基于實測數據的自動化碼頭裝卸負荷特性及同時率分析

中圖分類號：TM74 文獻標志碼：A

0引言

在港口能耗轉型與物流效率提升的雙重驅動下，我國已建成自動化集裝箱碼頭（以下簡稱“自動化碼頭”）21座，已建和在建數量位居世界首位[1]。自動化碼頭通過集成自動導引車（AutomatedGuidedVehicle，AGV）岸橋（QuayCrane，QC）軌道橋（RailMountedGantryCrane，RMG）等設備[3]，顯著提高了集裝箱單機裝卸效率并加速了碼頭電氣化轉型進程[4]。然而，相較于傳統碼頭，自動化碼頭的裝卸負荷呈現以下特征：一是各設備協同運行的強耦合性，以日常裝卸作業流程為例，單日作業中可能涉及數臺AGV、RMG及QC的并行作業，各設備啟停受船舶到港計劃、任務優先級、路徑規劃、電池續航等多因素關聯[5]；二是高功率設備瞬時啟停的強波動性[，AGV集群調度、QC和RMG協同裝卸等作業導致負荷在分鐘級甚至秒級時間尺度內升高，加劇了電網峰值的實時波動。因此，有必要分析各類裝卸負荷之間的時滯關系和波動特性。

此外，上述負荷特征使得自動化碼頭的電力需求呈現顯著的時空差異性，可采用負荷同時率（LoadCoincidenceFactor，LCF）進行量化評估。LCF定義為實際最大需求負荷與設備額定總功率的比值[7]，是衡量電力系統設備協同運行效率的核心指標，LCF趨近于1表明設備高度同步運行，易引發電網過載，影響電網供電安全，LCF趨近于0則反映設備利用率低下。然而，傳統的同時率評估方法難以有效量化自動化碼頭物流作業與裝卸負荷系統之間的耦合關系，有必要提出含物流作業信息的自動化碼頭負荷同時率計算方法。

本文以某自動化碼頭2024年（每1小時）QC、充電樁、RMG實測數據為基礎，分析了多設備協同作業特征，從港口固有屬性、環境條件、異質負荷特性及碼頭物流調度因素歸納其對港區負荷同時率的影響；計算負荷間交叉相關性與協方差矩陣指標，分析不同裝卸負荷之間的時滯響應與波動特性；建立包含船舶作業信息的裝卸負荷同時率表達式，通過某自動化碼頭實測數據加以應用分析。該成果可精準量化自動化碼頭裝卸負荷的時序關聯特征，為港口配電網規劃提供了關鍵負荷參數及同時率計算依據。

1自動化碼頭負荷特征及同時率影響因素

1.1自動化碼頭多設備協同作業特征

自動化碼頭多設備協同作業呈現強時空耦合、多尺度交互與非線性疊加的復雜特征，QC、AGV、RMG設備通過任務鏈式協作完成集裝箱裝卸流程，具體分為QC裝卸作業、AGV運輸、RMG堆碼作業3個階段，如圖1所示。

當船舶靠岸卸船時，QC從船舶抓取集裝箱，放置到AGV承載平臺上，RMG須與AGV到達時間精準匹配，任一環節延遲均會導致任務積壓；AGV根據路徑規劃系統指令，將集裝箱運送至堆場指定交接區，若某AGV因電池低電量或路徑擁堵無法準時到達，調度系統須實時重分配任務給其他AGV并同步調整QC/RMG作業時序；RMG從AGV上抓取集裝箱，按計劃堆碼到特定位置或反向提取集裝箱交予AGV運回岸邊，由QC裝船。

1.2自動化碼頭負荷同時率的關鍵影響因素

自動化碼頭負荷的時空耦合特性決定了不同設備的用電行為并非獨立，而是受船舶作業計劃等動態調控相互關聯[8]，影響負荷同時率的因素有：港口固有特征、環境條件、異質負荷特性、特殊因素等，如圖2所示。

