电动汽车日充电曲线预测方法_艾学勇
电动汽车充电需求预测算法及其应用研究
电动汽车充电需求预测算法及其应用研究随着人们生活水平的提高，汽车消费已经成为人们日常生活中不可缺少的一部分。
然而，随之而来的问题也确实不少。
其中最为突出的就是环境问题和能源问题。
对于环境问题，众所周知，汽车引擎燃烧化石燃料会排放大量有害气体，导致空气污染；对于能源问题，传统燃油车使用非可再生能源，而在短期内，全球石油储量距离枯竭的边缘越来越近。
在这样的一个背景下，电动汽车成为了解决这些问题的一个非常好的方式。
然而，电动汽车的充电问题仍然是消费者最为关心的问题之一。
由于电池容量的限制，以及充电站数量的不足，电动汽车的续航里程和充电时间是一些消费者优先考虑的问题。
本文借鉴大量的文献研究，探究电动汽车充电需求预测算法及其应用研究。
一、需求预测算法1.1 ARIMA模型ARIMA模型是一种用于时间序列数据进行预测的模型。
该模型将序列中的当前值表示为过去值、前期误差和随机误差的组合。
它适用于具有稳定的均值和方差的时间序列数据。
在应用电动汽车充电需求预测时，可以使用ARIMA模型进行充电需求的预测。
1.2 BP神经网络模型BP神经网络模型是一种广泛应用于各种行业的预测模型。
该模型利用一组输入特征来预测一组输出特征。
在充电需求预测中，可以使用BP神经网络模型来预测充电需求量。
调整网络输入参数和神经元之间的连接权重可以改变模型的性能。
1.3 群体智能模型群体智能模型是集合各种优秀算法和技术为一体的模型。
该模型基于智能优化和协作学习，可以处理各种复杂问题。
在充电需求预测中，可以使用群体智能模型来进行充电需求预测。
各种算法通过协作学习，逐步迭代，提高预测准确度。
二、算法应用研究2.1 充电需求评估通过对电动汽车充电需求进行预测，可以确定这些需求的数量和位置，从而更好地安排充电站的建设和布局，提高充电站的使用效率和整体服务水平。
2.2 充电策略制定在很多城市，电动汽车充电的策略并没有得到很好的制定和执行。
通过电动汽车充电需求预测，可以确定最佳的充电策略，将充电站的使用效率提高到最大。
基于聚类分析的电动汽车充电负荷预测方法
王 睿 1，高 欣 1，李军良 2，徐建航 2，艾冠群 1，井 潇 1
(1.北京邮电大学自动化学院，北京 100876；2.南瑞集团有限公司/国网电力科学研究院有限公司，北京 100192)
摘要：准确预测电动汽车充电负荷是研究大规模电动汽车接入对电网影响的基础，现有充电负荷预测方法缺乏考 虑路况拥堵因素对电动汽车荷电量的影响。提出了一种基于聚类分析的电动汽车充电负荷预测方法，在分析常规 充电负荷影响因素并初步建立概率分布模型的基础上，对每段行程的行驶里程和行驶时间构成的二维出行特征数 据进行聚类分析。挖掘常规统计数据无法得到的道路拥堵因素，考虑不同路况条件下道路拥堵因素对电动汽车荷 电状态的影响并叠加该变量到负荷预测模型中。以北京市为例分别预测并比较分析了工作日、周末、夏季、冬季 电动汽车日充电负荷曲线。计算结果表明该方法可在一定程度上提高充电负荷预测的精确度。 关键词：电动汽车；负荷建模；充电负荷预测；聚类分析；路况拥堵因素
This work is supported by Science and Technology Project of State Grid Corporation of China (No. 52110417001G). Key words: electric vehicle; forecasting model; charging demand forecast; clustering analysis; traffic congestion factor
Electric vehicle charging demand forecasting method based on clustering analysis
WANG Rui1, GAO Xin1, LI Junliang2, XU Jianhang2, AI Guanqun1, JING Xiao1 (1. School of Automation, Beijing University of Posts and Telecommunications, Beijing 100876, China;
一种基于电动乘用车应用特征的充电分布预测方法[发明专利]
