《Sustainable Energy Technologies and Assessments》：Simulation of electric vehicle charging loads on highways considering fluid dynamics under traffic flow congestion
编辑推荐：
本文针对高速公路电动汽车(EV)充电站在节假日等高流量场景下出现的交通拥堵和充电排队问题，提出了一种结合改进元胞传输模型(MCTM)和稳态积压结转(SBC)方法的充电负荷模拟方法。该研究通过模拟动态交通流和EV充电决策行为，有效刻画了充电需求的时空分布及排队积压现象，为高速公路充电站(HCS)的规划布局和定价策略优化提供了重要技术支撑，案例验证表明该方法误差小于0.1%，显著优于传统方法。
随着全球应对气候变化和推动碳中和社会的共识不断增强，交通领域电气化特别是电动汽车(EV)的普及被视为减少碳排放的有效途径。然而，电动汽车在高速公路等长途出行场景下的续航焦虑问题，仍然是制约其广泛推广的主要障碍。为此，各国政府正大力推进高速公路光伏-储能-充电分布式微电网建设。准确预测高速公路电动汽车的充电负荷，对于充电站的容量配置、定价策略和运营管理至关重要。然而，在节假日等高交通流量场景下，高速公路容易出现交通拥堵，充电站则面临服务强度超载、排队车辆积压等挑战，传统模拟方法难以准确刻画这些复杂现象。
针对上述问题，发表于《Sustainable Energy Technologies and Assessments》的研究论文《Simulation of electric vehicle charging loads on highways considering fluid dynamics under traffic flow congestion》提出了一种创新的高速公路EV充电负荷模拟方法。该方法由三个核心模块构成：基于改进元胞传输模型(Modified Cell Transmission Model, MCTM)的高速公路交通流模块、基于嵌套Logit模型(Nested Logit Model)的EV充电策略模块，以及基于稳态积压结转(Stationary Backlog Carryover, SBC)方法的充电站(HCS)运行模块。
为开展研究，作者团队主要应用了几项关键技术方法：首先，采用改进的元胞传输模型(MCTM)来模拟高速公路动态交通流，该模型基于交通流流体动力学理论，能更好地处理合流和分流路段的车流耦合问题。其次，运用嵌套Logit模型来刻画EV用户在充电价格、排队时间等因素影响下的充电选择行为。最后，引入稳态积压结转(SBC)方法来模拟充电高峰期间排队车辆的跨时段积压现象，解决了传统M/M/S排队模型在服务强度大于1时失效的问题。案例数据来源于中国山东省某高速公路的实际数据。
动态交通传输模拟模型
研究团队开发了基于MCTM的动态交通流仿真模型。该模型将高速公路划分为多个元胞(Cell)，通过计算每个元胞的发送能力和接收能力来模拟车辆在路网中的时空传输。与传统模型相比，MCTM改进了入口和出口元胞的连接处交通流计算方式，假设合流比例由入口元胞发送能力占总发送能力的比例决定，从而更准确地描述了高速公路交通流的动态特性。模拟结果表明，在节假日高流量场景下，该方法能有效捕捉到入口匝道附近因通行能力不足导致的交通拥堵现象，而传统路径选择模型则无法反映因拥堵造成的车辆到达延迟。
基于SBC方法的高速公路充电负荷模拟
在充电策略方面，研究采用二次效用函数量化EV在任意HCS充电的能量效用，以最大化EV充电福利为目标确定最优充电能量。充电意愿概率则通过嵌套Logit模型进行建模，将“在HCS充电”的选项归为一组，将“回家充电”作为独立选项，避免了多项式Logit模型(MNL)的无关选项独立性(IIA)假设不适用于充电行为决策的问题。对于充电排队问题，研究提出了基于SBC方法的HCS排队模拟方法。该方法将当前时段实际到达的车辆与上一时段结转的排队车辆共同构成人工到达率，进而计算当前时段向下一个时段结转的车辆数。该方法有效解决了传统M/M/S或M/M/S/C排队模型无法模拟排队车辆跨时段积压的问题。
案例研究与讨论
案例研究部分在一个包含30个路段的单向高速公路网络上展开，设置了工作日和节假日两种交通场景进行对比分析。
交通流拥堵的影响
模拟结果显示，在工作日场景下，所有元胞的车辆数均小于自由流密度，高速公路保持自由流状态。而在节假日场景下，入口2和入口3附近的元胞出现了明显的交通拥堵。与此相关，充电负荷的模拟也显示出差异：考虑交通流流体特性的MCTM模型模拟出的HCS2和HCS3的负荷高峰持续时间更长，这是因为部分EV因道路拥堵而延迟到达充电站，其充电需求被分摊到了后续时段，而传统方法无法刻画这一过程。
充电价格的影响
为验证所提模型在HCS定价策略制定中的适用性，研究模拟了不同充电价格下HCS收益和EV充电决策的响应。在工作日场景下，充电收益随价格下降先增后减，存在一个使收益最大化的最优价格点（0.95 CNY/kWh）。在节假日场景下，由于充电车辆更多，可以设置相对较高的价格（1.00 CNY/kWh）以获得更大收益。研究还模拟了通过实施分时电价来缓解特定HCS在高峰时段排队问题的效果，表明合理的定价策略不仅能增加收益，还能改善服务质量。
EV渗透率的影响
研究还模拟了在不同EV渗透率下，增加充电桩数量或提升充电桩额定功率对HCS收益和利用率的影响。当EV渗透率升至30%时，10个充电桩已无法满足需求，即使在工作日也会出现严重排队。增加充电桩数量或提升充电功率（如采用400 kW以上的快充技术）均可有效缓解排队问题，但收益增长随扩容幅度增加而递减，这为HCS的扩容规划提供了量化依据。
效率与精度分析
在计算效率方面，基于宏观MCTM的模拟方法具有较高的计算效率，在测试系统上的仿真时间约为1.5秒，且计算复杂度与网络规模成多项式关系，空间复杂度为常数级。在精度方面，与传统的M/M/S/C方法相比，基于SBC方法的模拟误差在EV渗透率高达30%时仍低于0.1%，而传统方法的误差达到4.6%，凸显了SBC方法在处理充电拥堵场景下的精度优势。
综上所述，该研究提出的高速公路EV充电负荷模拟方法，成功解决了高交通流量下道路拥堵和充电排队积压的模拟难题。通过整合MCTM交通流模型、嵌套Logit充电选择模型和SBC排队模拟方法，实现了对充电负荷时空分布及排队现象的精准刻画。案例研究验证了该方法在模拟交通拥堵影响、分析定价策略效应、评估充电设施扩容方案等方面的有效性和优越性。该方法为高速公路充电站的科学规划、优化运营和合理定价提供了重要的分析工具和决策支持，有助于推动电动汽车在长途出行场景下的可持续发展。未来研究可进一步结合博弈论分析HCS与EV用户的互动，并综合考虑投资成本，以解决HCS的选址和定价联合优化问题。
