KR20240017357A - 전기 차량 충전 배전을 위한 시스템 및 방법 - Google Patents
전기 차량 충전 배전을 위한 시스템 및 방법 Download PDFInfo
- Publication number
- KR20240017357A KR20240017357A KR1020237042525A KR20237042525A KR20240017357A KR 20240017357 A KR20240017357 A KR 20240017357A KR 1020237042525 A KR1020237042525 A KR 1020237042525A KR 20237042525 A KR20237042525 A KR 20237042525A KR 20240017357 A KR20240017357 A KR 20240017357A
- Authority
- KR
- South Korea
- Prior art keywords
- charging
- site
- energy storage
- data
- power
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 147
- 238000009826 distribution Methods 0.000 title claims description 41
- 238000004146 energy storage Methods 0.000 claims abstract description 132
- 238000013461 design Methods 0.000 claims abstract description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 59
- 238000004891 communication Methods 0.000 claims description 55
- 238000010801 machine learning Methods 0.000 claims description 51
- 238000001816 cooling Methods 0.000 claims description 44
- 238000012545 processing Methods 0.000 claims description 20
- 230000011664 signaling Effects 0.000 claims description 18
- 230000015556 catabolic process Effects 0.000 claims description 11
- 238000006731 degradation reaction Methods 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000007599 discharging Methods 0.000 claims description 4
- 239000003086 colorant Substances 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 230000006399 behavior Effects 0.000 claims description 2
- 230000003139 buffering effect Effects 0.000 claims description 2
- 230000001413 cellular effect Effects 0.000 claims description 2
- 230000017525 heat dissipation Effects 0.000 claims description 2
- 230000000977 initiatory effect Effects 0.000 claims description 2
- 231100000279 safety data Toxicity 0.000 claims description 2
- 238000012549 training Methods 0.000 description 45
- 230000008569 process Effects 0.000 description 35
- 238000003860 storage Methods 0.000 description 25
- 238000013473 artificial intelligence Methods 0.000 description 24
- 230000006870 function Effects 0.000 description 18
- 230000015654 memory Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 10
- 230000008901 benefit Effects 0.000 description 8
- 238000010438 heat treatment Methods 0.000 description 8
- 238000012417 linear regression Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 8
- 239000004020 conductor Substances 0.000 description 7
- 238000012952 Resampling Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 238000012706 support-vector machine Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 230000001419 dependent effect Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 238000013500 data storage Methods 0.000 description 4
- 238000007477 logistic regression Methods 0.000 description 4
- 230000002441 reversible effect Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000009423 ventilation Methods 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000003064 k means clustering Methods 0.000 description 3
- 238000011068 loading method Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000036961 partial effect Effects 0.000 description 3
- 238000000513 principal component analysis Methods 0.000 description 3
- 238000012628 principal component regression Methods 0.000 description 3
- 238000007637 random forest analysis Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 2
- 244000107946 Spondias cytherea Species 0.000 description 2
- BNOODXBBXFZASF-UHFFFAOYSA-N [Na].[S] Chemical compound [Na].[S] BNOODXBBXFZASF-UHFFFAOYSA-N 0.000 description 2
- 239000002253 acid Substances 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 230000001351 cycling effect Effects 0.000 description 2
- 230000002542 deteriorative effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 229910001416 lithium ion Inorganic materials 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000004513 sizing Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 101000740587 Botryotinia fuckeliana Presilphiperfolan-8-beta-ol synthase Proteins 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 101000581802 Homo sapiens Lithostathine-1-alpha Proteins 0.000 description 1
- 102100027361 Lithostathine-1-alpha Human genes 0.000 description 1
- ZRXYMHTYEQQBLN-UHFFFAOYSA-N [Br].[Zn] Chemical compound [Br].[Zn] ZRXYMHTYEQQBLN-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 125000003275 alpha amino acid group Chemical group 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- OJIJEKBXJYRIBZ-UHFFFAOYSA-N cadmium nickel Chemical compound [Ni].[Cd] OJIJEKBXJYRIBZ-UHFFFAOYSA-N 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000004200 deflagration Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000011985 exploratory data analysis Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 238000011049 filling Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 239000010454 slate Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
- B60L53/60—Monitoring or controlling charging stations
- B60L53/67—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
- B60L53/30—Constructional details of 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
- B60L53/30—Constructional details of charging stations
- B60L53/302—Cooling of charging equipment
-
- 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
- B60L53/50—Charging stations characterised by energy-storage or power-generation means
- B60L53/53—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
- B60L53/66—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
- 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
- B60L58/24—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries for controlling the temperature of batteries
- B60L58/26—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries for controlling the temperature of batteries by cooling
-
- 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
- B60L58/24—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries for controlling the temperature of batteries
- B60L58/27—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries for controlling the temperature of batteries by heating
-
- 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
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
- H02J13/00016—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment using a wired telecommunication network or a data transmission bus
-
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
-
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
- H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
-
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/388—Islanding, i.e. disconnection of local power supply from the network
-
- 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
- B60L2240/545—Temperature
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2260/00—Operating Modes
- B60L2260/40—Control modes
- B60L2260/46—Control modes by self learning
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/12—Electric charging stations
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Computer Networks & Wireless Communication (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
EV 충전 사이트에서 전력 관리를 위한 시스템 및 방법이 본원에 개시된다. 방법은 복수의 전기 공급기의 크기를 결정하는 단계를 포함할 수 있다. 일단 공급기의 크기가 결정되면, 사이트는 복수의 에너지 저장 시스템을 복수의 전기 공급기에 연결한다. 이어서, 사이트는 복수의 전기 부하를 복수의 에너지 저장 시스템에 그리고 전기 공급기에 연결한다. 복수의 전기 부하의 전기 부하는 복수의 에너지 저장 시스템의 하나 이상의 에너지 저장 시스템과 함께 배치된다. 다음으로, 복수의 전기 공급기 중 하나의 전기 공급기의 경우, 사이트는 전기 공급기의 하나 이상의 연결점에서 복수의 전기 부하 중 하나의 부하로의 전류 흐름을 모니터링한다. 이어서, 전기 공급기에서 전류 또는 온도를 설계 한계 미만으로 유지하면서, 사이트는 전기 공급기로부터 부하로 전력을 제공한다.
Description
상호 참조
본 출원은 2021년 5월 14일자로 출원된 미국 가특허 출원 제63/188,828호의 이익을 주장하며, 이는 전체적으로 본원에 참고로 포함된다.
배전 시스템은 사이트 전체의 여러 위치에 전력을 분배할 수 있다. 하나의 사이트는 전기 차량("EV") 충전 사이트 및 다수의 건물을 가질 수 있다. EV 충전 사이트는 상이한 사용 패턴을 갖는 다수의 EV 충전 스테이션을 가질 수 있다. 건물에는 EV 충전 사이트보다 더 예측가능한 사용 패턴을 갖는 개별 부하가 있을 수 있다. 일부 경우에, 배전 시스템은 사이트에 대해 요구되는 모든 전력을 제1 전력 사용 지점까지 전달하는 대형 공급기에서 전력을 분배하며, 여기서 그것은 전체 사이트를 공급할 수 있는 크기의 주 차단기에서 종료된다. 주 배전반("MDP")에서의 개별 차단기로부터 추가 배전이 있을 수 있다. 이러한 전력 공급 방법은, 비싸고 어려운 배선 작업을 요구할 수 있는, MDP로부터 새로운 부하를 공급해야 하므로, 미래 확장을 어렵게 만들 수 있다. 새로운 부하를 추가하려면 유틸리티 업그레이드가 필요할 수도 있다.
본 개시는 기존의 전기 차량("EV") 충전 솔루션보다 더 효율적이고 저렴한 EV 충전 사이트를 특징으로 할 수 있는 EV 충전 배전을 위한 시스템 및 방법을 제공한다. EV 충전 사이트는 배터리 에너지 저장 시스템("BESS")을 프로비저닝하고 탈프로비저닝함으로써 또는 개별 배터리 에너지 저장 시스템 내에 컴포넌트를 추가하거나 제거함으로써 전력 요건을 변경하는 것에 유연하게 적응할 수 있다. 또한, 배터리 에너지 저장 시스템이 마이크로-피커로서 작동될 수 있기 때문에, 개시된 시스템은, 필요에 따라 배터리 에너지 저장 시스템을 추가함으로써 전력이 사이트에 주입될 수 있으므로, 주 유틸리티 공급의 크기가 작아질 수 있다. EV 충전 사이트는 또한 예비 전력 용량이 없거나 제한된 건물 전력 시스템에 연결될 수 있다. EV 충전 사이트는 피크가 아닐 때 사용 가능한 예비 전력을 사용하여 건물 내 나머지 시스템이 최대 용량으로 작동하는 동안 EV 충전 사이트 리소스에 전력을 공급할 수 있다. 상기 EV 충전 사이트는 또한 기존의 EV 충전 사이트보다 중단에 대한 탄력성이 더 뛰어날 수 있다. 각 사이트가 마이크로그리드 중 하나의 마이크로그리드로서 작동될 수 있기 때문에, 하나의 마이크로그리드의 중단은 다른 마이크로그리드의 중단을 초래하지 않을 수 있다.
본 개시는 또한, 사이트 효율을 개선하기 위해 EV 충전 사이트에 의해 수행되는 인공 지능(AI) 처리 작업을 포함할 수 있는 시스템 및 방법을 제공한다. EV 충전 사이트는 센서 또는 다른 방법을 사용하여 데이터를 수집하고, 연결된 컴퓨팅 장치를 사용하여 데이터를 처리할 수 있다. EV 충전 사이트는 기계 학습 또는 인공 지능 알고리즘을 사용하여 데이터를 처리하여 사이트가 사이트에 연결된 부하에 대한 전력 흐름을 제어하는 데 사용할 수 있는 실행 가능한 예측을 생성할 수 있다. 이러한 예측은 사이트가 마이크로그리드 중에서 EV 충전 스테이션을 분할하여 충전 우선순위를 더 잘 지정하고, 배터리 에너지 저장 시스템에서 적응적 다중 모드 냉각을 수행하고, 충전 서비스에 대한 청구를 최적화하고, 성능 저하된 자산을 탈프로비저닝하고, EV 충전 스테이션 스케줄링 및 부하 밸런싱 작업을 수행하게 할 수 있다.
본 개시는 또한, 스테이션이 충전에 필요한 백엔드 컴퓨팅 리소스에 액세스할 수 없는 경우 EV 스테이션이 전기 차량을 충전할 수 있도록, EV 충전 사이트의 제어 엔티티와 사이트 EV 충전 스테이션 사이의 통신을 재확립하기 위한 방법을 제공한다. 사용자 장치는, EV 충전 스테이션에 연결된 후에, 네트워크를 통해 제어 엔티티에 직접 연결될 수 있다. 이어서, EV 충전 스테이션이 사용자의 전기 차량을 충전하는 데 필요한 명령어 또는 리소스를 검색할 수 있도록 EV 충전 스테이션과 제어 엔티티 사이의 링크를 확립할 수 있다.
본 개시는 또한 충전기로부터 제1 응답자의 차량으로 비상 전력을 제공하기 위한 프로세스를 포함할 수 있는 시스템 및 방법을 제공한다. EV 충전 사이트는 비상 응답자를 인증한 다음, 상기 응답자에게 비상 전력을 제공할 수 있다. 상기 프로세스는 지불 기능을 무시하여, 응답자가 저렴한 비용으로 또는 무료로 충전하게 할 수 있다. 상기 프로세스는 비상 응답자의 전기 차량에 대한 충전 리소스를 확보하기 위해 다른 비긴급 로컬 부하를 유휴할 수 있다. 본 개시는 또한 추가 비상 전력이 필요할 때 비상 전력 인프라(예: 발전기)에 연결하기 위한 프로세스를 설명한다.
일 양태에서, 본 개시는 전기(EV) 충전 사이트에서의 배전 방법을 제공하며, 여기서 상기 EV 충전 사이트는 복수의 EV 충전 스테이션과 함께 배치된 복수의 에너지 저장 시스템을 포함하고, 상기 EV 충전 스테이션 및 상기 에너지 저장 시스템은 복수의 전기 공급기에 의해 그리드 또는 다른 전원에 연결된다. 상기 방법은 상기 복수의 전기 공급기 중 하나의 전기 공급기(본원에서 "배전 공급기"로 상호 교환가능하게 지칭됨)에 대해, 상기 전기 공급기의 하나 이상의 연결점에서 상기 복수의 전기 부하 중 하나의 전기 부하에 대한 전류 흐름을 모니터링하는 단계; 상기 전류가 설계 한계를 초과하는 경우, 상기 전기 부하로의 전류의 흐름을 중단하고 에너지 저장 시스템으로부터 전류를 제공하는 단계; 및 상기 전류가 상기 설계 한계 미만인 경우, 상기 전기 부하로의 전류의 흐름을 유지하고 상기 복수의 에너지 저장 시스템 중 하나 이상을 충전하는 단계를 포함한다. 일부 실시예에서, 상기 전기 부하로의 상기 전류의 흐름을 중단하는 것은 신호를 차단기로 송신하는 것을 포함한다. 일부 실시예에서, 상기 에너지 저장 시스템은 배터리 에너지 저장 시스템이다. 일부 실시예에서, 전류의 흐름을 유지하는 것은 훈련된 기계 학습 알고리즘을 사용하여 전류 흐름 경로의 자동 재구성을 포함한다. 일부 실시예에서, 기계 학습 알고리즘은 에너지 저장 시스템의 충전 및 방전을 구성할 때를 결정한다. 일부 실시예에서, 전류 흐름을 모니터링하는 것은 연속적으로 수행된다. 일부 실시예에서, 하나 이상의 연결점 중 하나의 연결점은 계량기 옆 또는 변압기 옆에 있다. 일부 실시예에서, 상기 방법은 복수의 전기 부하 중 하나 이상의 요건이 변경될 때 하나 이상의 추가 에너지 저장 시스템을 연결하는 단계를 추가로 포함한다. 일부 실시예에서, 복수의 에너지 저장 시스템은 MESH 네트워크를 사용하여 연결된다. 일부 실시예에서, 복수의 에너지 저장 시스템은 단일 유닛으로서 제어 가능하다. 일부 실시예에서, 복수의 에너지 저장 시스템은 개별적으로 제어 가능한 하나 이상의 에너지 저장 시스템을 포함한다.
다른 양태에서, 본 개시는 EV 충전 사이트에서 복수의 EV 충전 스테이션 중 하나의 EV 충전 스테이션을 선택하기 위한 방법을 제공한다. 상기 방법은 복수의 전기 차량 충전 각각의 하나 이상의 파라미터를 획득하되, 하나 이상의 파라미터는 효율, 온도, 및 전압 강하 중 하나 이상을 포함하는 단계; 전기 차량 충전 사이트에서 복수의 전기 차량 충전기에 대한 사용 스케줄을 결정하기 위해 컴퓨터가 하나 이상의 파라미터를 처리하는 단계; 및 사용 스케줄에 기초하여, 사용자가 사용할 EV 충전 스테이션을 선택하는 단계를 포함한다. 일부 실시예에서, 상기 방법은 선택된 EV 충전 스테이션을 사용자에게 나타내는 단계를 추가로 포함한다. 일부 실시예에서, 상기 나타내는 것은 현장 공지를 사용하거나 전자 디스플레이를 통해 제공된다. 일부 실시예에서, 현장 공지는 시각적이거나 청각적이다. 일부 실시예에서, 전자 디스플레이는 사용자 장치이다. 일부 실시예에서, 상기 나타내는 것은 모바일 애플리케이션을 사용하여 수행된다. 일부 실시예에서, 하나 이상의 파라미터는 광고 정보 및 사용자 장치로부터 획득된 사용자 정보를 추가로 포함한다. 일부 실시예에서, 사용 스케줄을 결정하는 것은 컴퓨터가 성능 저하 데이터, 경제 데이터, 근접 데이터, 또는 사용자 데이터를 처리하는 것을 추가로 포함한다. 일부 실시예에서, 성능 저하 데이터는 상승된 온도, 효율 손실, 또는 팬 속도, 팬 작동 시간, 팬 압력, 전압, 전류 소모 또는 에너지 저장 시스템에 의해 전달되는 에너지의 예상치 못한 변화의 존재를 포함하거나 이에 해당한다. 일부 실시예에서, 경제 데이터는 구매 패턴, 충전 요금, 또는 사용자 구매 거동이다. 일부 실시예에서, 근접 데이터는 소매 엔티티, 날씨 데이터, 자연 재해 데이터, 또는 위치 안전 데이터에 대한 근접성이다. 일부 실시예에서, 사용자 데이터는 주차 우선순위 데이터, 차량 유형, 또는 차량 용도이다.
다른 양태에서, 본 개시는 에너지 저장 유닛의 예측 냉각을 수행하기 위한 방법을 제공한다. 상기 방법은 에너지 저장 시스템의 복수의 작동 상태를 결정하기 위해 교정 루틴을 구현하는 단계; 상기 에너지 저장 시스템의 사용 프로필을 결정하는 단계; 및 상기 교정 루틴 및 상기 사용 프로필에 기초하여 상기 에너지 저장 시스템의 다중모드 냉각을 개시하되, 상기 다중 모드 냉각은, 상기 사용 프로필 및 상기 교정 루틴에 기초하여, 공기 냉각, 열 파이프 냉각, 및 이코노마이저 냉각 중 적어도 2개를 포함하는 단계를 포함한다. 일부 실시예에서, 사용 프로필은 사용량이 많은 기간과 사용량이 적은 기간을 포함한다. 일부 실시예에서, 다중 모드 냉각은 사용량이 많은 기간 동안 에너지 저장 시스템의 온도를 낮추고 사용량이 적은 기간 동안 에너지 저장 시스템의 온도를 높이는 것을 추가로 포함한다. 일부 실시예에서, 복수의 작동 상태는 피크 온도, 평균 온도, 및 수명 평균 온도를 포함한다. 일부 실시예에서, 교정 루틴은 복수의 작동 상태를 결정하기 위해 훈련된 기계 학습 알고리즘을 사용하고, 여기서 훈련된 기계 학습 알고리즘은 방열 데이터, 임피던스 데이터, 연령 데이터, 또는 외부 온도 데이터 중 하나 이상을 처리한다.
다른 양태에서, 본 개시는 EV 충전 스테이션의 사용자에게 정보를 디스플레이하기 위한 시스템을 제공하고, 상기 시스템은 사용자, EV 충전 스테이션, 사용자의 전기 차량, 또는 EV 충전 스테이션을 포함하는 EV 충전 사이트에 관한 데이터를 수집하기 위한 하나 이상의 센서; 신호를 생성하도록 상기 정보를 처리하기 위한 하나 이상의 컴퓨팅 장치; 및 신호를 사용자에게 송신하기 위한 시청각 신호 장치를 포함하되, 시청각 신호 장치는 EV 충전 스테이션 또는 EV 충전 사이트의 일부에 배치된다. 일부 실시예에서, 시청각 신호 장치는 차량의 충전 상태, 충전 자산의 이용 가능성, 비용, 주차 위치, 또는 차량에 대한 서비스 요건, 또는 차량의 충전 상태를 디스플레이한다. 일부 실시예에서, 시청각 신호 장치는 조명, 스피커, 경보, 깃발, 표지판, 이동 그래픽, 전자 스크린, 또는 다른 시각적 또는 청각적 신호이다. 일부 실시예에서, 시청각 신호 장치는 머리 위 구조물, 버스 통로, 수직 구조물, 충전 스탠드, 독립 지지대, 배터리 시스템 인클로저, 또는 기타 장치에 설치된다. 일부 실시예에서, 시청각 신호 장치는 색상, 패턴, 기록 메시지, 이동 그래픽, 청각 신호를 주차 공간/차도 상에 또는 주차 공간 또는 충전 칸 근처 또는 부근에 투영한다.
