知財求人 - 知財ポータルサイト「IP Force」
(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】P2024060468
(43)【公開日】2024-05-02
(54)【発明の名称】充電管理システム及び充電管理プログラム
(51)【国際特許分類】
H02J 3/00 20060101AFI20240424BHJP
H02J 7/00 20060101ALI20240424BHJP
H02J 7/34 20060101ALI20240424BHJP
H02J 13/00 20060101ALI20240424BHJP
【ＦＩ】
H02J3/00 170
H02J7/00 P
H02J7/34 F
H02J13/00 301A
H02J13/00 311A
【審査請求】未請求
【請求項の数】9
【出願形態】ＯＬ
(21)【出願番号】P 2022167850
(22)【出願日】2022-10-19
(71)【出願人】
【識別番号】000213297
【氏名又は名称】中部電力株式会社
(74)【代理人】
【識別番号】100078721
【弁理士】
【氏名又は名称】石田 喜樹
(74)【代理人】
【識別番号】100124420
【弁理士】
【氏名又は名称】園田 清隆
(72)【発明者】
【氏名】志村 欣一
(72)【発明者】
【氏名】岡本 雄司
(72)【発明者】
【氏名】細野 洋平
(72)【発明者】
【氏名】土田 昌吾
(72)【発明者】
【氏名】川島 晃浩
(72)【発明者】
【氏名】吉川 明成
(72)【発明者】
【氏名】石橋 秀一
【テーマコード（参考）】
5G064
5G066
5G503
【Ｆターム（参考）】
5G064AA04
5G064AC05
5G064AC09
5G064CB08
5G064CB12
5G064DA11
5G066AA02
5G066AE01
5G066AE03
5G066AE09
5G503AA01
5G503BA02
5G503BB01
5G503CA10
5G503CB13
5G503EA05
5G503GD03
5G503GD04
(57)【要約】
【課題】電欠の可能性が抑制され、又事業所において契約電力量を超過する事態が抑制された状態で、電動車両が充電される充電管理システム，プログラムを提供する。
【解決手段】充電管理システム１は、通信部１２を有する分析サーバ２により、契約電力量のもとで電力を消費する１以上の事業所にそれぞれ属する１以上のＥＶ６に係る充電を管理するシステムである。分析サーバ２は、日射量、外気温、湿度、及び曜日の種別を説明変数として、機械学習により、目的変数として事業所のＥＶ６の充電に係る充電電力量を除いた消費電力量を導出するモデルである電力需要予測モデル（電力需要予測モデル情報ＤＭ）を、事業所毎に形成する。更に、分析サーバ２は、形成された電力需要予測モデルに、予報に係る各説明変数を当て嵌めることで、事業所の消費電力量を予測して、ＥＶ６の充電電力量を、電力需要が契約電力量に対して余裕のある時間帯に割り振る。
【選択図】図１
【解決手段】充電管理システム１は、通信部１２を有する分析サーバ２により、契約電力量のもとで電力を消費する１以上の事業所にそれぞれ属する１以上のＥＶ６に係る充電を管理するシステムである。分析サーバ２は、日射量、外気温、湿度、及び曜日の種別を説明変数として、機械学習により、目的変数として事業所のＥＶ６の充電に係る充電電力量を除いた消費電力量を導出するモデルである電力需要予測モデル（電力需要予測モデル情報ＤＭ）を、事業所毎に形成する。更に、分析サーバ２は、形成された電力需要予測モデルに、予報に係る各説明変数を当て嵌めることで、事業所の消費電力量を予測して、ＥＶ６の充電電力量を、電力需要が契約電力量に対して余裕のある時間帯に割り振る。
【選択図】図１
【特許請求の範囲】
【請求項1】
通信部を有する管理コンピュータにより、契約電力量のもとで電力を消費する１以上の組織にそれぞれ属する１以上の電動車両に係る充電を管理するシステムであって、
前記管理コンピュータは、
（１－１）前記通信部により、前記組織が属する地域の日射量を示す日射量情報と、前記組織が属する地域の外気温を示す外気温情報と、前記組織が属する地域の湿度を示す湿度情報と、曜日及び祝日の少なくとも何れかを示すカレンダー情報とを、複数組、時間帯が互いに異なる状態で、前記組織毎に受信可能であり、
（１－２）各前記日射量情報が示す日射量、各前記外気温情報が示す外気温、各前記湿度情報が示す湿度、及び各前記カレンダー情報が示す曜日及び祝日の少なくとも何れかの種別を説明変数として、機械学習により、目的変数として前記組織の前記電動車両の充電に係る充電電力量を除いた消費電力量を導出するモデルである電力需要予測モデルを、前記組織毎に形成し、
（１－３）形成された前記電力需要予測モデルに、形成後に受信し又は演算した予報に係る前記日射量情報が示す予報日射量、予報に係る前記外気温情報が示す予報外気温、予報に係る前記湿度情報が示す予報湿度、及び前記カレンダー情報が示す曜日及び祝日の少なくとも何れかの種別を当て嵌めて、前記組織の前記消費電力量を予測すると共に、
（１－４）予測された前記消費電力量が前記契約電力量より小さい時間帯に、前記組織に属する前記電動車両の前記充電電力量を割り当てて、
（１－５）前記通信部により、割り当てた前記充電電力量を、前記電動車両側に送信する
ことを特徴とする充電管理システム。
前記管理コンピュータは、
（１－１）前記通信部により、前記組織が属する地域の日射量を示す日射量情報と、前記組織が属する地域の外気温を示す外気温情報と、前記組織が属する地域の湿度を示す湿度情報と、曜日及び祝日の少なくとも何れかを示すカレンダー情報とを、複数組、時間帯が互いに異なる状態で、前記組織毎に受信可能であり、
（１－２）各前記日射量情報が示す日射量、各前記外気温情報が示す外気温、各前記湿度情報が示す湿度、及び各前記カレンダー情報が示す曜日及び祝日の少なくとも何れかの種別を説明変数として、機械学習により、目的変数として前記組織の前記電動車両の充電に係る充電電力量を除いた消費電力量を導出するモデルである電力需要予測モデルを、前記組織毎に形成し、
（１－３）形成された前記電力需要予測モデルに、形成後に受信し又は演算した予報に係る前記日射量情報が示す予報日射量、予報に係る前記外気温情報が示す予報外気温、予報に係る前記湿度情報が示す予報湿度、及び前記カレンダー情報が示す曜日及び祝日の少なくとも何れかの種別を当て嵌めて、前記組織の前記消費電力量を予測すると共に、
（１－４）予測された前記消費電力量が前記契約電力量より小さい時間帯に、前記組織に属する前記電動車両の前記充電電力量を割り当てて、
（１－５）前記通信部により、割り当てた前記充電電力量を、前記電動車両側に送信する
ことを特徴とする充電管理システム。
【請求項2】
前記電力需要予測モデルは、回帰モデルを用いた前記機械学習により形成される
ことを特徴とする請求項１に記載の充電管理システム。
ことを特徴とする請求項１に記載の充電管理システム。
【請求項3】
前記管理コンピュータは、
（１－４）予測された前記消費電力量が前記契約電力量より小さい時間帯に、前記組織に属する前記電動車両の前記充電電力量を割り当てる
ことに代えて、
（１－４’）予測された前記消費電力量に対しマージン閾値に基づく電力量であるマージン電力量を加えて算出されるマージン付加消費電力量が前記契約電力量より小さい時間帯に、前記組織に属する前記電動車両の前記充電電力量を割り当てる
ことを特徴とする請求項１に記載の充電管理システム。
（１－４）予測された前記消費電力量が前記契約電力量より小さい時間帯に、前記組織に属する前記電動車両の前記充電電力量を割り当てる
ことに代えて、
（１－４’）予測された前記消費電力量に対しマージン閾値に基づく電力量であるマージン電力量を加えて算出されるマージン付加消費電力量が前記契約電力量より小さい時間帯に、前記組織に属する前記電動車両の前記充電電力量を割り当てる
ことを特徴とする請求項１に記載の充電管理システム。
【請求項4】
前記管理コンピュータは、更に、
（２－１）前記通信部により、前記電動車両の実際の走行に係る走行距離を示す走行距離情報と、加速度を示す加速度情報と、アップダウンを示すアップダウン情報と、車内温度を示す車内温度情報と、走行エリアの外気温を示す走行エリア外気温情報とを、複数組、時間帯が互いに異なる状態で、前記組織毎又は前記電動車両毎に受信可能であり、
（２－２）各前記走行距離情報が示す走行距離、各前記加速度情報が示す加速度、各前記アップダウン情報が示すアップダウン、各前記車内温度情報が示す車内温度、及び各前記走行エリア外気温情報が示す走行エリア外気温を説明変数として、機械学習により、目的変数として前記電動車両のＳＯＣを導出するモデルであるＳＯＣ予測モデルを、前記組織毎又は前記電動車両毎に形成し、
（２－３）形成された前記ＳＯＣ予測モデルに、形成後に受信し又は演算した予定目的地に対応する予定走行距離情報が示す予定走行距離、予定加速度情報が示す予定加速度、予定目的地に対応する予定アップダウン情報が示す予定アップダウン、予定車内温度情報が示す予定車内温度、及び予報走行エリア外気温情報が示す予報走行エリア外気温を当て嵌めて、前記電動車両のＳＯＣを予測すると共に、
（２－４）予測された前記ＳＯＣの減少量に基づいて、前記充電電力量の算出、及び前記充電電力量の割り当ての少なくとも一方を行う
ことを特徴とする請求項１に記載の充電管理システム。
（２－１）前記通信部により、前記電動車両の実際の走行に係る走行距離を示す走行距離情報と、加速度を示す加速度情報と、アップダウンを示すアップダウン情報と、車内温度を示す車内温度情報と、走行エリアの外気温を示す走行エリア外気温情報とを、複数組、時間帯が互いに異なる状態で、前記組織毎又は前記電動車両毎に受信可能であり、
（２－２）各前記走行距離情報が示す走行距離、各前記加速度情報が示す加速度、各前記アップダウン情報が示すアップダウン、各前記車内温度情報が示す車内温度、及び各前記走行エリア外気温情報が示す走行エリア外気温を説明変数として、機械学習により、目的変数として前記電動車両のＳＯＣを導出するモデルであるＳＯＣ予測モデルを、前記組織毎又は前記電動車両毎に形成し、
（２－３）形成された前記ＳＯＣ予測モデルに、形成後に受信し又は演算した予定目的地に対応する予定走行距離情報が示す予定走行距離、予定加速度情報が示す予定加速度、予定目的地に対応する予定アップダウン情報が示す予定アップダウン、予定車内温度情報が示す予定車内温度、及び予報走行エリア外気温情報が示す予報走行エリア外気温を当て嵌めて、前記電動車両のＳＯＣを予測すると共に、
（２－４）予測された前記ＳＯＣの減少量に基づいて、前記充電電力量の算出、及び前記充電電力量の割り当ての少なくとも一方を行う
ことを特徴とする請求項１に記載の充電管理システム。
【請求項5】
更に、前記組織に属する端末を備えており、
前記端末は、端末通信部と、端末表示部と、を有しており、
前記端末通信部は、予測された前記充電電力量及び予測された前記ＳＯＣを受信可能であり、
前記端末表示部は、予測された前記充電電力量による充電及び予測された前記ＳＯＣに基づいて算出された、前記電動車両に関する情報である電動車両関連情報を表示する
ことを特徴とする請求項４に記載の充電管理システム。
前記端末は、端末通信部と、端末表示部と、を有しており、
前記端末通信部は、予測された前記充電電力量及び予測された前記ＳＯＣを受信可能であり、
前記端末表示部は、予測された前記充電電力量による充電及び予測された前記ＳＯＣに基づいて算出された、前記電動車両に関する情報である電動車両関連情報を表示する
ことを特徴とする請求項４に記載の充電管理システム。
【請求項6】
前記電動車両関連情報は、走行可能距離である
ことを特徴とする請求項５に記載の充電管理システム。
ことを特徴とする請求項５に記載の充電管理システム。
【請求項7】
前記管理コンピュータは、
予測された前記ＳＯＣの減少量に基づいて、前記電動車両毎の前記充電電力量を把握し、
前記電動車両の運行スケジュールに基づいて、前記電動車両毎の前記充電電力量の割り当てを行う
ことを特徴とする請求項４に記載の充電管理システム。
予測された前記ＳＯＣの減少量に基づいて、前記電動車両毎の前記充電電力量を把握し、
前記電動車両の運行スケジュールに基づいて、前記電動車両毎の前記充電電力量の割り当てを行う
ことを特徴とする請求項４に記載の充電管理システム。
【請求項8】
前記管理コンピュータは、
前記電動車両における予定使用開始時刻の早い順に、予定目的地に対し往復可能又は周回可能な前記電動車両毎の前記充電電力量の割り当てを行う
ことを特徴とする請求項７に記載の充電管理システム。
前記電動車両における予定使用開始時刻の早い順に、予定目的地に対し往復可能又は周回可能な前記電動車両毎の前記充電電力量の割り当てを行う
ことを特徴とする請求項７に記載の充電管理システム。
【請求項9】
コンピュータに読み込ませることにより、請求項１から請求項８の何れかに記載の管理コンピュータが形成される
ことを特徴とする充電管理プログラム。
ことを特徴とする充電管理プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、電動車両（ＥＶ）等の充電の管理が可能な充電管理システム、及び充電管理プログラムに関する。
【背景技術】
【0002】
充電管理装置として、特開２０１５－１７１１８８号公報（特許文献１）に記載されたものが知られている。
この装置では、充電所要時間に対する充電可能時間の比率である充電時間率が一定値より大きい電気自動車（電動車両）が有る場合に、電力源の電力値が許容最大値以下の範囲で、充電時間率に基づく優先順位が高い電動車両から順に充電される。
この装置では、充電所要時間に対する充電可能時間の比率である充電時間率が一定値より大きい電気自動車（電動車両）が有る場合に、電力源の電力値が許容最大値以下の範囲で、充電時間率に基づく優先順位が高い電動車両から順に充電される。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２０１５－１７１１８８号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
