安科瑞魯一揚15821697760

摘要：在充電站充電樁數(shù)量受限且電動汽車充電耗時較長的情形下，眾多電動汽車用戶的充電需求致使對充電站資源的競爭加劇。這不僅使戶排隊概率上升，充電站收益與利用率降低，還導(dǎo)致用戶在充電站規(guī)模、價格、評價等個性化需求難以充分實現(xiàn)。為此，本研究提出一種整合動態(tài)哈夫模型與雙邊匹配方法的電動汽車充電引導(dǎo)策略。首先，深度挖掘充電站客流、充電訂單及充電樁詳情等真實數(shù)據(jù)，剖析公共充電站用戶的選擇偏好與充電行為特征；接著，基于動態(tài)哈夫模型并結(jié)合用戶偏好，量化不同區(qū)域用戶前往各充電站的概率，進(jìn)而生成充電站推薦列表；最后，將前景理論與雙邊匹配策略相融合以達(dá)成充電引導(dǎo)。算例分析表明，該策略能大幅削減用戶排隊概率，在契合用戶個性化充電訴求的同時，有力保障了充電站的效益。

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

伴隨全球環(huán)保理念的深入人心，電動汽車作為綠色交通出行方式，其重要性日益凸顯，在中國更是呈現(xiàn)出迅猛的發(fā)展態(tài)勢，充電樁建設(shè)亦隨之加速推進(jìn)。然而，當(dāng)前車主借助在線地圖或充電樁應(yīng)用程序?qū)ひ挸潆娬緯r，往往存在選擇的隨機(jī)性與盲目性。并且，現(xiàn)有充電站推薦平臺缺乏個性化推薦機(jī)制，且因推薦過程缺乏用戶反饋，難以確保充電樁推薦與供需精準(zhǔn)對接，這既降低了用戶充電體驗，又削弱了充電站的盈利水平。因此，對用戶進(jìn)行科學(xué)合理的充電引導(dǎo)成為充電站聚合平臺的當(dāng)務(wù)之急。

諸多學(xué)者已從不同維度對電動汽車充電引導(dǎo)問題展開深入探究。部分研究致力于實現(xiàn)路網(wǎng)、充電站與電網(wǎng)的協(xié)同優(yōu)化，提出基于第三代前景理論的充電引導(dǎo)策略；亦有學(xué)者以充電負(fù)荷均衡、交通流量均衡及用戶成本降低為目標(biāo)，構(gòu)建計及用戶出行成本的主從博弈模型以實施充電引導(dǎo)；還有學(xué)者創(chuàng)立涵蓋車輛、充電站、交通網(wǎng)與電網(wǎng)的多目標(biāo)優(yōu)化模型，可在極短時間內(nèi)響應(yīng)充電請求并有效縮短充電時長。但遺憾的是，這些引導(dǎo)策略均未充分考量用戶的個性化差異，多為無差別式引導(dǎo)。

二、電動汽車用戶群體充電行為剖析

2.1 數(shù)據(jù)來源與處理

本研究通過在線地圖精準(zhǔn)采集中國四川省成都市二環(huán)內(nèi)及周邊區(qū)域公共快速充電站的詳細(xì)信息，并獲取 2023 年 2 月各充電站不同時段的平均空閑樁位數(shù)，以此計算站點客流，為深入探究電動汽車用戶的充電站選擇行為提供數(shù)據(jù)支撐。

為全面洞悉用戶的充電需求、行為特性及車輛狀況，進(jìn)一步獲取區(qū)域內(nèi)某典型快速充電站在 2022 年 9 月至 2023 年 2 月期間的 3 萬余條充電訂單數(shù)據(jù)以及 300 余萬條充電樁詳情數(shù)據(jù)，并展開深度挖掘分析。所獲取的數(shù)據(jù)均不涉及用戶隱私，且不同用戶通過唯一標(biāo)識予以區(qū)分。

2.2 用戶充電站選擇行為解析

綜合充電站基本信息與客流數(shù)據(jù)，深入剖析充電站規(guī)模及充電價格對用戶充電選擇行為的影響。

依據(jù)各充電站的客流占比情況，以百分位數(shù)表征各充電站內(nèi)快速充電樁數(shù)量在所有充電站中的排序位置。研究發(fā)現(xiàn)，約 60% 的充電行為集中于規(guī)模最大的 30% 的站點，這充分表明電動汽車用戶群體對大規(guī)模充電站存在明顯偏好。同時，以百分位數(shù)呈現(xiàn)不同時段各充電站的充電價格（涵蓋電費與服務(wù)費）在所有充電站中的排序，結(jié)合相應(yīng)時段的充電站客流數(shù)據(jù)，確定用戶選擇充電站點的價格百分位數(shù)。結(jié)果顯示，約 75% 的充電行為發(fā)生在價格處于最低 50% 區(qū)間的站點，彰顯出用戶對充電價格的高度敏感性。此外，約 86% 的充電行為發(fā)生在免收停車費的充電站，進(jìn)一步印證了用戶對價格因素的重視程度。

