10
10
З
А
Р
Я
Д
Н
А
Я
И
Н
Ф
Р
А
С
Т
Р
У
К
Т
У
Р
А
ЗАРЯДНАЯ ИНФРАСТРУКТУРА
Воронин
В
.
А
.,
к
.
т
.
н
.,
старший
научный
сотрудник
научно
-
исследо
-
вательской
лаборатории
цифровой
трансформации
предприятий
минерально
-
сырьевого
комплекса
/
старший
преподаватель
кафедры
«
Электроснабжение
горных
и
промышленных
предприятий
»
ФГБОУ
ВО
«
Кузбасский
государственный
технический
университет
имени
Т
.
Ф
.
Горбачева
»
Непша
Ф
.
С
.,
к
.
т
.
н
.,
ведущий
специалист
ООО
«
РТСофт
—
Смарт
Грид
» /
старший
научный
сотрудник
научно
-
исследовательской
лаборатории
цифровой
трансформации
предприятий
минерально
-
сырьевого
комплекса
ФГБОУ
ВО
«
Куз
-
басский
государственный
технический
университет
имени
Т
.
Ф
.
Горбачева
»
Ключевые
слова
:
электромобили
,
поведение
электромобилей
,
электро
-
зарядные
станции
,
имитационное
моделирование
,
агентное
моделирование
П
о
данным
МЭА
[1]
на
конец
2021
года
количество
электромобилей
(
ЭМ
)
по
всему
миру
превысило
отметку
в
16,5
млн
,
а
к
2030
году
их
число
может
возрасти
до
200–350
млн
.
По
данным
аналити
-
ческого
агентства
Автостат
,
российский
рынок
ЭМ
по
состоянию
на
середину
2022
года
насчи
-
тывает
уже
до
16,5
тысяч
ЭМ
и
демонстриру
-
ет
постоянный
рост
. «
Концепция
по
развитию
производства
и
использования
электрического
автомобильного
транспорта
в
Российской
Фе
-
дерации
» [2]
прогнозирует
рост
общего
объ
-
ема
отечественного
рынка
ЭМ
к
2030
году
до
540
тысяч
при
инерционном
сценарии
разви
-
тия
, 1400
тысяч
при
сбалансированном
сцена
-
рии
и
до
3430
тысяч
штук
при
ускоренном
сце
-
нарии
развития
.
Международное
рейтинговое
агентство
PricewaterhouseCoopers
дает
более
сдержанные
оценки
,
прогнозируя
к
2030
году
630
тысяч
ЭМ
в
России
.
Экстраполяция
по
известным
значениям
количества
ЭМ
до
2030
года
также
дает
более
скромные
оценки
числа
ЭМ
—
от
137
до
677
тысяч
(
рисунок
1).
Программа
стимулирования
использова
-
ния
ЭМ
в
России
[3]
предусматривает
внед
-
рение
ЭМ
при
организации
регулярных
пере
-
возок
пассажиров
и
для
использования
орга
-
нами
власти
,
а
также
увеличение
количества
парковочных
мест
,
оборудованных
зарядны
-
ми
устройствами
.
Согласно
[3],
количество
парковок
для
ЭМ
должно
составлять
до
15%
Мультиагентное
моделирование развития
электрозарядной
инфраструктуры города
Кемерово
УДК
621.316.1
В
статье
рассмотрена
проблема
моделирования
и
планирова
-
ния
развития
электрозарядной
инфраструктуры
на
примере
города
Кемерово
.
Для
решения
этой
проблемы
разработана
имитационная
модель
электрозарядной
инфраструктуры
и
по
-
ведения
электромобилей
.
Имитационная
модель
позволяет
моделировать
изменение
уровня
заряда
батарей
электромоби
-
лей
в
течение
суток
и
возникающие
в
связи
с
этим
потребности
водителей
электротранспорта
в
заряде
с
учетом
особенностей
городской
инфраструктуры
и
мест
размещения
зарядных
стан
-
ций
.
На
основании
результатов
имитационного
моделирования
выполнена
оценка
потребности
ввода
новых
зарядных
станций
в
городе
Кемерово
на
период
до
2028
года
.
Приведена
оценка
дополнительной
электрической
нагрузки
на
городскую
элек
-
трическую
сеть
со
стороны
электрозарядных
станций
.
11
от
общей
нормы
парковочных
мест
.
По
прогнозам
[2],
к
2030
году
может
потребоваться
уже
более
144
тысяч
зарядных
станций
.
Федеральный
проект
«
Электро
-
мобиль
и
водородный
автомобиль
»
предусматрива
-
ет
ввод
к
2024
году
2935
быстрых
и
6547
медленных
ЭЗС
.
В
настоящее
время
основными
представителями
услуг
электрозарядных
станций
(
ЭЗС
)
на
россий
-
ском
рынке
являются
ПАО
«
Россети
».
К
2024
году
ПАО
«
Россети
»
планируют
создать
сеть
электроза
-
правок
из
более
770
ЭЗС
в
30
крупных
городах
и
на
автомагистралях
.
При
этом
целевой
показатель
про
-
граммы
по
городам
—
от
10
и
более
зарядных
стан
-
ций
в
каждом
из
городов
в
зависимости
от
числен
-
ности
жителей
.
Кроме
того
,
ведутся
работы
по
разработке
алго
-
ритмов
интеллектуального
управления
зарядными
станциями
для
обеспечения
оптимальной
загрузки
сетевой
инфраструктуры
[4].
Таким
образом
,
в
ближайшие
годы
следует
ожи
-
дать
интенсивного
роста
числа
ЭМ
и
увеличения
коли
-
чества
ЭЗС
в
России
.
Однако
стремительное
развитие
электротранспорта
требует
тщательного
планиро
-
вания
развития
городской
электрозарядной
инфра
-
структуры
,
с
одной
стороны
,
обеспечивающей
доступ
-
ность
и
удобство
использования
для
автомобилистов
,
а
с
другой
стороны
,
предусматривающей
интеллекту
-
альное
управление
зарядом
ЭМ
с
целью
ограничения
перегрузки
городских
электрических
сетей
.
