AMI數據驅動的電動汽車充電設施計量運行誤差狀態評估方法

劉 煒，王朝亮，肖 濤，陸春光

（國網浙江省電力有限公司營銷服務中心，浙江 杭州 311121）

0 引言

電動汽車及其充電設施的產業化、規?；l展是踐行我國“雙碳”戰略目標和構建新型電力系統的重要舉措。我國已將電動汽車充電設施的建設納入國家“新型基礎設施建設”工作的核心領域之一，目前圍繞充電設施的裝置設計［1-2］、充電需求預測［3-5］、協同優化規劃［6-8］、有序充電及負荷調度［9-11］等方面已經進行了一系列的研究，為電動汽車產業在全球市場的快速迅猛發展做出了重要貢獻。

隨著電動汽車在全球市場所占份額的逐步提升，對電動汽車充電設施運營服務提出了更高的要求與挑戰，充電設施作為計量計費器具已于2019 年被國家市場監督管理總局納入《實施強制管理的計量器具目錄》，其電能計量的準確、可靠以及計費的公平、公正直接關乎廣大充電用戶的切身利益，因此需對使用中的充電設施開展強制檢定。目前，對充電設施的計量檢定方法主要是由專業的計量檢定人員攜帶多臺充電設施現場檢定裝置，采用實負荷檢定的方式對待檢充電設施的計量性能逐一開展檢定，存在檢定損耗大、效率低、成本高等劣勢［12］?？紤]到充電設施具有分布散、面廣、數量多、質量參差不齊等特點，現有的檢定方法無法完全滿足開展周期檢定的需求，亟需探索新型技術和方法以實現對在運充電設施計量性能的高效監督與管控。

針對上述問題，文獻［13］提出了一種基于實時脈沖周期比較法的電動汽車充電樁直流計量裝置的遠程校驗方法，通過計算機遠程控制和多路切換的現場校驗裝置實現對多臺電動汽車充電樁直流計量裝置的遠程校驗；文獻［14］在分析了充電樁工作原理和計量誤差來源的基礎上，研發了一套直流充電樁遠程檢測系統，對遠程檢測系統的總體架構、軟硬件結構以及通信手段進行了設計，檢測結果驗證了所開發的遠程檢測系統實現直流充電樁計量檢定的有效性；文獻［12］提出了一種適用于虛負荷檢定的非車載充電機檢定裝置，采用外部功率源與標準電能表一體化設計，在保障計量檢定的高準確度與高可靠性的前提下，實現了檢定裝置的輕量便攜化，提高了現場檢定的工作效率；文獻［15］設計了一種新型交流充電樁現場測試儀，相較于傳統的接口電路模擬器方案，所研制的儀器可減少設備搬運和接線，有效提升了現場檢測效率；文獻［16］開發了一種基于LabVIEW 的便攜式直流充電樁自動檢測系統，能方便快捷地對直流充電樁進行常規測試，提高了充電樁的檢測效率。

上述文獻從硬件裝置的角度提出了電動汽車充電設施計量規?；?、高效檢測的解決方法，在實際應用中驗證了檢測裝置的有效性及推廣應用的價值，但考慮到目前數量龐大并快速增長的待檢在運充電設施，單靠檢定人員攜帶檢定裝置開展現場計量檢測，仍無法實現對全部在運電動汽車充電設施計量的性能狀態進行有效評估與管控。為此，本文提出了一種高級量測體系（AMI）數據驅動的電動汽車充電設施計量運行誤差狀態評估方法，根據充電站的樹形拓撲結構，建立了電動汽車充電設施計量運行誤差模型，并利用海量充電數據，在不增加硬件改造成本的基礎上，實現對在運充電設施計量性能的狀態評估與監測，有效地提升了電動汽車充電設施的智能運維水平，確保充電設施計量的準確、可靠。

1 電動汽車充電設施計量運行誤差的數學模型

以目前市場上最常見的直流充電站為例，典型的拓撲結構見圖1（交流充電站拓撲結構與之相同），其呈現典型的樹形拓撲結構。圖中：M∑為臺區總表；M1、M2、…、Mn為非車載充電機（下文簡稱為充電機）內部的直流計量模塊；R0、R1、…、Rn為充電站內部的線路等效電阻；n為充電站內的充電機數量。

圖1 典型直流充電站的拓撲結構Fig.1 Topology structure of typical DC charging station

根據能量守恒定律，圖1 中臺區總表接收的交流側電量等于各充電樁、站內設備消耗的電量與線路損耗之和，據此可建立整個充電站臺區的能量守恒方程，如式（1）所示。

式中：Ii為充電機i支路上的電流；上標“*”表示矢量的共軛。將Ii、Ij分別用各自所在支路上的有功功率和無功功率表示，則式（3）可改寫為：

式中：Pi、Qi分別為充電機i支路上的有功功率、無功功率；Ui、Uj分別為充電機i、j所在節點的端電壓。

1.1 AC／DC電源模塊的轉換效率

充電機內部AC／DC 電源模塊的轉換效率在不同的充電功率下會發生變化，從而影響充電設施計量運行誤差數學模型的準確性，因此需要建立不同充電功率下AC／DC 電源模塊的轉換效率模型。AC／DC電源模塊的損耗功率Pη可表示為：