圖2港口配電網負荷同時率影響因素

具體而言，港口固有特征中的年吞吐量和堆場布局決定了作業規模，額定容量和配置數量決定最大用電潛力；極端天氣如大風迫使QC、RMG暫停作業進而降低同時率，高溫觸發制冷負荷，增加輔助設備能耗；異質負荷的特性曲線差異，設備啟停產生沖擊電流，可能導致負荷突變；碼頭物流調度涉及船舶集中到港后的多QC同時作業，造成局部負荷抬高，導致同時率升高。

2自動化碼頭負荷特性分析模型

2.1裝卸負荷時滯關系建模

QC、AGV、RMG負荷之間存在時序上因果滯后關系，如岸橋負荷上升后，充電樁負荷在一定時間后隨之增長，因此，采用交叉相關分析法可以衡量每類負

荷序列變化對另一類負荷序列的相似度影響，得到不同負荷之間相關性最高的滯后時間。多元負荷交叉相關性表示如下：

式（1）中， R_ij（τ） 為第 τ 個時間滯后量下的多元負荷交叉相關性參數； P_i（t） 是第 i 個設備在 χ_t 時刻的負荷； P_j（t） 是第 j 個設備在 χ_t 時刻的負荷; 和 是各自的平均負荷； σ_i 和 σ_j 是各自的標準差; τ 是時間滯后量，表示 P_j（t） 相對于 P_i（t） 的時間偏移。

當 R_ij（τ） 接近于1時，說明設備 i 和設備 j 的負荷曲線形態高度相似，其高峰和低谷同時出現，意味著2類負荷同時受同船舶靠泊的調度事件影響;當 R_ij （τ） 在 τ≠0 處達到最大值時，說明 P_i（t） 會在 τ 時間單位后影響 P_j（t） ，即 P_j（t） 是 P_i（t） 的滯后響應;當 R_ij （τ） 接近于0時，說明2個設備的負荷無關，負荷波動隨機不受調度影響。

2.2裝卸負荷波動特性建模

為進一步揭示碼頭不同負荷波動的協同性，本文采用協方差矩陣來量化多設備負荷之間的協同波動規律。負荷協方差矩陣定義如下：

式（2）中， C_ij 為設備 i 和設備 j 負荷的協方差; T 為總的時間步長。

按照類似方法計算所有設備間的協方差，得到負荷協方差矩陣為：

矩陣中的每個元素 C_ij 表示設備 i 與 j 的負荷偏離均值的程度。若QC與AGV的協方差為正，說明二者同步啟動或停機，如QC卸貨后AGV立即運輸；若協方差為負，則可能反映錯峰調度策略，如軌道橋作業時，AGV處于待命狀態。這種建模方式不僅能揭示設備間的關聯關系，還可通過矩陣特征值分解識別主導負荷波動的關鍵設備組合，為優化電力容量配置和錯峰調度提供量化依據。

3含物流作業信息的負荷同時率

3.1自動化碼頭物流作業建模

定義船舶 S_k 在 χ_t 時刻的作業狀態。

船舶 S_k 在 χ_t 時刻作業船舶 S_k 在 χ_t 時刻不作業

每艘船舶的到港計劃 S_k 會引導相應的QC、RMG、AGV作業，形成負荷需求。

式中（5）， P_k（t） 為船舶 S_k 在 χ_t 時刻的負荷需求；P_0C，i（t），P_RMG，i（t），P_AGV，i（t） 為 χ_t 時刻第 χ_i 類QC、RMG、充電樁的負荷； N_QC?N_RMG?N_AGV 為QC、RMG、AGV的設備總數。值得注意的是，QC和RMG的功率與作業工況相關，在不同連續作業時間、水平移動、整機移位、集裝箱空載和重載升降等運行條件下，功率范圍均有不同。此外，AGV的用電量在此指的是充電樁的充電負荷，根據充電時的起始終止電量、電池充電策略不同，實際功率也會受到影響。

