竇曉軍（國網(wǎng)陜西省電力公司經(jīng)濟(jì)技術(shù)研究院，陜西西安　710065）

?

電動汽車充電負(fù)荷預(yù)測模型及對城市負(fù)荷影響研究

竇曉軍
（國網(wǎng)陜西省電力公司經(jīng)濟(jì)技術(shù)研究院，陜西西安710065）

摘要：電動汽車充電站或充電設(shè)備集群的負(fù)荷變化情況受具體車流量、電池充電時長、電池起始荷電狀態(tài)（state of charge，SOC）、充電設(shè)備數(shù)量等多種因素的影響，變化規(guī)律復(fù)雜，各個充電站的負(fù)荷曲線形態(tài)差異很大，難以從本質(zhì)上表征負(fù)荷的一般性規(guī)律。從影響充電負(fù)荷變化規(guī)律的進(jìn)站車流量入手，研究電動車輛進(jìn)站流量、充電時長、充電站充電能力等對充電負(fù)荷的具體影響，提出適用于充電站負(fù)荷快速計算的簡化公式和計及多種影響因素的仿真方法。以西北某市為算例，結(jié)果表明，該方法能夠方便、有效地預(yù)測電動汽車充電負(fù)荷的時空分布特性，為分析其對電網(wǎng)的影響及充電設(shè)施規(guī)劃等提供依據(jù)。

關(guān)鍵詞：電動汽車；充電站；負(fù)荷預(yù)測；蒙特卡洛仿真

電動汽車使用電力來代替?zhèn)鹘y(tǒng)的石油對汽車進(jìn)行驅(qū)動，能夠緩解能源緊張的趨勢，并減少溫室氣體的排放，正得到迅速發(fā)展[1-3]。而大規(guī)模電動汽車充電勢必會對配電網(wǎng)結(jié)構(gòu)、運(yùn)行產(chǎn)生巨大的影響。因此，了解并準(zhǔn)確預(yù)測電動汽車充電對電網(wǎng)的影響，對智能配電網(wǎng)建設(shè)具有重要意義[4-5]。

目前，已開展了一些電動汽車對電網(wǎng)影響方面的研究，主要包括以下內(nèi)容：

1）評估現(xiàn)有發(fā)電容量是否能夠滿足日益增長的電動汽車負(fù)荷需求。

2）電動汽車接入網(wǎng)絡(luò)研究。研究電動汽車向電網(wǎng)提供輔助服務(wù)的價值，包括調(diào)頻、旋轉(zhuǎn)備用等。

3）研究日益增加的電動汽車對中、低壓電網(wǎng)的影響，涉及負(fù)荷、電壓、損耗、三相不平衡和諧波等問題，目前這方面的研究較少。對電動汽車使用者的調(diào)查表明，電動汽車充電90%是在車場、車庫夜間進(jìn)行的，充電時間大約為6～8 h，只有不到10%的充電是在路旁的應(yīng)急電站完成。

本文從影響充電負(fù)荷變化規(guī)律的進(jìn)站車流量入手，研究電動車輛進(jìn)站流量、充電時長、充電站充電能力等對充電負(fù)荷的具體影響，提出適用于充電站負(fù)荷快速計算的簡化模型，并基于蒙特卡洛模擬的仿真方法進(jìn)行電動汽車充電負(fù)荷預(yù)測。通過實(shí)例計算，驗(yàn)證該方法的合理性[6-8]。

