毛 玲 鄧思文 趙登輝 唐立穎 孫欣杰

新能源汽車監(jiān)測(cè)平臺(tái)在行駛和充電場(chǎng)景中的應(yīng)用與思考

毛 玲1鄧思文2趙登輝1唐立穎2孫欣杰2

（1. 上海電力大學(xué)電氣工程學(xué)院 上海 200090 2. 上海市新能源汽車公共數(shù)據(jù)采集與監(jiān)測(cè)研究中心 上海 201805）

因能源和氣候問題，新能源汽車產(chǎn)業(yè)得到了廣泛的關(guān)注。新能源汽車的信息化和智能化積累了大量數(shù)據(jù)，為合理地利用大數(shù)據(jù)技術(shù)進(jìn)行信息處理和數(shù)據(jù)挖掘，推動(dòng)新能源汽車與能源、交通、通信全面深度融合，建立了上海市新能源汽車公共數(shù)據(jù)采集與監(jiān)測(cè)平臺(tái)。首先介紹平臺(tái)的架構(gòu)、采集數(shù)據(jù)類型和平臺(tái)標(biāo)簽體系，對(duì)新能源汽車的使用特征進(jìn)行分析，著重關(guān)注了行駛行為和充電行為的時(shí)空分布情況，分別從充電設(shè)施、電網(wǎng)、安全等方面提供了新能源汽車監(jiān)測(cè)平臺(tái)的應(yīng)用思路。最后，對(duì)新能源汽車監(jiān)測(cè)平臺(tái)現(xiàn)存問題和發(fā)展規(guī)劃進(jìn)行了總結(jié)和展望。

新能源汽車監(jiān)測(cè)平臺(tái) 大數(shù)據(jù) 特征分析 應(yīng)用

0 引言

作為能源消耗大國(guó)，我國(guó)石油總量近一半供給汽車。一方面，相較傳統(tǒng)內(nèi)燃機(jī)車型，新能源汽車效率高至2～4倍[1]；另一方面，2021年全國(guó)兩會(huì)通過“十四五”規(guī)劃綱要，進(jìn)一步明確制定了2030年前“碳達(dá)峰”的行動(dòng)計(jì)劃[2]。發(fā)展新能源汽車，減少國(guó)家石油資源消耗和碳排放，是順應(yīng)我國(guó)能源結(jié)構(gòu)調(diào)整、應(yīng)對(duì)氣候變化的關(guān)鍵環(huán)節(jié)，也是我國(guó)從汽車大國(guó)邁向汽車強(qiáng)國(guó)的必由之路[3]。

截至2020年底，全球新能源汽車存量約有1 000萬(wàn)輛，其中中國(guó)540萬(wàn)輛。全球總銷量約為333萬(wàn)輛，比上年增長(zhǎng)68.7萬(wàn)輛，增幅為26.0%。按照目前各國(guó)政府發(fā)展規(guī)劃預(yù)測(cè)，到2030年，全球上路的新能源汽車數(shù)量將達(dá)到1.45億輛，若實(shí)施更加嚴(yán)格的減排減碳措施，或可達(dá)到2.3億輛，市場(chǎng)占有率將達(dá)到12%[4]。

新能源汽車產(chǎn)業(yè)已經(jīng)進(jìn)入成長(zhǎng)期，政策補(bǔ)貼自2017年開始明顯退坡，2019年后加速退出，補(bǔ)貼向高能量密度、低電耗新能源汽車傾斜，向運(yùn)營(yíng)端和基礎(chǔ)設(shè)施建設(shè)轉(zhuǎn)移。截至2021年6月，中國(guó)電動(dòng)充電基礎(chǔ)設(shè)施促進(jìn)聯(lián)盟內(nèi)成員單位總計(jì)上報(bào)公共類充電樁92.4萬(wàn)臺(tái)，其中直流充電樁37.4萬(wàn)臺(tái)、交流充電樁55.0萬(wàn)臺(tái)、交直流一體充電樁426臺(tái)[5]。

國(guó)務(wù)院辦公廳2020年10月20日印發(fā)《新能源汽車產(chǎn)業(yè)發(fā)展規(guī)劃（2021－2035年）》提出“推動(dòng)產(chǎn)業(yè)融合發(fā)展”“構(gòu)建產(chǎn)業(yè)協(xié)同發(fā)展新格局”[2]。為促進(jìn)新能源汽車產(chǎn)業(yè)高質(zhì)量競(jìng)爭(zhēng)發(fā)展，有必要對(duì)新能源汽車進(jìn)行監(jiān)測(cè)。汽車監(jiān)測(cè)平臺(tái)的運(yùn)行能夠?qū)崟r(shí)獲取新能源汽車的地理位置信息和整車、零部件等運(yùn)行數(shù)據(jù)，并通過便捷、直觀的人機(jī)界面告知監(jiān)測(cè)人員相關(guān)信息。

隨著新能源汽車的逐漸普及以及新能源汽車車載信息系統(tǒng)的完善，在車輛行駛過程中會(huì)積累大量數(shù)據(jù)[6]，未來(lái)還有望接入氣象數(shù)據(jù)、道路建設(shè)數(shù)據(jù)等，形成新能源汽車多源數(shù)據(jù)庫(kù)。傳統(tǒng)數(shù)據(jù)分析領(lǐng)域主要是基于表格等結(jié)構(gòu)化數(shù)據(jù)進(jìn)行研究，已不能滿足新能源汽車行業(yè)的數(shù)據(jù)分析需求，而依托于大數(shù)據(jù)技術(shù)的監(jiān)測(cè)平臺(tái)在滿足上述需求外，還可以提供更加豐富和直觀的數(shù)據(jù)信息。通過建立新能源汽車大數(shù)據(jù)分析平臺(tái)，結(jié)合交通運(yùn)行數(shù)據(jù)、基礎(chǔ)設(shè)施數(shù)據(jù)、城市活動(dòng)數(shù)據(jù)，進(jìn)行多維、多層次集成，積極探索與產(chǎn)學(xué)研各類機(jī)構(gòu)的多元化合作模式，推動(dòng)新能源汽車數(shù)據(jù)在交通、保險(xiǎn)、電信等重點(diǎn)領(lǐng)域的融合應(yīng)用，助力提升其公共服務(wù)水平，為推廣新能源汽車應(yīng)用發(fā)揮積極的促進(jìn)作用[7]。

