电动汽车充电负荷预测模型及对城市负荷影响研究

窦晓军（国网陕西省电力公司经济技术研究院，陕西西安　710065）



电动汽车充电负荷预测模型及对城市负荷影响研究

窦晓军
（国网陕西省电力公司经济技术研究院，陕西西安710065）

摘要：电动汽车充电站或充电设备集群的负荷变化情况受具体车流量、电池充电时长、电池起始荷电状态（state of charge，SOC）、充电设备数量等多种因素的影响，变化规律复杂，各个充电站的负荷曲线形态差异很大，难以从本质上表征负荷的一般性规律。从影响充电负荷变化规律的进站车流量入手，研究电动车辆进站流量、充电时长、充电站充电能力等对充电负荷的具体影响，提出适用于充电站负荷快速计算的简化公式和计及多种影响因素的仿真方法。以西北某市为算例，结果表明，该方法能够方便、有效地预测电动汽车充电负荷的时空分布特性，为分析其对电网的影响及充电设施规划等提供依据。

关键词：电动汽车；充电站；负荷预测；蒙特卡洛仿真

电动汽车使用电力来代替传统的石油对汽车进行驱动，能够缓解能源紧张的趋势，并减少温室气体的排放，正得到迅速发展[1-3]。而大规模电动汽车充电势必会对配电网结构、运行产生巨大的影响。因此，了解并准确预测电动汽车充电对电网的影响，对智能配电网建设具有重要意义[4-5]。

目前，已开展了一些电动汽车对电网影响方面的研究，主要包括以下内容：

1）评估现有发电容量是否能够满足日益增长的电动汽车负荷需求。

2）电动汽车接入网络研究。研究电动汽车向电网提供辅助服务的价值，包括调频、旋转备用等。

3）研究日益增加的电动汽车对中、低压电网的影响，涉及负荷、电压、损耗、三相不平衡和谐波等问题，目前这方面的研究较少。对电动汽车使用者的调查表明，电动汽车充电90%是在车场、车库夜间进行的，充电时间大约为6～8 h，只有不到10%的充电是在路旁的应急电站完成。

本文从影响充电负荷变化规律的进站车流量入手，研究电动车辆进站流量、充电时长、充电站充电能力等对充电负荷的具体影响，提出适用于充电站负荷快速计算的简化模型，并基于蒙特卡洛模拟的仿真方法进行电动汽车充电负荷预测。通过实例计算，验证该方法的合理性[6-8]。

1研究目的和思路

1.1研究目的

发展电动汽车是解决能源危机、环境危机的重要手段，中国已出台许多政策扶持和推动电动汽车产业的快速发展，近几年在北京、上海、广州、深圳等城市已经建成多座电动汽车充电站，电动汽车的推广应用已进入了关键时期[9]。就电动汽车的能源补充方式而言，通常包括电池快换、快速充电和慢速充电等，充电运营模式较为多样，前2种方式与日常交通流量有很大关系，由此产生的充电负荷往往与已有电力负荷峰段相叠加，产生新的负荷高峰，占用电网本不宽裕的热备容量，对电力系统的安全运行及当地负荷造成威胁。

负荷预测作为电网规划的一项基础工作，对于电力企业的电网规划显得越来越重要，电动汽车的大规模使用将会对当地负荷产生直接影响。本项目就通过各种指标下电动汽车充电对电网的影响分析，进行调查，分析电动汽车各种充电情况对当地不同用地性质负荷预测的影响。

1.2研究思路

首先结合规划区域的用地性质如居民用地、商业用地，以及电动汽车类型如私家车、公交车、出租车，根据停车生成率及渗透率对停车需求及时空分布、充电需求及充电负荷时间分布进行测算；其次根据电动汽车发展，预测该规划区域私家车及公共车电动汽车保有量；最后根据原有调研用地性质负荷与电动汽车充电负荷，预测出规划区域内饱和负荷。

