KR20190082147A - 교환 가능한 에너지 저장 장치 스테이션들 사이에서 에너지를 동적으로 할당하기 위한 시스템 및 방법 - Google Patents

교환 가능한 에너지 저장 장치 스테이션들 사이에서 에너지를 동적으로 할당하기 위한 시스템 및 방법 Download PDF

Info

Publication number
KR20190082147A
KR20190082147A KR1020180172893A KR20180172893A KR20190082147A KR 20190082147 A KR20190082147 A KR 20190082147A KR 1020180172893 A KR1020180172893 A KR 1020180172893A KR 20180172893 A KR20180172893 A KR 20180172893A KR 20190082147 A KR20190082147 A KR 20190082147A
Authority
KR
South Korea
Prior art keywords
battery
station
device switching
stations
demand
Prior art date
Application number
KR1020180172893A
Other languages
English (en)
Other versions
KR102238092B1 (ko
Inventor
윤-천 라이
쉥-친 추앙
치엔-충 첸
아이-펜 쉬흐
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 KR20190082147A publication Critical patent/KR20190082147A/ko
Application granted granted Critical
Publication of KR102238092B1 publication Critical patent/KR102238092B1/ko

Links

Images

Classifications

    • 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
    • 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
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/02—Reservations, e.g. for tickets, services or events
    • G06Q10/025—Coordination of plural reservations, e.g. plural trip segments, transportation combined with accommodation
    • 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
    • B60L53/64—Optimising energy costs, e.g. responding to electricity rates
    • 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
    • B60L53/80—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
    • B60L58/18—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries of two or more battery modules
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • 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
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/40—Drive Train control parameters
    • B60L2240/54—Drive Train control parameters related to 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
    • 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
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2200/00—Type of vehicle
    • B60Y2200/90—Vehicles comprising electric prime movers
    • B60Y2200/91—Electric 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • 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
    • Y02T10/7005—
    • 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
    • Y02T90/14—Plug-in 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Mechanical Engineering (AREA)
  • Power Engineering (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Transportation (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Educational Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

본 발명은 복수의 장치 교환 스테이션(device-exchange stations)을 관리하는 방법 및 연관된 시스템에 관한 것이다. 상기 방법은, 예를 들어, (1) 장치 교환 스테이션 각각에 위치된 에너지 저장 장치(energy storage devices)의 이용 가능성(availability)에 기초하여 복수의 장치 교환 스테이션 각각에 대한 스코어(score)를 결정하는 단계; (2) 각각의 장치 교환 스테이션의 스코어에 기초하여 복수의 장치 교환 스테이션의 시퀀스(sequence)를 결정하는 단계; 및 (3) 장치 교환 스테이션의 시퀀스(sequence)를 가격 비율(price rate)의 분포(distribution)에 대응하는 특성 곡선(characteristic curve)에 매핑(mapping)함으로써 장치 교환 스테이션의 각각에 대한 가격 비율을 결정하는 단계를 포함한다.

