0 引言

隨著全球環(huán)境問題的日益嚴(yán)峻和化石能源的逐漸枯竭，電動汽車因其環(huán)保、經(jīng)濟及能夠有效利用間歇性可再生能源的優(yōu)勢，在全球范圍內(nèi)得到了快速發(fā)展。然而，大規(guī)模電動汽車的接入對電網(wǎng)的安全穩(wěn)定運行構(gòu)成了嚴(yán)峻挑戰(zhàn)。電動汽車充電負(fù)荷的急劇增加，不僅可能引發(fā)電網(wǎng)負(fù)荷高峰，還可能加劇電網(wǎng)的波動性和不穩(wěn)定性。因此，對電動汽車充電負(fù)荷進(jìn)行準(zhǔn)確預(yù)測，對于電網(wǎng)規(guī)劃、充電樁建設(shè)以及緩解電動汽車充電對電網(wǎng)的沖擊具有重要意義。

本文首先分析了影響電動汽車充電負(fù)荷特性的關(guān)鍵因素，包括充電開始時間、充電持續(xù)時間和充電功率。隨后，基于某市的實際充電行為數(shù)據(jù)，采用蒙特卡洛法對各類型電動汽車的充電負(fù)荷進(jìn)行預(yù)測，并分析了充電負(fù)荷對電網(wǎng)的影響。

1 影響電動汽車充電負(fù)荷特性的因素

電動汽車充電負(fù)荷特性主要受充電開始時間、充電持續(xù)時間和充電功率的影響。

1.1 充電開始時間

充電開始時間受車輛類型和用戶行為等多種因素影響。傳統(tǒng)研究常以燃油車出行特性近似代替電動汽車，但這種方法存在局限性。本文基于實際充電數(shù)據(jù)，分析了公交車、出租車和私家車在不同日期的充電開始時間分布特征。

1.2 充電持續(xù)時間

充電持續(xù)時間取決于充電電量和充電功率。充電電量受車輛行駛里程、電池荷電狀態(tài)（SOC）等因素影響，而充電功率則直接影響充電速度。本文采用實際充電數(shù)據(jù)，考慮了不同車型和充電時段的電量和功率分布。

1.3 充電功率

充電功率直接決定了充電過程中的負(fù)荷情況。不同車型和充電階段的功率變化對負(fù)荷預(yù)測具有重要影響。本文通過分析實際充電數(shù)據(jù)，得到了各類型車在不同時間和電量下的平均充電功率。

2 電動汽車充電行為分析

基于充電行為的差異性，本文分別分析了公交車、出租車和私家車的充電行為特征。

2.1 公交車

公交車出行規(guī)律較為固定，充電時間主要集中在中午和晚上。通過分析實際充電數(shù)據(jù)，得到了公交車在不同日期的充電開始時間、充電電量和充電功率的分布規(guī)律。

圖 1 電動公交車開始充電時間分布

可以發(fā)現(xiàn)公交車開始充電時間有兩個峰值，分別 為中午 12:00 附近和晚上 23:00 附近，且在 23:00 附近會達(dá)到一天中的最大峰值。 由于充電時間不同，充電 電量和功率也會不同，因此，將充電電量按照時間進(jìn)行分類，將白天定義為 7: 00 ～ 17: 00，晚上定義為 18: 00 到第二天 6:00 。得到電動公交車不同日期白天和晚上的充電電量分布情況如圖 2、圖 3 所示。

圖 2 電動公交車白天充電電量分布

圖 3 電動公交車晚上充電電量分布

對充電電量進(jìn)行劃分，計算訂單中的每一段充電電量對應(yīng)的平均充電功率如表 1 所示，相較于直接規(guī)定以某一充電功率充電，結(jié)果會更加精確。將電動公交車定義為一天一充，其中開始充電時間、充電電量、均按照以上分布規(guī)律生成對應(yīng)的隨機數(shù)，以此來代替用戶不確定的充電行為。

2.2 出租車

出租車充電行為受運營需求影響，充電時間主要集中在中午和晚上。本文分析了出租車在不同日期的充電行為特征，并得到了相應(yīng)的充電負(fù)荷分布。

圖4 電動出租車開始充電時間分布圖

總體來說工作日和休息日出租車的開始充電時間分布近似相同，主要集中在中午 12: 00 ～ 15: 00，晚上 22:00 ～1:00，接近凌晨的充電頻率略高于中午的充電頻率。

