浅谈新能源汽车大数据在充电管理中的应用

安科瑞 陈聪

摘要：为提高自营充电场站的运营效率，基于新能源汽车大数据，围绕充电供需研究体系和实际运营问题，开展了充电场站识别、充电桩与车辆的匹配性故障识别、区域充电需求识别、用户充电偏好识别和集中目标用户识别等应用。研究结果表明，通过车端充电数据与充电场站边界关联，可准确反映区域内充电资源供给，识别充电场站。在充电供给质量方面，通过识别车端充电异常数据，反映车桩匹配潜在问题，可为充电运营决策提供参考。关键词：新能源汽车；大数据；充电站运营；充电供需体系；充电服务质量

0引言 随着近年来中国新能源汽车产业的不断发展，上海市新能源汽车保有规模快速提升，截至2021年年底，上海全市累计推广超过67万辆新能源汽车，其中2021年全年推广超过25万辆，占全市新车销售量的43%。现在上海是全国新能源汽车保有量*多的城市。上海地区实际运营中的公共充电桩68609个，充电桩39359个，12月公共充电桩的平均利用率为5.22%，充电设备利用依旧偏低。公共充电设施较低的利用率，不仅给充电运营企业带来了经营压力，更进一步阻碍了旧站点的升级改造和新站点的规划建设，影响了充电业务的可持续发展。目前，对于电动汽车充电站的研究主要集中在电动汽车充电站规划、电动汽车充电站负荷建模、电动汽车充电站自动化管理、电动汽车充电站优化控制等方面，较少从电动汽车充电站运营管理角度分析充电站的相关问题。文献通过投资效益分析法对充电设施的静态以及动态指标经济效益进行分析，优化得到充电站内充电桩的合理、经济建设数量，在此基础上针对提高充电桩的经济效益提出建议。文献设计了一种基于综合能源优化调配的充电站运营管理系统，实现了充光储一体化电站的能量统一调配，大幅消纳光伏发电来降低电动汽车充电成本。文献通过挖掘运营数据分析用户充电行为规律，再预测运营的充电站设备利用状况，*终为充电站制定运营策略提供决策依据。文献提出了一种考虑客户满意度的电动汽车充电站运营状态评估方法，基于D-S证据理论融合多个客户的评估结果，对多个充电站的运营水平进行比较。文献从预测负荷、管控负荷、调用负荷三个层面挖掘充电站供需两侧可调度的资源，逐层优化充电站运营的综合效率，并进一步细化研究了充电站运营决策支持系统，以期为充电站运营带来经济效益和社会效益。对于充电站运营，已有研究大多仅从运营水平经济效益方面进行论述，缺乏真实数据支撑，准确性较低且缺乏完整的电动汽车充电供需研究体系。为了实现公共充电站运营效率的提升，本次研究以洞察市场充电供需特征为突破口，利用新能源汽车大数据，开展了大数据赋能充电运营管理决策的应用实践，并从供需两方面提出多维度多要点的充电供需研究体系，为提高充电运营决策的制定作出指导。

1研究方法

公共充电场站依托城市空间为用户提供新能源汽车的充电补能服务。围绕充电补能服务的充电运营管理可以理解为实现充电供给和充电需求的匹配过程。本次研究着重通过对充电市场供需现状的准确洞察，减少运营中的信息不对称，帮助运营管理者利用有限的运营资源，在所有的自营充电站中，择优选择合适的站点进行设备、服务和价格的优化，以实现更有效的供需匹配。

1.1研究区域选定

基于上海新能源汽车夜间停留数据，获取上海不同区域的车辆保有量情况，上海新能源汽车区域分布如表1所示。

由表1可以看出，对于浦东新区全域内电动汽车的充电供需特征进行分析与研究，对反映上海市的整体特征也有较好的效果。

1.2 原始数据描述

本次研究应用，拟洞察上海市浦东新区全域（约1210km²）的车辆充电供需特征，在投入人员和资金有限的情况下，如果采用传统线下调研走访的方式，缺乏实际可行性。在实际工作中，*终选择用上海市新能源汽车运行数据，采用大数据分析的方式，开展浦东新区充电供需市场的研究工作，车辆数据字段如表2所示。