ПОСТАНОВКА
ПРОБЛЕМЫ
Одним
из
препятствий
для
широкого
внедрения
ЭМ
является
так
называемая
«
боязнь
нехватки
заряда
»
(range anxiety).
ЭМ
характеризуются
существенно
меньшей
величиной
пробега
на
«
полном
баке
»
по
сравнению
с
традиционными
автомобилями
с
дви
-
гателями
внутреннего
сгорания
.
В
регионах
с
холод
-
ным
климатом
данная
проблема
обостряется
еще
сильнее
.
Например
,
в
работе
[5]
отмечается
,
что
хо
-
лодная
погода
может
привести
к
снижению
пробега
ЭМ
до
31,9%
за
счет
работы
систем
обогрева
.
По
данным
[6],
более
половины
владельцев
ЭМ
полагаются
исключительно
на
возможность
до
-
машнего
заряда
,
но
в
урбанизированных
районах
эта
доля
снижается
.
По
результатам
комплексного
наблюдения
условий
жизни
населения
в
2020
году
,
проведенного
Росстатом
[7],
только
12,5%
город
-
ских
семей
проживают
в
частных
домах
.
В
том
же
исследовании
указано
,
что
в
среднем
69%
автомо
-
билистов
паркуют
автомобили
на
необорудованных
стоянках
(
во
дворе
дома
)
и
только
23,8%
использу
-
ют
стационарные
гаражи
,
а
в
крупных
городах
эта
доля
снижается
до
14,5–7,6%.
Однако
в
настоя
-
щее
время
,
по
причине
недостаточной
развитости
общественной
зарядной
инфраструктуры
,
следует
ожидать
более
широкого
распространения
ЭМ
сре
-
ди
людей
,
проживающих
в
частных
домах
или
вла
-
деющих
гаражом
,
в
связи
с
наличием
надежного
ис
-
точника
заряда
ЭМ
.
При
отсутствии
возможности
домашнего
заря
-
да
владельцы
ЭМ
оказываются
зависимы
от
обще
-
ственных
ЭЗС
.
С
учетом
высокой
длительности
за
-
ряда
и
влияния
на
электрическую
сеть
планирование
развития
городской
электрозарядной
инфраструк
-
туры
является
весьма
нетривиальной
задачей
.
Це
-
лесообразным
подходом
для
решения
данной
про
-
блемы
является
разработка
имитационной
модели
электрической
сети
с
ЭЗС
,
учитывающей
поведение
электротранспорта
и
параметры
электрического
ре
-
жима
центров
питания
.
В
России
создание
подобных
имитационных
моделей
не
производилось
,
в
связи
с
этим
становится
затруднительным
сформировать
рациональную
стратегию
развития
электротранспор
-
та
,
а
также
выбрать
наилучшие
методы
оптимально
-
го
управления
инфраструктурой
(
в
частности
,
про
-
цессами
заряда
-
разряда
).
МЕТОДОЛОГИЯ
В
данной
работе
рассмотрен
анализ
развития
элек
-
трозарядной
инфраструктуры
на
примере
города
Ке
-
мерово
.
Кемерово
является
крупным
индустриаль
-
ным
городом
России
,
расположенным
в
Западной
Сибири
.
Население
Кемерово
на
2021
год
составля
-
ет
551
тысяч
человек
.
Рассматриваемый
регион
ха
-
рактеризуется
резко
континентальным
климатом
со
среднегодовой
температурой
+1,3°
С
.
На
начало
2022
года
в
Кемерово
зарегистриро
-
вано
порядка
62
ЭМ
.
В
соответствии
с
прогнозом
[2]
к
2030
году
следует
ожидать
увеличения
количе
-
ства
ЭМ
в
Кемерово
до
2–12
тысяч
штук
.
На
основе
общего
сценария
развития
рынка
ЭМ
в
России
[2]
авторами
выполнен
приближенный
прогноз
изме
-
Ко
личеств
о
элек
тромобилей
,
шт
.
Год
10
6
10
5
10
4
10
3
Отчетное
количество
электромобилей
по
данным
Автостат
Прогнозируемое
количество
электро
-
мобилей
на
2030
год
Инерционный
сценарий
y
= 2,50
е
– 03
ехр
(6,00
x
) – 3,37
е
– 03
Сбалансированный
сценарий
y
= 4,53
е
– 04
ехр
(7,70
•
x
) – 4,06
е
– 04
Сценарий
ускоренного
развития
y
= 1,03
е
– 04
ехр
(9,18
•
x
) – 4,75
е
– 05
Экстраполяция
степенной
ф
-
ей
y
= 9,79
е
– 01
•
x
2,56
+ 7,15
е
– 03
Экстраполяция
экспоненциальной
ф
-
ей
y
= 7,05
е
– 02
ехр
(2,75
•
x
) – 9,18
е
– 02
2016
2019
2022
2025
2028
2017
2020
2023
2026
2029
2018
2021
2024
2027
2030
Рис
. 1.
Прогноз
количества
ЭМ
в
России
№
3 (78) 2023
12
ЭЛЕКТРОЗАРЯДНАЯ
ИНФРАСТРУКТУРА
нения
количества
ЭМ
в
Кемерово
до
2030
года
(
таб
-
лица
1).
По
данным
аналитического
агентства
Автостат
,
более
80%
ЭМ
в
России
—
это
Nissan Leaf,
реже
встречаются
марки
Tesla, Porshe, Audi
и
др
.
Параме
-
тры
ЭМ
различных
марок
,
используемых
в
имитаци
-
онной
модели
,
приняты
по
данным
портала
Electric
Vehicle Database [8].
По
состоянию
на
2022
год
в
Кемерово
действует
три
ЭЗС
(Mode 3, 22
кВт
)
ПАО
«
Россети
Сибирь
».