1研究目的和思路

1.1研究目的

發(fā)展電動汽車是解決能源危機(jī)、環(huán)境危機(jī)的重要手段，中國已出臺許多政策扶持和推動電動汽車產(chǎn)業(yè)的快速發(fā)展，近幾年在北京、上海、廣州、深圳等城市已經(jīng)建成多座電動汽車充電站，電動汽車的推廣應(yīng)用已進(jìn)入了關(guān)鍵時期[9]。就電動汽車的能源補(bǔ)充方式而言，通常包括電池快換、快速充電和慢速充電等，充電運(yùn)營模式較為多樣，前2種方式與日常交通流量有很大關(guān)系，由此產(chǎn)生的充電負(fù)荷往往與已有電力負(fù)荷峰段相疊加，產(chǎn)生新的負(fù)荷高峰，占用電網(wǎng)本不寬裕的熱備容量，對電力系統(tǒng)的安全運(yùn)行及當(dāng)?shù)刎?fù)荷造成威脅。

負(fù)荷預(yù)測作為電網(wǎng)規(guī)劃的一項基礎(chǔ)工作，對于電力企業(yè)的電網(wǎng)規(guī)劃顯得越來越重要，電動汽車的大規(guī)模使用將會對當(dāng)?shù)刎?fù)荷產(chǎn)生直接影響。本項目就通過各種指標(biāo)下電動汽車充電對電網(wǎng)的影響分析，進(jìn)行調(diào)查，分析電動汽車各種充電情況對當(dāng)?shù)夭煌玫匦再|(zhì)負(fù)荷預(yù)測的影響。

1.2研究思路

首先結(jié)合規(guī)劃區(qū)域的用地性質(zhì)如居民用地、商業(yè)用地，以及電動汽車類型如私家車、公交車、出租車，根據(jù)停車生成率及滲透率對停車需求及時空分布、充電需求及充電負(fù)荷時間分布進(jìn)行測算；其次根據(jù)電動汽車發(fā)展，預(yù)測該規(guī)劃區(qū)域私家車及公共車電動汽車保有量；最后根據(jù)原有調(diào)研用地性質(zhì)負(fù)荷與電動汽車充電負(fù)荷，預(yù)測出規(guī)劃區(qū)域內(nèi)飽和負(fù)荷。

2電動汽車對負(fù)荷特性影響

不同運(yùn)行模式的電動汽車對電池充電時間有不同的要求，而充電時間的不同需要不同的充電方式來滿足。此外，不同電池都有其最佳的充電電壓、電流和充電時間。電池在常規(guī)充電方式下需要較長的充電時間，一般需要8～12 h，甚至更長一些。由于二次電池?zé)o記憶效應(yīng)，車載電池能量的補(bǔ)充主要依賴于電網(wǎng)來完成，即通過采用電網(wǎng)的電能給蓄電池進(jìn)行充電，這樣，充電質(zhì)量的好壞直接影響到車載動力電池在運(yùn)行條件下的能量供給、貯存和電池的使用壽命等方面，最終影響到電動汽車的使用成本。因此，在實(shí)際使用中可以采用快速充電方式縮短充電時間，或者采用常規(guī)充電方式進(jìn)行短時間補(bǔ)充充電。電動汽車充電技術(shù)是維持電動汽車運(yùn)行的一項必備手段，其對車輛安全使用壽命的影響重大。

2.1不同時間充電的效果

不同充電方式、充電時間各有差異，主要表現(xiàn)在：

1）常規(guī)充電主要在晚間進(jìn)行。電動車輛在當(dāng)天運(yùn)營完畢后，在專門區(qū)域充電站進(jìn)行長時間的晚間充電，一般充電至第二天運(yùn)營開始。晚間充電主要優(yōu)點(diǎn)在于很好地利用了電網(wǎng)低谷，平衡了該區(qū)域日間和夜間用電。另外，充電站建立在人員密集區(qū)域內(nèi)，使純電動車輛運(yùn)行到載客始發(fā)站距離較短，節(jié)省了動力電池消耗，提高了電池利用率。

2）補(bǔ)充充電一般在白天運(yùn)營過程中進(jìn)行間斷性電池快速充電。對于純電動車輛，晚間充電的電池電量基本能滿足一天的運(yùn)營要求，但當(dāng)運(yùn)營任務(wù)過重，或負(fù)荷運(yùn)營時間過長時，電動車輛就必須充分利用停車待客時間進(jìn)行電量補(bǔ)充。補(bǔ)充充電采用直插直充的快速充電方式，由于二次電池的無記憶特性，對電池的壽命無明顯影響，更重要的是對白天的運(yùn)營也無影響。

