用于规划充电基础设施和供电网之间的功率交换的方法与流程

1.本发明涉及用于规划充电基础设施和供电网之间的功率交换的方法。本发明也涉及充电基础设施、尤其车队。


背景技术：

2.已知如下构思：使电动汽车也对于网络可用，即不仅在需要时从供电网对电动车的电存储器充电，而且也提供如下选项：暂时将来自这种电力存储器的电功率提供给供电网。这种技术概括为概念“车辆至电网(vehicle-to-grid)”(v2g)。所述构思例如在国际申请wo 03/062018 a2中描述或在所属的美国申请us 2005/0127855 a1中描述。
3.但是，对于多种系统服务，前提是非常高的可用性。因此，仅当车辆的电池在正确时刻以定义的荷电状态与充电点连接时，车辆的电池才能够对网络有用。在乘用车(pkw)的情况下，无论如何只要其是私人使用的，则这通常不能够确保。但是也在物流领域中的电动载重车辆的情况下，可能导致行驶规划中的偏差，使得荷电状态和时刻变化。
4.在欧洲优先权申请中，欧洲专利局检索了以下现有技术：：kou peng等人的:“stochastic coordination of plug-in electric vehicles and wind turbines in microgrid:a model predictive control approach”(ieee transactions on smart grid，ieee，usa,第7卷，第3期，2016年5月1日，第1537-1551页)以及us 2015/0298565 a1和us 2018/0170202 a1。


技术实现要素：

5.因此，本发明的目的在于解决所述问题中的至少一个问题。本发明的目的尤其是，改进规划性，特别用于支持供电网的电动车的可用性的时间和范围的可规划性。至少要对于至今已知的解决方案提出一个替选方案。
6.根据本发明提出根据权利要求1的方法。因此，所述方法涉及规划充电基础设施和供电网之间的功率交换。因此，经由所述充电基础设施，能够将电功率馈入到供电网中，但是也从供电网提取电功率。
7.充电基础设施具有多个充电终端，用于连接电动车和给其充电。充电终端能够在空间上分布，举几个示例，例如各种站点(公共交通城市清洁、垃圾清运)、仓库(邮政和包裹服务提供商)、港口(电动船、渡轮)、机场航站楼(机场基础设施的车辆、线路运行中的空中出租车)。因此，所述电动车能够经由这些充电终端与供电网交换电功率。借此，于是充电基础设施与供电网交换功率。充电终端能够在此控制电力存储器的充电或放电，但是也考虑，在如下电动车自身中进行控制或控制中的一部分，然而该电动车连接到相应的充电终端上。但是，电动车中的这种控制也能够从充电基础设施接收控制信号、特别用于待接收的或待输出的功率值的控制信号。
8.因此能够连接到充电基础设施上的每个电动车具有带有可变的单个荷电状态的电存储器，以便借此接收或输出电功率。
9.连接到充电基础设施上的所有电力存储器形成充电基础设施的总存储器，所述总存储器的特点在于总存储器容量和总荷电状态。就此而言，所述总存储器能够视为虚拟存储器，在所述虚拟存储器中，各个电动车的存储器容量加和。
10.总存储器容量是可变的，因为总存储器容量即取决于何种和多少电动车在分别观察的时刻连接到充电终端上和进而连接到充电基础设施上。换言之，如果电动车离开即驶离充电基础设施，则总存储器容量减小，而如果电动车抵达和连接，则总存储器容量增加。
11.此外，总荷电状态是可变的。相对于此附加地，电动车能够抵达充电基础设施并且电动车也能够又离开，但是其相应的个体化荷电状态也变化，因为即对其充电或放电，并且因此这也引起可变的总荷电状态。
12.还提出，创建电动车抵达其充电终端的抵达时间的预测。在此特别是已认识到，即使在能够在商业上使用和具有行驶规划的车队中，也不能够确定或仅能够差地或不精确地确定电动车抵达充电基础设施的抵达时间。道路交通特别也能够对于所述不确定性起重要作用。驶离时间对于规划充电基础设施和供电网之间的功率交换尽管也重要，但是其通常能够良好预设。
13.因此在此提出，对于抵达时间创建预测，这以下还予以详细描述。
14.根据抵达时间的预测来创建总荷电状态预测作为对于预测时间段的总荷电状态的预测。
15.在此，也为了阐述的目的，假定：充电基础设施即尤其车队的电动车在循环、尤其一天终止时返回充电基础设施，即抵达其充电终端，其中这逐步发生。每一次，当在此电动车抵达并且连接到其充电终端和进而充电基础设施上时，总存储器即所述虚拟总存储器的总容量和总荷电状态增加。因此，能够从抵达时间的预测导出和进而创建总荷电状态的预测。在此，附加地包括抵达的电动车的相应的荷电状态，尤其作为所述荷电状态的预测。
16.在此提出，创建总荷电状态预测作为总荷电状态的时间变化曲线。总荷电状态的所述时间变化曲线因此反映：所述电动车如何或何时逐步地抵达其充电终端和进而抵达充电基础设施。于是，能够使用总荷电状态的所述时间变化曲线，以便规划尤其预设充电基础设施和供电网之间的功率交换。即能够规划功率交换，使得能够使用根据总荷电状态的时间变化曲线预期的可用的能量用于馈入，其中时间变化曲线说明：何时能够馈入多少功率。但是，鉴于总存储器容量的总荷电状态也给出如下信息：能够从供电网提取多少能量，进而，能够在特定的时间段上从供电网提取多少功率，以便将所述功率存储到存储器中。从总荷电状态能够导出，必须从电网提取多少能量，以便给存储器充电。
17.尤其提出，根据电动车的行驶规划来创建总荷电状态预测。在此，尤其基于使用车队来规划交换交换功率的构思并且在此考虑关于各个电动车的所规划的行驶的具体信息(电力的概念，并在此过程中考虑了有关各个电动车辆的计划行程的特定信息。)。借此，相对于大量电动车的纯统计学观察能够实现显著改进。这种车队、或不同组织的电动车组能够由此作为共同电网用户包括在电网规划中，而仍然能够单独考虑各个车辆。对于作为单元的车队，借此可实现高精度。
18.根据一个方面提出，在预测时间段之前至少一天创建总荷电状态预测。在此特别是已认识到，尤其如果商业地使用电动车，电动车的行为每天重复和一天的规划对下一天是有意义的，但是也考虑更大间隔、例如一周。但是也附加地认识到，通常提前至少一天执
行供电网的功率或能量规划。通常在中午或在下午早些时候执行这种规划，其中消费者特别也预告其份额或甚至直接订购。特别在此情况下，充电基础设施应做出贡献并从而在相关时间段之前几分钟或几小时的预先规划或预测几乎无帮助，因为那时供电网中的规划已经结束。能够在物流领域中的多天循环可行的应用时提供多天时间段。
19.对应地，也提前至少一天做出抵达时间的预测。这通常也意味着，几乎没有相应车辆的当前值能够包含在预测中，即，车辆当前是否遇到拥堵或开错路。在至少一天的预先规划中，则通常在要预测抵达时间的相关日子甚至不启动相应电动车。因此，预测必须以其他标准为导向，这将在下面予以阐述。然而，这并不排除也还在比一天更短的时间段内重新调整现有预测，以便也还修正同样已经存在的规划。
20.根据一个方面提出，对于每个单个荷电状态创建单个荷电状态预测，尤其作为单个荷电状态的时间变化曲线，并且附加地根据单个荷电状态预测来创建总荷电状态预测。
21.尤其是，这种单个荷电状态预测可以分别涉及在相应电动车抵达时假定即预测的荷电状态。在最简单的情况下，时间变化曲线可显得，即所述初始值在时间上恒定。但是也考虑抵达之后的改变，例如通过小的自放电或通过即使在车辆停放时也应维持的功能引起的改变。仅举一个例子，其中例如能够包括抗霜冻运行的加热。
22.在每种情况下，单个荷电状态预测都包含到总荷电状态预测中。总荷电状态预测特别引起随时间增加的总荷电状态，即通过分别另外抵达的电动车引起的总荷电状态。
23.根据一个方面提出，根据以下预测信息中的至少一个预测信息创建抵达时间的预测。
24.作为用于抵达时间的预测信息，提出关于相应电动车的行驶规划的信息，所述行驶规划具有所规划的行驶时间和可选地所规划的行驶路段。所规划的行驶时间也包含所规划的抵达时间并且所规划的行驶时间能够在预测时作为基础并且然后根据关于预测的抵达时间的另外的预测信息改变。仅举几个例子，根据车辆类型，行驶规划也能够代表轮渡规划、飞行规划、服务规划或部署的交付线路。