![一种基于电动乘用车应用特征的充电分布预测方法[发明专利]](https://img.taocdn.com/s3/m/4a383503172ded630a1cb6ed.png)
专利名称：一种基于电动乘用车应用特征的充电分布预测方法专利类型：发明专利
发明人：惠琪,赵翔,吕晓荣,耿群锋,戴敏,夏华,张卫国
申请号：CN201510473999.6
申请日：20150805
公开号：CN105160418A
公开日：
20151216
专利内容由知识产权出版社提供
摘要：本发明涉及到插电式电动乘用车所需离散分布的电动乘用车充电设施统一管理方法，保障电动乘用车可靠、灵活充电，同时满足电网负荷调节特性需求。
本发明目的是根据插电式电动乘用车运行特征预测电动乘用车充电分布规律，提供一种电动乘用车充电分布预测方法，用于为充电服务运营、充电设施建设以及配电网规划解决电动乘用车充电无序分布问题，为有效节省投资浪费与合理化资源配置提供参考依据。
申请人：国家电网公司,国电南瑞科技股份有限公司,国网山东省电力公司电力科学研究院,国电南瑞南京控制系统有限公司
地址：江苏省南京市高新区高新路20号
国籍：CN
代理机构：南京苏高专利商标事务所(普通合伙)
代理人：张弛
更多信息请下载全文后查看。
电动汽车充电需求预测与规划研究
电动汽车充电需求预测与规划研究近年来，电动汽车的销量呈现快速增长的趋势，同时也带来了对充电基础设施的需求。
为了满足不断增长的电动汽车充电需求，充电需求的预测与规划显得尤为重要。
本文将对电动汽车充电需求的预测与规划进行研究，以期提供可行和有效的解决方案。
一、电动汽车充电需求的预测方法1.数据分析法通过收集和分析大量的电动汽车充电数据，包括充电站的使用频率、充电时间、充电量等信息，可以建立充电需求的模型。
利用历史数据和趋势分析，可以预测未来充电需求的增长趋势，在制定充电规划时提供定量参考。
2.用户需求调研法通过对电动汽车用户进行问卷调查、访谈等形式的调研，了解用户的充电行为、充电习惯、充电时间、充电地点等信息，可以更准确地预测充电需求。
此外，还可以通过调研了解用户对于充电服务的需求和期望，从而为充电规划提供重要依据。
3.交通网络模型法利用交通网络模型，包括交通流模型和充电网络模型，对城市交通特征进行分析和模拟，评估不同区域的充电需求。
可以综合考虑交通状况、人口密度、用电需求等因素，预测不同区域的充电需求，并优化充电站的布局和分配。
二、电动汽车充电需求的规划方法1.充电站布局规划根据充电需求的预测结果，合理规划充电站的布局和分布。
需要考虑到不同区域的充电需求差异，例如商业区、住宅区、交通枢纽等，以及道路网络的覆盖和连接情况。
充电站的布局应尽可能满足用户的充电需求，提高充电设施的可达性和利用率。
2.充电设施建设规划在充电需求的基础上，制定充电设施的建设规划。
需考虑到充电桩的数量、功率、类型等参数，并结合充电站的布局和地理条件进行优化。
根据充电设施的建设规划，可以提前预留用地和资源，确保充电设施的可持续发展。
3.智能化管理与服务充电需求的规划不仅仅关注基础设施的建设和布局，还需要结合智能技术和管理手段进行有效的运营管理。
通过构建充电网络的信息化平台，实现充电设施的实时监控与管理，可以更好地满足用户的充电需求，并提供更便捷的充电服务。
电力系统运行中电动汽车充电需求预测方法研究
电力系统运行中电动汽车充电需求预测方法研究随着电动汽车的普及，对电力系统的影响也越来越大。
在电动汽车充电需求预测方面，根据过去的数据和趋势，能够有效地提高电力系统的运行效率，减轻负荷压力，优化电力调度和能源消费。
一、电动汽车充电行为特征分析在开始研究电动汽车充电需求预测方法之前，首先需要对电动汽车充电行为特征进行深入了解。
通过对用户充电时间、充电功率、充电持续时间、充电社交网络、充电地点等方面进行研究和分析，可以掌握电动汽车用户的需求特征及其变化规律。
因此，最终得出的模型应该能够对不同类型的车辆和用户有所区分，以便更好地准确预测电动汽车充电需求。
二、电动汽车充电需求预测的模型然而，电动汽车充电需求预测是一个复杂的问题，因为它涉及许多不确定因素，例如用户充电时间、天气、充电设施可用性、电动汽车数量等。
因此，对于电动汽车充电需求预测问题，开发适当的预测模型非常重要。
我们可以采用数据挖掘、机器学习、神经网络、时间序列预测和基于规则的方法等不同的方法。