充電站評分（滿分 5 分）同樣對用戶的充電站選擇具有顯著影響力，約 82% 的充電行為發(fā)生在評分達(dá)到 4 分及以上的站點。

2.3 用戶充電行為詳述

為全方位刻畫用戶充電行為，選取充電起始荷電狀態(tài)（SOC）、充電結(jié)束 SOC、充電起始時間、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的一級標(biāo)簽，這些數(shù)據(jù)可直接從充電訂單數(shù)據(jù)中獲取。

同時，選取充電時長、電池容量、平均功率、充電結(jié)束后占用時長作為二級標(biāo)簽，以更深入地描述用戶充電行為特征。

三、充電站推薦列表生成

3.1 動態(tài)哈夫模型構(gòu)建

哈夫模型作為一種經(jīng)典的地理空間模型，主要用于預(yù)測與解析消費者行為，其核心原理在于消費者前往各購物中心的概率取決于購物中心的規(guī)模吸引力以及消費者前往的旅行時間。本研究針對充電站選擇場景對哈夫模型進(jìn)行創(chuàng)新性改進(jìn)，提出動態(tài)哈夫模型。在該模型中，充電站的吸引力具有動態(tài)變化特性，且不同區(qū)域的電動汽車用戶前往各充電站的概率存在顯著差異。

3.2 充電站吸引力評估

用戶在選擇充電站時，主要考量因素包括充電站規(guī)模、充電價格，同時也在一定程度上受到充電站品牌、配套設(shè)施及周邊環(huán)境等多種因素的綜合影響。本研究引入充電樁數(shù)量、充電價格、停車費用以及充電站評分等關(guān)鍵因素，用以全面衡量各充電站的吸引力。

盡管不同用戶對各因素的偏好存在個體差異，但從用戶群體整體來看，對各因素的偏好具有一定的規(guī)律性與一致性。結(jié)合 2.2 節(jié)中對充電選擇行為的深入分析，并充分考慮各因素之間的內(nèi)在相關(guān)性。

根據(jù)充電站特定指標(biāo)的排序情況，將充電站劃分為兩類。理論上，通過各指標(biāo)的組合可將充電站分為 16 類，但鑒于各指標(biāo)間存在相互關(guān)聯(lián)，實際僅形成 11 類充電站。其中，數(shù)量占比最高的 5 類充電站詳情如表 1 所示。

表1 各類充電站數(shù)目占比與客流占比

由表 1 可知，數(shù)量占比最高的 5 類充電站約占總充電站數(shù)量的 85%，其客流量約占總客流量的 78%，極具代表性。由于存在兩類充電站僅在某一特定指標(biāo)類別上有所不同，可依據(jù)各類別充電站客流均值占比的比例確定 η 的取值。通過對比類別 1 和類別 5 可得出，充電樁數(shù)量多的吸引力權(quán)重為 2.83，同理，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測算

考慮到電動汽車用戶多在行駛過程中產(chǎn)生充電需求，且充電站通常布局于主路周邊，本研究在構(gòu)建交通網(wǎng)與充電站網(wǎng)耦合模型的基礎(chǔ)上，創(chuàng)新性地提出 “主路 - 小路 - 充電站” 的充電行駛模式，以此精準(zhǔn)確定用戶從所在路段末端節(jié)點前往充電站的行駛時間，并將其作為動態(tài)哈夫模型中的關(guān)鍵參數(shù) —— 通行時間。

3.4 充電站推薦列表生成流程

綜合考量充電站密度、充電請求頻率以及道路通行速度變化等多方面因素，共同確定充電站推薦列表的生成時間間隔。每當(dāng)經(jīng)過一個時間間隔，或者充電站推薦列表中出現(xiàn)所有充電樁均被占用的情況時，針對各路網(wǎng)節(jié)點啟動一次充電站推薦列表生成流程。具體步驟如下：

全面獲取路網(wǎng)和充電站網(wǎng)絡(luò)數(shù)據(jù)；

依據(jù) 3.2 節(jié)所確定的方法，精確計算各充電站的吸引力；

按照 3.3 節(jié)的測算方式，計算各路網(wǎng)節(jié)點到各充電站的通行時間；

基于 3.1 節(jié)的動態(tài)哈夫模型，計算各路網(wǎng)節(jié)點被各充電站服務(wù)的概率；

針對每一個路網(wǎng)節(jié)點，篩選出服務(wù)概率排名靠前且當(dāng)前有可用充電樁的充電站，進(jìn)而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方法

