電動(dòng)汽車日充電曲線預(yù)測(cè)方法

艾學(xué)勇，顧 潔，解 大，金之儉，艾 芊

（上海交通大學(xué)電氣工程系電力傳輸與功率變換控制教育部重點(diǎn)實(shí)驗(yàn)室，上海 200240）

電動(dòng)汽車日充電曲線預(yù)測(cè)方法

艾學(xué)勇，顧 潔，解 大，金之儉，艾 芊

（上海交通大學(xué)電氣工程系電力傳輸與功率變換控制教育部重點(diǎn)實(shí)驗(yàn)室，上海 200240）

隨著能源問(wèn)題和環(huán)境問(wèn)題日益嚴(yán)重，電動(dòng)汽車將會(huì)在未來(lái)一段時(shí)間迅速發(fā)展，并成為電力系統(tǒng)重要的新型負(fù)荷。預(yù)測(cè)電動(dòng)汽車日充電曲線，對(duì)于電力系統(tǒng)優(yōu)化運(yùn)行和合理調(diào)度具有重要意義。對(duì)影響電動(dòng)汽車日充電曲線變化規(guī)律的因素進(jìn)行分析，以國(guó)外統(tǒng)計(jì)資料為基礎(chǔ)，通過(guò)對(duì)電動(dòng)汽車起始充電時(shí)刻和日行駛里程概率分布的分析，建立了電動(dòng)汽車日充電曲線預(yù)測(cè)模型，以上海市未來(lái)電動(dòng)汽車發(fā)展規(guī)劃為依據(jù)，對(duì)其電動(dòng)汽車日充電曲線進(jìn)行預(yù)測(cè)分析，比較工作日和非工作日、統(tǒng)一電價(jià)和分時(shí)電價(jià)對(duì)電動(dòng)汽車日充電曲線的影響。

電動(dòng)汽車；保有量；充電時(shí)間；日行駛里程；充電模式；日充電曲線；分時(shí)電價(jià)；預(yù)測(cè)

面對(duì)交通運(yùn)輸業(yè)對(duì)石油資源的過(guò)度消耗所引發(fā)的能源問(wèn)題以及燃油汽車尾氣排放所造成的環(huán)境問(wèn)題，電動(dòng)汽車以其良好的節(jié)能、環(huán)保特性正成為現(xiàn)今國(guó)際汽車發(fā)展的潮流和重點(diǎn)關(guān)注的方向[1]。

隨著電動(dòng)汽車的不斷發(fā)展，其充電需求將成為電力系統(tǒng)負(fù)荷的重要組成部分。對(duì)于電動(dòng)汽車充電方面的研究，取得了一定的成果[2～9]。文獻(xiàn)[2]在一定假設(shè)條件下，根據(jù)燃油車的統(tǒng)計(jì)數(shù)據(jù)，考慮了部分隨機(jī)因素的概率分布，建立了電動(dòng)汽車功率需求的統(tǒng)計(jì)模型。用蒙特卡羅仿真方法求得單臺(tái)電動(dòng)汽車功率需求的期望和標(biāo)準(zhǔn)差，進(jìn)而給出多臺(tái)電動(dòng)汽車總體功率需求的計(jì)算方法。文獻(xiàn)[3]采用蒙特卡洛仿真方法對(duì)電動(dòng)汽車充電時(shí)的需求特性和電動(dòng)汽車接入網(wǎng)絡(luò)時(shí)的放電容量曲線做了研究，之后分析了電動(dòng)汽車單向無(wú)序充電和V2G下對(duì)系統(tǒng)負(fù)荷、網(wǎng)損和電壓的影響。文獻(xiàn)[4]分析了電動(dòng)汽車充電設(shè)施建設(shè)應(yīng)考慮的因素，對(duì)電動(dòng)汽車充電設(shè)施需求預(yù)測(cè)方法進(jìn)行了初步探討，包括電動(dòng)汽車保有量預(yù)測(cè)、各類車型日均耗電需求預(yù)測(cè)、電動(dòng)汽車充電站和充電樁需求預(yù)測(cè)。