在这几种方法中，最常用的是基于时间序列预测的方法。
这种方法旨在根据过去的数据和趋势来预测未来的需求。
它还考虑了各种因素之间的相互作用，并用数学模型来描述这些变化。
这种方法可以通过对许多历史数据一段时间内进行分析，得出算法模型，进而用它来预测未来的需求。
三、电动汽车充电需求预测中的问题虽然电动汽车充电需求预测方法与其他时间序列预测方法相似，但其具有许多与之相关的问题，例如建模的复杂性、数据质量、不及时的数据收集等。
此外，通常我们很难找到足够数量和质量的历史数据，以便进行数学建模。
根据电动汽车的充电需求，我们可以使用两种不同的模型：多变量预测模型和单变量预测模型。
多变量模型使用其他相关变量，如天气等，来预测电动汽车充电需求。
单变量模型仅使用充电数据进行预测。
将这两种方法相结合可以更好地提高预测准确性和稳定性。
四、未来展望随着越来越多的电动汽车进入市场，像充电站的增加和更新，充电技术的发展，以及更多的数据将会被收集和存储，这将使得电动汽车充电需求预测变得更加准确和精确。
电动汽车充电需求预测与优化模型研究
电动汽车充电需求预测与优化模型研究一、绪论随着环境保护意识的增强和汽车工业的发展，电动汽车已成为未来交通出行的重要选择。
电动汽车的充电需求预测与优化模型的研究对于电动汽车产业的发展具有重要意义。
本文将围绕这一主题展开探讨。
二、电动汽车充电需求预测模型1. 历史数据分析法通过对历史数据的分析，可以获得电动汽车充电需求的一些规律和趋势，进而进行预测。
例如，可以通过分析用户充电行为、充电时段和充电地点等因素，建立充电需求的数学模型，并进行预测。
2. 基于统计学方法的预测模型统计学方法可以通过对样本数据进行统计推断，预测电动汽车的充电需求。
例如，可以利用回归分析、时间序列分析等方法对充电需求进行建模和预测。
3. 基于机器学习方法的预测模型机器学习方法可以通过对大量数据的学习，自动发现数据中的模式和规律，进而进行充电需求的预测。
例如，可以利用神经网络、支持向量机等机器学习算法进行预测。
三、电动汽车充电需求优化模型1. 充电基础设施布局优化模型通过对电动汽车充电基础设施的布局进行优化，可以最大程度地满足充电需求。
例如，可以利用线性规划、整数规划等方法，优化充电站点的选址和规模，以减少用户的出行距离和等待时间。
2. 充电时段优化模型通过对电动汽车充电时段的优化，可以充分利用电力系统的闲置容量，并避免电力系统峰值负荷过高。
例如，可以利用动态规划、遗传算法等方法，确定合理的充电时段，并进行充电负荷平衡。
3. 充电策略优化模型通过对电动汽车充电策略的优化，可以最大限度地提高充电效率和用户的出行质量。
例如，可以利用强化学习、蒙特卡洛模拟等方法，确定合理的充电策略，以平衡用户的出行需求和电网的供需匹配。
四、模型研究应用与展望1. 应用案例：某城市电动汽车充电需求预测和优化通过对某城市的电动汽车充电需求进行预测和优化，可以为该城市的充电基础设施规划和运营提供依据。
例如，可以根据预测结果优化充电站点的布局，提供更便利的充电服务，提高用户的出行质量。
电动汽车充电需求预测研究
电动汽车充电需求预测研究1. 引言近年来，随着环保意识的增强和能源危机的威胁，电动汽车作为替代传统燃油车辆的一种清洁能源交通工具，受到了越来越多的关注和推广。
然而，由于电动汽车充电设施建设滞后和用户对充电需求的不断增长，如何准确预测电动汽车的充电需求成为了迫切而重要的研究课题。
2. 相关研究回顾在电动汽车充电需求预测研究领域，已经有了一些相关的工作。
某些研究使用时间序列分析方法，通过对历史充电数据进行建模和预测，提供了一种基于统计的预测方法。
其他研究则使用数据挖掘技术，通过对充电需求的影响因素进行分析，结合大数据的运用，实现预测模型的建立。
3. 充电需求影响因素分析在进行电动汽车充电需求预测之前，首先需要分析充电需求的影响因素。
这些因素可以分为静态因素和动态因素两类。
静态因素包括用户数量、充电设施分布和充电设施累积容量等，而动态因素则包括季节变化、天气状况、用户行驶里程和电动汽车推广政策等。
4. 充电需求预测模型建立在充电需求预测模型的建立过程中，可以采用统计学方法、机器学习方法和深度学习方法等。
具体而言，可以借助时间序列分析模型，如ARIMA、SARIMA等，对历史充电数据进行建模和预测。
另外，也可以应用机器学习方法，如回归分析、神经网络等，通过建立充电需求与影响因素之间的关系模型，实现精确预测。