2.2峰谷平衡

城市用電高峰集中在白天，晚上是用電低谷，而電動汽車采用白天行駛、夜間充電的運(yùn)行方式，有利于電網(wǎng)的峰谷平衡，改善電網(wǎng)負(fù)荷特性，減少為維持電網(wǎng)低負(fù)荷運(yùn)轉(zhuǎn)而引起的調(diào)峰費(fèi)用。國家電網(wǎng)公司在推廣電動汽車的發(fā)展上可以采取對電動汽車充電優(yōu)惠政策，促進(jìn)電動汽車可在夜間利用電網(wǎng)的廉價“谷電”進(jìn)行充電。這樣對車主的優(yōu)惠，對電網(wǎng)的平衡，對盈余電力的消費(fèi)都將起到很大作用。

同時，城市電網(wǎng)負(fù)荷逐年提高，負(fù)荷峰谷差值越來越大，電動汽車大規(guī)模接入后，城市電網(wǎng)負(fù)荷曲線趨于平坦，峰谷差距大大縮小，提高了電網(wǎng)負(fù)荷率，可以提高電網(wǎng)設(shè)備和發(fā)電能源的利用率。

3電動汽車充電負(fù)荷簡化模型

電動汽車充電站或充電設(shè)備集群的負(fù)荷變化情況受具體車流量、電池充電時長、電池起始荷電狀態(tài)（state of charge，SOC）、充電設(shè)備數(shù)量等多種因素的影響，變化規(guī)律復(fù)雜，各個充電站的負(fù)荷曲線形態(tài)差異很大，難以從本質(zhì)上表征負(fù)荷的一般性規(guī)律。本文從影響充電負(fù)荷變化規(guī)律的進(jìn)站車流量入手，研究電動車輛進(jìn)站流量、充電時長、充電站充電能力等對充電負(fù)荷的具體影響，提出適用于充電站負(fù)荷快速計算的簡化公式和計及多種影響因素的仿真方法。

某一時刻的充電負(fù)荷與許多因素有關(guān)，其中進(jìn)站換電或充電的車流量隨時間的變化情況是決定性因素。本節(jié)對此進(jìn)行具體研究，并做如下假設(shè)以簡化處理：

1）充電站充電或換電能力充足，任何待換或待充車輛均無需等候。

2）所有待充或待換電池組的剩余電量一致，充電功率和時長相等。

3）充電站未采取有序充電控制等干預(yù)策略。

通常，每天的車輛進(jìn)站流量隨時間呈現(xiàn)顯著變化，與交通規(guī)律有極大關(guān)聯(lián)，難以用明確的數(shù)學(xué)公式進(jìn)行描述，一般由歷史統(tǒng)計數(shù)據(jù)得到。假設(shè)某個典型日的車輛進(jìn)站流量可用以下公式描述：

式中：D（t）用于描述充電站進(jìn)站車輛數(shù)量隨時間的變化情況；t為時間，min，t=0即表示每日的00:00:00；dc為車輛進(jìn)站密度，輛/min。

因此，t時刻該充電站已接待的充電車輛總數(shù)可采用對式（1）積分得到：

式中：Int為取整函數(shù)。

設(shè)電池組的充電時長為Tc，在此不計充電設(shè)備準(zhǔn)備或拆裝電池所耗費(fèi)的時間。則t時刻的充電總功率只與在區(qū)間[t-Tc，t]內(nèi)進(jìn)站并正在充電的所有車輛有關(guān)，其數(shù)量按下式計算：

