基于新能源汽车监控数据的充电特征分析

夏丽娜，康泽军，姜泽磊

（中国汽车技术研究中心有限公司，天津 300300）

前言

在全球经济快速发展的进程中，化石燃料发挥着重要作用。在过去的一个多世纪中，两次工业革命带来生产力的大幅提升，但同时也造成了人类对于化石燃料的高度依赖。化石燃料的大量消耗，造成二氧化碳等温室气体的排放量不断增加，引发了一系列环境问题。目前，碳排放问题已引起全球的普遍关注，全球多个国家已提出“碳中和”战略规划。随着全球化石燃料储量的锐减，以及人类环保意识的日益增长，新能源汽车逐渐引起人们的广泛关注。

由于新能源汽车的能量来源可以是风能、水能、太阳能等可再生能源，对化石燃料的依赖度大大降低，可减少温室气体的排放。在新能源汽车示范推广和财政补贴的大背景下，我国新能源汽车产业快速发展。根据中国汽车工业协会公布的数据，2019年中国新能源汽车销量为120.6万辆。

在政策激励下，新能源汽车销量逐年攀升，但2019年全年销量仅占汽车总销量5%左右。消费者对充电便捷性和续航里程的担忧是制约新能源汽车市场发展的重要因素。本文旨在通过新能源汽车实际运行过程中的监控数据[1]，分析用户的充电特征，掌握用户的实际充电需求和续航焦虑程度[2]，为充电运营调度和电池续航升级提供参考价值。

1 新能源监控数据简介

根据GB/T 32960，新能源监控数据是通过车载终端设备采集得来，并传输至企业监控数据平台。根据GB/T 32960要求[3]，监控数据需包含数据采集时间和数据类型标志，其中数据类型主要包括整车数据、驱动电机数据、燃料电池数据、发动机数据、车辆位置数据、极值数据、报警数据等。本文仅将其中的数据采集时间和整车数据用于分析用户充电特征，故不对其他数据类型作详细介绍。

1.1 数据采集时间

GB/T 32960要求时间字段需包含年、月、日、时、分、秒的信息，数据采集频率为30 s一帧。

1.2 整车数据

整车数据包含车辆状态、充电状态、运行模式、车速、累计里程、总电压、总电流、SOC、DC-DC状态、档位、绝缘电阻等固定数据字段，以及预留位。

2 用户充电特征分析

本文利用A市某出行公司旗下一辆纯电动汽车在2019年全年的监控数据进行分析研究，该车监控数据所含数据字段齐全，数据完整度高，有利于分析结果的准确性。本文需要用到的监控数据字段及其数据信息含义如表1所示，需要注意的是，该车为纯电动汽车，故其运行模式字段对应的数据始终为1。

表1 监控数据字段及其数据信息表

该车在2019年全年共出行362天，如图1所示，该车每日行驶里程多集中分布在170～280 km范围内，日均行驶里程为225.7 km，符合出行公司网约车市场规律。

图1 每日行驶里程分布直方图

为了进行用户充电特征分析，首先需从车辆监控数据中切分出充电工况片段。利用“充电状态”数据字段，按照图2所示的充电工况切分流程将该车数据依次循环切分，共432次充电。

图2 充电工况切分流程图

2.1 充电起止SOC分布

对切分后的各充电工况数据片段，分别提取其充电起始SOC[4-5]和充电结束SOC，如图3所示。充电结束SOC集中分布于95%～100%范围内，占比达75%以上，符合充满电特征。用户充电起始SOC主要分布在20%～60%范围内，且SOC为40%处概率密度最高，说明该用户在SOC为40%时开始充电的概率最高，反映了用户对纯电动汽车续驶里程的焦虑程度，且对SOC低于40%时的续航里程信任度较低。

图3 充电起止SOC概率分布

2.2 充电时刻分布

从各充电工况片段中，提取每次充电开始对应的时刻，统计各充电时刻发生的充电时间次数，如图4所示。该车在12:00—15:00之间以及23:00—24:00之间充电比例较高，说明该车充电以夜间和午间为主。由于该车为网约车，乘客用车时间集中在早、晚高峰时段，车主选择在空闲时补电。

图4 充电开始时刻分布

2.3 充电时长分布

对各充电工况片段，同时提取其充电开始时刻和充电结束时刻，计算出充电时长，并将充电开始时刻与充电时长建立一一对应的映射关系，分析两者的二维联合分布，如图5所示。根据图5，该车充电时长绝大多数分布于200分钟以内，说明该车充电方式以快充为主，慢充为辅。充电时长高于200分钟的充电工况多发生22:00—01:00，这是由于网约车白天业务量较大，车主为节省时间，仅在夜间选择慢充。

图5 充电开始时刻与充电时长联合分布

2.4 充电方式分析

在充电时长分析中，初步判断该车充电方式以快充为主，慢充为辅。为确认初步判断结论的可靠性，进一步分析用户实际充电方式。如图6所示，该车2019年充电工况中，慢充56次，约占比为13%；快充376次，占比为87%。充电难和充电时间长是影响用户购买纯电动汽车的重要原因之一。对网约车而言，充电方式选取和充电时长尤为重要。网约车通常会选取在白天非高峰期采用快充方式补电，夜间休息时采用慢充方式充电。

图6 充电方式占比

3 结论

新能源监控大数据记录了用户的实际用车特征，能够客观反映用户的实际用车行为。本文利用新能源监控大数据，分析了网约车车主的充电特征，分析结果符合网约车市场规律特征。随着新能源监控数据体量的不断庞大，应用新能源监控数据分析用户充电、驾驶等行为特征，将在新能源汽车产品性能提高和用户体验改善中发挥出重要作用。