安科瑞 陳聰

摘要:由于充電站中充電樁數(shù)目有限且電動汽車充電耗時長,陸續(xù)產(chǎn)生充電需求的各電動汽車用戶存在對充電站資源的競爭。這不僅增加了用戶排隊概率,降低了充電站收益和利用率,而且使得用戶在充電站規(guī)模、價格、評價等方面的個性化需求得不到充分滿足。為此,提出了一種動態(tài)哈夫模型與雙邊匹配方法相結(jié)合的電動汽車充電引導(dǎo)策略。首先,對充電站客流、充電訂單和充電樁詳情等真實數(shù)據(jù)集進行大數(shù)據(jù)挖掘,分析公共充電站用戶的充電站選擇偏好和充電行為特征;然后，基于動態(tài)哈夫模型,結(jié)合用戶充電站選擇偏好量化不同區(qū)域用戶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(jié)合,進行充電引導(dǎo)。算例分析表明,所提策略大幅降低了用戶的排隊概率,在滿足用戶個性化充電需求的同時,保障了充電站利益。

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

一、引言

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

眾多學(xué)者從不同角度對電動汽車充電引導(dǎo)問題進行了研究。為實現(xiàn)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汽車充電引導(dǎo)策略。以充電負荷均衡、交通流量均衡、用戶成本低為目標(biāo),提出一種計及用戶出行成本的主從博弈模型對用戶進行充電引導(dǎo)。建立了包含車輛、充電站、交通網(wǎng)和電網(wǎng)的多目標(biāo)優(yōu)化模型,能夠在毫秒級響應(yīng)充電請求的同時有效縮短電動汽車充電時間。然而,以上引導(dǎo)方式均是對所有用戶的無差別引導(dǎo),沒有充分考慮不同用戶的個性化需求。

二、電動汽車用戶群體充電行為分析

2.1 數(shù)據(jù)源及數(shù)據(jù)處理

本文通過在線地圖獲取了中國四川省成都市二環(huán)內(nèi)及鄰近區(qū)域的公共快速充電站基本信息，并獲取了2023年2月各充電站不同時段的平均空閑樁位數(shù)以計算各站點客流，用以分析電動汽車用戶的充電站選擇行為。

為進一步了解用戶的充電需求、充電行為特征及車輛特征,本文獲取了區(qū)域內(nèi)某典型快速充電站2022年9月至2023年2月的3萬余條充電訂單數(shù)據(jù)和 300余萬條充電樁詳情數(shù)據(jù)進行數(shù)據(jù)挖掘。所獲取數(shù)據(jù)不涉及用戶隱私,不同用戶通過用戶*一標(biāo)識進行區(qū)分。

2.2用戶充電站選擇行為分析

結(jié)合充電站基本信息和客流數(shù)據(jù),本節(jié)分析充電站規(guī)模及充電價格對用戶充電選擇行為的影響。

根據(jù)各充電站客流確定各充電站的客流占比，并用百分位數(shù)表示各充電站內(nèi)快速充電樁數(shù)在所有充電站中的升序排位。結(jié)果表明,有約60%的充電行為發(fā)生在規(guī)模*大的30%的站點,電動汽車用戶群體偏好選擇大規(guī)模充電站。用百分位數(shù)表示不同時段各充電站充電價格(含電費、服務(wù)費)在所有充電站中的升序排位。結(jié)合該時段充電站客流,確定用戶選擇充電站點的價格百分位數(shù)。結(jié)果表明,有約75%的充電行為發(fā)生在價格*低的50%的站點,電動汽車用戶群體偏向選擇充電價格低的充電站點。此外,約86%的充電行為發(fā)生在免收停車費的充電站,進一步說明了電動汽車用戶的價格敏感性。

