DOI:10.13335/j.1000-3673.pst.2013.05.

009

第 37 卷 第 5 期 电 网 技 术 Vol. 37 No. 5
2013 年 5 月 Power System Technology May 2013
文章编号：1000-3673（2013）05-1190-06 中图分类号：TM 91 文献标志码：A 学科代码：470·40

电动汽车充电站负荷建模方法
杨少兵 1，吴命利 1，姜久春 1，赵伟 2
（1．北京交通大学 电气工程学院，北京市 海淀区 100044；
2．广东电网公司电力科学研究院，广东省 广州市 510080）

An Approach for Load Modeling of Electric Vehicle Charging Station

YANG Shaobing1, WU Mingli1, JIANG Jiuchun1, ZHAO Wei 2
(1. School of Electrical Engineering, Beijing Jiaotong University, Haidian District, Beijing 100044, China;
2. Electric Power Research Institute of Guangdong Power Grid Corporation, Guangzhou 510080, Guangdong Province, China)

ABSTRACT: To execute large-scale charging load forecasting 通过分析进站车辆流量对充电负荷的影响，提出了描述充电

and evaluate the influence of charging load on power grid, the 站负荷的 2 种建模方法：一种是在一定前提条件下快速计算
load modeling of electric vehicle (EV) charging station is an 充电负荷的数学公式；另一种是计及多种实际影响因素的动
element task for them. The load of charging station is related to 态过程仿真方法。进而阐述了负荷模型的应用方法和具体步
following factors: the flow of EV driven into charging station, 骤，以北京奥运电动公交充电站为例进行了仿真，并与实测
the duration of charging and charging capability of the station, 数据进行了对比验证。结果表明 2 种建模方法都能较好地描
so it presents a complex characteristics and it makes difficulties 述充电站负荷的变化规律，其中动态仿真方法能更准确地反
in the load modeling of charging station. Firstly, by means of 映多种因素对充电站负荷的影响。所提方法运算速度快、数
analyzing the influence of the flow of EV driven into charging 据接口清晰，可满足规模化电动汽车负荷仿真的要求。
station on charging load, two modeling methods based on the
description of load in charging station are proposed: one of 关键词：电动汽车；充电站；负荷模型；蒙特卡洛仿真
them is based on mathematical formula, by which the charging
0 引言
load can be rapidly calculated under certain preconditions, and
the another is a method based on the simulation of dynamic 发展电动汽车是解决能源危机、环境危机的重
process, in which multi practical influencing factors are taken 要手段，中国已经出台许多政策扶持和推动电动汽
into account; secondly, the application method of the load
车产业的快速发展，近几年在北京、上海、广州、
model and concrete steps of the application are expounded.
深圳等城市已经建成多座电动汽车充电站，电动汽
Taking the charging station for electric buses during Beijing
Olympic Games as the background, the load modeling process 车的推广应用进入了关键时期。就电动汽车的能源
is simulated and simulation results are compared with 补充方式而言，通常包括电池快换、快速充电和慢
measured data to verify the feasibility of the proposed methods. 速充电等，充电运营模式较为多样[1-3]，前 2 种方式
Simulation results show that both the proposed methods can 与日常交通流量有很大的关系，由此产生的充电负
describe the load variation of charging station well, and the
荷往往与已有的电力负荷峰段相叠加，产生新的负
