 식별, 시간(각 시간 기간이 참조 요소로서 고려될 수 있는 다양한 시간 기간으로 나누어 질 수 있음), 스테이션의 위치, 환경 조건(예를 들어, 주변 온도, 습도 등), 이벤트(예를 들어, 교통 사고, 콘서트, 스포츠 게임 등) 및 기타 적절한 참조 요소를 포함할 수 있다. 또한, 시스템은 운영자가 2개 이상의 특성을 참조 요소로서 조합하는 것을 의미하는 "교차-항" 요소를 선택할 수 있게 한다. 예를 들어, 특성의 조합은 "스테이션 A 및 수요일", "스테이션 B, 오전 7시 내지 오전 9시, 주말" 등이 될 수 있다. 2개 이상의 특성을 결합함으로써, 개시된 방법은 참조 요소들 사이의 관계를 효과적으로 식별할 수 있고, 예측된 수요를 생성할 때 이러한 "교차-항" 요소를 신속하게 고려할 수 있다(예를 들어, 참조 요소의 각각에 가중치를 부여하는 것보다 시스템이 하나의 교차-항 요소에 하나의 가중치를 할당할 수 있으므로, 계산 효율성이 향상됨).
또한, 일부 실시예에서, 특성들의 특정 조합이 특징의 세트(예를 들어, 도 5a 및 5b의 곡선들)를 나타낼 수 있는 경우, 특성들의 조합은 "스테이션의 유형" 참조 요소로 고려될 수 있으며, 이는 또한 배터리 수요를 예측하는데 사용될 수 있다.
예를 들어, 요소 F1은 "스테이션 식별"(예를 들어, 스테이션 A) 일 수 있고, 요소 F2는 "한 주 중 날"(예를 들어, 금요일) 일 수 있으며, 요소 F3은 "하루 중 시간 기간"일 수 있다(예를 들어, 오전 1시 내지 오전 3시). 이 실시예에서, 시스템은 운영자가 F1, F2 및 F3을 조합함으로써 요소 F4(예를 들어, 스테이션 A, 금요일, 오전 1시 내지 오전 3시)를 추가할 수 있게 한다. 또한, 운영자는 F1과 F2를 조합함으로써 요소 F5(예를 들어, 스테이션 A 및 금요일)를 추가할 수 있다. 유사하게, 운영자는 F1과 F3을 조합함으로써 요소 F6(예를 들어, 스테이션 A 및 오전 1시 내지 오전 3시)을 추가할 수 있다. 또한, 운영자는 F2와 F3을 조합함으로써 요소 F7(예를 들어, 금요일 및 오전 1시 내지 오전 3시)을 추가할 수 있다. 요소 F1-F7의 각각은 대응하는 가중치(예를 들어, 가중치 매트릭스 "w"에서)를 갖는다.
일단 장치 교환 스테이션의 목표 시간 기간(예를 들어, 스테이션 A에서 오후 4시 내지 오후 5시)과 연관된 요소들이 결정되면, 에너지 저장 장치 "P"에 대한 수요의 예측은 매트릭스 w와 매트릭스 A의 곱셈을 통해 수학식 A로부터 도출될 수 있다. 기준 요소에 대응하는 가중치는 경험적 정보 및 업데이트된 데이터에 기초하여 연속적으로 결정, 조정 및/또는 업데이트 될 수 있다. 예를 들어, 시스템은 다음 목적 함수(object function)에 의해 특징 지워지는 목적을 달성함으로써 "공급" 정보(예를 들어, 실제 발생하는 교환)와 "수요" 정보(예를 들어, 예측된 수요)를 비교함으로써, 요소에 대한 가중치를 결정할 수 있습니다:
Figure 112019014787685-pat00002
수학식 (B)
용어 "y"는 에너지 저장 장치의 실제 교환의 수를 나타낸다. 상기 수학식 (B)에 기초하여, 시스템은 에너지 저장 장치의 미래의 교환을 예측하는데 사용될 수 있는 가중치 "w"를 결정/조정/업데이트 할 수 있다.
배경 기술 섹션에서 언급된 "트렌드" 문제를 효과적으로 해결하기 위해, 개시된 시스템은 다음 수학식에 기초하여 주기적으로(예를 들어, 매일 또는 신규 사용자 또는 신규 스테이션을 추가하는 것과 같은 신규 이벤트에 대해 업데이트함으로써) 가중치 "w"를 업데이트 할 수 있다.
g=(p-y) x 수학식 (C)
wt=wt-1-ag 수학식 (D)
용어 "g"는 실제 교환 "y"와 예측된 수요 "p"사이의 차이에 기초하여 계산될 수 있는 기울기(gradient)를 나타내며, 그 차이는 에너지 저장 장치의 실제 교환에 따라 목표 시간 기간과 연관된 참조 요소의 가중치를 조정하는데 사용될 수 있다. 용어 "a"는 실패 기여율(failure contributing rates)(또는 재생율(refresh rates))(예를 들어, 다수의 성분을 갖는 매트릭스, 각 성분은 요소 매트릭스 "x"에서 대응하는 팩터에 대한 실패 기여율을 나타냄)을 나타낸다.
실패 기여율 "a"는 요소의 신뢰도를 나타낸다. 실패 기여율은 시스템 운영자에 의해 또는 경험적 연구에 기초하여 결정될 수 있다(예를 들어, 가중치 "w"를 업데이트하는 프로세스와 유사한 개념을 사용함). 시스템이 요소를 보다 "신뢰할 수 있는" 것으로 간주하면, 예측 계산과 연관된 이 요소의 "관련성(relevance)"(즉 "빈도(frequency)")(즉, 모든 선택된 목표 시간 기간에 대한 수학식 A의 계산)이 높고 이 요소에 대응하는 가중치가 자주 업데이트 됨을 의미한다. 결과적으로, 이 요소에 대응하는 가중치는 (상대적으로) 신뢰할 수 있다. 교환의 실제 수와 예측된 수요 예측 사이에 큰 차이가 있는 경우, 예측된 수요의 부정확성은 아마도 이 요소와 그 가중치에 기인하지 않을 것이다. 반면에, 요소가 "드물게(infrequently)"(예를 들어, 일년에 한 번 발생하는 특수 이벤트 또는 휴일) 나타나는 경우, 이 "드문(infrequent)" 요소에 대응하는 덜 훈련된/업데이트된 가중치가 부정확성에 더 기여할 수 있다. 결과적으로, "신뢰할 수 있는" 요소에 낮은 실패 기여율이 할당되므로, 해당 요소가 더 자주 업데이트될 것이다(각 "업데이트"가 약간 변경되고, 업데이트의 결과가 누적될 수 있으므로, 더 정확한 예측을 이끌어낸다). 신뢰성이 낮은 요소에 대응하는 실패 기여율 값은 높고, 그 가중 요소는 덜 빈번하게(그리고 보다 과도하게(drastically)) 업데이트된다. 예를 들어, 시스템은 요소 "일주일 중 날(a day of a week)"이 안정적이라고 결정할 수 있으므로, 낮은 실패 기여율 값을 부여하고 해당 가중치 값을 자주 업데이트할 것이다. 실패 기여율을 고려함으로써, "신뢰할 수 있는" 요소는 비일상적인 이유(non-daily reasons) 또는 이벤트에 의해 영향을 받지 않고 안정적으로 유지될 수 있으며, 시스템은 상술한 "잡음" 문제를 효과적으로 해결할 수 있다. 일부 실시예에서, 가중치 "w" 및 실패 기여율 "a"는 기계 학습 프로세스(예를 들어, 수학식 B, C 및/또는 D와 연관된 계산)에 의해 획득(예를 들어, 결정, 조정 및 업데이트)될 수 있다.
일부 실시예에서, 본 시스템은 "오버피팅(overfitting)"을 방지 또는 지연(impede)시키기 위해 고려될 요소 "x"의 수를 제한하는 임계치를 설정할 수 있다. 예를 들어, 일부 교환은 사용자의 랜덤 액션(random action)과 같은 예측할 수 없는 이벤트로부터 발생할 수 있다(일반적으로 사용자는 영역 K에서 장치를 교환하지만, 언젠가 사용자가 영역 J에서 장치를 교환함). 시스템은 랜덤 액션을 "잡음"으로 간주할 수 있고, 따라서 가중치를 정교하게(예를 들어, 빈번히 업데이트하지 않음) 조정하지 않는다. 일부 실시예에서, 시스템은 요소의 현재 가중치에 기초하여 요소의 우선 순위를 설정할 수 있다. 예를 들어, 일부 실시예에서, 시스템은 설정된 우선 순위에 기초하여 요소를 선택/결정할 수 있다.
일부 실시예에서, 시스템은 포아송 회귀와 같은 다른 회귀 모델을 사용할 수 있다. 이러한 실시예에서, 모델은 다음의 수학식으로 도시될 수 있다:
Figure 112019014787685-pat00003
수학식 (E)
따라서, 목적 수학식(objective equation)은 다음과 같을 수 있다:
Figure 112019014787685-pat00004
수학식 (F)
다른 실시예에서, 시스템은 온라인/뱃치 선형 회귀(online/batch linear regression)와 같은 다른 회귀 스킴(regression schemes), "결정 트리(decision tree)"에 기초한 방법 또는 다른 적합한 방법에 기초한 방법을 사용하는 것과 같은 그 예측 모델을 수립하기 위한 다른 적합한 접근법을 사용할 수 있다.
일부 실시예에서, 시스템은 신규 참조 정보가 들어올 때(예를 들어, 신규 사용자, 신규 스테이션, 하나의 영역에서 다른 영역으로 이동하는 사용자, 장치 교환 서비스를 사용하는 것을 중지하는 사용자, 기존 스테이션이 서비스를 안하는 경우 등), 가중치 "w"를 업데이트할 수 있다. 이 업데이트 방식은 "온라인" 방식으로 명명될 수 있다. 다른 실시예에서, 가중치 "w"는 매일과 같이 주기적으로 업데이트되거나 새로운 데이터 엔트리들(new data entries)의 뱃치를 가질 때 업데이트 될 수 있다.
본 개시의 이점은, 예를 들어, (1) 요소 "x"의 가중치 "w"를 빈번하게 업데이트함으로써 "트렌드" 문제를 효과적으로 해결할 수 있고; (2) 실패 기여율 "a"를 고려하여 "잡음" 문제를 해결할 수도 있으며; (3) "오버피팅(overfitting)"을 방지하거나 지연시키지만 고려해야 할 요소의 수를 제한하는 것을 포함한다. 수학식 (A)-(F)("모델")과 연관된 수요를 예측하기 위한 전술한 설명은 후술하는 도 1(메인 서버(103)) 또는 도 2(서버 시스템(200))에 도시된 것과 같은 서버에 의해 구현될 수 있다.
본 발명은 또한 실시간(예를 들어, 수 밀리초 내지 수 초(milliseconds to seconds)) 또는 거의 실시간(예를 들어, 수 분 내지 수 시간(minutes to hours)) 방식으로 교환 가능한 에너지 저장 장치(예를 들어, 배터리)의 수요를 예측하기 위한 방법 및 시스템에 관한 것이다. 일 실시예에서, 개시된 시스템은 각 배터리 교환 스테이션의 과거 배터리 수요 데이터(즉, 경험적 정보)를 분석한 다음 모든 배터리 교환 스테이션에서 매 시간 간격(time interval)(예를 들어, 1 시간)마다 기대 배터리 교환(expected battery exchanges)을 예측한다. 특히, 현재 시스템은 다수의 소스(multiple sources)(예를 들어, 배터리 교환 스테이션, 전기 자동차, 배터리, 사용자 모바일 장치 등)로부터 정보를 수집하고 분석하며, 특정 시간 기간 동안 교환 스테이션에 대한 교환 가능한 에너지 저장 장치 수요를 예측하는 데 사용될 수 있는 참조 정보를 생성한다. 예를 들어, 수집된 정보는 샘플링 스테이션의 위치(예를 들어, 샘플링 스테이션은 운영자에 의해 관리되고 서버에 연결된 다수의 배터리 교환 스테이션 모두로부터 선택될 수 있음), 샘플링 스테이션 근처의 이벤트, 샘플링 스테이션에 근접한 환경 조건, 사용자 프로파일 정보(예를 들어, 사용자 이름, 사용자가 소유한 차량, 사용자 주소, 사용자 배터리 계획, 사용자 선호 등) 및 샘플링 스테이션과 연관된 사용자 행동(예를 들어, 배터리 사용, 사용자 주행/승차 이력, 사용자 행동, 사용자 습관 등)을 포함할 수 있다. 수집된 참조 정보를 분석한 후에, 본 시스템은 다양한 유형의 배터리 교환 스테이션에 대한 특성 또는 전력 소비 패턴과 같은 참조 요소를 결정하거나 식별한다. 결정되거나 식별된 특성/패턴은 하나 이상의 배터리 교환 스테이션을 제어하여 배터리를 충전하기 위한 지침으로 사용될 수 있다.
일부 실시예에서, 배터리 교환 스테이션은 사용자가 재충전 가능한 배터리에 액세스하여 교환할 수 있는 특정 위치에 위치된 고정식 기계(stationary machine)이다. 배터리 교환 스테이션은 (1) 사용자 인터페이스로서의 디스플레이 및 (2) 재충전 가능한 배터리를 수용/충전하도록 구성된 다수의 배터리 슬롯을 갖는 배터리 랙을 포함할 수 있다. 예를 들어, 배터리 교환 스테이션은 8 개의 배터리 슬롯을 포함할 수 있다. 작동 동안, 배터리에 의해 점유된 단지 6개의 배터리 슬롯이 있으며, 나머지 2개의 슬롯은 교환될 배터리(예를 들어, 저전력 또는 방전된(depleted) 배터리)를 사용자가 삽입하도록 예약된다. 일부 실시예에서, 배터리 교환 스테이션은 상이한 수의 랙, 디스플레이 및/또는 슬롯과 같은 상이한 구성을 가질 수 있다. 일부 실시예에서, 배터리 교환 스테이션은 운영자가 배터리 교환 스테이션의 용량을 편리하게 설치 또는 확장할 수 있게 하는 모듈식 콤포넌트(modular components)(예를 들어, 모듈식 랙, 모듈식 디스플레이 등)를 포함할 수 있다. 배터리 교환 스테이션은 그 안에 위치된 배터리를 충전하고 다른 작동(예를 들어, 서버와 통신)을 수행하기 위해 전력을 수신하도록 하나 이상의 전원(예를 들어, 전력망(power grid), 전력선(power lines), 전력 저장소(power storage), 발전소/변전소(power station/substations)등)에 전기적으로 연결될 수 있다. 일부 실시예에서, 사용자는 사전에 배터리를 삽입하지 않고, 배터리 교환 스테이션(107)으로부터 배터리를 제거할 수 있다. 배터리 교환 스테이션의 실시예는 도 1 및 도 3을 참조하여 아래에서 상세히 설명된다.
일부 실시예에서, 본 시스템은 그 위치에 기초하여 샘플링 스테이션(즉, 경험적 정보에 기여하는 배터리 교환 스테이션)을 분류(categorize)할 수 있다. 예를 들어, 샘플링 스테이션은 주요 교통 중추/도로(artery)와 샘플링 스테이션 사이의 거리(distances)를 기반으로 한 "많은-트래픽(heavy-traffic)" 유형, "중간-트래픽(intermediate-traffic)" 유형 또는 "적은-트래픽(light-traffic)" 유형으로 특징지어 질 수 있다. 일부 실시예에서, "많은-트래픽" 유형 스테이션은 주 트래픽 중추의 1킬로미터 이내의 스테이션으로 정의될 수 있으며, "중간-트래픽" 유형 스테이션은 주요 트래픽 중추로부터 1 킬로미터로부터 5 킬로미터로의 범위에 있는 스테이션으로 정의될 수 있고, "적은-트래픽" 유형 스테이션은 주요 트래픽 중추로부터 적어도 5킬로미터 떨어진 스테이션으로 정의될 수 있다. 본 시스템은 특정 시간의 기간동안(예를 들어, 도 5a에 도시된 바와 같이, 하루 내에) 각 유형의 스테이션에 대한 배터리 수요를 더 식별할 수 있다. 일부 실시예에서, 스테이션의 "유형"은 데이터 분석 또는 기계 학습 프로세스(예를 들어, 참조 요소 및 대응하는 가중치의 특정 조합이 예를 들어 서로 비례하여 관련될 수 있음)를 통해 특정 참조 요소 및 그 대응하는 가중치의 특정 패턴의 관측에 기초하여 분류될 수 있다. 상술한 방식으로부터 도출된 일부 유형은 "많은-트래픽" 유형 또는 "적은-트래픽" 유형과 같이 사람이 인식할 수 있는 용어로 "코딩(coded)"될 수 있으며, 일부 유형/패턴은 사람이 인식할 수 있는 용어로 특징 지을 수 없다. 일부 실시예에서, 배터리 교환 스테이션의 "유형"은 또한 수요 예측 프로세스를 수행할 때 참조 요소 중 하나로 고려될 수 있다.
일부 실시예에서, 배터리 수요는 특정 시간의 기간 동안 배터리를 교환하고자 하는 모든 사용자를 충족시키는데 필요한 최소 수의 완전히 충전된(또는 실질적으로 완전히 충전된) 배터리로 설명될 수 있다. 예를 들어, 본 시스템은 스테이션 A가 월요일에 오전 8시부터 11시 사이에 123개의 완전히 충전된 배터리를 가질 필요가 있다고 결정할 수 있다. 일부 실시예에서, 배터리 수요는 특정 시간의 기간 전/동안 요구되는 완전히 충전된 배터리의 최소 수를 충전/유지하는데 필요한 최소 전력량(예를 들어, 암페어(A)의 충전 전류)으로 설명될 수 있다. 예를 들어, 본 시스템은 스테이션 A가 오전 8시부터 오전 11시 사이에 123개의 완전히 충전된 배터리를 제공할 수 있게 하기 위해, 필요한 충전 전류는 동일한 날 오전 5시부터 7시 30분 사이에 공급되는 5000mA임을 결정할 수 있다.
