一、引言

當前化石能源日漸匱乏,環(huán)境污染問題愈發(fā)嚴重,作為燃油汽車的升級替代產(chǎn)品,電動汽車(Electric Vehicle,EV)的保有量未來會保持快速上升的趨勢。在此背景下,EV發(fā)展與充電樁規(guī)劃建設(shè)的不匹配問題日益凸顯。

在EVCP 的規(guī)劃設(shè)計過程中,核心問題是預測EV的充電需求即充電負荷,一般通過分析規(guī)劃區(qū)域中道路交通網(wǎng)架、EV的出行規(guī)律及用戶充電習慣等因素計算得出?；诘貕K功能和地理屬性將區(qū)域劃分為住宅區(qū)、辦公區(qū)、旅游區(qū)、商業(yè)區(qū)和教育區(qū)5類,并綜合不同區(qū)域的車流通暢度情況完成 EV 充電負荷的預測。通過分析不同類型汽車在具體場景下的停車規(guī)律,并采用蒙特卡洺算法模擬車主駕駛、停放和充電行為預測出區(qū)域內(nèi)EV 充電負荷的時空分布特性。依據(jù)交通路網(wǎng)拓撲和出行數(shù)據(jù)模擬 EV 的行駛特性,并完成 E充電需求的時空分布預測。基于居民出行數(shù)據(jù)構(gòu)建不同復雜度的出行鏈模型,并使用最短路徑算法選擇行駛路徑來完成EV 充電需求的預測。根據(jù)充電站的現(xiàn)場實際統(tǒng)計數(shù)據(jù),利用泊松分布、輪盤選擇和均勻分布對EV開始充電的荷電量和充電次數(shù)進行分析,建立了 EV 充電站的負荷預測模型。采用大數(shù)據(jù)和機器學習技術(shù)對 EV 充電站的實時數(shù)據(jù)進行評估,提出一種基于數(shù)據(jù)流的流式邏輯回歸模型,充電站運營商可以根據(jù)這些數(shù)據(jù)開展優(yōu)化規(guī)劃。通過“滴滴開放數(shù)據(jù)平臺”申請得到某城市區(qū)域在一段時間內(nèi)的出行訂單及 GPS 定位數(shù)據(jù),在對 EV 行駛軌跡大數(shù)據(jù)集進行清洗與挖掘后,基于動態(tài)能耗理論構(gòu)建了 EV 充電需求的時空分布預估模型。

二、EV的充電需求預測

2.1 停車區(qū)域 EV 充電負荷的影響因素分析

大型停車區(qū)域中 EVCP 的類型和位置與停車位類型及分布情況密切相關(guān)。不同類型和用途的EV具有不同的電池容量、停放模式和充電意愿,這些因素會影響電動汽車的充電需求,因此需要通過調(diào)研統(tǒng)計來獲得這些基礎(chǔ)數(shù)據(jù)。

首先對EV 的電池容量進行調(diào)研,得到停車區(qū)域內(nèi)3類車型對應的電池容量如圖1所示。

圖1 不同類型 EV的電池容量

圖1中列出了3類車型的5種常見電池容量,規(guī)劃計算時將選取平均值,社會車輛、出租車、大巴車的電池平均容量分別為80 kwh,50 kwh和 180 kwh。

然后通過現(xiàn)場調(diào)研和統(tǒng)計,獲得停車區(qū)域內(nèi)每日不同時間段中不同類型 EV 的停放信息,如圖 2所示。為了提高數(shù)據(jù)的準確性,圖2中數(shù)據(jù)為多日的平均數(shù)據(jù)。

圖2 不同類型EV的停放數(shù)據(jù)

接下來通過現(xiàn)場問卷調(diào)查和查閱文獻等方式，統(tǒng)計在1d當中不同類型 EV 的荷電狀態(tài),Soc分布變化情況,如圖 3所示,

圖3 不同類型EV的電量變化

最后獲取停車場中EV車主的充電意愿數(shù)據(jù)，即用戶在 EV 電量剩余多少時進行充電的概率,通過實地問卷調(diào)查和統(tǒng)計,獲得E的充電意愿統(tǒng)計數(shù)據(jù),如圖4 所示。

圖4 EV的充電意愿統(tǒng)計數(shù)據(jù)

EV 的充電時長T取決于電池容量、剩余電量充電樁功率的大小.

2.2 EV充電負荷的預測

EV 的充電行為是具有一定規(guī)律的隨機事件采用家特卡洛法對具有不確定性及時序性的 EV 充電負荷進行模擬。MC是以概率作為基礎(chǔ)的統(tǒng)計方法,也稱為隨機抽樣技術(shù),模擬次數(shù)越多,結(jié)果越切合實際。

應用 MC 法預測 EV 充電負荷的思路是,首先基于統(tǒng)計得到的出行數(shù)據(jù)和充電信息,建立隨機過程的概率分布模型;然后按概率抽取所有影響EV充電負荷的隨機變量,包含 EV 的停放時間、SOC分布以及充電意愿等,若發(fā)生充電行為則計算充電時長,得到每一輛 EV 的充電負荷曲線。最后將區(qū)域內(nèi)所有EV的充電負荷曲線在時間軸上疊加即可得到整個規(guī)劃區(qū)域內(nèi)總的 EV 充電負荷的預測曲線。

