楊 鐸，王 淼，喬 琪

(1.國網(wǎng)黑龍江電力公司經(jīng)濟技術(shù)研究院，哈爾濱150090;2.遼寧電力勘測設(shè)計院，沈陽110179;3.湖南常德供電公司，湖南常德415000)

目前，電動汽車配套設(shè)施建設(shè)的前提是負荷預(yù)測，主要分為汽車數(shù)量預(yù)測和充、換電需求預(yù)測兩部分。對于數(shù)量預(yù)測，文獻［1］使用了彈性系數(shù)法和千人保有量法預(yù)測數(shù)量，但分析電動汽車占總數(shù)比例時沒有系統(tǒng)的確定方法。對于充、換電需求預(yù)測，文獻［2－3］采用電網(wǎng)預(yù)測法，對電動汽車接入電網(wǎng)后的負荷變化情況進行分析預(yù)測，對設(shè)備運行狀況有較完善的分析，但對負荷需求方面的分析略顯不足;文獻［4－5］使用電池模型預(yù)測法，對單臺汽車行駛過程中的電池充放電特性進行預(yù)測，對單車運行效果的分析較為細致，但缺少整體充、換電網(wǎng)絡(luò)運行結(jié)構(gòu)的分析。因此，本文針對這兩種模型的缺陷，提出了交通預(yù)測法，根據(jù)各類汽車的行駛規(guī)律和充電習(xí)慣進行分析統(tǒng)計，以汽車行駛數(shù)量和實時SOC情況作為變量，建立了1 d各時段充、換電的需求分布模型，并以國內(nèi)某城市的汽車行駛狀況作為算例進行分析，得出了該城市的充、換電的需求分布情況。

1 電動汽車數(shù)量預(yù)測

1.1 電動汽車總量預(yù)測

1.1.1 電動汽車總量預(yù)測影響因素

電動汽車數(shù)量預(yù)測的方法與燃油汽車數(shù)量預(yù)測時使用的經(jīng)濟學(xué)預(yù)測方法基本一致，主要是根據(jù)經(jīng)濟發(fā)展?fàn)顩r、汽車使用情況、城市規(guī)劃狀況等進行預(yù)測，但存在一些差異。如電價、新產(chǎn)品市場認可度等因素都會對預(yù)測產(chǎn)生影響。

1.1.2 彈性系數(shù)預(yù)測法

彈性系數(shù)法是通過分析預(yù)測量與另一種已知變化趨勢的變量之間的相互關(guān)系得出二者之間的彈性系數(shù)，根據(jù)已知量的變化趨勢預(yù)測得出預(yù)測量的變化趨勢［1］。用彈性系數(shù)法預(yù)測汽車保有量時，最普遍的做法是根據(jù)人均國民經(jīng)濟生產(chǎn)總值GDP的數(shù)據(jù)增長規(guī)律間接得出汽車保有量的增長規(guī)律。彈性系數(shù)法用于電動汽車預(yù)測的最主要優(yōu)勢在于這種方法對于預(yù)測量并不進行過多地分析，而是通過相關(guān)因素的發(fā)展?fàn)顩r和彈性系數(shù)來確定。

彈性系數(shù)法預(yù)測電動汽車數(shù)量的過程:

式中:PV為電動汽車保有量增長率，%;PGDP為GDP年增長率，%;α為彈性系數(shù);H為電動汽車保有量，臺;PVLast為前1 d電動汽車保有量，臺。

1.1.3 千人保有量預(yù)測法

千人保有量預(yù)測法是根據(jù)人口、經(jīng)濟以及人均GDP等多個因素，參照預(yù)測區(qū)域的經(jīng)濟發(fā)展情況，確定人均GDP和預(yù)測量的千人保有量之間的關(guān)系，從而根據(jù)經(jīng)濟狀況得出預(yù)測量的千人保有量，再根據(jù)人口數(shù)量的變化規(guī)律得出預(yù)測量的變化規(guī)律［1］。千人保有量預(yù)測法與彈性系數(shù)法原理相似，采用千人保有量和人口數(shù)量的增長狀況作為中間變量來進行預(yù)測，并不直接對汽車數(shù)量的發(fā)展進行分析。預(yù)測時需要確定的人口數(shù)等中間變量比較容易確定。千人保有量預(yù)測法雖然比彈性系數(shù)法考慮得細致，但各項指標(biāo)多數(shù)為預(yù)測值，因此兩種方法預(yù)測精度差別不大。