Description

교환 가능한 에너지 저장 장치 스테이션들 간 동적 할당을 위한 시스템 및 방법{SYSTEMS AND METHODS FOR DYNAMICALLY ALLOCATING ENERGY AMONG EXCHANGEABLE ENERGY STORAGE DEVICE STATIONS}
본 출원은 2017년 12월 29일자로 출원된 미국 가출원 번호 62/612,245의 우선권을 주장하며, 그 전체가 본 명세서에 참고로 인용된다.
일부 전기 자동차는 교환 가능한 배터리(exchangeable batteries)로 전력이 공급된다. 이러한 전기 자동차의 경우, 배터리를 교환하고 싶을 때 충분히 충전된 배터리를 사용하는 것은 만족스러운 사용자 경험을 제공하는 중요한 요소이다. 그러나, 사용자가 언제 어디에서 배터리를 교환할지를 예측하는 것은 매우 어렵다. 다수의 배터리를 처리하는 배터리 교환 시스템의 경우, 시스템이 배터리 수요(battery demands)를 예측하고 그에 따라 대응하기가 훨씬 더 어렵다. 또한, 배터리를 충전하고 이러한 배터리의 충전 상태를 유지하는 것은 상당한 양의 에너지가 필요하다. 불필요한 충전 또는 유지는 시스템의 비용-효율성 및 에너지-효율성에 부정적인 영향을 미칠 수 있다. 그러므로, 상술한 문제점을 해결하기 위한 개선된 시스템 및 방법을 갖는 것이 유리하다.
개시된 기술의 실시예는 첨부된 도면을 사용하여 설명되고 해석될 것이다.
도 1a는 개시된 기술의 실시예에 따른 장려 배터리 교환 시스템을 도시하는 개략도이다.
도 1b는 개시된 기술의 실시예에 따른 시스템을 도시하는 개략도이다. 시스템은 다수의 배터리 교환 스테이션으로부터 배터리 수요 정보를 수집하도록 구성된다.
도 1c는 개시된 기술의 실시예에 따라 배터리 수요 정보를 다수의 클러스터로 분할하기 위한 클러스터링 프로세스를 도시하는 개략도이다.
도 1d는 개시된 기술의 실시예에 따라 수행된 클러스터링을 도시하는 개략도이다.
도 1e는 개시된 기술의 실시예에 따라 설명된 배터리 스코어를 도시하는 개략도이다.
도 1f는 개시된 기술의 실시예에 따른 배터리 수요 특성 함수(fc)를 결정하기 위한 제네틱 알고리즘의 사용을 도시하는 개략도이다.
도 1g는 개시된 기술의 실시예에 따른 다수의 배터리 수요 특성 함수(fc)를 도시하는 개략도이다.
도 1h는 개시된 기술의 실시예에 따른 배터리 수요 정보에 기초하여 배터리 교환 가격을 설정하기 위한 프로세스를 도시하는 흐름도이다.
도 1i는 본 기술의 실시예에 따른 특성 곡선을 도시하는 개략도이다.
도 1j는 개시된 기술의 실시예에 따른 배터리 수요 정보에 기초하여 배터리 교환 가격을 설정하기 위한 방법을 도시하는 흐름도이다.
도 2는 개시된 기술의 실시예에 따른 서버 시스템을 도시하는 개략도이다.
도 3은 개시된 기술의 실시예에 따른 스테이션 시스템 및 차량 시스템을 도시하는 개략도이다.
도 4a 내지 도 4c 및 도 5a 내지 도 5c는 개시된 기술의 실시예에 따른 배터리 교환 스테이션, 모바일 장치, 또는 (차량의) 대시보드의 사용자 인터페이스를 도시하는 스크린샷이다.
도 6은 개시된 기술의 실시예에 따른 방법을 도시하는 흐름도이다.
도 7a는 개시된 기술의 실시예에 따른 다수의 스테이션 시스템의 특성을 도시하는 개략도이다.
도 7b는 개시된 기술의 실시예에 따른 스테이션 시스템의 다수의 시간 프레임 동안의 특성을 도시하는 개략도이다.
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 기술은 다양한 배터리 교환 스테이션(battery exchange stations)에서 배터리 교환 가격(battery exchange prices)을 동적으로 설정함으로써 다수의 교환 가능한 에너지 저장 장치(multiple exchangeable energy storage devices)(예를 들어, 교환 가능한 재충전 가능한 배터리) 스테이션들 사이에서 에너지를 동적으로 할당(allocating)하기 위한 시스템 및 방법에 관한 것이다. 특히, 본 기술은 배터리 수요를 예측/분석하고 예측된 수요를 이행하기 위한 시스템 및 방법에 관한 것이다. 배터리 수요가 예측될 때, 예측된 배터리 수요를 충족(fulfill)시킬 수 있는 몇 가지 방법이 있다. 첫째, 시스템은 예측된 배터리 수요를 충족시키기에 충분한 수의 (완전-충전된(fully-charged)) 배터리를 제공할 수 있다. 둘째, 시스템은 배터리 공급을 증가시키기 위해(예를 들어, 사용자에게 적절히-충전된 배터리(properly-charged battery)를 다시 시스템에 반환하도록 요청) 또는 배터리 수요를 감소시키기 위해(예를 들어, 사용자에게 배터리 교환 지연을 요청), 사용자 행동을 변경하거나 영향을 줌으로써(예를 들어, 사용자가 행하도록 동기 부여(motivation) 또는 인센티브(incentives)를 제공함으로써), "사용자-영향력 있는(user-influencing)" 접근법을 채택할 수 있다. 일부 실시예에서, 배터리 사용자는 광고, 통지(notification), 게임, 격려(encouragements) 등에 의해 행동을 변경하도록 동기 부여될(motivated) 수 있다. 일부 실시예에서, 배터리 사용자는 배터리 교환 가격이 낮거나 다른 적합한 인센티브(suitable incentives)(예를 들어, 크레딧(credits), 리워드 포인트(reward points) 등)에 의해 장려(incentivized)될 수 있다. 배터리 사용자를 장려하는 한 가지 방식은 다양한 배터리 교환 스테이션에서 배터리 교환 가격을 동적으로 조정하여, 사용자가 낮은-수요 스테이션(low-demand station)에서 배터리를 교환하도록(예를 들어, 높은-수요 스테이션(high-demand station)에서 배터리 수요 감소시키기 위해) 또는 높은-수요 스테이션에서 적절하게 충전된 배터리(예를 들어, 80-90% 충전)를 반환하도록(예를 들어, 배터리 공급을 증가시키기 위해) 장려될 수 있도록 하는 것이다.
또한, 본 발명은 가격 책정 전략(pricing strategy)에 기초하여 다수의 교환 가능한 에너지 저장 장치(예를 들어, 교환 가능한, 재충전 가능한 배터리) 스테이션들 사이에서 에너지(예를 들어, 배터리에 저장된)를 동적으로 할당하기 위한 방법 및 시스템에 관한 것이다. 보다 구체적으로, 본 기술은 배터리 수요를 예측 및 분석하고 이에 따라 다수의 스테이션에 위치된 배터리를 관리하기 위한 시스템 및 방법에 관한 것이다. 본 시스템은 (예를 들어, 배터리에 부착된 배터리 메모리, 배터리 교환 스테이션, 차량, 사용자 모바일 장치 등과 같은 다양한 소스로부터) 배터리 수요 정보(battery demand information)를 수집한다. 예를 들어, 배터리 수요 정보는 "특정 시간의 기간(certain period of time) 동안 특정 스테이션에서 교환된 배터리의 수", "특정 시간의 기간 동안 사용자에 의해 교환된 배터리의 수" 또는 기타 적합한 정보(예를 들어, 제조사(manufacturers)와 같은 교환된 배터리의 특성, 충전 상태(SoC: state of charge) 등)를 포함할 수 있다.
도 1h는 배터리 교환 가격이 배터리 수요 정보에 기초하여 어떻게 설정되는지에 관한 프로세스(1000)를 제공한다. 요약하면, 개시된 시스템은 먼저 과거 배터리 수요 정보를 수집하고(블록 1001), 클러스터링 프로세스(clustering process)에 기초하여 수집된 정보를 분석할 수 있다(예를 들어, 블록 1003). 후술하는 바와 같이, 클러스터링 프로세스는 수집된 배터리 수요 정보를 다양한 클러스터로 분할(divide)할 수 있다. 각 클러스터는 배터리 수요 유형(battery demand type)을 나타낸다. 클러스터링 결과에 기초하여, 동적 배터리 가격 책정 전략을 더 결정할 수 있으며(블록 1005), 이는 개시된 시스템은 예측된 배터리 수요를 수행하도록 배터리 사용자를 동기 부여하는데 사용될 수 있다. 실시예는 아래에서 상세히 설명된다.
클러스터링 프로세스에서, 시스템은 하나 이상의 요소에 기초하여 수집된 배터리 수요 정보를 다수의 클러스터로 분할할 수 있다. 일부 실시예에서, 클러스터는 시간 기간(예를 들어, 클러스터는 오전 9시부터 오전 10시를 나타내는 반면, 다른 클러스터는 오후 3시부터 오후 5시를 나타냄)에 기초하여 결정될 수 있다. 시간 기간에 기초하여 클러스터를 결정하는 것에 관한 실시예는 도 1c를 참조하여 상세히 설명된다. 일부 실시예에서, 클러스터는 배터리 스테이션의 유형(예를 들어, "높은-수요-모든-시간(high-demand-all-time)" 유형, "높은-수요-피크-시간(high-demand-peak-hours)" 유형, "높은-수요-휴일(high-demand-holidays)" 유형, "높은-수요-주말(high-demand-weekends)" 유형, "높은-수요-이벤트(high-demand-events)" 유형, "낮은-수요-모든-시간(low-demand-all-time)" 유형 등; 관련 세부 사항은 아래에서 상세히 설명됨)에 기초하여 결정될 수 있다. 일부 실시예에서, 클러스터는 위치(예를 들어, 배터리 교환의 위치, 또는 차량-대-차량 배터리 교환을 위한 차량의 위치)에 기초하여 결정될 수 있다. 일부 실시예에서, 클러스터는 다른 적합한 요소에 기초하여 결정될 수 있다. 후술될 하나 이상의 실시예에서, 클러스터는 "배터리 교환이 발생했을 때" 및 "배터리 스테이션의 유형" 둘 다에 기초하여 결정된다. 일부 실시예에서, 클러스터는 다양한 다른 요소에 의해 결정되거나 특성화 될 수 있고, 따라서 두 가지 요소 또는 단일 요소와 밀접한 관련이 있는 것으로 쉽게 식별될 수 없다. 일부 실시예에서, 클러스터는 기계 학습 프로세스의 결과에 기초하여 결정될 수 있다. 일부 실시예(예를 들어, 도 1i 및 1j를 참조하여 후술되는 실시예)에서, 클러스터링 프로세스는 스킵(skipped)될 수 있다.
일부 실시예에서, "1" 보다 더 큰 비율(예를 들어, 아래에서 설명되는 "배터리 가격 비율(battery price rate)")을 갖는 클러스터는 사용자가 충전된 배터리에 대해 더 높은 요금(rate)이 청구(charged)되거나 반대로 충전된 배터리를 되팔기(sell back) 위해 더 높은 요금(rate)(예를 들어, "되팔기 비율(sell-back rate)")이 지불되는 높은 수요(또는 예측된 다가오는 높은 수요(predicted upcoming high demand))를 나타낸다. 사용자에 대한 되팔기 비율은 장치 교환 스테이션(device-exchange stations)의 크기, 스코어(score) 및 가격 비율(price rate)에 적어도 부분적으로 기초하여 결정될 수 있다. 예를 들어, 작지만 번잡한 스테이션은 시간상 수요를 충족시킬 수 있는 배터리를 충분히 준비할 능력(ability)을 갖지 않을 수 있으므로, 이 스테이션의 되팔기 비율은 더 높게 설정되어, 스테이션이 수요를 충족하도록 사용자가 도울 수 있다. 일부 실시예에서, "1"보다 더 낮은 비율(예를 들어, 아래에서 설명되는 "배터리 가격 비율")을 갖는 클러스터는 사용자가 충전된 배터리에 대해 더 낮은 요금(rate)이 청구되거나, 충전된 배터리를 되팔기 위해 더 낮은 요금(rate)이 지불되는 낮은 수요를 나타낸다.
일부 실시예에서, 개시된 시스템의 중앙 서버는 이러한 모든 사용 통계치, 일기 예보, 특별 이벤트 데이터 등을 수신하고, 각각의 충전 스테이션 또는 클러스터에 대한 공급-수요 함수를 개발하려고 시도한다. 각 스테이션/클러스터에 대한 공급/수요 곡선을 동적으로 개발함으로써, 전체 시스템의 에너지 사용이 보다 밸런싱(balanced)될 수 있다.
그 다음, 2개의 요소(예를 들어, 시간 및 스테이션 유형)에 기초하여, 본 시스템은 수집된 배터리 수요 정보를 다수의 클러스터(C1-Cn)로 분할한다(클러스터의 예시는 도 1c에서 발견될 수 있는데, 이는 8개의 클러스터 레벨 1-8을 포함함). 다수의 클러스터(C1-Cn)는 "스테이션 당" 및 "시간 간격"(예를 들어, 1 시간 또는 2 시간)마다 배터리 교환의 수에 기초하여 순위를 매길 수 있다. 예를 들어, C1은 스테이션 당 및 시간 간격마다 배터리 교환의 최소 수를 나타낼 수 있으며, Cn은 스테이션 당 및 시간 간격마다 배터리 교환의 최대 수를 나타낼 수 있다. 예를 들어, C1은 한 스테이션에서 시간당 0-10 배터리 교환을 나타낼 수 있고, C2는 1-25 배터리 교환을 나타낼 수 있으며, C3는 26-50 배터리 교환을 나타낼 수 있고, C4는 51-100 배터리 교환을 나타낼 수 있으며, Cn은 10,000 이상 등등의 배터리 교환을 나타낼 수 있다.
도시된 실시예에서, 클러스터 C1의 성분은 "스테이션 A에서의 오전 1시부터 오전 3시까지의 시간 기간"(이는 낮은-수요-모든-시간 유형의 스테이션으로 특징됨), "스테이션 B에서의 오전 2시부터 오전 6시까지의 시간 기간"(이는 높은-수요-이벤트 유형으로 특징됨), 및 클러스터 C1에 의해 나타낸 배터리 교환 수 내에 속하는 기타 시간-유형 조합을 포함할 수 있다. 다른 예시로서, 클러스터 Cn은 "스테이션 C에서의 오전 9시부터 오전 9시 45분까지의 시간 기간" (이는 높은-수요-피크-시간 유형으로 특징됨), "스테이션 D에서의 토요일 오전 10시부터 오후 5시까지의 시간 기간"(이는 높은-수요-주말-유형으로 특징됨) 및 클러스터 Cn에 의해 나타낸 배터리 교환 수 내에 속하는 기타 시간-유형 조합을 포함할 수 있다.
일부 실시예에서, 다수의 클러스터는 수집된 배터리 수요 정보에 기초하여 결정될 수 있다. 예를 들어, 다수의 클러스터는 도 1d를 참조하여 아래에서 상세하게 설명되는 K-평균 클러스터링 프로세스(K-means clustering process)에 기초하여 결정될 수 있다.
배터리 사용자에게 행동을 취하도록 동기를 부여하기 위해(예를 들어, 특정 시간 기간 동안 배터리 공급을 증가시키거나 배터리 수요를 감소시키도록), 개시된 시스템은 각 배터리 스테이션에서 배터리 교환 가격을 동적으로 조정할 수 있다. 개시된 시스템은 아래에서 설명되는 바와 같이 동적 가격 책정 모델을 생성함으로써 이러한 목표를 달성할 수 있다.
각 클러스터에 대해, 본 시스템은 배터리의 이용가능성(availability)과 가격 비율(price rate)사이의 관계를 반영하는 특성 함수(characteristic function)(fc)를 생성할 수 있다. 일부 실시예에서, 특성 함수는 클러스터의 "에너지비(energy ratio)" 및 "배터리 가격 비율"에 기초하여 결정된다.
