1.本发明涉及一种用于对移动设备、特别是听力设备的能量存储器进行充电的方法以及对应的移动设备。此外，本发明涉及一种充电设备。
背景技术：
：：2.移动设备是便携式的，具有用于进行能量供应的自己的能量存储器，并且通常与单个用户相关联，并且在必要时甚至单独与单个用户匹配。能量存储器通常是二次电池单元(例如锂电池)，其可以通过将移动设备与充电设备连接来进行充电。3.移动设备的一个具体示例是听力设备，听力设备用于供应具有听力缺陷的用户。为此，听力设备具有麦克风，麦克风接收来自环境的声音并且产生电输入信号。将电输入信号馈送到听力设备的信号处理装置，以进行修改。特别是根据用户个人的听力图(audiogramm)来进行修改，从而对用户个人的听力缺陷进行补偿。信号处理装置作为结果输出电输出信号，然后又经由听力设备的听筒将电输出信号转换为声音，并且向用户输出。代替麦克风和听筒，根据听力设备类型，其它输入转换器和/或输出转换器也是可以的。4.移动设备的其它示例是头戴式耳机、耳机、可穿戴设备、智能电话和类似设备。5.问题是由于反复充电和放电，即随着充电/放电循环次数的增加，能量存储器会磨损并且损失其性能，尤其是能量存储器的容量会不断下降。因此，能量存储器具有有限的使用寿命，其以变化的方式取决于具体如何对能量存储器进行充电和放电。使用寿命例如作为充电/放电循环次数来给出，对于使用寿命，能量存储器具有特定的最小容量。对应地期望针对能量存储器的使用寿命对能量存储器的使用进行优化。6.在lu,zhao等的“experimentalinvestigationonthecharge-dischargeperformanceofthecommerciallithium-ionbatteries”，energyprocedia143(2017):21-26中，描述了能量存储器的容量的温度相关性。7.ep3164781b1描述了一种充电装置，其配置为用于与至少一个可充电装置耦合，并且执行可充电装置的充电会话，可充电装置能够在充电会话期间存储实时数据，并且与充电装置的id一起传输到基于云的数据存储和分析模块。通过功率和功能参数的实时数据，获得能量曲线行为(energie-profilverhalten)。8.在de102019218616a1中描述了一种用于运行听力系统的方法，其在评估操作中向用户输出多个问题，并且接收用户针对其的多个回答。9.附加地还可以参考de102014002973a1和ep2672731a1。技术实现要素：10.在这种背景下，本发明要解决的技术问题是改善对能量存储器的充电。特别是要对充电进行优化，使得得到能量存储器的尽可能长的使用寿命，即能量存储器能够执行尽可能多的充电/放电循环。要尽可能以对用户产生尽可能小的影响的方式来进行优化。为此，要给出一种对应的方法，此外，要给出一种适合于所述方法的移动设备和充电设备。11.根据本发明，上述技术问题通过具有根据本发明的特征的方法、通过具有根据本发明的特征的移动设备以及通过具有根据本发明的特征的充电设备来解决。有利的设计方案、扩展方案和变形方案是下面的描述的主题。关于方法的描述同样也适用于移动设备和充电设备，反之亦然。如果下面给出所述方法的步骤，则相应地通过移动设备和充电设备具有相应的控制单元，控制单元被构造为执行这些步骤中的一个或多个，来得到移动设备和充电设备的有利的设计方案。12.本发明的核心思想特别地是，在了解移动设备先前的使用行为和充电行为的情况下，对移动设备的能量存储器的充电进行优化，并且为此，基于移动设备先前的使用阶段以及先前的充电阶段，为即将到来的充电阶段期间的充电最佳地设置充电方案。换句话说：所述方法实现智能的自适应充电管理。13.所述方法用于对移动设备的能量存储器进行充电。移动设备优选是听力设备，替换地是头戴式耳机、耳机、可穿戴设备、智能电话或者类似设备。移动设备是便携式的，具有用于进行能量供应的自己的能量存储器，并且特别是与单个用户相关联。能量存储器可以通过与充电设备连接来进行充电。能量存储器例如是锂电池。下面也将移动设备简单地简称为“设备”，此外，下面，在不限制一般性的情况下假设听力设备，然而，这些描述同样也适用于其它设备。14.移动设备可以交替地在充电阶段进行充电以及在使用阶段进行使用。使用阶段和充电阶段相互排斥并且彼此交替。因此，相应的使用阶段从前一个充电阶段结束延伸到下一个充电阶段开始，对应的内容适用于充电阶段。15.在相应的充电阶段期间，根据充电方案对能量存储器进行充电。充电方案针对一个或多个充电参数、例如充电电流和充电电压，相应地预先给定值或者函数。充电方案特别是由充电设备实现，也就是说，充电方案用于对充电设备进行控制。充电参数原则上是可调节的，从而可以利用不同的值和/或函数来实现不同的充电方案。借助与移动设备连接的充电设备来进行充电。在充电阶段结束时，能量存储器具有与能量存储器的总容量对应的电量(完全充电，即100％充电)或者仅与其一部分对应的电量(部分充电，即《100％的电量，例如80％的电量)。充电阶段结束时的电量一般受充电阶段的持续时间限制，即受提供多少时间来进行充电限制。16.在相应的使用阶段期间，移动设备利用来自能量存储器的能量运行，由此具有一定的能量消耗。在相应的使用阶段期间，用户连续或者间断地使用设备，也就是说，不一定强制性地消耗能量，然而，在任意一种情况下，在使用阶段期间不对能量存储器进行充电，能量存储器也不与充电设备连接，或者也不与特别是这里描述的充电设备之外的另一个充电设备连接。相应的使用阶段期间的能量消耗与具体的使用行为相关并且对应地变化。17.现在，本发明基于如下观察，即，一般尽可能快地对能量存储器进行充电，因为不知道充电阶段的持续时间。为了特别快速地进行充电，于是选择具有尽可能大的充电电流的充电方案。此外，通常也不知道随后的使用阶段的能量消耗，因此尽可能完全对能量存储器进行充电。然而，不仅尽可能快速的充电，而且尽可能完全的充电，都对能量存储器的使用寿命产生负面影响。为了快速地进行充电，通常使用大的充电电流，并且产生许多废热。因此，在此，有利地使用先前的使用阶段和充电阶段，来估计即将到来的充电阶段的持续时间和随后的使用阶段的能量消耗，然后调整充电方案，使得在可以使用的持续时间期间进行尽可能温和的充电，并且所达到的电量尽可能足以用于随后的使用阶段。