25.作为用于抵达时间的另外的预测信息，提出对于相应电动车相关的区域的当前交通基础设施信息。这种当前交通基础设施信息例如是施工和/或绕路。由于道路损坏的临时速度限制也可以属于此，但是完成绕行道路也属于此。从中能够导出假定电动车较早还是较晚抵达。这能够与关于行驶规划的信息组合，其方式为：例如根据行驶规划从抵达时间开始，但然后基于交通基础设施信息对抵达时间进行改进。
26.作为用于抵达时间的预测信息，提出对于相应电动车存储的过去若干天或过去同类的线路的抵达时间。特别能够由过去若干天的抵达时间形成平均值并且必要时也考虑所述抵达时间的变动。能够添加另外的信息如所提到的交通基础设施信息，以便估测是否能够达到示例性提到的平均值，或可以预期有延误还是更早抵达。
27.作为预测信息能够使用天气预测。从天气预测能够直接或间接确定对抵达时间的作用。间接的考虑例如能够在于，在多雨天气的情况下预期有更高的交通量并从而预期延误，而在干燥晴朗的天气的情况下预期更小的交通量。直接的信息例如能够从冰面或降雪导出，因为即使在良好的交通状况下，所述电动车也可能不能够快速行驶。
28.作为用于抵达时间的预测信息，提出关于影响对于相应电动车相关的区域的交通量的事件的信息。这种事件能够是已预告的示威或重大事件如大型体育活动。后者特别视
时刻而定会引起升高的或降低的交通量。只要活动绑定了大量观众，则交通量低，但是如果大量观众在窄时间范围内离开活动，则交通量高。对应地，这影响抵达时间。
29.作为预测信息也能够提出分别关于相应电动车的驾驶员和/或关于相应电动车的驾驶行为的信息。经验值通常引起，一些驾驶员——出于这种原因也总是——较早返回，而其他人较晚返回。这特别是在如下情况下也会影响相应电动车的驾驶行为，即电动车固定地配属有驾驶员。但是也考虑，车辆例如出于技术原因不同地表现。例如与借助大型车辆相比，借助小型车辆能够更容易绕过拥堵。
30.可知和部分也已阐述，用于抵达时间的所有所述预测信息也能够组合地考虑。所有所述预测信息通常也提前一天就已知并且因此能够也包含到应在预测时间段之前一天以上创建的预测中。
31.根据一个方面，根据用于单个荷电状态的以下预测信息中的至少一个预测信息创建单个荷电状态预测。
32.作为用于单个荷电状态的预测信息，提出关于相应电动车的行驶规划的信息，所述行驶规划具有所规划的行驶时间和可选地所规划的行驶路段。从所述行驶时间和必要时行驶路段能够导出电动车消耗多少能量。对应地能够估测，其相应的单个荷电状态如何改变和进而估测当电动车返回其充电站时其大约具有何种值。
33.作为用于单个荷电状态的预测信息，提出关于电动车的特性尤其电动车的存储器的特性的信息。特别在此考虑存储器的损耗程度。存储器的所述损耗程度能够从其行为导出，但特别也能够从如下中导出：所述电力存储器已经执行多少充电-放电循环。关于这种循环的信息通常可供充电控制装置使用并且因此简单地可获得。
34.作为用于单个荷电状态的预测信息，提出关于根据过去若干天或线路的检测在抵达充电终端时对于相应电动车存储的单个荷电状态的信息。因此，考虑过去的分别在电动车抵达时记录的测量到的单个荷电状态。特别在此能够形成在分别过去的抵达时间的所述荷电状态上的平均值。补充地，能够考虑这种荷电状态的变动。只要边界条件保持不变，则这种平均值已经能够形成用于对应的单个荷电状态的良好预测。
35.作为用于单个荷电状态的预测信息，提出关于当相应电动车与其充电终端分离时在行驶开始时该电动车的可预设的单个荷电状态的信息。因此考虑初始荷电状态，初始荷电状态在行驶开始时存在并且然后从初始荷电状态减去预期的消耗。在此考虑，在超过一天的预测中不能够检测所述初始单个荷电状态，而是必须假定。作为假定使用可预设的单个荷电状态，其即也能够被预设，因为其最后在充电结束的时刻被确定。因此，通过对应地控制充电，能够预设所述单个荷电状态。
36.在此因此在预测时间段之前立刻开始行驶。但是优选地提前一天、即在预测时间段开始之前提前一天、并进而也在考虑可预设的单个荷电状态的行驶开始之前创建待创建的预测。
37.作为用于单个荷电状态的预测信息，提出对于相应电动车相关的区域的当前交通基础设施信息。在此已认识到，不仅抵达时间或其延迟可能受到这种交通基础设施信息如施工或绕路的影响，而且荷电状态也与其相关，因为消耗即由此会改变。
38.作为用于单个荷电状态的预测信息，提出考虑天气预测。在此也已经认识到，天气也能够直接或间接影响消耗并进而影响荷电状态。关联关系能够与其在上文中对于用于抵
达时间的预测信息描述类似。
39.作为用于单个荷电状态的预测信息，也提出关于影响对于相应电动车相关的区域的交通量的事件的信息。同样在上文中已经阐述的这种事件也能够影响消耗并进而影响荷电状态。
40.作为用于单个荷电状态的预测信息，也提出分别关于相应电动车的驾驶员和/或关于相应电动车的驾驶行为的信息。这也如上所述不仅影响抵达时间，而且也能够影响消耗。
41.作为用于单个荷电状态的预测信息，也提出关于电动车的状态的信息、尤其关于电动车的存储器的状态的信息。特别考虑，电力存储器随着损耗增加会具有更高的自放电或更低的效率，这因此影响荷电状态。对应地损耗的电力存储器也在其充电容量方面减小，这引起，完全荷电状态小于在相同的但是新的电力存储器中的完全荷电状态，使得在行驶结束时剩余荷电状态也更小。电动车的存储器的温度也能够是预测信息。电力存储器的温度也能够作用于其容量，这能够将其考虑在内。
42.作为用于单个荷电状态的预测信息，提出关于单个荷电状态的检测的模型不精确性或误差的信息。如果由此基于错误的初始荷电状态，则检测的这种不精确性会是特别重要的，错误的初始荷电状态然后也在返回充电站时作用于最终荷电状态。但是，即如果考虑并进而即对应地错误或不精确地考虑过去的这种荷电状态，则在返回时对单个荷电状态的检测也会是重要的。在此也提出，在单个荷电状态预测时考虑这。
43.即使在涉及用于单个荷电状态的可能预测信息的所有这些信息的情况下，考虑如也从各个作用的阐述直接得出的信息的组合。
44.根据一个方面提出，在创建总荷电状态预测之后，根据至少一个变化信息改变所述总荷电状态预测。因此能够重新调整总荷电状态预测。这在一天结束之后也还考虑。在此已认识到，虽然希望对于一天以上的时间段的预测，但是一些变化是不可避免的，并且于是更好是，短期仍调整总预测并且尤其对应地告知电网运营商或电力供应商。
45.特别考虑，在此根据抵达时间的预测的变化和/或根据单个荷电状态预测的变化来改变总荷电状态预测。于是，这些变化或关于这些变化的信息能够分别形成变化信息、或变化信息的一部分。
46.优选地，对于提前多于一个循环、尤其多于一天创建总预测并且尤其如上所述基于在相应电动车的行驶方面的各种假定。所述假定尤其预计在当前还未开始的一个时间段中的交通状况或驾驶行为或电力存储器的性能。但是，如果现在在行驶期间在预测时间段不久前出现变化，尤其出现显著变化，如例如抵达时间极大延误的交通事故，则这能够是涉及抵达时间的预测的变化的变化信息。抵达时间的改变的预测也能够视为变化信息。
47.此外，电动车自身通常具有不断确定荷电状态的传感器。所述信息能够尤其经由无线电传输并且所述信息能够被检验，相应的单个荷电状态的预计的行为是否与此协调或至少基本上协调。如果存在大的偏差，则假定，在抵达时刻也导致单个荷电状态的偏差。所述假定因此是单个荷电状态预测的变化并且这形成变化信息，随着变化信息，总荷电状态预测改变，即能够匹配于改变的状态。
48.根据一个方面提出，在创建抵达时间的预测之后，根据用于抵达时间的至少一个附加信息改变抵达时间的预测。在此，在创建总荷电状态预测之后，因此与在改变总荷电状
态预测时类似地进行。作为用于抵达时间的可能的附加信息，提出用于单独使用或彼此组合使用的以下信息：
[0049]-关于改变尤其手动改变行驶规划的信息。已认识到，例如在特殊活动或短期绕路时也考虑短期行驶规划变化，并且因此提出，考虑这和必要时验证抵达时间的预测。
[0050]-关于检测到的交通状况和/或关于交通状况的短期预测的信息。在此已认识到，也能够出现在此应考虑的交通状况的短期变化。此外，事故也能够引发交通状况的短期预测，因为无论在事故位置处还是在已知的绕行路段处，通常在事故之后就有拥堵。
[0051]-关于在创建总荷电状态预测之后的当前天气或对于预测空间创建的短期天气预测的信息。在此也已认识到，现今虽然天气预测持续数天，然而天气预测仍然可能有误差并且在一天内也可能变化。这也提出重新调整抵达时间的预测。在此能够考虑当前天气现象，如出现的雪花飘舞，或这也能够在超过一小时或几小时、尤其小于十小时的短期预测中可知。