上記の装置では、充電時間率に基づいて電動車両の充電の順序が決められている。よって、所望する電動車両における所望する時刻でのＳＯＣ（Ｓｔａｔｅ Ｏｆ Ｃｈａｒｇｅ）が不十分であり、当該時刻において出発すると予定していた訪問箇所に到達する前に当該電動車両が電欠する可能性が存在する。これに対し、電欠する可能性の低減を重視すると、電動車両を充電する事業所等の充電箇所において、電動車両の充電により、使用電力量が契約電力量等の所定電力量を超える可能性が存在し、又夜間の電力単価が昼間の電力単価に比べて低廉である料金制等の時間帯別料金制の場合において、高価な時間帯に集中的に充電されて電気料金が嵩む可能性が存在する。
【0005】
そこで、本開示の主な目的は、事業所の電力需要等を所定程度以上の精度で予測することで、電動車両において電欠の可能性が抑制された状態で充電可能である充電管理システム、及び充電管理プログラムを提供することである。
又、本開示の別の主な目的は、事業所の電力需要等を所定程度以上の精度で予測することで、充電箇所において電動車両の充電のための電力量が使用電力量に含まれたとしても、使用電力量が所定電力量を超過する事態が抑制される充電管理システム、及び充電管理プログラムを提供することである。
更に、本開示の更に別の主な目的は、事業所の電力需要等を所定程度以上の精度で予測することで、充電箇所において電動車両の充電のための電力量が使用電力量に含まれたとしても、電気料金が抑制される充電管理システム、及び充電管理プログラムを提供することである。
又、本開示の別の主な目的は、事業所の電力需要等を所定程度以上の精度で予測することで、充電箇所において電動車両の充電のための電力量が使用電力量に含まれたとしても、使用電力量が所定電力量を超過する事態が抑制される充電管理システム、及び充電管理プログラムを提供することである。
更に、本開示の更に別の主な目的は、事業所の電力需要等を所定程度以上の精度で予測することで、充電箇所において電動車両の充電のための電力量が使用電力量に含まれたとしても、電気料金が抑制される充電管理システム、及び充電管理プログラムを提供することである。
【課題を解決するための手段】
【0006】
本明細書は、充電管理システムを開示する。この充電管理システムは、通信部を有する管理コンピュータにより、契約電力量のもとで電力を消費する１以上の事業所にそれぞれ属する１以上の電動車両に係る充電を管理するシステムである。管理コンピュータは、通信部により、事業所が属する地域の日射量を示す日射量情報と、事業所が属する地域の外気温を示す外気温情報と、事業所が属する地域の湿度を示す湿度情報と、曜日及び祝日の少なくとも何れかを示すカレンダー情報とを、複数組、時間帯が互いに異なる状態で、事業所毎に受信可能であっても良い。又、管理コンピュータは、各日射量情報が示す日射量、各外気温情報が示す外気温、各湿度情報が示す湿度、及び各カレンダー情報が示す曜日及び祝日の少なくとも何れかの種別を説明変数として、機械学習により、目的変数として事業所の電動車両の充電に係る充電電力量を除いた消費電力量を導出するモデルである電力需要予測モデルを、事業所毎に形成しても良い。更に、管理コンピュータは、形成された電力需要予測モデルに、形成後に受信し又は演算した予報に係る日射量情報が示す予報日射量、予報に係る外気温情報が示す予報外気温、予報に係る湿度情報が示す予報湿度、及びカレンダー情報が示す曜日及び祝日の少なくとも何れかの種別を当て嵌めて、事業所の消費電力量を予測しても良い。又更に、管理コンピュータは、予測された消費電力量が契約電力量より小さい時間帯に、事業所に属する電動車両の充電電力量を割り当てる。加えて、管理コンピュータは、通信部により、割り当てた充電電力量を、電動車両側に送信しても良い。
又、本明細書は、充電管理プログラムを開示する。この充電管理プログラムは、コンピュータに読み込まれると、当該コンピュータにおいて管理コンピュータを形成する。
又、本明細書は、充電管理プログラムを開示する。この充電管理プログラムは、コンピュータに読み込まれると、当該コンピュータにおいて管理コンピュータを形成する。
【発明の効果】
【0007】
本開示の主な効果は、事業所の電力需要等を所定程度以上の精度で予測することで、電動車両において電欠の可能性が抑制された状態で充電可能である充電管理システム、及び充電管理プログラムが提供されることである。
又、本開示の別の主な効果は、事業所の電力需要等を所定程度以上の精度で予測することで、充電箇所において電動車両の充電のための電力量が使用電力量に含まれたとしても、使用電力量が所定電力量を超過する事態が抑制される充電管理システム、及び充電管理プログラムが提供されることである。
更に、本開示の更に別の主な効果は、事業所の電力需要等を所定程度以上の精度で予測することで、充電箇所において電動車両の充電のための電力量が使用電力量に含まれたとしても、電気料金が抑制される充電管理システム、及び充電管理プログラムが提供されることである。
又、本開示の別の主な効果は、事業所の電力需要等を所定程度以上の精度で予測することで、充電箇所において電動車両の充電のための電力量が使用電力量に含まれたとしても、使用電力量が所定電力量を超過する事態が抑制される充電管理システム、及び充電管理プログラムが提供されることである。
更に、本開示の更に別の主な効果は、事業所の電力需要等を所定程度以上の精度で予測することで、充電箇所において電動車両の充電のための電力量が使用電力量に含まれたとしても、電気料金が抑制される充電管理システム、及び充電管理プログラムが提供されることである。
【図面の簡単な説明】
【0008】
【図1】実施形態に係る充電管理システム及び関連する要素のブロック図である。
【図7】具体例に係る直近１年分の予測誤差を考慮した所定期間における事業所の電力需要予測、並びにＥＶ充電可能な時間帯及び電力量について示すグラフである。
【発明を実施するための形態】
【0009】
以下、本開示に係る実施の形態の例が、その変更例と共に、適宜図面に基づいて説明される。
尚、当該形態は、下記の例及び変更例に限定されない。
尚、当該形態は、下記の例及び変更例に限定されない。
【0010】
［１］構成等
図１は、当該形態に係る充電管理システム１及び関連する要素のブロック図である。
充電管理システム１は、管理コンピュータとしての分析サーバ２を含む。又、捉え方により、充電管理システム１は、更に、１以上の端末４、ＥＶ６即ち電動車両、ＥＶ６の充電器８、及び各種のサーバの少なくとも何れかを適宜含む。
図１は、当該形態に係る充電管理システム１及び関連する要素のブロック図である。
充電管理システム１は、管理コンピュータとしての分析サーバ２を含む。又、捉え方により、充電管理システム１は、更に、１以上の端末４、ＥＶ６即ち電動車両、ＥＶ６の充電器８、及び各種のサーバの少なくとも何れかを適宜含む。
【0011】
分析サーバ２は、サーバコンピュータである。尚、分析サーバ２は、サーバコンピュータではなく、パーソナルコンピュータ等であっても良い。
分析サーバ２は、充電管理サービスを提供する組織及び関連する組織の少なくとも一方に係る建物内に設置されている。尚、分析サーバ２の一部又は全部の機能は、機械学習機能を有する１以上のクラウドサービスにより実装されても良い。分析サーバ２の一部の機能がクラウドサービスで賄われる場合、分析サーバ２はクラウドサービスのサーバコンピュータと通信可能である。又、分析サーバ２は、充電管理サービスを受ける組織に係る建物内に設置されていても良い。充電管理サービスを受ける組織は、ここでは１以上の事業所である。充電管理サービスを受ける組織は、住宅等であっても良い。充電管理サービスを受ける組織は、充電管理サービスを受ける施設とも捉え得る。
分析サーバ２は、充電管理サービスを提供する組織及び関連する組織の少なくとも一方に係る建物内に設置されている。尚、分析サーバ２の一部又は全部の機能は、機械学習機能を有する１以上のクラウドサービスにより実装されても良い。分析サーバ２の一部の機能がクラウドサービスで賄われる場合、分析サーバ２はクラウドサービスのサーバコンピュータと通信可能である。又、分析サーバ２は、充電管理サービスを受ける組織に係る建物内に設置されていても良い。充電管理サービスを受ける組織は、ここでは１以上の事業所である。充電管理サービスを受ける組織は、住宅等であっても良い。充電管理サービスを受ける組織は、充電管理サービスを受ける施設とも捉え得る。
【0012】
分析サーバ２は、記憶部１０と、通信部１２と、制御部１４と、を有する。
分析サーバ２は、後述の機能を発揮させる命令群が記述された充電管理プログラムをコンピュータに読み込ませることにより形成され得る。
分析サーバ２は、後述の機能を発揮させる命令群が記述された充電管理プログラムをコンピュータに読み込ませることにより形成され得る。
【0013】
記憶部１０は、情報等を記憶する。記憶部１０は、非一時的なコンピュータ可読の記憶媒体を含む。記憶部１０は、例えばメモリ、ハードディスクドライブ（ＨＤＤ）、及びソリッドステートドライブ（ＳＳＤ）の少なくとも何れかである。
記憶部１０には、電力需要予測モデル情報ＤＭ、ＳＯＣ予測モデル情報ＳＭ、ＥＶ充電制御プログラムＥＣ、地図情報ＭＰ、及びデータベースＤＢが記憶されている。
地図情報ＭＰは、ＥＶ６が走行可能な道についての三次元の情報を含んでいる。即ち、地図情報ＭＰには、道の各部分について、緯度経度（二次元の位置情報）に加え、標高（高さ情報）が含まれる。尚、地図情報ＭＰは、二次元であっても良い。又、地図情報ＭＰは、ラスタ形式及びベクタ形式の少なくとも何れかであっても良い。更に、地図情報ＭＰは、外部の地図情報サーバから送信されるものであっても良い。
データベースＤＢには、実績電力情報ＦＩ、料金情報ＣＩ、気象情報ＷＩ、ＥＶ予約情報ＲＩ、ＥＶ充電状態情報ＳＩ、実績ＥＶ充電量情報ＥＩ、ＥＶ位置情報ＰＩ、ＥＶ車内温度情報ＴＩ、及びＥＶ充電パターン情報ＮＩが含まれている。
ＥＶ充電パターン情報ＮＩは、ＥＶ６（が搭載する蓄電池）の種類に応じた、所定のＳＯＣにおいて充電を開始した時刻からの経過時間と、ＳＯＣが十分（例えば９８％以上）となるまでの充電電力及び積算充電電力量の少なくとも一方との関係を示す情報である。例えば、ＥＶ充電パターン情報ＮＩは、充電電力について、充電開始直後に特定充電電力に達し、以後特定充電電力またはその隣接値で安定し、十分なＳＯＣに近接すると減少するものであり、又積算充電電力量について、充電開始直後から経過時間に比例して上昇し、十分なＳＯＣに近接すると上昇幅が緩やかになるパターンを示す。尚、充電パターン情報ＮＩは、省略されても良い。又、充電パターン情報ＮＩ等は、交流直流変換時のロスを始めとする直流の充電器８の充電ロスを考慮したものであっても良い。
記憶部１０には、電力需要予測モデル情報ＤＭ、ＳＯＣ予測モデル情報ＳＭ、ＥＶ充電制御プログラムＥＣ、地図情報ＭＰ、及びデータベースＤＢが記憶されている。
地図情報ＭＰは、ＥＶ６が走行可能な道についての三次元の情報を含んでいる。即ち、地図情報ＭＰには、道の各部分について、緯度経度（二次元の位置情報）に加え、標高（高さ情報）が含まれる。尚、地図情報ＭＰは、二次元であっても良い。又、地図情報ＭＰは、ラスタ形式及びベクタ形式の少なくとも何れかであっても良い。更に、地図情報ＭＰは、外部の地図情報サーバから送信されるものであっても良い。
データベースＤＢには、実績電力情報ＦＩ、料金情報ＣＩ、気象情報ＷＩ、ＥＶ予約情報ＲＩ、ＥＶ充電状態情報ＳＩ、実績ＥＶ充電量情報ＥＩ、ＥＶ位置情報ＰＩ、ＥＶ車内温度情報ＴＩ、及びＥＶ充電パターン情報ＮＩが含まれている。
ＥＶ充電パターン情報ＮＩは、ＥＶ６（が搭載する蓄電池）の種類に応じた、所定のＳＯＣにおいて充電を開始した時刻からの経過時間と、ＳＯＣが十分（例えば９８％以上）となるまでの充電電力及び積算充電電力量の少なくとも一方との関係を示す情報である。例えば、ＥＶ充電パターン情報ＮＩは、充電電力について、充電開始直後に特定充電電力に達し、以後特定充電電力またはその隣接値で安定し、十分なＳＯＣに近接すると減少するものであり、又積算充電電力量について、充電開始直後から経過時間に比例して上昇し、十分なＳＯＣに近接すると上昇幅が緩やかになるパターンを示す。尚、充電パターン情報ＮＩは、省略されても良い。又、充電パターン情報ＮＩ等は、交流直流変換時のロスを始めとする直流の充電器８の充電ロスを考慮したものであっても良い。
【0014】
通信部１２は、ネットワークＮＥを介して、各種の装置等と通信可能である。ネットワークＮＥは、例えば、インターネット、ローカルエリアネットワーク、及び専用線の少なくとも何れかである。通信部１２は、無線及び有線の少なくとも一方により通信可能である。
【0015】
制御部１４は、分析サーバ２における各種の部分を制御するものであり、例えばＣＰＵである。制御部１４は、記憶部１０と接続されており、記憶部１０と協調して充電管理に係る制御を行う。記憶部１０の非一時的なコンピュータ可読の記憶媒体に、ＥＶ充電制御プログラムＥＣ等の制御プログラムが記憶されている。制御部１４は、制御プログラムを逐次実行して、分析サーバ２の制御を行い、分析サーバ２に接続された各種の装置等の制御を行う。又、制御部１４は、通信部１２と接続されている。
尚、分析サーバ２は、更に、入力部及び出力部の少なくとも何れかを備えていても良い。入力部は、各種の情報を入力する部分であり、例えばキーボード、ポインティングデバイス及びマイクの少なくとも何れかである。出力部は、各種の情報を出力する部分であり、例えばモニタ、プリンタ、及びスピーカの少なくとも何れかである。入力部及び出力部は、例えばタッチパネルのように一体化されても良い。
尚、分析サーバ２は、更に、入力部及び出力部の少なくとも何れかを備えていても良い。入力部は、各種の情報を入力する部分であり、例えばキーボード、ポインティングデバイス及びマイクの少なくとも何れかである。出力部は、各種の情報を出力する部分であり、例えばモニタ、プリンタ、及びスピーカの少なくとも何れかである。入力部及び出力部は、例えばタッチパネルのように一体化されても良い。
