WO2020074554A1 - Verfahren und backendvorrichtung zur prädiktiven ladesteuerung für einen elektrischen energiespeicher eines kraftfahrzeugs - Google Patents

Verfahren und backendvorrichtung zur prädiktiven ladesteuerung für einen elektrischen energiespeicher eines kraftfahrzeugs Download PDF

Info

Publication number
WO2020074554A1
WO2020074554A1 PCT/EP2019/077297 EP2019077297W WO2020074554A1 WO 2020074554 A1 WO2020074554 A1 WO 2020074554A1 EP 2019077297 W EP2019077297 W EP 2019077297W WO 2020074554 A1 WO2020074554 A1 WO 2020074554A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
energy
motor vehicle
time
energy store
Prior art date
Application number
PCT/EP2019/077297
Other languages
English (en)
French (fr)
Inventor
Stefan Grubwinkler
Original Assignee
Vitesco Technologies GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Vitesco Technologies GmbH filed Critical Vitesco Technologies GmbH
Priority to CN201980066918.7A priority Critical patent/CN112789193B/zh
Priority to US17/283,792 priority patent/US20210387546A1/en
Priority to EP19795458.9A priority patent/EP3863882A1/de
Publication of WO2020074554A1 publication Critical patent/WO2020074554A1/de

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/67—Controlling two or more charging stations
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/68—Off-site monitoring or control, e.g. remote control
    • 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
    • B60L55/00—Arrangements for supplying energy stored within a vehicle to a power network, i.e. vehicle-to-grid [V2G] arrangements
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
    • B60L58/14—Preventing excessive discharging
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • H02J7/0048—Detection of remaining charge capacity or state of charge [SOC]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/007—Regulation of charging or discharging current or voltage
    • H02J7/0071—Regulation of charging or discharging current or voltage with a programmable schedule
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/40—The network being an on-board power network, i.e. within a vehicle
    • H02J2310/48—The network being an on-board power network, i.e. within a vehicle for electric vehicles [EV] or hybrid vehicles [HEV]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • 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
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/16—Information or communication technologies improving the operation of electric vehicles
    • Y02T90/167—Systems integrating technologies related to power network operation and communication or information technologies for supporting the interoperability of electric or hybrid vehicles, i.e. smartgrids as interface for battery charging of electric vehicles [EV] or hybrid vehicles [HEV]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • 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]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S30/00—Systems supporting specific end-user applications in the sector of transportation
    • Y04S30/10—Systems supporting the interoperability of electric or hybrid vehicles
    • Y04S30/12—Remote or cooperative charging

