基于大数据的新能源充电场站动态定价方法

郭晶

(四川中电启明星信息技术有限公司 四川成都 610041)

国家推行“打赢蓝天保卫战”“节能减排、清洁低碳”“新能源汽车产业规划”“新基建”等系列政策推进推动新能源汽车产业中长期持续稳定发展。根据《新能源汽车产业中长期发展规划（2021—2035年）》（征求意见稿）的行业预测，2025 年新能源汽车销量将占到当年汽车总销量的25%，预计超过700万辆，保有量将超过2 000万辆。目前新能源汽车存在续航里程问题，能够及时快速地进行充电是用户的迫切需求。社会建设了大量充电基础设施满足用户充电需求，但由于充电场站建设投资大，项目回收周期长，加之新能源汽车整体存量较小和车桩错位布局导致充电设施平均利用率普遍不足10%[1]，充电场站盈利空间有限。充电运营商从重建设慢慢转向重运营，不断完善和提升运营能力，而吸引更多的用户，提升充电场站的用户规模，提升充电桩利用率是充电运营商盈利的关键，其中动态合理的充电定价是精益化运营的重要手段[2-3]。

目前，充电场站定价方面的研究还较少，大多只考虑了部分影响因素，存在一定局限性。中国专利申请CN202010018776.1公开了一种用于调控电能质量的电动汽车充电站动态定价方法，该方法通过制定合理的服务费价格，达到调控电能质量的效果,使电动汽负载接入电网造成的网损和电压偏移影响最小；中国专利申请CN 201911029156.1 提出了一种考虑车、站、网三方的充电站定价方法，该方法通过标量化方法多次求解凸优化模型以得到车、站、网三方博弈均衡解，从而制定充电价格，促进电动汽车用户、充电站运营商和配电网运营商的有序互动，实现车、站、网三方共赢；中国专利申请CN201911022924.0 提出一种基于博弈论的电动汽车充电实时定价方法，该方法基于博弈论的电动汽车充电实时定价方法，考虑充电站的调峰作用，电动汽车充电站制定的充电电价实时反映充电站负荷变化水平，能够有效改善电网侧负荷水平，提高博弈双方的经济效益；中国专利申请CN 201910330567.8公开了基于泛在感知技术的电动汽车充电实时定价方法，该发明提出了一种基于泛在电力物联网技术分析电动汽车实时充电需求的方法，并结合配电网实时运行状态的约束进行充电电价的实时调整。这些研究大多关注电网侧诉求，未能充分考虑充电运营商诉求。因此，研究合理的定价方法，为充电站的精益运营提供科学指导，以确保场站投资收益具有重要意义和实用价值[4-6]。

该文提出了一种基于大数据的新能源汽车充电场站动态定价方法，通过充电场站的运营数据，计算充电场站服务区域内电动汽车充电的出行成本、场站建运成本、购电成本等，获得充电场站的综合成本，通过场站毛利率反推出运营保底售电价。通过大数据分析然后充电场站竞争对手的运营价，通过加权计算生成充电场站日常运营最优价，再结合充电场站的负载进行价格的动态调整。

1 充电场站定价方法概述

该文以盈利为落脚点进行精益运营，充分考虑用户出行成本和竞争对手定价策略，结合已经运营场站的历史数据和经验，提供一种基于大数据的新能源汽车充电场站动态定价方法，图1是定价方法流程图。

图1 定价方法流程图

（1）计算充电场站服务区域内电动汽车充电的出行成本。

（2）结合运营场站的历史数据和经验，计算充电场站的成本、收入、毛利率，其中充电场站成本考虑用户的出行成本。根据投资方的最低毛利率要求，计算出保底售电电价。

（3）获得充电场站服务区域内的竞争对手日常运营平均充电电价，结合各个充电场站的服务水平，得到竞对运营参考价。

（4）对保底售电电价和竞对运营参考价进行加权计算，得到场站日常运营最优电价。

（5）结合场站的负载情况，对运营充电电价进行动态调整。

2 定价方法详细说明

2.1 计算用户出行成本

根据充电站历史运营数据,获得充电场站i在k公里范围内的具有充电需求的电动汽车概率分布，充电站历史运营数据包括电动汽车充电电量需求、充电时间、充电次数、充电费等。

根据电动汽车距离充电站距离以及充电站运营的平均电价计算电动汽车用户对充电站选择的出行成本。通过电动汽车从充电需求点行驶到充电站的距离折算出电量耗费，再利用行驶过程中消耗的电量和历史平均充电电价计算用户出行成本，设定表示电动汽车到充电场站i充电的年出行成本。则