千人保有量預(yù)測法預(yù)測電動汽車的過程:

式中:SSP為千人保有量，臺;SGDP為人均GDP，萬元;β為千人保有量系數(shù)，一般根據(jù)汽車購買狀況確定，與彈性系數(shù)類似，臺/萬元;H為電動汽車保有量，臺;npop為人口數(shù)，萬人。

1.2 電動汽車分類數(shù)量預(yù)測

電動汽車投入市場后，不同種類和用途的汽車都會由傳統(tǒng)的燃油汽車逐漸向電動汽車過渡，這就需要對不同種類的電動汽車進行分類預(yù)測，得出不同種類的電動汽車的具體數(shù)量。由于不同種類的電動汽車受其不同的行業(yè)發(fā)展規(guī)律影響，采用統(tǒng)一的方法進行預(yù)測較為困難。公交車和其他公用車的數(shù)量主要由城市發(fā)展情況決定，而出租車、私家車等乘用車則是受居民生活水平的影響，需要對研究區(qū)域進行具體的分析方能預(yù)測其數(shù)量。

燃油汽車分類預(yù)測多數(shù)采用灰色預(yù)測、線性回歸預(yù)測、趨勢外推預(yù)測等方法［6－7］，但這些方法多數(shù)建立在分析歷史數(shù)據(jù)的基礎(chǔ)上，電動汽車目前尚未有足夠大的規(guī)模，在很多城市還只是試驗性開展，因此提出用二重比例法進行預(yù)測。

傳統(tǒng)的比例法根據(jù)地區(qū)的經(jīng)濟狀況、人口數(shù)、地塊面積等，根據(jù)同一領(lǐng)域內(nèi)各不同行業(yè)發(fā)展規(guī)律進行統(tǒng)計，得出其在該領(lǐng)域內(nèi)所占的比例，并參考其規(guī)律對未來數(shù)據(jù)做出估計［1］。這一方法顯然無法直接對電動汽車數(shù)量進行直接預(yù)測。采用二重比例法，即先對燃油汽車中不同種類的汽車進行行業(yè)規(guī)律分析與總結(jié)，并進行比例預(yù)測，根據(jù)結(jié)果得出各行業(yè)汽車數(shù)量占總量的比例。在此基礎(chǔ)上，再次使用比例法根據(jù)各行業(yè)內(nèi)使用者群體的經(jīng)濟狀況、消費習(xí)慣等得出各行業(yè)內(nèi)使用電動汽車人數(shù)的比例，從而得出電動汽車數(shù)量中的不同種類所占比例。

2 電動汽車充電負荷預(yù)測

2.1 電動汽車行駛與充電特性預(yù)測

2.1.1 公交車

公交車日行駛距離一般比較大，擁有統(tǒng)一的管理和調(diào)度，因此行駛里程和路線比較固定。中國各大城市公交運營時間大多數(shù)為5:00－23:00，其中大部分公交車線路長度較為適中，少部分路線較長。根據(jù)不同路線特點，公交車發(fā)車間隔時間為5～20 min，預(yù)測時需結(jié)合線路情況選取適合的發(fā)車間隔。