dynamic simulation method can reflect the influences of multi
荷高峰，占用电网本不宽裕的热备容量，对电力系
factors on load of charging station more accurately.
统的安全运行造成威胁。因此，近期许多学者开始
KEY WORDS: electric vehicle (EV); charging station; load
研究规模化充电负荷对电网的影响及充电控制策
model; Monte Carlo simulation
略，为即将到来的电动汽车普及做好理论支持和技
摘要：电动汽车充电站负荷建模是开展规模化充电负荷预测
术储备[4-10]。其中，充电站负荷的预测理论及建模
及评估充电负荷对电网影响的基础工作，充电站负荷与电动
方法已经成为开展此类研究的基础。
车辆的进站流量、充电时长、充电能力等多种因素有关，呈
现出较为复杂的特征，这使得负荷建模存在许多难点。文章 现有研究文献中所涉及的充电负荷预测方法
可以分为 3 类：1）综合分析法，如文献[11]、文献
基金项目：国家 863 高技术基金项目(2012AA050211)。
The National High Technology Research and Development of China
[12]，首先根据发展趋势或规划来推测电动汽车的
863 Program (2012AA050211). 种类、运营方式及占比，然后估算电动汽车较大规
第 37 卷 第 5 期
模应用后的充电负荷数据；2）特定分析法，如文
献[13]和文献[14]，针对特定的电动汽车类型提出假
设条件，从而研究有限供电范围内充电负荷所产生
的影响；3）概率统计法，如文献[15]和文献[16]，
利用统计学理论描述电动汽车运行的主要参数，从
而计算得到服从预期概率分布的充电负荷数据。上
述方法侧重于定性分析和方法验证，不苛求负荷预
测的精度，建模方法的通用性受到较多限制。因此，
研究构建面向充电站或充电机集群负荷特性的数
学模型，具备明确且统一的控制变量，将有助于更
详细、更精确地计算充电负荷数据，可为电力系统
仿真分析提供支持。
电动汽车充电站或充电设备集群的负荷变化
情况受具体车流量、电池充电时长、电池起始荷电
状态(state of charge，SOC)、充电设备数量等多种
因素的影响，变化规律复杂，各个充电站的负荷曲
线形态差异很大，因此分段曲线拟合等参数识别方
法并不适用于描述其稳态模型，难以从本质上表征
充电负荷的一般性规律。本文从影响充电负荷变化
规律的进站车流量入手，研究电动车辆进站流量、
充电时长、充电站充电能力等对充电负荷的具体影
响，提出适用于充电站负荷快速计算的简化公式和
计及上述多种影响因素的仿真方法。进而分析充电
站负荷建模方法的适用条件和具体步骤，编制蒙特
卡洛仿真程序，与现场实测数据进行对比，从而验
证建模方法的有效性。
1 电动汽车充电负荷简化模型
如前所述，某一时刻的充电负荷与许多因素有
关，其中进站换电或充电的车流量随时间的变化情
况是决定性因素。本节对此进行具体研究，并做如
下假设以简化处理：1）充电站充电或换电能力充
足，任何待换或待充车辆均无需等候；2）所有待
充或待换电池组的剩余电量一致，充电功率和时长
相等；3）充电站未采取有序充电控制等干预策略。
通常，每天的车辆进站流量随时间呈现显著变
化，与交通规律有极大关联，难以用明确的数学公
式进行描述，一般由历史统计数据得到。假设某个
典型日的车辆进站流量可用以下公式描述：
d c  D (t )
式中：D(t)用于描述充电站进站车辆数量随时间的
变化情况；t 为时间，min，t=0 即表示每日的
00:00:00；dc 为车辆进站密度，辆/min。
电 网 技 术 1191
因此，t 时刻该充电站已接待的充电车辆总数
可采用对式(1)积分得到：
ns (t )  Int(  D(t )dt ) (2)
式中 Int 为取整函数。
设电池组的充电时长为 Tc，在此不计充电设备
准备或拆装电池所耗费的时间。则 t 时刻的充电总
功率只与在区间[tTc, t]内进站并正在充电的所有
车辆有关，其数量按下式计算：
t
nc (t )  Int(  D (t )dt ) (3)
t  t Tc
充电设备的工作周期通常包括 2 个阶段：恒流
限压和恒压限流，前者基本为恒定功率输出，时间
长，效率高，是主要充电方式；后者处于充电结束
期，功率会逐级减小。随着电池和充电技术的发展，
恒压限流阶段趋向于缩短或取消，从而提高充电速
度及其综合效率。因此，可将一辆车的充电有功功
率设为恒定值 p(单位 kW)，则 t 时刻充电站的有功
功率为
t
ps (t )  p  Int(  D (t )dt ) (4)
t  t Tc
式(4)是计算充电站负荷的简化公式，输入电动
汽车进站流量曲线，便能快速计算出任意时刻的有
功功率，无功功率可根据充电设备功率因数进行推
算。该公式适用于描述充电或换电能力充足、电池
类型一致、充电时长差异不大的充电站。
然而，要更精确地仿真或预测充电站的负荷就
需要考虑充电能力、充电时长差异对模型的影响，
还要计及充电能力控制策略对充电负荷的影响。下
文进行详细探讨。
2 考虑复杂因素影响的充电负荷模型
2.1充电时长差异的影响分析
在实际应用中，进站电动车辆的电池组的剩余
电量各不相同，使得在相同充电设备上的充电时间
有长有短，这与车辆载重、行车距离、路况及驾驶
操作等诸多随机因素有关，随着样本空间增大，充
电时长成为由若干随机因素所决定的事件，由大数
定律和中心极限定理可知，其概率统计结果会近似
服从正态分布。因此，充电时长可用高斯公式描述：
(1)  (T  T ) 
F (Tx )  exp[  x c ] (5)
π 
式中：Tx 为充电时长变量；为方差；Tc 为充电时
长均值。上式也可用正态函数 N(Tc, 2)描述。
1192 杨少兵等：电动汽车充电站负荷建模方法 Vol. 37 No. 5