5. 数据挖掘与大数据分析数据挖掘技术和大数据分析在电动汽车充电需求预测中起着重要作用。
通过对大量的充电需求数据进行收集和分析，可以发现隐藏在数据背后的规律和趋势，从而提高预测模型的准确性和可靠性。
同时，数据挖掘可以帮助筛选和优化影响因素，进一步改进和精简预测模型。
6. 充电需求预测应用场景充电需求预测可应用于电动汽车充电设施规划、电网负荷调度和能源供应等领域。
通过准确预测充电需求，可以合理规划和布局充电设施，提高充电效率和用户体验。
同时，预测结果还可以作为电网运营商进行负荷调度的依据，协调电动汽车充电需求与电网供电能力之间的平衡。
电动汽车日充电曲线预测方法
电动汽车日充电曲线预测方法艾学勇;顾洁;解大;金之俭;艾芊【期刊名称】《电力系统及其自动化学报》【年(卷),期】2013(025)006【摘要】随着能源问题和环境问题日益严重,电动汽车将会在未来一段时间迅速发展,并成为电力系统重要的新型负荷.预测电动汽车日充电曲线,对于电力系统优化运行和合理调度具有重要意义.对影响电动汽车日充电曲线变化规律的因素进行分析,以国外统计资料为基础,通过对电动汽车起始充电时刻和日行驶里程概率分布的分析,建立了电动汽车日充电曲线预测模型,以上海市未来电动汽车发展规划为依据,对其电动汽车日充电曲线进行预测分析,比较工作日和非工作日、统一电价和分时电价对电动汽车日充电曲线的影响.【总页数】6页(P25-30)【作者】艾学勇;顾洁;解大;金之俭;艾芊【作者单位】上海交通大学电气工程系电力传输与功率变换控制教育部重点实验室,上海200240;上海交通大学电气工程系电力传输与功率变换控制教育部重点实验室,上海200240;上海交通大学电气工程系电力传输与功率变换控制教育部重点实验室,上海200240;上海交通大学电气工程系电力传输与功率变换控制教育部重点实验室,上海200240;上海交通大学电气工程系电力传输与功率变换控制教育部重点实验室,上海200240【正文语种】中文【中图分类】TM744;TM732【相关文献】1.高速公路电动汽车充电站日充电负荷随机模糊建模 [J], 马瑞;叶浏青;秦泽宇2.基于时刻充电概率的电动汽车充电负荷预测方法 [J], 王浩林;张勇军;毛海鹏3.基于WNN与FCM的电动汽车动态充电负荷预测方法 [J], 张天培;王成亮;崔恒志;郑海雁;杨庆胜;卞正达4.基于WNN与FCM的电动汽车动态充电负荷预测方法 [J], 张天培;王成亮;崔恒志;郑海雁;杨庆胜;卞正达5.基于网格划分的电动汽车充电负荷预测方法 [J], 袁小溪;潘鸣宇;段大鹏;李香龙;陈海洋因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第25卷第6期2013年12月电力系统及其自动化学报Proceedings of the CSU-EPSAVol.25No.6Dec.2013电动汽车日充电曲线预测方法艾学勇，顾洁，解大，金之俭，艾芊（上海交通大学电气工程系电力传输与功率变换控制教育部重点实验室，上海200240）摘要：随着能源问题和环境问题日益严重，电动汽车将会在未来一段时间迅速发展，并成为电力系统重要的新型负荷。
预测电动汽车日充电曲线，对于电力系统优化运行和合理调度具有重要意义。
对影响电动汽车日充电曲线变化规律的因素进行分析，以国外统计资料为基础，通过对电动汽车起始充电时刻和日行驶里程概率分布的分析，建立了电动汽车日充电曲线预测模型，以上海市未来电动汽车发展规划为依据，对其电动汽车日充电曲线进行预测分析，比较工作日和非工作日、统一电价和分时电价对电动汽车日充电曲线的影响。
关键词：电动汽车；保有量；充电时间；日行驶里程；充电模式；日充电曲线；分时电价；预测中图分类号：TM744；TM732文献标志码：A文章编号：1003-8930（2013）06-0025-06Forecasting Method for Electric Vehicle Daily Charging CurveAI Xue-yong ，GU Jie ，XIE Da ，JIN Zhi-jian ，AI Qian（Key Laboratory of Control of Power Transmission and Transformation ，Ministry of Education ，Department of Electrical