麻花天美星空糖心

0 引言

随着全球环境问题的日益严峻和化石能源的逐渐枯竭，电动汽车因其环保、经济及能够有效利用间歇性可再生能源的优势，在全球范围内得到了快速发展。然而，大规模电动汽车的接入对电网的安全稳定运行构成了严峻挑战。电动汽车充电负荷的急剧增加，不仅可能引发电网负荷高峰，还可能加剧电网的波动性和不稳定性。因此，对电动汽车充电负荷进行准确预测，对于电网规划、充电桩建设以及缓解电动汽车充电对电网的冲击具有重要意义。

本文首先分析了影响电动汽车充电负荷特性的关键因素，包括充电开始时间、充电持续时间和充电功率。随后，基于某市的实际充电行为数据，采用蒙特卡洛法对各类型电动汽车的充电负荷进行预测，并分析了充电负荷对电网的影响。

1 影响电动汽车充电负荷特性的因素

电动汽车充电负荷特性主要受充电开始时间、充电持续时间和充电功率的影响。

1.1 充电开始时间

充电开始时间受车辆类型和用户行为等多种因素影响。传统研究常以燃油车出行特性近似代替电动汽车，但这种方法存在局限性。本文基于实际充电数据，分析了公交车、出租车和私家车在不同日期的充电开始时间分布特征。

1.2 充电持续时间

充电持续时间取决于充电电量和充电功率。充电电量受车辆行驶里程、电池荷电状态（厂翱颁）等因素影响，而充电功率则直接影响充电速度。本文采用实际充电数据，考虑了不同车型和充电时段的电量和功率分布。

1.3 充电功率

充电功率直接决定了充电过程中的负荷情况。不同车型和充电阶段的功率变化对负荷预测具有重要影响。本文通过分析实际充电数据，得到了各类型车在不同时间和电量下的平均充电功率。

2 电动汽车充电行为分析

基于充电行为的差异性，本文分别分析了公交车、出租车和私家车的充电行为特征。

2.1 公交车

公交车出行规律较为固定，充电时间主要集中在中午和晚上。通过分析实际充电数据，得到了公交车在不同日期的充电开始时间、充电电量和充电功率的分布规律。

图 1 电动公交车开始充电时间分布

可以发现公交车开始充电时间有两个峰值，分别 为中午 12:00 附近和晚上 23:00 附近，且在 23:00 附近会达到一天中的最大峰值。 由于充电时间不同，充电 电量和功率也会不同，因此，将充电电量按照时间进行分类，将白天定义为 7: 00 ～ 17: 00，晚上定义为 18: 00 到第二天 6:00 。得到电动公交车不同日期白天和晚上的充电电量分布情况如图 2、图 3 所示。

图 2 电动公交车白天充电电量分布

图 3 电动公交车晚上充电电量分布

对充电电量进行划分，计算订单中的每一段充电电量对应的平均充电功率如表 1 所示，相较于直接规定以某一充电功率充电，结果会更加精确。将电动公交车定义为一天一充，其中开始充电时间、充电电量、均按照以上分布规律生成对应的随机数，以此来代替用户不确定的充电行为。

2.2 出租车

出租车充电行为受运营需求影响，充电时间主要集中在中午和晚上。本文分析了出租车在不同日期的充电行为特征，并得到了相应的充电负荷分布。

图4 电动出租车开始充电时间分布图

总体来说工作日和休息日出租车的开始充电时间分布近似相同，主要集中在中午 12: 00 ～ 15: 00，晚上 22:00 ～1:00，接近凌晨的充电频率略高于中午的充电频率。

图 5 电动出租车白天充电电量分布

图 6 电动出租车晚上充电电量分布

2.3私家车

私家车主要用于上下班和日常出行，充电时间多集中在晚上和休息日。通过分析实际充电数据，得到了私家车充电行为的分布规律。

图 7 电动私家车开始充电时间分布

图 8 电动私家车白天充电电量分布

图 9 电动私家车晚上充电电量分布

私家车工作日开始充电时间更多的是集中在下班高峰期，约在 19:00 达到高峰，且晚上充电频率显著高于中午。休息日在午间充电频率整体高于工作日，在 18:00 ～21:00 达到一天中的峰值。

同理将对充电电量大小进行分类，每一类的电量匹配所对应的订单中的平均功率如表3所示，将电动私家车的充电频率定为一天一次。

3 电动汽车充电负荷预测模型

基于某市电动汽车保有量数据及各类型车的充电行为特征，本文采用蒙特卡洛算法对电动汽车充电负荷进行了预测。通过大量随机试验，模拟电动汽车的随机充电行为，得到了公交车、出租车和私家车的充电负荷曲线。