式（1）中，dij表示电动汽车j到充电站i的直线距离；αij表示电动汽车j到充电站i的曲折系数，l表示单位电量下电动汽车的平均行驶里程，price表示通过充电场站运营数据得到的平均充电电价。

2.2 计算运营保底价

2.2.1 计算充电场站成本

2.2.2 生成运营保底价

2.3 竞对运营参考价

通过调研与收集，获得充电场站i在k公里范围内的竞争对手日常运营充电电价，经过大数据分析处理取最近一周的充电平均电价，设定pjd代表竞争对手的充电平均电价。

竞争对手在进行优惠促销活动的电价不足以代表日常运营电价，如有营销活动，pjd取最近一个月除活动外日期的平均运营电价。

对充电场站i在k公里范围内的充电场站进行服务调研，邀请客户进行服务评价并进行打分排名。结合打分情况记充电场站i的服务打分排名为a,总充电场站数量记为g，考虑充电场站的服务质量的运营参考价格记为pck,则pck=pjd×，可见充电场站i的服务质量越高，参考价越高。

2.4 生成场站运营最优电价

设定pz表示充电场站i的日常运营最优电价，通过运营保底价ps和竞对运营价格pjd加权计算得到。pz=ps×μ+pjd×ν，其中，μ、ν为运营保底价和竞对运营价的权重，满足μ+ν=1。

2.5 动态调整运营电价

与电动汽车的电池管理系统对接，可以获得电动汽车的待充电电量，根据充电站服务的电动汽车的待充电电量，可确定充电站的电动汽车负载。设定Li代表充电场站i的当前负载，LoadThresholdZ代表充电站负载过重阈值，如果Li≥LoadβThresholdZ，则调高售电电价，得到售电电价pz=pz×(1+α)，α为涨幅比例因子；LoadThresholdD代表充电站负载过轻阈值，Li≤LoadThresholdD，则调低售电电价，得到售电电价pz=pz×(1-β)，β为降价比例因子。

3 算例分析

根据充电站历史运营数据,获得充电场站i在k公里范围内的具有充电需求的电动汽车概率分布，充电站历史运营数据包括电动汽车充电电量需求、充电时间、充电次数、充电费等[7-8]。该例中k取为3。根据电动汽车距离充电站距离以及充电站运营的平均电价计算电动汽车用户对于充电站选择的出行成本。按照公式进行计算，其中，δ按2%考虑，ε按4%考虑。之后计算充电场站的收入，毛利率按20%考虑，则ps为1.05。按照步骤3获得充电场站服务区域内的竞争对手日常运营平均充电电价，设服务区域内有10 个充电场站，该场站服务排名为6，按公式得到竞对运营参考价pck为0.96。按照步骤4 对保底售电电价和竞对运营参考价进行加权计算，该例中μ和ν分别取值为0.6 和0.4，根据前述计算，可以得到pz=1.05×0.6+0.96×0.4=1.01。

与电动汽车的电池管理系统对接，可以获得电动汽车的待充电电量，根据充电站服务的电动汽车的待充电电量，可确定充电站的电动汽车负载。设定Li代表充电场站i的当前负载，LoadThresholdZ代表充电站负载过重阈值，如果Li≥LoadβThresholdZ，则调高售电电价，得到售电电价pz=pz×(1+α)，α为涨幅比例因子；LoadThresholdD代表充电站负载过轻阈值，Li≤LoadThresholdD，则调低售电电价，得到售电电 价pz=pz×(1-β)，β为降价比例因子。该例中设LoadThresholdZ为70%，Li为75%属于负载过重情况时，进行涨价调整。设定α为5%，则得到售电电价pz=1.01×(1+5%)=1.06。

4 结语

电动汽车用户选择充电站是考虑充电的出行成本，充电电价、充电服务等诸多因素，该文结合投资方的收益要求、周边竞对价格与服务、场站的负载情况进行实时动态的价格调整与优化。在计算充电场站综合成本时包括了电动汽车充电的出行成本，以便平衡充电场站盈利诉求和用户降低出行成本诉求；通过充电场站毛利率倒推出运营保底价，综合竞争对手的运营价格和服务质量得到竞对参考价，再通过运营保底价和竞对参考价加权计算得到日常运营最优价。这样综合考虑了充电场站的投资收益率和竞对的竞争压力，使其在众多场站中保持竞争优势，并能够根据投资方要求和周边环境变化进行动态调整；最后场站价格会随场站负载情况动态调整，根据价格调整为用户提供更好的服务。该文综合考虑了充电场站的投资回报诉求、周边竞争压力与场站负载，根据运营大数据分析情况进行动态调整，以吸引更多的用户，提升充电用户规模，提高充电场站的运营能力和服务水平，提升场站的盈利能力。