上海市新能源汽车运行数据，是基于GB/T 32960《电动汽车远程服务与管理系统技术规范》进行采集的车辆运行数据，数据帧间隔分别1、10、30s，数据项主要采集自以下几大系统：动力电池系统、电机驱动系统、车辆控制系统以及其他部分。动力电池系统数据主要包括电池系统总电压和总电流、电池荷电状态（state of charge，SOC）、电池单体电压、电池系统特征点温度等。车辆控制系统数据主要包含车辆速度、挡位信息、加速踏板行程、GPS位置等。这些数据给予了从车辆用电侧深入进行城市充电特征研究的新途径，这些数据在进行充电研究时主要有以下三大优势：①实现对交流和直流充电行为的全覆盖；②实现不同属性车辆充电行为的区分；③实现每辆车辆充电行为的准确描述，并和车辆出行行为、车辆物理特性进行关联分析。

1.3 数据预处理

为了实现海量车辆时序数据的有效分析，需要进行必要的数据工程化准备。新能源汽车的时序数据在充电研究的应用中，数据过于冗余，实际应用中提取车辆每次出行行为和充电行为的起讫关键指标，例如起讫累计里程、起讫SOC、起讫经纬度等。通过构建车辆行为片段数据，可以将1TB大小的时序原始数据提取为GB级别的结构化数据，在不影响数据应用的情况下，大幅提升分析效率。本次研究，实现了对50多万辆上海地区运行的新能源汽车的数据分析，项目提取车辆在浦东地区的出行和充电行为特征，洞察充电市场的供需情况，指导充电运营决策的准确实施。

1.4 充电供需体系构建

本次研究从实际充电业务出发，结合日常运营经验，构建了充电供需研究体系，如图1所示。主要包含充电供给和需求两大维度的四大要点：①充电场站资源配建情况；②充电服务质量情况；③用户车辆对充电能量的需求情况；④用户对充电服务的需求情况。

区域的充电供给，包括区域内充电场站资源的配建数量和充电服务的质量，其中配建数量涉及不同类型充电桩的数量、功率和充电桩在空间上的差异分布，以上供给信息一般通过各种充电服务应用软件或线下走访的方式进行收集，相关数据的获取难度不高，但准确性较难保障。特别是在现实环境中，很多充电站鲜有用户到访充电，甚至早已废弃，调研数据无法真实反映充电资源的供给情况。而通过新能源汽车获取的时空充电数据，可以准确反映区域内充电资源的有效供给现状，验证充电站公开信息的准确性和完整性。充电供给中的充电服务质量主要涉及充电站配套硬件质量（设备维保情况、配套基础设施、充电站空间可达性等）和软件质量（充电服务应用软件、车位管理、增值服务等）两方面，相关信息较难通过新能源汽车大数据直接体现，但可以通过充电场站的实际运营情况，进行间接的体现。实际应用实践中，项目利用新能源汽车大数据，开展区域充电站运营研究、充电过程中车辆充电稳定性研究，来间接识别充电站服务质量。区域内公共充电场站的运营潜力，除了受区域内充电资源的供给影响，也受到区域内充电需求的影响。充电需求涉及用户对充电能量需求和充电服务需求两部分。现实场景中，用户主要进行公共和非公共充电两类充电行为，对于拥有固定充电桩的用户，实际前往公共充电站进行充电的行为次数占比普遍不高，而出租车、网约车、无固定桩的用户则对公共充电站的依赖度非常高。传统调研难以把握区域内充电用户的规模，更无法识别用户对公共充电站的真实能量需求。而新能源汽车大数据，可以准确识别不同类型用户的构成，识别用户充电行为、识别充电需求的时空差异。充电需求还涉及用户对充电服务的需求，主要包括用户对不同充电模式（快充、慢充、换电）的需求偏好、对充电价格的需求偏好、对配套服务的需求偏好等内容。以上相关信息的获取，无法利用新能源汽车的运行数据进行直接获取，但通过分析海量用户的实际充电决策数据，即充电行为数据，可以有效地总结充电站的共性特征，识别用户对充电服务需求的偏好规律。本次实践应用中，主要围绕以上充电供需体系，利用新能源汽车大数据，直接或间接地进行相关供需信息的识别，以帮助运营决策的有效制定。