式中：系數C0、C1、C2需根據現場實測數據，通過數據擬合方法進行確定。

在充電機內部安裝邊緣計算模塊（其現場測試示意圖如附錄A 圖A1 所示），將充電樁正常充電過程中AC／DC 電源模塊交流側和直流側采集到的電壓、電流、功率等關鍵電氣量轉換為數字信號，并對已有數據進行擬合計算，得到電壓、電流、功率-時間曲線以及輸入、輸出端總功率等關鍵數據。其中交流側電壓互感器、電流互感器的準確度等級分別為0.2、1.0 級，直流側電壓互感器、電流互感器的準確度等級分別為0.5、1.0 級，邊緣計算模塊的采樣頻率為10 kHz，監測某充電樁24 h 內AC／DC 電源模塊交、直流側功率的變化曲線，如圖2 所示。需要指出的是，對于同一樁企生產的同一型號充電樁而言，可以認為其AC／DC 電源模塊的轉換效率是保持一致的，因此邊緣計算模塊只需在模型建模前期部署1 次，在后續狀態評估中無需部署，所以不會增加額外的硬件改造成本。

圖2 AC／DC電源模塊的功率曲線Fig.2 Power curves of AC／DC power module

根據圖2 計算相應充電功率下的轉換效率，擬合得到充電機的轉換效率曲線如圖3 所示，由此確定式（6）中系數C0、C1、C2的取值分別為7.56948693×102、9.94796287×10-1、5.85326901×10-2。

圖3 AC／DC電源模塊的轉換效率曲線Fig.3 Conversion efficiency curve of AC／DC power module

1.2 基于AMI數據的充電站計量運行誤差模型

依托電力公司已建成的AMI所提供的海量充電設施用電數據，并考慮數據的離散性，對式（8）中的各項進行離散化處理并用電表電量數據進行表示。其中，充電機i實際消耗的電量ψΣDC，i在采樣間隔ΔTp內可表示為：

利用充電過程中的數據計算有功電量產生的線路損耗，并考慮到充電站內總表與分表之間的壓降較小，對各充電機交流側端電壓Ui進行合理簡化，存在Ui≈U0（U0為臺區總表端電壓），則ψΣlP可以表示為：

2 充電設施計量性能狀態評估方法

2.1 數據預處理

對電動汽車充電設施計量性能狀態評估所需的臺區交流總表數據來自電力公司現有的用電信息采集系統，其數據采集頻率為15 min／次；充電樁數據來自電力公司現有的車聯網平臺，其數據采集頻率為10 s／次。相較于傳統的狀態評估方法，本文所提計量運行誤差狀態評估方法的優勢在于充分利用了電力公司已有的AMI數據（包括充電過程數據、訂單數據），具體數據格式如附錄A 表A1 和表A2 所示，無需在充電站內額外增加硬件設備投入。

根據廣義流量守恒，在任意時段充電站的臺區總表電量等于站內各充電樁在該時段內消耗的電量與站內其他電量損耗之和。針對海量來自車聯網平臺和用電信息采集系統的檔案數據、曲線數據、充電站數據，需對原始數據進行時鐘對齊數據預處理，從而為第1 節建立的數學模型計算提供完備、準確、高質量的數據。數據預處理流程如圖4 所示，具體處理步驟如下。

圖4 數據預處理流程Fig.4 Data preprocessing process

1）異常數據檢測。剔除原始數據中明顯不符合實際充電樁充電使用規律的異常數據，以提高原始數據的質量。

2）數據缺失檢測。由于臺區總表和充電樁計量模塊數據的采集頻率不同，在整個電動汽車的充電過程中可能會有某些充電階段的數據缺失，如充電起始階段、充電結束階段以及不同充電過程中的轉換階段所對應的表計電量。通過對齊原始數據的時鐘信號，確定充電過程中缺失的數據。

3）數據一致性處理。針對步驟2）確定的缺失數據進行數據一致性處理，具體方法如下：首先，根據電量-功率曲線，識別每次電動汽車充電過程的不同充電階段并根據各恒流階段的功率曲線（近似為直線）和恒壓階段的功率曲線，采用插值或神經網絡［18］等數學處理方法得到各階段的轉換時間點和前后間隔的電量，將其加入電量曲線數據，得到模型計算所需的在時間上保持一致的臺區總表和充電樁計量模塊的電量數據。

2.2 充電設施計量運行誤差

將M個計量周期內的交流側總表電量和充電樁計量模塊電量代入式（14），得到式（15）所示矩陣形式。

式中：fi(εi，j)、hi(Ri′，j)（i=1，2，…，n；i′=0，1，…，n；j=1，2，…，M）為式（14）中與εi和Ri相關的系數；yj為第j個計量周期的電動汽車充電設施計量運行誤差，可根據式（14）求得。