充電設(shè)備的工作周期通常包括2個階段：恒流限壓和恒壓限流。前者基本為恒定功率輸出，時間長，效率高，是主要充電方式；后者處于充電結(jié)束期，功率會逐級減小。隨著電池和充電技術(shù)的發(fā)展，恒壓限流階段趨向于縮短或取消，從而提高充電速度及其綜合效率。因此，可將一輛車的充電有功功

式（4）是計算充電站負(fù)荷的簡化公式，輸入電動汽車進(jìn)站流量曲線，便能快速計算出任意時刻有功功率，無功功率可根據(jù)充電設(shè)備功率因數(shù)進(jìn)行推算。該公式適用于描述充電或換電能力充足、電池類型一致、充電時長差異不大的充電站。率p設(shè)為恒定值（單位kW），則t時刻充電站的有功功率為：

4基于蒙特卡洛模擬的電動汽車負(fù)荷預(yù)測

根據(jù)電動汽車日行駛里程分布、各區(qū)域土地使用情況、停車生成率、停車分布特性等數(shù)據(jù)，采用蒙特卡洛模擬抽取不同地區(qū)不同建設(shè)用地汽車的日行駛里程、型號、停放與駕駛行為、停放汽車的停放時間等來預(yù)測電動汽車負(fù)荷時空分布，其流程如圖1所示。

以總停車需求最高時刻t0作為仿真的起始時間，抽取所有汽車的日行駛里程、電池容量、每100 km電耗等數(shù)據(jù)；根據(jù)電動汽車第一次出行的時間分布情況，抽取各類停車場所停放車輛的停車時間。

此后，每隔15 min更新每輛汽車的停放、充電狀態(tài)，若汽車到達(dá)停放結(jié)束時間則駛離停車場，到達(dá)充電結(jié)束時間則結(jié)束充電，產(chǎn)生充電需求則根據(jù)需求類型進(jìn)行充電。仿真流程圖如圖1所示。

計算各類停車場當(dāng)前實(shí)際停放車輛數(shù)與由停車生成率模型所計算得到的停車需求的差值Pnew。若Pnew＞0，則隨機(jī)抽取在途車輛停放到該停車場，并根據(jù)停放地點(diǎn)、停放目的、當(dāng)前時刻抽取停放時間；若Pnew＜0，則隨機(jī)抽取目前停放在該停車場的汽車駛離。

電動汽車日行駛里程越長，相應(yīng)的日停車時間越短。抽樣程序根據(jù)不同類型停車場所、停車目的的停車時間分布抽樣得到停車時間，再根據(jù)該輛車的日行駛里程進(jìn)行修正。假設(shè)抽樣得到的第k輛汽車在某時刻t停車，停車時長是Tpark，k（t），則修正后的停車時間為：

圖1基于蒙特卡洛模擬的電動汽車負(fù)荷預(yù)測流程Fig. 1 A Monte Carlo simulation of the electric vehicleload distribution forecasting process

式中：dmean為所有汽車平均行駛里程；dk為第k輛汽車的日行駛里程。

駕駛中的電動汽車荷電狀態(tài)以速率Vsoc下降，充電中的電動汽車荷電狀態(tài)以充電速率上升，停放但未充電的電動汽車荷電狀態(tài)保持不變。

5算例分析

采用本文提出的方法對西北某市2020年的私家電動汽車工作日充電負(fù)荷進(jìn)行預(yù)測，并對不同類型區(qū)域的充電負(fù)荷作進(jìn)一步的對比分析。

5.1電動汽車保有量

目前市場銷售的電動汽車主要分2類：小型車每100 km電耗為10 kW·h左右，電池容量為18 kW·h左右；普通車型每100 km電耗為21 kW·h左右，電池容量為30 kW·h左右。

根據(jù)該市電動汽車示范推廣計劃，假設(shè)2020年全市私家電動汽車保有量7.95萬輛。其中小型汽車比例為30%，普通類型汽車比例為70%。其中，考慮在途車輛的修正系數(shù)η1＝0.191 5，η2＝1.000 1。