배터리 수요(트래픽 처리량(traffic throughput))가 각 유형의 샘플링 스테이션(예를 들어, "많은-트래픽" 유형, "중간-트래픽 유형" 또는 "적은-트래픽" 유형)에 대해 결정되면, 본 시스템은 목표 배터리 교환 스테이션에 대한 배터리 수요를 예측하도록 이러한 정보를 더 사용할 수 있다. 예를 들어, 목표 배터리 교환 스테이션은 상술한 주요 교통 중추와 유사한 많은-트래픽 거리에서 1킬로미터 이내에 새로 배치된 스테이션일 수 있다. 이러한 실시예에서, 본 시스템은 목표 배터리 교환 스테이션을 어떻게 작동할지(예를 들어, 특정 시간의 기간 동안 배터리를 어떻게 충전/유지할지)를 결정하기 위해 결정된 배터리 수요(예를 들어, 도 5a 및 5b에 도시된 수요 곡선 또는 다른 특성 형태 또는 패턴으로 설명된 바와 같은)를 사용할 수 있다. 이 구성에 의해, 본 시스템은 운영자가 에너지 효율적인 방식으로 배터리 교환 스테이션을 유지 또는 제어할 수 있게 한다.
일부 실시예에서, 본 시스템은 또한 주변 환경 조건(예를 들어, 관광 명소(tourist attraction) 또는 사무실 건물에 근접한) 및/또는 특정 이벤트(예를 들어, 태풍, 허리케인, 혹독한 기상 조건, 추위/폭염 등과 같은 자연 이벤트(natural events), 또는 프로 스포츠 경기, 특별 판매 이벤트 등과 같은 고의적인 이벤트(contrived events))에 기초하여 샘플링 스테이션을 분류할 수 있다. 예를 들어, 샘플링 스테이션은 주변 환경 조건을 기반으로 한 "이벤트-주도(event-driven)" 유형, "관광 명소(tourist-attraction)" 유형 또는 "도시-통근자(city-commuter)" 유형으로 특징 지어질 수 있다. 예를 들어, "도시-통근자" 유형은 피크 통근 시간(peak commuting hours) 동안 많은 수요를 갖는 배터리 수요 패턴을 가질 수 있다. 또 다른 예시로, "관광-명소" 유형은 휴일이나 주말 동안 높은 수요를 갖는 배터리 수요 패턴을 가질 수 있다. 마찬가지로, "이벤트-주도" 유형은 이벤트 동안 높은 수요를 갖는 배터리 수요 패턴을 가질 수 있다.
일부 실시예에서, 본 시스템은 샘플링 스테이션과 연관된 사용자 행동(예를 들어, 사용자가 배터리를 교환하는 시간, 위치 및 빈도, 사용자의 주행/승차 습관, 차량을 작동하기 위한 사용자의 경로, 사용자의 배터리 교환 계획(예를 들어, 월간 패스(monthly pass) 또는 사용한만큼 지불(pay-as-you-go)), 고성능 을위한 스포츠 패키지와 같은 사용자-가입 배터리 성능 패키지 등)에 기초하여 샘플링 스테이션을 더 분류할 수 있다. 예를 들어, 샘플링 스테이션은 주변 환경 조건에 기초하여 사용자의 "식료품-구매자(grocery-shopper)" 유형, "거리-레이서(street-racer)" 유형 또는 "산악-등반가(mountain-climber)" 유형으로 특징 지어질 수 있다. 예를 들어, 사용자의 "식료품-구매자" 유형은 특정 위치(예를 들어, 식료품 가게)로 단거리 여행을 자주한다는 것을 나타내는 배터리 수요 패턴을 가질 수 있다. "거리-레이서" 유형은 회원(members)이 차량을 시동걸 때 사용자가 풀 스로틀(full throttle)을 치는(hit) 경향이 있음을 나타내는 배터리 수요 패턴을 가질 수 있다(예를 들어, 스테이션이 전문 레이싱 트랙에 근접함). "산악-등반가" 유형은 회원이 차량을 작동할 때 오르막길을 가는 경향이 있음을 나타내는 배터리 수요 패턴을 가질 수 있다(예를 들어, 스테이션이 등산로(mountain scenic pass)의 입구에 근접함).
일부 실시예에서, 샘플링 스테이션은 그들의 배터리 수요(예를 들어, 시간 기긴 동안 배터리 교환의 수)에 기초하여 특징 지어질 수 있다. 예를 들어, 샘플링 스테이션은 "많은-수요" 유형, "중간-수요" 유형 또는 "적은-수요" 유형으로 특징 지어질 수 있다. 예를 들어, "높은-수요" 유형은 하루 당 1000의 배터리 교환 패턴 또는 더 많은 배터리 교환을 가질 수 있으며, "중급-수요" 유형은 하루 당 100-1000의 배터리 교환 패턴을 가질 수 있으며, "낮은-수요" 유형은 하루 당 100의 배터리 교환 패턴 또는 보다 적은 배터리 교환을 가질 수 있다. 요약하면, 스테이션의 위치와 같은 특성, 주중 및 주말의 수요 분산, 트래픽 처리량, 환경 조건, 사용자 행동 등은 스테이션을 분류하기 위한 유형으로 설정될 수 있을 뿐만 아니라 수요를 예측하기 위한 모델을 사용하는 계산 중 참조 요소로 설정될 수 있다(예를 들어, 수학식 A 내지 D). 시스템 및 시스템 운영자는 잘 훈련된/업데이트된 계산 모델로 이러한 특성을 활용하여, 실제 고려 사항을 통해 배터리의 수요를 예측할 수 있다.
일부 실시예에서, 본 시스템은 기계 학습 기술을 사용하여 본 시스템에 의해 수행되는 배터리 수요 예측의 정확성을 향상시킬 수 있다. 일부 예시에서, 본 시스템은 정확성을 향상시키기 위해 감독된 기계 학습 기술(예를 들어, 훈련 결과를 검증하고 피드백을 제공)을 사용할 수 있다. 예를 들어, 시스템 운영자는 (예를 들어, 샘플링 스테이션에 의해 수집된 실제 데이터에 기초하여) 시스템 운영자가 적합하다고 생각할 때 고려할 요소(또는 그 중요성)를 조정할 수 있다. 예를 들어, 수학식 A, B 및 D는 감독 학습(supervised learning)의 프로세스를 통해 계산되고 도출될 수 있다. 일부 실시예에서, 본 시스템은 정확성을 향상시키기 위해 감독되지 않은 기계 학습 기술(unsupervised machine learning techniques)(예를 들어, 시스템이 훈련 및 개선 방법을 독립적으로 결정할 수 있게 하는)을 사용할 수 있다. 예를 들어, 시스템 운영자는 목표 달성 방법을 결정하거나 목적 함수(objective function)를 해결하기 위해 시스템에 대해 목표와 연관된 목적 함수 또는 목표(예를 들어, 모든 배터리 스테이션의 에너지 소비를 최소화하고, 모든 배터리 수요를 충족시키는 등)를 설정할 수 있다.
본 발명의 다른 측면은 모든 시간에(또는 실시간 또는 거의 실시간 방식으로) 업데이트된 배터리 수요 정보(updated demand information)를 제공하는 것이다. 예를 들어, 신규 사용자와 같은 신규 이벤트/데이터가 기존 배터리 교환 스테이션에서 배터리를 교환할 수 있게 하는 배터리 계획(battery plan)에 가입하면, 본 시스템은 이 이벤트가 모델에 의한 예측된 수요에 어떻게 영향을 미칠 수 있는지를 결정할 수 있는데, 예를 들어, 신규 사용자의 유형이 결정되고, 이에 따라 대응하는 배터리 수요 패턴이 결정될 수 있다. 예를 들어, 설문지 또는 설문 조사는 신규 사용자의 유형을 결정하는데 사용될 수 있다. 예를 들어, 시스템은 신규 사용자에게 자신을 식별하거나 사용자의 유형을 선택할 것을 요청할 수 있다. 대안 적으로, 시스템은 신규 사용자에 의해 제공된 정보(예를 들어, 연령, 성별, 거주지 주소, 통근 경로 등)를 분석하여 신규 사용자의 유형을 결정할 수 있다. 예를 들어, 신규 사용자는 적어도 "고성능(high-performance)" 배터리 패키지(예를 들어, 고성능 배터리를 사용하거나 배터리 교환 우선 순위를 갖는 배터리 가입 계획)를 구입하기 때문에 "높은-수요(high-demanding)" 유형으로 식별될 수 있다. 그러한 실시예에서, 본 시스템은 식별된 유형에 기초한 미래의 분석 및 예측에서 신규 사용자의 영향을 고려할 것이다. 일부 실시예에서, 유사하게, 신규 배터리 교환 스테이션이 배치될 때, 본 시스템은 또한 미래의 분석 및 예측에 미치는 영향을 고려할 것이다. 일부 실시예에서, 사용자 유형은 상이한 시간 기간(예를 들어, 사용자는 주중 동안 "통근자" 유형일 수 있고, 주말 동안 "레이서" 유형일 수 있음)에서 다를 수 있다. 결과적으로, 본 시스템은 배터리 수요 예측에 대해 업데이트된, 따라서 정확한 분석 결과를 제공할 수 있다.
일부 실시예에서, 본 시스템은 배터리 교환 스테이션의 각각이 "오프라인"으로 작동할 수 있게 한다. 이러한 실시예에서, 본 시스템은 배터리 교환스테이션이 서버로부터 더 이상의(또는 업데이트 된) 명령을 수신하지 못 하면, 배터리 교환스테이션의 각각이 따라야 하는 설정된 디폴트 규칙 및 패턴(set default rules and patterns)을 제공한다. 예를 들어, 서버는 다음날(예를 들어, 1 시간 간격으로) 스테이션의 각각에 배터리 수요 예측을 전송할 수 있으며, 스테이션의 각각은 서버로부터 더 이상 명령이 없다면, 작동을 위한 디폴트 규칙으로서 해당 수요 예측을 사용할 수 있다. 예를 들어, 일부 스테이션은 네트워크 연결이 때때로 중단될 수 있는 장소에 있을 수 있다. 이러한 경우, 이러한 스테이션은 오프라인 일 때(예를 들어, 서버에 연결되지 않은 경우) 제대로 작동할 수 있다. 본 시스템은 또한 이러한 스테이션들이 따라야 하는 "에이징 명령(aging instructions)"에 관한 일련의 규칙을 설정할 수 있다. 예를 들어, 본 시스템은 이전 명령이 2시간 전에 생성되지 않는 한, 이러한 스테이션이 서버에 의해 송신된 이전 명령을 따르도록 명령할 수 있다. 2시간 임계치가 충족되면, 이 스테이션은이 스테이션에 저장된 디폴트 수요 규칙(예를 들어, 상술한 다음날 수요 예측) 또는 패턴으로 되돌아 갈 수 있다. 다른 실시예에서, 규칙 및 시간 임계치는 스테이션의 위치/유형과 같은 다양한 요소에 따라 변할 수 있다.
일부 실시예에서, 본 시스템은 사용자 요청(예를 들어, 사용자가 배터리를 예약함) 또는 하나 이상의 트리거링 이벤트(triggering events)에 기초하여 배터리 수요를 예측할 수 있다. 트리거링 이벤트의 실시예는 예를 들어, 정전, 시스템에 의해 이전 예측의 참조 요소로 고려되지 않은 배터리 수요의 급증, 사고, 자연 재해 등을 포함한다. 그러한 실시예에서, 시스템은 트리거링 이벤트에 응답하여 예측 분석을 개시하고, 분석 결과를 상기 다수의 스테이션으로 송신할 수 있다. 예를 들어, 수요를 예측하기 위한 모델을 사용하여 계산하는 동안, 시스템은 영향을 받은 시간 기간(이 분석을 수행하는 시간으로부터의 경험적 정보일 수 있음)에 새로 설정된 참조 요소를 연관시키고, 가중치에 대한 훈련/업데이트를 수행할 수 있어, 수요 예측의 정확성을 향상시킬 수 있다.
이 발명은 배터리 수요 예측을 실시간(예를 들어, 수 밀리초 내지 수 초) 또는 거의 실시간(예를 들어, 수 분 내지 수 시간) 방식으로 제공하도록 설계된 시스템 및 방법을 설명한다. 다양한 실시예는 다음의 기술적 개선 중 하나 이상을 제공할 수 있다: (1) 효율적인 실시간 또는 거의 실시간 배터리 수요 예측; (2) 배터리를 충전 및/또는 유지하기 위해 하나 이상의 배터리 교환 스테이션에 효과적으로 명령하는 능력; (3) 스테이션의 위치, 배터리의 위치(예를 들어, 스테이션에 위치하지 않는 것들을 포함함), 환경 조건, 이벤트 등과 같은 다수의 요소에 기초하여 바람직한 배터리 충전 규칙을 운영자가 설정할 수 있게 하는 능력; 및 (4) 에너지 효율적인 방식으로 만족스러운 배터리 경험을 제공하여 향상된 사용자 경험을 제공할 수 있는 능력.
일부 실시예에서, 본원에 설명된 충전 규칙은 개시된 시스템에 의해 수집된 과거 데이터에 기초하여 특징 지어지고(characterized), 결정, 정의, 예측 및/또는 "훈련"될 수 있고, 업데이트된 데이터(예를 들어, 신규 배터리 사용 데이터 , 신규 사용자 행동 데이터 등)에 기초하여 더 조정될 수 있다. 일부 실시예에서, 충전 규칙은 업데이트된 데이터에 기초하여 매일/주/월/계절마다 업데이트 될 수 있다.
일부 실시예에서, 개시된 시스템은 신규 또는 업데이트된 배터리 충전 계획에 대한 시뮬레이션을 수행하여, 스테이션 시스템이 신규 또는 업데이트된 배터리 충전 계획을 구현할지 여부를 국부적으로 결정할 수 있다. 예를 들어, 시스템은 제1 배터리 교환 스테이션이 정기적인 유지 관리를 위해 오프라인으로 전환되었음을 결정할 수 있다(예를 들어, 하루, 몇 시간 또는 서버에 의해 예측된 시간 간격 동안 오프라인으로 전환). 그런 다음, 시스템은 제1 배터리 교환 스테이션에 근접한 제2 배터리 교환 스테이션에 대한 업데이트된 배터리 충전 계획을 생성한다. 예를 들어, 시스템은 제1 배터리 교환 스테이션을 오프라인으로 전환하면, 제2 배터리 교환 스테이션에 대한 배터리 수요를 증가하는 것으로 결정한다. 따라서, 시스템은 업데이트된 배터리 관리 계획을 제2 배터리 교환 스테이션으로 전송한다. 업데이트된 배터리 충전 계획을 수신한 후, 제2 배터리 교환 스테이션은 업데이트된 배터리 충전 계획에 대한 시뮬레이션을 수행할 수 있다. 시뮬레이션은 기존 배터리 관리 계획의 구현을 실질적으로 방해하지 않는 백그라운드 프로세스로서 수행된다. 일부 실시예에서, 시뮬레이션은 업데이트된 배터리 충전 계획에 기초하여, 제2 배터리 스테이션에 위치된 배터리에 대한 충전 프로세스를 시뮬레이팅하는 것을 포함한다. 일부 실시예에서, 시뮬레이션은 업데이트된 배터리 관리 계획을 구현하는 것이 실제 수요를 충족시키기에 충분한 수의 충전된 배터리를 생성할 수 있는지를 시뮬레이팅하는 것을 포함한다. 예를 들어, 기대 수요 증가로 인해, 시뮬레이팅된 배터리 충전 계획은 제2 배터리 스테이션에 (기존 배터리 충전 계획인) 정상 비율(normal rate)보다 더 빠른 증가된 충전율(increased charging rate)로 배터리를 충전하도록 요청할 수 있다. 일정 시간(예를 들어, 12시간) 후에, 시뮬레이션 결과가 생성된다(예를 들어, 증가된 충전률에서의 충전은 전체 스테이션에 대해 섭씨 5 도의 온도 증가를 초래한다). 시뮬레이션 결과는 실제 수요와 비교된다. 예를 들어, 실제 수요는 배터리를 충전하기 위해 정상 비율을 사용하는 것이 지난 12시간 동안의 실제 수요를 충족시킨다는 것을 나타낸다(예를 들어, 예약 배터리를 기다리는 사용자가 없었음). 이러한 실시예에서, 제2 배터리 스테이션은 업데이트된 배터리 충전 계획을 구현하지 않기로 결정할 수 있다.
아래의 설명에서, 설명의 목적으로, 본 기술의 실시예의 완전한 이해를 제공하기 위해 다수의 특정 세부 사항이 설명된다. 그러나, 본 기술의 실시예가 이러한 특정 세부 사항의 일부없이 실시될 수 있음은 자명할 것이다.
도 1은 개시된 기술의 실시예에 따른 시스템(100)을 도시하는 개략도이다. 도시된 바와 같이, 시스템(100)은 하나 이상의 배터리 교환 스테이션(101A-D), 메인 서버(103), 데이터베이스(105) 및 네트워크(107)를 포함한다. 도시된 바와 같이, 배터리 교환 스테이션(101A, 101D)은 네트워크(107)를 통해 메인 서버(103)에 무선으로 연결된다. 배터리 교환 스테이션(101B, 101C)은 무선 연결을 통해 네트워크(107)를 통해 메인 서버(103)에 연결된다. 메인 서버(103)는 데이터베이스(105)에 더 연결되고, 이는 참조 정보(예를 들어, 상술된 배터리 수요 참조 정보)를 저장할 수 있다.
