摘要：电动汽车充电负荷对地区电网的影响日渐显著，由于其随机性较大使得对电动汽车充电负荷的预测难度增大。本文依据调查的交通行为数据库，基于蒙特卡洛原理，通过模拟车主交通习惯，通过建立具有随机概率特征的数学模型来模拟电动汽车充电时间、地点以及负荷需求，得出地区电动汽车充电负荷曲线，分析充电负荷对地区电网的影响。
关键词：电动汽车；充电负荷；蒙特卡洛方法
引言
随着动力电池技术的发展，电动汽车开始逐步走向实用，在汽车市场中的份额也逐步提升。与之相对应的是，电动汽车充电负荷也将对电网的运行产生影响。具体体现在三个方面：
1）巨量充电负荷的增长，需要新建大量充电设施，新增大量装机容量，对电网升级改造提出更高要求，增加电网建设投资。
2）电动汽车充电时间与空间的随机性强，使得电动汽车充电负荷具有较大的不确定性。
3）电动汽车在充电过程中，会对供电系统产生大量谐波，电压损耗和三相不平衡，使节点电压偏移，导致功率因素下降，影响电能质量[1]。
为减少充电负荷的影响，提高配电网对于电动汽车的适应性，需要电网公司对电动汽车充电负荷进行科学合理的预测，并在考虑新增充电负荷条件下，分析规划期内的供需平衡，提出合理的配电网规划建设和改造方案。
近年国内外对电动汽车充电负荷预测方法做了大量研究，文献[2]主要使用多主体仿真建立电动汽车充电负荷时空分布模型。文献[3]采用排队论分析不同时间段抵达充电站的电动汽车充电功率的概率分布的方法，文献[4]主要研究了多种混合动力的电动汽车的充电负荷预测方法。由于电动汽车充电负荷数据少，在时间和空间上的随机性强，无法使用传统方法进行负荷预测，因此需要考虑其他学科的方法，并充分考虑这些不确定性因素，提出合理的预测模型。
1构建模型的思路
影响电动汽车充电负荷的主要因素主要包括：电动汽车规模、电池容量、起始负荷状态、充电功率、充电时间长短、充电模式（充电方式和充电时序）等六个方面。如果需要得到充电负荷相对准确的预测值，需要综合考虑以上全部影响因素，尤其是不同的电动汽车的充电模式对于充电负荷的影响最为突出。基于以上考虑，本文选取蒙特卡洛模拟法作为主要预测方法。
蒙特卡洛（Monte Carlo)方法是一种以概率和数理统计理论为基础的随机模拟方法，是使用随机数来获得问题近似解的方法，它将所求问题同一定的概率模型相联系，通过计算机来实现随机抽样或统计模拟[5]。本文依据全国居民出行调查的交通行为数据库，基于蒙特卡洛原理，通过模拟车主交通习惯(包括出行习惯和充电习惯)，建立具有随机概率特征的数学模型来预测汽车在未来时段的充电时间、地点以及负荷需求。
其应用时的主要步骤为：1）构造概率模型，即确定随机事件；2）从己知概率分布中抽样，产生随机数；3）进行模拟实验，即重复多次地模拟随机事件；4）对随机试验结果进行统计平均，求出随机事件出现的频率作为问题的近似解。
构建电动汽车充电模型需要重点分析两个因素：一是电动汽车用户出行规律，二是电动汽车的充电状态与方式。电动汽车的出行规律包括：出行时间、距离、出行电动车数量与空间分布；电动汽车的充电状态与方式包括电动汽车初始电量、快慢充的方式选择与相应功率、充电频率与停驻地点。考虑到上述因素均具有随机性，可以采用蒙特卡洛概率抽样的方法来模拟电动汽车负荷。将负荷影响因素设置为关键输入量，对充电行为进行逻辑分析，考虑输入变量如何来影响电力负荷，从而构建充电负荷预测模型。
2不同车型的充电特性分析
电动汽车电力负荷的空间分布主要在于充电桩的位置布局。目前电动汽车的种类主要包括公交车、出租车和私家车。这三类车的出行规律，充电方式及充电地点均有所不同。根据调查数据对上述电动汽车充电行为进行定量分析：
公交车：出行距离约为250km，出行时间：6:00 ~ 22.30。一般在22:00 ~ 5:30时间段采用快充方式充电，一天只充一次电，40%公交车辆会于22:00 ~ 24:00时间段开始充电。初始充电时间满足正态分布.png)
，初始充电电量满足正态分布.png)
，其余的公交车满足均匀分布。
出租车通常为两班制，分为早、晚班，每日行程约为350~500km。每次换班时把电充满。为了增加工作时间提升利润，出租车往往只采用快充方式充电。出租车司机也可根据自身的情况在任意时刻及时充电，充电方式不定。本文假设电动出租车采用快充的充电方式，此时电动出租车一天需充两次电，假设电动出租车第一次充完电后，大约过12小时候再充一次电，也就是A段充完电后，下一次充电时间会在C段内，同理，B段充完电后下一次充电在D段。每次充电的初始充电电量SOC满足正态分布.png)
