楊 杰 李成蹊 姚 雯 管清平 喬 麗

(1.上海市新能源汽車公共數(shù)據(jù)采集與監(jiān)測研究中心，上海 201805;2.上海國際汽車城(集團(tuán))有限公司，上海 201805)

1 研究背景

新能源汽車的快速發(fā)展正在改變城市汽車使用能源的結(jié)構(gòu)，并對城市充電設(shè)施的建設(shè)和供電系統(tǒng)的發(fā)展產(chǎn)生著持續(xù)性的影響。對于新能源汽車充電數(shù)據(jù)的持續(xù)分析和研究，將有助于城市相關(guān)配套設(shè)施的建設(shè)。

得益于新能源汽車運(yùn)行數(shù)據(jù)采集與分析技術(shù)的進(jìn)步，新能源汽車運(yùn)行大數(shù)據(jù)在新能源汽車用戶研究、充電基礎(chǔ)設(shè)施建設(shè)布局分析等方面已有一定的應(yīng)用基礎(chǔ)。例如，對電動出租車充電站合理選址方法的研究，以及對新能源汽車充電需求與電網(wǎng)負(fù)荷預(yù)測的研究等[1]?；凇禛B/T 32960-2016電動汽車遠(yuǎn)程服務(wù)與管理系統(tǒng)技術(shù)規(guī)范》所采集的新能源汽車數(shù)據(jù)，詳細(xì)記錄了新能源汽車的出行和充電數(shù)據(jù)，這些數(shù)據(jù)給予了從用電側(cè)深入進(jìn)行城市充電特征研究的新途徑，這些數(shù)據(jù)在進(jìn)行充電研究時主要有以下三大優(yōu)勢：①實(shí)現(xiàn)了對交流和直流充電行為的全覆蓋；②可以實(shí)現(xiàn)不同屬性車輛充電行為的區(qū)分；③可以實(shí)現(xiàn)每輛車輛充電行為的精準(zhǔn)描述，并和車輛出行行為、車輛物理特性進(jìn)行關(guān)聯(lián)分析。

本文將基于上海純電動乘用車的運(yùn)行數(shù)據(jù)，對當(dāng)前城市的充電特征進(jìn)行研究，以期掌握上海充電的發(fā)展現(xiàn)狀，并洞悉形成的原因。

2 關(guān)于分析樣本

本研究選取在上海地區(qū)運(yùn)行的純電動乘用車作為分析樣本，車輛運(yùn)行數(shù)據(jù)的時間從2020年11月2日星期一到2020年11月29日星期日。本次研究側(cè)重車輛的出行和充電行為，通過對車輛原始運(yùn)行數(shù)據(jù)的清洗、關(guān)鍵字段信息的提取，形成了供后續(xù)分析使用的結(jié)構(gòu)化車輛次行數(shù)據(jù)集(表1)，此數(shù)據(jù)集包含車輛每一次出行和充電行為起訖狀態(tài)信息，可以顯著提升后續(xù)數(shù)據(jù)分析的效率。

表1 車輛次行數(shù)據(jù)集關(guān)鍵指標(biāo)示例說明Tab.1 Key indicators of vehicle operation data set

為提高分析的有效性，從數(shù)據(jù)集中選起了車輛數(shù)據(jù)完整度較高的28 828輛汽車進(jìn)行后續(xù)的分析。

3 城市車輛真實(shí)出行情況基礎(chǔ)分析

車輛的出行行為直接導(dǎo)致車輛的充電行為，研究城市車輛的整體出行特征，將幫助從需求側(cè)了解車輛充電需求。車輛的出行天數(shù)、出行里程、出行時長、出行次數(shù)、出行OD等指標(biāo)是主要的表征指標(biāo)。本次隨機(jī)抽選的2.8萬輛純電動汽車，每天實(shí)際出行的車輛數(shù)平均在2.4萬輛，工作日的出行車輛顯著多于周末。單日實(shí)際出行總里程，28天的平均值為290萬公里(圖1)。出行車輛單日平均出行里程在120公里上下波動，單日平均出行次數(shù)在4次上下波動，單日平均行駛時長在298分鐘上下波動(圖2)。