도시된 실시예에서, 예시로서, 배터리 교환 스테이션(101A)을 사용하여, 스테이션(101A)은 배터리 교환 랙(battery exchange rack)(113) 및 그것에 위치된 사용자 인터페이스(115)(예컨대, 디스플레이)를 포함할 수 있다. 도시된 바와 같이, 배터리 교환 랙(113)은 배터리를 수용하기 위해 8개의 배터리 슬롯(117a-h)을 포함할 수 있다. 작동 동안, 배터리에 의해 점유된 단지 6개의 배터리 슬롯(예를 들어, 슬롯(117a, 117b, 117d, 117e, 117f 및 117h))이 있으며, 나머지 2개의 슬롯(예를 들어, 슬롯(117c 및 117g)은 교환될 배터리(예를 들어, 저전력 배터리)를 사용자가 삽입하도록 예약된다. 일부 실시예에서, 배터리 교환 스테이션(101A-D)은 상이한 수의 랙, 디스플레이 및/또는 슬롯과 같은 상이한 구성을 가질 수 있다. 일부 실시예에서, 배터리 교환 스테이션(101A-D)은 운영자가 배터리 교환 스테이션(101A-D)을 편리하게 설치 또는 확장할 수 있게 하는 모듈식 콤포넌트(예를 들어, 모듈식 랙, 모듈식 디스플레이 등)를 포함할 수 있다. 배터리 교환 스테이션(101A-D)은 그 안에 위치된 배터리를 충전하고 다른 작동(예를 들어, 서버(103)와 통신)을 수행하기 위해 전력을 수신하도록 하나 이상의 전원(예를 들어, 전력망, 전력선, 전력 저장소, 발전소/변전소, 태양 전지, 풍력 발전기 등)에 전기적으로 연결될 수 있다.
일부 실시예에서, 스테이션(101A) 내의 프로세서는 사용자가 스테이션(101A)으로부터 다른 배터리를 제거하기 전에 배터리를 삽입하도록 요구할 수 있도록 프로그래밍 될 수 있다. 일부 실시예에서, 스테이션(101)은 그러한 요구를 갖지 않는다. 일부 실시예에서, 스테이션(101A)은 사용자가 하나의 트랜잭션(transaction)에서 특정 개수의 배터리(예를 들어, 2 개)를 제거 또는 삽입할 수 있게 한다. 그러나, 다른 실시예에서, 스테이션(101A)은 사용자가 하나의 트랜잭션에서 다른 개수(예를 들어, 1개, 3개, 4개 등)의 배터리를 제거 또는 삽입하게 할 수 있다. 일부 실시예에서, 스테이션(101)은 내부에 위치한 배터리를 고정하기 위한 잠금 메커니즘(locking mechanism)을 가질 수 있다. 일부 실시예에서, 스테이션(101)은 잠금 메커니즘 없이 구현될 수 있다.
일부 실시예에서, 메인 서버(103)는 클라이언트 요청을 수신하고, 서버(109A-C)와 같은 다른 서버를 통해 이들 요청의 이행을 코디네이트(coordinates)하는 에지 서버(edge server)일 수 있다. 서버(109A-C)는 데이터베이스(111A-C)에 추가로 연결된다. 메인 서버(103) 및 서버(109A-C)의 각각은 논리적으로 단일 서버로서 디스플레이되지만, 이들 서버는 각각 동일하거나 지리적으로 서로 다른 물리적 위치에 위치한 다수의 컴퓨팅 장치(computing devices)를 포함하는 분산 컴퓨팅 환경(distributed computing environment)일 수 있다.
일부 실시예에서, 메인 서버(103) 및 서버(109A-C)는 각각 다른 서버/클라이언트 장치에 대한 서버 또는 클라이언트로서 동작할 수 있다. 도시된 바와 같이, 메인 서버(103)는 데이터베이스(105)에 연결한다. 서버(109A-C)는 각각 데이터베이스(111A-C) 중 하나에 연결할 수 있다. 상술한 바와 같이, 메인 서버(103) 및 서버(111A-C)의 각각은 서버의 그룹에 대응할 수 있고, 이들 서버의 각각은 데이터베이스를 공유할 수 있거나 자신의 데이터베이스를 가질 수 있다.
데이터베이스(105, 111A-C)는 본 발명과 연관된 정보(예를 들어, 복수의 장치 교환 스테이션의 각각으로부터 에너지 저장 장치의 교환에 관한 경험적 정보, 수요를 예측하기 위한 계산 모델, 참조 요소의 리스트, 메인 서버(103)에 의해 수집된 정보, 메인 서버(103)에 의해 분석된 정보, 메인 서버(103)에 의해 생성된 정보, 참조 정보, 사용자 계정 정보, 사용자 배터리 계획, 사용자 이력, 사용자 행동, 사용자 습관 등)를 저장할 수 있다. 일부 실시예에서, 데이터베이스(111A-C) 중 적어도 하나는 정부 또는 사기업에 의해 유지되는 공개적으로 액세스 가능한 데이터베이스(publicly accessible database)(예를 들어, 일기 예보 데이터베이스, 여행 경보 데이터베이스, 트래픽 정보 데이터베이스(traffic information database), 위치 서비스 데이터베이스, 지도 데이터베이스 등)일 수 있다(그 안의 특정 참조 요소는 서로 또는 특정 시간 기간과 연관될 수 있음). 일부 실시예에서, 데이터베이스(111A-C) 중 적어도 하나는 독점 정보(proprietary information)(예를 들어, 사용자 계정, 사용자 신용 이력, 사용자 가입 정보 등)를 제공하는 개인 데이터베이스일 수 있다. 일부 실시예에서, 서버(109A-C) 및/또는 데이터베이스(111A-C)는 클라우드 서비스 제공자에 의해 운영되고, 메인 서버(103) 및/또는 데이터베이스(105)는 배터리 서비스 제공자(예를 들어, 다수의 배터리 교환 계획을 사용자에게 제공하는 자)에 의해 운영된다.
도시된 실시예에서, 메인 서버(103)는 배터리 교환 스테이션(101A-D)으로부터 배터리 수요에 관한 정보를 수집하도록 프로그래밍된 프로세서를 포함한다. 예를 들어, 수집된 정보는 (1) 배터리 교환 스테이션(101A-D)의 위치; (2) 배터리 교환 스테이션(101A-D)에 위치한 배터리의 수; (3) 배터리 교환 스테이션(101A-D)에 위치하지 않는 배터리의 수/위치(예를 들어, 배터리가 현재 차량에 설치되거나 그렇지 않으면 사용자에 의해 보관 또는 저장됨); (4) 상술한 배터리의 충전 상태(예를 들어, SOC(state of charge)); (5) 배터리의 사용 이력; (6) 배터리 교환 스테이션(101A-D)에 근접한 이벤트(예를 들어, 상술한 트리거링 이벤트); (7) 배터리 교환 스테이션(101A-D)에 근접한 환경 조건; (8) 샘플링 스테이션 또는 배터리와 연관된 사용자 행동(예를 들어, 배터리 사용량, 사용자 주행/승차 이력, 사용자 행동, 사용자 습관 등); 및/또는 (9) 기타 적합한 정보를 포함할 수 있다.
상술한 바와 같이, 메인 서버(103)는 수학식 (A)-(F)와 연관된 처리/계산, 즉 수요를 예측하기 위한 "모델"을 수행하는데 사용될 수 있다. 예를 들어, 메인 서버(103)는 (1) 초기 시간 기간에서 배터리 교환 스테이션(101A-D)의 각각으로부터 에너지 저장 장치의 교환에 관한 경험적 정보를 수신할 수 있고; (2) 목표 시간 기간을 결정할 수 있고; (3) 목표 시간 기간에서 배터리 교환 스테이션(101A-D)의 각각에 대응하는 복수의 요소 기준을 식별할 수 있고; (4) 식별된 기준 요소 및 식별된 기준 요소와 연관된 가중치에 기초하여 배터리 교환 스테이션(101A-D)의 각각에 대한 목표 시간 기간 동안의 수요 정보를 결정할 수 있고; 및 (5) 목표 시간 기간 동안의 수요 정보에 따라 배터리 교환 스테이션(101A-D)의 각각에 대한 복수의 충전 계획을 형성할 수 있다.
이러한 정보를 수집한 후, 메인 서버(103)는 수집된 정보를 분석하여 배터리 교환 스테이션(101A-D)에 대한 특성 또는 패턴을 식별한다. 예를 들어, 메인 서버(103)는 분석에 기초하여 하나 이상의 배터리 요구 특성/패턴을 결정할 수 있다. 결정된 특성/패턴은 배터리 교환 스테이션(101A-D)을 작동하거나 메인 서버(103)에 연결된 다른 배터리 교환 스테이션을 작동하기 위한 지침으로 사용될 수 있다. 메인 서버(103)의 작동에 관한 실시예는 도 2를 참조하여 아래에 설명된다.
네트워크(107)는 근거리 통신망(LAN: local area network) 또는 광역 통신망 (WAN: wide area network)일 수 있지만, 다른 유선 또는 무선 네트워크일 수도 있다. 네트워크(107)는 인터넷 또는 일부 다른 공중 또는 사설 네트워크일 수 있다. 배터리 교환 스테이션(101A-D)은 유선 또는 무선 통신에 의해서와 같이, 네트워크 인터페이스를 통해 네트워크(107)에 연결될 수 있다. 메인 서버(103)와 서버(109A-C) 사이의 연결은 별개의 연결로 도시되지만, 이러한 연결은 네트워크(107) 또는 별도의 공용 또는 사설 네트워크를 포함하는 임의의 종류의 로컬, 광역, 유선 또는 무선 네트워크일 수 있다. 일부 실시예에서, 네트워크(107)는 사설 엔티티(private entity)(예를 들어, 회사 등)에 의해 사용되는 보안된 네트워크를 포함한다.
도 2는 개시된 기술의 실시예에 따른 서버 시스템(200)을 도시하는 개략도이다. 서버 시스템(200)은 시스템(200)에 의해 배치되거나 관리될 수 있는 다수의 배터리와 연관된 정보를 수집하도록 구성된다. 서버 시스템(200)은 또한 수집된 정보를 분석하고, 분석에 기초하여 신호 또는 명령을 클라이언트 스테이션(20)에 송신하여 그 내부의 프로세스(예를 들어, 충전 프로세스(charging process))를 제어하도록 구성된다. 일부 실시예에서, 클라이언트 스테이션(20)은 상술한 배터리 교환 스테이션(101A-D)으로서 구현될 수 있다. 다른 실시예에서, 클라이언트는 다른 적합한 클라이언트 장치로서 구현될 수 있다.
도 2에 도시된 바와 같이, 서버 시스템(200)은 프로세서(201), 메모리(203), 입력/출력(I/O) 장치(205), 저장 콤포넌트(storage component)(207), 수요 분석 콤포넌트(demand analysis component)(209), 전원 분석 콤포넌트(power source analysis component)(211), 스테이션 분석 콤포넌트(station analysis component)(213), 배터리 분석 콤포넌트(battery analysis component)(215), 사용자 행동 분석 콤포넌트(user behavior analysis component)(217), 차량 분석 콤포넌트(vehicle analysis component)(219), 및 통신 콤포넌트(communication component)(221)를 포함한다. 프로세서(201)는 서버 시스템(200)의 메모리(203) 및 다른 콤포넌트(예를 들어, 콤포넌트(205-221))와 상호 작용하도록 구성된다. 일부 실시예에서, 프로세서(201)는 다수의 장치에 걸쳐 분산되거나 하나의 장치에서의 다중 처리 유닛(multiple processing units) 또는 단일 처리 유닛(single processing unit)일 수 있다. 프로세서(201)는 예를 들어 PCI(주변 콤포넌트 상호 연결(Peripheral Component Interconnect)) 버스 또는 SCSI(소형 컴퓨터 시스템 인터페이스(Small Computer System Interface)) 버스와 같은 버스의 사용을 통해 다른 하드웨어 장치에 연결될 수 있다. 프로세서(201)는 콤포넌트(205-221)과 같은 장치에 대한 하드웨어 제어기(hardware controller)와 통신할 수 있다.
메모리(203)는 프로세서(201)에 연결되고, 서버 시스템(200)에서의 다른 정보 또는 다른 콤포넌트를 제어하기 위한 명령을 저장하도록 구성된다. 일부 실시예에서, 메모리(203)는 휘발성 및 비-휘발성을 위한 다양한 하드웨어 장치 중 하나 이상을 포함할 수 있고, 읽기 전용 및 쓰기 가능한 메모리를 모두 포함할 수 있다. 예를 들어, 메모리(203)는 랜덤 액세스 메모리(RAM: random access memory), 프로세서 레지스터(processor registers), 판독 전용 메모리(ROM: read-only memory), 쓰기 가능한 비-휘발성 메모리(writable non-volatile memory), 플래시 메모리(flash memory), 장치 버퍼(device buffers) 등을 포함할 수 있다. 메모리(203)는 하부 하드웨어로부터 분리된 전파 신호가 아니므로, 일시적이지 않다. 메모리(203)는 운영 체제와 같은 프로그램 및 소프트웨어를 저장하는 프로그램 메모리를 더 포함할 수 있다. 메모리(203)는 또한 서버 시스템(200)과 연관된 정보를 저장할 수 있는 데이터 메모리를 포함할 수 있다.
I/O 장치(205)는 운영자와 통신하도록(예를 들어, 그로부터 입력을 수신하고 및/또는 거기에 정보를 제공하도록) 구성된다. 일부 실시예에서, I/O 장치(205)는 하나의 콤포넌트(예를 들어, 터치 스크린 디스플레이)일 수 있다. 일부 실시예에서, I/O 장치(205)는 입력 장치(예를 들어, 키보드, 포인팅 장치(pointing devices), 카드 판독기(card reader), 스캐너, 카메라 등) 및 출력 장치(예를 들어, 디스플레이, 네트워크 카드(network card), 스피커, 비디오 카드 , 오디오 카드, 프린터 스피커들 또는 기타 외부 장치)를 포함할 수 있다.
저장 콤포넌트(207)는 서버 시스템(200)과 연관된 정보/데이터/파일/신호(예를 들어, 수집된 정보, 참조 정보, 분석될 정보, 분석 결과 등)를 일시적으로 또는 영구적으로 저장하도록 구성된다. 일부 실시예에서, 저장 콤포넌트(207)는 하드 디스크 드라이브(hard disk drive), 플래시 메모리, 또는 다른 적합한 저장 수단일 수 있다. 통신 콤포넌트(221)는 다른 시스템(예를 들어, 클라이언트 스테이션(20) 또는 다른 스테이션) 및 다른 장치(예를 들어, 사용자, 차량 등에 의해 운반되는 모바일 장치)와 통신하도록 구성된다.
수요 분석 콤포넌트(209)는 분석될 정보를 (예를 들어, 저장 콤포넌트(207)에) 수집 및 저장하는 프로세서에 의해 실행가능한 명령의 세트일 수 있다. 수집된 정보는 (1) (예를 들어, 일부 실시예에서는, 클라이언트 스테이션(20)을 포함하는, 그러나 다른 실시예에서는 클라이언트 스테이션(20)을 포함하지 않는)다수의 샘플링 스테이션의 위치; (2) 다수의 샘플링 스테이션에 위치한 배터리의 수; (3) 다수의 샘플링 스테이션에 위치하지 않는 배터리의 수와 위치; (4) 배터리 제조사에 관한 배터리 정보, 생산 날짜/뱃치(batches), 배터리가 겪은 충전 사이클의 수, 배터리가 겪은 작동 온도(배터리 셀 온도, 배터리 회로 온도 등을 포함함), 배터리의 충전/방전 에너지 양/비율, 배터리의 완전/현재 충전 용량(예를 들어, 완전-충전 용량(FCC: full-charge capacity), 충전 상태(SOC: state of charge) 등), 배터리 셀 유형, 배터리 하드웨어/펌웨어 버전, 배터리 헬스 상태(SOH: state of health), 배터리 수명(battery age)(예를 들어, 시간에 의한 또는 충전 사이클 카운트에 의한), 배터리 직류 내부 저항(DCIR: direct current internal resistance) 및/또는 다른 적합한 배터리 정보(예를 들어, 배터리 에러 공지(battery error notices), 상태, 메시지, 등); (5) 잠재적으로 사용자의 배터리 경험을 변경할 수 있는 액티비티(activities) 또는 이벤트(예를 들어, 사용자가 배터리를 이용/교환하는 방식) (6) 잠재적으로 사용자의 배터리 사용 경험을 변경시킬 수 있는 환경 조건; 및/또는 (7) 사용자 배터리 계획, 사용자 주행/승차 이력, 사용자 행동, 사용자 습관 등에 관한 사용자 프로파일 정보 중 하나 이상을 포함할 수 있다. 수요 분석 콤포넌트(209)는 수집된 정보를 수신한 후에 수집된 정보를 분석할 수 있다. 상기 수집된 정보의 각 유형은 (예를 들어, 아래에서 상세히 설명될 도 5a 및 도 5b에 도시된 특성 곡선의 형태로) 이러한 특정 유형의 수집된 정보에 대한 특성/패턴을 식별하기 위해 분석될 수 있다. 이러한 식별된 특성/패턴은 수요 분석 콤포넌트(209)에 의해 개별적으로 또는 조합하여 고려되어, 클라이언트 스테이션(20)에 대한 배터리 수요 예측(예를 들어, 상술한 수학식 A-F와 연관된 수요를 예측하기 위한 모델에 의해)을 생성할 수 있다.