Definitions

  • the invention relates to a method and a back-end device for predictive charge control for an electrical energy storage device of an electrically drivable motor vehicle.
  • the charging control is intended to ensure the careful operation of the electrical energy store.
  • a battery with lithium-ion battery cells can be provided.
  • the aging or wear of lithium-ion battery cells depends on the temperature and the state of charge (SOC) of the battery.
  • SOC state of charge
  • lithium-ion batteries should be stored below 10 degrees Celsius and at a medium (30-50%) or even low SOC (0-30%). With these storage conditions, the available battery capacity is reduced by less than 10% in 15 years, which is very advantageous.
  • the invention is based on the problem of charging control for an electrical energy store of a motor vehicle. to sit back, the charging control should enable a gentle operation of the energy storage.
  • the invention provides a method for predictive charge control for an electrical energy store in an (electrically drivable) motor vehicle. The process assumes that an energy exchange of the
  • Energy storage with an electrical energy source can be controlled by a charging device.
  • the energy source can be a power grid, e.g. B. act as a public power grid, i.e. an energy supply network.
  • the charging device can have a connection via which the energy store of the motor vehicle can be connected to the energy source. An energy exchange or flow of energy between the power grid and the energy store can be controlled by the charging device.
  • the charging device can be used as a stationary device, e.g. be configured as a charging station or as a charger for the motor vehicle. The question now is when and how much energy is charged into the energy store by the charging device or fed into the power grid from the energy store, i.e. which state of charge (SOC) should be set for a gentle operation of the energy storage.
  • SOC state of charge
  • a future time course of a non-energy requirement is predicted or predicted.
  • This non-energy requirement results from a respective parking phase or resting phase of the motor vehicle.
  • the non-energy requirement can be, for example, the period during which the motor vehicle is coupled to the energy source via the charging device. In other words, the non-energy requirement always exists when the motor vehicle is not being driven. So the said time course of the non-energy requirement can indicate that Motor vehicle is coupled or connected to the charging device, that is, when the energy exchange by means of the charging device is possible.
  • a state of charge of the energy store is kept below a limit value by means of the charging device if the predicted time profile of the non-energy requirement for a predetermined next time interval satisfies a predetermined resting criterion. It is therefore taken into account when, in accordance with the time course of the non-energy requirement, no energy from the energy store is required, which is expressed in that the predicted one
  • Time course of the non-energy requirement for the predetermined next time interval fulfills the predetermined rest criterion.
  • This time interval can mean, for example, that the rest criterion will be fulfilled for the next minute or the next hour, starting from the time in question. However, the time interval can also be 0 seconds, which means that only the time currently being considered is taken into account.
  • the resting criterion can mean that the
  • Non-energy demand is above a predetermined threshold.
  • the time interval under consideration can be selected in such a way that a charging time can be taken into account that may be necessary to charge the energy store, so that in the event that, according to the predicted time profile, the resting criterion is no longer met in a predetermined future time, then the Energy storage is also charged.
  • the future non-energy requirement can be determined, i.e. monitored or estimated or predicted, for how long the motor vehicle will be without energy requirement, i.e. remain unused and / or coupled to the charging device, based on a future course of time will stay.
  • the charge level can then be kept below the limit for this time. It should be noted here that the state of charge can be kept below the limit regardless of the charging capacity available in the power grid. In other words, the state of charge does not need to be kept below the limit value because no charge power is currently available from the energy source and / or because at least one other motor vehicle is to be charged first and the total charge power is to be kept below a threshold value.
  • the state of charge of the energy store can be kept below the limit value regardless of the availability of the charging power of the energy source.
  • In the foreground is the lifespan extension of the energy storage.
  • the limit value is preferably below 70% based on the fully charged state (100% state of charge), in particular below 60% below the fully charged state of charge.
  • the limit value can also be set, for example, as a function of an ambient temperature of the energy store and / or the motor vehicle, which has already been described as advantageous at the beginning.
  • the motor vehicle while it is connected to the charging device, is not unnecessarily burdened to the extent that the energy store has a state of charge which favors the wear of the energy store.
  • a start of a charging process can be determined, for example.
  • the available and / or predetermined charging power and / or the current state of charge can also be taken into account.
  • the invention also includes embodiments which result in additional advantages.
  • said predicted time profile of the non-energy requirement for respective points in time of the time profile indicates that, starting from the respective point in time t, the motor vehicle does not require any electrical energy from the energy store and / or with the charging device and / or the energy source will remain coupled.
  • This next period of time, calculated from the respective time t can be, for example, in a range from 1 minute to 1 hour, for example within 1 minute to 30 minutes.
  • the course of time at the respective times t indicates whether the motor vehicle will continue to require no electrical energy from the energy store, specifically for the next said predetermined period of time (for example 10 minutes) and / or whether the motor vehicle continues to operate for this period of time Charger will remain paired.
  • the duration under consideration can also be 0 minutes.
  • the time course of the non-energy requirement for different times indicates whether the motor vehicle will still be available for an energy exchange.
  • the charging device can simply remain deactivated and / or the energy exchange can be omitted as long as the time course of the non-energy requirement fulfills the resting criterion.
  • the energy store is discharged below a predetermined minimum charge state, at least the minimum charge state is restored by an energy exchange.
  • one embodiment provides that the energy store is discharged until the state of charge is below the current limit value. This ensures that even a motor vehicle with a fully charged energy store or an energy store whose state of charge is above the limit value is operated gently in the parking phase.
  • said time profile is an indication of probability.
  • the limit value below which the state of charge is maintained can be continuously adjusted as a function of the probability. If the course of time has a temporal fluctuation or change, a corresponding fluctuation or change can also be set for the limit value.
  • Continuous values here means the difference to the continuous-time adjustment, which results from the adjustment anyway.
  • a graduated adjustment can be provided, that is to say a plurality of limit values or a group of limit values can be provided between which can be switched in stages.
  • the state of charge can be increased by recharging the energy store if the probability information for the non-energy requirement decreases, so that the driver is provided with an energy content by the increased state of charge, if the probability is realized or occurs that the motor vehicle is being used.
  • the state of charge is kept at the limit value and not simply at any state of charge below the limit value.
  • the time course of the non-energy requirement can only indicate when the motor vehicle takes up the parking phase or the resting phase, that is, when it is coupled to the charging device.
  • the said probability statement can also be provided here. If then the motor vehicle is not coupled to the charging device is, but is used or driving, it is advantageous to know how much energy the motor vehicle is then likely to need. Accordingly, a charging process can then be carried out or adapted before the end of the parking phase.
  • a respective time profile of an energy requirement of the motor vehicle required from the energy store is also predicted. It is therefore estimated or stated for several different times or for several different time intervals how much energy the motor vehicle is likely to need in each case. This can be specified as a power requirement, for example.
  • the charge state is set as a function of the predicted course of the energy requirement by means of the charging device. Because the violation of the resting criterion signals an impending use of the motor vehicle.
  • the energy store is only charged to the extent that, according to the predicted time profile of the non-energy requirement, for the time interval that is from that point in time from which the resting criterion is violated, that is to say the parking phase has ended, to that point in time which the rest criterion is fulfilled again, i.e. the operating phase is over and the parking phase begins again, the state of charge of the energy store is in a time average in a range from 30% to 70% or in a range from 40% to 60%. During the operating phase, a state of charge will thus result which is on average over the said time interval in the said limits or range. This prevents an unnecessarily extreme state of charge (for example above 90%) from occurring on average. This protects the energy saver.
  • a buffer value is added when the predicted time profile of the energy requirement is taken into account.
  • the buffer value can be, for example, in a range from 1 kWh to 20 kWh. In this way, a forecast blur that can adhere to the time course of the energy requirement can be compensated for or taken into account. The state of charge is therefore higher than the expected predicted energy consumption.
  • the buffer value is preferably specified in a user-specific and / or situation-specific manner and / or can be determined on the basis of the evaluation of the individual mobility behavior. In particular, the buffer value can be determined as a function of an individual mobility behavior of at least one in front of certain users. In this way, fluctuations or variance in a mobility behavior of the at least one user can be compensated for or taken into account.
  • a prediction model is operated for the prediction of the respective time profile (the non-energy requirement and / or the energy requirement).
  • This prediction model is configured or adapted to the motor vehicle.
  • trip data are recorded for at least one trip: time data (regarding, for example, days of the week and / or times of trips), weather data (regarding, for example, weather conditions for which the motor vehicle was used), route data (regarding starting locations and / or destinations and / or routes), consumption data (regarding, for example, a Average consumption and / or a driving style and / or a loading or loading of the motor vehicle), loading data for reloading operations (relating to loading operations at at least one other loading device).
  • the prediction model can be adapted to an actually existing intended use of the motor vehicle.
  • time data into account makes it possible to directly predict the respective time profile.
  • weather data into account makes it possible to take into account conditional, weather-dependent use.
  • the weather data can be used to determine an increased energy requirement for temperature control of the interior and the components of the motor vehicle (for example temperature control of the energy store itself) and can thus be taken into account in an energy requirement estimate.
  • route data into account makes it possible to recognize when a user knows a travel destination whether the user will be using the motor vehicle. It can also be used to determine the expected driving distances, which are the basis for the expected energy consumption.
  • consumption data into account makes it possible to predict energy consumption.
  • loading data into account makes it possible to plan for a reloading process at another loading device.
  • said trip data is acquired by means of a vehicle-related acquisition.
  • the use of the motor vehicle is taken into account, which can be carried out by several users.
  • personal data can be recorded so that a specific user behavior of a particular user can be taken into account.
  • Trip data for trips with at least one other person can also be transmitted to the user
  • the said travel data make it possible to configure the prediction model on the basis of historical or past driving processes that have been observed.
  • the acquisition of at least part of the trip data is carried out during at least one trip that is carried out with another motor vehicle, and the trip data acquired thereby are standardized by relating them to an average consumption and / or per predetermined distance unit (for example per Kilometers) and / or for different road classes (e.g. highway, country road, city) and / or road type (good
  • Road condition / poor road condition can be determined. This means that a larger database is available. If a part of the trip data is determined here with a motor vehicle that has a different engine and / or a different weight, for example, normalization can ensure that an energy requirement for the motor vehicle that is connected to the charging device is correctly determined. Taking route units and / or road classes and / or road types into account makes it possible to determine, in the case of a planned route of the motor vehicle, what energy it is likely to have for this.
  • the planned route can e.g. can be received in the form of navigation data from a navigation device.
  • the predicted time profile is additionally adapted by the prediction model as a function of at least some of the following situation data.
  • a mobility matrix can be taken into account that describes a mobility behavior or movement behavior of at least one user of the motor vehicle, that is to say indicates at what times the respective user is going from which starting point to which destination.
  • Booking data for the motor vehicle can be taken into account, which indicate when at least one user has announced or ordered the use of the motor vehicle.
  • Traffic data from road traffic can be taken into account, which can indicate whether a certain route can be used and / or the expected average speed at which the route can be used.
  • Weather forecast data can be taken into account, which can indicate which weather or which weather is likely to prevail.
  • Personal activity data of at least one user of the motor vehicle can be determined, such activity data being determined, for example, by means of a mobile terminal (for example smartphone and / or tablet PC and / or smart watch) or generally a so-called “wearable device”
  • the activity data can describe a current activity and / or a planned activity of the respective user, wherein the activity data can comprise at least one of the following data types: calendar data (for example at least one appointment of the user), alarm clock data (for example times for getting up and / or going to bed), movement data (for example a movement towards or away from the motor vehicle), a sewing indication of the motor vehicle (how far the user is from the motor vehicle), sleep phase information (ie when the user is sleeping) so additional
  • calendar data for example at least one appointment of the user
  • alarm clock data for example times for getting up and / or going to bed
  • movement data for example a movement towards or away from the motor vehicle
  • a sewing indication of the motor vehicle how far the user is from the motor vehicle
  • sleep phase information i
  • data from a respective wearable of the at least one user are taken into account in order to determine the intended vehicle non-use of the motor vehicle with respect to at least one predetermined user.
  • a wearable can be a mobile end device, such as a smartphone or a tablet PC or a smartwatch, or it can be, for example, a device worn on the body, such as a fitness bracelet, or a piece of jewelry with a radio device.
  • the wearable can be used to record a location and / or movement behavior of the user and to conclude that the motor vehicle is about to be used or not used (for example on the basis of a distance and / or a movement with respect to the force).
  • the said data can include geoposition data and / or appointment data.
  • the data can also be the said activity data in order to adapt the respective course of time.
  • the prediction model in the event that a recharging process is detected while the motor vehicle is in use, the prediction model is corrected on the basis of the detected recharging process.
  • the reloading process is in particular an unplanned or unforeseen or unpredictable reloading process. So there was a forecast error here.
  • the prediction model can be implemented, for example, on the basis of a machine learning method, that is, for example, on the basis of a neural network and / or a decision tree and / or a regression model and / or a deep learning method ( Deep learning process).
  • a statistical method for example a Markov chain and / or a probabilistic network
  • user input is received via a user interface (for example an Internet portal and / or a user program (for example application software for a mobile terminal).
  • the user input announces a planned use of the motor vehicle.
  • the user then explicitly specifies when he would like to use the motor vehicle.
  • the predicted time profile of the non-energy requirement is then corrected in accordance with the user input. This advantageously allows a user to announce an exceptional situation and it is then ensured that the motor vehicle's energy store has a corresponding one Has state of charge.
  • the time course of the energy requirement can also be adapted if the user input also defines, for example, a destination and / or a route.
  • the prediction model is operated by a backend device.
  • a back-end device is a device external to the vehicle, which in particular can also be operated at a distance from the charging device. It can be, for example, a computer or a group of computers.
  • the back-end device can be implemented, for example, as an Internet server or cloud device.
  • the implementation of the method by a back-end device has the advantage that data sources are used that are available outside the motor vehicle.
  • Said backend device also belongs to the invention.
  • This has a computing device which is set up to carry out an embodiment of the method according to the invention.
  • the computing device can be implemented on the basis of at least one microprocessor.
  • the method can be implemented, for example, as a program code for the computing device.
  • the program code can have program instructions which, when executed by the computing device, carry out the embodiments of the method according to the invention.
  • the program code can be stored in a data memory or a non-volatile storage medium of the computing device.
  • the backend device can be coupled to the charging device, for example via a communication link, in order to control the charging device.
  • the communication device can be implemented on the basis of an Internet connection.
  • the communication connection can include a radio-based connection, such as can be implemented, for example, on the basis of a mobile radio connection and / or WLAN connection (WLAN - Wireless Local Area Network).
  • WLAN Wireless Local Area Network
  • FIG. 1 shows a schematic representation of a system architecture with an embodiment of the back-end device according to the invention
  • Fig. 2 is a diagram with a predicted time course of a
  • Fig. 3 is a diagram with a predicted time course of a
  • FIG. 4 shows a flow chart diagram of an embodiment of the method according to the invention.
  • the exemplary embodiment explained below is a preferred embodiment of the invention.
  • the described components of the embodiment each represent individual features of the invention that are to be considered independently of one another, which further develop the invention independently of one another and are therefore also to be regarded individually or in a combination other than the one shown as part of the invention.
  • the described embodiment can also be supplemented by further features of the invention that have already been described.
  • the charging device 11 can be, for example, a charging station or a charging station.
  • the Charging device 11 can also be integrated into motor vehicle 12.
  • the charging device 11 can be used to recharge its electrical energy store 13 by means of an energy exchange 14.
  • the energy store 13 can be, for example, a high-voltage battery, that is to say a battery that can generate a DC voltage of more than 60 V.
  • the energy store 13 can be a so-called traction battery of the motor vehicle 12, by means of which an electric drive unit of the motor vehicle 12 can be operated.
  • the charging device 11 can be connected to an electrical energy source 15.
  • the energy source 15 can be a public electricity network and / or an installation for regenerative energies, for example a photovoltaic installation. In general, the charging device 11 is therefore connected to an electrical energy source.
  • the energy exchange 14 can be controlled in the charging device 11 by control signals 16, which can be generated by a Steuerervor device 17.
  • the control device 17 can in particular be designed as a back-end device 18, that is to say for example as an Internet server or cloud device for the Internet.
  • the control signals 16 can be transmitted from the back-end device 18 to the charging device 11 via a communication link 19.
  • the communication link 19 can be based, for example, on an internet connection and / or a radio link.
  • a charging control 20 can be implemented by the back-end device 18, which is used for the energy store 13 of the
  • Motor vehicle 12 provides a charging strategy in which it can also be provided that the state of charge of the energy store 13 is maintained if the motor vehicle 12 is not used within a predetermined next time period. It can hereby be provided that the state of charge is kept below a predetermined limit value 21.
  • the limit value indicates that the energy storage device 13 is operated more gently if the state of charge is below the limiting value 21, as long as the motor vehicle 12 is not used, that is to say no energy is drawn from the energy storage device 13.
  • the limit value 21 can be dependent on a storage technology of the energy store 13.
  • One possible storage technology is lithium-ion storage technology.
  • the limit value 21 can be taken, for example, from specialist publications.
  • the state of charge SOC can be set here by the energy exchange 14. As long as a rest criterion 22 is fulfilled, which indicates that the motor vehicle 12 will not be used within a next time interval 23, the charge state is kept below the limit value 21. In order to be able to recognize or predict whether the motor vehicle 12 will be used for a future time period, in particular for the next future time interval 23, a predicted time profile 24 for an energy requirement E and a predicted time profile 25 for a non-energy requirement N can be set in the back-end device 18 be taken as a basis.
  • FIG. 2 shows an example of a time profile 24 for an energy requirement E.
  • the energy requirement E in the unit kilowatt hours (kWh) is shown over the time t (indicated in hours h of the day, that is to say from midnight to midnight). This also results in a power requirement of the motor vehicle 12.
  • the energy requirement E indicates the energy required from the energy store 13. It can be the energy that the motor vehicle 12 requires when driving or driving.
  • FIG. 3 shows an example of a time profile 25 for the non-energy requirement N. It can be a statement of probability, which can be expressed, for example, in percent. The information is again over the time t in hours h of the day.
  • the non-energy requirement N can indicate the probability with which the motor vehicle 12 is in a parking phase 26 (see FIG. 1) and with the charging device 11 or Energy source 15 is coupled, so that the charging control 20 can be carried out or implemented. If, on the other hand, there is no parking phase 26, but an operating phase, the motor vehicle 12 is decoupled from the charging device 11 or the energy source 15, so that no energy exchange 14 for setting the state of charge SOC is possible.
  • FIG. 4 illustrates a method that can be carried out in the backend device 18 by a computing device 27 (see FIG. 1) in order to implement the charging control 20.
  • a step S10 the future time profile 25 of the non-energy requirement N and the time profile 24 of the non-energy requirement N can be predicted.
  • the state of charge SOC of the energy store 13 can then be kept below the limit value 21 independently of the availability of a charging power of the energy source 15 by means of the charging device 11 if the predicted time profile 25 of the non-energy requirement N for a predetermined next time interval 23 is the resting criterion 22 Fulfills.
  • the resting criterion can say, for example, that the time profile 25 for the non-energy requirement N must be above a predetermined threshold value 28 so that it is assumed that the motor vehicle 12 is actually coupled to the charging device 11 for the respective time t. It can also be provided that it is assumed that the time profile 25 for the future time interval 23 must be above the threshold value 28 from the current point in time.
  • FIG. 3 illustrates how a time interval 32 arises between a point in time 30 at which the threshold value 28 is undershot by the time profile 25 and a point in time 31 at which the time profile 25 again exceeds the threshold value 28 the charging control 20 must assume that the motor vehicle 12 is in an operating phase and thus can only extract energy from the energy store 13.
  • the energy requirement E for the time interval 32 can be determined from the time profile 24.
  • 1 further illustrates how the time profiles 24, 25 can be predicted.
  • Provisional time profiles 24 ', 25' can first be determined by means of a prediction model 33.
  • the prediction model 33 can be configured on the basis of historical trip data 34.
  • the at least one motor vehicle 35 can be the motor vehicle 12, but it can also be one or more other motor vehicles. Each of the motor vehicles 35 can also have an energy store 36, so that charging processes also result for the at least one motor vehicle 35.
  • the travel data 34 can be acquired from the at least one motor vehicle 35 by means of a data acquisition 37 which, for example, can acquire the travel data 34 on the basis of communication via a respective communication link 38 to the at least one motor vehicle 35.
  • charging data 40 for charging processes of the at least one motor vehicle 35 can also be recorded by data acquisition 39 as trip data.
  • Such loading data 40 can be received from the respective motor vehicle 35 and / or from a charging station.
  • a corresponding communication link 41 can be provided.
  • the communication connections 38, 41 can each comprise, for example, an Internet connection and / or a mobile radio connection and / or a WLAN radio connection.
  • the prediction model 33 can be formed, for example, as a statistical model and / or as a model based on a machine learning method.
  • the provisional time profiles 24 ', 25' can then be compared with actually observed time profiles, from which error data 42 can be generated which can be used for Correcting or improving the prediction model 33 can be used.
  • current situation data 43 can also be taken into account, on the basis of which a current situation of motor vehicle 12 can be determined. From this, a respective correction 44, 45 for the provisional course of time 24 ', 25' can be carried out, which then results in the final estimated or predicted course of time 24, 25 in each case.
  • weather forecast data 46 from a weather station 47 and / or traffic data 48 from a traffic monitoring 49 can be used as situation data 43.
  • Weather data and / or traffic data are preferably used to determine an increased energy requirement due to (e.g. low or high) outside temperatures and / or due to traffic congestion.
  • Activity data 50 which can describe an activity of a user of the motor vehicle 12, can also be used.
  • a mobile terminal 51 which can be, for example, a smartphone and / or a tablet PC and / or a smart watch of the user.
  • a mobility matrix 52 and / or booking data 53 from a corresponding data source 54 can also be used.
  • a user interface 55 can also be provided, for example by means of the mobile terminal 51, through which a user input 56 can be received, through which the user can expressly indicate when he wants to use the motor vehicle 12.
  • Time profiles 24 ', 25' are derived or determined.
  • the charging current is selected in such a way that the life of the energy store during the charging process is impaired as little as possible.
  • the server-based system system architecture 10 described uses various data sources, processes the raw data and uses machine learning methods to predict the following variables (see FIG. 2):
  • driver-specific variant this primarily uses personal driver data
  • vehicle-specific variant particularly suitable for fleet applications
  • an intelligent control of the charging strategy is used. This is wireless or wired communication connection and interface with the control unit of the charger of the electric vehicle is necessary.
  • the individual components of the overall system are described below.
  • the charging strategy uses the predicted course of the energy requirement in order to have the energy storage fully charged at the expected start time.
  • the point in time at which the charging process is to be started, depending on the current SOC of the battery, is calculated so that the energy store is fully charged. It must be known how much power the electric vehicle can be charged with (e.g. 3kW household socket, wall-charging station with a truck or 22 kW).
  • the energy store is only fully charged so that the destination can be reached with an average SOC value (e.g. 50%).
  • the probability of the non-energy requirement is used to determine the SOC level during the parking process / vehicle standstill. If there is a higher probability of non-energy demand (e.g. at night), the SOC level is left at a low level in order to minimize the lifespan of the energy store. If the probability of the non-energy requirement decreases, the SOC level is increased by recharging the energy store, so that the driver has a certain amount of energy at his disposal should he still want to start unexpectedly.
  • the vehicle With a smart grid connection of the vehicle, it is also possible to discharge the energy storage device after the end of the journey (e.g. in decentralized home storage systems) in order to lower the SOC level if the energy storage unit is very full after the end of the journey and for the next few hours no ride is expected. Since the predicted values have a certain uncertainty about the prognosis, a certain safety buffer is taken into account in the loading strategy. The vehicle is fully charged a certain period of time before the start of the journey and the SOC level is higher than the expected predicted energy consumption.
  • trip data 34 such as the start of the trip, the outside temperature (by weather data), the duration of the trip, the travel distance and the energy consumption of the vehicle (electrical or conventional) can be recorded.
  • This data can be recorded on the basis of GPS data and available OBD data in conventional vehicles.
  • OBD data In the case of electric vehicles, there is an interface to the vehicle's communication network so that the data can be recorded.
  • the data is transmitted to a backend via wireless communication.
  • the data is recorded personally (for private vehicles) or vehicle-related (for fleet vehicles).
  • the recorded energy consumption of the vehicle is standardized so that the energy consumption of different vehicles can be compared.
  • the energy consumption per unit of distance can be simply divided by the average consumption of the vehicle.
  • the route-dependent average energy consumption depending on the road class or the road type can be used for standardization.
  • digital map data must be used to determine which sections of the route have been covered with which road class or type. This can happen while driving or in the backend with the recorded driving trajectories.
  • Mobility behavior Origin - Destination Matrix / prediction of the probable destinations by evaluating the individual driver behavior (with driver-specific recording)
  • prediction model 33 it is statistically recorded when which energy consumption is required. The statistical evaluation takes place every hour and every weekday.
  • the use of statistical methods (Markov chains, probabilistic networks, to name just a few examples) and machine learning processes (neural networks, decision trees, regression models, deep learning processes, to name just a few examples) result in the following Predicted values:
  • the course of the values over time for a parameterizable prediction horizon (e.g. 24h) is calculated.
  • the prediction is based on the recorded data at the time of vehicle use and the recorded energy consumption values. Prediction is therefore possible without entering user data or entering navigation data.
  • the prediction is corrected depending on the additional data sources available.
  • the energy consumption depends on the vehicle used expected weather conditions and the expected traffic conditions have been corrected.
  • the probability of no need is corrected depending on the user-specific data available (e.g. by knowledge of smartphone data such as the alarm clock, by knowledge of the appointment calendar or by evaluation of personal mobility behavior).
  • the prediction model is improved by evaluating recharging on the go (on non-preferred charging stations). For example, it analyzes whether the
  • Reloading would have been avoided if the memory had already been fully loaded at the start of the journey. If an inaccurate forecast is the cause of the reloading process, the forecast model is adjusted accordingly. For example, methods of reinforcement learning are used.
  • the user receives a display of the predicted values through a user interface (user interface 55, for example in the form of a web portal, SmartPhone and / or application software).
  • a user interface user interface 55, for example in the form of a web portal, SmartPhone and / or application software.
  • the system predicts the energy requirement and the probability of a non-energy requirement regardless of the user input.
  • exceptional situations e.g. when traveling on vacation at 3:00 a.m.
  • the user has the option of specifying a required start of the journey to ensure that the energy storage is sufficiently charged in these exceptional situations.
  • Smart grid applications consideration of energy requirements of electric vehicles for decentralized storage; Feeding back electric vehicles into decentralized house storage
  • the example shows how the invention provides the prediction of a probability that an electric vehicle will not be required to extend the battery life of the electric vehicle.