【0016】
端末４は、端末記憶部２０と、端末通信部２２と、端末制御部２４と、端末入力部２６と、端末表示部２８と、を有する。
端末４は、事業所の建物内に設置されている。
尚、端末４は、パーソナルコンピュータであっても良いし、タブレット等の携帯端末であっても良い。又、端末４は、可搬性を有していても良く、事業所の従業員等により携帯されて持ち運ばれても良い。
端末４は、事業所の建物内に設置されている。
尚、端末４は、パーソナルコンピュータであっても良いし、タブレット等の携帯端末であっても良い。又、端末４は、可搬性を有していても良く、事業所の従業員等により携帯されて持ち運ばれても良い。
【0017】
端末記憶部２０は、記憶される情報の一部又は全部を除き、記憶部１０と同様に成る。
端末通信部２２は、通信部１２と同様に成る。端末通信部２２は、ネットワークＮＥを介して、分析サーバ２と通信可能に接続されている。端末４は、空調機器ＡＣ側（例えば空調機器ＡＣが設置された部屋）に配置されている。尚、制御コンピュータは、サーバコンピュータではなく、パーソナルコンピュータ等であっても良い。
端末制御部２４は、実行するプログラムの一部又は全部を除き、制御部１４と同様に成る。端末制御部２４は、端末記憶部２０、端末通信部２２、端末入力部２６、及び端末表示部２８と、それぞれ接続されている。端末制御部２４は、端末記憶部２０と協調して充電管理及び表示に係る制御を行う。端末記憶部２０の非一時的なコンピュータ可読の記憶媒体に、表示プログラム等の端末制御プログラムが記憶されている。端末制御部２４は、端末制御プログラムを逐次実行して、端末４の制御を行う。
端末入力部２６は、上述の入力部と同様に成る。
端末表示部２８は、各種の情報を表示する部分であり、例えばモニタ及びプリンタの少なくとも一方である。尚、端末入力部２６及び端末表示部２８は、例えばタッチパネルのように一体化されても良い。
端末通信部２２は、通信部１２と同様に成る。端末通信部２２は、ネットワークＮＥを介して、分析サーバ２と通信可能に接続されている。端末４は、空調機器ＡＣ側（例えば空調機器ＡＣが設置された部屋）に配置されている。尚、制御コンピュータは、サーバコンピュータではなく、パーソナルコンピュータ等であっても良い。
端末制御部２４は、実行するプログラムの一部又は全部を除き、制御部１４と同様に成る。端末制御部２４は、端末記憶部２０、端末通信部２２、端末入力部２６、及び端末表示部２８と、それぞれ接続されている。端末制御部２４は、端末記憶部２０と協調して充電管理及び表示に係る制御を行う。端末記憶部２０の非一時的なコンピュータ可読の記憶媒体に、表示プログラム等の端末制御プログラムが記憶されている。端末制御部２４は、端末制御プログラムを逐次実行して、端末４の制御を行う。
端末入力部２６は、上述の入力部と同様に成る。
端末表示部２８は、各種の情報を表示する部分であり、例えばモニタ及びプリンタの少なくとも一方である。尚、端末入力部２６及び端末表示部２８は、例えばタッチパネルのように一体化されても良い。
【0018】
典型的には、端末４は、事業所毎に扱われる。各事業所のユーザは、自身が使用可能である１以上のＥＶ６等についての表示を、端末４において視認可能である。以下、説明の便宜のため、１つの事業所に属する１以上のＥＶ６を管理する場合が、主に説明される。
【0019】
ＥＶ６は、蓄電池を搭載し、搭載した蓄電池に蓄積された電気エネルギーを用いて走行する。
尚、ＥＶ６は、蓄電池で駆動される電動機の出力によって走行するものであっても良いし、蓄電池で駆動される電動機の出力と、燃料で駆動されるエンジンの出力とを組み合わせて走行するものであっても良い。ＥＶ６は、例えば、電気自動車、プラグインハイブリッド車、電動バイク、電動自転車等である。
尚、ＥＶ６は、蓄電池で駆動される電動機の出力によって走行するものであっても良いし、蓄電池で駆動される電動機の出力と、燃料で駆動されるエンジンの出力とを組み合わせて走行するものであっても良い。ＥＶ６は、例えば、電気自動車、プラグインハイブリッド車、電動バイク、電動自転車等である。
【0020】
充電器８は、１以上のＥＶ６を充電する装置である。
充電器８は、ネットワークＮＥを介して、分析サーバ２等と接続されている。
充電器８は、事業所に設置される。
充電器８は、ＥＶ６に対して実際に充電された電力量である充電電力量を分析サーバ２に送信可能である。分析サーバ２は、送信されたそれぞれの充電電力量を、第１所定時間（例えば１日間）毎に積算し、その積算値を示す情報として実績ＥＶ充電量情報ＥＩを記憶する。
尚、充電器８は、事業所に複数設置されても良い。
充電器８は、ネットワークＮＥを介して、分析サーバ２等と接続されている。
充電器８は、事業所に設置される。
充電器８は、ＥＶ６に対して実際に充電された電力量である充電電力量を分析サーバ２に送信可能である。分析サーバ２は、送信されたそれぞれの充電電力量を、第１所定時間（例えば１日間）毎に積算し、その積算値を示す情報として実績ＥＶ充電量情報ＥＩを記憶する。
尚、充電器８は、事業所に複数設置されても良い。
【0021】
気象データサーバＷＳは、サーバコンピュータであり、分析サーバ２と同様に成る。
気象データサーバＷＳは、気象情報ＷＩを送信可能である。
気象情報ＷＩは、第２所定時間（例えば１時間）毎の、事業所が属する地域の外気温を示す外気温情報を含んでいる。尚、気象情報ＷＩは、第２所定時間毎の、事業所が属する地域の天気の種類（晴れ、曇り、雨等）を示す天気種別情報を含んでいても良い。
気象情報ＷＩは、具体的な日時即ち暦を指定して問い合わせをすると、その暦における外気温情報を返信する。暦が将来である場合、天気予報に係る事業所が属する地域の外気温を示す予報外気温情報を返信する。
気象データサーバＷＳは、気象観測団体に属している。尚、気象データサーバＷＳは、充電管理サービスを提供する組織等に属していても良い。又、気象データサーバＷＳは、過去の外気温情報を返信するサーバ、及び将来の予報外気温情報を返信するサーバ等で分離されていても良い。
気象データサーバＷＳは、気象情報ＷＩを送信可能である。
気象情報ＷＩは、第２所定時間（例えば１時間）毎の、事業所が属する地域の外気温を示す外気温情報を含んでいる。尚、気象情報ＷＩは、第２所定時間毎の、事業所が属する地域の天気の種類（晴れ、曇り、雨等）を示す天気種別情報を含んでいても良い。
気象情報ＷＩは、具体的な日時即ち暦を指定して問い合わせをすると、その暦における外気温情報を返信する。暦が将来である場合、天気予報に係る事業所が属する地域の外気温を示す予報外気温情報を返信する。
気象データサーバＷＳは、気象観測団体に属している。尚、気象データサーバＷＳは、充電管理サービスを提供する組織等に属していても良い。又、気象データサーバＷＳは、過去の外気温情報を返信するサーバ、及び将来の予報外気温情報を返信するサーバ等で分離されていても良い。
【0022】
電力データサーバＰＳは、サーバコンピュータであり、分析サーバ２と同様に成る。
電力データサーバＰＳは、実績電力情報ＦＩを送信可能である。
実績電力情報ＦＩは、第３所定時間（例えば３０分間）毎の事業所の消費電力量に係る消費電力量情報を含む。かような第３所定時間を示す第３所定時間情報とこれに対応する消費電力量情報との組は、スマートメータにより取得可能である。尚、実績電力情報ＦＩは、消費電力量情報に代えて、あるいは消費電力量情報と共に、事業所における第３所定時間毎の発電電力量又はこれに相当する第３所定時間毎の売電電力量を含んでいても良い。第３所定時間毎の発電電力量等は、事業所において、分析サーバ２に入力されても良い。
電力データサーバＰＳは、電力関連会社に属している。電力関連会社は、例えば、電力会社、電力販売会社、及び送電網管理会社の少なくとも何れかである。尚、電力データサーバＰＳは、充電管理サービスを提供する組織等に属していても良い。
電力データサーバＰＳは、実績電力情報ＦＩを送信可能である。
実績電力情報ＦＩは、第３所定時間（例えば３０分間）毎の事業所の消費電力量に係る消費電力量情報を含む。かような第３所定時間を示す第３所定時間情報とこれに対応する消費電力量情報との組は、スマートメータにより取得可能である。尚、実績電力情報ＦＩは、消費電力量情報に代えて、あるいは消費電力量情報と共に、事業所における第３所定時間毎の発電電力量又はこれに相当する第３所定時間毎の売電電力量を含んでいても良い。第３所定時間毎の発電電力量等は、事業所において、分析サーバ２に入力されても良い。
電力データサーバＰＳは、電力関連会社に属している。電力関連会社は、例えば、電力会社、電力販売会社、及び送電網管理会社の少なくとも何れかである。尚、電力データサーバＰＳは、充電管理サービスを提供する組織等に属していても良い。
【0023】
ＥＶ走行データサーバＤＳは、サーバコンピュータであり、分析サーバ２と同様に成る。
ＥＶ走行データサーバＤＳは、ＥＶ位置情報ＰＩ及びＥＶ車内温度情報ＴＩを送信可能である。
ＥＶ位置情報ＰＩ及びＥＶ車内温度情報ＴＩは、ＥＶ６毎に存在し、ＥＶ６の個体を示すＥＶ識別情報と関連付けられている。
ＥＶ位置情報ＰＩは、第４所定時間（例えば１５分間）毎のＥＶ６の位置を示す。ＥＶ位置情報ＰＩは、例えばＥＶ６に取り付けられたＧＰＳ受信器により取得可能である。取得されたＥＶ位置情報ＰＩは、取得された都度、あるいは事業所に戻った時点等において、ＥＶ走行データサーバＤＳに送信される。
ＥＶ車内温度情報ＴＩは、第４所定時間毎のＥＶ６の車内温度を示す。ＥＶ車内温度情報ＴＩは、例えばＥＶ６に取り付けられた温度センサにより取得可能である。取得されたＥＶ車内温度情報ＴＩは、取得された都度、あるいは事業所に戻った時点等において、ＥＶ走行データサーバＤＳに送信される。
尚、ＥＶ位置情報ＰＩ及びＥＶ車内温度情報ＴＩは、互いに異なる所定時間毎に取得されても良い。即ち、ＥＶ位置情報ＰＩは第３－１所定時間毎とされ、ＥＶ車内温度情報ＴＩは第３－２所定時間毎とされても良い。
ＥＶ走行データサーバＤＳは、充電管理サービスを提供する組織に属している。尚、ＥＶ走行データサーバＤＳは、事業所等に属していても良い。
ＥＶ走行データサーバＤＳは、ＥＶ位置情報ＰＩ及びＥＶ車内温度情報ＴＩを送信可能である。
ＥＶ位置情報ＰＩ及びＥＶ車内温度情報ＴＩは、ＥＶ６毎に存在し、ＥＶ６の個体を示すＥＶ識別情報と関連付けられている。
ＥＶ位置情報ＰＩは、第４所定時間（例えば１５分間）毎のＥＶ６の位置を示す。ＥＶ位置情報ＰＩは、例えばＥＶ６に取り付けられたＧＰＳ受信器により取得可能である。取得されたＥＶ位置情報ＰＩは、取得された都度、あるいは事業所に戻った時点等において、ＥＶ走行データサーバＤＳに送信される。
ＥＶ車内温度情報ＴＩは、第４所定時間毎のＥＶ６の車内温度を示す。ＥＶ車内温度情報ＴＩは、例えばＥＶ６に取り付けられた温度センサにより取得可能である。取得されたＥＶ車内温度情報ＴＩは、取得された都度、あるいは事業所に戻った時点等において、ＥＶ走行データサーバＤＳに送信される。
尚、ＥＶ位置情報ＰＩ及びＥＶ車内温度情報ＴＩは、互いに異なる所定時間毎に取得されても良い。即ち、ＥＶ位置情報ＰＩは第３－１所定時間毎とされ、ＥＶ車内温度情報ＴＩは第３－２所定時間毎とされても良い。
ＥＶ走行データサーバＤＳは、充電管理サービスを提供する組織に属している。尚、ＥＶ走行データサーバＤＳは、事業所等に属していても良い。
【0024】
ＥＶ充電データサーバＣＳは、サーバコンピュータであり、分析サーバ２と同様に成る。
ＥＶ充電データサーバＣＳは、ＥＶ充電状態情報ＳＩを送信可能である。
ＥＶ充電状態情報ＳＩは、ＥＶ６毎に存在し、ＥＶ６の個体を示すＥＶ識別情報と関連付けられている。
ＥＶ充電状態情報ＳＩは、第５所定時間（例えば１５分間）毎のＥＶ６のＳＯＣを示す。ＥＶ充電状態情報ＳＩは、例えばＥＶ６に取り付けられた蓄電池モニタにより取得可能である。取得されたＥＶ充電状態情報ＳＩは、取得された都度、あるいは事業所に戻った時点等において、ＥＶ走行データサーバＤＳに送信される。
ＥＶ充電データサーバＣＳは、充電管理サービスを提供する組織に属している。尚、ＥＶ充電データサーバＣＳは、事業所等に属していても良い。
ＥＶ充電データサーバＣＳは、ＥＶ充電状態情報ＳＩを送信可能である。
ＥＶ充電状態情報ＳＩは、ＥＶ６毎に存在し、ＥＶ６の個体を示すＥＶ識別情報と関連付けられている。
ＥＶ充電状態情報ＳＩは、第５所定時間（例えば１５分間）毎のＥＶ６のＳＯＣを示す。ＥＶ充電状態情報ＳＩは、例えばＥＶ６に取り付けられた蓄電池モニタにより取得可能である。取得されたＥＶ充電状態情報ＳＩは、取得された都度、あるいは事業所に戻った時点等において、ＥＶ走行データサーバＤＳに送信される。
ＥＶ充電データサーバＣＳは、充電管理サービスを提供する組織に属している。尚、ＥＶ充電データサーバＣＳは、事業所等に属していても良い。
【0025】
ＥＶ運行データサーバＳＳは、サーバコンピュータであり、分析サーバ２と同様に成る。
ＥＶ運行データサーバＳＳは、ＥＶ予約情報ＲＩを送信可能である。
ＥＶ予約情報ＲＩは、ＥＶ６毎に存在し、ＥＶ６の個体を示すＥＶ識別情報と関連付けられている。
ＥＶ予約情報ＲＩは、第６所定時間（例えば１時間）毎のＥＶ６の予約状況を示す。ＥＶ予約情報ＲＩは、例えばユーザがＥＶ６を使いたい期間に応じて、事業所において端末４等で入力される。
ＥＶ運行データサーバＳＳは、充電管理サービスを提供する組織に属している。尚、ＥＶ運行データサーバＳＳは、事業所等に属していても良い。又、各種のサーバの少なくとも何れかは複数のサーバに分割されても良いし、各種のサーバの少なくとも何れか２つは統合されても良い。
ＥＶ運行データサーバＳＳは、ＥＶ予約情報ＲＩを送信可能である。
ＥＶ予約情報ＲＩは、ＥＶ６毎に存在し、ＥＶ６の個体を示すＥＶ識別情報と関連付けられている。
ＥＶ予約情報ＲＩは、第６所定時間（例えば１時間）毎のＥＶ６の予約状況を示す。ＥＶ予約情報ＲＩは、例えばユーザがＥＶ６を使いたい期間に応じて、事業所において端末４等で入力される。
