以下為演講實錄：

   感謝賈總，電力行業的老領導，也是充電建設領域的先行者。
 

   第一個，我們從上海市新能源汽車的車輛數據上看，怎么用這些車輛數據做一些底層分析，給大家用。
 

   第二個，這些數據怎么服務充電設施運營商？這是我們在思考和實踐的過程。在這個過程中講一下社區充電，剛才張楊主任講的，我說上海的情況和浙江的情況非常接近。
 

   在上海一直監測兩個數據：插電時間和充電時間。所謂插電時間是這輛車插在充電樁上的時間，這個時間很長，10個小時，實際充電時間90%以上5個小時。所以我們一直在想一件事，其實對社區充電，一個晚上、一個裝置可以充兩輛車，后面的技術我不是太懂，不是這方面行家。
 

   如果直流樁沒問題，一個樁兩把槍，分配一下就行了。交流樁如果能夠做到相鄰兩個車位一個樁就能解決，也就是7個千瓦的負荷解決一個社區相鄰兩個車位的充電，如果技術上能解決，這是最佳的，你的負荷自然就小了。這是我們一直倡導的事。
 

   第二個是社區充電，現在我們講了那么多，大家還在個人報裝，我一直在呼吁，盡快結束隨車送裝，這是小眾產品的思路，我們在推廣過程中，把很多任務壓給了車企。但是大家想想，如果是全面普及的話，干嘛要送樁？如果所有停車位都能充電的話，社區充電還難嗎？當然這不是一天能解決的，但是我們已經進入了電動汽車普及化時代，需要呼吁了。
 

   最近我們做了一個調查，8個次新小區，每個小區到底有多少地上停車位、地下停車位？有多少輛新能源汽車？到小區物業那里一個調查，調查完以后的結論：小區里的停車位和電動汽車的比是12%左右，蠻高了，也就是2025年可以看到大約20-25%。我們預計到2030年40%左右，電動化不可能100%，能夠到百分之六七十是比較高的數。
 

   但是一旦車位到這種程度，現有的充電模式一定要改，絕不能把樁變成私人的，一定是真正的“統建統營”，由一個運營商管理一個小區，所有的布線可能還是交給電網，直接到位。電話機、裝光纖都是直接到戶，未來充電樁的電線應該是直接到各種車位，只有這樣才能真正扭轉。當然現在做不到，沒那么簡單，因為地上停車位是非常復雜的事，但這是繞不開的問題，這是政府的問題，不是運營商的事。
 

   先講講整個市場情況，在電動汽車這件事，中國走在全國之上，始終在50%的占比比例。然后看看現在中國的滲透率，剛才很多專家都講了，我不講了，今年我自己的預測是40%，絕對數已經不重要了，趨勢是越來越明顯、越來越寬。
 

   上海的數據是今年1-4月又多了9萬輛，今年插電明顯少了，因為上海的綠牌沒了，所以都是純電。

這是租賃、出租、公務歷年的數據。
 

   總的來說，我們已經突破100萬輛，昨天在接待閉門會專家的大屏講解時我說，接入我們平臺的是110萬輛車，這包括了租賃、出租，其中大約70%以上是私家車的結構。具體打開來看，我們可以看到74%是私人的，其中公務的占13%，其他的占比就小了。
 

   從能源結構來看，純電和插電基本接近，過去最早開始的時候，基本上還是以插電式混動為主，但最近30年基本上純電趕上了。不同的領域里，純電和插電的變化關系按年度做了統計，可以看到整個上海市場車型能源結構的變化關系，還有上海市場哪些車保有量比較好，這和充電設施企業家們如何進行充電樁建設是有關的。
 

   這是充換電基礎設施的統計數據，上海所有的充電設施接近70萬個，已經完成了2025年上海的政府目標。原來定的目標太保守了，不是說做得好，是太保守了。私人樁55.2萬個，這里是有問題的，因為統計很多是報裝，有很多是表后的，這些都沒統計進去。上海的換電站相對弱一點，因為它要有土地，比較難，換電站又和租賃、出租車有關系，所以復雜一點。
 

