WO2023033544A1 - 빅데이터 기반의 중앙 관제 충전 시스템, 방법 및 장치 - Google Patents

빅데이터 기반의 중앙 관제 충전 시스템, 방법 및 장치 Download PDF

Info

Publication number
WO2023033544A1
WO2023033544A1 PCT/KR2022/013043 KR2022013043W WO2023033544A1 WO 2023033544 A1 WO2023033544 A1 WO 2023033544A1 KR 2022013043 W KR2022013043 W KR 2022013043W WO 2023033544 A1 WO2023033544 A1 WO 2023033544A1
Authority
WO
WIPO (PCT)
Prior art keywords
charging
electric vehicle
data
vehicle
central control
Prior art date
Application number
PCT/KR2022/013043
Other languages
English (en)
French (fr)
Inventor
함재욱
Original Assignee
에스케이시그넷 주식회사
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 에스케이시그넷 주식회사 filed Critical 에스케이시그넷 주식회사
Publication of WO2023033544A1 publication Critical patent/WO2023033544A1/ko

Links

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
    • B60L53/30—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
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/62—Monitoring or controlling charging stations in response to charging parameters, e.g. current, voltage or electrical charge
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/66—Data transfer between charging stations and vehicles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—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
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • 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
    • B60L58/16—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to battery ageing, e.g. to the number of charging cycles or the state of health [SoH]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/08—Payment architectures
    • G06Q20/10—Payment architectures specially adapted for electronic funds transfer [EFT] systems; specially adapted for home banking systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/08—Payment architectures
    • G06Q20/14—Payment architectures specially adapted for billing systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/30—Payment architectures, schemes or protocols characterised by the use of specific devices or networks
    • G06Q20/34—Payment architectures, schemes or protocols characterised by the use of specific devices or networks using cards, e.g. integrated circuit [IC] cards or magnetic cards
    • G06Q50/40—
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/16—Information or communication technologies improving the operation of electric vehicles
    • Y02T90/167—Systems integrating technologies related to power network operation and communication or information technologies for supporting the interoperability of electric or hybrid vehicles, i.e. smartgrids as interface for battery charging of electric vehicles [EV] or hybrid vehicles [HEV]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S30/00—Systems supporting specific end-user applications in the sector of transportation
    • Y04S30/10—Systems supporting the interoperability of electric or hybrid vehicles
    • Y04S30/14—Details associated with the interoperability, e.g. vehicle recognition, authentication, identification or billing