ＥＶ運行データサーバＳＳは、充電管理サービスを提供する組織に属している。尚、ＥＶ運行データサーバＳＳは、事業所等に属していても良い。又、各種のサーバの少なくとも何れかは複数のサーバに分割されても良いし、各種のサーバの少なくとも何れか２つは統合されても良い。
【0026】
［２］動作等
［２－１］全体動作等
図２は、充電管理システム１の動作例に係る全体動作を示すフローチャートである。充電管理システム１の動作例は、コンピュータにより実行される充電管理方法の例に相当する。
尚、各種の動作のステップは、実質的に同等である他の１以上のステップに置き換えられても良いし、２以上のステップが統合されても良いし、処理の結果に影響を及ぼさない限り順序を入れ替えられても良い。動作のステップは、以下「Ｓ」と適宜略記される。
［２－１］全体動作等
図２は、充電管理システム１の動作例に係る全体動作を示すフローチャートである。充電管理システム１の動作例は、コンピュータにより実行される充電管理方法の例に相当する。
尚、各種の動作のステップは、実質的に同等である他の１以上のステップに置き換えられても良いし、２以上のステップが統合されても良いし、処理の結果に影響を及ぼさない限り順序を入れ替えられても良い。動作のステップは、以下「Ｓ」と適宜略記される。
【0027】
分析サーバ２（制御部１４）は、事業所の電力需要を予測すると共に（Ｓ１）、１以上のＥＶ６の充電可能量を予測し（Ｓ２）、ＥＶ６の充電計画を立て（Ｓ３）、ＥＶ６の充電の指令を発する（Ｓ４）。
分析サーバ２は、充電計画（Ｓ３）に基づき、外部装置にＥＶ６の充電計画値を送信して、外部装置と連携することが可能である（Ｓ５）。
分析サーバ２は、充電計画（Ｓ３）に基づき、外部装置にＥＶ６の充電計画値を送信して、外部装置と連携することが可能である（Ｓ５）。
【0028】
［２－２］事業所の電力需要予測の動作等
図３は、事業所の電力需要予測処理（Ｓ１）の詳細を示すフローチャートである。
分析サーバ２は、実績に係る各種の過去データを入手する（Ｓ１１）。過去データには、実績電力情報ＦＩ、及び気象情報ＷＩが含まれる。実績電力情報ＦＩ、及び気象情報ＷＩは、それぞれ日時即ち暦と対応付けられている。実績電力情報ＦＩは、ＥＶ６の充電に費やした電力量、即ち実績ＥＶ充電量情報ＥＩで示される実績ＥＶ充電量を含まない。尚、実績電力情報ＦＩは、ＥＶ充電量を含んでも良い。
そして、分析サーバ２は、事業所の電力需要予測モデルを構築して、そのモデルを示す情報である電力需要予測モデル情報ＤＭを記憶する（Ｓ１２）。
又、分析サーバ２は、Ｓ１２で構築された電力需要予測モデルについて、予測誤差を計算する（Ｓ１３）。
予測誤差は、様々な手法により算出可能であり、例えば、二乗平均平方根誤差（Ｒｏｏｔ Ｍｅａｎ Ｓｑｕａｒｅｄ Ｅｒｒｏｒ；ＲＭＳＥ）によっても良いし、平均絶対パーセント誤差（Ｍｅａｎ Ａｂｓｏｌｕｔｅ Ｐｅｒｃｅｎｔａｇｅ Ｅｒｒｏｒ；ＭＡＰＥ）によっても良い。
図３は、事業所の電力需要予測処理（Ｓ１）の詳細を示すフローチャートである。
分析サーバ２は、実績に係る各種の過去データを入手する（Ｓ１１）。過去データには、実績電力情報ＦＩ、及び気象情報ＷＩが含まれる。実績電力情報ＦＩ、及び気象情報ＷＩは、それぞれ日時即ち暦と対応付けられている。実績電力情報ＦＩは、ＥＶ６の充電に費やした電力量、即ち実績ＥＶ充電量情報ＥＩで示される実績ＥＶ充電量を含まない。尚、実績電力情報ＦＩは、ＥＶ充電量を含んでも良い。
そして、分析サーバ２は、事業所の電力需要予測モデルを構築して、そのモデルを示す情報である電力需要予測モデル情報ＤＭを記憶する（Ｓ１２）。
又、分析サーバ２は、Ｓ１２で構築された電力需要予測モデルについて、予測誤差を計算する（Ｓ１３）。
予測誤差は、様々な手法により算出可能であり、例えば、二乗平均平方根誤差（Ｒｏｏｔ Ｍｅａｎ Ｓｑｕａｒｅｄ Ｅｒｒｏｒ；ＲＭＳＥ）によっても良いし、平均絶対パーセント誤差（Ｍｅａｎ Ａｂｓｏｌｕｔｅ Ｐｅｒｃｅｎｔａｇｅ Ｅｒｒｏｒ；ＭＡＰＥ）によっても良い。
【0029】
更に、分析サーバ２は、所定タイミングにおいて、Ｓ１３で算出された予測誤差を参照しつつ電力需要予測モデルの再構築又は更新を行って、新たな電力需要予測モデル情報ＤＭとして記憶する（Ｓ１４）。
そして、分析サーバ２は、Ｓ１１～Ｓ１４の適宜の繰り返しにより、より良い精度となることが見込まれる電力需要予測モデル及び電力需要予測モデル情報ＤＭを形成する。所定タイミングは、ここでは第１所定期間毎であり、例えば１週間毎である。尚、所定タイミングは、第１所定期間毎に代えて、あるいは第１所定期間毎と共に、電力需要予測モデルの再構築又は更新を実行する旨の入力があったとき、及び過去データが所定量以上蓄積されたとき、の少なくとも何れか等であっても良い。又、Ｓ１３の予測誤差の算出は、当該所定タイミングで行われても良いし、当該所定タイミングとは異なるタイミングで行われても良い。例えば、分析サーバ２は、当該所定タイミングより短い間隔で予測誤差を算出し、当該所定タイミングにおいて、これまでに算出された予測誤差の一部又は全部につき、平均等によって総合的に参照しても良い。あるいは、分析サーバ２は、所定タイミングに代えて、あるいは所定タイミングと共に、予測誤差あるいはこれに基づく演算値が所定閾値以上となった場合に、電力需要予測モデルの再構築又は更新を行っても良い。
分析サーバ２は、Ｓ１１～Ｓ１４の繰り返しをしつつ、図３のＳ１５以降及び図２のＳ２以降を並行する。
そして、分析サーバ２は、Ｓ１１～Ｓ１４の適宜の繰り返しにより、より良い精度となることが見込まれる電力需要予測モデル及び電力需要予測モデル情報ＤＭを形成する。所定タイミングは、ここでは第１所定期間毎であり、例えば１週間毎である。尚、所定タイミングは、第１所定期間毎に代えて、あるいは第１所定期間毎と共に、電力需要予測モデルの再構築又は更新を実行する旨の入力があったとき、及び過去データが所定量以上蓄積されたとき、の少なくとも何れか等であっても良い。又、Ｓ１３の予測誤差の算出は、当該所定タイミングで行われても良いし、当該所定タイミングとは異なるタイミングで行われても良い。例えば、分析サーバ２は、当該所定タイミングより短い間隔で予測誤差を算出し、当該所定タイミングにおいて、これまでに算出された予測誤差の一部又は全部につき、平均等によって総合的に参照しても良い。あるいは、分析サーバ２は、所定タイミングに代えて、あるいは所定タイミングと共に、予測誤差あるいはこれに基づく演算値が所定閾値以上となった場合に、電力需要予測モデルの再構築又は更新を行っても良い。
分析サーバ２は、Ｓ１１～Ｓ１４の繰り返しをしつつ、図３のＳ１５以降及び図２のＳ２以降を並行する。
【0030】
分析サーバ２は、電力需要予測モデルにつき、機械学習によって構築を行い、又再構築若しくは更新を行う。
機械学習は、どのような形式であっても良く、例えば回帰分析であっても良いし、時系列分析であっても良い。
回帰分析は、線形モデルを用いるもの（単回帰分析）であっても良いし、非線形モデルを用いるもの（重回帰分析）であっても良い。
時系列分析は、自己回帰モデル（Ａｕｔｏ Ｒｅｇｒｅｓｓｉｖｅ；ＡＲ）を用いるものであっても良いし、移動平均モデル（Ｍｏｖｉｎｇ Ａｖｅｒａｇｅ；ＭＡ）を用いるものであっても良いし、自己回帰移動平均モデル（Ａｕｔｏ Ｒｅｇｒｅｓｓｉｖｅ Ｍｏｖｉｎｇ Ａｖｅｒａｇｅ；ＡＲＭＡ）を用いるものであっても良いし、自己回帰差分移動平均モデル（Ａｕｔｏ Ｒｅｇｒｅｓｓｉｖｅ Ｉｎｔｅｇｒａｔｅｄ Ｍｏｖｉｎｇ Ａｖｅｒａｇｅ；ＡＲＩＭＡ）を用いるものであっても良い。
機械学習は、どのような形式であっても良く、例えば回帰分析であっても良いし、時系列分析であっても良い。
回帰分析は、線形モデルを用いるもの（単回帰分析）であっても良いし、非線形モデルを用いるもの（重回帰分析）であっても良い。
時系列分析は、自己回帰モデル（Ａｕｔｏ Ｒｅｇｒｅｓｓｉｖｅ；ＡＲ）を用いるものであっても良いし、移動平均モデル（Ｍｏｖｉｎｇ Ａｖｅｒａｇｅ；ＭＡ）を用いるものであっても良いし、自己回帰移動平均モデル（Ａｕｔｏ Ｒｅｇｒｅｓｓｉｖｅ Ｍｏｖｉｎｇ Ａｖｅｒａｇｅ；ＡＲＭＡ）を用いるものであっても良いし、自己回帰差分移動平均モデル（Ａｕｔｏ Ｒｅｇｒｅｓｓｉｖｅ Ｉｎｔｅｇｒａｔｅｄ Ｍｏｖｉｎｇ Ａｖｅｒａｇｅ；ＡＲＩＭＡ）を用いるものであっても良い。
【0031】
電力需要予測モデルの機械学習において、分析サーバ２は、第２所定期間（例えば未分析の所定の一週間）にわたる、実績電力情報ＦＩに係る消費電力量情報と、気象情報ＷＩに係る外気温を示す外気温情報、日射量を示す日射量情報及び湿度を示す湿度情報と、実績ＥＶ充電量情報ＥＩに係るＥＶ６の充電電力量の積算値と、を教師データとして入力する。第２所定期間は、電力需要予測モデルの構築等を実行する所定タイミングに係る第１所定期間と同じであっても良いし、異なっていても良い。
分析サーバ２は、入力に基づいて機械学習を行い、所定日時（暦、事業所の開休業に関する曜日、祝日及び昼夜間の少なくとも何れか等、カレンダー情報ＬＩ）を適宜考慮に入れた外気温情報、日射量情報及び湿度情報に対応する、事業所の消費電力量、及びＥＶ６の充電電力量の第１所定時間（１日）の積算値を予測するモデル、即ち電力需要予測モデルを形成していく。ここでは、分析サーバ２は、１日内の各時間帯（例えば０時から２４時までの３０分毎の各時間帯）を単位とした予測を行い、外気温情報、日射量情報及び湿度情報は当該時間帯の平均としてまとめられ、消費電力量及び充電電力量は当該時間帯の消費電力量とされる。又、カレンダー情報ＬＩは、曜日及び祝日の少なくとも何れかを示す。尚、予測の単位及び要素の少なくとも何れか等は様々に変更可能であり、例えば、外気温情報等は当該１日内の１時間毎を単位として把握されても良い。又、事業所の消費電力量のモデルと、ＥＶ６の充電電力量の積算値のモデルとが区別されていても良い。更に、カレンダー情報ＬＩに代えて、あるいはカレンダー情報ＬＩと共に、事業所が営業しているかあるいは休業しているかを示す開休業情報が用いられても良い。開休業情報は、カレンダー情報ＬＩと関連する。開休業情報は、カレンダー情報ＬＩに含まれるものと扱われても良い。
形成された電力需要予測モデルに対し、特徴量（説明変数）として、将来の日時における所定時間帯の外気温情報である予報外気温情報に係る予報平均外気温と、当該所定時間帯の日射量情報である予報日射量情報に係る予報平均日射量と、当該所定時間帯の湿度情報である予報湿度情報に係る予報平均湿度とが入力されると、当該時間帯の予測に係る消費電力量を示す電力需要が出力され得、又当該時間帯の予測に係るＥＶ６の充電電力量の積算値が出力され得る。
即ち、分析サーバ２は、日射量、平均外気温、平均湿度、及び曜日等の少なくとも何れかを説明変数とした、事業所の予測電力需要及び予測されるＥＶ６の充電電力量の積算値の少なくとも一方を出力する電力需要予測モデルを形成する。曜日及び祝日の少なくとも一方は、事業所の開休業の種別に相当し得、即ち開業日（に相当し得る曜日等）であるかあるいは休業日（に相当し得る曜日等）であるかを示すものであり、曜日等を示す情報は、事業所が営業日であるかあるいは休業日であるかに関係するカレンダー情報ＬＩに相当する。尚、カレンダー情報ＬＩを把握する単位（時間帯）は、１日以外とされても良い。
尚、平均外気温に代えて、あるいは平均外気温と共に、当該時間帯内における最高外気温等が用いられても良い。同様の変更が、平均湿度等においてなされても良い。
分析サーバ２は、入力に基づいて機械学習を行い、所定日時（暦、事業所の開休業に関する曜日、祝日及び昼夜間の少なくとも何れか等、カレンダー情報ＬＩ）を適宜考慮に入れた外気温情報、日射量情報及び湿度情報に対応する、事業所の消費電力量、及びＥＶ６の充電電力量の第１所定時間（１日）の積算値を予測するモデル、即ち電力需要予測モデルを形成していく。ここでは、分析サーバ２は、１日内の各時間帯（例えば０時から２４時までの３０分毎の各時間帯）を単位とした予測を行い、外気温情報、日射量情報及び湿度情報は当該時間帯の平均としてまとめられ、消費電力量及び充電電力量は当該時間帯の消費電力量とされる。又、カレンダー情報ＬＩは、曜日及び祝日の少なくとも何れかを示す。尚、予測の単位及び要素の少なくとも何れか等は様々に変更可能であり、例えば、外気温情報等は当該１日内の１時間毎を単位として把握されても良い。又、事業所の消費電力量のモデルと、ＥＶ６の充電電力量の積算値のモデルとが区別されていても良い。更に、カレンダー情報ＬＩに代えて、あるいはカレンダー情報ＬＩと共に、事業所が営業しているかあるいは休業しているかを示す開休業情報が用いられても良い。開休業情報は、カレンダー情報ＬＩと関連する。開休業情報は、カレンダー情報ＬＩに含まれるものと扱われても良い。
形成された電力需要予測モデルに対し、特徴量（説明変数）として、将来の日時における所定時間帯の外気温情報である予報外気温情報に係る予報平均外気温と、当該所定時間帯の日射量情報である予報日射量情報に係る予報平均日射量と、当該所定時間帯の湿度情報である予報湿度情報に係る予報平均湿度とが入力されると、当該時間帯の予測に係る消費電力量を示す電力需要が出力され得、又当該時間帯の予測に係るＥＶ６の充電電力量の積算値が出力され得る。
即ち、分析サーバ２は、日射量、平均外気温、平均湿度、及び曜日等の少なくとも何れかを説明変数とした、事業所の予測電力需要及び予測されるＥＶ６の充電電力量の積算値の少なくとも一方を出力する電力需要予測モデルを形成する。曜日及び祝日の少なくとも一方は、事業所の開休業の種別に相当し得、即ち開業日（に相当し得る曜日等）であるかあるいは休業日（に相当し得る曜日等）であるかを示すものであり、曜日等を示す情報は、事業所が営業日であるかあるいは休業日であるかに関係するカレンダー情報ＬＩに相当する。尚、カレンダー情報ＬＩを把握する単位（時間帯）は、１日以外とされても良い。
尚、平均外気温に代えて、あるいは平均外気温と共に、当該時間帯内における最高外気温等が用いられても良い。同様の変更が、平均湿度等においてなされても良い。
【0032】
次いで、分析サーバ２は、事業所の電力需要予測のための特徴量を入手する（Ｓ１５）。
