魏 徐

(重慶智網(wǎng)科技有限公司，重慶 400025）

0 引言

EV(Electric Vehicle,EV)具有零排放特性，極大的降低了對環(huán)境的污染。近年來，EV發(fā)展迅速，據(jù)國際能源署(IEA)發(fā)布統(tǒng)計報告，2020年全球EV保有量已俞900萬輛，預計在2030年將達到2.45億輛[1]。而EV的充電時空特性具有較強的不確定性，大規(guī)模EV無序充電可能造成電網(wǎng)負荷峰谷差加大、網(wǎng)損增加等一系列問題[2-3]。因此，預測EV充電負荷，分析其負荷特性，為EV有序充放電策略制定及城市配套充電設施規(guī)劃建設提供依據(jù)，降低充電負荷對電網(wǎng)造成的負面影響。

關于EV充電負荷建模的研究主要以預測模型為主。早期研究主要集中在充電負荷總量的預測，通過蒙特卡洛模擬[4-5]、數(shù)據(jù)統(tǒng)計與擬合分析[6-7]以及聚類分析[8]等，預測一定規(guī)模的EV總負荷量。近幾年的研究則進一步考慮車輛行程過程的時空特性，在此基礎上，預測EV充電負荷時空分布特性。基于馬爾科夫原理，以用戶出行鏈模擬EV用戶的出行與充電行為[9-11]，建立EV充電負荷時空分布模型。通過車輛出行鏈準確模擬EV充電負荷時空分布特性，以刻畫車輛行程的復雜性與隨機性，提高預測的真實性。然而，針對充電負荷的時空分布預測方法中，較少考慮季節(jié)特性在車輛行程過程中的影響。

基于此，本文建立了計及季節(jié)因素的EV充電負荷預測模型。首先，基于車輛出行鏈模型，對EV的出行特征量進行模特卡蘿抽樣模擬EV時空特性。然后，從EV的電池最大載電量與行駛損耗兩個方面考慮季節(jié)特性對EV負荷的影響，建立EV充電模型。最后，根據(jù)國內(nèi)某市氣溫數(shù)據(jù)進行仿真驗證，該模型能夠有效預測區(qū)域內(nèi)各季節(jié)的EV充電負荷曲線，驗證了充電負荷的季節(jié)差異性。

1 EV出行的時空特性

本文基于出行鏈模型刻畫EV用戶出行特性。按照出行鏈構(gòu)造和出行節(jié)點功能，劃分不同功能區(qū)為居住生活、辦公工作以及商業(yè)購物等不同功能區(qū)。再根據(jù)區(qū)域內(nèi)EV保有量，采用蒙特卡洛抽樣對EV用戶的出行活動類型、區(qū)域轉(zhuǎn)移概率、出行時間以及行駛距離等出行特征量進行仿真模擬，得出區(qū)域范圍內(nèi)各功能區(qū)EV出行的時空分布特性。

1.1 EV出行鏈

出行鏈是按照時間順序，將各類出行活動構(gòu)成的序列，可以很好的刻畫用戶的日出行特性。出行鏈對應的時空變化關系如圖1所示,對于一段行程OD，從時間軸可以看出從開始到結(jié)束的時間變化，t1、t2與t3表示行駛過程中行駛時間段。空間軸表示行程過程的空間變化，d1、d2與d3表示行駛過程中行駛里程。本文以居民生活區(qū)為起點，制定出行鏈結(jié)構(gòu)。

圖1 出行鏈對應的時空變化

居民出行活動以簡單鏈(起止點為H，出行活動單一，鏈長為3)為主[9]。考慮主要EV用戶日常出行目的，忽略行程途中會出現(xiàn)在某處短暫停留。將出行目的分為5類[6]：回家（Home，H）、工作（Work，W）、社交休閑（Social and Recreational，SR）、購物吃飯（Shopping&Eating，SE）和其他活動（Other，O）。本文考慮3個及以下車輛行駛目的地的出行鏈結(jié)構(gòu)，分為簡單鏈和復雜鏈2種模式，如圖2所示。

圖2 出行鏈結(jié)構(gòu)模型l

1.2 出行時間

用戶出行時間包括行程出發(fā)時刻以及行程中停留時間。用戶每日駕車出行時間在很大程度上取決于EV的使用目的以及用戶習慣，工作日車主主要出行目的為上班通勤，同時也存在工作日期間前往商業(yè)區(qū)或休閑區(qū)，或是從工作區(qū)前往休閑區(qū)等情況。本文針對典型工作日下的出行特點，參考美國國家公路交通安全管理局（NHTS）獲得工作日的出發(fā)時刻概率分布函數(shù)[12]。