以北京奥运公交充电站为例，2010 年 9 月期间 n2n1。

的充电过程共计近 4 000 次，基于充电监控系统的 4）统计满足 ti+Ti>t 的车辆总数 nc，其中 i 属
详细数据记录，得到充电时长的概率统计结果如图 于整数区间[n1+1, n2]，nc 即为考虑充电时长差异的
1 所示，充电时长的单位为 min。采用式(5)并利用 t 时刻在充车辆数量。
最小二乘法进行非线性曲线拟合，结果为 N(122.8, 5）根据在充车辆数量 nc 计算得到 t 时刻充电
2
17.4 )，即充电时长均值为 122.8 min。表征曲线拟 总功率。如需计算下一时刻充电功率则继续第 3 步。
合效果的决定系数达到 0.99，吻合程度很高，可见 采用上述处理方法便可对充电时长随机变化
采用正态函数能非常准确地描述充电时长的概率 情况下的充电站负荷规律进行分析，计算结果将更
分布规律。 接近实际情况。
0.02 2.2考虑充电能力限制等多种因素的动态仿真
随着电动汽车数量快速增加，提供电能补充服
概率密度

务的快换式、快充式、慢充式等充电站都可能遇到充
0.01
电能力不足的问题，无法实现进站即充或即换，造成
电动车辆排队等候。同时，未来将有越来越多的充电
0.00
80 120 160 站采用适当的充电控制策略，限制电网负荷高峰时段
充电时长/min 的充电能力，从而响应电网削峰填谷的要求，同时节
图 1 北京奥运公交充电站电池组充电时长概率分布
省电费支出以实现经济运行。上述情况都将使简化公
Fig. 1 Probability density of charging period of batteries
式无法准确反映充电负荷的实际情况。
由于进站充电车辆的充电时长各不相等，采用
通常，控制充电站充电能力的方法有 2 种：一
式 (3) 描述某个时刻正在充电的车辆总数与实际情
种是控制充电设备的投运数量，另一种是控制每台
况将存在差异，充电时长变长则实际数量应略多，
充电设备的输出功率。其中，前者可以预先设定每
充电时长变短则实际数量应略少。通过前述分析，
种典型日的各个时段的充电设备投运数量限值，由
充电时长在样本较大空间应服从正态分布，由于正
充电监控系统实时统计充电设备投运数量，与已设
态分布曲线以其均值为中心左右完全对称，由充电
定的限值进行比较并进行开关机操作，从而达到控
时长不等所造成的某时刻充电车辆总数偏少或偏
制目的。相对于后者，该方法对充电设备的互操作
多的概率相同、偏差相近。
要求不高，更容易在充电站推广应用。
因此，当采用式(4)进行充电站的负荷仿真时，
可根据历史统计及其曲线拟合结果，将变量 Tc 取为 由于充电能力限制措施对车辆充电过程的影响