ここでは、分析サーバ２は、気象データサーバＷＳから、気象情報ＷＩのうち、第１特定時間（例えば４８時間）後までの第２所定時間毎の予報外気温情報、予報日射量情報及び予報湿度情報を得る。分析サーバ２は、各予報外気温情報が示す予報外気温の平均である予報平均外気温を演算する。又、分析サーバ２は、カレンダー情報ＬＩを参照して予測対象の曜日等を得る。
尚、分析サーバ２は、気象情報ＷＩとして晴れ、曇り、雨等の天気種別を受信し、その天気種別に基づいて、予報外気温情報、予報日射量情報及び予報湿度情報の少なくとも何れかを演算しても良い。分析サーバ２は、この演算において、暦及び過去の気象データの少なくとも一方等の、他の情報を用いても良い。
ここでは、分析サーバ２は、気象データサーバＷＳから、気象情報ＷＩのうち、第１特定時間（例えば４８時間）後までの第２所定時間毎の予報外気温情報、予報日射量情報及び予報湿度情報を得る。分析サーバ２は、各予報外気温情報が示す予報外気温の平均である予報平均外気温を演算する。又、分析サーバ２は、カレンダー情報ＬＩを参照して予測対象の曜日等を得る。
尚、分析サーバ２は、気象情報ＷＩとして晴れ、曇り、雨等の天気種別を受信し、その天気種別に基づいて、予報外気温情報、予報日射量情報及び予報湿度情報の少なくとも何れかを演算しても良い。分析サーバ２は、この演算において、暦及び過去の気象データの少なくとも一方等の、他の情報を用いても良い。
【0033】
そして、分析サーバ２は、入手し演算した特徴量を電力需要予測モデルに当て嵌めることで、事業所の電力需要を予測する（Ｓ１６）。
即ち、分析サーバ２は、予測したい日時から第１特定時間後までの期間における予報平均外気温及び曜日等を電力需要予測モデルに入力し、出力として当該期間における予測値としての事業所の電力需要を得る。
即ち、分析サーバ２は、予測したい日時から第１特定時間後までの期間における予報平均外気温及び曜日等を電力需要予測モデルに入力し、出力として当該期間における予測値としての事業所の電力需要を得る。
【0034】
そして、分析サーバ２は、時間帯（例えば０時から２４時までの１５分間ずつ）毎の充電可能な電力量の計算を行う（Ｓ１７）。
例えば、分析サーバ２は、各時間帯における契約電力量から、予測値としての事業所の電力需要を各時間帯に均等に割り振った値である予測電力需要割り振り値を減算し、更にマージン閾値を減算して、時間帯毎の充電可能な電力量を算出する。
マージン閾値は、電力需要予測モデルを用いて予測した電力需要において見込まれる誤差の最大値である。尚、マージン閾値は、電力需要予測モデルの予測誤差の所定期間（例えば当該時間帯）内における最大値とされても良い。マージン閾値は、電力需要予測モデルの予測誤差と同様に、ＲＭＳＥ及びＭＡＰＥの少なくとも一方により算出されても良いし、電力需要予測モデルの予測誤差と異なる手法で算出されても良い。マージン閾値は、過去データからの時間帯別の予測値の実績値に対する差異が最も少ない場合の誤差の最大値とされても良い。
かように、各時間帯における契約電力量からマージン閾値が減算されることで、万が一実際の消費電力量が予測値から増えたとしても、マージン閾値分のマージンが存在することとなり、ＥＶ６の充電電力量と事業所の消費電力量とが加わった全体電力量が契約電力量を超える事態の発生が抑制される。
換言すれば、分析サーバ２は、各時間帯毎に予測された消費電力量である電力需要に対し、マージン閾値に係る電力量であるマージン電力量を加えて算出されるマージン付加消費電力量が、契約電力量より小さい時間帯に、ＥＶ６を充電するための充電電力量を割り当てる。
尚、マージンは、マージン閾値の０．８倍等とされたり、マージン閾値の１．２倍等とされたりすることで、マージン閾値に基づき調整された値とされても良い。又、契約電力量は、アグリゲータ及び電力会社の少なくとも一方等の電力供給側から要求されるデマンドレスポンス（ＤＲ）の要求値とされても良い。ＤＲ要求値は、時間帯に応じて変化し得る。
例えば、分析サーバ２は、各時間帯における契約電力量から、予測値としての事業所の電力需要を各時間帯に均等に割り振った値である予測電力需要割り振り値を減算し、更にマージン閾値を減算して、時間帯毎の充電可能な電力量を算出する。
マージン閾値は、電力需要予測モデルを用いて予測した電力需要において見込まれる誤差の最大値である。尚、マージン閾値は、電力需要予測モデルの予測誤差の所定期間（例えば当該時間帯）内における最大値とされても良い。マージン閾値は、電力需要予測モデルの予測誤差と同様に、ＲＭＳＥ及びＭＡＰＥの少なくとも一方により算出されても良いし、電力需要予測モデルの予測誤差と異なる手法で算出されても良い。マージン閾値は、過去データからの時間帯別の予測値の実績値に対する差異が最も少ない場合の誤差の最大値とされても良い。
かように、各時間帯における契約電力量からマージン閾値が減算されることで、万が一実際の消費電力量が予測値から増えたとしても、マージン閾値分のマージンが存在することとなり、ＥＶ６の充電電力量と事業所の消費電力量とが加わった全体電力量が契約電力量を超える事態の発生が抑制される。
換言すれば、分析サーバ２は、各時間帯毎に予測された消費電力量である電力需要に対し、マージン閾値に係る電力量であるマージン電力量を加えて算出されるマージン付加消費電力量が、契約電力量より小さい時間帯に、ＥＶ６を充電するための充電電力量を割り当てる。
尚、マージンは、マージン閾値の０．８倍等とされたり、マージン閾値の１．２倍等とされたりすることで、マージン閾値に基づき調整された値とされても良い。又、契約電力量は、アグリゲータ及び電力会社の少なくとも一方等の電力供給側から要求されるデマンドレスポンス（ＤＲ）の要求値とされても良い。ＤＲ要求値は、時間帯に応じて変化し得る。
【0035】
［２－３］ＥＶの充電可能量予測の動作等
図４は、ＥＶ６の充電可能量予測処理（Ｓ２）の詳細を示すフローチャートである。
分析サーバ２は、実績に係る各種の過去データを入手する（Ｓ２１）。過去データには、ＥＶ６が実際に走行した際の位置を示す情報であるＥＶ位置情報ＰＩ、ＥＶ６が実際に走行した際の車内温度を示す情報であるＥＶ車内温度情報ＴＩ、及びＥＶ６が実際に走行した日時及びエリアの気象情報ＷＩが含まれる。ＥＶ位置情報ＰＩ、ＥＶ車内温度情報ＴＩ、及び気象情報ＷＩは、それぞれ日時即ち暦と対応付けられている。
そして、分析サーバ２は、ＥＶ６のＳＯＣ予測モデルを構築して、そのモデルを示す情報であるＳＯＣ予測モデル情報ＳＭを記憶すると共に（Ｓ２２）、特定タイミング毎にＳＯＣ予測モデルの再構築又は更新を行って、新たなＳＯＣ予測モデル情報ＳＭとして記憶して（Ｓ２３）、Ｓ２１～Ｓ２３の適宜の繰り返しにより、より良い精度となることが見込まれるＳＯＣ予測モデル及びＳＯＣ予測モデル情報ＳＭを形成する。特定タイミングは、ここでは電力需要予測モデルに係る所定タイミングと同じである。尚、電力需要予測モデルに係る所定タイミングとＳＯＣ予測モデルに係る特定タイミングとは、異なっていても良く、例えば所定タイミングの第１所定期間と特定タイミングの第１特定期間とが異なっていても良い。又、特定タイミングは、第１所定期間毎に代えて、あるいは第１所定期間毎と共に、ＳＯＣ予測モデルの再構築又は更新を実行する旨の入力があったとき、及び過去データが特定量以上蓄積されたとき、の少なくとも何れか等であっても良い。電力需要予測モデルに係る過去データの所定量、及びＳＯＣ予測モデルに係る過去データの特定量は、同じであっても良いし、異なっていても良い。
分析サーバ２は、Ｓ２１～Ｓ２３の繰り返しをしつつ、図３のＳ２４以降及び図２のＳ３以降を並行する。
図４は、ＥＶ６の充電可能量予測処理（Ｓ２）の詳細を示すフローチャートである。
分析サーバ２は、実績に係る各種の過去データを入手する（Ｓ２１）。過去データには、ＥＶ６が実際に走行した際の位置を示す情報であるＥＶ位置情報ＰＩ、ＥＶ６が実際に走行した際の車内温度を示す情報であるＥＶ車内温度情報ＴＩ、及びＥＶ６が実際に走行した日時及びエリアの気象情報ＷＩが含まれる。ＥＶ位置情報ＰＩ、ＥＶ車内温度情報ＴＩ、及び気象情報ＷＩは、それぞれ日時即ち暦と対応付けられている。
そして、分析サーバ２は、ＥＶ６のＳＯＣ予測モデルを構築して、そのモデルを示す情報であるＳＯＣ予測モデル情報ＳＭを記憶すると共に（Ｓ２２）、特定タイミング毎にＳＯＣ予測モデルの再構築又は更新を行って、新たなＳＯＣ予測モデル情報ＳＭとして記憶して（Ｓ２３）、Ｓ２１～Ｓ２３の適宜の繰り返しにより、より良い精度となることが見込まれるＳＯＣ予測モデル及びＳＯＣ予測モデル情報ＳＭを形成する。特定タイミングは、ここでは電力需要予測モデルに係る所定タイミングと同じである。尚、電力需要予測モデルに係る所定タイミングとＳＯＣ予測モデルに係る特定タイミングとは、異なっていても良く、例えば所定タイミングの第１所定期間と特定タイミングの第１特定期間とが異なっていても良い。又、特定タイミングは、第１所定期間毎に代えて、あるいは第１所定期間毎と共に、ＳＯＣ予測モデルの再構築又は更新を実行する旨の入力があったとき、及び過去データが特定量以上蓄積されたとき、の少なくとも何れか等であっても良い。電力需要予測モデルに係る過去データの所定量、及びＳＯＣ予測モデルに係る過去データの特定量は、同じであっても良いし、異なっていても良い。
分析サーバ２は、Ｓ２１～Ｓ２３の繰り返しをしつつ、図３のＳ２４以降及び図２のＳ３以降を並行する。
【0036】
分析サーバ２は、ＳＯＣ予測モデルにつき、機械学習によって構築を行い、又再構築若しくは更新を行う。
機械学習は、電力需要予測モデルの場合と同様に、どのような形式であっても良く、例えば回帰分析であっても良いし、時系列分析であっても良い。
尚、機械学習の形式は、電力需要予測モデルとＳＯＣ予測モデルとで一致していても良いし、異なっていても良い。
機械学習は、電力需要予測モデルの場合と同様に、どのような形式であっても良く、例えば回帰分析であっても良いし、時系列分析であっても良い。
尚、機械学習の形式は、電力需要予測モデルとＳＯＣ予測モデルとで一致していても良いし、異なっていても良い。
【0037】
ＳＯＣ予測モデルの機械学習において、分析サーバ２は、第２特定期間（例えば未分析の特定の一週間）にわたる、ＥＶ６が走行している際のＥＶ位置情報ＰＩ及びＥＶ６が走行している際のＥＶ車内温度情報ＴＩの少なくとも一方から算出される値である走行特性値、並びに走行エリアの気象情報ＷＩのうちの平均外気温、及びＥＶ６のＳＯＣに係るＥＶ充電状態情報ＳＩを、教師データとして入力する。
分析サーバ２は、入力に基づいて機械学習を行い、所定日時（暦）を適宜考慮に入れた走行特性値及び平均外気温に対応する、ＥＶ６のＳＯＣの変化を予測するモデル、即ちＳＯＣ予測モデルを形成していく。ここでは、分析サーバ２は、１回の走行即ちＥＶ６で１以上の目的地を訪れて事業所に戻るまでを単位とした予測を行い、外気温情報は当該走行の平均外気温としてまとめられ、ＥＶ車内温度情報ＴＩは当該走行の平均車内温度としてまとめられ、ＥＶ充電状態情報ＳＩは当該走行におけるＳＯＣの減少幅とされる。尚、予測の単位及び要素の少なくとも何れか等は様々に変更可能であり、例えば、走行特性値は、ＥＶ６毎の１日間等での積算値とされても良い。
形成されたＳＯＣ予測モデルに対し、特徴量として、将来の日時の外気温情報である予報外気温情報に係る予報平均外気温、及び走行予定ルートに係る予定走行特性値が入力されると、当該日時の予測に係るＥＶ６のＳＯＣあるいはその変化が出力され得る。
分析サーバ２は、入力に基づいて機械学習を行い、所定日時（暦）を適宜考慮に入れた走行特性値及び平均外気温に対応する、ＥＶ６のＳＯＣの変化を予測するモデル、即ちＳＯＣ予測モデルを形成していく。ここでは、分析サーバ２は、１回の走行即ちＥＶ６で１以上の目的地を訪れて事業所に戻るまでを単位とした予測を行い、外気温情報は当該走行の平均外気温としてまとめられ、ＥＶ車内温度情報ＴＩは当該走行の平均車内温度としてまとめられ、ＥＶ充電状態情報ＳＩは当該走行におけるＳＯＣの減少幅とされる。尚、予測の単位及び要素の少なくとも何れか等は様々に変更可能であり、例えば、走行特性値は、ＥＶ６毎の１日間等での積算値とされても良い。
形成されたＳＯＣ予測モデルに対し、特徴量として、将来の日時の外気温情報である予報外気温情報に係る予報平均外気温、及び走行予定ルートに係る予定走行特性値が入力されると、当該日時の予測に係るＥＶ６のＳＯＣあるいはその変化が出力され得る。
【0038】
分析サーバ２は、ＳＯＣ予測に必要な走行データを計測する（Ｓ２４）。
ここでは、分析サーバ２は、ＥＶ走行データサーバＤＳから、実績に係るＥＶ位置情報ＰＩ及びＥＶ車内温度情報ＴＩを得る。又、分析サーバ２は、気象データサーバＷＳから、ＥＶ６の走行時に係る走行エリアの気象情報ＷＩを得て平均外気温を算出する。
ここでは、分析サーバ２は、ＥＶ走行データサーバＤＳから、実績に係るＥＶ位置情報ＰＩ及びＥＶ車内温度情報ＴＩを得る。又、分析サーバ２は、気象データサーバＷＳから、ＥＶ６の走行時に係る走行エリアの気象情報ＷＩを得て平均外気温を算出する。
【0039】
分析サーバ２は、入手した走行データから、ＳＯＣ予測のための特徴量を抽出する（Ｓ２５）。
ここでは、分析サーバ２は、特徴量の１つとして、地図情報ＭＰを参照し、ＥＶ位置情報ＰＩから走行毎の走行距離、加速度、及び積算高低差即ちアップダウンを算出する。走行距離、加速度、及びアップダウンは、走行データから算出される走行特性値である。尚、分析サーバ２は、地図情報ＭＰを参照せずに走行距離等を算出しあるいは取得しても良く、例えば加速度は加速度センサにより検知されたものを用いても良いし、アップダウンは標高センサにより検知された標高の推移に基づいて把握されても良い。又、算出する各種の要素は適宜変更可能であり、例えば、アップダウンは登り方向のみの高低差を積算したものであっても良いし、加速度は省略されても良い。走行距離は走行距離情報で示され、加速度は加速度情報で示され、アップダウンはアップダウン情報で示される。