다른 양태에서, 본 개시는 전기 차량(EV) 충전 스테이션에 대한 사용자 비상 액세스를 제공하기 위한 방법을 제공한다. 본 방법은 (a) EV 충전 스테이션에 액세스하기 위해 사용자로부터 요청을 수신하는 단계; (b) 상기 요청이 유효한 것으로 결정하는 단계; (C) (b)에 응답하여, 상기 EV 충전 스테이션에 대한 상기 사용자 액세스를 제공하는 단계; 및 (d) 하나 이상의 부하를 국부적으로 유휴하되, 상기 하나 이상의 부하는 상기 사용자의 차량이 아닌 단계를 포함할 수 있다. 일부 실시예에서, 상기 방법은 사용자의 차량의 충전 요금을 올리는 단계를 추가로 포함한다. 일부 실시예에서, 상기 방법은 충전 스테이션에 대한 차량의 액세스와 관련된 하나 이상의 비상 작동 조건을 네트워크 연결 위치로 송신하는 단계를 추가로 포함한다. 일부 실시예에서, 상기 방법은 차량 충전 스테이션의 지불 기능을 비활성화하는 단계를 추가로 포함한다. 일부 실시예에서, 상기 방법은 차량 충전 스테이션의 전력 제한을 무시하는 단계를 추가로 포함한다. 일부 실시예에서, 상기 요청은 무선 주파수 식별(RFID) 신호, 보안 코드, 또는 전자 키를 포함한다.
다른 양태에서, 본 개시는 EV 충전 스테이션과 원격 서버 사이의 끊어진 통신을 재확립하는 방법을 제공한다. 상기 방법은 EV 충전 스테이션과 사용자의 모바일 장치 또는 전기 차량 사이에 제1 통신 링크를 확립하는 단계; 상기 모바일 장치 또는 상기 전기 차량과 상기 원격 서버 사이에 제2 통신 링크를 확립하는 단계; 상기 제1 통신 링크 및 상기 제2 통신 링크를 사용하여, 상기 전기 차량 충전기와 상기 원격 서버 사이의 상기 끊어진 연결을 재확립하는 단계; 및 오류 또는 실패에 대해 상기 재확립된 연결을 모니터링하는 단계를 포함한다. 일부 실시예에서, 제1 통신 링크는 블루투스, MESH, 또는 와이파이 링크이다. 일부 실시예에서, 제2 통신 링크는 셀룰러 또는 위성 링크이다.
다른 양태에서, 본 개시는 EV 충전 스테이션과 전기 차량 사이의 링크를 재확립하는 방법을 제공한다. 상기 방법은 (a) 명령을 제어 엔티티로부터 상기 EV 충전 스테이션으로 순환시키는 단계; (b) 통신 전력을 상기 EV 충전 스테이션으로 순환시키는 단계 및 (c) 상기 EV 충전 스테이션을 재부팅하는 단계를 포함한다. 일부 실시예에서, 상기 방법은 전기 차량과 EV 충전 스테이션 사이의 통신을 위한 데이터를 국부적으로 버퍼링하는 단계를 추가로 포함한다.
다른 양태에서, 본 개시는 EV 충전 사이트에서 하나 이상의 EV 충전 스테이션으로부터의 전력의 공급을 조절하기 위한 방법을 제공한다. 상기 방법은 EV 충전 사이트에서의 전력에 대한 수요에 관한 데이터를 획득하는 단계; 상기 데이터를 처리하여 상기 하나 이상의 EV 충전 스테이션에 대한 전력 공급의 변화를 결정하는 단계; 및 상기 전력 공급의 변화에 응답하여, 상기 하나 이상의 EV 충전 스테이션 중 적어도 하나가 동작을 수행하도록 유도하는 단계를 포함한다. 일부 실시예에서, 상기 데이터는 유틸리티 요금제, 수요 요금, 총 사이트 수요, 하나 이상의 수요 이벤트의 존재, 및 에너지 저장 시스템의 상태이다. 일부 실시예에서, 상기 동작은 전기 차량을 충전하는 비용을 감소시키거나, 전기 차량을 충전하는 비용을 증가시키거나, 또는 전기 차량의 사용자에게 제안을 제공하는 것이다.
본 개시의 다른 양태는, 하나 이상의 컴퓨터 프로세서에 의한 실행 시, 본원의 위의 또는 다른 곳의 임의의 방법을 구현하는 기계 실행 가능 코드를 포함하는 비일시적 컴퓨터 판독가능 매체를 제공한다.
본 개시의 다른 양태는 하나 이상의 컴퓨터 프로세서 및 이에 결합된 컴퓨터 메모리를 포함하는 시스템을 제공한다. 컴퓨터 메모리는, 하나 이상의 컴퓨터 프로세서에 의한 실행 시, 본원의 위의 또는 다른 곳의 임의의 방법을 구현하는 기계 실행 가능 코드를 포함한다.
본 개시의 추가적인 양태 및 이점은 하기의 상세한 설명으로부터 당업자에게 쉽게 명백해질 것이며, 여기서 본 개시의 단지 예시적인 실시예만이 도시되고 설명된다. 이해되는 바와 같이, 본 개시는 다른 및 상이한 실시예가 가능하고, 그의 몇몇 세부사항은 모두 본 개시로부터 벗어남이 없이 다양하고 명백한 측면에서 수정될 수 있다. 따라서, 도면 및 설명은 본질적으로 예시적인 것으로 간주되어야 하며 제한적이지 않다.
참조에 의한 통합
본 명세서에 언급된 모든 간행물, 특허 및 특허 출원은 각각의 개별 간행물, 특허, 또는 특허 출원이 구체적으로 그리고 개별적으로 참고로 포함되도록 표시되는 것과 동일한 정도로 참고로 본원에 포함된다.
참조로 포함된 간행물, 특허 또는 특허 출원이 명세서에 포함된 개시와 모순되는 경우, 명세서는 그러한 모순되는 자료를 대체하거나 우선시하도록 의도된다.
본 발명의 신규한 특징은 첨부된 청구범위에서 특별히 설명된다. 본 발명의 특징과 이점에 대한 더 나은 이해는 본 발명의 원리가 활용되는 예시적인 실시예를 설명하는 다음의 상세한 설명과 다음의 첨부 도면(본원에서 "그림" 및 "도")을 참조하여 얻어질 것이다.
도 1은 전기 차량(EV) 충전 사이트를 개략적으로 도시한다.
도 2는 도 1의 EV 충전 사이트에서 전기 부하의 전류 인출을 제어하는 하위 시스템을 개략적으로 도시한다.
도 3은 배터리 에너지 저장 시스템(BESS)을 연결하는 프로세스의 흐름도이다.
도 4는 인공 지능을 사용하여 전력 전달을 자동으로 재구성하는 프로세스의 흐름도이다.
도 5는 통신 실패의 경우 EV 충전 스테이션과 전기 차량 사이의 통신을 처리하는 프로세스의 흐름도이다.
도 6은 BESS 및 EV 충전 사이트로부터 수집된 데이터에 대해 기계 학습 분석을 수행함으로써 배터리 에너지 저장 시스템을 적응적으로 냉각하는 프로세스의 흐름도이다.
도 7은 충전기로부터 제1 응답자의 차량으로 비상 전력을 제공하는 프로세스의 흐름도이다.
도 8은 추가 전력이 필요한 경우 비상 인프라를 연결하는 프로세스의 흐름도이다.
도 9는 성능 저하된 EV 충전소 자산을 탈프로비저닝하는 프로세스의 흐름도이다.
도 10은 본원에 제공된 방법을 구현하도록 프로그래밍되거나 달리 구성된 컴퓨터 시스템을 개략적으로 도시한다.
도 1은 전기 차량(EV) 충전 사이트를 개략적으로 도시한다.
도 2는 도 1의 EV 충전 사이트에서 전기 부하의 전류 인출을 제어하는 하위 시스템을 개략적으로 도시한다.
도 3은 배터리 에너지 저장 시스템(BESS)을 연결하는 프로세스의 흐름도이다.
도 4는 인공 지능을 사용하여 전력 전달을 자동으로 재구성하는 프로세스의 흐름도이다.
도 5는 통신 실패의 경우 EV 충전 스테이션과 전기 차량 사이의 통신을 처리하는 프로세스의 흐름도이다.
도 6은 BESS 및 EV 충전 사이트로부터 수집된 데이터에 대해 기계 학습 분석을 수행함으로써 배터리 에너지 저장 시스템을 적응적으로 냉각하는 프로세스의 흐름도이다.
도 7은 충전기로부터 제1 응답자의 차량으로 비상 전력을 제공하는 프로세스의 흐름도이다.
도 8은 추가 전력이 필요한 경우 비상 인프라를 연결하는 프로세스의 흐름도이다.
도 9는 성능 저하된 EV 충전소 자산을 탈프로비저닝하는 프로세스의 흐름도이다.
도 10은 본원에 제공된 방법을 구현하도록 프로그래밍되거나 달리 구성된 컴퓨터 시스템을 개략적으로 도시한다.
본 발명의 다양한 실시예가 본원에 도시되고 설명되었지만, 이러한 실시예는 단지 예로서 제공됨이 당업자에게 명백할 것이다. 본 발명으로부터 벗어남이 없이 당업자에게 많은 변형, 변경 및 치환이 발생할 수 있다. 본원에 기재된 본 발명의 실시예에 대한 다양한 대안이 이용될 수 있음을 이해해야 한다.
용어 "적어도", "초과", 또는 "이상"이 일련의 2개 이상의 수치 값에서 제1 수치에 선행할 때마다, 용어 "적어도", "초과" 또는 "이상"은 해당 일련의 수치 값의 각각의 수치 값에 적용된다. 예를 들어, 1, 2 또는 3 이상은 1 이상, 2 이상, 3 이상과 같다.
용어 "이하", "미만" 또는 "이하"가 일련의 2개 이상의 수치 값의 제1 수치에 선행할 때마다, 용어 "이하", "미만" 또는 "이하"는 해당 일련의 수치 값의 각각의 수치 값에 적용된다. 예를 들어, 3, 2, 또는 1 이하는 3 이하, 2 이하, 또는 1 이하와 같다.
전기 차량("EV") 충전 사이트에 대한 개시된 배전 방법은 현장 EV 충전 스테이션의 덜 비싸고 더 효율적인 작동을 가능하게 할 수 있다. 이러한 효율을 달성하기 위해, 개시된 EV 충전 사이트는 사이트 최대 부하의 100% 훨씬 미만을 전달하는 연결에서 EV 충전기를 작동할 수 있다. 이러한 연결은 다른 EV 충전 사이트에서의 것보다 상당히 더 작을 수 있다. 상기 사이트는 분산 에너지원(예: 배터리 에너지 저장 시스템("BESS"))을 이용함으로써 이러한 결과를 달성할 수 있다. 주 유틸리티 공급은 균일한 크기로 전체 사이트에 걸쳐 실행되어, 전체 사이트에 걸쳐 유틸리티 전력의 100%의 공급을 가능하게 할 수 있다. 본원에 개시된 시스템 및 방법은 (1) DC EV 분배 시스템, 사용 사례, 및 애플리케이션 및/또는 (2) AC EV 분배 시스템, 사용 사례, 및 애플리케이션에 대해 구현될 수 있다. 본원에 개시된 시스템 및 방법은 DC 및 AC EV 분배 시스템, 사용 사례, 및 애플리케이션 둘 모두에 대해 구현될 수 있다.
EV 충전 사이트는 다음의 원리에 따라 작동할 수 있다: (1) 주 공급기를 통한 전력 흐름은 법적 공급기 용량으로 능동적으로 제한될 수 있다; (2) 전력은 공급기 또는 유틸리티 연결의 능력을 초과하는 임의의 부하를 충족하기 위해 로컬 배터리 에너지 저장 시스템으로부터 방전될 수 있다; (3) 전력은 로컬 배터리 에너지 저장 시스템으로부터 방전되어 사이트 상의 다른 위치에서 비-로컬 부하를 서빙할 수 있고; (4) 주 공급기에 예비 전력 용량이 존재할 때마다 배터리 에너지 저장 시스템(BESS)은 재충전될 수 있고; (5) 태양광 PV, DER, 발전기 등을 포함한, 사이트 상의 다른 공급원으로부터 전력을 사용할 수 있다. 일부 경우에서, EV 충전 사이트는 부하 스케줄에 따라 제어될 수 있다. EV 충전 사이트에서의 배전은 수요가 많은 시기 또는 전체 전력 감소를 야기하는 자연재해나 공공 안전 전력 차단(PSPS 또는 기타 전력 중단)으로 인해 전력 축소 사태와 연관된 제한 기간 동안 규제될 수 있다. 시스템은 공급기 크기에 관한 정보 및 열 센서로부터의 정보를 사용하여, 로컬 부하에 대해 공급기 내에서 유동하는 전류량의 증가 레벨을 결정할 수 있다.
도 1은 전기 차량("EV") 충전 사이트(100)를 도시한다. EV 충전 사이트(100)는 전기 그리드(120)에 연결될 수 있다. 송전선 및/또는 배전선은 발전원으로부터 EV 충전 사이트(100)로 전력을 라우팅할 수 있다. 변압기는 송전선 및/또는 배전선으로부터의 전압을 낮추어 EV 충전 스테이션 또는 다른 충전 사이트 종점(예: 배터리 또는 다른 에너지 저장 시스템, 컴퓨팅 장치, 조명, 가열, 환기, 및 냉각 유닛(HVAC), 가열, 환기, 및 냉각 유닛(HVAC), 시청각 신호 장치, 또는 다른 종점)으로의 전달에 적합한 전압 레벨을 만들 수 있다. EV 충전 사이트(100)는 교류(AC) 또는 직류(DC) 전력을 전달할 수 있다. EV 충전 사이트는 전력의 분배를 용이하게 하기 위해 분배반 또는 배전반을 사용할 수 있다. EV 충전 사이트(100)는 급전선(110), EV 충전 스테이션(140A-B), 컴퓨팅 장치(180), 네트워크(170), 센서(190), 시청각 신호 장치(150), 배터리 에너지 저장 시스템(130), 및 HVAC(160)를 포함할 수 있다.
급전선(110)은 변압기로부터 EV 충전 스테이션으로 그리고 EV 충전 사이트(100) 내의 다른 전기 컴포넌트로 송전할 수 있다.
EV 충전 스테이션(140A, 140B)은 전력 그리드 또는 하나 이상의 다른 전원으로부터의 전력을 공급함으로써 전기 차량의 배터리를 충전한다. EV 충전 스테이션(140)은 야간 충전기 또는 고속 충전기일 수 있다. EV 충전 스테이션(140)은 전기 차량이 플러그를 꽂을 수 있는 리셉터클이거나, 무선 충전기일 수 있다. EV 충전 스테이션(140)은 레벨 1, 레벨 2, 레벨 3 충전, 또는 레벨 3보다 더 높은 전력 레벨 또는 레벨 1보다 더 낮은 전력 레벨을 갖는 유형의 충전을 사용할 수 있다. 본원에 사용되는 바와 같이, 레벨 2 충전은 약 208 볼트 또는 240 볼트에서 약 6 암페어 내지 약 80 암페어의 충전(즉, 1.4 내지 19.2 킬로와트의 전력)을 포함할 수 있다. 본원에 사용되는 바와 같이, 레벨 1 충전은, 일부 경우에서 차량에 AC 전력 입력을 사용하는, 레벨 2 충전에 대한 전력 레벨보다 더 낮은 전력 레벨에서 충전을 포함할 수 있다. 레벨 3 충전은, 일부 경우에 차량에 DC 입력을 갖는, 24kW 이상의 전력 레벨에서 충전을 포함할 수 있다. EV 충전 스테이션(140)은 교류(AC) 또는 직류(DC) 전력 공급에 연결될 수 있다.
EV 충전 스테이션(140)은, 누구나 액세스할 수 있는, 공공 충전 스테이션에 있을 수 있다. EV 충전 사이트는, 할인된 가격으로 EV 충전 스테이션으로부터 충전 서비스에 액세스할 수 있거나, 사이트 수요가 높은 시기에 충전에 대한 액세스를 보장받을 수 있는, 특정 가입 사용자로 EV 충전기에 대한 액세스를 제한할 수 있다.
EV 충전 스테이션은 충전 중이 아닌 전기 차량에 연결될 때 통신을 제공하도록 구성될 수 있다. 이러한 상황에서, EV 충전 사이트 제어기(예: 인간 또는 컴퓨터)는 차량-충전기 통신을 계속 열어 두기 위해 지속적인 "전력 신호"로 소량의 전력을 공급하도록 충전기에 명령할 수 있다. 작은-전력 신호는 "사용 가능하지만 제한된" 신호로 간주될 수 있다. 통신은 차량을 충전해야 함을 나타내는 충전 네트워크 작동자(CNO)(즉, EV 충전 스테이션 또는 EV 충전 스테이션의 그룹을 제어하는 엔티티)로부터의 신호를 무시할 수 있다. 전기 차량과의 통신은 차량 배터리의 충전 상태, 완전 충전에 필요한 시간, 및 다른 원하는 배출구(예: 차량-대-그리드(V2G), 차량-대-건물(V2B))를 포함하는 정보를 제어기에 제공할 수 있다. 원하는 배출구의 예에서, 전력은 차량으로부터 EV 충전 사이트(100)에 있는 임의의 다른 장치 또는 시스템으로 흐르거나 전기 그리드(120) 내로 다시 흐를 수 있다.
현장에서든 원격으로든, 하나컴퓨팅 장치(180)는 사이트 데이터를 수집하고 인공 지능("AI") 처리를 수행할 수 있다. 컴퓨팅 장치(180)는 데스크톱 컴퓨터, 메인프레임 컴퓨터, 랩톱 컴퓨터, 태블릿, 스마트폰, 개인용 디지털 어시스턴트(PDA), 또는 다른 모바일 컴퓨팅 장치일 수 있다. 컴퓨팅 장치(180)는 네트워크(170)를 통해 다른 충전 사이트 전자장치에 연결될 수 있다. 컴퓨팅 장치(180)는 AI 작업, EV 충전 스테이션 또는 다른 장치의 원격 또는 현장 모니터링을 구성하거나, 사이트 작업을 제어하기 위한 클라이언트 장치를 포함할 수 있다. 컴퓨팅 장치(180)는 또한 인공 지능 또는 기계 학습 작업을 수행하거나, 사이트 데이터에 대한 다른 처리 작업(예: 압축, 잡음 제거, 차원수 축소 또는 데이터 정리)을 수행하거나, 센서로부터 수집된 사이트 데이터를 저장하기 위한 서버 장치를 포함할 수 있다. 컴퓨팅 장치(180)는 EV 충전 사이트의 다양한 값을 계산하고 부하 스케줄링을 수행할 수 있다.
