知財求人 - 知財ポータルサイト「IP Force」
▶ タタ コンサルタンシー サービシズ リミテッドの特許一覧
特開2020-18159負荷需要の時間的−空間的予測を提供する方法及びシステム
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】特開2020-18159(P2020-18159A)
(43)【公開日】2020年1月30日
(54)【発明の名称】負荷需要の時間的−空間的予測を提供する方法及びシステム
(51)【国際特許分類】
H02J 3/00 20060101AFI20191227BHJP
B60L 50/60 20190101ALI20191227BHJP
B60L 55/00 20190101ALI20191227BHJP
B60L 7/14 20060101ALI20191227BHJP
B60L 58/12 20190101ALI20191227BHJP
G06Q 50/06 20120101ALI20191227BHJP
【ＦＩ】
H02J3/00 130
H02J3/00 170
B60L50/60
B60L55/00
B60L7/14
B60L58/12
G06Q50/06
【審査請求】有
【請求項の数】12
【出願形態】ＯＬ
【外国語出願】
【全頁数】32
(21)【出願番号】特願2019-91985(P2019-91985)
(22)【出願日】2019年5月15日
(31)【優先権主張番号】15/980,390
(32)【優先日】2018年5月15日
(33)【優先権主張国】US
(71)【出願人】
【識別番号】510337621
【氏名又は名称】タタ コンサルタンシー サービシズ リミテッド
【氏名又は名称原語表記】ＴＡＴＡ Ｃｏｎｓｕｌｔａｎｃｙ Ｓｅｒｖｉｃｅｓ Ｌｉｍｉｔｅｄ
(74)【代理人】
【識別番号】100130111
【弁理士】
【氏名又は名称】新保 斉
(72)【発明者】
【氏名】ラマヌジャム、アルビンド
(72)【発明者】
【氏名】サンカラナラヤナン、パンデースワリ
(72)【発明者】
【氏名】バサン、アルンチャンダル
(72)【発明者】
【氏名】ジャヤプラカシュ、ラジェシュ
(72)【発明者】
【氏名】サランガン、ベンカテシュ
(72)【発明者】
【氏名】スィバスブラマニアム、アナンド
【テーマコード（参考）】
5G066
5H125
5L049
【Ｆターム（参考）】
5G066AA02
5G066AE09
5G066HA15
5G066HB03
5G066HB09
5G066JA05
5G066JB03
5G066KA06
5G066KA12
5G066KB01
5G066KC01
5H125AA01
5H125AC12
5H125AC22
5H125BC05
5H125BC08
5H125BC12
5H125CB02
5H125CC04
5H125DD02
5H125EE27
5H125EE52
5H125EE53
5H125EE55
5L049CC06
(57)【要約】 （修正有）
【課題】複数の電気自動車（ＥＶ）に起因する、電気グリッド上の負荷需要の時間的−空間的分布を予測するための方法及びシステムを提供する。【解決手段】電気グリッドによってサービスが提供されている関心地域（ＲＯＩ）に対するＥＶ負荷需要（ＥＶＬＤ）モデルの構築を含み、ＥＶＬＤモデルは、ＥＶモデルと、ＲＯＩに対するＥＶ交通状態をシミュレートする輸送シミュレータとを統合している。更に、方法は、ＥＶＬＤモデルに基づき、ＲＯＩ内の複数のＥＶのなかの各ＥＶに対して、バッテリの充電状態（ＳＯＣ）の観点で、時間及び空間おける負荷需要を計算することを含む。それに加えて、方法は、各ＥＶの計算された負荷需要を、ＳＯＣの観点で時間ドメイン及び空間ドメインにおいて集約して、ＲＯＩに対する電気グリッド上の複数のＥＶによる負荷需要の時間的−空間的インパクトを構築することを含む。
【選択図】図３
【特許請求の範囲】
【請求項1】
複数の電気自動車（ＥＶ：Ｅｌｅｃｔｒｉｃ Ｖｅｈｉｃｌｅ）に起因する、電気グリッド上の負荷需要の時間的−空間的分布を予測するための方法であって、
前記電気グリッドによってサービスが提供されている関心地域（ＲＯＩ：Ｒｅｇｉｏｎ ｏｆ Ｉｎｔｅｒｅｓｔ）に対するＥＶ負荷需要（ＥＶＬＤ：ＥＶ ｌｏａｄ ｄｅｍａｎｄ）モデルを構築することであって、前記ＥＶＬＤモデルは、ＥＶモデルと、前記ＲＯＩに対するＥＶ交通状態をシミュレートする輸送シミュレータとを統合する、こと（３０２）と、
前記ＥＶＬＤモデルに基づき、前記ＲＯＩ内の前記複数のＥＶのなかの各ＥＶに対して、バッテリの充電状態（ＳＯＣ：Ｓｔａｔｅ ｏｆ Ｃｈａｒｇｅ）の観点で、時間及び空間における前記負荷需要を計算すること（３０４）であって、
前記輸送シミュレータは、空間ドメイン及び時間ドメインにおいて、前記対応するＥＶの速度及び加速度の観点で、規則的な時間ウィンドウで、前記ＥＶが移動した複数の位置のなかの全ての位置において、前記輸送シミュレータによってシミュレートされた前記ＲＯＩの前記交通状態に基づき、前記ＲＯＩの前記ＥＶの各々の位置を追跡し、
前記ＥＶモデルは、対応するＥＶに対して、前記規則的な時間ウィンドウのなかの対応する時間ウィンドウに対して、前記バッテリの前記ＳＯＣの観点で、時間ドメインにおける前記ＥＶの各々の負荷需要を提供し、前記ＳＯＣは、前記対応する時間ウィンドウに対する、前記対応するＥＶの前記速度及び前記加速度に基づき見積もられる、ことと、
前記ＥＶの各々の計算された前記負荷需要を、前記ＳＯＣの観点で時間ドメイン及び空間ドメインにおいて集約して、前記ＲＯＩに対する前記電気グリッド上の前記複数のＥＶによる前記負荷需要の時間的−空間的インパクトを構築すること（３０６）と、
を含む、方法。
前記電気グリッドによってサービスが提供されている関心地域（ＲＯＩ：Ｒｅｇｉｏｎ ｏｆ Ｉｎｔｅｒｅｓｔ）に対するＥＶ負荷需要（ＥＶＬＤ：ＥＶ ｌｏａｄ ｄｅｍａｎｄ）モデルを構築することであって、前記ＥＶＬＤモデルは、ＥＶモデルと、前記ＲＯＩに対するＥＶ交通状態をシミュレートする輸送シミュレータとを統合する、こと（３０２）と、
前記ＥＶＬＤモデルに基づき、前記ＲＯＩ内の前記複数のＥＶのなかの各ＥＶに対して、バッテリの充電状態（ＳＯＣ：Ｓｔａｔｅ ｏｆ Ｃｈａｒｇｅ）の観点で、時間及び空間における前記負荷需要を計算すること（３０４）であって、
前記輸送シミュレータは、空間ドメイン及び時間ドメインにおいて、前記対応するＥＶの速度及び加速度の観点で、規則的な時間ウィンドウで、前記ＥＶが移動した複数の位置のなかの全ての位置において、前記輸送シミュレータによってシミュレートされた前記ＲＯＩの前記交通状態に基づき、前記ＲＯＩの前記ＥＶの各々の位置を追跡し、
前記ＥＶモデルは、対応するＥＶに対して、前記規則的な時間ウィンドウのなかの対応する時間ウィンドウに対して、前記バッテリの前記ＳＯＣの観点で、時間ドメインにおける前記ＥＶの各々の負荷需要を提供し、前記ＳＯＣは、前記対応する時間ウィンドウに対する、前記対応するＥＶの前記速度及び前記加速度に基づき見積もられる、ことと、
前記ＥＶの各々の計算された前記負荷需要を、前記ＳＯＣの観点で時間ドメイン及び空間ドメインにおいて集約して、前記ＲＯＩに対する前記電気グリッド上の前記複数のＥＶによる前記負荷需要の時間的−空間的インパクトを構築すること（３０６）と、
を含む、方法。
【請求項2】
前記ＥＶモデルは、電気的モデルに結合された機械的モデルを含み、前記ＥＶの各々の前記バッテリのＳＯＣの観点で、前記ＥＶの各々の負荷需要を提供する、請求項１に記載の方法。
【請求項3】
前記ＥＶの各々に対して前記バッテリの前記ＳＯＣを計算することが、
前記ＥＶモデルの機械的モデルによって、前記対応する時間ウィンドウに対する、前記対応するＥＶの前記速度及び前記加速度に基づき、前記時間ウィンドウのなかの各時間ウィンドウに対して前記ＥＶの各々の機械的電力（ＰM（ｔ））を見積もることと、
前記ＥＶモデルの電気的モデルによって、前記対応する時間ウィンドウに対する、前記ＥＶの各々に対する前記機械的電力（ＰM（ｔ））の等価電力（ＰE（ｔ））を見積もることであって、前記計算された機械的電力がゼロよりも大きい場合は、前記見積もられた電力（ＰE（ｔ））は前記バッテリを消耗させる放電電力に相当し、前記計算された機械的電力（ＰM（ｔ））がゼロよりも小さい場合は、前記計算された電気的電力（ＰE（ｔ））は前記バッテリを充電する回生電力に相当する、ことと、
前記計算された等価電気的電力（ＰE（ｔ））が前記回生電力であるか、又は前記放電電力であるかに基づき、前記対応する時間ウィンドウに対して、前記対応するＥＶの前記バッテリの前記ＳＯＣを更新することと、
を含む請求項２に記載の方法。
前記ＥＶモデルの機械的モデルによって、前記対応する時間ウィンドウに対する、前記対応するＥＶの前記速度及び前記加速度に基づき、前記時間ウィンドウのなかの各時間ウィンドウに対して前記ＥＶの各々の機械的電力（ＰM（ｔ））を見積もることと、
前記ＥＶモデルの電気的モデルによって、前記対応する時間ウィンドウに対する、前記ＥＶの各々に対する前記機械的電力（ＰM（ｔ））の等価電力（ＰE（ｔ））を見積もることであって、前記計算された機械的電力がゼロよりも大きい場合は、前記見積もられた電力（ＰE（ｔ））は前記バッテリを消耗させる放電電力に相当し、前記計算された機械的電力（ＰM（ｔ））がゼロよりも小さい場合は、前記計算された電気的電力（ＰE（ｔ））は前記バッテリを充電する回生電力に相当する、ことと、
前記計算された等価電気的電力（ＰE（ｔ））が前記回生電力であるか、又は前記放電電力であるかに基づき、前記対応する時間ウィンドウに対して、前記対応するＥＶの前記バッテリの前記ＳＯＣを更新することと、
を含む請求項２に記載の方法。
【請求項4】
前記計算された前記負荷需要を集約することは、エンドオブデイ、ホーム（ＥＯＤ−Ｈ：Ｅｎｄ ｏｆ Ｄａｙ，Ｈｏｍｅ）充電方針、及びホームアンドアウェイ（ＨＡＡ（ｑ，ε）：Ｈｏｍｅ ａｎｄ Ａｗａｙ）充電方針を含む、複数の予め定義された充電方針に基づき、前記ＨＡＡ（ｑ，ε）充電方針は、固有のＥＶ普及レベルを提供する複数のレベルのqと、固有のＳＯＣ閾値を提供する複数のレベルのεとに基づいて差異化された複数のレベルを更に含む、請求項１に記載の方法。
【請求項5】
複数の電気自動車（ＥＶ）に起因する、電気グリッド上の負荷需要の時間的−空間的分布を予測するためのシステム（１００）であって、前記システムは、
１つ以上のハードウェアプロセッサ（１０２）に動作可能に結合され、かつ命令を記憶するように構成されたメモリ（１０４）を備え、前記命令は、前記１つ以上のハードウェアプロセッサに、
前記電気グリッドによってサービスが提供されている関心地域（ＲＯＩ）に対するＥＶ負荷需要（ＥＶＬＤ）モデルを構築することであって、前記ＥＶＬＤモデルは、ＥＶモデルと、前記ＲＯＩに対するＥＶ交通状態をシミュレートする輸送シミュレータとを統合している、ことと、
前記ＥＶＬＤモデルに基づき、前記ＲＯＩ内の前記複数のＥＶのなかの各ＥＶに対して、バッテリの充電状態（ＳＯＣ）の観点で、時間及び空間における前記負荷需要を計算することであって、
前記輸送シミュレータは、空間ドメイン及び時間ドメインにおいて、前記対応するＥＶの速度及び加速度の観点で、規則的な時間ウィンドウで、前記ＥＶが移動した複数の位置のなかの全ての位置において、前記輸送シミュレータによってシミュレートされた前記ＲＯＩの前記交通状態に基づき、前記ＲＯＩの前記ＥＶの各々の位置を追跡し、
