基于行驶状况的电动汽车充电负荷交通预测法

杨 铎，王 淼，乔 琪

(1.国网黑龙江电力公司经济技术研究院，哈尔滨150090;2.辽宁电力勘测设计院，沈阳110179;3.湖南常德供电公司，湖南常德415000)

目前，电动汽车配套设施建设的前提是负荷预测，主要分为汽车数量预测和充、换电需求预测两部分。对于数量预测，文献［1］使用了弹性系数法和千人保有量法预测数量，但分析电动汽车占总数比例时没有系统的确定方法。对于充、换电需求预测，文献［2－3］采用电网预测法，对电动汽车接入电网后的负荷变化情况进行分析预测，对设备运行状况有较完善的分析，但对负荷需求方面的分析略显不足;文献［4－5］使用电池模型预测法，对单台汽车行驶过程中的电池充放电特性进行预测，对单车运行效果的分析较为细致，但缺少整体充、换电网络运行结构的分析。因此，本文针对这两种模型的缺陷，提出了交通预测法，根据各类汽车的行驶规律和充电习惯进行分析统计，以汽车行驶数量和实时SOC情况作为变量，建立了1 d各时段充、换电的需求分布模型，并以国内某城市的汽车行驶状况作为算例进行分析，得出了该城市的充、换电的需求分布情况。

1 电动汽车数量预测

1.1 电动汽车总量预测

1.1.1 电动汽车总量预测影响因素

电动汽车数量预测的方法与燃油汽车数量预测时使用的经济学预测方法基本一致，主要是根据经济发展状况、汽车使用情况、城市规划状况等进行预测，但存在一些差异。如电价、新产品市场认可度等因素都会对预测产生影响。

1.1.2 弹性系数预测法

弹性系数法是通过分析预测量与另一种已知变化趋势的变量之间的相互关系得出二者之间的弹性系数，根据已知量的变化趋势预测得出预测量的变化趋势［1］。用弹性系数法预测汽车保有量时，最普遍的做法是根据人均国民经济生产总值GDP的数据增长规律间接得出汽车保有量的增长规律。弹性系数法用于电动汽车预测的最主要优势在于这种方法对于预测量并不进行过多地分析，而是通过相关因素的发展状况和弹性系数来确定。

弹性系数法预测电动汽车数量的过程:

式中:PV为电动汽车保有量增长率，%;PGDP为GDP年增长率，%;α为弹性系数;H为电动汽车保有量，台;PVLast为前1 d电动汽车保有量，台。

1.1.3 千人保有量预测法

千人保有量预测法是根据人口、经济以及人均GDP等多个因素，参照预测区域的经济发展情况，确定人均GDP和预测量的千人保有量之间的关系，从而根据经济状况得出预测量的千人保有量，再根据人口数量的变化规律得出预测量的变化规律［1］。千人保有量预测法与弹性系数法原理相似，采用千人保有量和人口数量的增长状况作为中间变量来进行预测，并不直接对汽车数量的发展进行分析。预测时需要确定的人口数等中间变量比较容易确定。千人保有量预测法虽然比弹性系数法考虑得细致，但各项指标多数为预测值，因此两种方法预测精度差别不大。

千人保有量预测法预测电动汽车的过程:

式中:SSP为千人保有量，台;SGDP为人均GDP，万元;β为千人保有量系数，一般根据汽车购买状况确定，与弹性系数类似，台/万元;H为电动汽车保有量，台;npop为人口数，万人。

1.2 电动汽车分类数量预测

电动汽车投入市场后，不同种类和用途的汽车都会由传统的燃油汽车逐渐向电动汽车过渡，这就需要对不同种类的电动汽车进行分类预测，得出不同种类的电动汽车的具体数量。由于不同种类的电动汽车受其不同的行业发展规律影响，采用统一的方法进行预测较为困难。公交车和其他公用车的数量主要由城市发展情况决定，而出租车、私家车等乘用车则是受居民生活水平的影响，需要对研究区域进行具体的分析方能预测其数量。

燃油汽车分类预测多数采用灰色预测、线性回归预测、趋势外推预测等方法［6－7］，但这些方法多数建立在分析历史数据的基础上，电动汽车目前尚未有足够大的规模，在很多城市还只是试验性开展，因此提出用二重比例法进行预测。

传统的比例法根据地区的经济状况、人口数、地块面积等，根据同一领域内各不同行业发展规律进行统计，得出其在该领域内所占的比例，并参考其规律对未来数据做出估计［1］。这一方法显然无法直接对电动汽车数量进行直接预测。采用二重比例法，即先对燃油汽车中不同种类的汽车进行行业规律分析与总结，并进行比例预测，根据结果得出各行业汽车数量占总量的比例。在此基础上，再次使用比例法根据各行业内使用者群体的经济状况、消费习惯等得出各行业内使用电动汽车人数的比例，从而得出电动汽车数量中的不同种类所占比例。