预测结果显示，电动出租车由于充电频率高且保有量较大，其充电负荷占比最高。同时，电动汽车的大规模无序充电行为会显着提高电网的峰值和峰谷差，对电网安全稳定运行构成威胁。

已知该地区 2015 年～2020 年的电动汽车保有量，计算得到该地区电动汽车保有量年均涨高达75.26% ，对增长趋势进行拟合处理如图 10 所示，计算得到 2021年该地区电动汽车的总保有量。已知该地区某市电动汽车保有量占比，以及公交车、出租车、私家车之前的数量 占 比，得到 2021年该市总保有量为64 616辆，其中公交车为 2565辆，出租车( 包括网约 车) 为 20541 辆，私家车为 41 510 辆。

图 10 某地区 2015年-2020年电动汽车保有量变化

通过上文各类型车充电开始时间、充电电量、充电功率的分布规律以及保有量数据，对南方某市 2021年的公交车、出租车、私家车的充电负荷数据采取蒙特卡洛算法进行预测计算。蒙特卡洛算法是在已知某些随机变量大量数据的前提下，通过大量的随机试验，反复抽取随机数，以此来替代电动汽车的随机充电行为，计算变量在试验中出现的频率近似估计其概率值，并将其作为问题的解。图 11为基于蒙特卡洛算法的电动汽车充电负荷预测流程图，通过仿真计算得到公交车、出租车、私家车一天的充电负荷情况。为了简化计算流程，做出以下假设 :

(1) 各个类型电动汽车的开始充电时间与充电电量互相独立，彼此互不影响 ;

(2) 充电过程均视为恒功率充电 ;

(3) 区域内的总负荷为独立车辆充电负荷的叠加， 即对同时刻的不同车型充电负荷进行求和。

文中将三种类型电动汽车充电负荷曲线的负荷值相加，计算各类型车不同日期类型的负荷占比，以及负荷峰值如表 4所示。由于电动出租车充电频率高，且保有量较高，无论工作日还是休息日，该市的电动出租车充电负荷占比始终最高，分别为 60．42% 和58．88% 。 由于工作日和休息日对电动公交车和电动出租车的负荷预测曲线影响较小，文中只列出电动私家车工作日与休息日的负荷曲线对比图12，以及三种电动汽车在工作日的负荷曲线对比图13，发现私家车在休息日中午和凌晨的充电负荷要高于工作日，工作日更多选择在下班高峰期进行充电。

图 11 充电负荷计算流程图

公交车、出租车、私家车三者的负荷曲线叠加得到图 14，可以发现工作日与休息日电动汽车的总的负荷曲线分布规律相似。由于出租车的负荷占比始终最大，导致总体分布曲线类似于出租车的充电负荷曲线。

图 14 三种类型电动汽车充电负荷曲线之和

已知该市 2016 年冬季典型日负荷曲线如图 15 中 的原负荷曲线所示。并将图14结果叠加到原负荷曲 线之上，得到2021年该市电动汽车总负荷曲线与原负荷曲线对比图，如图 15 所示。并绘制了表5，展示三条曲线负荷峰值、谷值、峰谷差、方差之间的差异，括号内展示了相较于基础负荷的增长率。表 6、表 7 分别为各类型车开始充电时间、充电电量的概率密度函数拟合公式的具体参数。

从图15 以及表5 可以看出，电动汽车的充电过程使得电网的整体负荷有了较大的提升，会在晚上 19: 00 达到高峰，约为 835．09 MW( 工作日)，830．20 MW( 休 息日) ，负荷峰值分别提高了7．79% ( 工作日) ，7．16% (休息日) 。相对来说，在夜间负荷谷值的提升更为明显，分别提高 10．70% ，11．12% ，利用这一特性后续可以采用 V2G［27-30］等有序充电控制技术，将电动汽车作为一个独立的储能单元与电网进行有效的交互调度，在满足用户充电需求的前提下，提高发电设备在夜间 的利用率，实现削峰填谷，保证电网的安全稳定运行。负荷峰谷差由原来的 366．99 MW 提高至 383．70 MW( 工作日) 、377．10MW ( 休 息 日) 分别提高 4．55%，2．75% 。而负荷的波动情况一般用方差来表示，负荷方差分别提高 9．62% ( 工作日) ，7．94% ( 休息日) ，也表明电动汽车的引入加剧了电网的不稳定波动。