2电动汽车对负荷特性影响

不同运行模式的电动汽车对电池充电时间有不同的要求，而充电时间的不同需要不同的充电方式来满足。此外，不同电池都有其最佳的充电电压、电流和充电时间。电池在常规充电方式下需要较长的充电时间，一般需要8～12 h，甚至更长一些。由于二次电池无记忆效应，车载电池能量的补充主要依赖于电网来完成，即通过采用电网的电能给蓄电池进行充电，这样，充电质量的好坏直接影响到车载动力电池在运行条件下的能量供给、贮存和电池的使用寿命等方面，最终影响到电动汽车的使用成本。因此，在实际使用中可以采用快速充电方式缩短充电时间，或者采用常规充电方式进行短时间补充充电。电动汽车充电技术是维持电动汽车运行的一项必备手段，其对车辆安全使用寿命的影响重大。

2.1不同时间充电的效果

不同充电方式、充电时间各有差异，主要表现在：

1）常规充电主要在晚间进行。电动车辆在当天运营完毕后，在专门区域充电站进行长时间的晚间充电，一般充电至第二天运营开始。晚间充电主要优点在于很好地利用了电网低谷，平衡了该区域日间和夜间用电。另外，充电站建立在人员密集区域内，使纯电动车辆运行到载客始发站距离较短，节省了动力电池消耗，提高了电池利用率。

2）补充充电一般在白天运营过程中进行间断性电池快速充电。对于纯电动车辆，晚间充电的电池电量基本能满足一天的运营要求，但当运营任务过重，或负荷运营时间过长时，电动车辆就必须充分利用停车待客时间进行电量补充。补充充电采用直插直充的快速充电方式，由于二次电池的无记忆特性，对电池的寿命无明显影响，更重要的是对白天的运营也无影响。

2.2峰谷平衡

城市用电高峰集中在白天，晚上是用电低谷，而电动汽车采用白天行驶、夜间充电的运行方式，有利于电网的峰谷平衡，改善电网负荷特性，减少为维持电网低负荷运转而引起的调峰费用。国家电网公司在推广电动汽车的发展上可以采取对电动汽车充电优惠政策，促进电动汽车可在夜间利用电网的廉价“谷电”进行充电。这样对车主的优惠，对电网的平衡，对盈余电力的消费都将起到很大作用。

同时，城市电网负荷逐年提高，负荷峰谷差值越来越大，电动汽车大规模接入后，城市电网负荷曲线趋于平坦，峰谷差距大大缩小，提高了电网负荷率，可以提高电网设备和发电能源的利用率。

3电动汽车充电负荷简化模型

电动汽车充电站或充电设备集群的负荷变化情况受具体车流量、电池充电时长、电池起始荷电状态（state of charge，SOC）、充电设备数量等多种因素的影响，变化规律复杂，各个充电站的负荷曲线形态差异很大，难以从本质上表征负荷的一般性规律。本文从影响充电负荷变化规律的进站车流量入手，研究电动车辆进站流量、充电时长、充电站充电能力等对充电负荷的具体影响，提出适用于充电站负荷快速计算的简化公式和计及多种影响因素的仿真方法。

某一时刻的充电负荷与许多因素有关，其中进站换电或充电的车流量随时间的变化情况是决定性因素。本节对此进行具体研究，并做如下假设以简化处理：

1）充电站充电或换电能力充足，任何待换或待充车辆均无需等候。

2）所有待充或待换电池组的剩余电量一致，充电功率和时长相等。

3）充电站未采取有序充电控制等干预策略。

通常，每天的车辆进站流量随时间呈现显著变化，与交通规律有极大关联，难以用明确的数学公式进行描述，一般由历史统计数据得到。假设某个典型日的车辆进站流量可用以下公式描述：

式中：D（t）用于描述充电站进站车辆数量随时间的变化情况；t为时间，min，t=0即表示每日的00:00:00；dc为车辆进站密度，辆/min。

因此，t时刻该充电站已接待的充电车辆总数可采用对式（1）积分得到：

式中：Int为取整函数。

设电池组的充电时长为Tc，在此不计充电设备准备或拆装电池所耗费的时间。则t时刻的充电总功率只与在区间[t-Tc，t]内进站并正在充电的所有车辆有关，其数量按下式计算：

充电设备的工作周期通常包括2个阶段：恒流限压和恒压限流。前者基本为恒定功率输出，时间长，效率高，是主要充电方式；后者处于充电结束期，功率会逐级减小。随着电池和充电技术的发展，恒压限流阶段趋向于缩短或取消，从而提高充电速度及其综合效率。因此，可将一辆车的充电有功功