컴퓨팅 장치(180)는 인공 지능(AI)을 사용하여 다양한 시나리오에서 충전 비용을 유연하게 변경하도록 차량 충전에 대한 청구 요금을 결정할 수 있다. AI 알고리즘은, 예를 들어, EV 충전 스테이션(140) 또는 배터리 에너지 저장 시스템(130)에 연결된 시간, 차량에 의해 소비된 전력, 배터리 에너지 저장 시스템(130)의 충전 상태 또는 조건, 유틸리티 요금, 전체 사이트 수요, 차량의 유형, 사이트 프로그램의 멤버십, 및 비상 상황 존재를 입력으로 취할 수 있다. AI 알고리즘은, 이러한 입력에 기초하여, 선호되는 충전 비용을 예측하여 EV 충전 사이트의 작동 파라미터를 고려한 수입 또는 다른 파라미터(예: 장치 상태, 장치 수명 주기 비용, 장치 충격 계수 등을 포함한 시스템 컴포넌트 작동 파라미터)를 최대화할 수 있다. EV 충전 사이트(100)는 컴퓨팅 장치(180)를 사용하여 전기 자동차를 충전하기 위한 가격을 설정하는 방법을 결정하고 EV 충전 스테이션이 이러한 결정에 기초하여 충전 비용을 높이거나 낮추도록 유도할 수 있다. AI 시스템은 하나 이상의 시청각 신호 장치(150)를 사용하여 운전자에게 제시할 제안을 결정하는 데 사용될 수 있다. 대안적으로, 충전 네트워크 작동자(CNO) 또는 사이트 장비 작동자(SEO)는 EV 충전에 대한 가격을 수동으로 결정할 수 있다. 효율을 증가시키고, 수익을 증가시키고, 배터리를 재충전하는 비용을 최소화하고, 부정적 상황이나 긴급 상황 동안 충전 리소스의 이용 가능성을 증가시키거나, 자산의 성능 저하를 방지하거나, 사회적 이점을 제공하도록 지불 레벨을 구성할 수 있다.
컴퓨팅 장치(180)는 다수의 EV 충전 사이트에서 비용을 설정할 수 있다. 하나의 사이트에서의 비용은, 네트워크 멤버십 (예를 들어, 프리미어, 바람직한, 또는 다른), 차별화된 멤버십, 차량 제조업체, 제조사 또는 모델, 및 차량이 승인된 비상 대응 차량인지 여부와 같은 요인에 따라, 상기 사이트에서 다른 차량을 충전하기 위해 다르게 구성될 수 있다. 비용은 (예: 기계 학습 알고리즘을 사용하여) 알고리즘적으로 결정될 수 있다.
네트워크(170)는 EV 충전 스테이션을 컴퓨팅 장치(180)에 연결할 수 있다. 네트워크(170)는 LAN, MAN, WAN, 또는 MESH 네트워크(170)일 수 있다. MESH 네트워크의 사용은 EV 충전 스테이션이 단일 작동 시스템으로서 제어될 수 있게 한다. MESH 네트워크를 사용하는, EV 충전 스테이션(140)은 서로 통신하고 정보를 교환할 수 있다. 따라서, EV 충전 스테이션은 스케줄링, 부하 밸런싱, 또는 안내 작업을 수행하기 위해 서로 협력할 수 있다. MESH 네트워크는, EV 충전 장치(140)의 모든 종점(예: 배터리 에너지 저장 시스템(130) 및 EV 충전 사이트(100))이 서로 통신할 수 있는, 완전히 연결된 네트워크일 수 있다. 관련 EV 충전 사이트 없이 BESS를 설치하면, 개별 배전 회로, 변전소, 유틸리티 또는 지역 또는 주간 그리드 작동자에게 유사한 스케줄링, 부하 밸런싱 및 안내 서비스를 제공할 수 있다. 이러한 서비스는, 관련 EV 충전 사이트 유무에 관계없이, 임의의 구성에서 작동하는 단일 BESS 또는 임의의 수의 BESS를 통해 제공될 수 있다. BESS는 분배 회로 또는 그의 일부분의 작동을 변경할 목적으로 전압, 암페어, 볼트-암페어, 무효 전력 중 임의의 것을 주입함으로써 배전 공급기를 재구성하고 제어하는 데 사용될 수 있다.
센서(190)는 인공 지능 처리를 위한 컴퓨팅 장치(180)에 의한 사용을 위해 또는 다른 목적을 위해 EV 충전 사이트 데이터를 수집할 수 있다. 센서는 온도계, 멀티미터, 전압계, 전류계, 가속도계, 압력 센서, 레이더 센서, 마이크, 카메라(RGB 및 적외선 카메라 포함) 또는 기타 센서일 수 있다. 센서(190)는 온도 데이터, 에너지 데이터, 팬 속도/작동/압력, 전압, 및 전류 데이터를 수집할 수 있다.
코드를 준수하는 AI 기반 시스템에서, 탭 전도체를 포함한 전도체의 크기는 주어진 온도 또는 설치 조건(즉, 도관이나 전선로 또는 환경 조건 내에서와 같이)에서 (특정 코드 지침에 따른) 최대 전류 전달 용량으로 제한된다. 측정은 직접 감지된 항목을 통해 이루어질 수도 있고, AI 알고리즘에 따라 결정되는 간접적인 수단(예: 계산, 외부 정보 소스, 추론 등)을 통해 이루어질 수도 있다. 전도체는 전달된 부하 또는 부하 세트, 또는 수요율(통상적으로 최대 소비 정격)에 따른 부하 세트에 맞게 크기 설정되어야만 하며, 이로 인해 공급기, 탭 전도체 또는 시스템에 전류를 공급하는 기타 전도체의 크기가 과도하게 커질 수 있다. 부하 전류 계산을 수행할 수 있도록 각 노드에 충분한 계량(전류 센서)을 갖춘 동적으로 구성 가능한 시스템을 사용하면, 부하 관리 시스템(또는 EMS)이, 직렬 연결되고 동적으로 구성된 OCP(과전류 보호) 장치에 의해 제한되는 것처럼, 전도체에서 사용 가능한 전력 (전류) 흐름을 동적으로 제한할 수 있다. 이를 통해 총 부하 용량 대신에 최적의 경제적 또는 사이트 조건, 환경(주위 온도)에 맞게 전도체 크기를 조정할 수 있다. 다양한 분산 에너지 리소스 관리 시스템(DERMS) 또는 BESS가 시스템을 따라 임의의 지점에 연결되고 부하 관리 시스템(LMS) 또는 에너지 관리 시스템(EMS) 또는 시스템 보호 또는 릴레이 제어기로부터 동적 할당을 통해 관리될 수 있으며; 또한 고장, 단락, 오작동 장치 등으로 흐를 수 있는 전류는 사이트 EMS/LMS 시스템에 의해 쉽게 검출될 수 있다.
컴퓨팅 장치(180)는 다양한 인공 지능 처리 작업을 수행할 수 있다. AI 처리 작업은 배터리 에너지 저장 시스템(130)의 충전 및 방전을 구성하고, 스케줄링을 최적화하고, 현장 공지를 전달하고, 사용자를 특정 EV 충전 스테이션으로 안내하고, 가열 및 냉각을 지시할 수 있다. EV 충전 사이트(100)는 분배 시스템을 마이크로그리드하기 위해 AI 알고리즘을 사용할 수 있다. 예를 들어, 분할 알고리즘은, 스위치, 분배반, 및 배전반과 같은 사이트 전기 컴포넌트에 대한 설정을 결정함으로써, 다수의 사이트를 마이크로그리드 또는 개별 사이트를 마이크로그리드로 분할할 수 있다. EV 충전 사이트는 이러한 알고리즘을 사용하여 충전기 또는 충전 리소스의 그룹을 개별적으로 제어할 수 있다. 예를 들어, 하나의 리소스의 그룹은 컴팩트 또는 소형 차량에 전력을 공급하도록 최적화될 수 있는 반면, 다른 그룹은 더 큰 차량 또는 상업적 차량에 전력을 공급하도록 최적화될 수 있다. 하나의 사이트 위치에서 하나의 리소스의 그룹(예: EV 충전 스테이션 및 배터리 저장 에너지 시스템)은 다른 사이트 위치에서 다른 그룹보다 더 많은 고객을 수용하도록 최적화될 수 있다. 또한, 리소스의 그룹은 고객 데이터에 기초하여 상이한 유형의 고객을 수용하도록 구성될 수 있다. AI 알고리즘은 또한 부하 수요를 분석하고 추가 에너지 저장 시스템을 제공할지 여부를 결정할 수 있다.
AI 알고리즘은 사이트 데이터를 처리하기 위한 기계 학습 알고리즘일 수 있다. 기계 학습 알고리즘은 지도 및 비지도 기계 학습 알고리즘을 포함할 수 있다. 비지도 기계 학습 알고리즘은 클러스터링 알고리즘(예: k-평균 클러스터링)을 포함할 수 있다. 지도 기계 학습 알고리즘은 신경망(예: 컨볼루션 신경망 및 순환 신경망)을 포함할 수 있다.
시청각 신호 장치(150)는 조명, 스피커, 경보, 깃발, 표지판, 이동 그래픽, 전자 스크린, 또는 다른 시각적 또는 청각적 신호일 수 있다. 시청각 신호 장치(150)는 머리 위 구조물, 버스 통로, 수직 구조물, 충전 스탠드, 독립 지지대, 배터리 시스템 인클로저, 또는 기타 장치에 설치될 수 있다. 시청각 신호 장치(150)는 색상, 패턴, 기록 메시지, 이동 그래픽, 청각 신호를 주차 공간/차도 상에 또는 주차 공간/충전 칸 근처/부근에 투영할 수 있다. 시청각 신호 장치(150)는 충전 스테이션 상태나 요금을 나타내거나 광고를 디스플레이할 수 있다. 시청각 신호 장치(150)는 사용자를 특정 EV 충전 스테이션으로 안내하는 데 사용될 수 있다. 시청각 신호 장치(150)는 상업적 작업자 또는 운전자에게 채워질 순서의 표시, 패키지 위치, 적재하거나 하역될 재료, 차량의 적재 상태, 적재 대기열 정보, 적재할 수하물 또는 품목의 상태, 또는 특정 차량에 대한 서비스 요건을 갖는 제공할 수 있다. 시청각 신호 장치(150)는 또한 전기 그리드(120)의 현재 상태, EV 충전 스테이션의 상태, 배터리 에너지 저장 시스템의 상태, 충전의 현재 비용, 충전기의 이용 가능성, 및 장비 건강 상태를 나타낼 수 있다. 추가적으로, 시청각 신호 장치(150)는 긴급 정보, 날씨 정보, 또는 다른 유용한 정보를 디스플레이할 수 있다.
시청각 신호 장치(150)는 전기 차량의 운전자 또는 승객에게 광고를 디스플레이할 수 있다. EV 충전 사이트는 사이트의 EV 충전 스테이션을 사용하는 전기 차량의 운전자로부터, 사용자 모바일 장치에 연결함으로써 센서로부터, 또는 사용자-제출 정보(예: 체크-인 또는 지불 과정에서 사용자에 의해 제공된 정보)로부터 데이터를 수집할 수 있다. 차량은 또한 번호판 번호 또는 기타 식별 정보를 식별하는 카메라에 의해, 통행료 징수에 사용되는 것과 유사한 무선 주파수 식별자(RFID) 태그에 의해 또는 EV 충전 플러그를 통해 제공되는 제조업체 제공 식별을 통해 식별될 수 있다. 상기 정보는 사용자의 EV의 제조사, 모델, 또는 색상과 같은 차량 정보일 수 있다. 상기 정보는, 사용자 사이트 방문 빈도, 충전기 사용, 사용자-제출 개인 정보(이름, 연령, 성별 등), 및 상기 사이트에서 충전하는 사용자-제출 이유(예: 가장 저렴함, 집에서 가장 가까움, 지역 명소에서 가장 가까움)과 같은, 개인 정보일 수 있다. 상기 정보는, EV 충전 사이트의 위치 또는 EV 충전 사이트 외부의 날씨와 같은, 사이트 정보일 수 있다. EV 충전 사이트는 컴퓨팅 장치(180)를 사용하여 기계 학습 알고리즘으로 데이터를 처리할 수 있다. 상기 알고리즘은, 예를 들어, EV 충전 스테이션의 사용자 인터페이스에서, 머리 위 디스플레이 상에, 또는 스피커를 통해, 사용자에게 디스플레이하기 위한 타깃 광고를 선택하도록 구성될 수 있다. 상기 타깃 광고는 기계 학습 모델에 의해 이루어진 예측에 기초하여 후보 광고의 그룹으로부터 선택될 수 있다. 예를 들어, 후보 광고는 EV 충전 사이트 주변 매장이나 명소에 대한 광고를 포함할 수 있다. 선택된 광고는, 기계 학습 알고리즘에 의한 예측에 기초하여, 사용자가 방문할 가능성이 가장 높은 명소에 대한 것일 수 있다.
배터리 에너지 저장 시스템(BESS)(130)은 전기 에너지를 수신하고 다른 시간 또는 다른 날짜에 사용하기 위해 저장하여, 충전을 위한 전기 자동차에 공급할 수 있다. 배터리 에너지 저장 시스템(130)은 리튬-이온, 납-산, 나트륨 황, 또는 아연 브롬 기술을 사용할 수 있다. 배터리 에너지 저장 시스템(130)은 EV 충전 스테이션(140)이 전력을 공급할 수 없는 순간(예: EV 충전 스테이션이 너무 많은 그리드 전력을 끌어올 때)에 전력을 공급할 수 있다. 에너지 저장 시스템(130)은 추가적으로 펌핑된 수력, 압축 공기 저장, 또는 기계식 플라이휠 저장 시스템일 수 있다. EV 충전 사이트(100)는 전기에 대한 피크 수요를 줄이기 위해 배터리 에너지 저장 시스템(130)에 에너지를 저장할 수 있다.
배터리 에너지 저장 시스템(130)은 언제든지 사이트에 추가되거나 사이트로부터 제거될 수 있다. 배터리 에너지 저장 시스템(130)은 통합된 제어기를 포함할 수 있다. 에너지 저장 시스템 및 제어기 복합체는 네트워크(170)에 연결하여 컴퓨팅 장치(180)를 사용하여 사이트 작동자로부터 명령어를 수신할 수 있다. 통합된 제어기는 EV 충전 스테이션에 제공할 에너지 저장 시스템에 대한 충전 속도를 결정할 수 있다. 통합된 제어기는 또한 배터리 에너지 저장 시스템(130)에 관한 정보를 캡처하고 이를 다른 네트워크 컴포넌트에 제공할 수 있다. 예를 들어, 사이트에서는 충전기가 성능 저하되거나, 오작동하거나, 오류 보류(예측 유지보수), 현재 작동 모드 또는 작동 상태를 나타내는 방식으로 동작하는지 여부, 및, 예를 들어, 현재 전기 차량을 충전에 참여하고 있는지 여부에 대한 데이터를 보관할 수 있다. 다른 실시예에서, EV 충전 사이트(100)는 전기 차량 충전 장치를 원격으로 제어하는 독립형 제어기를 (예: 컴퓨팅 장치(180)에) 포함할 수 있다.
가열, 환기, 및 냉각 시스템(HVAC)(160)은 전기 충전 사이트 장비에 대한 최적의 또는 바람직한 작동 온도를 유지할 수 있다. HVAC(160)는 수동으로 제어되거나 디지털 방식으로 제어될 수 있다. HVAC(160)는 개별적으로, 또는 전체 사이트에 걸쳐 제어될 수 있다. 제어는 예측 AI 요소를 포함할 수 있다. HVAC(160) 시스템은 히터, 에어컨, 냉장 장비, 통풍구, 팬, 수냉 장치, 펌프, 덕트, 또는 다른 가열, 냉각, 및 환기 장비를 포함할 수 있다. EV 충전 사이트(100)는, 열 파이프 냉각, 공기 냉각, 및 이코노마이저 냉각 중 적어도 2개를 동시에 사용하는 것을 포함하는, 다중 모드 냉각을 사용할 수 있다.
배터리 에너지 저장 시스템(130)의 온도를 조절하기 위해, 배터리 에너지 저장 시스템(130)은 상부, 측부, 하부, 또는 도어를 따라 이어지는 턱트를 갖는 캐비닛 내에 봉입될 수 있다. HVAC 시스템은 특별히 조정되거나 형상화된 덕트, 가변 속도 기류, 배터리 모듈의 센서, HVAC 또는 개별 배터리 모듈 팬의 가변 속도 제어 또는 기타 수단을 사용하여 각 배터리 모듈에서 최적의 온도를 유지하도록 설계될 수 있다. HVAC(160)는 그것을 가열 또는 냉각하기 위해 캐비닛 내에서 공기를 순환시킬 수 있다. 상기 캐비닛은 원하는 열전달을 달성하기 위해, 핀, 페인트, 태양 차폐, 열 질량, 또는 다른 장치를 포함하는, 추가 외부 특징부를 포함할 수 있다. 예를 들어, 태양 부하가 낮고 주변 온도도 낮은 환경에서는, 덕트가 열려 캐비닛에서 방출되는 복사열이 증가할 수 있다. 캐비닛은 또한 에너지 저장 시스템의 습도 및 응축을 조절하는 데 사용될 수 있다. 덕트는 기계식, 전자기계식, 또는 온도 민감성 액추에이터를 사용하여 개방 또는 폐쇄될 수 있다. 냉각 팬을 사용하여 에너지 저장 시스템의 냉각을 강화시킬 수 있다. 덕트는 인클로저 내에서 내부 대류 기류 흐름을 강화하도록 동적으로 제어될 수 있다. 덕트의 크기는 0.5 인치만큼 작을 수 있다. 복사 절연체를 사용하여 덕트의 냉각 또는 가열 효율성을 강화할 수 있다. 가열, 냉각, 또는 습도 제어에 사용되는 기류의 경로가 덕트, 캐비닛 구성, 또는 장비 구성에 의해 제한되는 경우, 기류 경로를 제한하는 재료의 일부는, 내부 열 이벤트, 폭연 또는 폭발과 같이 내부 압력이 주변 압력보다 높아질 때마다 일부가 자동으로 개방될 수 있는, 릴리프 환기로도 사용될 수 있다. 작동은 가역적일 수도 있고(압력이 해제된 후 자동으로 다시 닫힘) 그렇지 않을 수도 있고, 전기 또는 비전기 센서 및 액추에이터를 포함할 수도 있고 그렇지 않을 수도 있다.
도 2는, 본 개시의 일부 실시예에 따른, EV 충전 사이트(200)를 개략적으로 도시한다. EV 충전 사이트(200)는 배전반(210), 하나 이상의 EV 충전 스테이션(220), 및 하나 이상의 배터리 에너지 저장 시스템(230)을 가질 수 있다. 배전반(210)은 회로 차단기(211)를 가질 수 있다. 회로 차단기(211)는 과부하 조건 및 단락 회로로부터 하류 컴포넌트(예: EV 충전 스테이션(220))를 보호할 수 있다. 회로 차단기(211)는 이러한 과부하 조건 및 단락 회로를 검출하기 위한 센서를 가질 수 있다. 회로 차단기(211)는 또한, 센서가 과부하 조건 또는 단락 회로를 검출할 때, 회로 차단기(211)의 접점을 분리하기 위한 액추에이터 메커니즘을 가질 수 있다. 배전반(210)은 또한 하나 이상의 릴레이를 가질 수 있다(예: EV 충전 사이트(200) 내의 각각의 EV 충전 스테이션(220) 또는 배터리 에너지 저장 시스템(230)에 대한 하나의 릴레이).