图 15 电动汽车总负荷曲线与原负荷曲线对比

4 安科瑞充电桩收费云平台

4.1概述

础肠谤别濒颁濒辞耻诲-9000安科瑞充电桩收费运营云平台系统通过物联网技术对接入系统的汽车充电站、电动自行车充电站以及各个充电桩进行不间断地数据采集和监控，实时监控充电桩运行状态，进行充电服务、支付管理，交易结算，资源管理、电能管理、明细查询等，同时对充电机过温保护、漏电、充电机输入/输出过压、欠压、绝缘低各类故障进行预警；充电桩支持以太网、4骋或奥滨贵滨等方式接入互联网，用户通过微信、支付宝、云闪付扫码充电。

4.2应用场合

适用于住宅小区等物业环境、各类企事业单位、医院、景区、学校、园区等公建、公共停车场、公路充电站、公交枢纽、购物中心、商业综合体、商业广场、地下停车场、高速服务区、公寓写字楼等场合。

4.3系统结构

现场设备层：连接于网络中的各类传感器，包括多功能电力仪表、汽车充电桩、电瓶车充电桩、电能质量分析仪表、电气火灾探测器、限流式保护器、烟雾传感器、测温装置、智能插座、摄像头等。

网络通讯层：包含现场智能网关、网络交换机等设备。智能网关主动采集现场设备层设备的数据，并可进行规约转换，数据存储，并通过网络把数据上传至搭建好的数据库服务器，智能网关可在网络故障时将数据存储在本地，待网络恢复时从中断的位置继续上传数据，保证服务器端数据不丢失。

平台管理层：包含应用服务器和数据服务器，完成对现场所有智能设备的数据交换，可在笔颁端或移动端实现实时监测充电站配电系统运行状态、充电桩的工作状态、充电过程及人员行为，并完成微信、支付宝在线支付等应用。

4.4平台功能描述

4.4.1充电服务

充电设施搜索，充电设施查看，地图寻址，在线自助支付充电，充电结算，导航等。

4.4.2首页总览

总览当日、当月开户数、充值金额、充电金额、充电度数、充电次数、充电时长，累计的开户数、充值金额、充电金额、充电度数、充电次数、充电时长，以及相应的环比增长和同比增长以及桩、站分布地图导航、本月充电统计。

4.4.3交易结算

充电价格策略管理，预收费管理，账单管理，营收和财务相关报表。

4.4.4故障管理

故障管理故障记录查询、故障处理、故障确认、故障分析等管理项，为用户管理故障和查询提供方便。

4.4.5统计分析

统计分析支持运营趋势分析、收益统计，方便用户以曲线、能耗分析等分析工具，浏览桩的充电运营态势。

4.4.6运营报告

按用户周期分析汽车、电瓶车充电站、桩运行、交易、充值、充电及报警、故障情况，形成分析报告。

4.4.7础笔笔、小程序移动端支持

通过模糊搜索和地图搜索的功能，可查询可用的电桩和电站等详细信息。扫码充电，在线支付:扫描充电桩二维码，完成支付，微信支付完成后，即可进行充电。

4.4.8资源管理

充电站档案管理，充电桩档案管理，用户档案管理，充电桩运行监测，充电桩异常交易监测。

4.5选型配置

5 结束语

本文通过实际数据分析，得到了不同类型电动汽车的充电行为特征，并采用蒙特卡洛算法对电动汽车充电负荷进行了预测。结果表明，电动汽车的大规模无序充电行为对电网安全稳定运行构成威胁。未来，可以通过有序充电控制、痴2骋技术等多种方式引导电动汽车充电行为，降低其对电网的影响。

参考文献

［1］蔡黎，葛棚丹，代妮娜，等．电动汽车入网负荷预测及其与电网互 动研究进展综述［J］．智慧电力，2022，50(7): 96-103.

［2］段俊东，李高尚，李一石，等．考虑风电消纳的电动汽车充电站有 序充电控制［J］．储能科学与技术，2021，10(2): 630-637 .

［3］郭建龙．电动汽车充电负荷的建模及其对配电系统的影响分析［D］广州: 华南理工大学，2017 .

［4］孔顺飞，胡志坚，谢仕炜，等．考虑分布式储能与电动汽车充电网络的配电网多目标规划［J］．电力科学与技术学报，2021，36 (1) : 106-116 .

［5］基于充电行为分析的电动汽车充电负荷预测.秦建华等.

［6］安科瑞公司微电网设计与应用手册2020.06