目前國(guó)內(nèi)涉及新能源汽車監(jiān)測(cè)的地方平臺(tái)主要存在于上海市、成都市、青島市、武漢市和西安市的平臺(tái)。其中，“上海市新能源汽車公共數(shù)據(jù)采集與監(jiān)測(cè)研究中心”是由上海國(guó)際汽車城（集團(tuán)）有限公司、上海機(jī)動(dòng)車檢測(cè)中心、上海交大教育發(fā)展基金會(huì)以及上海嘉定區(qū)光彩基金促進(jìn)會(huì)四家單位發(fā)起，于2014年由上海市經(jīng)信委發(fā)文批復(fù)成立并負(fù)責(zé)業(yè)務(wù)指導(dǎo)，由上海市社會(huì)團(tuán)體管理局批準(zhǔn)成立的非營(yíng)利組織（獨(dú)立法人）。

截至2021年6月，數(shù)據(jù)中心已接入新能源汽車51.8萬(wàn)，遠(yuǎn)遠(yuǎn)超過其他平臺(tái)不足10萬(wàn)的接入量，已獲得106家NEV(new energy vehicle)企業(yè)、113個(gè)NEV品牌，涵蓋839款車型，基本覆蓋全部車型。數(shù)據(jù)中心的數(shù)據(jù)樣本容量大，統(tǒng)計(jì)估計(jì)量的代表性誤差小。通過對(duì)新能源汽車大數(shù)據(jù)的分析，揭示出上海新能源汽車用戶的使用行為特征，為包括政府、企業(yè)、消費(fèi)者決策等不同類型參與方提供新能源汽車相關(guān)的大數(shù)據(jù)支持。借助新能源汽車監(jiān)測(cè)平臺(tái)，挖掘和探索海量新能源汽車數(shù)據(jù)在行駛、充電和安全場(chǎng)景中的應(yīng)用價(jià)值更值得關(guān)注。

本文主要介紹了上海市新能源汽車公共數(shù)據(jù)采集與監(jiān)測(cè)平臺(tái)的架構(gòu)，應(yīng)用大數(shù)據(jù)技術(shù)進(jìn)行特征分析，并描繪了相關(guān)應(yīng)用場(chǎng)景，最后，討論了當(dāng)前監(jiān)測(cè)平臺(tái)存在的不足和發(fā)展方向。

1 上海市新能源汽車公共數(shù)據(jù)采集與監(jiān)測(cè)平臺(tái)概述

1.1 平臺(tái)架構(gòu)

新能源汽車監(jiān)測(cè)平臺(tái)系統(tǒng)架構(gòu)如圖1所示，整體上基于阿里云HBase X-Pack構(gòu)建。HBase X-Pack是基于Apache HBase及HBase生態(tài)構(gòu)建的多模數(shù)據(jù)庫(kù)，支持?jǐn)?shù)據(jù)從處理、存儲(chǔ)到分析的全流程。

圖1 新能源汽車監(jiān)測(cè)平臺(tái)系統(tǒng)架構(gòu)

數(shù)據(jù)采集層：車企平臺(tái)上傳的數(shù)據(jù)報(bào)文，首先經(jīng)過系統(tǒng)平臺(tái)的物聯(lián)網(wǎng)網(wǎng)關(guān)，然后借助規(guī)則引擎對(duì)數(shù)據(jù)報(bào)文進(jìn)行解析，拆分成有意義的數(shù)據(jù)項(xiàng)，以數(shù)據(jù)記錄的方式放入統(tǒng)一數(shù)據(jù)管道、分布式消息隊(duì)列ONS中，實(shí)現(xiàn)將車企、樁企相關(guān)業(yè)務(wù)數(shù)據(jù)實(shí)時(shí)地同步到大數(shù)據(jù)平臺(tái)中。數(shù)據(jù)采集層在大數(shù)據(jù)平臺(tái)中起到數(shù)據(jù)加工中心的作用。

數(shù)據(jù)存儲(chǔ)層：是綜合服務(wù)平臺(tái)建設(shè)的核心，其根本目的是有效管理數(shù)據(jù)中心分析型業(yè)務(wù)范圍內(nèi)的全量數(shù)據(jù)，達(dá)到統(tǒng)一存儲(chǔ)、分布式部署、集中分析、高效訪問、統(tǒng)一決策的目的。數(shù)據(jù)中心企業(yè)級(jí)的數(shù)據(jù)倉(cāng)庫(kù)也將構(gòu)建在大數(shù)據(jù)平臺(tái)之上。

計(jì)算服務(wù)層：該層構(gòu)建在數(shù)據(jù)存儲(chǔ)層之上，主要利用Hadoop、Spark生態(tài)系統(tǒng)組件的數(shù)據(jù)分析能力實(shí)現(xiàn)新能源汽車行業(yè)分析場(chǎng)景。計(jì)算服務(wù)層既包含用戶的業(yè)務(wù)應(yīng)用也包含具體的分析類型，如實(shí)時(shí)查詢、數(shù)據(jù)挖掘等。

統(tǒng)一接口層：通過計(jì)算服務(wù)層對(duì)車輛等數(shù)據(jù)進(jìn)行分析處理后，結(jié)果數(shù)據(jù)存放到關(guān)系型數(shù)據(jù)庫(kù)MySQL或者回流到HBase中，然后通過統(tǒng)一的接口服務(wù)對(duì)外暴露數(shù)據(jù)。該層旨在通過統(tǒng)一的形式對(duì)外共享數(shù)據(jù)。

數(shù)據(jù)應(yīng)用層：是圖1所示監(jiān)測(cè)平臺(tái)的最后一層，該層可以通過報(bào)表、圖表和圖形的方式向數(shù)據(jù)中心人員直觀地展現(xiàn)數(shù)據(jù)。