회로 차단기(211) 또는 기타 과전류 장치(퓨즈, 접촉기)는 분전반에 위치하거나, 지상 배전 시스템에 연결된 EV 충전기, BESS 또는 건물에 더 가깝게 위치할 수 있다. 전체 크기의 배전 시스템은 사이트에 걸쳐 설치될 수 있다. 필요한 곳 어디서나 개별 전력 연결이 가능하다. 각 연결에는 임의의 상기 기능(과전류 보호, 원격 작동, 임의의 목적을 위한 릴레이 통합, 통지, 전력 품질 모니터링)을 구현할 수 있는 시스템이 있을 수 있다. 사용 지점 측정 및 전류 센서를 사용하면 전력 흐름 관리 및 스위치 제어의 사용을 강화할 수 있다. 또한, 사용 지점 측정은 전력 흐름의 표시를 제공할 수 있으며 보상 메커니즘에 사용될 수 있으며, 이러한 메커니즘은 로컬 또는 원격이고 다른 사이트에서 사용될 수 있다.
EV 충전 스테이션(220)은 EV 충전 스테이션일 수 있다. EV 충전 스테이션(220)은 전력 전자장치, 제어기, 커넥터, 및 통신 장치를 가질 수 있다. 전력 전자장치는 변압기, 인버터, 전압 조정기, 센서 등을 포함할 수 있다.
EV 충전 스테이션(220)는 교류("AC") 전력을 공급할 수 있다. AC 전력은 단일 위상 또는 3상 전력일 수 있다. 일부 경우에서, EV 충전 스테이션(220)은 약 208 볼트 또는 240 볼트에서 6 암페어 내지 80 암페어의 전력 사이에 공급한다(즉, 1.4 내지 19.2 킬로와트의 전력)(AC 레벨 2). 대안적으로 또는 추가적으로, EV 충전 스테이션(220)은 그리드로부터 AC 전력을 정류함으로써 직류("DC") 전력을 공급할 수 있다. 일부 경우에, EV 충전 스테이션(220)은 50 내지 2000 볼트(DC 레벨 1)에서 최대 80 킬로와트의 전력을 공급한다. 다른 경우에서, EV 충전 스테이션(220)은 50 내지 2000 볼트에서 최대 400 킬로와트 또는 1500 킬로와트를 공급한다.
제어기는 EV 충전 스테이션(220)을 사용하는 EV의 충전 속도를 제어할 수 있다. 제어기는 또한 EV 충전 스테이션(220)에 대한 액세스를 제어할 수 있다. 예를 들어, 제어기는 EV 또는 다른 소스(예: 운전자의 모바일 장치)로부터의 액세스 요청을 인증할 수 있다. 제어기는 또한 지불 기능(예: 신용 카드 처리)을 구현할 수 있다. 제어기는 또한 커넥터를 통해 EV에 제어 신호를 제공할 수 있다. 제어 신호는 충전 프로세스에 관한 데이터를 포함할 수 있다. 제어기는 또한 충전 프로세스와 관련하여 EV에 의해 전송된 신호를 처리할 수 있다. 커넥터는 EV 충전 스테이션(220)과 EV 사이의 연결을 용이하게 할 수 있다. 커넥터는 전력 핀 및 제어 신호 핀을 가질 수 있다. 통신 장치는 EV 충전 스테이션(220)이 유선 또는 무선 네트워크를 통해 원격으로 위치한 장치(예: 기타 EV 충전 스테이션, 배터리 에너지 저장 시스템(230), 및 원격 서버)에 데이터 및 제어 신호를 통신하게 할 수 있다.
배터리 에너지 저장 시스템(BESS)(230)은 EV 충전 스테이션(220)와 함께 배치될 수 있다. 각각의 배터리 에너지 저장 시스템(230)은 인버터/정류기(231), 배터리(232), 제어 시스템(233), 및 통신 시스템(234)을 가질 수 있다. 인버터/정류기(231)는 그리드로부터의 AC 전력을 배터리(232)를 위한 DC 전력으로 변환할 수 있거나, 배터리(232)로부터의 DC를 AC로 변환할 수 있다. 인버터/정류기(231)는 DC-DC 변환기를 가질 수 있다. DC-DC 변환기는 배터리(232)에 의해 공급되거나 그에 제공된 DC의 전압을 증가 또는 감소시킬 수 있다. BESS는 또한 DC-DC 변환기 또는 DC-DC 변환기 기능이 장착된 DC 공급원이거나, 배터리를 시스템 버스에 직접 결합할 수 있다.
배터리(232)는 에너지를 저장할 수 있다. 배터리(232)는 피크가 아닌 시간 동안 충전될 수 있다(예: 수요가 최대 임계치보다 작을 때). 배터리(232)는 임의의 시간에 EV 충전 스테이션(220) 또는 건물(240)가 사용하기 위해 방전될 수 있다. 배터리(232)는 하나 이상의 전기화학 셀을 가질 수 있다. 하나 이상의 전기화학셀의 화학은 리튬-이온, 리튬-중합체, 나트륨-황, 납-산, 니켈-카드뮴 등일 수 있다.
제어 시스템(233)은 인버터/정류기(231) 및 배터리(232)의 작동을 제어할 수 있다. 예를 들어, 제어 시스템(233)은 인버터/정류기(231)에 공급되는 전류의 양 또는 배터리(232)의 방전 속도를 증가 또는 감소시킬 수 있다. 제어 시스템(233)은, 릴레이, 트랜지스터 등을 포함하여, 배터리 에너지 저장 시스템(230)의 다양한 전자 컴포넌트로 제어 신호를 송신함으로써 이러한 파라미터를 제어할 수 있다. 제어 시스템(233)은 제어 신호를 결정하기 위해 제어 알고리즘을 구현하도록 프로그래밍된 하나 이상의 컴퓨터를 가질 수 있다. 제어 알고리즘은 기계 학습 알고리즘 또는 AI 알고리즘일 수 있다. 기계 학습 알고리즘은 배터리 에너지 저장 시스템(230)의 예측 제어를 구현하거나, 이용 가능한 전력 및 부하를 예측하거나, 비용, 배터리 사이클, 신뢰성, 또는 비상 응답을 위해 배터리 에너지 저장 시스템을 최적화하도록 훈련될 수 있다.
통신 시스템(234)은 유선 또는 무선 네트워크를 통해 EV 충전 사이트(200) 내부 및 외부 둘 모두의 다른 전자 장치와 통신할 수 있다. 예를 들어, 통신 시스템(234)은 더 상세히 후술되는 바와 같이 전류 릴레이(280)와 통신할 수 있다.
EV 충전 사이트(200)는 건물(240)(예: 아파트 단지, 식료품점, 쇼핑몰 등)과 연관될 수 있다. 변압기(250)는 건물(240) 및 EV 충전 사이트(200)에 그리드 전력을 공급할 수 있다. 건물(240)은 계량기(260) 및 주 차단기(270)를 가질 수 있다. 계량기(260)는 건물(240) 및 EV 충전 사이트(200)에 의해 사용되는 전력의 양을 결정할 수 있고, 주 차단기(270)는 건물(240)이 전류 한도를 초과하는 것을 방지할 수 있다. 주 차단기(270)와 회로 차단기(211)의 용량의 합은 배터리 에너지 저장 시스템(220)으로 인해 변압기(250)의 용량보다 더 클 수 있다. 이는 그리드 접속이 정상보다 작게 하여 비용을 줄일 수 있다. EV 충전 사이트(200)는 로컬 전기 코드에 따라 주 차단기(270) 전에(예: 도1에 도시된 바와 같이) 또는 주 차단기(270) 후에 그리드 전력에 연결될 수 있다. 일부 경우에(예: EV 충전 사이트(200)가 주 차단기(270) 전에 그리드 전력에 연결될 때), EV 충전 사이트(200)는 별개의 전기 계량기를 가질 수 있다. 전류 릴레이(280)는 계량기(260) 후에(예: 도 1에 도시된 바와 같이) 배치되거나, 계량기(260) 전이지만 변압기(250) 후에 배치될 수 있다. 전류 릴레이(280)는 EV 충전 사이트(200) 및 건물(240)에 의해 인출된 총 전류를 검출할 수 있다. 추가적인 전류 릴레이가 임의의 또는 모든 BESS(230)에 대한 전기 연결부에 배치될 수 있다.
전류 릴레이(280)는 배터리 에너지 저장 시스템(230)의 통신 시스템(234)에 신호를 송신할 수 있다. 상기 신호는 EV 충전 사이트(200), 건물(240), 및 각각의 BESS(230)에 의해 인출된 총 전류를 특정할 수 있다. 전류 릴레이(280)는 신호를 연속 또는 주기 기반으로 송신할 수 있다. 예를 들어, 전류 릴레이(280)는 신호를 마이크로초, 밀리초, 초, 10초, 1분, 또는 그 이상마다 송신할 수 있다. 이어서, 통신 시스템(234)은 신호를 제어 시스템(233)으로 송신할 수 있다. 제어 시스템(233)은 제어 알고리즘으로 신호를 처리하여 변압기(250)의 용량에서 또는 그 아래에서 전류를 유지할 수 있다. 제어 알고리즘의 출력은 제어 신호일 수 있으며, 인버터/정류기(231)가 그리드로부터 인출하는 전류를 증가시키도록(즉,변압기(250)가 추가 용량을 갖는 경우), 및/또는 그리드로부터 인출하는 전류를 감소시키도록(즉, 변압기가 추가 용량을 거의 또는 전혀 갖지 않는 경우), 및/또는 배터리(232)에 의해 제공되는 전류를 증가시키거나 감소시킨다. 전류 릴레이 동작은 또한, BESS가 변압기를 통해 역방향으로 전력을 공급하도록 허용되는지 여부, 및 역방향으로 공급하도록 허용되는 전력 레벨에 따라 달라질 수 있거나, 전력 품질 작동에 따라 달라질 수 있다. 전류 릴레이(280)는 또한 EV 충전 스테이션(220)에 신호를 송신할 수 있다. 상기 신호는 EV 충전 스테이션(220)이 그들의 전류 인출을 증가 또는 감소시키게 할 수 있다. 전류 릴레이(280)는 또한 신호를 회로 차단기(211)에 송신할 수 있다. 상기 신호는 회로 차단기(211)가 과부하 또는 단락 회로의 경우에 작동하게 할 수 있다. 일부 경우에, 전력 또는 온도 센서가 전류 릴레이(280) 대신에 또는 이에 더하여 사용될 수 있다.
도 2에 도시된 EV 충전 사이트(200)는 많은 이점을 제공한다. 먼저, 피크가 아닌 시간 동안 가능한 예비 전력을 활용할 수 있어 피크 시 예비 전력 용량이 없는 건물 전력 시스템에 연결될 수 있다. 둘째, 배터리 에너지 저장 시스템의 추가 또는 차감을 통해 또는 특정 배터리 에너지 저장 시스템 내에 배터리의 추가 또는 차감을 통해 건물 전력 시스템에 대한 변화를 수용할 수 있다.
셋째, 배터리 에너지 저장 시스템이 피크 수요 동안 전력을 제공할 수 있기 때문에, 전통적인 EV 충전 사이트보다 더 작고 덜 비싼 연결부를 가질 수 있다. 넷째, 그리드 전력에만 의존하는 전통적인 EV 충전 사이트보다 탄력성이 더 뛰어날 수 있다. 또한, EV 충전 사이트는 마이크로그리드 상황에서 작용하고, 충전 프로세스를 재시작하여, 셧다운 동안 클라우드 또는 셀룰러 통신, 조명, 및 다른 부하를 활성화할 수 있다.
도 3은, 본 개시의 일부 실시예에 따른, EV 충전 사이트 부하에 전력을 공급하기 위한 프로세스(300)의 흐름도이다. 부하에 전력을 공급하기 전에, EV 충전 사이트는 다양성 인자에 기초하여 부하를 스케줄링할 수 있다. EV 충전 사이트는 개별 사이트 컴포넌트의 최대 부하를 EV 충전 사이트의 최대 부하로 나눈 것의 합으로서 다양성 인자를 계산할 수 있다. 사이트의 최대 부하는 개별 부하의 합보다 작을 수 있다. 이는 모든 부하가 동시에 작동하지 않기 때문이거나, 모든 컴포넌트가 동시에 작동하고 있는 경우 사이트 컴포넌트가 손상되거나 바람직한 경제적 레벨로 작동하지 않을 수 있기 때문이거나, 부하가 더 낮은 전력 레벨에서 작동하도록 명령되기 때문이다.
EV 충전 사이트는 전원이 최대 사이트 부하의 100% 미만을 제공하도록 전원에 대한 부하 연결의 크기를 조정할 수 있다. 예를 들어, 공급기는 최대 부하의 50%만을 수용할 수 있다. 규모는 EV 충전 사이트의 최대 작동 용량보다 훨씬 낮도록 규모를 선택할 수 있어서, 사이트가 유틸리티 연결과 구성 비용 및 전체적인 에너지 비용을 절약하게 할 수 있다. EV 충전 사이트는 선택적으로, 급전선의 끝에서 간단한 용량 추가를 허용하고 전체 시스템에 걸쳐 양방향 전력 흐름을 촉진하도록 사이트의 전체 길이에 대해 급전선의 균일한 규모를 유지할 수 있다. EV 충전 사이트는, 부하와 함께 배치된, 다수의 에너지 저장 시스템(예: 배터리 에너지 저장 시스템(BESS))을 유지할 수 있다.
EV 충전 사이트는 전기 그리드 또는 서비스 접속부로부터 전력 부하로의 전력을 연결의 한계까지 사용할 수 있다. 그리드 연결 용량을 초과하여, 에너지 저장 시스템은 EV 충전 사이트에 전력을 공급할 수 있다. 사이트가 전기 접속 용량 아래로 떨어지는 경우, 시스템은 배터리 에너지 저장 시스템을 충전할 수 있다. 또는, 배터리 에너지 저장 시스템은 스케줄에 따라 충전될 수 있다. 배터리 에너지 저장 시스템은 변화하는 부하 프로필을 충족하기 위해 언제든지 추가되거나 감산될 수 있다. 또한, 전력 변환(kW), 또는 에너지 저장(kWh) 시스템은 서로 독립적으로 또는 동시에 추가될 수 있다.
프로세스(300)의 제1 작동에서, EV 충전 사이트는, EV 충전 스테이션(310)을 포함하여, 전기 부하의 연결점에서 공급기 케이블 또는 버스에서의 전류 흐름 및 전압을 모니터링한다. EV 충전 사이트는 전류 및 전압을 연속적으로 모니터링하거나, 또는 주기적으로, 예를 들어 밀리초마다, 0.5초마다, 1초마다, 10초마다, 20초마다, 30초마다, 1분마다, 5분마다, 10분마다, 20분마다, 30분마다, 1시간마다, 2시간마다, 3시간마다, 6시간마다, 12시간마다 또는 매일 측정할 수 있다. EV 충전 사이트는 공급기 내에서 전류, 전압, 전력 인자 및 온도를 설계 한계 미만으로 유지하는 데 필요한 에너지 저장 시스템을 작동시킬 수 있다. 전류가 설계 한계를 초과하면, EV 충전소는 전기 부하(예: EV 충전소)로의 전류 흐름을 중단하고(작동 320), 배터리 에너지 저장 시스템으로부터 부하로 전류를 공급한다. 전류가 설계 한계 미만인 경우(작동 330), EV 충전 사이트는 전기 부하로의 전류의 흐름을 유지하고 하나 이상의 배터리 에너지 저장 시스템을 충전할 수 있다. 전압은 유틸리티 그리드로부터의 정상 전압을 수정하여 연결된 장치의 작동에 더 유리할 수 있는 상이한 특성을 갖도록 제어될 수 있다. 볼트-암페어 반응성 소자(VAR) 및 다른 고조파 요소의 사용은 유틸리티로부터 충전기로의 충전 에너지 전달을 최대화하도록 전력 인자, 주파수, 파형 형상 또는 파형을 변경하는 데 사용될 수 있다. 또한, 임의적인 전기 파형은 EV 충전기를 포함하는 연결된 장치의 더 유리한 작동을 또한 제공하기 위해 주입에 의해 수정될 수 있다.
DC 시스템의 경우, EV 충전 사이트는 여러 방향으로의 에너지 흐름과 하나 이상의 지점에 수렴될 뿐만 아니라 사이트 주변에 완전한 루프를 생성하는 다수의 공급을 갖는 전기 네트워크를 생성할 수 있다.
AC 시스템의 경우, EV 충전 사이트는 사이트 주변의 선호하는 위치로 차단점을 이동하는 데 사용할 수 있는 여러 개의 자동 또는 수동 루프 차단 스위치를 갖는 루프를 생성할 수 있다. 이는 사이트가 작동하고 있는 동안 달성될 수 있는데, 순간 부하가 에너지 저장 시스템에 의해 수용되어 루프의 임의의 세그먼트의 순간적인 격리를 허용할 수 있기 때문이다. 이러한 격리 또는 세그먼트화는 주어진 세그먼트의 오류 또는 순간적 과부하로 인해 발생할 수 있다.
도 4는 인공 지능을 사용하여 전력 전달을 자동으로 재구성하는 프로세스의 흐름도이다. 전력 전달의 재구성은 물리적 장비의 성능 저하를 감소시키기 위해 수행되어, 광고 목적으로, 경제적 이점(예: 관심 지점으로 사용자 유도)을 제공하거나, 로컬 그리드 조건(예: 피크 수요, 낮은 수요, 정전, 과잉 분산 발전)을 고려하여 보조 서비스 또는 날씨 상태를 제공하기 위해 수행될 수 있다. 사용자는 시청각 장치의 현장 신호를 사용하거나 특정 충전 스테이션에서 충전하는 데 드는 비용 증가를 통해 특정 EV 충전 스테이션으로 유도될 수 있다. 사이트는 양호한 작동 조건에 있는 EV 충전 스테이션 쪽으로 사용자를 유도할 수 있다. 재구성은 공통 컴퓨팅 장치 세트를 사용하여 하나 이상의 충전 사이트에서 수행될 수 있다.
제1 작동(410)에서, 하나 이상의 EV 충전 사이트는 사이트에 위치한 EV 충전 스테이션 또는 직접 측정 장치로부터의 충전 데이터를 분석을 위한 컴퓨팅 장치에 제공한다. 데이터는 사이트 자산의 성능 저하에 관한 정보를 포함할 수 있다. 성능 저하 정보는 상승된 온도, 증가된 팬 속도, 및 전기 차량에 전달되는 에너지의 손실을 포함하는 성능 손실을 나타내는 임의의 정보를 포함할 수 있다.
성능 저하 정보는 센서로부터 직접적으로, 네트워크를 통해 간접적으로, 또는 EV 충전기에 통합되거나 이로부터 분리된 장치에 의해 측정된 전기 신호, 전압 여기 조건, 계산된 자산 부하, 온도 판독값, 커패시턴스 판독값, 또는 전압 판독값과 같은 표시자로부터 수집될 수 있다. 추가적으로, EV 충전 사이트는 사이트 사용자에게 이점을 나타내는 데이터를 수집할 수 있다. 여기에는 관심 지점에 대한 근접성, 충전 대기열에 있는 사용자 차량의 우선순위, 안전 문제, 화물 하역과 같은 서비스 수행의 어려움 정도, 차량 통행 감소 시간이 포함될 수 있다. 데이터는 충전 사이트 내의 사용자 권한도 포함할 수 있으며, 이는 충전 사이트가 스케줄링의 우선순위 또는 더 빠른 충전을 포함한 혜택을 제공하도록 유도할 수 있다.