2 大数据分析及应用2.1供给研究——寻找区域充电站运营

在研究区域充电供给中，需要了解区域内主要充电场站的资源分布情况和实际运营情况，并通过与其他场站对标，了解自营充电场站在区域内的表现。本次研究选用上海市纯电动乘用车一周七天的充电数据，结合手机端充电服务应用上的场站静态数据，去展现区域内各充电场站的真实运行现状。研究中采用Tableau数据可视化分析软件，对基于新能源汽车运行数据加工处理后的结构化充电数据集（数据集包含车辆每一次充电行为的开始时间、结束时间、单次充电能量、充电行为的经纬度坐标），围绕经纬度坐标，进行充电能量指标的聚合及其数据可视化。车辆充电行为的空间分布如图2所示，展现的是上海浦东新区高桥镇周边的所有充电行为所对应充电能量的空间分布情况，圆点位置代表充电行为空间发生地，圆点大小代表充电能量的多少。

充电数据的识别流程如图3所示，将此充电数据集与场站静态信息相结合，可以绘制准确的公共充电场站空间边界数据，进一步实现车辆充电数据与场站静态数据的关联聚合，得到兼有充电场站标签和车辆属性标签的充电数据集，包括充电量、充电次数、充电车辆数、充电行为发生时间分布等信息。车辆充电行为的空间分布（已识别）如图4所示，红色标注为识别出的4座公共充电场站发生的充电行为，黑色标注为其他类型充电行为。

在实际应用中，通过以上车端充电数据的空间分析，在无需线下调研的情况下，即可实现对区域真实充电供给的有效识别。在后续运营中，图4中充电量*高的3号充电站，也被作为区域内的充电站，用于各项充电运营服务的参考对标。

2.2 供给研究——评估充电服务质量

现实场景下，由于车辆和充电桩的匹配性差异，充电过程并不总是非常稳定，实际运营中，也经常会出现充电设备跳枪的问题。由于桩端无法识别车辆的具体型号，这导致不同型号车型和不同充电桩的匹配性问题，难以得到准确识别和改善。本次研究，通过采用车端和桩端空间、时间和电量指标多重匹配的方式，构建了车端充电数据与充电桩的关联路径，建立了包含具体车型信息的特定充电场站充电行为数据集，通过解析此数据集内的异常充电行为数据，即可准确识别车桩匹配异常。车辆和充电桩数据的匹配流如图5所示。

一次充电行为的时序数据如图6所示，通过车端充电数据异常值监测（充电过程中，充电电流出现异常中断、跳变），所准确识别的一次发生在公共充电场站的异常充电行为：车端数据显示，某品牌的A车型，12点开始其充电行为，初始电量为32%，到电量89%时完*结束充电，随后车辆离开公共充电站。车辆充电期间车端电流*高达到200A，充电中出现两次电流的突变，前一次突变电流异常降低至0A，10min后充电电流恢复正常200A。通过以上车端数据，实现了对目标场站车桩匹配性问题的反映。

2.3 需求研究——评估区域潜在充电需求

在实际充电运营中，需要对目标区域的总体充电需求进行评估，以确定是否设立新的站点，或者是否对旧的站点进行改造升级。新能源汽车运行数据，包含车辆的停留数据、充电数据和出行数据，可以解析特定区域停留车辆的规模和结构；可以测算停留用户的整体补电需求；可以了解用户充电与停留匹配特征等，以上信息均可用于评估目标区域的潜在充电需求。车辆的停留与充电位置如图7所示。利用Tableau数据可视化分析软件，对新能源公交客车运行数据集（分析周期内，车辆每次夜间停留行为的经纬度坐标、车辆每次充电行为的经纬度坐标）的可视化信息（圆点大小代表停留或充电行为的总次数、圆点位置代表行为的空间位置），可以直观展现车辆充电和停留位置的匹配情况，比如滴水湖地铁站公交站无车辆充电行为，此处夜间停留公交客车需要去其他站点进行充电补能，此区域存在建设公交充电站的潜在需求。

