摘要：近年来，环境问题日益加重，城市空气污染亟待解决，电动汽车因其用能清洁、利于城市大气污染防治等优势受到各国的广泛关注。电动汽车的规模性发展势必会为充电设施的规划与建设带来新的挑战。充电桩是充电设施规划建设的基本单元，合理的充电桩需求分析对电动汽车充电设施的建设有至关重要的作用，因此，本文将针对规模性电动汽车发展背景下的充电桩需求分析进行了研究与探讨。
关键词：电动汽车；出行链；随机模拟；充电桩需求
引言
电动汽车产业的发展离不开充电设施的建设，随着电动汽车保有量的增长，充电设施的合理配置将直接影响电动汽车的使用，因此充电设施的布局对电动汽车的推广起着重要作用。
1充电需求预测研究现状
随着我国电动汽车市场的不断扩大，对电动汽车充电需求的研究也逐渐走向成熟。电动汽车充电需求的预测研究主要经过了三个阶段：预测充电需求在时间或空间上的分布，预测充电需求在时空上的分布，基于电动汽车出行规律预测充电需求在时空上的分布。充电需求在时间和空间上的分布是影响充电站布局的重要因素，许多学者开始从单方面分析充电需求在时间或空间上的分布转为综合分析充电需求的时空分布。Ｂａｅ＠基于排队论和交通流理论，假设电动汽车到达充电站的时间服从泊松分布，建立了高速公路充电站的充电需求时空分布模型。Ｇａｌｕｓ用多主体模拟的方法，建立了电动汽车充电需求的时空分布模型，张洪财考虑电动汽车出行和停放特性对充电需求时空分布的影响，建立了电动汽车充电需求与测模型。电动汽车充电需求的时空分布深受电动汽车用户出行规律的影响。随着出行链理论的逐渐成熟，更多的学者基于电动汽车的出行规律对其充电需求的时空分布进行预测。陈楚月对私家车的日出行规律进行分析，构建了私家车充电需求预测模型，并根据电动汽车保有量数据，预测了三类电动汽车的充换电需求。张晨或通过汽车出行数据，得到电动汽车到达不同功能区的概率，建立了用户充电决策规则，最终预测了充电需求在不同功能区的分布情况。杨冰用电动汽车出行时间和行驶距离两个特征量描述了电动汽车的出行过程，采用蒙特卡罗方法模拟电动汽车出行情况，预测出不同类型电动汽车的充电需求。陈静鹏构建了三种以家为一天活动起点和终点的电动汽车出行链，运用蒙特卡洛方法模拟了电动汽车一周的出行情况，预测出工作日和休息日的快速充电需求。陈丽丹也是以家为一天活动起点和终点，构建了简单和复杂的电动汽车出行链，设定电动汽车充电频率，模拟出电动汽车在不同情境下的充电需求的发生情况。温剑锋使用出行时刻、出行目的和行驶里程三个特征量描述电动汽车的出行过程，确定了三个特征量的概率密度函数，运用蒙特卡洛方法模拟用户出行活动，进而计算出各功能区的充电需求。从出行链的角度可以更准确模拟电动汽车的出行过程，但是现有研究还没有将电动汽车出行过程与充电决策很好的结合起来，没有考虑到电动汽车在不同地点和时间的条件下，充电电量、充电时长和充电方式有很大的差别
2充电站选址研究现状
目前，设施选址的研究己经非常成熟，国内外学者从许多角度对电动汽车充电设施的选址与定容都进行了分析、建模和求解。从需求存在方式的角度，选址方法可以大致分为两类：基于流量需求的设施选址和基于点需求的设施选址。根据选址目标数量的不同，设施选址问题可以分为单目标选址和多目标选址。由于电动汽车在城市内一般都是短距离出行，其出行起始时刻的剩余电量可以保证本次出行，不会在出行途中进行充电，而是在到达目的地之后才会产生充电需求。所以，城市内的充电站选址是一个典型的点需求选址问题。当前，充电桩行业正处于发展上升期，其布局过程既要考虑成本的优化，同时也要最小化电动汽车充电距离，提高充电服务水平。因此，城市内充电站的选址同时也是个多目标规划问题。
3电动汽车出行链
电动汽车具有移动性，移动过程的不确定性决定了预测其充电需求需要以准确分析电动汽车的出行规律为前提。根据上文分析结果，本文对电动汽车出行链的研究只限定在城市出行和通勤出行的框架之内。电动汽车在城市内适用于中长距离出行，其出行距离相较于以步行（或骑行）为出行方式的出行距离更长。电动汽车用于通勤出行，其出行目的地主要为工作地和居住地，还包括基于主要目的地的其他非主要出行地点。
电动汽车的出行链具有两类特征量：时间特征量和空间特征量。
期刊文章分类查询,尽在期刊图书馆时间维度的特征量可以描述电动汽车出行活动在一天或者更长时段内时间上的规律，包括出行起始时刻、行驶时长、到达目的地时刻、目的地停驻时长等；空间维度的链特征量可以描述电动汽车一天内在空间上的转移，包括出行起始地点、目的地、行驶里程等。若能得到这些特征量的概率分布情况，则能准确的预测电动汽车充电需求的时空分布情况。
4电动汽车充电桩需求分析模型
4.1一日时间尺度下电动汽车出行及充电模拟
一日时间尺度模型基于目前电动汽车发展状况而设，因电池技术限制，电动汽车的续驶里程平均水平在160km-200km，少部分可达到400km，而与目前的燃油车水平（500km）还有一定的距离。因此设立一日时间尺度模型，研究在当下电动汽车发展现状下各区域的充电桩需求对充电设施建设规划具有重要的参考意义。为方便分析，在一日时间尺度下电动汽车出行及充电模型中做出以下假设：
（1）所有电动汽车在一日内首次出发时SOC已达到其抽取的SOC_max，即达到用户心理认为的“满电”；
（2）调查显示目前电动汽车用户更偏向于在家充电，因此，假设所有电动汽车在最后一次行程结束后一定充电，且为慢速充电；
（3）当在出行链中车辆SOC低于抽取的SOC_min时，即达到用户心理认为的“最低电量”时，车辆必须充电；
（4）认为车辆行驶里程与耗电量成正比，即不考虑交通、天气等因素对耗电量的影响，同时，不考虑车辆的长途出行，由于市内日平均行驶里程远小于最大续驶里程，默认每次行程不大于电动汽车的最大续驶里程，即在抵达目的地前车辆不会有紧急充电需求；
（5）考虑到快速充电大电流对车辆电池寿命的影响，认为在条件允许的情况下优先选择慢速充电；
（6）不考虑排队充电问题，当电动汽车抵达目的地时，可实现即插即充；
（7）在同一时段内车辆的目的转移概率相同，即PT是离散化的三维矩阵，T=1，2，⋯，24。
4.2一周时间尺度下电动汽车出行及充电模拟
考虑到随着电动汽车产业的发展以及充电设施建设的日益完善，用户对电动汽车剩余电量可行驶里程信心增大，多日一充模式占比逐渐增多，并且由于充电设施建设的发展日渐成熟，用户对于充电设施的可用度信心增大，其心理偏向于在家充电的选择逐步减弱，因此本文建立一周时间尺度下的电动汽车出行及充电模型，将时间尺度从一日扩展到一周，分析用户一周出行链和在各目的地的充电需求，从而得到在一周时间尺度下的各区域桩位比和快慢速充电桩比例。一周时间尺度模型旨在分析当电动汽车产业发展达到成熟期时，电动汽车用户的出行和充电行为对充电桩需求的变化。
结束语
本文在充电需求预测模型中还加入了需求数据处理过程，数据处理的目的主要是减少需求在空间上的分布数量和去掉需求的时间属性，便于充电站的选址和定容。在充电站选址和定容模型中，以平均充电距离最小和充电站建设成本最低为目标，建立了充电站布局的多目标优化模型，并制定了ＮＳ－ＭＦＯ算法的求解该模型的流程。
参考文献：
[1] 李国，张智晟，温令云.换电模式下电动汽车充换电网络的规划[J].电力系统保护与控制，2013，41（20）：93-98.
[2] 张帝，姜久春，张维戈，等.电动出租车充电桩优化配置[J].电工技术学报，2015，30（18）：181-188.
[3] 罗汉武.电动汽车灵活接入的充电设施需求预测、运行与能效评估方法研究[D].武汉：武汉大学，2013.
[4] 辛建波，温宇宾，李睿.电动汽车充电设施建设需求预测方法探讨[J].江西电力，2010，34（5）：1-5.
论文作者:刘雨
论文发表刊物:《基层建设》2019年第11期
论文发表时间:2019/8/5
标签：电动汽车论文; 需求论文; 充电站论文; 时间论文; 里程论文; 模型论文; 设施论文; 《基层建设》2019年第11期论文;