又、分析サーバ２は、当該走行における走行エリアの平均外気温をそのまま特徴量の１つとする。走行エリアの平均外気温は、ＥＶ６における空調機（エアコンディショナ）の使用と関連している。空調機の使用は、ＥＶ６の蓄電池のエネルギーを費やすことから、ＳＯＣの減少につながる。走行エリアの平均外気温は、走行エリア平均外気温情報で示される。
更に、分析サーバ２は、特徴量の１つとして、ＥＶ車内温度情報ＴＩから平均車内温度を算出する。尚、平均車内温度は、走行特性値に含めても良い。又、特徴量の１つとして、平均車内温度に代えて、あるいは平均車内温度と共に、最高車内温度、時間帯毎の車内温度（車内温度の推移）、及び外気温と車内温度との温度差の少なくとも何れかが用いられても良い。
ここでは、分析サーバ２は、特徴量の１つとして、地図情報ＭＰを参照し、ＥＶ位置情報ＰＩから走行毎の走行距離、加速度、及び積算高低差即ちアップダウンを算出する。走行距離、加速度、及びアップダウンは、走行データから算出される走行特性値である。尚、分析サーバ２は、地図情報ＭＰを参照せずに走行距離等を算出しあるいは取得しても良く、例えば加速度は加速度センサにより検知されたものを用いても良いし、アップダウンは標高センサにより検知された標高の推移に基づいて把握されても良い。又、算出する各種の要素は適宜変更可能であり、例えば、アップダウンは登り方向のみの高低差を積算したものであっても良いし、加速度は省略されても良い。走行距離は走行距離情報で示され、加速度は加速度情報で示され、アップダウンはアップダウン情報で示される。
又、分析サーバ２は、当該走行における走行エリアの平均外気温をそのまま特徴量の１つとする。走行エリアの平均外気温は、ＥＶ６における空調機（エアコンディショナ）の使用と関連している。空調機の使用は、ＥＶ６の蓄電池のエネルギーを費やすことから、ＳＯＣの減少につながる。走行エリアの平均外気温は、走行エリア平均外気温情報で示される。
更に、分析サーバ２は、特徴量の１つとして、ＥＶ車内温度情報ＴＩから平均車内温度を算出する。尚、平均車内温度は、走行特性値に含めても良い。又、特徴量の１つとして、平均車内温度に代えて、あるいは平均車内温度と共に、最高車内温度、時間帯毎の車内温度（車内温度の推移）、及び外気温と車内温度との温度差の少なくとも何れかが用いられても良い。
【0040】
そして、分析サーバ２は、特徴量をＳＯＣ予測モデルに当て嵌めることで、時間帯毎のＥＶ６への充電可能な電力（充電可能量）の計算を行う（Ｓ２６）。
ここでは、分析サーバ２は、ＥＶ予約情報ＲＩで示されるＥＶ６の予定走行に基づいて算出される、予定走行エリアの予定走行時間に係る予報平均外気温である予定走行エリア外気温情報と、予定走行距離と、予定アップダウンと、今までの実績と同程度と見込まれた予定加速度及び予定平均車内温度とについて、ＳＯＣ予測モデルに当て嵌めて、予定走行に係るＥＶ６のＳＯＣの減少を予測し、その減少及び存在すればＥＶ６の次の予定走行の出発時刻即ち予定使用開始時刻、及び１以上の予定目的地への到達及び事業所への帰還即ち予定目的地に対する往復又は周回に必要なＳＯＣ上昇量に対応可能な充電量を、時間帯毎に割り振る。この割り振りにおいて、分析サーバ２は、Ｓ１７で算出された時間帯毎の充電可能な電力量を参照し、例えば割り振る充電電力量が充電可能な電力量を超えないように調整する。予定目的地が１箇所である場合、予定目的地に対する往復となり、予定目的地が複数箇所である場合、予定目的地に対する周回となる。
尚、分析サーバ２は、事業所毎に充電電力量の予測を行っても良い。この場合、例えば事業所に属する複数のＥＶ６の走行特性値が合算される。
ここでは、分析サーバ２は、ＥＶ予約情報ＲＩで示されるＥＶ６の予定走行に基づいて算出される、予定走行エリアの予定走行時間に係る予報平均外気温である予定走行エリア外気温情報と、予定走行距離と、予定アップダウンと、今までの実績と同程度と見込まれた予定加速度及び予定平均車内温度とについて、ＳＯＣ予測モデルに当て嵌めて、予定走行に係るＥＶ６のＳＯＣの減少を予測し、その減少及び存在すればＥＶ６の次の予定走行の出発時刻即ち予定使用開始時刻、及び１以上の予定目的地への到達及び事業所への帰還即ち予定目的地に対する往復又は周回に必要なＳＯＣ上昇量に対応可能な充電量を、時間帯毎に割り振る。この割り振りにおいて、分析サーバ２は、Ｓ１７で算出された時間帯毎の充電可能な電力量を参照し、例えば割り振る充電電力量が充電可能な電力量を超えないように調整する。予定目的地が１箇所である場合、予定目的地に対する往復となり、予定目的地が複数箇所である場合、予定目的地に対する周回となる。
尚、分析サーバ２は、事業所毎に充電電力量の予測を行っても良い。この場合、例えば事業所に属する複数のＥＶ６の走行特性値が合算される。
【0041】
［２－４］充電計画及び充電の各動作等
図５は、ＥＶ６の充電計画処理（Ｓ３）及び充電処理（Ｓ４）の詳細を示すフローチャートである。
分析サーバ２は、時間帯毎の充電可能な電力需要と時間帯毎のＥＶ６への充電可能な電力とを参照する（Ｓ３１）。
図５は、ＥＶ６の充電計画処理（Ｓ３）及び充電処理（Ｓ４）の詳細を示すフローチャートである。
分析サーバ２は、時間帯毎の充電可能な電力需要と時間帯毎のＥＶ６への充電可能な電力とを参照する（Ｓ３１）。
【0042】
次に、分析サーバ２は、ＥＶ６の運行計画情報即ち運行スケジュールを示すＥＶ予約情報ＲＩを参照する（Ｓ３２）。
【0043】
続いて、分析サーバ２は、ＥＶ６の充電パターンを示すＥＶ充電パターン情報ＮＩを参照する（Ｓ３３）。
【0044】
そして、分析サーバ２は、ＥＶ６の充電条件に応じた充電スケジュールの計算を行う（Ｓ３４）。
充電条件として、ここでは次の３種が存在する。即ち、契約電力量超過抑制モード、電気料金抑制モード、及びＣＯ２抑制モードである。充電条件は、例えば、当該充電条件を示す充電条件情報の端末４への入力、及び分析サーバ２への送信により指定される。
分析サーバ２は、契約電力量超過抑制モードが指定された場合、例えば時間帯毎の充電可能な電力量の算出（Ｓ１７）において、予測誤差の最大値の減算に加えて更に正の数であるの追加的な予備値を減算して、充電可能な電力量への対応により事業所の消費電力量が契約電力量を上回る事態が抑制されるようにする。
又、分析サーバ２は、電気料金抑制モードが指定された場合、例えば料金情報ＣＩを参照して、ＥＶ６の充電に係る電気料金が抑制されるような充電スケジュールを計算する。
更に、分析サーバ２は、ＣＯ２抑制モードが指定された場合、例えば時間帯毎の発電所（再生可能エネルギーを含む）のＣＯ２発生量の平均値を参照し、ＣＯ２発生量が抑制されるような充電スケジュールを計算する。当該平均値は、例えば分析サーバ２の記憶部１０に記憶される。
充電条件として、ここでは次の３種が存在する。即ち、契約電力量超過抑制モード、電気料金抑制モード、及びＣＯ２抑制モードである。充電条件は、例えば、当該充電条件を示す充電条件情報の端末４への入力、及び分析サーバ２への送信により指定される。
分析サーバ２は、契約電力量超過抑制モードが指定された場合、例えば時間帯毎の充電可能な電力量の算出（Ｓ１７）において、予測誤差の最大値の減算に加えて更に正の数であるの追加的な予備値を減算して、充電可能な電力量への対応により事業所の消費電力量が契約電力量を上回る事態が抑制されるようにする。
又、分析サーバ２は、電気料金抑制モードが指定された場合、例えば料金情報ＣＩを参照して、ＥＶ６の充電に係る電気料金が抑制されるような充電スケジュールを計算する。
更に、分析サーバ２は、ＣＯ２抑制モードが指定された場合、例えば時間帯毎の発電所（再生可能エネルギーを含む）のＣＯ２発生量の平均値を参照し、ＣＯ２発生量が抑制されるような充電スケジュールを計算する。当該平均値は、例えば分析サーバ２の記憶部１０に記憶される。
【0045】
又、分析サーバ２は、充電スケジュールの算出を、次のように行える。
即ち、分析サーバ２は、予測されたＳＯＣの減少量に基づいて、ＥＶ６毎の必要な充電電力量を把握し、ＥＶ６の運行スケジュールに基づいて、ＥＶ６毎の充電電力量の割り当てを行える。分析サーバ２は、ＥＶ６が複数台ある場合には、ＥＶ６の運行スケジュールに基づいて、ＥＶ６毎の充電優先順位が判定され得る。
より詳しくは、分析サーバ２は、ＥＶ６における予定使用開始時刻の早い順に、予定目的地に対し往復可能又は周回可能なＥＶ６毎の充電電力量の割り当てを、事業所の電力需要が契約電力量を超えないように行える。
例えば、分析サーバ２は、第１のＥＶ６の現在のＳＯＣが第２のＥＶ６の現在のＳＯＣより大きくても、第１のＥＶ６の予定使用開始時刻が第２のＥＶ６の予定使用開始時刻より早く、且つ第１のＥＶ６の現在のＳＯＣでは予定目的地に対し往復可能又は周回可能な走行可能距離に対応する予定ＳＯＣ減少量を賄えない場合、第１のＥＶ６を第２のＥＶ６より先に、より大きい充電量で充電するスケジュールを立てる。又、分析サーバ２は、第１のＥＶ６及び第２のＥＶ６の少なくとも一方におけるＳＯＣが予定ＳＯＣ減少量を超える充電が予定使用開始時刻までに余裕を持って行える場合、料金情報ＣＩを参照して、ＥＶ６の充電を、夜間等の電力単価の低廉な時間帯に割り振れる。
尚、予定ＳＯＣ減少量を賄えるＳＯＣは、予定ＳＯＣ減少量に対して不足しないものであれば良く、予定ＳＯＣ減少量と同じであっても良いし、予定ＳＯＣ減少量に対して所定幅以上等の余裕を持つものであっても良い。第１のＥＶ６及び第２のＥＶ６等が何れも予定使用開始時刻までに余裕を持って充電可能である場合、それぞれのＥＶ６の一部又は全部を同時にあるいは順次に、予定ＳＯＣ減少量にかかわらず満充電まで充電するように充電電力量が割り振られても良い。又、分析サーバ２は、例えば第１のＥＶ６を予定ＳＯＣ減少量を賄えるＳＯＣまで充電し、第２のＥＶ６を予定ＳＯＣ減少量を賄えるＳＯＣまで充電した後、更に充電可能であれば第１のＥＶ６を満充電等まで更に充電するように充電電力量を割り振っても良い。更に、分析サーバ２は、ＥＶ６の使用を優先する場合等において、一時的に契約電力量を超える状態で充電電力量を割り振っても良い。
即ち、分析サーバ２は、予測されたＳＯＣの減少量に基づいて、ＥＶ６毎の必要な充電電力量を把握し、ＥＶ６の運行スケジュールに基づいて、ＥＶ６毎の充電電力量の割り当てを行える。分析サーバ２は、ＥＶ６が複数台ある場合には、ＥＶ６の運行スケジュールに基づいて、ＥＶ６毎の充電優先順位が判定され得る。
より詳しくは、分析サーバ２は、ＥＶ６における予定使用開始時刻の早い順に、予定目的地に対し往復可能又は周回可能なＥＶ６毎の充電電力量の割り当てを、事業所の電力需要が契約電力量を超えないように行える。
例えば、分析サーバ２は、第１のＥＶ６の現在のＳＯＣが第２のＥＶ６の現在のＳＯＣより大きくても、第１のＥＶ６の予定使用開始時刻が第２のＥＶ６の予定使用開始時刻より早く、且つ第１のＥＶ６の現在のＳＯＣでは予定目的地に対し往復可能又は周回可能な走行可能距離に対応する予定ＳＯＣ減少量を賄えない場合、第１のＥＶ６を第２のＥＶ６より先に、より大きい充電量で充電するスケジュールを立てる。又、分析サーバ２は、第１のＥＶ６及び第２のＥＶ６の少なくとも一方におけるＳＯＣが予定ＳＯＣ減少量を超える充電が予定使用開始時刻までに余裕を持って行える場合、料金情報ＣＩを参照して、ＥＶ６の充電を、夜間等の電力単価の低廉な時間帯に割り振れる。
尚、予定ＳＯＣ減少量を賄えるＳＯＣは、予定ＳＯＣ減少量に対して不足しないものであれば良く、予定ＳＯＣ減少量と同じであっても良いし、予定ＳＯＣ減少量に対して所定幅以上等の余裕を持つものであっても良い。第１のＥＶ６及び第２のＥＶ６等が何れも予定使用開始時刻までに余裕を持って充電可能である場合、それぞれのＥＶ６の一部又は全部を同時にあるいは順次に、予定ＳＯＣ減少量にかかわらず満充電まで充電するように充電電力量が割り振られても良い。又、分析サーバ２は、例えば第１のＥＶ６を予定ＳＯＣ減少量を賄えるＳＯＣまで充電し、第２のＥＶ６を予定ＳＯＣ減少量を賄えるＳＯＣまで充電した後、更に充電可能であれば第１のＥＶ６を満充電等まで更に充電するように充電電力量を割り振っても良い。更に、分析サーバ２は、ＥＶ６の使用を優先する場合等において、一時的に契約電力量を超える状態で充電電力量を割り振っても良い。
【0046】
続いて、分析サーバ２は、ＥＶ６毎の第２特定時間（例えば４８時間）先までの充電出力を計算する（Ｓ３５）。尚、電力需要予測のための特徴量を入手する時間である第１特定時間と、第２特定時間とは、異なっていても良い。
この計算において、分析サーバ２は、Ｓ３３で参照したＥＶ充電パターン情報ＮＩ、及びＳ３４で算出された充電スケジュールの少なくとも一方を参照可能である。
この計算において、分析サーバ２は、Ｓ３３で参照したＥＶ充電パターン情報ＮＩ、及びＳ３４で算出された充電スケジュールの少なくとも一方を参照可能である。
【0047】
そして、分析サーバ２は、Ｓ３５で計算された充電出力に基づいて、充電器８へ、ＥＶ６毎の充電制御値を出力する（Ｓ３６）。充電器８は、当該ＥＶ６が接続された場合、当該充電制御値に基づいてＥＶ６を充電する。
かように、充電管理システム１では、分析サーバ２等により、事業所の電力需要パターン、及びＥＶ６の運行スケジュールに基づき、ＥＶ６の充電が制御され、ＥＶ６が複数台である場合にはＥＶ６毎の充電優先順位が判定され、もってＥＶ６の運行に必要な充電量が効率的に割り振られ、事業所全体の消費電力が抑制可能となり、又電気料金の安い時間帯にＥＶ６の充電をシフト可能として、ＥＶ６の使用に伴い生じ得る電力設備の増強及び契約電力量の上昇に基づく電気料金の高額化等の負担が抑制され得る。
そして、充電管理システム１は、カーボンニュートラル、脱炭素の実現等に鑑みＥＶ６の普及が進む中、ＥＶ６の充電を経済的価値に優れた状態で管理することができ、事業所でのＥＶ６の導入及び充電管理による環境価値の向上に資する。
かように、充電管理システム１では、分析サーバ２等により、事業所の電力需要パターン、及びＥＶ６の運行スケジュールに基づき、ＥＶ６の充電が制御され、ＥＶ６が複数台である場合にはＥＶ６毎の充電優先順位が判定され、もってＥＶ６の運行に必要な充電量が効率的に割り振られ、事業所全体の消費電力が抑制可能となり、又電気料金の安い時間帯にＥＶ６の充電をシフト可能として、ＥＶ６の使用に伴い生じ得る電力設備の増強及び契約電力量の上昇に基づく電気料金の高額化等の負担が抑制され得る。