碼頭裝卸總負荷為：

式（6）中， P_total（t） 為 χ_t 時刻的碼頭裝卸總負荷需求； m 為船舶總數。

3.2自動化碼頭負荷同時率

自動化碼頭某類負荷同時率 λ_i 為：

式（7）中， T 為統計周期， Ω_{0C，RMG，AGV} 為所有QC、RMG、充電樁設備的集合。

自動化碼頭總負荷同時率 λ 為：

式（8）中， P_QC?P_RMG?P_AGV 為單臺QC、RMG、充電樁的最大額定功率。

4算例分析

以某自動化碼頭為研究對象進行算例分析，該碼頭共計部署了14座QC、42座RMG和12座AGV的充電樁，單座QC、RMG充電樁的最大額定功率分別為 2250kW 座 、400kW/ 座和 300kW， 座。以某日計劃到港船舶作業數據、港口QC、RMG、充電樁負荷曲線為依據，對QC、RMG、充電樁負荷之間的時滯性和波動性進行分析并評估自動化碼頭的負荷同時率。

以某日實測運行為例，碼頭QC、RMG、AGV充電樁負荷曲線如圖3所示。

圖3碼頭QC、RMG、充電樁負荷曲線

4.1各類負荷之間的時滯關系分析

根據1.1中自動化碼頭裝船和卸船的流程，分別開展6組RMG和充電樁、RMG和QC、充電樁和QC、QC和充電樁、充電樁和RMG、QC和RMG之間的交叉相關分析，時間滯后量設為和 ^5h 依次計算不同時間滯后量下的交叉相關性參數，如圖4所示。

圖4各類負荷之間的交叉相關性參數

如圖4所示，針對6組不同的設備負荷組合，分析在不同滯后時間（ （1～5h） ）下的相關系數變化并得出以下結論：（1）QC與RMG之間的協同關系最為顯著，其雙向交叉相關系數均達到0.8624，且都在 ¹h 滯后時達到峰值，表明兩者在作業流程中存在高度同步、強耦合的協同運行機制；（2）與充電樁相關的設備組合中，多對組合在 ^1h 滯后下也表現出較強正相關性，RMG對充電樁的相關系數為0.7815，充電樁對RMG為0.7682，說明RMG作業活動與充電需求之間存在快速響應關系；（3）充電樁對QC的相關系數為0.6887，QC對充電樁的相關系數為0.6579，相關性略低，且峰值分別出現在 ^5h 與 ^4h 滯后，表示QC與充電樁之間存在一定的滯后關聯。綜合來看， 滯后是設備負荷關聯的主要集中點，同時QC與RMG之間的交互強度遠高于其他組合，以上時滯特性為港區配電網規劃與運行提供了量化支撐。

4.2各類負荷之間的波動性分析

根據實測運行數據計算得到3類設備之間的協方差矩陣，結果如表1所示。

表13類設備之間的協方差矩陣 單位： kW²

從表1可見，各設備間在運行過程中的功率波動存在一定的協同或相反趨勢。其中，RMG與QC之間的協方差達到 129476kW² ，遠高于其他組合，顯示出兩者在作業調度或運行節奏上具有極強的一致性；相較之下，RMG與充電樁之間的協方差為 -84702kW² ，為負值且絕對值較大，說明兩者在部分作業周期內存在負相關波動趨勢，可能由于軌道橋負荷上升期間設備占用較多AGV進行物流作業而抑制了充電行為；充電樁與QC之間的協方差為 27457kW² ，雖為正值但數值較小，表明兩者間雖有正向波動，但相關強度有限。綜上，協方差分析清晰地揭示了港口多設備系統中不同類型作業設備間負荷波動的一致性。