圖1 每日車輛出行數(shù)據(jù)(車輛數(shù)、出行里程)Fig.1 Daily vehicle trip data (number of vehicles, trip mileage)

圖2 每日車輛出行數(shù)據(jù)(出行次數(shù)、里程、時長)Fig.2 Daily vehicle trip data (trip times, mileage and duration)

以上數(shù)據(jù)反映了上海當(dāng)前結(jié)構(gòu)下純電動車輛單日的出行特征，每日4次的出行次數(shù)顯著高于通勤用戶的出行特征，這主要是由于樣本中包含高出行強(qiáng)度的出租車等運(yùn)營類車輛。

利用車輛日均出行里程和日均出行時長指標(biāo)，能較為直觀的發(fā)現(xiàn)目前上海存在兩類不同出行強(qiáng)度的車輛，一種偏向私人通勤和一種偏向運(yùn)營。從車輛數(shù)分布情況看(圖3)，通勤類車輛日均出行里程主要集中在0公里～100公里區(qū)間，日均行駛時長主要集中在1小時～3小時區(qū)間；運(yùn)營類車輛日均出行里程主要集中在200公里～300公里區(qū)間，日均行駛時長在9小時～12小時區(qū)間。

圖3 不同出行強(qiáng)度的車輛分布Fig.3 Distribution of vehicles with different travel intensity

4 城市車輛真實(shí)充電情況基礎(chǔ)分析

車輛的充電行為因用戶出行產(chǎn)生，又受到充電設(shè)施建設(shè)的影響。通過車輛每次充電數(shù)據(jù)的分析，可以更直觀的了解其中的規(guī)律。由于11月前兩周的充電數(shù)據(jù)存在一定丟失，實(shí)際選取11月16日到11月29日共兩周范圍內(nèi)的充電數(shù)據(jù)進(jìn)行分析，實(shí)際涉及充電車輛27 535輛。

通過數(shù)據(jù)分析，兩周時間內(nèi)，單日總充電車輛數(shù)的平均值為1.44萬輛，周末會有顯著的下降，這與出行車輛數(shù)的減少直接相關(guān)(圖4)；單日總充電電量的平均值為52.5萬度，第二周充電車輛數(shù)和充電電量顯著提升，與上海天氣溫度下降有顯著關(guān)聯(lián)(圖5)。

圖4 每日車輛充電數(shù)據(jù)Fig.4 Daily vehicle charging data

圖5 上海溫度數(shù)據(jù)Fig.5 Temperature data of Shanghai

另一方面，單日車輛平均充電次數(shù)在1.6次上下小幅波動，單日車輛平均單次充電時長在131分鐘上下小幅波動，單日車輛單次平均充電單量在23度上下小幅波動(圖6)。從每天數(shù)據(jù)的變動情況看，上海整體充電保持較高的穩(wěn)定性。

圖6 每日車輛充電數(shù)據(jù)(電量、時長、次數(shù))Fig.6 Daily vehicle charging data(electricity,duration and times)

上海和全國其他城市一樣，新能源汽車的充電方式采用交流慢充或直流快充，充電場所包括居住地、工作地和公共充電場站等，居住地以3 kW、7 kW、11 kW的交流慢充為主，公共場站以直流快充為主，交流慢充為輔。為了進(jìn)一步分析不同場景下的充電現(xiàn)狀，將每次充電行為按車端充電的平均功率劃分為11 kW以下(慢充)和11 kW以上(快充)的充電行為。2.7萬輛樣本車輛共產(chǎn)生320 940次充電行為，其中慢充行為次數(shù)占比39.05%，平均單次充電時長273.4分鐘，平均單次充電功率5.1 kW。慢充和快充的主要差異在充電的時間和速度上，單次充入電量的差異相對較小(表2)。

表2 慢充與快充行為基礎(chǔ)數(shù)據(jù)Tab.2 Basic data of slow charging and fast charging

從充電行為的具體分布來看，慢充行為單次充電時長分布相對分散，在1小時～6小時內(nèi)都有廣泛分布(圖7)，這與車輛到達(dá)居住地或工作地后長時間停留并充電的場景相契合。而快充行為的單次充電時長分布相對集中，主要在30min～60min之間，這與公共充電場站短時補(bǔ)電的充電場景相契合。