前記ＥＶモデルは、対応するＥＶに対して、前記規則的な時間ウィンドウのなかの対応する時間ウィンドウに対して、前記バッテリの前記ＳＯＣの観点で、時間ドメインにおける前記ＥＶの各々の負荷需要を提供し、前記ＳＯＣは、前記対応する時間ウィンドウに対する、前記対応するＥＶの前記速度及び前記加速度に基づき見積もられる、ことと、
前記ＥＶの各々の計算された前記負荷需要を、前記ＳＯＣの観点で時間ドメイン及び空間ドメインにおいて集約して、前記ＲＯＩに対する前記電気グリッド上の前記複数のＥＶによる前記負荷需要の時間的−空間的インパクトを構築することと、
を実行させるように構成されている、システム（１００）。
１つ以上のハードウェアプロセッサ（１０２）に動作可能に結合され、かつ命令を記憶するように構成されたメモリ（１０４）を備え、前記命令は、前記１つ以上のハードウェアプロセッサに、
前記電気グリッドによってサービスが提供されている関心地域（ＲＯＩ）に対するＥＶ負荷需要（ＥＶＬＤ）モデルを構築することであって、前記ＥＶＬＤモデルは、ＥＶモデルと、前記ＲＯＩに対するＥＶ交通状態をシミュレートする輸送シミュレータとを統合している、ことと、
前記ＥＶＬＤモデルに基づき、前記ＲＯＩ内の前記複数のＥＶのなかの各ＥＶに対して、バッテリの充電状態（ＳＯＣ）の観点で、時間及び空間における前記負荷需要を計算することであって、
前記輸送シミュレータは、空間ドメイン及び時間ドメインにおいて、前記対応するＥＶの速度及び加速度の観点で、規則的な時間ウィンドウで、前記ＥＶが移動した複数の位置のなかの全ての位置において、前記輸送シミュレータによってシミュレートされた前記ＲＯＩの前記交通状態に基づき、前記ＲＯＩの前記ＥＶの各々の位置を追跡し、
前記ＥＶモデルは、対応するＥＶに対して、前記規則的な時間ウィンドウのなかの対応する時間ウィンドウに対して、前記バッテリの前記ＳＯＣの観点で、時間ドメインにおける前記ＥＶの各々の負荷需要を提供し、前記ＳＯＣは、前記対応する時間ウィンドウに対する、前記対応するＥＶの前記速度及び前記加速度に基づき見積もられる、ことと、
前記ＥＶの各々の計算された前記負荷需要を、前記ＳＯＣの観点で時間ドメイン及び空間ドメインにおいて集約して、前記ＲＯＩに対する前記電気グリッド上の前記複数のＥＶによる前記負荷需要の時間的−空間的インパクトを構築することと、
を実行させるように構成されている、システム（１００）。
【請求項6】
前記ＥＶモデルは、前記ＥＶの各々の前記バッテリのＳＯＣの観点で、前記ＥＶの各々の負荷需要を提供する電気的モデルに結合された機械的モデルを含む、請求項５に記載のシステム（１００）。
【請求項7】
前記ＥＶの各々に対して前記バッテリの前記ＳＯＣを計算することが、
前記ＥＶモデルの機械的モデルによって、前記対応する時間ウィンドウに対する、前記対応するＥＶの前記速度及び前記加速度に基づき、前記時間ウィンドウのなかの各時間ウィンドウに対して前記ＥＶの各々の機械的電力（ＰM（ｔ））を見積もることと、
前記ＥＶモデルの電気的モデルによって、前記対応する時間ウィンドウに対する、前記ＥＶの各々に対する前記機械的電力（ＰM（ｔ））の等価電力（ＰE（ｔ））を見積もることであって、前記計算された機械的電力がゼロよりも大きい場合は、前記見積もられた電気的電力（ＰE（ｔ））は前記バッテリを消耗させる放電電力に相当し、前記計算された機械的電力（ＰM（ｔ））がゼロよりも小さい場合は、前記計算された電気的電力（ＰE（ｔ））は前記バッテリを充電する回生電力に相当する、ことと、
前記計算された等価電力（ＰE（ｔ））が前記回生電力であるか、又は前記放電電力であるかに基づき、前記対応する時間ウィンドウに対して、前記対応するＥＶの前記バッテリの前記ＳＯＣを更新することと、
を含む請求項６に記載のシステム（１００）。
前記ＥＶモデルの機械的モデルによって、前記対応する時間ウィンドウに対する、前記対応するＥＶの前記速度及び前記加速度に基づき、前記時間ウィンドウのなかの各時間ウィンドウに対して前記ＥＶの各々の機械的電力（ＰM（ｔ））を見積もることと、
前記ＥＶモデルの電気的モデルによって、前記対応する時間ウィンドウに対する、前記ＥＶの各々に対する前記機械的電力（ＰM（ｔ））の等価電力（ＰE（ｔ））を見積もることであって、前記計算された機械的電力がゼロよりも大きい場合は、前記見積もられた電気的電力（ＰE（ｔ））は前記バッテリを消耗させる放電電力に相当し、前記計算された機械的電力（ＰM（ｔ））がゼロよりも小さい場合は、前記計算された電気的電力（ＰE（ｔ））は前記バッテリを充電する回生電力に相当する、ことと、
前記計算された等価電力（ＰE（ｔ））が前記回生電力であるか、又は前記放電電力であるかに基づき、前記対応する時間ウィンドウに対して、前記対応するＥＶの前記バッテリの前記ＳＯＣを更新することと、
を含む請求項６に記載のシステム（１００）。
【請求項8】
前記計算された前記負荷需要を集約することは、エンドオブデイ、ホーム（ＥＯＤ−Ｈ）充電方針、及びホームアンドアウェイ（ＨＡＡ（ｑ，ε））充電方針を含む、複数の予め定義された充電方針に基づき、前記ＨＡＡ（ｑ，ε）充電方針は、固有のＥＶ普及レベルを提供する複数のレベルのｑと、固有のＳＯＣ閾値を提供する複数のレベルのεとに基づいて差異化された複数のレベルを更に含む、請求項５に記載のシステム（１００）。
【請求項9】
命令を記憶する非一時的コンピュータ可読媒体であって、前記命令はハードウェアプロセッサによって実行されると、前記ハードウェアプロセッサに、
電気グリッドによってサービスが提供されている関心地域（ＲＯＩ）に対するＥＶ負荷需要（ＥＶＬＤ）モデルを構築することであって、前記ＥＶＬＤモデルは、ＥＶモデルと、前記ＲＯＩに対するＥＶ交通状態をシミュレートする輸送シミュレータとを統合している、ことと、
前記ＥＶＬＤモデルに基づき、前記ＲＯＩ内の複数のＥＶのなかの前記ＥＶの各々に対して、バッテリの充電状態（ＳＯＣ）の観点で、時間及び空間における負荷需要を計算することであって、
前記輸送シミュレータは、空間ドメイン及び時間ドメインにおいて、前記対応するＥＶの速度及び加速度の観点で、規則的な時間ウィンドウで、前記ＥＶが移動した複数の位置のなかの全ての位置において、前記輸送シミュレータによってシミュレートされた前記ＲＯＩの前記交通状態に基づき、前記ＲＯＩの前記ＥＶの各々の位置を追跡し、
前記ＥＶモデルは、対応するＥＶに対して、前記規則的な時間ウィンドウのなかの対応する時間ウィンドウに対して、前記バッテリの前記ＳＯＣの観点で、時間ドメインにおける前記ＥＶの各々の負荷需要を提供し、前記ＳＯＣは、前記対応する時間ウィンドウに対する、前記対応するＥＶの前記速度及び前記加速度に基づき見積もられる、ことと、
前記ＥＶの各々の前記計算された負荷需要を、前記ＳＯＣの観点で時間ドメイン及び空間ドメインにおいて集約して、前記ＲＯＩに対する前記電気グリッド上の前記複数のＥＶによる前記負荷需要の時間的−空間的インパクトを構築することと、
を含む動作を実施させる、非一時的コンピュータ可読媒体。
電気グリッドによってサービスが提供されている関心地域（ＲＯＩ）に対するＥＶ負荷需要（ＥＶＬＤ）モデルを構築することであって、前記ＥＶＬＤモデルは、ＥＶモデルと、前記ＲＯＩに対するＥＶ交通状態をシミュレートする輸送シミュレータとを統合している、ことと、
前記ＥＶＬＤモデルに基づき、前記ＲＯＩ内の複数のＥＶのなかの前記ＥＶの各々に対して、バッテリの充電状態（ＳＯＣ）の観点で、時間及び空間における負荷需要を計算することであって、
前記輸送シミュレータは、空間ドメイン及び時間ドメインにおいて、前記対応するＥＶの速度及び加速度の観点で、規則的な時間ウィンドウで、前記ＥＶが移動した複数の位置のなかの全ての位置において、前記輸送シミュレータによってシミュレートされた前記ＲＯＩの前記交通状態に基づき、前記ＲＯＩの前記ＥＶの各々の位置を追跡し、
前記ＥＶモデルは、対応するＥＶに対して、前記規則的な時間ウィンドウのなかの対応する時間ウィンドウに対して、前記バッテリの前記ＳＯＣの観点で、時間ドメインにおける前記ＥＶの各々の負荷需要を提供し、前記ＳＯＣは、前記対応する時間ウィンドウに対する、前記対応するＥＶの前記速度及び前記加速度に基づき見積もられる、ことと、
前記ＥＶの各々の前記計算された負荷需要を、前記ＳＯＣの観点で時間ドメイン及び空間ドメインにおいて集約して、前記ＲＯＩに対する前記電気グリッド上の前記複数のＥＶによる前記負荷需要の時間的−空間的インパクトを構築することと、
を含む動作を実施させる、非一時的コンピュータ可読媒体。
【請求項10】
前記ＥＶモデルは、電気的モデルに結合された機械的モデルを含み、前記ＥＶの各々の前記バッテリのＳＯＣの観点で、前記ＥＶの各々の負荷需要を提供する、請求項９に記載の非一時的媒体。
【請求項11】
前記ＥＶの各々に対して前記バッテリの前記ＳＯＣを計算することが、
前記ＥＶモデルの機械的モデルによって、前記対応する時間ウィンドウに対する、前記対応するＥＶの前記速度及び前記加速度に基づき、前記時間ウィンドウのなかの各時間ウィンドウに対して前記ＥＶの各々の機械的電力（ＰM（ｔ））を見積もることと、
前記ＥＶモデルの電気的モデルによって、前記対応する時間ウィンドウに対する、前記ＥＶの各々に対する前記機械的電力（ＰM（ｔ））の等価電気的電力（ＰE（ｔ））を見積もることであって、前記計算された機械的電力がゼロよりも大きい場合は、前記見積もられた電気的電力（ＰE（ｔ））は前記バッテリを消耗させる放電電力に相当し、前記計算された機械的電力（ＰM（ｔ））がゼロよりも小さい場合は、前記計算された電気的電力（ＰE（ｔ））は前記バッテリを充電する回生電力に相当する、ことと、
前記計算された等価電気的電力（ＰE（ｔ））が前記回生電力であるか、又は前記放電電力であるかに基づき、前記対応する時間ウィンドウに対して、前記対応するＥＶの前記バッテリの前記ＳＯＣを更新することと、
を含む請求項１０に記載の非一時的媒体。
前記ＥＶモデルの機械的モデルによって、前記対応する時間ウィンドウに対する、前記対応するＥＶの前記速度及び前記加速度に基づき、前記時間ウィンドウのなかの各時間ウィンドウに対して前記ＥＶの各々の機械的電力（ＰM（ｔ））を見積もることと、
前記ＥＶモデルの電気的モデルによって、前記対応する時間ウィンドウに対する、前記ＥＶの各々に対する前記機械的電力（ＰM（ｔ））の等価電気的電力（ＰE（ｔ））を見積もることであって、前記計算された機械的電力がゼロよりも大きい場合は、前記見積もられた電気的電力（ＰE（ｔ））は前記バッテリを消耗させる放電電力に相当し、前記計算された機械的電力（ＰM（ｔ））がゼロよりも小さい場合は、前記計算された電気的電力（ＰE（ｔ））は前記バッテリを充電する回生電力に相当する、ことと、
前記計算された等価電気的電力（ＰE（ｔ））が前記回生電力であるか、又は前記放電電力であるかに基づき、前記対応する時間ウィンドウに対して、前記対応するＥＶの前記バッテリの前記ＳＯＣを更新することと、
を含む請求項１０に記載の非一時的媒体。
【請求項12】
前記計算された前記負荷需要を集約することは、エンドオブデイ、ホーム（ＥＯＤ−Ｈ）充電方針、及びホームアンドアウェイ（ＨＡＡ（ｑ，ε））充電方針を含む、複数の予め定義された充電方針に基づいており、前記ＨＡＡ（ｑ，ε）充電方針は、固有のＥＶ普及レベルを提供するｑの複数のレベルと、固有のＳＯＣ閾値を提供するεの複数のレベルとに基づいて差異化された複数のレベルを更に含む、請求項９に記載の非一時的媒体。