上述文獻(xiàn)所建立的模型存在一定的不足，如部分?jǐn)M合曲線和原始數(shù)據(jù)吻合度不高；假定電動(dòng)汽車為恒功率充電會(huì)帶來(lái)一定誤差；電動(dòng)汽車每天充電這一假設(shè)與實(shí)際情況不符等。

本文將以國(guó)外統(tǒng)計(jì)資料為基礎(chǔ)，分析影響電動(dòng)汽車日充電曲線的各個(gè)因素，在得出電動(dòng)汽車起始充電時(shí)刻和日行駛里程的概率分布的基礎(chǔ)上，建立電動(dòng)汽車日充電曲線預(yù)測(cè)模型。在建模過(guò)程中，不僅解決了其他文獻(xiàn)的一些不足之處，而且比較了工作日和非工作日、統(tǒng)一電價(jià)和分時(shí)電價(jià)對(duì)電動(dòng)汽車日充電曲線的影響。然后以上海市電動(dòng)汽車為算例，進(jìn)行具體計(jì)算。

1 影響電動(dòng)汽車充電需求因素分析

單輛電動(dòng)汽車日充電曲線預(yù)測(cè)核心在于確定電動(dòng)汽車何時(shí)開(kāi)始充電、何時(shí)結(jié)束充電和以何種功率充電的問(wèn)題，而大量電動(dòng)汽車接入電網(wǎng)后，總體的充電曲線除了與上述因素有關(guān)外，還取決于電動(dòng)汽車的保有量等因素。

電動(dòng)汽車充電開(kāi)始時(shí)刻、充電結(jié)束時(shí)刻主要反映了電動(dòng)汽車的類型和電動(dòng)汽車的用戶行為；而其充電功率則與電動(dòng)汽車的充電特性有關(guān)。因此，概括而言，影響電動(dòng)汽車充電需求的因素主要有電動(dòng)汽車的保有量、電動(dòng)汽車的類型、電動(dòng)汽車的充電特性和電動(dòng)汽車的用戶行為。

少量電動(dòng)汽車接入電網(wǎng)充放電對(duì)電網(wǎng)的影響很小，而大量電動(dòng)汽車接入電網(wǎng)時(shí)，電網(wǎng)調(diào)度中心有必要采用集中控制模式對(duì)電動(dòng)汽車充放電進(jìn)行統(tǒng)一的調(diào)度和管理。鑒于電動(dòng)汽車的保有量對(duì)于充電負(fù)荷大小有著顯著影響，而一個(gè)地區(qū)未來(lái)電動(dòng)汽車的保有量作為地區(qū)社會(huì)經(jīng)濟(jì)及新能源產(chǎn)業(yè)發(fā)展的重要指標(biāo)，相關(guān)部門對(duì)此將會(huì)有詳細(xì)的分析預(yù)測(cè)與發(fā)展規(guī)劃，本文不就電動(dòng)汽車的保有量進(jìn)行深入探討，而直接根據(jù)國(guó)家工信部牽頭制訂的《節(jié)能與新能源汽車發(fā)展規(guī)劃（2011—2020年）》[10]以及各省汽車保有量份額，得出2015年上海市電動(dòng)汽車保有量的預(yù)測(cè)數(shù)值，進(jìn)而進(jìn)行該保有量水平下電動(dòng)汽車日充電曲線的預(yù)測(cè)與分析。

由于公交車、工程車、郵政車等公用車通常具有固定的行駛特性和停放場(chǎng)所，其電力需求也可預(yù)計(jì)為較為固定的模式，而私人乘用車無(wú)論在行駛里程或用戶充電行為上都更具隨機(jī)性和靈活性。因此，本文將以私人乘用車為研究對(duì)象，考慮其行駛特性。