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

2.3用戶充電行為描述

為全面描述用戶充電行為，本文選取充電起始荷電狀態(tài)(state of charge,SOC)、充電結(jié)束 SOC、充電開始時間、充電結(jié)束時間、充電量、充電費用作為電動汽車用戶充電特征一級標(biāo)簽。一級標(biāo)簽的數(shù)據(jù)可直接從充電訂單數(shù)據(jù)中獲取。

選取充電時長、電池容量、平均功率、充電結(jié)束后占用時長作為電動汽車用戶充電特征二級標(biāo)簽。

三、充電站推薦列表生成

3.1動態(tài)哈夫模型

哈夫模型是一種用于預(yù)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(guī)模對消費者的吸引力及消費者前往購物中心的旅行時間。本文針對充電站選擇場景對其進行改進,提出動態(tài)哈夫模型。在模型中,充電站吸引力是時變的,不同區(qū)域電動汽車用戶前往各充電站的概率是不同的。

3.2充電站吸引力

用戶選擇充電站時,主要受充電站規(guī)模、充電價格的影響,也不同程度受充電站品牌、配套設(shè)施周邊環(huán)境等多種因素影響。本文引入充電樁數(shù)量、充電價格、停車費用和充電站評分等因素,以描述各充電站吸引力。

不同用戶對各因素的偏好具有異質(zhì)性,但用戶群體對各因素的偏好具有一致性。結(jié)合2.2節(jié)的充電選擇行為分析,同時考慮到各因素的相關(guān)性。

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

表1 各類充電站數(shù)目占比與客流占比

表1中,數(shù)量占比最高的5類充電站約占總充電站數(shù)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類充電站僅在某一類指標(biāo)的類別上存在差異,可以根據(jù)各類別充電站客流均值占比的比例確定η的值。對比類別1和類別5可知,充電樁數(shù)目多的吸引力權(quán)重為2.83,同理可知充電價格低、停車費用無、充電站評分高的吸引力權(quán)重分別為1.66、1.23、1.63。

3.3電動汽車用戶前往充電站的通行時間

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

3.4 充電站推薦列表生成流程

根據(jù)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間間隔。每經(jīng)過一個時間間隔或充電站推薦列表中出現(xiàn)所有充電樁均被占用的充電站時,針對各路網(wǎng)節(jié)點進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(shù)據(jù):

2)依據(jù)3.2節(jié),計算各充電站吸引力;

3)依據(jù)3.3節(jié),計算各路網(wǎng)節(jié)點到各充電站的通行時間;

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

5)對于每一個路網(wǎng)節(jié)點,取服務(wù)概率*名*的當(dāng)前有可用充電樁的充電站,生成充電站推薦列表。

四、電動汽車-充電站雙邊匹配策略

4.1基于前景理論的偏好量化

當(dāng)電動汽車用戶產(chǎn)生沿途充電需求時,需首先確定其所在道路和行進方向,再獲取相應(yīng)區(qū)域的充電站推薦列表,從中選擇*適合的充電站進行推薦。根據(jù)電動汽車用戶群體的歷史充電記錄數(shù)據(jù)得到充電前總時間、充電價格、充電站評分等3個方面的期望均值,記為期望均值矩陣。根據(jù)用戶、道路、充電站三方狀態(tài)得到用戶前往推薦列表中各充電站的期望值矩陣。

五、 應(yīng)用方案

圖1 有序充電管理系統(tǒng)示意圖

圖2平臺結(jié)構(gòu)圖

充電運營管理平臺是基于物聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)的充電設(shè)施管理系統(tǒng)，可以實現(xiàn)對充電樁的監(jiān)控、調(diào)度和管理，提高充電樁的利用率和充電效率，提升用戶的充電體驗和服務(wù)質(zhì)量。用戶可以通過APP或小程序提前預(yù)約充電，避免在充電站排隊等待的情況，同時也能為充電站提供更準(zhǔn)確的充電需求數(shù)據(jù)，方便后續(xù)的調(diào)度和管理。通過平臺可對充電樁的功率、電壓、電流等參數(shù)進行實時監(jiān)控，及時發(fā)現(xiàn)和處理充電樁故障和異常情況對充電樁的功率進行控制和管理，確保充電樁在合理的功率范圍內(nèi)充電，避免對電網(wǎng)造成過大的負荷。