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zur prädiktiven Ladesteuerung (20) für einen elektrischen Energiespeicher (13) eines Kraftfahrzeugs (12), wobei ein Energieaustausch (14) des Energiespeichers (13) mit einer elektrischen Energiequelle (15) durch eine Ladeeinrichtung (11) gesteuert wird. Die Erfindung sieht vor, dass ein zukünftiger Zeitverlauf (25) eines Nichtenergiebedarf (N), der aus einer jeweiligen Parkphase des Kraftfahrzeugs (12) resultiert, prädiziert wird und ein Ladezustand (SOC) des Energiespeichers (13) unabhängig von einer Verfügbarkeit einer Ladeleistung der Energiequelle (15) mittels der Ladeeinrichtung (11) unterhalb eines Grenzwerts (21) gehalten wird, falls der prädizierte Zeitverlauf (25) des Nichtenergiebedarfs (N) für ein vorbestimmtes nächstes Zeitintervall (23) ein vorbestimmtes Ruhekriterium (22) erfüllt.

Description

Beschreibung
Verfahren und Backendvorrichtung zur prädiktiven Ladesteuerung für einen elektrischen Energiespeicher eines Kraftfahrzeugs
Die Erfindung betrifft ein Verfahren und eine Backendvorrichtung zur prädiktiven Ladesteuerung für einen elektrischen Ener giespeicher eines elektrisch antreibbaren Kraftfahrzeugs. Die Ladesteuerung soll einen schonenden Betrieb des elektrischen Energiespeichers gewährleisten.
Als Energiespeicher kann dabei z.B. eine Batterie mit Lithi- um-Ionen-Batteriezellen vorgesehen sein. Die Alterung oder der Verschleiß von Lithium-Ionen-Batteriezellen hängt von den Temperaturen und dem Ladezustand (SOC - State of Charge) der Batterie ab. So sollen Lithium-Ionen Batterien unter 10 Grad Celsius und bei einem mittleren (30-50%) oder sogar niedrigem SOC (0-30%) gelagert werden. Bei diesen Lagerbedingungen reduziert sich die verfügbare Batteriekapazität in 15 Jahren um weniger als 10%, was sehr vorteilhaft ist.
Allerdings ist bei einem reduzierten Ladezustand die verfügbare Reichweite eines Kraftfahrzeugs ebenfalls reduziert. Es existieren Ansätze, die das Ziel einer Fahrt auf Basis von vergangenen Fahrten erlernen und beispielsweise das wahr scheinliche Ziel oder den wahrscheinlichen Pfad zum Ziel (most probable path) ausgeben. Beispiele sind US 20070150174 Al, US 8768616 B2 , EP 2 042 833 Al, DE 10 2011 078 946 Al. Diese Verfahren haben den Nachteil, dass sie zum Teil erst während der Fahrt in Abhängigkeit der ersten befahrenen Straßensegmente das Fahrtziel bestimmen. Für das Halten des Energiespeichers auf einem niedrigen SOC-Level (Ladezustand) ist dies jedoch zu spät, weil dann eine Anpassung des Ladezustands mittels einer Ladeein richtung nicht mehr möglich ist.
Der Erfindung liegt die Aufgabe zugrunde, eine Ladesteuerung für einen elektrischen Energiespeicher eines Kraftfahrzeugs be- reitzustellen, wobei die Ladesteuerung einen schonenden Betrieb des Energiespeichers ermöglichen soll.
Die Aufgabe wird durch die Gegenstände der unabhängigen Pa tentansprüche gelöst. Vorteilhafte Ausführungsformen der Er findung sind durch die abhängigen Patentansprüche, die folgende Beschreibung sowie die Figuren beschrieben.
Durch die Erfindung ist ein Verfahren für eine prädiktive Ladesteuerung für einen elektrischen Energiespeicher eines (elektrisch antreibbaren) Kraftfahrzeugs bereitgestellt. Das Verfahren geht davon aus, dass ein Energieaustausch des
Energiespeichers mit einer elektrischen Energiequelle durch eine Ladeeinrichtung gesteuert werden kann. Bei der Energiequelle kann es sich um ein Stromnetz , z . B . um ein öffentliches Stromnetz , das heißt ein Energieversorgungsnetz, handeln. Die Ladeein richtung kann einen Anschluss aufweisen, über welchen der Energiespeicher des Kraftfahrzeugs mit der Energiequelle verbunden werden kann. Ein Energieaustausch oder Energiefluss zwischen dem Stromnetz und dem Energiespeicher kann dabei durch die Ladeeinrichtung gesteuert werden. Die Ladeeinrichtung kann als stationäre Einrichtung, z.B. als Ladestation, oder als Ladegerät des Kraftfahrzeugs ausgestaltet sein. Die Frage ist nun, wann wie viel Energie durch die Ladeeinrichtung in den Energiespeicher geladen oder aus dem Energiespeicher in das Stromnetz eingespeist wird, d.h. welcher Ladezustand (SOC) für einen schonenden Betrieb des Energiespeichers eingestellt werden soll .
Gemäß dem Verfahren wird ein zukünftiger Zeitverlauf eines Nichtenergiebedarfs prädiziert oder vorhergesagt. Dieser Nichtenergiebedarf resultiert aus einer jeweiligen Parkphase oder Ruhephase des Kraftfahrzeugs. Der Nichtenergiebedarf kann beispielsweise derjenige Zeitraum sein, während welchem das Kraftfahrzeug über die Ladeeinrichtung mit der Energiequelle gekoppelt ist. Mit anderen Worten besteht der Nichtenergiebedarf immer dann, wenn das Kraftfahrzeug nicht gefahren wird. So kann der besagte Zeitverlauf des Nichtenergiebedarfs angeben, das Kraftfahrzeug mit der Ladeeinrichtung gekoppelt oder verbunden ist, das heißt wann der Energieaustausch mittels der Lade einrichtung möglich ist.
Bei dem Verfahren ist nun vorgesehen, dass ein Ladezustand des Energiespeichers mittels der Ladeeinrichtung unterhalb eines Grenzwerts gehalten wird, falls der prädizierte Zeitverlauf des Nichtenergiebedarfs für ein vorbestimmtes nächstes Zeitin tervall in vorbestimmtes Ruhekriterium erfüllt. Es wird also berücksichtigt, wann gemäß dem Zeitverlauf des Nichtenergie bedarfs keine Energie aus dem Energiespeicher benötigt werden wird, was dadurch ausgedrückt ist, dass der prädizierte
Zeitverlauf des Nichtenergiebedarfs für das vorbestimmte nächste Zeitintervall das vorbestimmte Ruhekriterium erfüllt. Dieses Zeitintervall kann beispielsweise besagen, dass das Ruhekri terium ausgehend vom betrachteten Zeitpunkt für die nächste Minute oder die nächste Stunde erfüllt sein wird. Das Zeit intervall kann aber auch 0 Sekunden betragen, wodurch aus schließlich der aktuell betrachtete Zeitpunkt berücksichtigt wird. Das Ruhekriterium kann hierbei besagen, dass das
Kraftfahrzeug nicht benötigt wird, also keine Energie aus dem Energiespeicher notwendig ist. Es kann beispielsweise als Ruhekriterium festgelegt sein, dass der Zeitverlauf des
Nichtenergiebedarfs oberhalb eines vorbestimmten Schwellenwerts liegt. Das betrachtete Zeitintervall kann dabei derart gewählt sein, dass eine Ladedauer berücksichtigt sein kann, die notwendig sein kann, um den Energiespeicher aufzuladen, damit für den Fall, dass gemäß dem prädizierten Zeitverlauf in einem vorbestimmten zukünftigen Zeitpunkt das Ruhekriterium nicht mehr erfüllt ist, dann der Energiespeicher auch geladen ist.
Während also das Kraftfahrzeug mit der Ladeeinrichtung gekoppelt ist, kann in dieser Zeit anhand eines zukünftigen Zeitverlaufs der Nichtenergiebedarf ermittelt werden, also überwacht oder abgeschätzt oder prädiziert werden, wie lange das Kraftfahrzeug ohne Energiebedarf sein wird, also ungenutzt bleiben und/oder mit der Ladeeinrichtung gekoppelt bleiben wird. Für diese Zeit kann dann der Ladezustand unterhalb des Grenzwerts gehalten werden. Zu beachten ist hierbei, dass der Ladezustand unterhalb des Grenzwerts unabhängig davon gehalten werden kann, welche La deleistung in dem Stromnetz bereitsteht. Mit anderen Worten braucht also der Ladezustand nicht deshalb unterhalb des Grenzwerts gehalten werden, weil aus der Energiequelle gerade keine Ladeleistung verfügbar ist und/oder weil zumindest ein anderes Kraftfahrzeug zunächst aufgeladen werden soll und die Gesamtladeleistung unterhalb eines Schwellenwerts gehalten werden soll. Vielmehr kann unabhängig von der Verfügbarkeit der Ladeleistung der Energiequelle der Ladezustand des Energie speichers unterhalb des Grenzwerts gehalten werden. Im Vor dergrund steht die Lebensdauerverlängerung des Energiespei chers. Falls aber eine Integration des Energiespeichers in ein größeres Netzwerk (z.B. Niederspannungsnetzwerk) aus mehreren Energiespeichern mit zeitabhängigen Strompreisen vorgesehen ist, kann der Nutzen zwischen Lebensdauer und Kostenersparnis abgewogen werden und der Ladevorgang zusätzlich auch deshalb zeitlich verschoben werden. Der Grenzwert liegt hierbei be vorzugt unterhalb von 70 % bezogen auf den vollgeladenen Zustand (100% Ladezustand), insbesondere unter 60 % unterhalb des vollgeladenen Ladezustands. Der Grenzwert kann auch bei spielsweise in Abhängigkeit von einer Umgebungstemperatur des Energiespeichers und/oder des Kraftfahrzeugs eingestellt werden, was eingangs bereits als vorteilhaft beschrieben wurde.
So wird also das Kraftfahrzeug, während es mit der Ladeein richtung verbunden ist, nicht unnötig dahingehend belastet, dass der Energiespeicher einen Ladezustand aufweist, welcher den Verschleiß des Energiespeichers begünstigt. Erst wenn anhand des prädizierten Zeitverlaufs des Nichtenergiebedarfs erkannt wird, dass das Ruhekriterium zukünftig verletzt sein wird oder anders herum der Nichtenergiebedarf endet (und damit ein Energiebedarf herrscht, weil die Parkphase endet) , kann dann ein Ladevorgang oder Energieaustausch gestartet werden, um den Energiespeicher für das Ende der Parkphase oder Ruhephase vorzubereiten. Je nachdem, wann das Ruhekriterium zukünftig verletzt wird, kann z.B. ein Beginn eines Ladevorgangs festgelegt werden. Hierbei kann auch die verfügbare und/oder vorgegebene Ladeleistung und/oder der aktuelle Ladezustand berücksichtigt werden.
Die Erfindung umfasst auch Ausführungsformen, durch die sich zusätzliche Vorteile ergeben.
In einer Ausführungsform ist durch den besagten prädizierten Zeitverlauf des Nichtenergiebedarfs für jeweilige Zeitpunkte des Zeitverlaufs angegeben, dass das Kraftfahrzeug ausgehend von dem jeweiligen Zeitpunkt t für eine vorbestimmte nächste Zeitdauer keine elektrische Energie aus dem Energiespeicher benötigt und/oder mit der Ladeeinrichtung und/oder der Energiequelle gekoppelt bleiben wird. Diese nächste Zeitdauer gerechnet ab dem jeweiligen Zeitpunkt t kann beispielsweise in einem Bereich von 1 Minute bis 1 Stunde liegen, beispielsweise innerhalb von 1 Minute bis 30 Minuten. Der Zeitverlauf gibt also zu den jeweiligen Zeitpunkten t an, ob das Kraftfahrzeug weiterhin keine elektrische Energie aus dem Energiespeicher benötigen wird, und zwar für die nächste besagte vorbestimmte Zeitdauer (zum Beispiel 10 Minuten) und/oder ob für diese Zeitdauer das Kraftfahrzeug weiter mit der Ladeeinrichtung gekoppelt bleiben wird. Für eine ausschließliche Betrachtung des jeweils aktuellen Zeitpunkts kann die betrachtete Zeitdauer auch 0 Minuten betragen. Somit ist durch den Zeitverlauf des Nichtenergiebedarfs für unter schiedliche Zeitpunkte jeweils angegeben, ob das Kraftfahrzeug noch für einen Energieaustausch noch zur Verfügung stehen wird.
Wird das Kraftfahrzeug mit der Ladeeinrichtung verbunden und ist der Energiespeicher soweit entladen, dass der Ladezustand unterhalb des besagten Grenzwerts liegt, so kann die Lade einrichtung einfach solange deaktiviert bleiben und/oder der Energieaustausch unterlassen werden, solange der Zeitverlauf des Nichtenergiebedarfs das Ruhekriterium erfüllt. Hierbei kann natürlich vorgesehen sein, dass für den Fall, dass der Ener giespeicher unterhalb eines vorbestimmten Mindestladezustands entladen ist, zumindest der Mindestladezustand durch einen Energieaustusch wiederhergestellt wird. Für den Fall aber, dass das Kraftfahrzeug an die Ladeeinrichtung angeschlossen wird und der Ladezustand oberhalb des Grenzwerts liegt, sieht eine Ausführungsform vor, dass der Energiespeicher solange entladen wird, bis der Ladezustand unter dem aktuellen Grenzwert liegt. Hierdurch wird sichergestellt, dass auch ein Kraftfahrzeug mit vollaufgeladenem Energiespeicher oder einem Energiespeicher, dessen Ladezustand oberhalb des Grenzwerts liegt, schonend in der Parkphase betrieben wird.
In einer Ausführungsform ist der besagte Zeitverlauf eine Wahrscheinlichkeitsangabe. Hierbei kann der Grenzwert, un terhalb welchem der Ladezustand gehalten wird, als Funktion der Wahrscheinlichkeitsangabe wertekontinuierlich angepasst wer den. Weist also der Zeitverlauf eine zeitliche Schwankung oder Veränderung auf, kann auch bei dem Grenzwert eine entsprechende Schwankung oder Veränderung eingestellt werden. Mit „werte kontinuierlich" ist hierbei der Unterschied zur zeitkontinu ierlichen Anpassung gemeint, die sich ja ohnehin durch das Anpassen ergibt. Alternativ zur wertekontinuierlichen Anpassung kann eine gestufte Anpassung vorgesehen sein, das heißt es können mehrere Grenzwerte oder eine Gruppe von Grenzwerten vorgesehen sein, zwischen denen in Stufen umgeschaltet werden kann. Indem die Wahrscheinlichkeitsangabe beim Einstellen des Grenzwerts berücksichtigt wird, kann der Ladezustand durch Nachladen des Energiespeichers angehoben werden, falls die Wahrscheinlich keitsangabe für den Nichtenergiebedarf sinkt, sodass der Fahrer durch den angehobenen Ladezustand einen Energiegehalt zur Verfügung gestellt bekommt, falls sich die Wahrscheinlichkeit verwirklicht oder eintritt, dass das Kraftfahrzeug genutzt wird. Mit anderen Worten wird der Ladezustand auf dem Grenzwert gehalten und nicht einfach nur bei irgendeinem Ladezustand unterhalb des Grenzwerts.