Definitions

  • This specification proposes a big data-based central control charging system, method, and device.
  • FIG. 1 illustrates a conventional electric vehicle charging system.
  • a conventional electric vehicle charging system includes a plurality of dispensers (DP) and a server 110 that controls them.
  • an individual dispenser (DP) selects/determines a charging module to be used individually based on its own power bank state, a state of using a charging module of another dispenser, a state of an unused charging module, etc. In this way, a power sharing operation was performed.
  • the server 110 mainly performs an operation of collecting charging information by performing communication with an electric vehicle and a charger according to a communication protocol called OCPP (OPEN CHARGE POINT PROTOCOL).
  • the server 110 it operated only for the purpose of simply collecting charging information from the charger and electric vehicle, and it could not extract meaningful charging / payment patterns / information related to charging by analyzing and learning the collected charging information. A problem existed. In addition, there is a problem that it is difficult to apply a charging method suitable for the characteristics of each vehicle type because the server cannot recognize/identify the vehicle type of the electric vehicle currently being charged.
  • the present invention has been made to solve the above problems, and an object of the present invention is a big data-based central control charging system that greatly improves charging efficiency and speed by enabling flexible power sharing operation in a central control method. , to provide a method and apparatus.
  • Another object of the present invention is to build a vehicle type identification model by learning and analyzing data collected during charging, thereby providing a customized charging method for each vehicle type, which greatly improves charging efficiency.
  • a central control charging system based on big data To provide a method and device.
  • Another object of the present invention is to distinguish electric vehicle identification information from data collected during charging, to enable collection and pattern analysis of charging and payment information for each individual electric vehicle, and customized charging based on the analysis results. And to provide a central control charging system, method and device based on big data capable of providing payment services.
  • a central control charging system based on big data includes an electric vehicle charging unit for charging an electric vehicle using a plurality of charging modules; and a central control unit that collects charge state data by communicating with the electric vehicle through the electric vehicle charging unit, wherein the central control unit includes the charging state data received from the electric vehicle through the electric vehicle charging unit.
  • big data analyzes and learns the big data charged state data, extracts characteristic items for each electric vehicle type and data values of the characteristic items, and identifies the electric vehicle type based on the extracted characteristic items and characteristic item data values.
  • the characteristic items include the maximum acceptable current of the electric vehicle, the maximum acceptable voltage, the maximum acceptable power, the scale value for the value, the ID (Identifier) arrangement method, the Bulk State of Charge (SoC), the Full SoC, It may include an item for at least one of a change in target current for SoC, a change in target current according to temperature, a change in target current according to state of health (SoH), and a message transmission speed for each communication step.
  • the central control unit receives sample charging state data for a specific electric vehicle model as the charging state data, performs machine learning-based data mining on the sample charging state data, and performs a characteristic item for the vehicle model and the characteristic item. Data values of are extracted, and the extracted feature items and feature item data values may be reflected in building or updating the vehicle type identification model as a criterion for identifying the specific electric vehicle model.
  • the vehicle identification item may correspond to a Media Access Control Address (MAC) address of the electric vehicle.
  • MAC Media Access Control Address
  • the charging information of the electric vehicle may include at least one of the charging station location where the electric vehicle is charged, the average charging amount of the electric vehicle, the maximum charging amount, the minimum charging amount, the average charging time, the minimum charging time, the maximum charging time, the charging cycle, the number of times, and the date and time. and one, and the payment information of the electric vehicle may include at least one of a payment card used for the electric vehicle charging payment, a payment account, payment method information, and user information.
  • the central control unit may automatically pay the charging cost based on the payment information when charging of the electric vehicle is completed.
  • the central control unit predicts at least one of a next charging time of the electric vehicle and a charging station based on the charging information, and sends a notification about the congestion of the predicted charging station at a time ahead of the predicted charging time by a predetermined time. can be transmitted to the user's device.
  • the degree of congestion may be derived based on prediction of use states of the plurality of charging modules at the charging prediction time point.
  • a central control charging system based on big data includes an electric vehicle charging unit for charging an electric vehicle using a plurality of charging modules; and a central control unit that collects charge state data by communicating with the electric vehicle through the electric vehicle charging unit, wherein the central control unit includes the charging state data received from the electric vehicle through the electric vehicle charging unit.
  • big data analyzes and learns the big data charged state data, extracts characteristic items for each electric vehicle type and data values of the characteristic items, and identifies the electric vehicle type based on the extracted characteristic items and characteristic item data values.
  • the central control unit After the vehicle type identification model is built, when a plurality of electric vehicles are connected to the electric vehicle charging unit and charging is started, the central control unit establishes communication with the plurality of electric vehicles.
  • the characteristic items include the maximum acceptable current of the electric vehicle, the maximum acceptable voltage, the maximum acceptable power, the scale value for the value, the ID (Identifier) arrangement method, the Bulk State of Charge (SoC), the Full SoC, It may include an item for at least one of a change in target current for SoC, a change in target current according to temperature, a change in target current according to state of health (SoH), and a message transmission speed for each communication step.
  • the central control unit receives sample charging state data for a specific electric vehicle model as the charging state data, performs machine learning-based data mining on the sample charging state data, and performs a characteristic item for the vehicle model and the characteristic item. Data values of are extracted, and the extracted feature items and feature item data values can be reflected in building or updating the vehicle type identification model as a criterion for identifying the specific electric vehicle model.
  • the central control unit may perform a power sharing operation by dynamically allocating the plurality of charging modules to each electric vehicle according to a variation amount of a target current relative to SoC predefined for each vehicle type of the plurality of electric vehicles.
  • Charging control for each of the plurality of electric vehicles is performed only when the amount of change in the target current compared to the SoC predefined for each type of vehicle recognized satisfies a preset condition, and the preset condition is the target current of the SoC initial section. It can be applied only when the value is lower than the target current value of the middle and late SoC periods.
  • a charging control method of a central control unit includes receiving charging state data from an electric vehicle connected to the electric vehicle charging unit through an electric vehicle charging unit; transforming the received state of charge data into big data; extracting characteristic items for each type of electric vehicle and data values of the characteristic items by analyzing and learning big data charged state data; constructing or updating a vehicle model identification model for identifying the vehicle model of the electric vehicle based on the extracted feature items and feature item data values; Collecting charge state data by communicating with the plurality of electric vehicles when the vehicle type identification model is established and charging is initiated after the plurality of electric vehicles are connected to the electric vehicle charging unit; extracting the characteristic item and the characteristic item data value from the charging state data and inputting the extracted characteristic item data value to the vehicle type identification model; recognizing vehicle models of the plurality of electric vehicles according to a vehicle model identification result output from the vehicle model identification model; and controlling charging of the plurality of electric vehicles by applying a change amount of the target current to the SoC that is predefined for each type of vehicle to the electric vehicle charging unit
  • the characteristic items include the maximum acceptable current of the electric vehicle, the maximum acceptable voltage, the maximum acceptable power, the scale value for the value, the ID (Identifier) arrangement method, the Bulk State of Charge (SoC), the Full SoC, It may include an item for at least one of a change in target current for SoC, a change in target current according to temperature, a change in target current according to state of health (SoH), and a message transmission speed for each communication stage.
  • a charging control method of a central control unit includes the steps of receiving sample charge state data for a specific electric vehicle model as the charge state data; extracting feature items for the vehicle model and data values of the feature items by performing machine learning-based data mining on the sample charging state data; and reflecting the extracted feature items and feature item data values to construct or update the vehicle model identification model as a criterion for identifying the specific electric vehicle model.
  • the charging control method of the central control unit dynamically allocates power to the plurality of charging modules for each electric vehicle according to the amount of change in target current compared to SoC predefined for each vehicle type of the plurality of electric vehicles. It may include; performing a sharing operation.
  • the step of controlling the charging of each of the plurality of electric vehicles is performed only when the amount of change in the target current compared to the SoC predefined for each type of recognized vehicle satisfies a preset condition, which is the initial SoC condition. It can be applied only when the target current value of the section is lower than the target current value of the middle and late SoC sections.
  • a charging control method of a central control unit includes receiving charging state data from an electric vehicle connected to the electric vehicle charging unit through an electric vehicle charging unit; transforming the received state of charge data into big data; extracting characteristic items for each type of electric vehicle and data values of the characteristic items by analyzing and learning big data charged state data; constructing or updating a vehicle model identification model for identifying the vehicle model of the electric vehicle based on the extracted feature items and feature item data values; selecting charging state data of the same vehicle type among the big data charging state data; comparing the selected state of charge data for each electric vehicle and extracting different identification items; and matching the charging and payment information for each electric vehicle with an identification data value of an identification item for each electric vehicle and storing the information in a database.
  • the characteristic items include the maximum acceptable current of the electric vehicle, the maximum acceptable voltage, the maximum acceptable power, the scale value for the value, the ID (Identifier) arrangement method, the Bulk State of Charge (SoC), the Full SoC, It may include an item for at least one of a change in target current for SoC, a change in target current according to temperature, a change in target current according to state of health (SoH), and a message transmission speed for each communication step.
  • a charging control method of a central control unit includes the steps of receiving sample charge state data for a specific electric vehicle model as the charge state data; extracting feature items for the vehicle model and data values of the feature items by performing machine learning-based data mining on the sample charging state data; and reflecting the extracted feature items and feature item data values to construct or update the vehicle model identification model as a criterion for identifying the specific electric vehicle model.
  • the vehicle identification item may correspond to a Media Access Control Address (MAC) address of the electric vehicle.
  • MAC Media Access Control Address
  • the charging information of the electric vehicle may include at least one of the charging station location where the electric vehicle is charged, the average charging amount of the electric vehicle, the maximum charging amount, the minimum charging amount, the average charging time, the minimum charging time, the maximum charging time, the charging cycle, the number of times, and the date and time. and one, and the payment information of the electric vehicle may include at least one of a payment card used for the electric vehicle charging payment, a payment account, payment method information, and user information.
  • Automatic payment step when the payment method for the electric vehicle is set to an automatic payment method, when charging of the electric vehicle is completed, the charging cost is calculated based on the payment information.
  • Automatic payment step may include.
  • the charging control method of the central control unit includes predicting at least one of a next charging time of the electric vehicle and a charging station based on the charging information; and transmitting, to the electric vehicle or user device, a notification about congestion of the predicted charging station at a time ahead of the predicted charging time by a predetermined time.
  • the degree of congestion may be derived based on prediction of use states of the plurality of charging modules at the charging prediction time point.
  • electric vehicle identification information can be distinguished from data collected during charging
  • charging and payment information for each individual electric vehicle can be collected and pattern analyzed. Furthermore, there is an effect that a user-customized charging and payment service can be provided based on the analysis result.
  • FIG. 1 illustrates a conventional electric vehicle charging system.
  • FIG. 2 is a diagram illustrating a central control charging system based on big data according to an embodiment of the present invention.
  • FIG. 3 is a block diagram of a central control charging system based on big data according to an embodiment of the present invention.
  • FIGS. 4 and 5 are diagrams illustrating communication messages collected by a central control unit from an electric vehicle according to an embodiment of the present invention.
  • FIG. 6 is a diagram illustrating a target current change graph with respect to a predefined State of Charge (SoC) for a specific vehicle model according to an embodiment of the present invention.
  • SoC State of Charge
  • FIG. 7 is a flowchart illustrating a method of analyzing and learning charging state data of a central control unit according to an embodiment of the present invention.
  • FIG. 8 is a flowchart illustrating a dynamic power sharing method of a central control unit according to an embodiment of the present invention.
  • FIG. 9 is a diagram illustrating a communication message including electric vehicle identification information according to an embodiment of the present invention.
  • FIG. 10 is a diagram illustrating a user device providing a charging related service based on electric vehicle identification information.
  • FIG. 11 is a block diagram of a central control unit according to an embodiment of the present invention.
  • first, second, A, B, etc. may be used to describe various elements, but the elements are not limited by the above terms, and are merely used to distinguish one element from another. used only as For example, without departing from the scope of the technology described below, a first element may be referred to as a second element, and similarly, the second element may be referred to as a first element.
  • the terms and/or include any combination of a plurality of related recited items or any of a plurality of related recited items. For example, 'A and/or B' may be interpreted as meaning 'at least one of A or B'. Also, '/' can be interpreted as 'and' or 'or'.
  • each component to be described below may be combined into one component, or one component may be divided into two or more for each more subdivided function.
  • each component to be described below may additionally perform some or all of the functions of other components in addition to its main function, and some of the main functions of each component may be performed by other components. Of course, it may be dedicated and performed by .
  • each process constituting the method may occur in a different order from the specified order unless a specific order is clearly described in context. That is, each process may occur in the same order as specified, may be performed substantially simultaneously, or may be performed in the reverse order.
  • FIG. 2 is a diagram illustrating a central control charging system based on big data according to an embodiment of the present invention.
  • the present specification proposes a central control charging system in which a central control unit is introduced.
  • a central control unit 120 may be additionally introduced, and the central control unit communicates with a plurality of dispensers (DP) provided in the electric vehicle charging unit By performing, it is possible to perform a dynamic power sharing operation.
  • the central control unit 120 according to an embodiment of the present invention can perform more efficient power sharing and charging operations by converting charging data into big data and then analyzing and learning the big data charging data. As a result, an effect of expanding the function/efficiency of the existing limited electric vehicle charging system may occur.
  • FIG. 3 is a block diagram of a central control charging system based on big data according to an embodiment of the present invention.
  • the central control charging system 100 based on big data according to an embodiment of the present invention includes a server 110, a central control unit 120, an electric vehicle charging unit 130, and an electric vehicle 150 and/or user device 140 .
  • the server 110 may correspond to a device/server that communicates with the electric vehicle charging unit 150 and/or the electric vehicle 150 and collects various information/data related to charging from them.
  • the server 110 may perform communication (or collect charging data) according to a standardized/standardized communication protocol for the electric vehicle charging system 100 .
  • the server 110 may collect charging data by performing communication according to the OCPP communication protocol.
  • the central control unit 120 communicates with the electric vehicle 150 and/or the electric vehicle charging unit 130 to provide various data related to the state of charge of the electric vehicle 150 currently being charged (ie, 'charge state data'). In addition to collecting, an efficient electric vehicle charging operation can be performed using the collected state of charge data.
  • the central control unit 120 transforms the collected state of charge data into big data, analyzes and learns the big data of state of charge data, classifies electric vehicle types, and applies the most appropriate charging method to the differentiated vehicle types. charging can be performed. And/or, the central control unit 120 grasps in real time the status of using the charging module for each dispenser of the electric vehicle charging unit 130 based on the collected state of charge data, and transfers the charging module of the fully charged dispenser to another dispenser. It is also possible to perform a dynamic power sharing operation that dynamically allocates power.
  • the central control unit 120 may provide a customized charging service according to the vehicle type of the electric vehicle 150 and the user's charging/payment pattern based on the collected state of charge data. Reference will be made later in detail.
  • the electric vehicle charging unit 130 is a module/device that charges the electric vehicle 150 and may include a plurality of charging modules and a plurality of dispensers.
  • the plurality of charging modules are dynamically allocated to the dispenser under the control of the central control unit 120 based on the charging requested power amount, maximum charging power amount, average charging speed, etc. of the electric vehicle 150 to be charged, and can supply charging power. there is.
  • the electric vehicle 150 is an electric vehicle that is connected to the electric vehicle charging unit 130 to receive electricity and is charged, and can communicate with at least one other component included in the electric vehicle charging system 100 of the present specification. .
  • the electric vehicle 150 transmits information about power/current/voltage requested as charging state data to the electric vehicle charging unit 130 to supply desired levels of power/current/voltage from the electric vehicle charging unit 130.
  • can receive According to standards defined up to now, an electric vehicle can directly communicate only with an electric vehicle charging unit and indirectly communicate with a server and/or a central control unit through an electric vehicle charging unit. In this specification, for convenience of explanation, it is expressed that the electric vehicle communicates with the server and/or the central control unit to transmit and receive data with them, but this can be interpreted as actually performing indirect communication between the two sides through the electric vehicle charging unit. can
