基于實(shí)車數(shù)據(jù)的插電式混合動(dòng)力客車使用特征研究

張宇 侯巖凱

摘 要：文章選取了我國(guó)北京、重慶等6個(gè)城市共計(jì)169輛插電式混合動(dòng)力公交客車為研究對(duì)象，通過新能源汽車國(guó)家監(jiān)測(cè)與管理平臺(tái)對(duì)其實(shí)際道路運(yùn)行數(shù)據(jù)進(jìn)行采集?；?018年全年運(yùn)行數(shù)據(jù)，構(gòu)建了插電式混合動(dòng)力客車使用特征數(shù)據(jù)庫，并從出行和充電兩方面對(duì)插電式混合動(dòng)力客車的使用特征進(jìn)行了分析。相關(guān)研究?jī)?nèi)容可為插電式混合動(dòng)力客車能耗與排放測(cè)試方法研究奠定基礎(chǔ)，為插電式混合動(dòng)力客車能耗和排放測(cè)試方法與標(biāo)準(zhǔn)制定提供技術(shù)建議。

關(guān)鍵詞：插電式混合動(dòng)力 公交客車 數(shù)據(jù)驅(qū)動(dòng) 使用特征

1 前言

插電式混合動(dòng)力汽車（plug-in hybrid electric vehicle，PHEV）由于其特殊的優(yōu)越性，正越來越受到市場(chǎng)的認(rèn)可與企業(yè)的重視。PHEV的特殊之處表現(xiàn)在它綜合了油、電兩種能源，同時(shí)具備純電動(dòng)汽車（electric vehicle，EV）和混合動(dòng)力汽車（hybrid electric vehicle，HEV）的優(yōu)點(diǎn)。大量研究表明，PHEV相對(duì)傳統(tǒng)內(nèi)燃機(jī)汽車在能耗與排放方面存在一定的優(yōu)勢(shì)，且強(qiáng)烈依賴于車輛出行、充電特征[1-5]。

能耗和排放是PHEV兩個(gè)最為重要的性能指標(biāo)[6]，相對(duì)于傳統(tǒng)燃油汽車、傳統(tǒng)混合動(dòng)力汽車及純電動(dòng)汽車，PHEV這兩項(xiàng)指標(biāo)的測(cè)試評(píng)價(jià)更為復(fù)雜，需要以我國(guó)PHEV實(shí)際使用情況為基礎(chǔ)指定更為合理的測(cè)試評(píng)價(jià)方法。然而，目前對(duì)于PHEV公交客車使用特征的研究相對(duì)較少。本文基于新能源汽車國(guó)家監(jiān)測(cè)與管理平臺(tái)采集的插電式混合動(dòng)力客車實(shí)際道路運(yùn)行數(shù)據(jù)，構(gòu)建了插電式混合動(dòng)力客車用戶使用特征數(shù)據(jù)庫，并進(jìn)行用戶使用特征分析。相關(guān)研究?jī)?nèi)容可為插電式混合動(dòng)力電動(dòng)汽車能耗與排放測(cè)試方法研究奠定基礎(chǔ)，為插電式混合動(dòng)力汽車能耗和排放測(cè)試方法與標(biāo)準(zhǔn)制定提供技術(shù)建議。

2 插電式混合動(dòng)力客車使用特征數(shù)據(jù)庫構(gòu)建

2.1 數(shù)據(jù)來源

本文所使用的研究數(shù)據(jù)主要來自于新能源汽車國(guó)家監(jiān)測(cè)與管理平臺(tái)（以下簡(jiǎn)稱平臺(tái)）。平臺(tái)的數(shù)據(jù)來源為全國(guó)各省市的新能源汽車，包括私人乘用車、公務(wù)乘用車、租賃乘用車、出租乘用車、公交客車、公路客車、旅游客車、通勤客車、物流特種車、郵政特種車和環(huán)衛(wèi)特種車等12種類型的新能源汽車。截至2019年12月底，平臺(tái)共監(jiān)控全國(guó)新能源汽車290余萬輛，其中乘用車（私人乘用車、公務(wù)乘用車、租賃乘用車、出租乘用車）共計(jì)233.92萬輛，商用車（公交客車、公路客車、旅游客車、通勤客車、物流特種車、郵政特種車和環(huán)衛(wèi)特種車）共計(jì)63.53萬輛。平臺(tái)技術(shù)體系架構(gòu)如圖1所示。

根據(jù)國(guó)標(biāo)GB/T 32960要求，平臺(tái)數(shù)據(jù)采集項(xiàng)涵蓋車輛狀態(tài)、充電狀態(tài)、車速、里程、總電壓、總電流、SOC等平臺(tái)實(shí)時(shí)信息上報(bào)數(shù)據(jù)61項(xiàng)以及單體電池電壓、可充電儲(chǔ)能子系統(tǒng)個(gè)數(shù)等故障情況下的單體數(shù)據(jù)傳輸12項(xiàng)，共計(jì)73項(xiàng)數(shù)據(jù)項(xiàng)，數(shù)據(jù)采集時(shí)間間隔要求不超過30s。

2.2 構(gòu)建流程

為了對(duì)PHEV公交客車使用特征進(jìn)行研究，本文選取了北京、重慶、昆明、上海、沈陽和蘇州6個(gè)研究城市，每個(gè)城市車輛數(shù)量≥15輛，共計(jì)169輛，時(shí)間跨度為2018年全年的實(shí)際道路運(yùn)行數(shù)據(jù)，數(shù)據(jù)項(xiàng)包括數(shù)據(jù)采集時(shí)間、車輛狀態(tài)、充電狀態(tài)、運(yùn)行模式、車速、累計(jì)里程、總電壓、總電流、SOC、驅(qū)動(dòng)電機(jī)列表、發(fā)動(dòng)機(jī)狀態(tài)和發(fā)動(dòng)機(jī)燃料消耗率，共計(jì)12項(xiàng)，其中驅(qū)動(dòng)電機(jī)全部數(shù)據(jù)項(xiàng)/原始報(bào)文又可根據(jù)車型實(shí)際情況解析為驅(qū)動(dòng)電機(jī)序號(hào)、驅(qū)動(dòng)電機(jī)狀態(tài)等8項(xiàng)或16項(xiàng)數(shù)據(jù)項(xiàng)（分別對(duì)應(yīng)單電機(jī)和雙電機(jī)情形）。插電式混合動(dòng)力客車用戶特征數(shù)據(jù)庫構(gòu)建流程如圖2所示，可分為數(shù)據(jù)準(zhǔn)備和數(shù)據(jù)導(dǎo)出及處理兩個(gè)階段。

2.2.1 數(shù)據(jù)準(zhǔn)備

數(shù)據(jù)準(zhǔn)備為第一階段，該階段確定了本文研究的具體數(shù)據(jù)，包括確定研究城市、確定研究車型、確定研究數(shù)據(jù)項(xiàng)和篩選研究車輛4部分。

確定研究城市時(shí)，綜合考慮了城市PHEV公交客車數(shù)量與城市地理特征，便于不同區(qū)域?qū)Ρ确治?確定研究車型時(shí)，綜合考慮了不同城市車型銷量/入庫數(shù)量、廠商、車輛類型、車輛構(gòu)型（串/并/混聯(lián)）、動(dòng)力類型（柴油/NG）等，覆蓋面廣，便于后續(xù)開展廠商、車輛類型等方面的橫向?qū)Ρ确治?確定研究數(shù)據(jù)項(xiàng)時(shí)，根據(jù)研究基礎(chǔ)與研究目標(biāo)對(duì)73項(xiàng)數(shù)據(jù)項(xiàng)進(jìn)行篩選;篩選研究車輛時(shí)，在盡可能保證數(shù)據(jù)質(zhì)量的前提下滿足隨機(jī)性要求，盡可能減少主觀因素的影響。最后，考慮到季節(jié)維度的分析，確定時(shí)間跨度為2018年全年。

2.2.2 數(shù)據(jù)導(dǎo)出及處理

數(shù)據(jù)準(zhǔn)備階段完成后，需要對(duì)數(shù)據(jù)進(jìn)行導(dǎo)出與處理，從而完成使用特征數(shù)據(jù)庫的構(gòu)建。

新能源車輛國(guó)家監(jiān)管平臺(tái)數(shù)據(jù)庫分布式存儲(chǔ)，且隨著新能源車輛國(guó)家監(jiān)管平臺(tái)接入車輛數(shù)目的增加，整個(gè)數(shù)據(jù)庫的規(guī)模越來越大，直接搜索聚合并對(duì)一年數(shù)據(jù)進(jìn)行統(tǒng)計(jì)挖掘占用資源較大，較為困難。因此本文采取了按月分批導(dǎo)出數(shù)據(jù)的方法。在數(shù)據(jù)導(dǎo)出后，利用python編程，完成“從國(guó)家平臺(tái)分批次導(dǎo)出數(shù)據(jù)→解碼與格式轉(zhuǎn)換→聚合為特定數(shù)據(jù)庫結(jié)構(gòu)”的過程，從而完成明細(xì)數(shù)據(jù)庫的構(gòu)建。

由于車輛運(yùn)行工況復(fù)雜，數(shù)據(jù)傳輸過程存在著各種干擾和不確定性因素，因此平臺(tái)采集的數(shù)據(jù)包含一些錯(cuò)誤和缺失。針對(duì)數(shù)據(jù)缺失問題，采取了刪除和插值填充結(jié)合的方法進(jìn)行處理;針對(duì)數(shù)據(jù)錯(cuò)誤問題，采取設(shè)定閾值的方法進(jìn)行檢測(cè)與處理。

實(shí)際車輛運(yùn)行時(shí)既有行駛狀態(tài)的數(shù)據(jù)，又有停車充電狀態(tài)的數(shù)據(jù)，此外還有停車未充電等狀態(tài)。本文在文獻(xiàn)[1]狀態(tài)劃分方法的基礎(chǔ)上，增加了行駛片段與充電片段的有效性檢驗(yàn)部分，對(duì)本文研究數(shù)據(jù)進(jìn)行了狀態(tài)劃分，并提取出各樣本車輛行駛片段和充電片段的特征值重構(gòu)完成PHEV公交客車特征數(shù)據(jù)庫，特征值如表1所示，最終片段情況如表2所示。

3 插電式混合動(dòng)力客車出行特征分析

圖3為不同城市PHEV公交客車單次出行里程累計(jì)分布圖。從圖中可以看出，對(duì)于除北京外的五個(gè)城市，其單次出行里程分布大致相同，單次出行里程約有90%的情況在100公里以內(nèi)，99%的情況在200公里以內(nèi)。昆明、上海、沈陽三座城市所有車輛單次出行里程都在300公里以內(nèi)，蘇州、重慶兩城則有極少情況單次出行里程在300公里以上。北京市客車單次出行的里程明顯大于另外五座城市。北京市單次出行在100公里以內(nèi)的情況只占到了70%左右，其有大約92%的情況單次出行里程在200公里以內(nèi)，并且有少量樣本單次出行里程達(dá)到400公里以上。

圖4為不同城市PHEV公交客車單日出行里程累積分布圖。從圖中可以看出，上海、沈陽、昆明三座城市單日出行里程大多分布在100—230公里區(qū)間內(nèi)，其中沈陽、昆明二城100—200公里區(qū)間占比在60%左右，并且有80%的車輛單日運(yùn)行里程在200公里以內(nèi)，上海有80%的車輛單日運(yùn)行里程大約在230公里以內(nèi)，100—200公里區(qū)間占比也在60%左右，沈陽所有樣本出行里程都在250公里以內(nèi)，昆明所有樣本出行里程都在300公里以內(nèi)，上海所有樣本出行里程都在390公里以內(nèi)。蘇州、重慶單日出行里程小于150公里占比明顯小于其他城市，二城所有樣本單日出行里程大多分布在160—220公里區(qū)間內(nèi)。蘇州單日出行里程在240公里以內(nèi)的車輛占比達(dá)到92%左右。重慶單日出行里程在220以內(nèi)的車輛占比達(dá)到80%，蘇州所有樣本出行里程都在350公里以內(nèi)，重慶所有樣本出行里程都在350公里以內(nèi)。而北京市單日行駛里程明顯大于其他城市，大約只有50%的車輛單日出行里程在200公里內(nèi)，有80%的樣本單日出行里程達(dá)到360公里，有90%的樣本單日出行里程達(dá)到400公里，有少部分車輛出行里程在400公里以上。

圖5為各城市PHEV公交客車不同季節(jié)單日出行里程。從圖中可以看出，重慶與昆明兩城受季節(jié)情況影響的變化較小，兩座城市單日出行里程均值最小值都出現(xiàn)在冬季，且夏秋兩季單日出行里程均值差別很小。其他四座城市單日出行里程均值受季節(jié)有一定影響。北京在冬季單日出行里程均值最大，在夏季單日出行里程最小。蘇州在冬季單日出行里程均值最小，在春季單日出行里程最大。上海在秋季單日出行里程均值最大，在春季單日出行里程最小。沈陽在夏季單日出行里程均值最小，在冬季單日出行里程最大。整體而言，各城市PHEV客車在不同季節(jié)的單日出行里程沒有呈現(xiàn)出明顯的規(guī)律，這可能與每個(gè)城市選取不少于15輛車的樣本數(shù)量較少有關(guān)，且部分型號(hào)車輛冬春兩季上傳數(shù)據(jù)數(shù)量較少，這些車輛單日出行里程對(duì)結(jié)果有較大的影響。