在此，特别是利用使用和充电、即使用行为和充电行为通常遵循一定的模式，通过识别这种模式，可以关于未来的充电阶段和使用阶段做出对应的预测。这与开头提到的de102019218616a1不同，de102019218616a1不利用这种识别，而是替代地需要用户的反馈。18.对应地，在此，为了在即将到来的充电阶段中进行充电，基于先前的充电阶段，以及基于先前的使用阶段，来确定即将到来的充电阶段的预计的持续时间以及随后的使用阶段的预计的能量消耗。然后，基于预计的能量消耗来计算所需的能量存储器的电量，也将这称为“电量的计算”。所需的电量特别地是保证随后的使用阶段期间的预计的能量消耗所需要的电量。也将预计的能量消耗的确定称为“能量消耗的预测”。也将预计的持续时间的确定称为“充电持续时间的预测”。这与开头提到de102019218616a1的不同，de102019218616a1尤其是不利用评估操作针对性地关于能量消耗和充电时间对充电行为和使用行为进行检查，而是仅向用户请求语音理解、音量、声响、干扰噪声的影响等方面关于听力设备的运行的反馈。然后，在此基础上，针对使用阶段对听力设备的运行参数进行调整，但是不对充电阶段的充电方案进行调整。19.也将即将到来的充电阶段称为“当前的”或者“接下来的”充电阶段，并且即将到来的充电阶段一般是接下来即将到来的充电阶段。在一个合适的设计方案中，在即将到来的充电阶段开始时，例如在将移动设备与充电设备连接时，确定预计的能量消耗和预计的持续时间。“随后的使用阶段”特别是理解为紧接在即将到来的充电阶段之后的使用阶段。“确定”特别是也具体地理解为“估计”、“计算”或者“运算”。也将充电阶段的持续时间称为充电持续时间或者充电时间段。使用阶段也具有一定的持续时间，对应地也将该持续时间称为使用时间段或者放电时间段。20.然后，针对即将到来的充电阶段，基于所需的电量和预计的持续时间，来调整用于对能量存储器进行充电的充电方案。也将充电方案的调整称为“充电过程的规划”。也就是说，借助预测(更准确地说，两个预测，即，一方面对充电持续时间的预测，另一方面对能量消耗的预测)来对充电方案进行调整，其中，由历史数据，即由使用行为和充电行为，因此由关于先前的使用阶段和先前的充电阶段的信息，得出该预测。因此，可以对能量存储器的充电进行优化，因为现在，在充电阶段结束之前，特别是在充电阶段开始时，充电阶段的持续时间和所需的电量是已知的，从而对应地针对性地对充电方案进行调整。由此避免不必要的快速和/或完全充电。在一个适宜的扩展方案中，如果关于接下来的使用阶段存在特定的确定性(gewissheit)，即，有多大的确定性预测是正确的，则避免不必要的快速和/或完全充电。因此，确定性是针对预测要求最低程度的可靠性的阈值。如果未达到该确定性，例如因为对此尚未收集到足够的数据，则以合适的方式从预计的持续时间中减去一定的安全值，和/或对所需的电量相加一定的安全值，从而于是在有限的范围内过快或者过满地进行充电。21.在一个合适的设计方案中，历史数据仅仅是用户的数据，并且例如在设备第一次投入运行之后收集历史数据，并且在其期间，例如采取标准使用行为和标准充电行为。替换地，历史数据首先是其他用户的历史数据，然后在设备的使用期间由用户向这些历史数据添加用户的数据。充电方案于是总体上有利地总是进一步匹配于设备的用户。22.由充电设备本身、或者由另一个设备、例如移动设备或者附加设备或者例如设备的制造商的服务器对充电方案进行调整，然后该另一个设备将充电方案传输到充电设备。最后，于是利用充电设备在充电阶段(即之前的即将到来的充电阶段)期间根据充电方案对能量存储器进行充电，也将这称为“充电过程的执行”。如下的设计方案也是适宜的，在该设计方案中，在第一次投入运行之前，向用户询问他/她一般的充电行为和使用行为，然后根据回答，将用户和与此对应的具有类似的回答的用户群相关联。该群又与一般的充电方案相关联，然后也首先对于用户使用该一般的充电方案。23.优选针对即将到来的充电阶段对充电方案进行调整，使得尽可能最佳地、优选最大地使用充电阶段的预计的持续时间，以达到所需的电量，即特别是，使能量存储器的使用寿命最大。代替由于充电阶段的持续时间不确定而尽可能快速地对能量存储器进行充电，在此选择尽可能低的充电速度，充电速度尤其是如此之高，使得最大地利用预计可以使用的持续时间。由此特别是缓慢地、因此特别是温和地对能量存储器进行充电。对于充电过慢是不利的能量存储器，以适宜的方式类似地考虑这一点。然而，这里，在不限制一般性的情况下，假设尽可能慢的充电总是有利的。24.在一个合适的设计方案中，充电方案预先给定用于充电的充电电流，并且选择充电方案，使得为了达到所需的电量，在充电阶段的预计的持续时间期间，使充电电流最小。以这种方式实现对能量存储器的特别温和的充电。因此，将充电电流选择为尽可能小，然而不小于在充电持续时间期间达到电量所需的充电电流。因此，特别是确定充电电流的大小，使得在整个可以使用的充电持续时间结束时，能量存储器才充电到所需的电量，即，不在过早的时间点已经将电量传输到能量存储器。由此，将充电电流的大小确定为尽可能小，并且充电对应地最大程度地温和。温和的充电一般也对于生态是有利的。如果由于技术原因对于充电电流存在下限，则以适宜的方式将充电划分为至少两个阶段，即第一阶段和第二阶段，在第一阶段，利用充电电流进行充电，在第二阶段，不进行充电，使得虽然充电电流存在下限，尽管如此仍然达到所需的电量，并且虽然预计的持续时间较长，但是不超过所需的电量。这些阶段的顺序基本上是任意的。25.此外，在此认识到，与完全充电、即100％充电相比，总容量的85％(或者甚至进一步更低)至95％的范围内、尤其是总容量的92％的充电，导致明显更长的使用寿命。因此观察到，92％的充电使锂电池的使用寿命大约增加2倍，一般从1000个充电/放电循环增加到2000个充电/放电循环。因此，在一个有利的设计方案中，将所需的电量四舍五入为最大值，该最大值为能量存储器的总容量的至少65％、优选至少85％、最大95％、特别优选92％。换句话说：如果对于所需的电量，首先计算出最大值以下的值，则将所需的电量增加到最大值。