  • the user device 140 refers to a terminal possessed by a user of an electric vehicle to be charged, and may or may not be included in the electric vehicle charging system 100 according to embodiments.
  • the user device 140 may mainly communicate with the central control unit 120 to receive various information/notifications related to charging. Accordingly, the user device 140 may correspond to a terminal in which an application/program designed in advance to implement the functions proposed in this specification is installed, and various information/notifications related to charging may be received through the corresponding application/program. there is.
  • the central control unit 120 may generate information about charging achievement, charging station congestion, charging cost, etc. based on charging state data, and transmit the information to the user device 140 .
  • the central control unit 120 must necessarily have a function for individually identifying the electric vehicle 150 currently being charged (a user matching the electric vehicle 150 must recognize the electric vehicle 150). Recognizable up to the device 140), a detailed description thereof will be described later with reference to FIGS. 9 and 10.
  • FIG. 4 and 5 are diagrams illustrating communication messages of an electric vehicle collected by a central control unit according to an embodiment of the present invention
  • FIG. 6 is a SoC (State defined for a specific vehicle model) according to an embodiment of the present invention. It is a diagram illustrating a graph of a change in target current (Target) with respect to of Charge.
  • the communication messages 410 and 510 of FIGS. 4 and 5 illustrate communication messages transmitted from the charging electric vehicle to the electric vehicle charger according to DIN70121 or ISO15118 communication protocol.
  • the electric vehicle and the electric vehicle charging unit can share/negotiate each other's charging status by transmitting/receiving communication messages containing the charging status data in real time during charging. action can be performed.
  • the uniform charging method that does not consider the vehicle type acts as a major problem factor that lowers the charging speed and efficiency.
  • a conventional electric vehicle generally sets a target current 520-2 according to the state 520-1 of the SoC, and the corresponding data 520-1,
  • the communication message 510 including 520-2) was transmitted to the electric vehicle charging unit.
  • the electric vehicle charging unit adjusts the supply current amount by manually adjusting the number of charging modules used for charging based on the target current 520-2 of the communication message transmitted by the electric vehicle. That is, the conventional electric vehicle charging unit reduces the number of charging modules when the received target current 520-2 decreases, and increases the number of charging modules when the received target current 520-2 increases.
  • a power sharing operation was performed.
  • the charging module which is reduced according to the target current value in the initial SoC period, is not dynamically allocated additional charging modules even if it goes through the middle/late period due to the passive and static power sharing operation of the server, so that the intended target There was a problem that the current could not rise again.
  • the first electric vehicle having the same charging routine as shown in FIG. 6 lowers the target current at the beginning of the SoC
  • the electric vehicle charging unit reduces the number of charging modules
  • the first electric vehicle sets the target current in real time by following the lower one of the maximum current acceptable and the maximum supply current of the charging unit of the electric vehicle;
  • the vehicle model is recognized by analyzing/learning the charging state data included in the previously defined communication message (FIG. 7), and the SoC predefined for the recognized vehicle model -We would like to propose a dynamic power sharing embodiment (FIG. 8) that dynamically allocates charging modules according to a target graph.
  • FIG. 7 is a flowchart illustrating a method of analyzing and learning charging state data of a central control unit according to an embodiment of the present invention.
  • a specific data item in a communication message is set differently for each type of vehicle and transmitted to the central control unit through the electric vehicle charging unit.
  • the maximum current value data item ('EVMaximumCurrentLimit') 420 that can be accommodated by an electric vehicle may correspond to the example.
  • the corresponding data item can be set to 2000 and transmitted.
  • the maximum acceptable voltage of the electric vehicle the maximum acceptable power, the scale value for the above values, ID (Identifier) arrangement method, Bulk State of Charge (SoC), Full SoC, change in target current for SoC, temperature
  • SoC Bulk State of Charge
  • SoC Full SoC
  • change in target current for SoC temperature
  • various data items such as the amount of change in target current according to SoH (State of Health) and/or items for message transmission speed for each communication stage, set to different data values for each vehicle type It can be included in a message and transmitted to the central control unit.
  • SoH SoH
  • the present specification intends to propose a method for learning and analyzing charging state data to extract a specific item patterned for each vehicle type, and recognizing the vehicle model based on the data value of the extracted specific item.
  • the central control unit may first receive charging state data through a communication message from an electric vehicle through an electric vehicle charging unit (S701).
  • the communication message may be generated and transmitted/received according to a communication protocol (eg, OCPP, DIN70121, ISO15118, etc.) between an electric vehicle and an electric vehicle charging unit defined in predetermined rules/standards.
  • a communication protocol eg, OCPP, DIN70121, ISO15118, etc.
  • the central control unit may transform the charge state data included in the communication message received from the electric vehicle through the electric vehicle charging unit into big data (S702).
  • turning into big data may refer to a series of operations/processes in which the central control unit processes/processes data in a form that can be learned and analyzed based on machine learning/deep learning technology.
  • the central control unit can analyze and learn the big-data charged state data (based on machine learning/deep learning technology) to extract feature items and feature item data values for each type of electric vehicle (S703).
  • the central control unit may build and/or update a vehicle type identification model for identifying the electric vehicle model based on the extracted feature items and feature item data values (S704).
  • the vehicle type identification model may correspond to an algorithm modeled to output a vehicle model that matches the characteristic item data values when inputting characteristic items and characteristic item data values, and includes a database storing characteristic item data values for each characteristic item. may correspond to the concept of
  • the central control unit may receive sample charge state data for a specific electric vehicle model as charge state data.
  • the central control unit may perform machine learning-based data mining on the sample state-of-charge data to extract characteristic items commonly/characteristically found in the sample state-of-charge data and data values for the specific items.
  • the central control unit may establish and/or update a vehicle type identification model by setting the extracted feature items and specific item data values as conditions/standards for identifying a specific electric vehicle model. In this way, the central control unit receives sample charging state data for various types of vehicles, converts them into big data, extracts data values of characteristic items and specific items, and can utilize them for constructing and updating vehicle type identification models.
  • the system manager/operator directly inputs them into the vehicle model identification model to directly build and /or may be updated.
  • the central control unit can identify the vehicle model while maintaining compatibility with the existing system and communication protocol, and as a result, the dynamic power sharing operation is performed according to the SoC-target current change amount predefined for each vehicle model. There is an effect of preparing a foothold for performing.
  • the central control unit since the central control unit analyzes and learns the transmitted and received charging state data in real time and dynamically updates the vehicle type identification model, the emergence of new vehicle models, communication protocol/communication update, data items for each vehicle type, and Even if a change occurs in the setting value for the vehicle type, the effect of being able to identify the vehicle model with high accuracy occurs.
  • FIG. 8 is a flowchart illustrating a dynamic power sharing method of a central control unit according to an embodiment of the present invention.
  • This flowchart assumes a situation in which a vehicle type identification model is constructed in advance according to the embodiment of FIG. 7 and a plurality of electric vehicles are connected to an electric vehicle charging unit.
  • the central control unit may receive communication messages from a plurality of electric vehicles being charged through the electric vehicle charging unit and collect charging state data (in real time/periodically) (S801).
  • the central control unit may extract feature items and data values for the corresponding feature items from charging state data collected for each electric vehicle and input the extracted data values to the vehicle type identification model (S802).
  • the vehicle model identification model may recognize a vehicle model matching the input characteristic item and characteristic item data value, and output the recognized vehicle model.
  • the central control unit may recognize the vehicle models of the plurality of electric vehicles according to the vehicle model identification result output from the vehicle model identification model (S803).
  • the central control unit performs a dynamic power sharing operation by applying a change in target current (for example, the graph of FIG. 6) to the SoC predefined for each recognized vehicle type to the electric vehicle charger of each electric vehicle. It can (S804). More specifically, the central control unit may perform a power sharing operation by dynamically allocating a plurality of charging modules to each electric vehicle according to a target current change amount relative to the SoC predefined for each vehicle type of the plurality of electric vehicles. At this time, the amount of change in target current compared to SoC, which is predefined for each vehicle type, is input in advance by the central control unit from the system manager/operator or included in the charging state data (refer to the communication message in FIG. 5) received for each vehicle type. It can be obtained by directly analyzing/learning/recording the amount of change.
  • a change in target current for example, the graph of FIG. 6
  • the central control unit may perform a power sharing operation by dynamically allocating a plurality of charging modules to each electric vehicle according to a target
  • the charging unit of the electric vehicle dynamically allocates the charging module according to the target current variation compared to the predefined SoC without depending only on the target current value transmitted by the electric vehicle.
  • the charging modules can be additionally allocated as much as the target current of the middle/late section, so that an efficient power sharing operation is possible compared to the prior art.
  • the above-described problem does not occur, and thus the power sharing operation is performed in the initial SoC as shown in FIG. 6 . It may be limitedly applied only to electric vehicles in which the target current value of the section is set lower than that of the middle and/or later sections.
  • the description was centered on the amount of change in the target current compared to the SoC predefined for each vehicle type, but is not limited thereto, and the dynamic power considering additional factors/factors that affect the determination of the target current amount, such as temperature and/or SoH Sharing operation is also possible, of course.
  • the actual target current amount of the electric vehicle may be determined by considering various elements/factors, such as the current temperature of the electric vehicle, SoH, and the like, in addition to the SoC.
  • the central control unit learns the change data of the target current versus temperature and/or SoH of the electric vehicle as big data, and directly builds the change in temperature and/or target current versus SoH for each vehicle type based on the learning contents/results. After defining/defining, based on this, power sharing operation for each vehicle type can be performed.
  • FIG. 9 is a diagram illustrating a communication message including electric vehicle identification information according to an embodiment of the present invention
  • FIG. 10 is a diagram illustrating a user device providing a charging-related service based on electric vehicle identification information.
  • the communication message may include different data items for each electric vehicle.
  • the communication message 910 may include a media access control address (MAC) address data item ('SessionID', 920), and this data item is provided for each electric vehicle. It may be set to a different data value and transmitted. Accordingly, the central control unit may utilize these data items and data values as information for identifying individual electric vehicles.
  • MAC media access control address
  • Such identification information may also be directly set by a system manager/operator, or may be automatically recognized/acquired by a central control unit by analyzing and learning charging state data according to the embodiment described above with reference to FIG. 7 .
  • the central control unit selects the charging state data of the same vehicle model from the big data charging state data, and compares the selected charging state data to extract different data items for each electric vehicle as identification items.
  • the central control unit can identify individual electric vehicles using the identification data values of the identification items extracted in this way.
  • the central control unit can use this identification information to obtain and store charging and payment information for each electric vehicle and use it for various charging related services. More specifically, the central control unit can collect/acquire various charging and payment information from each electric vehicle, and store the collected/acquired information in a database corresponding to identification information (particularly, identification data values) of each electric vehicle. can be saved
  • the charging information refers to various information related to charging of the electric vehicle, for example, the location of the charging station where the electric vehicle is charged, the average charging amount of the electric vehicle, the maximum charging amount, the minimum charging amount, the average charging time, the minimum charging time, and the maximum charging time. Charging time, charging cycle, number of times and/or date and time may correspond to this.
  • Payment information refers to electric vehicle charging payment detail information, and may include, for example, a payment card used for electric vehicle charging and payment, a payment account, payment method information, and/or user personal information.
  • the central control unit can also learn and analyze the stored charging and/or payment information of electric vehicles as big data. It is possible to provide various charging services based on the above.
  • the central control unit when charging of the first electric vehicle is completed, sets the charging cost to pre-stored payment information for the first electric vehicle. can be automatically paid based on
  • the central control unit may predict the next charging time and charging station in advance based on the charging information of the first electric vehicle, and send a notification 1020 regarding the congestion of the predicted charging station at a time ahead of the predicted charging time. , as illustrated in FIG. 10 , may be transmitted to the user device 1010 (or the first electric vehicle).
  • the degree of congestion may mean the degree of congestion of the charging station, and may be basically derived based on the prediction of the usage state of the charging module at the charging prediction time.
  • a usage state of the charging module at the charging prediction time point may be predicted based on the SoC-target current change amount of the electric vehicle currently being charged.
  • FIG. 11 is a block diagram of a central control unit according to an embodiment of the present invention.
  • the central control unit 120 may include a control unit 121, a communication unit 122, and/or a memory unit 123.
  • the control unit 121 may communicate with and control other elements included in the central control unit 120 in order to perform the embodiment proposed in this specification.
  • the controller 121 may be a CPU (Central Processing Unit), MPU (Micro Processor Unit), MCU (Micro Controller Unit), AP (Application Processor), AP (Application Processor), or any form well known in the art of the present invention. It may be configured to include at least one processor. Therefore, in this specification, the central control unit 120 may be replaced with the control unit 121 and described.
  • control unit 121 may convert the collected state of charge data into big data, analyze and learn, and build and update a vehicle type identification model. At this time, the control unit 121 may utilize at least one technology such as machine learning, deep learning, or data mining.
  • the communication unit 122 may communicate with an external device/configuration/server using at least one wired/wireless communication protocol.
  • the communication unit 122 may perform communication according to an electric vehicle communication protocol/standard protocol (eg, OCPP) predefined/set for electric vehicle communication, and charge state for each predefined data item.
  • OCPP electric vehicle communication protocol/standard protocol
  • a communication message including data may be transmitted and received to and from the electric vehicle, the electric vehicle charging unit, and/or the server.
  • the memory unit 123 may correspond to a space for storing various digital data, and may mean, for example, a flash memory, a hard disk drive (HDD), a solid state drive (SSD), or a cloud.
  • a database in which data for performing the embodiments proposed in this specification is stored may be built in the memory unit 123 .
  • various data such as characteristic items for identifying vehicle models, data values for characteristic items for each vehicle model, and data values for constructing and/or updating a vehicle model identification model may be stored in the database.
  • identification items of each electric vehicle, data values of identification items for each electric vehicle, charging information, and/or payment information may also be stored in the database.
  • An embodiment according to the present invention may be implemented by various means, for example, hardware, firmware, software, or a combination thereof.
  • one embodiment of the present invention provides one or more application specific integrated circuits (ASICs), digital signal processors (DSPs), digital signal processing devices (DSPDs), programmable logic devices (PLDs), FPGAs ( field programmable gate arrays), processors, controllers, microcontrollers, microprocessors, etc.
  • ASICs application specific integrated circuits
  • DSPs digital signal processors
  • DSPDs digital signal processing devices
  • PLDs programmable logic devices
  • FPGAs field programmable gate arrays
  • processors controllers, microcontrollers, microprocessors, etc.
  • an embodiment of the present invention is implemented in the form of a module, procedure, function, etc. that performs the functions or operations described above, and is stored on a recording medium readable through various computer means.
  • the recording medium may include program commands, data files, data structures, etc. alone or in combination.
  • Program instructions recorded on the recording medium may be those specially designed and configured for the present invention, or those known and usable to those skilled in computer software.
  • recording media include magnetic media such as hard disks, floppy disks and magnetic tapes, optical media such as CD-ROMs (Compact Disk Read Only Memory) and DVDs (Digital Video Disks), floptical It includes hardware devices specially configured to store and execute program instructions, such as magneto-optical media, such as a floptical disk, and ROM, RAM, flash memory, and the like. Examples of program instructions may include high-level language codes that can be executed by a computer using an interpreter or the like as well as machine language codes generated by a compiler. These hardware devices may be configured to act as one or more software modules to perform the operations of the present invention, and vice versa.
  • an apparatus or terminal according to the present invention may be driven by a command that causes one or more processors to perform the functions and processes described above.
  • such instructions may include interpreted instructions, such as script instructions such as JavaScript or ECMAScript instructions, or executable code or other instructions stored on a computer readable medium.
  • the device according to the present invention may be implemented in a distributed manner over a network, such as a server farm, or may be implemented in a single computer device.
  • a computer program (also known as a program, software, software application, script or code) loaded into a device according to the present invention and executing the method according to the present invention includes a compiled or interpreted language or a priori or procedural language. It can be written in any form of programming language, and can be deployed in any form, including stand-alone programs, modules, components, subroutines, or other units suitable for use in a computer environment. Computer programs do not necessarily correspond to files in a file system. A program may be in a single file provided to the requested program, or in multiple interacting files (e.g., one or more modules, subprograms, or files that store portions of code), or parts of files that hold other programs or data. (eg, one or more scripts stored within a markup language document). A computer program may be deployed to be executed on a single computer or multiple computers located at one site or distributed across multiple sites and interconnected by a communication network.
  • the present invention is applicable to the electric vehicle industry.