公交車由于出行時間較為密集，充、換電初始SOC選取必須考慮保證交通運營。根據(jù)文獻［8］，在廣州亞運會期間，電動車輛采用每完成一次行車任務(wù)即回場站充電或換電池的方式，放電深度為30%左右，換電過于頻繁，不適用于公共交通運行;上海世博園區(qū)的電動公交車規(guī)定，運行過程中剩余電量不足30%，即返回車場更換電池，以保證世博會期間的交通運行。因此，公交車在保證數(shù)量的情況下，在剩余電量30%時進行電能補充較為合適。由于運營持續(xù)的時間較長，公交車1d需要充電至少1次，少部分線路較長的還要充電2次。

為保證公眾出行，公交車僅用換電方式進行電能補充，并采用專用的設(shè)備為公交車提供換電服務(wù)。

2.1.2 出租車

出租車的行駛路線隨機性較大，運營時間基本上是全天24 h，對充電需求的預(yù)測有一定困難。出租車雖然隸屬于不同公司，但作為一個服務(wù)行業(yè)存在已久，已經(jīng)形成了一定的行業(yè)規(guī)律，因此應(yīng)采用統(tǒng)一的標(biāo)準(zhǔn)來對出租車充、換電的習(xí)慣進行預(yù)測。只需按照大多數(shù)出租車充電時的剩余電量考慮，或按照充電時不同的起始SOC所占的比例來進行預(yù)測，即可得出出租車充、換電時的時間分布。

根據(jù)網(wǎng)絡(luò)調(diào)查結(jié)果顯示，大部分出租車司機都會選擇在剩余電量30%時進行充電，因此，可以將此作為這一群體的統(tǒng)一數(shù)據(jù)。少部分的會選擇剩余電量為20%或40%，可以分別選取一定的比例進行預(yù)測。

2.1.3 私家車

私家車出行的高峰多數(shù)在周末、每天工作結(jié)束后，私家車停放的時間仍遠多于行駛的時間，因此，私家車在居民區(qū)、單位、商業(yè)區(qū)、休閑區(qū)域的停車場內(nèi)，可利用充電樁進行常規(guī)充電，不需要考慮電池剩余容量。但個別私家車長途行駛時會發(fā)生電能不足的情況。這類私家車數(shù)量較少且持續(xù)行駛，行駛的特性與出租車較為類似，與出租車采用相同的預(yù)測即可。

2.1.4 公務(wù)車

公務(wù)車一般用于上下班接送員工或公務(wù)外出等，公務(wù)車所占汽車數(shù)量的比例較小，停放時間也較長，因此平時利用停放時間使用充電樁充電即可。少部分長途行駛的也按照與出租車相同的預(yù)測方法即可。

2.2 電動汽車充、換電需求預(yù)測

在固定的時間段內(nèi)，根據(jù)電動汽車的行駛情況確定其當(dāng)前SOC分布狀況，略去不需要補充電能的汽車，確定需要充電的汽車的具體數(shù)量后，將其按照充電習(xí)慣分布分為快充和換電，并分別按其起始SOC計算其進行電能補充所需要的時間。

以公交車為例，根據(jù)不同發(fā)車時間，以一個發(fā)車間隔作為一個時間段，分別對每個發(fā)車間隔內(nèi)發(fā)出的公交車進行抽樣分析。根據(jù)其行駛路線、停站時間等，確定剩余電量30%及以下的公交車的數(shù)量，并記為該時段內(nèi)需要充、換電的車輛數(shù)。按照不同SOC汽車所占比例分別確定一個間隔內(nèi)的所有公交車的換電起始和持續(xù)時間，累加得出總數(shù)據(jù)。將所有時段內(nèi)數(shù)據(jù)得出后擬合出充、換電汽車需求數(shù)量曲線。出租車、私家車、公務(wù)車預(yù)測時由于沒有固定的發(fā)車時段，可以采用公交車的發(fā)車間隔對每一個間隔內(nèi)的車進行抽樣統(tǒng)計。對于采用換電方式的電動汽車，抽取初始SOC只是為確定該車是否需要進行電能補充。換電的實際操作時間固定，確定換電初始時間即可知道換電操作時間分布。確定充、換電的持續(xù)時間主要是為確定下一個間隔內(nèi)的考察汽車數(shù)量做準(zhǔn)備。統(tǒng)計1 d內(nèi)每個時段，即可得到換電的電動汽車數(shù)量變化曲線。