일부 실시예에서, 수요 분석 콤포넌트(209)는 그것들의 상대적 중요성 또는 신뢰성에 기초하여 수집된 정보 및 참조 요소의 우선 순위를 결정(prioritize)하는 명령을 실행할 수 있다. 예를 들어, 수요 분석 콤포넌트(209)는 클라이언트 스테이션(20)에 대한 배터리 수요 예측(battery demand prediction)을 결정할 때, 1차 요소로서 "스테이션의 위치"를 사용하고, 2차 요소로서 다른 항목을 설정할 수 있다. 이러한 실시예에서, 시스템(400)은 샘플링 스테이션의 위치에 기초하여 클라이언트 스테이션(20)에 대한 예측된 데일리 배터리 수요 곡선(daily battery demand curve)(예를 들어, 아래에서 상세히 설명될 도 5a 내지 도 5b에 도시된 바와 같음)을 식별할 수 있다. 수요 분석 콤포넌트(209)는 식별된 데일리 배터리 수요 곡선을 조정하기 위한 다른 2 차 요소를 고려하는 명령을 실행할 수 있다. 예를 들어, 수요 분석 콤포넌트(209)는 사용자 프로파일 정보에 기초하여, 클라이언트 스테이션(20)에 대한 예상 사용자(expected users)가 높은-수요 사용자(high-demand users)인 것으로 결정하면, 배터리 수요 예측을 증가시킬 수 있다. 일부 실시예에서, 예를 들어, 수요 분석 콤포넌트(209)는 상술한 기계 학습 프로세스의 결과에 기초하여 배터리 수요 예측을 조정할 수 있다.
일부 실시예에서, 수요 분석 콤포넌트(209)는 상이한 유형의 수집된 정보에 상이한 가중치를 부여하기 위한 명령을 실행하고, 유형은 상술한 수학식 A-F와 연관된 요구를 예측하기 위한 모델을 계산할 때 참조 요소로서 처리(treated)되어야 한다. 예를 들어, 수요 분석 컴포넌트(209)는 "스테이션의 위치", "사용자 행동", "스테이션에 근접한 이벤트" 및 "환경 조건"에 대한 가중치를 50%, 20%, 15%, 15%로서 설정할 수 있다. 이러한 실시예에서, 수집된 정보의 각 유형에 대한 식별된 특성/패턴은 전술한 가중치에 기초하여 조합될 수 있다. 일부 실시예에서, 수요 분석 콤포넌트(209)는 경험적 연구, 기계 학습 프로세스의 결과 및/또는 시스템 운영자의 선호에 기초한 예측 및 대응하는 가중치에 포함될 수집된 정보의 유형을 결할 수 있다.
일부 실시예에서, 수요 분석 콤포넌트(209)는 수집된 정보의 신뢰성에 기초하여 수집된 정보의 각 유형에 대한 우선 순위 또는 가중치를 결정하는 일련의 실행가능한 명령(series of executable instructions)이다. 예를 들어, 시스템(200)이 그러한 정보가 직접/내부이고 따라서 환경 조건과 같은 간접/외부 정보(예를 들어, 일기 예보, 이벤트 공지 등) 보다 더 신뢰할 수 있음을 고려하기 때문에, 배터리에 연결된 메모리로부터 수집되고 측정된 정보에 대해, 수요 분석 콤포넌트(209)는 더 높은 가중치 또는 우선 순위를 부여하도록 프로그래밍된다. 배터리에 연결된 메모리에 저장된 정보의 실시예는 예를 들어 (1) 배터리 제조 정보, (2) 배터리 기본 특성(battery basic characteristics) 및 (3) 배터리 사용을 포함한다.
배터리 제조 정보의 예시는 배터리 제조사의 아이덴티티(identity)(예를 들어, 서로 다른 제조사에 의해 제조된 배터리는 특성이 다를 수 있지만, 배터리 사양은 동일할 수 있음), 제조 날짜(예를 들어, 다른 날짜에 제조된 배터리는 다른 특성을 가질 수 있음), 제조 뱃치(manufacturing batches)(예를 들어, 다른 뱃치(batches)로 제조된 배터리는 여전히 다른 특성을 가질 수 있음), 배터리 하드웨어/펌웨어 버전, 및/또는 제조 일련 번호(예를 들어, 개별 배터리는 다른 특성을 가질 수 있음)를 포함할 수 있다.
배터리 기본 특성의 예시는 배터리 용량(예를 들어, 완전 충전 용량, FCC), 배터리 충전 용량(예를 들어, 특정 조건 하에 배터리가 얼마나 많은 전력을 공급할 수 있는가), 배터리 셀 유형, 배터리 직류 내부 저항(DCIR), 및/또는 배터리 작동 온도(예를 들어, 배터리 셀 온도 및 배터리 회로 온도를 포함하는, 섭씨 5 내지 35도와 같은 온도 범위)를 포함한다. 배터리 기본 특성의 다른 예시는 권장 배터리 충전 온도(예를 들어, 섭씨 25 내지 40 도와 같은 온도 범위), 권장 배터리 충전 전류(예를 들어, 일정하거나 조절된 전류), 권장 배터리 충전 전압(예를 들어, 일정하거나 조절된 전압), 권장 배터리 충전 사이클(예를 들어, 1 주일 당 적어도 1 번 완전 충전), 권장 배터리 충전 속도(예를 들어, 5 분 안에 배터리의 충전 상태(SOC)를 10% 증가시킴), 권장 전체 충전 포인트(suggested full charge point)(예를 들어, FCC의 98%) 및/또는 권장 배터리 충전 시간(예를 들어, 5시간 이상 연속적으로 충전하지 않는 것)을 포함한다.
배터리 사용 정보의 예시는 실제 배터리 충전 온도 이력(예를 들어, 배터리가 어제 섭씨 30도로 오늘 섭씨 35도로 25분 동안 충전되었음), 실제 배터리 충전 전류(예를 들어, 1-200 암페어), 실제 배터리 충전 전압(예를 들어, 1-220볼트), 실제 배터리 충전 사이클(예를 들어, 배터리가 50 번의 완전 충전 사이클 및 125 번의 부분 사이클(partial cycles)을 거쳤음), 실제 배터리 충전 속도(charging speed) 또는 충전율(charging rate)(예를 들어, 1시간 당 20 암페어), 실제 배터리 충전 시간(예를 들어, 배터리가 어제 56 분 동안 충전됨), 실제 배터리 작동 온도(예를 들어, 배터리가 어제 2시간 동안 섭씨 35도에서 작동하였음), 및 실제 배터리 방전 시간(예를 들어, 배터리는 어제 66분 동안 모든 전류 용량(full current capacity)에서 방전)을 포함한다.
일부 실시예에서, 수요 분석 콤포넌트(209)는 클라이언트 스테이션(20)에 대한 배터리 수요 예측을 생성하기 위해 시스템(200)에서의 다른 콤포넌트(예를 들어, 콤포넌트(211-219)와 함께 통신하고 작동할 수 있다. 그러나, 일부 실시예에서, 시스템(200)은 콤포넌트(211-219) 없이 작동할 수 있다.
전원 분석 콤포넌트(211)는 배터리를 충전하기 위해 클라이언트 스테이션(20)에 전력을 공급하는데 사용되는 하나 이상의 전원의 상태(예를 들어, 신뢰성, 안정성, 연속성 등)를 분석하는 다수의 실행가능한 명령일 수 있다. 예를 들어, 전원 분석 콤포넌트(211)는 클라이언트 스테이션(20)에 전력을 공급하는데 사용된 전원이 특정 날짜에 오전 1시부터 오전 3시 동안 중단될 것이라고 결정할 수 있으며, 그에 따라서 전원 분석 콤포넌트(211)는 배터리 수요 예측에 기초하여 클라이언트 스테이션(20)에 대한 충전 명령을 조정할 수 있다. 예를 들어, 원래의 배터리 수요 예측은 클라이언트 스테이션(20)이 특정 날짜의 오전 2시 동안 완전히 충전된 배터리 5 개를 필요로 한다는 것을 나타낼 수 있다. 결정된 가능한 전원 공급 중단으로 인해, 전원 분석 콤포넌트(211)는 특정 날짜에 오전 1시 전에 필요한 배터리를 충전하도록 클라이언트 스테이션(20)에 명령할 수 있다.
일부 실시예에서, 전원 분석 콤포넌트(211)는 또한 상이한 시간 기간에서의 충전에 대한 비용을 고려하는 명령을 실행할 수 있다. 예를 들어, 전원 분석 콤포넌트(211)는 전원으로부터의 충전 비용이 오프-피크 시간(off-peak hours) 동안 감소됨을 결정할 수 있다. 전원 분석 콤포넌트(211)는 클라이언트 스테이션(20)이 오프-피크 시간 동안 배터리를 충전하는 것이 가능한지 여부를 결정할 수 있다. 가능하다면, 전원 분석 콤포넌트(211)는 충전 비용을 감소시키기 위해 이러한 오프-피크 시간 동안 배터리를 충전하도록 클라이언트 스테이션(20)에 명령할 수 있다.
스테이션 분석 콤포넌트(213)는 다양한 유형으로 다수의 샘플링 스테이션을 분류하고, 각 유형에 대한 대표적인 특성/패턴을 식별하는 일련의 실행가능한 명령일 수 있어, 수요 분석 콤포넌트(209)가 그 분석을 위한 기초로서 그러한 정보를 사용할 수 있도록 한다. 예를 들어, 스테이션 분석 콤포넌트(213)는 수집된 정보를 분석하여, 배터리 수요에 기초하여 다수의 샘플링 스테이션을 다양한 유형으로 나눌 수 있다. 예를 들어, 스테이션은 "높은-수요-모든-시간(high-demand-all-time)", "높은-수요-피크-시간(high-demand-peak-hours)", "높은-수요-휴일(high-demand-holidays)", "높은-수요-주말(high-demand-weekends)", "높은-수요-이벤트(high-demand-events)", 및 "낮은-수요-모든-시간(low-demand-all-time)"으로 특징지어 질 수 있다. 일부 실시예에서, "높은-수요-모든-시간" 유형은 스테이션이 바쁜 거리에 위치함을 나타낼 수 있다. "높은-수요-피크-시간" 유형은 피크 시간 동안 통근하는 사용자에 의해 자주 방문되는 스테이션이라고 추측할 수 있다. "높은-수요-휴일" 유형 또는 "높은-수요-주말" 유형은 스테이션이 관광 명소 또는 관광 포인트(site-seeing point)에 위치함을 나타낼 수 있다. "높은-수요-이벤트" 유형은 스테이션이 이벤트 개최 시설 또는 경기장에 위치함을 의미할 수 있다. "낮은-수요-모든-시간"은 스테이션이 2개의 주요 도시 간 중계 스테이션(relay station)으로 구축된 전략적 스테이션임을 나타낼 수 있다. 이 유형들에 기초하여, 수요 분석 콤포넌트(209) 및 스테이션 분석 콤포넌트(213)는, 특히 수집된 정보가 수요 분석 콤포넌트(209)에 대해 정상적인 분석을 수행하기에 불충분 한 경우, 클라이언트 스테이션에 대해 적합한 배터리 수요를 빠르게 결정할 수 있다.
스테이션 분석 콤포넌트(213)와 유사하게, 배터리 분석 콤포넌트(215) 및 사용자 행동 분석 콤포넌트(217), 및 차량 분석 콤포넌트(219)는 배터리에 의해 전력이 공급되는 차량, 사용자 행동 및 배터리를 다양한 유형으로 각각 분류하고, 각 유형에 대한 대표적인 특성/패턴을 식별하도록 프로그래밍된 명령(programed instructions)이다. 예를 들어, 배터리 분석 콤포넌트(215)는 제조사, 수명(age), 원래의 완전 충전 용량(FCCs), 현재의 FCC, 충전 사이클, 경험된 작동 온도, 충전/방전(charge/discharge) 규칙/프로파일(rules/profiles)(예를 들어, 일정한(steady) 또는 피크를 갖는(having peaks)) 등에 기초하여 배터리를 분류할 수 있다. 이러한 유형 또는 카테고리(categories)는, 시스템(200)이 어떤 유형의 배터리가 클라이언트 스테이션(20)에 위치되는지 알고 있어(예를 들어, 이러한 정보는 클라이언트 스테이션(20)에 의해 서버(200)로 제공됨), 수요 분석 콤포넌트(209)가 클라이언트 스테이션(20)에 대한 배터리 수요 예측(및 대응하는 충전 명령)을 미세하게 튜닝(tune)하는 것에 용이할 수 있다.
유사하게는, 사용자 행동 분석 콤포넌트(217)는 배터리를 교환 및/또는 사용하는 방법에 기초하여 사용자 행동을 분류하는 일련의 실행 가능한 명령일 수 있다. 예를 들어, 사용자는 배터리 성능(예를 들어, 전문 레이서)에 대해 매우 요구할 수 있다. 다른 예시로서, 다른 사용자는 단지 데일리 심부름(예를 들어, 아이들 또는 식료품 쇼핑을 픽업)을 위해 차량에 동력을 공급하기 위해 배터리를 사용할 수 있다. 이러한 실시예에서, 개시된 시스템은 사용자의 데일리 또는 위클리 배터리 교환 루틴(user's daily or weekly battery exchanges routines), 배터리 교환의 빈도 등을 적절하게 예측할 수 있다. 일단 사용자가 클라이언트 스테이션(20)에서 배터리를 예약하면, 클라이언트 스테이션(20)은 예약과 연관된 정보를 서버 시스템(200)에 제공한다. 서버 시스템(200)은 예약을 한 사용자의 유형/카테고리를 결정할 수 있고, 그에 따라 클라이언트 스테이션(20)에 대한 배터리 수요 예측(및 대응한 충전 명령)을 조정할 수 있다. 일부 실시예에서, 이러한 조정은 클라이언트 스테이션(20)에 의해 이루어질 수 있다.
차량 분석 콤포넌트(219)는 사용자가 작동을 계획(planning)하고 있는 차량의 유형을 분류하는 일련의 실행 가능한 명령일 수 있다. 차량의 각 유형에 대해, 차량 분석 콤포넌트(219)는 차량의 각 유형에 대해 어떤 유형의 배터리가 가장 잘 작동하는지를 결정할 수 있다. 예를 들어, 차량 분석 콤포넌트(219)는 전기 스쿠터(electric scooter)가 특정 충전 프로세스 후에 특정 유형의 배터리로 가장 잘 작동함을 결정할 수 있다. 이러한 실시예에서, 서버 시스템(200)이 관련 차량 정보를 수신하는 경우, 차량 분석 콤포넌트(219)는 수요 분석 콤포넌트(209)와 함께 작동하여 배터리 수요 예측(및 대응하는 충전 명령)을 조정할 수 있다. 일부 실시예에서, 그러한 정보는 사용자 프로파일 또는 계정 정보에서 발견될 수 있다. 다른 실시예에서, 이러한 차량 정보는 클라이언트 스테이션(20)에 의해 서버 시스템(200)에 제공될 수 있다.
일부 실시예에서, 서버 시스템(200)은 실시간 또는 거의 실시간 방식으로 클라이언트 스테이션(20)에 대한 배터리 수요 예측을 제공할 수 있다. 이러한 실시예에서, 서버 시스템(200)은 클라이언트 스테이션(20)의 상태를 모니터링한다. 일단 클라이언트 스테이션(20)의 충전 프로세스에 영향을 미칠 수 있는 변경(change)(예를 들어, 사용자가 2 개의 완전히 충전된 배터리를 제거하고, 클라이언트 스테이션(20)에서 2개의 빈 배터리를 남김) 또는 잠재적인 변경(potential change)(예를 들어, 사용자가 클라이언트 스테이션(20)에서 배터리를 교환하도록 예약을 함)이 있으면, 서버 시스템(200)은 상술한 분석을 수행하고, 클라이언트 스테이션(20)이 따라야 할 업데이트된 배터리 수요 예측을 생성할 수 있다. 일부 실시예에서, 변경 또는 잠재적인 변경은 모바일 장치(예를 들어, 사용자가 배터리를 예약하기 위해 모바일 장치에 설치된 앱을 사용함), 다른 서버(예를 들어, 사용자에 의해 사용된 앱과 연관된 웹-서비스 서버(web-service server)), 및/또는 클라이언트 스테이션(20)으로부터 서버 시스템(200)으로 송신될 수 있다.
일부 실시예에서, 클라이언트 스테이션(20)은 신규 클라이언트 스테이션(예를 들어, 샘플링 스테이션에 포함되지 않은)일 수 있다. 이러한 실시예에서, 서버 시스템(200)은 (예를 들어, 참조 정보로서) 서버 시스템(200)에 의해 수행된 이전 분석 또는 이전에 수집된 정보에 기초하여 배터리 수요 예측을 생성할 수 있다. 예를 들어, 서버 시스템(200)은 클라이언트 스테이션(20)이 특정 유형의 스테이션(예를 들어, "많은-트래픽" 유형, "중간-트래픽" 유형, "적은-트래픽 유형", "관광-명소" 유형, "이벤트-주도" 유형 등)일 수 있음을 결정한 다음, 결정된 유형에 기초하여 배터리 수요 예측을 생성할 수 있다.
일부 실시예에서, 서버 시스템(200)은 다수의 클라이언트 스테이션을 동시에 관리할 수 있다. 이러한 실시예에서, 서버 시스템(200)은 이들 클라이언트 스테이션을 모니터링하고, 클라이언트 스테이션으로부터 정보를 수집하고, 클라이언트 스테이션의 각각에 대한 배터리 수요 예측을 생성할 수 있다.