Abstract

본 발명에 따른 빅데이터 기반의 중앙 관제 충전 시스템은, 복수의 충전 모듈을 이용하여 전기 자동차를 충전하는, 전기 자동차 충전부; 및 상기 전기 자동차 충전부를 통해 상기 전기 자동차와 통신을 수행하여 충전 상태 데이터를 수집하는, 중앙 관제부;를 포함하되, 상기 중앙 관제부는, 상기 전기 자동차로부터 상기 전기 자동차 충전부를 통해 수신한 충전 상태 데이터를 빅데이터화하고, 상기 빅데이터화된 충전 상태 데이터를 분석 및 학습하여 전기 자동차 차종별 특징 항목 및 상기 특징 항목의 데이터 값을 추출하고, 추출한 특징 항목 및 특징 항목 데이터 값을 기준으로 상기 전기 자동차 차종을 식별하기 위한 차종 식별 모델을 구축 또는 업데이트할 수 있다.

Description

빅데이터 기반의 중앙 관제 충전 시스템, 방법 및 장치
본 명세서는 빅데이터 기반의 중앙 관제 충전 시스템, 방법 및 장치를 제안한다.
도 1은 종래의 전기 자동차 충전 시스템을 예시한다.
도 1을 참조하면, 종래의 전기 자동차 충전 시스템은 복수의 디스펜서(DP)와 이들을 제어하는 서버(110)를 포함하여 구성되었다. 이러한 종래의 전기 자동차 충전 시스템에 있어서, 개별 디스펜서(DP)는 자신의 파워 뱅크 상태, 다른 디스펜서의 충전 모듈 사용 상태 및 미사용 충전 모듈 상태 등에 기초하여 자신이 직접 개별적으로 사용할 충전 모듈을 선택/결정하는 방식으로 파워 셰어링(Power Sharing) 동작이 수행되었다. 또한, 종래의 전기 자동차 충전 시스템에 있어서, 서버(110)의 경우 OCPP(OPEN CHARGE POINT PROTOCOL)라는 통신 프로토콜에 따라 전기 자동차 및 충전기와 통신을 수행하여 충전 정보를 수집하는 동작을 주로 수행하였다.
이러한 종래의 전기 자동차 충전 시스템의 경우, 파워 셰어링 동작이 개별적인 디스펜서에 의해 충전 직전 다른 디스펜서 및 충전 모듈의 사용 상태를 기초로 결정되므로, 충전 상태 변경에 따른 유동적인 파워 셰어링 동작이 불가능하다는 문제점이 존재하였다.
예를 들어, 제1 디스펜서(DP1)에서 4개의 충전 모듈을, 제2 디스펜서(DP2)에서 3개의 충전 모듈을, 제3 디스펜서(DP3)에서 2개의 충전 모듈을 각각 사용하여 전기 자동차를 충전하던 중에, 제1 디스펜서(DP1)의 충전이 완료된 경우, 종래의 전기 자동차 충전 시스템에 따를 때, 충전이 완료된 4개의 충전 모듈을 제2 디스펜서(DP2)에 할당할지, 제3 디스펜서(DP3)에 할당할지에 대한 명확한 기준이 없었다. 그 결과 충전이 완료된 4개의 충전 모듈은 다른 디스펜서(DP)에 유동적으로 할당되지 않아 충전 효율이 현저히 떨어진다는 문제점이 존재하였다.
나아가, 서버(110)의 경우, 단순히 충전기 및 전기 자동차로부터 충전 정보를 수집하는 목적으로만 동작하였고, 수집한 충전 정보를 분석 및 학습하여 충전과 관련된 유의미한 충전/결제 패턴/정보를 추출하지 못한다는 문제점이 존재하였다. 또한, 서버가 현재 충전 중인 전기 자동차의 차종을 인식/식별할 수 없어 차종별 특성에 맞는 충전 방식을 적용하기 어려웠다는 문제점이 존재하였다.
본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, 본 발명의 목적은, 중앙 제어 방식으로 유동적인 파워 셰어링 동작이 가능하여 충전 효율 및 속도가 크게 향상되는 빅데이터 기반의 중앙 관제 충전 시스템, 방법 및 장치를 제공하는 것이다.
본 발명의 다른 목적은, 충전 시 수집한 데이터를 학습 및 분석하여 차종 식별 모델의 구축이 가능하여, 차종별 맞춤 충전 방식을 제공할 수 있어 충전 효율이 크게 향상되는 빅데이터 기반의 중앙 관제 충전 시스템, 방법 및 장치를 제공하는 것이다.
본 발명의 또 다른 목적은, 충전 시 수집한 데이터로부터 전기 자동차 식별 정보의 구분이 가능하여, 각 개별 전기 자동차별 충전 및 결제 정보의 수집 및 패턴 분석이 가능하고, 분석 결과를 기초로 사용자 맞춤형 충전 및 결제 서비스를 제공할 수 있는 빅데이터 기반의 중앙 관제 충전 시스템, 방법 및 장치를 제공하는 것이다.
본 발명의 일 실시예에 따른 빅데이터 기반의 중앙 관제 충전 시스템은, 복수의 충전 모듈을 이용하여 전기 자동차를 충전하는, 전기 자동차 충전부; 및 상기 전기 자동차 충전부를 통해 상기 전기 자동차와 통신을 수행하여 충전 상태 데이터를 수집하는, 중앙 관제부;를 포함하되, 상기 중앙 관제부는, 상기 전기 자동차로부터 상기 전기 자동차 충전부를 통해 수신한 충전 상태 데이터를 빅데이터화하고, 상기 빅데이터화된 충전 상태 데이터를 분석 및 학습하여 전기 자동차 차종별 특징 항목 및 상기 특징 항목의 데이터 값을 추출하고, 추출한 특징 항목 및 특징 항목 데이터 값을 기준으로 상기 전기 자동차 차종을 식별하기 위한 차종 식별 모델을 구축 또는 업데이트하고, 상기 빅데이터화된 충전 상태 데이터 중 동일한 차종의 충전 상태 데이터를 선별하고, 선별한 충전 상태 데이터를 각 전기 자동차별로 비교하여 서로 상이한 식별 항목을 추출하고, 상기 각 전기 자동차별 충전 및 결제 정보를, 상기 각 전기 자동차별 식별 항목의 식별 데이터 값에 매칭시켜 데이터 베이스에 저장할 수 있다.
상기 특징 항목은, 상기 전기 자동차의 수용 가능한 최대 전류, 수용 가능한 최대 전압, 수용 가능한 최대 전력, 상기 값에 대한 스케일 값, ID(Identifier)의 배열 방식, Bulk SoC(State of Charge), Full SoC, SoC에 대한 목표 전류의 변화량, 온도에 따른 목표 전류의 변화량, SoH(State of Health)에 따른 목표 전류의 변화량 및 각 통신 단계별 메시지 송신 속도 중 적어도 하나에 대한 항목을 포함할 수 있다.
상기 중앙 관제부는, 특정 전기 자동차 차종에 대한 샘플 충전 상태 데이터를 상기 충전 상태 데이터로서 입력받고, 상기 샘플 충전 상태 데이터에 대한 머신러닝 기반의 데이터 마이닝을 수행하여 상기 차종에 대한 특징 항목 및 상기 특징 항목의 데이터 값을 추출하고, 추출한 특징 항목 및 특징 항목 데이터 값을 상기 특정 전기 자동차 차종을 식별하기 위한 기준으로서 상기 차종 식별 모델의 구축 또는 업데이트에 반영할 수 있다.
상기 자동차의 식별 항목은, 상기 전기 자동차의 MAC(Media Access Control Address) 주소에 해당할 수 있다.
상기 전기 자동차의 충전 정보는, 상기 전기 자동차가 충전된 충전소 위치, 상기 전기 자동차의 평균 충전량, 최대 충전량, 최소 충전량, 평균 충전 시간, 최소 충전 시간, 최대 충전 시간, 충전 주기, 횟수 및 일시 중 적어도 하나를 포함하며, 상기 전기 자동차의 결제 정보는, 상기 전기 자동차 충전 결제에 사용된 결제 카드, 결제 계좌, 결제 방식 정보 및 사용자 정보 중 적어도 하나를 포함할 수 있다.
상기 전기 자동차에 대한 결제 방식이 자동 결제 방식으로 설정되어 있는 경우, 상기 중앙 관제부는, 상기 전기 자동차의 충전 완료 시, 충전 비용을 상기 결제 정보에 기초하여 자동 결제할 수 있다.
상기 중앙 관제부는, 상기 충전 정보에 기초하여 상기 전기 자동차의 다음 충전 시점 및 충전소 중 적어도 하나를 예측하고, 충전 예측 시점보다 기설정된 시간만큼 앞선 시점에 예측 충전소의 혼잡도에 관한 알림을 상기 전기 자동차 또는 사용자 장치로 전송할 수 있다.
상기 혼잡도는, 상기 충전 예측 시점의 상기 복수의 충전 모듈의 사용 상태예측을 기초로 도출될 수 있다.
본 발명의 다른 실시예에 따른 빅데이터 기반의 중앙 관제 충전 시스템은, 복수의 충전 모듈을 이용하여 전기 자동차를 충전하는, 전기 자동차 충전부; 및 상기 전기 자동차 충전부를 통해 상기 전기 자동차와 통신을 수행하여 충전 상태 데이터를 수집하는, 중앙 관제부;를 포함하되, 상기 중앙 관제부는, 상기 전기 자동차로부터 상기 전기 자동차 충전부를 통해 수신한 충전 상태 데이터를 빅데이터화하고, 상기 빅데이터화된 충전 상태 데이터를 분석 및 학습하여 전기 자동차 차종별 특징 항목 및 상기 특징 항목의 데이터 값을 추출하고, 추출한 특징 항목 및 특징 항목 데이터 값을 기준으로 상기 전기 자동차 차종을 식별하기 위한 차종 식별 모델을 구축 또는 업데이트하고, 상기 차종 식별 모델이 구축된 뒤, 복수의 전기 자동차가 상기 전기 자동차 충전부와 연결되어 충전이 개시된 경우, 상기 중앙 관제부는, 상기 복수의 전기 자동차와 통신을 수행하여 충전 상태 데이터를 수집하고, 상기 충전 상태 데이터로부터 상기 특징 항목 및 상기 특징 항목 데이터 값을 추출하여 상기 차종 식별 모델에 입력하고, 상기 차종 식별 모델로부터 출력된 차종 식별 결과에 따라 상기 복수의 전기 자동차의 차종을 인식하고, 인식한 차종별 기정의되어 있는 SoC 대비 목표 전류의 변화량을 상기 전기 자동차 충전부에 적용하여 상기 복수의 전기 자동차에 대한 충전을 제어할 수 있다.
상기 특징 항목은, 상기 전기 자동차의 수용 가능한 최대 전류, 수용 가능한 최대 전압, 수용 가능한 최대 전력, 상기 값에 대한 스케일 값, ID(Identifier)의 배열 방식, Bulk SoC(State of Charge), Full SoC, SoC에 대한 목표 전류의 변화량, 온도에 따른 목표 전류의 변화량, SoH(State of Health)에 따른 목표 전류의 변화량 및 각 통신 단계별 메시지 송신 속도 중 적어도 하나에 대한 항목을 포함할 수 있다.
상기 중앙 관제부는, 특정 전기 자동차 차종에 대한 샘플 충전 상태 데이터를 상기 충전 상태 데이터로서 입력받고, 상기 샘플 충전 상태 데이터에 대한 머신러닝 기반의 데이터 마이닝을 수행하여 상기 차종에 대한 특징 항목 및 상기 특징 항목의 데이터 값을 추출하고, 추출한 특징 항목 및 특징 항목 데이터 값을 상기 특정 전기 자동차 차종을 식별하기 위한 기준으로서 상기 차종 식별 모델의 구축 또는 업데이트에 반영할 수 있다
상기 중앙 관제부는, 상기 복수의 전기 자동차의 차종별로 기정의되어 있는 SoC 대비 목표 전류의 변화량에 따라 상기 복수의 충전 모듈을 각 전기 자동차별로 동적으로 할당하여 파워 셰어링 동작을 수행할 수 있다.
상기 복수의 전기 자동차 각각에 대한 충전 제어는 상기 인식한 차종별 기정의되어 있는 SoC 대비 목표 전류의 변화량이 기설정된 조건을 만족하는 경우에 한해 수행되며, 상기 기설정된 조건은, SoC 초기 구간의 목표 전류 값이 SoC 중기 및 후기 구간의 목표 전류 값보다 낮은 경우에 한해 적용될 수 있다.
본 발명의 일 실시예에 따른 중앙 관제부의 충전 제어 방법은, 전기 자동차 충전부를 통해 상기 전기 자동차 충전부와 연결된 전기 자동차로부터 충전 상태 데이터를 수신하는 단계; 수신한 충전 상태 데이터를 빅데이터화하는 단계; 빅데이터화된 충전 상태 데이터를 분석 및 학습하여 전기 자동차 차종별 특징 항목 및 상기 특징 항목의 데이터 값을 추출하는 단계; 추출한 특징 항목 및 특징 항목 데이터 값을 기준으로 상기 전기 자동차 차종을 식별하기 위한 차종 식별 모델을 구축 또는 업데이트하는 단계; 상기 차종 식별 모델이 구축된 뒤, 복수의 전기 자동차가 상기 전기 자동차 충전부와 연결되어 충전이 개시된 경우, 상기 복수의 전기 자동차와 통신을 수행하여 충전 상태 데이터를 수집하는 단계; 상기 충전 상태 데이터로부터 상기 특징 항목 및 상기 특징 항목 데이터 값을 추출하여 상기 차종 식별 모델에 입력하는 단계; 상기 차종 식별 모델로부터 출력된 차종 식별 결과에 따라 상기 복수의 전기 자동차의 차종을 인식하는 단계; 및 인식한 차종별 기정의되어 있는 SoC 대비 목표 전류의 변화량을 상기 전기 자동차 충전부에 적용하여 상기 복수의 전기 자동차에 대한 충전을 제어하는 단계;를 포함할 수 있다.
상기 특징 항목은, 상기 전기 자동차의 수용 가능한 최대 전류, 수용 가능한 최대 전압, 수용 가능한 최대 전력, 상기 값에 대한 스케일 값, ID(Identifier)의 배열 방식, Bulk SoC(State of Charge), Full SoC, SoC에 대한 목표 전류의 변화량, 온도에 따른 목표 전류의 변화량, SoH(State of Health)에 따른 목표 전류의 변화량 및 각 통신 단계별 메시지 송신 속도 중 적어도 하나에 대한 항목을 포함할 수 있다.
본 발명의 일 실시예에 따른 중앙 관제부의 충전 제어 방법은 특정 전기 자동차 차종에 대한 샘플 충전 상태 데이터를 상기 충전 상태 데이터로서 입력받는 단계; 상기 샘플 충전 상태 데이터에 대한 머신러닝 기반의 데이터 마이닝을 수행하여 상기 차종에 대한 특징 항목 및 상기 특징 항목의 데이터 값을 추출하는 단계; 및 추출한 특징 항목 및 특징 항목 데이터 값을 상기 특정 전기 자동차 차종을 식별하기 위한 기준으로서 상기 차종 식별 모델의 구축 또는 업데이트에 반영하는 단계;를 포함할 수 있다.
본 발명의 일 실시예에 따른 중앙 관제부의 충전 제어 방법은 상기 복수의 전기 자동차의 차종별로 기정의되어 있는 SoC 대비 목표 전류의 변화량에 따라 상기 복수의 충전 모듈을 각 전기 자동차별로 동적으로 할당하여 파워 셰어링 동작을 수행하는 단계;를 포함할 수 있다.
상기 복수의 전기 자동차 각각에 대한 충전을 제어하는 단계는, 상기 인식한 차종별 기정의되어 있는 SoC 대비 목표 전류의 변화량이 기설정된 조건을 만족하는 경우에 한해 수행되며, 상기 기설정된 조건은, SoC 초기 구간의 목표 전류 값이 SoC 중기 및 후기 구간의 목표 전류 값보다 낮은 경우에 한해 적용될 수 있다.
본 발명의 다른 실시예에 따른 중앙 관제부의 충전 제어 방법은, 전기 자동차 충전부를 통해 상기 전기 자동차 충전부와 연결된 전기 자동차로부터 충전 상태 데이터를 수신하는 단계; 수신한 충전 상태 데이터를 빅데이터화하는 단계; 빅데이터화된 충전 상태 데이터를 분석 및 학습하여 전기 자동차 차종별 특징 항목 및 상기 특징 항목의 데이터 값을 추출하는 단계; 추출한 특징 항목 및 특징 항목 데이터 값을 기준으로 상기 전기 자동차 차종을 식별하기 위한 차종 식별 모델을 구축 또는 업데이트하는 단계; 상기 빅데이터화된 충전 상태 데이터 중 동일한 차종의 충전 상태 데이터를 선별하는 단계; 상기 선별한 충전 상태 데이터를 각 전기 자동차별로 비교하여 서로 상이한 식별 항목을 추출하는 단계; 및 상기 각 전기 자동차별 충전 및 결제 정보를, 상기 각 전기 자동차별 식별 항목의 식별 데이터 값에 매칭시켜 데이터 베이스에 저장하는 단계;를 포함할 수 있다.
상기 특징 항목은, 상기 전기 자동차의 수용 가능한 최대 전류, 수용 가능한 최대 전압, 수용 가능한 최대 전력, 상기 값에 대한 스케일 값, ID(Identifier)의 배열 방식, Bulk SoC(State of Charge), Full SoC, SoC에 대한 목표 전류의 변화량, 온도에 따른 목표 전류의 변화량, SoH(State of Health)에 따른 목표 전류의 변화량 및 각 통신 단계별 메시지 송신 속도 중 적어도 하나에 대한 항목을 포함할 수 있다.
본 발명의 다른 실시예에 따른 중앙 관제부의 충전 제어 방법은, 특정 전기 자동차 차종에 대한 샘플 충전 상태 데이터를 상기 충전 상태 데이터로서 입력받는 단계; 상기 샘플 충전 상태 데이터에 대한 머신러닝 기반의 데이터 마이닝을 수행하여 상기 차종에 대한 특징 항목 및 상기 특징 항목의 데이터 값을 추출하는 단계; 및 추출한 특징 항목 및 특징 항목 데이터 값을 상기 특정 전기 자동차 차종을 식별하기 위한 기준으로서 상기 차종 식별 모델의 구축 또는 업데이트에 반영하는 단계;를 포함할 수 있다.
상기 자동차의 식별 항목은, 상기 전기 자동차의 MAC(Media Access Control Address) 주소에 해당할 수 있다.
상기 전기 자동차의 충전 정보는, 상기 전기 자동차가 충전된 충전소 위치, 상기 전기 자동차의 평균 충전량, 최대 충전량, 최소 충전량, 평균 충전 시간, 최소 충전 시간, 최대 충전 시간, 충전 주기, 횟수 및 일시 중 적어도 하나를 포함하며, 상기 전기 자동차의 결제 정보는, 상기 전기 자동차 충전 결제에 사용된 결제 카드, 결제 계좌, 결제 방식 정보 및 사용자 정보 중 적어도 하나를 포함할 수 있다.
본 발명의 다른 실시예에 따른 중앙 관제부의 충전 제어 방법은, 상기 전기 자동차에 대한 결제 방식이 자동 결제 방식으로 설정되어 있는 경우, 상기 전기 자동차의 충전 완료 시, 충전 비용을 상기 결제 정보에 기초하여 자동 결제하는 단계;를 포함할 수 있다.
본 발명의 다른 실시예에 따른 중앙 관제부의 충전 제어 방법은, 상기 충전 정보에 기초하여 상기 전기 자동차의 다음 충전 시점 및 충전소 중 적어도 하나를 예측하는 단계; 및 충전 예측 시점보다 기설정된 시간만큼 앞선 시점에 예측 충전소의 혼잡도에 관한 알림을 상기 전기 자동차 또는 사용자 장치로 전송하는 단계;를 포함할 수 있다.
