电动汽车充电服务是泛在电力物联网中的重要建设内容，其以优质充电服务为基石和入口，推进人、车、桩、网、电、储等资源的泛在互联，促进电动汽车服务行业健康发展^[1]。推动电动汽车充电服务网络的建设，需要加强软硬件设施建设，也需要制定合理的充电服务费以引导更多主体参与其中。

充电服务费会直接影响充电运营商、电网企业、金融投资机构等投资建设电动汽车服务网络的利润，一个可观的利润可以提高它们参与建设的积极性与合理性，因此如何合理地制定电动汽车充电服务费的标准具有十分重要的意义。国内外已有部分学者开展了关于充电服务费定价的相关研究。彭鸿林等^[2]简述了不同充电模式下多种充电服务费收取模式，比如在社会公共充电站充电模式下，模仿加油站式收费，由监管价格的部门同意规定购买电价和出售电价，两者的差价作为充电站的投资回报，但该研究只是进行了理论上的简要分析，并未给出充电服务费的实际定价模型。史乐峰等^[3]分析了PPP（public-private-partnership）定价模型在不同场景下的应用，协调政府、企业以及用户多方利益，利用Stackelberg博弈论求解充电服务定价模型，通过算例验证了其有效性，但是该模型只能得到短期内静态不变的充电服务费，不能看出不同因素变化对充电服务定价的影响。庄莹华等^[4]对充电车主和充电设施营运者各自的利润和成本进行了分析，制定了基于成本效益定价法的充电服务费定价方法，但是并没有给出具体的数学模型。Li等^[5]分析了影响充电服务费定价的因素，如财政补贴、运营成本和充电收入等，提出了一种兼顾充电服务商与用户利益需求的充电服务费定价策略，不足的是其考虑的因素不够全面，没有考虑到电动汽车规模的发展会给运营商成本和收入带来的影响。赵茜等^[6]提出分开定价的方法，充电的电价收费同电网供电价格相同，而充（换）电收取的服务费则由市场因素决定，但其没有分析市场因素具体如何影响服务费的制定，缺少数学模型。沈珑桓等^[7]在充电站运营商收支平衡的情况下，分别按投资产出核算表收费标准和按燃油替代核算收费标准对充电服务费的收取进行预测并给出建议，即在电动汽车发展的初期，该标准不得高于燃油收费，该方法可能造成充电运营商的亏损，不利于充电服务网络的建设。赵茜等^[8]对基于替代能源法和成本效益法的充电价格方法进行了对比分析，表明采用替代能源定价法更容易被用户接受，但是充电站的运营商会面临亏损的风险，且没有给出新的定价模型来保证运营商的盈利。罗敏等^[9]研究了峰谷分时服务价格和用户响应行为之间的关联特性，但是该研究以电网削峰填谷为目的，没有考虑到运营商及用户的利益。葛文捷^[10]研究了含光伏电源的电动汽车充电服务价格定价策略，并分析了定价策略对于引导电动汽车有序充电、减小负荷峰谷差的影响，但是该研究得到的充电服务价格是分时电价，只能体现电价在一天内的变化。Zhang等^[11]探讨了交流充电模式和直流充电模式下的服务费定价策略，并建立了充电桩、平均充电率、充电汽车数量与充电服务费的约束关系，但是其考虑的因素较单一，不适用于飞速发展的充电服务网络。Zhang等^[12]在实时价格机制中考虑了充电服务费的影响，并通过仿真发现过高或过低的充电服务费都不利于电动汽车的发展，但并未涉及具体的充电服务费定价模型与方法。

由以上文献可知，目前国内外对于充电服务费的定价研究较少，且大多只是分析策略，缺少具体数学模型，而已有的定价模型考虑因素较少。实际上，充电服务费的合理制定涉及很多因素，充分考虑其影响因素从而合理定价，对于推动泛在电力物联网背景下的充电服务网络建设具有很重要的现实意义。本文综合考虑泛在电力物联网和充电服务网络建设的内容，从科技发展的水平、社会经济的变化、人口的增加、建设成本、充电桩数量和规划等多维因素出发，基于系统动力学，建立了充电服务费的定价模型。不同于其他充电服务费定价模型，本文建立的模型考虑了充电服务网络建设背景，制定更加合理的充电服务费价格，引导更多运营商和投资商加入网络建设中，并且在得到充电服务费价格以外，还能预测其未来的价格和变化，同时可以推演分析出多种因素对充电服务费不同时间阶段的影响，仿真分析结果将为充电运营商设定充电服务费价格提供参考依据。