也将总容量称为“可能的总电量”或者“标称容量”。26.以适宜的方式，如果对于所需的电量，计算出最大值以上的值，特别是如上面已经描述的最大值以上的值，则输出指示。输出指示，以使得移动设备的用户调整充电阶段的持续时间或者能量消耗。这基于如下考虑，即，充电到超过最大值可能是不利的，应当对应地向用户指出这一点。为了避免在随后的使用阶段期间能量供应不足，例如向用户建议将充电持续时间延长到超过事先确定的预计的持续时间。替换地或者附加地，向用户提议在随后的使用阶段期间放弃设备的一个或多个功能或者关闭设备的一个或多个功能，以使实际能量消耗相对于事先确定的预计的能量消耗减小。替换地或者附加地，向用户提议尽管如此仍然将能量存储器充电到超过最大值。27.在一个合适的设计方案中，由设备向用户输出指示，替换地或者附加地，由充电设备和/或由为了进行数据交换而与设备连接的附加设备向用户输出指示，移动设备例如是听力设备，附加设备例如是智能电话。28.优选在确定预计的能量消耗和即将到来的充电阶段的预计的持续时间时，使用24小时时间框架。这基于如下考虑，即，设备的使用与用户的日常节奏相关，对应地原则上预期以24小时为周期的周期性。因此，24小时时间框架对于对先前的使用阶段和充电阶段的评估以及基于此的预测是有利的。在此，24小时时间框架的开始和结束不一定在00:00时。听力设备一般在白天使用，并且在晚上进行充电，即，使用阶段和充电阶段以24小时的节奏交替，其中，使用阶段一般比充电阶段长。使用阶段一般在24:00时之前结束，但是也可能超过24:00时，例如如果用户轮班工作。在24小时时间框架内，使用阶段不一定总是在相同的时间开始，然而至少一般大概是这种情况。相同的情况适用于使用阶段的结束以及充电阶段的开始和结束。可以想到大量的变形方案，例如在一个24小时时间框架内存在多个使用阶段和充电阶段，例如当例如因为用户午睡，在中午时间短暂地对设备进行充电时。特别是还通过如下方式得到变形方案，即，一些日子是工作日，另一些又是周末或假期或病假，或者在一些日子在办公室工作，而在另一些日子居家办公。29.优选借助利用先前的使用阶段和/或利用先前的充电阶段经过训练的学习机，来确定预计的能量消耗和即将到来的充电阶段的预计的持续时间。利用先前的使用阶段进行的训练原则上与利用先前的充电阶段进行的训练无关，但是有利的是将两者组合。现在，基本思想特别地是，向学习机馈送来自先前的使用阶段和利用先前的充电阶段的训练信息。这些训练信息以合适的方式是相应的先前的充电阶段的持续时间和相应的先前的使用阶段的能量消耗。学习机由训练信息推导出关于即将到来的充电阶段和随后的使用阶段的信息，以合适的方式直接推导出即将到来的充电阶段的持续时间和随后的使用阶段的预计的能量消耗。在一个合适的设计方案中，学习机经过了编程，即特别地是固定的程序。在另一个合适的设计方案中，学习机是人工智能。30.然而，训练信息以适宜的方式是更详细的，并且包括如下信息，由这些信息可以推导出充电持续时间和预计的能量消耗，例如相应的充电阶段或者使用阶段的开始和结束(即例如时间戳形式的时间点)。替换地或者附加地，训练信息包括关于如下信息的说明，即，移动设备在哪个时间点是活动的、即处于使用阶段，在哪个时间点对移动设备进行充电、即处于充电阶段，在哪个时间点移动设备处于什么运行状态，在哪个时间点移动设备消耗了多少能量。能量消耗特别是通过一定的时间段内的电力消耗来表征，从而在给定的时间点需要的电力是该时间点的能量消耗的度量。31.运行状态例如是音频流模式(例如音乐流、即单向音频流)、耳机模式(即实现双向音频流的运行状态，例如在电话语音或者视频会议期间)、健身跟踪模式(即为了监视身体功能、例如为了进行脉搏测量或者为了进行皮肤电阻测量而激活一个或多个传感器、例如ppg传感器的运行状态)、健康监视模式(即用于进行健康监视的运行状态，在这种运行状态下，例如由于传感器的运行以及对传感器数据的评估而存在增加的能量消耗，尤其是在特定的白天时间)、标准模式(即仅仅或者主要使用设备的常规功能的运行状态，在听力设备的情况下，例如用于对听力缺陷进行补偿的修改)。从所列举的示例很明显，一般来说，运行状态由不同的能量消耗来表征，能量消耗尤其是与如下信息相关，即，移动设备的哪些部件对于相应的运行状态是活动的。在相应的使用阶段期间，一般多个不同的运行状态交替，其中，相应的运行状态也可以多次活动。关于相应的运行状态何时活动以及活动多长时间的知识于是使得能够确定能量消耗，然后使得能够基于此预测在随后的使用阶段期间在哪个时间点哪些运行状态是活动的，以及由此产生什么能量消耗。对于充电阶段，类似地得到，通过知道先前的充电阶段的持续时间，于是能够预测即将到来的充电阶段的持续时间。在此，这两者借助学习机来实现。因此，学习机学习在哪个时间点哪个运行状态是活动的，以及在哪个时间点对移动设备进行充电，由此预测预计的能量消耗和预计的持续时间。32.作为所述方法的一部分，或者与所述方法分离地，对学习机进行训练。为此，在训练中，学习机监视移动设备的运行状态，并且在此，收集并且存储上面提到的训练信息。一旦收集到了足够量的训练信息，由此对学习机进行了训练，则学习机于是准备好进行预测。例如，选择充电/放电循环的数量，并且从特定的充电/放电循环数量、例如50次起，假设存在足够量的训练信息，于是由此对学习机进行了训练。优选即使已经收集了预先给定的量的训练信息，也继续进行训练，从而使用于预测的数据库进一步增大，并且用于预测的数据库对应地变得可靠。33.学习机例如利用计算机程序来实现，在对应的计算机上，例如在移动设备本身上，在充电设备上，在服务器上，或者在为了进行数据交换而与移动设备连接的附加设备、例如智能电话上，执行该计算机程序。学习机分布在前面提到的计算机中的多个上也是合适的。学习机原则上可以以不同的方式来实现。在此，下面描述的利用贝叶斯网络(bayesschennetz)的变形方案是特别优选的。34.在一个优选的设计方案中，学习机具有贝叶斯网络，贝叶斯网络具有多个父节点(即“parentnodes”)和多个子节点(即“childnodes”)，父节点分别表示日历特征、位置特征或者环境特征，子节点分别表示特定运行状态活动的时间间隔。