圖 5 電動出租車白天充電電量分布

圖 6 電動出租車晚上充電電量分布

2.3私家車

私家車主要用于上下班和日常出行，充電時間多集中在晚上和休息日。通過分析實際充電數(shù)據(jù)，得到了私家車充電行為的分布規(guī)律。

圖 7 電動私家車開始充電時間分布

圖 8 電動私家車白天充電電量分布

圖 9 電動私家車晚上充電電量分布

私家車工作日開始充電時間更多的是集中在下班高峰期，約在 19:00 達(dá)到高峰，且晚上充電頻率顯著高于中午。休息日在午間充電頻率整體高于工作日，在 18:00 ～21:00 達(dá)到一天中的峰值。

同理將對充電電量大小進(jìn)行分類，每一類的電量匹配所對應(yīng)的訂單中的平均功率如表3所示，將電動私家車的充電頻率定為一天一次。

3 電動汽車充電負(fù)荷預(yù)測模型

基于某市電動汽車保有量數(shù)據(jù)及各類型車的充電行為特征，本文采用蒙特卡洛算法對電動汽車充電負(fù)荷進(jìn)行了預(yù)測。通過大量隨機試驗，模擬電動汽車的隨機充電行為，得到了公交車、出租車和私家車的充電負(fù)荷曲線。

預(yù)測結(jié)果顯示，電動出租車由于充電頻率高且保有量較大，其充電負(fù)荷占比最高。同時，電動汽車的大規(guī)模無序充電行為會顯著提高電網(wǎng)的峰值和峰谷差，對電網(wǎng)安全穩(wěn)定運行構(gòu)成威脅。

已知該地區(qū) 2015 年～2020 年的電動汽車保有量，計算得到該地區(qū)電動汽車保有量年均漲高達(dá)75.26% ，對增長趨勢進(jìn)行擬合處理如圖 10 所示，計算得到 2021年該地區(qū)電動汽車的總保有量。已知該地區(qū)某市電動汽車保有量占比，以及公交車、出租車、私家車之前的數(shù)量 占 比，得到 2021年該市總保有量為64 616輛，其中公交車為 2565輛，出租車( 包括網(wǎng)約 車) 為 20541 輛，私家車為 41 510 輛。

圖 10 某地區(qū) 2015年-2020年電動汽車保有量變化

通過上文各類型車充電開始時間、充電電量、充電功率的分布規(guī)律以及保有量數(shù)據(jù)，對南方某市 2021年的公交車、出租車、私家車的充電負(fù)荷數(shù)據(jù)采取蒙特卡洛算法進(jìn)行預(yù)測計算。蒙特卡洛算法是在已知某些隨機變量大量數(shù)據(jù)的前提下，通過大量的隨機試驗，反復(fù)抽取隨機數(shù)，以此來替代電動汽車的隨機充電行為，計算變量在試驗中出現(xiàn)的頻率近似估計其概率值，并將其作為問題的解。圖 11為基于蒙特卡洛算法的電動汽車充電負(fù)荷預(yù)測流程圖，通過仿真計算得到公交車、出租車、私家車一天的充電負(fù)荷情況。為了簡化計算流程，做出以下假設(shè) :

(1) 各個類型電動汽車的開始充電時間與充電電量互相獨立，彼此互不影響 ;

(2) 充電過程均視為恒功率充電 ;

(3) 區(qū)域內(nèi)的總負(fù)荷為獨立車輛充電負(fù)荷的疊加， 即對同時刻的不同車型充電負(fù)荷進(jìn)行求和。

文中將三種類型電動汽車充電負(fù)荷曲線的負(fù)荷值相加，計算各類型車不同日期類型的負(fù)荷占比，以及負(fù)荷峰值如表 4所示。由于電動出租車充電頻率高，且保有量較高，無論工作日還是休息日，該市的電動出租車充電負(fù)荷占比始終最高，分別為 60．42% 和58．88% 。 由于工作日和休息日對電動公交車和電動出租車的負(fù)荷預(yù)測曲線影響較小，文中只列出電動私家車工作日與休息日的負(fù)荷曲線對比圖12，以及三種電動汽車在工作日的負(fù)荷曲線對比圖13，發(fā)現(xiàn)私家車在休息日中午和凌晨的充電負(fù)荷要高于工作日，工作日更多選擇在下班高峰期進(jìn)行充電。