當計量周期數量M大于代求的未知變量個數時，可通過數學方法計算得到各充電樁的計量誤差，具體求解過程如下。

將式（14）重寫為：

式中：F^=[F^ (1)F^ (2) …F^ (M)]。式（21）為一個數學上典型的二次規劃問題，本文采用Python 的開源二次規劃包qpsolvers對其進行求解。

3 電動汽車充電設施計量性能的在線監測系統

基于第1 節建立的電動汽車充電設施計量運行誤差模型，研發電動汽車充電設施計量性能的在線監測系統，系統總體框架如圖5 所示，主要包括設備層、通信網關層和應用層。

圖5 電動汽車充電設施計量性能在線監測系統架構Fig.5 Architecture of online measurement performance monitoring system for electric vehicle charging facilities

設備層主要包括充電站內各充電樁的計量模塊、臺區總表；通信網關層采用邊緣能源網關，通過3G／4G／5G 或遠距離無線電（LoRa）采集充電樁計量模塊、臺區總表的電能數據并將其上傳至系統主站；應用層包含系統主站與終端設備，系統主站根據上傳的充電站用能數據，結合電動汽車充電設施計量運行誤差數學模型，計算并評估各充電樁的計量運行誤差，并將結果反饋至終端設備，實現對存在計量異常的充電樁的自動報警與準確定位，并及時下派工單通知運維人員進行現場維護。

4 應用驗證

選取杭州市某直流充電站進行試點應用，其拓撲結構與圖1類似，包含33臺充電機，屬于典型的樹形拓撲結構，適合采用本文所提狀態評估方法。充電站采集交流電表與充電機直流電表2021 年9 月9日至9 月23 日兩周時間內的用電數據，并將其上傳至電動汽車充電設施計量性能在線監測系統，可計算得到計量運行誤差如表1 所示，各充電機的計量運行誤差曲線如圖6 所示。為了驗證模型計算結果的準確可靠性，采用盲測的方法分別對單一充電機的用電數據加入5%和-5%的偏差，模擬充電機發生計量異常的工況，并定義式（22）所示誤差響應率γ，用于定量評估模型對充電設施計量運行誤差異常工況的識別準確性。

圖6 試點充電站的計量運行誤差曲線Fig.6 Measurement operation error curve of test charging station

表1 試點充電站的計量運行誤差Table 1 Measurement operation error of test charging station

式中：Δσ0為設定的電量偏差值；Δσ為根據設定的偏差值模型計算得到的充電機計量誤差的變化值。γ的數值越大，表明模型識別充電機計量異常工況的準確性越高。

對整個試點充電站進行盲測，誤差響應率結果如圖7 所示。由圖可知，所有充電機的誤差響應率均大于85%，表明本文所提計量運行誤差狀態評估方法對存在計量異常工況的充電設施具備較高的識別準確性。

圖7 試點充電站的盲測誤差響應率Fig.7 Blind error response rate of test charging station

為了進一步驗證本文所建模型的適用性，選取杭州市31座交直流充電站的160臺充電樁的用電數據進行計算，得到各充電樁的計量運行誤差如圖8所示，并從中篩選出5 個計量運行誤差計算結果超過3%的充電樁進行現場核驗。

圖8 充電樁的計量運行誤差計算結果Fig.8 Calculative results of charging piles’measurement operation error

根據現場核驗結果，上述有計量異常預警的充電樁存在充電機模塊故障、絕緣監測故障和充電機其他故障，導致對應的充電樁無法正常工作，驗證了本文所提計量運行誤差評估方法在提升充電設施智能運維方面具備良好的應用成效和推廣前景。

5 結論

電動汽車充電設施具有分布散、面廣、數量多、質量參差不齊等特點，傳統現場計量檢定方法的檢測效率低，根據現行規程開展現場檢定的難度大。為此，本文提出了一種AMI 數據驅動的電動汽車充電設施計量運行誤差狀態評估方法，根據電動汽車充電站的樹形拓撲結構，建立了充電設施計量運行誤差模型，利用海量AMI高頻充電數據，采用大數據分析的方法實現對在運充電設施計量運行誤差狀態的精準評估與異常監測，相比傳統充電設施計量性能檢測方法具備如下性能：

1）可以在充電設施正常工作的場景下，完成對充電設施運行誤差的檢測，無需外接負載箱，實現了檢測過程的節能減碳；

2）實現了在運充電設施運行計量誤差的狀態監測與異常預警，有效地提升了充電設施智能運維服務水平，解決了在運充電設施計量性能在線監控的技術難題；

3）利用了現有的AMI 數據，與傳統的充電設施計量檢測方法相比，無需增加額外的硬件設備投入，易于大規模推廣應用，可以有效保障電動汽車充電設施的精準計量，維護消費者的權益。

附錄見本刊網絡版（http：//www.epae.cn）。