에너지비는 배터리 교환 이벤트(battery exchange event)와 연관된 이용가능한 배터리 에너지(available battery energy)에 기초하여 결정된다. 에너지비는 "배터리 스코어" 대 "배터리 카운트"의 비(ratio)로 정의될 수 있다. 즉, 배터리 스코어는 배터리가 교환될 때(예를 들어, 배터리 교환 스테이션으로부터 사용자에 의해 제거됨) 배터리의 배터리 에너지 레벨(battery energy level)(예를 들어 충전 상태, SoC)로 정의될 수 있다. 예를 들어, 배터리가 교환될 때 배터리 에너지 레벨이 90%보다 많으면(예를 들어, 90% 충전됨), 배터리 스코어는 "1"이 될 수 있다. 일부 실시예에서, 배터리 스코어는 배터리가 교환될 때 배터리 에너지 레벨이 82%(예를 들어, 82% 충전됨)일 때 "0.3"일 수 있다. 일부 실시예에서, 배터리 스코어는 배터리 스테이션이 충분히 완전히 충전된 배터리를 가지고 있는지를 나타내는 인덱스(index)로서 정의될 수 있다. 배터리 스코어에 관한 실시예는 도 1e를 참조하여 아래에서 설명된다.
"배터리 카운트"는 배터리 교환 스테이션에서 이용가능한 배터리의 수를 나타낼 수 있다. 예를 들어, 배터리 교환 스테이션이 사용자가 교체(swap)할 수 있는 3 개의 완전히 충전된 배터리가 있으면, 배터리 카운트는 "3"이 될 수 있다. 또 다른 예시로서, 배터리 교환 스테이션에 사용자가 교체할 수 있는 6개의 90% 충전된 배터리가 있으면, 배터리 카운트는 "6"이 될 수 있다.
"배터리 스코어"와 "배터리 카운트"에 기초하여, 에너지비는 결정될 수 있다. 에너지비는 특성 함수를 생성하는데 사용될 수 있다. 특성 함수의 실시예는 도 1g를 참조하여 아래에서 설명된다. 예를 들어, 도 1g에 도시된 도면의 수평축은 에너지비를 나타내지만, 동일한 도면의 수직축은 "배터리 가격 비율"을 나타낸다.
상술한 바와 같이, 각 클러스터는 대응하는 특성 함수(fc)를 갖는다. 대응하는 특성 함수는 도 1g에 도시된 바와 같이 곡선의 형태일 수 있다. 이러한 곡선은 동일 클러스터에서의 시간 간격 동안에도, 사용자가 배터리 스테이션의 에너지비가 변경되면 상이한 배터리 교환 가격(예를 들어, 도 1g의 "비율(Rate)")을 갖는 배터리를 받을 수 있음을 나타낸다.
"배터리 가격 비율"은 배터리 교환 서비스 제공자(battery exchange service provider)가 사용자에게 배터리 교환 비용을 부과하는 정도를 반영한 참조 가격 책정 숫자(reference pricing number)이다. 배터리 가격 비율은 최대 값 및 최소값(즉, 가격 비율의 범위)을 가질 수 있다. "배터리 가격 비율"은 시스템 운영자에 의해 결정된 요소이다. 일부 실시예에서, 시스템 운영자는 배터리 사용자가 하나의 전력의 유닛(예를 들어, 1Ahr)을 소비하는 가격으로서 "기본 요금(base rate)"을 결정할 수 있다. 배터리 교환 가격은 기본 요금에 소비된 전력량을 곱하여 계산될 수 있다. 본 시스템은 수집된 배터리 수요 정보 및 결정된 배터리 가격 비율(예를 들어, 고가 배터리는 보다 적은 수요를 가져야 함)에 기초하여 가능한 배터리 수요를 예측할 수 있다(예를 들어, 각 클러스터에 대한 특성 함수를 결정함으로써). 결정된 특성 함수는 각 시간 간격에서 각각의 대응하는 배터리 교환 스테이션에서 배터리 교환 가격을 결정하기 위한 지침(guidance)으로서 사용될 수 있다. 배터리 교환 가격은 실시간(예를 들어, 수 밀리초 내지 수 초) 또는 거의 실시간(예를 들어, 수 분 내지 수 시간) 방식으로 생성되거나 업데이트(updated) 될 수 있기 때문에 "동적"일 수 있다. 일부 실시예에서, 클러스터링 프로세스는 또한 유사한 방식으로 "동적"일 수 있다(예를 들어, 클러스터링 프로세스는 실시간 또는 거의 실시간 방식으로 수행될 수 있다).
일부 실시예에서, 특성 함수는 기계 학습 프로세스에 기초하여 결정될 수 있다. 일부 실시예에서, 특성 함수는 제네릭 알고리즘(GA: generic algorithm)에 기초하여 결정될 수 있다. 제네릭 알고리즘의 실시예는 도 1f를 참조하여 아래에서 설명된다.
대안적인 기술로서, 일부 실시예에서, 개시된 시스템은 특성 곡선(characteristic curve)(예를 들어, 정규 분포 곡선(normal distribution curve) 또는 "벨 곡선(bell curve)", 또는 정규 분포 곡선으로부터 조정된(예를 들어, 왜곡된(skewed)) 곡선, 등)에 기초하여 배터리 교환 가격을 결정할 수 있다. 예를 들어, 도 1i는 본 기술의 실시예에 따른 특성 곡선(151)을 도시한다. 도 1i의 수평축은 (도 1g를 참조하여 상술한 바와 같이) 배터리 가격 비율을 나타낸다. 도시된 바와 같이, 특성 곡선(151)은 0.8(최소)로부터 1.2(최대)로의 가격 책정 범위(pricing range)에 있으며, 이는 시스템 또는 시스템 운영자에 의해 설정될 수 있다. 배터리 가격 비율이 "1"일 때, 배터리의 공급 및 수요는 밸런싱된다고 가정된다. 배터리 가격 비율이 "1"보다 높을 때, 배터리 가격(battery price)이 상대적으로 높아서 배터리 수요는 감소될 수 있다. 배터리 가격 비율이 "1"보다 낮을 때, 배터리 가격이 상대적으로 낮아서 사용자에게 영향을 줄 수 있으며 배터리 수요는 증가할 수 있다. 도 1i에 도시된 바와 같이, 임계 배터리 가격 비율(critical battery price rate)은 배터리 가격이 너무 높아서 사용자의 배터리 경험에 부정적 영향(예를 들어, 사용자가 더 높은 비율로 지불하는 경우 화를 낼 수 있음)을 미치지 않도록 "1.1"(예를 들어, 평균 배터리 가격 비율 "1"의 110%)로 설정된다. 일부 실시예에서, 배터리 가격 비율이 "1"보다 더 낮을 때, 배터리 가격은 배터리를 제공/준비하기위한 시스템 운영자의 지출/비용보다 더 낮을 수 있으므로, 시스템 운영자는 이익 손실을 피하기 위해 그러한 상황을 제한하기를 원할 수 있다.
도 1i의 수직축은 확률 밀도를 나타내며, 이는 장치-교환 스테이션에 할당될(assigned) 가격 비율의 대부분이 특성 곡선(151)의 피크 근처에 있음을 의미한다(예를 들어, 피크는 아래에서 상세하게 설명될, 특성 곡선(151)의 "기대 값(expectation value)"을 나타낸다). 특성 곡선(151)은 기하학적 영역(geometric area)(예를 들어, 5-25킬로미터의 직경을 갖는 원형 영역) 또는 행정 영역(예를 들어, 도시, 자치주(county), 인근 지역(neighborhood) 등)에서의 복수의 배터리(또는 다른 적합한 에너지 저장 장치)에 대한 배터리 가격 비율을 동적으로 조정하는데 사용될 수 있는 분포(distribution)이다. 일부 실시예에서, 복수의 장치 교환 스테이션은 결정된 사용자의 그룹(determined group of users)(예를 들어, 회사의 직원, 학교의 교직원, 등)이 빈번하게 에너지 저장 장치를 교환하는 영역 내에 위치될 수 있다.
특성 곡선(151)을 사용함으로써, 개시된 시스템은 특정 영역에서 배터리 가격을 결정하고, 그 영역 내의 다양한 배터리 교환 스테이션에서 배터리 가격의 분포가 특성 곡선(151)의 분포와 일치하는지를 확인한다(예를 들어, 배터리의 대부분은 보통 가격(예를 들어, 평균 가격 등급(average price rating) "1" 또는 약간 "1" 더 낮은/보다 위)으로 설정되지만, 제한된 양의 배터리는 "비싸다" 또는 "싸다"). 이 구성에 의해, 시스템은 사용자 경험을 향상시키고 배터리 교환 스테이션들 사이의 에너지(예를 들어, 배터리에 저장된)를 밸런싱하기 위해, 선택된 영역에서 동적이고 밸런싱된 배터리 가격 책정 구조를 제공할 수 있다. 예를 들어, 배터리 교환 스테이션은 스테이션의 "시퀀스(sequence)"를 형성하기 위해 배터리 스코어에 기초한 순서로(예를 들면, 높음으로부터 낮음으로) 순위를 매기거나 배열될 수 있다. 그런 다음 각 스테이션의 가격 비율은 시퀀스를 특성 곡선(151)에 "매핑(mapping)"함으로써 결정될 수 있다. 특성 곡선(151)과 연관된 개시된 실시예는 도 1j를 참조하여 아래에서 설명된다.
일부 실시예에서, 개시된 시스템은 배터리 교환 스테이션의 근접성 또는 인접성(adjacency)에 기초하여 가격 비율을 조정할 수 있다. 예를 들어, 스테이션 A1과 스테이션 A2가 근접해 있다(예를 들어, 1 킬로미터 이내). 개시된 시스템은 스테이션 A1 및 A2의 가격 비율을 동일한 가격 비율(예를 들어, 특성 곡선(151)에 기초하여 스테이션 A1 및 A2에 대해 원래 결정된 가격 비율의 평균)로 조정할 수 있다. 일부 실시예에서, 스테이션 A1 및 A2의 가격 비율 중 하나는 사용자가 가격 비율의 변화를 알 수 있고 더 싼 배터리를 교환/교체하는 것에 관심을 갖게 할 수 있도록 더 낮은 비율(또는 더 높은 비율)로 설정될 수 있다.
일부 실시예에서, 개시된 시스템은 지리적 영역(geographic areas) 또는 행정 구역(administrative districts)에 기초하여 가격 비율을 조정할 수 있다. 일부 실시예에서, 예를 들어, 각각의 행정 구역 또는 지리적 영역은 서브-특성 곡선(sub-characteristic curve)(예를 들어, 정규 분포 곡선과 같은 특성 곡선(151)과 유사함)을 가질 수 있고, 각 행정 구역 또는 지리적 영역 내의 스테이션에 대한 가격 비율은 서브-특성 곡선에 기초하여 추가 조정될 수 있다. 이 경우에서, 서브-특성 곡선은 지리적 영역 또는 행정 구역 내의 장치 교환 스테이션의 가격 비율에 기초하여 결정될 수 있다. 예를 들어, 지리적 영역 내의 장치 교환 스테이션의 가격 비율의 평균은 서브-특성 곡선의 기대 값으로서 설정될 수 있다(이는 특성 곡선(151)의 기대 값과 다를 수 있음). 행정 구역 AD1에서의 스테이션은 AD1에서의 스테이션의 서브-시퀀스(sub-sequence)를 형성하기 위해 배터리 스코어에 기초하여 순위를 매길 수 있다. AD1에서의 스테이션의 서브-시퀀스를 AD1에 대한 서브-특성 곡선에 매핑함으로써, AD1에서의 스테이션에 대한 가격 비율은 추가 조정될 수 있다. 동일한 접근법은 유사한 크기를 갖는 행정 구역(예를 들어, 행정 구역 AD2)에서의 스테이션에 사용될 수 있다. 따라서, 본 기술은 각 행정 구역 또는 지리적 영역의 가격 비율을 밸런싱 할 수 있다.
작은 지리적 영역에서 장치 교환 스테이션의 가격 비율을 조정하는 것은 사용자가 더 저렴한 배터리를 교환/교체할 수 있게 만든다(예를 들어, 몇 블록 떨어진 곳에 저렴한 배터리가 있어서, 사용자에게 편리함). 서로 다른 행정 구역(예를 들어, 더 넓은 영역)에 있는 장치 교환 스테이션의 가격 비율을 밸런싱하는 것은 서브-특성 곡선에 유사한 기대 값을 설정하는 것을 포함한다(가격 비율 범위는 여전히 다를 수 있지만). 이 구성에 의해, 밀집 영역에 거주하는 사용자(예를 들어, AD1은 도심 영역에 위치하고 배터리 수요가 강함)는 항상 비싼 배터리를 사용해야 한다고 느끼지 않는다(예를 들어, 농촌 영역인 행정 구역 AD2에서의 배터리보다 더 비쌈). 일부 실시예에서, 시스템은 상술한 서브-특성 곡선과 같은 곡선 상에 매핑하기보다는 간단한 규칙 및 명령에 기초하여 장치 교환 스테이션의 가격 비율을 재조정할 수 있다.
도 1j는 개시된 기술의 실시예에 따른 방법(1100)을 도시하는 흐름도이다. 방법(1100)은 복수의 장치 교환 스테이션(예를 들어, 배터리 교환 스테이션)을 관리하기 위한 것이다. 예를 들어, 방법(1100)은 이러한 스테이션에서 장치 교환 가격을 동적으로 조정함으로써 이들 스테이션에서의 에너지 저장 장치(예를 들어, 배터리)에 대한 기대 수요(expected demands)를 밸런싱 할 수 있다. 방법(1100)은 프로세서(processor)(예를 들어, 도 2)를 갖는 서버 또는 서버 시스템에 의해 구현될 수 있다. 예를 들어, 블록(1101)에서, 방법은 복수의 장치 교환 스테이션에서 에너지 저장 장치를 교환하기 위한 가격 비율 범위를 결정한다. 가격 등급 범위는 최대 비율(예를 들어, 그림 1i의 비율 "1.2") 및 최소 비율(예를 들어, 그림 1i의 비율 "0.8")를 가진다. 일단 가격 비율 범위가 결정되면, 블록(1103)에 도시된 바와 같이 가격 비율 범위에 기초한 특성 곡선이 결정될 수 있다. 특성 곡선은 복수의 장치 교환 스테이션에 대한 가격 등급의 분포를 나타낸다. 일부 실시예에서, 특성 곡선은 정규 분포 또는 "벨 곡선"일 수 있다. 다른 실시예에서, 특성 곡선은 왜곡된 곡선 또는 다른 적합한 분포일 수 있다.
일부 실시예에서, 특성 곡선은 또한 "기대 값"에 기초하여 결정될 수 있다. 아래에서 상세히 설명되는 바와 같이, "기대 값"은 시스템 운영자의 가격 책정 전략을 나타낸다. 다시 말해, 시스템 운영자가 가격 책정 전략에 기초하여 추가 이익을 기대(expect)할 수 있는지 여부이다. 예를 들어, 시스템 운영자가 기대 값을 "1"로 설정하면, 시스템은 임의의 추가 이익을 생성하는 것을 기대하지 못할 것이다. 시스템 운영자가 기대 값을 "1"보다 높게 설정하면, 시스템 운영자는 몇몇의 추가 이익을 가질 것을 기대한다. 시스템 운영자가 기대 값을 "1"보다 낮게 설정하면, 시스템 운영자는 적은 이익(일부 실시예에서는, 이익을 상실할 수 있음)을 가질 것을 기대한다. 기대 값의 실시예는 아래의 수학식 C를 참조하여 아래에서 설명된다. 기대 값은 특성 곡선의 "피크" 또는 "중심"을 결정한다. 도 1i에 도시된 실시예에서, 특성 곡선(151)은 평균 가격 등급 "1"보다 약간 높은 피크(152)를 갖는다. 이러한 실시예에서, 이 가격 책정 전략을 구현함으로써, 이익은 기대된다(expected).
블록(1105)에서, 방법(1100)은 장치 교환 스테이션의 각각에 위치된 에너지 저장 장치의 이용가능성에 기초하여 복수의 장치 교환 스테이션의 각각에 대한 스코어(예를 들어, 도 1e를 참조하여 상술한 바와 같이 "배터리 스코어")를 결정함으로써 계속된다. 일부 실시예에서, (연관된 스코어에 의해 반영될 수 있는)에너지 저장 장치의 이용가능성은 (예를 들어, 하나의 장치 교환 스테이션에서) 이용가능한 에너지 저장 장치 카운트(available energy-storage-device count)일 수 있다. 이러한 실시예에서, 방법(1100)은 예측된 장치 수요와 예측된 장치 공급 사이의 차이에 기초하여 이용가능한 에너지 저장 장치 카운트를 결정하는 단계를 포함할 수 있다. 예를 들어, 차이는 "앞으로 2 시간 안에 이용 가능한 배터리의 수(예를 들어, 스테이션 A에서 배터리 4 개)"일 수 있다. 차이는 예측된 배터리 수요(예를 들어, 2 시간 안에 2 개의 배터리 교환이 기대됨) 및 예측된 배터리 공급(예를 들어, 스테이션 A는 2 시간 안에 6 개의 배터리를 준비할 수 있음)에 기초하여 계산될 수 있다.
블록(1107)에서, 방법(1100)은 스코어에 기초하여 복수의 장치 교환 스테이션의 시퀀스(예를 들어, 순위 매기기(ranking) 또는 정렬하기(sorting))를 결정함으로써 계속된다. 일부 실시예에서, 복수의 장치 교환 스테이션은 더 높은 점수를 갖는 스테이션(예를 들어, 보다 많은 이용가능한 배터리)이 낮은 순위를 갖도록(예를 들어, 더 높은 배터리 공급은 더 낮은 가격 등급을 초래함) 순서대로 배치될 수 있다.