제2 작동(420)에서, EV 충전 사이트 또는 사이트들에서 컴퓨팅 장치는 하나 이상의 EV 충전 사이트 내의 상이한 위치에서 전기 부하 수요 및 발전을 예측한다. 컴퓨팅 장치는 기계 학습 또는 인공 지능을 사용하여 수요를 예측할 수 있다. 예를 들어, 컴퓨팅 장치는 시계열 충전 데이터에 대한 장단기 네트워크(LSTM)와 같은 기계 학습 알고리즘을 구현할 수 있다. 시계열 데이터에서 패턴을 검출함으로써, 기계 학습 알고리즘은 하루, 일주, 한달 또는 일년 동안 상이한 지점에서 전기 차량 대전 사용량을 예측할 수 있다. 이러한 상이한 시점의 수요를 식별하는 것은, 이러한 기계 학습된 예측으로부터 생성된 사용 스케줄에 기초하여 사이트 작동자 또는 자동 프로세스가 부하에 전력을 공급할 수 있게 한다. 전압 및 전류 파형 품질 및 형상은 또한 부하 및 유틸리티 조건의 특성을 추정, 측정, 또는 달리 이해하는 데 사용될 수 있다. 과부하된, 변경된, 또는 그렇지 않으면 차선의 상태에서, 유틸리티 파형의 품질이 다를 수 있다. BESS 시스템 및 현장 배전은 전압 또는 전류 파형의 능동적 제어를 통해, 그리드 또는 부하의 작동을 향상시킬 수 있으며, 어느 것이든 제어기 내에서 스케줄링된다.
제3 작동(430)에서, 컴퓨팅 장치는, 예측된 요구에 기초하여, EV 충전 스테이션 및 배터리 에너지 저장 시스템이 전기 부하에 필요한 전력을 제공하도록 지시할 수 있다. 컴퓨팅 장치는, 직렬, LAN, WAN, 또는 MESH 네트워크와 같은, 네트워크를 통해 원격으로 또는 물리적으로 EV 충전 사이트 리소스(분배반, 배전반, EV 충전 스테이션, 버스 바, 배터리 에너지 저장 시스템, 및 과전류 장치를 포함함)에 연결되거나 통신 가능하게 결합될 수 있다. 컴퓨팅 장치는 사이트 작동자(예: CNO)로부터 또는 하나 이상의 컴퓨터 프로그램으로부터 사이트 전기 컴포넌트(예: 배전반 및 분배반)로의 명령어를 제공할 수 있다. 사이트 전기 컴포넌트는, 네트워크를 통해 컴퓨팅 장치에 의해 제공된 명령어에 기초하여, 이들이 제어하는 회로에 대해 허용된 양의 전력을 분배할 수 있다. 예를 들어, 배전반은 EV 충전 사이트의 다른 구역보다 한 구역에 있는 충전기 그룹을 포함하는 회로에 다른 더 많은 양의 전력을 제공할 수 있다.
도 5는, 본 개시의 일부 실시예에 따른, 통신 실패의 경우, EV 충전 스테이션과 백엔드 서버(예: EV 충전 사이트에 통신 가능하게 결합된 하나 이상의 컴퓨팅 장치) 사이의 통신을 처리하기 위한 프로세스(500)의 흐름도이다. 개시된 통신 방법은 사이트에 대한 통신이 필요한 엔티티(예: 사이트를 제어하는 CPO, 기업 그룹 또는 다른 엔티티, 이하 "제어 엔티티"라고 함)가 EV 충전 스테이션 또는 배터리 에너지 저장 시스템과의 통신이 끊기는 경우에 적용될 수 있다.
EV 충전 사이트는 근처의 EV 충전 스테이션 사이의 링크를 확립할 수 있다. 상기 링크는 충전기 및 다른 사이트 컴포넌트가 서로 통신할 수 있게 하는 와이파이 링크, WAN, GPRS, 무선 또는 유선 통신 수단, 또는 MESH 네트워크, 또는 임의의 네트워크일 수 있다. 또한, EV 충전 사이트는 상업용 무선 네트워크에 제어기 또는 다른 엔티티(예: NOC 또는 CPO)에 대한 링크를 확립할 수 있다. 일부 경우에서, EV 충전 사이트는 백엔드 서버 또는 제어기에 대한 그의 연결을 상실할 수 있다. 프로세스(500)가 이러한 문제를 해결하는 데 사용될 수 있다.
제1 작동(510)에서, 사용자 장치 또는 사용자의 전기 차량은 EV 충전 사이트를 제어하는 엔티티에 직접 연결된다. 사용자는 전기 차량을 충전하려고 시도했을 수 있고, 사용자 장치가 여전히 EV 충전 스테이션 자체와 통신할 수 있더라도, EV 충전 스테이션이 (제어 엔티티를 통해 액세스된) 백엔드 서버에 연결할 수 없어 결과적으로 전력을 공급할 수 없다는 사실을 발견했을 수 있다. 제어 엔터티에 대한 직접 연결은 사용자 장치에 설치된 소프트웨어를 사용하여 수행될 수 있으며, 소프트웨어는 이러한 연결을 활성화하기 위한 라이선스 또는 권한을 포함할 수 있다.
EV 충전 사이트는 사용자가 사이트에서 그들의 EV을 충전하기 전에 그들의 장치 상에 이러한 소프트웨어를 설치하도록 요구할 수 있다. 사용자 장치와 제어 엔티티 사이의 연결은 블루투스 연결, 와이파이 연결, 이더넷 또는 다른 유선 연결, 지그비 연결, 무선 연결, 또는 일방향 연결을 포함하고 RFID와 같은 신호를 활성화하는 다른 유형의 연결 또는 연결의 조합일 수 있다.
제2 작동(520)에서, 제어 엔티티는 사용자 장치 또는 전기 차량을 사용하여 EV 충전 스테이션에 대한 통신 링크를 확립한다. 사용자 장치는 EV 충전 스테이션 및 제어 엔티티 둘 모두에 개별적으로 연결할 수 있기 때문에, 작동(530)에 따라 제어 엔티티로부터 EV 충전소 자체로 통신을 공급하는 중개자 역할을 할 수 있다. 이러한 연결이 확립될 때, 관리 엔티티로부터의 명령어 또는 제어 엔티티에 의해 부과된 EV 충전 스테이션 구성에 따라, EV 충전 스테이션은 EV 충전 스테이션에 전력을 공급할 수 있다.
다른 프로세스에 따르면, EV 충전 사이트는 또한, 전기 차량과 그의 연관된 EV 충전 스테이션 사이의 통신이 끊어진 경우, 장애 복구 통신 시스템을 구현할 수 있다. 제어기는 먼저, 명령을 순환시킴으로써 자동차와의 통신을 시도하도록 EV 충전 스테이션에 지시할 수 있다. 이러한 명령은 차량에 전하를 제공하는 것과 연관된 프로그램, 기능, 또는 루틴을 재시작하거나 초기화할 수 있다. 이것이 효과적이지 않은 경우, 제어기는 인터페이스 보드 또는 제어 접촉기에 대한 통신 전력을 순환시킬 수 있다. 이는 전기 차량과 충전기 사이의 통신 링크를 재설정할 수 있다. 이것이 여전히 실패하면, 제어기는 EV 충전 스테이션을 재부팅할 수 있다. 이것이 실패하면, 사이트 제어기는 EV 충전기의 전력이 원격으로 순환되게 할 수 있다. 추가적으로, 사이트의 제어기는, 미래의 통신이 끊어질 때에도 충전기가 작동할 수 있게 하기 위해 EV 충전 스테이션으로 송신된 데이터를 국부적으로 버퍼링할 수 있다. 사이트 제어기는 통신이 끊어진 경우 사용할 새로운 명령 세트를 수락하고 저장할 수 있다.
도 6은, 본 발명의 일부 실시예에 따라, 배터리 에너지 저장 시스템 및 EV 충전 사이트로부터 수집된 데이터에 대해 기계 학습 분석을 수행함으로써 배터리 에너지 저장 시스템(BESS)을 적응적으로 냉각하기 위한 프로세스(600)의 흐름도이다. 본원에 개시된 적응적 방법은 HVAC 시스템의 사용을 감소시키면서 배터리 수명을 개선할 수 있다. 데이터는 스케줄링되고 예측된 배터리 에너지 저장 시스템 사용, 실제 사용, 날씨, 센서로부터 수집된 정보(예: 온도, 전류 인출, 및 전압 인출), 및 다른 로컬 조건(예: 사이트의 점유)과 관련될 수 있다. 제어 양태의 다른 예는 인근 이벤트 스케줄링, 운송 스케줄, 요일/휴일, 및 연중 시간과 같은 외부 요소로부터의 정보를 포함한다. 배터리 에너지 저장 시스템의 특성 및 외부 인자(예: 따뜻한 계절이나 사용량이 많은 기간에 배터리 냉각기를 작동함)에 따라 상이한 온도에서 배터리 에너지 저장 시스템을 작동시키면, 배터리의 유효 수명이 연장되거나, 더 높은 방전율이 가능하거나, 보다 효율적인 충전 또는 방전이 가능하거나, 배터리 및 사이트 작동에 다른 바람직한 효과가 있을 수 있다.
제1 작동(610)에서, EV 충전 사이트는 배터리 에너지 저장 시스템에 대한 작동 조건을 결정한다. EV 충전 사이트는 또한 바람직한 작동 조건을 결정하기 위해 배터리 에너지 저장 시스템의 테스트를 수행할 수 있다. 사이트는 또한 기계 학습 알고리즘을 사용하여 BESS에 대해 수집된 데이터를 분석하고 바람직한 작동 조건을 결정할 수 있다. 상기 정보는 BESS 유형, BESS의 열 질량, BESS가 전력을 공급하는 부하 유형, BESS 작동 모드, BESS 작동 지속시간, BESS 임피던스, BESS의 임피던스의 시간 변화, BESS의 수명 단계(예: 초기, 중기, 후기 단계), 배터리 내부 온도, BESS를 사용하여 충족될 수 있는 전력 수요, BESS의 성능 저하 수준, 현장 조건(예: 날씨, 대기 질, 자연 재해의 HVAC 런타임 빈도), 및 다른 정보를 포함한다. 사이트는 배터리의 사용을 위한 기준선 작동 조건을 결정하기 위해 수집된 데이터를 분석하도록, 하나 이상의 기계 학습 알고리즘을 포함할 수 있는, 교정 루틴을 수행할 수 있다. 교정 루틴은 또한 배터리를 테스트하도록 사이트 작동자에 의해 선택된 수동 단계를 포함할 수 있다.
제2 작동(620)에서, EV 충전 사이트는, 배터리 에너지 저장 시스템 및 전기 차량 충전 사이트에 관한 인출된 정보에 기초하여, 배터리 에너지 저장 시스템에 대한 사용 프로필을 결정한다. 사용 프로필은, 특정 기간 동안, 배터리 에너지 저장 시스템으로부터의 전력 수요를 예측할 수 있다. 사용 프로필은 배터리 에너지 저장 시스템으로부터 가장 많은 양의 전력이 인출되는 시점을 나타내는 피크를 포함할 수 있다. 이러한 시점에서, 배터리 에너지 저장 시스템은 과열될 위험이 가장 높다. 피크 온도에 더하여, 사용 프로필은 또한 사용과 일치하는 평균 및 수명 평균 온도를 포함할 수 있다.
제3 작동(630)에서, 작동 조건 및 사용 프로필을 사용하여, 사이트는 에너지 저장 시스템의 온도를 조절하기 위해 다중 모드 냉각 방법을 사용한다. 다중 모드 냉각 방법은 공기 냉각, 공기 교환기 냉각, 열 파이프, Rl34, 프레온 압축기, 압축기 없는 냉각, 및 이코노마이저 냉각을 포함할 수 있다. 사이트는 사용량이 많은 기간 또는 BESS가 승온을 가질 가능성이 있는 기타 기간(예: 더운 날씨의 기간 동안) 동안 더 많은 냉각을 제공할 수 있다. EV 충전 사이트는 또한, BESS가 작동하지 않을 때, 전력 인출(및 따라서 사용)이 HVAC를 사용을 점차 줄이거나 감소시키거나 중단할 것으로 예상될 때 HVAC의 활성화를 지연시킬 수 있다. 사이트는 추가적으로 가변 속도 냉각 시스템을 사용하여 BESS의 시간 상수, 배터리의 열 질량, 및 예상된 작동 편위에 의해 결정되는 작동 속도로 BESS를 냉각시킬 수 있다.
EV 충전 사이트는 기계 학습 알고리즘을 사용하여 작동 조건 및 사용 프로필의 어느 요소가 특정 시간에서 배터리 에너지 저장 사이트를 가열하는 데 가장 큰 영향을 미치는지 결정하고 특정 기간 동안 바람직한 냉각량을 예측할 수 있다. EV 충전 사이트는 또한 기계 학습을 사용하여 어떤 냉각 방법이 가장 적합한지(예: 더 빠르게 시작되고 배터리를 더 빨리 냉각할 수 있는 방법) 예측하거나, 조합 시 어떤 냉각 방법이 결합되었을 때 가장 효과적일 수 있는지 예측할 수 있다.
일례에서, 그리드 혼잡 기간 동안 단기 방전은 배터리에 대한 적당한 부하를 나타낼 수 있다. EV 충전 사이트는 저장 배터리 온도가 특정 레벨로 상승할 것이지만, 여전히 전체 속도로 작동하는 HVAC의 활성화 온도 아래로 떨어질 것을 예측할 수 있다. 가변 속도 냉각 시스템은 배터리를 봉입하는 캐비닛의 온도가 공칭 값을 초과하여 상승하게 하지만 여전히 작동 한계 내에 남아 있게 할 수 있다. 충전이 완료되고, HVAC 시스템이 저속으로 계속 작동하여, 과도한 에너지 소비를 방지하고 수요 요금을 피할 수 있다.
제2 예에서, EV 충전 사이트는 사용량이 많은 동안 지속적인 고온을 견딜 수 있는 HVAC 시스템을 사용할 수 있다. 이 경우, 사이트는 배터리의 열 질량을 활용하여 사용량이 많은 기간 동안 캐비닛 내의 열 상승을 상쇄할 수 있다. 그 다음, HVAC는 더 오랜 기간 동안 최대 속도로 작동하여 더 낮은 내부 주변 온도에서 소비되는 시간을 늘리거나 배터리가 더 낮은 평균 온도에서 소비되는 시간을 늘릴 수 있다.
도 7은 충전기로부터 제1 응답자의 차량으로 비상 전력을 제공하기 위한 프로세스의 흐름도이다. 제1 응답자는 다수의 이유(예: 비상 차량 충전, 통신, 제어 허브에 전력 공급)에 대한 사이트 전력에 대한 액세스를 필요로 할 수 있다.
추가적으로, 제1 응답자는 충전에 대한 신속한 액세스를 필요로 할 수 있고, 따라서 EV 충전 스테이션의 지불 및 다른 작동을 우회할 필요가 있을 수 있다.
제1 작동(710)에서, EV 충전 사이트는 제1 응답자를 인증한다. 인증은, 보안 코드, 카메라, 음성 명령, 물리적 제스처, 또는 이들 방법의 조합을 사용하여, RFID 토큰 또는 태그, Knox 또는 다른 유사한 보안 박스, 키 액세스에 의해 수행될 수 있다.
제2 작동(720)에서, EV 충전 사이트는 다음의 기능 중 적어도 하나에 대한 액세스를 갖는 비상 응답자를 제공한다: 정전 동안 또는 전력 수요로 인해 사이트에 의해 공급되는 전력이 설계 한계에 가까워질 때 전력에 대한 액세스, 최초 응답자로부터의 지불 요청 기능을 무시, 전력 공급을 위해 미리 결정된 비용 무시. 사이트는 로컬 비상 응답자 또는 조직의 장치와 (예: 셀 네트워크를 통해) 통신을 개시함으로써 상기 무시가 적절했는지 검증할 수 있다. 로컬 비상 관리 서비스(EMS)은 사이트에서 EV 충전 스테이션에 의한 충전 속도를 제어하는 권한을 부여받을 수 있다.
제3 작동(730)에서, EV 충전 사이트는 비상 차량이 충전에 대한 리소스를 갖는 것을 보장하기 위해 다른 비긴급 로컬 부하를 유휴할 수 있다. 예를 들어, 사이트는, 급속 충전을 위해, 배터리 에너지 저장 시스템에 의해 더 높은 출력을 가능하게 하기 위해 건물 HVAC 시스템을 셧다운할 수 있다. 또한, 사이트는 비긴급 차량으로의 전하의 흐름을 중단할 수 있다. 자동화된 시스템은 어느 부하에 전력 공급을 중단할지 결정할 수 있다. 감독 제어 및 데이터 획득(SCADA) 시스템은, 예를 들어 비긴급 부하와 연관된 회로를 차단함으로써, 부하의 유휴를 지시할 수 있다. 제어기는 EV 충전 스테이션으로부터 에너지 흐름을 계량할 수 있다. 비긴급 부하를 유휴하는 대신에, 사이트는 그들로의 전력의 흐름을 줄일 수 있다. 로컬 관리자가 비긴급 부하에 대한 배전에 대한 하나 이상의 한계를 결정할 수 있거나, 상기 한계는 알고리즘적으로 결정될 수 있다. 예를 들어, 컴퓨터 프로그램 또는 루틴은 각각의 비긴급 부하에 대한 최대 전력 레벨을 계산하여 비상 차량이 충전되게 할 수 있다. EV 충전 사이트는 연결된 부하를 계속 모니터링하고, 긴급 부하가 충분한 전력을 수신할 수 없다고 결정할 때 이러한 최대량을 조정할 수 있다.
EV 충전 사이트는 비상 상황에서 비상 응답자가 EV 충전 스테이션에 대한 지불 프로토콜을 무시하게 할 수 있다. 이는 지불을 완전히 우회하거나 비상 응답자 계정을 사용하여 지불하는 것을 포함할 수 있다. 이러한 비상 분산 모드가 활성화될 때, 제어된 충전 스테이션은 적절한 전하 레벨을 조정하기 위해 네트워크 내의 다른 충전 스테이션과 동기화될 수 있다.
EV 충전 사이트는 그의 네트워크를 사용하여 사이트 자체 내에서 또는 다른 사이트에 비상 메시지를 브로드캐스트할 수 있다. 사이트는 자체가 허브로서 사용될 수 있게 하거나 비상 서비스를 조정하기 위해 비상 요원 및 상이한 비상 조직과 그의 네트워크를 통해 통신할 수 있다. EV 충전 사이트는, 장치 이용 가능성, 충전 용량, 사이트 활용에 관한 정보, 및 다른 정보와 같은, 비상 요원에 의해 사용하기 위한 정보를 게시할 수 있다.