Со
-
гласно
программе
«
Развитие
зарядной
инфраструк
-
туры
ПАО
«
Россети
Сибирь
»
на
2020–2025
гг
.»,
до
2025
года
планируется
установить
81
ЭЗС
, 9
из
ко
-
торых
в
Кемерово
(7
медленных
и
2
быстрых
).
Так
-
же
необходимо
принимать
во
внимание
достаточно
активное
распространение
ЭЗС
других
операторов
.
Так
,
в
первой
половине
2023
года
в
Кемерово
введе
-
ны
две
ЭЗС
компании
PUNKT E.
Построение
имитационной
модели
электрозаряд
-
ной
инфраструктуры
требует
моделирования
пове
-
дения
ЭМ
,
определяющего
их
распорядок
дня
и
из
-
менение
уровня
заряда
батареи
в
течение
суток
.
Для
решения
этой
задачи
получили
распространение
цепи
Маркова
.
Сущность
данного
метода
заключается
в
определении
возможных
состояний
ЭМ
и
задания
вероятностей
перехода
между
ними
.
Как
правило
,
в
ка
-
честве
таких
состояний
принимают
следующие
: «
ЭМ
припаркован
дома
», «
ЭМ
припаркован
на
работе
»,
«
ЭМ
припаркован
в
коммерческой
зоне
», «
ЭМ
в
пути
».
Данный
подход
к
моделированию
представлен
в
рабо
-
тах
[9–11].
Вероятности
перехода
между
состояниями
ЭМ
определяются
на
основе
собранной
статистики
по
-
ведения
автовладельцев
и
задаются
для
каждого
вре
-
менного
шага
модели
для
рабочих
и
выходных
дней
.
Как
правило
,
такие
модели
предполагают
широкое
распространение
ЭЗС
,
когда
общественные
зарядные
станции
доступны
в
городе
повсеместно
и
ЭМ
могут
воспользоваться
ЭЗС
,
находясь
в
любом
состоянии
.
Для
условий
городов
России
с
малым
внедрением
ЭЗС
такое
допущение
неприемлемо
.
Отметим
,
что
есть
работы
,
в
которых
рассма
-
тривается
влияние
увеличения
количества
электро
-
мобилей
на
загрузку
центров
питания
и
уровни
на
-
пряжения
в
распределительной
сети
.
Например
,
в
работе
[12]
рассматривается
метод
моделирования
стохастической
нагрузки
от
электромобилей
на
рас
-
пределительную
сеть
с
помощью
метода
Монте
-
Кар
-
ло
и
одной
из
его
модификаций
—
метода
бутстрэпа
.
Однако
при
таком
подходе
проблема
развития
за
-
рядной
инфраструктуры
решается
косвенно
—
путем
разработки
мероприятий
по
усилению
сети
,
без
уче
-
та
дорожной
ситуации
и
удобства
зарядной
инфра
-
структуры
для
водителей
.
Табл
. 1.
Прогноз
изменения
числа
ЭМ
в
городе
Кемерово
Сценарий
развития
Год
2022
2023
2024
2025
2026
2027
2028
2029
2030
Инерционный
62
97
151
234
361
559
857
1323
2027
Сбалансированный
62
112
193
336
581
1011
1747
3041
5254
Ускоренный
62
126
239
461
881
1703
3265
6320
12 122
Другим
распространенным
подходом
для
моде
-
лирования
является
мультиагентный
метод
.
Данный
метод
предполагает
создание
классов
агентов
(
ЭМ
,
ЭЗС
)
и
задания
правил
взаимодействия
между
ними
.
Поведение
агентов
может
определяться
сложными
алгоритмами
,
учитывающими
различные
нюансы
их
распорядка
дня
.
Моделирование
взаимодействия
агентов
может
выполняться
в
пространстве
,
что
поз
-
воляет
отслеживать
положение
и
перемещения
агентов
,
точно
определяя
пройденное
расстояние
и
уровень
разряда
батареи
.
ЭЗС
могут
быть
заданы
индивидуально
,
что
позволяет
учитывать
особенно
-
сти
расположения
ЭЗС
в
той
или
иной
части
города
,
а
также
ограниченное
количество
доступных
ЭЗС
.
Такой
подход
реализован
во
множестве
работ
,
на
-
пример
,
в
[13] —
для
моделирования
поведения
убо
-
рочных
электромашин
,
в
[14] —
для
планирования
расположения
ЭЗС
для
электротакси
,
в
[15] —
для
планирования
развития
зарядной
инфраструктуры
города
в
Швейцарии
,
в
[16] —
для
оценки
влияния
заряда
ЭМ
на
электрические
сети
.
Имитационное
моделирование
поведения
ЭМ
вы
-
полнено
в
среде
AnyLogic
с
использованием
муль
-
тиагентного
метода
.
Разработанная
имитационная
модель
включает
в
себя
два
класса
агентов
,
взаи
-
модействующих
в
ГИС
-
пространстве
—
карте
города
Кемерово
.
Агенты
ЭМ
определяются
следующим
на
-
бором
параметров
:
–
координаты
места
жительства
владельца
ЭМ
в
жилом
районе
(homeLocation);
–
координаты
места
работы
владельца
ЭМ
в
дело
-
вом
районе
(workLocation);
–
уровень
заряда
батареи
(soc);
–
набор
переменных
,
определяющий
параметры
батареи
ЭМ
(
емкость
,
расход
заряда
на
1
км
,
мощность
бортового
зарядного
устройства
);
–
возможность
домашней
зарядки
ЭМ
(homeCharg-
ing).
Агенты
ЭЗС
определяются
координатами
места
расположения
,
мощностью
(power)
и
уровнем
ЭЗС
(stationLevel).
ГИС
-
карта
города
разделена
на
районы
следую
-
щих
типов
:
‒
жилой
район
(
районы
жилой
застройки
);
‒
деловой
район
(
офисы
,
промышленные
предпри
-
ятия
,
учебные
заведения
);
‒
коммерческий
район
(
торгово
-
развлекательные
центры
,
рестораны
,
театры
и
пр
.).
Расположение
районов
на
ГИС
-
карте
города
определено
с
использованием
API
картографическо
-
го
сервиса
OpenStreetMap.