【発明の詳細な説明】
【技術分野】
【0001】
優先権の主張本出願は２０１８年５月１５日に米国に出願された特許文献１の優先権を主張し、その全体が参照として本明細書に組み込まれる。
【0002】
本明細書の開示は全体的には電気自動車（ＥＶＳ）に関し、より詳細には電気グリッド上のＥＶの負荷需要に関する。
【背景技術】
【0003】
電気自動車（ＥＶ）の採用が増加するにつれて、電気グリッド上における、その再充電負荷を確実に特性化することが重要である。ＥＶの負荷需要を集約されたレベルで理解することは、供給側の何らかの問題を発見するために必要ではあるが、十分ではない。その理由は、電気グリッドのラストマイルが、ＥＶ使用量に対する負荷分析によってほとんど想定されていないからである。更に、集約されたＥＶ需要の空間的分布を用いて、需要サイド（ＥＶ負荷需要）の何らかのホットスポットを特定することは不可欠である。空間的分布は、ＥＶユーザの消費パターン及び再充電方針に依存する。ＥＶの消費パターンは都市の交通パターンに依存し、再充電方針はユーザの選好及びユーザの車両の充電場所に依存する。従って、電気グリッド上のＥＶ負荷の空間的分布を理解するためには、輸送網上の交通負荷又はＥＶにサービスを提供している電気グリッドを理解することが重要かつ必要である。
【0004】
大部分の既存の方法は、ＥＶの充電に対する管理を提供する供給サイド（電気グリッドサイド）の分析を扱っている。既存の方法は、負荷サイド需要に関する知見を提供し、電気グリッドに接続されるＥＶに対する到着、充電レベル、場所などのＥＶの特性を予測する。しかし、予測は統計的方法に基づいており、よってそのような予測の精度は制限される。なぜなら交通需要、ＥＶモデル、道路網、人口統計分布に関連したデータからの入力を活用していないからである。更に別の既存の方法は、都市の分布網上にあるプラグインＥＶの大規模な展開のインパクトを評価する空間的−時間的モデルを参照している。しかし、考慮されるＥＶモデルはファイングレイン（ｆｉｎｅ ｇｒａｉｎｅｄ）ＥＶモデルではなく、よって実用的なシナリオにおける都市交通でのＥＶのバッテリの再充電において主要な要因である回生制動を考慮することができない。従って、既存の方法に基づいて追跡されたＥＶのバッテリ状態の精度は低い。
【先行技術文献】
【特許文献】
【0005】
【特許文献1】米国出願番号第１５／９８０，３９０号
【発明の概要】
【0006】
本開示の実施形態は、本発明者らが従来のシステムにおいて認識した前述の技術的問題のうちの１つ以上に対する解決策として技術的改良を提示する。例えば、一実施形態では、複数の電気自動車（ＥＶ）に起因する、電気グリッド上の負荷需要の時間的−空間的分布を予測するための方法が説明される。この方法は電気グリッドによってサービスが提供されている関心地域（ＲＯＩ）に対するＥＶ負荷需要（ＥＶＬＤ）モデルの構築を含み、ＥＶＬＤモデルは、ＥＶモデルと、ＲＯＩに対するＥＶ交通状態をシミュレートする輸送シミュレータとを統合している。更に、この方法は、ＥＶＬＤモデルに基づき、ＲＯＩ内の複数のＥＶのなかの各ＥＶに対して、バッテリの充電状態（ＳＯＣ：Ｓｔａｔｅ ｏｆ Ｃｈａｒｇｅ）の観点で、時間及び空間おける負荷需要を計算することを含む。輸送シミュレータは、空間ドメイン及び時間ドメインにおいて、対応するＥＶの速度及び加速度の観点で、規則的な時間ウィンドウで、ＥＶが移動した複数の位置のなかの全ての位置において、輸送シミュレータによってシミュレートされたＲＯＩの交通状態に基づき、ＲＯＩの各ＥＶの位置を追跡する。ＥＶモデルは、対応するＥＶに対して、規則的な時間ウィンドウのなかの対応する時間ウィンドウに対して、バッテリのＳＯＣの観点で、時間ドメインにおける各ＥＶの負荷需要を提供し、ＳＯＣは、対応する時間ウィンドウに対する、対応するＥＶの速度及び加速度に基づき見積もられる。それに加えて、この方法は、各ＥＶの計算された負荷需要を、ＳＯＣの観点で時間ドメイン及び空間ドメインにおいて集約して、ＲＯＩに対する電気グリッド上の複数のＥＶによる負荷需要の時間的−空間的インパクトを構築することを含む。
【0007】
別の態様では、電気グリッドによってサービスが提供されている関心地域（ＲＯＩ）に対するＥＶ負荷需要（ＥＶＬＤ）モデルを構築するためのシステムが開示される。システムは、１つ以上のハードウェアプロセッサに動作可能に結合され、かつ命令を記憶するように構成されたメモリを備え、命令は１つ以上のハードウェアプロセッサによって、電気グリッドによってサービスが提供されている関心地域（ＲＯＩ）に対して、ＥＶ負荷需要（ＥＶＬＤ）モデルを構築することであって、ＥＶＬＤモデルは、ＥＶモデルと、ＲＯＩに対するＥＶ交通状態をシミュレートする輸送シミュレータとを統合している、ことと、ＥＶＬＤモデル（３０４）に基づき、ＲＯＩ内の複数のＥＶのなかの各ＥＶに対してバッテリの充電状態（ＳＯＣ）の観点で、時間及び空間における負荷需要を計算することと、を実行させるように構成されている。輸送シミュレータは、空間ドメイン及び時間ドメインにおいて、対応するＥＶの速度及び加速度の観点で、規則的な時間ウィンドウで、ＥＶが移動した複数の位置のなかの全ての位置において、輸送シミュレータによってシミュレートされたＲＯＩの交通状態に基づき、ＲＯＩの各ＥＶの位置を追跡する。ＥＶモデルは、対応するＥＶに対して、規則的な時間ウィンドウのなかの対応する時間ウィンドウに対して、バッテリのＳＯＣの観点で、時間ドメインにおける各ＥＶの負荷需要を提供し、ＳＯＣは、対応する時間ウィンドウに対する、対応するＥＶの速度及び加速度に基づき見積もられる。更に、このシステムは、各ＥＶの計算された負荷需要を、ＳＯＣの観点で時間ドメイン及び空間ドメインにおいて集約して、ＲＯＩに対する電気グリッド上の複数のＥＶによる負荷需要の時間的−空間的インパクトを構築するように構成されている。
【0008】
更に別の態様では、非一時的コンピュータ可読媒体が提供される。非一時的コンピュータ可読媒体は命令を記憶し、命令がハードウェアプロセッサによって実行されると、電気グリッドによってサービスが提供されている関心地域（ＲＯＩ）に対するＥＶ負荷需要（ＥＶＬＤ）モデルを構築することを含む動作をハードウェアプロセッサに実行させ、ＥＶＬＤモデルは、ＥＶモデルと、ＲＯＩに対するＥＶ交通状態をシミュレートする輸送シミュレータとを統合している（３０２）。更に、その動作は、ＥＶＬＤモデルに基づき、ＲＯＩ内の複数のＥＶのなかの各ＥＶに対して、バッテリの充電状態（ＳＯＣ）の観点で、時間及び空間における負荷需要を計算することを含み、輸送シミュレータは、空間ドメイン及び時間ドメインにおいて、対応するＥＶの速度及び加速度の観点で、規則的な時間ウィンドウで、ＥＶが移動した複数の位置のなかの全ての位置において、輸送シミュレータによってシミュレートされたＲＯＩの交通状態に基づき、ＲＯＩの各ＥＶの位置を追跡し、ＥＶモデルは、対応するＥＶに対して、規則的な時間ウィンドウのなかの対応する時間ウィンドウに対して、バッテリのＳＯＣの観点で、時間ドメインにおける各ＥＶの負荷需要を提供し、ＳＯＣは、対応する時間ウィンドウに対する、対応するＥＶの速度及び加速度に基づき見積もられる。更に、この動作は、各ＥＶの計算された負荷需要を、ＳＯＣの観点で時間ドメイン及び空間ドメインにおいて集約して、ＲＯＩに対する電気グリッド上の複数のＥＶによる負荷需要の時間的−空間的インパクトを構築することを含む。
【0009】
前述の一般的な説明と以下の詳細な説明はどちらも具体例であって例示だけを目的としており、本発明を限定するものではなく、請求項に記載の通りであることを理解されたい。
【0010】
本開示に組み込まれ本開示の一部を構成する添付の図面は例示的実施形態を示し、本明細書の記載と併せて、開示される原理を説明する役割を担う。
【図面の簡単な説明】
【0011】
【図1】本開示のいくつかの実施形態による、電気自動車負荷需要（ＥＶＬＤ）モデルを用いた負荷需要の時間的−空間的予測を提供するシステムの機能ブロックダイアグラムを示す。
【図3】本開示のいくつかの実施形態による、ＥＶＬＤモデルを使用した負荷需要の時間的−空間的予測を提供する方法を示すフロー図を示す。
【図4A(a)】本開示のいくつかの実施形態による、ＥＶＬＤモデルを使用した時間的−空間的負荷需要を予測するステップに対応する説明をサポートするグラフによる説明図である。
【図4A(b)】本開示のいくつかの実施形態による、ＥＶＬＤモデルを使用した時間的−空間的負荷需要を予測するステップに対応する説明をサポートするグラフによる説明図である。
【図4B(a)】本開示のいくつかの実施形態による、ＥＶＬＤモデルを使用した時間的−空間的負荷需要を予測するステップに対応する説明をサポートするグラフによる説明図である。
【図4B(b)】本開示のいくつかの実施形態による、ＥＶＬＤモデルを使用した時間的−空間的負荷需要を予測するステップに対応する説明をサポートするグラフによる説明図である。
【図4C】本開示のいくつかの実施形態による、ＥＶＬＤモデルを使用した時間的−空間的負荷需要を予測するステップに対応する説明をサポートするグラフによる説明図である。
【図4D】本開示のいくつかの実施形態による、ＥＶＬＤモデルを使用した時間的−空間的負荷需要を予測するステップに対応する説明をサポートするグラフによる説明図である。
【図4E(a)】本開示のいくつかの実施形態による、ＥＶＬＤモデルを使用した時間的−空間的負荷需要を予測するステップに対応する説明をサポートするグラフによる説明図である。
【図4E(b)】本開示のいくつかの実施形態による、ＥＶＬＤモデルを使用した時間的−空間的負荷需要を予測するステップに対応する説明をサポートするグラフによる説明図である。
【図4E(c)】本開示のいくつかの実施形態による、ＥＶＬＤモデルを使用した時間的−空間的負荷需要を予測するステップに対応する説明をサポートするグラフによる説明図である。
【図4F】本開示のいくつかの実施形態による、ＥＶＬＤモデルを使用した時間的−空間的負荷需要を予測するステップに対応する説明をサポートするグラフによる説明図である。
【図4G(a)】本開示のいくつかの実施形態による、ＥＶＬＤモデルを使用した時間的−空間的負荷需要を予測するステップに対応する説明をサポートするグラフによる説明図である。
【図4G(b)】本開示のいくつかの実施形態による、ＥＶＬＤモデルを使用した時間的−空間的負荷需要を予測するステップに対応する説明をサポートするグラフによる説明図である。
【図4H】本開示のいくつかの実施形態による、ＥＶＬＤモデルを使用した時間的−空間的負荷需要を予測するステップに対応する説明をサポートするグラフによる説明図である。
【図4I】本開示のいくつかの実施形態による、ＥＶＬＤモデルを使用した時間的−空間的負荷需要を予測するステップに対応する説明をサポートするグラフによる説明図である。
【発明を実施するための形態】
【0012】
本明細書のいかなるブロック図も、本明細書の主題の原理を具体化する例示的なシステム及びデバイスの概念的視点を表すことを当業者は理解されたい。同様に、コンピュータ又はプロセッサが明示的に示されていようがいまいが、いかなるフローチャート、フロー図等も、コンピュータ可読媒体内に実質的に表現されてもよく、よってコンピュータ又はプロセッサによって実行されてもよい様々なプロセスを示していることが理解されよう。
【0013】
