Page 72 - 《中国电力》2026年第3期

2026 年 第 59 卷

低价格； p max,down 为当地政策规定的削峰补贴价 据进行实例分析，该充电站配备 33 根充电桩，其
格上限； L min,t 为考虑充电用户体验等综合因素， 中直流充电桩 31 根，交流充电桩 2 根，充电枪共
充电站的削减负荷下限。 计 64 根，充电服务费为 0.6 元/度，全年包含 132 033
2）系统发布负荷削减需求，充电负荷预测值 笔订单。

P pre,t ＞P base,t 。由于负荷基线低于次日充电负荷， 3.1 充电负荷分类预测
此时功率差额 P pre,t − P base,t 会带来额外的调节成本， 图 1 首先给出了全年订单数据对应的充电功
充电站若想保障自身收益需要进一步提高报价， 率分布，不同电动汽车用户由于对时间效率的需
分段投标策略为 求不同，会相应选择不同功率充电桩进行充电，
 再加上车辆类型型号等差异，实际入网的充电功
 P t,∆1 = (P base,t − L min,t )/K



 ( )
 率分布具有很大的随机性，根据订单数据对电动

 p min,down P pre,t − P base,t +(P base,t − L min,t )/K


p t,1 = 汽车进行分类更有利于考虑地理信息与用户出行


(P base,t − L min,t )/K




 特性，也更有利于充电站筛选出更具调节潜力的
P t,∆k = (P base,t − L min,t )/K, k = 2,··· ,K





 电动汽车用户参与车网互动。
 p t,k = p t,k−1 +(p max,down − p t,1 )/(K −1), k = 2,··· ,K
（49）

150
由于 p t,1 表征了充电站想要盈利的最低价格，
当 p t,1 ＞p max,down 时，充电站不参与本轮投标。 100
3）系统发布负荷填谷需求，充电负荷预测值 充电功率/kW
P pre,t ＞P base,t 。 与 情 况 1） 类 似 ， 功 率 差 额 P pre,t − 50
P base,t 会带来相当的额外补贴收入，此时充电站参 0
0 40 000 80 000 120 000 160 000
与填谷响应具有天然的优势，分段投标策略为 订单id


P t,∆1 = P pre,t − P base,t , p t,1 = p max,up
 图 1 订单充电功率展示



P t,∆k = (L max,t − P pre,t )/(K −1), k = 2,··· ,K Fig. 1 Display of charging power based on order



p t,k = p t,k−1 +(p max,up − p t,1 )/(K −1), k = 2,··· ,K

（50） 基于 1.1 节所述内容，本文以 5 kW 作为分隔
值将充电用户划分为 24 类（类别 1 表示用户充电
式中： p min,up 为充电站参与填谷响应能接受的最低
功 率 为 5 kW， 类 别 24 则 表 示 用 户 充 电 功 率 为
价格； p max,up 为当地政策规定的填谷补贴价格上限。
120 kW）。以日为时间尺度，图 2 分别从平均值
4）系统发布负荷填谷需求，充电负荷预测值
和中位数 2 个角度展示了充电负荷的分类组成。
P pre,t ＜P base,t 。与情况 2）类似，功率差额 P base,t −
其 中 图 2 a) 和 b) 给 出 了 不 同 用 户 的 充 电 功 率 分
P pre,t 会带来的调节成本，此时充电站参与填谷响
布，表征一天中各类用户的负荷体量。图 2 c) 和
应分段投标策略为
d) 则展示了不同用户的订单分布，表征各类用户

 P t,∆1 = (L max,t − P base,t )/K


 的充电频次。从图 2 a) 和 b) 可以发现不管是日充


 p min,up (P base,t − P pre,t +(L max,t − P base,t )/K)

p t,1 = 电功率的平均值还是中位数，充电功率在


(L max,t − P base,t )/K
 15~55 kW



 范围的负荷占到了总负荷的 90% 以上。而从图 2 c)
P t,∆k = (L max,t − P base,t )/K, k = 2,··· ,K





 和 d) 可以看出充电负荷体量高的用户，充电频次
 p t,k = p t,k−1 +(p max,up − p t,1 )/(K −1), k = 2,··· ,K
（51） 也 相 对 较 高 ， 与 此 同 时 ， 不 同 统 计 特 征 （ 平 均
当 p t,1 ＞p max,up 时，充电站不参与本轮投标。 值，中位数）下充电负荷形状分布类似，说明充
综上，基于上述分析能得到适应不同场景的 电功率在 15~55 kW 范围内的电动汽车用户对于该
充电站分段报价策略。 充电站是较为稳定的负荷来源，而来自于 0~10 kW

和 60~120 kW 范围的充电负荷更具随机性。
3 算例分析 图 3 基于 1.2 节内容进一步给出了充电负荷分
类预测误差，其中充电负荷处于 15~55 kW 的充电
本文基于 2023 年河南省某充电站实际订单数 负荷预测精度最高，最大绝对百分比误差（mean
68