Der Zeitverlauf des Nichtenergiebedarfs kann lediglich angeben, wann das Kraftfahrzeug die Parkphase oder Ruhephase einnimmt, also wann es mit der Ladeeinrichtung gekoppelt ist. Hierbei kann auch die besagte Wahrscheinlichkeitsangabe vorgesehen sein. Wenn dann das Kraftfahrzeug nicht mit der Ladeeinrichtung gekoppelt ist, sondern benutzt wird oder fährt, ist es vorteilhaft zu wissen, wie viel Energie das Kraftfahrzeug dann voraussichtlich benötigen wird. Entsprechend kann dann nämlich ein Ladevorgang vor dem Ende der Parkphase durchgeführt oder angepasst werden.
In einer Ausführungsform wird hierzu auch ein jeweiliger Zeitverlauf eines aus dem Energiespeicher benötigten Ener giebedarfs des Kraftfahrzeugs prädiziert. Es wird also für mehrere unterschiedliche Zeitpunkte oder für mehrere unter schiedliche Zeitintervalle geschätzt oder angegeben, wie viel Energie das Kraftfahrzeug jeweils voraussichtlich benötigen wird. Dies kann beispielsweise als Leistungsbedarf angegeben werden. Für den Fall, dass der Zeitverlauf des Nichtenergie bedarfs das Ruhekriterium verletzt, also das Kraftfahrzeug die Parkphase beenden wird, wird der Ladezustand in Abhängigkeit von dem prädizierten Verlauf des Energiebedarfs mittels der La deeinrichtung eingestellt. Denn das Verletzen des Ruhekriteriums signalisiert eine bevorstehende Benutzung des Kraftfahrzeugs. Da dies nun mittels des prädizierten Zeitverlaufs des Nich tenergiebedarfs im Voraus bekannt ist, kann entsprechend ein Ladevorgang initiiert oder gestartet werden, bevor das Ruhe kriterium tatsächlich verletzt ist. Wie viel Energie dann für die bevorstehende Betriebsphase des Kraftfahrzeugs (also die un terbrochene Parkphase) benötigt wird, kann dann anhand des Energiebedarfs gemäß dem prädizierten Zeitverlauf des Ener giebedarfs ermittelt werden. Der Energiespeicher muss also nicht vollständig aufgeladen werden (auf 100% SOC) , sondern der Energieaustausch aus der Energiequelle in den Energiespeicher kann begrenzt sein und zwar in Abhängigkeit von dem ermittelten Zeitverlauf des Energiebedarfs. Hierdurch ergibt sich der Vorteil, dass nicht unnötig viel Energie in den Energiespeicher übertragen wird.
In einer Ausführungsform wird hierbei der Energiespeicher nur soweit aufgeladen, dass gemäß dem prädizierten Zeitverlauf des Nichtenergiebedarfs für dasjenige Zeitintervall , das sich von demjenigen Zeitpunkt, ab welchem das Ruhekriterium verletzt ist, also die Parkphase beendet ist, bis zu demjenigen Zeitpunkt, zu welchem das Ruhekriterium wieder erfüllt ist, also die Be triebsphase zu Ende ist und die Parkphase wieder beginnt, der Ladezustand des Energiespeichers im zeitlichen Mittel in einem Bereich von 30 % bis 70 % oder in einem Bereich von 40 % bis 60 % liegt. Während der Betriebsphase wird sich also ein Ladezustand ergeben, der im zeitlichen Mittel über das besagte Zeitintervall in den besagten Grenzen oder Bereich liegt. Es wird also verhindert, dass sich im Mittel ein unnötig extremer Ladezustand (bei beispielsweise oberhalb 90 %) ergibt. Dies schont den Energiespeieher .
In einer Ausführungsform wird bei Berücksichtigen des prädi- zierten Zeitverlaufs des Energiebedarfs allerdings ein Puf ferwert zugeschlagen. Der Pufferwert kann beispielsweise in einem Bereich von 1 kWh bis 20 kWh liegen. Hierdurch kann eine Prognoseunschärfe, die dem Zeitverlauf des Energiebedarfs anhaften kann, kompensiert oder berücksichtigt werden. Der Ladezustand ist damit höher als der erwartete prädizierte Energieverbrauch. Der Pufferwert wird bevorzugt nutzer- und/oder situationsspezifisch vorgegeben und/oder kann auf Basis der Auswertung des individuellen Mobilitätsverhaltens ermittelt werden. Insbesondere kann der Pufferwert in Abhängigkeit von einem individuellen Mobilitätsverhalten zumindest eines vor bestimmten Nutzers bestimmt wird. Somit kann eine Wechsel haftigkeit oder Varianz eines Mobilitätsverhaltens des zumindest einen Nutzers kompensiert oder berücksichtigt werden.
In einer Ausführungsform wird für das Prädizieren des jeweiligen Zeitverlaufs (des Nichtenergiebedarfs und/oder des Energie bedarfs) ein Prädiktionsmodell betrieben. Dieses Prädikti onsmodell wird konfiguriert oder an das Kraftfahrzeug angepasst. Zum Konfigurieren des Prädiktionsmodells werden für zumindest eine Fahrt zumindest einige der folgenden Fahrtdaten erfasst: Zeitdaten (betreffend beispielsweise Wochentage und/oder Uhrzeiten von Fahrten) , Wetterdaten (betreffend beispielsweise eine Witterung, zu welcher das Kraftfahrzeug benutzt wurde) , Streckendaten (betreffend Startorte und/oder Zielorte und/oder Fahrstrecken), Verbrauchsdaten (betreffend beispielsweise einen Durchschnittsverbrauch und/oder einen Fahrstil und/oder eine Beladung oder Belastung des Kraftfahrzeugs) , Ladedaten für Nachladevorgänge (betreffend Ladevorgänge an zumindest einer anderen Ladeeinrichtung) . Hierdurch kann das Prädiktionsmodell an einen tatsächlich vorhandenen Verwendungszweck des Kraft fahrzeugs angepasst werden. Das Berücksichtigen von Zeitdaten ermöglicht es hierbei, den besagten jeweiligen Zeitverlauf unmittelbar zu prädizieren. Das Berücksichtigen von Wetterdaten ermöglicht es, eine bedingte, wetterabhängige Nutzung zu be rücksichtigen. Außerdem kann mit Hilfe der Wetterdaten ein erhöhter Energiebedarf zur Temperierung des Innenraums und der Komponenten des Kraftfahrzeugs (z.B eine Temperierung des Energiespeichers selbst) ermittelt werden und damit bei einer Energiebedarfsabschätzung berücksichtigt werden. Das Berück sichtigen von Streckendaten ermöglicht es, bei bekanntem Reiseziel eines Nutzers zu erkennen, ob dieser das Kraftfahrzeug verwenden wird. Außerdem lassen sich daraus die zu erwarteten Fahrdistanzen ermitteln, welche Grundlage für den erwarteten Energieverbrauch sind. Das Berücksichtigen von Verbrauchsdaten ermöglicht es, den Energiebedarf zu prädizieren. Das Berück sichtigen von Ladedaten ermöglicht es, einen Nachladevorgang an einer anderen Ladeeinrichtung miteinzuplanen .
In einer Ausführungsform werden die besagten Fahrtdaten mittels einer fahrzeugbezogenen Erfassung erfasst. Mit anderen Worten wird die Benutzung des Kraftfahrzeugs berücksichtigt, die durch mehrere Nutzer erfolgen kann. Zusätzlich oder alternativ dazu kann eine personenbezogene Erfassung erfolgen, sodass ein spezifisches Nutzerverhalten eines jeweiligen bestimmten Nutzers berücksichtigt werden kann. Zu dem Nutzer können hierbei auch Fahrtdaten bei Fahrten mit zumindest einem anderen
Kraftfahrzeug erfasst werden. Somit kann also für diesen Nutzer eine Ladesteuerung für mehrere unterschiedliche Kraftfahrzeuge vorgesehen sein, die der Nutzer benutzen möchte. Die besagten Fahrtdaten ermöglichen es, das Prädiktionsmodell auf Grundlage historischer oder vergangener Fahrvorgänge zu konfigurieren, die beobachtet wurden. In einer Ausführungsform wird das Erfassen zumindest eines Teils der Fahrtdaten während zumindest einer Fahrt, die mit einem anderen Kraftfahrzeug durchgeführt wird, durchgeführt und die hierdurch erfassten Fahrtdaten werden normiert, indem sie auf einen Durchschnittsverbrauch bezogen werden und/oder pro vorbestimmter Streckeneinheit (zum Beispiel pro Kilometer) und/oder für unterschiedliche Straßenklassen (zum Beispiel Autobahn, Landstraße, Stadt) und/oder Straßentyp (guter
Straßenzustand/schlechter Straßenzustand) ermittelt werden. Somit ist eine größere Datenbasis vorhanden. Wird hierbei ein Teil der Fahrtdaten mit einem Kraftfahrzeug ermittelt, das beispielsweise einen anderen Motor und/oder ein anderes Gewicht aufweist, so kann durch das Normieren erreicht werden, dass ein Energiebedarf für das Kraftfahrzeug, das mit der Ladeeinrichtung verbunden ist, korrekt ermittelt wird. Das Berücksichtigen von Streckeneinheiten und/oder Straßenklassen und/oder Straßentypen ermöglicht es, bei geplanter Fahrstrecke des Kraftfahrzeugs zu ermitteln, welchen Energiebedarf es hierfür voraussichtlich haben wird. Die geplante Fahrstrecke kann z.B. in Form von Navigationsdaten aus einem Navigationsgerät empfangen werden.
In einer Ausführungsform wird durch das Prädiktionsmodell der jeweilige prädizierte Zeitverlauf zusätzlich in Abhängigkeit von zumindest einigen der folgenden Situationsdaten angepasst. Es kann eine Mobilitätsmatrix berücksichtigt werden, die ein Mobilitätsverhalten oder Bewegungsverhalten zumindest eines Nutzers des Kraftfahrzeugs beschreibt, also angibt, zu welchen Zeiten sich der jeweilige Nutzer von welchem Startort zu welchem Zielort begibt. Es können Buchungsdaten für das Kraftfahrzeug berücksichtigt werden, die angeben, wann zumindest ein Nutzer die Nutzung des Kraftfahrzeugs angekündigt oder bestellt hat. Es können Verkehrsdaten eines Straßenverkehrs berücksichtigt werden, die angeben können, ob eine bestimmte Fahrstrecke genutzt werden kann und/oder mit welcher voraussichtlichen Durch- schnittsgeschwindigkeit die Fahrstrecke genutzt werden kann. Es können Wetterprognosedaten berücksichtigt werden, die angeben können, welches Wetter oder welche Witterung voraussichtlich herrschen wird. Dies ist insbesondere vorteilhaft mit der Kombination, dass auch bei den Fahrtdaten ermittelt wird, bei welchem Wetter oder bei welcher Witterung das Kraftfahrzeug genutzt wird und/oder wie hoch der zusätzliche Energiebedarf zur Konditionierung des Innenraums ist. Es können persönliche Aktivitätsdaten zumindest eines Nutzers des Kraftfahrzeugs ermittelt werden, wobei solche Aktivitätsdaten beispielsweise mittels eines mobilen Endgeräts (zum Beispiel Smartphone und/oder Tablet-PC und/oder Smart Watch) oder allgemein eines sogenannten„wearable device" (tragbares Gerät) ermittelt werden können. Die Aktivitätsdaten können eine aktuelle Aktivität und/oder eine geplante Aktivität des jeweiligen Nutzers be schreiben, wobei die Aktivitätsdaten zumindest einen der folgenden Datentypen umfassen können: Kalenderdaten (zum Beispiel zumindest einen Termin des Nutzers), Weckerdaten (zum Beispiel Zeitangaben für das Aufstehen und/oder Zubettgehen), Bewegungsdaten (beispielsweise eine Bewegung zum Kraftfahrzeug hin oder vom Kraftfahrzeug weg) , eine Nähenangabe zum Kraft fahrzeug (wie weit also der Nutzer vom Kraftfahrzeug entfernt ist) , Schlafphaseninformationen (wann also der Nutzer schläft) . Durch die Situationsdaten werden also zusätzlich zu den be schriebenen historischen Fahrtdaten auch solche Informationen berücksichtigt, welche die aktuelle Situation und/oder eine zukünftige und/oder geplante Situation beschreiben. Somit kann also z.B. auf eine Veränderung eines Tagesrhythmus reagiert werden. Dies ist auch ohne Interaktion mit dem Nutzer möglich.
In einer Ausführungsform werden zur Bestimmung der beabsichtigen Fahrzeugnichtnutzung des Kraftfahrzeugs bezüglich zumindest eines vorbestimmten Nutzers Daten aus einem jeweiligen Wearable des zumindest einen Nutzers berücksichtigt. Ein solches Wearable kann ein mobiles Endgerät, wie z.B. ein Smartphone oder ein Tablet-PC oder eine Smartwatch sein, oder es kann sich um z.B. ein am Körper getragenes Gerät, wie z.B. ein Fitness-Armband, oder um ein Schmuckstück mit Funkeinrichtung handeln. Durch das Wearable kann ein Aufenthaltsort und/oder ein Bewegungsverhalten des Nutzer erfasst und draus auf eine bevorstehende Nutzung oder Nichtnutzung des Kraftfahrzeug geschlossen werden (z.B. aufgrund eines Abstands und/oder einer Bewegung bezüglich des Kraft- fahrzeugs) . Die besagten Daten können hierzu Geopositionsdaten und/oder Termindaten umfassen. Bei den Daten kann es sich auch um die besagten Aktivitätsdaten handeln, um den jeweiligen Zeitverlauf zu anzupassen.
In einer Ausführungsform wird für den Fall, dass während der Benutzung des Kraftfahrzeugs ein Nachladevorgang detektiert wird, das Prädiktionsmodell auf der Grundlage des detektieren Nachladevorgangs korrigiert. Bei dem Nachladevorgang handelt es sich insbesondere um einen ungeplanten oder nicht vorausge sehenen oder nicht prädizierten Nachladevorgang. Hier hat es also einen Prognosefehler gegeben. Durch Korrigieren des Prädik tionsmodells kann für weitere Prädiktionen von Zeitverläufen dieser Prädiktionsfehler verringert werden. Das Prädiktions modell kann beispielsweise auf der Grundlage einer Methode des maschinellen Lernens realisiert sein, also beispielsweise auf der Grundlage eines neuronalen Netzes und/oder eines Ent scheidungsbaums (decision tree) und/oder eines Regressions modells und/oder eines Deep-Learning-Verfahrens (Tiefenlern verfahrens) basieren. Zusätzlich oder alternativ dazu kann eine statistische Methode (beispielsweise eine Markov-Kette und/oder ein probabilistisches Netzwerk) zugrunde gelegt sein. Bei diesen Verfahren ist es möglich, bei Erkennen eines Prädiktionsfehlers, wie beispielsweise beim Detektieren eines Nachladevorgangs, eine Anpassung des Prädiktionsmodells in Abhängigkeit von einem erkannten Prädiktionsfehler durchzuführen.