[0052]-关于电动车的当前位置与根据行驶规划所规划的位置的偏差的信息。在此已认识到，在执行行驶规划的一天的过程中可识别到偏差。通常，在一天的过程中不再能够弥补延误，或能够至少评判，这种延误是否或在何种程度上仍然能够弥补。
[0053]-关于电动车的装载或平均人员占用的信息。在此原则上也基于平均或占用来创建预测。但如果存在偏差，则这会作用于抵达时间。特别在短途交通的车辆中有很多人的情况下，高的人数会表示：车辆更频繁和/或更长时间地停车用以上下车。在电动车的装载中也存在类似考虑，该电动车对应地需要更多时间来卸载。车辆的行驶动态性也可能受到影响并从而提出，作为附加信息使用这用于重新调整抵达时间的预测。
[0054]
根据一个方面提出，在创建单个荷电状态预测之后，根据用于单个荷电状态的至少一个附加信息改变单个荷电状态预测。在此也已认识到，即在创建预测之后，短期出现变化并且能够分别影响单个荷电状态。因此提出重新调整。为此对于单个或组合的观察，将以下用于单个状态的附加信息看作为有意义的：
[0055]-关于检测到的交通状况和/或交通状况的短期预测的信息。已认识到，也能够检测交通状况的这种短期变化并且能够影响单个荷电状态。导致绕行的特别突然出现的拥堵能够影响荷电状态。
[0056]-关于在创建总荷电状态预测之后的当前天气或对于预测空间创建的短期天气预测的信息。这种短期改变的天气预测也能够影响荷电状态并从而提出单个荷电状态预测的匹配。首先，冷的天气可能降低电池的效率并且提高加热器的消耗。同样的情况适用于热的天气和晴天，这可能导致空调方面更高的消耗。
[0057]-关于电动车的当前位置与根据行驶规划所规划的位置的偏差的信息。行驶规划偏差通常也表明车辆也与规划不同地行驶并进而存在其他消耗，使得这影响荷电状态。特别提出，在此通过位置监控，尤其借助于gps确定电动车的位置并且将其与行驶规划进行比较。然后，对荷电状态的作用例如能够也经由经验值导出。这种改变的位置，因此车辆例如落后原始行驶规划，通常也能够包含指示：也预期有执行行驶规划的进一步延误和变化。这也能够用于调整单个荷电状态过程。
[0058]-关于电动车的装载或平均人员占用的信息。这两者影响电动车的重量和进而影响其消耗。因此，重新调整单个荷电状态预测被看作为有意义的。
[0059]-关于电动车的单个荷电状态、尤其与相关联的时刻和/或相关联的位置一起。由此能够与原始预测所基于的单个荷电状态或单个荷电状态变化曲线进行比较。据此，能够执行对单个荷电状态预测的调整。尤其能够执行对单个荷电状态的实时检测并从而也立即用于调整单个荷电状态预测。
[0060]
i但是也考虑，与单个荷电状态一起记录时刻和/或位置。所述时刻或所述位置是相关联的时刻或相关联的位置。与此一起，还能够更好地与行驶规划进行比较。特别能够检查，何时在哪个位置出现何种实际荷电状态。例如，如果检测到的荷电状态落后在该时刻预测的或假定的荷电状态之间，但是车辆相对于其按照行驶规划的位置超前，这对于预测的单个荷电状态造成了不同于以下情况的后果(在理想情况下无后果)：在检测到的荷电状态落后并且车辆在其他情况下按照行驶规划在途中或者甚至该车辆未按照它的行驶规划而落后时。因此能够经由此同样执行对单个荷电状态预测的重新调整(这对预测的个体状态有不同的结果充电-在理想的情况下特别是没有后果-如果获得的充电状态轨迹和车辆以其他方式根据时间表或什至是除时间表之外的轨迹行驶。)。
[0061]
根据一个方面提出，借助于对应的预测模型，即借助于用于抵达时间的预测模型、用于单个荷电状态的预测模型或用于总荷电状态的预测模型来创建和/或改变抵达时间的预测、单个荷电状态预测和/或总荷电状态预测。特别在这种预测模型中分别实施所述功能性中的至少一个功能性。
[0062]
用于总荷电状态的预测模型能够特别构成为，使得其获得抵达时间的预测和单个荷电状态的预测作为输入变量。用于总荷电状态的预测模型能够特别通过如下方式确定总荷电状态变化曲线：在相应时间根据获得的抵达时间将相关联的单个荷电状态加和到总荷电状态。由此能够针对每个新的抵达时间获得用于总荷电状态变化曲线的改变的值。在加和单个荷电状态的第一值之前，总荷电状态变化曲线的初始值能够为零。
[0063]
用于抵达时间的预测模型例如能够基于用于相应车辆的经验值或平均抵达时间并且加上带有也可以为1的权重因数的确定的变化。变化能够在于，抵达时间的最后检测到的值与至今作为平均确定的抵达时间偏差并且所述偏差于是为待考虑的变化。针对所述示例，所述变化能够与《1的正的权重因数相乘并且被加上。
[0064]
权重因数例如能够为0.1并且会引起渐进地逼近所述新值，如果对相同的新的抵达时间总是检测十次，则所述新值在十步之后已经降低63％的偏差。因此得出新值，所述新值能够假定为新的平均值，并从而能够逐渐地在下一计算中作为基础。但是，只要考虑特殊性，如例如只要存在就导致可预测的绕行又需要可良好计算的时间的施工，则这可以直接即以权重因数1被加上。
[0065]
在单个荷电状态预测中并进而在预测模型中可以完全类似地进行。这也能够从初始平均值开始，或替选地从作为初始值的经验值开始，并且然后在有随机偏差的情况下逐渐跟踪所述经验值，或在有可明确计算的偏差的情况下根据符号被加上，或当然被减去。
[0066]
相应的模型因此映射了待预测的变量与分别考虑的输入变量有关的表现。由此能够考虑用于预测的表现。用于抵达时间的预测模型特别映射了抵达时间根据对应的输入变量即与对应的信息或附加信息有关的表现。同样的情况适用于用于单个荷电状态的预测模型，其映射了单个荷电状态根据对应的输入变量即与对应的信息或附加信息有关的表现。这两个模型能够组合在用于总荷电状态的预测模型中。
[0067]
根据一个方面提出，借助于用于抵达时间的预测模型创建和/或改变抵达时间的预测。预测模型考虑用于抵达时间的至少一个预测信息来创建抵达时间的预测作为模型输入，并且预测模型考虑用于抵达时间的至少一个附加信息来改变抵达时间的预测作为另外的输入变量。尤其提出，考虑用于抵达时间的至少一个附加信息作为干扰变量。
[0068]
因此，预测模型能够尤其在长于一个循环之前、尤其长于一天之前、即基于用于抵达时间的至少一个预测信息执行预测并且附加地即基于至少一个附加信息来调整预测。借此，这两个方面，即创建抵达时间的预测和改变或重新调整抵达时间的预测能够在预测模型中统一。预测模型能够在此仍然分离地或先后输出多个预测。因此，能够输出尚未使用附加信息的预测(因为所述附加信息甚至尚不存在)，用于规划、即用于超过一天的长期规划，特别是输出给电网运营商或电力营销商。但在此期间，当更短的时间段开始时，可以重新调整并且然后再次输出所述预测，即作为经调整的预测。所述输出能够先后或在两个分离的输出通道中进行。
[0069]
在这种意义上根据一个方面提出，借助于用于单个荷电状态的预测模型创建和/或改变单个荷电状态预测，考虑用于单个荷电状态的至少一个预测信息来创建单个荷电状态预测作为模型输入，并且考虑用于单个荷电状态的至少一个附加信息来改变荷电状态预测作为另外的输入变量，尤其作为干扰变量。就此而言，所述用于单个荷电状态的预测模型能够按意义与用于抵达时间的预测模型相同地工作，即如上描述。
[0070]
对于两个模型还适用，考虑相应的附加信息作为干扰变量。因此能够也借助于控制技术模型实现，所述控制技术模型获得预测信息作为输入变量并且获得附加信息作为干扰变量。对于这种受控系统，附加信息因此形成干扰变量，但是干扰变量在输入变量的意义上被输入到模型中。
[0071]
在此特别也基于如下认知：附加信息实际作用为干扰变量。附加信息能够即意外和/或随机出现。对于每个观察的情况，附加信息中的许多附加信息不具有随机特性，总体上，即经由许多天、许多月或甚至许多年，其但是可能形成随机变量。因此，在此提出考虑作为干扰变量。
[0072]
完全类似地根据一个方面提出，借助于用于总荷电状态的预测模型创建和/或改变总荷电状态预测，其中用于总荷电状态的预测模型分别对于所考虑的电动车考虑用于抵达时间和/或用于单个荷电状态的至少一个预测信息作为模型输入，并且考虑用于抵达时间和/或用于单个荷电状态的至少一个附加信息作为另外的输入变量，尤其作为干扰变量。因此，所有所述信息能够包含在总模型，即用于总荷电状态的预测模型中。
