安科瑞 陳聰

摘要:由于充電站中充電樁數目有限且電動(dòng)汽車(chē)充電耗時(shí)長(cháng),陸續產(chǎn)生充電需求的各電動(dòng)汽車(chē)用戶(hù)存在對充電站資源的競爭。這不僅增加了用戶(hù)排隊概率,降低了充電站收益和利用率,而且使得用戶(hù)在充電站規模、價(jià)格、評價(jià)等方面的個(gè)性化需求得不到充分滿(mǎn)足。為此,提出了一種動(dòng)態(tài)哈夫模型與雙邊匹配方法相結合的電動(dòng)汽車(chē)充電引導策略。首先,對充電站客流、充電訂單和充電樁詳情等真實(shí)數據集進(jìn)行大數據挖掘,分析公共充電站用戶(hù)的充電站選擇偏好和充電行為特征;然后，基于動(dòng)態(tài)哈夫模型,結合用戶(hù)充電站選擇偏好量化不同區域用戶(hù)前往不同充電站的概率,并生成充電站推薦列表;最后,將前景理論與雙邊匹配策略相結合,進(jìn)行充電引導。算例分析表明,所提策略大幅降低了用戶(hù)的排隊概率,在滿(mǎn)足用戶(hù)個(gè)性化充電需求的同時(shí),保障了充電站利益。

關(guān)鍵詞:充電引導;電動(dòng)汽車(chē);哈夫模型;前景理論;雙邊匹配

一、引言

隨著(zhù)全球環(huán)保意識的提升，電動(dòng)汽車(chē)作為一種低碳、環(huán)保的交通工具得到廣泛重視和推廣。隨著(zhù)中國電動(dòng)汽車(chē)數量迅速增長(cháng),作為新基建七大領(lǐng)域之一的充電樁也在加快建設。當前,很多車(chē)主會(huì )選擇在在線(xiàn)地圖軟件和充電樁應用程序等充電站聚合平臺尋找附近的公共充電站進(jìn)行充電，但在充電站選擇時(shí)具有隨機性和盲目性。同時(shí),對上述應用程序的調研發(fā)現,現有充電站推薦平臺缺乏個(gè)性化充電站推薦策略,且由于推薦過(guò)程缺乏用戶(hù)反饋,充電樁推薦難以確保供需一一對應,這在降低用戶(hù)充電服務(wù)體驗的同時(shí),導致充電站收益下降。因此，充電站聚合平臺需要對用戶(hù)進(jìn)行充電引導。

眾多學(xué)者從不同角度對電動(dòng)汽車(chē)充電引導問(wèn)題進(jìn)行了研究。為實(shí)現對路網(wǎng)、充電姑和電網(wǎng)的協(xié)同優(yōu)化,提出基于第三代前景理論的電動(dòng)汽車(chē)充電引導策略。以充電負荷均衡、交通流量均衡、用戶(hù)成本低為目標,提出一種計及用戶(hù)出行成本的主從博弈模型對用戶(hù)進(jìn)行充電引導。建立了包含車(chē)輛、充電站、交通網(wǎng)和電網(wǎng)的多目標優(yōu)化模型,能夠在毫秒級響應充電請求的同時(shí)有效縮短電動(dòng)汽車(chē)充電時(shí)間。然而,以上引導方式均是對所有用戶(hù)的無(wú)差別引導,沒(méi)有充分考慮不同用戶(hù)的個(gè)性化需求。

二、電動(dòng)汽車(chē)用戶(hù)群體充電行為分析

2.1 數據源及數據處理

本文通過(guò)在線(xiàn)地圖獲取了中國四川省成都市二環(huán)內及鄰近區域的公共快速充電站基本信息，并獲取了2023年2月各充電站不同時(shí)段的平均空閑樁位數以計算各站點(diǎn)客流，用以分析電動(dòng)汽車(chē)用戶(hù)的充電站選擇行為。

為進(jìn)一步了解用戶(hù)的充電需求、充電行為特征及車(chē)輛特征,本文獲取了區域內某典型快速充電站2022年9月至2023年2月的3萬(wàn)余條充電訂單數據和 300余萬(wàn)條充電樁詳情數據進(jìn)行數據挖掘。所獲取數據不涉及用戶(hù)隱私,不同用戶(hù)通過(guò)用戶(hù)*一標識進(jìn)行區分。