充电时长正态分布的均值，则充电时长不等对仿真 是持续的，前一时刻的充电等待情况必然影响下一时

结果的影响很小，在规模化充电负荷仿真时可以忽 刻的充电进度。因此，应在当日完整充电时段内求解
略不计。 各时刻在充车辆数据，从而计算出充电功率。因此，
如需研究充电时长随机变化对充电站负荷的 描述受诸多因素影响的充电站负荷的最简便可行的
影响，可采用蒙特卡洛仿真法进行相应处理，步骤 建模方法为过程仿真法。假设充电站通过限制不同时
如下： 段的充电设备投运数量实现充电能力的控制，步进间
1）利用式(2)求取充电站在营业日内所接待的 隔为 1 min，对典型日全天 1 440 min 进行仿真，设每
进站充电车辆总数 n；设 i 为进站车辆序号，ti 为进 辆电动汽车配备一组电池，仿真步骤如下：
站时刻。 1）设仿真时刻为 0，初始化充电站数据。
2）设充电时长正态分布的均值为 T、标准差 2）将处于充电状态的各电池组进度增 1 并判
为，利用计算机程序语言或 Microsoft Excel 等软 断是否已经达到各自的充电期望值(单位 min)，若
2
件产生 n 个服从正态分布 N(T,  )的随机数，即 n 是，则结束该电池组的充电过程。
个充电时长数据，用 Ti 表示。 3）由式(2)计算该时段内进站车辆数量，根据
3）令 T=T+3，由式(2)求得区间[0, tT]内进 充电时长的正态分布参数，产生伪随机数设置每辆
站车辆总数 n1，再求得区间[0, t]内车辆总数 n2，由 车电池组的充电期望值，状态设为等待，进度为 0。
正态分布特性可知 t 时刻的在充车辆数量不超过 4）读取当前时刻充电设备投运数量限值，判
第 37 卷 第 5 期 电 网 技 术 1193

断处于充电状态电池组的总数，如小于限值转第 6 需配备一组电池，包括 7 箱较小容量电池和 3 箱较

步，如等于限值转第 7 步，如大于限值转第 5 步。 大容量电池。每组电池由 6 台较大功率的 1#充电机
5）将处于充电状态的电池组按照充电进度(换 和 1 台较小功率的 2#充电机共同充电，其中 1#充
电站应按充电进度，充电站应按进站时间)从小到 电机可为单箱大容量电池或 2 箱串联的小箱电池充
大排序，逐个设置为等待状态并判断在充电池组 电，2#充电机则仅为 1 箱小容量电池充电。
数量是否达到充电设备投运数量限值，如达到则 充电机的工作过程包括恒流限压和恒压限流 2
转至第 7 步。 个阶段，恒流限压阶段输入功率基本恒定，而恒压
6）将处于等待状态的电池组按照充电进度(换 限流阶段输入功率呈阶梯状逐渐降低，直到停机。
电站应按充电进度，充电站应按进站时间)从大到小 根据现场实测充电机 380 V 输入侧电压和电流数
排序，逐个设置为充电状态并判断在充电池组的总 据，对恒压限流阶段的充电机输入功率进行曲线拟
数是否达到充电设备投运数量限值，如达到或已经 合，结果见图 3，描述公式见表 1。
没有电池组处于等待状态则结束操作。 6
实测
7）计算并输出充电总有功功率。
4 拟合

功率/kW
8）时刻步进 1 min，判断营业周期是否结束，
若是则转到第 9 步，否则转到第 2 步。 2 充电机 1
9）仿真结束，输出结果。
充电机 2
上述仿真方法考虑了充电时长差异、充电能力 0
0 20 40 60
限制等多种复杂因素，如不考虑上述因素，则仿真 时间/min
图 3 充电机限流阶段输入功率曲线及拟合结果
结果与前述简化模型计算结果一致。此外，由于算
Fig. 3 Fitting results of the input power for the charger in
法针对每辆进站车辆跟踪处理，当充电功率各不相 restricted-current stage
同时也能准确仿真。如果对充电机的典型功率曲线 表 1 充电机输入功率描述公式
进行拟合和建模，从而计及各个充电阶段的细微差 Tab. 1 Formulas of input power for chargers
充电机 恒流限压阶段功率/kW 恒压限流阶段功率/kW
异，则仿真结果将更细致、更真实。
1# 6.04 .  . exp( t /.)
由于上述仿真步骤简洁、数据接口明确，据此 2# 3.56 .  . exp( t / .)
编制的充电站负荷仿真程序反应速度很快，可以支 注：t 为恒压限流阶段持续时间，min。