1 泛在电力物联网与充电服务网

泛在物联是指任何时间、地点、人、物之间的信息连接；物联网是一个实现电网基础设施、人员及环境识别、感知、互联与控制的网络系统^[13]。泛在电力物联网是两者在电力行业的具体表现形式和应用落地，是技术、管理理念和思维的创新；其将用户、电网企业、发电企业、供应商以及各自不同的设备连接起来，产生共享数据，为用户、电网、发电企业、供应商和政府、社会服务；以电网为枢纽，发挥共享作用，对内实现“数据一个源、电网一张图、业务一条线”，对外广泛连接内外部服务资源和服务需求，打造能源互联网生态和新的利润增长点，适应社会形态，打造行业生态，培育新兴业态，为全行业和更多市场主体发展创作更大机遇，提供价值服务^[14]。

如图1所示，泛在电力物联网以分布式光伏服务、综合能效服务、电动汽车服务、能源电商服务、数据商业化服务、线上产业链金融、电工装备服务等7个方面子生态的建设为重点内容^[15]。其中，电动汽车服务生态建设作为泛在电力物联网的重要内容之一，通过建设充电服务网络、搭建智慧车联网平台提供服务。电动汽车服务面向政府，提供充电设施相关数据分析成果，支撑政府科学高效开展行业监管，为充电设施建设布点规划提供参考；面向用户，提供找桩、充电等基础服务；面向充电站的运营商，基于对充电设施的运营，强化全国充电设施深度互联互通^[16]。

充电服务网主要通过充电业务及相关的增值服务的运营，收回基础设施建设的投资成本并获得盈利^[17]。充电业务的关键部分之一就是充电服务费的定价。电动汽车的充电价格实际为电价和服务费之和，其中充电服务费是运营商为了盈利而收取的额外费用。合理的充电服务费利润，可以吸引更多的充电运营商进入市场，提高大家对充电服务网络建设的积极性，增加服务内容，提高服务质量，进一步推动了泛在电力物联网的建设；而泛在电力物联网可以为充电服务网络提供强大的数据支撑，提供更多增值服务，二者相互促进发展。

2 建立充电服务费定价模型 2.1 因素的筛选

电动汽车充电服务费的变化是一个复杂的系统，受到了各种因素的影响。泛在电力物联网应用大数据技术进行数据商业化服务生态建设，充分挖掘数据价值，提供专业的数据分析。现有的充电服务费定价模型大多是采用石油替代定价法，运营商面临着亏损的风险，降低了建设充电服务网络的积极性。要吸引更多的充电设施运营商加入到充电服务网络和泛在电力物联网的建设中，政府需要加强扶持力度。同时，泛在电力物联网的重要意义之一在于提高能源综合利用效率，推动能源低碳转型，电动汽车（electric vehicle，EV）使用清洁能源有效减少了传统汽车（conditional vehicle，CV）所排放的尾气污染。碳排放量减少的差值可作为政府制定补贴政策的依据。补贴政策的实施会吸引更多的用户选择购买EV，加入泛在电力物联网，成为其中的消费者。总之，在泛在电力物联网中，用户、运营商、政府都是不可缺少的主体，与充电服务网络的建设息息相关，通过以上分析并结合文献[18]中对EV购买意愿调查的统计数据，本文选取了GDP、人口、汽车规模、政策补贴、充电成本、技术发展和充电时间等因素，图2表示了部分重要因素之间的关系。

如图2所示：充电服务费由充电成本、充电收入、利润率共同决定；充电收入由充电量和充电费决定，充电成本由运营成本、建设成本、政府的建设补贴共同组成。建设成本包括了充电设施成本、网络设施成本，其与运营成本、充电量都受到EV数量的影响。EV数量由EV购买量和报废的数量共同决定。EV报废量受到汽车寿命的影响，其同时影响传统汽车的报废量。EV的购买量受到充电时间、续航里程、充电站数量、CV的价格差等因素的影响，而快速增长的GDP，促进了科学技术的发展，缩短了EV充电时间，提高了其续航能力，增大了对用户的吸引力，推动EV用户的增加^[19]。并且，人口的增加也会使得汽车市场持续扩大，其中，占据主要份额的CV因燃烧汽油产生碳排放污染，成为政府实施补贴政策扶持EV的一个原因。在政府的扶持下，EV的规模会快速增长，引起充电站的充电量的增加，提高充电收入，进一步吸引投资者进入泛在电力物联网的建设中^[20]。