新能源汽車車載信息系統(tǒng)按國(guó)家標(biāo)準(zhǔn)對(duì)車輛數(shù)據(jù)進(jìn)行采集[8-9]，通過無(wú)線網(wǎng)絡(luò)將信息加密傳遞至企業(yè)平臺(tái)。企業(yè)平臺(tái)負(fù)責(zé)新能源汽車安全監(jiān)管，同時(shí)將公共領(lǐng)域車輛運(yùn)行數(shù)據(jù)、統(tǒng)計(jì)信息以及故障處理信息實(shí)時(shí)上報(bào)給地方和國(guó)家平臺(tái)。新能源汽車數(shù)據(jù)類型如圖2所示，數(shù)據(jù)分為六類，共計(jì)61項(xiàng)。

1.2 平臺(tái)標(biāo)簽體系

要建立一套標(biāo)簽體系，主要依賴類目標(biāo)簽體系、用戶畫像和應(yīng)用場(chǎng)景[10]。

類目標(biāo)簽體系是以業(yè)務(wù)核心-新能源汽車為中心建立的，以新能源汽車的分類為基礎(chǔ)構(gòu)建類目樹。類目標(biāo)簽體系分為三類：原始數(shù)據(jù)標(biāo)簽、統(tǒng)計(jì)數(shù)據(jù)標(biāo)簽、算法數(shù)據(jù)標(biāo)簽。

用戶畫像本質(zhì)上也是一套標(biāo)簽體系，只是結(jié)構(gòu)相同但內(nèi)容相異。在用戶畫像這套標(biāo)簽體系中，分為靜態(tài)信息和動(dòng)態(tài)信息兩部分。靜態(tài)信息就是用戶的自有屬性，如新能源汽車的車輛車型信息；而動(dòng)態(tài)信息主要就是要記錄什么人，什么時(shí)間，什么地點(diǎn)做了一件什么事情，如新能源汽車車主的行駛和充電情況。

圖2 新能源汽車數(shù)據(jù)類型

最后業(yè)務(wù)核心之間、業(yè)務(wù)和用戶角色之間、用戶角色之間，一旦產(chǎn)生交互，就可以形成應(yīng)用場(chǎng)景，可以說(shuō)應(yīng)用場(chǎng)景囊括了所有游離的標(biāo)簽。

目前數(shù)據(jù)中心基于現(xiàn)有數(shù)據(jù)，分為四大類指標(biāo)，如圖3所示，包括行駛行為分析指標(biāo)、用戶充電分析指標(biāo)、車輛性能分析指標(biāo)、用戶畫像分析指標(biāo)等特征指標(biāo)。

圖3 新能源汽車的標(biāo)簽體系

2 上海市新能源汽車公共數(shù)據(jù)采集與監(jiān)測(cè)平臺(tái)用戶使用特征分析

傳統(tǒng)用戶特征分析多用于互聯(lián)網(wǎng)領(lǐng)域，根據(jù)用戶信息制定用戶畫像，為其提供精準(zhǔn)推送、個(gè)性服務(wù)[11]。

在人—車—網(wǎng)智能結(jié)合的新能源汽車行業(yè)，通過對(duì)新能源汽車大數(shù)據(jù)的分析，試圖揭示上海新能源汽車用戶的使用行為特征，為包括消費(fèi)者、企業(yè)、政府等不同類型參與方提供新能源汽車相關(guān)的大數(shù)據(jù)支持。

根據(jù)2019年統(tǒng)計(jì)的新能源汽車自燃數(shù)據(jù)中，與動(dòng)力電池安全相關(guān)的新能源汽車安全事故達(dá)40余起，人民的生命安全和新能源汽車行業(yè)遭遇威脅[12]。上海市新能源汽車公共數(shù)據(jù)采集與監(jiān)測(cè)平臺(tái)能實(shí)時(shí)獲取新能源汽車信息，通過人機(jī)界面及時(shí)告知監(jiān)測(cè)人員，從而確保行車安全。此外，還能為用戶提供諸如查詢、計(jì)費(fèi)等基礎(chǔ)服務(wù)。

對(duì)企業(yè)而言，平臺(tái)對(duì)新能源汽車各項(xiàng)運(yùn)行數(shù)據(jù)進(jìn)行監(jiān)測(cè)分析，有助于發(fā)現(xiàn)生產(chǎn)技術(shù)上的問題，從而降低油耗、車輛危險(xiǎn)事件、故障發(fā)生概率并降低運(yùn)營(yíng)成本，為企業(yè)制定銷售運(yùn)營(yíng)策略、產(chǎn)品升級(jí)方向提供參考[13]。

平臺(tái)的運(yùn)行為政府整體性治理提供了技術(shù)支持，避免跨部門可能導(dǎo)致的政策不協(xié)調(diào)、治理效率低等問題[14]。通過對(duì)新能源汽車行駛特征的分析，有助于預(yù)測(cè)交通堵塞和規(guī)劃布局充電樁；對(duì)充電特性的分析，有助于智能配電網(wǎng)調(diào)度、電能質(zhì)量、汽車安全研究，并為進(jìn)一步有序充電和V2G（vehicle-to-grid）技術(shù)提供支持。

2.1 行駛特征分析

2.1.1 行駛行為時(shí)間分布

對(duì)上海新能源汽車的行駛行為進(jìn)行概率統(tǒng)計(jì)分析，分析結(jié)果顯示，車輛的日行駛里程分布規(guī)律基本滿足：越靠近內(nèi)環(huán)，新能源汽車行駛行為分布越密集，新能源汽車出行高峰出現(xiàn)在7:00和17:00，與人們正常出行的早晚高峰一致，早晚高峰日平均速度分別為23km/h、21km/h。早高峰內(nèi)環(huán)行駛占比近半，主要用于人群上班。而行駛行為發(fā)生最少的是在凌晨3:00左右，在一定程度上反映了人群作息規(guī)律。此外，新能源汽車次均出行里程19km，日出行里程52km，次均出行時(shí)長(zhǎng)0.8h。通過上海市新能源汽車公共數(shù)據(jù)采集與監(jiān)測(cè)平臺(tái)某典型日檢測(cè)的新能源汽車行駛行為分布如圖4所示。

2.1.2 行駛行為空間分布

上海市新能源汽車公共數(shù)據(jù)采集與監(jiān)測(cè)平臺(tái)通過對(duì)接入的新能源汽車出行OD(origin-destination)點(diǎn)的分析，得到如圖5所示的出行熱力圖。