In einer Ausführungsform wird über eine Nutzerschnittstelle (zum Beispiel ein Internetportal (Webportal) und/oder ein Nutzer programm (zum Beispiel eine Applikationssoftware für ein mobiles Endgerät) eine Nutzereingabe empfangen. Durch die Nutzereingabe wird eine geplante Benutzung des Kraftfahrzeugs angekündigt. Mit anderen Worten kann also ein Nutzer explizit angeben, wann er das Kraftfahrzeug nutzen möchte. Es wird dann der prädizierte Zeitverlauf des Nichtenergiebedarfs gemäß der Nutzereingabe korrigiert. Hierdurch kann in vorteilhafterweise ein Nutzer eine Ausnahmesituation ankündigen und es ist dann sichergestellt, dass der Energiespeicher des Kraftfahrzeugs einen entsprechenden Ladezustand aufweist. In Abhängigkeit von der Nutzereingabe kann auch der Zeitverlauf des Energiebedarfs angepasst werden, falls die Nutzereingabe z.B. auch ein Fahrziel und/oder eine Fahr strecke definiert.
In einer Ausführungsform wird das Prädiktionsmodell durch eine Backendvorrichtung betrieben. Eine solche Backendvorrichtung ist eine fahrzeugexterne Vorrichtung, die insbesondere auch beabstandet von der Ladeeinrichtung betrieben sein kann. Es kann sich beispielsweise um einen Computer oder einen Computerverbund handeln. Die Backendvorrichtung kann beispielsweise als ein Server des Internets oder Cloudeinrichtung realisiert sein. Die Durchführung des Verfahrens durch eine Backendvorrichtung weist den Vorteil auf, dass Datenquellen genutzt werden, die außerhalb des Kraftfahrzeugs zur Verfügung stehen.
Zu der Erfindung gehört auch die besagte Backendvorrichtung. Diese weist eine Recheneinrichtung auf, die dazu eingerichtet ist, eine Ausführungsform des erfindungsgemäßen Verfahrens durchzuführen. Die Recheneinrichtung kann auf der Grundlage zumindest eines Mikroprozessors realisiert sein. Das Verfahren kann beispielsweise als ein Programmcode für die Rechenein richtung implementiert sein. Der Programmcode kann Program minstruktionen aufweisen, die bei Ausführen durch die Re cheneinrichtung die Ausführungsformen des erfindungsgemäßen Verfahrens durchführen. Der Programmcode kann in einem Da tenspeicher oder einem nichtflüchtigen Speichermedium der Recheneinrichtung gespeichert sein. Die Backendvorrichtung kann mit der Ladeeinrichtung beispielsweise über eine Kommunika tionsverbindung gekoppelt sein, um die Ladeeinrichtung zu steuern. Die Kommunikationseinrichtung kann auf der Grundlage einer Internetverbindung realisiert sein. Die Kommunikati onsverbindung kann eine funkbasierte Verbindung umfassen, wie sie beispielsweise auf der Grundlage einer Mobilfunkverbindung und/oder WLAN-Verbindung (WLAN - Wireless Local Area Network) realisiert sein kann. Im Folgenden sind Ausführungsbeispiele der Erfindung be schrieben. Hierzu zeigt:
Fig. 1 eine schematische Darstellung einer Systemarchitektur mit einer Ausführungsform der erfindungsgemäßen Backendvorrichtung;
Fig. 2 ein Diagramm mit einem prädizierten Zeitverlauf eines
Energiebedarfs ;
Fig. 3 ein Diagramm mit einem prädizierten Zeitverlauf eines
Nichtenergiebedarfs; und
Fig. 4 ein Flussschaudiagramm einer Ausführungsform des erfindungsgemäßen Verfahrens.
Bei dem im Folgenden erläuterten Ausführungsbeispiel handelt es sich um eine bevorzugte Ausführungsform der Erfindung. Bei dem Ausführungsbeispiel stellen die beschriebenen Komponenten der Ausführungsform jeweils einzelne, unabhängig voneinander zu betrachtende Merkmale der Erfindung dar, welche die Erfindung jeweils auch unabhängig voneinander weiterbilden und damit auch einzeln oder in einer anderen als der gezeigten Kombination als Bestandteil der Erfindung anzusehen sind. Des Weiteren ist die beschriebene Ausführungsform auch durch weitere der bereits beschriebenen Merkmale der Erfindung ergänzbar.
In den Figuren sind funktionsgleiche Elemente jeweils mit denselben Bezugszeichen versehen.
Fig. 1 zeigt eine Systemarchitektur 10, durch welche zumindest eine Ladeeinrichtung 11 gesteuert werden kann. Es können auch mehrere Ladeeinrichtungen in der im Folgenden beschriebenen Weise gesteuert werden. Im Folgenden wird exemplarisch nur eine Ladeeinrichtung 11 beschrieben. Die Ladeeinrichtung 11 kann beispielsweise eine Ladesäule oder eine Ladestation sein. Die Ladeeinrichtung 11 kann auch in das Kraftfahrzeug 12 integriert sein .
Durch die Ladeeinrichtung 11 kann bei einem Kraftfahrzeug 12 dessen elektrischer Energiespeicher 13 mittels eines Ener- gieaustauschs 14 nachgeladen werden. Der Energiespeicher 13 kann beispielsweise eine Hochvoltbatterie sein, also eine Batterie, die eine Gleichspannung von mehr als 60 V erzeugen kann. Es kann sich bei dem Energiespeicher 13 um eine sogenannten Trakti onsbatterie des Kraftfahrzeugs 12 handeln, mittels welcher eine elektrische Antriebseinheit des Kraftfahrzeugs 12 betrieben werden kann. Für den Energieaustausch 14 kann die Ladeeinrichtung 11 mit einer elektrischen Energiequelle 15 verbunden sein. Es kann sich bei der Energiequelle 15 um ein öffentliches Stromnetz und/oder um eine Anlage für regenerative Energien, bei spielsweise eine Photovoltaikanlage, handeln. Allgemein ist also die Ladeeinrichtung 11 mit einer elektrischen Energiequelle verbunden .
Der Energieaustausch 14 kann in der Ladeeinrichtung 11 durch Steuersignale 16 gesteuert sein, die durch eine Steuervor richtung 17 erzeugt werden können. Die Steuervorrichtung 17 kann insbesondere als Backendvorrichtung 18 ausgestaltet sein, also beispielsweise als Internetserver oder Cloudeinrichtung für das Internet. Die Steuersignale 16 können von der Backendvorrichtung 18 über eine Kommunikationsverbindung 19 an die Ladeeinrichtung 11 übertragen werden. Die Kommunikationsverbindung 19 kann beispielsweise auf einer Internetverbindung und/oder einer Funkverbindung beruhen.
Durch die Backendvorrichtung 18 kann eine Ladesteuerung 20 realisiert sein, welche für den Energiespeicher 13 des
Kraftfahrzeugs 12 eine Ladestrategie vorsieht, bei welcher auch vorgesehen sein kann, dass ein Ladezustand des Energiespeichers 13 beibehalten wird, wenn das Kraftfahrzeug 12 innerhalb einer vorbestimmten nächsten Zeitdauer nicht verwendet werden wird. Es kann hierdurch vorgesehen sein, dass der Ladezustand unterhalb eines vorbestimmten Grenzwerts 21 gehalten wird. Dieser Grenzwert gibt für einen Speichertyp des Energiespeichers 13 an, dass der Energiespeicher 13 schonender betrieben wird, wenn der Ladezustand unterhalb des Grenzwerts 21 liegt, solange das Kraftfahrzeug 12 nicht verwendet wird, also keine Energie aus dem Energiespeicher 13 entnommen wird. Der Grenzwert 21 kann von einer Speichertechnologie des Energiespeichers 13 abhängig sei. Eine mögliche Speichertechnologie ist die Lithi- um-Ionen-Speichertechnologie . Der Grenzwert 21 kann z.B. aus Fachpublikationen entnommen sein.
Der Ladezustand SOC kann hierbei durch den Energieaustausch 14 eingestellt werden. Solange ein Ruhekriterium 22 erfüllt ist, das angibt, dass das Kraftfahrzeug 12 innerhalb eines nächsten Zeitintervalls 23 nicht verwendet werden wird, wird der La dezustand unterhalb des Grenzwerts 21 gehalten. Um für einen zukünftigen Zeitraum, insbesondere für das nächste zukünftige Zeitintervall 23 erkennen oder prädizieren zu können, ob das Kraftfahrzeug 12 verwendet werden wird, können in der Ba ckendvorrichtung 18 ein prädizierter Zeitverlauf 24 für einen Energiebedarf E und ein prädizierter Zeitverlauf 25 für einen Nichtenergiebedarf N zugrunde gelegt werden.
Fig. 2 zeigt einen beispielhaften Zeitverlauf 24 für einen Energiebedarf E. Dargestellt ist über der Zeit t (angegeben in Stunden h des Tages, also von 0 bis 24 Uhr) der Energiebedarf E in der Einheit Kilowattstunden (kWh) . Hieraus ergibt sich somit auch ein Leistungsbedarf des Kraftfahrzeugs 12. Der Energie bedarf E gibt die aus dem Energiespeicher 13 benötigte Energie an. Es kann sich um die Energie handeln, die das Kraftfahrzeug 12 beim Fahren oder zum Fahren benötigt.
Fig. 3 zeigt beispielhaft einen Zeitverlauf 25 für den Nich tenergiebedarf N. Es kann sich um eine Wahrscheinlichkeitsangabe handeln, die beispielsweise in Prozent ausgedrückt sein kann. Die Angabe ist wieder über der Zeit t in Stunden h des Tages. Der Nichtenergiebedarf N kann angeben, mit welcher Wahrschein lichkeit sich das Kraftfahrzeug 12 in einer Parkphase 26 (siehe Fig. 1) befindet und mit der Ladeeinrichtung 11 oder der Energiequelle 15 gekoppelt ist, sodass die Ladesteuerung 20 durchführbar oder realisierbar ist. Ist dagegen keine Parkphase 26 vorhanden, sondern eine Betriebsphase, so ist das Kraft fahrzeug 12 von der Ladeeinrichtung 11 oder der Energiequelle 15 entkoppelt, sodass kein Energieaustausch 14 zum Einstellen des Ladezustands SOC möglich ist.
Fig. 4 veranschaulicht ein Verfahren, das in der Backendvor richtung 18 durch eine Recheneinrichtung 27 (siehe Fig. 1) durchgeführt werden kann, um die Ladesteuerung 20 zu realisieren. In einem Schritt S10 kann der zukünftige Zeitverlauf 25 des Nichtenergiebedarfs N und der Zeitverlauf 24 des Nichtener giebedarfs N prädiziert werden. In einem Schritt Sil kann dann der Ladezustand SOC des Energiespeichers 13 unabhängig von einer Verfügbarkeit einer Ladeleistung der Energiequelle 15 mittels der Ladeeinrichtung 11 unterhalb des Grenzwerts 21 gehalten werden, falls der prädizierte Zeitverlauf 25 des Nichtener giebedarfs N für ein vorbestimmtes nächstes Zeitintervall 23 das Ruhekriterium 22 erfüllt. Das Ruhekriterium kann beispielsweise besagen, dass der Zeitverlauf 25 für den Nichtenergiebedarf N oberhalb eines vorbestimmten Schwellenwerts 28 liegen muss, damit davon ausgegangen wird, dass das Kraftfahrzeug 12 für die jeweilige Zeit t tatsächlich mit der Ladeeinrichtung 11 gekoppelt ist. Es kann auch vorgesehen sein, dass davon ausgegangen wird, dass der Zeitverlauf 25 für das zukünftige Zeitintervall 23 ab dem aktuellen Zeitpunkt oberhalb des Schwellenwerts 28 liegen muss .
Fig. 3 veranschaulicht hierzu, wie zwischen einem Zeitpunkt 30, an welchem der Schwellenwert 28 durch den Zeitverlauf 25 un terschritten wird, und einem Zeitpunkt 31, zu welchem der Zeitverlauf 25 den Schwellenwert 28 wieder überschreitet, sich ein Zeitintervall 32 ergibt, für welches durch die Ladesteuerung 20 davon ausgegangen werden muss, dass das Kraftfahrzeug 12 in einer Betriebsphase ist und somit ausschließlich Energie aus dem Energiespeicher 13 entnehmen kann. Es kann vorgesehen sein, vor dem Zeitpunkt 30 durch den Energieaustausch 14 dann den La dezustand SOC soweit einzustellen, dass sich gemäß dem Zeit- verlauf 24 für den Energiebedarf E (Fig. 2) ein mittlerer Ladezustand SOC ergibt, der in einem Bereich von 30 % bis 70 % Ladezustand, insbesondere in einem Bereich von 40 % bis 60 %, liegt. Hierzu kann der Energiebedarf E für das Zeitintervall 32 aus dem Zeitverlauf 24 ermittelt werden.
Fig. 1 veranschaulicht des Weiteren, wie die Zeitverläufe 24, 25 prädiziert werden können.
Es können zunächst vorläufige Zeitverläufe 24 ', 25 ' mittels eines Prädiktionsmodells 33 ermittelt werden. Das Prädiktionsmodell 33 kann auf der Grundlage von historischen Fahrtdaten 34 konfi guriert werden. Das zumindest eine Kraftfahrzeug 35 kann das Kraftfahrzeug 12 sein es kann sich aber auch um eines oder mehrere andere Kraftfahrzeuge handeln. Jedes der Kraftfahrzeuge 35 kann ebenfalls einen Energiespeicher 36 aufweisen, sodass sich auch für das zumindest eine Kraftfahrzeug 35 Ladevorgänge ergeben. Die Fahrtdaten 34 können aus dem zumindest einen Kraftfahrzeug 35 mittels einer Datenerfassung 37 erfasst werden, die bei spielsweise auf der Grundlage einer Kommunikation über eine jeweilige Kommunikationsverbindung 38 zu dem zumindest einen Kraftfahrzeug 35 die Fahrtdaten 34 erfassen kann. Zudem kann durch eine Datenerfassung 39 als Fahrtdaten auch Ladedaten 40 zu Ladevorgängen des zumindest einen Kraftfahrzeugs 35 erfasst werden. Solche Ladedaten 40 können aus dem jeweiligen Kraft fahrzeug 35 und/oder aus einer Ladestation empfangen werden. Hierzu kann eine entsprechende Kommunikationsverbindung 41 vorgesehen sein. Die Kommunikationsverbindungen 38, 41 können beispielsweise jeweils eine Internetverbindung und/oder eine Mobilfunkverbindung und/oder eine WLAN-Funkverbindung umfassen.
Auf Grundlage der erfassten Fahrtdaten 34 kann das Prädikti onsmodell 33 beispielsweise als statistisches Modell und/oder als ein Modell auf Grundlage eines maschinellen Lernverfahrens gebildet werden. Die vorläufigen Zeitverläufe 24', 25' können dann mit tatsächlich beobachteten Zeitverläufen verglichen werden, woraus Fehlerdaten 42 erzeugt werden können, die zum Korrigieren oder Verbessern des Prädiktionsmodells 33 genutzt werden können.
Zusätzlich zu den historischen Fahrtdaten können aber auch aktuelle Situationsdaten 43 berücksichtigt werden, auf deren Grundlage eine aktuelle Situation des Kraftfahrzeugs 12 er mittelt werden kann. Hieraus kann dann eine jeweilige Korrektur 44, 45 für den vorläufigen Zeitverlauf 24', 25' durchgeführt werden, woraus sich dann der finale geschätzte oder prädizierte Zeitverlauf 24, 25 jeweils ergibt. Als Situationsdaten 43 können beispielsweise Wetterprognosedaten 46 aus einer Wetterstation 47 und/oder Verkehrsdaten 48 aus einer Verkehrsbeobachtung 49 genutzt werden. Wetterdaten und/oder Verkehrsdaten werden bevorzugt dazu benutzt, einen erhöhten Energiebedarf aufgrund von (z.B. tiefen oder hohen) Außentemperaturen und/oder aufgrund von Verkehrsüberlastungen festzustellen. Es können auch Ak- tivitätsdaten 50 genutzt werden, die eine Aktivität eines Benutzers des Kraftfahrzeugs 12 beschreiben können. Diese können beispielsweise aus einem mobilen Endgerät 51 empfangen werden, bei dem es sich beispielsweise um ein Smartphone und/oder ein Tablet-PC und/oder eine Smartwatch des Benutzers handeln kann. Es können auch eine Mobilitätsmatrix 52 und/oder Buchungsdaten 53 aus einer entsprechenden Datenquelle 54 genutzt werden. Beispielsweise mittels des mobilen Endgeräts 51 kann auch eine Nutzerschnittstelle 55 bereitgestellt werden, durch welche eine Nutzereingabe 56 empfangen werden kann, durch welche der Nutzer ausdrücklich angeben kann, wann er das Kraftfahrzeug 12 nutzen möchte. Auch hieraus kann eine Korrektur 44, 45 für die