表1西北某市規(guī)劃年電動汽車保有量情況Tab. 1 The quantity of EVs in a certain city in ChinaNorthwest in a planned year

5.2預(yù)測參數(shù)設(shè)置

以02:00作為仿真的起始時間，假設(shè)大部分汽車在07:00左右開始出行，則初始化所有在02:00停放的汽車的停放時間符合正態(tài)分布N（5，32）。

工商業(yè)區(qū)上午07:00—10:00有95%的停放汽車為通勤車，通勤車中有70%停放至下午下班，平均停放時間為8 h，30%停放至中午下班，平均停放時間為4 h；中午11:00—15:00有50%的停放汽車為通勤車，一直停放至下午下班，平均停放時間為4 h。各時段非通勤車的平均停放時間為1.5 h。

夜晚20:00—24:00到達(dá)工商業(yè)區(qū)停放的汽車，以一定的比例（由10%隨時間線性上升至100%）認(rèn)為其為一天中最后一次停車，24:00之后停放的汽車均為最后一次停車。

居民區(qū)白天平均停放時間為2 h，夜晚17:00—22:00到達(dá)居民區(qū)的汽車，以一定的比例（由10%隨時間線性上升至100%）認(rèn)為是最后一次停車，22:00之后停放的汽車均為最后一次停車。

假設(shè)電動汽車每天開始行駛時電池處于充滿狀態(tài)。電動汽車行駛過程中選擇快速充電的剩余SOC警戒值為20%，在不同目的地停放時選擇充電的剩余SOC閾值在仿真過程中可調(diào)。

根據(jù)國家標(biāo)準(zhǔn)《電動汽車傳導(dǎo)充電用連接裝置》（GB/T34234.2—2001）規(guī)定，電動汽車可以使用交流、直流2種充電接口充電，2種接口參數(shù)如表2所示。

表2電動汽車不同充電接口的參數(shù)Tab. 2 Parameters of different charging interfaces for electric vehicles

假設(shè)居民區(qū)、通勤車工作單位以額定電壓250 V的交流充電接口充電，工商業(yè)區(qū)非通勤車以額定電壓440 V的交流充電接口充電，快速充電站以直流充電接口充電。

5.3預(yù)測結(jié)果與分析

5.3.1駕駛者充電行為對充電負(fù)荷的影響

假設(shè)居民區(qū)、工商業(yè)區(qū)均100%配建充電設(shè)施，電動汽車充電前剩余SOC閾值分別為99%，80%，50%，30%時，工作日各類場所私家電動汽車充電負(fù)荷曲線如圖2所示。

圖2不同充電SOC（荷電狀態(tài)）閾值選擇下的充電負(fù)荷Fig. 2 Charging load of different charge SOC（charge state）threshold selection

由圖2可以看出，工作日居民區(qū)負(fù)荷一般高于工商業(yè)區(qū)負(fù)荷，兩者均具有中午和夜晚2個負(fù)荷高峰；充電站負(fù)荷最低，且基本上集中在夜晚。隨著充電選擇SOC閾值的降低，居民區(qū)負(fù)荷、工商業(yè)區(qū)負(fù)荷均將由中午向夜晚轉(zhuǎn)移，導(dǎo)致總負(fù)荷中午高峰降低，晚高峰升高，快速充電站負(fù)荷顯著增加。當(dāng)電動汽車充電選擇SOC閾值低于50%時，中午負(fù)荷高峰幾乎消失，充電負(fù)荷將主要以夜晚居民區(qū)充電為主。

5.3.2充電基礎(chǔ)設(shè)施對充電負(fù)荷的影響

假設(shè)居民區(qū)停車場、通勤車工作單位停車場均配建充電設(shè)施。30%的汽車在SOC小于30%時充電，40%的汽車在SOC小于50%時充電，30%的汽車隨到隨充。仿真分析工商業(yè)區(qū)公共停車場不同充電設(shè)施配建比例下工作日各類場所私家電動汽車充電負(fù)荷變化情況，如圖3所示。