電動(dòng)汽車的充電特性是指充電時(shí)電池端電壓隨時(shí)間的變化情況，充電特性將影響單個(gè)電動(dòng)汽車的充電負(fù)荷。

電動(dòng)汽車的用戶行為包括電動(dòng)汽車的充電時(shí)間、日行駛里程和充電頻率。美國(guó) National Household Travel Survey（國(guó)家家庭出行調(diào)查，簡(jiǎn)稱NHTS）[11]調(diào)查并統(tǒng)計(jì)了美國(guó)汽車使用者的行駛習(xí)慣。假設(shè)電動(dòng)汽車用戶在完成一天最后一次出行返回家中后即決定是否開(kāi)始充電，則根據(jù)NHTS的數(shù)據(jù)，可以得出電動(dòng)汽車充電時(shí)間的概率分布。行駛里程關(guān)系到電動(dòng)汽車開(kāi)始充電時(shí)電池的初始荷電狀態(tài)SOC0，行駛里程越大，SOC0越小，行駛里程越小，SOC0越大。同樣根據(jù)NHTS的數(shù)據(jù)，可以擬合得出電動(dòng)汽車日行駛里程的概率分布。充電頻率指電動(dòng)汽車每天充電的次數(shù)，結(jié)合實(shí)際情況和電池的使用壽命，假設(shè)電動(dòng)汽車在SOC0小于20%或剩余電量不足以完成隨后一天的行程時(shí)開(kāi)始充電。

2 電動(dòng)汽車日充電曲線的影響因素特征分析

上文提出了影響電動(dòng)汽車充電的各個(gè)因素，下面將對(duì)各個(gè)因素進(jìn)行詳細(xì)分析，進(jìn)而建立電動(dòng)汽車日充電曲線的預(yù)測(cè)模型。

2.1 電動(dòng)汽車的保有量分析與確定

根據(jù)《節(jié)能與新能源汽車發(fā)展規(guī)劃（2011—2020年）》，2020年全國(guó)電動(dòng)汽車將達(dá)到500萬(wàn)輛。同時(shí)根據(jù)中國(guó)國(guó)家統(tǒng)計(jì)局的年度民用汽車保有量統(tǒng)計(jì)數(shù)據(jù)，能夠計(jì)算出每個(gè)區(qū)域電網(wǎng)所轄省份的汽車保有量份額。假定各省電動(dòng)汽車的保有量份額與普通民用汽車的份額相同，并且保持不變，那么能夠計(jì)算出每個(gè)省市電網(wǎng)接入的電動(dòng)汽車份額和數(shù)量。據(jù)此，可以預(yù)測(cè)出2020年上海市電動(dòng)汽車的保有量為8.4萬(wàn)輛。

2.2 電動(dòng)汽車的類型劃分

考慮到不同用途的電動(dòng)汽車充電時(shí)間差異較大，因此將電動(dòng)汽車按照不同用途劃分為私人電動(dòng)汽車和公用電動(dòng)汽車兩種類型，分別考慮其充電時(shí)間分布。

公用電動(dòng)汽車是供公眾使用的，這種電動(dòng)汽車的重要特點(diǎn)是平均每天的行車時(shí)間相對(duì)較長(zhǎng)，且其充電時(shí)間與用戶習(xí)慣幾乎沒(méi)有關(guān)系，如公共電動(dòng)汽車每行駛完一個(gè)行程，均需要充電或更換電池。與公用電動(dòng)汽車不同，私人電動(dòng)汽車的運(yùn)行方式比較靈活，接入電網(wǎng)時(shí)間與用戶習(xí)慣密切相關(guān)，且通常在一天內(nèi)90%的時(shí)間中乘用車是處于停駛狀態(tài)。因此，本文主要考慮私人電動(dòng)汽車。

2.3 電動(dòng)汽車充電特性描述

電池在一定電流下進(jìn)行充電和放電時(shí)，都是用曲線來(lái)表示電池的端電壓隨時(shí)間的變化。把這些曲線稱為該電池的特性曲線，用來(lái)表示蓄電池的各種特性。