도 8은 이벤트 추가 전력이 필요한 경우 비상 인프라에 연결하기 위한 프로세스 흐름도(800)를 도시한다. 이는 부정적 조건 동안(예: 그리드 정전 동안) 일어날 수 있다. 비상 인프라를 통해 제어기는 순간적인 전력 수요 급증을 공급할 수 있다. 제1 작동(810)에서, EV 충전 사이트를 위한 로컬 또는 원격 제어기는 비상 상황에서 비상 차량에 전력을 공급하기 위해 추가 전력(또는 에너지)이 필요한지 여부를 결정한다. 예를 들어, 이는 공급된 그리드 전력이 이미 설계 한계에 가까운 경우, 유틸리티가 사이트에 대한 그리드 축소/절전 또는 정전을 명령한 경우 및/또는 (명령, 전압 저하 또는 배터리에 저장된 에너지 부족으로 인해) 배터리 에너지 저장 시스템을 사용하여 비상 차량에 보충 전력을 제공할 수 없는 경우 발생할 수 있다. EV 충전 사이트는 충전하려고 시도하는 전기 차량을 인증하여 전기 차량의 사용자가 비상 응답자인지 여부를 결정할 수 있다. 사용자가 비상 응답자이고 추가적인 비상 전력이 필요한 경우, 사이트는 비상 발전기를 제공할 수 있다.
제2 작동(820)에서, EV 충전 사이트는 에너지 저장 시스템 및 비상 전력 발전기 둘 모두의 요건을 결정할 수 있다. 상기 요건은 연결 인터페이스 요건, 전력 요건, 전류 요건, 온도 요건, 사용 요건, 또는 다른 요건을 포함할 수 있다. 제어기는 발전기가 과부하되지 않고 충분한 전력을 제공할 수 있도록 발전기에 대한 크기를 통합할 수 있다. 연소 또는 다른 연료 공급 발전기의 경우, BESS 및 로컬 제어기는 BESS, 태양광 발전(PV), 또는 다른 병렬 연결된 장치를 할당하여 소비되는 연료의 양을 제한하도록 작용할 수 있다. 제어기는 또한 발전기가 목표 충전을 수행하거나 특정 차량에 우선순위를 제공할 수 있도록 (예: 비상 요원에 대한) 특정 권한을 제공할 수 있다. BESS 및 비상 전력 발전기가 호환되지 않는 경우, 사이트는 둘 사이의 연결을 용이하게 하기 위한 컴포넌트(예: 어댑터 케이블, 강압 변환기, 변압기, 또는 커넥터 헤드)를 제공할 수 있다. 사이트 제어기는 또한 발전기를 배터리 에너지 저장 시스템에 적절하게 연결하는 방법에 대해 작동자 요원에게 지시할 수 있다. 발전기는 또한 배터리 에너지 저장 시스템과 직접 인터페이스하도록 구성될 수 있다. 발전기 및 배터리 에너지 저장 시스템은 또한 다른 하나가 켜질 때 어느 하나도 작동하지 않도록 작동될 수 있고, BESS와 발전기(들)를 배전 시스템에 수동, 자동 또는 자율적으로 연결하고 연결 해제하여 필요할 때 각각 독립적으로 작동할 수 있도록 컴포넌트가 제공될 수 있다.
부정적 조건 동안, 배터리 에너지 저장 시스템은 연결된 자산(예: 건물 또는 조명 시스템)에 전력을 공급하기 위해 현장에서 로컬 전력 회로를 역공급할 수 있다. 역공급은 단독운전에 의해 수행될 수 있다. 에너지 저장 시스템은 EV 충전 스테이션과 같은 사이트 컴포넌트를 단독운전하는 것을 나타낼 수 있는 단독운전 신호를 포함할 수 있다. 사이트 정전 동안, 배터리 에너지 저장 시스템은 연결된 컴포넌트에 전력을 공급할 수 있다. 배터리 에너지 저장 시스템은 또한 외부 단독운전 시스템(예: 백업 발전기, 작은 마이크로그리드를 통한 다른 부하)에 연결되어, EV 충전 사이트가 작동하지 않는 동안 전력을 공급할 수 있게 한다. 외부 단독운전 시스템은 하나 이상의 전원(즉, 발전기, 저장소 등)을 포함하는 마이크로그리드(예: 사무실 건물, 공장 등)일 수 있다
배터리 에너지 저장 시스템에는 로컬 발전기 연결점이 장착되어, 젠셋(genset)이 (전기 차량 충전 또는 로컬 에너지 저장 시스템 피크 플랜트 애플리케이션과 같은) 에너지 저장 시스템 부하에 안전하고, 빠르고 신속하게 연결되게 할 수 있다.
도 9는, 본 개시의 일부 실시예에 따른, 성능 저하된 EV 충전 사이트 자산을 탈프로비저닝하기 위한 프로세스(900)의 흐름도이다. 제1 작동(910)에서, EV 충전 사이트는 사이트 내의 자산(예: EV 충전 스테이션, 급전선, 배전반, 분배반, 신호 장치, 및 다른 전자 장비)에 관한 데이터를 수집한다. 수집된 데이터는 전류 레벨, 전압 레벨, 전력 레벨, 고조파 측정값, 특정 임계치를 초과하는 온도, 전기 컴포넌트의 물리적 상태(예: 전선, 스위치, 및 퓨즈), 자산에 대한 사용 이력 및 사용 패턴, 및 다른 데이터를 포함할 수 있다.
제2 작동(920)에서, EV 충전 사이트는 자산이 성능 저하되었는지 여부를 결정한다. 결정은 수집된 메트릭을 분석하고 이들을 임계치와 비교하는 사이트 작동자에 의해 수동으로 수행될 수 있다. 추가적으로 또는 대안적으로, 상기 결정은 기계 학습 알고리즘을 사용하여 수행될 수 있다. 예를 들어, 기계 학습 알고리즘은 자산의 특징에 대한 분석을 수행함으로써 자산이 성능 저하되는지 여부를 예측하도록 훈련될 수 있다. 특정 특징에 대한 특정 값은 성능 저하를 나타낼 수 있다. 기계 학습 알고리즘은 자산이 성능 저하되는지 여부에 대한 이진 예측을 하거나, 성능 저하의 정도를 나타내는 예측을 할 수 있다. 사이트는, 매시간, 매일, 매주 또는 매월과 같은, 정기적으로 분석을 수행하여 어떤 자산의 품질이 저하되는지 정기적으로 결정할 수 있다. 따라서 기계 학습 알고리즘을 가속하기 위해, 시스템은 부정적인 및 최적화된 파라미터 둘 모두로 프로그래밍되어 학습 프로세스를 가속할 수 있다. 연결된 여러 유사한 시스템의 경우, 데이터 공유 모델이 사이트 사이에서 사용되어, 초기 설정점, 작동 파라미터, 및 자동화된 수단에 의해 통상적으로 설정된 다른 설정가능 파라미터를 공유할 수 있다.
제3 작동(930)에서, 자산이 성능 저하의 충분한 징후를 보여주는 경우, 사이트는 자산의 우선순위를 해제하거나 자산을 탈프로비저닝한다. 시스템은 자산의 순위가 매겨진 목록을 생성할 수 있고, 최고 우선순위를 적어도 성능 저하된 것에 할당할 수 있다. 또는, 대부분의 또는 모든 자산이 일부 수준의 성능 저하를 나타내는 경우, 사이트는 교체되거나 가장 빨리 작동 가능한 자산에 우선순위를 둘 수 있다.
기계 학습
본원에 기술된 방법은 지원 벡터 머신(SVM), 랜덤 포레스트, 클러스터링 알고리즘(또는 소프트웨어 모듈), 구배 부스팅, 로지스틱 회귀, 및/또는 결정 트리를 포함하는 지도 또는 비지도 학습 방법의 컴퓨터 구현 방법을 포함할 수 있다. 본원에 기술된 바와 같은 기계 학습 방법은 본원에 기술된 바와 같이 전력 프로비저닝을 개선할 수 있다. 기계 학습은, 예를 들어, 개선된 전력 프로비저닝을 제공하기 위해 분류기 또는 예측기를 훈련하는 데에, 본원에 기술된 분류기 또는 예측기를 훈련하는 데 사용될 수 있다.
지도 학습 알고리즘은 입력 데이터와 출력 데이터 사이의 관계를 추론하기 위해 라벨링되고 페어링된 훈련 데이터 예의 세트를 사용하는 것에 의존하는 알고리즘일 수 있다. 비지도 학습 알고리즘은 데이터를 출력하기 위해 훈련 데이터 세트로부터 추론을 도출하는 데 사용되는 알고리즘일 수 있다. 비지도 학습 알고리즘은 클러스터 분석을 포함할 수 있으며, 이는 프로세스 데이터에서 숨겨진 패턴 또는 그룹을 찾기 위해 탐구 데이터 분석에 사용될 수 있다.
비지도 학습 방법의 일례는 주요 컴포넌트 분석을 포함할 수 있다. 주요 컴포넌트 분석은 하나 이상의 변수의 차원수를 줄이는 것을 포함할 수 있다. 주어진 변수의 차원수는 적어도 1, 5, 10, 50, 100, 200, 300, 400, 500, 600, 700, 800, 900, 1000, 1100, 1200, 1300, 1400, 1500, 1600, 1700, 1800, 또는 그 이상일 수 있다. 주어진 변수의 차원수는 1800 이하, 1600 이하, 1500 이하, 1400 이하, 1300 이하, 1200 이하, 1100 이하, 1000 이하, 900 이하, 800 이하, 700 이하, 600 이하, 500 이하, 400 이하, 300 이하, 200 이하, 100 이하, 50 이하, 또는 10 이하일 수 있다.
컴퓨터 구현 방법은 통계 기법을 포함할 수 있다. 일부 실시예에서, 통계 기법은 선형 회귀, 분류, 리샘플링 방법, 하위 집합 선택, 수축, 차원 축소, 비선형 모델, 트리 기반 방법, 지원 벡터 머신, 비지도 학습, 또는 이들의 임의의 조합을 포함할 수 있다.
선형 회귀는 종속 변수 및 독립 변수 사이의 최상의 선형 관계를 피팅함으로써 목표 변수를 예측하는 방법일 수 있다. 최적의 피팅은 각각의 지점에서의 모든 거리와 실제 관찰 사이의 모든 거리의 합이 가장 작다는 것을 의미할 수 있다. 선형 회귀는 단순 선형 회귀 및 다수의 선형 회귀를 포함할 수 있다. 간단한 선형 회귀는 종속 변수를 예측하기 위해 단일 독립 변수를 사용할 수 있다. 다수의 선형 회귀는 최상의 선형 관계를 피팅함으로써 종속 변수를 예측하기 위해 하나 초과의 독립 변수를 사용할 수 있다.
분류는 정확한 예측 및 분석을 달성하기 위해 범주를 데이터 집합에 할당하는 데이터 마이닝 기술일 수 있다. 분류 기법은 로지스틱 회귀 및 판별 분석을 포함할 수 있다. 로지스틱 회귀는 종속 변수가 이분형(이진형)일 때 사용될 수 있다. 로지스틱 회귀는 하나의 종속 이진 변수와 하나 이상의 공칭, 서수, 간격 또는 비율-수준 독립 변수 사이의 관계를 발견하고 설명하는 데 사용될 수 있다. 리샘플링은 원래의 데이터 샘플로부터 반복된 샘플을 추출하는 것을 포함하는 방법일 수 있다. 리샘플링은 대략적인 확률 값을 계산하기 위해 일반 분배 테이블의 활용을 수반하지 않을 수 있다. 리샘플링은 실제 데이터에 기초하여 고유 샘플링 분배를 생성할 수 있다. 일부 실시예에서, 리샘플링은 고유한 샘플링 분포를 생성하기 위해 분석적 방법보다는 실험적 방법을 사용할 수 있다. 리샘플링 기법은 부트스트래핑 및 교차 검증을 포함할 수 있다. 부트스트래핑은 원래 데이터에서 교체하여 샘플링하고 테스트 사례로서 "선택되지 않은" 데이터 포인트를 취함으로써 수행될 수 있다. 교차 검증은 훈련 데이터를 복수의 부분으로 분할함으로써 수행될 수 있다.
하위 집합 선택은 응답과 관련된 예측자의 하위 집합을 식별할 수 있다. 하위 집합 선택은 최상의 하위 집합 선택, 순방향 단계적 선택, 역방향 단계적 선택, 하이브리드 방법, 또는 이들의 임의의 조합을 포함할 수 있다. 일부 경우에서, 수축은 모든 예측자를 수반하는 모델에 적합하지만, 추정된 계수는 최소 제곱 추정치에 비해 0로 수축된다. 이러한 수축은 변동을 줄일 수 있다. 수축은 리지 회귀 및 라쏘를 포함할 수 있다. 차원 축소는 n + I 계수를 추정하는 문제를 m < n인 m + I 계수의 더 간단한 문제로 줄일 수 있다. 이는 변수의 n개의 서로 다른 선형 조합 또는 투영을 계산하여 얻을 수 있다. 이어서, 이러한 n개의 투영은 최소 제곱에 의한 선형 회귀 모델을 피팅하기 위한 예측 변수로 사용된다. 차원수 감소는 주요 컴포넌트 회귀 및 부분 최소 제곱을 포함할 수 있다. 주요 컴포넌트 회귀는 큰 변수 세트로부터 낮은 차원 특징 세트를 도출하는 데 사용될 수 있다. 주요 컴포넌트 회귀에 사용되는 주요 컴포넌트는 후속적으로 직교 방향에서 데이터의 선형 조합을 사용하여 데이터의 많은 양의 변동을 캡처할 수 있다. 부분 최소 제곱은 부분 최소 제곱이 새로운 특징을 식별하기 위해 응답 변수를 사용할 수 있기 때문에 주요 컴포넌트 회귀에 대한 지도 대안일 수 있다.
비선형 회귀는 모델 파라미터의 비선형 조합인 함수에 의해 모델링되고 하나 이상의 독립 변수에 의존하는 회귀 분석의 형태일 수 있다. 비선형 회귀는 단계 함수, 조각별 함수, 스플라인, 일반화된 추가 모델, 또는 이들의 임의의 조합을 포함할 수 있다.
트리-기반 방법은 회귀 및 분류 문제 둘 모두에 사용될 수 있다. 회귀 및 분류 문제는 예측기 공간을 다수의 간단한 영역으로 계층화하거나 분할하는 것을 수반할 수 있다. 트리-기반 방법은 배깅, 부스팅, 랜덤 포레스트, 또는 이들의 임의의 조합을 포함할 수 있다. 배깅은 원본 데이터와 동일한 육체성/크기의 다단계를 생성하기 위해 반복과의 조합을 사용하여 원본 데이터세트에서 훈련용 추가 데이터를 생성함으로써 예측의 변동을 줄일 수 있다. 부스팅은 몇몇 다른 모델을 사용하여 출력을 계산한 다음, 가중 평균 접근법을 사용하여 결과를 평균할 수 있다. 랜덤 포레스트 알고리즘은 훈련 세트의 랜덤 부트스트랩 샘플을 인출할 수 있다. 지원 벡터 기계는 분류 기법일 수 있다. 지원 벡터 기계는 최대 마진을 사용하여 두 클래스의 점을 가장 잘 분리하는 초평면을 찾는 것을 포함할 수 있다. 지원 벡터 기계는 데이터를 완벽하게 분류한다는 제약에 따라 마진이 최대화되도록 최적화 문제를 제한할 수 있다.
비지도 방법은 라벨링된 응답이 없는 입력 데이터를 포함하는 데이터 세트로부터 추론을 도출하는 방법일 수 있다. 비지도 방법은 클러스터링, 주요 컴포넌트 분석, k-평균 클러스터링, 계층적 클러스터링, 또는 이들의 임의의 조합을 포함할 수 있다.
훈련
본원에 기술된 바와 같은 기계 학습 시스템은 적어도 하나의 훈련 단계를 거치도록 구성되며, 여기서 기계 학습 시스템은 데이터 추출, 데이터 분석, 및 출력의 생성을 포함하는 하나 이상의 작업을 수행하도록 훈련된다.
시스템의 일부 실시예에서, 시스템 컴포넌트는, 예를 들어, EV 충전 데이터를 포함하는 훈련 데이터를 훈련 세트에서 제공하도록 구성된다. 일부 실시예에서, 시스템은 EV 충전 데이터의 세트로부터 추출하고/하거나 분석할 특징을 결정하기 위해 데이터의 자동 통계 분석을 이용한다. 이러한 실시예 중 일부에서, 기계 학습 소프트웨어 모듈은 기계 학습 시스템의 훈련에 기초하여 EV 충전 데이터의 세트로부터 어느 특징을 추출하고/하거나 분석할지 결정한다.
일부 실시예에서, 기계 학습 소프트웨어 모듈은 지도 학습으로서 설명될 수 있는 방식으로 데이터 세트 및 타깃을 사용하여 훈련된다. 이들 실시예에서, 데이터 세트는 통상적으로 훈련 세트 및 테스트 세트 및/또는 검증 세트로 분할된다. 데이터 세트에서 각각의 입력 값의 정확한 분류(예: 높은 또는 낮은 표현)를 포함하는 타깃이 명시된다. 예를 들어, EV 충전 데이터의 세트는 기계 학습 소프트웨어 모듈에 반복적으로 제시되고, 훈련 동안 제시된 각각의 샘플에 대해, 기계 학습 소프트웨어 모듈에 의해 생성된 출력은 원하는 타깃과 비교된다. 타깃과 입력 샘플 세트 사이의 차이가 계산되고, 기계 학습 시스템은 출력이 원하는 타깃 값에 더 근접하게 근사하도록 수정된다. 일부 실시예에서, 역전파 알고리즘이 이용되어 출력이 원하는 타깃 값에 더 근접하게 근사되게 한다. 많은 수의 훈련 반복 후에, 기계 학습 소프트웨어 모듈 출력은 입력 훈련 세트에서 각각의 샘플에 대해 원하는 타깃과 밀접하게 매칭될 것이다. 후속적으로, 훈련 동안 사용되지 않은 새로운 입력 데이터가 기계 학습 소프트웨어 모듈에 제시될 때, 새로운 샘플이 어떤 범주에 속할 가능성이 가장 높은지를 나타내는 출력 분류 값을 생성할 수 있다. 기계 학습 소프트웨어 모듈은 훈련에서 이전에 볼 수 없었던 새로운 입력 샘플로 "일반화"할 수 있다고 한다. 기계 학습 소프트웨어 모듈의 이러한 특징을 사용하면 할당해야 하는 범주와 수학적으로 공식화 가능한 관계가 있는 거의 모든 입력 데이터를 분류하는 데 사용할 수 있다.
본원에 기술된 기계 훈련 소프트웨어 모듈의 일부 실시예에서, 기계 훈련 소프트웨어 모듈은 글로벌 훈련 모델을 활용한다. 글로벌 훈련 모델은 많은 상이한 EV로부터의 데이터에 대해 훈련된 기계 훈련 소프트웨어 모듈에 기초한다. 따라서, 글로벌 훈련 모델을 활용하는 기계 훈련 시스템은 청구 요금 결정, 비용 설정, 전력 또는 충전 리소스 프로비저닝에 사용되도록 구성된다.
본원에 기술된 기계 훈련 소프트웨어 모듈의 일부 실시예에서, 기계 훈련 소프트웨어 모듈은 시뮬레이션된 훈련 모델을 이용한다. 시뮬레이션된 훈련 모델은 시뮬레이션된 EV 충전 데이터로부터 데이터에 대해 훈련된 기계 훈련 소프트웨어 모듈에 기초한다.
