最近,氣象預報員高度肯定地預期在我們居住的地區會有一場大雪/冰風暴。我趕在暴風雨來臨之前外出辦點事情時,碰巧經過一座有著12台加油機的加油站,幾乎每一台機器前都排了三、四輛車等著加油。儘管隊伍很長,但它的移動速度很快,每輛車只需要不到五分鐘的時間就加好油了,所以等待時間是可以接受的。

這讓我聯想到如果相同的情況發生在電動車(EV)呢?無論您對於EV是否可行或可取的看法如何——這又是另一個話題了——事實是要讓EV充飽電所花的時間比起為汽油或其他碳氫化合物驅動的車輛加滿燃料的時間更長。根據充電設置等級和電池容量(參見下表)的不同,大約需要花費1~10個小時以上的時間。可以確定的是這一定會讓EV充電站大排長龍且移動速度緩慢,再加上許多暴怒的駕駛人。值得注意的是,EV充電著重的是每分鐘跑多少英哩(或公里)的續航力指標,而不再是加了多少加侖(或升)的汽油。

EV Charging Basics

電動車充電選項摘要提供了初步指南,此外還有許多其他因素需要考慮(來源:Electronic Products/AspenCore)

廣義的來看EV充電的情況,在許多方面,它類似於生活中面對許多方面的問題:您需要多少‘server’(服務)來支援預期的使用需求(此處的server指的是服務的人員與設備,而非資料中心伺服器)。這的問題也適用於零售商店、各種電話求助專線、醫療設施、網際網路/網路伺服器等問題。早期針對基本電話業務通常進行早期了詳細的研究和分析(例如貝爾實驗室),從一個名為‘Erlangs’(話務量電話流量單位)的測量參數開始,將電話電路上的總通話流量進行了量化(而且還有Erlang B和Erlang C等版本)。

如今,隨著封包交換電話成為主流以及電路交換線路逐漸消失,您不會再聽到太多關於Erlang和話務量與分析的消息了。然而,這個術語的使用頻率曾經一度與每秒兆位元(Mb)一樣頻繁。與Erlang相關的研究採取不同的觀點來回答這一類的問題:對於特定數量的Erlang,局端(CO)需要多少線路介面單元(LIU)才足以提供所需的服務水平?在此佇列分析中存在很多變量,其中包括:

  • 理想的服務等級是什麼?如果必須讓用戶等待,問題可能是「有多少LIU可確保95%的用戶等待時間不到一秒鐘?」
  • 對於具有定義均值的特定隨機呼叫/時間段,應該使用哪一種通話概率分佈(一般經常使用的是Poisson分佈)?
  • 同樣地,如果通話的時間長度是隨機的,那麼具有特定平均值的隨機概率分佈為何?
  • 最後,在此假設下,用戶接取至LIU的最長等待時間是多少?

電話系統工程師採用這些與參數相關的變量進行模擬,就可以放心地回答問題,例如「支援10,000個電路的局端需要多少LIU,才能確保95%的通話者等待不到1秒鐘就能連接到LIU?」連接局端的主要線路也進行了類似的分析。

當然,在預測的峰值事件出現時,這一分析就變得更加複雜了。據說母親節是通話量最高的日子,通常發生在下午12點到6點之間。因此,在分析時會遇到正常峰值流量負荷以及不尋常的峰值等問題,以及如何調整資源大小以因應所需的性能水平。簡言之:它會變得更複雜,這是肯定的。

EV充電的情況也是一樣的。先從一個「正常」的情況來思考可能會好一點,畢竟,如果家家戶戶都有一輛EV並且可在自家過夜充電,但現實上根本不可能。因為許多車輛並不會安裝個別充電器(有些車子甚至停放在街道上),那麼究竟需要多少公共充電站?這顯然取決於許多因素的機率統計。

當諸如預測風暴出現的事件時,還可能發生峰值對峰值負載(peak-peak load)的問題...

...繼續閱讀請連結EE Times Taiwan網站