車輛出發(fā)時刻t1對應的概率密度函數(shù)f(t1)滿足：

式中：t1表示車輛日出發(fā)時刻，μ1表示車輛日出發(fā)時刻的均值，為9.24h；σ1表示調(diào)查車輛日出發(fā)時刻的標準差，為3.16h。

出行鏈中途各類出行活動花費的時間（車輛停留的時間）呈現(xiàn)不同的分布特性[13],由式(2)表示。表1為不同活動類型對應的模型參數(shù)。

表1 各類出行活動停留時間概率分布擬合結(jié)果

1.3 空間轉(zhuǎn)移概率與行駛距離

馬爾科夫鏈是一種能實現(xiàn)對試驗結(jié)果連續(xù)不斷觀測、每次狀態(tài)轉(zhuǎn)移只與前一時刻有關而與過去無關的數(shù)學模型[14]。如果將EV停在某個區(qū)域視為一種狀態(tài)，則車輛前往下一個目標區(qū)域(下一個狀態(tài))由當前狀態(tài)決定，記pij為車輛從當前狀態(tài)i轉(zhuǎn)到下一個狀態(tài)j的概率，寫成矩陣為：

式中的元素必須滿足：

根據(jù)(NHTS)統(tǒng)計分析，車輛用戶的每段的行駛里程d可近似滿足對數(shù)正態(tài)分布：

式中：x表示每段行程的行駛里程，μ2表示每段行駛里程的均值，為3.7km；σ2表示車輛每段行駛里程的標準差，0.9km。

2 計及季節(jié)特性的充電參數(shù)建模

基于EV出行特性，考慮季節(jié)特性的影響，主要體現(xiàn)在天氣和溫度兩方面[15-16]，進一步對出行過程的充電特性建模。圖3展示了影響的途徑，即不同季節(jié)的天氣和溫度的變化作用于EV的行駛速度，空調(diào)使用以及電池性能三個方面。

圖3 氣溫對EV充電的影響

2.1 行程前最大載電量建模

EV的動力電池狀態(tài)決定行程的初始電量，受溫度影響較強[17]，圖4為相對容量變化情況。

圖4 電池相對容量變化

設定25℃為基準溫度，此時電池相對容量為100%，由圖4可知，在25℃～60℃的溫度段內(nèi)，電池實際載電量變化幅度較小。而在小于25℃的溫度段內(nèi)，隨著溫度下降，電池實際載電量逐漸減小，且變化幅度隨溫度降低而加劇。0℃時電池相對容量僅為79.3%。實際載電量的波動，會造成EV續(xù)航里程的變化，進而影響EV充電負荷。

由圖4可得不同溫度的電池實際載電量：

式中：CT表示溫度為T時的電池實際載電量；bT是溫度為T時的電池相對容量百分數(shù)；CZ表示電池理想容量。

2.2 行程中空調(diào)耗電量建模

確定行程前初始電量后，需考慮行程過程中溫度對EV空調(diào)使用情況的影響，尤其是在夏季和冬季，車載空調(diào)的耗能較大。EV的空調(diào)使用過程所需能量全部由動力電池供應。

根據(jù)文獻的測試數(shù)據(jù)[18],綜合考慮溫度對空調(diào)耗電量的影響，得出EV在不同溫度下行駛的空調(diào)耗電量：

式中：KT表示溫度為T時的電池實際載電量；θ表示空調(diào)耗電量占比。

高溫或低溫會明顯提高空調(diào)啟用率增大耗電量，進而影響EV的充電需求。通過對大量車主調(diào)研[16]得到在不同溫度下空調(diào)的使用率以及通常在環(huán)境溫度超過多少度時才啟動空調(diào)，如圖5所示。

圖5 不同溫度下空調(diào)使用概率

上述溫度及空調(diào)使用率數(shù)據(jù)擬合后，啟動概率呈正態(tài)分布。概率密度函數(shù)為：

式中：制熱啟動ut=10.82oC，δt=2.14oC；制冷啟動ut=29.4oC，δt=1.75oC。

2.3 行程中行駛耗電量建模

非正常天氣會導致能見度降低與路面附著力下降，影響車輛行駛速度，而EV單位里程耗電量會受行駛速度的影響，造成EV的總耗電量的變化[16]。

參考文獻[15-16]中天氣對應車輛安全速度建議，定制出具有季節(jié)特性的行駛速度，如表2所示。

表2 兩種路況下的安全行駛速度

A、B路況分別表示在較差和較好的天氣情況下的兩種路況，不同天氣對交通路況的限制影響EV的行駛速度。

基于EV的能耗模型，計算EV單位里程的耗電量：

式中：?表示EV以速度v行駛時，單位里程的耗電量；H表示行駛s公里耗電量。

3 EV充電負荷仿真流程

根據(jù)EV充電參數(shù)與出行鏈的結(jié)構(gòu)特點，建立采用蒙特卡洛模擬方法的仿真流程如圖6所示。

圖6 EV充電負荷仿真流程

在仿真模型中，系統(tǒng)的初始參數(shù)包括：1）參與計算的EV數(shù)量N以及能確定出行鏈種類的狀態(tài)轉(zhuǎn)移矩陣；2）車輛電池容量，每個目的地功能區(qū)的充電功率水平、充電效率、行駛距離；3）系統(tǒng)的輸入的溫度T：20℃代表典型春秋季氣溫，0℃和35℃分別代表為典型冬季和夏季氣溫。具體仿真步驟如下。

1）初值輸入。確定EV的數(shù)量后，進行車輛出行模擬仿真，設定初始出發(fā)地為生活區(qū)，確定初始行程時電池初始電量；

2）確定EV出行特性。首先對單一EV進行第一段行程的時刻抽取，接著，根據(jù)時刻從轉(zhuǎn)移概率矩陣中抽取行程的起止點，獲得該EV的行程；

3）計算EV行程損耗。先根據(jù)溫度T獲得電池的行程前的相對容量，再抽取該段行駛里程，根據(jù)設定的安全速度，計算出行程用時，以及單位里程耗電量。同時，根據(jù)空調(diào)的啟用判定方法計算空調(diào)損耗；

4）計算EV充電負荷曲線。根據(jù)每一段活動行程抽取對應的停留時間，與該段行程的充電所需時長比較，決定是否在此充電。當該EV完成行程后，更新各區(qū)域的充電負荷，進行下一輛模擬，當所有EV仿真結(jié)束后，可計算出各功能區(qū)，不同季節(jié)下EV充電負荷需求。

4 算例分析

4.1 仿真參數(shù)

保有量規(guī)模參考相關文獻[13]及報告，溫度數(shù)據(jù)由中國氣象數(shù)據(jù)網(wǎng)國家科學數(shù)據(jù)中心提供的某市全年溫度數(shù)據(jù)。設電池容量為60kWh，根據(jù)《EV傳導式充電接口》的充電標準：生活區(qū)充電功率為7kW，其他功能區(qū)的充電功率為30kW，充電效率取為0.9。不同季節(jié)的電池相對容量：0.988、0.793與1.03?？照{(diào)制冷耗電量占總耗電量的32.5%，制熱用電量占總耗電量的35%[18]?？照{(diào)使用判據(jù)為均勻分布的隨機數(shù)。EV每天的初始SOC服從正態(tài)分布NSOC(0.9,0.12)。

4.2 仿真結(jié)果分析

該區(qū)域各功能區(qū)的充電負荷對比如圖7所示。

圖7 季節(jié)影響的EV充電負荷

可以看出，不同功能區(qū)的充電負荷分布規(guī)律有明顯的時空差異性。居民生活區(qū)充電負荷高峰期集中在晚上18:00和22:00附近，說明大部分車輛用戶在白天出行活動結(jié)束后，會回到居住的生活區(qū)內(nèi)充電。而工作辦公區(qū)充電負荷高峰時段則集中在早上09:00附近；商業(yè)區(qū)充電負荷高峰和公共區(qū)相對平緩，主要集中在下午及晚上時段。這是由于大多數(shù)車主用戶在白天出門上班或購物等行為時，到達目的地后選擇就地充電，一方面可以保證電量充裕能順利進行下一行程，另一方面與一些企業(yè)的快速充電優(yōu)惠政策鼓勵有關。

在不同季節(jié)下，該區(qū)域整體充電負荷以及各功能區(qū)的充電負荷如圖8所示。

圖8 季節(jié)影響的EV充電負荷

對比整體區(qū)域及不同功能區(qū)的不同季節(jié)充電負荷曲線，冬季與夏季的EV充電負荷與春秋季相比，均有較大的增量。由此說明，EV充電負荷具有較明顯的季節(jié)特性，表現(xiàn)為冬季典型日的負荷峰值最大，夏季次之，春秋季最低。EV充電負荷在冬季和夏季要大于春秋季，這因為冬季溫度較低，夏季氣溫較高，這兩種環(huán)境的空調(diào)使用率較高，使得EV的空調(diào)耗電量增大。與此同時，在冬季，EV的電池性能在低溫環(huán)境表現(xiàn)更差，且行車速度的降低也會使得EV單位里程耗電量增加，導致負荷需求增大。最終導致冬季EV充電負荷最高。

5 結(jié)語

本文提出了一種計及季節(jié)因素的EV充電負荷預測模型，通過仿真分析，得出結(jié)論:

1）本文提出的計及季節(jié)因素的EV充電負荷預測模型，可在刻畫車輛出行的過程中反映不同季節(jié)環(huán)境下，充電負荷的變化情況。

2）相較于傳統(tǒng)EV充電負荷計算模型，考慮季節(jié)因素后EV充電負荷會出現(xiàn)一定增量，原因在于車載空調(diào)的損耗，在冬季低溫環(huán)境下影響最為顯著。

本文仿真結(jié)果主要對不同季節(jié)選取了典型溫度進行仿真計算，雖具有一定代表性，但還需更多實測溫度數(shù)據(jù)進行驗證。在今后的工作中可進一步細化每個季節(jié)的不同溫度條件，繼續(xù)完善季節(jié)因素對EV充電負荷的影響的研究。