そして、充電管理システム１は、カーボンニュートラル、脱炭素の実現等に鑑みＥＶ６の普及が進む中、ＥＶ６の充電を経済的価値に優れた状態で管理することができ、事業所でのＥＶ６の導入及び充電管理による環境価値の向上に資する。
【0048】
［２－５］ＥＶ運行スケジュールの表示動作等
図６は、ＥＶ運行スケジュールの表示を示す模式図である。
分析サーバ２は、上述のＳ５に関連し、電力需要予測モデル情報ＤＭに特徴量を当て嵌めて得られる事業所の電力需要及びＥＶ６への充電可能電力量の予測、並びにＳＯＣ予測モデル情報ＳＭに特徴量を当て嵌めて得られるＥＶ６のＳＯＣの変化予測に基づいて、ＥＶ６の走行可能距離の変遷予測を算出し、端末４に送信可能である。ここでは、算出当日の１日間の走行可能距離の変遷が予測されて算出される。
図６は、ＥＶ運行スケジュールの表示を示す模式図である。
分析サーバ２は、上述のＳ５に関連し、電力需要予測モデル情報ＤＭに特徴量を当て嵌めて得られる事業所の電力需要及びＥＶ６への充電可能電力量の予測、並びにＳＯＣ予測モデル情報ＳＭに特徴量を当て嵌めて得られるＥＶ６のＳＯＣの変化予測に基づいて、ＥＶ６の走行可能距離の変遷予測を算出し、端末４に送信可能である。ここでは、算出当日の１日間の走行可能距離の変遷が予測されて算出される。
【0049】
端末４（端末制御部２４）は、電動車両関連情報としてのＥＶ６の走行可能距離に係る変遷予測を端末通信部２２において受信すると、端末記憶部２０において記憶すると共に、例えば図６で示されるように、端末表示部２８において、ＥＶ運行スケジュールとして表示する。
尚、分析サーバ２は、電動車両関連情報として、ＥＶ６の走行可能距離に代えて、あるいは走行可能距離と共に、ＳＯＣ等を算出し、端末４がＳＯＣ等を表示しても良い。又、分析サーバ２は、各種の予測値と共に、実績値即ち過去データを送信し、端末４が実績値を表示しても良い。更に、端末４への入力等で指定された日時におけるＥＶ運行スケジュールが、計算され、送信され、表示されても良い。加えて、ＥＶ運行スケジュールの表示、及びそのための分析サーバ２から端末４への各種の情報の送信は、様々なタイミングで行うことができ、例えば、第７所定時間（１５分間）毎に直前の情報に基づいて送信され表示されても良いし、端末４へ表示あるいはその更新を要求する入力があった場合に送信され表示されても良いし、関係する情報の少なくとも何れかについて更新があった場合に、最新の情報に基づいて、リアルタイムで送信され表示されても良いし、これらが適宜組み合わせられても良い。
尚、分析サーバ２は、電動車両関連情報として、ＥＶ６の走行可能距離に代えて、あるいは走行可能距離と共に、ＳＯＣ等を算出し、端末４がＳＯＣ等を表示しても良い。又、分析サーバ２は、各種の予測値と共に、実績値即ち過去データを送信し、端末４が実績値を表示しても良い。更に、端末４への入力等で指定された日時におけるＥＶ運行スケジュールが、計算され、送信され、表示されても良い。加えて、ＥＶ運行スケジュールの表示、及びそのための分析サーバ２から端末４への各種の情報の送信は、様々なタイミングで行うことができ、例えば、第７所定時間（１５分間）毎に直前の情報に基づいて送信され表示されても良いし、端末４へ表示あるいはその更新を要求する入力があった場合に送信され表示されても良いし、関係する情報の少なくとも何れかについて更新があった場合に、最新の情報に基づいて、リアルタイムで送信され表示されても良いし、これらが適宜組み合わせられても良い。
【0050】
図６の例では、事業所に属する２台のＥＶ６の種別が、車種２８Ａとして表示されている。
又、各ＥＶ６の最大走行可能距離即ち航続距離が、走行距離２８Ｂとして表示されている。各ＥＶ６の走行距離２８Ｂは、何れも３００ｋｍ（キロメートル）である。
又、各ＥＶ６の最大走行可能距離即ち航続距離が、走行距離２８Ｂとして表示されている。各ＥＶ６の走行距離２８Ｂは、何れも３００ｋｍ（キロメートル）である。
【0051】
更に、８時、９時等の各時刻を示すタイムバー２８Ｃが表示されている。
又、ＥＶ１号車に係るＥＶ６について、８時から１２時まで〇〇支店を目的地とした予約が入っている旨、即ち具体的なＥＶ予約情報ＲＩが表示されている。
尚、ＥＶ予約情報ＲＩに代えて、あるいはＥＶ予約情報ＲＩと共に、当該予約の走行で予測されるＳＯＣの減少量等が、算出され、送信され、表示されても良い。又、タイムバー２８Ｃの下側への表示に応じた入力等により、当該ＥＶ６の予約を受け付けて、ＥＶ予約情報ＲＩを発行しても良く、即ちＥＶ運行スケジュールの表示がＥＶ６の予約受付表示を兼ねても良い。ＥＶ６の予約は、目的地及び使用予定時間を入力して行われても良い。新たなＥＶ６の予約の入力が確定された場合、当該予約の走行で予測される残り走行可能距離２８Ｄ等が、算出され、送信されて、更新されたＥＶ運行スケジュールが表示されても良い。
又、ＥＶ１号車に係るＥＶ６について、８時から１２時まで〇〇支店を目的地とした予約が入っている旨、即ち具体的なＥＶ予約情報ＲＩが表示されている。
尚、ＥＶ予約情報ＲＩに代えて、あるいはＥＶ予約情報ＲＩと共に、当該予約の走行で予測されるＳＯＣの減少量等が、算出され、送信され、表示されても良い。又、タイムバー２８Ｃの下側への表示に応じた入力等により、当該ＥＶ６の予約を受け付けて、ＥＶ予約情報ＲＩを発行しても良く、即ちＥＶ運行スケジュールの表示がＥＶ６の予約受付表示を兼ねても良い。ＥＶ６の予約は、目的地及び使用予定時間を入力して行われても良い。新たなＥＶ６の予約の入力が確定された場合、当該予約の走行で予測される残り走行可能距離２８Ｄ等が、算出され、送信されて、更新されたＥＶ運行スケジュールが表示されても良い。
【0052】
又更に、ＥＶ１号車に係るＥＶ６について、８時から１２時までの走行で予測されるＳＯＣの減少から算出された、１２時即ちＥＶ予約情報ＲＩにおける使用終了予定時刻における残り走行可能距離２８Ｄが、１００ｋｍであることが表示されている。
又、充電可能電力量の予測に従い、ＥＶ１号車に係るＥＶ６が１２時に充電器８に接続されて充電開始されると、１３時の時点で残り走行可能距離２８Ｄが１５０ｋｍに延び、１４時の時点で残り走行可能距離２８Ｄが２００ｋｍに延び、１５時の時点で残り走行可能距離２８Ｄが２５０ｋｍに延び、１６時の時点で残り走行可能距離２８Ｄが３００ｋｍに回復する予定である旨、表示されている。
又、充電可能電力量の予測に従い、ＥＶ１号車に係るＥＶ６が１２時に充電器８に接続されて充電開始されると、１３時の時点で残り走行可能距離２８Ｄが１５０ｋｍに延び、１４時の時点で残り走行可能距離２８Ｄが２００ｋｍに延び、１５時の時点で残り走行可能距離２８Ｄが２５０ｋｍに延び、１６時の時点で残り走行可能距離２８Ｄが３００ｋｍに回復する予定である旨、表示されている。
【0053】
同様に、ＥＶ２号車に係るＥＶ６について、１１時から１３時まで△△大学を目的地とした予約が入っている旨、即ち具体的なＥＶ予約情報ＲＩが表示されている。
又更に、ＥＶ２号車に係るＥＶ６について、１１時から１３時までの走行で予測されるＳＯＣの減少から算出された１４時の時点での残り走行可能距離２８Ｄが、２００ｋｍであることが表示されている。
又、充電可能電力量の予測に従い、ＥＶ２号車に係るＥＶ６が１４時に充電器８に接続されて充電開始されると、１５時の時点で残り走行可能距離２８Ｄが２５０ｋｍに延び、１６時の時点で残り走行可能距離２８Ｄが３００ｋｍに回復する予定である旨、表示されている。
又更に、ＥＶ２号車に係るＥＶ６について、１１時から１３時までの走行で予測されるＳＯＣの減少から算出された１４時の時点での残り走行可能距離２８Ｄが、２００ｋｍであることが表示されている。
又、充電可能電力量の予測に従い、ＥＶ２号車に係るＥＶ６が１４時に充電器８に接続されて充電開始されると、１５時の時点で残り走行可能距離２８Ｄが２５０ｋｍに延び、１６時の時点で残り走行可能距離２８Ｄが３００ｋｍに回復する予定である旨、表示されている。
【0054】
［３］具体例等
以下、充電管理システム１の具体例が説明される。
以下、充電管理システム１の具体例が説明される。
【0055】
２つの事業所において、電力需要が予測された。Ａ事業所は、１年間の累積降雪量が１０センチ未満の日本における温暖地に所在している。Ｂ事業所は、１年間の累積降雪量が６０センチ前後の日本における寒冷地に所在している。
各事業所における西暦２０１９年の１年分の日射量、平均外気温、平均湿度、及び曜日を説明変数とし、消費電力量を目的変数として、機械学習により、電力需要予測モデル情報ＤＭが形成された。又、この電力需要予測モデル情報ＤＭにおける学習中の予測誤差として、ＲＭＳＥ及びＭＡＰＥが算出された。尚、ここでの機械学習及び予測誤差の算出は、機械学習機能を有するクラウドサービスにより行われた。
Ａ事業所に対しては、２種類の予測モデルが用いられた。１つは、複数種類の回帰モデルのアンサンブル学習による予測モデルであって、各回帰モデルの結果についてまとめるためのモデルを更に構築したものであるスタックアンサンブル回帰モデルである。もう１つは、複数種類の時系列モデルのアンサンブル学習による予測モデルであって、各時系列モデルの結果を投票とみて多数決により見出された結果を全体の結果とするものであるヴォーティングアンサンブル時系列モデルである。
Ｂ事業所に対しては、２種類の予測モデルが用いられた。１つは、複数種類の回帰モデルのアンサンブル学習による予測モデルであって、各回帰モデルの結果を投票とみて多数決により見出された結果を全体の結果とするものであるヴォーティングアンサンブル回帰モデルである。もう１つは、上述のヴォーティングアンサンブル時系列モデルである。
そして、この電力需要予測モデル情報ＤＭに基づいて予測された各事業所における予測消費電力量と、実際に使用された消費電力量である実績消費電力量とが、西暦２０２０年の１年にわたり取得され、予測値の予測誤差として、ＲＭＳＥ及びＭＡＰＥが算出された。
これらの予測誤差が、次の表１に示される。
各事業所における西暦２０１９年の１年分の日射量、平均外気温、平均湿度、及び曜日を説明変数とし、消費電力量を目的変数として、機械学習により、電力需要予測モデル情報ＤＭが形成された。又、この電力需要予測モデル情報ＤＭにおける学習中の予測誤差として、ＲＭＳＥ及びＭＡＰＥが算出された。尚、ここでの機械学習及び予測誤差の算出は、機械学習機能を有するクラウドサービスにより行われた。
Ａ事業所に対しては、２種類の予測モデルが用いられた。１つは、複数種類の回帰モデルのアンサンブル学習による予測モデルであって、各回帰モデルの結果についてまとめるためのモデルを更に構築したものであるスタックアンサンブル回帰モデルである。もう１つは、複数種類の時系列モデルのアンサンブル学習による予測モデルであって、各時系列モデルの結果を投票とみて多数決により見出された結果を全体の結果とするものであるヴォーティングアンサンブル時系列モデルである。
Ｂ事業所に対しては、２種類の予測モデルが用いられた。１つは、複数種類の回帰モデルのアンサンブル学習による予測モデルであって、各回帰モデルの結果を投票とみて多数決により見出された結果を全体の結果とするものであるヴォーティングアンサンブル回帰モデルである。もう１つは、上述のヴォーティングアンサンブル時系列モデルである。
そして、この電力需要予測モデル情報ＤＭに基づいて予測された各事業所における予測消費電力量と、実際に使用された消費電力量である実績消費電力量とが、西暦２０２０年の１年にわたり取得され、予測値の予測誤差として、ＲＭＳＥ及びＭＡＰＥが算出された。
これらの予測誤差が、次の表１に示される。
【0056】
【表1】
【0057】
Ａ事業所の回帰モデルにおける学習中のＲＭＳＥは４．９４、ＭＡＰＥは５．１２であり、時系列モデルにおける学習中のＲＭＳＥは１．４６、ＭＡＰＥは１．９４であった。
Ａ事業所の回帰モデルにおける予測値のＲＭＳＥは１６．８７、ＭＡＰＥは１４．３８であり、時系列モデルにおける予測値のＲＭＳＥは１６．９２、ＭＡＰＥは１８．２６であった。
Ｂ事業所の回帰モデルにおける学習中のＲＭＳＥは８．２４、ＭＡＰＥは４．８９であり、時系列モデルにおける学習中のＲＭＳＥは４．４３、ＭＡＰＥは２．５８であった。
Ｂ事業所の回帰モデルにおける予測値のＲＭＳＥは１４．９４、ＭＡＰＥは８．８１であり、時系列モデルにおける予測値のＲＭＳＥは１５．４４、ＭＡＰＥは９．８０であった。
何れの予測誤差も所定程度以下となっており、各事業所において電力需要の予測ができている。
特に、予測値の場合、時系列モデルの予測誤差に比べ、回帰モデルの予測誤差の方が、総じて小さくなっている。
Ａ事業所の回帰モデルにおける予測値のＲＭＳＥは１６．８７、ＭＡＰＥは１４．３８であり、時系列モデルにおける予測値のＲＭＳＥは１６．９２、ＭＡＰＥは１８．２６であった。
Ｂ事業所の回帰モデルにおける学習中のＲＭＳＥは８．２４、ＭＡＰＥは４．８９であり、時系列モデルにおける学習中のＲＭＳＥは４．４３、ＭＡＰＥは２．５８であった。
Ｂ事業所の回帰モデルにおける予測値のＲＭＳＥは１４．９４、ＭＡＰＥは８．８１であり、時系列モデルにおける予測値のＲＭＳＥは１５．４４、ＭＡＰＥは９．８０であった。
何れの予測誤差も所定程度以下となっており、各事業所において電力需要の予測ができている。
特に、予測値の場合、時系列モデルの予測誤差に比べ、回帰モデルの予測誤差の方が、総じて小さくなっている。
【0058】
又、併行して、各事業所における、時間帯毎の充電可能な電力の計算が行われた。
図７は、２０１９年の１年分の予測誤差を考慮した２０２０年内の所定期間におけるＡ事業所の電力需要予測、並びにＥＶ６の充電可能な時間帯及び電力量について示すグラフである。図７のグラフの横軸は時間であり、縦軸は電力需要又は充電可能電力量である。縦軸は、より詳しくは時間帯（３０分間）毎の消費電力量（ｋＷｈ／３０分）である。ｋＷｈは、キロワットアワーである。