Для
загрузки
информа
-
ции
о
районах
использованы
ключи
landuse, amenity
и
leisure.
К
жилым
районам
отнесены
все
районы
,
13
имеющие
тег
residential.
Для
деловых
районов
учи
-
тывались
тэги
: industrial, townhall, doctors, social_
facility, hospital, bank, university, community_centre,
courthouse, clinic.
Для
коммерче
-
ских
районов
— retail, commercial,
marketplace, cafe, restaurant, fast_
food, post_of
fi
ce, cinema, theatre.
На
ГИС
-
карте
города
Кемерово
в
общей
сложности
выделено
843
района
.
На
рисунке
2
пред
-
ставлен
фрагмент
карты
города
с
расположением
районов
и
воз
-
можных
мест
установки
ЭЗС
.
По
-
тенциальные
места
для
установки
ЭЗС
выбраны
в
районах
наиболее
крупных
парковок
.
При
инициализации
модели
для
каждого
агента
ЭМ
случай
-
ным
образом
определяется
до
-
машний
район
(homeLocation)
из
числа
жилых
районов
,
а
также
ме
-
сто
работы
(workLocation)
в
одном
из
деловых
районов
города
.
Мар
-
ка
ЭМ
для
каждого
агента
зада
-
ется
при
инициализации
случай
-
ным
образом
в
соответствии
со
статистикой
марок
ЭМ
по
данным
Автостат
.
Количество
агентов
ЭМ
задается
в
соответствии
с
табли
-
цей
1.
Моделирование
распорядка
дня
ЭМ
может
быть
выполнено
с
использованием
различных
под
-
ходов
.
Например
,
в
работе
[17]
суточное
расписание
агентов
фор
-
мируется
на
основании
результа
-
тов
измерений
перемещений
ре
-
альных
ЭМ
.
В
ряде
других
работ
[9–11]
используются
вероятности
нахождения
ЭМ
в
различных
со
-
стояниях
или
районах
города
.
В
данной
работе
для
моделиро
-
вания
принят
второй
подход
.
Для
агентов
ЭМ
заданы
5
возможных
состояний
:
‒
припаркован
в
домашнем
рай
-
оне
(atHome);
‒
припаркован
на
месте
работы
(atWork);
‒
припаркован
в
рабочем
районе
(atBusinessTrip);
‒
припаркован
в
коммерческой
зоне
(atPOI);
‒
в
дороге
(inJourney).
Интенсивности
перехода
ЭМ
между
состояниями
задаются
для
каждого
часа
суток
,
а
их
значения
определены
на
основании
обоб
-
щения
материалов
работ
[9–11].
Диаграмма
состояний
для
аген
-
та
ЭМ
,
реализованная
в
среде
AnyLogic,
и
график
интенсивности
переходов
между
состояниями
приведены
на
рисун
-
ках
3
и
4.
Для
сокращения
объема
вычислений
в
мо
-
дели
не
учитываются
выходные
дни
,
так
как
они
не
Рис
. 2.
Карта
рассматриваемых
мест
расположения
ЭЗС
в
Кемерово
Деловой
или
промышленный
районы
Жилой
район
Коммерческий
район
Существующие
ЭЗС
Планируемые
ЭЗС
statechart
chargeComplete
chargerlsOccupied
chargerlsFree
nearCharger
lowBattery
m
о
vingToChargingStati
о
n
movingToCharger
batteryDischarge
stop
moving
needCharge
homeCharging
batteryOk
batteryState
checkAvailability
charging
atWork
noCharging
atBusinessTrip
atHome
inJourney
HtW
atPOl
WtH
WtH1
PtW
PtH
WtW
WtP
WtP1
W1W1
HtP
Рис
. 3.
Диаграмма
состояний
агентов
ЭМ
в
среде
AnyLogic
Рис
. 4.
Диаграмма
вероятностей
состояний
агентов
в
рабочие
дни
Вероятность
,
о
.
е
.
Время
1,0
0,8
0,6
0,4
0,2
0,0
В
жилом
районе
В
деловом
районе
В
дороге
В
коммерческом
районе
00:00
00:00
02:00
04:00
06:00
08:00
10:00
12:00
14:00
16:00
18:00
20:00
22:00
№
3 (78) 2023
14
ЭЛЕКТРОЗАРЯДНАЯ
ИНФРАСТРУКТУРА
являются
определяющими
для
моделирования
за
-
груженности
электрозарядной
инфраструктуры
.
Таким
образом
,
согласно
разработанной
диаграм
-
ме
состояний
каждый
агент
ЭМ
утром
едет
на
свое
место
работы
(workLocation)
в
деловой
район
,
в
те
-
чение
рабочего
дня
с
некоторой
вероятностью
ЭМ
может
совершить
несколько
рабочих
поездок
в
слу
-
чайные
деловые
районы
города
.
В
обеденное
время
и
после
работы
агент
может
отправиться
в
коммер
-
ческий
район
.
Вечером
каждый
агент
возвращается
домой
(homeLocation)
в
жилой
район
.
Каждое
перемещение
агента
ЭМ
при
моделиро
-
вании
отслеживается
и
вычисляется
пройденное
расстояние
,
на
основании
которого
определяется
расход
заряда
батареи
ЭМ
.
Электропотребление
ЭМ
зависит
от
множества
факторов
:
массы
ЭМ
,
коэффи
-
циента
сопротивления
качению
,
уклона
дороги
,
уско
-
рения
,
аэродинамического
сопротивления
,
темпе
-
ратуры
окружающего
воздуха
,
погоды
и
т
.
д
. [18, 19].
Точная
оценка
расхода
заряда
батареи
является
весьма
трудоемкой
задачей
и
требует
множества
до
-
полнительных
параметров
,
в
связи
с
этим
в
данной
работе
разряд
батареи
ЭМ
оценивается
приближен
-
но
на
основании
данных
по
среднему
электропотре
-
блению
для
городских
условий
при
холодной
и
теп
-
лой
погоде
.