充電時(shí)，電池的端電壓V由緩慢上升和急劇上升兩部分組成，根據(jù)文獻(xiàn)[12]的研究結(jié)論，典型電池充電特性曲線如圖1所示。

圖1 典型電池充電特性曲線Fig.1 Typical charging characteristic curve of batteries

可以看出，在充電起始階段，電壓端電壓迅速上升，隨著時(shí)間的延長(zhǎng)，電壓上升減緩，中間一段（SOC在20%～80%之間）甚至可以抽象為一條水平的直線，即恒功率充電。由此可見(jiàn)，可以用三分段函數(shù)近似模擬其充電特性。

2.4 電動(dòng)汽車起始充電時(shí)刻變化規(guī)律分析

由于大多數(shù)大規(guī)模電動(dòng)汽車充放電設(shè)施還在建設(shè)之中，尚無(wú)法得到我國(guó)電動(dòng)汽車充放電行為的充分而可靠的歷史數(shù)據(jù)。因此，本文采用國(guó)外的相關(guān)調(diào)查數(shù)據(jù)作為研究基礎(chǔ)。美國(guó)NHTS調(diào)查并統(tǒng)計(jì)了美國(guó)汽車使用者的行駛習(xí)慣。考慮到中國(guó)與美國(guó)在工作時(shí)間上大體相同，為早9∶00至下午5∶00，可以認(rèn)為兩國(guó)電動(dòng)汽車的充電時(shí)間具有相同的規(guī)律。根據(jù)生活習(xí)慣，假設(shè)用戶在每天最后一次出行結(jié)束后即決定是否開(kāi)始充電，如果用戶決定充電，則將電動(dòng)汽車最后一次出行結(jié)束時(shí)刻作為電動(dòng)汽車起始充電時(shí)刻。根據(jù)NHTS2009年的調(diào)查結(jié)果，可以得到工作日（周一到周五）和非工作日（周六、周日）電動(dòng)汽車最后一次出行結(jié)束時(shí)刻的分布規(guī)律，如圖2和圖3所示。

從圖2和圖3中可以看出，電動(dòng)汽車最后一次出行結(jié)束時(shí)刻的頻率分布在16∶00—20∶00之間達(dá)到高峰。但是由于下班時(shí)間的影響，工作日的結(jié)束時(shí)刻更為集中在18∶00左右，而非工作日的結(jié)束時(shí)刻在16∶00—20∶00之間的分布較為平均。上述兩圖如果用正態(tài)分布擬合，個(gè)別點(diǎn)偏差較大，為減小誤差，可以用累積分布函數(shù)的反函數(shù)模擬原分布。這種方法精確度較高，而且對(duì)分布情況沒(méi)有特定要求，只是計(jì)算量稍大。

圖2 工作日電動(dòng)汽車出行結(jié)束時(shí)刻頻率分布Fig.2 Frequency distribution of the electric vehicle’s trip end time on weekdays

圖3 非工作日電動(dòng)汽車出行結(jié)束時(shí)刻頻率分布Fig.3 Frequency distribution of the electric vehicle’s trip end time on weekends

圖2和圖3兩種分布的累積分布函數(shù)是連續(xù)的嚴(yán)格增函數(shù)，則存在其反函數(shù)。如圖4所示。

圖4 電動(dòng)汽車出行結(jié)束時(shí)刻累積分布函數(shù)的反函數(shù)Fig.4 Inverse cumulative distribution function of the electric vehicle′s trip end time

累積分布函數(shù)的反函數(shù)可以用來(lái)生成服從該隨機(jī)分布的隨機(jī)變數(shù)。設(shè)若FX（x）是機(jī)率分布X的累積分布函數(shù)，并存在反函數(shù)FX-1。若a是[0，1）區(qū)間上均勻分布的隨機(jī)變數(shù)，則FX-1（a）服從X分布。由此可以模擬出服從圖2和圖3頻率分布的電動(dòng)汽車出行結(jié)束時(shí)刻。