圖7 慢充與快充行為的分布特征Fig.7 Distribution of slow charging and fast charging behavior (duration)

分析每次充電行為起訖SOC的分布情況，可以進(jìn)一步了解用戶在進(jìn)行快充和慢充行為上的差異。從分析結(jié)果看(表3)，車輛開始充電SOC分布區(qū)間廣泛，慢充行為略接近低SOC區(qū)域；車輛結(jié)束充電SOC分布區(qū)間顯著集中，其中慢充行為完全充滿電池的比例更高，表現(xiàn)出了用戶對慢充行為的低干預(yù)。結(jié)合慢充行為較長的充電時長，這間接表明用戶在慢充時對其充電車位擁有較強(qiáng)的停留權(quán)，對充電時長并不敏感?？傮w說來，慢充行為與追求高流轉(zhuǎn)率的盈利性公共充電場站的經(jīng)營目的相沖突，與私人專用樁的使用場景更為吻合。

表3 充電行為的起訖SOC次數(shù)分布Tab.3 Distribution of the beginning and the end charging SOC (times)

5 城市車輛充電行為的時空分析

從時間和空間的維度去分析充電行為，可以幫助更深入的了解城市充電特征。在時間維度上，從充電行為的開始時刻著手，通過分析可以發(fā)現(xiàn)(圖8)，慢充行為在工作日具有兩個顯著的充電高峰，在周末則沒有早間的充電高峰。早間8到9點(diǎn)的充電高峰，表明了用戶在工作地的充電行為；而晚間10到11點(diǎn)的充電高峰，表明了大量用戶在居住地采用谷時電價(jià)時段進(jìn)行充電的行為(上海市居民用電在22點(diǎn)之后按谷時電價(jià)計(jì)費(fèi))。將工作日的出行結(jié)束時刻分布與慢充行為開始時刻分布相互疊加，也能發(fā)現(xiàn)出行結(jié)束的行為和充電開始的行為在早間有比較好的銜接性，晚間的充電行為則具有顯著的延后性(圖9)。

圖8 不同時段開始充電行為的次數(shù)分布Fig.8 Distribution of the starting time of charging behavior (times)

反觀快充行為(圖9)，可以發(fā)現(xiàn)快充行為分布曲線相對平緩，快充開始時間顯著滯后出行結(jié)束時候，分析認(rèn)為，快充行為中運(yùn)營類車輛的充電行為占據(jù)較高的比重，而運(yùn)營類車輛更偏向于選擇在出行早高峰結(jié)束之后和結(jié)束一天運(yùn)營的凌晨時段進(jìn)行充電行為，運(yùn)營車輛的出行特征，造成了充電曲線相對出行曲線的滯后。

圖9 工作日，開始充電和結(jié)束出行時間分布曲線Fig.9 Distribution of the starting time of charging behavior and the end time of travel behavior(times)

以上從時間維度分析了上?？炻湫袨榈漠愅?，下面結(jié)合每次充電的位置信息，從空間的維度進(jìn)一步研究。通過對32萬次充電行為的空間聚合，得到快慢充行為的次數(shù)分布熱力圖，圖中圓圈大小代表此處充電次數(shù)的多少(圖10)。從空間分布上看，慢充行為相比快充行為，分布范圍更廣，且無明顯的聚集點(diǎn)，沒有表現(xiàn)出在公共充電場站進(jìn)行充電的聚集性特征。而快充行為則具有非常顯著的充電聚集性，特別是北部寶山區(qū)域、西部虹橋區(qū)域和城市中心區(qū)域，而且主要聚集點(diǎn)也和公共充電場站位置相互對應(yīng)。

圖10 充電行為的空間分布Fig.10 Spatial distribution of charging behavior

從行政區(qū)劃的角度看，區(qū)域間的快慢充車輛數(shù)存在顯著的差異(表4)：地理范圍最大的浦東新區(qū)充電車輛數(shù)最多，且有快充和慢充行為的車輛數(shù)相近；閔行區(qū)、中心七區(qū)和寶山區(qū)有快充行為的車輛數(shù)顯著大于慢充車輛數(shù)；而位于遠(yuǎn)郊的奉賢區(qū)、崇明區(qū)、金山區(qū)的快充車輛數(shù)則顯著少于慢充車輛數(shù)。以上特征，在充電次數(shù)的分布數(shù)據(jù)上也有體現(xiàn)。