4.3負荷同時率評估結果

分別計算QC、RMG、充電樁單一負荷和總負荷的同時率，如表2所示。

表2自動化碼頭同時率評估結果

如表2所示，岸橋同時率最低，原因在于受船舶吃水、吊具更換、移艙、等箱、等待AGV和RMG等約束，岸橋裝卸作業不是連續滿負荷運行，因此同時率較低；軌道橋同時率居中，原因在于軌道橋服務于多個岸橋裝卸和堆場內部的翻箱整理需求，堆場作業相對連續；充電樁同時率最大，原因在于自動化碼頭AGV多采用“淺循環快充”策略以減少等待，充電樁端幾乎始終存在車輛充電。基于上述分析，同時率反映了整個設備資源的最大綜合利用率，同時率過低反映資源閑置，同時率過高意味著存在容量瓶頸，依據此參數可見，當前充電樁峰值過高，下一步可通過優化充電策略，減少對電網的瞬時沖擊。

5結語

本文提出的基于實測數據的裝卸負荷特性和同時率分析方法，不僅適用于港口自動化碼頭的負荷特性挖掘與調度特征解析，還可在其他多設備協同作業的復雜系統中，例如大型物流園區、礦山或機場等關鍵基礎設施場景。此外，通過引入本文的負荷交叉相關分析與同時率評估框架，可以實現對系統運行狀態的時序建模、動態評估與負荷預測，為其在港區配電網電網容量配置、能量管理系統優化、錯峰調度機制設計等方面提供參數依據。

參考文獻

[1]貧林林，彭銀霞，AL-MOGAHEDA，寺.智慧港口建設發展研究綜述[J].水道港口，2025（1）：12-20.

[2]王軒，汪寶，陳艷萍，等.低碳自動化碼頭AGV物流調度和有序充電的聯合經濟優化[J].上海交通大學學報，2024（9）：1370-1380.

[3]普月，劉皓明，王健，等.考慮多源激勵的港口能流-物流全過程協同調度優化[J].中國電機工程學報，2023（20）：7912-7929.

[4]王媛，席芳，湯伊瓊.新形勢下我國智慧港口建設現狀與發展趨勢[J].水運工程，2024（8）：224-228，287.

[5]李昊，能靈，余墨多，等.港口能源-物流耦合優化調度模型與方法綜述[J].電力系統自動化，2025（14）：1-21.

[6]郭珊珊.考慮充電和路徑沖突的自動化碼頭AGV調度研究[D].大連：大連海事大學，2024.

[7]孫昕，呂陽，張欣，等.基于大數據的負荷指標及同時率測算方法[J].山東電力技術，2016（1）：37-40，70.

[8]敦文斌，于鵬飛，曹寶龍，等.港配電網源網荷協同發展水平綜合評價[J].江蘇科技信息，2024（22）：115-121.

（編輯 王雪芬）

Analysis of handling load characteristicsand coincidence factor in automated terminals based on measured data

YU Pengfei'，WANG Dawei2，CAO Baolong2，MA Xiaohui3 （1.Tianjin Port（Group） Co.，Ltd.， Tianjin ，China;2.Tianjin Port（Power） Co.，Ltd.， Tianjin 3OO450， China; 3.School of Electrical and Information Engineering， Tianjin University，Tianjin 300072，China）

Abstract：Inresponse tothe strong coupling relationshipbetween handling loads and logistics operations atautomated terminals，this paper conducts ananalysis of load characteristicsandcoincidence factorforquay cranes，rail-mounted gantry cranes（RMGs），and charging piles based on measured data.Firstly，thecolaborative operational characteristic of handling equipment at automated terminals is performed，andthe influencing factorsonthe loadcoincidence factor are summarized from the perspectives of port-specificcharacteristics，environmentalconditions，heterogeneous load features，and terminal logistics scheduling.Next，the cross-corelationand load covariance matrix indices are calculated toreveal the time-lag relationshipsandfluctuationcharacteristics among diferent handling loads.Finally，a coincidence factorexpression incorporating shipoperation information is established and validated using measured load datafrom anautomated terminal.Theresultsprovide arefinedevaluation of the intrinsicconnectionsandtemporal characteristics among handling loads，while reflecting the relationship between logistics operations and the coincidence factor，thereby providing load parameters references for port distribution network planning.

Key words：automated terminal; load characteristics；coincidence factor; quay crane；rail-mounted gantry crane： charging pile