圖5a中新能源汽車OD點(diǎn)分布與居住區(qū)基本重合，環(huán)繞在環(huán)線間、環(huán)線邊，其余多關(guān)聯(lián)住宅區(qū)和學(xué)校，說(shuō)明居住區(qū)是新能源汽車出行鏈中重要的一類。

圖5b中新能源汽車OD點(diǎn)分布中與工作區(qū)也基本重合，分布于環(huán)線上和內(nèi)環(huán)，環(huán)線外的集中區(qū)域?yàn)楹鐦驒C(jī)場(chǎng)和寶鋼附近。結(jié)合2020年中國(guó)用戶購(gòu)車用途中，上下班代步占比73.6%[15]，印證了新能源汽車主要作為通勤工具使用。

圖5c中新能源汽車OD點(diǎn)分布中展示了與休閑行為的關(guān)系。外環(huán)與居住區(qū)相近，但稍有不同，通常分布于居住區(qū)附近，與廣場(chǎng)、交通樞紐等關(guān)聯(lián)。內(nèi)環(huán)則與工作區(qū)更相近，內(nèi)環(huán)商業(yè)區(qū)同時(shí)具有工作和休閑兩重屬性。

2.2 充電行為分析

新能源汽車快速發(fā)展產(chǎn)生的充電行為正產(chǎn)生越來(lái)越大的影響，其時(shí)空分布深刻影響著充電樁的規(guī)劃布局和電網(wǎng)平衡。

2.2.1 充電行為時(shí)空分布

上海市新能源汽車公共數(shù)據(jù)采集與監(jiān)測(cè)平臺(tái)通過對(duì)25 000輛新能源汽車共30 000次充電行為進(jìn)行分析，總結(jié)如下：充電行為主要發(fā)生在夜間，發(fā)生區(qū)域貼近居住區(qū)分布，白天的充電行為則更貼合工作區(qū)分布，而早晚高峰則充電行為較少。某典型日的上海新能源汽車充電行為時(shí)空分布如圖6所示。圖6a為7:30時(shí)刻，此時(shí)處于早高峰時(shí)期，新能源汽車主要用途是通勤工具，故充電行為相對(duì)較少；圖6b為9:34時(shí)刻，此時(shí)人群多數(shù)處于工作狀態(tài)，新能源汽車放置于工作地點(diǎn)附近充電，與圖5b工作區(qū)相近；圖6c為23:33時(shí)刻，夜間作為新能源汽車充電的主要時(shí)間段，此時(shí)充電行為明顯增多，通常持續(xù)到凌晨2:00～3:00時(shí)，充電行為逐漸完成，熱力逐漸淡去。

圖6 新能源汽車充電熱力圖

2.2.2 充電類型分析

充電樁類型旭日?qǐng)D如圖7所示。截至2021年6月，平臺(tái)接入充換電設(shè)施運(yùn)營(yíng)商共計(jì)142家，充電樁119 089個(gè)。其中，公用充電樁71 319個(gè)，專用充電樁47 770個(gè)。車樁比約為1.1:1，遠(yuǎn)遠(yuǎn)超過全國(guó)3.14:1的水平。

如圖7所示，公用充電樁中有16 564個(gè)直流充電樁（占23%）、54775個(gè)交流充電樁（占77%）；專用充電樁中有9 112個(gè)直流充電樁（占比19%）、38 658個(gè)交流充電樁（占比81%）。

圖7 充電樁類型旭日?qǐng)D

充電地點(diǎn)熱力如圖8所示。圖8展示了充電行為與充電地點(diǎn)的關(guān)系，在專有充電樁充電的占72%，在公共充電樁充電的占28%。

圖8 充電地點(diǎn)熱力圖

2021年6月，上海新建設(shè)充電樁1 697個(gè)，環(huán)比增長(zhǎng)37%，同比增長(zhǎng)176%。而推廣的新能源汽車達(dá)到22 058輛，充電樁的建設(shè)速度遠(yuǎn)遠(yuǎn)趕不上新能源汽車的推廣速度。此外，上海市公共充電樁仍面臨不少問題，如運(yùn)維缺失、燃油車占位、新舊小區(qū)分布不均等。這些問題共同反映在較低的利用率上，交流充電樁利用率為1.42%，直流充電樁利用率為4.63%，這在一定程度上制約了充電行業(yè)的健康發(fā)展[16-17]。

3 上海市新能源汽車公共數(shù)據(jù)采集與監(jiān)測(cè)平臺(tái)的應(yīng)用

3.1 充電設(shè)施方面

3.1.1 規(guī)劃布局

制約新能源汽車發(fā)展的因素之一是用戶的里程焦慮[18]，在電池技術(shù)缺乏重大實(shí)用性突破的情況下，緩解里程焦慮的有效辦法便是規(guī)?；ㄔO(shè)充電設(shè)施[19]。鑒于空間與資源的有限性，應(yīng)該充分考慮新能源汽車的規(guī)模、行駛特征、充電特征和道路交通等因素，為充電設(shè)施的規(guī)劃布局進(jìn)行科學(xué)決策，并為未來(lái)留有增長(zhǎng)空間[20-21]。

充電設(shè)施規(guī)劃的前提是精確的新能源汽車充電需求，目前研究主要聚焦在構(gòu)建充電需求模型上，再預(yù)測(cè)充電需求的時(shí)空分布特征，而非真實(shí)的充電需求[22-25]。通過新能源汽車監(jiān)測(cè)平臺(tái)對(duì)行駛行為和充電行為的數(shù)據(jù)分析，一方面驗(yàn)證模型和參數(shù)的有效性，可以用于指導(dǎo)其他地區(qū)的負(fù)荷預(yù)測(cè)；另一方面，結(jié)合道路、天氣、社會(huì)等因素，在安全、容量等約束條件下對(duì)充電設(shè)施的規(guī)劃布局進(jìn)行成本最優(yōu)配置[25]。