此處所進行的抽樣實為按照交通行駛規(guī)律得到的數(shù)據(jù)預(yù)測，并非真正的逐個抽樣預(yù)測，根據(jù)汽車行駛規(guī)律與充、換電習(xí)慣，得出的計算值存在一定的誤差，該方法只針對路上行駛中需要及時補充電能的汽車進行分析，目的是為充、換電站的建設(shè)規(guī)模提供依據(jù)，不考慮停放過程中使用充電樁進行充電的汽車。

3 算例分析

3.1 某市電動汽車保有量預(yù)測

3.1.1 彈性系數(shù)法預(yù)測

某市2009年到2010年地區(qū)電動汽車保有量年增長率為22.8%，而2010年該市GDP增長率大約為14%，通過公式(1)計算，可知彈性系數(shù)為1.63?？紤]到該市的基礎(chǔ)交通設(shè)施的承載能力及市政交通規(guī)劃狀況，2011—2015年期間，電動汽車增長率將受到一定限制，因此調(diào)整彈性系數(shù)為1.2。同時，根據(jù)規(guī)劃方案，在整個2011—2015年期間，該市的GDP增長率應(yīng)該保持在12%，電動汽車保有量年增長率應(yīng)保持在14%。

2012年，該市共有3225輛電動汽車，經(jīng)計算，2013、2014、2015年該市電動汽車保有量分別為3640臺、4216臺、4800臺。3.1.2 千人保有量法預(yù)測

據(jù)統(tǒng)計，該市2011年為4.14萬元/人，2012年為4.67萬元/人?？紤]該地區(qū)經(jīng)濟建設(shè)情況，2012—2015年該市人均GDP增長率選取12.77%。根據(jù)此增長率可計算人均GDP。

該市2011年為1011.2萬人，2012年為1023.9萬人，近幾年人口年均增長率約為1.26% ～1.64%。以此可算出2013—2015年人口數(shù)量。千人保有量法求解時需要確定千人保有量系數(shù)β，2012年該市共有電動汽車3225輛，可以根據(jù)2012年數(shù)據(jù)求得系數(shù)為0.07，可以使用此系數(shù)預(yù)測2013—2015年數(shù)據(jù)如表1所示。

表1 千人保有量法預(yù)測目標(biāo)城市2012—2015年電動汽車輛數(shù)Tab.1 Prediction from 2012 to 2015 target cities electric vehicle number using 1000 predicted quantity method

從表1可以看出，千人保有量法預(yù)測與彈性系數(shù)法預(yù)測得出的預(yù)測數(shù)據(jù)差別不大，可以作為參考數(shù)據(jù)使用。

3.1.3 目標(biāo)城市電動汽車數(shù)量分類預(yù)測

該市2012年有3225輛電動汽車，其中公交車210輛，出租車 1425輛，公務(wù)車 120輛，私家車935輛，郵政車與環(huán)衛(wèi)車各30輛。根據(jù)該市人口、經(jīng)濟發(fā)展?fàn)顩r以及各類電動汽車使用者的相關(guān)情況和比例，采用二重比例法，預(yù)測得出2013—2015年各類電動汽車數(shù)量如表2所示。

表2 目標(biāo)城市2012—2015年電動汽車數(shù)量分類預(yù)測電動汽車輛數(shù)Tab.2 Classification Prediction from 2012 to 2015 target cities electric vehicle number臺