也一般地将日历特征、位置特征和环境特征相应地称为特征，从而每一个父节点一般表示一个特征。也将运行状态与时间间隔的组合称为特征。35.日历特征例如是一星期中的一天，给定日期是否为休假日的指示，给定日期是否为出差日的指示，或者给定日期是否为出差日的指示，或者给定日期是否为节日的指示，如果是，是什么节日。位置特征一般表示特定地点或特定位置，为此例如包括gps坐标或地名，例如“家”、“办公室”、“健身中心”等。另一方面，环境特征一般与特定位置无关地表征环境的类型或特征。环境特征的示例是“室内”、“室外”、“嘈杂”、“安静”、“有背景噪声”、“没有背景噪声”等。例如，得到如下以可能的值表示特征的父节点：一星期中的一天{星期一，星期二，星期三，星期四，星期五，星期六，星期天}，出差日{是，否}，休假日{是，否}，节日{平安夜，新年前夜，耶稣受难日，复活节星期日，复活节星期一；…}，位置{家，办公室，健身中心，…}，环境{室内，室外}。36.子节点分别表示运行状态的时间间隔。在时间间隔的数量为a并且运行状态的数量为b的情况下，对应地得到a*b个子节点。在使用24小时时间框架或者一般地使用任意的时间框架的情况下，将其划分成多个时间间隔，在一个合适的设计方案中，划分成每个长5分钟的连续时间间隔。然而，时间框架和长度原则上是可变的。时间间隔也不一定都必须具有相同的长度，但是这是优选的。上面已经提到了示例性的运行状态。例如，对于运行状态“健身跟踪模式”，于是得到如下多个子节点：(...，健身跟踪模式15:00-15:05时，健身跟踪模式15:05-15:10时，健身跟踪模式15:10-15:15时，...)。对于其它运行状态，类似地得到其它子节点。37.每一个节点(即每一个父节点和每一个子节点)都分配有一个概率表(即“conditionalprobabilitytable(条件概率表)”)，概率表分别具有多个条件概率，也仅简称为“概率”。这些概率特别是给出相应的特征出现或者不出现、即满足或者不满足的可能性有多大。尤其是对于子节点，这些概率与相应的子节点连结的父节点的概率表中的概率相关。在学习机的训练的过程中，基于先前的使用阶段和/或充电阶段来产生这些概率，从而于是利用经过训练的学习机对相应的时间间隔内的相应的运行状态的概率进行预测。在此，一方面，确定即将到来的充电阶段的预计的持续时间，因为在充电阶段期间没有运行状态活动，或者充电本身是运行状态，然后在一些时间间隔中，对应地特别可能，而在另一些时间间隔中又不可能。另一方面，确定预计的能量消耗，方式是，确定在随后的使用阶段期间，哪个运行状态活动多长时间，然后在知道相应的运行状态的能量消耗的情况下，确定该时间间隔期间的能量消耗(也称为间隔能量消耗)，最后对所有时间间隔内的能量消耗进行求和。对于相应的时间间隔，例如将如下的运行状态预测为是活动的，即，对于该时间间隔，该运行状态是最可能的。38.在一个合适的设计方案中，特别是为了实现上面描述的过程，确定预计的能量消耗，方式是，特别是借助学习机，将随后的使用阶段划分为多个时间间隔，并且基于先前的使用阶段，针对每一个时间间隔确定间隔能量消耗，该间隔能量消耗是该时间间隔期间的移动设备的预计的能量消耗的预期值。以合适的方式将相应的间隔能量消耗确定为加权的单能量消耗的总和，其中，通过如下方式来确定加权的单能量消耗，即，对于每一个时间间隔，以如下的概率对相应的运行状态的单能量消耗进行加权，该概率给出在该时间间隔期间相应的运行状态活动的可能性有多大，从而对于每一个时间间隔，得到多个加权的单能量消耗。然后，例如通过对间隔能量消耗求和，来确定整个随后的使用阶段期间的预计的能量消耗。在一个适宜的设计方案中，除了间隔能量消耗之外，还添加安全裕量、例如间隔能量消耗的总和的20％，从而于是作为间隔能量消耗和安全裕量的总和，得到预计的能量消耗，并且所计算的需要的电量也包含对应的安全裕量。39.下面，更详细地说明前面描述的过程：简而言之，对于随后的使用阶段，预测各个运行状态在随后的使用阶段期间以什么概率出现，以及出现多长时间(即在什么范围内出现)。因为对于每一个运行状态，其能量需求是已知的，因此也由此确定预计的能量消耗。每一个运行状态都是一种需要电力的使用，因此在使用阶段期间形成该使用阶段期间的整体使用的一部分。在此，对预计的能量消耗的预测以适宜的方式基于事先执行的训练。现在，首先将随后的使用阶段划分为多个时间间隔，例如方式是，估计随后的使用阶段的持续时间，并且将该持续时间划分为多个时间间隔。与即将到来的充电阶段的持续时间的确定类似，例如根据先前的使用阶段的持续时间来确定使用阶段的持续时间。时间间隔特别是对应于也由子节点映射的时间间隔。现在，对于每一个时间间隔，确定相应的时间间隔期间的间隔能量消耗。例如，在此，对于每一个时间间隔，以如下的概率对移动设备的相应的运行状态的单能量消耗进行加权，该概率给出在对应的时间间隔期间相应的运行状态活动的可能性有多大，从而对于每一个时间间隔，得到多个加权的单能量消耗，即每一个运行状态的加权的单能量消耗。特别是从上面提到的概率表中得到概率。然后，对加权的单能量消耗进行求和，以得到间隔能量消耗，更确切地说，针对随后的使用阶段的每一个时间间隔，得到间隔能量消耗，从而得到多个间隔能量消耗，间隔能量消耗分别是相应的时间间隔期间的预计的能量消耗的预期值。然后，同样对这些预期值进行求和，以确定随后的使用阶段期间的预计的能量消耗。40.如已经说明的，优选基于先前的充电阶段的持续时间，来确定即将到来的充电阶段的预计的持续时间。因此，基本上监视用户的充电行为，即，监视移动设备为了进行充电何时与充电设备连接和/或连接多长时间。例如直接测量或者间接地由先前的使用阶段的开始和结束推导出相应的先前的充电阶段的持续时间，因为使用阶段与充电阶段交替，并且因为特别是充电阶段总是紧接在使用阶段之后，反之亦然。41.本发明的优点特别是在于，在不需要用户针对移动设备的使用和充电进行行为改变的情况下，延长能量存储器的使用寿命。相反，将充电匹配于用户个人的使用和充电行为，方式是，首先监视该使用和充电行为，然后基于此对未来的使用和充电行为、即对预计的能量消耗和预计的持续时间进行预测。