2.2用戶(hù)充電站選擇行為分析

結合充電站基本信息和客流數據,本節分析充電站規模及充電價(jià)格對用戶(hù)充電選擇行為的影響。

根據各充電站客流確定各充電站的客流占比，并用百分位數表示各充電站內快速充電樁數在所有充電站中的升序排位。結果表明,有約60%的充電行為發(fā)生在規模*大的30%的站點(diǎn),電動(dòng)汽車(chē)用戶(hù)群體偏好選擇大規模充電站。用百分位數表示不同時(shí)段各充電站充電價(jià)格(含電費、服務(wù)費)在所有充電站中的升序排位。結合該時(shí)段充電站客流,確定用戶(hù)選擇充電站點(diǎn)的價(jià)格百分位數。結果表明,有約75%的充電行為發(fā)生在價(jià)格*低的50%的站點(diǎn),電動(dòng)汽車(chē)用戶(hù)群體偏向選擇充電價(jià)格低的充電站點(diǎn)。此外,約86%的充電行為發(fā)生在免收停車(chē)費的充電站,進(jìn)一步說(shuō)明了電動(dòng)汽車(chē)用戶(hù)的價(jià)格敏感性。

充電站評分(滿(mǎn)分5分)對用戶(hù)的充電站選擇也有顯著(zhù)影響,有約82%的充電行為發(fā)生在評分4分及以上的站點(diǎn)。

2.3用戶(hù)充電行為描述

為全面描述用戶(hù)充電行為，本文選取充電起始荷電狀態(tài)(state of charge,SOC)、充電結束 SOC、充電開(kāi)始時(shí)間、充電結束時(shí)間、充電量、充電費用作為電動(dòng)汽車(chē)用戶(hù)充電特征一級標簽。一級標簽的數據可直接從充電訂單數據中獲取。

選取充電時(shí)長(cháng)、電池容量、平均功率、充電結束后占用時(shí)長(cháng)作為電動(dòng)汽車(chē)用戶(hù)充電特征二級標簽。

三、充電站推薦列表生成

3.1動(dòng)態(tài)哈夫模型

哈夫模型是一種用于預測和分析消費者行為的地理空間模型,其核心思想在于消費者前往各購物中心的概率,取決于購物中心規模對消費者的吸引力及消費者前往購物中心的旅行時(shí)間。本文針對充電站選擇場(chǎng)景對其進(jìn)行改進(jìn),提出動(dòng)態(tài)哈夫模型。在模型中,充電站吸引力是時(shí)變的,不同區域電動(dòng)汽車(chē)用戶(hù)前往各充電站的概率是不同的。

3.2充電站吸引力

用戶(hù)選擇充電站時(shí),主要受充電站規模、充電價(jià)格的影響,也不同程度受充電站品牌、配套設施周邊環(huán)境等多種因素影響。本文引入充電樁數量、充電價(jià)格、停車(chē)費用和充電站評分等因素,以描述各充電站吸引力。

不同用戶(hù)對各因素的偏好具有異質(zhì)性,但用戶(hù)群體對各因素的偏好具有一致性。結合2.2節的充電選擇行為分析,同時(shí)考慮到各因素的相關(guān)性。

根據充電站特定指標的排位,將充電站分為兩類(lèi)。理論上對各指標進(jìn)行組合,可將充電站分為16類(lèi),但由于各指標間存在相關(guān)性,最終僅存在11類(lèi)充電站。其中,數目占比最高的5類(lèi)充電站如表1所示。

表1 各類(lèi)充電站數目占比與客流占比

表1中,數量占比最高的5類(lèi)充電站約占總充電站數的85%,而客流量約占總客流量的78%,具有代表性。由于總是存在2類(lèi)充電站僅在某一類(lèi)指標的類(lèi)別上存在差異,可以根據各類(lèi)別充電站客流均值占比的比例確定η的值。對比類(lèi)別1和類(lèi)別5可知,充電樁數目多的吸引力權重為2.83,同理可知充電價(jià)格低、停車(chē)費用無(wú)、充電站評分高的吸引力權重分別為1.66、1.23、1.63。