Агенты
ЭМ
могут
пополнять
заряд
батареи
в
до
-
машнем
районе
,
если
их
парковочное
место
осна
-
щено
розеткой
(homeCharging = true).
В
этом
случае
при
моделировании
предполагается
,
что
все
агенты
ЭМ
с
возможностью
домашнего
заряда
подключе
-
ны
к
электрической
сети
и
заряжаются
на
мощности
2,3
кВт
,
если
находятся
в
состоянии
atHome (
рису
-
нок
3).
Агенты
ЭЗС
представлены
тремя
классами
(stationLevel),
в
соответствии
с
существующей
элек
-
трозарядной
инфраструктурой
города
Кемерово
:
уровень
1 (
уличные
розетки
AC 1×16
А
, 3,3
кВт
);
уро
-
вень
2 (
медленная
ЭЗС
AC 3×32
А
, 22
кВт
);
уровень
3
(
быстрая
ЭЗС
DC 120
кВт
).
Каждая
ЭЗС
в
данной
имитационной
модели
имеет
два
порта
для
заряда
ЭМ
:
медленная
ЭЗС
— 1
порт
на
22
кВт
, 1
порт
на
3,3
кВт
;
быстрая
ЭЗС
– 1
порт
на
120
кВт
, 1
порт
на
22
кВт
.
Общественные
ЭЗС
доступны
для
всех
ЭМ
.
Принятие
решения
о
необходимости
заряда
ЭМ
определяется
психологией
водителя
.
Например
,
в
работе
[16]
уровень
заряда
батареи
,
при
котором
водитель
отправится
на
ЭЗС
,
определяется
на
ос
-
новании
оценки
«
боязни
нехватки
заряда
» (range
anxiety)
водителя
.
В
[14]
для
определения
вероят
-
ности
заряда
ЭМ
выделяют
4
состояния
:
заряд
не
требуется
(SOC > 50%),
возможно
требуется
заряд
(35% > SOC > 50%),
требуется
заряд
(20% < SOC
≤
≤
35%)
и
срочно
требуется
заряд
(SOC < 20%).
В
работах
[15, 20]
дополнительно
учитывается
так
-
же
тариф
на
заряд
,
а
в
[21]
также
учтены
мощности
ЭЗС
,
расстояние
до
ЭЗС
,
длительность
стоянки
ЭМ
и
т
.
д
.
Согласно
данным
,
приведенным
в
[22],
около
66%
водителей
предпочитают
заряжаться
при
уров
-
не
заряда
более
40%,
а
чаще
всего
заряд
выпол
-
няется
на
30%,
так
как
это
значение
соответствуют
предупреждению
о
низком
уровне
заряда
батареи
.
В
работе
[23]
на
основании
кластеризации
массива
данных
,
собранных
с
ЭЗС
,
были
выделаны
следу
-
ющие
модели
зарядного
поведения
ЭМ
: Work and
Charge (
заряд
ЭМ
в
течение
рабочего
дня
,
в
сред
-
нем
8,5
ч
); Stop and Charge (
кратковременные
заряд
,
в
среднем
в
течение
1,5
ч
); Park and Charge (
заряд
на
время
парковки
при
посещении
торгово
-
развлека
-
тельных
центров
,
театров
,
фитнесс
залов
и
пр
.); Home
and Charge (
длительная
зарядка
в
ночные
часы
).
В
связи
с
тем
,
что
электрозарядная
инфраструк
-
тура
ПАО
«
Россети
Сибирь
»
в
городе
Кемерово
в
на
-
стоящее
время
работает
бесплатно
,
при
моделиро
-
вании
зарядного
поведения
ЭМ
тарифы
на
услуги
заряда
не
учитываются
.
При
достижении
уровня
за
-
ряда
батареи
в
30%
агент
ЭМ
отправится
на
свобод
-
ную
ЭЗС
.
Приоритет
при
выборе
ЭЗС
будет
отдавать
-
ся
ЭЗС
с
наивысшим
уровнем
(stationLevel).
Если
свободно
несколько
ЭЗС
одинакового
уровня
,
то
ЭМ
отправится
на
ближайшую
.
Продолжительность
за
-
ряда
ЭМ
определяется
в
соответствии
с
моделями
зарядного
поведения
,
описанными
в
[23]:
в
утренние
часы
согласно
Home and Charge,
в
дневные
— Stop
and Charge,
в
вечерние
— Home and Charge.
Если
агент
ЭМ
паркуется
вблизи
свободной
ЭЗС
,
то
агент
воспользуется
ЭЗС
при
любом
уровне
заряда
бата
-
реи
для
имитации
модели
поведения
ЭМ
«
заряд
по
возможности
».
В
качестве
целевой
метрики
для
оценки
доступ
-
ности
электрозарядной
инфраструктуры
города
Кемерово
принято
среднее
время
удовлетворения
потребности
в
заряде
,
определяемое
промежутком
времени
между
возникновением
потребности
в
за
-
ряде
и
подключением
к
ЭЗС
.
Также
в
ходе
модели
-
рования
определяется
загрузка
каждой
ЭЗС
и
число
заряжающихся
ЭМ
на
общественных
ЭЗС
и
дома
для
оценки
влияния
ЭМ
на
городскую
электрическую
сеть
.
Моделирование
проводится
с
шагом
в
1
минуту
.
Интервал
моделирования
составляет
5
дней
.
В
связи
со
стохастическим
характером
моделирования
для
оценки
целевых
метрик
используется
метод
Монте
-
Карло
:
для
каждого
набора
исходных
параметров
выполнено
не
менее
5
прогонов
модели
.
В
качестве
исходных
параметров
для
моделирования
принято
:
количество
агентов
ЭМ
,
количество
агентов
ЭЗС
,
доля
ЭМ
с
возможностью
домашнего
заряда
.
Моделирование
выполнено
для
условий
холод
-
ной
погоды
при
доле
владельцев
ЭМ
,
имеющих
воз
-
можность
домашнего
заряда
,
в
0,6
и
0,8 (
соответ
-
ственно
, 40%
и
20%
от
общего
числа
ЭМ
полностью
зависимы
от
общественной
электрозарядной
инфра
-
структуры
).