   車端的數據有什么？第一個，車輛端的整車數據，包括車輛狀態、車速、充電狀態、總電壓、總電流、運行模式、累積里程、SOC，還有車輛的位置數據、動力電池的數據，全部的單體電壓和全部的探針溫度，一個包里如果有15個探針就是15個探針溫度，你也就知道充電過程中電池電壓的溫升等等。
 

   我們的數據不是來自樁端，而是來自車端。而車只有兩種狀態會給我們數據：開或者充，所以我們能知道你什么時候充、什么時候結束，你充的時候SOC是多少？充的時候電流電壓慢慢變為多少，這個過程都有。它的整個采樣產量頻率是30秒，現在基本上到10秒，個別企業是5秒。
 

   剛才講了有兩種數據：充電數據、換電數據。車輛數據包括了出行和充電過程，這些數據先進我們的庫以后，要按規則進行數據篩選和數據質量檢查，所以我們經常對企業說：“你的數據質量出問題了，我們要求你們整改。”每個新車型進入上海的時候，有個數據質量檢測，只有合格了，市里才會給你準入，所以我們通過這兩個不斷的質量監測，保證了數據質量，否則后面分析全部要出亂子的。

只要出行一次或者充電一次，我們都要做充電和出行的統計指標抽取，每一次都抽。抽完以后，充電時長、充電時刻、充電起始、結束的SOC、充入多少電量、頻次（天）、日均開的里程，這次開的起始時刻，每一次都有一組數據，每一輛車每一次，不管是什么車都有數據。統計完了以后，我們還抽取一些標簽，這個充電是在社區嗎？有車輛居家充電標簽和車輛工作地充電，因為我們有空間坐標，而空間有POI信息層，我們就能把它對起來，然后這次是在公共充電場站上充嗎？都要打上標簽。你是直流充，還是飛線充？因為功率能看到電流不一樣。你是私人網約，還是私人通勤？這些都是統計以后的分析。
 

  每一輛車不斷地貼標簽，貼完之后，更因為有這么多大量每一天、每一年的數據，后面就比較好辦。你要做分析的時候，我們就可以按照情景進行分析，日、周、月的分析，時間、空間的分析，你是有樁用戶還是無樁用戶的分析，甚至可以做每個公共充電場站里今天是什么類型用戶在充電。

換個概念講，公共充電廠站對乘用車不是強需求。為什么？因為私家車只要解決了社區充電，公共場站就是補電用的，這和加油站不一樣，所以公共充電場站不能太盲目地建。雖然會有越來越多的電動車，但是它不是強需求。
 

   這些分析完了以后，我們可以不斷地切，你要切純電車也好、插電車也好，直流、交流也好，按品牌切也好，按標簽私人通勤和私人網約、出租切也好，要切某個行政區或者某個時間段，都可以。因為基礎數據都有了，所以我們給充電設施服務商的服務就是基于這個底層數據來做。在這上面，大家的需求就可以疊加，所以我們做的是最底層。
 

   我們是怎么服務充電場景的？我們和同濟大學的一項共同研究，主要研究是同濟大學，我們按要求做數據。他們把所有的問題組成右邊“現狀解析、行為演變、影響機理、潛力分析”，要回答司機怎么充？充電行為怎么養成的？充電基礎設施夠嗎？疫情怎么影響的？能不能可持續？這是學院化的完整思路。我想說的是方法論對我們的啟發。
 

   我們把數據組成這么分散的網狀篇，行為分析怎么剝開？行為誘導怎么剝？每一個都要分解到指標上，我們把指標組織好了，后面就是數學工具的問題。
 

   在這個過程中，恰好結合浦東運營商、浦東電網的需求來做了這個事情，充電設施的供需平衡。這個結論不能簡單拿去用，因為它的樣本量是1.5萬私家車加5千出租車，它只是一個方法論，不能把后面那些場站分析當做結論。

   它的整個研究過程是這樣的，最后根據這些樣本數據把所有充電事件和公樁匹配的事件準備好，準備好以后，把用戶又按照我們的標簽（出租車、有私樁的私家車、無私樁的私家車等），也就是常規用的模型。