図７は、２０１９年の１年分の予測誤差を考慮した２０２０年内の所定期間におけるＡ事業所の電力需要予測、並びにＥＶ６の充電可能な時間帯及び電力量について示すグラフである。図７のグラフの横軸は時間であり、縦軸は電力需要又は充電可能電力量である。縦軸は、より詳しくは時間帯（３０分間）毎の消費電力量（ｋＷｈ／３０分）である。ｋＷｈは、キロワットアワーである。
【0059】
図７において、実線で示されるマージンのないＡ事業所の電力需要の予測値は、１日毎に略周期的に変化し、始業時間直前である７時頃までは１日の最小値に近い値をとり、７時頃から急激に増加し、昼休憩の１２時から１３時までの前後でピークとなり、終業時間に対応する１８時頃にかけて減少し、１日の最小値に近い値をとるパターンを繰り返す。
又、破線で示されるマージン閾値を加味した電力需要の予測値は、マージンのない電力需要の予測値の上方に位置している。更に、Ａ事業所の契約電力量が、水平な一点鎖線で示されている。分析サーバ２は、マージン閾値を加味した電力需要の予測値が契約電力量を超えない時間帯に、ＥＶ６を充電可能な充電電力量を割り振る。例えば、分析サーバ２は、予測された１台のＥＶ６の充電電力量分以上にマージン閾値を加味した電力需要の予測値が契約電力量に対して余裕がある時間帯に、そのＥＶ６を充電可能な充電電力量を割り振る。あるいは、分析サーバ２は、電気料金がより低廉であり又契約電力量に対してより余裕のある夜間の時間帯に、ＥＶ６の充電電力量を割り当てても良い。
又、破線で示されるマージン閾値を加味した電力需要の予測値は、マージンのない電力需要の予測値の上方に位置している。更に、Ａ事業所の契約電力量が、水平な一点鎖線で示されている。分析サーバ２は、マージン閾値を加味した電力需要の予測値が契約電力量を超えない時間帯に、ＥＶ６を充電可能な充電電力量を割り振る。例えば、分析サーバ２は、予測された１台のＥＶ６の充電電力量分以上にマージン閾値を加味した電力需要の予測値が契約電力量に対して余裕がある時間帯に、そのＥＶ６を充電可能な充電電力量を割り振る。あるいは、分析サーバ２は、電気料金がより低廉であり又契約電力量に対してより余裕のある夜間の時間帯に、ＥＶ６の充電電力量を割り当てても良い。
【0060】
他方、図７において点線で示されるＡ事業所の消費電力量の実績値は、例えば図７の左から３，４，５番目の山で見受けられるように、誤差によって、マージンのない電力需要の予測値を超えることがある。
このように消費電力量の実績値がマージンのない電力需要の予測値を超えたとしても、分析サーバ２ではマージン閾値を加味した電力需要の予測値に基づいてＥＶ６を充電可能な充電電力量を割り当てるため、Ａ事業所の総合的な消費電力量が契約電力量を超える事態の発生は、抑制される。
このように消費電力量の実績値がマージンのない電力需要の予測値を超えたとしても、分析サーバ２ではマージン閾値を加味した電力需要の予測値に基づいてＥＶ６を充電可能な充電電力量を割り当てるため、Ａ事業所の総合的な消費電力量が契約電力量を超える事態の発生は、抑制される。
【0061】
［４］作用効果等
かような充電管理システム１は、次のような作用効果を奏する。
即ち、充電管理システム１は、通信部１２を有する分析サーバ２により、契約電力量のもとで電力を消費する１以上の事業所にそれぞれ属する１以上のＥＶ６に係る充電を管理するシステムである。分析サーバ２は、（１－１）通信部１２により、事業所が属する地域の日射量を示す日射量情報と、事業所が属する地域の外気温を示す外気温情報と、事業所が属する地域の湿度を示す湿度情報と、カレンダー情報ＬＩが示す曜日及び祝日の少なくとも何れかを示すカレンダー情報ＬＩとを、複数組、時間帯が互いに異なる状態で、事業所毎に受信可能である。又、分析サーバ２は、（１－２）各日射量情報が示す日射量、各外気温情報が示す外気温、各湿度情報が示す湿度、及び各カレンダー情報ＬＩが示す曜日及び祝日の少なくとも何れかの種別を説明変数として、機械学習により、目的変数として事業所のＥＶ６の充電に係る充電電力量を除いた消費電力量を導出するモデルである電力需要予測モデル（電力需要予測モデル情報ＤＭ）を、事業所毎に形成する。更に、分析サーバ２は、（１－３）形成された電力需要予測モデルに、形成後に受信し又は演算した予報に係る日射量情報が示す予報日射量、予報に係る外気温情報が示す予報外気温、予報に係る湿度情報が示す予報湿度、及びカレンダー情報ＬＩが示す曜日及び祝日の少なくとも何れかの種別を当て嵌めて、事業所の消費電力量を予測する。又更に、分析サーバ２は、（１－４）予測された消費電力量が契約電力量より小さい時間帯に、事業所に属するＥＶ６の充電電力量を割り当てる。加えて、分析サーバ２は、（１－５）通信部１２により、割り当てた充電電力量を、ＥＶ６側に送信する。
よって、充電管理システム１では、事業所の電力需要を所定程度以上の精度で予測することができる。従って、充電管理システム１では、ＥＶ６において電欠の可能性が抑制され、又電力需要が契約電力量に対して余裕のある時間帯に充電電力量を割り振ることで事業所において契約電力量を超過する事態が抑制された状態で、ＥＶ６が充電される。又、充電管理システム１では、電力単価が低廉な時間帯に充電電力量が割り振られることで、ＥＶ６の充電のための電気料金が抑制される。
かような充電管理システム１は、次のような作用効果を奏する。
即ち、充電管理システム１は、通信部１２を有する分析サーバ２により、契約電力量のもとで電力を消費する１以上の事業所にそれぞれ属する１以上のＥＶ６に係る充電を管理するシステムである。分析サーバ２は、（１－１）通信部１２により、事業所が属する地域の日射量を示す日射量情報と、事業所が属する地域の外気温を示す外気温情報と、事業所が属する地域の湿度を示す湿度情報と、カレンダー情報ＬＩが示す曜日及び祝日の少なくとも何れかを示すカレンダー情報ＬＩとを、複数組、時間帯が互いに異なる状態で、事業所毎に受信可能である。又、分析サーバ２は、（１－２）各日射量情報が示す日射量、各外気温情報が示す外気温、各湿度情報が示す湿度、及び各カレンダー情報ＬＩが示す曜日及び祝日の少なくとも何れかの種別を説明変数として、機械学習により、目的変数として事業所のＥＶ６の充電に係る充電電力量を除いた消費電力量を導出するモデルである電力需要予測モデル（電力需要予測モデル情報ＤＭ）を、事業所毎に形成する。更に、分析サーバ２は、（１－３）形成された電力需要予測モデルに、形成後に受信し又は演算した予報に係る日射量情報が示す予報日射量、予報に係る外気温情報が示す予報外気温、予報に係る湿度情報が示す予報湿度、及びカレンダー情報ＬＩが示す曜日及び祝日の少なくとも何れかの種別を当て嵌めて、事業所の消費電力量を予測する。又更に、分析サーバ２は、（１－４）予測された消費電力量が契約電力量より小さい時間帯に、事業所に属するＥＶ６の充電電力量を割り当てる。加えて、分析サーバ２は、（１－５）通信部１２により、割り当てた充電電力量を、ＥＶ６側に送信する。
よって、充電管理システム１では、事業所の電力需要を所定程度以上の精度で予測することができる。従って、充電管理システム１では、ＥＶ６において電欠の可能性が抑制され、又電力需要が契約電力量に対して余裕のある時間帯に充電電力量を割り振ることで事業所において契約電力量を超過する事態が抑制された状態で、ＥＶ６が充電される。又、充電管理システム１では、電力単価が低廉な時間帯に充電電力量が割り振られることで、ＥＶ６の充電のための電気料金が抑制される。
【0062】
又、電力需要予測モデルは、回帰モデルを用いた機械学習により形成される。よって、電力需要の予測の誤差が、より抑制される。
更に、分析サーバ２は、（１－４）予測された消費電力量が契約電力量より小さい時間帯に、事業所に属するＥＶ６の充電電力量を割り当てることに代えて、（１－４’）予測された消費電力量に対しマージン閾値に基づく電力量であるマージン電力量を加えて算出されるマージン付加消費電力量が契約電力量より小さい時間帯に、事業所に属するＥＶ６の充電電力量を割り当てる。よって、契約電力量を超える事態の発生が、より一層抑制される。
更に、分析サーバ２は、（１－４）予測された消費電力量が契約電力量より小さい時間帯に、事業所に属するＥＶ６の充電電力量を割り当てることに代えて、（１－４’）予測された消費電力量に対しマージン閾値に基づく電力量であるマージン電力量を加えて算出されるマージン付加消費電力量が契約電力量より小さい時間帯に、事業所に属するＥＶ６の充電電力量を割り当てる。よって、契約電力量を超える事態の発生が、より一層抑制される。
【0063】
加えて、分析サーバ２は、（２－１）通信部１２により、ＥＶ６の実際の走行に係る走行距離を示す走行距離情報と、加速度を示す加速度情報と、アップダウンを示すアップダウン情報と、車内温度を示す車内温度情報と、走行エリアの外気温を示す走行エリア外気温情報とを、複数組、時間帯が互いに異なる状態で、事業所毎又はＥＶ６毎に受信可能である。又、分析サーバ２は、（２－２）各走行距離情報が示す走行距離、各加速度情報が示す加速度、各アップダウン情報が示すアップダウン、各車内温度情報が示す車内温度、及び各走行エリア外気温情報が示す走行エリア外気温を説明変数として、機械学習により、目的変数としてＥＶ６のＳＯＣを導出するモデルであるＳＯＣ予測モデル（ＳＯＣ予測モデル情報ＳＭ）を、事業所毎又はＥＶ６毎に形成する。更に、分析サーバ２は、（２－３）形成されたＳＯＣ予測モデルに、形成後に受信し又は演算した予定目的地に対応する予定走行距離情報が示す予定走行距離、予定加速度情報が示す予定加速度、予定目的地に対応する予定アップダウン情報が示す予定アップダウン、予定車内温度情報が示す予定車内温度、及び予報走行エリア外気温情報が示す予報走行エリア外気温を当て嵌めて、ＥＶ６のＳＯＣを予測する。又更に、分析サーバ２は、（２－４）予測されたＳＯＣの減少量に基づいて、充電電力量の算出、及び充電電力量の割り当ての少なくとも一方を行う。
よって、充電電力量に関する処理の精度が、より一層良好となる。
よって、充電電力量に関する処理の精度が、より一層良好となる。
【0064】
更に、分析サーバ２は、事業所に属する端末４を備えている。端末４は、端末通信部２２と、端末表示部２８と、を有している。端末通信部２２は、予測された充電電力量及び予測されたＳＯＣを受信可能である。端末表示部２８は、予測された充電電力量による充電及び予測されたＳＯＣに基づいて算出された、ＥＶ６に関する情報である電動車両関連情報を表示する。電動車両関連情報は、走行可能距離である。
よって、ＥＶ６の運行スケジュールの管理がより容易になり、ユーザはＥＶ６をより利用し易くなる。
よって、ＥＶ６の運行スケジュールの管理がより容易になり、ユーザはＥＶ６をより利用し易くなる。
【0065】
又更に、分析サーバ２は、予測されたＳＯＣの減少量に基づいて、ＥＶ６毎の充電電力量を把握し、ＥＶ６の運行スケジュールに基づいて、ＥＶ６毎の充電電力量の割り当てを行う。
又、分析サーバ２は、ＥＶ６における予定使用開始時刻の早い順に、予定目的地に対し往復可能又は周回可能なＥＶ６毎の充電電力量の割り当てを行える。
よって、ユーザは運行スケジュールに係る予定使用開始時刻から予定目的地に向かいそれぞれ訪問のうえで事業所に帰還するＥＶ６の使用を行え、充電管理システム１では、ＥＶ６の使用に係る電欠の発生が抑制されて利便性の低下が抑制された状態で、電力需要が契約電力量に対して余裕のある時間帯に充電電力量が割り振られることで、事業所において契約電力量を超過する事態が抑制され、又電力単価が低廉な時間帯に充電電力量が割り振られることで、ＥＶ６の充電のための電気料金が抑制される。
又、分析サーバ２は、ＥＶ６における予定使用開始時刻の早い順に、予定目的地に対し往復可能又は周回可能なＥＶ６毎の充電電力量の割り当てを行える。
よって、ユーザは運行スケジュールに係る予定使用開始時刻から予定目的地に向かいそれぞれ訪問のうえで事業所に帰還するＥＶ６の使用を行え、充電管理システム１では、ＥＶ６の使用に係る電欠の発生が抑制されて利便性の低下が抑制された状態で、電力需要が契約電力量に対して余裕のある時間帯に充電電力量が割り振られることで、事業所において契約電力量を超過する事態が抑制され、又電力単価が低廉な時間帯に充電電力量が割り振られることで、ＥＶ６の充電のための電気料金が抑制される。
【0066】
加えて、充電管理プログラムがコンピュータに読み込まれると、分析サーバ２が形成される。
よって、充電管理プログラムにより、事業所の電力需要を所定程度以上の精度で予測する充電管理システム１を提供することができる。従って、充電管理プログラムで形成された充電管理システム１により、ＥＶ６において電欠の可能性が抑制され、又電力需要が契約電力量に対して余裕のある時間帯に充電電力量を割り振ることで事業所において契約電力量を超過する事態が抑制された状態で、ＥＶ６が充電され得る。又、充電管理プログラムで形成された充電管理システム１により、電力単価が低廉な時間帯に充電電力量が割り振られることで、ＥＶ６の充電のための電気料金が抑制される。
よって、充電管理プログラムにより、事業所の電力需要を所定程度以上の精度で予測する充電管理システム１を提供することができる。従って、充電管理プログラムで形成された充電管理システム１により、ＥＶ６において電欠の可能性が抑制され、又電力需要が契約電力量に対して余裕のある時間帯に充電電力量を割り振ることで事業所において契約電力量を超過する事態が抑制された状態で、ＥＶ６が充電され得る。又、充電管理プログラムで形成された充電管理システム１により、電力単価が低廉な時間帯に充電電力量が割り振られることで、ＥＶ６の充電のための電気料金が抑制される。
【符号の説明】
【0067】
１・・充電管理システム、２・・分析サーバ（管理コンピュータ）、４・・端末、６・・ＥＶ（電動車両）、１２・・通信部、２２・・端末通信部、２８・・端末表示部、ＤＭ・・電力需要予測モデル情報、ＬＩ・・カレンダー情報、ＰＩ・・ＥＶ位置情報（走行距離情報、加速度情報、アップダウン情報）、ＳＭ・・ＳＯＣ予測モデル情報、ＴＩ・・ＥＶ車内温度情報（車内温度情報）、ＷＩ・・気象情報（日射量情報、外気温情報、湿度情報、走行エリア外気温情報）。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】