例示的な実施形態を、添付の図面を参照して説明する。図面において、参照番号の最も左の桁は、参照番号が最初に現れる図を識別する。好都合な場合は、同じ又は類似の要素を示すために図面全体を通じて同じ参照符号が使用される。本明細書では開示された原理の例及び特徴を説明しているが、開示された実施形態の趣旨と範囲から逸脱しない範囲で、修正形態、適合形態、及び他の実現形態が可能である。以下の詳細な説明は例示としてのみ考慮され、真の範囲及び趣旨は以下の特許請求の範囲によって示されることを意図している。
【0014】
電気自動車（ＥＶ）のインパクトの理解は、文献による既存のアプローチによって提供されるが、主に以下の独立したエリアのそれぞれにおいて取り組まれている。あるエリアでは、車又は車両の設計イニシアチブの一部として個々の車両のモデル化を提供する、ＥＶモデル生成を扱っている。別のエリアではバッテリのモデル化を扱っており、様々なタイプのバッテリケミストリ、バッテリ管理システムが研究されている。別のエリアでは、地域の交通動特性、混雑、車両間相互作用、道路ネットワーク変化のインパクト等を理解するための交通マイクロシミュレータを扱っている。更に、ＥＶ用の充電ステーション及び充電ターミナルに対する独立した研究が行われ、様々な到着モデル及びバッテリ状態モデルを想定してＥＶの充電負荷を見積もっている。
【0015】
しかし、これらエリアの各々は、関心地域（ＲＯＩ）内の複数のＥＶにサービスを提供する電気グリッドに対するＥＶのインパクトに関する、完全に統合された描像をほとんど提供していない。
【0016】
上記のエリアのうちの１つ以上を統合してインパクトを見積もる既存のアプローチはほとんどない。それら統合化の試みは以下の種類に該当すると思われる。１．詳細なドライブモデルを考慮しない、単純かつ／又は線形のＥＶ／バッテリモデル
２．ファイングレインＥＶモデルを提供せず、車両の相互作用及びブレーキングを考慮しない単純フローに基づくモデル
３．基礎をなす、ＥＶの人口統計／空間的／時間的分布を理解しない、スマートネットワークを介した充電の最適化
【0017】
より高い精度で負荷需要を計算するために、開示された方法及びシステムは、関心地域（ＲＯＩ）における電気グリッドによってサービスが提供されている複数の電気自動車（ＥＶ）に起因する、電気グリッド上の負荷需要の時間的−空間的分布を予測するための方法及びシステムを提供する。この方法はＲＯＩに対するＥＶ負荷需要（ＥＶＬＤ）モデルの構築を含み、ＥＶＬＤモデルは、ＥＶモデルと、ＲＯＩに対するＥＶ交通状態をシミュレートする輸送シミュレータとを統合している。ＥＶモデルは、回生制動を考慮に入れてＥＶのバッテリの充電状態（ＳＯＣ）を計算することができるファイングレインＥＶモデルであり、回生制動はＥＶのＳＯＣにとって考慮すべき重要な要素である。更に、この方法は、ＥＶＬＤモデルに基づき、ＲＯＩ内の複数のＥＶのなかの各ＥＶに対してＳＯＣの観点で、時間及び空間における負荷需要を計算することを含む。ＳＯＣの観点で負荷需要を計算した時点で、この方法は、各ＥＶの負荷需要を、ＳＯＣの観点で時間ドメイン及び空間ドメインで集約することと、電気グリッド上の複数のＥＶによる負荷需要の時間的−空間的インパクトを構築することと、を含む。
【0018】
開示された方法は、ＥＶの放電及び充電特性を、時間毎のウィンドウ上に（例えば、毎秒ベースのマイクロレベルで）捕捉する、非常に正確なＳＯＣ用のＥＶモデルを提供する。更に、開示された方法は、個々のＥＶが追跡されその運転挙動が捕捉されるマイクロスケールでの交通シミュレータを統合することにより、現実に近い運転挙動をより大きなスケールで提供する。更に、開示された方法はバッテリに対する電力需要の配置及び追跡を提供し、バッテリの状態はファイングレインＥＶモデル及び交通シミュレータ（交通モデル）により正確に捕捉される。
【0019】
ここで図面を、より具体的には図１から図４を参照するが、図面を通して、類似の参照文字は一貫して対応する特徴を表し、好ましい実施形態が示され、これら実施形態は以下の例示的システム及び／又は方法との関連において説明される。
【0020】
図１は、本開示のいくつかの実施形態による、ＥＶＬＤモデルに基づく負荷需要の時間的−空間的予測を提供するシステム１００の機能ブロックダイアグラムを示す。
【0021】
システム１００は、プロセッサ１０２などの１つ以上のハードウェアプロセッサ、メモリ１０４などの少なくとも１つのメモリ、及びＩ／Ｏインタフェース１０６を含むか、又はそうでない場合はそれらと通信状態にある。プロセッサ１０２（ハードウェアプロセッサ）、メモリ１０４、及びＩ／Ｏインタフェース１０６は、システムバス１０８などのシステムバス、又は類似のメカニズムにより結合されていてもよい。
【0022】
メモリ１０４は更に、モジュール１１０を含んでもよい。一実施形態では、モジュール１１０は図２に関連して説明するＥＶＬＤモデルを含む。一実施形態では、モジュール１１０は、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）又は特定用途向け集積回路（ＡＳＩＣ）を使用して実装された、メモリ１０４の外部の集積回路（ＩＣ）であり得る。本明細書で参照されるメモリモジュール１１０内の機能ブロックのモジュール名は、説明のために使用される例であり、制限するものではない。更に、メモリ１０４は、プロセッサ１０２によって生成された処理データ及び中間データなどのデータを記憶し、一方でモジュール１１０内の命令を実行することにより機能性を実現する、リポジトリ１１２を含む。
【0023】
ハードウェアプロセッサ１０２は、１つ以上のマルチコアプロセッサ、マイクロプロセッサ、マイクロコンピュータ、マイクロコントローラ、デジタルシグナルプロセッサ、中央演算処理装置、ステートマシン、ロジック回路、及び／又は動作命令に基づきデータを操作する任意のデバイスとして実装され得る。他の機能のなかでも、ハードウェアプロセッサ１０２は、メモリ１０４内に記憶されたコンピュータ可読命令を取り出し実行し、メモリ１０４の外部又は内部のモジュール１１０と通信して、モジュール１１０によって実現される機能の実行をトリガするように構成されている。
【0024】
システム１００内のＩ／Ｏインタフェース１０６は、様々なソフトウェアインタフェース及びハードウェアインタフェースを、例えば、ウェブインタフェース、すなわち、電気グリッド上の複数のＥＶの負荷需要の時間的−空間的インパクトを表示するためのグラフィカルユーザインタフェースを含んでもよい。インタフェース１０６は、様々なソフトウェアインタフェース及びハードウェアインタフェースを、例えば、キーボード、マウス、外部メモリ、並びにプリンタ及びディスプレイなどのインタフェース又は周辺装置を含んでもよい。更に、インタフェース１０６は、システム１００が他のデバイス、例えばコンピューティング装置１０４、ウェブサーバ、及び必要なデータを収集するための外部データベースと通信することを可能にしてもよい。インタフェース１０６は、例えばローカルエリアネットワーク（ＬＡＮ）、ケーブル等の有線ネットワーク、及び無線ＬＡＮ（ＷＬＡＮ）、セルラー、又は衛星などの無線通信を含む、多種多様なネットワーク及びプロトコルタイプ内で複数の通信を促進することができる。その目的のために、インタフェース１０６は、複数のコンピューティングシステムを互いに接続するか、又は別のサーバコンピュータに接続するための１つ以上のポートを含んでもよい。Ｉ／Ｏインタフェース１０６は、複数のデバイスを互いに接続するか、又は別のサーバに接続するための１つ以上のポートを含んでもよい。
【0025】
メモリ１０４は、例えば、スタティック・ランダムアクセスメモリ（ＳＲＡＭ）、及びダイナミック・ランダムアクセスメモリ（ＤＲＡＭ）などの揮発性メモリ、及び／又は、読出し専用メモリ（ＲＯＭ）、消去可能プログラマブルＲＯＭ、フラッシュメモリ、ハードディスク、光学ディスク、及び磁気テープなどの不揮発性メモリを含む、当該技術分野において既知の任意のコンピュータ可読媒体を含んでもよい。更に、モジュール１１０は特定のタスクを実行し、又は特定の抽象データタイプを実現する、ルーチン、プログラム、オブジェクト、コンポーネンツ、データ構造等を含んでもよい。モジュール１１０は、システム１００によって実施される用途又は機能を補足するコンピュータ可読命令を含んでもよい。
【0026】
リポジトリ１１２はまた、モジュール１１０内の１つ以上のモジュールの実行結果として、処理、受信、又は生成されたデータを記憶してもよい。更に、機能ビルディングブロックの境界は説明の便宜上、本明細書で任意に規定されたものである。特定の機能及びその関係が適切に実施される限り、代替の境界が規定され得る。代替形態（本明細書で説明される代替形態の等価物、拡張、変形、逸脱などを含む）が、本明細書内に含まれる教示に基づいて当業者には明らかとなるであろう。そのような代替形態は、開示される実施形態の範囲及び趣旨に含まれる。
【0028】
一実施形態では、ＲＯＩに対する交通のマイクロシミュレーションを提供する輸送シミュレータ２０２を、輸送シミュレータ２０２によって考慮されたＲＯＩ内の各ＥＶに対してＥＶモデルを提供するＥＶモデル２０４と統合することにより、ＥＶＬＤモデル１１４が提供される。
【0029】
ＥＶＬＤモデル１１４は、ＥＶモデル２０４と統合された輸送シミュレータ２０２を利用して、ＲＯＩ内の複数のＥＶのなかの各ＥＶに対して、バッテリのＳＯＣの観点で、時間及び空間における負荷需要を計算するように構成されている。輸送シミュレータ２０２は、ＥＶが移動した複数の位置のなかの全ての位置において、規則的な時間ウィンドウで、空間ドメイン及び時間ドメインにおいて、対応するＥＶの速度及び加速度の観点で、ＲＯＩの各ＥＶの位置を追跡するように構成されている。追跡は輸送シミュレータ２０２によってシミュレートされたＲＯＩの交通状態に基づいている。更に、ＥＶモデル２０４は、対応するＥＶに対して、規則的な時間ウィンドウのなかの対応する時間ウィンドウに対して、バッテリのＳＯＣの観点で、時間ドメインにおける各ＥＶの負荷需要を提供するように構成されている。ＳＯＣは、対応する時間ウィンドウに対する、対応するＥＶの速度及び加速度に基づき見積もられる。ＥＶモデル２０４は、電気的モデル２０８に結合された機械的モデル２０６を含み、各ＥＶのバッテリのＳＯＣの観点で、各ＥＶの負荷需要を提供する。ＥＶモデル２０４は、機械的モデル２０６を用いて、対応する時間ウィンドウに対する、対応するＥＶの速度及び加速度に基づき、各時間ウィンドウに対して、各ＥＶの機械的電力（ＰM（ｔ））を見積もることにより、各ＥＶに対するバッテリのＳＯＣを計算するように構成されている。更に、電気的モデル２０８は、対応する時間ウィンドウに対する、各ＥＶに対する機械的電力（ＰM（ｔ））の等価電気的電力（ＰE（ｔ））を見積もるように構成されている。計算された機械的電力がゼロよりも大きい場合は、見積もられた電気的電力（ＰE（ｔ））はバッテリを消耗させる放電電力に相当し、一方、計算された機械的電力（ＰM（ｔ））がゼロよりも小さい場合は、計算された電気的電力（ＰE（ｔ））はバッテリを充電する回生電力に相当する。更に、電気的モデル２０８は、計算された等価電気的電力（ＰE（ｔ））が回生電力であるか、又は放電電力であるかに基づき、対応する時間ウィンドウに対して、対応するＥＶのバッテリのＳＯＣを更新するように構成されている。
【0030】