。
私家车的出行规律基本于上下班规律相同，除上班路程以外，汽车一般停在公共场所或者居住小区的停车场，允许充电的时间富足，白天可以采用快充方式充电，夜晚普遍在居民区内停车场里采用慢充方式充电。项目采用NHTS数据作为私家车充电数据，NHTS数据是美国交通部为了得到全美的交通基本特征所组建的大数据，具有一定的权威性[6]。
通过对NHTS的数据分析，电动私家车在工作日与周末的出行数据的存在明显差异。工作日时，电动私家车充电概率主要分布在三段，第一段在10:00 ~ 20:00，充电方式采用快充，充电概率只有0.1，呈现均匀分布；第二段在8:00 ~ 17:00，充电方式采用慢充，充电概率为0.3，服从正态分布.png)
；第三段在18:00~次日7:00，充电方式采用慢充，充电概率为0.6，服从正态分布.png)
加上.png)
。
所谓的慢充与快充是按照充电需求分为交流充电和直流充电。交流充电是以三相或单相交流电源向电动汽车充电，不同区域的充电桩参数不一致，额定电压与额定电流都有变化，充电功率较小。直流充电就是采用直流电源直接对动力电池充电，直流充电桩也有几种类型，充电功率大，充电速度快。以下是目前市场上交直流充电桩的接口相关参数。
表1 不同电动汽车充电方式比较
.png)
为了便于对充电汽车充电负荷进行统计学分析，我们选几种目前最常见的充电参数进行分析，对于SOC为0的动力电池，采用慢充，充电速率只有0.2~0.3倍率，充满往往需要6~7小时。若采用快充，充电速度有2~5倍率，将电量充满最快只需要大约半小时。
表2 不同电动汽车充电参数
.png)
对于蓄电池电量，本文参照比亚迪公司相关产品，公交车的电池容量为372kwh，充电功率为80kw。出租车的电池容量为57kwh，快慢充的充电功率分别为220*32=7kw与750*80=60kw。私家车与出租车电池规格及充电功率同出租车。
表3 不同容量蓄电池充电功率
.png)
3电动汽车充电负荷的求解算例
由于租赁车辆使用辆数不定，且环卫物流车占比较少，本课题以一般城市蚌埠市为例，2025蚌埠地区电动车预测值6.1万辆，扣除租赁及环卫车辆后保有量为5.6万辆，研究了公交车、出租车及私家的充电习惯，选取占比为16.3%，13%，70.7%。同时结合电动汽车的起始充电时间、初始电量SOC、充电方式选择、充电功率大小、电池容量共七个因素，采用蒙特卡洛概率统计法，预测电动汽车充电负荷曲线。充电负荷计算流程图如图所示。
.png)
图1 基于蒙特卡洛概率抽样的充电负荷计算流程图
Fig.1 Flowchart of Charge Load Calculation Based on Monte Carlo Probability Sampling
由于项目所在地的年负荷曲线按一小时为步长进行绘画，电动汽车仿真测算模型的时间精度也选择为一小时，通过估算，每一小时的负荷大小可表示为：
.png)
（0<=i<24）
其中，N是电动汽车总数，.png)
是第n辆电动汽车在第i个小时的充电功率，.png)
是第i个小时的充电总负荷。由此可得出2025年包含私家车、公交车、出租车在内的蚌埠市电动汽车自由充电负荷预测曲线如图所示。
.png)
图2 蚌埠市2025年电动汽车充电负荷预测曲线
Fig.2 The load forecast curve of electric vehicle for Bengbu in 2025 g
根据充电负荷预测曲线可知，电动汽车充电晚高峰在夜间23点左右，主要是私家车夜间慢充叠加公交车夜间快充负荷导致。白天05:00~09:00时段与夜间20:00~21:00时段充电负荷较低，主要受居民生活习惯所致，此时段正是白天上班及夜间下班出行高峰时段，电动汽车较大概率不会在此时充电，中午11点与下午17点左右出现的两个充电小高峰，在于出租车的快充功率过大，且这两个时间点都靠近中午和晚上的下班时间，出租车会提前集中充电，来提前应对用车高峰，以此提高利润。
4电动汽车充电负荷对地区负荷的影响
.png)
图3 电动汽车接入蚌埠市配电网负荷曲线（MW）
Fig.3 Electric vehicle access to Bengbu distribution network load curve
将电动汽车充电负荷叠加至蚌埠地区预测负荷上，可以看出电动汽车充电负荷对蚌埠地区电网负荷的影响整体较小，峰谷差基本不变，午高峰略有提高，晚高峰被进一步削平。从负荷接纳水平上看，蚌埠地区对电动汽车有较好的接纳能力。
5结语
本文分析了电动汽车充电负荷对地区电网的影响，提出了电动汽车负荷预测的必要性，介绍了当前主流的充电负荷预测方法，并建立基于蒙特卡洛理论的充电负荷预测模型，分析了充电负荷对地区负荷的影响及接纳能力，为电动汽车发展及地区电网建设提供参考，具有一定的规划参考及研究价值。
参考文献
[1]王康宁,王金浩，温剑锋，李秋硕，温惠 .电动汽车充电站电能质量测试分析[J]．智能电网，2014，02（09）：16-22．
WANG Kangning,WANG Jinhao, WEN Jianfeng, LI Qiushuo, WEN Hui.Test and Analysis of Power Quality in Electric Vehicle Charging Station[J]．Smart Grid，2014，02（09）：16-22．
[2]GALUS M D, WARAICH R A,NOEMBRINI F,etal. Integrating power systems,transport systems and vehicle Technology for electric mobility impact assessment and efficient control[J].IEEE Trans on Smart Grid，2012，3(2)：934-949.
[3]郑竞宏, 戴梦婷, 张曼, 等. 住宅区式电动汽车充电站负荷集聚特性及其建模[J]. 中国电机工程学报, 2012, 32(22): 32-38.
Zheng Jinghong, Dai Mengting, Zhang Man, et al.
Load cluster characteristic and modeling of EV
charge station in residential district[J]. Proceedings of the CSEE, 2012, 32(22): 32-38.
[4]周念成，熊希聪，王强钢，多种类型电动汽车接入配电网的充电负荷概率模拟[J].电力自动化设备，2014，34（02）:1-7ZHOU Niancheng，XIONG Xicong,WANG Qianggang，Simulation of charging load probability for connection of different electric
vehicles to distribution network[J] Electric Power Automation Equipment2014，34（02）:1-7
[5]TREMBLAYO,DESSAINTLA,DEKKICHEAI.
A generic battery model for the dynamic simulation of hybrid electric,Vehicles [C]// Vehicle Power and Propulsion Conference, September 12-19, 2007, Arlington, TX, USA:284-289.
[6]VYAS A,SANTIN D.Use of national surveys for estimating ‘full’ PHEV potential for oil use reduction [EB/OL].[2008-07-21],http://www. docin. com/p-486955039.html.
作者简介
闫兴德，男，山东枣庄人，硕士研究生，副高级工程师，现供职于国网安徽省电力有限公司蚌埠供电公司。
论文作者:闫兴德,蒋从伟,冯飞波,李奇,杨澍,周梦真
论文发表刊物:《基层建设》2020年第2期
论文发表时间:2020/4/29
标签：负荷论文; 电动汽车论文; 概率论文; 方式论文; 出租车论文; 蚌埠论文; 功率论文; 《基层建设》2020年第2期论文;