상기 혼잡도는, 상기 충전 예측 시점의 상기 복수의 충전 모듈의 사용 상태예측을 기초로 도출될 수 있다.
본 발명의 일 실시예에 따르면, 중앙 제어 방식으로 유동적인 파워 셰어링 동작이 가능하므로, 충전 효율 및 속도가 크게 향상된다는 효과가 발생한다.
또한, 본 발명의 일 실시예에 따르면, 충전 시 수집한 데이터를 학습 및 분석하여 차종 식별 모델의 구축이 가능하므로, 차종별 맞춤 충전 방식을 제공할 수 있어 충전 효율이 크게 향상된다는 효과가 있다.
또한, 본 발명의 일 실시예에 따르면, 충전 시 수집한 데이터로부터 전기 자동차 식별 정보의 구분이 가능하므로, 각 개별 전기 자동차별 충전 및 결제 정보의 수집 및 패턴 분석이 가능하다는 효과가 있다. 나아가, 분석 결과를 기초로 사용자 맞춤형 충전 및 결제 서비스를 제공할 수 있다는 효과가 있다.
이외에도 본 발명의 실시예에 따른 다양한 효과가 존재하며, 이에 대해서는 이하의 각 도면을 참조하여 상세히 후술하기로 한다.
도 1은 종래의 전기 자동차 충전 시스템을 예시한다.
도 2는 본 발명의 일 실시예에 따른 빅데이터 기반의 중앙 관제 충전 시스템을 예시한 도면이다.
도 3은 본 발명의 일 실시예에 따른 빅데이터 기반의 중앙 관제 충전 시스템의 블록도이다.
도 4 및 5는 본 발명의 일 실시예에 따라 전기 자동차로부터 중앙 관제부가 수집한 통신 메시지를 예시한 도면이다.
도 6은 본 발명의 일 실시예에 따라 특정 차종에 대해 기정의된 SoC(State of Charge)에 대한 목표 전류(Target) 변화량 그래프를 예시한 도면이다.
도 7은 본 발명의 일 실시예에 따른 중앙 관제부의 충전 상태 데이터 분석 및 학습 방법을 예시한 순서도이다.
도 8은 본 발명의 일 실시예에 따른 중앙 관제부의 동적인 파워 셰어링 방법을 예시한 순서도이다.
도 9는 본 발명의 일 실시예에 따른 전기 자동차 식별 정보가 포함된 통신 메시지를 예시한 도면이다.
도 10은 전기 자동차 식별 정보를 기초로 충전 관련 서비스를 제공하는 사용자 장치를 예시한 도면이다.
도 11은 본 발명의 일 실시예예 따른 중앙 관제부의 블록도이다.
이하 설명하는 기술은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다. 그러나, 이는 이하 설명하는 기술을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 이하 설명하는 기술의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 해당 구성요소들은 상기 용어들에 의해 한정되지는 않으며, 단지 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 이하 설명하는 기술의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다. 예를 들어, 'A 및/또는 B'는 'A 또는 B 중 적어도 하나'의 의미로 해석될 수 있다. 또한, '/'는 '및' 또는 '또는'으로 해석될 수 있다.
본 명세서에서 사용되는 용어에서 단수의 표현은 문맥상 명백하게 다르게 해석되지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함한다" 등의 용어는 설시된 특징, 개수, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 의미하는 것이지, 하나 또는 그 이상의 다른 특징들이나 개수, 단계 동작 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 배제하지 않는 것으로 이해되어야 한다.
도면에 대한 상세한 설명을 하기에 앞서, 본 명세서에서의 구성부들에 대한 구분은 각 구성부가 담당하는 주기능 별로 구분한 것에 불과함을 명확히 하고자 한다. 즉, 이하에서 설명할 2개 이상의 구성부가 하나의 구성부로 합쳐지거나 또는 하나의 구성부가 보다 세분화된 기능별로 2개 이상으로 분화되어 구비될 수도 있다. 그리고 이하에서 설명할 구성부 각각은 자신이 담당하는 주기능 이외에도 다른 구성부가 담당하는 기능 중 일부 또는 전부의 기능을 추가적으로 수행할 수도 있으며, 구성부 각각이 담당하는 주기능 중 일부 기능이 다른 구성부에 의해 전담되어 수행될 수도 있음은 물론이다.
또, 방법 또는 동작 방법을 수행함에 있어서, 상기 방법을 이루는 각 과정들은 문맥상 명백하게 특정 순서를 기재하지 않은 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 과정들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.
도 2는 본 발명의 일 실시예에 따른 빅데이터 기반의 중앙 관제 충전 시스템을 예시한 도면이다.
종래의 전기 자동차 충전 시스템의 정적인 파워 셰어링 문제점을 해결하기 위해, 본 명세서에서는 중앙 관제부가 도입된 중앙 관제 충전 시스템을 제안하고자 한다.
본 명세서에서 제안되는 중앙 관제 충전 시스템은, 본 도면에 도시한 바와 같이 중앙 관제부(120)가 추가로 도입될 수 있으며, 중앙 관제부는 전기 자동차 충전부에 구비된 복수의 디스펜서들(DP)과 통신을 수행하여, 동적인 파워 셰어링 동작을 수행할 수 있다. 특히, 본 발명의 일 실시예에 따른 중앙 관제부(120)는 충전 데이터를 빅데이터화 한 후, 빅데이터화된 충전 데이터를 분석 및 학습하여 보다 효율적인 파워 셰어링 및 충전 동작을 수행할 수 있다. 그 결과, 기존의 제한적이던 전기 자동차 충전 시스템의 기능/효율을 확장시키는 효과가 발생할 수 있다.
보다 구체적인 중앙 관제 충전 시스템(특히, 중앙 관제부(120))의 파워 셰어링 동작에 대해서는 이하에서 각 도면을 참조하여 상세히 후술하기로 한다.
도 3은 본 발명의 일 실시예에 따른 빅데이터 기반의 중앙 관제 충전 시스템의 블록도이다.
도 3을 참조하면, 본 발명의 일 실시예에 따른 빅데이터 기반의 중앙 관제 충전 시스템(100)은 서버(110), 중앙 관제부(120), 전기 자동차 충전부(130), 전기 자동차(150) 및/또는 사용자 장치(140)를 포함할 수 있다.
서버(110)는 전기 자동차 충전부(150) 및/또는 전기 자동차(150)와 통신을 수행하여, 이들로부터 충전과 관련된 다양한 정보/데이터를 수집하는 장치/서버에 해당할 수 있다. 서버(110)는 전기 자동차 충전 시스템(100)을 위해 표준화/규격화 통신 프로토콜에 따라 통신을 수행(또는 충전 데이터)를 수집할 수 있다. 예를 들어, 서버(110)는 OCPP 통신 프로토콜에 따라 통신을 수행하여 충전 데이터를 수집할 수 있다.
중앙 관제부(120)는 전기 자동차(150) 및/또는 전기 자동차 충전부(130)와 통신을 수행하여 현재 충전 중인 전기 자동차(150)의 충전 상태와 관련된 다양한 데이터(즉, '충전 상태 데이터')를 수집할 뿐 아니라, 수집한 충전 상태 데이터를 이용하여 효율적인 전기 자동차 충전 동작을 수행할 수 있다.
예를 들어, 중앙 관제부(120)는 수집한 충전 상태 데이터를 빅데이터화하고, 빅데이터화된 충전 상태 데이터를 분석 및 학습하여 전기 자동차 차종을 구별하고, 구별한 차종에 대하여 가장 적절한 충전 방식을 적용하여 충전을 수행할 수 있다. 그리고/또는, 중앙 관제부(120)는 수집한 충전 상태 데이터에 기초하여 전기 자동차 충전부(130)의 각 디스펜서별 충전 모듈 이용 현황을 실시간으로 파악하고, 충전이 완료된 디스펜서의 충전 모듈을 다른 디스펜서에 동적으로 할당하는 동적 파워 셰어링 동작을 수행할 수도 있다.
이외에도, 중앙 관제부(120)는 수집한 충전 상태 데이터를 기반으로, 전기 자동차(150)의 차종 및 사용자의 충전/결제 패턴에 따른 맞춤형 충전 서비스를 제공할 수 있는데, 이에 대해서는 이하에서 각 도면을 참조하여 상세히 후술하기로 한다.
전기 자동차 충전부(130)는, 전기 자동차(150)를 충전하는 모듈/장치로서, 복수의 충전 모듈 및 복수의 디스펜서를 포함할 수 있다. 복수의 충전 모듈은 충전 대상인 전기 자동차(150)의 충전 요청 전력량, 최대 충전 가능 전력량, 평균 충전 속도 등을 기반으로 중앙 관제부(120)의 제어에 의해 동적으로 디스펜서에 할당되어 충전 전력을 공급할 수 있다.
전기 자동차(150)는 전기 자동차 충전부(130)와 연결되어 전기를 공급받아 충전받는 전기 자동차로서, 본 명세서의 전기 자동차 충전 시스템(100)에 포함된 적어도 하나의 다른 구성과 통신을 수행할 수 있다. 특히, 전기 자동차(150)는 충전 상태 데이터로서 공급 요청 전력/전류/전압에 관한 정보를 전기 자동차 충전부(130)로 전송하여 원하는 레벨만큼의 전력/전류/전압을 전기 자동차 충전부(130)로부터 공급받을 수 있다. 전기 자동차는, 현재까지 정의된 규격 상, 직접적으로는 전기 자동차 충전부와만 통신을 수행할 수 있으며, 서버 및/또는 중앙 관제부와는 전기 자동차 충전부를 통해 간접적으로 통신을 수행할 수 있다. 본 명세서에서는 설명의 편의상, 전기 자동차가 서버 및/또는 중앙 관제부와 통신을 수행하여 이들과 데이터를 송수신하는 것으로 표현하지만, 이는 실제로 전기 자동차 충전부를 매개로 양측간 간접적 통신을 수행하는 것으로 해석될 수 있다.
사용자 장치(140)는 충전 대상인 전기 자동차의 사용자가 소지하고 있는 단말을 의미하는 것으로, 실시예에 따라 전기 자동차 충전 시스템(100)에 포함되거나 그렇지 않을 수 있다. 사용자 장치(140)는 중앙 관제부(120)와 주로 통신을 수행하여, 충전과 관련된 다양한 정보/알림을 수신할 수 있다. 따라서, 사용자 장치(140)는 본 명세서에서 제안된 기능이 구현되기 위해 사전에 설계된 어플리케이션/프로그램이 설치된 단말에 해당할 수 있으며, 충전과 관련된 다양한 정보/알림은 해당 어플리케이션/프로그램을 통해 수신될 수 있다. 특히, 실시예에 따라 중앙 관제부(120)는 충전 상태 데이터를 기초로 충전 달성도, 충전소 혼잡도, 충전 비용 등에 관한 정보를 생성하여, 사용자 장치(140)로 전송해줄 수 있다.
이러한 동작을 위한 전제로서, 중앙 관제부(120)는 현재 충전 중인 전기 자동차(150)를 개별적으로 식별할 수 있는 기능을 필수적으로 갖춰야 하는데(전기 자동차(150)를 인식해야 전기 자동차에 매칭되는 사용자 장치(140)까지 인식 가능), 이에 관한 상세한 설명은 도 9 및 10을 참조하여 이하에서 후술하기로 한다.
도 4 및 5는 본 발명의 일 실시예에 따라 중앙 관제부가 수집한 전기 자동차의 통신 메시지를 예시한 도면이며, 도 6은 본 발명의 일 실시예에 따라 특정 차종에 대해 기정의된 SoC(State of Charge)에 대한 목표 전류(Target) 변화량 그래프를 예시한 도면이다.
특히, 도 4 및 5의 통신 메시지(410, 510)는 DIN70121 또는 ISO15118 통신 프로토콜에 따라 충전 중인 전기 자동차가 전기 자동차 충전부로 전송하는 통신 메시지를 예시한다. 전기 자동차와 전기 자동차 충전부는 이렇듯 충전 중에, 충전 상태 데이터가 포함된 통신 메시지를 실시간으로 송/수신함으로써 서로의 충전 상태를 공유/협상할 수 있으며, 이러한 동작을 통해 안전하고 상황별 적절한 전기 자동차 충전 동작이 수행될 수 있다.
다만, 도 4에 예시된 통신 메시지(410)를 살펴보면, 어느 곳에도 전기 자동차의 차종을 확인할 수 있는 데이터 항목이 포함되어 있지 않음을 알 수 있다. 즉, 종래의 전기 자동차 충전 시스템에 있어서, 규격화된/표준화된 통신 프로토콜에 따라 통신 수행 시, 서버와 전기 자동차 충전부는 현재 충전 중인 전기 자동차의 차종이 무엇인지 알 수 있는 방법이 없었으며, 그 결과 실시간으로 송수신되는 통신 메시지(410)에 의존하여 일률적인 충전 방식을 적용할 수밖에 없었다.
그러나, 실제로는 차종별로 최적의 충전 방식이 서로 다르게 정의되어 있기 때문에, 차종을 고려하지 않은 일률적인 충전 방식은 충전 속도 및 효율을 저하시키는 큰 문제 요인으로 작용하였다.
이에 대해 보다 상세히 설명하면, 도 5에 예시된 바와 같이, 종래의 전기 자동차는 일반적으로 SoC의 상태(520-1)에 따라 목표 전류(520-2)를 설정하고, 해당 데이터(520-1, 520-2)가 포함된 통신 메시지(510)를 전기 자동차 충전부로 전송하였다. 전기 자동차 충전부는 전기 자동차가 전송한 통신 메시지의 목표 전류(520-2)를 기초로 수동적으로 충전에 사용하는 충전 모듈의 개수를 조절함으로써 공급 전류량을 조절하였다. 즉, 종래의 전기 자동차 충전부는 수신한 목표 전류(520-2)가 줄어들면 충전 모듈의 개수도 줄이고, 수신한 목표 전류(520-2)가 증가하면 충전 모듈의 개수를 증가시키는 방식으로 수동적인 파워 셰어링 동작을 수행하였다.
그러나, 도 6에 예시된 바와 같이, 실제로 SoC 초기 구간에는 목표 전류가 낮게 설정되었다가 SoC 중기/후기 구간에서 높게 상승되는 충전 루틴을 갖는 차종이 현재 매우 많은 실정이다. 따라서, SoC 초기 구간의 목표 전류 값에 따라 줄어들게 된 충전 모듈은, 서버의 수동적이고 정적인 파워 셰어링 동작에 의해 중기/후기 구간을 가더라도 추가적인 충전 모듈이 동적으로 할당되지 않게 되어, 의도된 목표 전류로 다시 상승하지 못한다는 문제점이 발생하였다.
이를, 구체적인 예시로 들면 다음과 같다.
1. 도 6과 같은 충전 루틴을 갖는 제1 전기 자동차가 SoC 초반에 목표 전류를 낮춤;
2. 목표 전류가 낮아짐에 따라 전기 자동차 충전부는 충전 모듈 개수를 줄임;
3. 제1 전기 자동차는 수용 가능한 최대 전류와 전기 자동차 충전부의 최대 공급 전류 중 낮은 쪽을 추종하여 목표 전류를 실시간으로 설정;
4. 그러나, 현재 전기 자동차 충전부의 사용 가능한 최대 충전 모듈 개수가 줄어들어 있으므로, 제1 전기 자동차는 실제 SoC-Target 그래프에 따라 원하는 만큼 충분히 높은 레벨로 목표 전류를 조정하지 못함;
5. 그 결과, 제1 전기 자동차가 원하는 SoC-Target 그래프에 따른 충전이 어려움.
따라서, 본 명세서에서는 상술한 문제점을 해결하고자, 기존에 정의되어 있는 통신 메시지에 포함되어 있는 충전 상태 데이터를 분석/학습하여 차종을 인식하고(도 7), 인식한 차종에 대하여 기정의되어 있는 SoC-Target 그래프에 따라 동적으로 충전 모듈을 할당하는 동적 파워 셰어링 실시예(도 8)에 대해 제안하고자 한다.
도 7은 본 발명의 일 실시예에 따른 중앙 관제부의 충전 상태 데이터 분석 및 학습 방법을 예시한 순서도이다.
먼저 다시 도 4를 참조하면, 기존의 통신 규약/표준 프로토콜에 따를 때, 통신 메시지 내의 특정 데이터 항목은 차종별로 상이하게 설정되어 전기 자동차 충전부를 통해 중앙 관제부로 전송된다. 예를 들어, 전기 자동차가 수용 가능한 최대 전류 값 데이터 항목('EVMaximumCurrentLimit')(420)이 그 예에 해당할 수 있으며, '볼트' 차종의 경우 해당 데이터 항목이 1500으로, '코나' 차종의 경우 해당 데이터 항목이 2000으로 설정되어 전송될 수 있다. 이외에도, 전기 자동차의 수용 가능한 최대 전압, 수용 가능한 최대 전력, 상기 값에 대한 스케일 값, ID(Identifier)의 배열 방식, Bulk SoC(State of Charge), Full SoC, SoC에 대한 목표 전류의 변화량, 온도에 따른 목표 전류의 변화량, SoH(State of Health)에 따른 목표 전류의 변화량 및/또는 각 통신 단계별 메시지 송신 속도에 대한 항목 등 다양한 데이터 항목이 차종별로 서로 상이한 데이터 값으로 설정된 채 충전 상태 데이터로서 통신 메시지에 포함되어 중앙 관제부로 전송될 수 있다. 본 명세서에서는 이러한 점에 착안하여, 충전 상태 데이터를 학습 및 분석하여 각 차종별로 패턴화 된 특정 항목을 추출하고, 추출한 특정 항목의 데이터 값을 기초로 차종을 인식하는 방법에 대해 제안하고자 한다.
보다 구체적으로, 도 7을 참조하면, 우선 중앙 관제부는 전기 자동차 충전부를 통해 전기 자동차로부터 통신 메시지를 통해 충전 상태 데이터를 수신할 수 있다(S701). 이때, 통신 메시지는 기설정된 규약/표준에서 정의된 전기 자동차-전기 자동차 충전부간 통신 프로토콜(예를 들어, OCPP, DIN70121, ISO15118 등)을 따라 생성되어 송수신될 수 있다.
다음으로, 중앙 관제부는 전기 자동차 충전부를 통해 전기 자동차로부터 수신한 통신 메시지에 포함된 충전 상태 데이터를 빅데이터화할 수 있다(S702). 여기서, 빅데이터화 함은, 중앙 관제부가 머신러닝/딥러닝 기술을 기반으로 학습 및 분석이 가능한 형태의 데이터로 가공/처리하는 일련의 동작/과정을 의미할 수 있다.