도 3은 개시된 기술의 실시예에 따른 스테이션 또는 스테이션 시스템(station system)(300) 및 차량 또는 차량 시스템(30)을 도시하는 개략도이다. 도시된 바와 같이, 스테이션 시스템(300)은 프로세서(301), 메모리(303), 사용자 인터페이스(305), 통신 콤포넌트(307), 배터리 관리 콤포넌트(battery management component)(309), 하나 이상의 센서(sensors)(311), 저장 콤포넌트(313), 및 8개의 배터리 슬롯(317a-h)에 연결된 충전 콤포넌트(charging component)(315)를 포함한다. 프로세서(301)는 스테이션 시스템(300)에서의 메모리(303) 및 다른 콤포넌트(예를 들어, 콤포넌트(305-317))와 상호 작용하도록 구성된다. 메모리(303)는 프로세서(301)에 연결되고, 다른 스테이션 시스템(300)에서의 다른 정보 또는 다른 콤포넌트를 제어하기 위한 명령(instructions)를 저장하도록 구성된다.
사용자 인터페이스(305)는 (예를 들어, 사용자 입력을 수신하여 사용자에게 정보를 제공하는)사용자와 상호 작용하도록 구성된다. 일부 실시예에서, 사용자 인터페이스(305)는 터치 스크린 디스플레이(touchscreen display)로 구현될 수 있다. 다른 실시예에서, 사용자 인터페이스(305)는 다른 적합한 사용자 인터페이스 장치를 포함할 수 있다. 저장 콤포넌트(313)는 스테이션 시스템(300)과 연관된 정보, 데이터, 파일 또는 신호(예를 들어, 센서(313)에 의해 측정된 정보, 배터리(317a-h)에 의해 수집된 정보, 참조 정보, 충전 명령, 사용자 정보 등)를 일시적으로 또는 영구적으로 저장하도록 구성된다. 통신 콤포넌트(307)는 다른 시스템(예를 들어, 차량 시스템(30), 서버(33) 및/또는 다른 스테이션) 및 다른 장치(예를 들어, 사용자에 의해 운반되는 모바일 장치(31))와 통신하도록 구성된다.
배터리 관리 콤포넌트(309)는 배터리 슬롯(317a-h)에 위치된 배터리를 관리하고 제어하는 일련의 실행 가능한 명령일 수 있다. 일부 실시예에서, 배터리 관리 콤포넌트(309)는 서버(33)(일부 실시예에서는, 서버 시스템(200)과 유사한 방식으로 기능할 수 있음)로부터의 명령에 기초하여 배터리를 관리할 수 있다. 일부 실시예에서, 배터리 관리 콤포넌트(309)는 스테이션 시스템(300)(예를 들어, 저장 콤포넌트(313))에 저장된 미리 결정된 명령 또는 지침에 기초하여 배터리를 관리할 수 있다. 일부 실시예에서, 배터리 관리 콤포넌트(309)는 주기적으로 서버(33)와 통신하여 업데이트 명령을 요청할 수 있다.
일부 실시예에서, 배터리 관리 콤포넌트(309)는 배터리 슬롯(317a-h)에 위치된 배터리, 스테이션 시스템(300)에 관한 정보, 하나 이상의 전원(35)에 관한 정보, 사용자에 관한 정보(예를 들어, 통신 콤포넌트(307)를 통해 모바일 장치(31)로부터 수신됨) 및/또는 차량 시스템(30)에 관한 정보를 수집하는 명령을 실행할 수도 있다. 배터리 관리 콤포넌트(309)는 추후의 분석 또는 프로세스를 위해 수집된 정보를 서버(33)로 송신 또는 업로드(upload) 할 수 있다.
센서(311)는 스테이션 시스템(300)과 연관된 정보(예를 들어, 작동 온도, 환경 조건, 전력 연결, 네트워크 연결 등)를 측정하도록 구성된다. 또한, 센서(311)는 배터리 슬롯(317a-h)에 위치된 배터리를 모니터하도록 구성될 수 있다. 측정된 정보는 추후 분석을 위해 배터리 관리 콤포넌트(309) 및 서버(33)로 전송될 수 있다.
충전 콤포넌트(315)는 배터리 슬롯(317a-h)에 위치된 배터리의 각각에 대한 충전 프로세스를 제어하도록 구성된다. 일부 실시예에서, 스테이션 시스템(300)은 다른 수의 배터리 슬롯을 포함할 수 있다. 배터리 슬롯(317a-h)은 내부에 위치 및/또는 고정된(locked) 배터리를 수용하고 충전하도록 구성된다. 충전 콤포넌트(315)는 전원(35)으로부터 전력을 수신한 다음, 저장 콤포넌트에 저장되거나 서버(33)로부터 수신된 미리 결정된 충전 계획(예를 들어, 배터리의 다양한 충전 단계들 동안 충전 온도를 제어하는 것을 포함하여, 배터리의 수명을 최대화하는 것과 같은 목표를 달성하기 위해 배터리를 충전하는시기 및 방법을 나타내는 명령의 세트)에 기초하여, 배터리 슬롯(317a-h)에 위치된 배터리를 충전하기 위해 전력을 사용한다. 일부 실시예에서, 충전 계획은 서버(33)에 의해 생성된 배터리 수요 예측에 기초하여 결정될 수 있다.
도 3에 도시된 바와 같이, 차량(30)은 전기 스쿠터, 전기 차, 등으로 구현될 수 있다. 차량(30)은 프로세서(319), 메모리(321), 배터리(323), 모터(325), 입력 장치(327), 대시보드 디스플레이(dashboard display)(329), 저장 장치, 하나 이상의 센서(333), 및 통신 콤포넌트(335)를 포함한다. 프로세서(319)는 차량 시스템(30)에서의 메모리(321) 및 다른 콤포넌트(예를 들어, 콤포넌트(323-335))와 상호 작용하도록 구성된다. 메모리(321)는 프로세서(319)에 연결되고, 차량 시스템(30)에서의 다른 정보 또는 다른 콤포넌트를 제어하기 위한 명령을 저장하도록 구성된다. 저장 장치(331)는 저장 콤포넌트(313 또는 207)와 유사한 기능을 가질 수 있다. 통신 콤포넌트(335)는 통신 콤포넌트(307) 또는 저장 콤포넌트(313 또는 221)과 유사한 기능을 가질 수 있다. 대시보드 디스플레이(329)는 사용자에게 시각적으로 정보(예를 들어, 차량 시스템(30)과 연관된 정보)를 제공하도록 구성된다.
배터리(323)는 모터(325)가 차량 시스템(30)을 움직일 수 있도록 모터(325)에 전력을 공급하도록 구성된다. 배터리(323)는 교환 가능한 배터리일 수 있다. 배터리(323)가 전력 공급을 수행할 때, 차량 시스템(30)의 사용자는 스테이션 시스템(300)에서 배터리(323)를 교환 또는 교체할 수 있다. 예를 들어, 사용자는 차량 시스템(30)으로부터 배터리(323)를 제거하고, 배터리 슬롯(317a-h) 중 하나(예를 들어, 내부에 배터리가 위치되지 않은 비어있는 것)에 배터리(323)를 위치시킬 수 있다. 사용자는 배터리 슬롯(317a-h)에서 완전히 충전된 배터리를 취하여 차량 시스템(30)에 설치할 수 있다.
일부 실시예에서, 사용자가 배터리 슬롯(317a-h) 중 하나에 배터리를 위치시키면, 스테이션 시스템(300)은 그 배터리의 존재를 검출하고 그것으로부터 정보를 끌어낼(pull) 수 있다. 예를 들어, 배터리 관리 콤포넌트(309)는 배터리와 연관된 정보(예를 들어, 배터리 사용 이력, 배터리 아이덴티티(battery identity), 충전 사이클, 완전 충전 용량, 배터리(323)가 연관된 차량의 차량 정보, 배터리(323)가 관여된 사용자 액티비티, 등)를 배터리(323)에 연결되거나 그 내부의 배터리 메모리(337)로부터 끌어낼 수 있다. 일부 실시예에서, 배터리 메모리(337) 내의 정보는 통신 콤포넌트(335) 또는 모바일 장치(313)를 통해 서버(33)로 송신될 수 있다.
도 4는 개시된 기술의 실시예에 따른 클라우드 시스템(cloud system)(400)을 도시한 개략도이다. 클라우드 시스템(400)은 서버(401), 클라우드 서버(403), 및 다수의 스테이션(405)(405A1-A3 및 405B1-B2로 주석됨)을 포함할 수 있다. 서버(401)는 다수의 스테이션(405)으로부터 정보를 수집하고, 수집된 정보를 분석하고, 전력 수요 예측(예를 들어, 배터리 수요 예측)을 생성하도록 구성된다. 서버(401)는 서버 시스템(200)과 유사한 기능을 가질 수 있다. 클라우드 서버(403)는 서버(401)와 다수의 스테이션(405) 사이의 통신을 용이하게 하도록 구성된다.
도 4에 도시된 바와 같이, 다수의 스테이션(405)은 그룹 A(스테이션 405A1-A3을 포함함) 및 그룹 B(스테이션 405B1-B2을 포함함)로 나누어질 수 있다. 예를 들어, 그룹 A 내의 스테이션은 영역 A에 위치된 스테이션일 수 있고, 그룹 B의 스테이션은 영역 B에 위치된 스테이션일 수 있다. 클라우드 시스템(400)은 운영자가 다수의 스테이션(405)을 중앙 집중적이고 효과적인 방식으로 관리할 수 있게 한다. 예를 들어, 서버(401)는 (예를 들어, 화살표 C1로 표시된 바와 같이) 네트워크 연결을 통해 직접적으로 스테이션(405A3)과 통신할 수 있다. 일부 실시예에서, 스테이션(405)은 데이터/통신 중계 장치로서 기능할 수 있다. 예를 들어, 도 4에 도시 된 바와 같이, 서버(401)는 (예를 들어, 화살표 C1 및 C2에 의해 표시된 바와 같이) 스테이션(405A1)을 통해 스테이션(405A2)과 통신할 수 있다. 일부 실시예에서, 서버(401)는 (예를 들어, 화살표 C3로 표시된 바와 같이) 클라우드 서버(403)를 통해 스테이션(405)과 통신할 수 있다. 예를 들어, 서버(401)는 (예를 들어, 화살표 C3 및 C4로 표시된 바와 같이) 클라우드 서버(403)를 통해 스테이션(405A3)과 통신하고, (예를 들어, 화살표 C3 및 C5로 표시된 바와 같이) 클라우드 서버(403)를 통해 스테이션(405B1)과 통신할 수 있다. 일부 실시예에서, 서버(401)는 (화살표 C3, C5 및 C6으로 표시된 바와 같이) 클라우드 서버(403) 및 스테이션(405B1) 모두를 통해 스테이션(405B2)과 통신할 수 있다. 이러한 유연한 통신 구성에 의해, 서버(401)는 실시간 또는 거의 실시간 방식으로 각각의 스테이션(405)과 효율적으로 통신할 수 있어, 가능한 네트워크 중단에 의해 불편함 또는 지연 원인을 제거하거나 적어도 감소시킨다.
도 5a는 개시된 기술의 실시예에 따른 다수의 스테이션 시스템의 특성을 도시하는 개략도이다. 도 5a에서, 3개의 2차원 특성 곡선(501A, 501B, 501C)이 도시된다. 그러나, 다른 실시예에서, 특성 곡선은 이러한 특성 곡선을 생성할 때 고려해야 할 요소의 수에 따라 3차원 또는 다차원일 수 있다.
특성 곡선(501A-C)는 다수의 샘플링 스테이션과 연관된 정보(예를 들어, 상술한 수집된 정보)에 기초하여 생성된(예를 들어, 서버 시스템(200)과 같은 서버에 의해) 스테이션 A-C를 위한 배터리 수요 예측(또는 전력 소비 예측)을 나타낸다. 일부 실시예에서, 이 특성 곡선(501A-C)은 실제 측정치와 비교되어 이들 곡선의 정확성을 검증 및/또는 향상시킬 수 있다(예를 들어, 스테이션 A에서 수행된 실제 측정에 의해 생성된 곡선과 특성 곡선(501A)을 비교). 이러한 실시예에서, 비교의 결과는 특성 곡선(501A-C)을 추가 조정하는데 사용될 수 있다. 일부 실시예에서, 본 기술은 이러한 접근법을 사용하여 다양한 요소, 요소에 대한 가중치, 알고리즘 등에 기초하여 그 분석을 미세하게 조정할 수 있다.
도 5a에 도시된 바와 같이, 특성 곡선(501A)은 스테이션 A가 "높은-수요-피크-시간" 유형 스테이션임을 나타낼 수 있는 피크 부분(503)을 갖는다. 특성 곡선(501B)은 매끄러운 곡선(smooth curve)을 가지며, 이는 스테이션 B가 특정 시간 기간(예를 들어, 아침에)에서 비교적 높은 배터리 수요를 가지므로 "통근자" 유형 스테이션일 수 있음을 나타낼 수 있다. 스테이션 C의 경우, 특성 곡선(501C)은 하루의 중반에서 고원 부분(plateau portion)(505)을 갖는다. 고원 부분(505)은 스테이션 C가 스테이션 C에 근접한 유명한 레스토랑으로의 트래픽에 의해 야기될 수 있는 정오에 비교적 높은 배터리 수요를 갖는다는 것을 나타낼 수 있다. 일부 실시예에서, 본 기술은 배터리 교환 스테이션에 대한 배터리 수요 예측을 결정하기 위한 참조 정보로 사용될 수 있는 다수의 유형의 특성 곡선 또는 패턴을 제공할 수 있다.
도 5b는 개시된 기술의 실시예에 따른 스테이션 시스템의 다수의 시간 프레임 동안의 특성을 도시하는 개략도이다. 도 5b에서, 스테이션 X에 대한 3개의 특성 곡선(507A-C)이 도시된다. 특성 곡선(507A-C)은 다수의 샘플링 스테이션과 연관된 정보에 기초하여 생성된 상이한 시간 프레임(time frames)(예를 들어, 1일, 1주 및 1년)에서의 스테이션 X에 대한 배터리 수요 예측을 나타낸다.
도시된 바와 같이, 특성 곡선(507A)은 2개의 피크 부분(508, 509)을 갖는다. 피크 부분(508, 509)은 스테이션 X에 근접한 통근자 트래픽을 나타낼 수 있다. 특성 곡선(507B)은 주중에 고원 부분(511)을 가지며, 이는 스테이션 X가 통근자에 의해 주말보다는 주중에 집중적으로 사용되는 도로에 근접하다는 것을 나타낼 수 있다. 또한, 특성 곡선(507C)은 2월 및 7월에 2개의 피크 부분(513, 514)을 각각 갖는다. 이들 2개의 피크 부분(513, 514)은 스테이션 X에 근접한 경기장에서 개최되는 이벤트(예를 들어, 2월 및 7월에)에 의해 야기된 배터리 수요를 나타낼 수 있다.
일부 실시예에서, 본 기술은 상이한 시간 프레임에서 상이한 요소를 선택함으로써 다른 유형의 특성 또는 패턴을 제공할 수 있다. 예를 들어, 전술한 수학식 A-F와 연관된 모델을 사용할 때, 도 5a 및 도 5b에 도시된 특성 곡선(501A-C, 507A-C)은 다수의 시간 간격으로 나누어질 수 있고, 이후의 계산을 위해 각 시간 간격에서 배터리 수요를 식별할 수 있다(예를 들어, 수요 정보로서). 이러한 구성에 의해, 본 기술은 운영자가 특정 배터리 교환 스테이션(예를 들어, 이 스테이션이 신규이든 기존 스테이션이든 상관 없이)에 대한 배터리 수요를 효과적으로 예측할 수 있게 한다. 본 기술은 다수의 배터리 교환 스테이션을 효과적으로 유지 관리할 수 있는 유연성을 제공한다. 본 기술은 에너지 효율을 향상시켜 배터리 관리/충전에 드는 전반적인 비용을 감소시킬 수 있다.
도 6은 개시된 기술의 실시예에 따른 방법(600)을 도시하는 흐름도이다. 방법(600)은 배터리 교환 스테이션에 대한 교환 가능한 배터리의 수요를 예측하도록 구성된다. 방법(600)은 서버(예를 들어, 서버 시스템(200))에 의해 구현될 수 있다. 일부 실시예에서, 방법(600)은 배터리 교환 스테이션(예를 들어, 스테이션 시스템(300))에 의해 구현될 수 있다. 방법(600)은 다수의 에너지 저장 장치로부터 정보를 수신함으로써 블록(601)에서 시작한다. 일부 실시예에서, 이러한 에너지 저장 장치는 다수의 샘플링 스테이션, 차량에 위치되거나 또는 사용자에 의해 보유/보관될 수 있다.
블록(603)에서, 방법(600)은 미리 결정된 기준 정보에 기초하여 수신된 정보를 분석함으로써 계속된다. 미리 결정된 기준 정보는 스테이션의 다수의 카테고리의 특성의 세트를 포함한다. 블록(605)에서, 방법(600)은 다수의 스테이션에 대한 목표 시간 기간 동안 에너지 저장 교환의 예측된 수를 결정한다. 상술한 바와 같이, 서버는 다수의 배터리 교환 스테이션에 대한 통신 연결을 설정하고, 수신된 정보에 기초하여 스테이션에서 교환되는 배터리에 대한 기대 수요를 예측하도록 프로그래밍된다. 수신된 정보는 각 스테이션의 위치, 예측된 날씨, 전원 변동 또는 이전에 교환된 배터리로부터 검색된 이용가능한 정보(충전 스테이션 제조 날짜 등)에 관한 정보, 스테이션에 의해 이전에 서비스되었던 사용자에 관한 정보, 예정된 예약에 관한 정보, 일기 예보, 스페셜 이벤트 등을 포함할 수 있다. 수신된 정보로부터, 서버는 선택된 시간 기간에 대한 실제 수요를 밀접하게 예측할 수 있는 하나 이상의 기준 요소를 식별하도록 프로그래밍된다. 일 실시예에서, 서버는 기계 학습 알고리즘을 사용하여 실제 수요에 매우 근사할 수 있는 하나 이상의 기준 요소에 대한 가중치(0일 수 있음)를 식별한다. 식별된 가중치 및 기준 요소는 새로운 시간 기간에 대한 배터리 수요를 예측하는데 사용되며, 배터리 수요에 기초하여 생성된 충전 계획은 스테이션의 각각으로 전송된다.
