摘要 ：文章基于南方某市的电动汽车充电数据，得出各类型电动汽车在不同日期类型的充电开始时间、充电电量、充电功率的分布规律。采用蒙特卡洛算法模拟计算了该市 2021年各类型电动汽车工作日与休息日的充电负荷情况，结果表明，电动私家车在休息日的午间和凌晨充电负荷要高于工作日；该市电动出租车在工作日与休息日的充电负荷占比分别为 60．42% 、58．55% ，在三类型车中始终大; 电动私家车工作日与休息日充电负荷曲线有较大差异，电网总负荷会在 19:00 达到高峰。验证了电动汽车的大规模引入会增加电网的峰值和峰谷差，同时将充电行为数据拟合为公式，旨在为未来的电网扩容建设和对电动汽车的有序充电控制提供帮助。

关键词：电动汽车；充电行为分析；负荷预测

0 引言

随着环境的恶化和化石能源短缺现象的加剧，电动汽车以其相对低廉的价格、契合绿色出行的理念、消纳间歇性可再生能源电力等特点，近些年在世界范围 内都得到了较快的发展。而大规模电动汽车并入电网给电网的安全带来了严重的威胁。即随着电动汽车数量的提高，会给电网负荷带来了巨大的冲击。因此，对电动汽车的充电负荷趋势进行预测，对于电网及充电桩后续的规划建设，以及采用何种方式来缓解大规模电动汽车充电过程对电网带来的冲击，都具有重要的研究价值和现实意义。

针对电动汽车充电负荷预测可以分为从空间角度和时间角度进行预测。文献研究电动汽车在空间约束下的出行特性，采用交通起止点法和蒙特卡洛算法完成对电动汽车充电负荷的时空预测。文献针对电动汽车在居民区的充电特征，建立相关模型。文献以某一地区为例，根据状态转移矩阵得到居民区、工商业区电动汽车的数量，研究不同功能区域电动汽车充电负荷的差异性。文献对蒙特卡洛算法的寻优路径优化，完成对电动汽车时间尺度上的负荷预测，提高了运算速度。

文中分析了前人研究电动汽车的充电负荷特性因素的不足之处，对某市工作日与休息日各类型车的实际充电行为数据进行统计分析，包括充电开始时间、充电电量、充电功率的分布特征。采用蒙特卡洛法计算各类型电动汽车的负荷曲线，比较各类型车负荷曲线的差异，分析充电负荷曲线对该市电网负荷的影响。

1 影响电动汽车充电负荷特性的因素

充电开始时间、充电持续时间、充电功率是影响电动汽车充电负荷特性的关键因素。下文将针对其进行分析。

1.1开始充电时间

用户的充电开始时间取决于车辆的类型以及用户的个人行为等。之前的研究多是以燃油车的出行特性来近似代替电动汽车的出行特性，例如文献［13］采用 NHTS( National Household Travel Survey) 的数据，将燃油汽车Zui后一次出行的结束时刻近似视为开始充电时间 t，如式( 1) 所示，t 与其频率满足正态分布，其中 μs 、 σs 分别为 t 的期望和标准差。

fs (t) =exp [ －] (1)

2 电动汽车充电行为分析

基于充电行为的差异性，以下针对各类型电动汽车从开始充电时间、充电电量、充电功率进行分析。

2.1公交车

公交车出行规律较为固定。为了更好地比较不同日期各类型车辆充电行为的不同，将开始充电时间、充电电量、充电功率均按照日期进行了分类，将周一到周 五记为工作日，周六周日记为休息日。对南方某市电动公交车充电站的充电数据，处理后得到电动公交车不同日期的开始充电时间分布图，如图 1 所示。

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Zui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jingque。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 私家车

私家车主要用于上下班，大部分时间处于闲置状态，休息日多用于外出娱乐。对数据处理后得到电动私家车开始充电时间分布图如图 7 所示，充电电量分布图如图 8、图 9 所示。

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。

表3 电动私家车不同时间及充电电量下的充电功率

4.安科瑞充电桩收费运营云平台

4.1概述

AcrelCloud-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、4G或WIFI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PC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。

4.4.7APP、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。

5. 结束语

由于早期的研究缺乏实际数据的支持，对充电电量和充电功率的设定较为主观，降低了模型计算的精度，文章基于南方某市电动汽车充电的实际数据，对其进行筛选处理，得到不同类型电动汽车充电行为的分布规律，并将其充电行为数据拟合成函数形式。而后采用蒙特卡罗算法对三种类型电动车的充电负荷曲线进行了模拟计算，得到以下结论:

(1) 电动汽车的大规模无序充电行为会进一步提高电网的峰值与峰谷差，导致峰上加峰现象的出现；

(2) 电动出租车充电负荷占比较高，同时具有较大的随机性，未来具有较大的调度潜力，可以通过多种方式对其充电行为进行引导，进一步降低其充电行为对电网的影响。