纯电动城市客车实际能耗及影响因素大数据分析

2022-03-03崔丁松刘荣先

客车技术与研究 2022年1期

刘鹏，李成，崔丁松，刘荣先，张钰

(1.北京理工大学重庆创新中心，重庆 401120； 2.交通运输部科学研究院，北京 100029；3.北京理工大学，北京 100081)

截至2020年底，我国纯电动城市客车总量约38万辆，在城市客车总量中占比约54%。纯电动城市客车推广应用中车辆性能参差不齐等问题较为突出，公交企业仅依靠车辆产品公告中的能耗等关键参数选购车辆，经常出现车辆投入使用后的实际表现与预期差异较大的现象。因此，迫切需要基于大量的实际运营数据，对纯电动城市客车的真实能耗及影响因素进行分析，为公交企业选型购车提供参考。

1 样本数据与能耗计算方法

本分析的原始数据来源于新能源汽车国家监测与管理平台(以下简称“平台”)采集的监测数据。该平台数据的采集标准为GB/T 32960.3—2016。截至2020年9月底，该平台已接入31个省、118家厂商、2 347种新能源客车车型，车辆数达到29万辆，其中纯电动客车273 717辆。本次分析涉及的样本数据车辆超过20万辆，覆盖了宇通、中通、中车、福田欧辉、厦门金旅等主流纯电动城市客车品牌，数据采集期为2019年和2020年。

本文第2部分中的实际能耗值根据该平台监测数据中的车辆行驶里程和充电量推算而来，百公里能耗计算方法见式(1)和式(2)，并利用3-方法剔除了异常数据。

(1)

式中：,是一种车型第辆车的第个SOC区间的百公里能耗,一种车型最大计算车辆数量为9 708辆，平均数量为127辆；表征不同起始SOC的充放电区间，例如SOC从50%至100%的充放电区间；、分别是统计时间段内的充电次数和行驶次数；,是一种车型的第个SOC区间第次的充电能量；,是第个SOC区间第次的行驶距离。

(2)

式中：是一种车型共辆车的平均百公里能耗；是第辆车SOC的有效计算区间的频数。

为体现不同时间段的车辆电耗的差异，本文引入百公里能耗标准差特征，计算公式见式(3)。

(3)

式中：百公里能耗标准差表征能耗在不同月份对均值的偏离程度；为一种车型在统计时间范围内的第月平均百公里能耗；为统计月份数，通常为12。

2 纯电动城市客车实际能耗影响因素分析

本节利用上节介绍的样本数据和能耗计算方法来计算纯电动城市客车的百公里平均能耗，并分析其影响因素。

2.1 车辆质量

能耗与车辆质量成正相关关系。由于本文数据库中无法获取实时的车辆质量数据，所以本文以对应的车辆整备质量来作为影响因素进行分析。而车辆的整备质量和车辆的长度又有一定的正相关关系。根据平台数据统计得到的车辆整备质量和长度关系如图1所示。通过多项式拟合，两个变量的关系为整备质量=1 363.4 kg/m×车辆长度-3 534.9 kg。参照全国新能源公交车比赛对不同车长的分类方法，并依据图1拟合曲线对能耗数据统计得到：

1) 6 m段(6～8 m)，其整备质量在3 040～6 600 kg范围内，平均能耗约为39.5 kW·h/100 km。其中能耗在20～30 kW·h/100 km内的占比为16.4%，30～40 kW·h/100 km内的占比为36.5%，40～50 kW·h/100 km内的占比为24.4%，50 kW·h/100 km以上的占比为21.5%。

2) 8 m段(8～10 m)，其整备质量在6 090～9 800 kg范围内，平均能耗约为51.3 kW·h/100 km。其中能耗在30～40 kW·h/100 km内的占比为13.7%，40～50 kW·h/100 km内的占比为38.0%，50～60 kW·h/100 km内的占比为23.7%，60 kW·h/100 km以上的占比为23.6%。