블록(607)에서, 방법(600)은 목표 시간 기간 전에 다수의 스테이션의 각각에 공급될 수 있는 이용가능한 전력을 결정한다. 그 다음, 블록(609)에서, 다수의 스테이션의 각각에 대한 충전 계획이 형성된다. 블록(611)에서, 방법(600)은 충전 계획에 따라 그 안에 위치된 교환 가능한 에너지 저장 장치를 충전하도록 다수의 스테이션의 각각에 명령하는 단계를 포함한다. 그 후, 방법(600)은 복귀(returns)하고 더 많은 명령을 기다린다.
일부 실시예에서, 개시된 기술에 의해 생성된 배터리 수요 예측은 다수의 샘플링 스테이션(또는 다수의 샘플링 스테이션의 시간 간격)을 (예를 들어, K-평균 클러스터링 알고리즘에 의해) 상이한 클러스터로 나누는데 사용될 수 있다. 이 클러스터링 프로세스는 샘플링 스테이션의 그룹에 대한 대표 스테이션(예를 들어, 가상/계산 스테이션)을 식별하도록 설계된다. 클러스터링 프로세스는 수요 예측을 위해 계산을 단순화/신속화하는 데 도움이 될 수 있다(예를 들어, 한 클러스터에 대해 한 유형의 예측만 계산하면 됨). 이러한 실시예에서, 일단 클러스터링 프로세스가 완료되면, 미래의 수요 예측을 위해, 개시된 시스템은 각 클러스터에 대한 수요 예측을 계산해야 한다.
일부 실시예에서, 클러스터는 "스테이션"과 "시간 간격" 모두에 의해 특징 지어질 수 있다. 예를 들어, 클러스터 A, B 및 C는 수요의 상이한 레벨를 나타내며, 예를 들어, 클러스터 A의 스테이션이 가장 낮은 수요를 가지며, 클러스터 B의 스테이션은 가장 높은 수요를 갖고, 클러스터 C의 스테이션은 클러스터 A와 B 사이의 수요 레벨을 갖는다. 모든 스테이션의 모든 시간 간격에 대한 클러스터링 프로세스 후, 클러스터 A는 오전 1시 내지 오전 4시 사이의 스테이션 X에 대한 배터리 수요를 나타낼 수 있고, 클러스터 B는 오후 5시 내지 오후 6시 사이의 스테이션 Y에 대한 배터리 수요를 나타낼 수 있으며, 클러스터 C는 오전 2 시 내지 오전 4시 사이의 스테이션 Z에 대한 배터리 수요를 나타낼 수 있다. 일부 실시예에서, 클러스터는 일주일 동안 다수의 시간 기간으로 특징 지어질 수 있다. 예를 들어, 클러스터 A는 오전 1시 내지 오전 4시 사이에 스테이션 X를 나타낼뿐만 아니라, 오전 4시 내지 오전 6시 사이의 스테이션 Y 및 오전 12시 내지 오전 3시 사이의 스테이션 Z를 나타낸다(즉, 스테이션 X, Y 및 Z의 이러한 시간 간격은 수요의 유사한 레벨을 가지므로, 클러스터링 프로세스 동안 이러한 스테이션의 시간 간격이 클러스터 A에 할당됨). 일부 실시예에서, 클러스터링 프로세스는 특정 조건(예를 들어, 제어 요소) 하에서 수행될 수 있다. 예를 들어, 일주일 중 주중 동안 6개의 클러스터(예를 들어, 클러스터(WD1-6))가 있을 수 있으며, 주말 동안 3개의 클러스터(예를 들어, 클러스터(WE1-3))가 있을 수 있다.
일부 실시예에서, 클러스터는 "맑음(sunny)" 또는 "비(rainy)"와 같은 환경 조건에 기초하여 추가로 나누어질 수 있다. 예를 들어, "맑음" 조건에 대해 3개의 클러스터(클러스터 S1-3)가 있을 수 있고, "비" 조건에 대해 3개의 클러스터(클러스터 R1-3)가 있을 수 있다. 일부 실시예에서, 클러스터는 2개 이상의 요소에 기초하여 결정될 수 있다. 예를 들어, 클러스터는 "주중/주말" 요소와 "맑음/비" 요소로 특징 지어질 수 있다. 상기 예시를 사용하면, 이 2개의 요소를 고려한 후에, 27개의 클러스터가 있을 수 있다(예를 들어, 9x3). 개시된 시스템은 더 많은 클러스터를 얻기 위해 위치, 사용자 유형 등과 같은 다른 요소를 더 고려할 수 있다.
일부 실시예에서, 일부 클러스터는 특정 스테이션 특성(예를 들어, 스테이션의 위치)과 밀접하게 관련된 것으로 식별되거나 라벨링(labeled)될 수 있다. 일부 실시예에서, 스테이션은 특정 특성에 기초하여 식별되거나 라벨링될 수 있다. 예를 들어, 시스템은 "주중/주말"을 제어 요소로 선택하고, "오전 9시부터 오후 12시까지의 스테이션 X"가 클러스터(WD3, WD2, WD4 및 WD5)와 유사한 수요 특성을 갖는지 식별할 수 있다. 예를 들어, 일부 클러스터는 "도시 유형(city type)", "국가 유형(country type)", "관광 유형(attraction type)", "다운타운 유형(downtown type)" 등으로 식별될 수 있다. 그러나, 일부 클러스터는 여러 요소와 관련될 수 있으므로 특정 요소와 관련이 있는 것으로 쉽게 식별될 수 없다. 일부 실시예에서, 본원에 급된 특성들은 과거 데이터로부터의 통계/기계 훈련 결과들 또는 시스템 선호도에 기초하여 결정된다.
일부 실시예에서, 클러스터링 프로세스는 동일한 데이터로부터의 다양한 요소에 기초하여 수행될 수 있다. 식별/라벨링 프로세스(예를 들어, 특정 특성을 식별하기 위한)는 모든 클러스터링 결과(고려된 요소에 대응하는 가중치가 있거나 있지 않음)를 고려하여 수행될 수 있다. 예를 들어, "도시 유형" 클러스터는 (1) "주중" 카테고리에서 수요 D1의 분포 및 (2) "맑음" 카테고리에서 수요 D2의 분포를 가질 수 있다. 또 다른 예시로서, "국가 유형" 클러스터는 "주중" 카테고리에서 수요 D3의 분포를 갖지만 "비" 카테고리에서 D2분포를 가질 수 있다.
클러스터링 프로세스가 완료되면, 시스템은 대응하는 클러스터에 기초한 배터리 스테이션의 다양한 시간 기간에 배터리 수요 예측을 할당할 수 있다. 예를 들어, 스테이션 X의 오전 1시 내지 오전 4시의 시간 기간은 클러스터(WD2)에 속하는 것으로 결정된다. 클러스터(WD2)에 대한 배터리 수요 예측에 기초하여, 이 기간 동안 20개의 배터리 교환이 있다. 이에 따라, 매주 수요일 오전 1시 내지 4시 사이의 스테이션 X에서 20개의 기대 배터리 교환이 있을 것으로 결정할 수 있다. 도시된 실시예에서, 최소 분석 시간 간격은 "시간"이다. 다른 실시예에서, 최소 분석 시간 간격은 다른 시간 기간일 수 있다.
일부 실시예에서, 개시된 시스템이 (예를 들어, 각각의 클러스터에 대한) 수요 예측을 생성할 때, 개시된 시스템은 하나 이상의 요소를 선택한 다음 선택된 요소를 사용하여 적은 컴퓨팅 시간과 리소스를 갖고 수요 예측을 생성함으로써(예를 들어, 예측 결과를 "감독"하기 위해) 수요 예측 프로세스를 더 간단하게 할 수 있다.
예를 들어, 시스템 운영자는 3개의 요소를 선택하여 수요 예측 프로세스를 간소화할 수 있다. 이 3개의 요소는 (1) 날씨(예를 들어, 추운 날씨 조건에 사용자가 배터리 교환 스테이션에 가지 않으려는 경우) (2) 국경일 또는 지방 공휴일(예를 들어, "통근자" 유형 사용자의 경우, 평일보다 휴일에 배터리를 더 적게 교환할 수 있음); 및 (3) 스페셜 이벤트(예를 들어, 배터리 스테이션 근처에서 개최되는 콘서트, 배터리 교환 서비스 제공 업체가 개최하는 배터리 교환 캠페인, 사고 등)이다.
이 3개의 요소를 고려하여, 개시된 시스템은 각 클러스터에 대해 예측된 배터리 수요 곡선 또는 패턴을 생성할 수 있다. 일부 실시예에서, 개시된 시스템은 배터리 스테이션의 위치에 기초하여 하나의 클러스터에서의 배터리 스테이션에 대한 예측된 수요 곡선 또는 패턴을 추가로 조정할 수 있다. 3개의 선택된 요소에 기초하여, 개시된 시스템은 특정 유형의 배터리 스테이션이 이러한 선택된 요소에 의해 영향을 받을지 여부를 결정한다. 예를 들어, "통근자" 유형 스테이션(예를 들어, 피크 통근 시간 동안 높은 수요를 갖는 스테이션)의 경우, 개시된 시스템은 (1) 날씨 요소는 적어도 통근자가 추운 날씨에도 출근해야 하기 때문에 배터리 수요에 강하게 영향을 미치지 않을 수 있음; (2) 휴일 요소는 적어도 통근자가 휴일 동안 일하지 않기 때문에 배터리 수요에 강하게 영향을 미침; 및 (3) 이벤트 요소는 적어도 통근자가 이러한 유형의 스테이션에 근접하게 개최된 이벤트에도 불구하고 출근하기 때문에 배터리 수요에 강하게 영향을 미치지 않을 수 있음을 결정할 수 있다. 따라서, 개시된 시스템은 주로 휴가 요소에 기초하여 "도시-통근자" 유형의 스테이션에 대한 수요 예측을 생성할 수 있다. 신규 스테이션이 시스템에 추가되고 "도시-통근자" 유형 스테이션으로 결정되면, 시스템은 사소한 조정(예를 들어, 위치에 기초한 조정)으로 기존 수요 예측을 기반으로 수요 예측을 편리하게 생성할 수 있다.
개시된 시스템은 생성된 수요 예측이 (예를 들어, 지난 주, 달 또는 일의 실제 수요와 수요 예측을 비교함으로써) 신규 스테이션에 대해 적합한지 여부를 나중에 분석할 수 있다. 개시된 시스템은 비교에 기초하여 수요 예측을 더 조정할 수 있다.
본원에서 설명된 실시예에서, "콤포넌트(component)"는 프로세서, 제어 로직, 디지털 신호 프로세서, 컴퓨팅 유닛, 및/또는 상술한 기능을 수행하기 위한 명령을 실행하도록 구성되거나 프로그래밍되는 임의의 다른 적합한 장치를 포함할 수 있다.
도 7은 개시된 기술의 실시예에 따른 방법(700)을 나타내는 흐름도이다. 방법(700)은 복수의 장치 교환 스테이션(예를 들어, 스테이션 시스템(300))을 관리하도록 구성된다. 방법(700)은 서버(예를 들어, 서버 시스템(200))에 의해 구현될 수 있다. 방법(700)은 초기 시간 기간에서 복수의 장치 교환 스테이션의 각각으로부터 에너지 저장 장치의 교환에 관한 경험적 정보를 수신함으로써 블록(701)에서 시작한다. 일부 실시예에서, 수신된 정보는 초기 시간 기간에서 복수의 장치 교환 스테이션의 각각에 대한 에너지 저장 장치의 실제 공급에 관한 정보를 포함할 수 있다.
블록(703)에서, 방법(700)은 (예를 들어, 시스템 운영자에 의해 제공되는 일부 실시예에서,이 목표 시간 기간 동안 배터리 교환을 예측하기 위한) 목표 시간 기간을 결정한다. 블록(705)에서, 방법(700)은 목표 시간 기간에서 복수의 장치 교환 스테이션의 각각에 대응하는 복수의 기준 요소를 식별함으로써 계속된다. 예를 들어, 시스템 운영자는 요소 매트릭스(예를 들어, 상기 수학식 A)에 포함시키려는 요소를 선택할 수 있다. 미리 결정된 기준 요소는 (1) 복수의 장치 교환 스테이션과 연관된 다수의 특성, (2) 특성의 조합(예를 들어, 전술한 "교차-항" 요소), (3) "유형"의 스테이션 (예를 들어, 도 5a 및 5b에 설명된 "곡선") 및 (4) 상기의 조합을 포함할 수 있다.
블록(707)에서, 방법(700)은 장치 교환 스테이션의 각각에 대응하는 식별된 기준 요소 및 식별된 기준 요소와 연관된 가중치에 기초하여 복수의 장치 교환 스테이션의 각각에 대한 목표 시간 기간 동안의 수요 정보를 결정한다. 가중치는 경험적 정보에 포함된다. 수요 정보는 장치 교환 스테이션의 각각에 대한 목표 시간 기간 동안 (교환될)교환 가능한 에너지 저장 장치의 에측된 수를 나타낸다. 목표 시간 기간은 초기 시간 기간 이후이다.
일부 실시예에서, 시스템 운영자는 또한 대응하는 초기 가중치를 결정할 수 있고(예를 들어, 경험적 연구 또는 경험 등에 기초한 모든 기준 요소의 균형을 맞춘 디폴트 값) 및 이후에 이를 업데이트한다(예를 들어, 초기 가중치에 기초하여 계산된 예측된 결과와 실제 배터리 교환의 비교에 기초하여). 도 1 및 수학식 A-F를 참조하여 전술한 실시예에서, 초기 가중치는 이러한 방식으로 조정된 것으로 결정될 수 있다. 일부 실시예에서, 가중치는 초기 시간 기간에서 복수의 장치 교환 스테이션의 각각으로부터 에너지 저장 장치의 수요(예를 들어, 충족되지 않은 수요)와 실제 교환 수(actual exchange number)(또는 배터리 공급) 사이의 차이를 최소화하는 목적 함수에 기초하여 결정된다. 일부 실시예에서, 복수의 기준 요소는 장치 교환 스테이션의 유형을 포함할 수 있다.
일부 실시예에서, 가중치는 기준 요소들 사이의 분석 관계(analyzing relationships)에 기초하여 결정된다. 일부 실시예에서, 경험적 정보는 초기 시간 기간에서 복수의 장치 교환 스테이션의 각각에 대해 교환되는 에너지 저장 장치의 실제 수에 관한 정보를 포함한다. 일부 실시예에서, 가중치는 초기 시간 기간에서 복수의 장치 교환 스테이션의 각각에 대한 에너지 저장 장치의 예측된 수요와 실제 교환 수 사이의 차이를 최소화하는 목적 함수(예를 들어, 상기 수학식 B)에 기초하여 결정된다. 도 1 및 수학식 A-F를 참조하여 전술한 실시예에서, 초기 가중치는 이러한 방식으로 조정된 것으로 결정될 수 있다.
블록(709)에서, 방법(700)은 목표 시간 기간 동안의 수요 정보에 따라 복수의 장치 교환 스테이션의 각각에 대한 복수의 충전 계획을 형성하는 것으로 계속한다. 일부 실시예에서, 충전 계획의 각각은 복수의 장치 교환 스테이션의 각각에 위치한 에너지 저장 장치에 대응하는 복수의 충전 규칙(charging rules)을 포함할 수 있다. 일부 실시예에서, 방법(700)은 기계 학습 훈련 프로세스에 기초하여 복수의 미리 결정된 기준 요소 및 수신된 정보 사이의 관계를 분석하는 단계를 포함할 수 있다.
일부 실시예에서, 방법(700)은 (1) 목표 시간 기간 동안 제1 장치 교환 스테이션을 위해 교환될 에너지 저장 장치의 예측된 수를 계산하는 단계; (2) 목표 시간 기간에서 제1 장치 교환 스테이션에서 교환된 에너지 저장 장치의 실제 교환 수를 수신하는 단계; (3) 목표 시간 기간에서 제1 장치 교환 스테이션의 에너지 저장 장치의 예측된 수 및 실제 교환 수를 분석하여, 목표 시간 기간에서 제1 장치 교환 스테이션과 연관된 기준 요소의 각각에 대한 실패 기여율을 결정하는 단계; 및 (4) 실패 기여율에 기초하여 가중치를 업데이트하는 단계를 포함할 수 있다. 실패 기여율에 관한 실시예는 수학식 C 및 D를 참조하여 상기 설명된다. 일부 실시예에서, 방법(700)은 수신된 정보를 분석할 때 사용될 특성의 최대 수를 결정하는 단계를 포함한다.
일부 실시예에서, 목표 시간 기간은 하루 중 한 시간(an hour of a day)일 수 있다. 일부 실시예에서, 목표 시간 기간은 하루 중 24시간일 수 있다. 일부 실시예에서, 수요 정보는 시간 단위(hourly basis)로 결정된다. 일부 실시예에서, 다수의 특성은 하루 중 시간, 일주일 중 날(the day of a week), 한 달 중 날(the day of a month), 일 년 중 날(the day of a year), 복수의 장치 교환 스테이션의 위치(locations), 환경 조건(environmental condition) 또는 트리거링 이벤트(triggering event)를 포함한다. 일부 실시예에서, 방법(700)은 분석 결과에 기초하여 복수의 장치 교환 스테이션의 하나 이상의 유형을 결정하는 단계를 포함할 수 있다.
본 기술은 특정한 예시적인 실시예를 참조하여 설명되었지만, 본 기술은 설명된 실시예들에 한정되지 않고 첨부된 청구 범위의 사상 및 범위 내에서 변형 및 변경하여 실시될 수 있음이 인식될 것이다. 따라서, 명세서 및 도면은 제한적인 의미보다는 예시적인 의미로 간주되어야 한다.