[0073]
此外或替选地提出，用于总荷电状态的预测模型分别对于所考虑的电动车包含用于抵达时间的预测模型和用于单个荷电状态的预测模型，组合成新模型和/或模拟为组合模型。以这种方式和方法，能够以简单的方式和方法创建用于总荷电状态的预测模型，即，其方式为：包含用于抵达时间的预测模型和用于单个荷电状态的预测模型。针对每电动车能够设有这些预测模型中的各一个预测模型。但是也能够提出，分别针对每个电动车使用相同的模型，但是分别具有经调整的数据组。除此之外，能够在过程计算机中实现这种模型，不仅对于这些模型单独而且也对于用于总荷电状态的预测模型总体实现这种模型。
[0074]
根据一个方面提出，适配地改变抵达时间的预测的创建，其方式为：分别将对于预测时间段的抵达时间的预测与实际在预测时间段中出现的抵达时间进行比较并且根据比
较来调整预测的将来创建，其中重复、尤其每循环尤其每天重复所述适配，即重复、尤其每循环尤其每天重复比较并且与所述比较相关地重复、尤其每循环尤其每天重复调整。
[0075]
在此已认识到，抵达时间基于所使用的信息和概率考虑仍还可能具有不精确性并因此借助于所提出的适配实现抵达时间的预测的附加改进。特别能够在此确定适配因数或适配的修正值，或在其参数化中调整预测模型。
[0076]
尤其能够在每次重复中改进调整或适配。特别是，适配因数或附加修正值、或预测模型的参数尤其能够渐进地逼近理想值。这例如能够在所提出的附加修正值的情况下如下执行。
[0077]
在预测的抵达时间和检测到的抵达时间之间进行比较时，形成差并且将所述差与处于零和1之间的权重因数相乘并且将结果加到现存的附加修正值上。能够使用值零作为用于所述现存的附加修正值的初始值。例如，如果权重因数设置为0.1，并且如果在预测的抵达时间和实际抵达时间之间，在不考虑附加修正值的情况下，总是得出相同的差，则将在所述例子中渐进地逼近所述差的修正值，其中修正值在示例性提到的权重因数为0.1时在十步之后以63％逼近理想值。
[0078]
以类似的方式也能够在其他参数的情况下进行。在适配因数的情况下，例如能够将附加修正值换算成适配因数。为此，能够将预测的抵达时间加上附加修正因数除以无所述修正因数的所预测的抵达时间。因此得出适配因数，其特别处于0.9至1.1的范围中，这也与抵达时间的时间基准相关。为此应确定时间基准，其定义零时刻作为时间基准，因为与荷电状态不同，该时间不具有自然的初始点。例如能够使用在预期的抵达时间之前一小时的时刻作为时间基准。因此，相对于所述时间基准，预期的抵达时间为一小时。
[0079]
一般地，预测的基于检测到的抵达时间的每个适配的修正都能够基于任意参数化或如下模型：所述模型的参数或自由度借助于记录的观察数据和过去的预报来优化。
[0080]
此外或替选地提出，适配地改变单个荷电状态预测的创建，其方式为：分别将对于预测时间段的单个荷电状态预测与实际在预测时间段中出现的单个荷电状态进行比较并且根据比较来调整预测的将来创建，其中重复、尤其每循环尤其每天重复所述适配，即重复、尤其每循环尤其每天重复比较并且与所述比较相关地重复、尤其每循环尤其每天重复调整。
[0081]
在此能够因此如在抵达时间的预测的适配时类似地进行。类似于时间基准，只是不需要为单个荷电状态定义基准，因为荷电状态实际具有绝对零值，即完全放电。换言之，0％的荷电状态是明确的。
[0082]
因此，在此也做出与对于抵达时间的预测的适配相同的建议，尤其能够创建用于单个荷电状态预测的适配因数或附加修正值，或附加地调整用于单个荷电状态的预测模型的参数。
[0083]
根据一个方面提出，用于抵达时间的预测模型实施为适配的模型，适配的模型根据预测的抵达时间和对此发生的抵达时间之间的比较来调整一个或多个模型参数。如已经描述的那样，能够由此改进预测。
[0084]
例如能够调整模型参数，使得由预测的抵达时间和发生的抵达时间之间的比较来计算回模型参数，使得因此例如算出，必须如何设定模型参数，以便分别替代预测的抵达时间获得发生的抵达时间。由此，能够导出模型参数相对于想象的理想模型参数的比较或差。
以这种方式，能够分别针对模型参数确定适配因数或附加修正值，如这在上文已经在不同上下文中阐述的那样。替选地，能够针对例如在模型输出端处实现的模型总体上确定适配因数或附加修正值。
[0085]
同样地，作为一方面提出，用于单个荷电状态的预测模型实施为适配的模型，适配的模型根据预测的单个荷电状态和对此发生的单个荷电状态之间的比较来调整一个或多个模型参数。在此能够如在适配的用于抵达时间的预测模型中类似地进行。
[0086]
也能够通过如下方式适配模型参数：基于检测到的输入/输出变量辨识来自相应的模型的输入/输出性能的模型参数并且通过传递函数进行当前模型参数与(新)辨识的模型参数的适配。在线性情况下，能够以针对模型参数建立和借助于伪逆(pseudo-inversen)求解方程组的方法执行对模型参数的辨识。
[0087]
根据一个方面提出，在创建总荷电状态预测时和/或在创建抵达时间的预测时和/或在创建单个荷电状态预测时分别执行概率评估。因此，相应的预测配属有概率评估、尤其概率分布。概率评估、尤其概率分布也能够形成预测本身。例如能够针对抵达时间指明所述概率分布并且所述概率分布指明，电动车以怎样的概率最晚在预测的或预设的抵达时间抵达。值例如能够为90％。对于更晚的抵达时间，例如晚四分之一小时，所述概率评估说明，电动车以怎样的概率最迟在所述第二、即15分钟后的抵达时间抵达。对于这种评估类型，所述值在所提到的示例中在逻辑上必须高于90％并且例如能够为95％。以这种方式和方法，能够确定多个值并且得出概率分布。
[0088]
类似地，能够评估单个荷电状态预测，其方式为：对于不同单个荷电状态说明电动车多大概率至少具有相应荷电状态。在0％时，所述值在逻辑上是1，而对于100％趋近于零。在此，能够基于电动车到达其充电终端的时刻。
[0089]
对于总荷电状态预测，也提出这种概率评估、特别概率分布。总荷电状态预测在此原则上稍微更复杂，因为其设置作为总荷电状态的时间变化曲线。借此，基本上对于预测时间段的每个时刻得出对于总荷电状态的这种概率评估。在此，能够优选地将总荷电状态的时间变化曲线配属于预确定的概率值，尤其p-90、p-95、p-98或p-99值。
[0090]
p-99值说明，总充电存储器在相应时刻以99％的概率至少已经达到何种荷电状态，同样的情况类似适用于其余所提到的值。对于相同的时刻，由于概率分布也可以分别存在对于其他概率的荷电状态值。但是在此优选地提出，对于所有时刻分别仅使用对于特定的概率值的荷电状态，即如示例性所提到的p-99值。于是，总荷电状态的时间变化曲线因此反映所有p-99值的时间变化曲线。
[0091]
根据一个方面提出，对于每个电动车，与概率评估一起，尤其与概率分布一起创建抵达时间的预测，并且与概率评估一起，尤其与概率分布一起，创建单个荷电状态预测，并且分别组合为车辆预测。因此，车辆预测包括电动车的抵达时间的预测连同概率评估以及相同的电动车的单个荷电状态预测连同概率评估。
[0092]
因此，对于车队或充电基础设施的多个车辆尤其所有车辆创建这种车辆预测并且根据所有所述车辆预测与概率评估一起，尤其与概率分布一起确定总荷电状态预测。
[0093]
此外或替选地提出，根据所有车辆预测连同概率评估对于预确定的概率值确定总荷电状态预测。由此，因此能够以高的概率说明总荷电状态预测的变化曲线并且基于此能够规划交换功率。尤其也在此提出，对于p-x值说明，特别对于p-90、p-95、p-98或p-99值确
定和说明总荷电状态预测的所述变化曲线。所述p-90、p-95、p-98或p-99值在此也代表类似值。
[0094]
根据一个方面提出，进行功率交换规划，使得为了与供电网交换提供交换功率，其中根据总荷电状态预测确定交换功率。在此特别提供和确定交换功率变化曲线或交换功率带作为交换功率。总状态预测说明时间变化曲线并且基于此能够提供对应的交换功率，即使得由于包括应在预测时间段结束时实现的希望的荷电状态在内的总荷电状态预测能够提供对应的功率。
[0095]
经由交换功率带的预设，必要时还可以考虑波动。在此，该构思特别基于，能够考虑供电网的需求或预设，因而在一些时候更可能存在功率过度供应并且在另一些时候更可能存在功率需求。交换功率，特别这种交换功率变化曲线或这种交换功率带能够匹配于此并且对应地提供功率。预测的总荷电状态变化曲线能够为此形成重要的边界条件，即进行功率交换，使得不出现过高的或过低的总荷电状态。
