基于氣溫影響的電動汽車充電需求預測*

王海玲，張美霞，楊秀

（上海電力學院 電氣工程學院，上海200090）

0 引 言

隨著霧霾等空氣污染現象頻發，如何保護環境、凈化空氣成為當今世界共同關注的問題。電動汽車作為新能源汽車，在解決石油資源緊缺和保護環境方面都具有明顯優勢［1-2］。隨著技術不斷成熟、基礎設施逐步完善，電動汽車將取代傳統燃油汽車，成為人們出行的主要交通工具［3-4］。電動汽車充電需求預測則成為電網規劃和運行調度的基礎［5-7］。

近些年，國內外學者對電動汽車充電需求進行了詳細的研究。當前研究主要基于傳統車輛行駛數據模擬電動汽車的運行規律，對電動汽車充電需求進行預測。文獻［8］考慮各類運行模式下電動汽車充電行為的差異，運用蒙特卡洛法獲取電動汽車充電負荷。文獻［9］考慮電動汽車的空間動態轉移特性，對不同片區不同功能用車的泊車規律進行分析，建立具體詳細的負荷預測模型。文獻［10］考慮車主出行雙鏈模式特征，提出一種涉及電動汽車行駛出行鏈的負荷計算法。

當前發表的有關電動汽車充電需求預測的文獻很多，涉及氣溫對電動汽車充電需求預測影響的卻很少。文獻［11］分析了溫度對電動汽車充電負荷的影響，卻未考慮天氣對行車速度的限制，其單位里程耗電量設定較為籠統。

本文分析氣溫引起交通路況、電池特性和空調啟停的變化，對電動汽車充電需求的影響。運用蒙特卡洛法模擬車輛運行習慣，基于氣溫影響下，對電動汽車充電需求進行建模，以上海市電動汽車充電需求為例進行仿真分析。

1 氣溫對充電需求的影響

氣溫通常情況下是天氣和溫度的總稱，研究氣溫對電動汽車充電需求的影響，即要從天氣和溫度兩方面考慮。如圖1所示，概括性展示氣溫通過此途徑對電動汽車的充電需求產生較大的影響。

圖1 氣溫對充電需求的影響Fig.1 Influence ofweather and temperature on the charging demand

1.1 天氣對交通路況的影響

降水、霧霾等天氣會導致大氣能見度降低，道路設施的可認知性減弱。不良天氣主要通過改變能見度和路面附著系數來影響行車速度。由于電動汽車單位里程耗電量受運行時速的影響，冬季雨雪霧天氣嚴重影響道路交通流通性，限制汽車行駛速度，從而改變電動汽車的總耗電量。文獻［12］運用交通計算機仿真得出雨霧天氣條件下的安全行車速度標準（見表 1）。

表1 安全速度標準Tab.1 Safe speed standard 單位：km／h

同時，采納文獻［13］中不同天氣對應不同能見度和附著系數的車速限制建議，定制出具有季節性天氣特性下的最佳行駛速度，如表2所示。

表2 不同路況下的安全行駛速度Tab.2 Safe travelling speed under different traffic conditions

1.2 溫度對電池性能的影響

電動汽車的動力電池對溫度具有較強的敏感性［14］。如圖2所示，電動汽車裝載的磷酸鐵鋰電池在不同溫度下，電池實際載電量發生較大變化［15］。設定25℃為參考溫度，在高溫段電池實際最大載電量變化不明顯，超過30℃電池實際最大載電量基本不變。而低溫段，隨著溫度下降，最大載電量逐漸減小，0℃時電池相對容量為79.3%，－20℃時電池最大載電量僅43.6%。10℃～20℃段電池實際最大載電量的衰減率隨溫度的下降急劇增加。電池實際最大載電量的變化影響電動汽車的續航里程，進而改變總充電需求。

圖2 電池相對容量變化曲線Fig.2 Battery relative capacity change curve

1.3 溫度對空調能耗的影響

車載空調作為電動汽車中僅次于電動機的耗能設備，通過對大量車主調研得到在不同溫度下空調的使用率，見圖3。從中可以發現，溫度變化直觀影響電動汽車空調系統使用頻率，對于電動汽車這類新能源汽車而言，空調使用過程所需能量全部由動力電池供應。因此，溫度通過增加空調耗電量，從而影響電動汽車的充電需求。