Claims (20)

  1. 네트워크를 통하여 서버와 연결된 복수의 장치 교환 스테이션을 관리하기 위한, 상기 서버에 의하여 구현되는 방법에 있어서,
    초기 시간 기간에서 상기 복수의 장치 교환 스테이션의 각각으로부터 에너지 저장 장치의 교환에 관한 경험적 정보를 수신하는 단계;
    목표 시간 기간을 결정하는 단계;
    상기 목표 시간 기간에서 상기 복수의 장치 교환 스테이션의 각각에 대응하는 복수의 참조 요소들을 식별하는 단계 - 상기 복수의 참조 요소들은, 시간 기간, 스테이션 식별(station identification), 장치 교환 스테이션의 위치, 환경 조건 및 트리거링 이벤트 중 적어도 2개를 포함함 -;
    상기 장치 교환 스테이션의 각각에 대응하는 상기 식별된 참조 요소들에 기초하고 상기 식별된 참조 요소들과 연관된 가중치에 기초하여, 상기 복수의 장치 교환 스테이션의 각각에 대한 상기 목표 시간 기간 동안의 수요 정보를 결정하는 단계 - 상기 가중치는 상기 참조 요소들의 상대적 중요성을 나타내고, 상기 경험적 정보에 포함되며, 상기 목표 시간 기간은 상기 초기 시간 기간 이후임 -;
    상기 목표 시간 기간 동안의 수요 정보에 따라 상기 복수의 장치 교환 스테이션의 각각에 대한 복수의 충전 계획을 형성하는 단계; 및
    상기 장치 교환 스테이션에게 상기 충전 계획에 따라 상기 에너지 저장 장치를 충전하라고 명령하는 단계
    를 포함하는 방법.
  2. 제1항에 있어서,
    상기 복수의 참조 요소들은,
    장치 교환 스테이션의 유형을 포함하는
    방법.
  3. 제1항에 있어서,
    상기 가중치는,
    상기 참조 요소들 사이의 분석 관계에 기초하여 결정되는
    방법.
  4. 제1항에 있어서,
    상기 경험적 정보는,
    상기 초기 시간 기간에서 상기 복수의 장치 교환 스테이션의 각각에 대한 에너지 저장 장치의 실제 교환 수 및 수요 정보에 관한 정보를 포함하고,
    상기 가중치는,
    상기 초기 시간 기간에서 상기 복수의 장치 교환 스테이션의 각각으로부터의 에너지 저장 장치의 수요와 상기 실제 교환 수 사이의 차이를 최소화하는 목적 함수에 기초하여 결정되는
    방법.
  5. 제1항에 있어서,
    상기 목표 시간 기간 동안 제1 장치 교환 스테이션에 대한 에너지 저장 장치의 예측된 교환 수(predicted exchange number)를 계산하는 단계
    를 더 포함하는 방법.
  6. 제5항에 있어서,
    상기 목표 시간 기간에서 상기 제1 장치 교환 스테이션의 에너지 저장 장치의 실제 교환 수를 수신하는 단계;
    상기 목표 시간 기간에서 상기 제1 장치 교환 스테이션의 에너지 저장 장치의 상기 예측된 교환 수 및 상기 실제 교환 수를 분석하는 단계; 및
    상기 분석된 결과에 따라 상기 식별된 참조 요소들의 각각에 대응하는 상기 가중치를 업데이트하는 단계
    를 더 포함하는 방법.
  7. 제6항에 있어서,
    상기 식별된 참조 요소들의 각각에 대응하는 복수의 실패 기여율에 기초하여 상기 가중치를 업데이트하는 단계
    를 더 포함하는 방법.
  8. 제1항에 있어서,
    상기 목표 시간 기간은 하루 중 한 시간인
    방법.
  9. 제1항에 있어서,
    상기 목표 시간 기간은 하루 중 24시간이고,
    상기 수요 정보는 시간 단위로 결정되는
    방법.
  10. 제1항에 있어서,
    상기 수요 정보는,
    온라인 포아송 회귀 또는 온라인 최소 자승 회귀에 기초하여 결정되는
    방법.
  11. 제1항에 있어서,
    상기 수신된 정보를 분석할 때 사용될 참조 요소들의 최대 수를 결정하는 단계
    를 더 포함하는 방법.
  12. 제1항에 있어서,
    상기 충전 계획의 각각은,
    복수의 장치 교환 스테이션의 각각에 위치된 상기 에너지 저장 장치에 대응하는 복수의 충전 규칙
    을 포함하는 방법.
  13. 복수의 장치 교환 스테이션을 관리하기 위한 서버 시스템에 있어서,
    프로세서; 및
    통신 콤포넌트
    를 포함하고,
    상기 프로세서는,
    초기 시간 기간에서 상기 복수의 장치 교환 스테이션의 각각으로부터 에너지 저장 장치의 교환에 관한 경험적 정보를 수신하고,
    목표 시간 기간을 결정하고,
    상기 목표 시간 기간에서 상기 복수의 장치 교환 스테이션의 각각에 대응하는 복수의 참조 요소들을 식별하고 - 상기 복수의 참조 요소들은, 시간 기간, 스테이션 식별, 장치 교환 스테이션의 위치, 환경 조건 및 트리거링 이벤트 중 적어도 2개를 포함함 -;
    상기 장치 교환 스테이션의 각각에 대응하는 상기 식별된 참조 요소들에 기초하고 상기 식별된 참조 요소들과 연관된 가중치에 기초하여, 상기 복수의 장치 교환 스테이션의 각각에 대한 상기 목표 시간 기간 동안의 수요 정보를 결정하고 - 상기 가중치는 상기 참조 요소들의 상대적 중요성을 나타내고, 상기 경험적 정보에 포함되며, 상기 수요 정보는 상기 장치 교환 스테이션의 각각에 대한 상기 목표 시간 기간 동안의 교환 가능한 에너지 저장 장치의 예측된 교환 수를 나타내고, 상기 목표 시간 기간은 상기 초기 시간 기간 이후임 -;
    상기 목표 시간 기간 동안의 수요 정보에 따라 상기 복수의 장치 교환 스테이션의 각각에 대한 복수의 충전 계획을 형성하고,
    상기 장치 교환 스테이션에게 상기 충전 계획에 따라 상기 에너지 저장 장치를 충전하라고 명령하도록
    구성되고,
    상기 통신 콤포넌트는,
    상기 복수의 충전 계획을 상기 복수의 장치 교환 스테이션의 각각으로 송신하도록 구성되는
    시스템.
  14. 제13항에 있어서,
    상기 복수의 요소는,
    장치 교환 스테이션의 유형을 포함하고,
    상기 가중치는,
    상기 참조 요소들 사이의 분석 관계에 기초하여 결정되는
    시스템.
  15. 제13항에 있어서,
    상기 경험적 정보는,
    상기 초기 시간 기간에서 상기 복수의 장치 교환 스테이션의 각각에 대한 에너지 저장 장치의 실제 교환 수 및 수요 정보에 관한 정보를 포함하고,
    상기 가중치는,
    상기 초기 시간 기간에서 상기 복수의 장치 교환 스테이션의 각각으로부터의 에너지 저장 장치의 수요와 상기 실제 교환 수 사이의 차이를 최소화하는 목적 함수에 기초하여 결정되는
    시스템.
  16. 제13항에 있어서,
    상기 프로세서는,
    상기 목표 시간 기간 동안 제1 장치 교환 스테이션에 대한 교환 가능한 에너지 저장 장치의 예측된 교환 수를 계산하고,
    상기 목표 시간 기간에서 상기 제1 장치 교환 스테이션의 에너지 저장 장치의 실제 교환 수를 수신하고,
    상기 목표 시간 기간에서 상기 제1 장치 교환 스테이션의 에너지 저장 장치의 상기 예측된 수 및 상기 실제 교환 수를 분석하고,
    상기 분석된 결과에 따라 상기 식별된 참조 요소들의 각각에 대응하는 상기 가중치를 업데이트하도록 구성되는
    시스템.
  17. 제13항에 있어서,
    상기 목표 시간 기간은 하루 중 한 시간인
    시스템.
  18. 제13항에 있어서,
    상기 목표 시간 기간은 하루 중 24시간이고,
    상기 수요 정보는 시간 단위로 결정되는
    시스템.
  19. 삭제
  20. 삭제
KR1020180172821A 2017-12-29 2018-12-28 교환 가능한 에너지 저장 장치에 대한 수요를 예측하기 위한 시스템 및 방법 KR102286936B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201762612141P 2017-12-29 2017-12-29
US62/612,141 2017-12-29