Zeitverläufe 24', 25' abgeleitet oder ermittelt werden.
Die Notwendigkeit, zu Verschleißvermeidung den Ladezustand bei Nichtgebrauch einer Fahrzeugbatterie gering zu halten, zeigt, dass für die Sicherstellung der Batterielebensdauer gerade bei kleineren Batterien die Bedingungen im Nichtfahrbettrieb wichtig sind. Dazu ist es notwendig, bereits deutlich im Voraus (mehrere Stunden oder Tage) vor Beginn der Fahrt zu wissen, wann wieviel Energie notwendig ist oder zumindest zu wissen wann keine Energie benötigt wird. Aktuelle Ladestrategien des Stands der Technik berücksichtigen bei der Wahl des Zeitpunkts für den Ladevorgang die Lebensdauer der Batterien nicht. Zahlreiche Elektrofahrzeuge werden nach Einstecken des Ladesteckers sofort geladen. Es existieren auch Ansätze bei denen der Nutzer individuell festlegen kann, wann das Fahrzeug geladen werden kann. Zudem gibt es Smart Grid-Lösungen, bei denen der Ladezeitpunkt in Abhängigkeit des Stromangebots oder des Strompreises geladen wird (gesteuertes Laden)
Während des Ladevorgangs ist wird der Ladestrom so gewählt, dass die Lebensdauer des Energiespeichers während des Ladevorgangs möglichst geringfügig beeinträchtigt wird.
Aufgrund der begrenzten Reichweiten von Elektrofahrzeuge haben jedoch die Nutzer den Wunsch zu Beginn der Fahrt einen möglichst hohen Energieinhalt zu haben (zu Vermeidung eines Liegenbleibers oder aufgrund der nur begrenzt zur Verfügung stehenden öf fentlichen Ladeinfrastruktur) .
Es wäre daher für die Lebensdauer des Batteriespeichers nicht förderlich, den Energiespeicher nach Ende der Fahrt aufzuladen und das Fahrzeug mit hohem SOC zu parken, so dass der Fahrer zu Beginn der Fahrt einen vollen Energiespeicher hat. Es ist vielmehr notwendig, den Energiespeicher nach Möglichkeit erst kurz vor der Fahrt voll zu laden und den Speicher möglichst lange auf einem niedrigen SOC-Niveau zu halten.
Die Bestimmung des Energiebedarfs deutlich vor Fahrtbeginn ist ein Problem. Untersuchungen zeigen, dass nur weniger als 25% der Fahrer ein Navigationssystem benutzen. Die Fahrer sind daher häufig nicht bereit das Ziel der Fahrt einzugeben (gerade im bekannten Gebieten) . Für eine Ladestrategie von Elektrofahr zeugen müsste der Fahrer aber bereit sein, bereits am Ende der Fahrt das nächste Ziel einzugeben.
Es wird daher ein Verfahren zum Erlernen von Start- und Zielorten des Nutzers anhand aufgezeichneter Fahrtdaten. Diese Verfahren sind für das Problem zum lebensdauerverlängertem Laden der Fahrzeugbatterien geeignet. Allerdings lassen sich bevorzugte Start- und Zielorte häufig nur bei Privatpersonen zuverlässig ermitteln. Im gewerblichen Bereich (z.B. Handwerker, Vertreter, Firmenfahrzeuge usw.) lassen sich solche wiederholt und be vorzugt angefahrenen Start- und Zielorte nicht ermitteln, so dass für diese Nutzergruppen eine prädiktive Ladesteuerung anders umgesetzt werden sollte.
Es werden Ansätze umgesetzt, die prädizieren, wann keine Energie für das Fahrzeug benötigt wird.
Es können folgende Nachteile behoben werden:
Energiebedarf der Gesamtroute nur nach Eingabe der Na vigationsdaten bekannt
Energiebedarf der Gesamtroute erst nach Erkennung der wahrscheinlichsten Route bekannt
Nutzeridentifikation für die Erkennung der wahrschein lichsten Gesamtroute notwendig
Gesteuertes Nachladen des Energiespeichers (durch Nutzer, Smart Grid) ohne Berücksichtigung der Batterielebensdauer Nicht existierende Strategie für das Halten des Energiespeichers auf einem niedrigen SOC-Level (unterhalb eines vorbestimmten Grenzwerts) .
Die beschriebene serverbasierte System Systemarchitektur 10 verwendet verschiedene Datenquellen, verarbeitet die Rohdaten und nutzt maschinelle Lernverfahren um folgende Größen zu prädizieren (siehe Fig. 2) :
Wahrscheinlicher zeitlicher Verlauf des Energiebedarfs Zeitlicher Verlauf der Wahrscheinlichkeit für einen Nicht-Energiebedarf (kontinuierlich für die nächsten Stunden / Tage)
Es sind zwei Prädiktionsvarianten möglich, eine fahrerindi viduelle Variante (dazu werden vor allem auch persönlich Daten des Fahrers verwendet) und eine fahrzeugspezifische Variante (vor allem für Flottenanwendungen geeignet) .
Auf Basis der prädizierten Werte wird eine intelligente Steuerung der Ladestrategie verwendet. Dazu ist eine drahtlose oder drahtgebundene Kommunikationsverbindung und Schnittstelle mit der Kontrolleinheit des Ladegeräts des Elektrofahrzeugs not wendig. Nachfolgend erfolgt eine Beschreibung der Einzelkom ponenten des Gesamtsystems.
Die folgende Anwendung in Form einer Ladestrategie für Li- thium-Ionen-Batterien ist somit möglich. Die Ladestrategie verwendet den prädizierten Verlauf des Energiebedarfs, um zum erwarteten StartZeitpunkt den Energiespeicher vollgeladen zu haben. Es wird der Zeitpunkt berechnet mit dem abhängig vom aktuellen SOC der Batterie der Ladevorgang zu starten ist, so dass der Energiespeicher vollständig geladen ist. Dabei muss bekannt sein, mit welcher Leistung das Elektrofahrzeugs geladen werden kann (z.B. Haushaltssteckdose 3kW, Wandladestation mit llkw oder 22 kW) .
Falls die erwartete Fahrt sehr kurz ist, wird der Energiespeicher nur so voll geladen, dass das Ziel mit einem mittleren SOC-Wert (z.B. 50%) erreicht werden kann.
Die Wahrscheinlichkeit für den Nichtenergiebedarf wird dazu verwendet, um das SOC-Level während des Parkvorgangs / Fahr zeug-Stillstands zu bestimmen. Bei einer höheren Wahrschein lichkeit für den Nichtenergiebedarf (z.B. nachts) wird der SOC-Level auf einem niedrigen Niveau belassen, um die Lebensdauer des Energiespeichers möglichst wenig zu beeinträchtigen. Falls die Wahrscheinlichkeit für den Nichtenergiebedarf sinkt, wird der SOC-Level durch Nachladen des Energiespeichers angehoben, so dass der Fahrer einen gewissen Energieinhalt zur Verfügung hat, falls er unerwarteter Weise dennoch losfahren möchte.
Bei einer Smart-Grid-Anbindung des Fahrzeugs ist es auch möglich nach dem Ende der Fahrt den Energiespeicher zu entladen (z.B. in dezentralen Heimspeicher) , um den SOC-Level zu senken, falls nach Fahrtende der Energiespeicher sehr voll ist und für die nächsten Stunden keine Fahrt zu erwarten ist. Da die prädizierten Werte mit einer gewissen Prognoseunschärfe versehen sind, wird bei der Ladestrategie ein gewisser Si cherheitspuffer berücksichtigt. So wird das Fahrzeug bereits einen gewissen Zeitraum vor Fahrtbeginn vollgeladen und der SOC-Level ist höher als der erwartete prädizierte Energie verbrauch .
Bei jeder Fahrt eines Fahrzeuglenkers können Fahrtdaten 34, wie der Fahrtbeginn, die Außentemperatur (durch Wetterdaten) die Dauer der Fahrt, die Fahrtstrecke und der Energieverbrauch des Fahrzeugs (elektrisch oder konventionell) erfasst werden. Diese Daten können anhand von GPS-daten und verfügbaren OBD-Daten bei konventionellen Fahrzeugen erfasst werden. Bei Elektrofahr zeugen existiert eine Schnittstelle zum Kommunikationsnetzwerk des Fahrzeugs, so dass die Daten erfasst werden können. Die Daten werden per drahtloser Kommunikation an ein Backend übertragen. Dabei werden die Daten personenbezogen (bei Privatfahrzeugen) oder fahrzeugbezogen (bei Flottenfahrzeugen) erfasst.
Der erfasste Energieverbrauch des Fahrzeugs wird normiert, so dass die Energieverbräuche von verschiedenen Fahrzeugen ver gleichbar sind. Dazu kann vereinfacht der Energieverbrauch pro Streckeneinheit durch den Durchschnittsverbrauch des Fahrzeugs dividiert werden. Alternativ kann auch der streckenabhängige Durchschnittsenergieverbrauch in Abhängigkeit der Straßenklasse oder des Straßentyps zur Normierung verwendet werden. Dazu muss mit Hilfe von digitalen Kartendaten ermittelt werden, welche Streckenabschnitte mit welcher Straßenklasse oder -typ zu rückgelegt wurden. Dies kann während der Fahrt oder im Backend mit den aufgezeichneten Fahrtraj ektorien passieren.
Zusätzlich werden alle Ladevorgänge erfass (Dauer, Energiemenge, Zeitpunkt) .
Neben den erfassten Quellen können optional weitere Datenquellen (Verknüpfung mit Backend notwendig) zur Erhöhung der Genauigkeit herangezogen werden. Beispiele:
Mobilitätsverhalten: Origin - Destination Matrix / Prä diktion der wahrscheinlichen Zielorte durch Auswertung der individuellen Fahrerverhaltens (bei fahrerindividueller Erfassungl )
Terminkalender des Fahrers (fahrerindividuelle Erfassung) Buchungssystem des Flottenparks (fahrzeugspezifische Erfassung)
Verkehrsprognose / Traffic Patterns (zur Korrektur des prädizierten Energiebedarfs)
Witterungsbedingungen (zur Korrektur des prädizierten Energiebedarfs )
Daten von Wearables / Smartphones (zur Korrektur der Wahrscheinlichkeit des Nichtbedarfs bei der fahrerindi viduellen Erfassung) :
o Analyse der Schlafphasen
o Parametrierung Wecker
o Aktuelle Entfernung zum Fahrzeug
Für das Prädiktionsmodell 33 wird statistisch erfasst, wann welcher Energieverbrauch benötigt wird. Die statistische Auswertung erfolgt stündlich und wochentagweise. Durch Ver wendung von statistischen Methoden (Markov-Ketten, probabi- litsiche Netze, um nur Beispiele zu nennen) und maschinellen Lernverfahren (neuronale Netze, decision trees, regressi- ons-modelle, deep learning verfahren, um nur Beispiele zu nennen) werden folgende Werte prädiziert:
Energiebedarf
Wahrscheinlichkeit für Nicht-bedarf des Elektrofahrzeugs (Nichtenergiebedarf)
Es wird der zeitliche Verlauf der Werte für einen paramet- rierbaren Prädiktionshorizont (z.B. 24h) berechnet. Die Prä diktion basiert auf den erfassten Daten zu Zeitpunkten der Fahrzeugnutzung und der erfassten Energieverbrauchswerte. Die Prädiktion ist damit ohne die Eingabe von Nutzerdaten oder die Eingabe von Navigationsdaten möglich.
In einem zweiten Schritt wird die Prädiktion abhängig von den zur Verfügung stehenden zusätzlichen Datenquellen korrigiert. Dazu wird der Energieverbrauch abhängig vom verwendeten Fahrzeug, den erwarteten Witterungsbedingungen sowie den erwarteten Ver kehrsbedingungen korrigiert.
Bei der fahrerindividuellen Erfassung wird die Wahrschein lichkeit für den Nichtbedarf in Abhängig der zur Verfügung stehenden nutzerspezifischen Daten korrigiert (z.B. durch Kenntnis von Smartphone-Daten wie beispielsweise des Weckers, durch Kenntnis des Terminkalenders oder durch Auswertung des persönlichen Mobilitätsverhaltens) .
Das Prädiktionsmodell wird durch die Auswertung von Nachla devorgängen unterwegs (an nicht präferieren Ladesäulen) ver bessert. So wird beispielsweise analysiert, ob sich der
Nachladevorgang zu vermeiden gewesen wäre, falls der Speicher zu Beginn der Fahrt bereits vollständig geladen gewesen wäre. Falls eine ungenaue Prognose die Ursache für den Nachladevorgang ist wird das Prognosemodell dementsprechend angepasst. Dazu werden beispielsweise Methoden des Reinforcement Learnings verwendet.
Durch ein User-Interface (Nutzerschnittstelle 55 z.B. in Ausgestaltung als Web-Portal, SmartPhone und/oder Appikati- onssoftware) erhält der Nutzer eine Anzeige der prädizierten Werte. Das System prädiziert den Energiebedarf und die Wahr scheinlichkeit für einen Nicht-Energiebedarf unabhängig von den Nutzereingaben. Der Nutzer hat jedoch die Möglichkeit in Ausnahmesituationen (z.B. bei Fahrt in den Urlaub um 03.00 Uhr nachts) auch einen benötigten Fahrtbeginn vorzugeben, um si cherzustellen dass in diesen Ausnahmesituationen der Ener giespeicher ausreichend geladen ist.
Da es sich um ein lernendes System handelt und die Prognose zunehmend an das Nutzerverhalten angepasst wird sind in der Anlernphase Nutzereingaben sinnvoll.
Somit ergeben sich die folgenden Möglichkeiten:
Prädiktion einer Wahrscheinlichkeit für den Nichtener giebedarf zur Bestimmung eines möglichst niedrigen
SOC-Level während des Parkvorgangs von Elektrofahrzeugen, Strategie zum möglichst späten Aufladen des Energie speichers vor Fahrtbeginn,
Lademanagement zur Lebensdauerverlängerung des Energie speichers ohne die Notwendigkeit von Nutzerdaten bzw. Nutzervorgaben,
Verknüpfung von Lademanagement mit Smartphone oder
Wearables zur Feststellung, ob Fahrzeug benötigt wird
Einsetzbar sind die beschriebenen Ansätze auch in den folgenden Bereichen :
Vermeidung von Battery Aging,
Vorkonditionierung einer Klimatisierung,
Fleetmanagement für Flottenfahrzeuge,
Smart Grid-Anwendungen : Berücksichtigung Energiebedarf von Elektrofahrzeugen bei dezentralen Speichern; Rückspeisung von Elektrofahrzeugen in dezentrale Hausspeicher
Insgesamt zeigt das Beispiel, wie durch die Erfindung die Prädiktion einer Wahrscheinlichkeit für den Nichtbedarf eines Elektrofahrzeugs zur Verlängerung der Batterielebensdauer des Elektrofahrzeugs bereitgestellt werden kann.