2 电动汽车充电负荷预测

2.1 电动汽车行驶与充电特性预测

2.1.1 公交车

公交车日行驶距离一般比较大，拥有统一的管理和调度，因此行驶里程和路线比较固定。中国各大城市公交运营时间大多数为5:00－23:00，其中大部分公交车线路长度较为适中，少部分路线较长。根据不同路线特点，公交车发车间隔时间为5～20 min，预测时需结合线路情况选取适合的发车间隔。

公交车由于出行时间较为密集，充、换电初始SOC选取必须考虑保证交通运营。根据文献［8］，在广州亚运会期间，电动车辆采用每完成一次行车任务即回场站充电或换电池的方式，放电深度为30%左右，换电过于频繁，不适用于公共交通运行;上海世博园区的电动公交车规定，运行过程中剩余电量不足30%，即返回车场更换电池，以保证世博会期间的交通运行。因此，公交车在保证数量的情况下，在剩余电量30%时进行电能补充较为合适。由于运营持续的时间较长，公交车1d需要充电至少1次，少部分线路较长的还要充电2次。

为保证公众出行，公交车仅用换电方式进行电能补充，并采用专用的设备为公交车提供换电服务。

2.1.2 出租车

出租车的行驶路线随机性较大，运营时间基本上是全天24 h，对充电需求的预测有一定困难。出租车虽然隶属于不同公司，但作为一个服务行业存在已久，已经形成了一定的行业规律，因此应采用统一的标准来对出租车充、换电的习惯进行预测。只需按照大多数出租车充电时的剩余电量考虑，或按照充电时不同的起始SOC所占的比例来进行预测，即可得出出租车充、换电时的时间分布。

根据网络调查结果显示，大部分出租车司机都会选择在剩余电量30%时进行充电，因此，可以将此作为这一群体的统一数据。少部分的会选择剩余电量为20%或40%，可以分别选取一定的比例进行预测。

2.1.3 私家车

私家车出行的高峰多数在周末、每天工作结束后，私家车停放的时间仍远多于行驶的时间，因此，私家车在居民区、单位、商业区、休闲区域的停车场内，可利用充电桩进行常规充电，不需要考虑电池剩余容量。但个别私家车长途行驶时会发生电能不足的情况。这类私家车数量较少且持续行驶，行驶的特性与出租车较为类似，与出租车采用相同的预测即可。

2.1.4 公务车

公务车一般用于上下班接送员工或公务外出等，公务车所占汽车数量的比例较小，停放时间也较长，因此平时利用停放时间使用充电桩充电即可。少部分长途行驶的也按照与出租车相同的预测方法即可。

2.2 电动汽车充、换电需求预测

在固定的时间段内，根据电动汽车的行驶情况确定其当前SOC分布状况，略去不需要补充电能的汽车，确定需要充电的汽车的具体数量后，将其按照充电习惯分布分为快充和换电，并分别按其起始SOC计算其进行电能补充所需要的时间。

以公交车为例，根据不同发车时间，以一个发车间隔作为一个时间段，分别对每个发车间隔内发出的公交车进行抽样分析。根据其行驶路线、停站时间等，确定剩余电量30%及以下的公交车的数量，并记为该时段内需要充、换电的车辆数。按照不同SOC汽车所占比例分别确定一个间隔内的所有公交车的换电起始和持续时间，累加得出总数据。将所有时段内数据得出后拟合出充、换电汽车需求数量曲线。出租车、私家车、公务车预测时由于没有固定的发车时段，可以采用公交车的发车间隔对每一个间隔内的车进行抽样统计。对于采用换电方式的电动汽车，抽取初始SOC只是为确定该车是否需要进行电能补充。换电的实际操作时间固定，确定换电初始时间即可知道换电操作时间分布。确定充、换电的持续时间主要是为确定下一个间隔内的考察汽车数量做准备。统计1 d内每个时段，即可得到换电的电动汽车数量变化曲线。

此处所进行的抽样实为按照交通行驶规律得到的数据预测，并非真正的逐个抽样预测，根据汽车行驶规律与充、换电习惯，得出的计算值存在一定的误差，该方法只针对路上行驶中需要及时补充电能的汽车进行分析，目的是为充、换电站的建设规模提供依据，不考虑停放过程中使用充电桩进行充电的汽车。

3 算例分析

3.1 某市电动汽车保有量预测

3.1.1 弹性系数法预测

某市2009年到2010年地区电动汽车保有量年增长率为22.8%，而2010年该市GDP增长率大约为14%，通过公式(1)计算，可知弹性系数为1.63。考虑到该市的基础交通设施的承载能力及市政交通规划状况，2011—2015年期间，电动汽车增长率将受到一定限制，因此调整弹性系数为1.2。同时，根据规划方案，在整个2011—2015年期间，该市的GDP增长率应该保持在12%，电动汽车保有量年增长率应保持在14%。

2012年，该市共有3225辆电动汽车，经计算，2013、2014、2015年该市电动汽车保有量分别为3640台、4216台、4800台。3.1.2 千人保有量法预测