3.1.2 對(duì)企業(yè)的指導(dǎo)作用

新能源汽車監(jiān)測(cè)平臺(tái)提煉數(shù)據(jù)信息，為企業(yè)生產(chǎn)活動(dòng)提供指引?；诔潆娫O(shè)施的運(yùn)行狀態(tài)和歷史數(shù)據(jù)，對(duì)充電設(shè)施的運(yùn)行狀態(tài)進(jìn)行預(yù)測(cè)，做到提前檢修，確保設(shè)備安全可靠運(yùn)行，提高充電樁的使用效率，提升企業(yè)運(yùn)營(yíng)能力；分析用戶出行特征和新能源汽車的行駛特征，指導(dǎo)企業(yè)進(jìn)行用戶管理、開展個(gè)性化服務(wù)，同時(shí)指引新能源汽車在生產(chǎn)技術(shù)上改進(jìn)方向，降低油耗、危險(xiǎn)事件和故障發(fā)生概率，進(jìn)而降低運(yùn)營(yíng)成本，提高企業(yè)競(jìng)爭(zhēng)力；將用戶充電信息與地理信息結(jié)合，同時(shí)考慮負(fù)荷特性、電費(fèi)政策、新能源接入等影響因素，協(xié)調(diào)電力生產(chǎn)、運(yùn)輸、調(diào)度等多個(gè)環(huán)節(jié)，優(yōu)化電力資源的配置[26]。

3.2 電網(wǎng)方面

新能源汽車充電具有隨機(jī)性和分散性，并受到人們生活規(guī)律的影響。如果不加以控制和引導(dǎo)，可能會(huì)加劇負(fù)荷峰谷差距，并影響設(shè)備與電網(wǎng)的穩(wěn)定安全[27]，對(duì)其進(jìn)行引導(dǎo)和控制的關(guān)鍵在于對(duì)新能源汽車時(shí)空行為進(jìn)行精確建模，進(jìn)而預(yù)測(cè)電網(wǎng)潮流與負(fù)荷特性，揭示新能源汽車與電網(wǎng)的交互作用。

3.2.1 負(fù)荷預(yù)測(cè)

對(duì)新能源汽車充電負(fù)荷預(yù)測(cè)主要有以下幾類方法?；谛履茉雌囆旭偺匦越⒛Ｐ皖A(yù)測(cè)、基于出行鏈理論模擬出行路徑預(yù)測(cè)、采用大數(shù)據(jù)技術(shù)預(yù)測(cè)[28-30]。新能源汽車充電需求的影響因素眾多，上海市新能源汽車公共數(shù)據(jù)采集與監(jiān)測(cè)平臺(tái)為負(fù)荷預(yù)測(cè)提供新能源汽車數(shù)據(jù)、道路交通狀態(tài)、城市配電網(wǎng)信息，同時(shí)考慮多源信息的耦合，尤其是歷史數(shù)據(jù)的影響，得到新能源汽車負(fù)荷的時(shí)空分布。基于電動(dòng)汽車充電調(diào)度雙層優(yōu)化模型，以電網(wǎng)側(cè)平抑峰谷、消納新能源，用戶側(cè)降低費(fèi)用為目的，優(yōu)化電網(wǎng)調(diào)度。

3.2.2 新能源汽車與電網(wǎng)交互

新能源汽車可以看作是連接在電網(wǎng)上的備用儲(chǔ)能和分布式電源，通過一系列調(diào)控手段使新能源汽車主動(dòng)參與電網(wǎng)調(diào)節(jié)，例如在合適的時(shí)段通過V2G向電網(wǎng)回饋能量，起到優(yōu)化配電網(wǎng)調(diào)度、消納新能源發(fā)電、維護(hù)電能質(zhì)量等作用。而有序充電，是在滿足新能源汽車自身需求的前提下，通過經(jīng)濟(jì)和技術(shù)手段引導(dǎo)和控制充電行為，以實(shí)現(xiàn)新能源汽車、充電設(shè)施和電網(wǎng)的協(xié)調(diào)發(fā)展[31-33]。

通過新能源汽車監(jiān)測(cè)平臺(tái)分析新能源汽車的時(shí)空分布和充電規(guī)律，結(jié)合新能源出力和負(fù)荷數(shù)據(jù)，由管理調(diào)度中心根據(jù)電網(wǎng)運(yùn)行情況制定電價(jià)，引導(dǎo)用戶充放電的選擇。既可以對(duì)電網(wǎng)起到“削峰填谷”作用，對(duì)用戶而言，也可以利用電價(jià)差賺取一定收益，促進(jìn)了新能源汽車與電網(wǎng)間的友好互動(dòng)[33]。

3.3 安全方面

3.3.1 充電安全

近年來(lái)，由電池問題引發(fā)的電動(dòng)汽車故障一直占有最大比重[34]。引發(fā)電池問題的內(nèi)因是電池老化，其健康狀態(tài)受溫度、電流倍率、截止電壓等多種因素影響，外因則是機(jī)械撞擊、短路、溫度過高相關(guān)。為了保證新能源汽車安全可靠運(yùn)行，需要準(zhǔn)確估計(jì)電池狀態(tài)。

基于強(qiáng)化數(shù)據(jù)的方法，新能源汽車監(jiān)測(cè)平臺(tái)將全生命周期的工作狀態(tài)數(shù)據(jù)、基于工作狀態(tài)的實(shí)驗(yàn)修正和AI(artificial intelligence)分析的迭代優(yōu)化三者結(jié)合，分析動(dòng)力電池的健康狀態(tài)和不一致性[35-39]。

在充電過程中，除傳統(tǒng)充電倍率、電池荷電狀態(tài)（State of Charge, SOC）等電氣參數(shù)，并給出與其他因素的相關(guān)性分析，如電動(dòng)汽車和充電樁品牌、充電時(shí)空分布、充電功率匹配等。

以上從微觀和宏觀兩個(gè)方面，新能源汽車監(jiān)測(cè)平臺(tái)建立起電池安全和充電行為模型，為用戶提供安全防護(hù)監(jiān)測(cè)，同時(shí)持續(xù)跟蹤電池?cái)?shù)據(jù)，并將整個(gè)數(shù)據(jù)反饋到模型，及時(shí)修正以保證模型的準(zhǔn)確度。