各ＥＶのＳＯＣ（更新された、及び現在のＳＯＣ）を時間及び空間において計算した時点で、ＥＶＬＤモデル１１４は、ＳＯＣの観点で、時間ドメイン及び空間ドメインにおいて、各ＥＶの計算された負荷需要を集約して、ＲＯＩに対する電気グリッド上の複数のＥＶによる負荷需要の時間的−空間的インパクトを構築するように構成されている。負荷需要を集約することは、エンドオブデイ（Ｅｎｄ ｏｆ Ｄａｙ）、ホーム（ＥＯＤ−Ｈ）充電方針、及びホームアンドアウェイ（Ｈｏｍｅ ａｎｄ Ａｗａｙ）（ＨＡＡ（ｑ，ε））充電方針を含む、複数の予め定義された充電方針に基づいている。ＨＡＡ（ｑ，ε）充電方針は更に、固有のＥＶ普及レベルを提供するｑの複数のレベルと、ＥＶユーザ（所有者）にとって快適な最低のＳＯＣを示す固有のＳＯＣ閾値を提供するεの複数のレベルとに基づいて差異化された複数のレベルを含む。集約化は以下の実施例と関連させて詳細に説明される。
【0031】
システム１００を、本明細書で説明される例示的実施形態を用いて説明する。例示的実施形態では、ＥＶモデル２０４は、Ｔｅｓｌａ Ｍｏｄｅｌ Ｓ（８５ｋＷｈ−ＲＷＤ）ＥＶに対して開発され、公開データベースにおいて利用可能なデータを使用し、更にＴｅｓｌａ Ｍｏｄｅｌ Ｓの航続距離からの情報を分析及び抽出した。生成されたＥＶモデル２０４は、対応する車両に任意の運転サイクルを課した後の、Ｔｅｓｌａ Ｍｏｄｅｌ ＳのバッテリパックのＳＯＣを見積もることができる。モデルパラメータは、公表されているグラウンドトルースデータを用いて較正及び実証されている。更に、ＥＶモデル２０４は、輸送シミュレータ２０２、例えば本明細書ではＳＵＭＯ（Ｓｉｍｕｌａｔｉｏｎ ｏｆ Ｕｒｂａｎ ＭＯｂｉｌｉｔｙ）のモデルと統合されている。ＳＵＭＯは、オープンソースの微視的、空間連続的、時間離散的な交通シミュレーションスイートであり、マルチモーダル及びインターモーダルの交通システム、公共輸送、及び歩行者をモデル化することができる。ＳＵＭＯは、経路探索、視覚化、ネットワークインポート、及び需要モデル化のためのツール及びモジュールを含む。ＳＵＭＯは、都市規模又は大都市規模の道路網における典型的な車両集団の挙動をシミュレートすることができる。開示されたシステム１００は、ルクセンブルク（ＲＯＩ）に対して開発され、ルクセンブルク（ＲＯＩ）電気グリッドに対するＥＶ普及率のインパクトを研究するモデルを使用している。交通モデルは較正され実証されているので、シミュレーション研究で実現された車両のパターンは適度に現実的である。この統合化されたＥＶＬＤモデル１１４シミュレータを使用して、電気グリッド上の集約された需要、及びＥＶ充電に起因する様々な近隣地区における集約されていない需要の両方を取得して、ＲＯＩ内のＥＶに起因する負荷需要の時間的−空間的分布を提供することができる。ＥＶＬＤモデル１１４を有するシステム１００は、ＥＶ採用の様々な程度と、ＥＶユーザの異なる再充電方針とに対する充電需要を提供することができる。更に、ＥＶＬＤモデル１１４を有する開示されたシステム１００から取得した主要なインプットは、ＥＶモデル２０４を用いて取得した航続距離が公開データからのものに近いことを示している。一定速度に対して、モデルが予測した航続距離における平均誤差は約１．８３％である。速度が変化する場合は、我々のモデルと公開データとの間の相対誤差は、ＥＰＡ ２−サイクルテストで−６．７％、ＥＰＡ ５−サイクルテストで２．６％である。これらテストは車両の走行距離を報告するためにＵＳ ＥＰＡによって指定されているベンチマークドライブサイクルである。更に、距離（又は平均速度）などの平均測定基準は放電深度の良好な指標ではないことが示されている。具体的には、移動距離が同じ場合、バッテリの放電は２０％も変動し得る。集約された充電負荷は２５％のＥＶ普及レベルにおいてさえ、都市の集約されたピーク需要を大幅に増加させることはない（＜１３％）。しかし、全体的な充電負荷が空間的に集約されない場合、特定の近隣地区に対して近隣地区のピーク需要は７７％を超える増加となる。更に、本明細書で開示されたシステム２０２によって考慮される充電方針のなかで、大部分のＥＶユーザが従っている毎日の自宅でのエンドオブデイ充電方針はベース需要のピーク又は最大値を増加させる。また、グリッド上の近隣地区によって生じたインパクトの観点でスキューが観察され、ＥＶ普及率が２５％において、近隣地区の１０％がインパクトのほぼ８１．５％に寄与している。ＥＶ普及率が減少するにつれて、この空間的スキューは増加する。
【0032】
本明細書の例に対して機械的モデル２０６及び電気的モデル２０８を含むＥＶモデル２０４を生成するために、簡単化のための仮定として、１）道路は傾斜していないこと、２）向かい風又は追い風がないこと、３）エアコンシステムは停止していること、を含む。これら仮定は必要があれば容易に緩和することができ、仮定３はいくつかの時点で緩和される。更に、ＥＶモデル２０４は、負でない加速と、減速のケースとを別々に取り扱っている。使用される表記法は以下の表１にまとめられている。
【0033】
【表1】
【0034】
輸送シミュレータ２０２とＥＶモデル２０４とが統合されたＥＶＬＤモデル１１４は、以下のような動作を実行する。（ｉ）時間ｔにおいて、輸送シミュレータ２０２は、交通状態に応じて、ＥＶ速度ｖ（ｔ）及び［ｔ；ｔ＋δ］（時間ウィンドウ）にわたる加速度ａ（ｔ）を提供する。（ｉｉ）ＥＶモデルは、バッテリ特性及び現在のＳＯＣ、∈（ｔ）、を想定して、ｖ（ｔ）及びａ（ｔ）が実現可能であるかどうかを決定する。実現可能であれば、ＥＶモデル２０４は、［ｔ；ｔ＋δ］にわたって消費されたエネルギーに応じて、新たなＳＯＣ（ｔ＋δ）を計算する。以降では、Ｔｅｓｌａ Ｍｏｄｅｌ−Ｓを代わりにＥＶと呼び、そのバッテリパックを代わりにＢＥＶ（ＥＶのバッテリ：Ｂａｔｔｅｒｙ ｏｆ ｔｈｅ ＥＶ）と呼ぶ。
【0035】
本明細書の例におけるＥＶＬＤモデル１１４は、車両の速度ｖ（ｔ）及び加速度ａ（ｔ）から必要な機械的電力ＰM（ｔ）を計算するために、自動車物理モデル（機械的モデル２０６）を利用している。更に、電気的モデル（２０８）を用いて、電気的電力ＰE（ｔ）が機械的電力から計算される。次に、電気的電力を使用してバッテリのＳＯＣが更新される。
【0036】
ＥＶモデル２０４用の自動車物理モデルは、機械的モデル２０６及び電気的モデル２０８を提供する。
【0037】
ａ）負でない加速：加速するか、又は現在の速度を維持するために、自動車又はＥＶ内の電気モータは、タイヤトラクション及び空力抵抗に起因する摩擦力に打ち勝つ必要がある。正味の反力は次のように近似することができる。
【0038】
【数1】
【0039】
自動車を加速度ａで移動させるために必要なのはモータが供給する力のＦO＋ｍａであり、モータから必要な機械的電力は以下である。
【0040】
【数2】
【0041】
モータに必要とされる機械的電力をバッテリから必要とされる電気的電力（ＰE）に変換するために、速度及び加速度（例えばモータのＲＰＭ及びトルク）の関数である効率関数η（ｖ，ａ）によって中間ブロックを抽象化する。従って、ＰE（ｔ）＝ＰM（ｔ）／η（ｖ，ａ）、となる。
【0042】
ｂ）減速：自動車のドライバがＥＶのブレーキを踏むと、モータへのバッテリ電力は切断され、車両の慣性を利用して、電気を（再）生成させると同時に車両を遅らせる（内燃車両におけるエンジンブレーキに類似）。高速において迅速にブレーキを掛けるにはエンジンだけを使用するのは不十分なので、摩擦（すなわち通常のブレーキパッド）ブレーキも使用される。制御器が、エンジンブレーキと摩擦ブレーキとの間のブレーキトルクを即座に分配する。更に、高速では任意の高電流が回生制動によって扱えないので、そのような運動エネルギーは抵抗性回路又は摩擦ブレーキのいずれかによって失われなければならない。本明細書で開示されたシステム１００では、上述の観察を考慮した後に、以下のように簡略化されたＥＶモデル再生成。減速の場合、ａ＜０であり、従って、［ｔ，ｔ＋δ］にわたって、自動車の初期運動量ｍ．ｖ（ｔ）に依存して、バッテリは放電する（｜ａ｜が小さく、ｖ（ｔ）が高い場合は運動量を維持するために）か、又は充電する（｜ａ｜が大きく、ｖ（ｔ）が低い場合）かのいずれかであり得る。具体的には、ＰM（ｔ）によって供給される機械的電力は、式（１ｂ）と同じ式を用いて計算される。ＰM（ｔ）＜０の場合、瞬間的な回生電力は、ηＲ｜ＰM（ｔ）｜と決定される。ａ＜０にも関わらずＰM（ｔ）＞０の場合、瞬間的な放電電力は、前述の通り、ＰM（ｔ）＝ηηD（ｖ，ａ）と決定される。回生電流を最小にすることにより｜ＰM（ｔ）｜がおよそ０に等しい場合は、回生は回避される。時間ｔの所与の点において消費された又は回生された電力に対して、式（１ｂ）は連続関数である。ａ＝０の場合は、［ｔ，ｔ＋δ］にわたって消費された電力は時間区間（時間ウィンドウ）にわたって一定であり、そのまま使用することができる。しかし、｜ａ｜＞＞０の場合、ｖは［ｔ，ｔ＋δ］内においてさえも大幅に変化し得る。従って、式（１）を［ｔ，ｔ＋δ］にわたって積分する必要がある。｜ａ｜が高い区間でバッテリを更新するために、式（１ｂ）が積分され、平均の機械的電力
【0043】
【数3】
【0044】
は、以下に式（１ｃ）、（１ｄ）及び（１ｅ）で定義したようになる。
【0045】
【数4】
【0046】
【数5】
【0047】
が＞０の場合、バッテリからの放電電力は以下の通りである。
【0048】
【数6】
【0049】
【数7】
【0050】
が＜０の場合、バッテリからの回生電力は以下の通りである。
【0051】
【数8】
【0052】
車を操作する地域に依存して、これら積分方程式を適切に離散化する数値的方法が用いられる。
【0053】
ＥＶモデル２０４に対するバッテリモデル化：ＢＥＶに対して考慮した放電及び充電特性は、本明細書では例えば、図４ａに示すような、Ｔｅｓｌａによって使用されたパナソニックのセルモデルＮＣＲ１８６５０Ｂのものである。公開フォーラムにて提供されるデータから、ＢＥＶは直列（９６）及び並列（７４）に構成された単純な（７４×９６）セルから構成されて、４００Ｖの設計完全充電電圧を供給することが推測される。ＴｅｓｌａによってＭｏｄｅｌ−Ｓ８５ ＲＷＤ，８５ｋＷｈに対して提供されるエネルギー仕様は、バッテリパックの公称（３．６Ｖ×３２００ｍＡｈ×９６×７４＝８１．８ｋＷｈ）、及び完全充電（４．２Ｖ×３２００ｍＡｈ×９６×７４＝９５．４ｋＷｈ）エネルギーの範囲内にあることに留意されたい。更に、バッテリの定格電圧である４００Ｖは、直列のセル数に対する４．２Ｖ（×９６）＝４０３．２Ｖと整合している。以下の表２はバッテリの電気的モデルの表記法を提供する。（最初に見られる）設計定数はパナソニックのＮＣＲ１８６５０Ｂからである。
【0054】
【表2】
【0055】
バッテリのモデル化に使用される表記法は表２にまとめている。Ｔｅｓｌａ ＢＥＶは、ＮP×ＮS個のセルで構成され、ＮP個の並列ブロックとＮS個の直列セルからなる。従って、バッテリの全体的な内部抵抗はＲB＝ＮS×ｒC／ＮPによって与えられ、バッテリの全体的な公称電圧は、ＶB＝ＶC×ＮSで与えられる。セルの充電抵抗は、一般に放電抵抗と同一ではないが、セルに対して両方を表すために、本明細書で使用されるのは同一の表記法ｒCであることに留意されたい。実際は、バッテリパックはインテリジェントバッテリ管理システムによって制御され、所与の負荷（回生）電力に対してセルが放電（充電）されるようにスケジュールされている。しかし、本明細書の目的のために、我々はバッテリパックを、バッテリパック制御のモデル化を何ら行わず、全てのセルを、同一のレートで放電及び充電される均質な実体として取り扱っている。