블록(1109)에서, 시퀀스에 기초하여, 방법(1100)은 장치 교환 스테이션의 시퀀스를 특성 곡선에 매핑함으로써 장치 교환 스테이션의 각각에 대한 가격 비율을 결정한다. 예를 들어, (1) 5 개의 스테이션 A1-A5가 있고, (2) 기대비(expectation ration)는 "1"이고, (3) 최대 등급이 "1.2"이고 최소 등급이 "0.8"이고, (4) 스테이션 A1-A5의 스코어는 각각 "5", "4", "3", "2" 및 "1"이다. 이 실시예에서, 정규 분포를 갖는 특성 곡선을 매핑한 후에, 스테이션 A5의 가격 등급은 "1.2"이며, 스테이션 A4의 가격 등급은 "1.1"이고, 스테이션 A3의 가격 등급은 "1"이며, 스테이션 A2의 가격 등급은 "0.9"이고, 스테이션 A1의 가격 등급은 "0.8"이다. 이 구성에 의해, 개시된 시스템은 장치 교환 스테이션의 각각에 대한 가격 등급을 효과적으로 조정할 수 있다.
일부 실시예에서, 개시된 시스템은 대부분의 스테이션이 특성 곡선의 피크에서 가격 등급을 갖도록 장치 교환 스테이션의 각각에 대한 가격 등급을 효과적으로 조정할 수 있다. 예를 들어, (1) 10개의 스테이션 B1-B10이 있고; (2) 기대비(expectation ration)가 "1"이고, (3) 최대 등급이 "1.3"이고 최소 등급이 "0.7"이고, (4) 스테이션 B1-B10의 스코어가 각각 "5", "3", "3", "3", "3", "3", "3", "3", "3", 및 "1"이다. 이 실시예에서, 정규 분포를 갖는 특성 곡선을 매핑한 후, 스테이션 B10의 가격 등급은 "1.3"이며, 스테이션 B10의 가격 등급은 "1.3"이며, 스테이션 B2-B9의 가격 등급은 "1"이고, 스테이션 B1의 가격 등급은 "0.7"이다.
일부 실시예에서, 시스템은 적어도 하나의 장치 교환 시스템의 위치에 기초하여 장치 교환 스테이션 중 적어도 하나의 장치 교환 스테이션의 가격 비율을 조정할 수 있다. 예를 들어, 스테이션 X는 배터리 수요가 많은 중요한 교통 교차점에 위치된다. 배터리 수요가 높지만 스테이션 X에서 배터리를 교환하는 사용자에게 만족스러운 사용자 경험을 제공하기 위해, 시스템은 스테이션 X에 더 낮은 가격 등급을 할당(assign)할 수 있다.
도 1i 및 1j를 참조하여 상술한 실시예에서, 스테이션은 (예를 들어, 도 1c를 참조하여 상술한 요소들에 기초하여) 다양한 클러스터로 여전히 분할될 수 있다. 클러스터의 각각에 대해, 개시된 시스템은 특성 곡선을 생성할 수 있다. 상이한 클러스터에 대한 특성 곡선은 상이할 수 있다(예를 들어, 상이한 가격 등급 범위로).
일반적으로, 본 발명은 다수의 장치 교환 스테이션을 관리하기 위한 2 세트의 실시예를 포함한다. 실시예의 제1 세트(도 1c-1h를 참조하여 설명된 세트)는 다수의 클러스터를 고려하고 클러스터의 각각은 특성 곡선을 갖는다. 이 첫 번째 접근법은 더 많은 컴퓨팅 리소스(computing resources)가 필요할 수 있지만, 보다 자세한 결과를 제공할 수 있다. 실시예의 제2 세트(도 1i 및 1j를 참조하여 설명된 세트)는 정규 분포 곡선에 기초하여 특성 곡선을 생성함으로써 단순화된 접근법을 이용한다. 이 두 번째 접근법은 다수의 장치 교환 스테이션을 관리하기 위한 빠르고 편리한 체계를 제공한다.
상이한 접근법을 사용하지만, 실시예의 2세트는 대부분의 계산에서 동일한 개념을 공유한다. 예를 들어, 배터리 스코어를 계산할 때, 실시예의 제1 세트는 도 1e에서 설명된 방법을 사용한다. 도 1e에 도시된 바와 같이, 배터리의 SoC가 75%에 도달하기 전에, 배터리 스코어는 "0"으로 간주된다. 이는 일반적으로 배터리를 75%로부터 90%로 충전하는 데 30분에서 1 시간이 걸리기 때문에, SoC가 75% 보다 낮은 배터리는 쉽게 이용가능하다고 간주될 수 없다. 유사하게, 실시예의 제2 세트에서, 배터리의 배터리 스코어는 SoC에 기초하여 결정된다(배터리가 "이용가능"인지를 결정하기 위해 SoC 임계치를 설정함으로써 단순화된 접근법을 사용함).
본 기술의 또 다른 측면은 상술한 배터리 수요 특성 함수에 기초하여 생성된 동적 가격 책정 전략에 의해 사용자가 특정 위치에서 배터리를 교환하도록 장려(incentivizes)하는 것이다. 도 1a는 개시된 기술의 실시예에 따른 장려 배터리 교환 시스템(incentivized battery exchange system)을 도시하는 개략도이다.
도 1a에 도시된 바와 같이, 배터리 교환 스테이션(10)은 내부에 6개의 배터리(11A, 11B, 12A, 12B, 13A, 13B)를 포함할 수 있다. 배터리 교환 스테이션(10)은 또한 사용자가 배터리를 삽입하기 위한 2 개의 빈 슬롯 A, B를 포함한다. 일반 배터리 교환 이벤트 동안, 사용자는 슬롯 A, B에 빈 배터리를 최대 2 개까지 삽입한 다음, 완전히 충전된 배터리 2 개(또는 거의 완전히 충전된 배터리 또는 삽입된 배터리보다 더 높은 SoC를 가진 배터리)를 배터리 교환 스테이션으로부터 가져갈(take away) 수 있다. 일부 실시예에서, 배터리 교환 스테이션(10)은 특정 형태의 배터리가 삽입되거나(예를 들어, 40% 보다 적게 충전된 배터리) 가져가는 것(예를 들어, 80% 보다 많이 충전된 배터리)을 단지 허용하도록 구성될 수 있다.
도 1a에 도시된 실시예에서, 배터리(11A, 11B)는 50% 충전된다. 배터리(12A, 12B)는 30% 충전된다. 배터리(13A, 13B)는 39% 충전된다. 다시 말해, 현재 사용자가 교체할 수 있는 (50% 보다 많이 충전된) 배터리가 있지 않다. 스테이션(10)에 대한 배터리 수요 예측에 기초하여, 시스템은 가까운 미래에 배터리 교환을 위해 예측된 배터리 수요를 생성할 수 있다. 예를 들어, 배터리 교환에 대한 예측된 수요는 과거 데이터(historical data)를 기반으로 생성될 수 있다. 일부 실시예에서, 예측된 수요는 기계 학습 프로세스(예를 들어, 다양한 연관 요소의 가중치를 계산하고, 이에 따라 미래 수요를 예측)에 기초하여 생성될 수 있다. 일부 실시예에서, 배터리 교환에 대한 예측된 수요는 다음 12 또는 24 시간 동안의 예측된 수요일 수 있다. 예측된 배터리 수요에 응답하여, 본 시스템은 배터리 사용자/소지자에게 공지(notice)를 전송하고(예를 들어, 사용자의 모바일 장치에 설치된 앱을 통한 푸시 공지(push notice)를 통해), 충전된 배터리로 크레딧, 캐쉬, 또는 기타 보너스 포인트(other bonus points)(예를 들어, 상술한 대응하는 특성 함수를 기반으로 생성됨)를 거래하도록 요청할 수 있다. 예를 들어, 장려된 사용자(incentivized user)는 2개의 80% 충전된 배터리(15A, 15B)를 스테이션(10)으로부터 가져와서(예를 들어, 슬롯 A, B에 삽입), 2개의 50% 충전된 배터리(11A, 11B)를 가져갈 수 있다. 배터리(11A, 11B)는 단지 50%만 충전되지만, 장려된 사용자의 니즈(needs)(예를 들면, 단거리 통근자)에 충분할 수 있다. 이 구성에 의해, 본 시스템은 동적 가격 책정 프로세스에 의해 다수의 배터리 교환 스테이션들 사이에서 이용 가능한 에너지(예를 들어, 배터리에 저장됨)를 신속하게 밸런싱 할 수 있다. 사용자에 대한 공지의 실시예는 도 4a 내지 도 5c를 참조하여 아래에서 설명된다.
개시된 시스템은 실시간 또는 거의 실시간 방식으로 교환 가능한 에너지 저장 장치(예를 들어, 배터리)에 대한 수요를 예측할 수 있다. 개시된 기술은 다수의 소스(예를 들어, 배터리 교환 스테이션, 전기 자동차, 배터리, 사용자 모바일 장치 등)로부터 정보를 수집하고, 이를 분석하며, 특정 시간 기간 동안 교환 스테이션을 위한 교환 가능한 에너지 저장 장치에 대한 수요를 예측하는 데 사용될 수 있는 참조 정보를 생성한다. 수집된 정보는 예를 들어, 샘플링 스테이션의 위치(예를 들어, 샘플링 스테이션은 서버에 연결(coupled)된 다수의 배터리 교환 스테이션 모두로부터 선택되고 운영자에 의해 관리될 수 있음), 샘플링 스테이션 근처의 이벤트, 샘플링 스테이션에 근접한 환경 조건, 및 샘플링 스테이션과 관련된 사용자 행동(예를 들어, 배터리 사용량, 사용자 주행/승차 기록, 사용자 행동, 사용자 습관 등)을 수집한다. 수집된 정보를 분석한 후, 시스템은 다양한 유형의 배터리 교환 스테이션에 대한 특성 또는 전력 소비 패턴을 결정하거나 식별한다. 그런 다음, 결정되거나 식별된 특성/패턴은 스테이션의 유형(상술한 스테이션 클러스터링 프로세스 동안 요소로 사용될 수 있음)을 결정하기 위한 지침으로서 사용될 수 있다.
일부 실시예에서, 본 개시는 그 위치에 기초하여 샘플링 스테이션을 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 개시는 특정 시간의 기간동안(예를 들어, 도 7a에 도시된 바와 같이, 하루 내에) 각 유형의 스테이션에 대한 배터리 수요를 더 식별할 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, 개시된 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, 개시된 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 500A임을 결정할 수 있다.
배터리 수요가 각 유형의 샘플링 스테이션(예를 들어, "많은-트래픽" 유형, "중간-트래픽 유형" 또는 "적은-트래픽" 유형)에 대해 결정되면, 개시된 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 개시는 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 7a 및 7b에 도시된 수요 곡선 또는 다른 특성 형태 또는 패턴으로 설명된 바와 같은)를 사용할 수 있다. 이 구성에 의해, 본 발명은 운영자가 에너지 효율적인 방식으로 배터리 교환 스테이션을 유지 또는 제어할 수 있게 한다.
일부 실시예에서, 개시된 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, 개시된 시스템은 샘플링 스테이션과 연관된 사용자 행동(예를 들어, 사용자가 배터리를 교환하는 시간, 위치 및 빈도, 사용자의 주행/승차 습관, 차량을 작동하기 위한 사용자의 경로 등)에 기초하여 샘플링 스테이션을 더 분류할 수 있다. 예를 들어, 샘플링 스테이션은 주변 환경 조건에 기초하여 "식료품-구매자(grocery-shopper)" 유형, "거리-레이서(street-racer)" 유형 또는 "산악-등반가(mountain-climber)" 유형으로 특징 지어질 수 있다. 예를 들어, "식료품-구매자" 유형은 사용자가 특정 위치(예를 들어, 식료품 가게)로 단거리 여행을 자주한다는 것을 나타내는 배터리 수요 패턴을 가질 수 있다. "거리-레이서" 유형은 사용자가 차량을 시동 걸 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 사용자가 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, 개시된 시스템은 기계 학습 기술을 사용하여 수행되는 배터리 수요 예측의 정확성을 향상시킬 수 있다. 일부 예시에서, 개시된 시스템은 정확성을 향상시키기 위해 감독된 기계 학습 기술(예를 들어, 훈련 결과를 검증하고 피드백을 제공)을 사용할 수 있다. 일부 실시예에서, 개시된 시스템은 정확성을 향상시키기 위해 감독되지 않은 기계 학습 기술(unsupervised machine learning techniques)(예를 들어, 시스템이 훈련 및 개선 방법을 독립적으로 파악할 수 있게 하는)을 사용할 수 있다.
본 발명의 다른 측면은 모든 시간에(또는 실시간 또는 거의 실시간 방식으로) 업데이트된 배터리 수요 참조(updated battery demand reference)를 제공하는 것이다. 예를 들어, 신규 사용자가 기존 배터리 교환 스테이션에서 배터리를 교환할 수 있게 하는 배터리 계획(battery plan)에 가입하면, 개시된 시스템은 신규 사용자의 유형을 결정하고, 이에 따라 대응하는 배터리 수요 패턴을 식별할 수 있다. 예를 들어, 신규 사용자는 적어도 "고성능(high-performance)" 배터리 패키지를 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. 결과적으로, 개시된 시스템은 배터리 수요 예측에 대해 가장 업데이트된, 따라서 가장 정확한 분석 결과를 제공할 수 있다. 다른 실시예에서, 개시된 시스템은 주기적으로 배터리 수요 정보를 업데이트 할 수 있다.
일부 실시예에서, 개시된 시스템은 배터리 교환 스테이션의 각각이 "오프라인"으로 작동할 수 있게 한다. 이러한 실시예에서, 본 개시는 배터리 교환스테이션이 서버로부터 더 이상의(또는 업데이트 된) 명령을 수신하지 못 하면, 배터리 교환스테이션의 각각이 따라야 하는 설정된 기본 규칙 및 패턴(set default rules and patterns)을 제공한다. 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. 개시된 시스템은 또한 이러한 스테이션들이 따라야 하는 "에이징 명령(aging instructions)"에 관한 일련의 규칙을 설정할 수 있다. 예를 들어, 개시된 시스템은 이전 명령이 2시간 전에 생성되지 않는 한, 이러한 스테이션이 서버에 의해 송신된 이전 명령을 따르도록 명령한다. 2시간 임계치가 충족되면, 이 스테이션은이 스테이션에 저장된 기본 수요 패턴으로 되돌아 갈 수 있다. 다른 실시예에서, 규칙 및 시간 임계치는 스테이션의 위치/유형과 같은 다양한 요소에 따라 변할 수 있다.
일부 실시예에서, 개시된 시스템은 사용자 요청 또는 하나 이상의 트리거링 이벤트(triggering events)에 기초하여 배터리 수요를 예측할 수 있다. 트리거링 이벤트의 실시예는 예를 들어, 정전, 시스템에 의해 이전 예측의 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.
이 개시된 시스템은 배터리 수요 예측 및 동적 가격 책정 전략을 실시간 또는 거의 실시간 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 및 동적 가격 책정 조정; (2) 배터리 교환을 위한 가격 책정을 설정함으로써 다수의 배터리 교환 스테이션들 사이에서 에너지(예를 들어, 배터리에 저장됨)를 효과적으로 동적으로 밸런싱하는 능력; (3) 에너지 효율적인 방식으로 만족스러운 배터리 경험을 제공하여 향상된 사용자 경험을 제공할 수 있는 능력.
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 1b는 개시된 기술의 실시예에 따른 시스템(100)을 도시하는 개략도이다. 도시된 바와 같이, 시스템은 하나 이상의 배터리 교환 스테이션(101A-D), 메인 서버(main server)(103), 데이터베이스(database)(105), 및 네트워크(network)(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, 도 7a 및 7b에 도시된 바와 같은 배터리 수요 참조 정보)를 저장할 수 있다.