   1、司機怎么充電的？

   剛才講了三類用戶，三類用戶的充電時間偏好存在顯著差異的，私樁、公樁、出租車這三種情況，時間分成五類，越亮表示充電時間數越多。偏好時間不多講了。如果一個私家車是無樁的，他的充電時間就非常熟悉了，大家都有這個經驗。

   第一個，用戶分類和時間模式進行研究，怎么充電。

   第二個是空間維度來看，有私樁的私家車公樁是補電作用，這種補電占比是非常少的。隨后空間的分布是非常離散，只有機場附近是比較集聚的，它的空間有各種各樣的畫法。這個研究只研究浦東地區。私家車怎么用公樁？也有不同的分析。

   出租車的空間維度是什么？從時間和空間兩個維度來講司機是怎么充電的。

    2、公共充電基礎設施夠用嗎？
 

   藍色的圖是現在的公共設施，下面的紅色圖是期望的充電需求。這里有個轉變，期望需求，因為我們能知道這輛車有樁還是無樁，這是實際，不等于期望，他們有個模型分析分析了期望。這兩個一對比以后，就出現了問題，實際的樁和期望想去的地方出現了差異，這個思路就能慢慢找到公共充電樁應該往哪兒去，轉變就在這塊。所謂創新是創新在這塊。
 

   隨后根據這塊找了幾個熱點區域看充電需求熱點的情況，做了實際調研。比如世博園區的浦東游泳館附近，結論是供給不足，但是這個區域又有三家公共充電站，一家站很好，排隊，而另一站不好，不好的原因是什么？被附近辦公的電動車停在那兒充電，不動了，所以它的經營狀況開始出問題了，停車費收到了，它永遠停在那兒，所以像這種一對一的分析就是后面的問題，數學工具解決不了為什么這個問題？所以公共充電場站、需求的分析不能簡單地通過數據分析就下結論說這里需要建站就要分析，可能會出錯。
 

   迪士尼樂園度假區，它是平峰期和高峰期變化非常厲害，看著好像有需求，但是它也就是高峰期有需求，平時空得一塌糊涂，所以不能盲目往前進展。
 

   這是我們自己做的營運車輛和私人車輛充電及換電的情況，營運車輛換電很熱，營運車輛都是換電的嗎？這根線的右邊是換電為主，左邊是充電為主，換電車輛為主的營運者也只占14%，運營車輛不是不想換電，是換電場站不夠，總共上海就120家，所以問題暴露在這個問題，并不一定是大家不希望，實際情況是這樣。
 

   換電和充電有什么好處比較？如果換電的話，行駛里程能多開，運營車輛肯定是愿意的。充電為主的車和換電為主的車平均一天開多少公里？明顯換電為主的車輛開得多，所以換電的運營車為一定是歡迎的。
 

   總之，現在除了新能源汽車數據以外，還有500輛L4級智能網聯汽車，還有嘉定100多個路口攝像頭的數據、激光雷達的數據，我們都在整合。

   這些數據做完之后，再做兩個事：

   第一，怎么評價L4級的車是安全的？從車端數據和路側數據來評價安全性，因為舒適性不是我們管的，那是車企的事，但是安不安全不能由車企一家說了算，一定要由獨立第三方做評估，你在路上跑，我們來評估。

   第二個，這兩個數據怎么打通？這些新能源汽車的數據怎么服務于L3級或者接近L3級？現在越來越多 了，在高速公路或者高架路上的脫手越來越多了，怎么打通這些數據？也正在進行一些探索。

總之，希望把這些數據服務智慧汽車、智能交通、智慧能源、智慧城市。

   這是整個數據處理過程，從接入、質量、存儲、標定、分層、分析、遠程開放，我們開始進入了一些遠程開放，大家可以到我們這里來申請，遠程做了一些研究。更多是在開放實驗室，到我們這里看得見數據、帶不走數據，小量可以做遠程性研究。

   我們把數據處理成各種數據層，出行、充電、保險、殘值、配電網等，我們做成5分鐘的充電負荷網格曲線。我們想要在三橫六縱上產生各種各樣的應用場景，如果大家有利用數據做研究或者實際服務的需求，我們可以更多的交流，我的發言就到這里，謝謝大家！