【0056】
放電：図４Ａ（ａ）はパナソニックのＮＣＲ１８６５０Ｂの仕様書から入手可能な、特定の電流におけるセルの放電プロファイルを示す。各曲線は、一定の放電電流ＩBに対する、様々な充電レベル（ＳＯＣ）∈におけるバッテリ電圧ＶB（∈，ＩB）を示す。バッテリの開回路電圧ＶOC（∈）は、ＳＯＣ ∈のみの関数であり、放電電流ＩBには依存しないことに留意されたい。バッテリの内部抵抗を横切って電圧が降下するので、（端子）バッテリ電圧は放電電流に依存して、ＶB＝ＶOC（∈）−ＲBＩBとなる。製造者の曲線では、ＩBの特定の値のみにＶBが提供されている。ＩBの任意の値に対してＶBをＩBの関数として計算する必要がある。そうするために、一定電流の曲線Ｉ1、Ｉ2に対する電圧の間のＶBの値を、Ｉ1＜Ｉ＜Ｉ2となるように補間する。具体的には、所与の∈に対してＩ1、Ｉ2の範囲内では抵抗は一定であると仮定する。
【0057】
従って、２つの異なる電流値Ｉ1及びＩ2に対して、ＲB（∈）は、｛ＶB（Ｉ1，∈）−ＶB（Ｉ2，∈）｝／（Ｉ1−Ｉ2）と計算される。任意のＩBに対してＶBは、ＶB（Ｉ1）＋（ＩB−Ｉ1）ＲB、と推定することができる。モデル化はまた、製造者によって提供される最小及び最大の電流の曲線の外側にＩBが位置する場合に扱うべき、いくつかの境界条件を必要とするが、簡潔にするために詳細は述べない。このモデルが、輸送シミュレーション内でバッテリを放電するために使用される。
【0058】
再充電：放電とは異なり、ＢＥＶ内の再充電は、定電流及び定電圧の２つのモードで起こる。図４Ａ（ｂ）はＢＥＶの再充電プロファイルを示す。電圧が飽和電圧の４．２Ｖに至るまで、充電は定電流で行われ、いったん電圧がこの閾値を超えると、いわゆる細流充電と呼ばれる、定電圧モードで充電される。同様に、モデルは、バッテリ曲線からのサンプリングされたデータ点にフィッティングされ、我々のシミュレータで使用するために、様々な電圧及び電流に対して充電の式を見積もった。このモデルは電気グリッド上の需要を見積もるためのものである。
【0059】
バッテリ状態の進展：ＳＯＣ ∈（ｔ）が与えられた場合、必要なことは新しくＳＯＣ ∈（ｔ＋δ）を計算することである。物理モデルから、機械的電力、ＰM（ｔ）＝ＰM（ｖ（ｔ），ａ（ｔ））を得ることができ、ＰM（ｔ）における効率から、必要な総電気的電力ＰE（ｔ）は、ＰM（ｔ）／η（ＰM（ｔ））となる。ＰM＞０は放電を示し、一方でＰM＜０は回生を示す。
【0060】
放電：放電に関しては、バッテリから引き出される電流は、式（２）によって与えられるＩB（ｔ）に関する以下の式を解くことにより計算される。［ＶOC（∈（ｔ））−ＩB（ｔ）ＲB（ｔ）］×ＩB（ｔ）＝ＰE（ｔ）］ 式（２）
【0061】
よって、∈（ｔ＋δ）を｛∈（ｔ）−（ＩB（ｔ）×δ）／Ｃ｝と計算することができる。式中、Ｃはバッテリの充電容量（例えばｍＡｈ単位の）である。
【0062】
回生：ＳＯＣがすでに高い場合は、再充電は使用可能にはならず、あらゆる回生電力はブレーキの抵抗体で散逸されるか又は摩擦ブレーキが使用可能になる。ＳＯＣが高くなく、依然として電荷をもっと取り込むことができる場合は、回生電力は、バッテリ電圧と内部抵抗に、すなわち、充電電流ＩCにおいて、ＶOC＋ＲC．ＩCに打ち勝つ必要がある。パナソニックのバッテリ充電曲線から、所与のＳＯＣにおけるＲC及びＶOCが得られる。従って、所与のＳＯＣにおける回生電力ＰEが与えられ、ＩCに対して解くと、ＰE＝（ＶOC＋ＲC．ＩC）ＩCとなる。ＰEに対して、ＶOC．ＲC＞０の場合、この方程式には一意の正値解があることに留意されたい。扱わなければならない境界条件は、充電電圧ＶOC＋ＲCＩCが指定された最大セル電圧Ｖmaxを決して超えないことである。ＰEによってセル電圧が増加する場合、充電電流は、ＶOC＋Ｉ*CＲC=ＶmaxとなるようなＩ*Cで遮断される。ＰEとＶmaxＩ*Cとの間の差は、ブレーキの抵抗体で、又は機械的ブレーキで失われると想定される。
【0063】
ＨＶＡＣ電力：ＨＶＡＣ電力は次のように考慮される。Ｔｅｓｌａは、一定速度で運転中にＨＶＡＣが遮断されているかいないかを指示するフラグを航続距離計算機内に有する。様々な一定速度に対して、ＨＶＡＣエネルギー消費がある場合とない場合で、全体的なエネルギー消費を得た。入手可能なデータから、ＨＶＡＣ平均エネルギー消費は約１．５１６ＫＷ（３．８％の偏差を有する）であることが分かった。バッテリの放電のためのモデルは、必要であればＨＶＡＣ電力を含めて厳密化される。
【0064】
ＥＶモデル２０４の検証：３つのシナリオ、すなわち、１）一定速度、２）ＵＳ ＥＰＡ ２−サイクルテスト、及び３）ＵＳ ＥＰＡ ５−サイクルテスト、を考慮した。各ＥＰＡテストは、速度のビルディングブロックパターンＰを、時間ブロックＴに対する時間で除したものを指定している。試験車両は時間幅ＴにわたりＰに従って運転され、次にビルディングブロックＰは最初から繰り返され、車両が停止基準を満たさなくなるまで継続される。図４Ｂ（ａ）及び図４Ｂ（ｂ）はそれぞれ、ＥＰＡ ２−サイクル及び５−サイクルテストに対するビルディングブロックＰの速度プロファイルを示す。これらテストは、都市、ハイウェイ、及び郊外の運転をＨＶＡＣ使用の有り及び無しの組合せを表すことを意味し、製造者はこれらテストでのマイレージを報告することになっている。各シナリオに対して、我々は以下の指標、１）バッテリが最小ＳＯＣに至るまでの航続距離、２）テスト完了までの所要時間、３）バッテリから放電された総電力によって測定されたバッテリ容量、を考慮した。各指標に対して、以下のグラウンドトルースが確立された。
【0065】
航続距離については、グラウンドトルースは、テストシナリオの各々に対してＴｅｓｌａが報告した値から利用可能である。
【0066】
完了までの所要時間については、グラウンドトルースは以下のように確立された。一定速度の場合は、時間は走行距離を速度で除して得た。パターンビルディングブロックＰに伴う可変速度の場合は、以下のように行った。パターンＰにおける移動距離を、∈［０，Ｔ］であるｔに対して時間間隔［０，ｔ］で除したものをｄｐ（ｔ）とする。式中、Ｔはパターンビルディングブロックの時間幅である。従って、ｄｐ（Ｔ）は１つのビルディングブロックの時間幅Ｔにおける走行距離である。走行距離Ｒが与えられると、カバーされたパターンのブロックの整数値は以下のようになる。
【0067】
【数9】
【0068】
最後の部分的なブロック内の残りの距離は、ΔＲ＝Ｒ−ｎｄｐＴで与えられる。従って、空になる所要時間は、ｎＴ＋ｄｐ-1ΔＲで与えられる。最後に、バッテリのエネルギー容量は、８５ｋＷｈがバッテリの公称値として全てのテストで採用されている。モデルにおいて、バッテリによって放電された正味エネルギーは回生を考慮した後に得る。
【0069】
更に、加速度に関係なく、ηD（ｖ，ａ）＝０．９を使用し、回生制動効率にはηR＝０．７を使用する。表１に与えられる物理定数を用いて物理モデルを作成する。ηD及びηRに関する仮定下で、一定速度プロファイルを得た。具体的には、所与の速度に対して、航続距離（バッテリが９５％放電し空になるまでの距離）を得た。これを様々な速度に対して実施して、航続距離を速度の関数として得た。図４Ｃは、様々な速度に対して得られた航続距離を、我々のモデルとＴｅｓｌａによって与えられたものとの間で比較したものを示す。２つの曲線はよく合っており、相対誤差の絶対値は平均で１．８３％、最大誤差は３．１７％である。表３に示すようなバッテリによって放電される正味電力はバッテリ容量に近いことも認められ得る。
【0070】
【表3】
【0071】
このことは、効率及び物理モデル化の選択が、加速がない場合には適度に正確であることを示唆する。ＥＰＡ ２−サイクルテストでは、バッテリから放電される正味エネルギーは実際の値に近い。しかし、航続距離は過小評価されている。このことは、開示された再充電モデルがアグレッシブではないか、又はバッテリを再充電するために使用される効率値が実際よりも小さいことを示唆する。ＥＰＡ ５−サイクルテストでは、再充電モデルは同一であるが、航続距離は過大評価（２．６％）されている。このことは、得られたＨＶＡＣ電力は一定と仮定したが、実際には、速度及び加速度に依存し得ることに起因し得る。モデルパラメータを更に弱めることはできるが、現実的なＥＶモデルとしては誤差は十分に許容できる。
【0072】
ＥＶモデル２０４のＳＵＭＯとの統合（輸送シミュレータ２０２）：ＳＵＭＯの車両（ＭＳＶｅｈｉｃｌｅ）及びマイクロシミュレータ（ＭＳＮｅｔ）のクラスを変更することにより、ＥＶモデルをＳＵＭＯに加えた。ＥＶの物理モデル及びバッテリモデルが２つのクラス、すなわちＴｅｓｌａＰｏｗｅｒＭｏｄｅｌ及びＴｅｓｌａＢａｔｔｅｒｙＭｏｄｅｌ、として表現されている。物理モデルにより、所与の（ｖ（ｔ），ａ（ｔ））の対が、バッテリによって供給される必要がある電力に変換される。バッテリクラスは、バッテリのＳＯＣを常時監視し、電気的電力の必要条件を、バッテリＳＯＣの対応する変化に変換する。これらクラスをＭＳＶｅｈｉｃｌｅクラス内のメンバ変数として加えた。ＳＵＭＯの初期設定の自動車追随モデルを使用した。マイクロシミュレータは、時間ステップのループ内でアクティブな車両の各々を反復処理し、道路に沿って移動させる。そのような移動の速度及び加速度は自動車追随モデルによって決定した。時間ステップの速度及び加速度が計算される場合、シミュレータは車両の物理オブジェクト及びバッテリオブジェクトを呼び出しバッテリＳＯＣを更新する。次に、シミュレータは車両を新しい位置に移動させる。バッテリＳＯＣが最小の閾値を下回ると、車両にフラグが付けられネットワークから除外される。
【0073】
ＳＵＭＯ用の現実的交通モデルの例：ＬｕＳＴ（ルクセンブルクＳＵＭＯ交通シナリオ）は、ルクセンブルク市内の交通を２７時間の時間幅にわたりシミュレートするＳＵＭＯシナリオである。シナリオは１５６ｋｍ２のエリア内の約９３１ｋｍをカバーしている。シナリオは、現実的な人口統計分布、ルクセンブルク政府により出版された人口統計分布からの移動パターン及び交通需要（例えば、人口、年齢の分布）、並びにここ数年にわたる交通の特徴を説明する移動性に関する研究、を統合している。シミュレーションは、シミュレーションはシミュレーション時間内におよそ１７６，０００台の車両を挿入する。車両が移動した累積距離は約１７０万キロメートルである。
【0074】
シミュレーション中に遭遇した問題（例えば、テレポーテーション、衝突、緊急停止）の数は０．０５％未満であり、それによりシミュレーション中に交通渋滞又はボトルネックがなかったことを示す。シミュレーション結果の較正に関しては、結果から運行の平均距離は約７キロメートルであり、平均車両速度は約１０ｍ／ｓであることが示された。この結果が、ルクセンブルクの近隣地区から市中心部まで移動するのに必要な時間の現地観察結果と一致することを既知の方法で確認した。従って、開示されたシステム１００を前述の交通モデルをＳＵＭＯと共に利用して、ルクセンブルクの電気グリッドへのＥＶのインパクトを研究した。交通モデルは較正され実証されているので、シミュレーション研究で実現された車両のパターンは適度に現実的であろう。
【0075】