三、應用方案

圖5 有序充電管理系統(tǒng)示意圖

圖6平臺結(jié)構(gòu)圖

充電運營管理平臺是基于物聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)的充電設(shè)施管理系統(tǒng)，可以實現(xiàn)對充電樁的監(jiān)控、調(diào)度和管理，提高充電樁的利用率和充電效率，提升用戶的充電體驗和服務質(zhì)量。用戶可以通過APP或小程序提前預約充電，避免在充電站排隊等待的情況，同時也能為充電站提供更準確的充電需求數(shù)據(jù)，方便后續(xù)的調(diào)度和管理。通過平臺可對充電樁的功率、電壓、電流等參數(shù)進行實時監(jiān)控，及時發(fā)現(xiàn)和處理充電樁故障和異常情況對充電樁的功率進行控制和管理，確保充電樁在合理的功率范圍內(nèi)充電，避免對電網(wǎng)造成過大的負荷。

四、安科瑞充電樁云平臺具體的功能

平臺除了對充電樁的監(jiān)控外，還對充電站的光伏發(fā)電系統(tǒng)、儲能系統(tǒng)以及供電系統(tǒng)進行集中監(jiān)控和統(tǒng)一協(xié)調(diào)管理，提高充電站的運行可靠性，降低運營成本，平臺系統(tǒng)架構(gòu)如圖7所示。

圖7 充電樁運營管理平臺系統(tǒng)架構(gòu)

大屏顯示：展示充電站設(shè)備統(tǒng)計、使用率排行、運營統(tǒng)計圖表、節(jié)碳量統(tǒng)計等數(shù)據(jù)。

圖8 大屏展示界面

站點監(jiān)控：顯示設(shè)備實時狀態(tài)、設(shè)備列表、設(shè)備日志、設(shè)備狀態(tài)統(tǒng)計等功能。

圖9 站點監(jiān)控界面

設(shè)備監(jiān)控：顯示設(shè)備實時信息、配套設(shè)備狀態(tài)、設(shè)備實時曲線、關(guān)聯(lián)訂單信息、充電功率曲線等。

圖10 設(shè)備監(jiān)控界面

運營趨勢統(tǒng)計：顯示運營信息查詢、站點對比曲線、日月年報表、站點對比列表等功能。

圖11 運營趨勢界面

收益查詢：提供收益匯總、實際收益報表、收益變化曲線、支付方式占比等功能。

圖12 收益查詢界面

故障分析：提供故障匯總、故障狀態(tài)餅圖、故障趨勢分析、故障類型餅圖等功能。

圖13 故障分析界面

訂單記錄：提供實時/歷史訂單查詢、訂單終止、訂單詳情、訂單導出、運營商應收信息、充電明細、交易流水查詢、充值余額明細等功能。

圖14 訂單查詢界面

五、產(chǎn)品選型

安科瑞為廣大用戶提供慢充和快充兩種充電方式，便攜式、壁掛式、落地式等多種類型的充電樁，包含智能7kw/21kw交流充電樁，30kw直流充電樁，60kw/80kw/120kw/180kw直流一體式充電樁來滿足新能源汽車行業(yè)快速、經(jīng)濟、智能運營管理的市場需求。實現(xiàn)對動力電池快速、高效、安全、合理的電量補給，同時為提高公共充電樁的效率和實用性，具有有智能監(jiān)測：充電樁智能控制器對充電樁具備測量、控制與保護的功能；智能計量：輸出配置智能電能表，進行充電計量，具備完善的通信功能；云平臺：具備連接云平臺的功能，可以實現(xiàn)實時監(jiān)控，財務報表分析等等；遠程升級：具備完善的通訊功能，可遠程對設(shè)備軟件進行升級；保護功能：具備防雷保護、過載保護、短路保護，漏電保護和接地保護等功能；適配車型：滿足國標充電接口，適配所有符合國標的電動汽車，適應不同車型的不同功率。下面是具體產(chǎn)品的型號和技術(shù)參數(shù)。

六、現(xiàn)場圖片

七、結(jié)論

本文針對大型停車區(qū)域給出了 EVCP 滿足多個目標的規(guī)劃優(yōu)化設(shè)計方法。該規(guī)劃方法首先根據(jù)停車區(qū)域內(nèi) EV 的電池類型、各類EV的停放規(guī)律及 EV 用戶的充電意愿等統(tǒng)計數(shù)據(jù),預測出區(qū)域內(nèi)EV 充電負荷的時空分布。然后以EVCP的投資成本、電網(wǎng)網(wǎng)損以及 EV 用戶的滿意度改進PSO 在安全約束范圍內(nèi)得到 EVCP的最*規(guī)劃。該規(guī)劃方法相較于傳統(tǒng)EVCP的規(guī)劃方法不僅更加經(jīng)濟合理,而且對電網(wǎng)運行的影響較小,對實際工程的EVCP 規(guī)劃具有指導作用。

參 考 文 獻：

[1]邢強,陳中,冷釗瑩,等,基于實時交通信息的電動汽車路徑規(guī)劃和充電導航策略[J].中國電機工程學報,2020,40(2):534-550.