用于规划电动车充电过程的方法

技术领域

本发明涉及一种用于规划电动车充电过程的方法。

背景技术

由EP 1 741 591 B1公开了一种用于预测行驶状况的方法，其中，确定多个标准行驶状况并且将未来的路程分配给标准行驶状况。依据所述分配进行电池充电周期的控制。

发明内容

本发明的任务是指明一种用于规划电动车的充电过程的新方法。

根据本发明，该任务通过一种具有如权利要求1所述的特征的方法完成。

本发明的有利设计是从属权利要求的主题。

在用于规划电动车的充电过程的方法中，该规划依据电动车的未来能量需求来执行，其中，在确定未来能量需求时考虑电动车的一序列的历史行程和历史停放过程。

该方法以简单可靠的方式允许从历史行程和历史停放过程确定未来行程及其能量需求。由此能够从一序列的未来停放地点或停留地点中选择合适的充电停车。因此可以实现所谓的电网有利的充电和本地产生的再生能量的优化使用。

同时，电池保护方案作为可能针对充电过程规划的另一既定目标被考虑。通过这种方式，由电池老化造成的成本被尽可能减至最低。

在该方法的一个可能设计中，在充电过程规划中确定充电时间的起点、充电时长和/或充电地点。因此，电动车的行程和在行驶暂歇期间所执行的充电过程能彼此协调和优化。

在该方法的另一个可能设计中，从历史行程确定电动车停留地点和电动车在该停留地点的停留频率，其中，从停留地点和停留频率中确定电动车到达或离开停留地点的驶达概率和/或驶离概率。驶达概率和/或驶离概率在充电过程规划中予以考虑。

在该方法的另一个可能设计中，对于停留地点确定电动车的各自停放时长，并且在充电过程规划中予以考虑。在此情况下，有关停放地点或停留地点连同在该地点的停放时长或逗留时长的了解尤其允许自动使用所谓的“选择加入(Opt-In)”充电可能性和应用在其它未来市场。

在该方法的另一个可能设计中，从停留地点确定初始状态并给初始状态分配电动车在停留地点的所属停放时长，其中，从初始状态形成最终状态，其以简单方式描绘各自停留地点和所属停放时长。

在该方法的另一个可能设计中，在电动车在一个停留地点有多个不同停放时长且高于停放时长之间的预定差的情况下给初始状态分配情境信息，从而它们能以简单方式描绘各自停留地点和所属停放时长。

在该方法的另一个可能设计中，该最终状态与一个包含所有未知状态的状态一起被录入转换矩阵，在这里，从转换矩阵借助随机过程确定一个预测链、例如所谓的马尔科夫链。借助预测链执行转换预测，在转换预测中确定向停放地点或停留地点的驶达概率以及未来行程和停放过程以何种顺序进行的概率。这允许很简单可靠地求出所述概率和进而准确规划充电过程。

在该方法的另一个可能设计中，依据驶达概率和未来行程和停放过程以何种顺序进行的概率来执行能耗预测，其中，在充电过程规划中考虑此时所确定的能耗。因此，未来行程能以可靠方式依据所确定的能耗和在未来停放地点或停留地点可供使用的充电可能性来规划。即，可以确定用于未来的充电过程的策略，其中，这可关于最佳充电地点、最佳充电时间和最佳充电时长来进行。例如可能有利的是仅选择尽量短的充电时长或电价更有利的晚些充电时刻并避免负荷高峰。另外可能有利的是如此充电，即，其遵循尽可能保护电池的策略。这例如可如此获得，即，极端充电状态、即“充满”(100％)和“完全放电”(0％)在规划时已基本得以避免，因为它们不利地影响电池使用寿命。此外，在规划中可纳入考虑的是电池充电状态尽可能总是位于规定区间内、例如在20％到80％之间。

附图说明

以下将结合图来详细解释本发明的实施例，其中：

图1示意性示出影响机动车充电过程的因素，

图2示意性示出电动车相对于停留地点的驶达概率和驶离概率的确定，

图3示意性示出一种用于规划电动车充电过程的方法的过程，

图4示意性示出转换矩阵。

具体实施方式

彼此对应的部分在所有图中带有相同的附图标记。

图1示出影响电动车1的充电过程的因素。

在电动车1充电时应该关注车辆制造商FH、顾客K和能量供应方V之间的相互作用。在此，能量供应方V试图避免能耗时的负荷高峰，而顾客K期望能量成本低，而又有尽量高的机动性和灵活性。对于车辆制造商FH，长电池使用寿命是值得拥有的。

为了冲突尽量少地实现至少部分相互不同的多个目标，设置充电辅助系统2，借此执行一种用于规划电动车1的充电过程的方法。该方法允许在电动车1充电时通过智能做法关联多个目标。

为此，该规划依据电动车1的未来能量需求来执行，并且在确定未来能量需求时，考虑电动车1的一序列的在图2详细示出的历史行程F1-Fn和历史停放过程。在此，在充电过程规划中尤其确定充电时间的开始、充电时长和充电地点。

图2示出与时间t相关地确定电动车1到达或离开停留地点O1-Om的驶达概率P1和驶离概率P2。

在此情况下，从电动车1的历史行程F1-Fn确定电动车1的停留地点O1-Om以及电动车1在该停留地点O1-Om的停留频率。

从停留地点和停留频率确定电动车1抵达或离开停留地点O1-Om的驶达概率P1和驶离概率P2，其中，该驶达概率P1和/或驶离概率P2在充电过程规划中予以考虑。在此情况下预测用于未来时间范围的行程和停车时间。

图3示出本发明的用于规划电动车1的充电过程的方法的一个可能实施例的过程。

在此情况下，在方法步骤S1中基于大地测量的车辆位置G1借助聚类方法来确定显著的初始状态G2。历史的大地测量的车辆位置G1例如从GPS数据中来确定并且尤其不表示历史行程F1-Fn本身，而是表示起点和终点位置。

未能配属给显著的初始状态G2的大地测量的车辆位置G1被归总于状态N下。

在此，初始状态G2尤其是指在无限制性情境的情况下的大地测量的地点。初始状态G2例如是电动车1频繁驶到的停放地点或停留地点O1-Om，例如家庭地址、工作场所、常到访的购物商场、健身馆、亲属地址等。

此外，在另一方法步骤S2中，通过给大地测量的车辆位置G1按时间分配，针对每个初始状态G2、即针对停留地点O1-Om的逗留时长，确定电动车1的各自停放时长。

在条件B1中检查每个初始状态G2的逗留时长的由四分位数间距表征的波动范围是否位于预定误差范围、即逗留时长的预定的最大波动之内。如果符合条件B1(这由“是分支”J表示)，则将初始状态G2转入最终状态G3。最终状态G3在此尤其是指如下状态，其能以限制性的情境为特点。因此确定多个最终状态G3，每个最终状态将相应的初始状态G2或地点与表征的逗留时长相组合。在此，可能有的最终状态G3可被表述为例如“在家过夜”、“周六下午在家”和“工作日在上班场所”等内容。

若条件B1未被满足(如由“否分支”NE所示)，就像例如当在相同的停留地点O1-Om存在不同的逗留时长时那样，则在另一个方法步骤S3.1中，初始状态G2通过增添情境信息例如像星期时间或季度被细分为更具体的初始状态G2并且又被供给方法步骤S2。即，一个停留地点O1-Om可以视逗留时长的不同而具有多个最终状态G3。

在另一个方法步骤S3.2中，通过统计评估在图4中详细示出的转换频率H来确定所有的最终状态G3对，并且存储在图4也未详细示出的转换矩阵G4中。在此情况下，最终状态G3与一个包含所有未知状态的状态N一起被录入转换矩阵G4中。转换频率H在此是在正好两个最终状态G3之间转换的相对频率和/或绝对频率。例如转换频率H表明电动车1的司机以何种频率在最终状态G3“在家过夜”和最终状态G3“工作日在上班场所”之间行驶。

通过使用假设初始状态，基于转换矩阵G4在另一个方法步骤S4中作出转换预测G5。在此情况下，从转换矩阵G4中尤其借助随机过程确定预测链并且借助预测链来执行转换预测G5。转换预测G5在此包括针对停留地点O1-Om的驶达概率P1并且尤其包括未来的行程和停放过程以何种顺序进行的概率，并因此作出有关在一定初始状态中时间在后的状态转换连同其相对频率和/或绝对频率的预测。

接着，在另一个方法步骤S5中基于转换预测G5通过针对每个状态转换分配表征的能耗、按照其相对转换频率H进行加权和求和来确定能耗预测G6。即，能耗预测G6基于按照其相对和/或绝对频率被加权的所有转换预测G5之和作出随后能耗的时间预测。借助能耗预测G6，可以确定针对未来的充电过程的策略，其中，这可以关于最佳充电地点、最佳充电时间和最佳充电时长进行。例如可能有利的是仅选择尽量短的充电时长或者电价更有利且避免负载高峰的晚些充电时刻。

图4示出转换矩阵G4的一个可能实施例，其中，给初始状态AZ和目标状态ZZ分别分配多个最终状态G3.1-G3.x并且分别分配一个对应配属于所有未知状态的状态N。另外，对于在最终状态G3.1-G3.x之间和在最终状态G3.x与状态N之间的转换，在转换矩阵G4中录入各自转换频率H。