РЕЗУЛЬТАТЫ
И
ОБСУЖДЕНИЕ
На
рисунке
5
приведены
графики
зависимости
дли
-
тельности
ожидания
заряда
от
количества
и
типа
ЭЗС
при
различных
сценариях
развития
городской
электрозарядной
инфраструктуры
и
разной
степе
-
ни
доступности
домашнего
заряда
.
Количество
ЭМ
принято
согласно
таблице
1
для
сбалансированного
сценария
развития
рынка
ЭМ
России
.
Как
следует
из
15
рисунка
5,
при
увеличении
количе
-
ства
ЭЗС
длительность
ожидания
заряда
снижается
до
некоторого
остаточного
уровня
в
15–20
минут
,
который
включает
в
себя
длитель
-
ность
перемещения
агентов
до
ближайшей
свободной
ЭЗС
.
Для
определения
необходимого
чис
-
ла
ЭЗС
,
удовлетворяющего
по
-
требностям
ЭМ
города
Кемерово
,
была
принята
граница
времени
ожидания
в
20
минут
.
В
соответ
-
ствии
с
этим
на
рисунке
6
при
-
ведено
необходимое
количество
ЭЗС
на
период
до
2028
года
.
Как
следует
из
рисунка
6,
при
доступности
домашнего
заряда
в
0,8
и
более
потребность
в
рас
-
ширении
электрозарядной
ин
-
фраструктуры
возникает
только
к
2024
году
,
а
к
2028
году
коли
-
чество
новых
ЭЗС
должно
дости
-
гать
28
медленных
или
9
быстрых
станций
.
При
доступности
до
-
машнего
заряда
в
0,6
ввод
новых
ЭЗС
необходим
уже
в
2023
году
,
а
к
2028
году
суммарное
количе
-
ство
новых
ЭЗС
должно
состав
-
лять
не
менее
61
медленной
или
22
быстрой
ЭЗС
.
Уровень
доступности
домаш
-
него
заряда
играет
значительную
роль
в
планировании
развития
электрозарядной
инфраструкту
-
ры
.
Из
результатов
моделирова
-
ния
следует
,
что
изменение
его
уровня
с
0,8
до
0,6
требует
уве
-
личения
количества
вводимых
ЭЗС
более
чем
в
2
раза
.
Суще
-
ственную
роль
также
играет
и
тип
ЭЗС
—
использование
быстрых
ЭЗС
позволяет
сократить
общее
количество
станций
примерно
в
3
раза
.
Следует
отметить
,
что
план
«
Россети
Сибири
»
по
вводу
девя
-
ти
новых
ЭЗС
в
городе
Кемерово
до
2025
года
,
согласно
результатам
моделирования
,
сможет
обеспечить
потребности
владельцев
ЭМ
го
-
рода
Кемерово
.
Выбор
местоположения
медленных
ЭЗС
опреде
-
ляется
местами
длительной
стоянки
автомобилей
,
чтобы
позволить
заряжать
ЭМ
в
рабочие
или
ночные
часы
.
Реализация
программы
[2]
в
части
оснащения
15%
парковочных
мест
маломощными
зарядными
устройствами
позволит
полностью
удовлетворить
потребности
в
заряде
на
начальных
этапах
развития
рынка
ЭМ
.
Быстрые
ЭЗС
следует
располагать
в
ме
-
стах
с
короткой
длительностью
парковки
,
например
на
традиционных
автозаправочных
станциях
.
Электрозарядная
инфраструктура
создает
до
-
полнительную
нагрузку
на
энергосистему
,
которая
Рис
. 5.
График
зависимости
длительности
ожидания
заряда
от
количества
и
типа
ЭЗС
Длит
ельность
ожидания
,
мин
а
)
Медленные
ЭЗС
,
доступность
домашнего
заряда
— 0,8
Быстрые
ЭЗС
,
доступность
домашнего
заряда
— 0,8
б
)
160
140
120
100
80
60
40
20
0
160
140
120
100
80
60
40
20
0
4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38
3
4
5
6
7
8
9
10
11 12
4 9 14 19 24 29 34 39 44 49 54 59 64
Длит
ельность
ожидания
,
мин
в
)
Медленные
ЭЗС
,
доступность
домашнего
заряда
— 0,6
Быстрые
ЭЗС
,
доступность
домашнего
заряда
— 0,6
г
)
160
140
120
100
80
60
40
20
0
160
140
120
100
80
60
40
20
0
Год
2023
2024
2025
2026
2027
2028
4 6 8 10 12 14 16 18 20 22 24
Количество
ЭЗС
,
шт
Количество
ЭЗС
,
шт
Рис
. 6.
Требуемое
количество
ЭЗС
в
городе
Кемерово
до
2028
года
Ввод
только
медленных
ЭЗС
Тр
еб
уемое
ко
личеств
о
ЭЗС
,
шт
.
Ввод
только
быстрых
ЭЗС
60
50
40
30
20
10
0
20
15
10
5
0
2023 2024 2025 2026 2027 2028
2023 2024 2025 2026 2027 2028
Год
Год
Доступность
домашнего
заряда
— 0,6
Доступность
домашнего
заряда
— 0,8
для
города
Кемерово
к
2028
году
может
достигать
2000
кВт
и
более
,
что
составляет
всего
порядка
0,5%
средней
электрической
нагрузки
города
(
без
учета
крупных
промышленных
предприятий
).
Однако
,
не
-
смотря
на
незначительный
прирост
нагрузки
от
ЭЗС
,
возникает
проблема
повышения
загрузки
существу
-
ющих
кабельных
линий
и
электрооборудования
,
ко
-
торые
эксплуатируются
уже
более
30
лет
.
При
этом
,
учитывая
городской
ландшафт
,
замена
оборудова
-
ния
на
новое
большей
пропускной
способности
не
может
быть
произведена
оперативно
.