某旅游目的地车辆停留特征如图8所示，利用Tableau分析软件对新能源乘用车运行数据（浦东某旅游目的地一周时间内到访车辆的运行数据）进行分析后的内容，其分析结果包括车辆到访次数的热力图（基于到访地空间坐标的行为次数聚合）、车辆到访时对应车辆剩余电量区间的次数分布情况（基于到访时车辆剩余电量的行为次数聚合）、车辆到访时对应时段的次数分布情况（基于车辆到访时刻的行为次数聚合），这些分析结果可以反映到访车辆的行为特征。数据分析显示，此旅游区一周到访停留纯电动汽车在1000辆的规模，到访时车辆剩余电量主要分布在60%~80%，到访时间集中在9:00-11:00。利用新能源汽车大数据，针对特定地区开展分析，可以获得用户行为特征，评估潜在充电需求，在实际运营业务中，用于充电桩功率选型和建站规模设计。

2.4 需求研究——用户对充电服务的需求

传统的用户需求调研主要基于用户访谈的方式开展，能够涵盖的用户样本往往有限。本次应用实践，选用新能源汽车运行数据来进行用户需求的研究，其既可以实现大规模用户样本的覆盖，同时也能实现准确样本的筛选。比如在用户充电服务偏好研究中，项目基于50万多辆新能源汽车一周时间的充电数据进行分析，挑选出整个浦东新区内不同区域充电量*大的充电场站，分析出这些热门场站共同的服务优势：2 h内充电免收停车费，充电分时段价格分别为1.0、1.2、1.4元/kWh，充电车位、有厕所配套等。利用大数据选出的场站，作为区域，其特质代表着用户对良好充电服务的实际需求。在运营实践中，围绕区域进行自营场站的服务改善，实际取得了不错的成效，有效拉动了自营充电站的利用率。例如在集中用户准确识别研究中，通过分析新能源汽车充电数据，标定不同类型车辆在公共充电站和非公共充电场站上的实际充电能量分布，选取公共充电能量高的用户作为自营充电场站集中用户群。车辆对公共充电的电量需求情况如图9所示，反映了18万辆纯电动乘用车一周时间内，对上海公共充电场站的实际充电量需求情况。47%的车辆产生了80%的公共充电量，而其他53%的车辆仅产生20%的充电量。通过大数据分析，实现用户群体的分层分类，在实践中可以帮助充电场站运营更有目的性，指导充电服务的有效供给。

3 安科瑞充电桩收费运营云平台系统选型方案

3.1概述

AcrelCloud-9000安科瑞充电柱收费运营云平台系统通过物联网技术对接入系统的电动电动自行车充电站以及各个充电整法行不间断地数据采集和监控，实时监控充电桩运行状态，进行充电服务、支付管理，交易结算，资要管理、电能管理，明细查询等。同时对充电机过温保护、漏电、充电机输入/输出过压，欠压，绝缘低各类故障进行预警；充电桩支持以太网、4G或WIFI等方式接入互联网，用户通过微信、支付宝，云闪付扫码充电。

3.2应用场所

适用于民用建筑、一般工业建筑、居住小区、实业单位、商业综合体、学校、园区等充电桩模式的充电基础设施设计。

3.3系统结构

系统分为四层：

1）即数据采集层、网络传输层、数据**层和客户端层。

2）数据采集层：包括电瓶车智能充电桩通讯协议为标准modbus-rtu。电瓶车智能充电桩用于采集充电回路的电力参数，并进行电能计量和保护。

3）网络传输层：通过4G网络将数据上传至搭建好的数据库服务器。

4）数据**层：包含应用服务器和数据服务器，应用服务器部署数据采集服务、WEB网站，数据服务器部署实时数据库、历史数据库、基础数据库。

5）应客户端层：系统管理员可在浏览器中访问电瓶车充电桩收费平台。终端充电用户通过刷卡扫码的方式启动充电。

小区充电平台功能主要涵盖充电设施智能化大屏、实时监控、交易管理、故障管理、统计分析、基础数据管理等功能，同时为运维人员提供运维APP，充电用户提供充电小程序。

3.4 安科瑞充电桩云平台系统功能

3.4.1智能化大屏

智能化大屏展示站点分布情况，对设备状态、设备使用率、充电次数、充电时长、充电金额、充电度数、充电桩故障等进行统计显示，同时可查看每个站点的站点信息、充电桩列表、充电记录、收益、能耗、故障记录等。统一管理小区充电桩，查看设备使用率，合理分配资源。