[0096]
根据本发明提出一种充电基础设施，即配置用于规划在充电基础设施和供电网之间的功率交换的充电基础设施，其中
[0097]-充电基础设施具有用于连接电动车和给其充电的多个充电终端，使得所述电动车能够经由所述充电终端与供电网交换电功率，
[0098]-每个电动车具有带有可变的单个荷电状态的电存储器，用于接收和输出电功率，
[0099]-连接到充电基础设施上的所有电力存储器形成充电基础设施的总存储器，所述总存储器的特征在于总存储器容量和总荷电状态，其中
[0100]-总存储器容量是可变的，并且
[0101]-总荷电状态是可变的，其中
[0102]-充电基础设施配置用于，尤其具有控制单元用于，
[0103]-创建电动车抵达其充电终端的抵达时间的预测，并且
[0104]-根据抵达时间的预测来创建总荷电状态预测作为对于预测时间段的总荷电状态的预测，其中
[0105]-充电基础设施配置用于，创建总荷电状态预测作为总荷电状态的时间变化曲线并且充电基础设施尤其配置用于，
[0106]-根据电动车的行驶规划来创建总荷电状态预测。
[0107]
充电基础设施因此配置用于执行根据上述实施方式中的一个实施方式的至少一个方法。为此能够设有控制单元，其例如构成为过程计算机并且与充电终端连接，以便与充电终端交换信息。这能够有线地或也无线地进行。充电基础设施尤其由此配置用于执行所述方法中的一种方法，使得在控制单元中实施对应的程序。此外，能够在行驶期间存在用于向电动车传输数据的连接、即尤其无线的连接。至少提出，设有这种数据连接，控制单元能够经由所述数据连接从电动车接收信息。
附图说明
[0108]
现在，在下文中参照附图示例性详细阐述本发明。
[0109]
图1示出用于图解说明所提出的方法的流程图。
[0110]
图2示出图1的流程图的用于图解说明荷电状态范围及其应用的局部。
[0111]
图3示意性示出具有充电基础设施的车队。
[0112]
图4示意性示出用于预测总荷电状态的结构。
[0113]
图5示意性和示例性示出根据图4的预测模块的可行结构。
[0114]
图6示意性和示例性示出根据图5的适配模块的可行性。
具体实施方式
[0115]
图1的流程图要阐述所提出的方法的原则上的流程。所述方法中的构思是，充分使用具有电动车的车队的存储器容量，以便借此需求相关地暂时给供电网提供功率并且也在考虑供电网的情况下有针对性地控制从供电网提取电功率以用于对车队的电动车的存储器充电。以所述方法，也能够实现电价优化。因此，能够控制车队，使得其尽可能便宜地汲取所需的充电电流并且在此遵守技术边界条件。特别是已认识到，这取决于技术资源的良好规划，并且良好规划能够通过所提出的方法实现，特别通过良好预测实现。
[0116]
电动车的车队通过车队模块102代表。车队模块在此包含关于电动车的信息。所述信息包含关于相应电动车的存储器的信息，即详细信息，即对于每个电动车的每个存储器单独的信息。同样地，在电动车，特别在早晨启动之前，关于相应存储器应具有的电存储器的荷电状态的信息被包含。在此，构思也特别基于，使用电动车的车队用于比较好规划的目的，仅举一个例子，如例如作为用于执行公共人员短途交通的交通运行的电动公交车。
[0117]
对应地，能够在车队模块102中已知关于相应电动车的驶离时间的信息。驶离时间特别确定，何时必须达到相应存储器的荷电状态。但是驶离时间也确定，对应电动车的存储器从何时开始不再连接到供电网上。
[0118]
但是车队模块能够也包含关于这些存储器中的每个存储器分别具有何种最大充电功率或最大放电功率的信息。所述所提到的信息能够存储在车队模块102中，其中也能够更新所述信息。
[0119]
此外，以图解说明的方式示出输入数据模块104。所述输入数据模块104特别包含强烈改变的数据或信息，尤其能够每天变化和/或能够每天更新的信息或数据。如果车队的电动车是电动公交车，如果存在能够作为公交车行驶规划存在的行驶规划，则其中包括用于电动车的行驶规划。但是也能够通过所述输入数据模块104提供天气数据、尤其天气预测。这种数据输入到车队模块102中并且能够与在车队模块102中存在的数据合并或抵消。在此能够根据这种输入数据如公交车行驶规划计算或至少估测时间，相应电动车何时抵达车队(fuhrpark)并且然后提供用于从供电网接收电功率，或用于将电功率输出给供电网。
[0120]
在对应电动车抵达车队的时刻，尤其在其连接到充电基础设施上的时刻，也能够计算每个电力存储器的荷电状态。为此能够使用输入数据模块104的数据，并且当电动车抵达车队时，附加地从车队模块102的现存数据中计算其他数据、如尤其电动车的荷电状态或预期的荷电状态。对于所述计算，尤其能够使用关于存储器的知识、特别其多大。然后，从车队模块102获取所述信息。
[0121]
以这种方式和方法提出，创建预报或预测。这也能够在车队模块102中进行。在这一点上应注意，原则上也能够与绝对使用所阐述的模块、如车队模块102和输入数据模块104相比不同地实施所述方法。这些模块例如也能够以其他方式链接，或能够存在多个输入接口，以便接收对应的输入数据。例如根据目的能够是，从与公交车行驶规划或另一行驶规
划不同的来源获得天气预测。就此而言，图1的流程图用于基本阐述。
[0122]
然后，能够将预报或预测提供给车队的充电基础设施。所述充电基础设施通过基础设施模块106代表。基础设施模块106能够在此包含关于充电基础设施的信息，即尤其能够通过对应的充电终端预设的最大充电功率。所述充电终端同样是充电基础设施的部分。电力存储器的可用性也能够在基础设施模块106中已知，特别通过如下方式：所述充电终端分别提供在所述充电端子上是否连接有电动车的信息，必要时也提供什么类型存储器的信息。
[0123]
所述数据也部分地从电存储器中得出并进而能够必要时从车队模块102获得所述数据。
[0124]
基础设施模块106还获得预测数据，即只要电动车抵达充电站并且连接到其上，则获得电动车抵达充电终端的相应抵达时间和也获得电动车的各个荷电状态。传送和进一步处理所述数据作为预测。
[0125]
此外，设有电网连接模块108，电网连接模块特别能够提供关于供电网和关于所使用的电网连接点的信息。电网连接点是所述充电终端最后与供电网连接所经由的电网连接点。在此，充电基础设施能够经由一个或多个电网连接点与供电网连接。
[0126]
电网连接模块108能够提供关于最大馈入功率、期望电压和期望无功功率的数据。也能够称为最大交换功率的最大功率是最大能够馈入到电网中或最大能够从供电网提取的功率。期望电压特别是供电网在相应的电网连接点处的电压。期望无功功率能够是由电网运营商预设的和/或从供电网的数据得出的无功功率。其中能够包括能够根据当前电网电压确定的待馈入的无功功率的水平。
[0127]
能够提供所有所述数据，即根据图1的在基础设施模块106处的流程图提供所有所述数据。但是也在此不必一定进行这种模块划分。
[0128]
电网连接模块108还图解说明，不仅可由电动车或其存储器提供的功率、即有功功率，而且也可提供的无功功率在一个或多个电网连接点处输出，以便经由此馈入到供电网中或从供电网提取。
[0129]
从所述数据能够，特别在基础设施模块106中确定或接收用于与供电网进行最大交换的最大交换功率。也能够确定最大可用的有功功率。最大可用的有功功率能够特别取决于电动车的荷电状态。同样的情况适用于可用的无功功率，可用的无功功率虽然需要电力存储器的少量存储器容量，但是仍然需要至少一个少量存储器容量并且还也需要用于将对应的电流馈入到供电网中的空闲容量。
[0130]
为了协调车队的电动车的各个存储器，但随后为了能够将车队的共同交换功率提供给供电网，特别设有充电控制单元，其也能够称为聚合器或能够包含聚合器。
[0131]
利用上述信息，所述充电控制单元或聚合器创建荷电状态范围。这在聚合模块110中图解说明。
[0132]
通过由聚合模块110代表的聚合器使用在上文中关于图1阐述的所有所述信息，以便确定荷电状态范围。特别提出确定用于这种荷电状态区域的预测。荷电状态范围作为范围或带通过总和荷电状态和时间所伸张。这在以上图表中在聚合模块110中标明。在那里，关于横坐标上的时间绘制纵坐标上的总和荷电状态。荷电状态范围在此通过上界限和下界限形成。总和荷电状态在所述范围中、即在所述上界限和下界限之间伸展。