일부 실시예에서, 훈련 모델의 사용은 EV 충전 데이터의 이용 가능성으로서 변화한다. 예를 들어, 시뮬레이션된 훈련 모델은, 기계 훈련 소프트웨어 모듈을 원하는 정확도로 훈련하기 위해 이용 가능한 적절한 EV 충전 데이터의 양이 불충분한 경우, 사용될 수 있다. 초기에 사용할 수 있는 EV 충전 데이터의 양이 적기 때문에 구현 초기에는 특히 그렇다. 추가 데이터가 이용 가능해짐에 따라, 훈련 모델은 글로벌 모델로 변할 수 있다. 일부 실시예에서, 훈련 모델의 혼합물이 기계 훈련 소프트웨어 모듈을 훈련하는 데 사용될 수 있다. 예를 들어, 훈련 데이터 요건을 충족하기 위해 실제 EV 데이터와 시뮬레이션된 데이터의 혼합물을 이용한, 시뮬레이션된 및 글로벌 훈련 모델이 사용될 수 있다.
비지도 학습은, 일부 실시예에서, 예를 들어, 아미노산 서열 데이터와 같은 입력 데이터 및, 예를 들어, 단백질 발현 예측과 같은 출력을 사용하도록 기계 훈련 소프트웨어 모듈을 훈련시키는 데 사용된다. 일부 실시예에서, 비지도 학습은 입력 데이터 상의 기계 학습 소프트웨어 모듈에 의해 수행되는 특징 추출을 포함한다. 추출된 특징은 가시화를 위해, 분류를 위해, 후속 지도 훈련을 위해, 그리고 더 일반적으로는 후속 저장 또는 분석을 위한 입력을 표현하기 위해 사용될 수 있다.
비지도 학습에 일반적으로 사용되는 기계 학습 소프트웨어 모듈에는 k-평균 클러스터링, 다항 분포 혼합, 친화도 전파, 이산 요인 분석, 은닉 마르코프 모델, 볼츠만 기계, 제한된 볼츠만 기계, 자동 인코더, 컨벌루션 자동 인코더, 순환 신경망 자동 인코더, 및 장단기 기억(LSTM) 자동 인코더를 포함한다. 비지도 학습 모델은 많지만 훈련을 위해서는 관련 레이블 없이 입력 충전 데이터로 구성된 훈련 세트가 필요하다는 공통점이 있다.
일부 실시예에서, 기계 학습 시스템에 입력된 데이터를 사용하여, 가설 함수를 구축하여 최적 전력 프로비저닝을 결정할 수 있다. 일부 실시예에서, 기계 학습 시스템은 가설 함수의 결과가 달성되었는지 여부를 결정하도록 그리고 가설 함수가 구성된 데이터에 대해 결정하는 분석에 기초하여 구성된다. 즉, 결과는 가설 함수가 구성된 데이터에 대한 가설 함수를 강화하거나 가설 함수가 구성된 데이터에 대한 가설 함수와 모순되는 경향이 있다. 이들 실시예에서, 결과가 가설 함수에 의해 결정된 결과에 얼마나 가까운지에 따라 기계 학습 알고리즘은 가설 함수가 구성된 데이터와 관련하여 가설 함수를 채택, 조정 또는 포기한다. 이와 같이, 본원에 설명된 기계 학습 알고리즘은 훈련 단계를 통해 입력(예: 데이터)의 어떤 특성이 최적의 전력 공급 수준을 결정하는 데 가장 예측적인지 동적으로 학습한다.
예를 들어, 기계 학습 소프트웨어 모듈에는 훈련할 데이터가 제공되어 작동할 EV 충전 데이터의 가장 두드러진 기능을 결정할 수 있다. 본원에 설명된 기계 학습 소프트웨어 모듈은 소정의 지침을 사용하여 충전 데이터를 분석하는 대신 충전 데이터를 분석하는 방법에 대해 훈련한다. 이와 같이, 본원에 설명된 기계 학습 소프트웨어 모듈은 훈련을 통해 입력 신호의 어떤 특성이 최적의 전력 프로비저닝 또는 전력 프로비저닝과 관련된 양을 결정하는 데 가장 예측 가능한지 동적으로 학습한다.
일부 실시예에서, 훈련은 기계 학습 시스템이 EV 충전 데이터를 충전하고 있을 때 시작되고, 그의 전력 프로비저닝 또는 유도된 양의 레벨을 결정하도록 요청된다. 이어서, 그의 예측된 레벨은 특정 시설 또는 사이트에 대한 전력 프로비저닝의 실제 최적 레벨과 비교될 수 있다. 구배 하강 및 역전파와 같은 최적화 기술은 기계 학습 소프트웨어 모듈의 각 층에서 가중치를 업데이트하여 기계 학습 소프트웨어 모듈에 의해 예측된 출력 간의 더 가까운 일치를 생성하는 데 사용된다. 이러한 프로세스는 네트워크의 정확도가 원하는 레벨에 도달할 때까지 새로운 충전 데이터로 반복된다. 위에서 주어진 적절한 EV 충전 데이터로 훈련한 후, 기계 학습 모듈은 EV 충전 데이터를 분석하고 그의 전력 프로비저닝 또는 유도된 양의 레벨을 결정할 수 있다.
일반적으로, 기계 학습 알고리즘은 큰 EV 충전 데이터 세트 및/또는 해당 실측 값과 함께 상기 데이터로부터 계산된 특징이나 메트릭을 사용하여 훈련된다. 훈련 단계는 EV 충전 데이터 및/또는 특정 EV 충전 스테이션의 상기 데이터로부터 계산된 임의의 특징 또는 메트릭을 사용함으로써 전력 제공의 최적 레벨을 예측하기 위한 변환 함수를 구축한다. 기계 학습 알고리즘은 훈련을 통해 입력의 어떤 특성이 그의 전력 프로비저닝 또는 유도된 양의 최적 레벨을 결정하는 데 가장 예측적인지 동적으로 학습한다. 예측 단계는 훈련 단계로부터 구성되고 최적화된 변환 함수를 사용하여, 그의 전력 프로비저닝 또는 유도된 양의 최적 레벨을 예측한다.
예측 단계
훈련 후에, 기계 학습 알고리즘은, 예를 들어, 예측 단계를 사용하여 시스템이 훈련된 그의 전력 프로비저닝 또는 유도된 양의 예측된 최적 레벨을 결정하는 데 사용된다. 적절한 훈련 데이터에 의해, 시스템은 그의 전력 프로비저닝 또는 유도된 양의 최적 레벨을 식별할 수 있다.
예측 단계는 훈련 단계로부터 구성되고 최적화된 가설 함수를 사용하여, 그의 전력 프로비저닝 또는 유도된 양의 최적 레벨을 예측한다.
일부 실시예에서, 확률 임계치는 훈련된 네트워크의 감도를 조정하는 데 사용된다. 예를 들어, 확률 임계치는 1%, 2%, 5%, 10%, 15%, 20%, 25%, 30%, 35%, 40%, 45%, 50%, 55%, 60%, 65%, 70%, 75%, 80%, 85%, 90%, 95%, 98% or 99%일 수 있다. 일부 실시예에서, 확률 임계치는 정확도가 소정의 조정 임계치 미만으로 떨어지는 경우 조정된다. 일부 실시예에서, 조정 임계치는 훈련 기간의 파라미터를 결정하는 데 사용된다. 예를 들어, 확률 임계치의 정확도가 조정 임계치 미만으로 떨어지면, 시스템은 훈련 기간을 연장할 수 있고/있거나 추가 EV 충전 데이터를 요구할 수 있다. 일부 실시예에서, 추가적인 EV 충전 데이터 샘플이 훈련 데이터에 포함된다. 일부 실시예에서, 추가적인 EV 충전 데이터 샘플을 사용하여 훈련 데이터 세트를 개선할 수 있다.
컴퓨터 시스템
본 개시는 본 발명의 방법을 구현하도록 프로그래밍되는 컴퓨터 시스템을 제공한다. 도 10은 전기 차량에 전력을 프로비저닝하도록 프로그래밍되거나 그렇지 않으면 구성된 컴퓨터 시스템(1001)을 도시한다. 컴퓨터 시스템(1001)은 예를 들어 적응적 가열 및 냉각을 결정하는 것과 같은 본 발명의 인공 지능 처리의 다양한 양태를 조절할 수 있다. 컴퓨터 시스템(1001)은 사용자의 전자 장치 또는 상기 전자 장치에 대해 원격으로 위치된 컴퓨터 시스템일 수 있다. 상기 전자 장치는 모바일 전자 장치일 수 있다.
컴퓨터 시스템(1001)은 단일 코어 또는 멀티 코어 프로세서일 수 있는 중앙 처리 유닛(CPU, 또한 본원에서 "프로세서" 및 "컴퓨터 프로세서")(1005), 또는 병렬 처리를 위한 복수의 프로세서를 포함한다. 컴퓨터 시스템(1001)은 또한 메모리 또는 메모리 위치(1010)(예: 랜덤 액세스 메모리, 판독 전용 메모리, 플래시 메모리), 전자 저장 유닛(1015)(예: 하드 디스크), 하나 이상의 다른 시스템과 통신하고 위한 통신 인터페이스(1020)(예: 네트워크 어댑터), 및 캐시, 다른 메모리, 데이터 저장소 및/또는 전자 디스플레이 어댑터와 같은 주변 장치(1025)를 포함한다. 메모리(1010), 저장 유닛(1015), 인터페이스(1020) 및 주변 장치(1025)는, 마더보드와 같은, 통신 버스(실선)를 통해 CPU(1005)와 통신한다. 저장 유닛(1015)은 데이터를 저장하기 위한 데이터 저장 유닛(또는 데이터 저장소)일 수 있다. 컴퓨터 시스템(1001)은 통신 인터페이스(1020)의 도움으로 컴퓨터 네트워크("네트워크")(1030)에 작동 가능하게 결합될 수 있다. 네트워크(1030)는 인터넷, 인터넷 및/또는 엑스트라넷, 또는 인터넷과 통신하는 인트라넷 및/또는 엑스트라넷일 수 있다. 일부 경우에서 네트워크(1030)는 전기통신 및/또는 데이터 네트워크이다. 네트워크(1030)는, 클라우드 컴퓨팅과 같은, 분산 컴퓨팅을 가능하게 할 수 있는, 하나 이상의 컴퓨터 서버를 포함할 수 있다. 일부 경우에, 컴퓨터 시스템(1001)의 도움으로, 네트워크(1030)는 피어-투-피어 네트워크를 구현할 수 있으며, 이는 컴퓨터 시스템(1001)에 결합된 장치가 클라이언트 또는 서버로서 거동하게 할 수 있다.
CPU(1005)는 프로그램 또는 소프트웨어로 구현될 수 있는 기계 판독가능 명령어의 시퀀스를 실행할 수 있다. 명령어는, 메모리(1010)와 같은, 메모리 위치에 저장될 수 있다. 명령어는, 후속적으로 CPU(1005)를 프로그램하거나 그렇지 않으면 구성하여 본 개시의 방법을 구현할 수 있는, CPU(1005)로 전달될 수 있다. CPU(1005)에 의해 수행되는 작동의 예는 페치, 디코딩, 실행, 및 쓰기 저장을 포함할 수 있다.
CPU(1005)는 집적 회로와 같은 회로의 일부일 수 있다. 시스템(1001)의 하나 이상의 다른 컴포넌트가 회로에 포함될 수 있다. 일부 경우에서, 회로는 애플리케이션 특정 집적 회로(ASIC)이다.
저장 유닛(1015)은 운전자, 라이브러리 및 저장된 프로그램과 같은 파일을 저장할 수 있다. 저장 유닛(1015)은 사용자 데이터, 예컨대 사용자 선호도 및 사용자 프로그램을 저장할 수 있다. 컴퓨터 시스템(1001)는 일부 경우에, 인트라넷 또는 인터넷을 통해 컴퓨터 시스템(1001)과 통신하는 원격 서버 상에 위치된 것과 같은, 컴퓨터 시스템(1001)의 외부에 있는 하나 이상의 추가 데이터 저장 유닛을 포함할 수 있다.
컴퓨터 시스템(1001)은 네트워크(1030)를 통해 하나 이상의 원격 컴퓨터 시스템과 통신할 수 있다. 예를 들어, 컴퓨터 시스템(1001)은 사용자의 원격 컴퓨터 시스템(예: 기계 학습 계산을 수행하기 위한 서버)과 통신할 수 있다. 원격 컴퓨터 시스템의 예는 개인용 컴퓨터(예: 휴대용 PC), 슬레이트 또는 태블릿 PC(예: 애플 아이패드, 삼성 갤럭시 탭), 전화, 스마트폰(예: 애플 아이폰, 안드로이드 지원 장치, 블랙베리), 또는 개인 디지털 보조 장치를 포함한다. 사용자는 네트워크(1030)를 통해 컴퓨터 시스템(1001)에 액세스할 수 있다.
본원에 설명된 바와 같은 방법은, 예를 들어 메모리(1010) 또는 전자 저장 유닛(1015) 상에, 컴퓨터 시스템(1001)의 전자 저장 위치에 저장된 기계(예: 컴퓨터 프로세서) 실행가능 코드에 의해 구현될 수 있다. 기계 실행가능 또는 기계 판독가능 코드는 소프트웨어의 형태로 제공될 수 있다. 사용 동안, 상기 코드는 프로세서(1005)에 의해 실행될 수 있다. 일부 경우에서, 상기 코드는 저장 유닛(1015)으로부터 검색되고 프로세서(1005)에 의한 즉시 액세스를 위해 메모리(1010)에 저장될 수 있다. 일부 상황에서, 전자 저장 유닛(1015)은 배제될 수 있고, 기계 실행가능 명령어가 메모리(1010)에 저장될 수 있다.
상기 코드는 사전 컴파일되어 상기 코드를 실행하도록 구성된 프로세서를 갖는 기계와 함께 사용하도록 구성될 수 있거나 런타임 동안 컴파일될 수 있다. 상기 코드는 상기 코드가 미리 컴파일된 또는 컴파일된 방식으로 실행할 수 있게 하도록 선택될 수 있는 프로그래밍 언어로 공급될 수 있다.
컴퓨터 시스템(1001)과 같은 본원에 제공된 시스템 및 방법의 양태는 프로그래밍으로 구현될 수 있다. 기술의 다양한 양태는 통상적으로 기계(또는 프로세서) 실행가능 코드 및/또는 기계 판독가능 매체 유형에 전달되거나 구현되는 관련 데이터 형태의 "제품" 또는 "제조품"으로 간주될 수 있다. 기계 실행가능 코드는 메모리(예: 판독 전용 메모리, 랜덤 액세스 메모리, 플래시 메모리) 또는 하드 디스크와 같은 전자 저장 유닛에 저장될 수 있다. "저장" 유형 매체는 컴퓨터, 프로세서 등의 유형적 메모리, 또는 이의 연관된 모듈(다양한 반도체 메모리, 테이프 드라이브, 디스크 드라이브 등)의 일부 또는 전부를 포함할 수 있으며, 이는 소프트웨어 프로그래밍을 위해 임의의 시간에 비일시적 저장을 제공할 수 있다. 소프트웨어의 전부 또는 일부는 때때로 인터넷 또는 다양한 다른 전기통신 네트워크를 통해 통신될 수 있다. 예를 들어, 이러한 통신은 하나의 컴퓨터 또는 프로세서로부터 다른 컴퓨터 또는 프로세서 내로(예: 관리 서버 또는 호스트 컴퓨터로부터 애플리케이션 서버의 컴퓨터 플랫폼 내로) 소프트웨어의 로딩을 가능하게 할 수 있다. 따라서, 소프트웨어 요소를 보유할 수 있는 다른 유형의 매체는, 유선 및 광학 매립라인 네트워크를 통해 그리고 다양한 무선 링크를 통해, 로컬 장치 사이의 물리적 인터페이스에 걸쳐 사용되는 것과 같은 광학, 전기 및 전자기파를 포함한다. 유선 또는 무선 링크, 광학 링크 등과 같은 이러한 파를 운반하는 물리적 요소는 또한 소프트웨어를 갖는 매체로서 고려될 수 있다. 본원에 사용되는 바와 같이, 비일시적 유형의 "저장" 매체로 제한되지 않는 한, 컴퓨터 또는 기계 "판독가능 매체"와 같은 용어는 실행을 위해 프로세서에 명령어를 제공하는 데 참여하는 임의의 매체를 지칭한다.
따라서, 컴퓨터 실행 가능 코드와 같은 기계 판독 가능 매체는 유형의 저장 매체, 반송파 매체 또는 물리적 송신 매체를 포함하지만 이에 제한되지 않는 다양한 형태를 취할 수 있다. 비휘발성 저장 매체는 예를 들어, 도면에 도시된 데이터베이스 등을 구현하는 데 사용될 수 있는 것과 같이, 임의의 컴퓨터(들)의 임의의 저장 장치와 같은 광학 또는 자기 디스크를 포함한다. 휘발성 저장 매체는 이러한 컴퓨터 플랫폼의 메인 메모리와 같은 동적 메모리를 포함한다. 유형의 송신 매체에는 동축 케이블, 구리선, 광섬유(컴퓨터 시스템 내의 버스를 구성하는 전선 포함)가 포함된다. 반송파 송신 매체는 전기 또는 전자기 신호, 무선 주파수(RF) 및 적외선(IR) 데이터 통신 중에 생성되는 것과 같은 음향 또는 광파의 형태를 취할 수 있다. 따라서, 컴퓨터 판독가능 매체의 일반적인 형태는 예를 들어: 플로피 디스크, 가요성 디스크, 하드 디스크, 자기 테이프, 임의의 다른 자기 매체, CD-ROM, DVD 또는 DVD-ROM, 임의의 다른 광학 매체, 펀치 카드지 테이프, 구멍 패턴을 갖는 임의의 다른 물리적 저장 매체, RAM, ROM, PROM 및 EPROM, 플래시-EPROM, 임의의 다른 메모리 칩 또는 카트리지, 데이터 또는 명령어를 수송하는 반송파, 이러한 반송파를 수송하는 케이블 또는 링크, 또는 컴퓨터가 프로그래밍 코드 및/또는 데이터를 판독할 수 있는 임의의 다른 매체를 포함한다. 이러한 형태의 컴퓨터 판독가능 매체 중 많은 것은 실행을 위해 하나 이상의 명령어의 하나 이상의 시퀀스를 프로세서에 운반하는 데 수반될 수 있다.
컴퓨터 시스템(1001)은 예를 들어 차량에 대한 충전 비용을 변경하기 위한 방법을 제공하기 위한 사용자 인터페이스(UI)(1040)를 포함하는 전자 디스플레이(1035)를 포함하거나 이와 통신할 수 있다. UI의 예는, 제한 없이, 그래픽 사용자 인터페이스(GUI) 및 웹 기반 사용자 인터페이스를 포함한다.
본 개시의 방법 및 시스템은 하나 이상의 알고리즘에 의해 구현될 수 있다. 알고리즘은 중앙 처리 유닛(1005)에 의한 실행 시 소프트웨어에 의해 구현될 수 있다. 상기 알고리즘은, 예를 들어, 배터리 에너지 저장 시스템에 대한 사용 프로필을 결정할 수 있다.