然后，根据该预测最佳地调整充电方案，以最佳地解决尽可能足够的电量和尽可能温和的充电之间的目标冲突。在此，原则上也可以得出如下结论，即，在即将到来的充电阶段中，完全不对能量存储器进行充电，尽管能量存储器与充电设备连接，例如因为充电阶段时间很短、例如仅几分钟长。相反，也可以得出如下结论，即，在可以使用的持续时间期间，所需的电量完全不可能。在这种情况下，例如以适宜的方式经由移动设备或者经由充电设备向用户输出例如对应的需要附加的或者更长时间的充电阶段的指示。替换地或者附加地，在随后的使用阶段期间，将移动设备的一个或多个功能、特别是仅具有低的相关性的一个或多个功能去激活，以降低实际能量消耗。对应地以适宜的方式向用户通知这一点。有利地从针对能量存储器充电的角度，来观察使用和充电行为，即先前的使用阶段期间的能量消耗和先前的充电阶段的持续时间，因为监视能量消耗，并且在进行充电时也监视能量馈送，并且使用由此获得的信息来进行所描述的预测。42.特别是通过考虑上面描述的各个特征，也可以使用相对复杂的使用和充电行为来进行预测。在此，“复杂”特别是理解为，使用和充电行为不仅仅在所选择的时间框架内、例如在24小时时间框架内进行，而且例如区分移动设备在工作日(星期一至星期五)的使用与在周末(星期六，星期日)的使用。特别是也在特定的一星期中的某些天或者一个月或一年中的某些天，或者以相对于彼此均匀的间隔，考虑用户的特定的定期活动，例如每周的会议或者每两天去一次健身房。43.使用和充电行为在很大程度上决定了移动设备的能量消耗以及所需的电量。尤其是具有不同的能量消耗的听力设备的使用的示例是运动、园艺、打电话、晚上放松、午餐、在公共交通上听有声读物、工作、与家人一起做饭、看新闻。例如，用户在工作日使用耳机模式来呼叫同事。在耳机模式下，设备一般具有大的能量消耗，因为使用设备的rf天线。在另一个示例中，用户在较长的时间内定期(例如每天或每周)与其他人员进行会议，从而可以预见对应的能量需求。尤其是在这种情况下，然而一般也有利地，以适宜的方式访问用户的日历，以识别并且预测使用阶段，尤其是特定运行状态的使用。日历例如存储在设备本身上，或者存储在为了进行数据交互而与移动设备连接的附加设备上。在另一个示例中，使用和充电行为包括，用户在安静的环境中度过特定的时间或几天，例如看书，并且在此使用设备的相对少的功能，由此能量消耗对应地低。在另一个示例中，使用和充电行为包括充电时的特殊的时间模式，例如设备每天仅连接到充电器一次进行充电(例如在夜间)，设备每天充电多次(例如附加地在休息或午休时间期间或者每天短暂的睡眠期间)，与充电状态无关地一有机会就对设备充电，仅在低于最低电量时才对设备充电。充电行为也可以是完全非特定的，而没有任何模式。44.除了用于在对能量存储器进行充电期间对充电方案进行优化之外，也可以有益地将关于使用和充电行为的信息用于移动设备的运行，例如用于确定特别是用于健康应用的传感器测量的输入(特别是运行参数)，例如用于确定用于进行ppg测量的ppg传感器的ppg测量频率。利用以适宜的方式安装在设备中的传感器来进行传感器测量。对应地，在一个优选的设计方案中，使用预计的能量需求和/或预计的持续时间来确定传感器测量的输入。如果例如在随后的使用阶段期间预期用户的体育活动，即在一个或多个时间间隔中对应的运行状态的概率超过特定的边界值，则对于在此执行的传感器测量，更多地考虑所需的电量，以便在体育活动期间改善传感器测量，例如提高传感器测量的测量频率。相反，也可以有利地看到，可能正好不需要进行传感器测量，因此减少所需的电量。45.一种有利的移动设备被构造为用于在前面描述的方法中使用。为此，移动设备特别是具有控制单元，控制单元被构造为用于执行所述方法。46.优选移动设备是听力设备。这特别是具有以下优点，即，对于所述方法，使用在听力设备中已经存在的结构。这种结构例如是控制单元，控制单元激活或者去激活相应的运行状态，并且也对这进行监视，并且对应地存储该信息。听力设备的另一个优点是，听力设备通常在一天中主要是以分布式的方式活动的，并且在充电时也至少不完全是去激活的，因此是持续接通的。47.听力设备特别是被构造为用于供应具有听力缺陷的用户。为此，在一个可能的设计方案中，听力设备具有麦克风，麦克风接收来自环境的声音并且产生电输入信号。将电输入信号馈送到听力设备的信号处理装置，以进行修改。特别是根据用户个人的听力图(audiogramm)来进行修改，从而对用户个人的听力缺陷进行补偿。信号处理装置作为结果输出电输出信号，然后在一个合适的设计方案中，又经由听力设备的听筒将电输出信号转换为声音，并且向用户输出。根据听力设备类型，代替麦克风，其它输入转换器也是可以的，类似地，根据听力设备类型，代替听筒，其它输出转换器也是可以的。48.在一个优选的设计方案中，利用移动设备记录语音内容并且对其进行分析，以获得关于移动设备的使用的附加信息，例如为此识别已接受或已取消的约会。49.类似地，一种有利的充电设备被构造为用于，根据如前面所述的方法，如前面所述对移动设备的能量存储器进行充电。为此，充电设备特别是具有控制单元，控制单元被构造为用于执行所述方法，由此对移动设备进行充电，更准确地说，对其能量存储器进行充电。充电设备用于所述方法的使用特别是具有以下优点，即，如果移动设备的能量存储器一次放空，使得必须将移动设备完全去激活，然后移动设备不再能够用于所述方法，尤其是用于进行预测，则充电设备是可靠的备份。此外，与移动设备相比，充电设备一般遭受较没有限制的结构空间和能量消耗限制，因此可以对充电设备配备并且也以适宜的方式对充电设备配备特别高的计算容量、存储容量和/或永久的互联网连接。对应地，在充电设备上执行所述方法时，在移动设备中也有利地节省能量。50.在一个有利的设计方案中，充电设备是移动充电设备，因此本身具有二次电池单元作为能量存储器，可以由该能量存储器对移动设备进行充电。二次电池单元特别地是锂电池。在一个有利的扩展方案中，充电设备附加地具有附加能量存储器、特别是燃料电池单元，以对二次电池单元进行充电。也将这种充电设备称为“混合充电设备”。特别是确定附加能量存储器的大小，使得附加能量存储器，结合二次电池单元，向移动设备提供多于单个100％的电量。