据统计，该市2011年为4.14万元/人，2012年为4.67万元/人。考虑该地区经济建设情况，2012—2015年该市人均GDP增长率选取12.77%。根据此增长率可计算人均GDP。

该市2011年为1011.2万人，2012年为1023.9万人，近几年人口年均增长率约为1.26% ～1.64%。以此可算出2013—2015年人口数量。千人保有量法求解时需要确定千人保有量系数β，2012年该市共有电动汽车3225辆，可以根据2012年数据求得系数为0.07，可以使用此系数预测2013—2015年数据如表1所示。

表1 千人保有量法预测目标城市2012—2015年电动汽车辆数Tab.1 Prediction from 2012 to 2015 target cities electric vehicle number using 1000 predicted quantity method

从表1可以看出，千人保有量法预测与弹性系数法预测得出的预测数据差别不大，可以作为参考数据使用。

3.1.3 目标城市电动汽车数量分类预测

该市2012年有3225辆电动汽车，其中公交车210辆，出租车 1425辆，公务车 120辆，私家车935辆，邮政车与环卫车各30辆。根据该市人口、经济发展状况以及各类电动汽车使用者的相关情况和比例，采用二重比例法，预测得出2013—2015年各类电动汽车数量如表2所示。

表2 目标城市2012—2015年电动汽车数量分类预测电动汽车辆数Tab.2 Classification Prediction from 2012 to 2015 target cities electric vehicle number台

3.2 电动汽车充、换电需求量预测

根据该市2015年电动汽车数量预测值，结合当前该市各街道上交通流量，统计各类汽车行驶习惯，可以预测得出2015年正常情况下1 d各时段的行驶的电动汽车数量和路线，以此为基础对电动汽车在各时段SOC情况进行抽样计算，可以得到2015年1 d内各时段的充、换电负荷需求分布曲线如图1所示。

图1 2015年目标城市1 d内充换电需求分布Fig，1 Charging demand distribution of target city electric vehicle in one day 2015 year

从图1可以看出，1d内中午10:00—11:00及下午17:00为充、换电高峰期，其中17:00的下班时间为交通负荷高峰期，所以该市1 d中，换电最多的时段为16:00—17:00，充、换电次数为597次。

4 结论

1)在弹性系数法、千人保有量法预测汽车数量的基础上，对传统的比例法进行改进，得出二重比例法，并以此预测了准确的电动汽车数量，可以代表未来该地区汽车发展情况。

2)通过对国内某城市汽车使用情况分析，得出了该城市1 d内各时段充、换电需求负荷分布，证明该方法可行且有效。

［1］ 王瑞妙，陈涛，刘永相.弹性系数法和千人保有量法预测电动汽车保有量［J］.农业装备与车辆工程，2011(6):40－43.WANG Ruimiao，CHEN Tao，LIU Yongxiang.Electric vehicle holdings prediction using elasticity and thousand holdings methods［J］. AgriculturalEquipment ＆ Vehicle Engineering，2011(6):40－43.

［2］ 孙凤杰，尹国龙.电动汽车对配电网负荷率影响的探讨［J］.科技创新导报，2011(13):42－43.SUN Fengjie，YIN Guolong.Discussion on the distribution network load rate effect of electric vehicle［J］.Science and Technology Innovation Herald，2011(13):42 －43.

［3］ KINTNER M，SCHNEIDER K，PRATT R.Impacts assessment of plug－in hybrid vehicles on electric utilities and regional US power grids part1:technical analysis［C］//Electric Utilities Environmental Conference，Tucson，USA，2007:1 －23.

［4］ 田立亭，史双龙，贾卓.电动汽车充电功率需求的统计学建模方法［J］.电网技术，2010，34(11):126 －130.TIAN Liting，SHI Shuanglong，JIA Zhuo.A statistival model for charging power demand of electric vehicles［J］.Power System Technology，2010，34(11):126 －130.

［5］ KEJUN QIAN，CHENGKE ZHOU，MALCOLM ALLAN，et al.Modeling of load demand due to EV battery charging in distribution systems［J］.IEEE Transactions on Power Systems，vol.26，no.2，pp.802 －810，May，2011.

［6］ 田其冲，郑卫国.基于灰色模型的汽车保有量预测［J］.电脑与电信，2009(9):60－61.TIAN Qichong，ZHENG Weiguo.Car owenership prediction based on grey model［J］.Computer＆ Communication，2009(9):60 －61.

［7］ 宋亚辉.城市电动汽车充电设施规划布局研究［D］.北京:北京交通大学，2011.SONG Yahui.Research on the layout planning of electric vehicle charging station in the city［D］.Beijing:Beijing Jiaotong University，2011.

［8］ 靳莉.电动公交车电池状态与运营匹配关系研究［D］.北京:北京交通大学，2011.JIN Li.Research on matching relations between operation and battery state of electric bus［D］.Beijing:Beijing Jiaotong University，2011.