3.3電動(dòng)汽車(chē)用戶(hù)前往充電站的通行時(shí)間

鑒于電動(dòng)汽車(chē)用戶(hù)在行駛中產(chǎn)生充電需求,且充電站通常在主路附近,本節在建立交通網(wǎng)與充電站網(wǎng)耦合模型的基礎上,提出了“主路一小路-充電站"的充電行駛模式,旨在確定用戶(hù)從所在路段末端節點(diǎn)前往充電站的行駛時(shí)間,作為動(dòng)態(tài)哈夫模型中的通行時(shí)間。

3.4 充電站推薦列表生成流程

根據充電站密度、充電請求頻次以及道路通行速度變化速度等因素,共同確定充電站推薦列表生成時(shí)間間隔。每經(jīng)過(guò)一個(gè)時(shí)間間隔或充電站推薦列表中出現所有充電樁均被占用的充電站時(shí),針對各路網(wǎng)節點(diǎn)進(jìn)行一次充電站推薦列表生成。生成流程如下:

1)獲取路網(wǎng)和充電站網(wǎng)絡(luò )數據:

2)依據3.2節,計算各充電站吸引力;

3)依據3.3節,計算各路網(wǎng)節點(diǎn)到各充電站的通行時(shí)間;

4)依據3.1節,計算各路網(wǎng)節點(diǎn)被各充電站服務(wù)的概率;

5)對于每一個(gè)路網(wǎng)節點(diǎn),取服務(wù)概率*名*的當前有可用充電樁的充電站,生成充電站推薦列表。

四、電動(dòng)汽車(chē)-充電站雙邊匹配策略

4.1基于前景理論的偏好量化

當電動(dòng)汽車(chē)用戶(hù)產(chǎn)生沿途充電需求時(shí),需首先確定其所在道路和行進(jìn)方向,再獲取相應區域的充電站推薦列表,從中選擇*適合的充電站進(jìn)行推薦。根據電動(dòng)汽車(chē)用戶(hù)群體的歷史充電記錄數據得到充電前總時(shí)間、充電價(jià)格、充電站評分等3個(gè)方面的期望均值,記為期望均值矩陣。根據用戶(hù)、道路、充電站三方狀態(tài)得到用戶(hù)前往推薦列表中各充電站的期望值矩陣。

五、 應用方案

圖1 有序充電管理系統示意圖

圖2平臺結構圖

充電運營(yíng)管理平臺是基于物聯(lián)網(wǎng)和大數據技術(shù)的充電設施管理系統，可以實(shí)現對充電樁的監控、調度和管理，提高充電樁的利用率和充電效率，提升用戶(hù)的充電體驗和服務(wù)質(zhì)量。用戶(hù)可以通過(guò)APP或小程序提前預約充電，避免在充電站排隊等待的情況，同時(shí)也能為充電站提供更準確的充電需求數據，方便后續的調度和管理。通過(guò)平臺可對充電樁的功率、電壓、電流等參數進(jìn)行實(shí)時(shí)監控，及時(shí)發(fā)現和處理充電樁故障和異常情況對充電樁的功率進(jìn)行控制和管理，確保充電樁在合理的功率范圍內充電，避免對電網(wǎng)造成過(guò)大的負荷。

六、安科瑞充電樁云平臺具體的功能

平臺除了對充電樁的監控外，還對充電站的光伏發(fā)電系統、儲能系統以及供電系統進(jìn)行集中監控和統一協(xié)調管理，提高充電站的運行可靠性，降低運營(yíng)成本，平臺系統架構如圖3所示。

圖3 充電樁運營(yíng)管理平臺系統架構

大屏顯示：展示充電站設備統計、使用率排行、運營(yíng)統計圖表、節碳量統計等數據。

圖4 大屏展示界面

站點(diǎn)監控：顯示設備實(shí)時(shí)狀態(tài)、設備列表、設備日志、設備狀態(tài)統計等功能。

圖5 站點(diǎn)監控界面

設備監控：顯示設備實(shí)時(shí)信息、配套設備狀態(tài)、設備實(shí)時(shí)曲線(xiàn)、關(guān)聯(lián)訂單信息、充電功率曲線(xiàn)等。