當(dāng)電動汽車用戶在行駛途中產(chǎn)生充電需求時，首先需明確自身所在道路及行進(jìn)方向，隨后獲取相應(yīng)區(qū)域的充電站推薦列表，并從中篩選出最為適宜的充電站進(jìn)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)，精準(zhǔn)計算出充電前總時間、充電價格、充電站評分等三個核心方面的期望均值，構(gòu)建期望均值矩陣。同時，依據(jù)用戶、道路、充電站三方的實時狀態(tài)，獲取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

充電運營管理平臺作為基于物聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)的充電設(shè)施管理核心系統(tǒng)，能夠全方位實現(xiàn)對充電樁的實時監(jiān)控、智能調(diào)度與精細(xì)化管理，顯著提升充電樁的利用率和充電效率，有效改善用戶的充電體驗與服務(wù)質(zhì)量。用戶可借助 APP 或小程序提前預(yù)約充電服務(wù)，有效避免在充電站長時間排隊等待的困擾，同時為充電站提供更為精確的充電需求數(shù)據(jù)，為后續(xù)的智能調(diào)度與科學(xué)管理奠定堅實基礎(chǔ)。通過該平臺，可對充電樁的功率、電壓、電流等關(guān)鍵參數(shù)進(jìn)行實時動態(tài)監(jiān)控，及時、精準(zhǔn)地發(fā)現(xiàn)并高效處理充電樁的各類故障與異常情況，對充電樁的功率進(jìn)行合理調(diào)控，確保其在安全、穩(wěn)定的功率范圍內(nèi)運行，有效防止對電網(wǎng)造成過大的負(fù)荷沖擊。

圖1 有序充電管理系統(tǒng)示意圖

圖2平臺結(jié)構(gòu)圖

六、安科瑞充電樁云平臺功能詳解

本平臺除對充電樁進(jìn)行精準(zhǔn)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)實施集中化監(jiān)控與統(tǒng)一協(xié)調(diào)管理，極大地增強(qiáng)了充電站的運行可靠性，有效降低了運營成本。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(xì)、交易流水查詢、充值余額明細(xì)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(jì)、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(bǔ)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(hù)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，可以實現(xiàn)實時監(jiān)控，財務(wù)報表分析等等；遠(yuǎn)程升級：具備完善的通訊功能，可遠(yuǎn)程對設(shè)備軟件進(jìn)行升級；保護(hù)功能：具備防雷保護(hù)、過載保護(hù)、短路保護(hù)，漏電保護(hù)和接地保護(hù)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

本研究提出的動態(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，能夠為具有沿途充電需求的電動汽車用戶提供科學(xué)、精準(zhǔn)的充電引導(dǎo)服務(wù)。以中國成都市部分區(qū)域為例，結(jié)合對實測數(shù)據(jù)的深度挖掘與算例分析，得出如下重要結(jié)論：

所提策略可顯著降低用戶排隊概率、縮短前往充電站的耗時并減少充電費用，有效滿足用戶個性化充電需求。同時，該策略能夠顯著提升充電站的利用率，并增加充電站的收益。

所提策略響應(yīng)一次充電引導(dǎo)的耗時小于 0.5ms，完全滿足實時性要求；并且策略中的充電站推薦列表生成機(jī)制極大地提升了其拓展性，使其能夠適用于更大規(guī)模的充電站網(wǎng)絡(luò)布局。

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，可有效縮小充電站搜索范圍，使充電引導(dǎo)效果更接近全局最優(yōu)解。

所提策略能夠全面兼顧用戶和充電站雙方的利益，且可靈活調(diào)整對雙方的傾向權(quán)重，具有高度的靈活性。

本研究提出的充電引導(dǎo)策略對于顯著改善用戶充電體驗、全面提升充電站服務(wù)水平具有極為重要的意義。然而，該策略將充電引導(dǎo)分為兩個相對獨立的階段，這種分階段的優(yōu)化方式可能在一定程度上影響最終結(jié)果的最優(yōu)性。在后續(xù)研究中，可在深入剖析不同用戶個體充電站選擇偏好及交互影響機(jī)制的基礎(chǔ)上，進(jìn)一步探索充電站選擇與用戶引導(dǎo)的協(xié)同優(yōu)化決策模式，以實現(xiàn)更優(yōu)的充電引導(dǎo)效果。

審核編輯 黃宇