Engineering ，Shanghai Jiao Tong University ，Shanghai 200240，China ）Abstract ：As the energy and environmental problems become more and more serious ，the electric car will develop well and become important load of power system in the future.Forecasting the daily charging curve of electric vehicle is sig －nificantly meaningful to the optimal operation and rational dispatch of power system.The factors which influence the daily charging curve of electric vehicles such as electric vehicles ′charge time and daily trip distance were analyzed ac －cording to foreign statistics.The model to forecast electric vehicles ′charging curve ，was built and the impacts of the workday and nonworkday ，unified price and time-of-use electricity price on the daily curve were also evaluated based on the development plan of the electric vehicle in Shanghai.Key words ：electric vehicle ；possession ；charge time ；daily trip distance ；charging mode ；daily charging curve ；time-of-use electricity price ；forecast收稿日期：2012-04-20；修回日期：2012-11-08基金项目：国家高技术研究发展计划（“863”计划）（2011AA05A108）面对交通运输业对石油资源的过度消耗所引发的能源问题以及燃油汽车尾气排放所造成的环境问题，电动汽车以其良好的节能、环保特性正成为现今国际汽车发展的潮流和重点关注的方向[1]。
随着电动汽车的不断发展，其充电需求将成为电力系统负荷的重要组成部分。
对于电动汽车充电方面的研究，取得了一定的成果[2~9]。
文献[2]在一定假设条件下，根据燃油车的统计数据，考虑了部分随机因素的概率分布，建立了电动汽车功率需求的统计模型。
用蒙特卡罗仿真方法求得单台电动汽车功率需求的期望和标准差，进而给出多台电动汽车总体功率需求的计算方法。
文献[3]采用蒙特卡洛仿真方法对电动汽车充电时的需求特性和电动汽车接入网络时的放电容量曲线做了研究，之后分析了电动汽车单向无序充电和V2G 下对系统负荷、网损和电压的影响。
文献[4]分析了电动汽车充电设施建设应考虑的因素，对电动汽车充电设施需求预测方法进行了初步探讨，包括电动汽车保有量预测、各类车型日均耗电需求预测、电动汽车充电站和充电桩需求预测。
上述文献所建立的模型存在一定的不足，如部分拟合曲线和原始数据吻合度不高；假定电动汽车为恒功率充电会带来一定误差；电动汽车每天充电这一假设与实际情况不符等。
电力系统及其自动化学报第25卷本文将以国外统计资料为基础，分析影响电动汽车日充电曲线的各个因素，在得出电动汽车起始充电时刻和日行驶里程的概率分布的基础上，建立电动汽车日充电曲线预测模型。
在建模过程中，不仅解决了其他文献的一些不足之处，而且比较了工作日和非工作日、统一电价和分时电价对电动汽车日充电曲线的影响。
然后以上海市电动汽车为算例，进行具体计算。
1影响电动汽车充电需求因素分析单辆电动汽车日充电曲线预测核心在于确定电动汽车何时开始充电、何时结束充电和以何种功率充电的问题，而大量电动汽车接入电网后，总体的充电曲线除了与上述因素有关外，还取决于电动汽车的保有量等因素。