圖3 不同溫度區間空調使用率Fig.3 Air conditioning usage at different temperature ranges

通過調查車主通常在環境溫度超過多少度時才啟動空調，得到相關數據擬合生成空調啟動概率正態分布曲線，如圖4所示，絕大多數車主選擇在11℃左右開始啟動空調制熱和30℃左右開始啟動空調制冷。空調啟動概率密度函數為：

式中制熱啟動 ut＝10.82，δt＝2.14；制冷啟動ut＝29.4，δt＝1.75。

圖4 空調啟動概率分布Fig.4 Air conditioning start probability distribution

由于空調耗電量又受空間大小、車身隔熱性等因素的影響，所以不能準確定義空調能耗隨溫度的變化。根據文獻［16］中的測試數據表明，空調制冷、熱分別導致續航里程由160 km下降至108 km和100 km，空調制冷耗電量占總耗電量的32.5%，制熱用電量占總耗電量的35%。

2 充電需求計算

2.1 充電需求模型

本文僅針對電動私家車，充電需求計算以24 h為單位，將其劃分為96個時段，每個時段15分鐘。第m時段的總充電需求為所有電動汽車在該時段的充電需求之和，總充電需求可表示為：

式中N為電動汽車數量；Pi，m為第i輛車在第m時段的充電功率，PEV，m為第m時段的總充電需求，m取 1，2，…，96。

2.2 基于蒙特卡洛法的充電需求建模

運用統計學的方法對車主日常充電行為進行抽樣。車主常規充電地點為公司和小區停車場，“0”代表在公司充電，“1”代表在小區充電，車主充電地點服從0－1分布。同時，車主間充電行為保持相互獨立，數量為n的電動汽車充電地點近似滿足參數為n、p的二項分布，記為 B～（n，p），p為在小區充電概率［17］。由于取值在［0，1］內，因此規模化的電動汽車在小區充電概率服從U（0，1）均勻分布。對于第i臺電動汽車，隨機生成服從U（0，1）的隨機數R，當R＞P時，在公司充電，否則在小區充電。

根據文獻［18］的車輛行駛特性，利用蒙特卡洛法抽取電動汽車的開始充電時刻和日行駛里程。日行駛里程 S服從 S～N（um，δm2）的對數正態分布，概率密度函數為：

式中 um＝2.98，δm＝1.14。

開始充電時刻 t0服從 t0～N（ue，δe2）的正態分布，概率密度函數為：

式中 公司充電 ue＝9，δe＝0.5；小區充電 ue＝18，δe＝1.5。

2.3 考慮氣溫因素的充電需求計算

天氣對交通路況的限制影響電動汽車的行駛速度。利用文獻［19］中電動汽車的能耗因子模型，求解以某一時速運行單位里程的耗電量：

進而得到：

式中v為行駛時速；x為電動汽車以速度v行駛單位里程的耗電量；H表示電動汽車行駛S公里耗電量。

溫度很大程度上決定電池工作性能，由圖2電池容量隨溫度變化曲線，可得不同溫度的電池實際最大載電量：

式中C（T）表示溫度為T時的電池實際最大載電量；b（T）是溫度為 T時，電池相對容量百分數；C（20）溫度為20℃時的電池容量。

考慮溫度對空調耗電量的影響，得出電動汽車在不同溫度下行駛的空調耗電量：

式中θ表示空調耗電量占比。

根據開始充電時刻的SOC（State of Charge，電池荷電狀態）判斷充電方式，當SOC＞20%，選擇常規慢充，否則快充。氣溫影響下的電動汽車開始充電時刻SOC為：