다음으로, 중앙 관제부는 빅데이터화된 충전 상태 데이터를 (머신러닝/딥러닝 기술을 기반으로) 분석 및 학습하여 전기 자동차 차종별 특징 항목 및 특징 항목 데이터 값을 추출할 수 있다(S703). 마지막으로, 중앙 관제부는 추출한 특징 항목 및 특징 항목 데이터 값을 기준으로 전기 자동차 차종을 식별하기 위한 차종 식별 모델을 구축 및/또는 업데이트할 수 있다(S704). 여기서, 차종 식별 모델은 특징 항목 및 특징 항목 데이터 값을 입력 받으면, 이와 매칭되는 차종을 출력하도록 모델링된 알고리즘에 해당할 수 있으며, 각 특징 항목별로 차종별 특징 항목 데이터 값을 저장하고 있는 데이터 베이스를 포함하는 개념에 해당할 수 있다.
이러한 차종 식별 모델을 구축/업데이트하는 방법에 대해 예를 들어 구체적으로 설명하면, 우선 중앙 관제부는 특정 전기 자동차 차종에 대한 샘플 충전 상태 데이터를 충전 상태 데이터로서 입력받을 수 있다. 중앙 관제부는 샘플 충전 상태 데이터에 대한 머신러닝 기반의 데이터 마이닝을 수행하여 샘플 충전 상태 데이터에서 공통적으로/특징적으로 발견되는 특징 항목 및 해당 특정 항목에 대한 데이터 값을 추출할 수 있다. 중앙 관제부는 추출한 특징 항목 및 특정 항목 데이터 값을 해당 특정 전기 자동차 차종을 식별하기 위한 조건/기준으로 설정하여 차종 식별 모델의 구축 및/또는 업데이트할 수 있다. 이렇듯 중앙 관제부는, 다양한 차종에 대한 샘플 충전 상태 데이터를 입력받고 빅데이터화하여 특징 항목 및 특정 항목 데이터 값을 추출, 차종 식별 모델의 구축 및 업데이트에 활용할 수 있다.
이외에도, 앞서 상술한 바와 같이 특정 통신 프로토콜에서 이미 알려져 있는 차종별 특징 항목과 이에 대응하는 데이터 값이 존재하는 경우, 이들에 대해서는 시스템 관리자/운영자가 직접 차종 식별 모델에 입력하여 차종 식별 모델을 직접 구축 및/또는 업데이트할 수도 있다.
본 실시예에 따를 때, 중앙 관제부는 기존 시스템 및 통신 프로토콜과의 호환성을 유지하면서 차종을 식별할 수 있으며, 그 결과 차종별로 기정의되어 있는 SoC-목표 전류 변화량에 따라 동적인 파워 셰어링 동작을 수행하기 위한 발판을 마련한다는 효과가 발생한다. 또한, 본 실시예에 따를 때, 중앙 관제부는 송수신되는 충전 상태 데이터를 실시간으로 분석 및 학습하여 차종 식별 모델을 동적으로 업데이트하므로, 새로운 차종의 출현, 통신 규약/통신의 업데이트, 차종별 데이터 항목 및 이에 대한 설정 값에 변경이 발생하더라도 높은 정확도로 차종을 식별할 수 있다는 효과가 발생한다.
도 8은 본 발명의 일 실시예에 따른 중앙 관제부의 동적인 파워 셰어링 방법을 예시한 순서도이다.
본 순서도는, 도 7의 실시예에 따라 사전에 차종 식별 모델이 구축되어 있으며, 복수의 전기 자동차가 전기 자동차 충전부와 연결되어 있는 상황을 전제로 한다.
도 8을 참조하면, 중앙 관제부는 충전 중인 복수의 전기 자동차로부터 전기 자동차 충전부를 통해 통신 메시지를 수신하여 충전 상태 데이터를 (실시간으로/주기적으로) 수집할 수 있다(S801).
다음으로, 중앙 관제부는 전기 자동차별로 수집한 충전 상태 데이터로부터 특징 항목 및 해당 특징 항목에 대한 데이터 값을 추출하여 차종 식별 모델에 입력할 수 있다(S802). 차종 식별 모델은 입력된 특징 항목 및 특징 항목 데이터 값에 매칭되는 차종을 인식하고, 인식한 차종을 출력할 수 있다.
다음으로, 중앙 관제부는 차종 식별 모델로부터 출력된 차종 식별 결과에 따라 복수의 전기 자동차의 차종을 인식할 수 있다(S803).
마지막으로, 중앙 관제부는 인식한 차종별로 기정의되어 있는 SoC 대비 목표 전류의 변화량(예를 들어, 도 6의 그래프)을 각 전기 자동차의 전기 자동차 충전부에 적용하여 동적인 파워 셰어링 동작을 수행할 수 있다(S804). 보다 상세하게는, 중앙 관제부는 복수의 전기 자동차의 차종별로 기정의되어 있는 SoC 대비 목표 전류 변화량에 따라 복수의 충전 모듈을 전기 자동차별로 동적으로 할당하여 파워 셰어링 동작을 수행할 수 있다. 이때, 차종별로 기정의되어 있는 SoC 대비 목표 전류 변화량은, 중앙 관제부가 시스템 관리자/운영자로부터 사전에 입력받거나, 차종별로 수신한 충전 상태 데이터(도 5의 통신 메시지 참조)에 포함된 SoC 대비 목표 전류 변화량을 직접 분석/학습/기록함으로써 획득될 수 있다.
본 실시예에 따른 동적인 파워 셰어링 동작이 수행되는 경우, 전기 자동차 충전부가 전기 자동차가 전송하는 목표 전류 값에만 의존하지 않고 기정의된 SoC 대비 목표 전류 변화량에 따라 충전 모듈을 동적으로 할당하므로, 앞서 도 6과 같이 SoC 초기 구간의 목표 전류가 낮게 설정된 전기 자동차에 대해서도 중기/후기 구간의 목표 전류만큼 충전 모듈의 추가 할당이 가능하여 종래 대비 효율적인 파워 셰어링 동작이 가능하다는 효과가 발생한다.
다만, SoC 초기 구간의 목표 전류가 중기 및/또는 후기 구간에 높게 설정된 충전 루틴/패턴을 갖는 전기 자동차의 경우, 앞서 상술한 문제점이 발생하지 않으므로, 본 파워 셰어링 동작은 도 6과 같이 SoC 초기 구간의 목표 전류 값이 중기 및/또는 후기 구간보다 낮게 설정된 전기 자동차에 대해서만 제한적으로 적용될 수 있다.
앞선 실시예들의 경우, 차종별 기정의되어 있는 SoC 대비 목표 전류의 변화량을 중심으로 설명하였으나 이에 한정되지 않고, 온도 및/또는 SoH 등과 같이 목표 전류량 결정에 영향을 미치는 추가적인 요소/요인들을 고려한 동적인 파워 셰어링 동작도 물론 가능하다. 예를 들어, 실제 전기 자동차의 목표 전류량은 SoC 외에도, 전기 자동차의 현재 온도, SoH 등과 같은 다양한 요소/요인들이 통합적으로 고려되어 결정될 수 있다. 이러한 점에 착안하여, 중앙 관제부는 전기 자동차의 온도 및/또는 SoH 대비 목표 전류의 변화량 데이터를 빅데이터화하여 학습하고, 학습 내용/결과를 기초로 차종별 온도 및/또는 SoH 대비 목표 전류 변화량을 직접 구축한/정의한 뒤, 이를 기초로 차종별 파워 셰어링 동작을 수행할 수 있다.
도 9는 본 발명의 일 실시예에 따른 전기 자동차 식별 정보가 포함된 통신 메시지를 예시한 도면이며, 도 10은 전기 자동차 식별 정보를 기초로 충전 관련 서비스를 제공하는 사용자 장치를 예시한 도면이다.
통신 메시지에는 개별 전기 자동차별로 상이한 데이터 항목이 포함되어 있을 수 있다. 예를 들어, 도 9에 예시된 바와 같이, 통신 메시지(910)에는 MAC(Media Access Control Address) 주소 데이터 항목('SessionID', 920)이 포함되어 있을 수 있으며, 이 데이터 항목은 각 전기 자동차별로 상이한 데이터 값으로 설정되어 전송될 수 있다. 따라서, 중앙 관제부는 이러한 데이터 항목 및 데이터 값을 개별 전기 자동차를 식별하는 정보로 활용할 수 있다.
이러한 식별 정보 역시, 시스템 관리자/운영자에 의해 직접 설정되거나, 중앙 관제부가 앞서 도 7에서 상술한 실시예에 따라 충전 상태 데이터를 분석 및 학습함으로써 자동으로 인식/획득할 수 있다. 후자의 경우, 중앙 관제부는 빅데이터화된 충전 상태 데이터에서 동일한 차종의 충전 상태 데이터를 선별하고, 선별한 충전 상태 데이터를 상호 비교하여 각 전기 자동차별로 상이한 데이터 항목을 식별 항목으로 추출할 수 있다. 중앙 관제부는 이렇게 추출한 식별 항목의 식별 데이터 값을 이용하여 개별적인 전기 자동차를 식별할 수 있다.
중앙 관제부는 이러한 식별 정보를 이용하여, 각 전기 자동차에 대한 충전 및 결제 정보를 획득 및 저장하여 다양한 충전 관련 서비스에 활용할 수 있다. 보다 상세하게는, 중앙 관제부는 각 전기 자동차로부터 다양한 충전 및 결제 정보를 수집/획득할 수 있으며, 수집/획득한 정보를 각 전기 자동차의 식별 정보(특히, 식별 데이터 값)에 대응하여 데이터 베이스에 저장할 수 있다.
여기서, 충전 정보는, 전기 자동차의 충전과 관련된 다양한 정보를 일컫는 것으로, 예를 들어 전기 자동차가 충전된 충전소 위치, 전기 자동차의 평균 충전량, 최대 충전량, 최소 충전량, 평균 충전 시간, 최소 충전 시간, 최대 충전 시간, 충전 주기, 횟수 및/또는 일시 등이 이에 해당할 수 있다. 결제 정보는, 전기 자동차의 충전 결제 내역 정보를 일컫는 것으로, 예를 들어 전기 자동차 충전 결제에 사용된 결제 카드, 결제 계좌, 결제 방식 정보 및/또는 사용자 개인 정보 등이 이에 해당할 수 있다.
중앙 관제부는 이렇게 저장한 전기 자동차의 충전 및/또는 결제 정보 역시 빅데이터화하여 학습 및 분석할 수 있으며, 그 결과 각 전기 자동차(또는 사용자)별 충전 및/또는 결제 패턴/특징/루틴을 추출하여 이를 기초로 한 다양한 충전 서비스를 제공할 수 있다.
예를 들어, 제1 전기 자동차에 대하여 전 결제 방식이 자동 결제 방식으로 설정되어 있는 경우, 중앙 관제부는 제1 전기 자동차의 충전 완료 시, 충전 비용을 제1 전기 자동차에 대하여 기저장되어 있는 결제 정보에 기초하여 자동으로 결제할 수 있다.
다른 예를 들어, 중앙 관제부는 제1 전기 자동차의 충전 정보에 기초하여 다음 충전 시점 및 충전소를 미리 예측할 수 있으며, 충전 예측 시점보다 기설정된 시간 앞선 시점에 예측 충전소의 혼잡도에 관한 알림(1020)을, 도 10에 예시한 바와 같이, 사용자 장치(1010)(또는 제1 전기 자동차)로 전송할 수 있다. 여기서 혼잡도는 충전소의 혼잡도를 의미할 수 있으며, 기본적으로 충전 예측 시점에서의 충전 모듈의 사용 상태 예측을 기초로 도출될 수 있다. 충전 예측 시점에서의 충전 모듈의 사용 상태는, 현재 충전 중인 전기 자동차의 SoC-목표 전류 변화량을 기초로 예측될 수 있다.
도 11은 본 발명의 일 실시예예 따른 중앙 관제부의 블록도이다.
도 11을 참조하면, 본 발명의 일 실시예에 따른 중앙 관제부(120)는 제어부(121), 통신부(122) 및/또는 메모리부(123)를 포함할 수 있다.
제어부(121)는, 본 명세서에서 제안된 실시예를 수행하기 위해 중앙 관제부(120)에 포함된 다른 구성들과 통신을 수행하여 이들을 제어할 수 있다. 제어부(121)는 CPU(Central Processing Unit), MPU(Micro Processor Unit), MCU(Micro Controller Unit), AP(Application Processor), AP(Application Processor) 또는 본 발명의 기술 분야에 잘 알려진 임의의 형태의 프로세서를 적어도 하나 포함하여 구성될 수 있다. 따라서, 본 명세서에서 중앙 관제부(120)는 제어부(121)로 대체되어 설명될 수 있다.
특히, 제어부(121)는 수집된 충전 상태 데이터를 빅데이터화한 후, 분석 및 학습하여 차종 식별 모델을 구축 및 업데이트하는 동작을 수행할 수 있다. 이때, 제어부(121)는 적어도 하나의 머신러닝, 딥러닝, 데이터 마이닝 등의 기술을 활용할 수 있다.
통신부(122)는 적어도 하나의 유/무선 통신 프로토콜을 사용하여 외부 기기/구성/서버와 통신을 수행할 수 있다. 특히, 통신부(122)는 미리 전기 자동차 통신을 위해 사전 정의/설정되어 있는 전기 자동차 통신 규약/표준 프로토콜(예를 들어, OCPP)에 따라 통신을 수행할 수 있으며, 기정의된 데이터 항목별 충전 상태 데이터가 포함된 통신 메시지를 전기 자동차, 전기 자동차 충전부 및/또는 서버와 송수신할 수 있다.
메모리부(123)는 다양한 디지털 데이터를 저장하는 공간에 해당할 수 있으며, 예를 들어 플래시 메모리, HDD(Hard Disk Drive), SSD(Solid State Drive), 클라우드 등을 의미할 수 있다. 메모리부(123)에는 본 명세서에서 제안된 실시예를 수행하기 위한 데이터가 저장된 데이터 베이스가 구축되어 있을 수 있다. 예를 들어, 데이터 베이스에는 차종을 식별하기 위한 특징 항목, 차종별 특징 항목 데이터 값, 차종 식별 모델링을 구축 및/또는 업데이트하기 위한 데이터 값 등 다양한 데이터가 저장되어 있을 수 있다. 또한, 데이터 베이스에는 각 전기 자동차의 식별 항목, 각 전기 자동차별 식별 항목 데이터 값, 충전 정보 및/또는 결제 정보도 저장되어 있을 수 있다.
본 발명에 따른 실시예는 다양한 수단, 예를 들어, 하드웨어, 펌웨어(firmware), 소프트웨어 또는 그것들의 결합 등에 의해 구현될 수 있다. 하드웨어에 의한 구현의 경우, 본 발명의 일 실시예는 하나 또는 그 이상의 ASICs(application specific integrated circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 프로세서, 콘트롤러, 마이크로 콘트롤러, 마이크로 프로세서 등에 의해 구현될 수 있다.
또한, 펌웨어나 소프트웨어에 의한 구현의 경우, 본 발명의 일 실시예는 이상에서 설명된 기능 또는 동작들을 수행하는 모듈, 절차, 함수 등의 형태로 구현되어, 다양한 컴퓨터 수단을 통하여 판독 가능한 기록매체에 기록될 수 있다. 여기서, 기록매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 기록매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 예컨대 기록매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(Magnetic Media), CD-ROM(Compact Disk Read Only Memory), DVD(Digital Video Disk)와 같은 광 기록 매체(Optical Media), 플롭티컬 디스크(Floptical Disk)와 같은 자기-광 매체(Magneto-Optical Media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치를 포함한다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함할 수 있다. 이러한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
아울러, 본 발명에 따른 장치나 단말은 하나 이상의 프로세서로 하여금 앞서 설명한 기능들과 프로세스를 수행하도록 하는 명령에 의하여 구동될 수 있다. 예를 들어 그러한 명령으로는, 예컨대 JavaScript나 ECMAScript 명령 등의 스크립트 명령과 같은 해석되는 명령이나 실행 가능한 코드 혹은 컴퓨터로 판독 가능한 매체에 저장되는 기타의 명령이 포함될 수 있다. 나아가 본 발명에 따른 장치는 서버 팜(Server Farm)과 같이 네트워크에 걸쳐서 분산형으로 구현될 수 있으며, 혹은 단일의 컴퓨터 장치에서 구현될 수도 있다.
또한, 본 발명에 따른 장치에 탑재되고 본 발명에 따른 방법을 실행하는 컴퓨터 프로그램(프로그램, 소프트웨어, 소프트웨어 어플리케이션, 스크립트 혹은 코드로도 알려져 있음)은 컴파일 되거나 해석된 언어나 선험적 혹은 절차적 언어를 포함하는 프로그래밍 언어의 어떠한 형태로도 작성될 수 있으며, 독립형 프로그램이나 모듈, 컴포넌트, 서브루틴 혹은 컴퓨터 환경에서 사용하기에 적합한 다른 유닛을 포함하여 어떠한 형태로도 전개될 수 있다. 컴퓨터 프로그램은 파일 시스템의 파일에 반드시 대응하는 것은 아니다. 프로그램은 요청된 프로그램에 제공되는 단일 파일 내에, 혹은 다중의 상호 작용하는 파일(예컨대, 하나 이상의 모듈, 하위 프로그램 혹은 코드의 일부를 저장하는 파일) 내에, 혹은 다른 프로그램이나 데이터를 보유하는 파일의 일부(예컨대, 마크업 언어 문서 내에 저장되는 하나 이상의 스크립트) 내에 저장될 수 있다. 컴퓨터 프로그램은 하나의 사이트에 위치하거나 복수의 사이트에 걸쳐서 분산되어 통신 네트워크에 의해 상호 접속된 다중 컴퓨터나 하나의 컴퓨터 상에서 실행되도록 전개될 수 있다.
설명의 편의를 위하여 각 도면을 나누어 설명하였으나, 각 도면에 서술되어 있는 실시예들을 병합하여 새로운 실시예를 구현하도록 설계하는 것도 가능하다. 또한, 본 발명은 상술한 바와 같이 설명된 실시예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 상술한 실시예들은 다양한 변형이 이루어질 수 있도록 각 실시 예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다.
또한, 이상에서는 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 명세서는 상술한 특정의 실시예에 한정되지 아니하며, 청구 범위에서 청구하는 요지를 벗어남이 없이 당해 명세서가 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형 실시들은 본 명세서의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안될 것이다.
본 발명은 전기 자동차 산업에 적용가능하다.