持大规模电动汽车的动态交互式仿真，从而预测其 3.2 利用简化公式计算充电站负荷

充电负荷的时间、空间分布，为研究充电负荷对电 由于北京奥运电动公交充电站的充电机具有 2
力系统的影响提供基础方法。 个充电阶段：根据表 1 所列数据，单组充电机在恒
流限压阶段的总功率为 39.8 kW，恒压限流阶段功
3 实例仿真及对比验证
率则按指数衰减。为了更准确地计算充电总功率，
3.1 实例简介 在此对处于恒压限流阶段的车辆充电功率进行单
以北京奥运会电动公交充电站作为实例进行 独计算，根据式(4)得到以下计算公式：
仿真验证，公交车按小时记录的实际进站流量如图 t nv

2 所示(2010 年 9 月 13 日，周一)。 ps (t )  p  Int(  D (t )dt )   pi (6)

t  t  ( Tc Tv ) i 
北京奥运电动公交充电站的每辆电动公交车
式中： Tv 为恒压限流阶段时长，如图 3 所示为
12
min；nv 为处于恒压限流阶段的车辆总数；i 为各
回站车辆密度/(辆/h)

车序号，pi 为其中一辆电动车辆的充电功率。根据
8
车辆的进站时间和表 1 中的公式，可以直接求取处
于恒压限流阶段的每辆车的有功功率 pi，车辆进站
4
时间越晚该值越大，呈指数递增规律。
8:00 16:00 24:00 令 Tc=123 min 且 Tv=60 min，根据式(6)可求得
时刻
各个整点时刻的充电功率，与实测对比结果见图 4。
图 2 北京奥运电动公交充电站进站流量统计图
Fig. 2 Flow curve of Beijing Olympic electric bus 可见，利用简化公式对充电负荷进行估算能较准确
1194 杨少兵等：电动汽车充电站负荷建模方法 Vol. 37 No. 5

800 车辆进站密度高、在充车辆数量较多且充电时长服
有功功率/kW
从正态分布时，充电时长不同对某一时刻在充车辆
数量的影响不显著。
400 实测
仿真误差同样主要与充电机充电功率特性描
简化公式 述的准确性、进站流量函数的精确程度有关。此外，
0 利用正态函数描述充电时长的分布与一天内的实
0 8 16 24
时间/h 际情况也存在一定差异。
图 4 由简化公式计算的充电站有功功率与实测对比 下文对采用充电控制策略后的北京奥运公交
Fig. 4 Comparison of results between calculation
充电站的负荷进行了仿真。将充电机的投运数量作
via simplified formula and measured data
为控制充电站充电能力的变量，限值如表 2 所示，
地反映充电站有功功率的变化情况，描述其负荷特
并在谷段设置了限值以均衡负荷。仿真算法、步骤
性。因此，在不考虑充电能力限制等复杂条件时，
及条件与前例相同，另设变量对进站车辆换电情况
充电负荷特性主要由车辆进站规律、充电功率与充
进行了记录，充电负荷仿真结果见图 6。
电时长共同决定。
表 2 充电机投运数量限值表
计算误差主要与以下因素有关： Tab. 2 Optimum limit values of chargers
1）充电机充电功率特性描述的准确性。严格 时间 类型 限值
7:00—10:00 平 27
而言，图 3 所示的恒压限流阶段有功功率并不恒定， 10:00—15:00 峰 16
略有差异；同时，充电机启动过程存在短时间的功 15:00—18:00 平 27
18:00—21:00 峰 14
率递增过程，在仿真中也已忽略。这些都将导致计 21:00—23:00 平 14
算结果存在一定误差。 23:00—7:00 谷 20

