基于新能源汽車監控數據的充電特征分析

夏麗娜，康澤軍，姜澤磊

（中國汽車技術研究中心有限公司，天津 300300）

前言

在全球經濟快速發展的進程中，化石燃料發揮著重要作用。在過去的一個多世紀中，兩次工業革命帶來生產力的大幅提升，但同時也造成了人類對于化石燃料的高度依賴。化石燃料的大量消耗，造成二氧化碳等溫室氣體的排放量不斷增加，引發了一系列環境問題。目前，碳排放問題已引起全球的普遍關注，全球多個國家已提出“碳中和”戰略規劃。隨著全球化石燃料儲量的銳減，以及人類環保意識的日益增長，新能源汽車逐漸引起人們的廣泛關注。

由于新能源汽車的能量來源可以是風能、水能、太陽能等可再生能源，對化石燃料的依賴度大大降低，可減少溫室氣體的排放。在新能源汽車示范推廣和財政補貼的大背景下，我國新能源汽車產業快速發展。根據中國汽車工業協會公布的數據，2019年中國新能源汽車銷量為120.6萬輛。

在政策激勵下，新能源汽車銷量逐年攀升，但2019年全年銷量僅占汽車總銷量5%左右。消費者對充電便捷性和續航里程的擔憂是制約新能源汽車市場發展的重要因素。本文旨在通過新能源汽車實際運行過程中的監控數據[1]，分析用戶的充電特征，掌握用戶的實際充電需求和續航焦慮程度[2]，為充電運營調度和電池續航升級提供參考價值。

1 新能源監控數據簡介

根據GB/T 32960，新能源監控數據是通過車載終端設備采集得來，并傳輸至企業監控數據平臺。根據GB/T 32960要求[3]，監控數據需包含數據采集時間和數據類型標志，其中數據類型主要包括整車數據、驅動電機數據、燃料電池數據、發動機數據、車輛位置數據、極值數據、報警數據等。本文僅將其中的數據采集時間和整車數據用于分析用戶充電特征，故不對其他數據類型作詳細介紹。

1.1 數據采集時間

GB/T 32960要求時間字段需包含年、月、日、時、分、秒的信息，數據采集頻率為30 s一幀。

1.2 整車數據

整車數據包含車輛狀態、充電狀態、運行模式、車速、累計里程、總電壓、總電流、SOC、DC-DC狀態、檔位、絕緣電阻等固定數據字段，以及預留位。

2 用戶充電特征分析

本文利用A市某出行公司旗下一輛純電動汽車在2019年全年的監控數據進行分析研究，該車監控數據所含數據字段齊全，數據完整度高，有利于分析結果的準確性。本文需要用到的監控數據字段及其數據信息含義如表1所示，需要注意的是，該車為純電動汽車，故其運行模式字段對應的數據始終為1。

表1 監控數據字段及其數據信息表

該車在2019年全年共出行362天，如圖1所示，該車每日行駛里程多集中分布在170～280 km范圍內，日均行駛里程為225.7 km，符合出行公司網約車市場規律。

圖1 每日行駛里程分布直方圖

為了進行用戶充電特征分析，首先需從車輛監控數據中切分出充電工況片段。利用“充電狀態”數據字段，按照圖2所示的充電工況切分流程將該車數據依次循環切分，共432次充電。

圖2 充電工況切分流程圖

2.1 充電起止SOC分布

對切分后的各充電工況數據片段，分別提取其充電起始SOC[4-5]和充電結束SOC，如圖3所示。充電結束SOC集中分布于95%～100%范圍內，占比達75%以上，符合充滿電特征。用戶充電起始SOC主要分布在20%～60%范圍內，且SOC為40%處概率密度最高，說明該用戶在SOC為40%時開始充電的概率最高，反映了用戶對純電動汽車續駛里程的焦慮程度，且對SOC低于40%時的續航里程信任度較低。

圖3 充電起止SOC概率分布

2.2 充電時刻分布

從各充電工況片段中，提取每次充電開始對應的時刻，統計各充電時刻發生的充電時間次數，如圖4所示。該車在12:00—15:00之間以及23:00—24:00之間充電比例較高，說明該車充電以夜間和午間為主。由于該車為網約車，乘客用車時間集中在早、晚高峰時段，車主選擇在空閑時補電。

圖4 充電開始時刻分布

2.3 充電時長分布

對各充電工況片段，同時提取其充電開始時刻和充電結束時刻，計算出充電時長，并將充電開始時刻與充電時長建立一一對應的映射關系，分析兩者的二維聯合分布，如圖5所示。根據圖5，該車充電時長絕大多數分布于200分鐘以內，說明該車充電方式以快充為主，慢充為輔。充電時長高于200分鐘的充電工況多發生22:00—01:00，這是由于網約車白天業務量較大，車主為節省時間，僅在夜間選擇慢充。

圖5 充電開始時刻與充電時長聯合分布

2.4 充電方式分析

在充電時長分析中，初步判斷該車充電方式以快充為主，慢充為輔。為確認初步判斷結論的可靠性，進一步分析用戶實際充電方式。如圖6所示，該車2019年充電工況中，慢充56次，約占比為13%；快充376次，占比為87%。充電難和充電時間長是影響用戶購買純電動汽車的重要原因之一。對網約車而言，充電方式選取和充電時長尤為重要。網約車通常會選取在白天非高峰期采用快充方式補電，夜間休息時采用慢充方式充電。

圖6 充電方式占比

3 結論

新能源監控大數據記錄了用戶的實際用車特征，能夠客觀反映用戶的實際用車行為。本文利用新能源監控大數據，分析了網約車車主的充電特征，分析結果符合網約車市場規律特征。隨著新能源監控數據體量的不斷龐大，應用新能源監控數據分析用戶充電、駕駛等行為特征，將在新能源汽車產品性能提高和用戶體驗改善中發揮出重要作用。