基于用户分类的电动汽车充电站需求预测

王飞龙，孙凯航，李燕青

(华北电力大学电气与电子工程学院，河北保定071003)

汽车的普及不仅加剧了石油资源短缺，还带来了大气污染以及全球变暖等多方面的问题，电动汽车的大规模推广使用便成了必然趋势。电动汽车的充电系统是发展电动汽车的重要基础支撑系统，也是电动汽车商业化、产业化过程的重要环节［1－2］。电动汽车充电站的规划与建设需要根据充电需求同时结合充电站的充电方式来确定，所以准确预测区域内电动汽车的充电需求是进行充电站规划的首要任务［3］。本文首先对某区域内电动汽车保有量进行了预测，然后根据电动汽车的用途及活动范围将其分类，并根据不同类型电动汽车的特点进行充电方式的选择，最终预测出充电站的需求量。

1 区域电动汽车保有量预测

1.1 区域汽车保有量预测

区域汽车保有量受到多方面因素的影响，本文首先在现有历史数据的基础上采用多元线性回归的方法对未来某时间段内某区域汽车保有量进行预测。多元线性回归的主要思想是将因变量视为多个自变量的线性组合，其数学表达式为

式中:t=1，2，…，n;yt为因变量;xt1，xt2，…均表示自变量;β0表示截距项;βi(i=1，2，3，…)表示总体回归系数;ut表示随机误差。yt与xtj已知，βi与ut未知。当给定一个样本(yt，xt1，xt2，…，xtk)时，多元线性回归模型可以表示为

其相应的矩阵表达式为

多元线性回归数学表达式中忽略随机误差一项后剩余的部分称为总体多元线性回归方程，简称总体回归方程，用E(yt)表示，其数学表达式为

针对区域汽车保有量预测问题，式(1)中的E(yTi)和xij都可以根据历史数据得到，所以βi可以根据历史数据求得，矩阵β的求解表达式为

在此基础上，综合考虑影响汽车保有量的因素，根据其历史数据即可预测得未来某段时间内某区域的汽车保有量。

1.2 区域电动汽车保有量预测

根据电动汽车的活动规律可将区域内的电动汽车分为规律性较强的用户(记为A类用户)、规律性一般的用户(记为B类用户)、随机性用户(记为C类用户)。A类用户不论在活动时间方面还是在活动范围方面，都有很强的规律性，主要包括公交车、环卫车以及单位接送员工上下班所用的大巴车等;B类用户在活动时间和活动范围方面有一定规律性，但规律性不强，主要包括私家车、公务车以及季节性旅游车等;C类用户不论在时间方面还是活动范围方面都毫无规律性，主要包括货车等。

在预测得知某区域汽车保有量的基础上，通过Bass扩展模型即可求得区域电动汽车的保有量［4］。A类用户的数量在很大程度上受到区域经济、环境以及相关政策的影响，所以区域内A类用户的数量完全可以通过调查得知;B类用户也具有一定的规律性，可以通过空间负荷预测法或时间序列法预测得知;C类用户具有很强的随机性，预测其保有量比较困难，最好的办法是先调查区域车流量，然后通过车型和车牌号分类法对区域C类负荷进行预测。

2 充电站需求电量预测

根据区域A、B、C三类用户的保有量可以求得充电站蓄电量的计算公式为

式中:W为换电站所需的电量;WA为A类用户日需电量;WB为B类用户日需电量;WC为C类用户日需电量。

A类用户日需电量为

式中:WA，av为A类用户平均需电量;NA为区域A类用户的数量;TA，av为区域A类用户平均每天充电次数。

居民小区、超市、商场以及其他公共场所B类用户分布较为集中，可以通过空间负荷预测方法对日需电量进行预测［5］。将区域土地根据用途不同进行分类，由于用途不同，每种类型土地电动汽车充电功率密度不同。假设某区域按照电动汽车充电功率分为N个子区域，则该区域电动汽车所需充电电量为

式中:WBi，av为编号为i子区域B类用户平均日需电量;NBi为编号为i子区域B类用户的数量;TBi，av为编号为i子区域B类用户平均每天充电次数。

C类用户充电随机性很强，在调查区域车流量的基础上，通过车型和车牌号分类法对C类负荷进行预测。假设C类用户每天最多在该区域充电1次，则C类用户日需电量为

式中:F为日车流量;PC为C类用户所占的比例;vi、vo分别为区域内、外 C 类用户的比例;WC，i，av、WC，o，av分别为区域内、外C类用户的平均日需电量;ρi、ρo分别为区域内、外C类用户中需要充电的用户所占的比例。