Claims

Patentansprüche
1. Verfahren zur prädiktiven Ladesteuerung (20) für einen elektrischen Energiespeicher (13) eines Kraftfahrzeugs (12), wobei ein Energieaustausch (14) des Energiespeichers (13) mit einer elektrischen Energiequelle (15) durch eine Ladeeinrichtung (11) gesteuert wird, d a d u r c h g e k e n n
z e i c h n e t , dass ein zukünftiger Zeitverlauf (25) eines Nichtenergiebedarf (N) , der aus einer jeweiligen Parkphase des Kraftfahrzeugs (12) resultiert, prädiziert wird und ein La dezustand (SOC) des Energiespeichers (13) mittels der Lade einrichtung (11) unterhalb eines Grenzwerts (21) gehalten wird, falls der prädizierte Zeitverlauf (25) des Nichtenergiebedarfs (N) für ein vorbestimmtes nächstes Zeitintervall (23) ein vorbestimmtes Ruhekriterium (22) erfüllt.
2. Verfahren nach Anspruch 1, wobei durch den prädizierten Zeitverlauf (25) des Nichtenergiebedarfs (N) für jeweilige Zeitpunkte angegeben ist, dass das Kraftfahrzeug (12) ausgehend von dem jeweiligen Zeitpunkt für eine vorbestimmte nächste Zeitdauer keine elektrische Energie aus dem Energiespeicher (13) benötigt und/oder mit der Ladeeinrichtung (11) und/oder der Energiequelle (15) gekoppelt bleiben wird.
3. Verfahren nach einem der vorhergehenden Ansprüche, wobei für den Fall, dass der Ladezustand (SOC) über dem aktuellen Grenzwert (21) liegt, der Energiespeicher (13) entladen wird.
4. Verfahren nach einem der vorhergehenden Ansprüche, wobei der Zeitverlauf (25) eine Wahrscheinlichkeitsangabe ist und der Grenzwert (21) als Funktion der Wahrscheinlichkeitsangabe werte-kontinuierlich oder gestuft angepasst wird.
5. Verfahren nach einem der vorhergehenden Ansprüche, wobei ein Zeitverlauf (24) eines aus dem Energiespeicher (13) be nötigten Energiebedarfs (E) des Kraftfahrzeugs (12) prädiziert wird und für den Fall, dass Zeitverlauf (25) des Nichtener giebedarfs (N) das Ruhekriterium (22) verletzt und hierdurch eine bevorstehende Benutzung des Kraftfahrzeugs (12) signalisiert ist, der Ladezustand (SOC) in Abhängigkeit von dem prädizierten Zeitverlauf (24) des Energiebedarfs (E) mittels der Ladeein richtung (11) eingestellt wird.
6. Verfahren nach Anspruch 5, wobei der Energiespeicher (13) nur so weit aufgeladen wird, dass für ein Zeitintervall (32) , das sich vom einem Zeitpunkt (30) , ab welchem das Ruhekriterium (22) verletzt ist, bis zu einem Zeitpunkt (31), zu welchem das Ruhekriterium (22) wieder erfüllt ist, der Ladezustand (SOC) im zeitlichen Mittel in einem Bereich von 30 Prozent bis 70 Prozent oder in einem Bereich von 40 Prozent bis 60 Prozent liegt.
7. Verfahren nach Anspruch 5 oder 6, wobei beim Berücksichtigen des prädizierten Zeitverlaufs (24) des Energiebedarfs (E) ein Pufferwert zugeschlagen wird, der in Abhängigkeit von einem individuellen Mobilitätsverhalten zumindest eines vorbestimmten Nutzers bestimmt wird.
8. Verfahren nach einem der vorhergehenden Ansprüche, wobei für das Prädizieren des jeweiligen Zeitverlaufs (24, 25) ein Prädiktionsmodell (33) betrieben wird und zum Konfigurieren des Prädiktionsmodells (33) für zumindest eine Fahrt zumindest einige der folgenden Fahrtdaten (34) erfasst werden: Zeitdaten, Wetterdaten, Streckendaten, Verbrauchsdaten, Ladedaten (40) für Nachladevorgänge .
9. Verfahren nach Anspruch 8 , wobei die Fahrtdaten (34) mittels einer fahrzeugbezogenen Erfassung und/oder einer personenbe zogene Erfassung ermittelt werden.
10. Verfahren nach Anspruch 8 oder 9, wobei das Erfassen zumindest eines Teils der Fahrtdaten (34) während zumindest einer Fahrt, die mit einem anderen Kraftfahrzeug (35) durchgeführt wird, erfolgt und die hierdurch erfassten Fahrtdaten (34) normiert werden, indem sie auf einen Durchschnittsverbrauch bezogen werden und/oder pro vorbestimmter Streckeneinheit und/oder Straßenklasse und/oder Straßentyp ermittelt werden.
11. Verfahren nach einem der Ansprüche 8 bis 10, wobei der jeweilige prädizierte Zeitverlauf (24, 25) in Abhängigkeit von zumindest einigen der folgenden Situationsdaten (43) angepasst wird :
- eine Mobilitätsmatrix (52) zumindest eines Nutzers des Kraftfahrzeugs (12),
- Buchungsdaten (53) für das Kraftfahrzeug (12),
- Verkehrsdaten (48) eines Straßenverkehrs,
- Wetterprognosedaten (46),
- persönliche Aktivitätsdaten (50) des zumindest einen
Nutzers, die eine aktuelle Aktivität und/oder eine geplante Aktivität beschreiben, wobei die Aktivitätsdaten zumindest einen der folgenden Datentypen umfassen: Kalenderdaten, Weckerdaten, Bewegungsdaten, eine Nähenangabe zum
Kraftfahrzeug, SchlafPhaseninformationen .
12. Verfahren nach einem der Ansprüche 8 bis 11, wobei in dem Fall, dass während der Benutzung des Kraftfahrzeugs (12) ein Nachladevorgang detektiert wird, das Prädiktionsmodell (33) auf der Grundlage des detektierten Nachladevorgangs korrigiert wird.
13. Verfahren nach einem der vorhergehenden Ansprüche, wobei zur Bestimmung der beabsichtigen Fahrzeugnichtnutzung des Kraftfahrzeugs bezüglich zumindest eines vorbestimmten Nutzers Daten aus einem jeweiligen Wearable des zumindest einen Nutzers berücksichtigt werden.
14. Verfahren nach einem der vorhergehenden Ansprüche, wobei über eine Nutzerschnittstelle (55) eine Nutzereingabe (56) , durch welche eine geplante Benutzung des Kraftfahrzeugs (12) angekündigt wird, empfangen wird und der prädizierte Zeitverlauf (25) des Nichtenergiebedarfs gemäß der Nutzereingabe (56) korrigiert wird.
15. Backendvorrichtung (18) mit einer Recheneinrichtung (27), d a d u r c h g e k e n n z e i c h n e t , dass die Re- cheneinrichtung (27) dazu eingerichtet ist, ein Verfahren nach einem der vorhergehenden Ansprüche durchzuführen.
PCT/EP2019/077297 2018-10-11 2019-10-09 Verfahren und backendvorrichtung zur prädiktiven ladesteuerung für einen elektrischen energiespeicher eines kraftfahrzeugs WO2020074554A1 (de)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201980066918.7A CN112789193B (zh) 2018-10-11 2019-10-09 用于预测性地控制机动车辆的电能存储器的充电过程的方法和后端设备
US17/283,792 US20210387546A1 (en) 2018-10-11 2019-10-09 Method and back end device for predictively controlling a charging process for an electric energy store of a motor vehicle
EP19795458.9A EP3863882A1 (de) 2018-10-11 2019-10-09 Verfahren und backendvorrichtung zur prädiktiven ladesteuerung für einen elektrischen energiespeicher eines kraftfahrzeugs