圖3工商業(yè)公共停車場不同充電設(shè)施配建比例下的充電負(fù)荷Fig. 3 Charging load of different charging facilities in the public parking lot for industrial and commercial use

由圖3可以看出，隨著工商業(yè)區(qū)公共停車場充電設(shè)置配建比例的提高，將吸引一部分電動汽車選擇白天充電，降低夜晚充電負(fù)荷高峰，同時會降低快速充電站的充電負(fù)荷。

停車生成率與城市區(qū)位、人口密度、經(jīng)濟(jì)發(fā)展水平等有密切關(guān)系，一般越靠近市中心，人口密度越大，經(jīng)濟(jì)發(fā)展越好，則停車需求越大。

6　結(jié)論

本文通過停車生成率模型進(jìn)行停車需求預(yù)測，基于電動汽車駕駛、停放特性，提出了考慮時空分布的電動汽車充電負(fù)荷蒙特卡洛模擬預(yù)測方法。

以西北某市為算例，驗(yàn)證表明，該方法能夠方便、有效地預(yù)測電動汽車充電負(fù)荷的時空分布特性，為分析其對電網(wǎng)的影響及充電設(shè)施規(guī)劃等提供依據(jù)。通過分析全市工作日私家電動汽車充電負(fù)荷預(yù)測結(jié)果，得到以下結(jié)論：

1）充電行為選擇SOC閾值、工商業(yè)區(qū)公共停車場充電設(shè)施配建比例的不同將顯著影響私家電動汽車的充電需求，鼓勵電動汽車用戶盡可能地將電動汽車接入電網(wǎng)，提高工商業(yè)區(qū)公共停車場充電設(shè)施配建比例，將會有效減輕夜晚負(fù)荷高峰對居民區(qū)配電網(wǎng)造成的負(fù)擔(dān)，并降低快速充電站配建需求。

2）在電動汽車每天出行前電池充滿的假設(shè)下，其電池容量能夠滿足大部分私家車用戶一天的駕駛需求；快速充電站充電負(fù)荷在總負(fù)荷中占比較小。

3）同一城市不同區(qū)域由于經(jīng)濟(jì)發(fā)展程度、人口密度等不同，導(dǎo)致其各類建設(shè)用地使用情況不同，充電負(fù)荷會有明顯差異。若分析城市較小片區(qū)的土地利用數(shù)據(jù)，使用本文提出的方法計算電動汽車的充電負(fù)荷，將為電動汽車充電設(shè)施規(guī)劃提供更具體的參考。

參考文獻(xiàn)

[1]楊慢慢，王金鳳，李燕青，等.改進(jìn)的空間負(fù)荷預(yù)測法及其應(yīng)用[J].電力科學(xué)與工程，2011，27（11）. YANG Manman，WANG Jinfeng，LI Yanqing，et al. Improving the spatial load forecasting method and its application[J]. Electric Power Science and Engineering，2011，27（11）（in Chinese）.

[2]陳良亮，張浩，倪峰，等.電動汽車能源供給設(shè)施建設(shè)現(xiàn)狀與發(fā)展探討[J].電力系統(tǒng)自動化，2011，35（14）: 11-17. CHEN Liangliang，ZHANG Hao，NI Feng，et al. Present situation and development trend for construction of electric vehicle energy supply infrastructure[J]. Automation of Electric Power Systems，2011，35（14）: 11-17（in Chinese）.

[3]胡澤春，宋永華，徐智威，等.電動汽車接入電網(wǎng)的影響與利用[J].中國電機(jī)工程學(xué)報，2012，32（4）：1-10. HU Zechun，SONG Yonghua，XU Zhiwei，er al. Impacts and utilization of electric vehicles integration into power systems[J]. Proceedings of the CSEE，2012，32（4）：1-10（in Chinese）.