3.4.2实时监控

实时监视充电设施运行状况，主要包括充电桩运行状态、回路状态、充电过程中的充电电量、充电电压/电流，充电桩告警信息等。

3.4.3交易管理

平台管理人员可管理充电用户账户，对其进行账户进行充值、退款、冻结、注销等操作，可查看小区用户每日的充电交易详细信息。

3.4.4故障管理

设备自动上报故障信息，平台管理人员可通过平台查看故障信息并进行派发处理，同时运维人员可通过运维APP收取故障推送，运维人员在运维工作完成后将结果上报。充电用户也可通过充电小程序反馈现场问题。

3.4.5统计分析

通过系统平台，从充电站点、充电设施、、充电时间、充电方式等不同角度，查询充电交易统计信息、能耗统计信息等。

3.4.6基础数据管理

在系统平台建立运营商户，运营商可建立和管理其运营所需站点和充电设施，维护充电设施信息、价格策略、折扣、优惠活动，同时可管理在线卡用户充值、 冻结和解绑。

3.4.7运维APP

面向运维人员使用，可以对站点和充电桩进行管理、能够进行故障闭环处理、查询流量卡使用情况、查询充电\充值情况，进行远程参数设置，同时可接收故障推送

3.4.8充电小程序

面向充电用户使用，可查看附近空闲设备，主要包含扫码充电、账户充值，充电卡绑定、交易查询、故障申诉等功能。

3.5系统硬件配置

4 结束语

为了更好地开展公共充电场站的日常运营管理工作，本次研究从洞察公共充电市场供需特征出发，通过应用新能源汽车大数据，挖掘充电市场供需信息，指导充电场站运营的决策实施。在实践中，本文利用新能源汽车的出行和充电数据，开展了识别区域公共充电场站运营情况、识别场站车桩匹配性问题、评估区域充电需求、挑选场站识别用户偏好、识别集中充电用户等研究。证明了通过大数据的相关应用可以扩展充电场站实际运营决策的维度，开辟了充电场站供需分析的新方法。充电供给研究中，新能源汽车大数据主要可以在以下2点中发挥优势：通过车端充电数据与充电场站边界关联，准确反映区域内充电资源供给，识别充电场站。在充电供给质量方面，通过识别车端充电异常数据，反映车桩匹配潜在问题。在充电需求研究中，通过车端数据提取目的地周边车辆到访特征数据，用于评估区域潜在充电需求。通过车端数据识别用户到访热门充电场站，有效挖掘用户实际需求偏好，指导场站优化。利用大数据的规模优势，反映整体市场海量用户公共充电需求的真实差异，助力服务聚焦集中用户。本文所有的研究过程，不依赖于传统的线下调研，且可以实现更全面更准确的空间、时间、场景和用户的覆盖，对于公共充电场站的准确供需研究有着启发的作用。限于篇幅，本文未能对每项应用实践进行一一详述，同时也限于项目研究周期，本次仅进行了部分充电维度的研究探索，数据分析结果与实际运营需求的结合度上也存在不足，研究深度有待后续进一步完善。

参考文献[1] 邵佳佳，吴志炜，陈小毅，刘爽，邓序之，杨杰. 新能源汽车大数据在充电供需研究中的应用[J]. 供用电, 2022，39 (12) : 74-81.[2] 上海发布．疫情防控、新城发力、民生福祉……龚正市长今天在记者招待会上回应了这些热点问题[EB/OL]. [2022-01-23].[3] 联联充电．上海充换电设施公共数据采集与监测市级平台数据统计12月月报[EB/OL]. [2022-01-24].[4] 冯超，周步祥，林楠，等．Delphi和GAHP集成的综合评价方法在电动汽车充电站选址*优决策中的应用[J].电力自动化设备，2012，32（9）：25-29．[5] 马国真．电动汽车充电桩建设现状及规划方案[J].能源研究与管理，2021（4）：91-95.[6] 安科瑞企业微电网设计及应用手册2023.09版.