电动汽车充电开始时刻、充电结束时刻主要反映了电动汽车的类型和电动汽车的用户行为；而其充电功率则与电动汽车的充电特性有关。
因此，概括而言，影响电动汽车充电需求的因素主要有电动汽车的保有量、电动汽车的类型、电动汽车的充电特性和电动汽车的用户行为。
少量电动汽车接入电网充放电对电网的影响很小，而大量电动汽车接入电网时，电网调度中心有必要采用集中控制模式对电动汽车充放电进行统一的调度和管理。
鉴于电动汽车的保有量对于充电负荷大小有着显著影响，而一个地区未来电动汽车的保有量作为地区社会经济及新能源产业发展的重要指标，相关部门对此将会有详细的分析预测与发展规划，本文不就电动汽车的保有量进行深入探讨，而直接根据国家工信部牵头制订的《节能与新能源汽车发展规划（2011—2020年）》[10]以及各省汽车保有量份额，得出2015年上海市电动汽车保有量的预测数值，进而进行该保有量水平下电动汽车日充电曲线的预测与分析。
由于公交车、工程车、邮政车等公用车通常具有固定的行驶特性和停放场所，其电力需求也可预计为较为固定的模式，而私人乘用车无论在行驶里程或用户充电行为上都更具随机性和灵活性。
因此，本文将以私人乘用车为研究对象，考虑其行驶特性。
电动汽车的充电特性是指充电时电池端电压随时间的变化情况，充电特性将影响单个电动汽车的充电负荷。
电动汽车的用户行为包括电动汽车的充电时间、日行驶里程和充电频率。
美国National Household Travel Survey（国家家庭出行调查，简称NHTS）[11]调查并统计了美国汽车使用者的行驶习惯。
假设电动汽车用户在完成一天最后一次出行返回家中后即决定是否开始充电，则根据NHTS的数据，可以得出电动汽车充电时间的概率分布。
行驶里程关系到电动汽车开始充电时电池的初始荷电状态SOC0，行驶里程越大，SOC0越小，行驶里程越小，SOC0越大。
同样根据NHTS的数据，可以拟合得出电动汽车日行驶里程的概率分布。
充电频率指电动汽车每天充电的次数，结合实际情况和电池的使用寿命，假设电动汽车在SOC0小于20%或剩余电量不足以完成随后一天的行程时开始充电。
2电动汽车日充电曲线的影响因素特征分析上文提出了影响电动汽车充电的各个因素，下面将对各个因素进行详细分析，进而建立电动汽车日充电曲线的预测模型。
2.1电动汽车的保有量分析与确定根据《节能与新能源汽车发展规划（2011—2020年）》，2020年全国电动汽车将达到500万辆。
同时根据中国国家统计局的年度民用汽车保有量统计数据，能够计算出每个区域电网所辖省份的汽车保有量份额。
假定各省电动汽车的保有量份额与普通民用汽车的份额相同，并且保持不变，那么能够计算出每个省市电网接入的电动汽车份额和数量。
据此，可以预测出2020年上海市电动汽车的保有量为8.4万辆。
2.2电动汽车的类型划分考虑到不同用途的电动汽车充电时间差异较大，因此将电动汽车按照不同用途划分为私人电动汽车和公用电动汽车两种类型，分别考虑其充电时间分布。
公用电动汽车是供公众使用的，这种电动汽车的重要特点是平均每天的行车时间相对较长，且其充电时间与用户习惯几乎没有关系，如公共电动汽车每行驶完一个行程，均需要充电或更换电池。
与公用电动汽车不同，私人电动汽车的运行方式比较灵活，接入电网时间与用户习惯密切相关，且通常在一天内90%的时间中乘用车是处于停驶状态。
因此，本文主要考虑私人电动汽车。
2.3电动汽车充电特性描述电池在一定电流下进行充电和放电时，都是用曲线来表示电池的端电压随时间的变化。
把这26··第6期些曲线称为该电池的特性曲线，用来表示蓄电池的各种特性。
充电时，电池的端电压V 由缓慢上升和急剧上升两部分组成，根据文献[12]的研究结论，典型电池充电特性曲线如图1所示。
可以看出，在充电起始阶段，电压端电压迅速上升，随着时间的延长，电压上升减缓，中间一段（SOC 在20%~80%之间）甚至可以抽象为一条水平的直线，即恒功率充电。
由此可见，可以用三分段函数近似模拟其充电特性。
2.4电动汽车起始充电时刻变化规律分析由于大多数大规模电动汽车充放电设施还在建设之中，尚无法得到我国电动汽车充放电行为的充分而可靠的历史数据。
因此，本文采用国外的相关调查数据作为研究基础。
美国NHTS 调查并统计了美国汽车使用者的行驶习惯。
考虑到中国与美国在工作时间上大体相同，为早9∶00至下午5∶00，可以认为两国电动汽车的充电时间具有相同的规律。