2.4 充電需求計算流程

電動汽車充電需求計算流程如圖5所示。

3 算例分析

3.1 參數設置

文獻［20］根據上海電動汽車發展現狀，結合相關發展規劃，預估2020年上海電動私家車保有量將超過7萬輛，計算2020年上海市電動汽車充電需求，參數設置如下：

（1）電動汽車數量N＝75 000；小區充電概率p＝0.75；

（2）鋰電池容量：24 kW·h；電池相對容量百分數：z（0）＝79.3%，z（20）＝98.8%，z（35）＝103%；

（3）根據對應溫度的空調啟動概率Y，單輛車生成服從U（0，1）均勻分布的隨機數y，若y＜Y啟動空調；θ制冷＝32.5%，θ制熱＝35%；

（4）常規慢充：4 kW·h，充電效率90%；快充：40 kW·h，開始充電時刻滿足均勻分布t0～U（0，24）；

（5）常規充電一次性充滿，應急充電時長0.5小時。

圖5 充電需求計算流程圖Fig.5 Flow chart of charging demand calculation

3.2 軟件仿真

根據上海的季節性氣溫特點，取20℃為典型常溫天氣，0℃和35℃分別為典型冬季和夏季氣溫。在MATLAB仿真平臺上，計算上海電動私家車在不同氣溫影響下的充電需求。

（1）天氣：不同路況下的電動汽車充電需求不計溫度的影響，僅考慮天氣因素導致交通路況的變化，對電動汽車充電需求的影響。對比分析不同安全行車速度下，電動汽車充電負荷的變化。

天氣情況越好，安全速度相對提高，電動汽車耗電量越小，總充電需求減弱。在不良天氣條件下，地面附著力減小、能見度降低，為保證行車安全，行駛速度減慢，電動汽車充電負荷增大。如圖6所示，在冬季1安全行駛速度40 km／h運行模式下，電動汽車充電負荷最大，峰值達到79 460 kW，在夏季2安全行駛速度80 km／h運行模式下，充電負荷最小，峰值僅為64 550 kW。

圖6 不同時速下充電負荷曲線Fig.6 Charging load curve under different speeds

（2）溫度：電池和空調影響下的電動汽車充電需求不考慮天氣因素，僅以溫度作為變化量，研究不同溫度下電動汽車充電負荷的變化。

如圖7所示，常溫下不涉及空調耗電量，充電負荷相對較小，0℃制熱和35℃制冷均增加空調的耗電量，則峰值都遠高于20℃時電動汽車耗電量。同時，0℃時電池性能較差，因此其充電負荷在0 h～8 h時段明顯高于35℃。

圖7 不同溫度下充電負荷曲線Fig.7 Charging load curve under different temperatures

3.3 結果分析

（1）天氣對電動汽車充電需求的影響體現在行車速度上，在雨雪霧霾嚴重的天氣對行車速度的限制較為嚴格，電動汽車單位里程耗電量相對較大，總充電需求隨之增加。如表3所示，以80 km／h作為參考值，當電動汽車在天氣條件較為惡劣的情況下以40 km／h行駛，負荷曲線峰值提高23.09%，充電需求總量增長31.83%。可以看出，天氣對電動汽車充電需求的影響不容忽視。

表3 不同行駛速度下電動汽車負荷變化量Tab.3 Electric vehicle load variation at different speeds

（2）溫度對電動汽車的影響體現在電池特性和空調耗電量上。20℃的常溫條件下，電池性能趨于最佳，同時空調處于停機狀態減少電量損耗，此時電動汽車電量的附加損耗最小。反之，無論升溫或降溫都將引起耗電量增大，從而影響充電需求預測的結果。由表4可知，以常溫20℃作為參考，0℃和35℃時電動汽車充電負荷峰荷都達到87 820 kW，0℃的谷荷增幅大于35℃時，低溫下電動汽車耗電量比高溫更大，負荷總量增長45.37%，因此低溫對電動汽車充電需求的影響更為顯著。

表4 不同溫度下電動汽車負荷變化量Tab.4 Electric vehicle load variation under different temperatures

4 結束語

通過分析天氣對交通路況以及溫度對空調耗電量和電池特性的影響，驗證氣溫變化對電動汽車充電需求的影響。以上海地區電動汽車充電需求為例仿真，表明冬季溫度較低、雨雪霧霾天氣較多，對空調耗電量、電池特性和交通路況的影響都比夏季更為顯著，因此冬季電動汽車充電需求量也大大增加。本文提出的充電需求計算模型進一步修正充電需求預測結果，使需求預測更加精確、有效。

本文只考慮上海市電動私家車，并未涉及其他用電量更高的電動車型。同時，對于空調耗電量只在宏觀上進行制冷和制熱劃分，在以后的研究中，將進一步研究空調耗電量隨溫度變化的具體模型，為電網規劃、調度提供合理的數據參考。