[4]周逢權(quán)，連湛偉，王曉雷，等．電動汽車充電站運(yùn)營模式探析[J]．電力系統(tǒng)保護(hù)與控制，2010，38（21）：63-66，67．ZHOU Fengquan，LIAN Zhanwei，WANG Xiaolei，et al. Discussion on operation mode to the electric vehicle charging station[J]. Power System Protection and Control，2010，38（21）：63-66，67（in Chinese）.

[5]張文亮，武斌，李武峰，等.我國純電動汽車的發(fā)展方向及能源供給模式的探討[J].電網(wǎng)技術(shù)，2009，33（4）：1-5. ZHANG Wenliang，WU Bin，LI Wufeng，et al. Discussion on development trend of hattery electric vehicles in China and its energy supply mode[J]. Power System Technology，2009，33（4）：1-5（in Chinese）.

[6]高賜威，張亮.電動汽車充電對電網(wǎng)影響的綜述[J].電網(wǎng)技術(shù)，2011，35（2）: 127-131. GAO Ciwei，ZHANG Liang. A survey of influence of electrics vehicle charing on power grid[J]. Power System Technology，2011，35（2）: 127-131（in Chinese）.

[7]楊永標(biāo)，黃莉，徐石明，等.電動汽車換電商業(yè)模式探討[J].江蘇電機(jī)工程，2015，34（2）：19-24. YANG Yongbiao，HUANG Li，XU Shiming，et al. A discussion on battery-swapping commercial mode of electric vehicles[J]. Jiangsu Electrical Engineering，2015，34 （2）：19-24（in Chinese）.

[8]薛鐘兵，彭程.新能源發(fā)電與電動汽車充換儲站協(xié)調(diào)運(yùn)行研究[J].江蘇電機(jī)工程，2014，33（5）：36-38. XUE Zhongbing，PENG Cheng. Research on the coor -dinated operation of new energy power generation and EV charging storage station[J]. Jiangsu Electrical Engineering，2014，33（5）：36-38（in Chinese）.

[9]俞豪君，梁茜，許文超，等.慢充和換電方式下的電動汽車充電負(fù)荷計算[J].江蘇電機(jī)工程，2015，34（2）: 58-61. YU Haojun，LIANG Qian，XU Wenchao，et al. Charging load calculation of electric vehicles under normal charging mode and battery exchange mode[J]. Jiangsu Electrical Engineering，2015，34（2）: 58-61（in Chinese）.

竇曉軍（1972—），男，碩士，高級工程師，研究方向?yàn)殡娏ο到y(tǒng)自動化。

（編輯田濤）

Study on Forecasting Model of Electric Vehicle Charging Load and Its Impacts on the Urban Load

DOU Xiaojun
（Economic Research Institute of State Grid Shaanxi Electric Power Company，Xi’an 710065，Shaanxi，China）

ABSTRACT：The load change of the EV charging station and the cluster of charging equipment are subjected to the specific traffic，the duration of battery charging and the state of charge （SOC）of the battery and a variety of other factors and its change law is very complicated with substantial differences of the load curve among charging substations，therefore it is very difficult to represent the general law of load essentially. This paper，starting from the traffic flow into and out of the charging station which affect the charging load，studies the specific impacts of the traffic flow，charging duration and charging capability on the charging load and proposes a simplified formula for the rapid calculation of the charging station. Taking a certain city in China Northwest as a computation example，the study suggests that the method proposed in the paper can easily and efficiently forecast the time and space distribution characteristics of the electric vehicle charging and provide the standards and basis for the analysis of the charging impacts on the power grid as well as for the planning of the charging facilities.

KEY WORDS：electric vehicle；charging stations；load forecasting；Monte Carlo simulation

作者簡介：

收稿日期：2015-11-22。

文章編號：1674- 3814（2016）02- 0103- 06

中圖分類號：TM715

文獻(xiàn)標(biāo)志碼：A