도시된 실시예에서, 배터리 교환 스테이션(101A)을 사용하여, 스테이션(101A)은 배터리 교환 랙(battery exchange rack)(113) 및 그 위에 위치된 사용자 인터페이스(user interface)(115) (예를 들어, 디스플레이(display))를 포함할 수 있다. 도시된 바와 같이, 배터리 교환 랙(113)은 배터리를 수용하기 위한 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 또는 방전된(depleted) 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(modular components)(예를 들어, 모듈식 랙, 모듈식 디스플레이 등)를 포함할 수 있다. 배터리 교환 스테이션(101A-D)은 내부에 위치한 배터리를 충전하고 다른 작동을 수행하기 위해(예를 들어, 메인 서버(103)와 통신하기 위해) 전력을 수신하도록 하나 이상의 전원(예를 들어, 전력망(power grid), 전력선(power lines), 전력 저장 장치(power storage device) 등)에 전기적으로 연결될 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 개시된 시스템과 연관된 정보(예를 들어, 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 저장한다. 일부 실시예에서, 저장된 정보의 일부는 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)로부터 나올 수 있다. 일부 실시예에서, 저장된 정보의 일부는 독점 정보(proprietary information)(예를 들어, 사용자 계정, 사용자 신용 이력, 사용자 가입 정보 등)를 제공하는 개인 데이터베이스로부터 나올 수 있다.
도시된 실시예에서, 메인 서버(103)는 배터리 교환 스테이션(101A-D)으로부터 배터리 수요에 관한 정보를 수집하도록 구성된다. 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; (5) 배터리의 사용 이력; (6) 배터리 교환 스테이션(101A-D)에 근접한 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 정보 중 하나 이상을 포함할 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. 또한, 결정된 특성/패턴은 배터리 교환 스테이션(101A-D)에 대한 배터리 가격 책정 전략(예를 들어, 도 1a를 참조하여 상술한 장려된 배터리 교환)을 생성하는데 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 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 보안 네트워크를 포함한다.
도 1c는 개시된 기술의 실시예에 따라 배터리 수요 정보(예를 들어, 다수의 배터리 스테이션으로부터 수집된 과거 배터리 교환 수요 데이터(historical battery exchange demand data)의 세트)를 다수의 클러스터로 분할하기 위한 클러스터링 프로세스를 도시하는 개략도이다. 클러스터링 프로세스는 수집된(또는 분석된) 배터리 수요 정보를 추가 배터리 가격 책정 분석을 위해 다수의 클러스터로 분할하는데 사용된다. 도 1c에 도시된 바와 같이, 개시된 기술은 수집된 배터리 수요 정보를 상이한 시간 기간에 기초하여 다수의 클러스터로 분할할 수 있다. 예를 들어, 주중(weekdays) 동안, 본 기술은 모든 기간을 5개의 레벨(레벨 1-5)로 분할할 수 있다. 도시된 바와 같이, 본 기술은 주말의 모든 시간 기간을 3개의 레벨(레벨 6-8)로 분할할 수 있다. 각 레벨은 상이한 배터리 수요 레벨(예를 들어, 상이한 배터리 교환 카운트)을 나타낼 수 있다.
예를 들어, "레벨 1" 클러스터는 주중 동안 특정 시간 간격에 400-500 배터리 교환 카운트를 갖는 배터리 스테이션(예를 들어, 오전 9시부터 오전 10시 사이의 시간 간격을 갖는 메인 트레인 스테이션(main train station) 근처의 배터리 스테이션)을 나타낼 수 있다. 예를 들어, "레벨 6" 클러스터는 주말 동안 특정 시간 간격에 100-300 배터리 교환 카운트를 갖는 배터리 스테이션(예를 들어, 오후 4시부터 5시 15분까지 시간 간격을 갖는 버스 정류장 근처의 배터리 스테이션; 또는 오후 7시부터 오후 8시까지 시간 간격을 갖는 교외 주유소 근처의 배터리 스테이션)을 나타낼 수 있습니다. 도시된 바와 같이, 도 1c에 도시된 클러스터링 프로세스 이후에 8 개의 배터리 수요의 클러스터가 있다.
도 1d는 개시된 기술의 실시예에 따른 시각화된 클러스터링 분석(visualized clustering analysis)을 도시하는 개략도이다. 도 1d에 도시된 바와 같이, 클러스터링은 다수의 2차원 데이터 포인트(예를 들어, 수집되거나 분석된 데이터에 기초하여 생성된)로부터 다수의 2차원 대표 포인트(2-dimensional representative points)(예를 들어, 도 3d에 도시된 포인트 C1, C2, C3)를 결정하도록 설계된다. 도시된 예시에서, X1 축은 "시간 기간(time periods)"을 나타낼 수 있고, X2 축은 "이용가능한 배터리의 수" 또는 "배터리 스테이션의 유형"을 나타낼 수 있다. 개시된 시스템은 클러스터링 분석을 수행하는 다른 요소를 선택할 수 있다. 예를 들어, 일부 실시예에서, X1 축은 "배터리 교환의 수"를 나타낼 수 있고, X2 축은 "이용가능한 배터리의 수"를 나타낼 수 있다. 본 기술에서 설명된 클러스터링 프로세스는 생성된 데이터 포인트에 대한 가장 적합한 대표 포인트를 결정할 수 있다. 일부 실시예에서, 클러스터링 프로세스는 다수의(예를 들어, 2 보다 많은) 차원에서 수행될 수 있다.
일부 실시예에서, 클러스터링 프로세스는 K-평균 알고리즘(K-means algorithm)에 기초하여 수행될 수 있다. K-평균 알고리즘의 예시적인 목적 방정식(objective equation)은 아래의 수학식 (A)와 같이 도시된다. 수학식 (A)에서, "C1-Ck"는 결정될 클러스터를 나타내고, "Xij"는 고려될 요소이고, 파라미터 "i, i', j, p"는 계산 변수이다. 아래의 목적 방정식을 최소화함으로써, 적합한 클러스터들 C1-Ck 및 그 내부의 성분들이 결정될 수 있다.
Figure pat00001
........(A)
도 1e는 개시된 기술의 실시예에 따라 설명된 배터리 스코어를 도시하는 개략도이다. 상술한 바와 같이, "배터리 스코어"는 특성 함수(fc)를 결정하기 위한 에너지비를 결정하는데 사용될 수 있다. 배터리 스코어는 배터리가 교환될 때(예를 들어, 배터리 교환 스테이션으로부터 사용자에 의해 제거될 때), 배터리의 배터리 에너지 레벨(예를 들어, 충전 상태, SoC)로서 정의될 수 있다. 도 1e에 도시된 바와 같이, 배터리 스코어는 배터리 교환 스테이션에서 배터리의 SoC를 평가하는데 사용될 수 있다(예를 들어, 배터리에 "등급"을 부여함으로써). 본 명세서에서 설명된 바와 같이, 배터리 스코어 및 배터리 카운트(상술함)는 각 배터리 교환 스테이션의 현재 충전 상태 또는 배터리 이용가능성을 식별하기 위한 인덱스이다. 이러한 인덱스는 시스템이 현재의 배터리 공급 상황을 파악하고, 이에 따라 시스템이 동적으로 가격 비율을 조정할 수 있도록 정보를 제공한다(informative). 일부 실시예에서, 배터리 카운트는 직접적인 관찰(straightforward observation)로부터 획득될 수 있다.
도 1e에 도시된 바와 같이, 배터리 스코어 곡선 또는 라인(121)은 배터리 에너지 레벨(퍼센트로 SoC로 도시됨)과 배터리 스코어 사이의 관계를 나타낸다. 예를 들어 SoC가 90% 보다 높을 때 배터리 스코어는 "1"이다(예를 들어, SoC가 90% 보다 높은 배터리는 "이용가능한" 배터리로 특징지어 질 수 있고, 이는 사용자가 가져가서 사용할 준비가 된 것이고, 그러므로 상대적으로 높은 배터리 스코어를 갖는다). "90%"로부터 "82%"로의 SoC의 경우, 대응하는 배터리 스코어는 "1"로부터 "0.3"으로 비례하여 감소한다(예를 들어, 이 배터리는 "이용가능한" 배터리가 되도록 충전되어야 하며, 그러므로 중간 배터리 스코어를 갖는다). "82%"로부터 "75%"로의 SoC의 경우, 대응하는 배터리 스코어는 "0.3"으로부터 "0"으로 비례하여 감소한다. SoC가 75% 보다 작으면, 배터리 스코어는 "0"이다(예를 들어, 이들 배터리는 "이용가능한" 배터리가 되기 위해 더 긴 시간 동안 충전되어야 하므로, 상대적으로 낮은 배터리 스코어를 갖는다). 이러한 실시예에서, 75% SoC는 사용자가 배터리 스테이션으로부터 얻을 수 있는 배터리의 최저 충전 레벨을 나타내는 배터리 품질 임계치(battery quality threshold)일 수 있다(예를 들어, 불충분하게 충전된 배터리를 제공하지 않음으로써 사용자의 배터리 경험 및 서비스 품질을 유지하기 위해). 다른 실시예에서, 배터리 스코어는 기계 학습 프로세스에 기초하여 또는 다른 적합한 요소를 고려하여 상이하게 정의될 수 있다.
일부 실시예에서, 에너지비는 "배터리 스코어의 합" 대 "배터리 카운트"의 비로서 정의될 수 있다. 일부 실시예에서, "배터리 카운트"는 배터리 교환 스테이션에서의 배터리의 수를 의미할 수 있다. 예를 들어, 배터리 교환 스테이션이 랙에 6개의 배터리를 가질 경우, 배터리 카운트는 '6'이 될 수 있다(즉, 사용자가 교체를 위해 "이용가능"한지 또는 아닌지 여부에 관계없이). 그러나, 다른 실시예에서, "배터리 카운트"는 배터리 교환 스테이션에서 이용가능한 배터리의 수를 의미할 수 있다. 예를 들어, 배터리 교환 스테이션이 교체할 사용자가 이용가능한 완전히 충전된 배터리 3개를 갖고 있으면, 배터리 카운트는 "3"이 될 수 있다. 또 다른 예시로, 배터리 교환 스테이션이 교체할 사용자가 이용가능한 6개의 90% 충전된 배터리를 갖는 경우, 배터리 카운트는 "6"이 될 수 있다.
일부 실시예에서, 에너지비는 아래의 수학식 (B)에 기초하여 결정될 수 있다. 아래의 수학식 (B)에서, 배터리 카운트는 (예를 들어, 도 7a 및 도 7b에 도시된 배터리 스테이션 유형에 기초하여 생성된) 예측된 배터리 수요 또는 사용자 예약에 기초하여 결정될 수 있는 "예측 카운트(prediction counts)"에 의해 더 차감된다. 결과적으로, 에너지비(배터리 카운트, 예측 카운트 및 배터리 스코어로부터 얻어짐(derived))은 동적 배터리 교환 가격 비율을 결정하는데 유용하고 지표가 되는 정규화된 가중 인덱스(normalized, weighted index)로 간주될 수 있다. 에너지비의 계산은 실제 니즈 또는 새로운 시뮬레이션 결과로 인해 달라질 수 있음(예를 들어, 수학식 (B)와는 상이함)에 유의해야 한다.
Figure pat00002
......(B)
도 1f는 개시된 기술의 실시예에 따른 배터리 수요 특성 함수(fc)를 결정하기 위해 제네틱 알고리즘(GA: genetic algorithm)을 사용하는 것을 도시하는 개략도이다. 배터리 수요 특성 함수는 배터리 가격 책정 전략(battery pricing strategy)을 결정하는데 사용될 수 있다(예를 들어, 도 1g를 참조하여 상세히 설명됨). GA는 각각의 결정된 클러스터(예를 들어, 도 1g에 도시된 fc1-fc5, 이는 도 1c에 도시된 레벨 1-5에 각각 대응함)에 대한 적합한 특성 함수를 결정하는데 사용될 수 있다. 도시된 바와 같이, 본 기술은 클러스터링된 배터리 수요 정보(clustered battery demand information)를 "초기 모집단(initial population)"(블록 131)으로 사용하고, 그 다음 "적합성(fitness) F"를 평가할 수 있다(블록 133). "적합성 F"는 아래의 수학식 (C)에서 정의된다. "ExpRatio"라는 용어는 시스템 운영자의 가격 책정 전략에 대응하는 "기대 값" 또는 "기대비(expectation ratio)"를 나타낸다. 예를 들어, 시스템 운영자가 기대비를 "1"로 설정하면, 시스템은 본원에서 설명된 동적 가격 책정 전략에 기초하여 추가 이익을 생성하지 못할 것이다. 시스템 운영자가 기대비를 "1.2"로 설정하면, 시스템은 동적 가격 책정 전략에 기초하여 20%의 추가 이익을 기대한다. 이 실시예에서, 시간 간격은 1 시간으로 설정되고, "exchangevm_hour"이라는 용어는 "배터리 스테이션에서 시간당 배터리 교환의 수"를 나타낸다. "VM"이라는 용어는 배터리 "자동 판매기"(예를 들어, 배터리 교환 스테이션)를 의미한다.
Figure pat00003
..(C)
특성 함수(fc)는 개시된 시스템이 결정하는 변수 함수이다. "exchangevm_hour"이라는 용어는 개시된 시스템이 적합성 함수(fitness function) F에 피드(feed)하는데 사용하는 과거 데이터(is historical data) 또는 예측된 수요 정보이다. 일부 실시예에서, "exchangevm_hour"이라는 용어는 기계 학습 프로세스를 통해 결정되거나 "훈련(trained)"될 수 있다. 시스템이 모든 클러스터에 대해 특성 함수(fc)를 발견하고, "적합성 F"가 0(또는 다른 상수)와 동일하다고(또는 가깝다고) 결정하면, 본 시스템은 F가 수렴되는지를 결정할 수 있다(블록 135). 그 후, 적합한 특성 함수(fc)가 결정될 수 있다(블록 137). 그렇지 않다면, 본 시스템은 선택 프로세스(selection process)(블록 139) 및 재조합 프로세스(recombination process)(크로스오버(crossover) 및 변성(mutation) 프로세스 포함하는, 블록 141)를 거쳐 추가 평가를 위한 새로운 "모집단"을 생성할 것이다(블록 133으로 되돌아 감). 다른 실시예에서, 다른 적합한 기계 학습 알고리즘 또는 기술이 특성 함수를 결정하기 위해 사용될 수 있다. 본원에 개시된 적합성 함수 F는 바람직한 특성 함수(fc)를 획득하기 위해 제네틱 알고리즘에 기초하여 과거 데이터를 분석하는 방법을 보여주는 예시일 뿐이다. 다른 실시예에서, 적합성 함수 F는 실제 고려 사항 또는 다른 계산 요소에 따라 상이한 형태일 수 있다. 예를 들어, 적합성 함수 F는 다중-목적 제네틱 알고리즘(MOGA: multi-objective genetic algorithm) 또는 다중-목적 최적화 알고리즘(MOOA: multi-objective optimization algorithm)일 수 있다. 예를 들어, 적합성 함수 F는 다음과 같다.
Figure pat00004
......(D)
다시 말하면, 수학식 (C)의 적합성 함수 F는 하나의 목적(즉, 기대비)에 대해 훈련되고 최적화되는 반면, 수학식 (D)의 적합성 함수 F는 각 목적에 가중치를 부여하면서 하나 이상의 목적을 위해 훈련되고 최적화될 수 있다. 예를 들어, 서브-적합성-함수(sub-fitness-function) f1은 수학식 (C)에 설명된 바와 같이 바람직한 기대비를 근사하도록 설정될 수 있고, 다른 서브-적합성-함수 f2는 다른 목적을 위해 최적화될 수 있다(예를 들어, 도심까지의 최단 거리, 위치에서의 대응하는 시간 간격에서 가장 낮은 전력 비용 등). W1 및 W2는 시스템 운영자에 의해 설정될 수 있는 가중치다.