表4 不同行政區(qū)域的充電數(shù)據(jù)Tab.4 Charging data of different administrative regions

結(jié)合外部市場信息分析認(rèn)為，慢充行為以工作地和居住地為主，并和城市居住區(qū)及工作區(qū)布局顯著相關(guān)，呈現(xiàn)出分散特征。快充行為完全依托集中式公共充電場站實(shí)現(xiàn)，閔行區(qū)擁有熱門目的地虹橋機(jī)場和虹橋火車站，寶山區(qū)是大量出租車司機(jī)的重要居住地，中心七區(qū)是人流匯聚的中心。新能源汽車用戶出行目的地的聚集，推動了區(qū)域快充需求的集中和公共充電場站的聚集。下圖(圖11)是分析車輛出行目的地所得出的車輛停留次數(shù)熱力圖，代表車輛停留次數(shù)較多的紅色和黃色區(qū)域，在閔行虹橋樞紐區(qū)域、寶山區(qū)和中心七區(qū)存在著顯著分布，與以上分析相印證。

圖11 車輛出行目的地的停留次數(shù)熱力圖Fig.11 Thermal diagram of Vehicle destination(times)

同時，基于車輛的空間充電數(shù)據(jù)，還原了閔行區(qū)虹橋樞紐、寶山區(qū)外環(huán)外和中心七區(qū)內(nèi)的三個熱門公共充電場站的充電次數(shù)分布曲線(圖12)，可以看到虹橋樞紐場站夜間幾乎沒有充電行為的發(fā)生，這與夜間沒有旅客到訪相關(guān)；較為偏遠(yuǎn)的寶山區(qū)外環(huán)外充電場站，其夜間充電(快充)占比較反而很高，體現(xiàn)出場站與用戶夜間停留地接近的特征；而位于中心七區(qū)的充電場站，其白天充電頻次穩(wěn)定，夜間也有充電行為，其表現(xiàn)出持續(xù)的用戶達(dá)到。以上特征，都驗(yàn)證了推論的合理性。

圖12 典型充電場站的充電次數(shù)時刻分布曲線Fig.12 Distribution of charging behavior in typical charging stations(times)

6 研究總結(jié)

本次城市充電特征研究，基于新能源汽車的運(yùn)行數(shù)據(jù)開展，共涉及2.8萬輛純電動乘用車連續(xù)28天的行為數(shù)據(jù)。通過車輛出行數(shù)據(jù)分析可知，上海純電動乘用車主要存在日均出行100公里以下和日均出行200公里以上的兩個群體，兩者顯著的出行強(qiáng)度差異，勢必對充電服務(wù)有著不同的需求。從每天的出行數(shù)據(jù)看，車輛整體出行強(qiáng)度穩(wěn)定，周末會顯著減少，這也預(yù)示著充電需求的潛在變化規(guī)律。

進(jìn)一步分析車輛充電數(shù)據(jù)，車輛整體的充電次數(shù)、充電時間等數(shù)據(jù)短期看是穩(wěn)定的，但溫度對充電需求具有潛在顯著影響。從車輛采用的充電方式看，上海純電動乘用車表現(xiàn)出了以快充為主的充電特征，11 kW以上快充行為的占比為61%。從充電行為的時空分布看，慢充行為在城市空間內(nèi)分散分布，與車輛出行特征有較高的銜接性，工作日有顯著的工作地充電特征，工作日和周末都有顯著的居住地充電特征；而當(dāng)前的快充行為在城市空間內(nèi)具有很強(qiáng)的聚集性分布，特別是在閔行區(qū)、寶山區(qū)、中心七區(qū)等區(qū)域，這與充電用戶的目的地?zé)衢T程度高度關(guān)聯(lián)。

未來，上海新能源汽車的保有量將顯著提升，上海的城市充電特征也將圍繞用戶出行目的地和城市快慢充結(jié)構(gòu)的變化而動態(tài)發(fā)展。而研究車輛的充電數(shù)據(jù)，將有助于城市充電配套建設(shè)隨著新能源汽車的發(fā)展動態(tài)推進(jìn)。