На
рисунке
7
приведены
суточные
профили
элек
-
тропотребления
ЭМ
при
использовании
медленных
и
быстрых
ЭЗС
,
полученные
в
результате
имитаци
-
онного
моделирования
для
2028
года
при
степени
№
3 (78) 2023
16
ЭЛЕКТРОЗАРЯДНАЯ
ИНФРАСТРУКТУРА
доступности
домашнего
заряда
— 0,6.
Представ
-
ленные
графики
имеют
неравномерный
характер
с
большим
преобладанием
вечернего
максимума
.
Для
Кемеровской
области
с
преимущественно
ве
-
черними
часами
пиковой
нагрузки
энергосистемы
работа
электрозарядной
инфраструктуры
приведет
к
росту
пиковой
нагрузки
и
в
будущем
может
вы
-
звать
ограничения
пропускной
способности
элек
-
трических
сетей
и
перегрузку
центров
питания
.
ЗАКЛЮЧЕНИЕ
В
данной
работе
рассмотрено
планирование
раз
-
вития
электрозарядной
инфраструктуры
города
Кемерово
с
использованием
ме
-
тода
агентного
моделирования
.
В
программной
среде
AnyLogic
разработана
имитационная
мо
-
дель
городской
электрозарядной
инфраструктуры
,
учитывающей
поведение
ЭМ
и
позволяющей
моделировать
профили
нагрузки
ЭЗС
.
На
основании
проведенного
анализа
установлено
,
что
при
сба
-
лансированном
сценарии
разви
-
тия
рынка
ЭМ
России
к
2028
году
в
городе
Кемерово
может
по
-
требоваться
ввод
до
61
новых
медленных
или
22
быстрых
ЭЗС
,
что
соответствует
расширению
существующей
электрозаряд
-
ной
инфраструктуры
более
чем
в
20
раз
.
Предложенный
подход
к
ими
-
тационному
моделированию
мо
-
жет
быть
использован
для
планирования
про
-
филей
электропотребления
центров
питания
при
разработке
комплексных
программ
разви
-
тия
городских
электрических
сетей
до
35
кВ
,
при
формировании
инвестиционных
программ
по
развитию
инфраструктуры
заряда
электро
-
транспорта
,
а
также
при
разработке
методов
ин
-
теллектуального
управления
зарядными
стан
-
циями
.
Исследование
выполнено
при
финансовой
под
-
держке
государственного
задания
Министерства
науки
и
высшего
образования
Российской
Федера
-
ции
(
№
075-03-2021 138/3).
Рис
. 7.
Суточный
профиль
электропотребления
электромобилей
от
сети
при
заряде
в
2028
году
ЛИТЕРАТУРА
/ REFERENCES
1. Global EV Outlook 2022 – Data
product. URL: https://www.iea.org/
data-and-statistics/data-product/
global-ev-outlook-2022.
2.
О
концепции
по
развитию
произ
-
водства
и
использования
электри
-
ческого
автомобильного
транс
-
порта
в
Российской
Федерации
на
период
до
2030
года
от
23
ав
-
густа
2021. URL: https://docs.cntd.
ru/document/608396540 / About the
concept of production development
and application of electric highway
transport in the Russian Federation
until 2030 dated August, 23, 2021.
URL: https://docs.cntd.ru/document/
608396540.
3.
Методические
рекомендации
по
стимулированию
использования
электромобилей
и
гибридных
ав
-
томобилей
в
субъектах
Россий
-
ской
Федерации
,
утвержденные
распоряжением
Минтранса
Рос
-
сии
от
25.05.2022
№АК
-131-
р
. URL:
https://mintrans.gov.ru/documents/
10/11866 / Methodical guidelines on
promotion of using electric cars and
hybrid cars in the Russian Federa-
tion constituent entities approved by
the Order of the Ministry of Transpor-
tation of Russia dated 25.05.2022
no.
АК
-131-r. URL: https://mintrans.
gov.ru/documents/10/11866.
4.
Гвоздев
Д
.,
Сафарян
А
.,
Коро
-
лев
А
.,
Болонов
В
.,
Окнин
Е
.,
Тимохин
Р
.
Принципы
интеллек
-
туального
управления
зарядны
-
ми
станциями
для
электромоби
-
лей
//
Ежеквартальный
спецвыпуск
«
Россети
»
журнала
«
ЭЛЕКТРО
-
ЭНЕРГИЯ
.
Передача
и
распреде
-
ление
», 2022,
№
1(24).
С
. 8–14 /
Gvozdev D., Safaryan A., Korolev A.,
Bolonov V., Oknin E., Timokhin R.
Principles of intelligent control of
electric car charging stations //
Yezhekvartal'niy spetsvypusk "Ros-
seti" zhurnala "ELEKTROENER-
GIYA. Peredacha i raspredeleniye"
[Quartely special issue "Rosseti" of
the journal "ELECTRIC POWER.
Transmission and Distribution"],
2022, no. 1(24), pp. 8–14. (In Rus-
sian)
5. Hasselwander S., Galich A., Nieland S.
Impact of Climate Change on the
Energy Consumption of Passenger
Car Vehicles. World Electric Vehicle
Journal, 2022, vol. 13, no. 8, p. 146.
6. Unterluggauer T., Rich J., Ander-
sen P.B., Hashemi S. Electric vehi-
cle charging infrastructure planning
for integrated transportation and
power distribution networks: A re-
view. eTransportation, 2022, vol. 12,
p. 100163.
7.
Федеральная
служба
государ
-
ственной
статистики
(
Росстат
).
Комплексное
наблюдение
условий
жизни
населения
2020 (
КОУЖ
-
2020). URL: https://gks.ru/free_doc/
new_site/GKS_KOUZH-2020/index.