2.5 電動(dòng)汽車的日行駛里程

顯然，電動(dòng)汽車的充電時(shí)長(zhǎng)和電動(dòng)汽車的日行駛里程均值間存在正相關(guān)關(guān)系，以下仍然以NHTS2009年的調(diào)查結(jié)果作為參考，得到工作日和非工作日電動(dòng)汽車日行駛里程的分布規(guī)律，如圖5和圖6所示。

圖5 工作日電動(dòng)汽車日行駛里程頻率分布及其擬合Fig.5 Frequencydistributionanditsfittingcurveofthe electric vehicle’s daily trip distance on weekdays

圖6 非工作日電動(dòng)汽車日行駛里程頻率分布及其擬合Fig.6 Frequencydistributionanditsfittingcurveofthe electric vehicle’s daily trip distance on weekends

圖5和圖6直觀地顯示電動(dòng)汽車日行駛里程數(shù)據(jù)基本符合指數(shù)分布，數(shù)理統(tǒng)計(jì)量化計(jì)算結(jié)果也證明了這一點(diǎn)，所以可以使用擬合方法。進(jìn)行指數(shù)分布擬合后得出電動(dòng)汽車日行駛的概率密度函數(shù)為

式中：x為電動(dòng)汽車日行駛里程；μL為指數(shù)分布的期望，對(duì)于工作日和非工作日擬合得出的μL分別為27.29和28.77。相比于工作日，非工作日電動(dòng)汽車日行駛里程的期望稍大。

2.6 電動(dòng)汽車的充電頻率均值

較高的充電頻率會(huì)縮短電動(dòng)汽車電池的壽命，所以應(yīng)該在不影響用戶使用的前提下盡量減少充電次數(shù)。用戶在決定是否充電時(shí)主要考慮電池剩余容量和隨后一天的出行計(jì)劃兩個(gè)因素。用戶每天的行駛里程符合圖5和圖6的分布，可以用式（2）模擬得出。在模擬出用戶每天的行駛里程后，做出如下合理假設(shè)：

（1）每天最后一次出行結(jié)束后，若電池的SOC0低于20%，則用戶會(huì)決定充電；

（2）每天最后一次出行結(jié)束后，不論電池剩余容量大小，只要不足以完成第二天的行程，則用戶會(huì)決定充電。

3 電動(dòng)汽車日充電曲線預(yù)測(cè)模型研究

在對(duì)影響電動(dòng)汽車充電需求影響進(jìn)行深入分析的基礎(chǔ)上，建立模型確定一天內(nèi)各小時(shí)電動(dòng)汽車的充電需求。

3.1 模型的建立思路

由于NHTS2009是為交通規(guī)劃和政策制定提供數(shù)據(jù)支持而進(jìn)行的容量巨大、方法科學(xué)的統(tǒng)計(jì)調(diào)查，其調(diào)查結(jié)果較為客觀，可用來(lái)模擬上海市電動(dòng)汽車的用戶行為。

根據(jù)實(shí)際情況，電動(dòng)汽車上一次充滿電量的時(shí)間在周一到周日之間可以認(rèn)為是等可能分布的。電動(dòng)汽車每天的行駛里程可以用指數(shù)分布模擬得出。電動(dòng)汽車每天最后一次出行結(jié)束時(shí)刻可以根據(jù)其累計(jì)分布函數(shù)的反函數(shù)模擬生成。若在出行結(jié)束時(shí)刻滿足上文提出的兩個(gè)充電條件之一，則用戶將決定充電，否則不充電。

電動(dòng)汽車電池的初始荷電狀態(tài)SOC0和行駛里程有關(guān)，具體關(guān)系式[13]為

式中：D為實(shí)際行駛里程；L為電動(dòng)汽車最大行駛里程。

算出電池的SOC0后，即可推出單輛電動(dòng)汽車的充電時(shí)長(zhǎng)和充電功率。重復(fù)以上模擬過(guò)程，將所有單輛電動(dòng)汽車的日充電曲線疊加后即為總體日充電曲線。