Publications (2)

Publication Number Publication Date
KR20190082144A KR20190082144A (ko) 2019-07-09
KR102286936B1 true KR102286936B1 (ko) 2021-08-09

Family

ID=65019293

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180172821A KR102286936B1 (ko) 2017-12-29 2018-12-28 교환 가능한 에너지 저장 장치에 대한 수요를 예측하기 위한 시스템 및 방법

Country Status (8)

Country Link
US (1) US10906511B2 (ko)
EP (1) EP3511199B1 (ko)
JP (1) JP6952957B2 (ko)
KR (1) KR102286936B1 (ko)
CN (1) CN109993343A (ko)
ES (1) ES2893924T3 (ko)
PH (1) PH12019000003A1 (ko)
TW (1) TWI751396B (ko)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI705013B (zh) * 2017-12-29 2020-09-21 英屬開曼群島商睿能創意公司 電池交換站與管理電池交換站的方法
TWI741245B (zh) * 2017-12-29 2021-10-01 英屬開曼群島商睿能創意公司 管理位於裝置交換站中的儲能裝置的系統和方法
JP7104561B2 (ja) * 2018-05-31 2022-07-21 株式会社日立製作所 エネルギー運用装置及び方法並びにシステム
JPWO2019235645A1 (ja) * 2018-06-08 2021-06-17 パナソニックＩｐマネジメント株式会社 バッテリ管理システム及びバッテリ管理方法
CN111861080A (zh) * 2019-10-30 2020-10-30 北京嘀嘀无限科技发展有限公司 一种信息处理的方法、装置、电子设备及存储介质
KR102305777B1 (ko) * 2019-12-03 2021-09-30 주식회사 에이치에너지 클러스터링 기반 예측적 ess 충방전 운용 시스템 및 방법
WO2021181384A1 (en) * 2020-03-09 2021-09-16 Sparkion Power Algorithms Ltd Energy storage systems and methods for managing increased peak demand
US20220135019A1 (en) * 2020-11-05 2022-05-05 Toyota Jidosha Kabushiki Kaisha Device for prediction of vehicle state and storage medium
CN112866104A (zh) * 2021-01-19 2021-05-28 蔚来汽车科技(安徽)有限公司 离线换电方法、充换电站、待换电车辆和可读存储介质
CN113570891B (zh) * 2021-07-09 2022-09-30 轻程(上海)物联网科技有限公司 一种基于大数据的加氢站工作计划智能提醒方法及系统
JP2023018496A (ja) * 2021-07-27 2023-02-08 トヨタ自動車株式会社 制御装置、プログラム、及び、エネルギー管理システム
KR20230035198A (ko) 2021-08-31 2023-03-13 컨템포러리 엠퍼렉스 테크놀로지 씨오., 리미티드 전기 에너지 전송 방법, 장치, 기기 및 매체
US20230196846A1 (en) * 2021-12-17 2023-06-22 Caterpillar Inc. Machine and battery system prognostics
WO2023171261A1 (ja) * 2022-03-11 2023-09-14 本田技研工業株式会社 システム、プログラム及び方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014527689A (ja) * 2011-07-26 2014-10-16 ゴゴロ インク 収集充電分配装置間でバッテリなどの電力貯蔵装置を再分配するための装置、方法及び物品
JP2016084633A (ja) * 2014-10-27 2016-05-19 日立建機株式会社 建設機械の電力供給システム

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000305606A (ja) * 1999-04-26 2000-11-02 Toyo Electric Mfg Co Ltd 配水需要量予測方法
US7487134B2 (en) * 2005-10-25 2009-02-03 Caterpillar Inc. Medical risk stratifying method and system
JP4702851B2 (ja) * 2006-12-07 2011-06-15 Ｋｄｄｉ株式会社 トラヒック量変動の上限値を予測するトラヒック量予測装置、プログラム及び方法
JP2011142704A (ja) * 2010-01-05 2011-07-21 Mitsubishi Heavy Ind Ltd 作業車の二次電池充電マネージメント方法及び充電システム
CN102959418B (zh) * 2010-06-24 2016-04-27 松下知识产权经营株式会社 获取电池的劣化度的方法和系统
JP5793245B2 (ja) * 2011-07-26 2015-10-14 ゴゴロ インク 乗り物診断データを提供するための装置、方法、および物品
US20150039391A1 (en) * 2011-08-16 2015-02-05 Better Place GmbH Estimation and management of loads in electric vehicle networks
CN102496980B (zh) * 2011-11-29 2014-05-21 清华大学 电动汽车充换电站的电池组更换与充电优化控制方法
WO2013080211A1 (en) * 2011-12-02 2013-06-06 Better Place GmbH Battery selection system and method
US9235847B2 (en) * 2011-12-16 2016-01-12 Palo Alto Research Center Incorporated Energy-disutility modeling for agile demand response
WO2013118113A2 (en) * 2012-02-06 2013-08-15 Better Place GmbH Method and system for optimization of deployment of battery service stations for electric vehicles
CN105210257B (zh) * 2013-03-15 2018-11-13 睿能创意公司 用于对电存储设备进行收集和分配的模块化系统
CN103646295B (zh) * 2013-11-28 2016-07-06 东南大学 基于服务站通用模型的电动汽车充换电网络一体化调度方法
JP6081941B2 (ja) * 2014-02-28 2017-02-15 三菱重工業株式会社 電力需要予測装置、電力供給システム、電力需要予測方法及びプログラム
JP2016115157A (ja) * 2014-12-15 2016-06-23 富士通株式会社 売上予測プログラム提供方法、売上予測プログラム提供プログラムおよび売上予測プログラム提供装置
CN106064568A (zh) * 2015-04-23 2016-11-02 苏州宝时得电动工具有限公司 电动车辆能量补充系统、方法和设备
CN104866915B (zh) * 2015-05-05 2018-08-28 湖南大学 基于全寿命周期成本的电动汽车充电站优化规划方法
JP6604431B2 (ja) * 2016-03-25 2019-11-13 日本電気株式会社 情報処理システム、情報処理方法および情報処理プログラム
CN106530180A (zh) * 2016-10-28 2017-03-22 黑龙江省电力科学研究院 一种高寒地区充电服务网络规划方法
CN106816931B (zh) * 2017-03-09 2019-05-24 上海电力学院 电动汽车换电站有序充电控制方法
CN107341582A (zh) * 2017-08-09 2017-11-10 上海蔚来汽车有限公司 换电站服务能力预测方法及系统
JP2019145088A (ja) * 2017-12-29 2019-08-29 ゴゴロ インク 交換可能エネルギー貯蔵装置ステーション間でエネルギーを動的に配分するためのシステムおよび方法
JP6745867B2 (ja) * 2017-12-29 2020-08-26 ゴゴロ インク バッテリを管理するためのシステムおよび関連する方法
TWI740082B (zh) * 2017-12-29 2021-09-21 英屬開曼群島商睿能創意公司 對置於裝置交換站的複數個可交換式能源儲存裝置的充電方法、伺服器、裝置交換站的管理方法
TWI705013B (zh) * 2017-12-29 2020-09-21 英屬開曼群島商睿能創意公司 電池交換站與管理電池交換站的方法
TWI741245B (zh) * 2017-12-29 2021-10-01 英屬開曼群島商睿能創意公司 管理位於裝置交換站中的儲能裝置的系統和方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014527689A (ja) * 2011-07-26 2014-10-16 ゴゴロ インク 収集充電分配装置間でバッテリなどの電力貯蔵装置を再分配するための装置、方法及び物品
JP2016084633A (ja) * 2014-10-27 2016-05-19 日立建機株式会社 建設機械の電力供給システム

Also Published As

Publication number Publication date
EP3511199B1 (en) 2021-09-01
TW201931281A (zh) 2019-08-01
JP6952957B2 (ja) 2021-10-27
US20190202414A1 (en) 2019-07-04
US10906511B2 (en) 2021-02-02
PH12019000003A1 (en) 2019-07-24
CN109993343A (zh) 2019-07-09
TWI751396B (zh) 2022-01-01
KR20190082144A (ko) 2019-07-09
EP3511199A1 (en) 2019-07-17
JP2019145087A (ja) 2019-08-29
ES2893924T3 (es) 2022-02-10

Similar Documents

Publication Publication Date Title
KR102286936B1 (ko) 교환 가능한 에너지 저장 장치에 대한 수요를 예측하기 위한 시스템 및 방법
KR102238094B1 (ko) 교환 가능한 에너지 저장 장치 스테이션을 관리하기 위한 시스템 및 방법
KR102238092B1 (ko) 교환 가능한 에너지 저장 장치 스테이션들 사이에서 에너지를 동적으로 할당하기 위한 시스템 및 방법
JP6815379B2 (ja) バッテリ充電規則を決定し管理するためのシステムおよび方法

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant