WO2014183942A1 - Method for automatically ascertaining the power requirement and/or the occupancy requirement of an electric filling station, and associated dp installations - Google Patents
Method for automatically ascertaining the power requirement and/or the occupancy requirement of an electric filling station, and associated dp installations Download PDFInfo
- Publication number
- WO2014183942A1 WO2014183942A1 PCT/EP2014/057581 EP2014057581W WO2014183942A1 WO 2014183942 A1 WO2014183942 A1 WO 2014183942A1 EP 2014057581 W EP2014057581 W EP 2014057581W WO 2014183942 A1 WO2014183942 A1 WO 2014183942A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- electric
- charging
- ets
- expected
- date
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000009434 installation Methods 0.000 title description 2
- 230000006870 function Effects 0.000 claims description 72
- 238000004891 communication Methods 0.000 claims description 22
- 230000015654 memory Effects 0.000 claims description 21
- 230000005611 electricity Effects 0.000 claims description 7
- 230000001419 dependent effect Effects 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 claims description 3
- 239000002131 composite material Substances 0.000 claims 2
- 238000012545 processing Methods 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 239000000446 fuel Substances 0.000 description 5
- 230000006978 adaptation Effects 0.000 description 4
- 238000013499 data model Methods 0.000 description 4
- 238000013439 planning Methods 0.000 description 4
- 238000013179 statistical model Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000002803 fossil fuel Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000035755 proliferation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
- B60L53/60—Monitoring or controlling charging stations
- B60L53/63—Monitoring or controlling charging stations in response to network capacity
-
- 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
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/70—Interactions with external data bases, e.g. traffic centres
- B60L2240/72—Charging station selection relying on external data
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/80—Time limits
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2260/00—Operating Modes
- B60L2260/40—Control modes
- B60L2260/50—Control modes by future state prediction
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2260/00—Operating Modes
- B60L2260/40—Control modes
- B60L2260/50—Control modes by future state prediction
- B60L2260/56—Temperature prediction, e.g. for pre-cooling
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/72—Electric energy management in electromobility
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/12—Electric charging stations
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/16—Information or communication technologies improving the operation of electric vehicles
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- 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
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/12—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation
- Y04S10/126—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation the energy generation units being or involving electric vehicles [EV] or hybrid vehicles [HEV], i.e. power aggregation of EV or HEV, vehicle to grid arrangements [V2G]
Definitions
- the invention relates to a method for automatically determining the energy demand of an electric filling station.
- an electric filling station With the proliferation of electric cars, there is also a growing demand for effective charging options, especially for fast charging. It is also possible to combine electric filling stations and filling stations for fossil fuels, which is also referred to here as an electric filling station.
- An electric vehicle may be a vehicle powered solely by electric power.
- an electric vehicle may also be a hybrid vehicle having an electric drive and a non-electric drive. Examples of electric vehicles are electric cars, electric trucks, electric buses, etc. But also electric boats and electric aircraft need fast charging options.
- the invention relates to a method for automatically determining the energy requirement and / or the occupancy requirement of an electric filling station, in particular an electric filling station with a plurality of fast charging stations, may contain:
- the invention further relates to a computer system (data processing system), e.g. Server, or a DVA network, containing:
- the memory unit contains at least one program, in its execution by the processor or by the processors depending on a transmitted location data of an electric filling station or a license plate, from which the local date of an electric filling station can be determined
- the invention also relates to a computer system (client), comprising:
- the memory unit contains at least one program, in the execution of which a request is sent to a central DE computer by the processor to predict the number of electric cars to be expected at the electric filling station or the charging energy requirement to be expected at the electric filling station for the charging of electric cars hold true .
- Object of further developments of the invention is to provide a simple method for automatically determining the energy requirements of an electric filling station, which in particular the conditions ben ge in the distribution of electric energy into account, and in particular allows a very accurate determination.
- associated computer systems or groups of computer equipment should be specified. This object is achieved by a method according to claim 1, and by the data processing systems according to the independent claims. Further developments are specified in the subclaims.
- the method for automatically determining the energy requirement and / or the occupancy requirement or the occupancy of an electric filling station, in particular an electric filling station with a plurality of rapid charging stations may include:
- Specifying a second function that specifies for electric charging stations the influence of predicted traffic data on the expected number of electric cars at the electric charging station or on the charging station for the charging of electric cars expected at the electric charging station, depending on a location datum,
- At least one very important factor influencing the energy requirements for the charging of electric vehicles is used, i. the weather or the volume of traffic, although there may also be correlations between the two variables. If both influencing factors are taken into account, the accuracy of the prediction can be increased.
- the forecasts can also be categorized for certain classes of electric cars, for example for electric vehicles and electric passenger cars. Alternatively, no categorization is used.
- the default may be automatic or manual or combined, e.g. manual in the beginning, then automatic improvement or adaptation of the function (s).
- the first function and / or the second function can be stored on the same DV system or the same DV system network or on different DV systems or on a first DVA network and on a second DVA network. The more features that are included, the more accurate or accurate the prediction will be.
- a time date can also be transmitted along with the city date.
- the transmission of the time data is not necessary, for example, when a prediction is made by default for the next day or for a different period of time.
- the prediction can be done very quickly when using powerful computers, so that several queries can be made to the same electric filling station with the testing of parameters. This allows the operator of an electric filling station, despite possibly very complicated easily obtain reliable data for ordering electric energy. Thus, for example, several scenarios can be considered.
- the utilization of individual fueling stations can also be an important factor for the operator of the electric filling station.
- the electric filling station belonging to the location data can contain at least one charging station, at least 2, at least 10 or at least 15 charging stations for electric cars, wherein preferably each charging station has a power of at least 30 kilowatts, at least 50 kilowatts or at least 70 kilowatts. Charging at these powers may be DC charging (direct current) or DC charging. For example, one liter of conventional fossil fuel has about 10 KWh of energy.
- a first weather date can indicate the temperature.
- a second weather date can indicate the air pressure.
- a third weather date can indicate the wind speed.
- a fourth weather date can indicate the wind direction.
- a radius smaller than 100 kilometers or less than 50 kilometers around the electric filling station designated by the local date is taken into consideration. For example, a temperature prediction for one within this radius lying area required. If such detailed data is not available, data can be used for a larger area, eg for a federal state or for a whole country. The values given for the radius can increase the prediction accuracy in connection with the range of electric cars, eg currently also about 100 kilometers.
- the radius may also depend on the distance to adjacent electric filling stations. If the radius is chosen too large, only a small proportion of the predicted amount of electric vehicle will actually come to the electric charging station whose location data has been indicated.
- the external temperature of electric cars has a significant impact on the range of the electric car and thus on the required amount of electric energy.
- the charging capacity of the battery itself is determined by the temperature. At low temperatures or at high temperatures, for example, the load capacity is reduced. This can be counteracted only within certain limits by a temperature control, but then itself requires electricity again. Furthermore, at low temperatures, a significant proportion of the battery capacity for the electrical heating of the vehicle interior is required. At high temperatures, e.g. Above 25 degrees Celsius, however, the vehicle interior must be cooled, which can also be done only energy-intensive.
- a first traffic date may indicate the expected traffic volume.
- a second traffic date can indicate a construction site.
- a third traffic date may indicate a traffic jam.
- a fourth traffic date can indicate a major event.
- the traffic data may relate to a radius less than 100 kilometers or less than 50 kilometers around the electric filling station indicated by the location data. Thus, only traffic data is taken into account which has a considerable influence on the demand at the considered electric filling station.
- the first function may indicate a deviation relative to an average value, preferably related to weather conditions corresponding to average weather for the location indicated by the location data.
- the second function may also indicate a deviation relative to an average value, preferably based on an average traffic volume. For example, it is indicated by the first function or by the second function, for example, that 100 additional vehicles or 100 vehicles less than usual are to be expected at the electric charging station.
- Deviations from the average values represent a form of standardization and allow a particularly simple detection of partial influences on the expected number of electric cars or on the expected charging energy requirement.
- statistical data from the past may be used for the average number of electric cars or for the average charging energy requirement to be expected at the electric filling station for the charging of electric cars.
- the statistical average values can be used as a reference from which deviations are taken into account, for example deviations due to the weather and the traffic volume.
- deviations due to the weather and the traffic volume for example, again only statistics for electric cars are taken into account, possibly divided into different categories. Alternatively, all cars are taken into account and the electric cars are considered by a factor less than one.
- the prediction can be made for at least 10 time intervals or for at least 100 time intervals, preferably a time interval in the range of 5 minutes up to can be half an hour.
- the time intervals mentioned correspond to the time intervals that are relevant for the energy supply to industrial users. These intervals allow the electricity suppliers (utilities) to plan and implement the power supply adequately accurately, for example, depending on the requirements of other industrial customers (production, electric filling stations, etc.) or depending on the expected contribution of alternative energy sources.
- a third function may be specified, which specifies for electric charging stations, depending on a location data and / or a time date, the influence of a price date on the number of electric cars expected at the electric charging station or on the charging energy requirement to be expected at the electric charging station for charging electric cars ,
- the third can be used in the prediction function to further increase the accuracy of the prediction.
- the final price demanded by the operator of the electric charging station when charging the electric cars can considerably influence the number of expected and also the actually occurring charging processes, so that a further important influencing variable is taken into account.
- At least two requests or at least three requests for forecasts to his electric filling station can be made by the operator of the electric filling station within a period of less than 10 minutes, wherein at least one request parameter has a different value, preferably the price date.
- Sale price date with a small value or with a larger value can then the delivered prediction can be used for an energy order.
- an order for the amount of energy can be automatically triggered.
- automatically a surcharge in the range of three percent to 10 percent is added, in particular based on prediction time intervals.
- the order can only be triggered automatically after approval by the operator.
- the automatic addition of the surcharge ensures that the electric charging station operator is relieved of the burden and that a small repeat order is often accepted, which is often considerably less expensive than exceeding the ordered amount of energy, whereby surcharges by a factor of 5 to 100 are quite common.
- the avoidance of exceeding the ordered amount of energy also contributes to the stability of the power supply network.
- the prediction takes place without prior negotiations with the electric vehicles themselves or without direct contact with the electric vehicles or their drivers.
- a computer system (server - service provision computer) or a DVA network can be used in particular for carrying out at least one step of a method explained above.
- the DV system (server) or the DVA network can contain: - a large number of processors, which can guarantee the necessary computing power, and
- the memory unit contains at least one program when executed by the processor or by the processors depending on a transmitted location data
- Electric filling station or a license plate from which the local date of an electric filling station can be determined a prediction of the number of electric cars to be expected at the electric filling station or the charging energy requirement to be expected at the electric filling station for the charging of electric cars is made.
- the DVA network (data processing system network) can be a so-called server farm, a server cluster or the so-called cloud. This DVA network can also be used for calculations other than predicting the energy needs of electric charging stations in order to utilize the capacity of the computers.
- the high computing capacity ensures fast response to requests, which is very important for the acceptance and dissemination of a data delivery service.
- processors may be involved, for example, as computing capacity, rented by a search engine operator or by a large mail order company providing data services on the Internet.
- the high computational power allows the use of complicated function that allows accurate prediction.
- dynamic models can be used which take into account the weather dynamics and / or the traffic dynamics.
- the storage unit may, for example, at least 100 gigabytes, at least 1 terabyte, at least 10 terabytes or at least 100 terabytes store.
- the amount of memory may, for example, be less than 1000 terabytes.
- extensive weather data and / or traffic data can be stored.
- this large memory unit can ensure the short response times for inquiries, which leads to customer acceptance and ensures the above-mentioned testing with different parameters. For example, the relevant data only needs to be retrieved once elsewhere on the Internet, and can then be used to answer multiple queries. Only when the data is out of date, they are retrieved again.
- a first function may be used for charging stations depending on a local date and / or depending on a time date, the influence of predicted weather data on the expected at the electric station number of electric cars or on the indicates at the electric filling station expected charging energy requirement for the charging of electric cars.
- a second function can be used in the computer system or in the DVA network; for electric stations, the influence of predicted traffic data on the expected number at the electric charging station depends on a location data and / or on a time date of electric cars or to the expected at the electric filling station charging energy requirement for the charging of electric cars.
- a third function can be used for charging stations depending on a local date and / or depending on a time date, the influence of a price date on the expected at the electric station number of electric cars or to be expected at the electric charging station charging energy requirement for charging electric cars indicates.
- the technical effects mentioned above for these functions also apply to the computer system or to the data processing systems network. The more functions are involved and the better the relationships between these functions are taken into account, the more accurately the prediction can be made.
- the first function and / or the second function and / or the third function can be adapted automatically.
- the adaptation may, in particular, be made dependent on the deviation of the prediction and the actual number of electric cars and / or the actual charging energy requirement at an electric filling station.
- the type of function can be changed or it can be a function parameter or several function parameters can be changed in a suitable way, eg using the least squares method, neural networks, fuzzy technologies, etc.
- At least one communication unit of the DV system or of the DVA network can establish connections to at least 100 or at least 1000 service use computers per day, in particular using the Internet protocol. Thus, a wide use can be guaranteed. If data is also supplied during the many inquiries, eg the planned price of the charging energy, then this data can also be used again to improve the prediction.
- the central DV system or the central DVA network may continue to contain:
- a database for storing the requested statistical data and / or weather data and / or traffic data and / or price data, e.g. based on an Oracle database, and / or
- a communication unit for requesting and receiving the statistical data and / or weather data and / or traffic data, in particular in real time, and / or
- a human-machine communication unit for inputting the starting model and / or for inputting statistical data.
- a computer equipment can be used to carry out at least one step of one of the above-mentioned methods.
- the computer system can contain: - at least one processor, and
- the memory unit contains at least one program, in the execution of which a request is sent to a central DE computer by the processor to predict the number of electric cars to be expected at the electric filling station or the charging energy requirement to be expected at the electric filling station for the charging of electric cars hold true .
- the processor may be an embedded processor realized, for example, on a circuit with a memory and with peripheral units.
- the storage unit has a capacity smaller than 100 gigabytes to keep costs low.
- the D (utility) Dv attachments may still include:
- a communication unit for inputting local data and for transmitting the prediction data to an electric filling station operator, and / or
- a man-machine interface for inputting local data and for transmitting the prediction data to an electric filling station operator, and / or
- a database in particular via the web server and the communication unit or directly without the web server can be accessed only via the communication unit, and in the example. Previous requests to the DE-computer and / or previous replies of the DE-computer are stored.
- central unit for the prediction, several hundred or several thousand clients may belong to the system for determining the energy requirement of an electric tank part. While the central component can be designed as efficiently as possible, a simple structure can be at the forefront with the clients.
- the consumer makes a prediction of the amount of energy that he will probably consume over a given period of time, for example, in the next 24 hours in quarter-hour intervals and quarter-hour time slots, respectively. Then he adds a security surcharge and buys a corresponding service from the utility company.
- the time slots may also be one day or less than one day, in particular less than 1 hour, but preferably greater than 5 minutes.
- the consumer must still pay the purchased amount. However, if the consumer exceeds the ordered quantity at any time, he has to pay a significant penalty or has to buy additional short-term energy at significantly increased cost.
- the prediction of charging energy demand depends on many factors, such as location, accessibility, customer service, price, etc. However, it also depends on traffic information, average distance traveled, driving habits or driving patterns, etc.
- the problem is similar to the problem of predicting the fuel demand of cars at ordinary gas stations.
- statistical data from past years are used to make a rough prediction of demand and thus the amount of fuel needed to be ordered by the supplier.
- the predictions may not be very accurate or up-to-date, as the fuel can be easily stored in tanks.
- inaccurate forecasts for electric fuel stations are very expensive, as explained above.
- the need for an interactive, up-to-date, highly accurate demand forecast for electric filling stations has not yet been addressed. As illustrated in FIGS. 1 to 3, the problem explained above is solved as follows:
- the central data acquisition system or the central information system for charging electric cars is split into a server component and into client components.
- the server is also referred to as a service providing computer (DER or DE computer) and the clients are also referred to as a service utilization computer (DNR or DN computer).
- DE computer service providing computer
- DNR service utilization computer
- the server component or the DE component may contain the units shown in FIG. Alternatively, all functions and / or part of the function of the server component can also be realized only by means of circuits, i. without programs, e.g. with state machines.
- the client component or the DE component may contain the units shown in FIG. Alternatively, all functions and / or a part of the function of the client component can also be realized only by means of circuits, i. without programs, e.g. with state machines.
- the central server system is capable of performing prediction algorithms based on the detailed, local, and time-dependent data provided.
- These prediction methods may include components based on dynamic traffic models, such as e.g. Werner Schnabel, Dieter Lohse, "Fundamentals of Road Traffic Engineering and Traffic Planning", Verlag für Baucher, Berlin,
- the proposed central information system for charging electric vehicles gives the operator of an electric station an accurate prediction of the number of electric cars or customers and / or the charging requirements of these electric cars or these customers. This prediction in turn provides a solid basis for ordering power from the utility.
- Simple statistical functions or a simple statistical model (41, 33) could have the following form:
- N (k) A (d, l, k) + Sw (W (d, 1), k) + ST (T (d, 1), k) + SP (P (d, 1), k) and /or
- D (k) A * (d, 1, k) + Sw * (W (d, 1), k) + ST * (T (d, 1), k) + SP * (P (d, 1) , k)
- k denotes the prediction time period, eg a multiple of a quarter of an hour, if the resolution of the prediction time is, for example, a quarter of an hour.
- N denotes the expected number of cars requiring charging
- D is the corresponding charge requirement in KWh (kilowatt hours).
- A, A * indicates a statistical average of past data as a function of the date d and the location 1 of the customer for the expected number of cars or their charge request at the time step k.
- SW, SW * represent the change in the number of customers and loading requirements (+/-) with respect to the average value as a function of the weather (past weather, eg, previous day, previous week, previous month, previous year, and / or prediction, eg, next day ) for the time step k.
- Analogous to ST, ST *, SP, SP * represent the change in the number of customers and the charging requirements with respect to the average value as a function of traffic T (previous, eg previous day, previous week, previous month, previous year) and / or predicted, eg next day) and the charging electricity price P planned by the operator of the electric station, in particular the current and / or future price, for the time step k.
- Photovoltaic generators or wind generators have installed. Local data and / or real-time data on solar radiation or changes in wind speed and / or wind direction may be used as input by the architecture of the central information server. This would allow a short-term estimate of future solar radiation and wind speeds at nearby electric filling stations.
- a central data acquisition system or information system is installed, which, for example, analogously to a weather prediction, for electric filling stations, the number of electric cars or customers predicts and / or predicts the charging requirements of these electric cars or customers.
- this central server or DE computer is able to access more real-time data and / or statistical data, and because it can rely on more extensive models and more powerful computers than any local forecasting system, its predictions generally become more accurate, more flexible and / or more predictable. or more adaptable to the customer and be available faster. If customers agree that the local statistical information will be shared, that is, number of customers and load requirements, then an even finer or more accurate local prediction will be possible.
- the following scenario should be considered: An electric filling station operator is planning a new set
- the central information server or DE computer will use this data or information and give a well-informed prediction.
- the model given above can be used. This forecast is sent to the DN computer.
- the charging station operator determines that the quantity of customers and their charging requirements are likely to exceed the capacity of the electric filling station, which may result in extended waiting times and / or loss of customers. The operator therefore sends another request for a prediction to the server, but the selling price is 5 percent below the average price of its competitors over the next 24 months Hours is set. The new prediction of the central information server shows good utilization of the electric charging station. The operator then uses the electrical station's computerized management system to calculate the electrical power requirements over the next 24 hours. Because these requirements are within the stipulations of his grid connection, he adds 10 percent security margin and sends the power order to the energy supplier.
- FIG. 1 shows a system for determining the energy requirement at a multiplicity of electric filling stations
- FIG. 2 shows units of a service providing computer (DER) of the
- FIG. 3 shows units of a service utilization computer (DNR) of the
- FIG. 4 shows a coordinate system for representing the expected energy requirement of an electric filling station and the ordered electric energy
- FIG. 5 shows a charging infrastructure with an electric filling station.
- FIG. 1 shows a prediction system 4 for determining the energy requirement at a plurality of electric filling stations.
- the system or the information system for charging electric cars is split into a server component 6 and into client components 8.
- the server 6 is also referred to as a service providing computer (DER or DE computer) and the clients 8 are also referred to as a service utilization computer (DNR) DNR1 to DNRn or 50a, 51 to 50n, where n is a natural number, eg in the range of 10 to 10,000.
- DE computer service providing computer
- DNR service utilization computer
- the DE computer 6 may include a central DER 10 or more central DER 10.
- DER 6 there are, for example, start data models 41, e.g. include the following functions:
- the central DER 10 accesses this starting model 41, see arrow P2, in order to predict the energy demand at an electric filling station ETS, see FIG. 5.
- the DER 10 uses, for example, statistical data 43 which also contains historical forecast data A, A *, see arrow P4.
- the prediction data A, A * also have the meaning mentioned in the introduction.
- the DER 10 can access real-time data 42 on the Internet, see arrow P6.
- the real-time data can be used in particular data and / or traffic data required for the calculation of the predictive functions. These real-time data 42 are available, for example, on the Internet or can be determined separately.
- the DER 10 also uses, for example: a time date d,
- local data 91a to 91n These data can be referred to as local data 91a to 91n, which are transmitted to the central DER 10 with the aid of DN computer 8 or clients 50a to 50n, respectively, by the electric charging station operators, for example via the Internet, see arrows P8 and P9.
- the data obtained with the aid of the above-mentioned functions or models are then returned to the clients as forecast data 92a to 92n, for example the number of electric cars N expected at an electric filling station ETS and / or the expected amount of charged energy D for example in kWh of the electric cars 160, see FIG. 5.
- FIG. 2 shows units of a service providing computer (DER) 10 of the system 4 with the following features: A communication interface 15 or a communication interface 15 to the sources of the real-time data 42, such as weather forecast information or current traffic data. This information may e.g. from private companies or providers.
- DER service providing computer
- This information may be obtained, for example, from the city administration, road authorities or private companies.
- a DN computer 50a can send to the central information DE computer 10 local data or information 91, such as the required length and resolution of the forecast period, the planned price of the store for the forecast period or the planned price history and the exact location of the DN computer or the relevant electric charging station.
- the DN computer 50a instruct the DE computer 10 to use default values for this information.
- DN computer 50, 50a to 50n may agree to or refuse to send statistical data 43, 43a, 43b to DE computer 10. This data may also be used to refine the local predictions 92, 92a, 9n for other DN computers 50 in the vicinity of the sending DN computer 50, eg, within a radius of less than 100 kilometers or no more than 50 kilometers.
- the central information-DE-computer 10 will return a prediction 92 of the number of customers depending on the time as well as their predicted charge requests.
- Such models may e.g. from the literature on traffic and customer buying behavior.
- An exemplary model was given in detail in the introduction.
- a hardware platform ie circuit units which consist of a memory unit 13 or memory units, in particular non-volatile data memories, eg magnetic data carriers 14, random access memory 12 (RAM) and a number of parallel operating processors 11 or contain these units , probably a cluster or a supercomputer. For example. become at least 10 processors or at least 100 processors, see processors IIa to lln. The number of processors can be less than 10 thousand.
- the CPUs 11 or central processing unit (s), the memory unit (s), the RAMs, the communication interfaces 15, 16 as well as the HMI 18 can be distributed over a plurality of physical computers, eg over more than ten or more as 100 computers or computer systems (data processing systems).
- the CPUs 11 operate in the prediction of instructions stored in the memory 12, see arrow P30.
- memory 13 is accessed by the CPUs 11 when the instructions are executed, see arrow 32.
- An operating system e.g. Linux or Windows, which has the purpose of executing a program or a software to perform the functions of the central information-de-computer, see parenthesis 21.
- the prediction data may also be stored in the database 35.
- FIG. 3 shows units of a service utilization computer (DNR) 8 of the system 4.
- DNR service utilization computer
- the client components or the DN components 50 each have the following features: A communication interface 66 to the server 10 or to the DE computer or the DE computers, e.g. via Internet.
- a hardware platform or circuit units consisting of a data storage unit 63, such as a flash memory or an Electrically Programmable Read Only Memory (EPROM), Random Access Memory (RAM) 62 and a single-processor or multi-core processor 61 or contain these units, eg a cost-effective embedded computer architecture, in particular a computer architecture with low operating voltages, for example less than 3.3 volts and / or with a reduced instruction set, eg an ARM (Acorn RISC Machine, RISC-Reduced Instruction Set Computer) Processor or a processor based on an ARM processor. the processor.
- the CPU 61 operates to generate the request for prediction or transmit the prediction commands stored in the memory 62, see arrow P40.
- the memory 63 is accessed by the CPU 61, see arrow 42.
- An operating system 70 e.g. an embedded operating system or operating system for the purpose of executing the programs of the DN computers 50.
- an HMI 68 e.g. an input mask that can be displayed on a screen
- WEB World Wide WEB
- WEB DE program which can be accessed via a computer with WEB browser or a data viewing program, and which is connected to the communication interface 65, or
- e) optionally storing the communicated local information (91) and the prediction results (92) in a database (83) for access via the HMI (68), the WEB server (84) or directly via the communication interface (65).
- the Database (83) ensures that sensitive data does not have to be stored centrally. For example. the database offers (83) the possibility to store previous queries from a petrol station operator.
- the programs 80 for example, use functions of the operating system, see bracket 71.
- FIG. 4 shows a coordinate system 100 for representing the expected energy requirement 110 of an electric filling station ETS, see FIG. 5, and the ordered electric energy 112.
- Coordinate system 100 has a horizontal x-axis 102 on which time t, for example, is represented in hours, with the next day being considered, .h. a time interval from 0 o'clock to 24 o'clock.
- the coordinate system 100 has a vertical y-axis 104 on which the electrical power Pe is represented, for example, in kW (kilowatts). For example, a prediction interval kn is fifteen minutes. It is assumed that, due to the local data 92 input by the operator of the electric filling station and due to the valid real-time data 42, the curve 110 for the following day has been predicted by the computer 10, i.
- the forecasting system 4 or an ordering system (program) of the electric filling station ETS adds a surcharge Z, for example 5 percent.
- the surcharge may also be specified by the operator of the electric charging station ETS and have a value other than 5 percent, in particular different values during the day.
- the surcharge Z results in the example, an order curve 112, as the basis for an order for the next day required energy is used by the network operator or an electricity supplier, in particular automatically by the ordering system program of the electric filling station ETS.
- FIG. 4 shows an overshoot 114 of the ordered energy budget to be avoided. Although the overrun 114 is small compared to the supplement Z over the day, it can have far greater effects for the electric charging station operator and / or the power grid than this surcharge. Therefore, the system 4 would be able to prevent this overshoot 114 by correspondingly raising the prediction in the region of 5 o'clock, thus ordering more energy at that time, or, for example, using an electric accumulator.
- FIG. 5 shows a charging infrastructure 150 with an electric charging station ETS.
- the charging energy is conducted via an overhead line, see energy mast 152, or via an unillustrated underground cable.
- a transformer 154 can be used for a voltage conversion, for example, from a medium voltage to a low voltage of, for example, 380 volts.
- the transformed voltage is then available at charging stations LS2 to LSn for charging electric cars 160.
- FIG. 5 also shows a radius R which defines a circle around the electric filling station ETS.
- the radius R is, for example, in the range of 50 kilometers to 100 kilometers.
- the radius R determines, for example, the area from which traffic data or weather data are used in the prediction by the system 4.
- the radius R may be the same for traffic data or weather data, or a first radius R 1 for weather data and a second radius R 2 for traffic data may be used, wherein the radius R 2 may be greater or smaller than the radius R 1, in particular by at least 20%. cents based on the radius Rl.
- the radius R could be chosen larger in expected long-distance travel (holiday start or end of the holiday) than outside or during the holidays in a federal state.
- the radius R, Rl or R2 may be fixed or transmitted as parameters in the local data 91 from the clients 50 to the server 10.
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Power Engineering (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
The explanation relates to a method for automatically ascertaining the power requirement and/or the occupancy requirement of an electric filling station, particularly an electric filling station having a multiplicity of fast-charge points, involving: – prescribing a first function (SW) that, for electric filling stations, takes a location datum as a basis for indicating the influence of predicted weather data on the number of electric cars that is to be expected at the electric filling station or on the charging power requirement for charging electric cars that is to be expected at the electric filling station, and/or – prescribing a second function (ST) that, for electric filling stations, takes a location datum as a basis for indicating the influence of predicted traffic data on the number of electric cars that is to be expected at the electric filling station or on the charging power requirement for charging electric cars that is to be expected at the electric filling station, – transmitting a location datum for an electric filling station or an identifier from which the location datum for an electric filling station can be ascertained, – using the transmitted and/or the ascertained location datum and the first function (SW) and/or the second function (ST) to ascertain a prediction for the number of electric cars that is to be expected at the electric filling station or for the charging power requirement for charging electric cars that is to be expected at the electric filling station.
Description
Beschreibung description
Verfahren zum automatischen Ermitteln des Energiebedarfs und/oder des Belegungsbedarfs einer Elektrotankstelle und zu- gehörige DV-Anlagen Method for automatically determining the energy requirement and / or occupancy requirement of an electric filling station and associated computer systems
Die Erfindung betrifft gemäß einem Aspekt ein Verfahren zum automatischen Ermitteln des Energiebedarfs einer Elektrotankstelle. Mit der zunehmenden Verbreitung von Elektroautos steigt auch der Bedarf nach effektiven Lademöglichkeiten, insbesondere nach Schnelllademöglichkeiten. Es können auch Elektrotankstellen und Tankstellen für fossile Brennstoffe kombiniert werden, was hier ebenfalls als Elektrotankstelle bezeichnet wird. In one aspect, the invention relates to a method for automatically determining the energy demand of an electric filling station. With the proliferation of electric cars, there is also a growing demand for effective charging options, especially for fast charging. It is also possible to combine electric filling stations and filling stations for fossil fuels, which is also referred to here as an electric filling station.
Ein Elektrofahrzeug kann ein Fahrzeug sein, das ausschließlich mit Elektroenergie angetrieben wird. Alternativ kann ein Elektrofahrzeug auch ein Hybridfahrzeug sein, das einen elektrischen Antrieb und einen nichtelektrischen Antrieb hat. Beispiele für Elektrofahrzeuge sind Elektroautos, Elektro- lastwägen, Elektrobusse usw. Aber auch Elektroboote und Elektroflugzeuge benötigen Schnelllademöglichkeiten. An electric vehicle may be a vehicle powered solely by electric power. Alternatively, an electric vehicle may also be a hybrid vehicle having an electric drive and a non-electric drive. Examples of electric vehicles are electric cars, electric trucks, electric buses, etc. But also electric boats and electric aircraft need fast charging options.
Die Erfindung betrifft ein Verfahren zum automatischen Ermit- teln des Energiebedarfs und/oder des Belegungsbedarfs einer Elektrotankstelle, insbesondere einer Elektrotankstelle mit einer Vielzahl von Schnellladesäulen, kann enthalten: The invention relates to a method for automatically determining the energy requirement and / or the occupancy requirement of an electric filling station, in particular an electric filling station with a plurality of fast charging stations, may contain:
- Vorgeben einer ersten Funktion, die für Elektrotankstellen abhängig von einem Ortsdatum den Einfluss von vorhergesagten Wetterdaten auf die an der Elektrotankstelle zu erwartende Predetermining a first function which, for electric filling stations, depends on a location datum to determine the influence of predicted weather data on that expected at the electric filling station
Anzahl von Elektroautos oder auf die an der Elektrotankstelle zu erwartende Ladeenergieanforderung für das Laden von Elektroautos angibt, und/oder Indicate the number of electric cars or the charging charge requirement for the charging of electric cars expected at the electric filling station, and / or
- Vorgeben einer zweiten Funktion, die für Elektrotankstellen abhängig von einem Ortsdatum den Einfluss von vorhergesagten - Specify a second function, which for electric filling stations depending on a local date the influence of predicted
Verkehrsdaten auf die an der Elektrotankstelle zu erwartende Anzahl von Elektroautos oder auf die an der Elektrotankstelle
zu erwartende Ladeenergieanforderung für das Laden von Elektroautos angibt, Traffic data to be expected at the electric station number of electric cars or at the electric station expected charging energy requirement for charging electric cars,
- Übermitteln eines Ortsdatums einer Elektrotankstelle oder eines Kennzeichens, aus dem das Ortsdatum einer Elektrotank- stelle ermittelt werden kann, Transmission of a location datum of an electric filling station or of a license plate from which the location datum of an electric charging station can be determined,
- Verwenden des übermittelten oder des ermittelten Ortsdatums und der ersten Funktion und/oder der zweiten Funktion zum Ermitteln einer Vorhersage der an der Elektrotankstelle zu erwartenden Anzahl von Elektroautos oder der an der Elektro- tanksteile zu erwartenden Ladeenergieanforderung für das Laden von Elektroautos. Use of the transmitted or determined location data and the first function and / or the second function for determining a prediction of the number of electric cars to be expected at the electric filling station or the charging energy requirement to be expected at the electric tank parts for the charging of electric cars.
Die Erfindung betrifft weiterhin eine DV-Anlage (Datenverarbeitungsanlage) , z.B. Server, oder einen DVA-Verbund, enthaltend : The invention further relates to a computer system (data processing system), e.g. Server, or a DVA network, containing:
- eine Vielzahl von Prozessoren, und - a variety of processors, and
- eine Speichereinheit, a storage unit,
- wobei die Speichereinheit mindestens ein Programm enthält, bei dessen Ausführung durch den Prozessor oder durch die Prozessoren abhängig von einem übermittelten Ortsdatum einer Elektrotankstelle oder eines Kennzeichens, aus dem das Ortsdatum einer Elektrotankstelle ermittelt werden kann, - wherein the memory unit contains at least one program, in its execution by the processor or by the processors depending on a transmitted location data of an electric filling station or a license plate, from which the local date of an electric filling station can be determined
eine Vorhersage der an der Elektrotankstelle zu erwartenden Anzahl von Elektroautos oder der an der Elektrotankstelle zu erwartenden Ladeenergieanforderung für das Laden von Elektroautos getroffen wird. a prediction of the number of electric cars to be expected at the electric filling station or the charging energy requirement to be expected at the electric filling station for the charging of electric cars is made.
Auch betrifft die Erfindung eine DV-Anlage (Client) , enthaltend : The invention also relates to a computer system (client), comprising:
- mindestens einen Prozessor, und - at least one processor, and
- eine Speichereinheit, a storage unit,
wobei die Speichereinheit mindestens ein Programm enthält, bei dessen Ausführung durch den Prozessor eine Anforderung an einen zentralen DE-Rechner gesendet wird, um eine Vorhersage der an der Elektrotankstelle zu erwartenden Anzahl von Elektroautos oder der an der Elektrotankstelle zu erwartenden Ladeenergieanforderung für das Laden von Elektroautos zu treffen .
Aufgabe von Weiterbildungen der Erfindung ist es, ein einfaches Verfahren zum automatischen Ermitteln des Energiebedarfs einer Elektrotankstelle anzugeben, das insbesondere den Gege- benheiten bei der Verteilung von Elektroenergie Rechnung trägt, und das insbesondere eine sehr genaue Ermittlung ermöglicht. Außerdem sollen zugehörige DV-Anlagen bzw. Gruppen aus DV-Anlagen angegeben werden. Diese Aufgabe wird durch ein Verfahren nach Anspruch 1 gelöst, sowie durch die DV-Anlagen nach den nebengeordneten Ansprüchen. Weiterbildungen sind in den Unteransprüchen angegeben . Das Verfahren zum automatischen Ermitteln des Energiebedarfs und/oder des Belegungsbedarfs bzw. der Belegung einer Elektrotankstelle, insbesondere einer Elektrotankstelle mit einer Vielzahl von Schnellladesäulen, kann enthalten: wherein the memory unit contains at least one program, in the execution of which a request is sent to a central DE computer by the processor to predict the number of electric cars to be expected at the electric filling station or the charging energy requirement to be expected at the electric filling station for the charging of electric cars hold true . Object of further developments of the invention is to provide a simple method for automatically determining the energy requirements of an electric filling station, which in particular the conditions ben ge in the distribution of electric energy into account, and in particular allows a very accurate determination. In addition, associated computer systems or groups of computer equipment should be specified. This object is achieved by a method according to claim 1, and by the data processing systems according to the independent claims. Further developments are specified in the subclaims. The method for automatically determining the energy requirement and / or the occupancy requirement or the occupancy of an electric filling station, in particular an electric filling station with a plurality of rapid charging stations, may include:
- Vorgeben einer ersten Funktion, die für Elektrotankstellen abhängig von einem Ortsdatum den Einfluss von vorhergesagten - Specify a first function that for electric filling stations depending on a local date the influence of predicted
Wetterdaten auf die an der Elektrotankstelle zu erwartende Anzahl von Elektroautos oder auf die an der Elektrotankstelle zu erwartende Ladeenergieanforderung für das Laden von Elektroautos angibt, und/oder Indicates weather data on the number of electric cars expected at the electric filling station or on the charging energy requirement to be expected at the electric charging station for charging electric cars, and / or
- Vorgeben einer zweiten Funktion, die für Elektrotankstellen abhängig von einem Ortsdatum den Einfluss von vorhergesagten Verkehrsdaten auf die an der Elektrotankstelle zu erwartende Anzahl von Elektroautos oder auf die an der Elektrotankstelle zu erwartende Ladeenergieanforderung für das Laden von Elekt- roautos angibt, Specifying a second function that specifies for electric charging stations the influence of predicted traffic data on the expected number of electric cars at the electric charging station or on the charging station for the charging of electric cars expected at the electric charging station, depending on a location datum,
- Übermitteln eines Ortsdatums einer Elektrotankstelle oder eines Kennzeichens, aus dem das Ortsdatum einer Elektrotankstelle ermittelt werden kann, Transmitting a location datum of an electric filling station or a license plate from which the local date of an electric filling station can be determined,
- Verwenden des übermittelten oder des ermittelten Ortsdatums und der ersten Funktion und/oder der zweiten Funktion zum Ermitteln einer Vorhersage der an der Elektrotankstelle zu erwartenden Anzahl von Elektroautos oder der an der Elektro-
tanksteile zu erwartenden Ladeenergieanforderung für das Laden von Elektroautos. Use of the transmitted or determined location data and the first function and / or the second function for determining a prediction of the number of electric cars to be expected at the electric charging station or Tank parts expected charging energy requirement for charging electric cars.
Somit wird mindestens eine sehr wichtige Einflussgröße ver- wendet, die den Energiebedarf für das Laden von Elektrofahrzeugen beeinflusst, d.h. das Wetter oder das Verkehrsaufkommen, wobei es auch Korrelationen zwischen beiden Einflussgrößen geben kann. Werden beide Einflussgrößen berücksichtigt, so kann die Genauigkeit der Vorhersage vergrößert werden. Thus, at least one very important factor influencing the energy requirements for the charging of electric vehicles is used, i. the weather or the volume of traffic, although there may also be correlations between the two variables. If both influencing factors are taken into account, the accuracy of the prediction can be increased.
Die Vorhersagen können auch kategorisiert für bestimmte Klassen von Elektroautos getroffen werden, bspw. für Elektrolas- ter und Elektro-Personenautos . Alternativ wird keine Katego- risierung verwendet. The forecasts can also be categorized for certain classes of electric cars, for example for electric vehicles and electric passenger cars. Alternatively, no categorization is used.
Die Vorgabe kann automatisch oder manuell oder kombiniert erfolgen, z.B. am Anfang manuell, dann automatische Verbesserung bzw. Anpassung der Funktion (en) . Die erste Funktion und/oder die zweite Funktion können auf der gleichen DV-Anlage oder dem gleichen DV-Anlagenverbund hinterlegt werden oder auf verschiedenen DV-Anlagen bzw. auf einem ersten DVA-Verbund und auf einem zweiten DVA-Verbund. Je mehr Funktionen einbezogen werden, umso genauer bzw. umso zutreffender wird die Vorhersage sein. The default may be automatic or manual or combined, e.g. manual in the beginning, then automatic improvement or adaptation of the function (s). The first function and / or the second function can be stored on the same DV system or the same DV system network or on different DV systems or on a first DVA network and on a second DVA network. The more features that are included, the more accurate or accurate the prediction will be.
Gemeinsam mit dem Ortsdatum kann auch ein Zeitdatum übermittelt werden. Die Übermittlung des Zeitdatums ist bspw. dann nicht erforderlich, wenn standardmäßig eine Vorhersage für den nächsten Tag oder für eine andere Zeitspanne getroffen wird . A time date can also be transmitted along with the city date. The transmission of the time data is not necessary, for example, when a prediction is made by default for the next day or for a different period of time.
Die Vorhersage kann bei der Verwendung leistungsfähiger Rech- ner sehr schnell erfolgen, so dass auch mehrere Anfragen zu derselben Elektrotankstelle unter Austesten von Parametern gestellt werden können. Dies ermöglicht es dem Betreiber einer Elektrotankstelle trotz ggf. sehr komplizierter Zusammen-
hänge auf einfache Art zuverlässige Daten für die Bestellung von Elektroenergie zu erhalten. So lassen sich bspw. mehrere Szenarien berücksichtigen. Zusätzlich zum Energiebedarf und/oder an Stelle des Energiebedarfs kann für den Betreiber der Elektrotankstelle auch die Auslastung einzelner Tankplätze eine wichtige Größe sein. The prediction can be done very quickly when using powerful computers, so that several queries can be made to the same electric filling station with the testing of parameters. This allows the operator of an electric filling station, despite possibly very complicated easily obtain reliable data for ordering electric energy. Thus, for example, several scenarios can be considered. In addition to the energy demand and / or instead of the energy requirement, the utilization of individual fueling stations can also be an important factor for the operator of the electric filling station.
Die zu dem Ortsdatum gehörende Elektrotankstelle kann mindes - tens einen Ladeplatz, mindestens 2, mindestens 10 oder mindestens 15 Ladeplätze für Elektroautos enthalten, wobei vorzugsweise jeder Ladeplatz eine Leistung von mindestens 30 Kilowatt, von mindestens 50 Kilowatt oder von mindestens 70 Kilowatt hat. Das Laden bei diesen Leistungen kann ein DC-Laden (direct current) bzw. ein Gleichstromladen sein. Ein Liter herkömmlicher fossiler Kraftstoff hat bspw. etwa 10 KWh Energie . The electric filling station belonging to the location data can contain at least one charging station, at least 2, at least 10 or at least 15 charging stations for electric cars, wherein preferably each charging station has a power of at least 30 kilowatts, at least 50 kilowatts or at least 70 kilowatts. Charging at these powers may be DC charging (direct current) or DC charging. For example, one liter of conventional fossil fuel has about 10 KWh of energy.
Somit ergibt sich bei gleichzeitigem Betrieb von z.B. 10 La- deplätzen mit jeweils 50 Kilowatt eine Gesamtleistung von mindestens 500 Kilowatt oder größer, was die Elektrotankstelle zu einem industriellen Abnehmer macht, für den gesonderte Stromlieferbedingungen gelten. So kann für einen industriellen Abnehmer gelten, dass bei einer Überschreitung einer be- stellten Energiemenge ggf. bezogen auf ein Zeitintervall empfindliche Vertragsstrafen fällig werden, die möglichst zu vermeiden sind. Somit wäre auch ein erheblicher Aufwand für das Vorhersageverfahren gerechtfertigt, um sehr genaue Vorhersagewerte zu erhalten. Thus, with simultaneous operation of e.g. 10 charging stations with 50 kilowatts each have a total output of at least 500 kilowatts or more, which makes the electric filling station an industrial customer subject to separate electricity supply conditions. For example, an industrial user may be subject to the risk of having to pay penalties that are as high as possible if the ordered quantity of energy exceeds a certain amount of time. Thus, a considerable expense for the prediction method would be justified in order to obtain very accurate predictive values.
Ein erstes Wetterdatum kann die Temperatur angeben. Ein zweites Wetterdatum kann den Luftdruck angeben. Ein drittes Wetterdatum kann die Windgeschwindigkeit angeben. Ein viertes Wetterdatum kann die Windrichtung angeben. Dabei kann vor- zugsweise ein Radius kleiner als 100 Kilometer oder kleiner als 50 Kilometer um die durch das Ortsdatum bezeichnete Elektrotankstelle herum berücksichtigt wird. So wird bspw. eine Temperaturvorhersage für einen innerhalb diesen Radius
liegenden Bereiches benötigt. Sind solche detaillierten Daten nicht vorhanden kann auf Daten für einen größeren Bereich zurückgegriffen, z.B. für ein Bundesland oder für ein ganzes Land. Die genannten Werte für den Radius können im Zusammen- hang mit der Reichweite von Elektroautos, z.B. derzeit ebenfalls etwa 100 Kilometer, die Vorhersagegenauigkeit erhöhen. Außerdem kann der Radius auch von dem Abstand zu benachbarten Elektrotankstellen abhängen. Wird der Radius zu groß gewählt, so wird nur ein kleiner Anteil des vorhergesagten Elektro- fahrzeugaufkommens tatsächlich an die Elektrotankstelle kommen, deren Ortsdatum angegeben worden ist. A first weather date can indicate the temperature. A second weather date can indicate the air pressure. A third weather date can indicate the wind speed. A fourth weather date can indicate the wind direction. In this case, preferably a radius smaller than 100 kilometers or less than 50 kilometers around the electric filling station designated by the local date is taken into consideration. For example, a temperature prediction for one within this radius lying area required. If such detailed data is not available, data can be used for a larger area, eg for a federal state or for a whole country. The values given for the radius can increase the prediction accuracy in connection with the range of electric cars, eg currently also about 100 kilometers. In addition, the radius may also depend on the distance to adjacent electric filling stations. If the radius is chosen too large, only a small proportion of the predicted amount of electric vehicle will actually come to the electric charging station whose location data has been indicated.
Die Außentemperatur hat bei Elektroautos einen erheblichen Einfluss auf die Reichweite des Elektroautos und damit auf die erforderliche Elektroenergiemenge. Einerseits wird die Ladekapazität des Akkus selbst von der Temperatur bestimmt. Bei tiefen Temperaturen oder bei hohen Temperaturen, verringert sich bspw. die Ladekapazität. Dem kann nur in bestimmten Grenzen durch eine Temperaturregelung entgegengewirkt werden, die dann aber selbst wieder Elektroenergie benötigt. Weiterhin ist bei tiefen Temperaturen ein erheblicher Anteil der Akkukapazität für die elektrische Heizung des Fahrzeuginnenraums erforderlich. Bei hohen Temperaturen, z.B. über 25 Grad Celsius muss dagegen das Fahrzeuginnere gekühlt werden, was ebenfalls nur energieintensiv erfolgen kann. The external temperature of electric cars has a significant impact on the range of the electric car and thus on the required amount of electric energy. On the one hand, the charging capacity of the battery itself is determined by the temperature. At low temperatures or at high temperatures, for example, the load capacity is reduced. This can be counteracted only within certain limits by a temperature control, but then itself requires electricity again. Furthermore, at low temperatures, a significant proportion of the battery capacity for the electrical heating of the vehicle interior is required. At high temperatures, e.g. Above 25 degrees Celsius, however, the vehicle interior must be cooled, which can also be done only energy-intensive.
Ein erstes Verkehrsdatum kann das erwartete Verkehrsaufkommen angeben. Ein zweites Verkehrsdatum kann eine Baustelle angeben. Ein drittes Verkehrsdatum kann einen Stau angeben. Ein viertes Verkehrsdatum kann eine Großveranstaltung angeben.A first traffic date may indicate the expected traffic volume. A second traffic date can indicate a construction site. A third traffic date may indicate a traffic jam. A fourth traffic date can indicate a major event.
Die Verkehrsdaten können einen Radius kleiner als 100 Kilometer oder kleiner als 50 Kilometer um die durch das Ortsdatum bezeichnete Elektrotankstelle herum betreffen. Damit werden nur Verkehrsdaten berücksichtigt, die einen erheblichen Ein- fluss auf die Nachfrage an der betrachteten Elektrotankstelle haben .
Die erste Funktion kann eine Abweichung bezogen auf einen Durchschnittswert angeben, vorzugsweise bezogen auf Wetterbedingungen, die einem durchschnittlichen Wetter für den durch das Ortsdatum angegebenen Ort entsprechen. Zusätzlich oder alternativ kann auch die zweite Funktion eine Abweichung bezogen auf einen Durchschnittswert angeben, vorzugsweise bezogen auf ein durchschnittliches Verkehrsaufkommen. So wird durch die erste Funktion bzw. durch die zweite Funktion bspw. angegeben, dass 100 Fahrzeug zusätzlich oder 100 Fahrzeuge weniger als sonst an der Elektrotankstelle zu erwarten sind. The traffic data may relate to a radius less than 100 kilometers or less than 50 kilometers around the electric filling station indicated by the location data. Thus, only traffic data is taken into account which has a considerable influence on the demand at the considered electric filling station. The first function may indicate a deviation relative to an average value, preferably related to weather conditions corresponding to average weather for the location indicated by the location data. Additionally or alternatively, the second function may also indicate a deviation relative to an average value, preferably based on an average traffic volume. For example, it is indicated by the first function or by the second function, for example, that 100 additional vehicles or 100 vehicles less than usual are to be expected at the electric charging station.
Dabei können bspw. nur Elektroautos berücksichtigt werden, ggf. unterteilt nach verschiedenen Kategorien. Alternativ werden alle Autos berücksichtigt und die Elektroautos über einen Faktor kleiner als Eins berücksichtigt. In this case, for example, only electric cars are taken into account, possibly divided into different categories. Alternatively, all cars are taken into account and the electric cars are considered by a factor less than one.
Abweichungen von den Durchschnittswerten stellen eine Form der Normierung dar und erlauben eine besonders einfache Erfassung von Teileinflüssen auf die zu erwartende Anzahl von Elektroautos bzw. auf die zu erwartenden Ladeenergieanforderung . Deviations from the average values represent a form of standardization and allow a particularly simple detection of partial influences on the expected number of electric cars or on the expected charging energy requirement.
Bei der Vorhersage können statistische Daten aus der Vergangenheit für die durchschnittliche Anzahl von Elektroautos oder für die an der Elektrotankstelle zu erwartende durchschnittliche Ladeenergieanforderung für das Laden von Elektroautos verwendet werden. Damit können die statistischen Durchschnittswerte als Bezugsgröße verwendet werden, von der aus Abweichungen berücksichtigt werden, bspw. Abweichungen auf Grund des Wetters und des Verkehrsaufkommens. Dabei können bspw. wieder nur Statistiken für Elektroautos berücksichtigt werden, ggf. unterteilt nach verschiedenen Kategorien. Alternativ werden alle Autos berücksichtigt und die Elektroautos über einen Faktor kleiner als Eins berücksichtigt. In the prediction, statistical data from the past may be used for the average number of electric cars or for the average charging energy requirement to be expected at the electric filling station for the charging of electric cars. Thus, the statistical average values can be used as a reference from which deviations are taken into account, for example deviations due to the weather and the traffic volume. In this case, for example, again only statistics for electric cars are taken into account, possibly divided into different categories. Alternatively, all cars are taken into account and the electric cars are considered by a factor less than one.
Die Vorhersage kann für mindestens 10 Zeitintervalle oder für mindestens 100 Zeitintervalle getroffen werden, wobei vorzugsweise ein Zeitintervall im Bereich von 5 Minuten bis zu
einer halben Stunde liegen kann. Die genannten Zeitintervalle stimmen mit den Zeitintervallen überein, die bei der Energielieferung an industrielle Abnehmer relevant sind. Diese Intervalle erlauben den Stromanbietern (Utilities) eine ausrei- chend genaue Planung und Durchführung der Energieversorgung, bspw. abhängig von den Anforderungen anderer industrieller Abnehmer (Produktion, Elektrotankstellen, usw.) bzw. auch abhängig von dem erwarteten Beitrag alternativer Energiequellen . The prediction can be made for at least 10 time intervals or for at least 100 time intervals, preferably a time interval in the range of 5 minutes up to can be half an hour. The time intervals mentioned correspond to the time intervals that are relevant for the energy supply to industrial users. These intervals allow the electricity suppliers (utilities) to plan and implement the power supply adequately accurately, for example, depending on the requirements of other industrial customers (production, electric filling stations, etc.) or depending on the expected contribution of alternative energy sources.
Eine dritte Funktion kann vorgegeben werden, die für Elektrotankstellen abhängig von einem Ortsdatum und/oder abhängig von einem Zeitdatum den Einfluss eines Preisdatums auf die an der Elektrotankstelle zu erwartende Anzahl von Elektroautos oder auf die an der Elektrotankstelle zu erwartende Ladeenergieanforderung für das Laden von Elektroautos angibt. Die dritte kann Funktion bei der Vorhersage verwendet werden, um die Genauigkeit der Vorhersage weiter zu erhöhen. Der beim Laden der Elektroautos vom Betreiber der Elektrotankstelle geforderte Endpreis kann die Anzahl der zu erwartenden und auch der tatsächlich stattfindenden Ladevorgänge erheblich beeinflussen, so dass eine weitere wichtige Einflussgröße berücksichtigt wird. Vom Betreiber der Elektrotankstelle können innerhalb eines Zeitraums kleiner als 10 Minuten mindestens zwei Anfragen oder mindestens drei Anfragen für Vorhersagen zu seiner Elektrotankstelle gestellt werden, wobei mindestens ein Anfrageparameter einen anderen Wert hat, vorzugsweise das Preisdatum. A third function may be specified, which specifies for electric charging stations, depending on a location data and / or a time date, the influence of a price date on the number of electric cars expected at the electric charging station or on the charging energy requirement to be expected at the electric charging station for charging electric cars , The third can be used in the prediction function to further increase the accuracy of the prediction. The final price demanded by the operator of the electric charging station when charging the electric cars can considerably influence the number of expected and also the actually occurring charging processes, so that a further important influencing variable is taken into account. At least two requests or at least three requests for forecasts to his electric filling station can be made by the operator of the electric filling station within a period of less than 10 minutes, wherein at least one request parameter has a different value, preferably the price date.
Damit kann trotz ggf. sehr schwer zu durchschauender Funktionen und Zusammenhänge durch den Betreiber auf einfache Art ausgetestet werden, welcher Parameterwert einer Bestellung der Energiemenge zu Grunde gelegt werden sollte, z.B. einThus, despite possibly very difficult to see through functions and relationships can be tested by the operator in a simple way, which parameter value of an order of the amount of energy should be based, for. one
Verkaufspreisdatum mit einem kleinen Wert oder mit einem größeren Wert. Abhängig von einem geeigneten Parameterwert kann
dann die gelieferte Vorhersage für eine Energiebestellung verwendet werden. Sale price date with a small value or with a larger value. Depending on a suitable parameter value can then the delivered prediction can be used for an energy order.
Abhängig von der Vorhersage kann automatisch eine Bestellung der Energiemenge ausgelöst werden. Dabei kann insbesondere automatisch ein Zuschlag im Bereich von drei Prozent bis 10 Prozent addiert wird, insbesondere bezogen auf Vorhersagezeitintervalle . Die Bestellung kann insbesondere erst nach einer Freigabe durch den Betreiber automatisch ausgelöst werden. Depending on the prediction, an order for the amount of energy can be automatically triggered. In particular, automatically a surcharge in the range of three percent to 10 percent is added, in particular based on prediction time intervals. In particular, the order can only be triggered automatically after approval by the operator.
Das automatische Hinzufügen des Zuschlags gewährleistet, dass der Betreiber der Elektrotankstelle entlastet wird und dass eine geringe Mehrbestellung in Kauf genommen wird, die oft erheblich preisgünstiger ist, als eine Überschreitung der bestellten Energiemenge, wobei Aufschläge um den Faktor 5 bis 100 durchaus üblich sind. Das Vermeiden von Überschreitungen der bestellten Energiemenge trägt auch zur Stabilität des Energieversorgungsnetzes bei. The automatic addition of the surcharge ensures that the electric charging station operator is relieved of the burden and that a small repeat order is often accepted, which is often considerably less expensive than exceeding the ordered amount of energy, whereby surcharges by a factor of 5 to 100 are quite common. The avoidance of exceeding the ordered amount of energy also contributes to the stability of the power supply network.
Bei einer Ausgestaltung erfolgt die Vorhersage ohne vorherige Verhandlungen mit den Elektrofahrzeugen selbst bzw. ohne direkten Kontakt zu den Elektrofahrzeugen bzw. deren Fahrern. In one embodiment, the prediction takes place without prior negotiations with the electric vehicles themselves or without direct contact with the electric vehicles or their drivers.
Eine DV-Anlage (Server - Diensterbringungsrechner) oder ein DVA-Verbund kann insbesondere zum Ausführen mindestens eines Schrittes eines oben erläuterten Verfahrens verwendet werden. Die DV-Anlage (Server) oder der DVA-Verbund kann enthalten: - eine Vielzahl von Prozessoren, was die nötige Rechenleistung gewährleisten kann, und A computer system (server - service provision computer) or a DVA network can be used in particular for carrying out at least one step of a method explained above. The DV system (server) or the DVA network can contain: - a large number of processors, which can guarantee the necessary computing power, and
- eine Speichereinheit, a storage unit,
wobei die Speichereinheit mindestens ein Programm enthält, bei dessen Ausführung durch den Prozessor oder durch die Pro- zessoren abhängig von einem übermittelten Ortsdatum einerwherein the memory unit contains at least one program when executed by the processor or by the processors depending on a transmitted location data
Elektrotankstelle oder eines Kennzeichens, aus dem das Ortsdatum einer Elektrotankstelle ermittelt werden kann,
eine Vorhersage der an der Elektrotankstelle zu erwartenden Anzahl von Elektroautos oder der an der Elektrotankstelle zu erwartenden Ladeenergieanforderung für das Laden von Elektroautos getroffen wird. Electric filling station or a license plate from which the local date of an electric filling station can be determined, a prediction of the number of electric cars to be expected at the electric filling station or the charging energy requirement to be expected at the electric filling station for the charging of electric cars is made.
Der DVA-Verbund (Datenverarbeitungsanlagenverbund) kann eine sogenannte Serverfarm, ein Servercluster oder die sogenannte Cloud sein. Diese DVA-Verbund kann auch für andere Berechnungen als die Vorhersage des Energiebedarfs an Elektrotankstel- len genutzt werden, um die Rechner auszulasten. Jedoch gewährleistet die hohe Rechenkapazität eine schnelle Beantwortung von Anfragen, was für die Akzeptanz und Verbreitung eines Datenerbringungsdienstes von großer Bedeutung ist . Es können mehrere hundert oder mehrere tausende Prozessoren einbezogen werden, bspw. als Rechenkapazität, die von einem Suchmaschinenbetreiber oder von einem großen Versandhändler gemietet wird, der Datendienste im Internet bereitstellt. Die hohe Rechen-Leistungsfähigkeit ermöglicht die Verwendung komplizierter Funktion, die eine genaue Vorhersage gestatten. Insbesondere können dynamische Modelle verwendet werden, die die Wetterdynamik und/oder die Verkehrsdynamik berücksichtigen . The DVA network (data processing system network) can be a so-called server farm, a server cluster or the so-called cloud. This DVA network can also be used for calculations other than predicting the energy needs of electric charging stations in order to utilize the capacity of the computers. However, the high computing capacity ensures fast response to requests, which is very important for the acceptance and dissemination of a data delivery service. Several hundred or more thousands of processors may be involved, for example, as computing capacity, rented by a search engine operator or by a large mail order company providing data services on the Internet. The high computational power allows the use of complicated function that allows accurate prediction. In particular, dynamic models can be used which take into account the weather dynamics and / or the traffic dynamics.
Die Speichereinheit kann bspw. mindestens 100 Gigabyte, mindestens 1 Terabyte, mindestens 10 Terabyte oder mindestens 100 Terabyte speichern. Die Speichermenge kann bspw. kleiner als 1000 Terabyte sein. Somit können umfangreiche Wetterdaten und/oder Verkehrsdaten gespeichert werden. Auch diese große Speichereinheit kann die kurzen Reaktionszeiten bei Anfragen gewährleisten, was zu Kundenakzeptanz führt und das oben erwähnten Austesten mit verschiedenen Parametern gewährleistet. So müssen die relevanten Daten bspw. nur einmal an anderer Stelle im Internet abgerufen werden, und können dann zu Beantwortung mehrerer Anfragen verwendet werden. Erst wenn die Daten nicht mehr aktuell sind, werden sie erneut abgerufen.
In der DV-Anlage oder in dem DVA-Verbund kann eine erste Funktion verwendet werden, die für Elektrotankstellen abhängig von einem Ortsdatum und/oder abhängig von einem Zeitdatum den Einfluss von vorhergesagten Wetterdaten auf die an der Elektrotankstelle zu erwartende Anzahl von Elektroautos oder auf die an der Elektrotankstelle zu erwartende Ladeenergieanforderung für das Laden von Elektroautos angibt. Zusätzlich oder alternativ kann In der DV-Anlage oder in dem DVA-Verbund eine zweite Funktion verwendet werden, die für Elektrotank- stellen abhängig von einem Ortsdatum und/oder abhängig von einem Zeitdatum den Einfluss von vorhergesagten Verkehrsdaten auf die an der Elektrotankstelle zu erwartende Anzahl von Elektroautos oder auf die an der Elektrotankstelle zu erwartende Ladeenergieanforderung für das Laden von Elektroautos angibt. Weiterhin kann eine dritte Funktion verwendet werden, die für Elektrotankstellen abhängig von einem Ortsdatum und/oder abhängig von einem Zeitdatum den Einfluss eines Preisdatums auf die an der Elektrotankstelle zu erwartende Anzahl von Elektroautos oder auf die an der Elektrotankstelle zu erwartende Ladeenergieanforderung für das Laden von Elektroautos angibt. Somit gelten die oben für diese Funktionen genannten technischen Wirkungen auch für die DV-Anlage oder für den DV-Anlagen Verbund. Je mehr Funktionen einbezogen werden und je besser auch Verknüpfungen zwischen diesen Funk- tionen berücksichtigt werden, umso genauer kann die Vorhersage getroffen werden. The storage unit may, for example, at least 100 gigabytes, at least 1 terabyte, at least 10 terabytes or at least 100 terabytes store. The amount of memory may, for example, be less than 1000 terabytes. Thus, extensive weather data and / or traffic data can be stored. Also, this large memory unit can ensure the short response times for inquiries, which leads to customer acceptance and ensures the above-mentioned testing with different parameters. For example, the relevant data only needs to be retrieved once elsewhere on the Internet, and can then be used to answer multiple queries. Only when the data is out of date, they are retrieved again. In the DV system or in the DVA network, a first function may be used for charging stations depending on a local date and / or depending on a time date, the influence of predicted weather data on the expected at the electric station number of electric cars or on the indicates at the electric filling station expected charging energy requirement for the charging of electric cars. In addition or as an alternative, a second function can be used in the computer system or in the DVA network; for electric stations, the influence of predicted traffic data on the expected number at the electric charging station depends on a location data and / or on a time date of electric cars or to the expected at the electric filling station charging energy requirement for the charging of electric cars. Furthermore, a third function can be used for charging stations depending on a local date and / or depending on a time date, the influence of a price date on the expected at the electric station number of electric cars or to be expected at the electric charging station charging energy requirement for charging electric cars indicates. Thus, the technical effects mentioned above for these functions also apply to the computer system or to the data processing systems network. The more functions are involved and the better the relationships between these functions are taken into account, the more accurately the prediction can be made.
Die erste Funktion und/oder die zweite Funktion und/oder die dritte Funktion kann bzw. können automatisch angepasst wer- den. Die Anpassung kann insbesondere abhängig von der Abweichung der Vorhersage und der tatsächlichen Anzahl von Elektroautos und/oder der tatsächlichen Ladeenergieanforderung an einer Elektrotankstelle erfolgen. So kann der Typ der Funktion verändert werden oder es kann ein Funktionsparameter bzw. können mehrere Funktionsparameter auf geeignete Art verändert werden, z.B. unter Verwendung der Methode der kleinsten Fehlerquadrate, neuronaler Netze, von Fuzzytechnologien usw.
Mindestens eine Kommunikationseinheit der DV-Anlage oder des DVA-Verbunds kann Verbindungen zu mindestens 100 oder zu mindestens 1000 Dienstnutzungsrechnern pro Tag herstellen, insbesondere unter Verwendung des Internetprotokolls. Damit kann eine breite Nutzung gewährleistet werden. Werden bei den vielen Anfragen jeweils auch Daten geliefert, z.B. geplanter Preis der Ladeenergie, so können diese Daten auch wieder zur Verbesserung der Vorhersage verwendet werden. Bei einer Ausgestaltungen kann die zentrale DV-Anlage oder der zentrale DVA-Verbund weiterhin enthalten: The first function and / or the second function and / or the third function can be adapted automatically. The adaptation may, in particular, be made dependent on the deviation of the prediction and the actual number of electric cars and / or the actual charging energy requirement at an electric filling station. Thus, the type of function can be changed or it can be a function parameter or several function parameters can be changed in a suitable way, eg using the least squares method, neural networks, fuzzy technologies, etc. At least one communication unit of the DV system or of the DVA network can establish connections to at least 100 or at least 1000 service use computers per day, in particular using the Internet protocol. Thus, a wide use can be guaranteed. If data is also supplied during the many inquiries, eg the planned price of the charging energy, then this data can also be used again to improve the prediction. In one embodiment, the central DV system or the central DVA network may continue to contain:
- eine Lösungseinheit für Gleichungssysteme, insbesondere für nichtlineare Gleichungssystem, und/oder a solution unit for equation systems, in particular for nonlinear equation systems, and / or
- eine Datenbank, zum Speichern der angeforderten statisti- sehen Daten und/oder Wetterdaten und/oder Verkehrsdaten und/oder Preisdaten, z.B. auf der Basis einer Oracle Datenbank, und/oder a database for storing the requested statistical data and / or weather data and / or traffic data and / or price data, e.g. based on an Oracle database, and / or
- eine Kommunikationseinheit zum Anfordern und Empfangen der statistischen Daten und/oder Wetterdaten und/oder Verkehrsda- ten, insbesondere in Echtzeit, und/oder, a communication unit for requesting and receiving the statistical data and / or weather data and / or traffic data, in particular in real time, and / or
- eine Mensch-Maschine -Kommunikationseinheit , zum Eingeben der Startmodell und/oder zum Eingeben statistischer Daten. a human-machine communication unit, for inputting the starting model and / or for inputting statistical data.
Diese Einheiten gewährleisten einen einfachen Aufbau der DV- Anlage oder des DVA-Verbunds. These units ensure a simple setup of the DV system or the DVA network.
Eine DV-Anlage (Client - Dienstnutzungsrechner) kann zum Ausführen mindestens eines Schrittes eines der oben genannten Verfahrens dienen. Die DV-Anlage (Client) kann enthalten: - mindestens einen Prozessor, und A computer equipment (client service utilization computer) can be used to carry out at least one step of one of the above-mentioned methods. The computer system (client) can contain: - at least one processor, and
- eine Speichereinheit, a storage unit,
wobei die Speichereinheit mindestens ein Programm enthält, bei dessen Ausführung durch den Prozessor eine Anforderung an einen zentralen DE-Rechner gesendet wird, um eine Vorhersage der an der Elektrotankstelle zu erwartenden Anzahl von Elektroautos oder der an der Elektrotankstelle zu erwartenden Ladeenergieanforderung für das Laden von Elektroautos zu treffen .
Der Prozessor kann ein eingebetteter Prozessor sein, der bspw. auf einem Schaltkreis mit einem Speicher und mit peripheren Einheiten realisiert ist. Die Speichereinheit hat bspw. eine Kapazität kleiner als 100 Gigabyte, um die Kosten gering zu halten. wherein the memory unit contains at least one program, in the execution of which a request is sent to a central DE computer by the processor to predict the number of electric cars to be expected at the electric filling station or the charging energy requirement to be expected at the electric filling station for the charging of electric cars hold true . The processor may be an embedded processor realized, for example, on a circuit with a memory and with peripheral units. For example, the storage unit has a capacity smaller than 100 gigabytes to keep costs low.
Bei Ausgestaltungen können die D (Dienstnutzungs ) -DV-Anlagen weiterhin enthalten: In embodiments, the D (utility) Dv attachments may still include:
- einen Webserver, und/oder - a web server, and / or
- eine Kommunikationseinheit zu dem DE-Rechner, und/oder a communication unit to the DE computer, and / or
- eine Kommunikationseinheit zur Eingabe von lokalen Daten und zum Übermitteln der Voraussagedaten an einen Betreiber einer Elektrotankstelle , und/oder a communication unit for inputting local data and for transmitting the prediction data to an electric filling station operator, and / or
- eine Mensch-Maschine -Schnittstelle , zur Eingabe von lokalen Daten und zum Übermitteln der Voraussagedaten an einen Betreiber einer Elektrotankstelle, und/oder a man-machine interface, for inputting local data and for transmitting the prediction data to an electric filling station operator, and / or
- eine Datenbank, auf die insbesondere über den Webserver und die Kommunikationseinheit oder direkt ohne den Webserver nur über die Kommunikationseinheit zugegriffen werden kann, und in der bspw. vorherige Anfragen an den DE-Rechner und/oder vorherige Antworten des DE-Rechners gespeichert sind. - A database, in particular via the web server and the communication unit or directly without the web server can be accessed only via the communication unit, and in the example. Previous requests to the DE-computer and / or previous replies of the DE-computer are stored.
Zu dem System zum Ermitteln des Energiebedarfs einer Elektro- tanksteile können bspw. neben der "zentralen" Einheit für die Vorhersage mehrere hundert oder mehrere tausende Clients gehören. Während die zentrale Komponente möglichst leistungsfähig ausgebildet werden kann, kann bei den Clients ein einfacher Aufbau im Vordergrund stehen. For example, in addition to the "central" unit for the prediction, several hundred or several thousand clients may belong to the system for determining the energy requirement of an electric tank part. While the central component can be designed as efficiently as possible, a simple structure can be at the forefront with the clients.
Mit anderen Worten ausgedrückt, wird ein zentrales Informationssystem für das Laden von Elektroautos erläutert. Diese Anmeldung betrifft das Problem des Vorhersagens der Kundenanforderung nach Ladeinfrastruktur für Elektrofahrzeuge , insbe- sondere Schnellladeeinheiten und Elektrotankstellen, d.h. eine Installation von zwei oder mehr als zwei Schnellladepunkten an einem Ort. Es wird erwartet, dass solche Elektrotankstellen eine zentrale Rolle in der Elektromobilität der Zu-
kunft spielen werden, weil sie den direkten Ersatz für die klassischen Flüssigkeitskraftstoff -Tankstellen sind, die heute allgegenwärtig sind. In diesem Zusammenhang ist die bestmögliche Voraussage von zukünftiger Ladenachfrage von Bedeutung, weil sie direkt die Verfügbarkeit und Betriebskosten solcher Elektrotankstellen beeinflusst: Weil insbesondere Schnellladeeinheiten, z.B. für Gleichstrom (DC, direct current) eine erhebliche Leistungs- menge benötigen, werden sie als industrielle Verbraucher von den Energieversorgern (utility) eingestuft werden. Heute haben typische Verkaufsschritte zwischen Industrieverbrauchern und dem Energieverbraucher die folgende Form: der Verbraucher macht eine Voraussage der Energiemenge, die er wahrscheinlich über eine gegebene Zeitspanne verbrauchen wird, z.B. in den nächsten 24 Stunden in Viertelstundenabschnitten bzw. Viertelstunden-Zeitschlitzen. Dann fügt er einen Sicherheitsaufschlag hinzu und kauft eine entsprechende Leistung von dem Energieversorger . Die Zeitschlitze können auch einen Tag be- tragen oder kleiner als ein Tag sein, insbesondere kleiner als 1 Stunde, vorzugsweise jedoch größer als 5 Minuten. In other words, a central information system for charging electric cars is explained. This application relates to the problem of predicting the customer requirement for charging infrastructure for electric vehicles, in particular fast charging units and electric filling stations, ie an installation of two or more than two fast charging points in one place. Such electric filling stations are expected to play a key role in the electromobility of because they are the direct replacement for the classic liquid fuel stations that are ubiquitous today. In this context, the best possible prediction of future shop demand is important because it directly affects the availability and operating costs of such electric filling stations: Because fast charging units, eg for direct current (DC) require a significant amount of power, they are considered industrial consumers of be classified as a utility. Today, typical sales steps between industrial consumers and the energy consumer have the following form: the consumer makes a prediction of the amount of energy that he will probably consume over a given period of time, for example, in the next 24 hours in quarter-hour intervals and quarter-hour time slots, respectively. Then he adds a security surcharge and buys a corresponding service from the utility company. The time slots may also be one day or less than one day, in particular less than 1 hour, but preferably greater than 5 minutes.
Wenn die verbrauchte Leistung bezogen auf jedes Viertelstundenintervall kleiner als die vereinbarte Leistung ist, muss der Verbraucher dennoch die gekaufte Menge bezahlen. Wenn jedoch der Verbraucher zu irgendeiner Zeit die bestellte Menge überschreitet, hat er eine signifikante Strafe zu zahlen oder muss zusätzliche kurzfristige Energie zu signifikant erhöhten Kosten kaufen. If the consumed power per quarter-hour interval is less than the agreed power, the consumer must still pay the purchased amount. However, if the consumer exceeds the ordered quantity at any time, he has to pay a significant penalty or has to buy additional short-term energy at significantly increased cost.
Es ist deshalb für den Betreiber der Elektroautotankstelle von fundamentalem Interesse statistische Informationen zur Hand zu haben, die genaues Planen ermöglicht. Schlechte Planung kann auf der anderen Seite zu einer Situation führen, in der entweder große Energiemengen ungenutzt sind, aber bezahlt werden müssen, oder man läuft in Gefahr, das vereinbarte Energiekontingent zu überschreiten, und hat z.B. Kunden abzuweisen .
Die Forderung nach aktueller und genauer Information bzw. Daten wird noch bedeutender, wenn ein Zwischenspeicherakkumulator bzw. eine Pufferbatterie an der Tankstelle installiert ist. Solche Pufferbatterien haben die Funktion, Nachfragespitzen abzuschneiden und es einfacher zu machen, die vom Netz entnommene Systemleistung immer unter der vereinbarten Menge zu halten. In solchen Systemen ist es entscheidend, die aktuelle Nutzung der Batterie hinsichtlich des vorhergesagten Angebots/Anforderung der Leistungsquellen und Leistungssenken in dem System zu optimieren. Beispielsweise möchte man sicherstellen, dass die Pufferbatterie ausreichend aufgeladen ist, bevor eine große Menge an Kunden erwartet wird. Viele andere Szenarien sind vorstellbar, wie z.B. ständig veränderbare Strompreise. In jedem Fall, ist eine genaue Vorhersage der Anforderung bzw. Nachfrage vorteilhaft, d.h. der Anzahl der Elektroautos und/oder ihrer Ladeenergieanforderungen . It is therefore of fundamental interest to the operator of the electric car refueling station to have at his disposal statistical information that enables accurate planning. Poor planning, on the other hand, can lead to a situation in which either large amounts of energy are lost, but have to be paid for, or you run the risk of exceeding the agreed energy quota and, for example, you have to reject customers. The requirement for up-to-date and accurate information or data becomes even more important if a buffer accumulator or a buffer battery is installed at the filling station. Such backup batteries have the function of cutting demand peaks and making it easier to keep the system power drawn from the grid always below the agreed amount. In such systems, it is crucial to optimize the current use of the battery with respect to the predicted offer / demand for the power sources and power sinks in the system. For example, one wants to make sure that the back-up battery is sufficiently charged before a large number of customers are expected. Many other scenarios are conceivable, such as constantly changing electricity prices. In any case, an accurate prediction of the demand is advantageous, ie the number of electric cars and / or their charging energy requirements.
Die Vorhersage der Ladeenergienachfrage hängt von vielen Faktoren ab, wie z.B. Ort, Erreichbarkeit, Kundenservice, Preis, usw. Sie hängt aber auch von Verkehrsinformationen, Durchschnittswegstrecken, Fahrgewohnheiten bzw. Fahrmustern usw. ab. Das Problem ist ähnlich dem Problem der Vorhersage der Treibstoffnachfrage von Autos an gewöhnlichen Tankstellen. Hier werden statistische Daten der vergangenen Wirtschaftsjahre verwendet, um eine grobe Vorhersage der Nachfrage zu machen und damit der benötigten Kraftstoffmenge, die vom Lie- feranten zu bestellen ist. Bei herkömmlichen Tankstellen müssen die Vorhersagen aber nicht sehr genau oder aktuell sein, da der Treibstoff leicht in Tanks gespeichert werden kann. Im Gegensatz dazu sind ungenaue Vorhersagen für Elektrotankstel- len aber sehr teuer, wie oben erläutert worden ist. Das Be- dürfnis nach einer interaktiven, aktuellen, hochgenauen Nachfragevorhersage für Elektrotankstellen wurde aber noch nicht angesprochen .
Wie in den Figuren 1 bis 3 dargestellt, wird das oben erläuterte Problem wie folgt gelöst: The prediction of charging energy demand depends on many factors, such as location, accessibility, customer service, price, etc. However, it also depends on traffic information, average distance traveled, driving habits or driving patterns, etc. The problem is similar to the problem of predicting the fuel demand of cars at ordinary gas stations. Here, statistical data from past years are used to make a rough prediction of demand and thus the amount of fuel needed to be ordered by the supplier. However, at conventional gas stations, the predictions may not be very accurate or up-to-date, as the fuel can be easily stored in tanks. In contrast, inaccurate forecasts for electric fuel stations are very expensive, as explained above. However, the need for an interactive, up-to-date, highly accurate demand forecast for electric filling stations has not yet been addressed. As illustrated in FIGS. 1 to 3, the problem explained above is solved as follows:
Das zentrale Datenermittlungssystem bzw. das zentrale Infor- mationssystem für das Laden von Elektroautos wird in eine Serverkomponente und in Clientkomponenten aufgespaltet. Der Server wird auch als Diensterbringungsrechner (DER bzw. DE- Rechner) und die Clients werden auch als Dienstnutzungsrechner (DNR bzw. DN-Rechner) bezeichnet. The central data acquisition system or the central information system for charging electric cars is split into a server component and into client components. The server is also referred to as a service providing computer (DER or DE computer) and the clients are also referred to as a service utilization computer (DNR or DN computer).
Die Serverkomponente bzw. die DE-Komponente kann die in der Figur 2 gezeigten Einheiten enthalten. Alternativ können alle Funktionen und/oder ein Teil der Funktion der Serverkomponente auch nur mit Hilfe von Schaltungen realisiert werden, d.h. ohne Programme, z.B. mit Zustandsmaschinen . The server component or the DE component may contain the units shown in FIG. Alternatively, all functions and / or part of the function of the server component can also be realized only by means of circuits, i. without programs, e.g. with state machines.
Die Clientkomponente bzw. die DE-Komponente kann die in der Figur 3 gezeigten Einheiten enthalten. Alternativ können alle Funktionen und/oder ein Teil der Funktion der Clientkomponen- te auch nur mit Hilfe von Schaltungen realisiert werden, d.h. ohne Programme, z.B. mit Zustandsmaschinen. The client component or the DE component may contain the units shown in FIG. Alternatively, all functions and / or a part of the function of the client component can also be realized only by means of circuits, i. without programs, e.g. with state machines.
Innerhalb der oben erläuterten Rechnerarchitektur ist das zentrale Serversystem in der Lage, Vorhersagealgorithmen bzw. Vorhersageverfahren basierend auf den herangeschafften detaillierten, lokalen und zeitabhängigen Daten durchzuführen. Diese Vorhersageverfahren können Komponenten enthalten, die auf dynamischen Verkehrsmodellen basieren, wie z.B. Werner Schnabel, Dieter Lohse, "Grundlagen der Straßenverkehrstech- nik und der Verkehrsplanung", Verlag für Bauwesen, Berlin,Within the above-discussed computer architecture, the central server system is capable of performing prediction algorithms based on the detailed, local, and time-dependent data provided. These prediction methods may include components based on dynamic traffic models, such as e.g. Werner Schnabel, Dieter Lohse, "Fundamentals of Road Traffic Engineering and Traffic Planning", Verlag für Bauwesen, Berlin,
1997, oder in C. Wagner, u.a., "Second order continuum traf- fic flow model", Phys . Rev. E54 (1996), Seite 5073 bis Seite 5085 beschrieben, z.B. mikroskopische Modellfunktion aus denen ggf. durch Integration makroskopische Modellfunktionen abgeleitet werden. Bspw. wird ein Boltzmann-Gleichung ähnliches Modell verwendet und/oder Gleichungen, die denen in der Fluiddynamik verwendeten Gleichungen ähnlich sind, z.B. Gasströmungsgleichungen. Ansätze nach Paverina- Fontana können
verwendet werden oder die vorgeschlagenen Verbesserungen unter Verwendung des Faktors Chi zur Erhöhung der Kollisions- häufigkeit und/oder die Berücksichtigung von Querschnitten der Autos bei einer Kollision, was zu dem in der genannten Literaturquelle unter B. angesprochenen korrigierten 1997, or in C. Wagner, et al., "Second order continuum trafic flow model", Phys. Rev. E54 (1996), page 5073 to page 5085 described, for example, microscopic model function from which macroscopic model functions are derived if necessary by integration. For example. a Boltzmann equation-like model is used and / or equations similar to those used in fluid dynamics, eg, gas flow equations. Approaches to Paverina-Fontana can or the proposed improvements using the factor Chi to increase the collision frequency and / or the consideration of cross sections of the cars in the event of a collision, which have been corrected in the manner mentioned in the said literature reference under B.
Boltzmannstreuterm führt. Boltzmann Streuterm leads.
Alternativ können Vorhersageverfahren auf der Basis von neuronalen Netzen oder Online-Optimierungs-Algorithmen bzw. Online-Optimierungs-Verfahren verwendet werden. Alternatively, predictive techniques based on neural networks or on-line optimization algorithms may be used.
Das vorgeschlagene zentrale Informationssystem für das Laden von Elektrofahrzeugen gibt dem Betreiber einer Elektrotank- stelle eine genaue Vorhersage der Anzahl der Elektroautos bzw. Kunden und/oder der Ladungsanforderungen dieser Elektroautos oder dieser Kunden. Diese Vorhersage bildet ihrerseits eine solide Basis für das Bestellen von Strom von dem Ener- gieversorger . Einfache statistische Funktionen bzw. ein einfaches statistisches Modell (41, 33) könnte die folgende Form haben: The proposed central information system for charging electric vehicles gives the operator of an electric station an accurate prediction of the number of electric cars or customers and / or the charging requirements of these electric cars or these customers. This prediction in turn provides a solid basis for ordering power from the utility. Simple statistical functions or a simple statistical model (41, 33) could have the following form:
N(k) = A(d, l,k) + Sw(W(d, 1) ,k) +ST(T(d, 1) ,k) + SP ( P (d, 1 ) , k) und/oder N (k) = A (d, l, k) + Sw (W (d, 1), k) + ST (T (d, 1), k) + SP (P (d, 1), k) and /or
D (k) = A* (d, 1 , k) + Sw* (W (d, 1 ) , k) +ST* (T (d, 1 ) , k) + SP* ( P (d, 1 ) , k) wobei k die Vorhersagezeitspanne bezeichnet, z.B. ein Vielfaches einer Viertelstunde, wenn die Auflösung der Vorhersagezeit bspw. eine Viertelstunde beträgt. N bezeichnet die erwartete Anzahl von Autos, die ein Laden erfordern, und D ist die entsprechende Ladungsanforderung in KWh (Kilowattstun- den) . Der Term A, A* gibt einen statistischen Durchschnitt aus vergangenen Daten als eine Funktion des Datums d und des Ortes 1 des Kunden an für die erwartete Anzahl von Autos bzw. deren Ladungsanforderung zum Zeitschritt k. Weiterhin repräsentieren die Terme SW, SW* die Änderung in der Kundenanzahl und Ladeanforderungen (+/-) in Hinblick auf den Durchschnittswert als eine Funktion des Wetters (vergangenes Wetter, z.B. Vortag, Vorwoche, Vormonat, Vorjahr und/oder Vorhersage, z.B. nächster Tag) für den Zeitschritt k. Analog re-
präsentieren ST, ST*, SP, SP* die Änderung der Kundenanzahl und der Ladeanforderungen in Hinblick auf den Durchschnittswert als eine Funktion des Verkehrs T (vergangener, z.B. Vortag, Vorwoche, Vormonat, Vorjahr) und/oder vorhergesagter, z.B. nächster Tag) und den vom Betreiber der Elektrotankstel - le geplanten Lade-Elektrizitätspreis P des, insbesondere den aktuellen und/oder zukünftigen Preis, für den Zeitschritt k. D (k) = A * (d, 1, k) + Sw * (W (d, 1), k) + ST * (T (d, 1), k) + SP * (P (d, 1) , k) where k denotes the prediction time period, eg a multiple of a quarter of an hour, if the resolution of the prediction time is, for example, a quarter of an hour. N denotes the expected number of cars requiring charging, and D is the corresponding charge requirement in KWh (kilowatt hours). The term A, A * indicates a statistical average of past data as a function of the date d and the location 1 of the customer for the expected number of cars or their charge request at the time step k. Further, the terms SW, SW * represent the change in the number of customers and loading requirements (+/-) with respect to the average value as a function of the weather (past weather, eg, previous day, previous week, previous month, previous year, and / or prediction, eg, next day ) for the time step k. Analogous to ST, ST *, SP, SP * represent the change in the number of customers and the charging requirements with respect to the average value as a function of traffic T (previous, eg previous day, previous week, previous month, previous year) and / or predicted, eg next day) and the charging electricity price P planned by the operator of the electric station, in particular the current and / or future price, for the time step k.
Insbesondere können Verfahren des sogenannten Data Minings in die Vorhersage einbezogen werden. In particular, methods of so-called data mining can be included in the prediction.
Schon aus diesem Basismodell wird eine wichtige Eigenschaft deutlich: es werden aktuelle Daten bzw. Informationen verwendet, z.B. Wettervorhersagedaten und ggf. auch Daten zu dem vom Betreiber der Elektrotankstelle geplanten Ladestrompreis, um genaue Vorhersagen zu machen und um bspw. klassische Statistiken zu verbessern. Even from this basic model, an important feature becomes clear: current data or information is used, e.g. Weather forecast data and possibly also data on the charging station price planned by the electric charging station operator in order to make accurate forecasts and, for example, to improve classical statistics.
Im Allgemeinen werden solche Modelle jedoch komplizierter und rechenintensiver sein, weil z.B. Werte gekoppelt sein können oder in einer nicht linearen Beziehung zueinander stehen können oder mehr Faktoren betrachtet werden müssen. Bessere und verfeinerte Modelle werden im Allgemeinen zu besseren Vorhersagen führen. Innerhalb der obigen Architektur ist es ebenfalls denkbar, zusätzliche Größen vorherzusagen. Es kann bspw. vermutet werden, dass ein Anzahl von Elektrotankstellen In general, however, such models will be more complicated and computationally intensive because e.g. Values may be coupled or may be in a non-linear relationship or more factors need to be considered. Better and more sophisticated models will generally lead to better predictions. Within the above architecture, it is also conceivable to predict additional sizes. It may, for example, be suspected that a number of electric filling stations
Photovoltaikgeneratoren oder Windkraftgeneratoren installiert haben. Örtliche Daten und/oder Echtzeitdaten über Sonnenein- Strahlung oder Änderungen der Windgeschwindigkeit und/oder Windrichtung können durch die Architektur des zentralen Informationsservers als Eingabe verwendet werden. Dies würde eine Kurzzeitabschätzung für zukünftige Solareinstrahlung und Windgeschwindigkeiten an nahe liegenden Elektrotankstellen erlauben. Photovoltaic generators or wind generators have installed. Local data and / or real-time data on solar radiation or changes in wind speed and / or wind direction may be used as input by the architecture of the central information server. This would allow a short-term estimate of future solar radiation and wind speeds at nearby electric filling stations.
Es wird also ein zentrales Datenermittlungssystem bzw. Informationssystem installiert, das bspw. analog zu einer Wetter-
vorhersage, für Elektrotankstellen die Anzahl der Elektroautos bzw. der Kunden voraussagt und/oder das die Ladungsanforderungen dieser Elektroautos bzw. Kunden vorhersagt. Weil dieser zentrale Server bzw. DE-Rechner in der Lage ist, auf mehr Echtzeitdaten und/oder statistische Daten zuzugreifen und weil er sich auf extensivere Modelle und leistungsfähigere Computer als jedes lokale Vorhersagesystem stützen kann, werden seine Vorhersagen im Allgemeinen genauer, flexibler und/oder anpassungsfähiger an den Kunden und schneller ver- fügbar sein. Wenn die Kunden zustimmen, dass die lokalen statistischen Informationen geteilt werden, d.h. Anzahl der Kunden und Ladungsanforderungen, dann wird eine noch feinere bzw. genauere lokale Vorhersage möglich sein. Es soll das folgende Szenario betrachtet werden: Ein Betreiber einer Elektrotankstelle plant einen neuen Satz aus Thus, a central data acquisition system or information system is installed, which, for example, analogously to a weather prediction, for electric filling stations, the number of electric cars or customers predicts and / or predicts the charging requirements of these electric cars or customers. Because this central server or DE computer is able to access more real-time data and / or statistical data, and because it can rely on more extensive models and more powerful computers than any local forecasting system, its predictions generally become more accurate, more flexible and / or more predictable. or more adaptable to the customer and be available faster. If customers agree that the local statistical information will be shared, that is, number of customers and load requirements, then an even finer or more accurate local prediction will be possible. The following scenario should be considered: An electric filling station operator is planning a new set
Schnellladestationspunkten mit einem Einführungsangebot zu bewerben. Er plant, den Ladepreis für den folgenden Tag 10 Prozent unter dem Durchschnittsverkaufspreis seiner benach- barten Wettbewerber anzubieten. Zusammen mit seinen Ortsdaten bzw. seinen Positionsdaten sendet er eine Anforderung für eine Ladeanforderungsvorhersage mit einem Vorhersagehorizont von 24 Stunden mit einer viertelstündigen Auflösung an den zentralen Informationsserver. Der zentrale Informationsserver wird dann Echtzeit -Verkehrsdaten, statistische Daten sowie statistische Modelle verwenden, um ein Vorhersage der Anzahl der Kunden zu treffen sowie deren Ladeanforderungen. Echtzeit bedeutet hier, dass die Daten bspw. jünger als drei Stunden oder sogar jünger als eine Stunde sind. In diesem speziellen Fall, zeigen die Echtzeit -Verkehrsdaten keine signifikanten Störungen auf den Hauptzufahrtsstraßen zu der Elektrotankstelle. Es sind ebenfalls keine Straßenbaumaßnahmen geplant, weiterhin sagt die Wettervorhersage einen wolkenlosen, sonnigen Tag voraus, was gewöhnlich zu einem 30 -prozentigen An- steigen des Verkehrs in diesem Gebiet führt verglichen mit einem Durchschnittstag. Der folgende Tag wird ein Sonntag sein und ein größeres Sportereignis soll in der Nähe stattfinden .
Dies wird im Durchschnitt das Verkehrsaufkommen vor und nach dem Ereignis um 10 Prozent erhöhen und das Verkehrsaufkommen während des Ereignisses um 20 Prozent reduzieren verglichen mit einem Durchschnittstag. Da der Betreiber der Elektrotankstelle angezeigt hat, dass er den Preis 10 Prozent unter dem Durchschnittsverkaufspreis seiner benachbarten Wettbewerber halten will, wird er wahrscheinlich 15 Prozent mehr Kunden über den Tag haben als im Durchschnitt an einem Tag an seiner Tankstelle elektrischen Strom tanken. Außerdem ist eine nahe gelegene Elektrotankstelle geschlossen, was zu weiteren 5 Prozent Kundenzuwachs führt im Vergleich zu einem Durchschnittstag. Der Durchschnittsverkaufspreis der Betreiber anderer Elektrotankstellen lässt sich bspw. aus der Vergangen- heit ermitteln, z.B. aus den Daten vom Vortag oder auf anderem Wege . Promote quick charging points with an introductory offer. He plans to offer the loading price for the following day 10 percent below the average selling price of his neighboring competitors. Together with its location data or location data, it sends a request for a load request prediction with a 24 hour prediction horizon with a quarter of a hour resolution to the central information server. The central information server will then use real-time traffic data, statistical data, and statistical models to predict the number of customers and their charging requirements. Real-time means here that the data is, for example, younger than three hours or even less than an hour. In this particular case, the real-time traffic data does not show any significant interference on the main access roads to the electric filling station. There are also no plans for road construction, and the weather forecasts predict a cloudless, sunny day, which usually results in a 30% increase in traffic in this area compared to an average day. The following day will be a Sunday and a major sporting event will take place nearby. This will, on average, increase traffic before and after the event by 10 percent and reduce traffic during the event by 20 percent compared to an average day. Since the EV charging station has indicated that it wants to keep the price 10 per cent below the average sales price of its neighboring competitors, it is likely to have 15 per cent more customers during the day than, on average, refueling at its gas station in one day. In addition, a nearby electric filling station is closed, resulting in a further 5 percent increase in customer numbers compared to an average day. The average selling price of the operators of other electric filling stations can, for example, be determined from the past, eg from the data from the previous day or by other means.
Da die Elektrotankstelle nahe einer Autobahn liegt und da Ferienzeit ist, ist es bei der erwarteten Sonneneinstrahlung auf Grund der für die Klimatisierung der Elektroautos erforderlichen Elektroenergie aus den Akkus wahrscheinlich, dass eine große Anzahl von Fahrzeugen fast vollständig entladene Batterien bzw. Akkus hat. Keine anderen signifikanten Faktoren werden betrachtet . Since the electric filling station is close to a highway and holiday time is, it is likely that the expected solar radiation due to the required for the air conditioning of the electric car batteries from the batteries that a large number of vehicles has almost completely discharged batteries. No other significant factors are considered.
Basierend auf den statistischen Modellen wird der zentrale Informationsserver bzw. DE-Rechner diese Daten bzw. Informationen nutzen und eine gut informierte Vorhersage geben. Als Beispiel kann das oben angegebene Modell verwendet werden. Diese Vorhersage wird an den DN-Rechner gesendet. Auf derBased on the statistical models, the central information server or DE computer will use this data or information and give a well-informed prediction. As an example, the model given above can be used. This forecast is sent to the DN computer. On the
Seite des DN-Rechners stellt der Betreiber der Elektrotankstelle fest, dass die Kundenmenge und deren Ladungsanforderungen die Kapazität der Elektrotankstelle wahrscheinlich überschreiten werden, was verlängerte Wartezeiten und/oder den Verlust von Kunden bedeuten kann. Der Betreiber sendet deshalb eine weitere Anforderung für eine Vorhersage an den Server, worin der Verkaufspreis aber auf 5 Prozent unter dem Durchschnittspreis seiner Wettbewerber über die nächsten 24
Stunden festgelegt ist . Die neue Vorhersage des zentralen Informationsservers zeigt eine gute Ausnutzung der Elektrotank- stelle . Der Betreiber verwendet dann das computergestützte Managementsystem der Elektrotankstelle , um die elektrischen Leistungsanforderungen über die nächsten 24 Stunden zu berechnen. Weil diese Anforderung innerhalb der Festlegungen seines Netzanschlusses liegen, addiert er 10 Prozent Sicherheitsmar- ge und sendet die Strombestellung an den Energieversorger ab. On the side of the DN computer, the charging station operator determines that the quantity of customers and their charging requirements are likely to exceed the capacity of the electric filling station, which may result in extended waiting times and / or loss of customers. The operator therefore sends another request for a prediction to the server, but the selling price is 5 percent below the average price of its competitors over the next 24 months Hours is set. The new prediction of the central information server shows good utilization of the electric charging station. The operator then uses the electrical station's computerized management system to calculate the electrical power requirements over the next 24 hours. Because these requirements are within the stipulations of his grid connection, he adds 10 percent security margin and sends the power order to the energy supplier.
Die oben beschriebenen Eigenschaften, Merkmale und Vorteile dieser Erfindung sowie die Art und Weise, wie diese erreicht werden, werden klarer und deutlicher verständlich im Zusam- menhang mit der folgenden Beschreibung der Ausführungsbei - spiele. Sofern in dieser Anmeldung der Begriff "kann" verwendet wird, handelt es sich sowohl um die technische Möglichkeit als auch um die tatsächliche technische Umsetzung. Sofern in dieser Anmeldung der Begriff "etwa" verwendet wird, bedeutet dies, dass auch der exakte Wert offenbart ist. The above-described characteristics, features and advantages of this invention, as well as the manner in which they are achieved, will become clearer and more clearly understood in connection with the following description of the embodiments. If the term "can" is used in this application, it is both the technical possibility and the actual technical implementation. If the term "about" is used in this application, this means that the exact value is also disclosed.
Die Figuren sind nicht maßstabsgerecht gezeichnet, insbesondere können die Aspektverhältnisse der Elemente anders gewählt werden. The figures are not drawn to scale, in particular, the aspect ratios of the elements can be chosen differently.
Im Folgenden werden Ausführungsbeispiele der Erfindung an Hand der beiliegenden Zeichnungen erläutert. Darin zeigen: In the following, embodiments of the invention will be explained with reference to the accompanying drawings. Show:
Figur 1 ein System zum Ermitteln des Energiebedarfs an ei- ner Vielzahl von Elektrotankstellen, FIG. 1 shows a system for determining the energy requirement at a multiplicity of electric filling stations;
Figur 2 Einheiten eines Diensterbringungsrechners (DER) des FIG. 2 shows units of a service providing computer (DER) of the
Systems , Figur 3 Einheiten eines Dienstnutzungsrechners (DNR) des FIG. 3 shows units of a service utilization computer (DNR) of the
Systems ,
Figur 4 ein Koordinatensystem zur Darstellung des erwarteten Energiebedarfs einer Elektrotankstelle und der bestellten Elektroenergie, und Figur 5 eine Ladeinfrastruktur mit einer Elektrotankstelle. Systems, FIG. 4 shows a coordinate system for representing the expected energy requirement of an electric filling station and the ordered electric energy, and FIG. 5 shows a charging infrastructure with an electric filling station.
Die Figur 1 zeigt ein Vorhersage-System 4 zum Ermitteln des Energiebedarfs an einer Vielzahl von Elektrotankstellen. Das System bzw. das Informationssystem für das Laden von Elektro- autos wird in eine Serverkomponente 6 und in Clientkomponenten 8 aufgespaltet . Der Server 6 wird auch als Diensterbringungsrechner (DER bzw. DE-Rechner) und die Clients 8 werden auch als Dienstnutzungsrechner (DNR bzw. DN-Rechner) DNR1 bis DNRn bzw. 50a, 51 bis 50n bezeichnet, wobei n eine natürliche Zahl ist, z.B. im Bereich von 10 bis 10000. FIG. 1 shows a prediction system 4 for determining the energy requirement at a plurality of electric filling stations. The system or the information system for charging electric cars is split into a server component 6 and into client components 8. The server 6 is also referred to as a service providing computer (DER or DE computer) and the clients 8 are also referred to as a service utilization computer (DNR) DNR1 to DNRn or 50a, 51 to 50n, where n is a natural number, eg in the range of 10 to 10,000.
Der DE-Rechner 6 kann einen zentralen DER 10 oder mehrere zentrale DER 10 enthalten. Im DER 6 gibt es bspw. Startdatenmodelle 41, die z.B. die folgenden Funktionen enthalten: The DE computer 6 may include a central DER 10 or more central DER 10. In DER 6, there are, for example, start data models 41, e.g. include the following functions:
- eine wetterabhängige Vorhersagefunktion SW, SW* , a weather-dependent prediction function SW, SW *,
- eine verkehrsabhängige Vorhersagetunktion ST, ST*, a traffic-dependent prediction function ST, ST *,
- eine preisabhängige Vorhersagefunktion SP, SP*. a price-dependent prediction function SP, SP *.
Diese Funktionen sind bspw. zu dem in der Einleitung genann- ten Datenmodell (en) verknüpft, und haben die dort erläuterte Bedeutung. Alternativ werden komplizierter Datenmodell bzw. Vorhersagefunktionen verwendet. These functions are linked, for example, to the data model (s) mentioned in the introduction, and have the meaning explained there. Alternatively, more complicated data model or predictive functions are used.
Der zentrale DER 10 greift auf dieser Startmodelle 41 zu, siehe Pfeil P2, um den Energiebedarf an einer Elektrotankstelle ETS, siehe Figur 5, vorherzusagen. The central DER 10 accesses this starting model 41, see arrow P2, in order to predict the energy demand at an electric filling station ETS, see FIG. 5.
Außerdem verwendet der DER 10 bei der Vorhersage bspw. statistische Daten 43, die auch historische Vorhersagedaten A, A* enthalten, siehe Pfeil P4. Die Vorhersagedaten A, A* haben ebenfalls die in der Einleitung genannte Bedeutung. Weiterhin kann der DER 10 auf Echtzeitdaten 42 im Internet zugreifen, siehe Pfeil P6. Die Echtzeitdaten können insbesondere Wetter-
daten und/oder Verkehrsdaten sein, die für die Berechnung der Vorhersagefunktionen erforderlich sind. Diese Echtzeitdaten 42 sind bspw. im Internet verfügbar oder können separat ermittelt werden. Weiterhin verwendet der DER 10 bspw. auch: - ein Zeitdatum d, In addition, in the prediction, the DER 10 uses, for example, statistical data 43 which also contains historical forecast data A, A *, see arrow P4. The prediction data A, A * also have the meaning mentioned in the introduction. Furthermore, the DER 10 can access real-time data 42 on the Internet, see arrow P6. The real-time data can be used in particular data and / or traffic data required for the calculation of the predictive functions. These real-time data 42 are available, for example, on the Internet or can be determined separately. Furthermore, the DER 10 also uses, for example: a time date d,
- ein Ortsdatum 1, und - a city date 1, and
- ein Zeitintervall k a time interval k
Diese Daten können als lokale Daten 91a bis 91 n bezeichnet werden, die mit Hilfe von DN-Rechner 8 bzw .den Clients 50a bis 50n von den Betreibern von Elektrotankstellen an den zentralen DER 10 übermittelt werden, bspw. über das Internet, sieh Pfeile P8 und P9. Vom zentralen DER 10 werden die mit Hilfe der oben genannten Funktionen bzw. Modelle ermittelten Daten dann an die Clients als Vorhersagedaten 92a bis 92n zurückgegeben, bspw. die Anzahl der Elektroautos N, die an einer Elektrotankstelle ETS erwartet werden und/oder die erwartete Ladeenergiemenge D bspw. in kWh der Elektroautos 160, siehe Figur 5. These data can be referred to as local data 91a to 91n, which are transmitted to the central DER 10 with the aid of DN computer 8 or clients 50a to 50n, respectively, by the electric charging station operators, for example via the Internet, see arrows P8 and P9. From the central DER 10, the data obtained with the aid of the above-mentioned functions or models are then returned to the clients as forecast data 92a to 92n, for example the number of electric cars N expected at an electric filling station ETS and / or the expected amount of charged energy D for example in kWh of the electric cars 160, see FIG. 5.
Die Figur 2 zeigt Einheiten eines Diensterbringungsrechners (DER) 10 des Systems 4 mit den folgenden Merkmalen: Eine Kommunikationsschnittstelle 15 bzw. ein Kommunikations - interface 15 zu den Quellen der Echtzeitdaten 42, wie Wettervorhersageinformation oder aktuellen Verkehrsdaten. Diese Information kann z.B. von privaten Firmen bzw. Anbietern erhalten werden. FIG. 2 shows units of a service providing computer (DER) 10 of the system 4 with the following features: A communication interface 15 or a communication interface 15 to the sources of the real-time data 42, such as weather forecast information or current traffic data. This information may e.g. from private companies or providers.
- die Kommunikationsschnittstelle 15 und/oder eine HMI 18, d.h. eine Mensch-Maschine-Schnittstelle (Human Machine Interface) , z.B. eine Eingabemaske, um statistische Daten 43b bzw. 43a zu erhalten oder einzugeben, z.B. die Ladeanforderungen über vergangene Jahre, die Kundenanzahl während bestimmter Ereignisse, z.B. ein bedeutendes Fußballspiel, usw. Diese Information kann z.B. von der Stadtverwaltung, Straßenbaubehörden oder privaten Firmen erhalten werden.
Eine Kommunikationsschnittstelle 16 zu allen Dienstnutzungs - rechnern 50a bis 50n, z.B. über Internet, Stromleitungskommunikation, usw. Ein DN-Rechner 50a kann an den zentralen In- formations-DE-Rechner 10 lokale Daten bzw. Information 91 senden, wie z.B. die erforderliche Länge und Auflösung der Vorhersagezeitspanne, den geplanten Preis des Ladens für die Vorhersageperiode oder den geplanten Preisverlauf und den genauen Ort des DN-Rechners bzw. der relevanten Elektrotank- stelle. Alternativ kann der DN-Rechner 50a den DE-Rechner 10 anweisen für diese Angaben Standardwerte zu verwenden. Zusätzlich kann der DN-Rechner 50, 50a bis 50n dem Senden von statistischen Daten 43, 43a, 43b an den DE-Rechner 10 zustimmen oder dies ablehnen. Diese Daten können verwendet werden, um die lokalen Vorhersagen 92, 92a, 9n auch für andere DN- Rechner 50 in der Nachbarschaft des sendenden DN-Rechners 50 zu verfeinern, z.B. im Umkreis kleiner als 100 Kilometer oder keiner als 50 Kilometer. Der zentrale Informations-DE-Rechner 10 wird eine Vorhersage 92 der Anzahl der Kunden abhängig von der Zeit sowie deren vorhergesagte Ladungsanforderungen zu- rückgeben . the communication interface 15 and / or an HMI 18, ie a human-machine interface, eg an input mask, for obtaining or inputting statistical data 43b or 43a, eg the loading requirements over previous years, the number of customers during certain events, such as a major football game, etc. This information may be obtained, for example, from the city administration, road authorities or private companies. A communication interface 16 to all service users 50a to 50n, eg via the Internet, power line communication, etc. A DN computer 50a can send to the central information DE computer 10 local data or information 91, such as the required length and resolution of the forecast period, the planned price of the store for the forecast period or the planned price history and the exact location of the DN computer or the relevant electric charging station. Alternatively, the DN computer 50a instruct the DE computer 10 to use default values for this information. In addition, DN computer 50, 50a to 50n may agree to or refuse to send statistical data 43, 43a, 43b to DE computer 10. This data may also be used to refine the local predictions 92, 92a, 9n for other DN computers 50 in the vicinity of the sending DN computer 50, eg, within a radius of less than 100 kilometers or no more than 50 kilometers. The central information-DE-computer 10 will return a prediction 92 of the number of customers depending on the time as well as their predicted charge requests.
Eine bzw. die Kommunikationsschnittstelle 15 und/oder eine HMI 18 zu Quellen statistischer Modelle 41, die das Kundenverhalten bzw. das Kundenladungsverhalten als eine Funktion der Jahreszeit, des Wetters, aktueller Ereignisse, des Preises zum Laden an nahe gelegenen Tankstellen, insbesondere Elektrotankstellen, usw. angeben. Solche Modelle können z.B. aus der entsprechenden Literatur zu Verkehr und Kundenkauf - verhalten gebildet werden. Ein beispielhaftes Modell wurde in der Einleitung im Detail angegeben. A communication interface 15 and / or an HMI 18 to sources of statistical models 41, the customer behavior as a function of the season, the weather, current events, the price to shop at nearby gas stations, especially electric filling stations, etc . specify. Such models may e.g. from the literature on traffic and customer buying behavior. An exemplary model was given in detail in the introduction.
Eine Hardwareplattform, d.h. Schaltungseinheiten, die aus einer Speichereinheit 13 bzw. Speichereinheiten, insbesondere nicht flüchtig speichernden Datenspeichern, z.B. magnetische Datenträger 14, wahlfreiem Zugriffsspeicher 12 (RAM - Random Access Memory) und einer Anzahl von parallel arbeitenden Prozessoren 11 bestehen bzw. diese Einheiten enthalten, wahrscheinlich ein Cluster oder einem Supercomputer. Bspw. werden
mindestens 10 Prozessoren oder mindestens 100 Prozessoren verwendet, siehe Prozessoren IIa bis lln. Die Anzahl der Prozessoren kann kleiner als 10 Tausend sein. Die CPUs 11 bzw. Recheneinheiten (Central Processing Unit), die Speicherein- heit (en) , die RAMs , die Kommunikationsschnittstellen 15, 16 wie auch das HMI 18 können über ein Vielzahl von physikalischen Computern verteilt sein, z.B. über mehr als zehn oder mehr als 100 Computer bzw. DV-Anlagen (Datenverarbeitungsanlagen) . Die CPUs 11 arbeiten bei der Vorhersage Befehle ab, die im Speicher 12 gespeichert sind, siehe Pfeil P30. Außerdem wird beim Ausführen der Befehle durch die CPUs 11 auf den Speicher 13 zugegriffen, siehe Pfeil 32. A hardware platform, ie circuit units which consist of a memory unit 13 or memory units, in particular non-volatile data memories, eg magnetic data carriers 14, random access memory 12 (RAM) and a number of parallel operating processors 11 or contain these units , probably a cluster or a supercomputer. For example. become at least 10 processors or at least 100 processors, see processors IIa to lln. The number of processors can be less than 10 thousand. The CPUs 11 or central processing unit (s), the memory unit (s), the RAMs, the communication interfaces 15, 16 as well as the HMI 18 can be distributed over a plurality of physical computers, eg over more than ten or more as 100 computers or computer systems (data processing systems). The CPUs 11 operate in the prediction of instructions stored in the memory 12, see arrow P30. In addition, memory 13 is accessed by the CPUs 11 when the instructions are executed, see arrow 32.
Ein Betriebssystem, z.B. Linux oder Windows, das den Zweck hat ein Programm oder eine Software auszuführen, um die Funktionen des zentralen Informations -DE-Rechners zu erbringen siehe Klammer 21. An operating system, e.g. Linux or Windows, which has the purpose of executing a program or a software to perform the functions of the central information-de-computer, see parenthesis 21.
Programm (e) bzw. Software 30, die den Zweck haben: Program (s) or software 30 that have the purpose:
a) Echtzeitdaten 42, statistische Daten 43, 43a, 43b und Daten von den DN-Rechnern 50, 50a bis 50n in einer Datenbank 35 zu sammeln, a) real-time data 42 to collect statistical data 43, 43a, 43b and data from the DN computers 50, 50a to 50n in a database 35,
b) beginnend von den Voraussagen anfänglicher statistischer Funktionen bzw. Modelle 41, 41b, die Voraussagen des aktuel- len Modells 33 bzw. der aktuellen Modelle mit den Echtzeitdaten 42 und/oder mit den statistischen Daten in der Datenbank 35 zu vergleichen, sowie insbesondere die Funktionen bzw. die Modelle 33 bzw. das Modell 33 über die Online Modellanpassung 34 anzupassen, um die Daten aus der Datenbank 35 optimal nachzubilden. So können geeignete Modelle bzw. Funktionen automatisch aus einer Vorgabeliste ausgewählt werden oder Modellparametern bzw. Funktionsparameter können automatisch oder manuell verändert werden, b) starting from the predictions of initial statistical functions or models 41, 41b to compare the predictions of the current model 33 or the current models with the real-time data 42 and / or with the statistical data in the database 35, and in particular the Adjust functions or the models 33 or the model 33 via the online model adaptation 34 in order to optimally emulate the data from the database 35. So suitable models or functions can be selected automatically from a default list or model parameters or function parameters can be changed automatically or manually,
c) Lösen der Vorhersageaufgabe 32 mit der Hilfe geeigneter Lösungseinheiten 31, z.B. mit CPLEX (ursprünglich C Programming Language Simplex, jetzt ein Product von IBM (International Business Machines)), um eine Vorhersage zu bilden.
In der Figur 2 sind folgenden Vorgänge durch Pfeile P10 bis P22 angedeutet: c) Solving the prediction task 32 with the aid of suitable solution units 31, eg with CPLEX (originally C Programming Language Simplex, now a product of IBM (International Business Machines)) to form a prediction. 2, the following operations are indicated by arrows P10 to P22:
- Einlesen der Echtzeitdaten in die Datenbank 35, siehe Pfeil P10, Reading the real-time data into the database 35, see arrow P10,
- Lesen der Datenbank 35 zur Vorbereitung der Vorhersage durch die Einheit 32 zum Vorbereiten der Vorhersage, siehe Pfeil P12, Reading the database 35 for preparation of the prediction by the prediction preparation unit 32, see arrow P12,
- Verwenden der vorbereiteten Daten in der Lösungseinheit 31 (Solver) , sieh Pfeil P22, Using the prepared data in the solution unit 31 (solver), see arrow P22,
- Verwenden der Datenbank 35 für die Modellanpassung, siehe Pfeil P14, Using the database 35 for the model adaptation, see arrow P14,
- Onlineanpassung der Modelle, siehe Pfeile P16 und P18, - online fitting of models, see arrows P16 and P18,
- Übergabe der angepassten Modelle bzw. Funktionen an die Lösungseinheit 31, siehe Pfeil P20. - Transfer of the adapted models or functions to the solution unit 31, see arrow P20.
Auch die Vorhersagedaten können ggf. in der Datenbank 35 gespeichert werden. The prediction data may also be stored in the database 35.
Die Figur 3 zeigt Einheiten eines Dienstnutzungsrechners (DNR) 8 des Systems 4. FIG. 3 shows units of a service utilization computer (DNR) 8 of the system 4.
Die Clientkomponenten bzw. die DN-Komponenten 50 haben jeweils die folgenden Merkmale: Eine Kommunikationsschnittstelle 66 zu dem Server 10 bzw. zu dem DE-Rechner bzw. den DE-Rechnern, z.B. über Internet. The client components or the DN components 50 each have the following features: A communication interface 66 to the server 10 or to the DE computer or the DE computers, e.g. via Internet.
Eine Hardwareplattform bzw. Schaltungseinheiten, die aus einer Datenspeichereinheit 63, wie ein Flash-Speicher oder ei- nem EPROM (Electrically Programmable Read Only Memory) , Speichern mit wahlfreiem Zugriff 62 (RAM - Random Access Memory) und einem Einzelprozessor oder einem Mehrkernprozessor 61 bestehen bzw. diese Einheiten enthalten, z.B. eine kostengünstige eingebettete Rechnerarchitektur, insbesondere eine Rech- nerarchitektur mit geringen Betriebsspannungen, z.B. kleiner als 3,3 Volt und/oder mit reduziertem Befehlssatz, z.B. einen ARM (Acorn RISC Machine, RISC - Reduced Instruction Set Computer) Prozessor bzw. einen auf einem ARM Prozessor basieren-
den Prozessor. Die CPU 61 arbeitet bei der Erzeugung der Anforderung für eine Vorhersage bzw. beim Übermitteln der Vorhersage Befehle ab, die im Speicher 62 gespeichert sind, siehe Pfeil P40. Außerdem wird beim Ausführen der Befehle durch die CPU 61 auf den Speicher 63 zugegriffen, siehe Pfeil 42. A hardware platform or circuit units consisting of a data storage unit 63, such as a flash memory or an Electrically Programmable Read Only Memory (EPROM), Random Access Memory (RAM) 62 and a single-processor or multi-core processor 61 or contain these units, eg a cost-effective embedded computer architecture, in particular a computer architecture with low operating voltages, for example less than 3.3 volts and / or with a reduced instruction set, eg an ARM (Acorn RISC Machine, RISC-Reduced Instruction Set Computer) Processor or a processor based on an ARM processor. the processor. The CPU 61 operates to generate the request for prediction or transmit the prediction commands stored in the memory 62, see arrow P40. In addition, when executing the instructions, the memory 63 is accessed by the CPU 61, see arrow 42.
Ein Betriebssystem 70, z.B. ein eingebettetes Betriebssystem bzw. ein Betriebssystem für eine eingebettete Hardware, das den Zweck hat, die Programme der DN-Rechner 50 auszuführen. An operating system 70, e.g. an embedded operating system or operating system for the purpose of executing the programs of the DN computers 50.
Ein Programm 80, das den Zweck hat, oder Programme 80, die den Zweck haben: A program 80 that has the purpose or programs 80 that have the purpose:
a) ggf. die lokalen Informationen 91, 91a bis 91c bzw. Daten zu lesen, bspw. über: a) if necessary to read the local information 91, 91a to 91c or data, for example via:
- eine HMI 68, z.B. eine Eingabemaske, die auf einem Bildschirm angezeigt werden kann, an HMI 68, e.g. an input mask that can be displayed on a screen
- einen WEB (World Wide WEB) Server 84 bzw. WEB DE- Programm, auf den über einen Computer mit WEB-Browser bzw. einem Datensichtprogramm zugegriffen werden kann, und der mit der Kommunikationsschnittstelle 65 verbunden ist, oder - a WEB (World Wide WEB) server 84 or WEB DE program, which can be accessed via a computer with WEB browser or a data viewing program, and which is connected to the communication interface 65, or
- eine direkte Verbindung zu anderen Management Programmen, z.B. einem Verwaltungsprogramm für Elektro- tanksteilen, über die Kommunikationsschnittstelle 65, b) Ggf. Senden dieser lokalen Daten 91, 91a bis 91c über die Kommunikationsschnittstelle 66 zu dem Server bzw. DE-Rechner 10, a direct connection to other management programs, e.g. a management program for electric tank parts, via the communication interface 65, b) if necessary. Sending these local data 91, 91a to 91c via the communication interface 66 to the server or DE computer 10,
c) Zurücklesen bzw. Lesen des Vorhersageergebnisses (92) von dem Server (10) , c) reading back the prediction result (92) from the server (10),
d) Verfügbarmachen dieses Ergebnisses für die HMI (68) und/oder für die Kommunikationsschnittstelle (65) über den WEB-Server (84) und/oder direkt über die Kommunikations - schnittsteile (65) , d) making available this result for the HMI (68) and / or for the communication interface (65) via the WEB server (84) and / or directly via the communication interface parts (65),
e) Optionales Speichern der übermittelten lokalen Information (91) und der Vorhersageergebnisse (92) in einer Datenbank (83) für den Zugriff über die HMI (68), den WEB-Server (84) oder direkt über die Kommunikationsschnittstelle (65) . Die
Datenbank (83) gewährleistet, dass sensible Daten nicht zentral gespeichert werden müssen. Bspw. bietet die Datenbank die (83) die Möglichkeit vorherige Abfragen eines Tankstellenbetreibers zu speichern. e) optionally storing the communicated local information (91) and the prediction results (92) in a database (83) for access via the HMI (68), the WEB server (84) or directly via the communication interface (65). The Database (83) ensures that sensitive data does not have to be stored centrally. For example. the database offers (83) the possibility to store previous queries from a petrol station operator.
Die Programme 80 greifen bspw. auf Funktionen des Betriebssystems zurück, siehe Klammer 71. The programs 80, for example, use functions of the operating system, see bracket 71.
Die Figur 4 zeigt ein Koordinatensystem 100 zur Darstellung des erwarteten Energiebedarfs 110 einer Elektrotankstelle ETS, siehe Figur5, und der bestellten Elektroenergie 112. FIG. 4 shows a coordinate system 100 for representing the expected energy requirement 110 of an electric filling station ETS, see FIG. 5, and the ordered electric energy 112.
Das Koordinatensystem 100 hat eine horizontale x-Achse 102 auf der die Zeit t bspw. in Stunden dargestellt ist, wobei der nächste Tag betrachtet wird, .h. ein Zeitintervall von 0 Uhr bis 24 Uhr. Das Koordinatensystem 100 hat eine vertikale y-Achse 104 auf der die elektrische Leistung Pe bspw. in kW (Kilowatt) dargestellt ist. Ein Vorhersageintervall kn beträgt bspw. eine Viertelstunde. Es sei angenommen, das auf Grund der vom Betreiber der Elektrotankstelle eingegebenen lokalen Daten 92 und auf Grund der geltenden Echtzeitdaten 42, der Kurvenverlauf 110 für den folgenden Tag durch den Rechner 10 vorausgesagt worden ist, d.h. eine etwa gleich bleibende Nachfrage von 0 Uhr bis 10 Uhr, einem Ansteigen der Nachfrage bis etwa 13 Uhr, danach ein gleichmäßiges Abfallen der Nachfrage bis etwa 22 Uhr und einem erneuten Ansteigen von etwa 22 Uhr bis 24 etwa auf den Startwert . Coordinate system 100 has a horizontal x-axis 102 on which time t, for example, is represented in hours, with the next day being considered, .h. a time interval from 0 o'clock to 24 o'clock. The coordinate system 100 has a vertical y-axis 104 on which the electrical power Pe is represented, for example, in kW (kilowatts). For example, a prediction interval kn is fifteen minutes. It is assumed that, due to the local data 92 input by the operator of the electric filling station and due to the valid real-time data 42, the curve 110 for the following day has been predicted by the computer 10, i. an approximately constant demand from 0 o'clock to 10 o'clock, an increase of the demand until about 13 o'clock, then a steady decrease of the demand until about 22 o'clock and a renewed rise of approximately 22 o'clock to 24 approximately to the start value.
Ausgehend von der Vorhersagekurve wird durch das Vorhersage- System 4 oder ein Bestellsystem (Programm) der Elektrotankstelle ETS ein Zuschlag Z addiert, bspw. 5 Prozent. Der Zuschlag kann auch vom Betreiber der Elektrotankstelle ETS vor- gegeben werden und einen anderen Wert als 5 Prozent haben, insbesondere über den Tag verschiedene Werte. Mit dem Zuschlag Z resultiert im Beispiel eine Bestellkurve 112, die als Grundlage für eine Bestellung der für den nächsten Tag
benötigten Energie beim Netzbetreiber bzw. bei einem Stromlieferanten verwendet wird, insbesondere automatisch durch das Bestellsystemprogramm der Elektrotankstelle ETS . In der Figur 4 ist eine zu vermeidende Überschreitung 114 des bestellten Energiebudgets dargestellt. Die Überschreitung 114 ist im Vergleich zu dem Zuschlag Z über den Tag gesehen zwar klein, kann aber weit größere Auswirkungen für den Betreiber der Elektrotankstelle und/oder für das Energienetz haben als dieser Zuschlag. Deshalb wäre das System 4 in der Lage, diese Überschreitung 114 dadurch zu verhindern, dass die Vorhersage im Bereich von 5 Uhr entsprechend angehoben wird, womit zu dieser Zeit mehr Energie bestellt wird bzw. bspw. auf einen elektrischen Akkumulator zurückgegriffen wird. Based on the prediction curve, the forecasting system 4 or an ordering system (program) of the electric filling station ETS adds a surcharge Z, for example 5 percent. The surcharge may also be specified by the operator of the electric charging station ETS and have a value other than 5 percent, in particular different values during the day. The surcharge Z results in the example, an order curve 112, as the basis for an order for the next day required energy is used by the network operator or an electricity supplier, in particular automatically by the ordering system program of the electric filling station ETS. FIG. 4 shows an overshoot 114 of the ordered energy budget to be avoided. Although the overrun 114 is small compared to the supplement Z over the day, it can have far greater effects for the electric charging station operator and / or the power grid than this surcharge. Therefore, the system 4 would be able to prevent this overshoot 114 by correspondingly raising the prediction in the region of 5 o'clock, thus ordering more energy at that time, or, for example, using an electric accumulator.
Die Figur 5 zeigt eine Ladeinfrastruktur 150 mit einer Elektrotankstelle ETS. Die Ladeenergie wird über eine Freileitung, siehe Energiemast 152, oder über ein nicht dargestelltes Erdkabel geleitet. Ein Transformator 154 kann für eine Span- nungswandlung verwendet werden, bspw. von einer Mittelspannung auf eine Niederspannung von bspw. 380 Volt. Die transformierte Spannung steht dann an Ladestationen LS2 bis LSn zum Laden von Elektroautos 160 zur Verfügung. In der Figur 5 ist auch ein Radius R gezeigt, der einen Kreis um die Elektrotankstelle ETS herum festlegt. Der Radius R liegt bspw. im Bereich von 50 Kilometer bis 100 Kilometer. Der Radius R legt bspw. das Gebiet fest aus dem Verkehrsdaten bzw. Wetterdaten bei der Vorhersage durch das System 4 ver- wendet werden. Der Radius R kann für Verkehrsdaten bzw. Wetterdaten gleich sein oder es kann ein erster Radius Rl für Wetterdaten und eine zweiter Radius R2 für Verkehrsdaten verwendet werden, wobei der Radius R2 größer oder kleiner als der Radius Rl sein kann, insbesondere um mindestens 20 Pro- zent bezogen auf den Radius Rl . So könnte der Radius R bei erwartetem Fernreiseverkehr (Ferienbeginn oder Ferienende) größer gewählt werden als außerhalb der oder innerhalb der Ferien in einem Bundesland.
Der Radius R, Rl bzw. R2 kann fest vorgegeben sein oder als Parameter in den lokalen Daten 91 von den Clients 50 an den Server 10 übermittelt werden. FIG. 5 shows a charging infrastructure 150 with an electric charging station ETS. The charging energy is conducted via an overhead line, see energy mast 152, or via an unillustrated underground cable. A transformer 154 can be used for a voltage conversion, for example, from a medium voltage to a low voltage of, for example, 380 volts. The transformed voltage is then available at charging stations LS2 to LSn for charging electric cars 160. FIG. 5 also shows a radius R which defines a circle around the electric filling station ETS. The radius R is, for example, in the range of 50 kilometers to 100 kilometers. The radius R determines, for example, the area from which traffic data or weather data are used in the prediction by the system 4. The radius R may be the same for traffic data or weather data, or a first radius R 1 for weather data and a second radius R 2 for traffic data may be used, wherein the radius R 2 may be greater or smaller than the radius R 1, in particular by at least 20%. cents based on the radius Rl. Thus, the radius R could be chosen larger in expected long-distance travel (holiday start or end of the holiday) than outside or during the holidays in a federal state. The radius R, Rl or R2 may be fixed or transmitted as parameters in the local data 91 from the clients 50 to the server 10.
Die Ausführungsbeispiele sind nicht maßstabsgetreu und nicht beschränkend. Abwandlungen im Rahmen des fachmännischen Handelns sind möglich. Obwohl die Erfindung im Detail durch das bevorzugte Ausführungsbeispiel näher illustriert und be- schrieben worden ist, ist die Erfindung nicht durch die offenbarten Beispiele eingeschränkt und andere Variationen können vom Fachmann hieraus abgeleitet werden, ohne den Schutzumfang der Erfindung zu verlassen. Die in der Einleitung genannten Weiterbildungen und Ausgestaltungen können unterei- nander kombiniert werden. Die in der Figurenbeschreibung genannten Ausführungsbeispiele können ebenfalls untereinander kombiniert werden. Weiterhin können die in der Einleitung genannten Weiterbildungen und Ausgestaltungen mit den in der Figurenbeschreibung genannten Ausführungsbeispielen kombi- niert werden.
The embodiments are not to scale and are not restrictive. Modifications in the context of expert action are possible. Although the invention has been further illustrated and described in detail by the preferred embodiment, the invention is not limited by the disclosed examples, and other variations can be derived therefrom by those skilled in the art without departing from the scope of the invention. The further developments and configurations mentioned in the introduction can be combined with each other. The embodiments mentioned in the figure description can also be combined with each other. Furthermore, the refinements and embodiments mentioned in the introduction can be combined with the exemplary embodiments mentioned in the description of the figures.
Claims
1. Verfahren zum automatischen Ermitteln des Energiebedarfs (Pe) und/oder des Belegungsbedarfs einer Elektrotankstelle (ETS) , insbesondere einer Elektrotankstelle (ETS) mit einer Vielzahl von Schnellladesäulen (LS2 bis LSn) , enthaltend Vorgeben einer ersten Funktion (SW, SW*), die für Elektro- tankstellen (ETS) abhängig von einem Ortsdatum (1) den Ein- fluss von vorhergesagten Wetterdaten auf die an der Elektro- tanksteile (ETS) zu erwartende Anzahl (N) von Elektroautos (160) oder auf die an der Elektrotankstelle (ETS) zu erwartende Ladeenergieanforderung (D) für das Laden von Elektroautos (160) angibt, und/oder 1. A method for automatically determining the energy demand (PE) and / or the occupancy requirement of an electric filling station (ETS), in particular an electric filling station (ETS) with a plurality of rapid charging columns (LS2 to LSn), including predetermining a first function (SW, SW *) , for electric filling stations (ETS), depending on a local date (1), the influence of predicted weather data on the number (N) of electric cars (160) expected at the electric tank parts (ETS) or at the electric charging station (ETS) indicates expected charging energy requirement (D) for charging electric cars (160), and / or
Vorgeben einer zweiten Funktion (ST, ST*), die für Elektro- tanksteilen (ETS) abhängig von einem Ortsdatum (1) den Ein- fluss von vorhergesagten Verkehrsdaten (T) auf die an der Elektrotankstelle (ETS) zu erwartende Anzahl (N) von Elektroautos (160) oder auf die an der Elektrotankstelle (ETS) zu erwartende Ladeenergieanforderung (D) für das Laden von Elektroautos (160) angibt, Specifying a second function (ST, ST *) for the electric tank parts (ETS) depending on a location data (1) the influence of predicted traffic data (T) on the expected number at the electric charging station (ETS) (N) of electric cars (160) or the charging energy requirement (D) for the charging of electric cars (160) expected at the electric charging station (ETS),
Übermitteln eines Ortsdatums (1) einer Elektrotankstelle (ETS) oder eines Kennzeichens, aus dem das Ortsdatum (1) einer Elektrotankstelle (ETS) ermittelt werden kann, Transmission of a locality date (1) of an electric filling station (ETS) or of a plate from which the local date (1) of an electric filling station (ETS) can be determined,
Verwenden des übermittelten oder des ermittelten Ortsdatums (1) und der ersten Funktion (SW, SW*) und/oder der zweiten Funktion (ST, ST*) zum Ermitteln einer Vorhersage der an der Elektrotankstelle (ETS) zu erwartenden Anzahl (N) von Elektroautos (160) oder der an der Elektrotankstelle (ETS) zu erwartenden Ladeenergieanforderung (D) für das Laden von Elekt- roautos (160) . Using the transmitted or determined location datum (1) and the first function (SW, SW *) and / or the second function (ST, ST *) to determine a prediction of the number (N) of expected at the electric filling station (ETS) Electric cars (160) or the charging energy requirement (D) for the charging of electric cars (160) expected at the electric charging station (ETS).
2. Verfahren nach Anspruch 1, wobei die zu dem Ortsdatum (1) gehörende Elektrotankstelle (ETS) mindestens einen Ladeplatz, mindestens 2, mindestens 10 oder mindestens 15 Ladeplätze (LS2 bis LSn) für Elektroautos (160) enthält, wobei vorzugsweise jeder Ladeplatz (LS2 bis LSn) eine Leistung von mindestens 30 Kilowatt, von mindestens 50 Kilowatt oder von mindestens 70 Kilowatt hat.
2. The method of claim 1, wherein at the local date (1) belonging electric filling station (ETS) at least one loading space, at least 2, at least 10 or at least 15 charging places (LS2 to LSn) for electric cars (160), preferably each loading place ( LS2 to LSn) has a power of at least 30 kilowatts, of at least 50 kilowatts or of at least 70 kilowatts.
3. Verfahren nach einem der vorhergehenden Ansprüche, wobei ein erstes Wetterdatum (W) die Temperatur angibt und/oder wobei ein zweites Wetterdatum (W) den Luftdruck angibt und/oder wobei ein drittes Wetterdatum (W) die Windgeschwindigkeit angibt und/oder wobei ein viertes Wetterdatum (W) die Windrichtung angibt, 3. The method according to any one of the preceding claims, wherein a first weather date (W) indicates the temperature and / or wherein a second weather date (W) indicates the air pressure and / or wherein a third weather date (W) indicates the wind speed and / or a fourth weather date (W) indicates the wind direction,
wobei vorzugsweise ein Radius (R) kleiner als 100 Kilometer oder kleiner als 50 Kilometer um die durch das Ortsdatum (1) bezeichnete Elektrotankstelle (ETS) herum berücksichtigt wird . preferably taking into account a radius (R) less than 100 kilometers or less than 50 kilometers around the electric filling station (ETS) indicated by the location data (1).
4. Verfahren nach einem der vorhergehenden Ansprüche, wobei ein erstes Verkehrsdatum (T) das erwartete Verkehrsaufkommen angibt und/oder wobei ein zweites Verkehrsdatum (T) eine Baustelle angibt und/oder wobei ein drittes Verkehrsdatum (T) einen Stau angibt und/oder wobei ein viertes Verkehrsdatum (T) eine Großveranstaltung angibt, 4. Method according to one of the preceding claims, wherein a first traffic date (T) indicates the expected traffic volume and / or a second traffic date (T) indicates a construction site and / or wherein a third traffic date (T) indicates a traffic jam and / or a fourth traffic date (T) indicates a major event,
wobei vorzugsweise ein Radius (R) kleiner als 100 Kilometer oder kleiner als 50 Kilometer um die durch das Ortsdatum (1) bezeichnete Elektrotankstelle (ETS) herum berücksichtigt wird . preferably taking into account a radius (R) less than 100 kilometers or less than 50 kilometers around the electric filling station (ETS) indicated by the location data (1).
5. Verfahren nach einem der vorhergehenden Ansprüche, wobei die erste Funktion (SW, SW*) eine Abweichung bezogen auf einen Durchschnittswert angibt, vorzugsweise bezogen auf Wetterbedingungen, die einem durchschnittlichen Wetter für den durch das Ortsdatum angegebenen Ort entsprechen, und/oder wobei die zweite Funktion (ST, ST*) eine Abweichung bezogen auf einen Durchschnittswert angibt, vorzugsweise bezogen auf ein durchschnittliches Verkehrsaufkommen. 5. The method according to claim 1, wherein the first function (SW, SW *) indicates a deviation relative to an average value, preferably based on weather conditions that correspond to an average weather for the location specified by the location data, and / or wherein the second function (ST, ST *) indicates a deviation relative to an average value, preferably based on an average traffic volume.
6. Verfahren nach einem der vorhergehenden Ansprüche, wobei bei der Vorhersage statistische Daten (A, A*) aus der Vergan- genheit für die durchschnittliche Anzahl (N) von Elektroautos (160) oder für die an der Elektrotankstelle (ETS) zu erwartende durchschnittliche Ladeenergieanforderung (D) für das Laden von Elektroautos (160) verwendet wird.
6. Method according to one of the preceding claims, wherein in the prediction statistical data (A, A *) from the past for the average number (N) of electric cars (160) or for the expected at the electric charging station (ETS) average Charge energy requirement (D) for charging electric cars (160) is used.
7 . Verfahren nach einem der vorhergehenden Ansprüche, wobei die Vorhersage für mindestens 10 Zeitintervalle (k, kn) oder für mindestens 100 Zeitintervalle (k, kn) getroffen wird, wo- bei vorzugsweise ein Zeitintervall (k, kn) im Bereich von 5 Minuten bis zu einer halben Stunde liegt. 7. Method according to one of the preceding claims, wherein the prediction is made for at least 10 time intervals (k, kn) or for at least 100 time intervals (k, kn), wherein preferably a time interval (k, kn) in the range of 5 minutes up to half an hour.
8. Verfahren nach einem der vorhergehenden Ansprüche, wobei eine dritte Funktion (SP, SP*) vorgegeben wird, die für Elektrotankstellen (ETS) abhängig von einem Ortsdatum (1) und/oder abhängig von einem Zeitdatum (d) den Einfluss eines Preisdatums (P) auf die an der Elektrotankstelle (ETS) zu erwartende Anzahl (N) von Elektroautos (160) oder auf die an der Elektrotankstelle (ETS) zu erwartende Ladeenergieanforde- rung (D) für das Laden von Elektroautos (160) angibt, und/oder wobei die dritte Funktion (SP, SP*) bei der Vorhersage verwendet wird. 8. The method according to any one of the preceding claims, wherein a third function (SP, SP *) is specified, which for electric filling stations (ETS) depending on a local date (1) and / or dependent on a time date (d) the influence of a price date ( P) indicates the number (N) of electric cars (160) to be expected at the electric charging station (ETS) or the charging energy requirement (D) for charging electric cars (160) expected at the electric charging station (ETS), and / or wherein the third function (SP, SP *) is used in the prediction.
9. Verfahren nach einem der vorhergehenden Ansprüche, wobei vom Betreiber der Elektrotankstelle (ETS) innerhalb eines9. The method according to any one of the preceding claims, wherein the operator of the electric filling station (ETS) within a
Zeitraums kleiner als 10 Minuten mindestens zwei Anfragen (91a) oder mindestens drei Anfragen für Vorhersagen zu seiner Elektrotankstelle (ETS) gestellt werden, wobei mindestens ein Anfrageparameter (P) einen anderen Wert hat, vorzugsweise das Preisdatum (P) . At least two requests (91a) or at least three requests for forecasts are made to its electric charging station (ETS) less than 10 minutes, at least one request parameter (P) having a different value, preferably the price date (P).
10. Verfahren nach einem der vorhergehenden Ansprüche, wobei abhängig von der Vorhersage automatisch eine Bestellung der Energiemenge (Pe) ausgelöst wird, 10. The method according to any one of the preceding claims, wherein depending on the prediction automatically an order of the amount of energy (Pe) is triggered,
wobei vorzugsweise insbesondere automatisch ein Zuschlag (Z) im Bereich von drei Prozent bis 10 Prozent addiert wird, insbesondere bezogen auf Vorhersagezeitintervalle (k) . wherein, in particular, automatically a surcharge (Z) in the range of three percent to 10 percent is added, in particular based on prediction time intervals (k).
11. DV-Anlage (6, 10) oder DVA-Verbund, insbesondere zum Aus- führen mindestens eines Schrittes eines Verfahrens nach einem der vorhergehenden Ansprüche, enthaltend 11. DV system (6, 10) or DVA composite, in particular for carrying out at least one step of a method according to one of the preceding claims, containing
eine Vielzahl von Prozessoren (11), und a variety of processors (11), and
eine Speichereinheit (12, 13),
wobei die Speichereinheit (12, 13) mindestens ein Programm (20) enthält, bei dessen Ausführung durch den Prozessor (11) oder durch die Prozessoren (11) abhängig von einem übermittelten Ortsdatum (1) einer Elektrotankstelle (ETS) oder eines Kennzeichens, aus dem das Ortsdatum (1) einer Elektrotankstelle (ETS) ermittelt werden kann, a memory unit (12, 13), wherein the memory unit (12, 13) contains at least one program (20) when executed by the processor (11) or by the processors (11) depending on a transmitted location data (1) of an electric charging station (ETS) or a license plate where the local date (1) of an electric filling station (ETS) can be determined,
eine Vorhersage der an der Elektrotankstelle (ETS) zu erwartenden Anzahl (N) von Elektroautos (160) oder der an der Elektrotankstelle (ETS) zu erwartenden Ladeenergieanforderung (D) für das Laden von Elektroautos (160) getroffen wird. a prediction of the number (N) of electric cars (160) to be expected at the electric charging station (ETS) or of the electric vehicle charging load (D) to be expected at the electric charging station (ETS) is made.
12. DV-Anlage (6, 10) oder DVA-Verbund nach Anspruch 11, wobei eine erste Funktion (SW, SW*) verwendet wird, die für Elektrotankstellen (ETS) abhängig von einem Ortsdatum (1) und/oder abhängig von einem Zeitdatum (d) den Einfluss von vorhergesagten Wetterdaten (W) auf die an der Elektrotankstelle (ETS) zu erwartende Anzahl (N) von Elektroautos (160) oder auf die an der Elektrotankstelle (ETS) zu erwartende Ladeenergieanforderung (D) für das Laden von Elektroautos (160) angibt, und/oder 12. DV system (6, 10) or DVA composite according to claim 11, wherein a first function (SW, SW *) is used, which for electric filling stations (ETS) depending on a location data (1) and / or depending on a Time date (d) the influence of predicted weather data (W) on the number (N) of electric cars (160) expected at the electric charging station (ETS) or on the charging station (D) to be expected at the electric charging station (ETS) Indicating electric cars (160), and / or
wobei eine zweite Funktion (ST, ST*) verwendet wird, die für Elektrotankstellen (ETS) abhängig von einem Ortsdatum (1) und/oder abhängig von einem Zeitdatum (d) den Einfluss von vorhergesagten Verkehrsdaten (T) auf die an der Elektrotank- stelle (ETS) zu erwartende Anzahl (N) von Elektroautos (160) oder auf die an der Elektrotankstelle (ETS) zu erwartende Ladeenergieanforderung (D) für das Laden von Elektroautos (160) angibt , wherein a second function (ST, ST *) is used, which for electric filling stations (ETS) depends on a location data (1) and / or on a time date (d) the influence of predicted traffic data (T) on the electricity tank (E) indicates the expected number (N) of electric cars (160) or the charging load requirement (D) for the charging of electric cars (160) expected at the electric charging station (ETS);
und/oder wobei eine dritte Funktion (SP, SP*) verwendet wird, die für Elektrotankstellen (ETS) abhängig von einem Ortsdatum (1) und/oder abhängig von einem Zeitdatum (d) den Einfluss eines Preisdatums (P) auf die an der Elektrotankstelle (ETS) zu erwartende Anzahl (N) von Elektroautos oder auf die an der Elektrotankstelle (ETS) zu erwartende Ladeenergieanforderung (D) für das Laden von Elektroautos (160) angibt. and / or wherein a third function (SP, SP *) is used, which for electric charging stations (ETS) depends on a local date (1) and / or on a time date (d) the influence of a price date (P) on the Electric filling station (ETS) indicates the expected number (N) of electric cars or the charging energy requirement (D) expected at the electric charging station (ETS) for charging electric cars (160).
13. DV-Anlage oder DVA-Verbund nach Anspruch 12, wobei die erste Funktion (SW, SW*) und/oder die zweite Funktion (ST,
ST*) und/oder die dritte Funktion (SP, SP* ) automatisch ange- passt werden (34) . 13. The DV system or DVA network according to claim 12, wherein the first function (SW, SW *) and / or the second function (ST, ST *) and / or the third function (SP, SP *) are automatically adjusted (34).
14. DV-Anlage (6, 10) oder DVA-Verbund nach einem der Ansprü- che 11 bis 13, wobei mindestens eine Kommunikationseinheit der DV-Anlage (6, 10) oder des DVA-Verbunds mit mindestens 100 oder mit mindestens 1000 Dienstnutzungsrechnern pro Tag verbunden wird, insbesondere unter Verwendung des Internet - Protokolls . 14. DV system (6, 10) or DVA network according to any one of claims 11 to 13, wherein at least one communication unit of the computer system (6, 10) or the DVA network with at least 100 or at least 1000 service use computers per day, in particular using the Internet Protocol.
15. DV-Anlage (8, 50), insbesondere zum Ausführen mindestens eines Schrittes eines Verfahrens nach einem der vorhergehenden Ansprüche, enthaltend 15. Computer system (8, 50), in particular for carrying out at least one step of a method according to one of the preceding claims, containing
mindestens einen Prozessor (61) , und at least one processor (61), and
eine Speichereinheit (62, 63), a memory unit (62, 63),
wobei die Speichereinheit (62, 63) mindestens ein Programm (70) enthält, bei dessen Ausführung durch den Prozessor (61) eine Anforderung an einen zentralen DE-Rechner (8, 10) gesendet wird, eine Vorhersage der an einer Elektrotankstelle zu erwartenden Anzahl von Elektroautos (160) oder der an derwherein the memory unit (62, 63) contains at least one program (70), in the execution of which a request is sent to a central DE computer (8, 10) by the processor (61), a prediction of the number to be expected at an electric filling station of electric cars (160) or the at the
Elektrotankstelle (ETS) zu erwartenden Ladeenergieanforderung (D) für das Laden von Elektroautos (160) zu treffen.
Electric charging station (ETS) expected charging power requirement (D) for charging electric cars (160).
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102013208744.6 | 2013-05-13 | ||
DE102013208744.6A DE102013208744A1 (en) | 2013-05-13 | 2013-05-13 | Method for automatically determining the energy requirement and / or occupancy requirement of an electric filling station and associated computer systems |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2014183942A1 true WO2014183942A1 (en) | 2014-11-20 |
Family
ID=50549289
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/EP2014/057581 WO2014183942A1 (en) | 2013-05-13 | 2014-04-15 | Method for automatically ascertaining the power requirement and/or the occupancy requirement of an electric filling station, and associated dp installations |
Country Status (2)
Country | Link |
---|---|
DE (1) | DE102013208744A1 (en) |
WO (1) | WO2014183942A1 (en) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102014214567A1 (en) * | 2014-07-24 | 2016-01-28 | Siemens Aktiengesellschaft | Method for determining the energy consumption of electric vehicles and method for planning an energy network |
DE102020112436A1 (en) | 2020-05-07 | 2021-11-11 | Audi Aktiengesellschaft | Method for operating a motor vehicle and a corresponding motor vehicle |
US11642977B2 (en) * | 2020-07-09 | 2023-05-09 | Weave Grid, Inc. | Optimized charging of electric vehicles over distribution grid |
US11554684B2 (en) * | 2021-02-17 | 2023-01-17 | AMPLY Power, Inc. | Aggregating capacity for depot charging |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2385349A1 (en) * | 2010-05-06 | 2011-11-09 | Leica Geosystems AG | Method and guidance unit for guiding battery-operated transportation means to reconditioning stations |
US20120245750A1 (en) * | 2011-03-25 | 2012-09-27 | Kabushiki Kaisha Toshiba | Electric vehicle charging scheduling system |
WO2013029670A1 (en) * | 2011-08-31 | 2013-03-07 | Siemens Aktiengesellschaft | Method and arrangement for determining the magnitude of an amount of electrical energy |
-
2013
- 2013-05-13 DE DE102013208744.6A patent/DE102013208744A1/en not_active Withdrawn
-
2014
- 2014-04-15 WO PCT/EP2014/057581 patent/WO2014183942A1/en active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2385349A1 (en) * | 2010-05-06 | 2011-11-09 | Leica Geosystems AG | Method and guidance unit for guiding battery-operated transportation means to reconditioning stations |
US20120245750A1 (en) * | 2011-03-25 | 2012-09-27 | Kabushiki Kaisha Toshiba | Electric vehicle charging scheduling system |
WO2013029670A1 (en) * | 2011-08-31 | 2013-03-07 | Siemens Aktiengesellschaft | Method and arrangement for determining the magnitude of an amount of electrical energy |
Non-Patent Citations (3)
Title |
---|
C. WAGNER: "Second order continuum traffic flow model", PHYS. REV., vol. E54, 1996, pages 5073 - 5085 |
FEIXIANG XIE ET AL: "Research on electric vehicle charging station load forecasting", ADVANCED POWER SYSTEM AUTOMATION AND PROTECTION (APAP), 2011 INTERNATIONAL CONFERENCE ON, IEEE, 16 October 2011 (2011-10-16), pages 2055 - 2060, XP032162715, ISBN: 978-1-4244-9622-8, DOI: 10.1109/APAP.2011.6180772 * |
WERNER SCHNABEL; DIETER LOHSE: "Grundlagen der Straßenverkehrstechnik und der Verkehrsplanung", 1997, VERLAG FÜR BAUWESEN |
Also Published As
Publication number | Publication date |
---|---|
DE102013208744A1 (en) | 2014-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102016124109B4 (en) | POWER MANAGEMENT SYSTEM FOR AN ELECTRIC VEHICLE | |
DE102020103102A1 (en) | SYSTEM AND PROCEDURE FOR CHARGING A FLEET OF BATTERY ELECTRIC VEHICLES | |
DE102012105029A1 (en) | Electric power supply system | |
EP3678893A1 (en) | Method for reserving an electric charging station, and charging system | |
DE112019006669T5 (en) | CAPACITY CONTROL DEVICE AND PROGRAM | |
DE102019132735A1 (en) | OPPORTUNISTIC REFUELING FOR AUTONOMOUS VEHICLES | |
DE102017205968A1 (en) | A method for coordinating a power exchange between a plurality of small-scale technical units and an electrical transmission network | |
DE102012217911A1 (en) | Obtain data from sensors in the vehicle and provide consolidated averaged performance indicators | |
DE102014216054A1 (en) | System and method for assisting the driver of a motor vehicle in the selection of a gas station and motor vehicle | |
DE102013221891A1 (en) | Method and system for booking car sharing or car rental as well as navigation method and system | |
DE102022117028A1 (en) | Method for charging control of an electric vehicle | |
WO2014183942A1 (en) | Method for automatically ascertaining the power requirement and/or the occupancy requirement of an electric filling station, and associated dp installations | |
DE202022106297U1 (en) | Intelligent system for energy demand forecasting and sustainable energy management through machine learning and artificial intelligence | |
EP4338107A1 (en) | Method for operating an energy market platform for an energy trade for at least one aggregator by means of an electronic computing device, computer program product and energy market platform | |
WO2020043522A1 (en) | Method for controlling an exchange of energy between energy sub-systems in adjusted harmonised conditions; control centre; energy system; computer program; and storage medium | |
DE112018007239T5 (en) | ENERGY MANAGEMENT SYSTEM, ENERGY MANAGEMENT PROCEDURE AND PROGRAM | |
EP4012871B1 (en) | Method for the directed transmission of energy in the form of energy packets | |
DE102021105460A1 (en) | Allocating electrical energy to a group of electrical energy stores | |
WO2020200569A1 (en) | Coordination module, intelligent electricity meter, local energy market, energy system and method for operating an energy system | |
DE102017207281A1 (en) | Method and charging device for timing the charging of several electrical consumers connected to a distribution network strand and the integration of at least two charging stations in the distribution network strand | |
DE102010048258A1 (en) | Method for outputting information on charging stations for electric vehicle, involves detecting filter criteria that include information on type and price of energy, for output of information on charging stations | |
DE112018007893T5 (en) | PRODUCTION PLANNING DEVICE AND PRODUCTION PLANNING PROCEDURES | |
DE102022206967A1 (en) | Method for optimizing the electrical network load | |
EP3875308A1 (en) | Device and method for project design for e-charging infrastructures for motor vehicle service devices | |
DE102013207715A1 (en) | A method and energy trader selection arrangement for selecting an energy trader for at least one power terminal |
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: 14719254 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 14719254 Country of ref document: EP Kind code of ref document: A1 |