3) 10 m段(10～11 m)，其整备质量在8 800～13 350 kg范围内，平均能耗约为75.7 kW·h/100 km。其中能耗在50～60 kW·h/100 km内的占比为18.6%，60～70 kW·h/100 km内的占比为25.4%，70～80 kW·h/100 km内的占比为21.2%，80 kW·h/100 km 以上的占比为23.6%。

4) 12 m段(11～12 m)，其整备质量在10 200～16 700 kg范围内，平均能耗约为93.5 kW·h/100 km。其中能耗在60～70 kW·h/100 km内的占比为13.9%，70～80 kW·h/100 km内的占比为20.9%，80～90 kW·h/100 km内的占比为21.1%，90～100 kW·h/100 km内的占比为14.2%，100 kW·h/100 km以上的占比为25.0%。

图1 不同车辆长度与整备质量关系图

通过大数据统计可知，车辆长度每增加 1 m，车辆整备质量增加约1.5 t，车辆能耗平均增加约6.4 kW·h/100 km。由于车辆的整备质量及长度是静态定参数，不随时间发生变化，因此未计算。

2.2 交通拥堵程度

如图2所示，6 m段(A车型)覆盖170多个一线至五线的城市，其在一线城市的百公里能耗比五线城市的高出约13%；10 m段(B车型)覆盖15个一线至五线的城市，一线城市的百公里能耗比五线城市的高出约17%。大型城市的城市客车载客量更多、道路拥堵更严重是导致其能耗更大的主要原因。由于每个月份的交通拥堵情况相差不大，因此未在该节计算。

图2 交通拥堵程度对能耗的影响

2.3 气候条件

1) 环境温度因素。如图3所示，4个米段的车型均在18 ℃前后时能耗最低，低温和高温时能耗明显增加，且低温对能耗的影响更大。图中，为拟合曲线的拟合度，该数值介于0～1之间，越接近1代表曲线的拟合度越高。由于6 m段车辆在-20 ℃附近的采样数据样本较少，导致图中出现了在低温条件下百公里能耗先上升后下降的情况。能耗与环境温度的关系与时间段无关，因此未计算。

(a) 6 m段某车型

2) 季节因素。图4利用箱形图描述了不同季节不同长度车型的百公里能耗分布情况。图中箱体长度越长说明该车型不同车辆的百公里能耗差异性越大，车辆的季节适应性越差，即能耗的稳定性越差；矩形框中虚直线箱体为中位数，反映了在消除异常值后的百公里能耗的平均水平，该数值越大说明该车型的整体能耗值较高。

图4 各米段车辆不同季节的能耗分布及标准差

从图中可以看出，夏冬两季的百公里能耗中位数明显高于春秋两季；夏冬两季百公里能耗的上限与下限差值也大于春秋两季。可见车辆在低温、高温环境下的百公里能耗分布更加离散。一方面可能是使用空调制冷或制热导致了夏冬两季能耗整体趋势的上升，另一方面可能是动力电池低温性能较差。

不同长度车辆的分别为9.7、12.4、18.9和24.1。尽管标准差结果不能直接反映车辆性能的好坏，但可以反映对环境季节的适应性和稳定性。6 m段的最小，表明其能耗的季节波动性较低，环境适应能力较强。随着车辆长度增加，不同季节间的能耗差异也更大，车辆能耗水平的稳定性也越差。

3) 地域类型因素。如图5所示，以8 m段车辆为样本，统计在不同地理区域百公里能耗分布情况，结果分布形态差别较大：夏季，华北和东北地区的车辆百公里能耗分布明显低于华南和华东地区；冬季，东北地区的车辆百公里能耗分布明显高于其他地区。原因在于冬季南北方温度差异较大，低温导致电池的活性降低增加了能耗。此外，用户的空调制冷、暖风等操作也增加了华南地区高温条件下和东北地区低温条件下的能耗。本节主要考虑相同时段内不同地域类型因素下能耗的差异性，因此未计算。