[0133]
关于此和也关于聚合模块的下部图表和也关于在聚合模块110下方示出的交换功率模块112的细节以下与图2一起详细阐述。
[0134]
无论如何，通过聚合模块110中的下部图表图解说明的聚合器能够在不同时间预设不同的交换功率并进而预设交换能量，这能够作为第三维在图表中示出。这种可行的交换功率或交换功率的份额能够转送给交换功率模块112。同样地，交换功率模块112能够基于供电网中的可用性或供应在不同时间预设交换功率并进而预设交换功率的变化曲线。这在交换功率模块112的图表中标明，因而提出时间相关地不同的功率等级。然而，交换功率的变化曲线不必逐级伸展。其也能够连续伸展。
[0135]
能够根据荷电状态范围和电网连接模块108提供的或与电网连接模块108结合在上文中阐述的数据进行对于交换功率的功率包或功率变化曲线的这种计算或预设。
[0136]
就此而言，交换功率的功率模块112或其中示例性示出的变化曲线能够理解为所提出的方法的结果或至少中间结果或部分结果。从关于根据车队模块102的车队的数据、根据基础设施模块106的充电基础设施的数据，与输入数据模块104提供的数据一起能够确定尤其预测荷电状态范围。
[0137]
基于在聚合模块110的上部图表中图解说明的所述荷电状态范围，能够确定交换功率关于时间的变化曲线，优选地也作为预测。为此，特别能够使用关于供电网在需求和供应方面的数据，需求和供应显示，怎样水平中的交换功率何时是有利的。荷电状态范围为此提供变化范围，变化范围也能够称为弹性空间，并且由此预设框架，在所述框架内能够预设交换功率的这种变化曲线。在此预设交换功率，使得总和荷电状态保持在荷电状态范围中。
[0138]
图2示出图1的流程图的局部，即聚合模块110和交换功率模块112。聚合模块110在上部区域中具有说明荷电状态范围的荷电状态图表220。在聚合模块110的下部区域中示出变型图表222，变化图表基于荷电状态图表220并且附加地示例性标明交换功率的一对变型可行性。
[0139]
在交换功率模块112中示出交换功率图表224，交换功率图表图解说明交换功率关于时间的可能变化曲线，即交换功率变化曲线。所有这三个图表，即荷电状态图表220、变型图表222和交换功率图表224具有相同的时间轴。特别为了图解说明绘制用于荷电状态范围的开始充电时刻ts和目标充电时刻tz并且所述时刻也通过对应的垂线在其余两个图表中绘制。开始充电时刻ts和目标充电时刻tz因此伸张了提供时间段tb，提供时间段为了更好的概览仅在交换功率模块112中绘制。根据时间上的观察方式，提供时间段是要提供交换功率的时间段。交换功率模块112示出这。为了规划这，对于提供时间段做出预测，使得如果做出预测，则提供时间段是预测时间段。提供时间段能够确定为固定的反复的时间段，或其初始时间自身可能根据预测波动。于是，开始充电时刻ts不必对应于提供时间段的初始时间。
[0140]
在荷电状态图表220中，基本上关于时间t绘制总和荷电状态soc。在所述图表中示出荷电状态区域226。荷电状态区域226以开始充电点228开始并且以目标充电点230结束。开始充电点228的特征在于总和荷电状态soc的值和开始充电时刻ts。不仅总和荷电状态的水平而且开始充电时刻ts都能够改变并且优选地通过预测确定，如这与图1并且在那里特别与车队模块102有关地结合提供输入数据模块104的数据予以阐述。
[0141]
然后，总和荷电状态soc从开始充电点228延伸至目标充电点230。目标充电点230的特征在于目标充电时刻tz并且在于总和荷电状态soc的所属的值。
[0142]
开始充电时刻ts是可变的并且与所述电动车实际何时返回车队相关，而目标充电时刻tz能够非常精确地确定，即所述电动车何时根据规划驶离。
[0143]
在怎样的变化曲线上总和荷电状态soc从开始充电点228引导至目标充电点230是比较灵活的。正是认识到这一点并且为此提出，仅仅预设界限，界限伸张了弹性空间，界限即伸张了荷电状态范围226。荷电状态范围226在此具有时间相关的上界限232和时间相关的下界限234。时间相关的上界限232有时能够达到100％的值。于是，所有电力存储器被完全充满。此外，下界限234能够至少有时达到0％的下值。然而，这用于图解说明，并且通常所有存储器完全放电是不可取的，因为存储器由此可能受到损伤。因此，可以也选择与0％不同的值，例如20％作为下界限234的最小值。同样的情况适用于上界限232，对于上界限，例如能够选择在90％的最大值，而不是在100％的最大值。也能够根据各个电存储器的对应的值选择所述最小值和所述最大值。
[0144]
荷电状态图表220因此图解说明，通过上界限232和下界限234伸张了荷电状态范围226，总和荷电状态能够在荷电状态范围中变动。为此示例性绘制总和荷电状态变化曲线236。总和荷电状态变化曲线也能够同义地称为总荷电状态变化曲线。因此，总荷电状态变化曲线反映总荷电状态的时间变化曲线。总荷电状态能够同义地称为总和荷电状态。
[0145]
此外，从荷电状态图表220也可获知，通过开始充电点228的改变，荷电状态范围226也改变，至少在其在所述开始充电点228附近的初始范围中改变。对应地，荷电状态范围226也与在荷电状态范围226开始时总和荷电状态soc的预测相关，并且荷电状态范围也与在开始充电时刻ts方面的预测相关。
[0146]
变型图表222包含荷电状态图表220，其中总和荷电状态soc的坐标轴指向绘图平面中。保留时间轴并且添加功率p的坐标轴。所述功率p在变型图表222中示出，能够在上界限232或下界限234的哪个转折点输出或接收多少交换功率。为此绘制双箭头d1-d6。
[0147]
双箭头d1涉及开始充电点228并且示出当前能够以相同程度不仅供应正的交换功率而且供应负的交换功率。双箭头d2在上界限232处绘制并且在那里还能够提高交换功率，但是尤其也能够以负值更强烈得多地供应交换功率。在双箭头d3的情况下，并且同样的情况适用于双箭头d4，上界限232抵达其最大值并且然后仅还能够供应负的交换功率。在双箭头d4的情况下，不仅能够供应而且必须供应负的交换功率，以便还实现目标充电点230。然而，目标充电点230也能够预设为最小值并且于是总和荷电状态也能够高于所述目标充电点230并且于是双箭头d4也仅表示可能的负的交换功率。交换功率也能够是零，但是其不能是正的，双箭头d4示出这。
[0148]
在这一点上应重复，正的交换功率是对存储器充电的功率，因此正的交换功率是从电网提取的并且存储到电存储器中的功率。
[0149]
双箭头d5和d6分别示出，仅正的交换功率是可能的，因为在此下界限234已经到达最小值。
[0150]
就此而言，所述双箭头d1-d6仅仅示出可行性并帮助定义框架，在框架中交换功率实际能够改变。
[0151]
总和荷电状态变化曲线236因此说明一系列多个总和荷电状态。对于这些总和荷电状态中的每个总和荷电状态，即对于总和荷电状态变化曲线236上的每个点，能够预设区间或最小值和最大值。对于每个值，也得出总和荷电状态的趋势，该趋势引起穿过荷电状态
范围的能够实现另外的交换功率的变化曲线。连续的改变在此能够引起连续的变化曲线。但是，如果电动车驶离或抵达，则总和荷电状态跳跃式变化。
[0152]
现在示例性示出交换功率的变化曲线，即交换功率模块112的交换功率图表224中的交换功率变化曲线238。因而，在开始充电时刻ts开始交换功率并进而交换功率变化曲线238以负值开始。因此，从供电网提取功率并且将其用于对存储器充电。对应地，总和荷电状态或总和荷电状态变化曲线236上升。这不仅在荷电状态图表220中而且也在变型图表222中可看到。在时刻t1，交换功率变化曲线238下降到零并且总和荷电状态变化曲线236对应地具有水平区域。
[0153]
在时刻t2规划、即预测、并且然后还实施将功率馈入到供电网中，因为在此预测特别高的需求，该需求也可以从中得出，在晚上、当真正需要少量功率时关断大型发电机，使得仍然能够在供电网中产生功率需求。
[0154]
从时刻t2开始的所述负的交换功率也在总和荷电状态变化曲线236中通过下降的边沿可看到。
[0155]