式（4）是计算充电站负荷的简化公式，输入电动汽车进站流量曲线，便能快速计算出任意时刻有功功率，无功功率可根据充电设备功率因数进行推算。该公式适用于描述充电或换电能力充足、电池类型一致、充电时长差异不大的充电站。率p设为恒定值（单位kW），则t时刻充电站的有功功率为：

4基于蒙特卡洛模拟的电动汽车负荷预测

根据电动汽车日行驶里程分布、各区域土地使用情况、停车生成率、停车分布特性等数据，采用蒙特卡洛模拟抽取不同地区不同建设用地汽车的日行驶里程、型号、停放与驾驶行为、停放汽车的停放时间等来预测电动汽车负荷时空分布，其流程如图1所示。

以总停车需求最高时刻t0作为仿真的起始时间，抽取所有汽车的日行驶里程、电池容量、每100 km电耗等数据；根据电动汽车第一次出行的时间分布情况，抽取各类停车场所停放车辆的停车时间。

此后，每隔15 min更新每辆汽车的停放、充电状态，若汽车到达停放结束时间则驶离停车场，到达充电结束时间则结束充电，产生充电需求则根据需求类型进行充电。仿真流程图如图1所示。

计算各类停车场当前实际停放车辆数与由停车生成率模型所计算得到的停车需求的差值Pnew。若Pnew＞0，则随机抽取在途车辆停放到该停车场，并根据停放地点、停放目的、当前时刻抽取停放时间；若Pnew＜0，则随机抽取目前停放在该停车场的汽车驶离。

电动汽车日行驶里程越长，相应的日停车时间越短。抽样程序根据不同类型停车场所、停车目的的停车时间分布抽样得到停车时间，再根据该辆车的日行驶里程进行修正。假设抽样得到的第k辆汽车在某时刻t停车，停车时长是Tpark，k（t），则修正后的停车时间为：

图1基于蒙特卡洛模拟的电动汽车负荷预测流程Fig. 1 A Monte Carlo simulation of the electric vehicleload distribution forecasting process

式中：dmean为所有汽车平均行驶里程；dk为第k辆汽车的日行驶里程。

驾驶中的电动汽车荷电状态以速率Vsoc下降，充电中的电动汽车荷电状态以充电速率上升，停放但未充电的电动汽车荷电状态保持不变。

5算例分析

采用本文提出的方法对西北某市2020年的私家电动汽车工作日充电负荷进行预测，并对不同类型区域的充电负荷作进一步的对比分析。

5.1电动汽车保有量

目前市场销售的电动汽车主要分2类：小型车每100 km电耗为10 kW·h左右，电池容量为18 kW·h左右；普通车型每100 km电耗为21 kW·h左右，电池容量为30 kW·h左右。

根据该市电动汽车示范推广计划，假设2020年全市私家电动汽车保有量7.95万辆。其中小型汽车比例为30%，普通类型汽车比例为70%。其中，考虑在途车辆的修正系数η1＝0.191 5，η2＝1.000 1。

表1西北某市规划年电动汽车保有量情况Tab. 1 The quantity of EVs in a certain city in ChinaNorthwest in a planned year

5.2预测参数设置

以02:00作为仿真的起始时间，假设大部分汽车在07:00左右开始出行，则初始化所有在02:00停放的汽车的停放时间符合正态分布N（5，32）。

工商业区上午07:00—10:00有95%的停放汽车为通勤车，通勤车中有70%停放至下午下班，平均停放时间为8 h，30%停放至中午下班，平均停放时间为4 h；中午11:00—15:00有50%的停放汽车为通勤车，一直停放至下午下班，平均停放时间为4 h。各时段非通勤车的平均停放时间为1.5 h。

夜晚20:00—24:00到达工商业区停放的汽车，以一定的比例（由10%随时间线性上升至100%）认为其为一天中最后一次停车，24:00之后停放的汽车均为最后一次停车。

居民区白天平均停放时间为2 h，夜晚17:00—22:00到达居民区的汽车，以一定的比例（由10%随时间线性上升至100%）认为是最后一次停车，22:00之后停放的汽车均为最后一次停车。