実験設定：現実の交通データが利用可能な地理的領域は、拡大ルクセンブルク市とも呼ばれる、ルクセンブルク市及びその周辺エリアをカバーする。評価目的で、この領域は５００ｍ×５００ｍのサイズの７２５個のセルに分割される。このセルサイズは、近隣地区（いくつかのストリートを含む）を近似するために選んだ。ルクセンブルクの国有電気ユーティリティ事業者であるＣＲＥＯＳによって出版されたレポートは、ルクセンブルクが冬に需要ピークを迎える管轄区域であることを示している。ルクセンブルクの冬の典型的な一日の需要プロファイルから、ルクセンブルク全体でのピーク需要は約７５３．９ＭＷであると理解されている。この需要プロファイルは、ＥＶ普及率が無視できるほどの時のものである。５００×５００ｍの単一セルに対するベースライン需要は以下のように計算される。ルクセンブルクは国全体で約５６２，９５８人の人口を有し、拡大ルクセンブルク市エリアは約１１２，６００人の人口を有する。よって、拡大ルクセンブルクエリアのピーク需要は１５０．７８ＭＷと見積もられる。これをセルにわたって除して、（５００×５００ｍ）セルのベースラインピーク需要が得られる。各セル内の電気グリッドの分配インフラストラクチャは、このピーク需要を満足するように提供されていると仮定する。
【0076】
ＥＶ選択及び充電：拡大ルクセンブルク地域内の１７６，０００台の車から、ランダムに車両のＸ％がＥＶと想定される。ここでＸは所望のＥＶ普及レベルである。シミュレーションの過程で、システム１００によって予め定義された複数の充電方針に基づき、ＥＶが再充電される。従って、負荷需要を集約することは、エンドオブデイ、ホーム（ＥＯＤ−Ｈ）充電方針、及びホームアンドアウェイ（ＨＡＡ（ｑ，ε））充電方針を含む、複数の予め定義された充電方針に基づく。ＨＡＡ（ｑ，ε）充電方針は、固有のＥＶ普及レベルを提供するｑの複数のレベルと、ＥＶユーザにとって快適な最低のＳＯＣを示す固有のＳＯＣ閾値を提供するεの複数のレベルとに基づいて差異化された複数のレベルを含む。
【0077】
ａ）ＥＯＤ−Ｈ充電方針：ＥＶ所有者は毎日、全ての運行の終了時に車両を充電するとＴｅｓｌａは観察している。ＥＶＬＤモデル１１４は、そのような充電がＥＶ所有者の自宅で生じると想定している。全ての運行後の一日の終了時にＥＶが停車される場所が自宅であると考えられる。
【0078】
ｂ）確率論的なＨＡＡ充電方針：全てのＥＶ充電の８４％が自宅で生じる一方で、ＥＶ所有者の１３％のみが自宅だけで充電する。よって、ある割合ｑ（０≦ｑ≦１００％）のＥＶが自宅だけで充電されるシナリオが考えられる。これら所有者の充電挙動はＥＯＤ−Ｈに従う。ＥＶ所有者の残りの割合（１００−ｑ）は自宅並びに他の充電場所で充電する。ＥＶ所有者は、あらゆる運行の終了時に車両を充電するとは限らない場合がある（一日の間にいくつかの運行があり得る）。ＥＶ所有者がその車両を充電するという選択はＥＶバッテリの充電状態に依存し、充電状態が低いほどその可能性は高い。この挙動は確率論的に以下のようにモデル化される。
【0079】
【数10】
【0080】
ここで、εはＥＶユーザ（所有者）が快適と感じる最低又は最小のＳＯＣ（ＳＯＣ閾値）である。この方針においては、任意の運行後に車両が停車され得る全ての場所にＥＶチャージャが存在すると想定している。それゆえ、この方針は、所与のｑの値及びＥＶチャージャ特性に対してＨＡＡ（ｑ，ε）と呼ばれる。個々のＥＶの負荷はＥＶチャージャの電力定格に依存する。現在、異なる電力定格のチャージャが存在し、３．３ｋＷ、５ｋＷ、９．６ｋＷ、２０ｋＷ、及びＴｅｓｌａの４０ｋＷスーパーチャージャがある。チャージャは９．６ｋＷのメジアン定格を有すると想定される。ＥＶが充電される場合、充電を行っているセルに充電負荷が追加される。ＥＶが充電される場合、充電負荷は一定である必要はないことに留意されたい。定電流又は定電圧の充電モードに依存して負荷は時間と共に変化する場合があり、その結果、負荷は所与の時点でのバッテリのＳＯＣに依存する。詳細はシミュレーション内にモデル化されている。
【0081】
実施されたシミュレーション：５つの異なるＥＶ普及レベル、すなわち５％、１０％、１５％、２０％、及び２５％における電気グリッドに対するＥＶのインパクト。いったんＥＶがランダムに選択されると、（ＥＶ及び他の車両の両方から構成される）交通シミュレーションを、連続する６０日間にわたって実施して、存在し得る何らかの初期過渡状態の影響を緩和させる（すなわち、バーンイン期間後に）。各ＥＶは完全に充電されたバッテリからシミュレーションを開始し、充電方針に従ってシミュレーション中に再充電される。各普及レベルに対して、ＥＯＤ−Ｈと、ｑの値が２５％、５０％、及び７５％の３個、εの値が０．２、０．５、及び０．８の３個であるＨＡＡ（ｑ，ε）とを含む、１０の異なる充電方針をシミュレートした。従って、９個の異なるＨＡＡ（ｑ，ε）変数が利用可能である。この組み合わせた輸送及びＥＶシミュレーションから、全ての時間におけるＥＶ負荷の空間的分布（すなわち、拡大ルクセンブルクエリアの各セル内の）が得られる。
【0082】
結果：既存の方法では、ＥＶエネルギー消費の代わりとしての移動距離を、ある一定時間で除したものなどの平均指標を使用してきた。前述した通り、ＥＶによって消費される電力は、式（１ｂ）で与えられるように、速度及び加速度に対して非線形であり、この近似は有効でない場合がある。図４Ｄは消費エネルギーの近似として移動距離を考慮した結果を示す。Ｘ軸は移動距離を、Ｙ軸はシミュレータ内の様々なＥＶによって消費されたエネルギーを示す。同一の距離に対して約２０％の消費エネルギーのばらつきがあることが観察される。これは次に、グリッド上の需要に影響を及ぼす。なぜならＥＶがグリッド上の負荷として現れ得る時間幅、及びＥＶが負荷として現れる時間インスタンスが、この誤差により影響を受けることになるからである。よって、需要の確実に見積もるためには、各ＥＶによって消費されるエネルギーを個別に追跡することが役立つであろう。
【0083】
ＥＶ充電負荷（ＥＶ負荷需要）の集約：負荷需要の集約は、エンドオブデイ、ホーム（ＥＯＤ−Ｈ）充電方針、及びホームアンドアウェイ（ＨＡＡ（ｑ，ε））充電方針を含む、複数の予め定義された充電方針に基づいている。ＨＡＡ（ｑ，ε）充電方針は更に、固有のＥＶ普及レベルを提供するｑの複数のレベルと、ＥＶユーザにとって快適な最低のＳＯＣを示す固有のＳＯＣ閾値を提供するεの複数のレベルとに基づいて差異化された複数のレベルを含む。図４Ｅ（ａ）は拡大ルクセンブルクエリア全体に対するベース需要（ＥＶ無し）を示す。図４Ｅ（ｂ）及び図４Ｅ（ｃ）はそれぞれ、１５％及び２５％のＥＶ普及レベルに対するベース需要の合計及びＥＶ充電負荷を示す。交通シミュレーション、従ってＥＶの電力レベルは毎秒更新されているが、ＥＶ需要は１５分間隔にわたって平均化されている。１５分間隔が選択されているのは、ユーティリティは典型的には１５分ウィンドウで需要（特に充電のピーク需要）を見積もり生成を手配するからである。集約されたＥＶ負荷は、４つの異なる充電方針、すなわち、ＥＯＤ−Ｈ、ＨＡＡ（０．２５；０．５）、ＨＡＡ（０．５；０．５）、及びＨＡＡ（０．７５；０．５）に対して示されている。ここに示されるグラフはシミュレーション上の（バーンイン期間後の）一日に相当する。以下の観察がなされた。全ての充電方針のもとで、ＥＶはグリッドの集約されたピークを増加させる。従ってＥＶ充電はベース需要のピーク時間の間に発生する。予想通り、ＥＶ負荷はＥＶ普及レベルが増加するにつれて増加する。考慮した充電方針のなかで、所与のＥＶ普及レベルに対して、ＥＯＤ−Ｈがグリッドのピークを最も大きく増加させる。ＥＯＤ−Ｈ充電方針のもとでは、全てのＥＶ所有者は一日において全ての運行の終了時に充電する。最終運行の終了時間がグリッドのベース需要のピーク時間と一致する場合、グリッドの全体的需要は増加することになる。図４Ｆは、全てのＥＶユーザに対し、一日の様々な時間で充電しているＥＶの数を示す。ＥＯＤ−Ｈに対する１８：４５頃のＥＶ計数のピークは、図４Ｅ（ａ）に示すベース負荷のピーク時間と一致することに留意されたい。一群のＨＡＡ（ ， ）方針において、確率論的充電に起因して、全てのユーザが毎日充電するわけではなく、所与の日にＥＶを充電したユーザは最終運行の終了時に充電しない場合がある。これは、図４Ｆで見ることができる。その結果、グリッドの集約されたピーク需要は、これら方針のもとでは大幅に増加することはない。従って、２５％のＥＶ普及率において、集約されたグリッド需要は２０ＭＷだけ増加し、これは適度な相対的増加の１３％に相当する。
【0084】
ＥＶ負荷の空間的分布：ＥＶ充電負荷が様々なセルにわたって空間的にどのように分布するか、及び各セルのピークベース需要への相対的インパクトに関する分析が提供される。図４Ｇ（ａ）及び図４Ｇ（ｂ）は、所与のセル（＃２５３）の総需要を示し、１５％及び２５％のＥＶ普及レベルに対するＥＶ充電を含む。総需要は、４つの異なる充電方針、すなわち、ＥＯＤ−Ｈ、ＨＡＡ（０．２５；０．５）、ＨＡＡ（０．５；０．５）、及びＨＡＡ（０．７５；０．５）に対して示される。比較が容易なように、プロットはまた、（ＥＶ充電が一切ない）セルに対するベースラインピーク需要の０．７５３ＭＷを示している。ＥＶ充電がある場合は、個別のセルにおける新たなピーク需要はベースラインピークを大幅に超え得ることに留意されたい。需要が図に示されるセル＃２５３に対して、１５％及び２５％のＥＶ普及レベルに対して、ピーク需要の相対増加量はそれぞれ、５１％及び７７％である。セルレベルのピーク需要における、そのような大きな増加は、集約されたピークにおいて観察される適度な１３％の増加とは際立って対照的である。このことは、グリッドプロビジョニングにとってＥＶ負荷の空間的分布を取得することが不可欠であることを示唆する。高需要期間の持続時間：極めて高い需要を有するセルに対して、高需要の時間幅を調査した。増加した需要が一過性である場合、既存の分配インフラストラクチャは大きな影響を受けない場合がある。これに対して、これら期間が永続的な場合、熱的イベント（ケーブル及び変圧器の過熱）により分配インフラストラクチャは影響を受ける場合がある。この場合、ユーティリティ事業者は影響を受けたセル内の既存のインフラストラクチャを増強するために投資する必要があり得る。１５分の時間スロットｔの間にセルｃにおける総需要が大幅に増加したかを示す指標変数Ｉｃ（ｔ）を定義する。新たな需要がベースピークの１．３０倍を超える場合、需要増加は顕著であるとラベルを付ける。変圧器のヒューズなどのグリッド資産は、適切な絶縁が存在すれば資産の寿命に影響を及ぼすことなく、最大１３０％の過負荷を吸収でき得るので、３０％の過負荷閾値を選択した［２６］。形式上は以下になる。
【0085】
【数11】
【0086】
式中、Ｐｃ（ｔ）及びＥＶｃ（ｔ）はそれぞれ、セルｃ内の時間スロットｔにおけるベース需要及びＥＶ充電負荷である。ＰＧはベースラインピーク需要である。所与のセルｃに対して、Ｉｃ（ｔ）の値が全てのｔにわたって１になるような部分が、ｃが高需要を経験する時間幅を与える。表４は、２５％のＥＶ普及率に対して、様々な充電方針のもとで平均化した場合に、高需要の時間幅（日毎の分単位での）の観点で順序付けした上位５つのセルを示す。
【0087】
【表4】
【0088】