2.2 基于系统动力学的定价建模

筛选出主要因素后，需要进一步分析各自的关联关系。将系统动力学应用到充电服务费定价研究中，能够更好地分析充电服务费影响因素。系统动力学的原理主要是将给定的目标及其众多的影响因素组成一个相互依赖的反馈系统^[21]。系统内部的各因素与外界因素互相作用，彼此之间的因果关系推动了系统发展。建模方法包括5个部分：1）明确问题，确定各因素；2）提出动态假设；3）建立结构方程；4）模拟与测试；5）政策设计与运用。

2.3 各模块的建立

利用系统动力学方法对充电服务费定价模型进行建模，并通过系统动力学专业软件Vensim^[22]对其进行模拟仿真。本文将EV充电服务费定价模型划分为汽车需求模块、政策模块、EV发展模块和电价模块。

汽车需求模块代表整个社会汽车发展，其推动了EV发展和充电量的增加；政策板块则是表示政府通过各类补贴政策，推动EV的发展及泛在电力物联网的建设；EV发展板块模拟了EV的数量和充电量在未来的变化，其在充电服务网中充当能源消费者的角色；电价模块通过充电量的变化、补贴政策和充电成本的改变，模拟了充电服务费的变化趋势。每个模块具体包含的因素及相互关系如下。

1）汽车需求模块

此模块包含的因素如图3所示。GDP及人口的增长速度，决定了社会对汽车新增的需求量，同时汽车寿命有限，需要更新置换，也促进了汽车市场的发展。在固有销售量的基础上，加上每年新增需求，再除去报废车辆，可以得到新的汽车保有量。图3中，各因素的具体关系用式（1）～（12）表示。

EV和CV的规模如式（1）、（2）所示：

${G_{{\rm{EV}}}}(t) = {G_{{\rm{EV}}}}({t_0}) + \sum\limits_{t=0}^T {[{B_{{\rm{EV}}}}(t) - {D_{{\rm{EV}}}}(t)]} $

(1)

${G_{{\rm{CV}}}}(t) = {G_{{\rm{CV}}}}({t_0}) + \sum\limits_{t=0}^T {[{B_{{\rm{CV}}}}(t) - {D_{{\rm{CV}}}}(t)]} $

(2)

式中： ${G_{{\rm{EV}}}}(t)$ 、 ${B_{{\rm{EV}}}}(t)$ 、 ${D_{{\rm{EV}}}}(t)$ 分别为EV的规模、购买量及报废量； ${G_{{\rm{CV}}}}(t)$ 、 ${B_{{\rm{CV}}}}(t)$ 、 ${D_{{\rm{CV}}}}(t)$ 分别为CV的规模、购买量及报废量； ${D_{{\rm{CV}}}}(t)$ 、 ${D_{{\rm{EV}}}}(t)$ 可分别由式（3）、（4）计算：

${D_{{\rm{CV}}}}(t) = {G_{{\rm{CV}}}}(t)/L(t)$

(3)

${D_{{\rm{EV}}}}(t) = {G_{{\rm{EV}}}}(t)/[L(t) - {T_{\rm{d}}}]$

(4)

式中， $L(t)$ 为汽车的平均寿命， ${T_{\rm{d}}}$ 为延迟时间。

GDP总量 ${G_{\rm{G}}}(t)$ 由式（5）计算所得，GDP每年的增长量 $\Delta {G_{\rm G}}(t)$ 由式（6）所得：

$ {G_{\rm{G}}}(t) = {G_{\rm{G}}}({t_0}) + \sum\limits_{t=0}^T \Delta {G_{\rm G}}(t) $

(5)

$\Delta {G_{\rm G}}(t)= {G_{\rm{G}}}(t) \cdot {\rho _{\rm{G}}}(t)$

(6)

式中， ${\;\rho _{\rm{G}}}(t)$ 为GDP增长率。

人口数量 ${G_{\rm{R}}}(t)$ 和人口增长量 $\Delta {G_{\rm R}}(t)$ 由式（7）、（8）可得：

${G_{\rm{R}}}(t) = {G_{\rm{R}}}({t_0}) + \sum\limits_{t=0}^T \Delta {G_{\rm R}}(t) $