假设电动汽车每天开始行驶时电池处于充满状态。电动汽车行驶过程中选择快速充电的剩余SOC警戒值为20%，在不同目的地停放时选择充电的剩余SOC阈值在仿真过程中可调。

根据国家标准《电动汽车传导充电用连接装置》（GB/T34234.2—2001）规定，电动汽车可以使用交流、直流2种充电接口充电，2种接口参数如表2所示。

表2电动汽车不同充电接口的参数Tab. 2 Parameters of different charging interfaces for electric vehicles

假设居民区、通勤车工作单位以额定电压250 V的交流充电接口充电，工商业区非通勤车以额定电压440 V的交流充电接口充电，快速充电站以直流充电接口充电。

5.3预测结果与分析

5.3.1驾驶者充电行为对充电负荷的影响

假设居民区、工商业区均100%配建充电设施，电动汽车充电前剩余SOC阈值分别为99%，80%，50%，30%时，工作日各类场所私家电动汽车充电负荷曲线如图2所示。

图2不同充电SOC（荷电状态）阈值选择下的充电负荷Fig. 2 Charging load of different charge SOC（charge state）threshold selection

由图2可以看出，工作日居民区负荷一般高于工商业区负荷，两者均具有中午和夜晚2个负荷高峰；充电站负荷最低，且基本上集中在夜晚。随着充电选择SOC阈值的降低，居民区负荷、工商业区负荷均将由中午向夜晚转移，导致总负荷中午高峰降低，晚高峰升高，快速充电站负荷显著增加。当电动汽车充电选择SOC阈值低于50%时，中午负荷高峰几乎消失，充电负荷将主要以夜晚居民区充电为主。

5.3.2充电基础设施对充电负荷的影响

假设居民区停车场、通勤车工作单位停车场均配建充电设施。30%的汽车在SOC小于30%时充电，40%的汽车在SOC小于50%时充电，30%的汽车随到随充。仿真分析工商业区公共停车场不同充电设施配建比例下工作日各类场所私家电动汽车充电负荷变化情况，如图3所示。

图3工商业公共停车场不同充电设施配建比例下的充电负荷Fig. 3 Charging load of different charging facilities in the public parking lot for industrial and commercial use

由图3可以看出，随着工商业区公共停车场充电设置配建比例的提高，将吸引一部分电动汽车选择白天充电，降低夜晚充电负荷高峰，同时会降低快速充电站的充电负荷。

停车生成率与城市区位、人口密度、经济发展水平等有密切关系，一般越靠近市中心，人口密度越大，经济发展越好，则停车需求越大。

6　结论

本文通过停车生成率模型进行停车需求预测，基于电动汽车驾驶、停放特性，提出了考虑时空分布的电动汽车充电负荷蒙特卡洛模拟预测方法。

以西北某市为算例，验证表明，该方法能够方便、有效地预测电动汽车充电负荷的时空分布特性，为分析其对电网的影响及充电设施规划等提供依据。通过分析全市工作日私家电动汽车充电负荷预测结果，得到以下结论：

1）充电行为选择SOC阈值、工商业区公共停车场充电设施配建比例的不同将显著影响私家电动汽车的充电需求，鼓励电动汽车用户尽可能地将电动汽车接入电网，提高工商业区公共停车场充电设施配建比例，将会有效减轻夜晚负荷高峰对居民区配电网造成的负担，并降低快速充电站配建需求。

2）在电动汽车每天出行前电池充满的假设下，其电池容量能够满足大部分私家车用户一天的驾驶需求；快速充电站充电负荷在总负荷中占比较小。

3）同一城市不同区域由于经济发展程度、人口密度等不同，导致其各类建设用地使用情况不同，充电负荷会有明显差异。若分析城市较小片区的土地利用数据，使用本文提出的方法计算电动汽车的充电负荷，将为电动汽车充电设施规划提供更具体的参考。

参考文献

[1]杨慢慢，王金凤，李燕青，等.改进的空间负荷预测法及其应用[J].电力科学与工程，2011，27（11）. YANG Manman，WANG Jinfeng，LI Yanqing，et al. Improving the spatial load forecasting method and its application[J]. Electric Power Science and Engineering，2011，27（11）（in Chinese）.