Claims (26)

  1. 빅데이터 기반의 중앙 관제 충전 시스템에 있어서,
    복수의 충전 모듈을 이용하여 전기 자동차를 충전하는, 전기 자동차 충전부; 및
    상기 전기 자동차 충전부를 통해 상기 전기 자동차와 통신을 수행하여 충전 상태 데이터를 수집하는, 중앙 관제부; 를 포함하되,
    상기 중앙 관제부는,
    상기 전기 자동차로부터 상기 전기 자동차 충전부를 통해 수신한 충전 상태 데이터를 빅데이터화하고,
    상기 빅데이터화된 충전 상태 데이터를 분석 및 학습하여 전기 자동차 차종별 특징 항목 및 상기 특징 항목의 데이터 값을 추출하고,
    추출한 특징 항목 및 특징 항목 데이터 값을 기준으로 상기 전기 자동차 차종을 식별하기 위한 차종 식별 모델을 구축 또는 업데이트하고,
    상기 빅데이터화된 충전 상태 데이터 중 동일한 차종의 충전 상태 데이터를 선별하고,
    선별한 충전 상태 데이터를 각 전기 자동차별로 비교하여 서로 상이한 식별 항목을 추출하고,
    상기 각 전기 자동차별 충전 및 결제 정보를, 상기 각 전기 자동차별 식별 항목의 식별 데이터 값에 매칭시켜 데이터 베이스에 저장하는, 빅데이터 기반의 중앙 관제 충전 시스템.
  2. 제 1 항에 있어서,
    상기 특징 항목은,
    상기 전기 자동차의 수용 가능한 최대 전류, 수용 가능한 최대 전압, 수용 가능한 최대 전력, 상기 값에 대한 스케일 값, ID(Identifier)의 배열 방식, Bulk SoC(State of Charge), Full SoC, SoC에 대한 목표 전류의 변화량, 온도에 따른 목표 전류의 변화량, SoH(State of Health)에 따른 목표 전류의 변화량 및 각 통신 단계별 메시지 송신 속도 중 적어도 하나에 대한 항목을 포함하는, 빅데이터 기반의 중앙 관제 충전 시스템.
  3. 제 1 항에 있어서,
    상기 중앙 관제부는,
    특정 전기 자동차 차종에 대한 샘플 충전 상태 데이터를 상기 충전 상태 데이터로서 입력받고,
    상기 샘플 충전 상태 데이터에 대한 머신러닝 기반의 데이터 마이닝을 수행하여 상기 차종에 대한 특징 항목 및 상기 특징 항목의 데이터 값을 추출하고,
    추출한 특징 항목 및 특징 항목 데이터 값을 상기 특정 전기 자동차 차종을 식별하기 위한 기준으로서 상기 차종 식별 모델의 구축 또는 업데이트에 반영하는, 빅데이터 기반의 중앙 관제 충전 시스템.
  4. 제 1 항에 있어서,
    상기 자동차의 식별 항목은, 상기 전기 자동차의 MAC(Media Access Control Address) 주소에 해당하는, 빅데이터 기반의 중앙 관제 충전 시스템.
  5. 제 1 항에 있어서,
    상기 전기 자동차의 충전 정보는, 상기 전기 자동차가 충전된 충전소 위치, 상기 전기 자동차의 평균 충전량, 최대 충전량, 최소 충전량, 평균 충전 시간, 최소 충전 시간, 최대 충전 시간, 충전 주기, 횟수 및 일시 중 적어도 하나를 포함하며,
    상기 전기 자동차의 결제 정보는, 상기 전기 자동차 충전 결제에 사용된 결제 카드, 결제 계좌, 결제 방식 정보 및 사용자 정보 중 적어도 하나를 포함하는, 빅데이터 기반의 중앙 관제 충전 시스템.
  6. 제 5 항에 있어서,
    상기 전기 자동차에 대한 결제 방식이 자동 결제 방식으로 설정되어 있는 경우, 상기 중앙 관제부는,
    상기 전기 자동차의 충전 완료 시, 충전 비용을 상기 결제 정보에 기초하여 자동 결제하는, 빅데이터 기반의 중앙 관제 충전 시스템.
  7. 제 5 항에 있어서,
    상기 중앙 관제부는,
    상기 충전 정보에 기초하여 상기 전기 자동차의 다음 충전 시점 및 충전소 중 적어도 하나를 예측하고,
    충전 예측 시점보다 기설정된 시간만큼 앞선 시점에 예측 충전소의 혼잡도에 관한 알림을 상기 전기 자동차 또는 사용자 장치로 전송하는, 빅데이터 기반의 중앙 관제 충전 시스템.
  8. 제 7 항에 있어서,
    상기 혼잡도는, 상기 충전 예측 시점의 상기 복수의 충전 모듈의 사용 상태예측을 기초로 도출되는, 빅데이터 기반의 중앙 관제 충전 시스템.
  9. 빅데이터 기반의 중앙 관제 충전 시스템에 있어서,
    복수의 충전 모듈을 이용하여 전기 자동차를 충전하는, 전기 자동차 충전부; 및
    상기 전기 자동차 충전부를 통해 상기 전기 자동차와 통신을 수행하여 충전 상태 데이터를 수집하는, 중앙 관제부; 를 포함하되,
    상기 중앙 관제부는,
    상기 전기 자동차로부터 상기 전기 자동차 충전부를 통해 수신한 충전 상태 데이터를 빅데이터화하고,
    상기 빅데이터화된 충전 상태 데이터를 분석 및 학습하여 전기 자동차 차종별 특징 항목 및 상기 특징 항목의 데이터 값을 추출하고,
    추출한 특징 항목 및 특징 항목 데이터 값을 기준으로 상기 전기 자동차 차종을 식별하기 위한 차종 식별 모델을 구축 또는 업데이트하고,
    상기 차종 식별 모델이 구축된 뒤, 복수의 전기 자동차가 상기 전기 자동차 충전부와 연결되어 충전이 개시된 경우, 상기 중앙 관제부는,
    상기 복수의 전기 자동차와 통신을 수행하여 충전 상태 데이터를 수집하고,
    상기 충전 상태 데이터로부터 상기 특징 항목 및 상기 특징 항목 데이터 값을 추출하여 상기 차종 식별 모델에 입력하고,
    상기 차종 식별 모델로부터 출력된 차종 식별 결과에 따라 상기 복수의 전기 자동차의 차종을 인식하고,
    인식한 차종별 기정의되어 있는 SoC 대비 목표 전류의 변화량을 상기 전기 자동차 충전부에 적용하여 상기 복수의 전기 자동차에 대한 충전을 제어하는, 빅데이터 기반의 중앙 관제 충전 시스템.
  10. 제 9 항에 있어서,
    상기 특징 항목은,
    상기 전기 자동차의 수용 가능한 최대 전류, 수용 가능한 최대 전압, 수용 가능한 최대 전력, 상기 값에 대한 스케일 값, ID(Identifier)의 배열 방식, Bulk SoC(State of Charge), Full SoC, SoC에 대한 목표 전류의 변화량, 온도에 따른 목표 전류의 변화량, SoH(State of Health)에 따른 목표 전류의 변화량 및 각 통신 단계별 메시지 송신 속도 중 적어도 하나에 대한 항목을 포함하는, 빅데이터 기반의 중앙 관제 충전 시스템.
  11. 제 9 항에 있어서,
    상기 중앙 관제부는,
    특정 전기 자동차 차종에 대한 샘플 충전 상태 데이터를 상기 충전 상태 데이터로서 입력받고,
    상기 샘플 충전 상태 데이터에 대한 머신러닝 기반의 데이터 마이닝을 수행하여 상기 차종에 대한 특징 항목 및 상기 특징 항목의 데이터 값을 추출하고,
    추출한 특징 항목 및 특징 항목 데이터 값을 상기 특정 전기 자동차 차종을 식별하기 위한 기준으로서 상기 차종 식별 모델의 구축 또는 업데이트에 반영하는, 빅데이터 기반의 중앙 관제 충전 시스템.
  12. 제 9 항에 있어서,
    상기 중앙 관제부는,
    상기 복수의 전기 자동차의 차종별로 기정의되어 있는 SoC 대비 목표 전류의 변화량에 따라 상기 복수의 충전 모듈을 각 전기 자동차별로 동적으로 할당하여 파워 셰어링 동작을 수행하는, 빅데이터 기반의 중앙 관제 충전 시스템.
  13. 제 9 항에 있어서,
    상기 복수의 전기 자동차 각각에 대한 충전 제어는 상기 인식한 차종별 기정의되어 있는 SoC 대비 목표 전류의 변화량이 기설정된 조건을 만족하는 경우에 한해 수행되며,
    상기 기설정된 조건은, SoC 초기 구간의 목표 전류 값이 SoC 중기 및 후기 구간의 목표 전류 값보다 낮은 경우에 한해 적용되는, 빅데이터 기반의 중앙 관제 충전 시스템.
  14. 중앙 관제부의 충전 제어 방법에 있어서,
    전기 자동차 충전부를 통해 상기 전기 자동차 충전부와 연결된 전기 자동차로부터 충전 상태 데이터를 수신하는 단계;
    수신한 충전 상태 데이터를 빅데이터화하는 단계;
    빅데이터화된 충전 상태 데이터를 분석 및 학습하여 전기 자동차 차종별 특징 항목 및 상기 특징 항목의 데이터 값을 추출하는 단계;
    추출한 특징 항목 및 특징 항목 데이터 값을 기준으로 상기 전기 자동차 차종을 식별하기 위한 차종 식별 모델을 구축 또는 업데이트하는 단계;
    상기 차종 식별 모델이 구축된 뒤, 복수의 전기 자동차가 상기 전기 자동차 충전부와 연결되어 충전이 개시된 경우, 상기 복수의 전기 자동차와 통신을 수행하여 충전 상태 데이터를 수집하는 단계;
    상기 충전 상태 데이터로부터 상기 특징 항목 및 상기 특징 항목 데이터 값을 추출하여 상기 차종 식별 모델에 입력하는 단계;
    상기 차종 식별 모델로부터 출력된 차종 식별 결과에 따라 상기 복수의 전기 자동차의 차종을 인식하는 단계; 및
    인식한 차종별 기정의되어 있는 SoC 대비 목표 전류의 변화량을 상기 전기 자동차 충전부에 적용하여 상기 복수의 전기 자동차에 대한 충전을 제어하는 단계;를 포함하는, 중앙 관제부의 충전 제어 방법.
  15. 제 14 항에 있어서,
    상기 특징 항목은,
    상기 전기 자동차의 수용 가능한 최대 전류, 수용 가능한 최대 전압, 수용 가능한 최대 전력, 상기 값에 대한 스케일 값, ID(Identifier)의 배열 방식, Bulk SoC(State of Charge), Full SoC, SoC에 대한 목표 전류의 변화량, 온도에 따른 목표 전류의 변화량, SoH(State of Health)에 따른 목표 전류의 변화량 및 각 통신 단계별 메시지 송신 속도 중 적어도 하나에 대한 항목을 포함하는, 중앙 관제부의 충전 제어 방법.
  16. 제 14 항에 있어서,
    특정 전기 자동차 차종에 대한 샘플 충전 상태 데이터를 상기 충전 상태 데이터로서 입력받는 단계;
    상기 샘플 충전 상태 데이터에 대한 머신러닝 기반의 데이터 마이닝을 수행하여 상기 차종에 대한 특징 항목 및 상기 특징 항목의 데이터 값을 추출하는 단계; 및
    추출한 특징 항목 및 특징 항목 데이터 값을 상기 특정 전기 자동차 차종을 식별하기 위한 기준으로서 상기 차종 식별 모델의 구축 또는 업데이트에 반영하는 단계;를 포함하는, 중앙 관제부의 충전 제어 방법.
  17. 제 14 항에 있어서,
    상기 복수의 전기 자동차의 차종별로 기정의되어 있는 SoC 대비 목표 전류의 변화량에 따라 상기 복수의 충전 모듈을 각 전기 자동차별로 동적으로 할당하여 파워 셰어링 동작을 수행하는 단계;를 포함하는, 중앙 관제부의 충전 제어 방법.
  18. 제 14 항에 있어서,
    상기 복수의 전기 자동차 각각에 대한 충전을 제어하는 단계는, 상기 인식한 차종별 기정의되어 있는 SoC 대비 목표 전류의 변화량이 기설정된 조건을 만족하는 경우에 한해 수행되며,
    상기 기설정된 조건은, SoC 초기 구간의 목표 전류 값이 SoC 중기 및 후기 구간의 목표 전류 값보다 낮은 경우에 한해 적용되는, 중앙 관제부의 충전 제어 방법.
  19. 중앙 관제부의 충전 제어 방법에 있어서,
    전기 자동차 충전부를 통해 상기 전기 자동차 충전부와 연결된 전기 자동차로부터 충전 상태 데이터를 수신하는 단계;
    수신한 충전 상태 데이터를 빅데이터화하는 단계;
    빅데이터화된 충전 상태 데이터를 분석 및 학습하여 전기 자동차 차종별 특징 항목 및 상기 특징 항목의 데이터 값을 추출하는 단계;
    추출한 특징 항목 및 특징 항목 데이터 값을 기준으로 상기 전기 자동차 차종을 식별하기 위한 차종 식별 모델을 구축 또는 업데이트하는 단계;
    상기 빅데이터화된 충전 상태 데이터 중 동일한 차종의 충전 상태 데이터를 선별하는 단계;
    상기 선별한 충전 상태 데이터를 각 전기 자동차별로 비교하여 서로 상이한 식별 항목을 추출하는 단계; 및
    상기 각 전기 자동차별 충전 및 결제 정보를, 상기 각 전기 자동차별 식별 항목의 식별 데이터 값에 매칭시켜 데이터 베이스에 저장하는 단계;를 포함하는, 중앙 관제부의 충전 제어 방법.
  20. 제 19 항에 있어서,
    상기 특징 항목은,
    상기 전기 자동차의 수용 가능한 최대 전류, 수용 가능한 최대 전압, 수용 가능한 최대 전력, 상기 값에 대한 스케일 값, ID(Identifier)의 배열 방식, Bulk SoC(State of Charge), Full SoC, SoC에 대한 목표 전류의 변화량, 온도에 따른 목표 전류의 변화량, SoH(State of Health)에 따른 목표 전류의 변화량 및 각 통신 단계별 메시지 송신 속도 중 적어도 하나에 대한 항목을 포함하는, 중앙 관제부의 충전 제어 방법.
  21. 제 19 항에 있어서,
    특정 전기 자동차 차종에 대한 샘플 충전 상태 데이터를 상기 충전 상태 데이터로서 입력받는 단계;
    상기 샘플 충전 상태 데이터에 대한 머신러닝 기반의 데이터 마이닝을 수행하여 상기 차종에 대한 특징 항목 및 상기 특징 항목의 데이터 값을 추출하는 단계; 및
    추출한 특징 항목 및 특징 항목 데이터 값을 상기 특정 전기 자동차 차종을 식별하기 위한 기준으로서 상기 차종 식별 모델의 구축 또는 업데이트에 반영하는 단계;를 포함하는, 중앙 관제부의 충전 제어 방법.
  22. 제 19 항에 있어서,
    상기 자동차의 식별 항목은, 상기 전기 자동차의 MAC(Media Access Control Address) 주소에 해당하는, 중앙 관제부의 충전 제어 방법.
  23. 제 19 항에 있어서,
    상기 전기 자동차의 충전 정보는, 상기 전기 자동차가 충전된 충전소 위치, 상기 전기 자동차의 평균 충전량, 최대 충전량, 최소 충전량, 평균 충전 시간, 최소 충전 시간, 최대 충전 시간, 충전 주기, 횟수 및 일시 중 적어도 하나를 포함하며,
    상기 전기 자동차의 결제 정보는, 상기 전기 자동차 충전 결제에 사용된 결제 카드, 결제 계좌, 결제 방식 정보 및 사용자 정보 중 적어도 하나를 포함하는, 중앙 관제부의 충전 제어 방법.
  24. 제 23 항에 있어서,
    상기 전기 자동차에 대한 결제 방식이 자동 결제 방식으로 설정되어 있는 경우, 상기 전기 자동차의 충전 완료 시, 충전 비용을 상기 결제 정보에 기초하여 자동 결제하는 단계;를 포함하는, 중앙 관제부의 충전 제어 방법.
  25. 제 23 항에 있어서,
    상기 충전 정보에 기초하여 상기 전기 자동차의 다음 충전 시점 및 충전소 중 적어도 하나를 예측하는 단계; 및
    충전 예측 시점보다 기설정된 시간만큼 앞선 시점에 예측 충전소의 혼잡도에 관한 알림을 상기 전기 자동차 또는 사용자 장치로 전송하는 단계;를 포함하는, 중앙 관제부의 충전 제어 방법.
  26. 제 25 항에 있어서,
    상기 혼잡도는, 상기 충전 예측 시점의 상기 복수의 충전 모듈의 사용 상태예측을 기초로 도출되는, 중앙 관제부의 충전 제어 방법.
PCT/KR2022/013043 2021-09-01 2022-08-31 빅데이터 기반의 중앙 관제 충전 시스템, 방법 및 장치 WO2023033544A1 (ko)