2）进站流量函数的精确程度。图 2 所示数据
800
按 1 h 为间隔统计，如按更窄时间区间进行统计，
有功功率/kW

其计算结果将更精确。
3）计算过程没有考虑充电时长差异。 400
实测
3.3 利用动态过程仿真计算充电站负荷 仿真

仿真条件如下： 0
24
0 8 16
时间/h
1）电动车辆即到即换，与实际运行情况一致。
图 6 采取充电控制策略后的仿真与实测对比
2）充电时长服从正态分布 N(122.8, 17.42)。 Fig. 6 Comparison of results between simulation
3）仿真间隔为 1 min。 (using control strategy to limit charge capacity)
and measured data
仿真结果如图 5 所示，与实测数据对比可知，
动态仿真比采用简化公式计算更能体现负荷变化 仿真表明：采用表 2 限值对充电机投运数量进
的细节，与实测负荷曲线吻合度更高。此外，简化 行限制后，充电进度仍可满足进站电动公交车辆的
公式虽然没有考虑充电时长随机变化情况，但计算 换电需求，未造成车辆等候；采用充电能力控制措
结果与该仿真结果并未出现较大误差，这是由于当 施后部分峰段负荷被转移到了平段、谷段。由此可
见，充电站负荷仿真算法能真实地描述充电能力受
800
限条件下负荷变化规律，正确反映充电控制策略所
有功功率/kW

产生的影响。
400
4 结论
实测
仿真 1）基于对充电站进站车辆流量的分析，本文
0 提出了充电站负荷建模的具体方法，可用于充电站
0 8 16 24
时间/h
负荷的仿真和预测，输入电动车辆的进站流量及相
图 5 充电站有功功率仿真与实测对比
关约束条件后能快速、准确计算出营业日各时刻的
Fig. 5 Comparison of results between
simulation and measured data 充电功率。
第 37 卷 第 5 期 电 网 技 术 1195