[2]陈良亮，张浩，倪峰，等.电动汽车能源供给设施建设现状与发展探讨[J].电力系统自动化，2011，35（14）: 11-17. CHEN Liangliang，ZHANG Hao，NI Feng，et al. Present situation and development trend for construction of electric vehicle energy supply infrastructure[J]. Automation of Electric Power Systems，2011，35（14）: 11-17（in Chinese）.

[3]胡泽春，宋永华，徐智威，等.电动汽车接入电网的影响与利用[J].中国电机工程学报，2012，32（4）：1-10. HU Zechun，SONG Yonghua，XU Zhiwei，er al. Impacts and utilization of electric vehicles integration into power systems[J]. Proceedings of the CSEE，2012，32（4）：1-10（in Chinese）.

[4]周逢权，连湛伟，王晓雷，等．电动汽车充电站运营模式探析[J]．电力系统保护与控制，2010，38（21）：63-66，67．ZHOU Fengquan，LIAN Zhanwei，WANG Xiaolei，et al. Discussion on operation mode to the electric vehicle charging station[J]. Power System Protection and Control，2010，38（21）：63-66，67（in Chinese）.

[5]张文亮，武斌，李武峰，等.我国纯电动汽车的发展方向及能源供给模式的探讨[J].电网技术，2009，33（4）：1-5. ZHANG Wenliang，WU Bin，LI Wufeng，et al. Discussion on development trend of hattery electric vehicles in China and its energy supply mode[J]. Power System Technology，2009，33（4）：1-5（in Chinese）.

[6]高赐威，张亮.电动汽车充电对电网影响的综述[J].电网技术，2011，35（2）: 127-131. GAO Ciwei，ZHANG Liang. A survey of influence of electrics vehicle charing on power grid[J]. Power System Technology，2011，35（2）: 127-131（in Chinese）.

[7]杨永标，黄莉，徐石明，等.电动汽车换电商业模式探讨[J].江苏电机工程，2015，34（2）：19-24. YANG Yongbiao，HUANG Li，XU Shiming，et al. A discussion on battery-swapping commercial mode of electric vehicles[J]. Jiangsu Electrical Engineering，2015，34 （2）：19-24（in Chinese）.

[8]薛钟兵，彭程.新能源发电与电动汽车充换储站协调运行研究[J].江苏电机工程，2014，33（5）：36-38. XUE Zhongbing，PENG Cheng. Research on the coor -dinated operation of new energy power generation and EV charging storage station[J]. Jiangsu Electrical Engineering，2014，33（5）：36-38（in Chinese）.

[9]俞豪君，梁茜，许文超，等.慢充和换电方式下的电动汽车充电负荷计算[J].江苏电机工程，2015，34（2）: 58-61. YU Haojun，LIANG Qian，XU Wenchao，et al. Charging load calculation of electric vehicles under normal charging mode and battery exchange mode[J]. Jiangsu Electrical Engineering，2015，34（2）: 58-61（in Chinese）.

窦晓军（1972—），男，硕士，高级工程师，研究方向为电力系统自动化。

（编辑田涛）

Study on Forecasting Model of Electric Vehicle Charging Load and Its Impacts on the Urban Load

DOU Xiaojun
（Economic Research Institute of State Grid Shaanxi Electric Power Company，Xi’an 710065，Shaanxi，China）

ABSTRACT：The load change of the EV charging station and the cluster of charging equipment are subjected to the specific traffic，the duration of battery charging and the state of charge （SOC）of the battery and a variety of other factors and its change law is very complicated with substantial differences of the load curve among charging substations，therefore it is very difficult to represent the general law of load essentially. This paper，starting from the traffic flow into and out of the charging station which affect the charging load，studies the specific impacts of the traffic flow，charging duration and charging capability on the charging load and proposes a simplified formula for the rapid calculation of the charging station. Taking a certain city in China Northwest as a computation example，the study suggests that the method proposed in the paper can easily and efficiently forecast the time and space distribution characteristics of the electric vehicle charging and provide the standards and basis for the analysis of the charging impacts on the power grid as well as for the planning of the charging facilities.

KEY WORDS：electric vehicle；charging stations；load forecasting；Monte Carlo simulation

作者简介：

收稿日期：2015-11-22。

文章编号：1674- 3814（2016）02- 0103- 06

中图分类号：TM715

文献标志码：A