3.2 模型的實(shí)現(xiàn)過(guò)程

電動(dòng)汽車日充電曲線預(yù)測(cè)模型的基本實(shí)現(xiàn)步驟如下。

（1）確定電動(dòng)汽車的保有量，如以上海為例，則按照前文取2020年上海市電動(dòng)汽車保有量為8.4萬(wàn)。

（2）確定電動(dòng)汽車的充電功率，以豐田RAV4 EV為例，該車的技術(shù)參數(shù)見(jiàn)表1[14]。

該車電池總能量為288 V×95 A·h=27.4 kW· h，恒功率充電時(shí)充電功率為27.4/5=5.48 kW。

表1豐田RAV4 EV的技術(shù)參數(shù)Tab.1 The technical parameters of Toyota RAV4 EV

根據(jù)典型電池充電特性，可將該車的充電功率用分段函數(shù)表示，即

式中，P為充電功率，kW。

（3）電動(dòng)汽車上一次充滿電量的時(shí)間在周一到周日之間可以認(rèn)為是等可能分布的。電動(dòng)汽車每天的行駛里程可以用指數(shù)分布模擬得出。

（4）形成模擬每輛電動(dòng)汽車每天最后一次出行結(jié)束時(shí)刻的隨機(jī)數(shù)。

（5）判斷是否滿足充電條件，若果滿足，則電動(dòng)汽車開(kāi)始充電。

（6）根據(jù)式（2）由行駛里程算出電動(dòng)汽車的初始荷電狀態(tài)SOC0。

（7）根據(jù)表1和式（3）由每輛電動(dòng)汽車的SOC0得出充電時(shí)長(zhǎng)和充電功率。

（8）依次得到每輛電動(dòng)汽車的充電情況，疊加后便能方便的得到該地區(qū)的電動(dòng)汽車周一到周日的充電負(fù)荷曲線。將周一到周五、周六和周日的曲線做加權(quán)平均，分別得出工作日、非工作日的充電負(fù)荷曲線。

4 算例分析

基于上述步驟，可得出2020年上海市8.4萬(wàn)輛電動(dòng)汽車在工作日和非工作日充電曲線的預(yù)測(cè)結(jié)果，如圖7所示。

圖中，工作日的充電需求在20：00左右比非工作日高，23：00以后非工作日的充電需求比工作日高，主要原因是工作日下班時(shí)間集中，而非工作日出行結(jié)束時(shí)刻稍晚。

另外，從圖中可以看出兩條曲線的高峰和一般居民用電負(fù)荷高峰重合嚴(yán)重，不利于電網(wǎng)的安全經(jīng)濟(jì)運(yùn)行，需要采取必要措施緩解這種狀況。

圖7 2020年上海市電動(dòng)汽車日充電曲線Fig.7 Vehicles’daily charging curves of Shanghai in 2020

下面討論分時(shí)電價(jià)對(duì)電動(dòng)汽車日充電曲線的影響。仍然以上海市為例，峰時(shí)（6∶00—22∶00）電價(jià)0.617元，谷時(shí)（22∶00—次日6∶00）電價(jià)0.307元。假設(shè)在峰時(shí)結(jié)束出行并且需要充電的用戶中，有50%會(huì)選擇暫時(shí)不充電，等到谷時(shí)再充。并且根據(jù)實(shí)際情況可假設(shè)這部分用戶開(kāi)始充電時(shí)刻在22∶00—24∶00之間均勻分布。則可以得出在分時(shí)電價(jià)政策下電動(dòng)汽車的日充電曲線，如圖8所示。

圖8 分時(shí)電價(jià)政策下2020年上海市電動(dòng)汽車日充電曲線Fig.8 Vehicles’daily charging curves of Shanghai in 2020 under the time-of-use electricity price

從圖中可以看出，在分時(shí)電價(jià)政策下，兩條曲線的高峰轉(zhuǎn)移到了22∶00—次日4∶00之間，此時(shí)一般居民用電負(fù)荷較低，減小了電網(wǎng)峰谷差。