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102018217454.7A DE102018217454A1 (de) 2018-10-11 2018-10-11 Verfahren und Backendvorrichtung zur prädiktiven Ladesteuerung für einen elektrischen Energiespeicher eines Kraftfahrzeugs
DE102018217454.7 2018-10-11

Publications (1)

Publication Number Publication Date
WO2020074554A1 true WO2020074554A1 (de) 2020-04-16

Family

ID=68392932

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2019/077297 WO2020074554A1 (de) 2018-10-11 2019-10-09 Verfahren und backendvorrichtung zur prädiktiven ladesteuerung für einen elektrischen energiespeicher eines kraftfahrzeugs

Country Status (5)

Country Link
US (1) US20210387546A1 (de)
EP (1) EP3863882A1 (de)
CN (1) CN112789193B (de)
DE (1) DE102018217454A1 (de)
WO (1) WO2020074554A1 (de)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022128175A1 (en) * 2020-12-15 2022-06-23 Bayerische Motoren Werke Aktiengesellschaft Intelligent preconditioning for high voltage electric vehicle batteries

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102019207726A1 (de) * 2019-05-27 2020-12-03 Mahle International Gmbh Temperiersystem
CN111845445A (zh) * 2020-06-18 2020-10-30 中汽研汽车检验中心（天津）有限公司 一种锂离子电池春秋季运行工况综合控制方法
DE102020214182A1 (de) 2020-11-11 2022-05-12 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Vorrichtung zum Ermitteln eines Alterungszustands einer Gerätebatterie
DE102021100388A1 (de) * 2021-01-12 2022-07-14 Volkswagen Aktiengesellschaft Aufladeverfahren für eine Batterie, Steuergerät und Batteriemanagementsystem
EP4047380A1 (de) * 2021-02-18 2022-08-24 FRONIUS INTERNATIONAL GmbH Verfahren und system zur analyse eines elektrischen energiespeichers sowie energieversorgungssystem
DE102021208002A1 (de) 2021-07-26 2023-01-26 Zf Friedrichshafen Ag Verfahren zum Erhöhen der Lebensdauer einer Batterie eines Elektrofahrzeugs, Batteriesteuereinheit für ein Elektrofahrzeug, Elektrofahrzeug und Computerprogram
DE102021127371A1 (de) * 2021-10-21 2023-04-27 Bayerische Motoren Werke Aktiengesellschaft Schutzvorrichtung für eine Hochvoltbatterie in elektrifizierten Kraftfahrzeugen
TWI767868B (zh) * 2021-11-08 2022-06-11 國立清華大學 基於強化學習的充電站能源使用規劃方法及裝置
DE102021213960A1 (de) 2021-12-08 2023-06-15 Zf Friedrichshafen Ag Verfahren zum Ändern einer Ladung einer Antriebsbatterie eines Elektrofahrzeugs, Steuergerät für ein Elektrofahrzeug, Computerprogramm und Computerlesbares Medium
CN117650591A (zh) * 2022-09-02 2024-03-05 苏州宝时得电动工具有限公司 一种能源***及设备***

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070150174A1 (en) 2005-12-08 2007-06-28 Seymour Shafer B Predictive navigation
EP2042833A1 (de) 1999-12-20 2009-04-01 Navteq North America, LLC Kartendatenarchitekturplattform für erweiterte Fahrerunterstützungssysteme
DE102011078946A1 (de) 2011-07-11 2013-01-17 Robert Bosch Gmbh Verfahren und Anordnung zum Bestimmen eines am ehesten wahrscheinlichen Fahrpfads eines Fahrzeugs
DE102012209645A1 (de) * 2012-06-08 2013-12-12 Siemens Aktiengesellschaft Verfahren zur Steuerung des Ladebetriebs in einem Elektro-Kraftfahrzeug
US8768616B2 (en) 2012-01-09 2014-07-01 Ford Global Technologies, Llc Adaptive method for trip prediction
US9043262B2 (en) * 2010-06-03 2015-05-26 Nissan Motor Co., Ltd. Information providing apparatus for vehicle, and method therefor
EP3016235A1 (de) * 2013-06-28 2016-05-04 Hitachi Automotive Systems, Ltd. Sekundärbatteriesystem

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10346213A1 (de) * 2003-10-06 2005-04-21 Bosch Gmbh Robert Verfahren zur Regelung des Ladezustands eines Energiespeichers bei einem Fahrzeug mit Hybridantrieb
US20100123436A1 (en) * 2008-11-14 2010-05-20 Symbol Technologies, Inc. Optimized lithium-ion battery charging
FR2942602A1 (fr) * 2009-02-27 2010-09-03 Peugeot Citroen Automobiles Sa Dispositif et procede de gestion optimisee de l'energie electrique d'une source de stockage electrochimique embarquee dans un vehicule hybride
DE102014200315A1 (de) * 2014-01-10 2015-07-16 Robert Bosch Gmbh Verfahren zum Laden einer Batterie in einem Fahrzeug
US9878631B2 (en) * 2014-02-25 2018-01-30 Elwha Llc System and method for predictive control of an energy storage system for a vehicle
DE102014213075A1 (de) * 2014-07-04 2016-01-21 Robert Bosch Gmbh Verfahren zur Verringerung einer alterungsbedingten Degradation eines elektrischen Energiespeichers
US9499157B2 (en) * 2014-07-24 2016-11-22 GM Global Technology Operations LLC Method and system for controlling a hybrid vehicle
US20180281597A1 (en) * 2017-03-28 2018-10-04 NextEv USA, Inc. Electric vehicle safety concept using distributed vehicle control units
CN107180272B (zh) * 2017-04-28 2018-11-02 华南理工大学 基于能耗控制的电动汽车停车场充电方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2042833A1 (de) 1999-12-20 2009-04-01 Navteq North America, LLC Kartendatenarchitekturplattform für erweiterte Fahrerunterstützungssysteme
US20070150174A1 (en) 2005-12-08 2007-06-28 Seymour Shafer B Predictive navigation
US9043262B2 (en) * 2010-06-03 2015-05-26 Nissan Motor Co., Ltd. Information providing apparatus for vehicle, and method therefor
DE102011078946A1 (de) 2011-07-11 2013-01-17 Robert Bosch Gmbh Verfahren und Anordnung zum Bestimmen eines am ehesten wahrscheinlichen Fahrpfads eines Fahrzeugs
US8768616B2 (en) 2012-01-09 2014-07-01 Ford Global Technologies, Llc Adaptive method for trip prediction
DE102012209645A1 (de) * 2012-06-08 2013-12-12 Siemens Aktiengesellschaft Verfahren zur Steuerung des Ladebetriebs in einem Elektro-Kraftfahrzeug
EP3016235A1 (de) * 2013-06-28 2016-05-04 Hitachi Automotive Systems, Ltd. Sekundärbatteriesystem

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022128175A1 (en) * 2020-12-15 2022-06-23 Bayerische Motoren Werke Aktiengesellschaft Intelligent preconditioning for high voltage electric vehicle batteries

Also Published As

Publication number Publication date
US20210387546A1 (en) 2021-12-16
EP3863882A1 (de) 2021-08-18
CN112789193B (zh) 2024-04-26
CN112789193A (zh) 2021-05-11
DE102018217454A1 (de) 2020-04-16

Similar Documents

Publication Publication Date Title
WO2020074554A1 (de) Verfahren und backendvorrichtung zur prädiktiven ladesteuerung für einen elektrischen energiespeicher eines kraftfahrzeugs
DE102016124109B4 (de) Energieverwaltungssystem für ein elektrofahrzeug
DE102010029743B4 (de) Smarter Energie-Netzübergang zur optimierten Energie-Flussteuerung
DE102015120581B4 (de) Verfahren und ein Fahrzeugsystem zur musterbasierten Ladeplanung
DE102015208380A1 (de) Fahrzeugenergie-Handhabungsvorrichtung
DE102016217087B4 (de) Lade-Fahr-Assistent für Elektrofahrzeuge und Elektrofahrzeug
DE102018219161A1 (de) Ermittlung eines ladevorgangs für energiespeichermittel eines fahrzeugs
DE102011018182A1 (de) Selbstlernendes durch eine Satellitennavigation unterstütztes Hybridfahrzeug-Steuersystem
DE102018218204A1 (de) Bestimmen eines mindestladezustandes für ein energiespeichermittel eines fahrzeugs
DE102013202303A1 (de) Fahrzeugsteuerung unter Verwendung einer geschätzten Außenlufttemperatur
DE102009048821A1 (de) Verfahren zur Reichweitenermittlung für Fahrzeuge, insbesondere Elektrofahrzeuge
DE102014204308A1 (de) Reichweitenschätzung für Elektrofahrzeuge
DE102018219417A1 (de) Verfahren und Systeme zum Planen von Energieversorger-Ereignissen in einen Ladeplan
DE102015113264A1 (de) System und verfahren zum schätzen der verfügbaren reichweite durch binning von energieverbrauchsdaten
DE102011085454A1 (de) Verfahren zur Steuerung eines Hybridantriebs mit einer Brennkraftmaschine und einem Elektromotor und einem elektrischen Energiespeicher, insbesondere für ein Schienenfahrzeug, Steuereinrichtung und Hybridantrieb
DE102013217897A1 (de) Verfahren zur elektrischen Regeneration eines Energiespeichers
WO2014023369A2 (de) Verfahren zur steuerung des ladebetriebs eines elektrokraftfahrzeugs
DE102019100953A1 (de) Routenplanung für elektrifiziertes fahrzeug, die teilweise auf vorhergesagten wetterbedingungen basiert
DE102021132088A1 (de) Steuerung eines elektrifizierten fahrzeugs mit dynamischer segmentbasierter entfernung bis zum leerstand (dte)
DE102009013175A1 (de) Verfahren zur Steuerung eines Energiemanagements in einem Fahrzeug
DE102017219204A1 (de) Verfahren zum Laden eines Fahrzeugs mit elektrischem Antrieb, Ladesteuerung und Ladestation
DE102020119861A1 (de) Verfahren und Assistenzeinrichtung zum iterativ optimierten Betreiben eines Kraftfahrzeugs und Kraftfahrzeug
DE102011075872A1 (de) Vorrichtung und Verfahren zum Bestimmen von Ladevorgängen
DE102015226229A1 (de) Verfahren und Vorrichtung zur Reichweitenberechnung für ein Fahrzeug
DE102017213984A1 (de) Verfahren zum Betreiben einer Navigationsvorrichtung für ein Kraftfahrzeug

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: 19795458

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2019795458

Country of ref document: EP

Effective date: 20210511