а
)
б
)
М
ощность
,
кВ
т
М
ощность
,
кВ
т
Мо
щ
нос
ть
,
кВ
т
Мо
щ
нос
ть
,
кВ
т
Медленные
ЭЗС
Быстрые
ЭЗС
Время
2000
1500
1000
500
0
2000
1500
1000
500
0
00:00
00:00
02:00
04:00
06:00
08:00
10:00
12:00
14:00
16:00
18:00
20:00
22:00
Заряд
дома
Общественные
ЭЗС
Суммарная
нагрузка
17
html / Federal State Statistics Ser-
vice (Rosstat). Complex monitoring
of population living conditions 2020
(KOUZH-2020). URL: https://gks.ru/
free_doc/new_site/GKS_KOUZH-
2020/index.html.
8. EV Database. URL: https://ev-da-
tabase.org/cheatsheet/energy-con-
sumption-electric-car.
9. Wang Y., In
fi
eld D. Markov Chain
Monte Carlo simulation of electric
vehicle use for network integra-
tion studies. International Journal of
Electrical Power & Energy Systems,
2018, vol. 99, pp. 85-94.
10. Iwafune Y., Ogimoto K., Kobayas-
hi Y., Muray K. Driving Simulator
for Electric Vehicles Using the Mar-
kov Chain Monte Carlo Method and
Evaluation of the Demand Response
Effect in Residential Houses. IEEE
Access, 2020, vol. 8, pp. 47654-
47663.
11.
Soares F., Lopes J.A.P., Almei-
da P.R., Moreira C.L., Seca L. A sto-
chastic model to simulate electric
vehicles motion and quantify the
energy required from the grid. 17th
Power Systems Computation Con-
ference (PSCC). Stockholm Swe-
den – August 22-26, 2011. URL:
https://www.researchgate.net/publi-
cation/235721649.
12.
Шкитина
Н
.,
Акимов
Д
.
Анализ
влияния
стохастической
нагрузки
электромобилей
на
распредели
-
тельную
сеть
//
Ежеквартальный
спецвыпуск
«
Россети
»
журнала
«
ЭЛЕКТРОЭНЕРГИЯ
.
Передача
и
распределение
», 2021,
№
1(20).
С
. 40–45 / Shkitina N., Akimov D.
Analysis of stochastic load impact of
electric cars on the distribution net-
work //
Yezhekvartal'niy spetsvypusk
"Rosseti" zhurnala "ELEKTROEN-
ERGIYA. Peredacha i raspredeleni-
ye"
[Quartely special issue "Rosseti"
of the journal "ELECTRIC POWER.
Transmission and Distribution"],
2021, no. 1(20), pp. 40–45. (In Rus-
sian)
13.
Jelen G., Babic J., Podobnik V.
A multi-agent system for context-
aware electric vehicle
fl
eet rout-
ing: A step towards more sustain-
able urban operations. Journal of
Cleaner Production, 2022, vol. 374,
p. 134047.
14. Jiang C., Jing Z., Ji T., Wu Q. Opti-
mal location of PEVCSs using MAS
and ER approach. IET Generation,
Transmission & Distribution, 2018,
vol. 12, no. 20, pp. 4377-4387.
15. Pagani M., Koroses W., Chokani N.,
Abhari R.S. User behaviour and
electric vehicle charging infrastruc-
ture: An agent-based model as-
sessment. Applied Energy, 2019,
vol. 254, no. 26, p. 113680.
16. Chaudhari K., Kandasamy N.K.,
Krishnan A., Ukil A. Agent-Based
Aggregated Behavior Modeling for
Electric Vehicle Charging Load. IEEE
Transactions on Industrial Informat-
ics, 2019, vol. 15, no. 2, pp. 856-868.
17. van der Kam M., van Sark W., Al-
kemade F., Peters A. Agent-Based
Modelling of Charging Behaviour of
Electric Vehicle Drivers. Journal of
Arti
fi
cial Societies and Social Simu-
lation, 2019, vol. 22, no. 4, p. 7.
18. Donkers A., Yang D., Viktorovi
ć
M.
In
fl
uence of driving style, infrastruc-
ture, weather and traf
fi
c on electric
vehicle performance. Transportation
Research Part D: Transport and En-
vironment, 2020, vol. 88, p. 102569.
19. Wang J., Besselink I., Nijmeijer H.
Battery electric vehicle energy con-
sumption prediction for a trip based
on route information. Proceedings
of the Institution of Mechanical Engi-
neers, Part D: Journal of Automobile
Engineering, 2018, vol. 232, no. 11,
pp. 1528-1542.
20. Luo C., Huang Y.-F., Gupta V. Place-
ment of EV Charging Stations – Ba-
lancing Bene
fi
ts Among Multiple En-
tities. IEEE Transactions on Smart
Grid, 2017, vol. 8, no. 2, pp. 759-768.
21. Hu L., Dong J., Lin Z. Modeling
charging behavior of battery electric
vehicle drivers: A cumulative pros-
pect theory based approach. Trans-
portation Research Part C: Emerg-
ing Technologies, 2019, vol. 102,
pp. 474-489.
22. Franke T., Krems J.F. Understanding
charging behaviour of electric vehi-
cle users. Transportation Research
Part F: Traf
fi
c Psychology and Be-
haviour, 2013, vol. 21, pp. 75-89.
23. Singh S., Vaidya B., Mouftah H.T.
Smart EV Charging Strategies
Based on Charging Behavior. Fron-
tiers in Energy Research, 2022,
vol. 10, article 773440.
№
3 (78) 2023
Оригинал статьи: Мультиагентное моделирование развития электрозарядной инфраструктуры города Кемерово
В статье рассмотрена проблема моделирования и планирования развития электрозарядной инфраструктуры на примере города Кемерово. Для решения этой проблемы разработана имитационная модель электрозарядной инфраструктуры и поведения электромобилей. Имитационная модель позволяет моделировать изменение уровня заряда батарей электромобилей в течение суток и возникающие в связи с этим потребности водителей электротранспорта в заряде с учетом особенностей городской инфраструктуры и мест размещения зарядных станций. На основании результатов имитационного моделирования выполнена оценка потребности ввода новых зарядных станций в городе Кемерово на период до 2028 года. Приведена оценка дополнительной электрической нагрузки на городскую электрическую сеть со стороны электрозарядных станций.