另外可以利用充電設(shè)施調(diào)控電動(dòng)汽車充電。例如在工作集中區(qū)域建設(shè)充電樁、充電站，引導(dǎo)電動(dòng)汽車在早上上班時(shí)間充電。或設(shè)計(jì)定時(shí)充電裝置，自動(dòng)控制電動(dòng)汽車的充電。

5 結(jié)論

本文從電動(dòng)汽車的保有量、電動(dòng)汽車的類型、電動(dòng)汽車的充電特性和電動(dòng)汽車的用戶行為等方面考慮，得出了電動(dòng)汽車充電時(shí)間和日行駛里程的概率分布，建立了電動(dòng)汽車日充電曲線預(yù)測(cè)模型，然后以上海市為例進(jìn)行了具體計(jì)算。計(jì)算結(jié)果表明：

（1）在電動(dòng)汽車保有量較高、充電時(shí)間不予以引導(dǎo)和控制的情況下，由于電動(dòng)汽車的充電負(fù)荷曲線與地區(qū)電網(wǎng)的原負(fù)荷曲線在時(shí)間分布上的交叉，可能會(huì)導(dǎo)致峰上加峰，電網(wǎng)的峰谷差進(jìn)一步拉大，不利于電網(wǎng)的安全經(jīng)濟(jì)運(yùn)行和優(yōu)化規(guī)劃，有必要采取相關(guān)措施引導(dǎo)電動(dòng)汽車的充電行為；

（2）采取分時(shí)電價(jià)等措施之后，電動(dòng)汽車的充電負(fù)荷會(huì)向午夜和凌晨時(shí)間移動(dòng)，起到削峰填谷的作用。

[1]歐陽(yáng)明高（Ouyang Minggao）．我國(guó)節(jié)能與新能源汽車發(fā)展戰(zhàn)略與對(duì)策（Strategy and counter plan of our country’energy saving and new energy automobile development）[J]．汽車工程（Automotive Engineering），2006，28（4）：317-321．

[2]田立亭，史雙龍，賈卓（Tian Liting，Shi Shuanglong，Jia Zhuo）．電動(dòng)汽車充電功率需求的統(tǒng)計(jì)學(xué)建模方法（A statistical model for charging power demand of electric vehicles）[J]．電網(wǎng)技術(shù)（Power System Technology），2010，34（11）：126-130．

[3]王輝，文福拴，辛建波（Wang Hui，Wen Fushuan，Xin Jianbo）．電動(dòng)汽車充放電特性及其對(duì)配電系統(tǒng)的影響分析（Charging and discharging characteristics of electric vehicles as well as their impacts on distribution systems）[J]．華北電力大學(xué)學(xué)報(bào)（Journal of North China Electric Power University），2011，38（5）：17-24．

[4]辛建波，溫宇賓，李睿（Xin Jianbo，Wen Yubin，Li Rui）．電動(dòng)汽車充電設(shè)施建設(shè)需求預(yù)測(cè)方法探討（Discussion on demand forecast method for electric vehicle charging facilities）[J]．江西電力（Jiangxi Electric Power），2010，34 （5）：1-5．

[5]許文超，牛濤，顏淋麗，等（Xu Wenchao，Niu Tao，Yan Linli，et al）．電動(dòng)汽車充電站需求影響因素及預(yù)測(cè)方法（Influence factors and the predicting method of the demand for electric vehicle charging station）[J]．江蘇電機(jī)工程（Jiangsu Electrical Engineering），2011，30（3）：41-43．

[6] 羅卓偉，胡澤春，宋永華，等（Luo Zhuowei，Hu Zechun，Song Yonghua，et al）．電動(dòng)汽車充電負(fù)荷計(jì)算方法（Study on plug-in electric vehicles charging load calculating）[J]．電力系統(tǒng)自動(dòng)化（Automation of Electric Power Systems），2011，35（14）：36-42．