도 1g는 개시된 기술의 실시예에 따른 다수의 배터리 수요 특성 함수를 도시하는 개략도이다. 도 1g에 도시된 바와 같이, 5개의 배터리 수요 특성 함수 fc1-c5는 상술한 클러스터링 및 GA 계산 프로세스에 기초하여 결정된다. 배터리 수요 특성 함수 fc1-c5는 동적 가격 책정 전략을 결정하는데 사용될 수 있다. 예를 들어, 클러스터(1)에 있는 배터리 스테이션의 경우, 시스템은 배터리 수요 특성 함수 fc1을 사용하여 주어진 에너지비(given energy ratio)에 기초하여 가격(예를 들어, 최대 및 최소 비율 사이에서의)을 설정하는 방법을 결정할 수 있다(이는 개별 배터리 스테이션에 의해 결정되고 서버에 송신될 수 있음). 이 구성에 의해, 본 기술은 사용자의 배터리 경험을 손상시키지 않으면서 에너지 효율을 달성하기 위해(예를 들어, 다수의 배터리 교환 스테이션 사이의 에너지를 밸런싱하기 위해) 배터리 교환 가격을 동적으로 설정할 수 있다. 일부 실시예에서, 개시된 시스템은 다수의 배터리 교환 스테이션에 대한 배터리 교환 가격 비율을 결정하기 위해 배터리 수요 특성 함수를 사용한다.
예를 들어, 이 시간 간격에서 배터리 스테이션 A에서 높은 수요가 있을 것으로 시스템이 예측하면, 시스템은 이 시간 간격의 배터리 스테이션 A를 클러스터(5)(예를 들어, 레벨 5)에 넣고, 특성 함수 fc5와 맞춘 동적 가격 비율(dynamic price rate)을 가져서, 에너지비(energy ratio)가 감소되면, 동적 가격 비율은 쉽게 높아지도록 한다. 예를 들어, 완전히 충전된 배터리 하나가 사용자에 의해 교체되는 이벤트 후, 동적 가격 비율은 0.9로부터 1.2로 변경될 수 있다. 일부 실시예에서, 다른 시간 간격(예를 들어, 클러스터(1)로 클러스터링 됨)에서의 배터리 스테이션 A의 동적 가격 비율은 0.9로부터 0.95로만 변경될 것이다. 스테이션 A의 배터리 교환 가격이 증가함에 따라, 배터리 수요가 감소하거나(예를 들어, 사용자가 원래 배터리를 교체 할 계획이라면 높은-수요 시간(high-demand time)에 교환하지 않기로 결정) 배터리 공급이 증가할 수 있다(예를 들어, 사용자는 크레딧, 캐쉬(cash), 보너스 포인트 등을 위해 스테이션 A에서 완전히 충전된 배터리를 "거래(trade in)"할 수 있음). 일부 실시예에서, 배터리 "팔기(sell-out)" 이벤트(예를 들어, 배터리 사용자가 낮은-수요 스테이션으로부터 배터리를 가져오도록 동기 부여) 및 배터리 "거래" 이벤트(예를 들어, 배터리 사용자가 높은-수요 스테이션으로 반환하도록 동기 부여)에 대한 동적 가격 비율은 서로 관련되거나 비례할 수 있지만 정확히 동일하지는 않다.
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.
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)의 다른 콤포넌트 또는 다른 정보를 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 저장하도록 구성된다. 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 정보, 생산 날짜/뱃치(batches), 배터리가 겪은 충전 사이클의 수, 배터리가 겪은 작동 온도, 배터리의 충전/방전 에너지 양/비율, 배터리의 완전/현재 충전 용량 및/또는 다른 적합한 배터리 정보; (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 정보를 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 7a 및 도 7b에 도시된 특성 곡선의 형태로) 이러한 특정 유형의 수집된 정보에 대한 특성/패턴을 식별하기 위해 분석된다. 이러한 식별된 특성/패턴은 수요 분석 콤포넌트(209)에 의해 개별적으로 또는 조합하여 고려되어, 클라이언트 스테이션(20)에 대한 배터리 수요 예측을 생성할 수 있다.
수요 분석 콤포넌트(209)는 또한 클러스터링 프로세스(예를 들어, 도 1c 및 1d)를 수행하고, 기계 학습 프로세스(예를 들어, 도 1f 및 1g)에 기초하여 배터리 수요 특성 함수를 생성하고, 그에 따라 동적 배터리 가격 책정 전략을 클라이언트 스테이션(20)에 제공하도록 구성된다. 동적 배터리 가격 책정 전략은 시스템 운영자가 사용자의 배터리 수요를 충족시키도록 다수의 클라이언트 스테이션(20) 사이에서 에너지를 밸런싱 할 수 있게 한다.
일부 실시예에서, 수요 분석 콤포넌트(209)는 그것들의 상대적 중요성 또는 신뢰성에 기초하여 수집된 정보의 우선 순위를 결정(prioritize)할 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 "배터리 교환 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 데일리 배터리 수요 곡선(daily battery demand curve)(예를 들어, 아래에서 상세히 설명될 도 7a 내지 도 7b에 도시된 바와 같음)을 식별할 수 있다. 수요 분석 콤포넌트(209)는 식별된 데일리 배터리 수요 곡선을 조정하기 위한 다른 2 차 요소를 고려할 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, 수요 분석 콤포넌트(209)는 상이한 유형의 수집된 정보에 상이한 가중치를 부여한다. 예를 들어, 수요 분석 콤포넌트(209)는 "스테이션의 위치", "사용자 행동" 및 "환경 조건"에 대한 가중치를 50%, 20%, 및 30%로 설정할 수 있다. 이러한 실시예에서, 수집된 정보의 각 유형에 대한 식별된 특성/패턴은 상술한 가중치에 기초하여 조합될 수 있다. 일부 실시예에서, 수요 분석 콤포넌트(209)는 경험적 연구, 기계 학습 프로세스의 결과 및/또는 시스템 운영자의 선호에 기초한 예측에 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 결정한다. 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 있다고 간주하기 때문에, 배터리에 연결된 메모리로부터 수집되고 측정된 정보에 대해, 수요 분석 콤포넌트(209)는 더 높은 가중치 또는 우선 순위를 부여할 수 있다. 일부 상황에서, 간접/외부 정보는 시스템이 더 높은 우선 순위를 부여하도록 충분히 심각할 수 있다(예를 들어, 태풍/허리케인 접근, 콘서트가 배터리 교환 스테이션에 가깝게 열리는 경우 등).
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 작동한다. 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 분석하도록 구성된다. 예를 들어, 전원 분석 콤포넌트(211)는 클라이언트 스테이션(20)에 전력을 공급하는데 사용된 전원이 특정 날짜에 오전 1시부터 오전 3시 동안 중단될 것으로 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 이전에 필요한 배터리를 충전하도록 클라이언트 스테이션(20)에 명령할 수 있다.
일부 실시예에서, 전원 분석 콤포넌트(211)는 또한 상이한 시간 기간에서의 충전에 대한 비용을 고려한다. 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 결정한다. 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 식별하도록 구성되어, 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 분할할 수 있다. 예를 들어, 스테이션은 "높은-수요-모든-시간", "높은-수요-피크-시간", "높은-수요-휴일", "높은-수요-주말", "높은-수요-이벤트", 및 "낮은-수요-모든-시간"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. 이러한 유형에 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 결정할 수 있다. 예를 들어, 수요 분석 콤포넌트(209) 및 스테이션 분석 콤포넌트(213)는 먼저 스테이션의 유형을 결정하고 그 스테이션에 대한 전형적인 수요 예측 곡선을 사용한다.
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 구성된다. 예를 들어, 배터리 분석 콤포넌트(215)는 제조사, 수명(age), 원래의 완전 충전 용량(FCCs), 현재의 FCC, 충전 사이클, 경험된 작동 온도, 충전/방전 프로파일(예를 들어, 일정한(steady) 또는 피크를 갖는(having peaks)), 배터리 하드웨어/펌웨어 버전, 배터리 셀 유형, 배터리 SoC, 배터리 셀 온도, 배터리 헬스 상태(SoH: State-of-Health), 배터리 수명(battery age)(사용 시간 및/또는 충전 사이클 카운트), 배터리 회로 온도, 배터리 오류 상태(battery error status), 배터리 직류 내부 저항(DCIR: direct current internal resistance) 등에 기초하여 배터리를 분류할 수 있다. 이러한 유형 또는 카테고리(categories)는, 시스템(200)이 어떤 유형의 배터리가 클라이언트 스테이션(20)에 위치하는지 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. 예를 들어, 시스템(200)이 제조사 A에 의해 제조된 배터리가 제조사 B에 의해 제조된 배터리보다 더 많은 충전 시간을 필요로 한다는 것을 안다면, 시스템(200)은 이에 따라 계획할 수 있다.
유사하게는, 사용자 행동 분석 콤포넌트(217)는 배터리를 교환 및/또는 사용하는 방법에 기초하여 사용자 행동을 분류할 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. 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. 예를 들어, 시스템(200)이 제조사 A에 의해 제조된 배터리가 제조사 B에 의해 제조된 배터리보다 전문 레이싱 사용자에 대해 더 잘 수행된다는 것을 안다면, 시스템(200)은 이에 따라 계획할 수 있다.
차량 분석 콤포넌트(219)는 사용자가 작동을 계획(planning)하고 있는 차량의 유형을 분류할 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. 예를 들어, 시스템(200)이 제조사 A에 의해 제조된 배터리가 제조사 B에 의해 제조된 배터리보다 차량 X에 대해 더 잘 수행된다는 것을 안다면, 시스템(200)은 이에 따라 계획할 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 시스템(station system)(300) 및 차량 시스템(vehicle system)(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 입력(user input)을 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 컴포넌트(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 제어하도록 구성된다. 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 지침(예를 들어, 동적 가격 책정 전략)에 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 수집하도록 구성될 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, 서버(33)로부터 수신되거나 저장 콤포넌트에 저장된 미리 결정된 충전 계획(predetermined charging plan)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. 예를 들어, 배터리 수요 예측을 사용하여 배터리 슬롯(317a-h)에 위치한 배터리를 충전하는데 얼마나 많은 전력이 요구되는지를 결정한다.
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 displays)(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 비어 있는 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 배터리(323)를 위치시키면, 스테이션 시스템(300)은 그 배터리의 존재를 검출하고 이로부터 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)을 배터리(323)에 연결되거나 그 내부의 배터리 메모리(337)로부터 끌어낼 수 있다. 일부 실시예에서, 배터리 메모리(337) 내의 정보는 통신 콤포넌트(335)를 통해 또는 모바일 장치(31)를 통해 서버(33)로 송신될 수 있다.
도 4a 내지 도 4c 및 도 5a 내지 도 5c는 개시된 기술의 실시예에 따른 배터리 교환 스테이션, 모바일 장치, 또는 (차량의) 대시보드의 사용자 인터페이스를 도시하는 스크린샷(screenshots)이다. 도 4a에서, 사용자 인터페이스(401)는 배터리 교환 스테이션이 "1.7" 배터리 가격 비율을 제공하고 있다는 것을 사용자에게 공지할 수 있다. "1"보다 높은 배터리 가격 비율은 높은 배터리 수요(예를 들어, 현재 시간 간격에서 또는 다음 시간 간격에서 높은 예측된 수요를 갖는)를 나타낸다. 사용자가 이 높은 배터리 가격 비율에 대한 공지를 수신하면, 사용자는 그에 따라 행동을 변경할 수 있다. 예를 들어, 원래 해당 스테이션에서 배터리를 교체하려는 사용자는 배터리 교환을 지연시킬 수 있다(예를 들어, 더 좋은/더 낮은 요금을 기다리면서). 또 다른 예시로, 현재 충전된 배터리를 소유한 사용자는 배터리를 "거래"하거나 "판매"하는 것을 고려할 수 있다. 예를 들어, 사용자가 "1.7" 비율로 배터리를 거래하는 경우, 사용자는 정상 요금(이는 "1"임)과 비교하여 추가 70% 크레딧/캐쉬/포인트를 받을 수 있다. 사용자가 이 제안을 하기를 원할 경우, 사용자는 사용자 인터페이스(401)에 표시된 "예" 버튼을 누를 수 있고, 그 스테이션까지 70 킬로미터를 주행할 수 있다.
도 4b에서, 사용자 인터페이스(403)는 통지(405)가 사용자 인터페이스(403)의 코너(corner)에 디스플레이 될 수 있음을 나타내며, 사용자에게 계류중인 배터리 교환 제안(pending battery exchange offer)이 있음을 상기시킨다. 도시된 실시예에서, 통지(405)는 제안된 배터리 가격 비율이 "0.8"임을 나타내며, 이는 사용자가 배터리를 교체하기 위해 특정 배터리 스테이션으로 가면, 사용자는 정상 가격의 20% 할인을 받을 수 있음을 의미한다.