圖6 設備監控界面

運營(yíng)趨勢統計：顯示運營(yíng)信息查詢(xún)、站點(diǎn)對比曲線(xiàn)、日月年報表、站點(diǎn)對比列表等功能。

圖7 運營(yíng)趨勢界面

收益查詢(xún)：提供收益匯總、實(shí)際收益報表、收益變化曲線(xiàn)、支付方式占比等功能。

圖8 收益查詢(xún)界面

故障分析：提供故障匯總、故障狀態(tài)餅圖、故障趨勢分析、故障類(lèi)型餅圖等功能。

圖9 故障分析界面

訂單記錄：提供實(shí)時(shí)/歷史訂單查詢(xún)、訂單終止、訂單詳情、訂單導出、運營(yíng)商應收信息、充電明細、交易流水查詢(xún)、充值余額明細等功能。

圖10 訂單查詢(xún)界面

七、產(chǎn)品選型

安科瑞為廣大用戶(hù)提供慢充和快充兩種充電方式，便攜式、壁掛式、落地式等多種類(lèi)型的充電樁，包含智能7kw/21kw交流充電樁，30kw直流充電樁，60kw/80kw/120kw/180kw直流一體式充電樁來(lái)滿(mǎn)足新能源汽車(chē)行業(yè)快速、經(jīng)濟、智能運營(yíng)管理的市場(chǎng)需求。實(shí)現對動(dòng)力電池快速、高效、安全、合理的電量補給，同時(shí)為提高公共充電樁的效率和實(shí)用性，具有有智能監測：充電樁智能控制器對充電樁具備測量、控制與保護的功能；智能計量：輸出配置智能電能表，進(jìn)行充電計量，具備完善的通信功能；云平臺：具備連接云平臺的功能，可以實(shí)現實(shí)時(shí)監控，財務(wù)報表分析等等；遠程升級：具備完善的通訊功能，可遠程對設備軟件進(jìn)行升級；保護功能：具備防雷保護、過(guò)載保護、短路保護，漏電保護和接地保護等功能；適配車(chē)型：滿(mǎn)足國標充電接口，適配所有符合國標的電動(dòng)汽車(chē)，適應不同車(chē)型的不同功率。下面是具體產(chǎn)品的型號和技術(shù)參數。

八、現場(chǎng)圖片

九、結論

本文提出了一種動(dòng)態(tài)哈夫模型與雙邊匹配相結合的電動(dòng)汽車(chē)充電引導策略,能夠為有沿途充電需求的電動(dòng)汽車(chē)用戶(hù)進(jìn)行充電引導。以中國成都市部分區域為例,結合對實(shí)測數據的挖掘和算例分析,得出以下結論:

1)所提策略能夠顯著(zhù)降低用戶(hù)排隊概率、前往充電站耗時(shí)和充電費用,滿(mǎn)足用戶(hù)個(gè)性化充電需求。同時(shí),該策略能夠提高充電站的利用率,并增加充電站收益。

2)所提策略響應一次充電引導的耗時(shí)小于0.5ms,滿(mǎn)足實(shí)時(shí)性要求;同時(shí),策略中的充電站推薦列表生成提升了其拓展性,使其適用于更大規模的充電站網(wǎng)絡(luò )。

3)在確定充電站搜索范圍時(shí),綜合考慮充電站吸引力和用戶(hù)前往充電站的耗時(shí),能夠減小充電站搜索范圍,使充電引導效果更接近全局*優(yōu)。

4)所提策略綜合考慮了用戶(hù)和充電站雙方利益,且可調整對雙方的傾問(wèn),具有靈活性。

本文所提充電引導策略,對于改善用戶(hù)充電體驗、提升充電站服務(wù)水平具有重要意義。然而,本文策略將充電引導分為兩個(gè)階段,分階段的優(yōu)化方式會(huì )影響到結果的*優(yōu)性。在后續研究中,可以在深入分析不同用戶(hù)個(gè)體充電站選擇偏好及交互影響的基礎上,研究充電站選擇與用戶(hù)引導的協(xié)同優(yōu)化決策。