然后，所描述的方法以有利的方式附加地用于由附加能量存储器尽可能最佳地对二次电池单元进行充电。然后，除了移动设备的所需的电量之外，也基于先前的使用阶段和/或充电阶段来计算二次电池单元的电量。当与由二次电池单元进行充电相比，由附加能量存储器进行充电更慢时，这是有利的，从而由于知道使用和充电行为，于是也对二次电池单元的充电进行优化，尤其是使得如已经描述的，也尽可能温和地对二次电池单元进行充电。一般在燃料电池作为附加能量存储器时是这种情况。51.以下设计方案也是有利的，在该设计方案中，在服务器上，特别是作为云服务，执行所述方法。服务器经由数据连接、例如互联网与充电设备和/或移动设备连接。这种设计方案具有以下优点，即，服务器一般具有明显更大的计算容量，并且未来可以预见，总归要将关于先前的使用阶段和充电阶段的信息存储在这种服务器上，尤其是不存储在移动设备或者充电设备本地，然后也以合理的方式在那里直接进行处理，即用于这里描述的方法。52.也可以有利地将所描述的所述方法在移动设备、充电设备或者服务器上的执行组合，例如使得所述方法的步骤分布在这些设备中的两个或者更多个上。附图说明53.下面，借助附图来详细说明本发明的实施例。其中：54.图1相应地示意性地示出了移动设备和附加设备，55.图2相应地示意性地示出了图1中的移动设备和充电设备，56.图3相应地示意性地示出了方法，57.图4相应地示意性地示出了随着时间的经过的使用和充电阶段，58.图5相应地示意性地局部示出了贝叶斯网络，59.图6相应地示意性地示出了随着一星期的经过的用户的不同的活动。具体实施方式60.在图1中示出了移动设备2的实施例，这里，移动设备2是听力设备，尤其是双耳听力设备，然而，下面的描述也同样适用于设备2的其它设计方案。在图1中还示出了可选的附加设备4，这里为智能电话，其经由数据连接6与设备2连接。然后，在图2中示出了图1中的设备2与充电设备8，设备2可以与充电设备8连接，以便对设备的能量存储器10进行充电。这里示出的充电设备8仅仅示例性地被构造为盒(box)，设备2插入该盒中，以与充电设备8连接，并且对能量存储器10进行充电。在图1中仅示出了双耳听力设备的两个单设备中的一个，在图2中示出了两个单设备。61.下面，参考附图，对用于对移动设备2的能量存储器10进行充电的方法的实施例进行说明。在图3中示出了所述方法的一个具体的实施例。移动设备2可以交替地在充电阶段l、l*进行充电以及在使用阶段n、n*进行使用。使用阶段n、n*和充电阶段l、l*相互排斥并且彼此交替。这在图3中示意性地示出，图3示例性地示出了一系列使用阶段和充电阶段n、n*、l、l*。在相应的充电阶段l、l*期间，根据充电方案12对能量存储器10进行充电。在充电阶段l、l*结束时，能量存储器10具有与能量存储器10的总容量对应的电量(完全充电，即100％充电)或者仅与其一部分对应的电量(部分充电，即《100％的电量)。62.在相应的使用阶段n、n*期间，移动设备2利用来自能量存储器10的能量运行，由此具有能量消耗e。在图3中相应地通过双箭头示出了使用阶段n期间的能量消耗e。在相应的使用阶段n、n*期间，连续或者间断地使用设备2，并且不与充电设备8连接。相应的使用阶段n、n*期间的能量消耗e、e*与具体的使用行为相关并且对应地变化。63.在此，为了在即将到来的充电阶段l*中进行充电，基于先前的充电阶段l，以及基于先前的使用阶段n，来确定即将到来的充电阶段l*的预计的持续时间d*以及随后的使用阶段n*的预计的能量消耗e*。然后，基于预计的能量消耗e*来计算能量存储器10的所需的电量c*，也将这称为“电量的计算”。所需的电量c*是保证随后的使用阶段n*期间的预计的能量消耗e*所需要的电量c。也将预计的能量消耗e*的确定称为“能量消耗的预测”，并且在图3中表示为步骤s1。也将预计的持续时间d*的确定称为“充电持续时间的预测”，并且在图3中表示为步骤s2。在图3中将“电量的计算”表示为步骤s3。64.即将到来的充电阶段l*一般是接下来即将到来的充电阶段。例如在即将到来的充电阶段l*开始时，例如在将移动设备2与充电设备8连接时，确定预计的能量消耗e*和预计的持续时间d*。“随后的使用阶段”n*理解为紧接在即将到来的充电阶段l*之后的使用阶段。也将充电阶段l、l*的持续时间d、d*称为充电持续时间或者充电时间段。使用阶段n*也具有一定的持续时间，对应地也将该持续时间称为使用时间段或者放电时间段。65.针对即将到来的充电阶段l*，基于所需的电量c*和预计的持续时间d*，来调整充电方案12。也将充电方案12的调整称为“充电过程的规划”，并且在图3中表示为步骤s4。因此，借助预测(更准确地说，两个预测，这里为步骤s1、s2)来对充电方案12进行调整，其由历史数据，即由使用行为和充电行为，因此由关于先前的使用和充电阶段n、l的信息得出。因此，对能量存储器10的充电进行优化，因为现在，在即将到来的充电阶段l*开始时，充电阶段l*的持续时间d*和所需的电量c*例如已经是已知的，从而对应地针对性地对充电方案12进行调整，并且避免不必要的快速和/或完全充电。66.最后，于是在充电阶段l*(即之前的即将到来的充电阶段l*)期间根据充电方案12对能量存储器10进行充电，也将这称为“充电过程的执行”，并且在图3中表示为步骤s5。67.在所示出的实施例中，针对即将到来的充电阶段l*对充电方案12进行调整，使得尽可能最佳地、优选最大地使用充电阶段的预计的持续时间d*，以达到所需的电量c*。代替尽可能快速地对能量存储器10进行充电，在此选择尽可能低的充电速度，充电速度尤其是如此之高，使得最大地利用预计可以使用的持续时间d*。此外，在此，充电方案12预先给定用于充电的充电电流，并且选择充电方案12，使得为了达到所需的电量c*，在预计的持续时间d*期间，使充电电流最小，即，将充电电流选择为尽可能小，然而不小于在充电持续时间d*期间达到电量c*所需的充电电流。68.可选地，将所需的电量c*四舍五入为最大值，该最大值为能量存储器10的总容量的至少85％、最大95％、例如92％。此外，可选地，如果对于所需的电量c*，计算出所提到的最大值以上的值，则输出指示14。为了避免在随后的使用阶段n*期间能量供应e不足，例如向用户建议将充电持续时间d延长到超过事先确定的预计的持续时间d*。