일부 실시예에서, 도 4c에 도시된 바와 같이, 사용자 인터페이스(407)는 특히 40% 충전된 배터리에 대해 80% 충전된 배터리로 거래하도록 사용자에게 요청할 수 있다. 도 5a 내지 도 5c에서, 이용가능한 배터리의 수를 나타내는 제1 표시(409) 및 배터리 가격 비율을 나타내는 제2 표시(411)와 함께, 상이한 가격을 갖는 배터리 제공(battery offers)이 맵(map)에 디스플레이 될 수 있다.
도 6은 개시된 기술의 실시예에 따른 방법(600)을 도시하는 흐름도이다. 방법(600)은 다수의 배터리 교환 스테이션들 사이에서 이용가능한 에너지(available energy)를 밸런싱하도록 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 샘플링 배터리 교환 스테이션으로부터 배터리 수요 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 클러스터의 배터리 교환 수, 배터리 스테이션 유형, 및 배터리 수요 시간에 기초하여 배터리 수요 정보를 다수의 클러스터로 분할함으로써 계속된다. 블록(605)에서, 방법(600)은 클러스터의 각각에 대한 특성 함수를 생성한다. 특성 함수는 에너지비 및 배터리 가격 비율(예를 들어, 도 1g)에 기초하여 결정된다. 블록(607)에서, 방법(600)은 특성 함수에 기초하여 각 클러스터에 대한 동적 배터리 가격을 결정한다. 에너지비는 배터리 교환 이벤트(예를 들어, 사용자가 스테이션에서 배터리를 변경함)와 연관된 배터리 에너지 레벨 및 배터리 교환 이벤트와 연관된 이용가능한 배터리 카운트(available battery count)에 기초하여 결정된다. 배터리 스테이션의 에너지비는 특정 시간의 상대 값을 나타낸다. 예를 들어, 스테이션의 에너지비가 높으면, 현재 에너지 공급이 현재 수요를 커버(cover)하기에 충분하다는 것을 나타낼 수 있다. 스테이션의 에너지비가 낮으면, 현재의 에너지 공급이 충분하지 않다는 것을 나타낼 수 있다. 따라서, 본 시스템은 충전된 배터리를 이 스테이션으로 운반하거나 운송하도록 사용자를 장려하기 위해 동적 가격 책정 프로세스를 시작할 수 있다. 예를 들어, 블록(609)에서, 방법(600)은 사용자에게 동적 배터리 가격에 기초하여 배터리를 교환하도록 장려하기 위한 공지를 생성할 수 있다. 그 후, 방법(600)은 복귀(returns)하고 더 많은 명령을 기다린다.
도 7a는 개시된 기술의 실시예에 따른 다수의 스테이션 시스템의 특성을 도시하는 개략도이다. 도 7a에서, 3개의 2차원 특성 곡선(701A, 701B, 701C)이 도시된다. 그러나, 다른 실시예에서, 특성 곡선은 이러한 특성 곡선을 생성할 때 고려해야 할 요소의 수에 따라 3차원 또는 다차원일 수 있다. 도 5b 및 도 5c의 실시예는 배터리 충전 특성을 단지 예시로서 사용한다.
특성 곡선(701A-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(701A-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(701A)을 비교). 이러한 실시예에서, 비교의 결과는 특성 곡선(701A-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 7a에 도시된 바와 같이, 특성 곡선(701A)은 스테이션 A가 "높은-수요-피크-시간" 유형 스테이션임을 나타낼 수 있는 피크 부분(703)을 갖는다. 특성 곡선(701B)은 스테이션 B가 특정 시간 기간(예를 들어, 아침에)에서 비교적 높은 배터리 수요를 가지므로 "통근자" 유형 스테이션일 수 있음을 나타낼 수 있는 부드러운 곡선을 갖는다. 스테이션 C의 경우, 특성 곡선(701C)은 하루 중반의 고원 부분(plateau portion)(705)을 갖는다. 고원 부분(705)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 7b는 개시된 기술의 실시예에 따른 스테이션 시스템의 다수의 시간 프레임 동안의 특성을 도시하는 개략도이다. 도 7b에서, 스테이션 X에 대한 3개의 특성 곡선(707A-C)이 도시된다. 특성 곡선(707A-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(707A)은 2개의 피크 부분(708, 709)을 갖는다. 피크 부분(708, 709)은 스테이션 X에 근접한 통근자 트래픽을 나타낼 수 있다. 특성 곡선(707B)은 주중에 고원 부분(711)을 가지며, 이는 스테이션 X가 통근자에 의해 주말보다는 주중에 집중적으로 사용되는 도로에 근접하다는 것을 나타낼 수 있다. 또한, 특성 곡선(707C)은 2월 및 7월에 2개의 피크 부분(713, 714)을 각각 갖는다. 이들 2개의 피크 부분(713, 714)은 스테이션 X에 근접한 경기장에서 개최되는 이벤트(예를 들어, 2월 및 7월)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. 이러한 구성에 의해, 본 기술은 운영자가 특정 배터리 교환 스테이션(이 스테이션이 신규 또는 기존 스테이션에 상관없이)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 충전에 드는 전체 비용을 감소시킬 수 있다.
일부 실시예에서, 사용자 경험을 향상시키기 위해, 시스템이 배터리 스테이션에 대한 배터리 교환 가격을 조정한다고 결정할 때, 개시된 시스템은 사용자가 짧은 시간의 기간 동안 극적인 가격 변화를 경험하지 않도록 "매끄러운(smooth)" 방식으로 수행할 수 있다. 예를 들어, 개시된 시스템은 오후 5시-6시 동안 스테이션 Z에서의 배터리 교환 가격 비율이 "0.7"이고, 오후 6시-7시 동안 스테이션 Z에서의 배터리 교환 가격 비율이 "1.2"인 것으로 결정할 수 있다. 시스템은 스테이션 Z에서 배터리 교환 가격을 점진적으로 오후 5시 40분부터 시작할 수 있다. 예를 들어, 개시된 시스템은 오후 5시 45분에서 "0.9", 오후 5시 50분에서 "1.0", 오후 5시 55분에서 "1.1"로 가격을 설정할 수 있다. 이 구성에 의해, 사용자는 다가오는 가격 인상을 알 수 있다.
일부 실시예에서, 근접한 각 배터리 스테이션에서의 배터리 교환 가격은 추가로 조정될 수 있다. 예를 들어, 스테이션 A, B 및 C는 영역 X(예를 들어, 행정 구역, 인근 지역 등)에 있다. 영역 X에서 배터리를 교환하는 사용자는 스테이션 A, B 및 C에서 잠재적으로 배터리를 교환할 수 있다. 스테이션 A, B 및 C 사이에 상당한 가격 차이를 피하기 위해, 시스템은 영역 X의 배터리 교환 가격을 스테이션 A, B 및 C의 계산된 가격의 평균 가격(예를 들어, 도 1g를 참조하여 상술한 실시예에 기초하여 계산된)으로 설정할 수 있다. 따라서, 영역 X에서의 사용자는 해당 영역의 다른 스테이션에서 중요한 가격 차이를 볼 수 없다. 상술한 특징은 "지역 평균(regional average)" 특징으로 명명(named)될 수 있다.
일부 실시예에서, 본 방법은 클러스터링 프로세스 없이 구현될 수 있다(도 1c). 이러한 실시예에서, 이 방법은, 예를 들어 (1) 스테이션의 각각에 대한 "가격 비율"을 결정하는 단계; (2) 이용가용성 배터리 및 예측된 배터리 수요에 기초하여 각 스테이션의 스코어를 계산하는 단계; (3) 내부의 배터리의 각각의 스코어에 기초하여 스테이션을 정렬하는 단계; (4) 미리 설정된 요건(preset requirements)(예를 들어, 기대비(expect ratio), 하한, 상한 등)에 따른 특성 곡선을 정의하는 단계 - 특성 곡선은 등급의 분포에 대응함 -; (5) 정렬된 스테이션을 특성 곡선으로 매핑하고, 스테이션의 각각의 대응하는 등급을 결정하는 단계를 포함한다.
본원에서 설명된 실시예에서, "콤포넌트(component)"는 프로세서, 제어 로직, 디지털 신호 프로세서, 컴퓨팅 유닛, 및/또는 다른 적합한 장치를 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. 복수의 장치 교환 스테이션을 관리하기 위한 방법에 있어서,
    상기 장치 교환 스테이션의 각각에 위치된 에너지 저장 장치의 이용가능성에 기초하여 상기 복수의 장치 교환 스테이션의 각각에 대한 스코어를 결정하는 단계;
    상기 장치 교환 스테이션의 각각의 상기 스코어에 기초하여 상기 복수의 장치 교환 스테이션의 시퀀스를 결정하는 단계; 및
    상기 장치 교환 스테이션의 시퀀스를 가격 비율의 분포에 대응하는 특성 곡선에 매핑함으로써 상기 장치 교환 스테이션의 각각에 대한 가격 비율을 결정하는 단계
    를 포함하는 방법.
  2. 제1항에 있어서,
    상기 특성 곡선은,
    기대 값 및 상기 가격 비율의 범위에 기초하여 결정되고,
    상기 기대 값 및 상기 가격 비율의 범위는,
    사용자 입력에 기초하여 결정되는
    방법.
  3. 제1항에 있어서,
    상기 특성 곡선은,
    정규 분포 곡선에 기초하여 결정되는
    방법.
  4. 제1항에 있어서,
    상기 스코어는,
    이용가능한 에너지-저장-장치 카운트로부터 얻어지는
    방법.
  5. 제4항에 있어서,
    예측된 장치 수요와 예측된 장치 공급 사이의 차이에 기초하여 상기 이용가능한 에너지-저장-장치 카운트를 결정하는 단계
    를 더 포함하는 방법.
  6. 제1항에 있어서,
    상기 장치 교환 스테이션 중 적어도 2개의 장치 교환 스테이션의 가격 비율을 평균함으로써 서로 인접한 상기 장치 교환 스테이션 중 상기 적어도 2개의 장치 교환 스테이션의 가격 비율을 조정하는 단계
    를 더 포함하는 방법.
  7. 제1항에 있어서,
    상기 장치 교환 스테이션 중 적어도 2개의 제1 장치 교환 스테이션은,
    제1 행정 구역에 위치되고,
    상기 장치 교환 스테이션 중 적어도 2개의 제2 장치 교환 스테이션은,
    제2 행정 구역에 위치되며,
    상기 방법은,
    제1 서브 특성 곡선에 기초하여 상기 제1 장치 교환 스테이션의 각각에 대한 제1 조정된 가격 비율을 생성하는 단계; 및
    제2 서브 특성 곡선에 기초하여 상기 제2 장치 교환 스테이션의 각각에 대한 제2 조정된 가격 비율을 생성하는 단계
    를 더 포함하는 방법.
  8. 제7항에 있어서,
    상기 제1 장치 교환 스테이션에 대한 상기 제1 조정된 비율의 제1 평균은,
    일반적으로 상기 제2 장치 교환 스테이션에 대한 상기 제2 조정된 비율의 제2 평균과 동일한
    방법.
  9. 제1항에 있어서,
    상기 장치 교환 스테이션의 인접성에 기초하여 상기 장치 교환 스테이션을 적어도 2세트의 장치 교환 스테이션으로 분할하는 단계;
    상기 적어도 2세트의 각각에서 상기 장치 교환 스테이션에 대한 서브 시퀀스를 생성하는 단계; 및
    상기 서브 시퀀스를 서브 특성 곡선에 매핑함으로써 상기 적어도 2세트의 각각에서 상기 장치 교환 스테이션의 각각에 대한 상기 가격 비율을 조정하는 단계
    를 더 포함하는 방법.
  10. 제1항에 있어서,
    충전된 배터리를 되파는 사용자에게 인센티브를 제공하기 위하여,
    상기 적어도 하나의 장치 교환 스테이션의 가격 비율에 기초하여 상기 장치 교환 스테이션 중 적어도 하나의 장치 교환 스테이션의 되팔기 가격 비율을 조정하는 단계
    를 더 포함하는 방법.
  11. 제1항에 있어서,
    상기 복수의 장치 교환 스테이션을, 제1 및 제2 클러스터로 분할하는 단계; 및
    상기 제1 클러스터에 대한 제1 특성 곡선을 형성하고, 상기 제2 클러스터에 대한 제2 특성 곡선을 형성하도록 상기 특성 곡선을 조정하는 단계
    를 더 포함하는 방법.
  12. 복수의 장치 교환 스테이션을 관리하기 위한 시스템에 있어서,
    프로세서
    를 포함하고,
    상기 프로세서는,
    상기 장치 교환 스테이션의 각각에 위치된 에너지 저장 장치의 이용가능성에 기초하여 상기 복수의 장치 교환 스테이션의 각각에 대한 스코어를 결정하고,
    상기 장치 교환 스테이션의 각각의 스코어에 기초하여 상기 복수의 장치 교환 스테이션의 시퀀스를 결정하고,
    상기 장치 교환 스테이션의 시퀀스를 가격 비율의 분포에 대응하는 특성 곡선에 매핑함으로써 상기 장치 교환 스테이션의 각각에 대한 상기 가격 비율을 결정하도록 구성되는
    시스템.
  13. 제12항에 있어서,
    상기 특성 곡선은,
    기대 값 및 상기 가격 비율의 범위에 기초하여 결정되고,
    상기 기대 값 및 상기 가격 비율의 범위는,
    사용자 입력에 기초하여 결정되는
    시스템.
  14. 제12항에 있어서,
    상기 스코어는,
    이용가능한 에너지-저장-장치 카운트로부터 얻어지고,
    상기 프로세서는,
    예측된 장치 수요와 예측된 장치 공급 사이의 차이에 기초하여 상기 이용가능한 에너지-저장-장치 카운트를 결정하도록 구성되는
    시스템.
  15. 다수의 배터리 교환 스테이션들 사이에서 이용가능한 에너지를 밸런싱하기 위한 방법에 있어서,
    다수의 샘플링 배터리 교환 스테이션으로부터 배터리 수요 정보를 수신하는 단계;
    상기 수신된 배터리 수요 정보에 기초하여 특성 함수를 생성하는 단계 - 상기 특성 함수는 에너지비 및 배터리 가격 비율에 기초하여 결정되고, 상기 에너지비는 배터리 교환 이벤트와 연관된 배터리 에너지 레벨 및 상기 배터리 교환 이벤트와 연관된 이용가능한 배터리 카운트에 기초하여 결정되고, 상기 배터리 가격 비율은 가격 등급의 분포에 대응하는 특성 곡선에 기초하여 결정됨 -; 및
    상기 특성 함수에 기초하여 상기 다수의 배터리 교환 스테이션의 각각에 대한 배터리 가격을 결정하는 단계
    를 포함하는 방법.
  16. 제15항에 있어서,
    상기 결정된 배터리 가격에 기초하여 배터리를 교환하도록 사용자에게 동기 부여하는 공지를 생성하는 단계
    를 더 포함하는 방법.
  17. 제15항에 있어서,
    클러스터의 배터리 교환 수, 배터리 스테이션 유형 및 배터리 수요 시간 간격에 기초하여 상기 배터리 수요 정보를 복수의 클러스터로 분할하는 단계
    를 더 포함하는 방법.
  18. 제17항에 있어서,
    상기 클러스터의 각각에 대한 상기 특성 함수를 생성하는 단계
    를 더 포함하는 방법.
  19. 제18항에 있어서,
    상기 특성 함수에 기초하여 각각의 클러스터에 대한 상기 배터리 가격을 결정하는 단계
    를 더 포함하는 방법.
  20. 제19항에 있어서,
    상기 특성 함수는,
    제네릭 알고리즘(GA)에 기초하여 생성되고,
    상기 복수의 클러스터는,
    K-평균 클러스터링 알고리즘에 기초하여 결정되는
    방법.
KR1020180172893A 2017-12-29 2018-12-28 교환 가능한 에너지 저장 장치 스테이션들 사이에서 에너지를 동적으로 할당하기 위한 시스템 및 방법 KR102238092B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201762612245P 2017-12-29 2017-12-29
US62/612,245 2017-12-29