按照电动汽车用户分类的方法可以预测区域充电站需求电量为

3 充电站需求预测

用户性质不同，对充电站的配置、充电方式要求也不完全相同，电动汽车常见的充电方式有恒流法、恒压法等。本文针对各类用户对充电时间的要求不同，将充电站分为快速充电站和普通充电站。其中快速充电站主要针对C类用户，同时考虑部分B类用户;普通充电站主要针对A类用户和部分B类用户。由此可分别求得区域所需的快速充电站的数量Nf和普通充电站的数量Ns。

式中:μs、μf分别为日常维护、特殊事件备用系数;vs、vf分别为B类用户采用普通充电方式、快速充电方式所占的比例;Ps、Pf分别为普通充电站、快速充电站的充电功率;Ts，av、Tf，av分别为普通充电方式、快速充电方式所需的平均时间。

4 算例分析

鄂尔多斯市某开发区占地16.6 km2，预计2020年人口密度为 6 400人/km2，人均汽车保有量26%，其中电动汽车占汽车保有总量的17%(A类用户占4%，B类用户占13%)。该区域B类用户又分为居民小区用户(记作B1类用户)和公共场所用户(记作B2类用户)，B1类用户约占70%，B2类用户约占30%。A、B两类用户日均行驶里程、耗电量等参数如表1所示。

表1 A、B类用户耗电量、行程、充电次数表

对于C类用户，区域日均车流量为9 670辆，其中C类用户占8%;区域内、外C类用户的比例为4∶1(分别记为C1类用户、C2类用户);区域内、外C类用户中需要充电的电动汽车分别占总数的20%、30%;区域内、外C类用户行驶每公里耗电量分别为0.28 kW·h、0.40 kW·h;区域内、外C类用户平均日行程分别为60、50 km。

据此可以预测得该区域A、B、C三类用户的日平均耗电量如表2所示(按最大行程计算)。

表2 区域各类用户数量及日均耗电量表

为方便计算，假设100%A类用户、90%的B类用户采用普通充电方式，其余的B类用户和C类用户采用快速充电方式。一般快速充电平均充电时间为20 min ～2 h，普通充电时间为5 ～8 h［6］。取快速充电平均耗时45 min，普通充电平均耗时7 h，μf、μs分别取为1.30、1.25，文献［7］中提到充电站的充电功率为96 kW，在此基础上可以求得区域所需快速充电站数量为2，，普通充电站数量为9。

5 结语

本文阐述了多元线性回归预测法在区域电动汽车充电站需求预测中的应用，建立了基于用户分类的电动汽车充电站需求预测模型，根据A、B、C三类用户的特点，分别运用不同的方法对用户数量、日耗电量进行了预测，最终求得区域所需快速充电站和普通充电站的数量。算例结果表明，本文所采用的基于用户分类的区域电动汽车充电站需求的模型和方法切实可行，为区域电动汽车充电站需求预测提供了一定的理论参考。

［1］ 李菱，李燕青，姚玉海，等．基于遗传算法的电动汽车充电站的布局规划［J］．华东电力，2011，39(6):1004 －1006．

［2］ 周嗣理．含光伏电源电动汽车充电站的设计与仿真研究［D］．合肥:安徽大学，2008．

［3］ 徐凡，俞国勤，顾临峰，等．电动汽车布局规划浅析［J］．华东电力，2009，37(10):1677 －1680．

［4］ 姚建歆，王媚，罗伟明．电动汽车充电系统建设应用分析与研究［J］．华东电力，2008，36(8):107 －110．

［5］ 罗卓伟，胡泽春，宋永华，等．电动汽车充电负荷计算方法［J］．电力系统自动化，2011，35(14):36 －42．

［6］ 郝娟，李强，岳建华．电动汽车充电站充电模式探讨［J］．内蒙古电力技术，2010，28(S2):7 －9．

［7］ 寇凌峰，刘自发，周欢．区域电动汽车充电站规划的模型与算法［J］．现代电力，2010，27(4):44 －48．