基于交通出行矩阵的私家车充电负荷时空分布预测

安徽省新能源利用与节能重点实验室(合肥工业大学)的研究人员张晨彧、丁明、张晶晶，在2017年第1期《电工技术学报》上撰文，针对电动汽车空间负荷预测中充电地点、充电方式不确定性的难题，提出了一种基于交通出行矩阵和云模型的充电负荷时空分布预测方法。

首先，通过监测道路流量，反推小区的交通吸引量，动态预测不同地点的停车概率。其次，在选择充电方式时，根据快充、慢充特点，制定用户心理到快充概率之间的转换规则，并在规则中引入云模型，体现用户决策的随机性和模糊性。最后，利用蒙特卡洛法分析计算出不同充电地点的负荷时间曲线，并以某城市中心城区的数据为例，验证了该方法的有效性。

计算结果表明，不同小区、不同工作日的交通量变化明显，且充电负荷曲线受交通量变化的影响显著；快充负荷将在一定范围内随机波动，提高慢充失效阈值将减小快充负荷峰值。

近年来，城市机动车的数量迅猛增加，使得我国城市环境污染问题日益加重。电动汽车具有能效高、污染小的特点，对缓解上述问题具有重要意义。然而，电动汽车大规模接入电网必然会对现有供电网络形成冲击，已有学者对这些问题做了大量研究，内容涉及线路网损、压降、电压稳定裕度、谐波畸变率、设备寿命等多个方面[1-6]。

为了抑制或消除电动汽车充电的负面影响，有序充电也已成为研究的热点[7,8]。作为这些研究的基础，准确地预测电动汽车充电负荷的时空分布是关键环节，对建模的精确性和结论的合理性有着重要影响。

基于概率统计的随机方法，适用于分析大量电动汽车的随机充电行为，也是目前主要的充电负荷建模方法[9]。文献[10]分析了私家车、公交车、出租车等车型的充电特点，并使用蒙特卡洛法，对我国未来电动汽车充电负荷总量做出预测。文献[11]根据汽车类型、电池容量、用户习惯、充电频率等因素，规划出不同充电场景，构建了充电负荷时间分布预测模型。

文献[12]考虑了多日一充模式对充电负荷的影响，提出元日期窗口的概念并给出具体算例。文献[13]从用户需求出发，分析了影响用户选择快、慢充的因素，并基于不同类型地区的行驶规律，提出快、慢充电桩配比度的计算方法。

文献[14,15]选择用地决策法，根据土地性质和相对应的停车规律，推测出不同用地类型的汽车充电负荷曲线。文献[16]引入出行链的概念，考虑空间运动特性，计算各种场所电动汽车充电负荷的时间分布。

这些文献从多个角度研究了影响充电负荷的因素，对预测负荷时空分布具有重要参考价值。但影响充电负荷的因素多数是不确定性的[17]，上述文献在预测时，将所有因素均假设为确定性概率分布，对交通需求的随机性和用户决策的模糊性考虑不足，限定了预测模型的实际应用范围。研究电动汽车充电负荷问题，应在坚持概率模型的基础上，尽量减少不确定性因素对预测结果的影响[18]。

充电地点和充电方式的不确定性，是影响充电负荷时空分布预测的重要因素。目前，多数文献在预测充电地点时，均采用土地决策法，即假设同一类型的用地都遵循固定的停车分布规律[14-16]，这种假设缺乏实际依据；另一些文献在设定充电方式时，假定所有车辆只采用常规慢充，或者主观限定快充的时段、车型，没有考虑不同用户的心理差异和实际需求，显然存在局限性。

针对上述问题，本文以私家车充电负荷作为研究对象，提出了一种基于交通出行矩阵（OD矩阵）和云模型的充电负荷时空分布的预测方法。该方法借助城市交通地理信息系统（GIS-T），采集道路交通信息，动态推测不同地点的停车概率，减少了使用固定停车概率所带来的误差；通过对交通统计数据的抽样，获取用户充电决策时的各项信息，并从用户心理出发，利用云模型模糊估测用户选择快充的概率，使预测方法更符合充电的实际场景。

图1 电动汽车充电负荷时空分布预测

结论

私家车充电负荷时空分布问题，受很多随机因素影响，很难建立明确的数学模型。以往的负荷预测模型多采用固定停车概率分布，并缺乏合理的计算快充负荷的依据。本文提出了一种基于OD矩阵和云模型的充电负荷时空分布的预测方法，该方法能够动态计算充电地点的停车概率，模糊预测用户的充电方式，从而避免了以往的弊端。

算例表明，该方法能够方便、有效的计算出各小区充电负荷的时空分布情况，其预测结果为充电站规划、负荷调度等研究提供了依据。

本文是对电动汽车充电负荷时空分布问题研究的初步尝试，暂未考虑天气、气温等因素对于预测结果的影响。天气会影响一个地区的交通出行情况，气温变化将导致电池放电能力、放电需求的改变[25]。未来将以上述问题做为研究对象，调研相关数据，进一步完善预测方法，使预测模型更加合理。