在时刻t3，交换功率又改变到正值并且总和荷电状态又对应地上升。在时刻t4再一次提高交换功率，使得总和荷电状态变化曲线236从t4开始也还稍微更陡峭地伸展。最后，以这种方式对所有存储器完全充电，由此总和荷电状态变化曲线236达到目标充电点230。
[0156]
特别提出，交换功率变化曲线238，如其示例性在交换功率图表224中示出的那样，预先确定作为预测。然后，电网运营商或电网控制单元能够以所述预测工作并且电网管理者对应地设定于所述预测。
[0157]
虽然特别在ts至t4的范围中存在特别改变交换功率，即改变真正预设的交换功率变化曲线238的可能性。这例如在如下情况下会发生：即在供电网中不期望地出现功率需求或也出现功率供应过剩。这种情况例如也能够通过改变电网频率被识别。因此提出，如果供电网具有的电网频率超过预确定的边界值，则提高交换功率，即从电网提取更多的功率，和/或在电网频率下降到低于下部频率值的情况下，降低交换功率，即将更多的交换功率馈入到供电网中。
[0158]
图3示出具有充电基础设施342的车队340，充电基础设施经由两个电网连接点346和347连接到供电网344上。供电网具有电网控制单元348，电网控制单元能够控制供电网344。电网控制单元348也能够通过电网运营商运行。
[0159]
车队340示例性具有分别连接到充电终端361-365中的一个充电终端上的五个电动车351-355。充电终端能够经由分配器节点366或368通过各一个电网连接点346或347与供电网344连接。
[0160]
因此，三个电动车351-353能够经由电网连接点346馈入到供电网344中或从中提取功率，而电动车354和355经由电网连接点347将功率馈入到供电网344中或从中提取功率。
[0161]
仍然设有充电控制单元360，充电控制单元能够操控每个单个充电终端361-365并进而控制电动车351-355的每个存储器。此外，作为可选的可行性提出，充电控制单元也能够操控分配器节点366和368。此外提出，充电控制单元360能够与电网控制单元348通信。充电控制单元360能够为此将信息提供给电网控制单元348以及从电网控制单元获得信息。充电控制单元360也能够描述为充电基础设施的控制单元，或控制单元的一部分。
[0162]
原则上，一方面为充电控制单元360和充电终端361-365、分配器节点366和368以及电网控制单元348之间的信息连接以虚线示出。经由以实线描绘的其余线路可以进行功率或能量传输。
[0163]
充电控制单元360能够已存储关于充电基础设施342的特性的信息和/或作为当前数据接收。此外，充电控制单元能够已存储关于电动车351-355的电存储器的特性的信息并且尤其经由所述充电终端361
–
365获得和处理关于电动车351-355的相应存储器的荷电状态和必要时其他特性的当前信息。
[0164]
借此，能够以充电控制单元360总体上控制在充电基础设施342和供电网344之间交换的交换功率。所述交换功率就此而言是经由电网连接点346和电网连接点347与供电网344交换的部分交换功率的总和。
[0165]
在电动车351-355中还为了图解说明的目的标明了电存储器371-375。
[0166]
图4的结构示意性根据功能模块阐述，能够如何执行总荷电状态预测作为总荷电状态的时间变化曲线。为此，图4的所述结构400基本上图解说明呈两个基本阶段的方法。在图4的左边部分图解说明的第一阶段中，对于每个单个电动车执行对于电动车的抵达时间的预测以及电动车的单个荷电状态的预测。然后，将所有所述单独预测在图4的右边部分中图解说明的步骤中组合成总荷电状态预测。
[0167]
图4一般化地基于通过标记v1-vn在对应的预测模块中标明的n个电动车。对于每个电动车设有用于抵达时间402或402
‘
的预测模块，以及用于单个荷电状态404或404
‘
的预测模块。为了更好的概览，这些模块分别仅对于第一车辆v1和第n个车辆vn示出。在所述示图中，对于第一车辆分别作为变量的部分使用数字1表示输入和输出变量，对于输入和输出变量，针对第n个车辆使用字母n作为变量的部分。在此意义上，针对第一电动车的模块的阐述能够转用于第n个车辆的模块，并且也能够转用于其间所有未示出的所有模块。
[0168]
因此，对于第一车辆设有预测模块402，所述预测模块获得用于抵达时间的预测信息it1作为输入数据。下划线表明，这也适用于图4和5的所有其余变量，所述变量能够构成为矢量并且能够包含多个单个变量。用于抵达时间的预测信息尤其包含关于相应电动车的行驶规划的信息。
[0169]
此外，用于抵达时间的附加信息zt1形成另外的输入变量。同样设有抵达时间t1m的测量值。抵达时间的测量也能够是附加信息或预测信息的一部分，但是为了更好的概览，所述值额外命名并且在图5和图6中也还详细地在其意义方面阐述。
[0170]
最后，用于抵达时间的预测模块402因此输出预测的抵达时间t1作为结果。但是，因为另外的信息能够与此一起输出，如在图5中还阐述的那样，所以图1示出矢量t1作为预测模块402的输出变量。这通过下划线示出。
[0171]
完全类似地，用于单个荷电状态的预测模块404获得用于单个荷电状态的预测信息ic1，所述预测信息尤其包含关于相应电动车的行驶规划的信息，以便关于此获得在抵达时单个荷电状态的第一估测。
[0172]
此外，设有用于单个荷电状态的附加信息zc1作为输入变量，以及设有单个荷电状态的测量值c1m。字母m应表明存在测量。这也适用于测量到的抵达时间t1m。
[0173]
用于单个荷电状态的的预测模块404输出用于所涉及的电动车的单个荷电状态的预测，单个荷电状态能够描述为c1并且在此标注为c1，即用下划线标注，以便表明能够包含
其他值、即尤其单个荷电状态的改变的预测以及单个荷电状态的概率评估。
[0174]
用于电动车的抵达时间的预测模块402和电动车的单个荷电状态的预测模块404的分别的输出变量能够组合为车辆预测。在这种意义上，也能够将这两个预测模块402和404组合为能够称作为车辆预测模块的模块。
[0175]
无论如何，用于每个电动车的预测模块402和404的输出变量被输入到总预测模块406中。在总预测模块中，能够从其确定总预测，即总荷电状态预测作为总荷电状态的时间变化曲线。这在那里输出为soc(t)。变量t在那里不描述抵达时间，而是以常见的方式和方法描述时间作为变量。除了时间变化曲线之外，在此也能够输出经调整的时间变化曲线以及概率评估，经调整的时间变化曲线反映时间变化曲线的之后的变化。这应通过下划线表明。
[0176]
特别是通过时间上的叠加能够将所有输入值合并到总预测模块406中。特别是，单个荷电状态的时间变化曲线能够加和成总荷电状态。概率评估能够根据概率理论的已知的考虑用于总荷电状态的对应的概率评估。
[0177]
图5因此示例性和示意性示出图4的预测模块402。但是所述结构不仅代表用于抵达时间的其余预测模块，而且也类似地代表用于单个荷电状态的预测模块。
[0178]
预测模块402的输入变量因此与图4结合在上文中阐述。用于抵达时间的预测信息it1在此符号化地划分成包含在其中的各个值。在此，第一值i1形成关于行驶规划的信息。所述信息包含在行驶规划模块510中，行驶规划模块从中确定抵达时间t0。在最简单的情况下，所述值t0包含在行驶规划中作为抵达时间并且能够对应地被接受。如果不需要考虑其他任何因素，则这能够已经是抵达时间的预测的结果。然而，不可能的是，能够精确遵守根据行驶规划的抵达时间。
[0179]
对应地，考虑另外的预测信息，对于另外的预测信息，ii代表各种另外的预测信息。然后，各一个这种预测信息被输入到计算模块512中并且从中分别计算偏差时间或时间偏差δti。所述偏差时间在加和部位514处加到基准抵达时间t0上。但是也考虑，将预测信息或预测信息中的至少一些一起评估，举另一例子，例如通过对于多个预测信息共同训练的神经网来评估。
[0180]
这对于从用于抵达时间的相应信息确定的总偏差时间进行。总偏差时间能够全部在加和部位514处加到基准抵达时间t0上。然后，结果是预测的临时抵达时间t
‘
。所述预测的临时抵达时间t
‘
已经能够是待由预测模块402输出的抵达时间。但是在此，提出借助于适配模块516的进一步改进。适配模块516还在图6中阐述并且然后适配模块输出附加修正值a，附加修正值在加和部位526处被加到临时抵达时间t