Applications Claiming Priority (8)

Application Number Priority Date Filing Date Title
KR10-2021-0116278 2021-09-01
KR10-2022-0067510 2021-09-01
KR10-2022-0067512 2021-09-01
KR1020210116278A KR102406394B1 (ko) 2021-09-01 2021-09-01 빅데이터 기반의 중앙 관제 충전 시스템, 방법 및 장치
KR10-2022-0067513 2021-09-01
KR1020220067510A KR102458402B1 (ko) 2021-09-01 2022-06-02 빅데이터 기반의 중앙 관제 충전 시스템
KR1020220067512A KR102458403B1 (ko) 2021-09-01 2022-06-02 빅데이터 기반의 중앙 관제부의 충전 제어 방법
KR1020220067513A KR102497753B1 (ko) 2021-09-01 2022-06-02 빅데이터 기반의 중앙 관제부의 충전 제어 방법

Publications (1)

Publication Number Publication Date
WO2023033544A1 true WO2023033544A1 (ko) 2023-03-09

Family

ID=81981747

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/013043 WO2023033544A1 (ko) 2021-09-01 2022-08-31 빅데이터 기반의 중앙 관제 충전 시스템, 방법 및 장치

Country Status (2)

Country Link
KR (4) KR102406394B1 (ko)
WO (1) WO2023033544A1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102406394B1 (ko) * 2021-09-01 2022-06-08 에스케이시그넷 주식회사 빅데이터 기반의 중앙 관제 충전 시스템, 방법 및 장치
KR102577405B1 (ko) * 2022-09-20 2023-09-12 현대글로비스 주식회사 머신러닝 기반 충전소 알림 정보 제공 방법 및 이를 위한 연료 공급망 관리 시스템
KR102644586B1 (ko) * 2023-06-16 2024-03-08 충남대학교 산학협력단 전기차 사용자 충전패턴에 따른 차별적 인증을 위한 시스템 및 그 방법

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150046421A (ko) * 2013-10-21 2015-04-30 한양대학교 산학협력단 전기차 충전에서 차량 및 운전자 기반 서비스를 위한 차량 충전정보 프로파일 제공 방법
KR101676689B1 (ko) * 2016-03-23 2016-11-17 주식회사 아이온커뮤니케이션즈 전기자동차 충전소 추천 시스템 및 방법
JP2018206438A (ja) * 2012-02-13 2018-12-27 アクセンチュア グローバル サービスィズ リミテッド 電気自動車の分散型インテリジェンス
KR20210013965A (ko) * 2019-07-29 2021-02-08 나용범 스마트 전기 충전 시스템
KR102267043B1 (ko) * 2020-09-22 2021-06-18 (주)시그넷이브이 복수의 충전 모듈들을 이용한 전기 자동차 충전 방법 및 이를 위한 장치
KR102406394B1 (ko) * 2021-09-01 2022-06-08 에스케이시그넷 주식회사 빅데이터 기반의 중앙 관제 충전 시스템, 방법 및 장치

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018206438A (ja) * 2012-02-13 2018-12-27 アクセンチュア グローバル サービスィズ リミテッド 電気自動車の分散型インテリジェンス
KR20150046421A (ko) * 2013-10-21 2015-04-30 한양대학교 산학협력단 전기차 충전에서 차량 및 운전자 기반 서비스를 위한 차량 충전정보 프로파일 제공 방법
KR101676689B1 (ko) * 2016-03-23 2016-11-17 주식회사 아이온커뮤니케이션즈 전기자동차 충전소 추천 시스템 및 방법
KR20210013965A (ko) * 2019-07-29 2021-02-08 나용범 스마트 전기 충전 시스템
KR102267043B1 (ko) * 2020-09-22 2021-06-18 (주)시그넷이브이 복수의 충전 모듈들을 이용한 전기 자동차 충전 방법 및 이를 위한 장치
KR102406394B1 (ko) * 2021-09-01 2022-06-08 에스케이시그넷 주식회사 빅데이터 기반의 중앙 관제 충전 시스템, 방법 및 장치

Also Published As

Publication number Publication date
KR102458403B1 (ko) 2022-10-27
KR102406394B1 (ko) 2022-06-08
KR102497753B1 (ko) 2023-02-09
KR102458402B1 (ko) 2022-10-27

Similar Documents

Publication Publication Date Title
WO2023033544A1 (ko) 빅데이터 기반의 중앙 관제 충전 시스템, 방법 및 장치
WO2016056845A1 (ko) 배터리 관리 모듈의 통신 id 할당 방법 및 시스템
WO2012015164A1 (ko) 변전자동화시스템의 클라이언트 적합성 시험 장치 및 그 방법
WO2016137248A2 (ko) 이차 전지 관리 장치의 기능 검증 시스템
WO2023043215A1 (ko) 표준 운용 수준 평가 기반 산업 설비 운용 제어 장치 및 그 동작 방법
WO2020032562A2 (ko) 생체 이미지 진단 시스템, 생체 이미지 진단 방법, 및 이를 수행하기 위한 단말
WO2016064024A1 (ko) 이상 접속 검출 장치 및 방법
KR20190091796A (ko) 충전 장치, 충전 장치의 제어 방법 및 충전소 관제 서버
CN110914187A (zh) 电梯组的现代化
WO2022181896A1 (ko) 충전 스테이션을 통한 차량의 충방전 제어 방법, 장치 및 시스템
WO2019240330A1 (ko) 영상 기반 힘 예측 시스템 및 그 방법
WO2024090932A1 (ko) 수집 데이터 자동 처리를 위한 데이터 적재 프로파일링 장치 및 방법
WO2023128320A1 (ko) 인공지능 검증 시스템 및 방법
WO2023282454A1 (ko) Ai 학습을 위한 임플란트 클래스 분류 방법
WO2022114655A1 (ko) 클라우드 기반 디바이스 인공지능 설정 시스템 및 방법
WO2023033270A1 (ko) 딥러닝 기반 분석 결과 예측 방법 및 장치
WO2023120784A1 (ko) 전기자동차 충전인프라 전력 배분을 위한 적대적 학습 시스템
CN101950266A (zh) 一种自适应检测路由切换方法
KR20150053062A (ko) 차량용 배터리 충전 장치, 방법 및 컴퓨터 판독 가능한 기록 매체
WO2020116908A1 (ko) 에너지 절감을 제어하는 방법 및 그 장치
WO2019117338A1 (ko) 가정용 에너지 관리 시스템의 설정 등록 제어를 위한 장치 및 방법
WO2020130687A1 (en) System and method for automated execution of user-specified commands
WO2020201330A1 (en) Power meter based monitoring of elevator usage
WO2022114657A1 (ko) 임베디드 인공지능 설정 시스템 및 방법
WO2023200041A1 (ko) 복수의 라인들의 생산 계획을 관리하는 생산 관리 시스템에서, 생산 계획을 결정하기 위한 장치 및 방법

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22865046

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE