計(jì)及季節(jié)因素的EV充電負(fù)荷預(yù)測(cè)研究

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(duì)環(huán)境的污染。近年來(lái)，EV發(fā)展迅速，據(jù)國(guó)際能源署(IEA)發(fā)布統(tǒng)計(jì)報(bào)告，2020年全球EV保有量已俞900萬(wàn)輛，預(yù)計(jì)在2030年將達(dá)到2.45億輛[1]。而EV的充電時(shí)空特性具有較強(qiáng)的不確定性，大規(guī)模EV無(wú)序充電可能造成電網(wǎng)負(fù)荷峰谷差加大、網(wǎng)損增加等一系列問(wèn)題[2-3]。因此，預(yù)測(cè)EV充電負(fù)荷，分析其負(fù)荷特性，為EV有序充放電策略制定及城市配套充電設(shè)施規(guī)劃建設(shè)提供依據(jù)，降低充電負(fù)荷對(duì)電網(wǎng)造成的負(fù)面影響。

關(guān)于EV充電負(fù)荷建模的研究主要以預(yù)測(cè)模型為主。早期研究主要集中在充電負(fù)荷總量的預(yù)測(cè)，通過(guò)蒙特卡洛模擬[4-5]、數(shù)據(jù)統(tǒng)計(jì)與擬合分析[6-7]以及聚類分析[8]等，預(yù)測(cè)一定規(guī)模的EV總負(fù)荷量。近幾年的研究則進(jìn)一步考慮車輛行程過(guò)程的時(shí)空特性，在此基礎(chǔ)上，預(yù)測(cè)EV充電負(fù)荷時(shí)空分布特性?；隈R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(fù)荷時(shí)空分布模型。通過(guò)車輛出行鏈準(zhǔn)確模擬EV充電負(fù)荷時(shí)空分布特性，以刻畫(huà)車輛行程的復(fù)雜性與隨機(jī)性，提高預(yù)測(cè)的真實(shí)性。然而，針對(duì)充電負(fù)荷的時(shí)空分布預(yù)測(cè)方法中，較少考慮季節(jié)特性在車輛行程過(guò)程中的影響。

基于此，本文建立了計(jì)及季節(jié)因素的EV充電負(fù)荷預(yù)測(cè)模型。首先，基于車輛出行鏈模型，對(duì)EV的出行特征量進(jìn)行模特卡蘿抽樣模擬EV時(shí)空特性。然后，從EV的電池最大載電量與行駛損耗兩個(gè)方面考慮季節(jié)特性對(duì)EV負(fù)荷的影響，建立EV充電模型。最后，根據(jù)國(guó)內(nèi)某市氣溫?cái)?shù)據(jù)進(jìn)行仿真驗(yàn)證，該模型能夠有效預(yù)測(cè)區(qū)域內(nèi)各季節(jié)的EV充電負(fù)荷曲線，驗(yàn)證了充電負(fù)荷的季節(jié)差異性。

1 EV出行的時(shí)空特性

本文基于出行鏈模型刻畫(huà)EV用戶出行特性。按照出行鏈構(gòu)造和出行節(jié)點(diǎn)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(gòu)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(duì)EV用戶的出行活動(dòng)類型、區(qū)域轉(zhuǎn)移概率、出行時(shí)間以及行駛距離等出行特征量進(jìn)行仿真模擬，得出區(qū)域范圍內(nèi)各功能區(qū)EV出行的時(shí)空分布特性。

1.1 EV出行鏈

出行鏈?zhǔn)前凑諘r(shí)間順序，將各類出行活動(dòng)構(gòu)成的序列，可以很好的刻畫(huà)用戶的日出行特性。出行鏈對(duì)應(yīng)的時(shí)空變化關(guān)系如圖1所示,對(duì)于一段行程O(píng)D，從時(shí)間軸可以看出從開(kāi)始到結(jié)束的時(shí)間變化，t1、t2與t3表示行駛過(guò)程中行駛時(shí)間段?？臻g軸表示行程過(guò)程的空間變化，d1、d2與d3表示行駛過(guò)程中行駛里程。本文以居民生活區(qū)為起點(diǎn)，制定出行鏈結(jié)構(gòu)。

圖1 出行鏈對(duì)應(yīng)的時(shí)空變化

居民出行活動(dòng)以簡(jiǎn)單鏈(起止點(diǎn)為H，出行活動(dòng)單一，鏈長(zhǎng)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(huì)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(gòu)物吃飯（Shopping&Eating，SE）和其他活動(dòng)（Other，O）。本文考慮3個(gè)及以下車輛行駛目的地的出行鏈結(jié)構(gòu)，分為簡(jiǎn)單鏈和復(fù)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(shí)間

用戶出行時(shí)間包括行程出發(fā)時(shí)刻以及行程中停留時(shí)間。用戶每日駕車出行時(shí)間在很大程度上取決于EV的使用目的以及用戶習(xí)慣，工作日車主主要出行目的為上班通勤，同時(shí)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(duì)典型工作日下的出行特點(diǎn)，參考美國(guó)國(guó)家公路交通安全管理局（NHTS）獲得工作日的出發(fā)時(shí)刻概率分布函數(shù)[12]。

車輛出發(fā)時(shí)刻t1對(duì)應(yīng)的概率密度函數(shù)f(t1)滿足：

式中：t1表示車輛日出發(fā)時(shí)刻，μ1表示車輛日出發(fā)時(shí)刻的均值，為9.24h；σ1表示調(diào)查車輛日出發(fā)時(shí)刻的標(biāo)準(zhǔn)差，為3.16h。

出行鏈中途各類出行活動(dòng)花費(fèi)的時(shí)間（車輛停留的時(shí)間）呈現(xiàn)不同的分布特性[13],由式(2)表示。表1為不同活動(dòng)類型對(duì)應(yīng)的模型參數(shù)。

表1 各類出行活動(dòng)停留時(shí)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?zhǔn)且环N能實(shí)現(xiàn)對(duì)試驗(yàn)結(jié)果連續(xù)不斷觀測(cè)、每次狀態(tài)轉(zhuǎn)移只與前一時(shí)刻有關(guān)而與過(guò)去無(wú)關(guān)的數(shù)學(xué)模型[14]。如果將EV停在某個(gè)區(qū)域視為一種狀態(tài)，則車輛前往下一個(gè)目標(biāo)區(qū)域(下一個(gè)狀態(tài))由當(dāng)前狀態(tài)決定，記pij為車輛從當(dāng)前狀態(tài)i轉(zhuǎn)到下一個(gè)狀態(tài)j的概率，寫(xiě)成矩陣為：

式中的元素必須滿足：

根據(jù)(NHTS)統(tǒng)計(jì)分析，車輛用戶的每段的行駛里程d可近似滿足對(duì)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(biāo)準(zhǔn)差，0.9km。

2 計(jì)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(jìn)一步對(duì)出行過(guò)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(gè)方面。

圖3 氣溫對(duì)EV充電的影響

2.1 行程前最大載電量建模

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

圖4 電池相對(duì)容量變化

設(shè)定25℃為基準(zhǔn)溫度，此時(shí)電池相對(duì)容量為100%，由圖4可知，在25℃～60℃的溫度段內(nèi)，電池實(shí)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(shí)際載電量逐漸減小，且變化幅度隨溫度降低而加劇。0℃時(shí)電池相對(duì)容量?jī)H為79.3%。實(shí)際載電量的波動(dòng)，會(huì)造成EV續(xù)航里程的變化，進(jìn)而影響EV充電負(fù)荷。

由圖4可得不同溫度的電池實(shí)際載電量：

式中：CT表示溫度為T(mén)時(shí)的電池實(shí)際載電量；bT是溫度為T(mén)時(shí)的電池相對(duì)容量百分?jǐn)?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(guò)程中溫度對(duì)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(guò)程所需能量全部由動(dòng)力電池供應(yīng)。

根據(jù)文獻(xiàn)的測(cè)試數(shù)據(jù)[18],綜合考慮溫度對(duì)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(mén)時(shí)的電池實(shí)際載電量；θ表示空調(diào)耗電量占比。

高溫或低溫會(huì)明顯提高空調(diào)啟用率增大耗電量，進(jìn)而影響EV的充電需求。通過(guò)對(duì)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(guò)多少度時(shí)才啟動(dòng)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(dòng)概率呈正態(tài)分布。概率密度函數(shù)為：

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

2.3 行程中行駛耗電量建模

非正常天氣會(huì)導(dǎo)致能見(jiàn)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(huì)受行駛速度的影響，造成EV的總耗電量的變化[16]。

參考文獻(xiàn)[15-16]中天氣對(duì)應(yīng)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(duì)交通路況的限制影響EV的行駛速度。

基于EV的能耗模型，計(jì)算EV單位里程的耗電量：

式中：?表示EV以速度v行駛時(shí)，單位里程的耗電量；H表示行駛s公里耗電量。

3 EV充電負(fù)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(diǎn)，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(fù)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(jì)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(gè)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(jìn)行車輛出行模擬仿真，設(shè)定初始出發(fā)地為生活區(qū)，確定初始行程時(shí)電池初始電量；

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

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

4）計(jì)算EV充電負(fù)荷曲線。根據(jù)每一段活動(dòng)行程抽取對(duì)應(yīng)的停留時(shí)間，與該段行程的充電所需時(shí)長(zhǎng)比較，決定是否在此充電。當(dāng)該EV完成行程后，更新各區(qū)域的充電負(fù)荷，進(jìn)行下一輛模擬，當(dāng)所有EV仿真結(jié)束后，可計(jì)算出各功能區(qū)，不同季節(jié)下EV充電負(fù)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(guān)文獻(xiàn)[13]及報(bào)告，溫度數(shù)據(jù)由中國(guó)氣象數(shù)據(jù)網(wǎng)國(guó)家科學(xué)數(shù)據(jù)中心提供的某市全年溫度數(shù)據(jù)。設(shè)電池容量為60kWh，根據(jù)《EV傳導(dǎo)式充電接口》的充電標(biāo)準(zhǔn)：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(duì)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]。空調(diào)使用判據(jù)為均勻分布的隨機(jī)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(fù)荷對(duì)比如圖7所示。

圖7 季節(jié)影響的EV充電負(fù)荷

可以看出，不同功能區(qū)的充電負(fù)荷分布規(guī)律有明顯的時(shí)空差異性。居民生活區(qū)充電負(fù)荷高峰期集中在晚上18:00和22:00附近，說(shuō)明大部分車輛用戶在白天出行活動(dòng)結(jié)束后，會(huì)回到居住的生活區(qū)內(nèi)充電。而工作辦公區(qū)充電負(fù)荷高峰時(shí)段則集中在早上09:00附近；商業(yè)區(qū)充電負(fù)荷高峰和公共區(qū)相對(duì)平緩，主要集中在下午及晚上時(shí)段。這是由于大多數(shù)車主用戶在白天出門(mén)上班或購(gòu)物等行為時(shí)，到達(dá)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(jìn)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(lì)有關(guān)。

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

圖8 季節(jié)影響的EV充電負(fù)荷

對(duì)比整體區(qū)域及不同功能區(qū)的不同季節(jié)充電負(fù)荷曲線，冬季與夏季的EV充電負(fù)荷與春秋季相比，均有較大的增量。由此說(shuō)明，EV充電負(fù)荷具有較明顯的季節(jié)特性，表現(xiàn)為冬季典型日的負(fù)荷峰值最大，夏季次之，春秋季最低。EV充電負(fù)荷在冬季和夏季要大于春秋季，這因?yàn)槎緶囟容^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(shí)，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(huì)使得EV單位里程耗電量增加，導(dǎo)致負(fù)荷需求增大。最終導(dǎo)致冬季EV充電負(fù)荷最高。

5 結(jié)語(yǔ)

本文提出了一種計(jì)及季節(jié)因素的EV充電負(fù)荷預(yù)測(cè)模型，通過(guò)仿真分析，得出結(jié)論:

1）本文提出的計(jì)及季節(jié)因素的EV充電負(fù)荷預(yù)測(cè)模型，可在刻畫(huà)車輛出行的過(guò)程中反映不同季節(jié)環(huán)境下，充電負(fù)荷的變化情況。

2）相較于傳統(tǒng)EV充電負(fù)荷計(jì)算模型，考慮季節(jié)因素后EV充電負(fù)荷會(huì)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(duì)不同季節(jié)選取了典型溫度進(jìn)行仿真計(jì)算，雖具有一定代表性，但還需更多實(shí)測(cè)溫度數(shù)據(jù)進(jìn)行驗(yàn)證。在今后的工作中可進(jìn)一步細(xì)化每個(gè)季節(jié)的不同溫度條件，繼續(xù)完善季節(jié)因素對(duì)EV充電負(fù)荷的影響的研究。