[7]Shao Shengnan，Pipattanasomporn M，Rahman S．Challenges of PHEV penetration to the residential distribution network[C]//IEEE Power&Engineering Society General Meeting.Calgary，Canada：2009．

[8]盧艷霞，張秀敏，蒲孝文（Lu Yanxia，Zhang Xiumin，Pu Xiaowen）．電動(dòng)汽車充電站諧波分析（Harmonic study of electric vehicle chargers）[J]．電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)（Proceedings of the CSU-EPSA），2006，18（3）：51-54．

[9]陳加盛，張建華，林建業(yè)，等（Chen Jiasheng，Zhang Jianhua，Lin Jianye，et al）．以降低電網(wǎng)損耗為目標(biāo)的電動(dòng)汽車充電策略（Strategies for electric vehicle charging with aiming at reducing network losses）[J]．電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)（Proceedings of the CSU-EPSA），2012，24 （3）：139-144．

[10]中華人民共和國(guó)工業(yè)和信息化部．《節(jié)能與新能源汽車發(fā)展規(guī)劃（2011年至2020年）》[Z]．北京：中華人民共和國(guó)工業(yè)和信息化部，2010．

[11]US Department of Transportation，F(xiàn)ederal Highway Administration，2009 National Household Travel Survey[EB/ OL].http：//nhts.ornl.gov，2009.

[12]譚巧玲（Tan Qiaoling）．MH-Ni電池充放電特性的建模與仿真（Modeling and Simulation of Charging and Discharging Characteristics of MH-Ni Batteries）[D]．北京：北方工業(yè)大學(xué)機(jī)電工程學(xué)院（Beijing：Mechanical and Electrical Engineering College，North China University of Technology），2007．

[13]Staats P T，Grady W M，Arapostathis A，et al.A statistical method for predicting the net harmonic currents generated by a concentration of electric vehicle battery charges[J]. IEEE Trans on Power Delivery，1997，12（3）：1258-1266.

[14]None.Toyota RAV4 EV[EB/OL].http：//en.wikipedia.org/ wiki/Toyota_RAV4_EV，2012.

Forecasting Method for Electric Vehicle Daily Charging Curve

AI Xue-yong，GU Jie，XIE Da，JIN Zhi-jian，AI Qian
（Key Laboratory of Control of Power Transmission and Transformation，Ministry of Education，Department of Electrical Engineering，Shanghai Jiao Tong University，Shanghai 200240，China）

As the energy and environmental problems become more and more serious，the electric car will develop well and become important load of power system in the future.Forecasting the daily charging curve of electric vehicle is significantly meaningful to the optimal operation and rational dispatch of power system.The factors which influence the daily charging curve of electric vehicles such as electric vehicles′charge time and daily trip distance were analyzed according to foreign statistics.The model to forecast electric vehicles′charging curve，was built and the impacts of the workday and nonworkday，unified price and time-of-use electricity price on the daily curve were also evaluated based on the development plan of the electric vehicle in Shanghai.

electric vehicle；possession；charge time；daily trip distance；charging mode；daily charging curve；time-of-use electricity price；forecast

TM744；TM732

A

1003-8930（2013）06-0025-06

艾學(xué)勇（1988—），男，碩士研究生，研究方向?yàn)殡娏κ袌?chǎng)、電力需求側(cè)管理及電力系統(tǒng)規(guī)劃。Email：aixueyong@gmail. com

2012-04-20；

2012-11-08

國(guó)家高技術(shù)研究發(fā)展計(jì)劃（“863”計(jì)劃）（2011AA05A108）

顧 潔（1971—），女，博士，副教授，研究方向?yàn)殡娏κ袌?chǎng)、電力需求側(cè)管理及電力系統(tǒng)規(guī)劃。Email：gujie@sjtu.edu.cn

解 大（1969—），男，博士，副教授，研究方向?yàn)殡娏ο到y(tǒng)FACTS和電力系統(tǒng)仿真。Email：xieda@sjtu.edu.cn