替换地或者附加地，向用户提议在随后的使用阶段n*期间放弃设备2的一个或多个功能或者关闭设备2的一个或多个功能，以使实际能量消耗e相对于事先确定的预计的能量消耗e*减小。替换地或者附加地，向用户提议尽管如此仍然将能量存储器10充电到超过最大值。在图1中，示例性地由设备2，替换地或者附加地，由充电设备8和/或附加设备4，作为声学指示向用户输出指示14。69.在确定预计的能量消耗e*和预计的持续时间d*时，在此，使用24小时时间框架。在图4中示出了其实施例。其中也可以看到使用阶段和充电阶段n、n*、l、l*的交替的序列以及即将到来的充电阶段l*和随后的使用阶段n*。24小时时间框架16的开始和结束不一定在00:00时。听力设备一般在白天使用，并且在晚上进行充电，即，使用阶段n和充电阶段l以24小时的节奏交替。在24小时时间框架16内，使用阶段n不一定总是在相同的时间开始，然而至少一般大概是这种情况。相同的情况适用于使用阶段n的结束以及充电阶段l的开始和结束。可以想到大量的变形方案，例如在一个未明确示出的变形方案中，在一个24小时时间框架16内存在多个使用阶段和充电阶段n、l，就此而言，图1仅示出了多个可能的设计方案中的一个。在所示出的实施例中，借助利用先前的使用阶段和充电阶段n、l经过训练的学习机18，来确定预计的能量消耗e*和预计的持续时间d*。向学习机18馈送来自先前的使用阶段n和利用先前的充电阶段l的训练信息20。然后，学习机18由训练信息20推导出关于即将到来的充电阶段l*和随后的使用阶段n*的信息，例如直接推导出持续时间d*和预计的能量消耗e*。训练信息20例如是先前的充电阶段l的相应的持续时间d和先前的使用阶段n的相应的能量消耗e，或者与此相对是更详细的，并且包括如下信息，由这些信息可以推导出充电持续时间d*和预计的能量消耗e*。训练信息20例如包括相应的充电阶段l或者使用阶段n的开始和结束，以及关于如下信息的说明，即，设备2在哪个时间点是活动的或者进行充电，在哪个时间点设备2处于什么运行状态b，或者在哪个时间点设备2消耗了多少能量。70.运行状态b例如是音频流模式、耳机模式、健身跟踪模式、健康监视模式或者标准模式。运行状态b一般由不同的能量消耗e来表征，能量消耗e尤其是与如下信息相关，即，移动设备2的哪些部件对于相应的运行状态b是活动的。在相应的使用阶段n期间，一般多个不同的运行状态b交替，其中，相应的运行状态b也可以多次活动。在此，学习机18学习在哪个时间点哪个运行状态b是活动的，以及在哪个时间点对移动设备2进行充电，由此预测预计的能量消耗e*和预计的持续时间d*。71.作为所述方法的一部分，或者与所述方法分离地，对学习机18进行训练。在训练中，学习机18监视移动设备2的运行状态b，并且在此，收集并且存储上面提到的训练信息20。一旦收集到了足够量的训练信息20，由此对学习机18进行了训练，则学习机于是准备好进行预测。例如，选择充电/放电循环的数量，并且从特定的充电/放电循环数量起，假设存在足够量的训练信息20，于是由此对学习机18进行了训练。72.学习机18例如利用计算机程序来实现，在对应的计算机上，例如在移动设备2本身上，在充电设备8上，在服务器上，或者在附加设备4上，执行该计算机程序，或者学习机18分布在其中的多个上。73.在这里示出的实施例中，学习机18具有贝叶斯网络22，例如如在图5中仅局部示出的，贝叶斯网络22具有多个父节点24(即“parentnodes”)和多个子节点26(即“childnodes”)，父节点分别表示日历特征、位置特征或者环境特征，子节点分别表示特定运行状态活动b的时间间隔z。也一般地将日历特征、位置特征和环境特征相应地称为特征，从而每一个父节点24一般表示一个特征。例如，得到如下以可能的值表示特征的父节点24：一星期中的一天{星期一，星期二，星期三，星期四，星期五，星期六，星期天}，出差日{是，否}，休假日{是，否}，节日{平安夜，新年前夜，耶稣受难日，复活节星期日，复活节星期一；…}，位置{家，办公室，健身中心，…}，环境{室内，室外}。74.子节点26分别表示运行状态b的时间间隔z。在时间间隔z的数量为a并且运行状态b的数量为b的情况下，对应地得到a*b个子节点26。在使用24小时时间框架16或者一般地使用任意的时间框架的情况下，将其划分成多个时间间隔z，例如划分成每个长5分钟的连续的时间间隔z。然而，时间框架和长度原则上是可变的。在此，时间间隔z具有相同的长度，但是这不是强制性的。上面已经提到了示例性的运行状态b。例如，对于运行状态b“健身跟踪模式”，于是得到如下多个子节点26：(...，健身跟踪模式15:00-15:05时，健身跟踪模式15:05-15:10时，健身跟踪模式15:10-15:15时，...)。对于其它运行状态b，类似地得到其它子节点26。在图5中，每一个子节点26表示运行状态b和时间间隔z的不同的组合。75.此外，每一个节点24、26都分配有一个概率表(即“conditionalprobabilitytable(条件概率表)”)，概率表分别具有多个条件概率，也仅简称为“概率”。这些概率给出相应的特征出现或者不出现、即满足或者不满足的可能性有多大。尤其是对于子节点26，这些概率与相应的子节点26连结的父节点24的概率表中的概率相关。在学习机18的训练的过程中，基于先前的使用阶段和/或充电阶段n、l来产生这些概率，从而于是利用经过训练的学习机18对相应的时间间隔z内的相应的运行状态b的概率进行预测。在此，一方面，确定预计的持续时间d*。另一方面，确定预计的能量消耗e*。76.在上面描述的过程的一个示例性的实现中，确定预计的能量消耗e*，方式是，如在图3中示出的，将随后的使用阶段n*划分为多个时间间隔z，并且基于先前的使用阶段n*，针对每一个时间间隔z确定间隔能量消耗，该间隔能量消耗是该时间间隔期间的设备2的预计的能量消耗e*的预期值。例如将相应的间隔能量消耗确定为加权的单能量消耗的总和，其中，通过如下方式来确定加权的单能量消耗，即，对于每一个时间间隔z，以如下的概率对相应的运行状态b的单能量消耗进行加权，该概率给出在该时间间隔期z间相应的运行状态b活动的可能性有多大。