2）动态仿真方法能真实反映充电能力限制、 系统自动化，2011，35(17)：38-43．
Li Hulling，Bai Xiaomin．Impacts of electric vehicles charging on
充电时长差异等对充电负荷的影响，可用于充电站
distribution grid[J]．Automation of Electric Power Systems，2011，
或换电站的设计和充电能力校验，也能为有序充电 35(17)：38-43(in Chinese)．
控制策略、充电站经济运行优化等研究提供支持， [9] 赵俊华，文福拴，杨爱民，等．电动汽车对电力系统的影响及其
调度与控制问题[J]，电力系统自动化，2011，35(14)：2-10．
具有良好的应用前景。
Zhao Junhua，Wen Fushuan，Yang Aimin，et a1．Impacts of electric
3）针对未来电动汽车的大范围普及，可进一 vehicles on power systems as well as the associated dispatching and
步研究电动汽车在大尺度空间和时间上的分布特 control problem[J]．Automation of Electric Power Systems，2011，
35(14)：2-10(in Chinese)．
点及充电行为，再根据各充电站选址求取典型日车
[10] Fernandez L P，Roman T G S，Cossent R．Assessment of the impact
辆进站流量曲线，结合本文所提建模方法，最终可 of plug-in electric vehicles on distribution networks[J]．IEEE Trans on
建立规模化电动汽车充电负荷动态仿真系统。 Power Systems，2011，26(1)：206-213．
[11] 罗卓伟，胡泽春，宋永华，等．电动汽车充电负荷计算方法[J]．电
参考文献 力系统自动化，2011，35(14)：36-42．
Luo Zhuowei，Hu Zechun，Song Yonghua，et al．Study on plug-in
[1] 张文亮，武斌，李武峰，等．我国纯电动汽车的发展方向及能源
electric vehicles charging load calculating[J]．Automation of Electric
供给模式的探讨[J]．电网技术，2009，33(4)：1-5．
Power Systems，2011，35(14)：36-42(in Chinese)．
Zhang Wenliang ， Wu Bin ， Li Wufeng ， et al ． Discussion on
[12] 罗卓伟，胡泽春，宋永华，等．换电模式下电动汽车电池充电负
development trend of battery electric vehicles in China and its energy
荷建模与有序充电研究[J]．中国电机工程学报，2012，32(31)：
supply mode[J]．Power System Technology，2009，33(4)：1-5(in
1-10．
Chinese)．
Luo Zhuowei，Hu Zechun，Song Yonghua，et al．Study on charging
[2] 王震坡，孙逢春，林程．电动公交客车充电站容量需求预测与仿
load modeling and coordinated charging of electric vehicles under
真[J]．北京理工大学学报，2006，26(12)：1061-1064．
battery swapping modes[J]．Proceedings of the CSEE，2012，32(31)：
Wang Zhenpo，Sun Fengchun，Lin Cheng．Forecasting and simulation
1-10(in Chinese)．
of the distribution capacity of E-bus charge station[J]．Tractions of
[13] Kristien C N，Edwin H，Johan D．The impact of charging plug-in
Beijing Institute of Technology ， 2006 ， 26(12) ： 1061-1064(in
hybrid electric vehicles on a residential distribution grid[J]．IEEE
Chinese)．
Trans on Power Systems，2010，25(1)：371-380．
[3] 陈清泉，孙立清．电动汽车的现状和发展趋势[J]．科技导报，2005，
[14] Richardson P，Flynn D，Keane A．Optimal charging of electric
23(4)：24-28．
vehicles in low-voltage distribution systems[J]．IEEE Trans on Power
Chen Qingquan，Sun Liqing．Status and future trends of electric
Systems，2012，27(1)：268-279．
vehicles[J]．Science & Technology Review，2005，23(4)：24-28(in
[15] 宫鑫，林涛，苏秉华．插电式混合电动汽车充电对配电网的影响．电
Chinese)．
网技术，2012，36(11)：30-35．
[4] 胡泽春，宋永华，徐智威，等．电动汽车接入电网的影响与利用
Gong Xin，Lin Tao，Su Binghua．Impact of plug-in hybrid electric
[J]．中国电机工程学报，2012，32(4)：1-10．
vehicle charging on power distribution network[J]．Power System
Hu Zechun，Song Yonghua，Xu Zhiwei，et al．Impacts and utilization
Technology，2012，36(11)：30-35(in Chinese)．
of electric vehicles integration into power systems[J]．Proceedings of
[16] 田立亭，史双龙，贾卓．电动汽车充电功率需求的统计学建模方
the CSEE，2012，32(4)：1-10(in Chinese)．
法[J]．电网技术，2010，34(11)：126-130．
[5] 田立亭，张明霞，汪奂伶．电动汽车对电网影响的评估和解决方
Tian Liting，Shi Shuanglong，Jia Zhuo．A statistical model for
案[J]．中国电机工程学报，2012，32(31)：43-49．
charging power demand of electric vehicles[J] ． Power System
Tian Liting ， Zhang Mingxia ， Wang Huanling ． Evaluation and
Technology，2010，34(11)：126-130(in Chinese)．
solutions for electric vehicles’ impact on the grid[J]．Proceedings of
the CSEE，2012，32(31)：43-49(in Chinese)．
收稿日期：2012-11-28。
[6] 徐立中，杨光亚，许昭，等．电动汽车充电负荷对丹麦配电系统
作者简介：
的影响[J]．电力系统自动化，2011，35(14)：18-23．
杨少兵(1972)，男，副教授，研究方向为电
Xu Lizhong，Yang Guangya，Xu Zhao，et a1．Impacts of electric
力系统仿真，E-mail：shbyang@bjtu.edu.cn；
vehicle charging on distribution networks in Denmark[J]．Automation
吴命利(1971)，男，博士，教授，博士生导
of Electric Power Systems，2011，35(14)：18-23(in Chinese)．
师，研究方向为电气化铁道供电、电力系统数字
[7] 高赐威，张亮．电动汽车充电对电网影响的综述[J]．电网技术，
仿真；
2011，35(2)：127-131． 杨少兵 姜久春(1973)，男，博士，教授，博士生导
Gao Ciwei，Zhang Liang．A survey of influence of electrics vehicle 师，主要研究方向为新能源发电。
charging on power grid[J]．Power System Technology，2011，35(2)：
127-13l(in Chinese)． （责任编辑 李兰欣）
[8] 李惠玲，白晓民．电动汽车充电对配电网的影响及对策[J]．电力