본 발명의 바람직한 실시예가 본원에 도시되고 설명되었지만, 이러한 실시예는 단지 예로서 제공됨이 당업자에게 명백할 것이다. 본 개시는 본 명세서 내에 제공된 구체적인 예에 의해 제한되는 것으로 의도되지 않는다. 본 발명이 전술한 명세서를 참조하여 설명되었지만, 본 명세서의 실시예의 설명 및 예시는 제한적인 의미로 해석되어서는 안 된다. 이제 본 발명으로부터 벗어남이 없이 당업자에게 많은 변형, 변경 및 치환이 발생할 것이다. 또한, 본 발명의 모든 양태는 다양한 조건 및 변수에 의존하는 본원에 기재된 특정 묘사, 구성 또는 상대 비율로 제한되지 않음을 이해할 것이다. 본원에 기재된 본 발명의 실시예에 대한 다양한 대안이 본 발명을 실시하는 데 사용될 수 있음을 이해해야 한다. 따라서, 본 개시는 또한 임의의 그러한 대안, 수정, 변형 또는 등가물을 커버할 것으로 고려된다. 하기 청구범위는 본 발명의 범주를 정의하고, 이러한 청구범위 및 이들의 등가물의 범주 내의 방법 및 구조가 이에 의해 커버되는 것으로 의도된다.
Claims (47)
- 전기 (EV) 충전 사이트에서의 배전 방법으로서, 상기 EV 충전 사이트는 복수의 EV 충전 스테이션과 함께 배치된 복수의 에너지 저장 시스템을 포함하고, 상기 EV 충전 스테이션 및 상기 에너지 저장 시스템은 복수의 전기 공급기에 의해 그리드 또는 다른 전원에 연결되고, 상기 방법은:
상기 복수의 전기 공급기 중 하나의 전기 공급기에 대해, 상기 전기 공급기의 하나 이상의 연결점에서 복수의 전기 부하 중 하나의 전기 부하에 대한 전류 흐름을 모니터링하는 단계;
상기 전류가 설계 한계를 초과하는 경우, 상기 전기 부하로의 전류의 흐름을 중단하고 에너지 저장 시스템으로부터 전류를 제공하는 단계; 및
상기 전류가 상기 설계 한계 미만인 경우, 상기 전기 부하로의 상기 전류의 흐름을 유지하고 상기 복수의 에너지 저장 시스템 중 하나 이상을 충전하는 단계를 포함하는, 방법. - 제1항에 있어서, 상기 전기 부하로의 상기 전류의 흐름을 중단하는 단계는 차단기로 신호를 송신하는 단계를 포함하는, 방법.
- 제1항에 있어서, 상기 에너지 저장 시스템은 배터리 에너지 저장 시스템인, 방법.
- 제1항에 있어서, 상기 전류의 흐름을 유지하는 단계는 훈련된 기계 학습 알고리즘을 사용하여 전류 흐름 경로를 자동 재구성하는 단계를 포함하는, 방법.
- 제4항에 있어서, 상기 기계 학습 알고리즘은 상기 에너지 저장 시스템의 충전 및 방전을 구성할 때를 결정하는, 방법.
- 제5항에 있어서, 상기 전류 흐름을 모니터링하는 단계는 연속적으로 수행되는, 방법.
- 제5항에 있어서, 상기 하나 이상의 연결점 중 하나의 연결점은 계량기 옆에 또는 변압기 옆에 있는, 방법.
- 제1항에 있어서, 상기 복수의 전기 부하의 하나 이상의 요건이 변경될 때 하나 이상의 추가 에너지 저장 시스템을 연결하는 단계를 추가로 포함하는, 방법.
- 제1항에 있어서, 상기 복수의 에너지 저장 시스템은 MESH 네트워크를 사용하여 연결되는, 방법.
- 제1항에 있어서, 상기 복수의 에너지 저장 시스템은 단일 유닛으로서 제어 가능한, 방법.
- 제1항에 있어서, 상기 복수의 에너지 저장 시스템은 개별적으로 제어 가능한 하나 이상의 에너지 저장 시스템을 포함하는, 방법.
- EV 충전 사이트에서 복수의 EV 충전 스테이션 중 하나의 EV 충전 스테이션을 선택하는 방법으로서,
상기 복수의 전기 차량 충전 각각의 하나 이상의 파라미터를 획득하되, 상기 하나 이상의 파라미터는 효율, 온도, 및 전압 강하 중 하나 이상을 포함하는 단계;
상기 전기 차량 충전 사이트에서 상기 복수의 전기 차량 충전기에 대한 사용 스케줄을 결정하기 위해 컴퓨터가 상기 하나 이상의 파라미터를 처리하는 단계; 및
상기 사용 스케줄에 기초하여, 사용자가 사용할 EV 충전 스테이션을 선택하는 단계를 포함하는, 방법. - 제12항에 있어서, 상기 선택된 EV 충전 스테이션을 상기 사용자에게 나타내는 단계를 추가로 포함하는, 방법.
- 제13항에 있어서, 상기 나타내는 단계는 현장 공지를 사용하거나 전자 디스플레이를 통해 제공되는, 방법.
- 제14항에 있어서, 상기 현장 공지는 시각적이거나 청각적인, 방법.
- 제14항에 있어서, 상기 전자 디스플레이는 사용자 장치인, 방법.
- 제16항에 있어서, 상기 나타내는 단계는 모바일 애플리케이션을 사용하여 수행되는, 방법.
- 제17항에 있어서, 상기 하나 이상의 파라미터는 상기 사용자 장치로부터 획득된 광고 정보 및 사용자 정보를 추가로 포함하는, 방법.
- 제12항에 있어서, 상기 사용 스케줄을 결정하는 단계는 컴퓨터가 성능 저하 데이터, 경제적 데이터, 근접 데이터, 또는 사용자 데이터를 처리하는 단계를 추가로 포함하는, 방법.
- 제19항에 있어서, 상기 성능 저하 데이터는 상승된 온도, 효율 손실, 또는 팬 속도, 팬 작동 시간, 팬 압력, 전압, 전류 인출, 또는 에너지 저장 시스템에 의해 전달되는 에너지의 예상치 못한 변화의 존재에 해당하거나 이를 나타내는, 방법.
- 제19항에 있어서, 경제적 데이터는 구매 패턴, 충전 요금, 또는 사용자 구매 거동인, 방법.
- 제19항에 있어서, 근접 데이터는 소매 엔티티, 날씨 데이터, 자연 재해 데이터, 또는 위치 안전 데이터에 대한 근접성인, 방법.
- 제19항에 있어서, 사용자 데이터는 주차 우선순위 데이터, 차량 유형, 또는 차량 용도인, 방법.
- 에너지 저장 유닛의 예측 냉각을 수행하는 방법으로서,
교정 루틴을 구현하여, 에너지 저장 시스템의 복수의 작동 상태를 결정하는 단계;
상기 에너지 저장 시스템의 사용 프로필을 결정하는 단계; 및
상기 교정 루틴 및 상기 사용 프로필에 기초하여 상기 에너지 저장 시스템의 다중모드 냉각을 개시하되, 상기 다중 모드 냉각은, 상기 사용 프로필 및 상기 교정 루틴에 기초하여, 공기 냉각, 열 파이프 냉각, 및 이코노마이저 냉각 중 적어도 2개를 포함하는 단계를 포함하는, 방법. - 제24항에 있어서, 상기 사용 프로필은 사용량이 많은 기간 및 사용량이 적은 기간을 포함하는, 방법.
- 제25항에 있어서, 다중모드 냉각은 사용량이 많은 기간 동안 상기 에너지 저장 시스템의 온도를 낮추고, 사용량이 적은 기간 동안 상기 에너지 저장 시스템의 온도를 높이는 단계를 추가로 포함하는, 방법.
- 제25항에 있어서, 상기 복수의 작동 상태는 피크 온도, 평균 온도, 및 수명 평균 온도를 포함하는, 방법.
- 제25항에 있어서, 상기 교정 루틴은 훈련된 기계 학습 알고리즘을 사용하여 상기 복수의 작동 상태를 결정하고, 상기 훈련된 기계 학습 알고리즘은 방열 데이터, 임피던스 데이터, 연령 데이터, 또는 외부 온도 데이터 중 하나 이상을 처리하는, 방법.
- EV 충전 스테이션의 사용자에게 정보를 디스플레이하기 위한 시스템으로서, 상기 사용자, 상기 EV 충전 스테이션, 상기 사용자의 전기 차량, 또는 상기 EV 충전 스테이션을 포함하는 EV 충전 사이트에 관한 데이터를 수집하기 위한 하나 이상의 센서;
신호를 생성하도록 상기 정보를 처리하기 위한 하나 이상의 컴퓨팅 장치; 및 상기 신호를 상기 사용자에게 송신하기 위한 시청각 신호 장치를 포함하되, 상기 시청각 신호 장치는 상기 EV 충전 스테이션 또는 상기 EV 충전 사이트의 일부 상에 배치되는, 시스템. - 제29항에 있어서, 상기 시청각 신호 장치는 상기 차량의 충전 상태, 상기 충전 자산의 이용 가능성, 비용, 주차 위치, 또는 차량에 대한 서비스 요건, 또는 상기 차량의 충전 상태를 디스플레이하는, 시스템.
- 제29항에 있어서, 상기 시청각 신호 장치는 조명, 스피커, 경보, 깃발, 표지판, 이동 그래픽, 전자 스크린, 또는 다른 시각적 또는 청각적 신호인, 시스템.
- 제29항에 있어서, 상기 시청각 신호 장치는 머리 위 구조물, 버스 통로, 수직 구조물, 충전 스탠드, 독립 지지대, 배터리 시스템 인클로저, 또는 다른 장치에 설치되는, 시스템.
- 제29항에 있어서, 상기 시청각 신호 장치는 색상, 패턴, 기록 메시지, 이동 그래픽, 청각 신호를 주차 공간/차도 상에 또는 주차 공간 또는 충전 칸 근처 또는 부근에 투영하는, 시스템.
- 전기 차량(EV) 충전 스테이션에 대한 사용자 비상 액세스를 제공하는 방법으로서,
(a) 상기 EV 충전 스테이션에 액세스하기 위해 사용자로부터 요청을 수신하는 단계;
(b) 상기 요청이 유효한 것으로 결정하는 단계;
(c) (b)에 응답하여, 상기 EV 충전 스테이션에 대한 상기 사용자 액세스를 제공하는 단계; 및
(d) 하나 이상의 부하를 국부적으로 유휴하되, 상기 하나 이상의 부하는 상기 사용자의 차량이 아닌 단계를 포함하는, 방법. - 제34항에 있어서, 상기 사용자의 차량의 충전 요금을 올리는 단계를 추가로 포함하는, 방법.
- 제34항에 있어서, 상기 충전 스테이션에 대한 상기 차량의 액세스와 관련된 하나 이상의 비상 작동 조건을 네트워크 연결 위치로 송신하는 단계를 추가로 포함하는, 방법.
- 제34항에 있어서, 상기 차량 충전 스테이션의 지불 기능을 비활성화하는 단계를 추가로 포함하는, 방법.
- 제34항에 있어서, 상기 차량 충전 스테이션의 전력 제한을 무시하는 단계를 추가로 포함하는, 방법.
- 제34항에 있어서, 상기 요청은 무선 주파수 식별(RFID) 신호, 보안 코드, 또는 전자 키를 포함하는, 방법.
- EV 충전 스테이션과 원격 서버 사이의 끊어진 통신을 재확립하는 방법으로서,
상기 EV 충전 스테이션과 사용자의 모바일 장치 또는 전기 차량 사이에 제1 통신 링크를 확립하는 단계;
상기 모바일 장치 또는 상기 전기 차량과 상기 원격 서버 사이에 제2 통신 링크를 확립하는 단계;
상기 제1 통신 링크 및 상기 제2 통신 링크를 사용하여, 상기 전기 차량 충전기와 상기 원격 서버 사이의 상기 끊어진 연결을 재확립하는 단계; 및
오류 또는 실패에 대해 상기 재확립된 연결을 모니터링하는 단계를 포함하는, 방법. - 제40항에 있어서, 상기 제1 통신 링크는 블루투스, MESH, 또는 와이파이 링크인, 방법.
- 제40항에 있어서, 상기 제2 통신 링크는 셀룰러 또는 위성 링크인, 방법.
- EV 충전 스테이션과 전기 차량 사이의 링크를 재확립하는 방법으로서,
(a) 명령을 제어 엔티티로부터 상기 EV 충전 스테이션으로 순환시키는 단계;
(b) 통신 전력을 상기 EV 충전 스테이션으로 순환시키는 단계, 및
(c) 상기 EV 충전 스테이션을 재부팅하는 단계를 포함하는, 방법. - 제43항에 있어서, 상기 전기 차량과 상기 EV 충전 스테이션 사이의 통신을 위한 데이터를 국부적으로 버퍼링하는 단계를 추가로 포함하는, 방법.
- EV 충전 사이트에서 하나 이상의 EV 충전 스테이션으로부터의 전력의 공급을 조절하는 방법으로서,
상기 EV 충전 사이트에서 전력에 대한 수요에 관한 데이터를 획득하는 단계;
상기 데이터를 처리하여 상기 하나 이상의 EV 충전 스테이션에 대한 전력 공급의 변화를 결정하는 단계;
상기 전력 공급의 변화에 응답하여, 상기 하나 이상의 EV 충전 스테이션 중 적어도 하나가 동작을 수행하도록 유도하는 단계를 포함하는, 방법. - 제45항에 있어서, 상기 데이터는 유틸리티 요금제, 수요 요금, 총 사이트 수요, 하나 이상의 수요 이벤트의 존재, 및 에너지 저장 시스템의 상태인, 방법.
- 제45항에 있어서, 상기 동작은 상기 전기 차량을 충전하는 비용을 감소시키거나, 상기 전기 차량을 충전하는 비용을 증가시키거나, 상기 전기 차량의 사용자에게 제안을 제공하는, 방법.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US202163188828P | 2021-05-14 | 2021-05-14 | |
| US63/188,828 | 2021-05-14 | ||
| PCT/US2022/029274 WO2022241267A1 (en) | 2021-05-14 | 2022-05-13 | Systems and methods for electric vehicle charging power distribution |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20240017357A true KR20240017357A (ko) | 2024-02-07 |
Family
ID=84029444
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020237042525A KR20240017357A (ko) | 2021-05-14 | 2022-05-13 | 전기 차량 충전 배전을 위한 시스템 및 방법 |
Country Status (7)
| Country | Link |
|---|---|
| EP (1) | EP4337491A1 (ko) |
| JP (1) | JP2024518404A (ko) |
| KR (1) | KR20240017357A (ko) |
| AU (1) | AU2022273313A1 (ko) |
| BR (1) | BR112023023590A2 (ko) |
| CA (1) | CA3218091A1 (ko) |
| WO (1) | WO2022241267A1 (ko) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11760224B1 (en) * | 2022-08-03 | 2023-09-19 | Electric Era Technologies, Inc. | Vehicle charging system |
| CN116691418B (zh) * | 2023-08-08 | 2023-10-24 | 江苏充动科技有限公司 | 一种可自动分配控制功率的充电方法 |
| CN116846040B (zh) * | 2023-08-31 | 2023-11-14 | 合肥博雷电气有限公司 | 一种恒压恒流充放电电源的全数字控制方法 |
| CN117507868B (zh) * | 2024-01-04 | 2024-03-08 | 南京轶诺科技有限公司 | 一种新能源汽车电力共享分配方法及系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9348381B2 (en) * | 2011-10-19 | 2016-05-24 | Zeco Systems Pte Ltd | Methods and apparatuses for charging of electric vehicles |
| GB2514092B (en) * | 2013-03-21 | 2017-11-29 | Powervault Ltd | Electrical energy storage device and system |
| US9960637B2 (en) * | 2015-07-04 | 2018-05-01 | Sunverge Energy, Inc. | Renewable energy integrated storage and generation systems, apparatus, and methods with cloud distributed energy management services |
-
2022
- 2022-05-13 EP EP22808445.5A patent/EP4337491A1/en active Pending
- 2022-05-13 JP JP2023568292A patent/JP2024518404A/ja active Pending
- 2022-05-13 WO PCT/US2022/029274 patent/WO2022241267A1/en active Application Filing
- 2022-05-13 AU AU2022273313A patent/AU2022273313A1/en active Pending
- 2022-05-13 KR KR1020237042525A patent/KR20240017357A/ko unknown
- 2022-05-13 CA CA3218091A patent/CA3218091A1/en active Pending
- 2022-05-13 BR BR112023023590A patent/BR112023023590A2/pt unknown
Also Published As
| Publication number | Publication date |
|---|---|
| AU2022273313A1 (en) | 2023-11-30 |
| WO2022241267A1 (en) | 2022-11-17 |
| CA3218091A1 (en) | 2022-11-17 |
| BR112023023590A2 (pt) | 2024-03-12 |
| EP4337491A1 (en) | 2024-03-20 |
| JP2024518404A (ja) | 2024-05-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20240017357A (ko) | 전기 차량 충전 배전을 위한 시스템 및 방법 | |
| Kandil et al. | A combined resource allocation framework for PEVs charging stations, renewable energy resources and distributed energy storage systems | |
| US20220121260A1 (en) | Power distribution management based on distributed networking protocol analytics | |
| Carpinelli et al. | Optimal scheduling of a microgrid with demand response resources | |
| US20130257372A1 (en) | Intelligent electric vehicle recharging | |
| US11769094B2 (en) | System and method for real-time distributed micro-grid optimization using price signals | |
| CN103733463A (zh) | 基于市场数据来控制能量服务的方法及装置 | |
| Wei et al. | Battery management and application for energy-efficient buildings | |
| US20160226261A1 (en) | Power Supply-Demand Adjusting Apparatus, Power System and Power Supply-Demand Adjusting Method | |
| KR102210084B1 (ko) | 신재생 에너지 연계형 전기차 충전 스테이션의 운영 및 관리 시스템 | |
| Amir et al. | Intelligent energy management scheme‐based coordinated control for reducing peak load in grid‐connected photovoltaic‐powered electric vehicle charging stations | |
| US20220383432A1 (en) | Recommended action output system, recommended action output method, and recording medium | |
| WO2015118744A1 (ja) | エネルギーマネジメントシステム | |
| Ghai et al. | DC picogrids: a case for local energy storage for uninterrupted power to DC appliances | |
| JP6158107B2 (ja) | エネルギーマネジメントシステム | |
| US20230139438A1 (en) | Charging power management device and charging power management method | |
| US20230182580A1 (en) | Method and systems to trickle charge electric vehicle's supercapacitors using solar energy | |
| US20230387684A1 (en) | Method and system for operation and usage of battery energy storage in a power grid | |
| CA3189084A1 (en) | Adaptive knowledge-based energy management system and method | |
| Kwasinski et al. | Signal processing in the electrification of vehicular transportation: techniques for electric and plug-in hybrid electric vehicles on the smart grid | |
| Shaaban et al. | PEVs real-time coordination in smart grid based on moving time window | |
| JP2021069236A (ja) | 電力管理システム、電力管理装置、電力管理方法及びプログラム | |
| US10742054B2 (en) | Intelligent composable multi-function battery pack | |
| Smith | Autonomous Multi-Chemistry Secondary-Use Battery Energy Storage | |
| Iwanski | Prioritized sharing of charging energy in a multiple charging unit based batteries swapping station at communication fault |