因此，对于每一个时间间隔z，得到多个加权的单能量消耗，然后对加权的单能量消耗求和，以得到间隔能量消耗。然后，又通过对间隔能量消耗求和，来确定整个随后的使用阶段n*期间的预计的能量消耗e*。可选地，除了间隔能量消耗之外，还添加安全裕量、例如间隔能量消耗的总和的20％。77.因此，对于随后的使用阶段n*，预测各个运行状态b在随后的使用阶段n*期间以什么概率出现，以及出现多长时间。因为对于每一个运行状态b，其能量需求e是已知的，因此也由此确定预计的能量消耗e*。在此，对预计的能量消耗e*的预测基于事先执行的训练。现在，首先将随后的使用阶段n*划分为多个时间间隔z，在此，这些时间间隔z对应于由子节点26映射的时间间隔z。现在，对于每一个时间间隔z，确定相应的时间间隔z期间的间隔能量消耗，方式是，对于每一个时间间隔z，以如下的概率对相应的运行状态b的单能量消耗进行加权，该概率给出在对应的时间间隔z期间相应的运行状态b活动的可能性有多大，从而对于每一个时间间隔z，得到多个加权的单能量消耗，即每一个运行状态b的加权的单能量消耗。从上面提到的概率表中得到概率。然后，对加权的单能量消耗进行求和，以得到间隔能量消耗，更确切地说，针对随后的使用阶段n*的每一个时间间隔z，得到间隔能量消耗，从而得到多个间隔能量消耗，间隔能量消耗分别是相应的时间间隔z期间的预计的能量消耗的预期值。然后，同样对这些预期值进行求和，以确定随后的使用阶段期间的预计的能量消耗e*。78.例如基于先前的充电阶段l的持续时间d，来确定预计的持续时间d*。因此，基本上监视用户的充电行为，即，监视设备2为了进行充电何时与充电设备8连接和/或连接多长时间。79.通过考虑上面描述的各个特征，也可以使用相对复杂的使用和充电行为来进行预测。在此，“复杂”特别是理解为，使用和充电行为不仅仅在所选择的时间框架内、例如在24小时时间框架内进行，而且例如区分移动设备2在工作日(星期一至星期五)的使用与在周末(星期六，星期日)的使用。例如，也在特定的一星期中的某些天或者一个月或一年中的某些天，或者以相对于彼此均匀的间隔，考虑用户的特定的定期活动，例如每周的会议或者每两天去一次健身房。在图6中示出了一个星期的过程中的不同的活动的模式的示例。在此，在第一列中给出了一天中的时间，并且在随后的列中，针对一星期中的每一天给出了不同的活动，在其期间设备2的对应的运行状态b是活动的。在“1-1”或者“团队通话”的情况下，例如为耳机模式，并且在“健身中心”的情况下，为“健身跟踪模式”。80.除了用于在对能量存储器10进行充电期间对充电方案12进行优化之外，也可以有益地将关于使用和充电行为的信息用于移动设备2的运行，例如用于确定利用传感器28进行的传感器测量的输入(特别是运行参数)，这里，传感器28安装在设备2中。对应地，在一个可行的设计方案中，使用预计的能量需求e*和/或预计的持续时间d*来确定传感器测量的输入。81.这里示出的移动设备2被构造为用于在前面描述的方法中使用，并且为此具有控制单元30。如已经示出的，这里示出的设备2是听力设备。在此，听力设备被构造为用于供应具有听力缺陷的用户。为此，听力设备具有麦克风32，麦克风32接收来自环境的声音并且产生电输入信号。将电输入信号馈送到听力设备的信号处理装置34，以进行修改。根据用户个人的听力图(audiogramm)来进行修改，从而对用户个人的听力缺陷进行补偿。信号处理装置34作为结果输出电输出信号，然后又经由听筒36将电输出信号转换为声音，并且向用户输出。根据听力设备类型，代替麦克风32，其它输入转换器也是可以的，类似地，根据听力设备类型，代替听筒36，其它输出转换器也是可以的。82.类似地，一种有利的充电设备8被构造为用于，根据如前面所述的方法，如前面所述对移动设备2进行充电。为此，充电设备8具有控制单元38，控制单元38被构造为用于执行所述方法，由此对移动设备2进行充电，更准确地说，对其能量存储器10进行充电。此外，这里示例性地示出的充电设备是移动充电设备，因此本身具有二次电池单元40作为能量存储器，可以由该能量存储器对移动设备2进行充电。充电设备8还附加地具有可选的燃料电池单元42作为附加能量存储器，用于对二次电池单元40进行充电。然后，所描述的方法附加地用于由燃料电池单元42尽可能最佳地对二次电池单元40进行充电。然后，除了移动设备2的所需的电量c*之外，还基于先前的使用阶段和/或充电阶段n、l来计算二次电池单元40的电量。83.在一个未明确示出的设计方案中，在服务器上，特别是作为云服务，执行所述方法。服务器经由数据连接、例如互联网与充电设备8和/或移动设备2连接。也可以有利地将所描述的所述方法在移动设备2、充电设备8或者服务器上的执行组合，例如使得所述方法的步骤分布在这些设备中的两个或者更多个上。84.附图标记列表[0085]2ꢀꢀ移动设备[0086]4ꢀꢀ附加设备[0087]6ꢀꢀ数据连接[0088]8ꢀꢀ充电设备[0089]10能量存储器[0090]12充电方案[0091]14指示[0092]1624小时时间框架[0093]18学习机[0094]20训练信息[0095]22贝叶斯网络[0096]24父节点[0097]26子节点[0098]28传感器[0099]30(移动设备的)控制单元[0100]32麦克风[0101]34信号处理装置[0102]36听筒[0103]38(充电设备的)控制单元[0104]40二次电池单元[0105]42燃料电池单元[0106]bꢀꢀ运行状态[0107]cꢀꢀ电量[0108]c*所需的电量[0109]dꢀꢀ(先前的充电阶段)的持续时间[0110]d*(即将到来的充电阶段的)预计的持续时间[0111]eꢀꢀ能量消耗[0112]e*预计的能量消耗[0113]lꢀꢀ先前的充电阶段[0114]l*即将到来的充电阶段[0115]nꢀꢀ先前的使用阶段[0116]n*随后的使用阶段[0117]s1步骤(能量消耗的预测)[0118]s2步骤(充电持续时间的预测)[0119]s3步骤(电量的计算)[0120]s4步骤(充电过程的规划)[0121]s5步骤(充电过程的执行)[0122]zꢀꢀ时间间隔当前第1页12当前第1页12