圖6為各城市PHEV公交客車不同季節(jié)平均每日出行頻次。從圖6可知，重慶、蘇州和上海三座城市的客車平均每天出行頻次，在各個(gè)季節(jié)均大于昆明、沈陽和北京三座城市的客車。除昆明外，其余5座城市客車的出行頻次隨季節(jié)有一定變化，但變化均不太大。重慶、蘇州和上海三座城市的客車，平均每天出行頻次在一年內(nèi)均達(dá)到2.75次以上。其中重慶市在夏季出行頻次最大，為3.9次。在冬季最小，為3.3次。蘇州和上海兩座城市在春季出行頻次最小，為3.2次和2.8次。在秋季出行頻次最大，為3.6次。昆明、沈陽和北京三座城市的客車，平均每天出行頻次在各個(gè)季節(jié)均在2.75次以下。其中昆明平均每天出行頻次隨季節(jié)變化波動(dòng)最小，四季平均每天出行頻次都在2.5次左右，北京市在春季出行頻次最小，為2次，沈陽市在夏季出行頻次最小，為2.3次。兩座城市的客車出行頻次在冬季最大，為2.7次和2.6次。

劃分兩次出行的條件是計(jì)算車速為零的間隔時(shí)間，當(dāng)間隔時(shí)間大于等于30分鐘時(shí)視作兩次出行，由于PHEV公交車在正常運(yùn)營(yíng)時(shí)，其停車時(shí)間超過30分鐘的情況很少出現(xiàn)，因此PHEV公交車正常運(yùn)營(yíng)時(shí)單次出行里程較大，單次出行里程甚至接近于單日出行里程。

與乘用車不同，PHEV公交客車受車主個(gè)人行為影響較小，主要反映了該城市該線路的交通情況。可以看到北京市單日出行里程明顯大于其他城市，經(jīng)查詢分析，這是因?yàn)楸本┦羞x取的車輛中有數(shù)輛汽車在郊區(qū)運(yùn)營(yíng)，并且北京市公交車運(yùn)營(yíng)時(shí)間比其他城市更長(zhǎng)，因此北京市單日出行里程明顯大于其他城市。

4 插電式混合動(dòng)力客車充電特征分析

6個(gè)城市有效充電片段與有效運(yùn)行天數(shù)如表3所示，由于充電頻次數(shù)值太小，本文將其放大1000倍。從表中可以看出，各個(gè)城市的PHEV公交客車充電頻次均很小，遠(yuǎn)遠(yuǎn)達(dá)不到一天一充/兩天一充的充電頻次。這說明目前PHEV公交客車基本具有不充電出行的行為特征，運(yùn)行消耗能量主要來源于發(fā)動(dòng)機(jī)。這對(duì)于實(shí)際節(jié)能減排是極為不利的，同時(shí)也意味著可分析的充電數(shù)據(jù)少，為后續(xù)充電行為及能耗分析帶來了一定的困難，分析數(shù)據(jù)少，結(jié)論代表性弱。6個(gè)城市相互比較而言，重慶與上海充電頻次明顯高于其它四個(gè)城市，但仍然達(dá)不到一天一充/兩天一充的理想充電頻次。

針對(duì)所有城市的PHEV公交客車，對(duì)每座城市平均每輛車的有效出行天數(shù)和充電頻次進(jìn)行了分析，如圖7所示。從圖7可以看到，各個(gè)城市的有效出行天數(shù)隨季節(jié)變化趨勢(shì)基本一致，在冬季均出現(xiàn)了明顯的大幅下降，在春夏秋季的有效出行天數(shù)約為60-90天，而在冬季的有效出行天數(shù)約為40-60天。除上海以外，其余城市從春季至夏季的有效出行天數(shù)均出現(xiàn)上升;除北京以外，其余城市從夏季至秋季的有效出行天數(shù)均出現(xiàn)上升。對(duì)于充電頻次來說，除了北京和昆明兩座城市，其余城市在夏秋兩季的充電頻次占全年充電頻次的絕大部分。對(duì)于重慶和上海兩座城市，上海市的充電頻次全年都為最高值，重慶市的充電頻次全年都為次高值，這兩座城市的充電頻次達(dá)到30-60次，遠(yuǎn)高于其余城市的30次以下的充電頻次。

針對(duì)所有城市的PHEV公交客車，對(duì)各城市充電起始時(shí)間和充電持續(xù)時(shí)間進(jìn)行了分析，如圖8和圖9所示。從圖8可以看出，北京市的客車的充電起始時(shí)間主要分布于11時(shí)-23時(shí)，且在此期間分布較為均勻。上海市充電開始時(shí)刻在所有城市中最為集中，絕大部分集中于11時(shí)左右，另一個(gè)充電小高峰出現(xiàn)在21時(shí)左右。重慶市和沈陽市的客車在所有時(shí)刻充電起始時(shí)間分布十分相近，分布均較為均勻，在24個(gè)小時(shí)內(nèi)均出現(xiàn)過充電行為。昆明市和蘇州市的客車起始充電時(shí)間主要分布于7時(shí)-16時(shí)，8時(shí)-15時(shí)占絕大部分時(shí)間，昆明市客車的充電開始高峰集中于7時(shí)和14時(shí)，蘇州市客車的充電高峰集中于13時(shí)。

從圖9可以看出，沈陽市充電持續(xù)時(shí)間分布最為集中，基本全部分布在25分鐘以內(nèi)，充電持續(xù)時(shí)間在10分鐘上出現(xiàn)一個(gè)高峰，表明沈陽市的客車充電行為均屬于迅速充少量電量就結(jié)束充電的模式。北京市的客車充電持續(xù)時(shí)間在0-150分鐘分布較為均勻，概率密度曲線呈線性下降趨勢(shì)。其余城市客車的充電持續(xù)時(shí)間大多數(shù)分布在50分鐘以內(nèi)，有少部分分布在50到150分鐘這個(gè)區(qū)間內(nèi)，而重慶市較為特殊，甚至有少部分充電持續(xù)時(shí)間超過150分鐘。

PHEV客車不同城市充電電量（以充電過程SOC增長(zhǎng)量擬合）如圖10所示，從圖中可以看出，PHEV客車即便有充電行為，在一次充電行為中，其充電電量在大多數(shù)情況下也很少。

5 結(jié)論

（1）提出了一種基于實(shí)際道路運(yùn)行數(shù)據(jù)對(duì)PHEV公交客車使用特征進(jìn)行分析的方法，該方法可對(duì)PHEV其它類型車輛的使用特征進(jìn)行分析;

（2）對(duì)PHEV公交客車出行特征進(jìn)行分析，發(fā)現(xiàn)6個(gè)城市的PHEV公交客車單次出行里程均較大，單日出行里程、平均每日出行頻次隨季節(jié)變化較小，且不同城市間關(guān)系不一致;

（3）由于北京市有數(shù)輛樣本車輛在郊區(qū)運(yùn)營(yíng)，且北京市公交客車運(yùn)營(yíng)時(shí)間比其他城市更長(zhǎng)，因此北京市單日出行里程明顯大于其他城市;

（4）對(duì)PHEV公交客車充電特征進(jìn)行分析，發(fā)現(xiàn)6個(gè)城市的PHEV公交客車充電頻次均很小，充電電量少，PHEV公交客車基本具有不充電出行的行為特征。

本文系2018年國(guó)家重點(diǎn)研發(fā)計(jì)劃課題“我國(guó)汽車用戶出行規(guī)律和實(shí)際交通大數(shù)據(jù)統(tǒng)計(jì)分析研究和驗(yàn)證”（項(xiàng)目編號(hào)：2018YFB0106404）階段性成果。

致謝：感謝北京理工大學(xué)電動(dòng)車輛國(guó)家工程實(shí)驗(yàn)室及新能源汽車國(guó)家監(jiān)測(cè)與管理平臺(tái)的支持

參考文獻(xiàn)：

[1]郝旭，王賀武，李偉峰，等.基于中國(guó)電網(wǎng)結(jié)構(gòu)及一線典型城市車輛出行特征的 PHEV 二氧化碳排放分析[J]. 環(huán)境科學(xué)，2019，40（4）：1705-1714.

[2]Requia W J，Adams M D， Arain A，et al. Carbon dioxide emissions of plug-in hybrid electric vehicles： A life-cycle analysis in eight Canadian cities[J]. Renewable and Sustainable Energy Reviews，2017，78：1390-1396.

[3]Wu X，Aviquzzaman M，Lin Z. Analysis of plug-in hybrid electric vehicles utility factors using GPS-based longitudinal travel data[J]. Transportation Research Part C： Emerging Technologies，2015，57：1-12.

[4]Faria R，Marques P，Moura P，et al. Impact of the electricity mix and use profile in the life-cycle assessment of electric vehicles[J]. Renewable and Sustainable Energy Reviews，2013，24：271-287.

[5]Zhang X，Wang H. Utility factors derived from Beijing passenger car travel survey[C]//The FISITA 2014 World Automotive Congress. Maastricht，Netherlands. 2014.

[6]梁爐，符鋼戰(zhàn).不同動(dòng)力系統(tǒng)的插電式混合動(dòng)力汽車全生命周期能耗和排放的對(duì)比分析[J].上海汽車，2016，000（003）：45-50.