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(jiān)控外，還對充電站的光伏發(fā)電系統(tǒng)、儲能系統(tǒng)以及供電系統(tǒng)進行集中監(jiān)控和統(tǒng)一協(xié)調(diào)管理，提高充電站的運行可靠性，降低運營成本，平臺系統(tǒng)架構(gòu)如圖3所示。

圖3 充電樁運營管理平臺系統(tǒng)架構(gòu)

大屏顯示：展示充電站設(shè)備統(tǒng)計、使用率排行、運營統(tǒng)計圖表、節(jié)碳量統(tǒng)計等數(shù)據(jù)。

圖4 大屏展示界面

站點監(jiān)控：顯示設(shè)備實時狀態(tài)、設(shè)備列表、設(shè)備日志、設(shè)備狀態(tài)統(tǒng)計等功能。

圖5 站點監(jiān)控界面

設(shè)備監(jiān)控：顯示設(shè)備實時信息、配套設(shè)備狀態(tài)、設(shè)備實時曲線、關(guān)聯(lián)訂單信息、充電功率曲線等。

圖6 設(shè)備監(jiān)控界面

運營趨勢統(tǒng)計：顯示運營信息查詢、站點對比曲線、日月年報表、站點對比列表等功能。

圖7 運營趨勢界面

收益查詢：提供收益匯總、實際收益報表、收益變化曲線、支付方式占比等功能。

圖8 收益查詢界面

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

圖9 故障分析界面

訂單記錄：提供實時/歷史訂單查詢、訂單終止、訂單詳情、訂單導(dǎo)出、運營商應(yīng)收信息、充電明細、交易流水查詢、充值余額明細等功能。

圖10 訂單查詢界面

七、產(chǎn)品選型

安科瑞為廣大用戶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滿足新能源汽車行業(yè)快速、經(jīng)濟、智能運營管理的市場需求。實現(xiàn)對動力電池快速、高效、安全、合理的電量補給，同時為提高公共充電樁的效率和實用性，具有有智能監(jiān)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，可以實現(xiàn)實時監(jiān)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(shè)備軟件進行升級；保護功能：具備防雷保護、過載保護、短路保護，漏電保護和接地保護等功能；適配車型：滿足國標(biāo)充電接口，適配所有符合國標(biāo)的電動汽車，適應(yīng)不同車型的不同功率。下面是具體產(chǎn)品的型號和技術(shù)參數(shù)。

八、現(xiàn)場圖片

九、結(jié)論

本文提出了一種動態(tài)哈夫模型與雙邊匹配相結(jié)合的電動汽車充電引導(dǎo)策略,能夠為有沿途充電需求的電動汽車用戶進行充電引導(dǎo)。以中國成都市部分區(qū)域為例,結(jié)合對實測數(shù)據(jù)的挖掘和算例分析,得出以下結(jié)論:

1)所提策略能夠顯著降低用戶排隊概率、前往充電站耗時和充電費用,滿足用戶個性化充電需求。同時,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(yīng)一次充電引導(dǎo)的耗時小于0.5ms,滿足實時性要求;同時,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(guī)模的充電站網(wǎng)絡(luò)。

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

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

本文所提充電引導(dǎo)策略,對于改善用戶充電體驗、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(dǎo)分為兩個階段,分階段的優(yōu)化方式會影響到結(jié)果的*優(yōu)性。在后續(xù)研究中,可以在深入分析不同用戶個體充電站選擇偏好及交互影響的基礎(chǔ)上,研究充電站選擇與用戶引導(dǎo)的協(xié)同優(yōu)化決策。