‘
上，使得得出预测的抵达时间t，预测的抵达时间然后当然作为用于第一电动车的t1输出。
[0181]
此外，不仅行驶规划模块510而且计算模块512代表的计算模块分别一起输出随机评估或概率评估。这在那里作为s0或si表明。这种随机信息例如能够基于经验值如随时间记录的波动来确定。例如能够考虑抵达时间的波动的值用于概率评估，而另外的预测信息中的一个另外的预测信息不用为此负责。在另外的预测信息中，能够必要时以其他方式确定所述概率评估。但是原则上对于所有预测信息和此外也有附加信息考虑借助于经验值的确定，不仅对于抵达时间而且也对于单个荷电状态考虑。这是基本构思并且适用于全部实施方式。所阐述的信息、附加信息或变化信息对抵达时间和/或单个荷电状态和/或总荷电
状态的影响也能够从经验值中导出并且包含在预测中。这也是基本构思并且适用于全部实施方式。
[0182]
但是，举另一例子，天气预测也能够是另外的信息并且这种天气预测通常设有因此一起送交的概率评估。然后，能够对应地在相应的计算模块512中考虑概率评估。在随机模块518中，合并所述概率评估并且同样作为总统计学信息或作为总概率评估s输出。所述随机模块特别用于图解说明。也考虑，概率评估分别与其预测信息，即例如与从天气预测确定的偏差时间保持链接。因此，δti和si能够保持链接的值。于是也考虑与适配模块516的链接。适配例如能够受益于概率信息并且适配能够影响输出的概率。
[0183]
此外，设有预测的抵达时间t的附加的或事后的变化。为此，用于抵达时间的附加信息zt1能够分别在附加计算模块520中评估，基本上如在计算模块512中那样。附加计算模块520也代表多个这种附加计算模块，即分别用于附加信息的附加计算模块。对应地，在图5中也表明，附加信息zt1的总体被分解为多个单个附加信息zi。
[0184]
在另一设计方案中，附加信息能够直接一起或在模块510和512中处理并从而在模块514中提供。适配模块516在此所代表的适配能够优选地构成为仅在处理附加信息之后的过程。至少在一个变型方案中提出，在适配中使权重与附加信息相关。例如，如果t1m与t0强烈偏差，因为例如出现从附加信息中的一个附加信息获知的拥堵，或作为附加信息输入，则提出，对这种偏差不过于强烈地加权。适配不应被这种孤立事件过强烈地影响并且从而提出，适配一起考虑附加信息，至少其中的一些，即根据附加信息工作。这通常不仅仅针对所示出的实施方式被建议。
[0185]
附加计算模块520的结果因此是另外的偏差时间或时间偏差δtzi，即用于每个附加信息的另外的偏差时间或时间偏差。所述时间偏差δtzi在加和部位522处被加和成预测的抵达时间t并且得出改变的预测的抵达时间ta。
[0186]
对于附加信息和从中导出的变化，即偏差时间δtzi，也进行概率评估并且概率评估能够在附加随机模块524中合计成附加概率评估sz。在此，概率评估也能够替选地分别与其预测信息保持链接，使得附加随机模块524也在此基本上用于阐述。
[0187]
最后，如此计算出的值、即附加概率评估sz、抵达时间的改变的预测ta、预测的抵达时间t和概率评估s组合成输出矢量t1并且输出。然后，所述结果能够如在图4中阐述的那样转送给总预测模块406。
[0188]
为了改进预测的临时抵达时间t
‘
，设有适配模块516，适配模块在图6中示意性和另外也仅示例性示出。因而，预测的临时抵达时间t1
‘
形成适配模块516的输入。在采样保持环节640后面，在加和部位630中将修正值a加和给预测的临时抵达时间。结果是修正的、即最终的预测的抵达时间，所述抵达时间在所述适配模块中但是仅用作中间变量。但相同的适配是在图5中在加和部位514中进行。为此，适配模块516输出附加修正值a。
[0189]
为了执行适配提出，将所述修正的抵达时间t1与实际测量到的抵达时间t1m进行比较。测量到的抵达时间t1m在此尤其在较早的循环、尤其最新的循环中测量，和/或在较早的回合、特别在前一天，或前两天测量。
[0190]
执行比较，使得在加和部位632中形成差。结果因此是在调节误差e的意义上的差。所述差根据加权模块634与权重因数相乘。权重模块具有应处于零和1之间的因数、即权重因数。该因数不应恰好完全取零值，因为在逻辑上不再考虑。但是权重因数可能取值1。于
是，在理想情况下，即在一个步骤中，完全执行适配。
[0191]
但是，因为原则上本来就假设有波动，所以较低的值是有意义的，如如例如值0.1。借此，修正因数a基本上如通过一阶延迟环节引向最终修正值。无论如何，权重模块634的结果是加权的调节误差e
‘
。所述加权的调节误差在加和部位636处加和到前一回合的修正值上。结果因此是新的修正值a
‘
，新的修正值经由保持环节638提供，以便形成当前修正因数a。修正因数a因此也能够描述为a(k)并且新的修正因数a
‘
描述为a(k 1)。
[0192]
无论如何，能够如在图6中阐述的那样执行适配。图6的结构在此是借助于附加修正值即修正值a的适配的例子。如果出现理想状态，即，预测的抵达时间对应于测量到的抵达时间并且调节误差e因此是零，则所述修正值a因此也保留其值。因此执行所述适配的实施，使得将抵达时间t1m的测量分别与过去的预测的所属的抵达时间进行比较。换言之，对于前一天测量到的抵达时间同样存在对于所述前一天的预测并且将这两个时间进行比较。在此确定的修正值a仍然能够用于当前预测，对于当前预测，受制于原理还不存在测量。
[0193]
对应地，在图6中绘制保持环节640，以便表明，对于适配不使用当前的临时预测值t1
‘
，而是使用先前的值。但这应示意性理解并且也考虑，还取更早的值，即匹配于所属的测量值t1m。对应地，为了图解说明示出保持环节640的输入变量作为t1
‘
(k 1)并且输出值对应地作为t1
‘
(k)绘制。保持环节640中的保持时间能够对应地为一天或也多天，尤其为2天。
[0194]
能够以类似的方式进行特别是计算模块512和附加计算模块520但必要时甚至是行驶规划模块510的模型参数的适配。但是在这种模型适配中，不适配输出变量或状态，而是适配参数、即尤其因数。
[0195]
对于这种适配能够进行成，使得在对应的待适配的模型中例如相同地或根据另一关系改变一个参数或改变多个参数，直至输出对应于比较测量。然后形成的参数能够与在改变之前存在的参数进行比较。能够分别形成差并且利用所述差能够与图6的加和部位632的输出处的调节误差e相同的方式处理。因此，偏差与在零和1之间的权重因数相乘并且结果加到在此能够是修正因数的更早的修正值上并且所述加和经由保持环节给出，以便然后对于下一变化曲线又可用于在加和部位636处相加。在下一变化曲线中重复所述过程，其中又以因此形成模型参数的参数的改变而开始。
[0196]
替选地，也能够进行用于预测的适配，如其从用于适配调节器的调节技术中已知。在此，因此替代调节器，适配预测模型。在此特别考虑自校正方法(self-tuning-verfahren)，其中根据输入和输出变量的观察来辨识系统并进而也辨识其改变。于是，根据如此识别到的变化能够对应地调整模型。在这种意义上，分别考虑的预测信息和附加信息是输入变量和预测的抵达时间或在单个荷电状态预测时是预测的单个荷电状态，输出变量和用于确定相应的抵达时间或相应的单个荷电状态的相应的模型能够在这种意义上视为系统。
[0197]
本发明的目标也在于，不仅尽可能好地预报时刻而且也尽可能好地预报包括概率分布在内的荷电状态。
[0198]
已认识到，替选地也能够特别以可变的开始时间和固定的结束时间预报充电能量需求和充电时间段。
[0199]
已认识到，在移动存储器聚合成能够提供为灵活性空间的共同的存储器容量时，可能需要这种预报。
[0200]
特别涉及用于聚合成高可用的存储器联合体的信息提供。
[0201]
本发明的目的也在于，实现和使用概率相关的荷电状态(soc)预报和抵达预报用于线路运行中的电动汽车应用，特别用于公交车和物流。也考虑共享汽车或单车中的应用。
[0202]
该构思聚焦于车辆抵达充电点的抵达时间(包括概率分布在内)和荷电状态(包括概率分布在内)的预报。在聚合时(参见附图，特别图2和图3)需要所述预报。由此能够使用电池容量的非常大的份额，对于全局的和本地的系统服务和/或电力套利业务有高可用性。在此提前、尤其提前一天、即在最初的充电能量采购之前创建所述预报，并且能够动态更新所述预报。