圖 11 充電負(fù)荷計算流程圖

公交車、出租車、私家車三者的負(fù)荷曲線疊加得到圖 14，可以發(fā)現(xiàn)工作日與休息日電動汽車的總的負(fù)荷曲線分布規(guī)律相似。由于出租車的負(fù)荷占比始終最大，導(dǎo)致總體分布曲線類似于出租車的充電負(fù)荷曲線。

圖 14 三種類型電動汽車充電負(fù)荷曲線之和

已知該市 2016 年冬季典型日負(fù)荷曲線如圖 15 中 的原負(fù)荷曲線所示。并將圖14結(jié)果疊加到原負(fù)荷曲 線之上，得到2021年該市電動汽車總負(fù)荷曲線與原負(fù)荷曲線對比圖，如圖 15 所示。并繪制了表5，展示三條曲線負(fù)荷峰值、谷值、峰谷差、方差之間的差異，括號內(nèi)展示了相較于基礎(chǔ)負(fù)荷的增長率。表 6、表 7 分別為各類型車開始充電時間、充電電量的概率密度函數(shù)擬合公式的具體參數(shù)。

從圖15 以及表5 可以看出，電動汽車的充電過程使得電網(wǎng)的整體負(fù)荷有了較大的提升，會在晚上 19: 00 達(dá)到高峰，約為 835．09 MW( 工作日)，830．20 MW( 休 息日) ，負(fù)荷峰值分別提高了7．79% ( 工作日) ，7．16% (休息日) 。相對來說，在夜間負(fù)荷谷值的提升更為明顯，分別提高 10．70% ，11．12% ，利用這一特性后續(xù)可以采用 V2G［27-30］等有序充電控制技術(shù)，將電動汽車作為一個獨立的儲能單元與電網(wǎng)進(jìn)行有效的交互調(diào)度，在滿足用戶充電需求的前提下，提高發(fā)電設(shè)備在夜間 的利用率，實現(xiàn)削峰填谷，保證電網(wǎng)的安全穩(wěn)定運行。負(fù)荷峰谷差由原來的 366．99 MW 提高至 383．70 MW( 工作日) 、377．10MW ( 休 息 日) 分別提高 4．55%，2．75% 。而負(fù)荷的波動情況一般用方差來表示，負(fù)荷方差分別提高 9．62% ( 工作日) ，7．94% ( 休息日) ，也表明電動汽車的引入加劇了電網(wǎng)的不穩(wěn)定波動。

圖 15 電動汽車總負(fù)荷曲線與原負(fù)荷曲線對比

4 安科瑞充電樁收費云平臺

4.1概述

AcrelCloud-9000安科瑞充電樁收費運營云平臺系統(tǒng)通過物聯(lián)網(wǎng)技術(shù)對接入系統(tǒng)的汽車充電站、電動自行車充電站以及各個充電樁進(jìn)行不間斷地數(shù)據(jù)采集和監(jiān)控，實時監(jiān)控充電樁運行狀態(tài)，進(jìn)行充電服務(wù)、支付管理，交易結(jié)算，資源管理、電能管理、明細(xì)查詢等，同時對充電機過溫保護(hù)、漏電、充電機輸入/輸出過壓、欠壓、絕緣低各類故障進(jìn)行預(yù)警；充電樁支持以太網(wǎng)、4G或WIFI等方式接入互聯(lián)網(wǎng)，用戶通過微信、支付寶、云閃付掃碼充電。

4.2應(yīng)用場合

適用于住宅小區(qū)等物業(yè)環(huán)境、各類企事業(yè)單位、醫(yī)院、景區(qū)、學(xué)校、園區(qū)等公建、公共停車場、公路充電站、公交樞紐、購物中心、商業(yè)綜合體、商業(yè)廣場、地下停車場、高速服務(wù)區(qū)、公寓寫字樓等場合。

4.3系統(tǒng)結(jié)構(gòu)

現(xiàn)場設(shè)備層：連接于網(wǎng)絡(luò)中的各類傳感器，包括多功能電力儀表、汽車充電樁、電瓶車充電樁、電能質(zhì)量分析儀表、電氣火災(zāi)探測器、限流式保護(hù)器、煙霧傳感器、測溫裝置、智能插座、攝像頭等。