3.3.2 行駛安全

新能源汽車監(jiān)測(cè)平臺(tái)對(duì)電動(dòng)汽車大數(shù)據(jù)進(jìn)行深度挖掘和分析，研究電動(dòng)汽車各類故障對(duì)應(yīng)的大數(shù)據(jù)特征，利用機(jī)器學(xué)習(xí)算法，開發(fā)出針對(duì)電動(dòng)汽車動(dòng)力行駛安全狀況評(píng)估的模型，在故障發(fā)生前進(jìn)行提示報(bào)警，主動(dòng)開展維修工作，提高車輛運(yùn)行的安全性和可靠性。

4 結(jié)論

目前新能源汽車監(jiān)測(cè)平臺(tái)還存在一些待解決的問題。平臺(tái)建設(shè)方面，監(jiān)測(cè)項(xiàng)目仍然有限，且隨著新能源汽車的增加，監(jiān)測(cè)平臺(tái)的性能、數(shù)據(jù)處理能力面臨新的挑戰(zhàn)。而在業(yè)務(wù)方面需要向多元化方向發(fā)展，同時(shí)把握公共屬性和商業(yè)屬性的平衡。

在上海市新能源汽車公共數(shù)據(jù)采集與監(jiān)測(cè)研究中心的“十四五規(guī)劃”中，為滿足政府和市場(chǎng)發(fā)展的要求，將采取“1+X”策略構(gòu)建多源數(shù)據(jù)中心。其中，新能源汽車大數(shù)據(jù)平臺(tái)將沿著智能化、共享化、市場(chǎng)化、國(guó)家化的路線繼續(xù)前進(jìn)，同時(shí)推進(jìn)相關(guān)平臺(tái)建設(shè)，例如在2020年建成的電池溯源管理平臺(tái)和“中國(guó)新能源汽車和可再生能源綜合應(yīng)用商業(yè)化推廣（GEF6）”能源管理平臺(tái)，加氫站監(jiān)測(cè)平臺(tái)和智能網(wǎng)絡(luò)數(shù)據(jù)平臺(tái)也在逐步建設(shè)中。

另外，上海市新能源汽車公共數(shù)據(jù)采集與監(jiān)測(cè)平臺(tái)業(yè)務(wù)拓展電池健康狀態(tài)估計(jì)方面，利用采集的電池電壓、電流、溫度等數(shù)據(jù)，結(jié)合行駛行為和充電行為特征，通過AI算法迭代優(yōu)化，準(zhǔn)確地估計(jì)電池健康狀態(tài)。

商業(yè)化的方向主要面向政府和市場(chǎng)。通過對(duì)新能源汽車的數(shù)據(jù)接入、資格核查、情況通報(bào)和研究報(bào)告，為政府在政策設(shè)計(jì)與執(zhí)行、安全監(jiān)管等方面提供助力。同時(shí)，在市場(chǎng)營(yíng)銷、數(shù)據(jù)評(píng)價(jià)、行為分析等方面服務(wù)市場(chǎng)，促進(jìn)新能源汽車技術(shù)進(jìn)步和產(chǎn)業(yè)繁榮。

[1] 前瞻產(chǎn)業(yè)研究院. 中國(guó)電動(dòng)汽車行業(yè)市場(chǎng)需求預(yù)測(cè)與投資戰(zhàn)略規(guī)劃分析報(bào)告[R/OL]. (2021-05-23)[2021-8-01]. https: //bg. qianzhan. com/trends/ detail/506/210521-c8f0d1b5. html.

[2] 中華人民共和國(guó)國(guó)務(wù)院新聞辦公室. 中華人民共和國(guó)國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和2035年遠(yuǎn)景目標(biāo)綱要[R/OL]. (2021-03-133)[2021-8-01]. http://www.gov.cn/xinwen/2021-03/13/content_5592681. htm.

[3] 陳清泉, 高金燕, 何璇, 等. 新能源汽車發(fā)展意義及技術(shù)路線研究[J]. 中國(guó)工程科學(xué), 2018, 20(1): 68-73.

Chen Qingquan, Gao Jinyan, He Xuan, et al. Research on the significance of developing new energy vehicles industry and its technical routes[J]. Engineering, 2018, 20(1): 68-73.

[4] International Energy Agency. Global EV outlook 2021 technology report[R/OL]. (2021-04)[2021-8-01]. https:// www. iea. org/reports/global-ev-outlook-2021?mode= overview.

[5] 充電聯(lián)盟：截至6月全國(guó)充電樁保有量194. 7萬(wàn)臺(tái)，同比增加 47. 3%[EB/OL]. (2021-7-12)[2021-08-01]. https: //www. d1ev. com/news/shuju/151202.

[6] Wang Zhen, Hong Jichao, Liu Peng, et al. Voltage fault diagnosis and prognosis of battery systems based on entropy and Z-score for electric vehicles[J]. Applied Energy, 2017, 196(JUN. 15): 289-302.

[7] 張曉卯. 技術(shù)賦能整體性治理: 我國(guó)新能源汽車產(chǎn)業(yè)政策的優(yōu)化與整合——以上海市“新能源汽車監(jiān)測(cè)平臺(tái)”為例[J]. 江蘇行政學(xué)院學(xué)報(bào), 2020(5): 111-117.

Zhang Xiaomao. Technology empowerment holistic governance: optimization and integration of industrial policies for Chinese new-energy vehicles—a case study of “monitoring platform for new-energy vehicles” in Shanghai[J]. The Journal of Jiangsu Administration Institute, 2020(5): 111-117.

[8] 中國(guó)國(guó)家標(biāo)準(zhǔn)化管理委員會(huì). 電動(dòng)汽車遠(yuǎn)程服務(wù)與管理系統(tǒng)技術(shù)規(guī)范第1部分：總則[S/OL]. [2021-08-01].http://c.gb688.cn/bzgk/gb/showGb?type=online &hcno=0C4E83CE82045550C147C782750B221A.

Standardization administration. Technical specifications of remote service and management system for electric vehicles—Part 1: General principle [S/OL]. [2021-08-01]. http://c.gb688.cn/bzgk/gb/showGb?type=online&hcno= 0C4E83CE82045550C147C782750B221A.

[9] 董華彪. 能源互聯(lián)網(wǎng)大數(shù)據(jù)分析技術(shù)綜述[J]. 數(shù)碼世界, 2017(11): 187.

Dong Huabiao. Survey of big data analysis technology for energy internet[J]. Digital Space, 2017(11): 187.

[10] Con J, Ventura S, Cano A . Distributed selection of continuous features in multilabel classification using mutual information[J]. IEEE Transactions on Neural Networks and Learning Systems, 2010, 31(7): 2280-2293.

[11] Geuens S, Coussement K, De Bock K W. A framework for configuring collaborative filtering-based recommendations derived from purchase data[J]. European Journal of Operational Research, 2018, 265(1): 208-218.

[12] 游煜城, 張潤(rùn)樾, 黃澤平, 等. 動(dòng)力電池?zé)崾Э貙?duì)新能源汽車的危害[J]. 科學(xué)技術(shù)創(chuàng)新, 2020(31): 170-172.

You Yucheng, Zhang Runyue, Huang Zeping, et al. Harm of thermal runaway of power battery to new energy vehicles[J]. Scientific and Technological Innovation, 2020(31): 170-172.

[13] Ji Shoufen, Zhao Dan, Luo Rongjuan. Evolutionary game analysis on local governments and manufacturers' behavioral strategies: Impact of phasing out subsidies for new energy vehicles[J]. Energy, 2019, 189: 116064.

[14] 吉佳玲. 整體性治理視角下的基層政務(wù)服務(wù)協(xié)同供給研究[D]. 杭州: 浙江師范大學(xué), 2020.

[15] 艾瑞網(wǎng). 中國(guó)新能源汽車也白皮書[R/OL]. (2020-12-30)[2021-8-01]. http: //report. iresearch. cn/report_pdf. aspx?id=3713.

[16] 李映煉. 基于電動(dòng)汽車出行鏈的城市充電站布局研究[D]. 北京: 北京交通大學(xué), 2018.

[17] 周天沛, 孫偉. 基于充電設(shè)備利用率的電動(dòng)汽車充電路徑多目標(biāo)優(yōu)化調(diào)度[J]. 電力系統(tǒng)保護(hù)與控制, 2019, 47(4): 115-123.

Zhou Tianpei, Sun Wei. Multi-objective optimal scheduling of electric vehicles for charging route based on utilization rate of charging device[J]. Power System Protection and Control, 2019, 47(4): 115-123.

[18] Pevec D, Babic J, Carvalho A, et al. Electric vehicle range anxiety: an obstacle for the personal transportation (r)evolution?[C]//2019 4th International Conference on Smart and Sustainable Technologies (SpliTech), 2019, doi: 10. 23919/SpliTech.

[19] 郭磊, 王克文, 文福拴, 等. 電動(dòng)汽車充電設(shè)施規(guī)劃研究綜述與展望[J]. 電力科學(xué)與技術(shù)學(xué)報(bào), 2019, 34(3): 56-70.

Guo Lei, Wang Kewen, Wen Fushuan, et al. Review and prospect of charging facility planning of electric vehicles[J]. Journal of Electric Power Science and Technology, 2019, 34(3): 56-70.

[20] 馮鵬洲. 大數(shù)據(jù)技術(shù)在智能充電樁網(wǎng)絡(luò)系統(tǒng)中的應(yīng)用[J]. 電力大數(shù)據(jù), 2018, 21(12): 47-52.

Feng Pengzhou. Application of big data technology in intelligent charging pile network system[J]. Power Systems and Big Data, 2018, 21(12): 47-52.

[21] 孟騰. 新能源汽車充電設(shè)施選址規(guī)劃研究[D]. 濟(jì)南: 山東交通學(xué)院, 2020.

[22] 田智勇. 基于軌跡數(shù)據(jù)挖掘的新能源出租車充電特征研究[D]. 武漢: 華中科技大學(xué), 2018.

[23] 孔順飛, 胡志堅(jiān), 謝仕煒, 等. 含電動(dòng)汽車充電站的主動(dòng)配電網(wǎng)二階段魯棒規(guī)劃模型及其求解方法[J]. 電工技術(shù)學(xué)報(bào), 2020, 35(5): 1093-1105.

Kong Shunfei, Hu Zhijian, Xie Shiwei, et al. Two-stage robust planning model and its solution algorithm of active distribution network containing electric vehicle charging stations[J]. Transactions of China Electrotechnical Society, 2020, 35(5): 1093-110.

[24] 吳賦章, 楊軍, 林洋佳, 等. 考慮用戶有限理性的電動(dòng)汽車時(shí)空行為特性[J]. 電工技術(shù)學(xué)報(bào), 2020, 35(7): 1563-1574.

Wu Fuzhang, Yang Jun, Lin Yangjia, et al. Research on spatiotemporal behavior of electric vehicles considering the users’ bounded rationality[J]. Transactions of China Electrotechnical Society, 2020, 35(7): 1563-1574.

[25] 李建林, 牛萌, 周喜超, 等. 能源互聯(lián)網(wǎng)中微能源系統(tǒng)儲(chǔ)能容量規(guī)劃及投資效益分析[J]. 電工技術(shù)學(xué)報(bào), 2020, 35(4): 874-884.

Li Jianlin, Niu Meng, Zhou Xichao, et al. Energy storage capacity planning and investment benefit analysis of micro-energy system in energy interconnection[J]. Transactions of China Electro-technical Society, 2020, 35(4): 874-884.

[26] 邵尹池, 穆云飛, 余曉丹, 等. “車–路–網(wǎng)”模式下電動(dòng)汽車充電負(fù)荷時(shí)空預(yù)測(cè)及其對(duì)配電網(wǎng)潮流的影響[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2017, 37(18): 5207-5219.

Shao Yinchi, Mu Yunfei, Yu Xiaodan, et al. A spatial-temporal charging load forecast and impact analysis method for distribution network using EVs-traffic-distribution model[J]. Proceedings of the CSEE, 2017, 37(18): 5207-5219.

[27] 鄒磊. 電動(dòng)汽車大規(guī)模接入對(duì)電網(wǎng)的影響及對(duì)策[D]. 天津: 天津理工大學(xué), 2018.