現在のシナリオでは、ユーティリティ事業者のＣＲＥＯＳは、典型的には休止時間を年毎に約１０分と見積もっている。ＥＶ充電に起因する需要の増加は一過性ではなく、上位にランクされたセルにわたって、より長い時間幅にわたり持続する。このことは、これら近隣地区にサービスを提供する変圧器に、ヒューズ溶断及び／又は過熱が繰り返し起こり得ることを意味する。その結果、これらは休止時間を増加させ得るだけでなく、更に設備の期待寿命を縮小させる。典型的には、地理的に一緒にクラスタ化されたセルは、共通の上流分配網インフラストラクチャを共有している場合がある。従って、インパクト（すなわち、過負荷）を受ける上位のセルを全て一緒にクラスタ化される場合は、影響を受けたセル内のインフラストラクチャに加えて、共通の上流インフラストラクチャも増強する必要があり得る。図４Ｈは、上位２０のセルの地理的分布を、拡大ルクセンブルクエリアの地図上に重ね合わせたものを示す。影響を受けた上位のセルはクラスタ化されておらず、空間的に分離されている。従って、ユーティリティ事業者は影響を受けたセルを超えてインフラストラクチャに投資する必要はない場合がある。セルにわたる増強の優先順位付け。ＥＶ充電が複数のセルに影響を与えると想定すると、セルを跨ぐインパクトの観点で、何らのスキューが存在するかどうかを調べるために更なる分析を行う。セルのインパクトは、そのセルの需要がベース需要から大幅に増加する、日毎の分単位の時間幅と定義される。その時、ネットワーク全体のインパクトは、個々のセルのインパクトの合計になるであろう。図４Ｉは、セルのどれだけの割合が全体のインパクトのどれだけの割合に寄与するかを示す。インパクトの観点でスキューが存在することが観察される。１５％のＥＶ普及率に対しては、およそ１０％のセルが８８％のインパクトに寄与する。２５％のＥＶ普及率に対してはスキューは減り、１０％のセルが８１．５％のインパクトに寄与する。ＥＶ普及率が増加するにつれて、追加のセルが影響を受け、その結果、スキューは減るが、一方で全体的に影響を受ける時間幅は増加するので、この結果は理解できる。
【0089】
図３は、本開示のいくつかの実施形態による、ＥＶＬＤモデル１１４に基づく負荷需要の時間的−空間的予測を提供する方法３００を示すフロー図を示す。
【0090】
一実施形態では、システム１００は、１つ以上のマイクロプロセッサ１０２に動作可能に結合され、方法３００のステップを１つ以上のプロセッサ１０２によって実行するように構成された命令を記憶するように構成された、１つ以上のデータ記憶デバイス又はメモリ１０４を含む。ここで、方法３００のステップを、図１のシステム１００の構成要素を参照して詳細に説明する。プロセスステップ、方法ステップ、技術等が順次説明され得るが、そのようなプロセス、方法及び技術は入れ替えた順序で機能するように構成され得る。換言すれば、説明され得るステップのいかなるシーケンス又は順序も、そのステップがその順序で実施される必要があることを必ずしも意味しない。本明細書で記載されるプロセスのステップは任意の順序で実施されてもよい。更に、いくつかのステップは同時に実施されてもよい。ステップ３０２において、方法３００は、輸送シミュレータ２０２を統合することによってＥＶＬＤモデル１１４を提供することと、ＥＶモデル２０４と統合された、ＲＯＩに対する交通のマイクロシミュレーションを提供することと、ＲＯＩ内の各ＥＶに対して、輸送シミュレータ２０２によって考慮されたＥＶモデルを提供することと、を可能にする。ステップ３０４において、方法は、ＥＶＬＤモデル１１４が、ＥＶモデル２０４と統合された輸送シミュレータ２０２を利用して、ＲＯＩ内の複数のＥＶのなかの各ＥＶに対して、バッテリのＳＯＣの観点で、時間及び空間における負荷需要を計算することを可能にすることを含む。輸送シミュレータ２０２は、ＥＶが移動した複数の位置のなかの全ての位置において、規則的な時間ウィンドウで、空間ドメイン及び時間ドメインにおいて、対応するＥＶの速度及び加速度の観点で、ＲＯＩの各ＥＶの位置を追跡するように構成されている。追跡は輸送シミュレータ２０２によってシミュレートされた、ＲＯＩの交通状態に基づいている。更に、ＥＶモデル２０４は、対応するＥＶに対して、規則的な時間ウィンドウのなかの対応する時間ウィンドウに対して、バッテリのＳＯＣの観点で、時間ドメインにおける各ＥＶの負荷需要を提供するように構成されている。ＳＯＣは、対応する時間ウィンドウに対する、対応するＥＶの速度及び加速度に基づき見積もられる。ＥＶモデル２０４は、電気的モデル２０８に結合された機械的モデル２０６を含み、各ＥＶのバッテリのＳＯＣの観点で、各ＥＶの負荷需要を提供する。ＥＶモデル２０４は、機械的モデル２０６を用いて、対応する時間ウィンドウに対する、対応するＥＶの速度及び加速度に基づき、各時間ウィンドウに対して、各ＥＶの機械的電力（ＰM（ｔ））を見積もることにより、各ＥＶに対するバッテリのＳＯＣを計算するように構成されている。更に、電気的モデル２０８は、対応する時間ウィンドウに対する、各ＥＶに対する機械的電力（ＰM（ｔ））の等価電気的電力（ＰE（ｔ））を見積もるように構成されている。計算された機械的電力がゼロよりも大きい場合は、見積もられた電気的電力（ＰE（ｔ））はバッテリを消耗させる放電電力に相当し、一方、計算された機械的電力（ＰM（ｔ））がゼロよりも小さい場合は、計算された電気的電力（ＰE（ｔ））はバッテリを充電する回生電力に相当する。更に、電気的モデル２０８は、計算された等価電気的電力（ＰE（ｔ））が回生電力であるか、又は放電電力であるかに基づき、対応する時間ウィンドウに対して、対応するＥＶのバッテリのＳＯＣを更新するように構成されている。
【0091】
各ＥＶのＳＯＣ（更新された、及び現在のＳＯＣ）を時間及び空間において計算した時点で、ステップ３０６において、方法３００は、ＥＶＬＤモデル１１４が、ＳＯＣの観点で、時間ドメイン及び空間ドメインにおいて、各ＥＶの計算された負荷需要を集約して、ＲＯＩに対する電気グリッド上の複数のＥＶによる負荷需要の時間的−空間的インパクトを構築することを可能にすることを含む。計算された負荷需要を集約することは、エンドオブデイ、ホーム（ＥＯＤ−Ｈ）充電方針、及びホームアンドアウェイ（ＨＡＡ（ｑ，ε））充電方針を含む、複数の予め定義された充電方針に基づいている。ＨＡＡ（ｑ，ε）充電方針は更に、固有のＥＶ普及レベルを提供するｑの複数のレベルと、ＥＶユーザにとって快適な最低のＳＯＣを示す固有のＳＯＣ閾値を提供するεの複数のレベルとに基づいて差異化された複数のレベルを含む。方法３００は図２に関連して説明した例によって更に理解することができ、簡潔さを維持するために繰り返さない。
【0092】
当業者であれば実施形態を製造及び利用することが可能なように、本明細書の記載は主題を説明している。主題の実施形態の範囲は、特許請求の範囲によって規定され、当業者が思い付く他の修正形態を含み得る。そのような他の修正形態は、請求項の字義通りの文言とは異ならない類似の要素を有するならば、又は請求項の字義通りの文言から実質的ではない差異を有する等価な要素を含むならば、請求項の範囲内にあることを意図している。
【0093】
保護範囲は、そのようなプログラムに、加えて内部にメッセージを有するコンピュータ可読手段に拡張されることを理解されたい。そのようなコンピュータ可読記憶手段は、プログラムがサーバ又はモバイルデバイス又は任意の好適なプログラマブルデバイス上で動作する時、方法の１つ以上のステップを実現するためのプログラムコード手段を含む。ハードウェアデバイスは、例えば、サーバ又はパーソナルコンピュータ等、又はそれらの任意の組合せのような任意の種類のコンピュータを含む、プログラム可能な任意の種類のデバイスであり得る。デバイスはまた、例えば特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）のようなハードウェア手段、又は例えばＡＳＩＣ及びＦＰＧＡであるか、若しくは少なくとも１つのマイクロプロセッサとソフトウェアモジュールがそのなかに配置された少なくとも１つのメモリである、ハードウェア手段とソフトウェア手段との組合せ、などであり得る手段を含み得る。従って、手段はハードウェア手段とソフトウェア手段の両方を含み得る。本明細書で説明される方法の実施形態は、ハードウェア及びソフトウェアとして実現され得る。デバイスはまた、ソフトウェア手段を含み得る。代替として、実施形態は、例えば複数のＣＰＵを使用して、様々なハードウェアデバイス上で実現され得る。
【0094】
本明細書の実施形態は、ハードウェア要素及びソフトウェア要素を含み得る。ソフトウェアとして実現される実施形態は、ファームウェア、常駐ソフトウェア、マイクロコードなどを含むが、これらに限定されない。本明細書で説明される様々なモジュールによって実施される機能は、他のモジュール、又は他のモジュールの組合せとして実現され得る。本明細書の目的において、コンピュータ使用可能媒体又はコンピュータ可読媒体は、プログラムを含み、記憶し、通信し、伝播し、又は伝送することができ、命令実行システム、装置、又はデバイスによって使用される、又はそれらに関連して使用される、任意の装置であり得る。
【0095】
図示されたステップは、示される例示的実施形態を説明するために提示されており、進行中の技術的開発により、特定の機能が実施される方式が変更されることになることを予想すべきである。これらの例は、限定のためではなく、例示のために本明細書で提示されている。更に、機能ビルディングブロックの境界は説明の便宜上、本明細書で任意に規定されたものである。特定の機能及びその関係が適切に実施される限り、代替の境界が規定され得る。代替形態（本明細書で説明される代替形態の等価物、拡張、変形、逸脱などを含む）が、本明細書内に含まれる教示に基づいて当業者には明らかとなるであろう。そのような代替形態は、開示される実施形態の範囲及び趣旨に含まれる。更に、「備える（ｃｏｍｐｒｉｓｉｎｇ）」、「有する（ｈａｖｉｎｇ）」、「含有する（ｃｏｎｔａｉｎｉｎｇ）」、「含む（ｉｎｃｌｕｄｉｎｇ）」、及び他の同様の形態の語は意味において等価であり、これらの語のうちのいずれか１つの後に続く項目がそのような項目の網羅的な列挙であることを意味せず、又は列挙された項目だけに限定されることを意味しないという点で非限定的であることを意図している。本明細書及び添付の特許請求の範囲で使用する場合、別段の明確な指示がない限り、単数形「１つの（ａ）」、「１つの（ａｎ）」、及び「前記（ｔｈｅ）」は複数の指示対象を含むことも留意すべきである。
【0096】
それに加えて、１つ以上のコンピュータ可読記憶媒体が、本開示に適合する実施形態を実現する際に利用され得る。コンピュータ可読記憶媒体とは、プロセッサによって読み取り可能な情報又はデータがその上に記憶され得る任意のタイプの物理メモリを指す。従って、コンピュータ可読記憶媒体は、本明細書で説明される実施形態に適合するステップ又はステージをプロセッサに実施させるための命令を含む、１つ以上のプロセッサによる実行のための命令を記憶し得る。「コンピュータ可読媒体」という用語は、有形の物品を含み、搬送波及び一時的信号を除外する、すなわち非一時的であることを理解されたい。例には、ランダムアクセスメモリ（ＲＡＭ）、読み取り専用メモリ（ＲＯＭ）、揮発性メモリ、不揮発性メモリ、ハードドライブ、ＣＤ ＲＯＭ、ＤＶＤ、フラッシュドライブ、ディスク、及び任意の他の既知の物理記憶媒体が含まれる。
【0097】
開示及び例は例示としてのみ考慮され、開示された実施形態の真の範囲及び趣旨は以下の特許請求の範囲によって示されることを意図している。
【図1】
【図2】
【図3】
【図4A(a)】
【図4A(b)】
【図4B(a)】
【図4B(b)】
【図4C】
【図4D】
【図4E(a)】
【図4E(b)】
【図4E(c)】
【図4F】
【図4G(a)】
【図4G(b)】
【図4H】
【図4I】
【外国語明細書】