網(wǎng)絡(luò)通訊層：包含現(xiàn)場智能網(wǎng)關(guān)、網(wǎng)絡(luò)交換機等設(shè)備。智能網(wǎng)關(guān)主動采集現(xiàn)場設(shè)備層設(shè)備的數(shù)據(jù)，并可進(jìn)行規(guī)約轉(zhuǎn)換，數(shù)據(jù)存儲，并通過網(wǎng)絡(luò)把數(shù)據(jù)上傳至搭建好的數(shù)據(jù)庫服務(wù)器，智能網(wǎng)關(guān)可在網(wǎng)絡(luò)故障時將數(shù)據(jù)存儲在本地，待網(wǎng)絡(luò)恢復(fù)時從中斷的位置繼續(xù)上傳數(shù)據(jù)，保證服務(wù)器端數(shù)據(jù)不丟失。

平臺管理層：包含應(yīng)用服務(wù)器和數(shù)據(jù)服務(wù)器，完成對現(xiàn)場所有智能設(shè)備的數(shù)據(jù)交換，可在PC端或移動端實現(xiàn)實時監(jiān)測充電站配電系統(tǒng)運行狀態(tài)、充電樁的工作狀態(tài)、充電過程及人員行為，并完成微信、支付寶在線支付等應(yīng)用。

4.4平臺功能描述

4.4.1充電服務(wù)

充電設(shè)施搜索，充電設(shè)施查看，地圖尋址，在線自助支付充電，充電結(jié)算，導(dǎo)航等。

4.4.2首頁總覽

總覽當(dāng)日、當(dāng)月開戶數(shù)、充值金額、充電金額、充電度數(shù)、充電次數(shù)、充電時長，累計的開戶數(shù)、充值金額、充電金額、充電度數(shù)、充電次數(shù)、充電時長，以及相應(yīng)的環(huán)比增長和同比增長以及樁、站分布地圖導(dǎo)航、本月充電統(tǒng)計。

4.4.3交易結(jié)算

充電價格策略管理，預(yù)收費管理，賬單管理，營收和財務(wù)相關(guān)報表。

4.4.4故障管理

故障管理故障記錄查詢、故障處理、故障確認(rèn)、故障分析等管理項，為用戶管理故障和查詢提供方便。

4.4.5統(tǒng)計分析

統(tǒng)計分析支持運營趨勢分析、收益統(tǒng)計，方便用戶以曲線、能耗分析等分析工具，瀏覽樁的充電運營態(tài)勢。

4.4.6運營報告

按用戶周期分析汽車、電瓶車充電站、樁運行、交易、充值、充電及報警、故障情況，形成分析報告。

4.4.7APP、小程序移動端支持

通過模糊搜索和地圖搜索的功能，可查詢可用的電樁和電站等詳細(xì)信息。掃碼充電，在線支付:掃描充電樁二維碼，完成支付，微信支付完成后，即可進(jìn)行充電。

4.4.8資源管理

充電站檔案管理，充電樁檔案管理，用戶檔案管理，充電樁運行監(jiān)測，充電樁異常交易監(jiān)測。

4.5選型配置

5 結(jié)束語

本文通過實際數(shù)據(jù)分析，得到了不同類型電動汽車的充電行為特征，并采用蒙特卡洛算法對電動汽車充電負(fù)荷進(jìn)行了預(yù)測。結(jié)果表明，電動汽車的大規(guī)模無序充電行為對電網(wǎng)安全穩(wěn)定運行構(gòu)成威脅。未來，可以通過有序充電控制、V2G技術(shù)等多種方式引導(dǎo)電動汽車充電行為，降低其對電網(wǎng)的影響。

參考文獻(xiàn)

［1］蔡黎，葛棚丹，代妮娜，等．電動汽車入網(wǎng)負(fù)荷預(yù)測及其與電網(wǎng)互 動研究進(jìn)展綜述［J］．智慧電力，2022，50(7): 96-103.

［2］段俊東，李高尚，李一石，等．考慮風(fēng)電消納的電動汽車充電站有 序充電控制［J］．儲能科學(xué)與技術(shù)，2021，10(2): 630-637 .

［3］郭建龍．電動汽車充電負(fù)荷的建模及其對配電系統(tǒng)的影響分析［D］廣州: 華南理工大學(xué)，2017 .

［4］孔順飛，胡志堅，謝仕煒，等．考慮分布式儲能與電動汽車充電網(wǎng)絡(luò)的配電網(wǎng)多目標(biāo)規(guī)劃［J］．電力科學(xué)與技術(shù)學(xué)報，2021，36 (1) : 106-116 .

［5］基于充電行為分析的電動汽車充電負(fù)荷預(yù)測.秦建華等.

［6］安科瑞企業(yè)微電網(wǎng)設(shè)計與應(yīng)用手冊2020.06