3.2 電動汽車充、換電需求量預(yù)測

根據(jù)該市2015年電動汽車數(shù)量預(yù)測值，結(jié)合當(dāng)前該市各街道上交通流量，統(tǒng)計各類汽車行駛習(xí)慣，可以預(yù)測得出2015年正常情況下1 d各時段的行駛的電動汽車數(shù)量和路線，以此為基礎(chǔ)對電動汽車在各時段SOC情況進行抽樣計算，可以得到2015年1 d內(nèi)各時段的充、換電負荷需求分布曲線如圖1所示。

圖1 2015年目標(biāo)城市1 d內(nèi)充換電需求分布Fig，1 Charging demand distribution of target city electric vehicle in one day 2015 year

從圖1可以看出，1d內(nèi)中午10:00—11:00及下午17:00為充、換電高峰期，其中17:00的下班時間為交通負荷高峰期，所以該市1 d中，換電最多的時段為16:00—17:00，充、換電次數(shù)為597次。

4 結(jié)論

1)在彈性系數(shù)法、千人保有量法預(yù)測汽車數(shù)量的基礎(chǔ)上，對傳統(tǒng)的比例法進行改進，得出二重比例法，并以此預(yù)測了準(zhǔn)確的電動汽車數(shù)量，可以代表未來該地區(qū)汽車發(fā)展情況。

2)通過對國內(nèi)某城市汽車使用情況分析，得出了該城市1 d內(nèi)各時段充、換電需求負荷分布，證明該方法可行且有效。

［1］ 王瑞妙，陳濤，劉永相.彈性系數(shù)法和千人保有量法預(yù)測電動汽車保有量［J］.農(nóng)業(yè)裝備與車輛工程，2011(6):40－43.WANG Ruimiao，CHEN Tao，LIU Yongxiang.Electric vehicle holdings prediction using elasticity and thousand holdings methods［J］. AgriculturalEquipment ＆ Vehicle Engineering，2011(6):40－43.

［2］ 孫鳳杰，尹國龍.電動汽車對配電網(wǎng)負荷率影響的探討［J］.科技創(chuàng)新導(dǎo)報，2011(13):42－43.SUN Fengjie，YIN Guolong.Discussion on the distribution network load rate effect of electric vehicle［J］.Science and Technology Innovation Herald，2011(13):42 －43.

［3］ KINTNER M，SCHNEIDER K，PRATT R.Impacts assessment of plug－in hybrid vehicles on electric utilities and regional US power grids part1:technical analysis［C］//Electric Utilities Environmental Conference，Tucson，USA，2007:1 －23.

［4］ 田立亭，史雙龍，賈卓.電動汽車充電功率需求的統(tǒng)計學(xué)建模方法［J］.電網(wǎng)技術(shù)，2010，34(11):126 －130.TIAN Liting，SHI Shuanglong，JIA Zhuo.A statistival model for charging power demand of electric vehicles［J］.Power System Technology，2010，34(11):126 －130.

［5］ KEJUN QIAN，CHENGKE ZHOU，MALCOLM ALLAN，et al.Modeling of load demand due to EV battery charging in distribution systems［J］.IEEE Transactions on Power Systems，vol.26，no.2，pp.802 －810，May，2011.

［6］ 田其沖，鄭衛(wèi)國.基于灰色模型的汽車保有量預(yù)測［J］.電腦與電信，2009(9):60－61.TIAN Qichong，ZHENG Weiguo.Car owenership prediction based on grey model［J］.Computer＆ Communication，2009(9):60 －61.

［7］ 宋亞輝.城市電動汽車充電設(shè)施規(guī)劃布局研究［D］.北京:北京交通大學(xué)，2011.SONG Yahui.Research on the layout planning of electric vehicle charging station in the city［D］.Beijing:Beijing Jiaotong University，2011.

［8］ 靳莉.電動公交車電池狀態(tài)與運營匹配關(guān)系研究［D］.北京:北京交通大學(xué)，2011.JIN Li.Research on matching relations between operation and battery state of electric bus［D］.Beijing:Beijing Jiaotong University，2011.