Publications (2)

Publication Number Publication Date
KR20190082147A true KR20190082147A (ko) 2019-07-09
KR102238092B1 KR102238092B1 (ko) 2021-04-09

Family

ID=65019292

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180172893A KR102238092B1 (ko) 2017-12-29 2018-12-28 교환 가능한 에너지 저장 장치 스테이션들 사이에서 에너지를 동적으로 할당하기 위한 시스템 및 방법

Country Status (7)

Country Link
US (1) US10926742B2 (ko)
EP (1) EP3506188A1 (ko)
JP (2) JP2019145088A (ko)
KR (1) KR102238092B1 (ko)
CN (1) CN109986993B (ko)
PH (1) PH12019000005A1 (ko)
TW (1) TWI766138B (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210051901A (ko) * 2019-10-31 2021-05-10 호남대학교 산학협력단 클러스터링을 이용한 전력 밸런싱을 수행하기 위한 시스템, 이를 위한 장치 및 이를 위한 방법
WO2024080526A1 (ko) * 2022-10-14 2024-04-18 주식회사 엘지에너지솔루션 배터리 교환 스테이션 및 이의 동작 방법

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11063445B2 (en) 2017-12-05 2021-07-13 Green Cubes Technology, Llc Multi-cell battery management device
TWI751396B (zh) * 2017-12-29 2022-01-01 英屬開曼群島商睿能創意公司 管理複數個裝置交換站的方法及伺服器系統
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
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
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
US20220024340A1 (en) * 2018-11-29 2022-01-27 Honda Motor Co., Ltd. Battery use system, charging device, information processing device, battery use method, program, and storage medium
US11214163B2 (en) * 2018-12-04 2022-01-04 Cisco Technology, Inc. Coil association in multisite stationary wireless power transfer (WPT) and (quasi-)dynamic WPT deployments
US11590858B2 (en) * 2019-04-25 2023-02-28 Gogoro Inc. Systems and methods for managing information in vehicles
CN115004442A (zh) * 2020-02-07 2022-09-02 本田技研工业株式会社 充放电器、充放电器的控制方法及程序
US10796279B1 (en) 2020-04-07 2020-10-06 Coupang Corp. Systems and methods for automated outbound profile generation
CN111762051B (zh) * 2020-06-03 2022-09-02 国网上海市电力公司 基于聚合商的电动汽车参与受端电网低谷调峰需求响应调控方法
CN112721706B (zh) * 2020-12-08 2022-04-12 国网河南省电力公司经济技术研究院 考虑弹性的电动汽车充电站储能系统的容量优化方法
JP2023002354A (ja) 2021-06-22 2023-01-10 キヤノン株式会社 基地局装置、中継装置、制御方法、およびプログラム
JP2023132620A (ja) 2022-03-11 2023-09-22 本田技研工業株式会社 システム、プログラム及び方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120070651A (ko) * 2010-12-22 2012-07-02 한국전자통신연구원 전력공급 제어방법, 전력 관리 방법 및 전력 시스템
KR20120089399A (ko) * 2010-11-18 2012-08-10 삼성전자주식회사 전기차 충전 시스템 운영 방법, 서버 및 전기차의 단말
KR20130088874A (ko) * 2010-12-16 2013-08-08 알까뗄 루슨트 복수의 전기 에너지 차량의 에너지 수요를 예측하는 시스템 및 방법
KR20140078622A (ko) * 2011-08-16 2014-06-25 베터 플레이스 게엠베하 전력 보급소에 인접한 전기차량 식별
KR20160050976A (ko) * 2014-10-31 2016-05-11 중소기업은행 배터리 교환 스테이션을 이용한 전기차량 배터리 인증 시스템 및 방법

Family Cites Families (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000090348A (ja) 1998-09-09 2000-03-31 Honda Motor Co Ltd バッテリ充電装置及びバッテリ返却装置
US20030209375A1 (en) * 1999-01-25 2003-11-13 Zip Charge Corporation Electrical vehicle energy supply system, electrical vehicle battery, electrical vehicle battery charging apparatus, battery supply apparatus, and electrical vehicle battery management system
US7838142B2 (en) * 2006-02-09 2010-11-23 Scheucher Karl F Scalable intelligent power supply system and method
JP4998544B2 (ja) 2009-12-25 2012-08-15 トヨタ自動車株式会社 交換用蓄電装置の管理システムおよび交換用蓄電装置の管理方法
JP5439242B2 (ja) 2010-03-18 2014-03-12 株式会社東芝 エネルギーナビゲーション制御装置、エネルギーナビゲーションシステム、およびエネルギーナビゲータ
US9123035B2 (en) * 2011-04-22 2015-09-01 Angel A. Penilla Electric vehicle (EV) range extending charge systems, distributed networks of charge kiosks, and charge locating mobile apps
WO2013016542A2 (en) 2011-07-26 2013-01-31 Gogoro, Inc. Dynamically limiting vehicle operation for best effort economy
US10186094B2 (en) * 2011-07-26 2019-01-22 Gogoro Inc. Apparatus, method and article for providing locations of power storage device collection, charging and distribution machines
JP5693432B2 (ja) * 2011-11-09 2015-04-01 三菱重工業株式会社 充電料金算出装置及び充電料金算出方法並びにそのプログラム
US20130332370A1 (en) * 2012-06-06 2013-12-12 Searete Llc, A Limited Liability Corporation Of The State Of Delaware Replaceable battery valuation system
US11222485B2 (en) * 2013-03-12 2022-01-11 Gogoro Inc. Apparatus, method and article for providing information regarding a vehicle via a mobile device
US8798852B1 (en) 2013-03-14 2014-08-05 Gogoro, Inc. Apparatus, system, and method for authentication of vehicular components
WO2014150216A1 (en) 2013-03-15 2014-09-25 Gogoro, Inc. Modular system for collection and distribution of electric storage devices
CN103241130B (zh) * 2013-04-10 2015-07-22 华中科技大学 一种电动公交车充换电站的能量管理方法及系统
US9527394B1 (en) * 2013-05-02 2016-12-27 Dershuen Allen Tang Transportation system of combined vehicles multi-coupled at highway speeds for electrical energy transfer and sharing
JP5362930B1 (ja) 2013-07-04 2013-12-11 レスク株式会社 電動車両用バッテリ交換システム及びプログラム
EP3065977B1 (en) * 2013-11-08 2020-02-26 Gogoro Inc. Apparatus, method and article for providing vehicle event data
CN104670036B (zh) * 2013-11-28 2021-08-06 松下电器（美国）知识产权公司 信息输出方法以及信息输出系统
US10685364B2 (en) * 2014-02-27 2020-06-16 Here Global B.V. Method and apparatus for causing a recommendation of a point of interest
CN112026552B (zh) 2014-09-02 2021-10-01 葛炽昌 电动车的电力维持方法
JP6137497B2 (ja) * 2014-10-23 2017-05-31 トヨタ自動車株式会社 電力供給管理システム
JP6531384B2 (ja) 2014-12-17 2019-06-19 富士通株式会社 算出方法、算出プログラムおよび算出装置
KR101682788B1 (ko) 2015-01-28 2016-12-12 중소기업은행 전기자동차의 배터리 교환 시스템 및 방법
US9991716B2 (en) * 2015-02-26 2018-06-05 General Electric Company Delivery of multiple grid services with energy storage system
JP6572567B2 (ja) * 2015-03-12 2019-09-11 オムロン株式会社 交換価格設定装置、交換価格設定方法、プログラム、および記録媒体
KR102352434B1 (ko) 2015-05-29 2022-01-18 주식회사 피엠그로우 전기 차량의 배터리 교환 제어방법 및 장치
TWI625696B (zh) * 2015-08-04 2018-06-01 睿能創意公司 用於電動載具共享之方法、系統及非暫時性計算機可讀取的儲存媒體
JP6859592B2 (ja) 2015-11-17 2021-04-14 オムロン株式会社 充放電制御装置、充放電制御システムおよび充放電制御方法
JP6657828B2 (ja) * 2015-11-17 2020-03-04 オムロン株式会社 誘導装置、誘導システムおよび誘導方法
US9987938B2 (en) 2015-12-04 2018-06-05 General Electric Company Energy storage device, exchange apparatus, and method for exchanging an energy storage device
WO2017210170A1 (en) 2016-05-30 2017-12-07 The Board Of Trustees Of The University Of Alabama Wirelessly distributed and multi-directional power transfer systems and related methods
US9940840B1 (en) * 2016-10-06 2018-04-10 X Development Llc Smart platooning of vehicles
CN106408216B (zh) * 2016-11-03 2019-12-31 天津大学 基于电动汽车换电站时序响应模型的充电计划制定方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120089399A (ko) * 2010-11-18 2012-08-10 삼성전자주식회사 전기차 충전 시스템 운영 방법, 서버 및 전기차의 단말
KR20130088874A (ko) * 2010-12-16 2013-08-08 알까뗄 루슨트 복수의 전기 에너지 차량의 에너지 수요를 예측하는 시스템 및 방법
KR20120070651A (ko) * 2010-12-22 2012-07-02 한국전자통신연구원 전력공급 제어방법, 전력 관리 방법 및 전력 시스템
KR20140078622A (ko) * 2011-08-16 2014-06-25 베터 플레이스 게엠베하 전력 보급소에 인접한 전기차량 식별
KR20160050976A (ko) * 2014-10-31 2016-05-11 중소기업은행 배터리 교환 스테이션을 이용한 전기차량 배터리 인증 시스템 및 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210051901A (ko) * 2019-10-31 2021-05-10 호남대학교 산학협력단 클러스터링을 이용한 전력 밸런싱을 수행하기 위한 시스템, 이를 위한 장치 및 이를 위한 방법
WO2024080526A1 (ko) * 2022-10-14 2024-04-18 주식회사 엘지에너지솔루션 배터리 교환 스테이션 및 이의 동작 방법

Also Published As

Publication number Publication date
TW201931284A (zh) 2019-08-01
JP2021103549A (ja) 2021-07-15
PH12019000005A1 (en) 2019-07-24
US10926742B2 (en) 2021-02-23
US20190202415A1 (en) 2019-07-04
CN109986993A (zh) 2019-07-09
TWI766138B (zh) 2022-06-01
CN109986993B (zh) 2022-06-28
EP3506188A1 (en) 2019-07-03
KR102238092B1 (ko) 2021-04-09
JP2019145088A (ja) 2019-08-29

Similar Documents

Publication Publication Date Title
KR102238092B1 (ko) 교환 가능한 에너지 저장 장치 스테이션들 사이에서 에너지를 동적으로 할당하기 위한 시스템 및 방법
KR102286936B1 (ko) 교환 가능한 에너지 저장 장치에 대한 수요를 예측하기 위한 시스템 및 방법
US11136008B2 (en) Systems and methods for managing exchangeable energy storage device stations
CN109993342B (zh) 决定及管理电池充电规则的系统与方法
JP6745867B2 (ja) 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
JP7108158B2 (ja) 航空輸送ネットワークにおける効率的なｖｔｏｌリソース管理
JP7253041B2 (ja) 輸送サービスプロバイダを管理する方法、当該方法を実施するための命令を含むコンピュータプログラム、当該方法を実行させる命令を記憶する非一時記憶媒体、及び輸送サービスプロバイダを管理するための装置
EP3785217A1 (en) Determining vtol departure time in an aviation transport network for efficient resource management
CN111428137B (zh) 一种电动汽车充电设施的推荐方法及推荐装置
WO2019146263A1 (ja) 情報処理システム、情報処理装置、および情報処理方法
Fescioglu-Unver et al. Electric vehicle charging service operations: A review of machine learning applications for infrastructure planning, control, pricing and routing
Ahadi et al. Cooperative learning for smart charging of shared autonomous vehicle fleets
CN112288272B (zh) 基于需求演化与流量传播的地铁客流调控计划编制方法
Mishra et al. Optimization of headway and bus stop spacing for low demand bus routes
Chen et al. Modeling the influence of charging cost on electric ride-hailing vehicles

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