[28] 張艷娟, 蘇小林, 閆曉霞, 等. 基于電動(dòng)汽車時(shí)空特性的充電負(fù)荷預(yù)測(cè)[J]. 電力建設(shè), 2015, 36(7): 75-82.

Zhang Yanjuan, Su Xiaolin, Yan Xiaoxia, et al. A method of charging load forecast based on electric vehicle time-space characteristic[J]. Electric Power Construction, 2015, 36(7): 75-82.

[29] 陳麗丹, 聶涌泉, 鐘慶. 基于出行鏈的電動(dòng)汽車充電負(fù)荷預(yù)測(cè)模型[J]. 電工技術(shù)學(xué)報(bào), 2015, 30(4): 216-225.

Chen Lidan, Nie Yongquan, Zhong Qing. A model for electric vehicle charging load forecasting based on trip chains[J]. Transactions of China Electrotechnical Society, 2015, 30(4): 216-225.

[31] 陳麗丹, 張堯, Antonio Figueiredo. 電動(dòng)汽車充放電負(fù)荷預(yù)測(cè)研究綜述[J]. 電力系統(tǒng)自動(dòng)化, 2019, 43(10): 177-191.

Chen Lidan, Zhang Yao, Antonio Figueiredo. Overview of charging and discharging load for casting for electric vehicles[J]. Automation of Electric Power Systems, 2019, 43(10): 177-191.

[32] 孫近文, 萬(wàn)云飛, 鄭培文, 等. 基于需求側(cè)管理的電動(dòng)汽車有序充放電策略[J]. 電工技術(shù)學(xué)報(bào), 2014, 29(8): 64-69.

Sun Jinwen, Wan Yunfei, Zheng Peiwen, et al. Coordinated charging and discharging strategy for electric vehicles based on demand side management[J]. Transactions of China Electrotechnical Society, 2014, 29(8): 64-69.

[33] 趙興勇, 王帥, 吳新華, 等. 含分布式電源和電動(dòng)汽車的微電網(wǎng)協(xié)調(diào)控制策略[J]. 電網(wǎng)技術(shù), 2016, 40(12): 3732-3740.

Zhao Xingyong, Wang Shuai, Wu Xinhua, et al. Coordinated control strategy research of micro-grid including distributed generations and electric vehicles[J]. Power System Technology, 2016, 40(12): 3732-3740.

[34] 陳澤宇, 熊瑞, 孫逢春. 電動(dòng)汽車電池安全事故分析與研究現(xiàn)狀[J]. 機(jī)械工程學(xué)報(bào), 2019, 55(24): 93-104+116.

Chen Zeyu, Xiong Rui, Sun Fengchun. Research status and analysis for battery safety accidents in electric vehicles [J]. Journal of Mechanical Engineering, 2019, 55(24): 93-104, 116.

[35] Xiong Rui, Li Linlin, Tian Jinpeng. Towards a smarter battery management system: a critical review on battery state of health monitoring methods[J]. Journal of Power Sources, 2018, 405: 18-29.

[36] 周頔, 宋顯華, 盧文斌, 等. 基于日常片段充電數(shù)據(jù)的鋰電池健康狀態(tài)實(shí)時(shí)評(píng)估方法研究[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2019, 39(1): 105-111.

Zhou Di, Song Xianhua, Lu Wenbin, et al. Real-time SOH estimation algorithm for Lithium-ion batteries based on daily segment charging data [J]. Proceedings of the CSEE, 2019, 39(1): 105-111.

[37] Tang Xiaopeng, Zou Changfu, Yao Ke, et al. Aging trajectory prediction for lithium-ion batteries via model migration and Bayesian Monte Carlo method[J]. Applied Energy, 2019, 254: 113591.

[38] 耿星, 王友仁. 蓄電池SOH估算方法研究綜述[J]. 機(jī)械制造與自動(dòng)化, 2019, 48(1): 204-206.

Geng Xing, Wang Youren. Review of SOH estimation method for battery[J]. Machine Building & Automation, 2019, 48(1): 204-206.

[39] 丁汀. 汽車動(dòng)力電池組均衡控制研究[D]. 蘭州: 蘭州理工大學(xué), 2019.

Application and Thinking of Big Data Technology of New Energy Vehicle Monitoring Platform in Driving and Charging Scenarios

Mao Ling1Deng Siwen2Zhao Denghui1Tang Liying2Sun Xinjie2

（1. College of Electrical Engineering Shanghai University of Electric Power Shanghai 200090 China 2. Shanghai Electric Vehicle Public Data Collecting Monitoring and Research Center Shanghai 201805 China）

Because of improvement of energy and climate issues, the development of the new energy automobile industry has received extensive attention. The trend of information and integration of new energy vehicles has accumulated a large amount of data. In order to rationally use big data technology for information processing and data mining, and promote the comprehensive and in-depth integration of new energy vehicles with energy, transportation, and communication, the Shanghai New Energy Vehicle Monitoring Platform has been established. First, the architecture, data collection types and platform label system of Shanghai Electric Vehicle Public Data Collecting, Monitoring and Research Center are introduced. It analyzed the characteristics of the use of new energy vehicles, which focuses on the temporal and spatial distribution of driving behavior and charging behavior. The application directions are provided from some aspects of charging facilities, power grid and security. Finally, the existing problems and development plans of the new energy vehicle monitoring platform are summarized and prospected.

New energy vehicle monitoring platform, big data, feature analysis, application

10.19595/j.cnki.1000-6753.tces.211221

G203;TM714

2021-08-07

2021-09-09

毛 玲 女，1981年生，講師，碩士生導(dǎo)師研究方向?yàn)殡妱?dòng)汽車與電網(wǎng)的互動(dòng)、鋰離子電池建模及狀態(tài)估計(jì)等。E-mail：maoling2290@shiep.edu.cn

鄧思文 女，1987年生，高級(jí)工程師、中級(jí)統(tǒng)計(jì)師、中級(jí)經(jīng)濟(jì)師，研究方向?yàn)樾履茉雌囉脩粜袨榉治觥?dòng)力電池健康度分析。E-mail：dengsiwen@shevdc.org（通信作者）

（編輯 郭麗軍）