(7)

$\Delta {G_{\rm R}}(t) = {G_{\rm{R}}}(t) \cdot {\rho _{\rm{R}}}(t)$

(8)

式中， ${\;\rho _{\rm{R}}}(t)$ 为人口增长率。

式（9）计算了千人汽车保有量 ${Q_1}(t)$ ：

${Q_1}(t) = [{G_{{\rm{EV}}}}(t) + {G_{{\rm{CV}}}}(t)]/{G_{\rm{R}}}(t)$

(9)

式（10）为千人汽车保有量期望值 ${Q_2}(t)$ 的计算公式：

${Q_2}(t) = {Q_2}({t_0}) \cdot \Delta {G_{\rm G}}(t) \cdot co{n_1}$

(10)

式中， $co{n_1}$ 为GDP对千人汽车保有量的贡献率，设为固定常数0.46。

汽车总需求 ${{\textit{Z}}_{\rm V}}(t)$ 的计算如式（11）所示，其中， $\Delta {V_1}(t)$ 为汽车新增需求，可由式（12）得到， ${\alpha _1}$ 为汽车的需求因子。

${{\textit{Z}}_{\rm{V}}}(t)= {D_{{\rm{EV}}}}(t) + {D_{{\rm{CV}}}}(t) + \Delta {V_1}(t) $

(11)

$\Delta {V_1}(t)= [{Q_2}(t) - {Q_1}(t)] \cdot {\alpha _1}$

(12)

2）政策模块

此模块主要指政府的政策行为，包含的因素及主要关系如图4所示。由于能源问题和环境问题的严重性，电动汽车使用清洁能源，受到了政府的重视及推动。政府的扶持力度会受到碳排放量、电动汽车与传统汽车数量差的影响。扶持力度会影响政府对电动汽车充电、购置和充电站建设成本的补贴。图4中，各因素的具体关系用式（13）～（18）表示。

EV与CV的数量差值 $\Delta {V_2}(t)$ 如式（13）所示：

$\Delta {V_2}(t) = {G_{{\rm{CV}}}}(t) - {G_{{\rm{EV}}}}(t)$

(13)

$F(t)$ 为政府补贴力度，数值限定为0～1，由式（14）计算所得：

${\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;F(t)} = \Delta {V_2}(t) \cdot {\alpha _2} + f(t) \cdot {\alpha _3}$

(14)

式中： ${\alpha _2}$ 为电动汽车和传统汽车的数量差因子； ${\alpha _3}$ 为碳排放因子； $f(t)$ 为总的碳排放量，如式（15）所示：

$f(t) = {G_{{\rm{CV}}}}(t) \cdot {\alpha _4}$

(15)

式中， ${\alpha _4}$ 为CV排放因子。

充电补贴 ${J_{\rm{c}}}(t)$ 如式（16）所示，购买EV的补贴 ${J_{\rm{b}}}(t)$ 如式（17）所示，对充电站的建设成本补贴 ${J_{\rm{s}}}(t)$ 如式（18）所示。

${J_{\rm{c}}}(t) = F(t) \cdot f(t) \cdot {\alpha _5}$

(16)

${J_{\rm{b}}}(t) = co{n}^{{\alpha _6}}_2$

(17)

${J_{\rm{s}}}(t) = co{n}^{{\alpha _7}}_3$

(18)

式中： ${\alpha _5}$ 为充电补贴因子； $co{n_2}$ 为购买电动汽车补贴的初始值； $co{n_3}$ 为对充电站补贴的初始值，参照《2016—2020年新能源汽车推广应用财政支持政策方案》^[23]，本文仿真实验中设定政府给予的补贴每年下降10%； ${\alpha _6}$ 和 ${\alpha _7}$ 为0.9。

3）EV发展模块

此模块的因素具体包含了电动汽车的性能给用户生活带来的便利程度、与传统汽车相比的价格优势，这些因素共同吸引用户购买EV，使其在汽车销售市场中的份额增大，充电量的增加会直接影响充电价格模块。该模块各因素之间具体的关系如图5和式（19）～（26）所示。

模块1）中出现过的EV购买量 ${B_{{\rm{EV}}}}(t)$ 、CV购买量 ${B_{{\rm{CV}}}}(t)$ 如式（19）、（20）所示，二者的值由汽车总需求量和EV所占购买份额 ${Y_{{\rm{EV}}}}(t)$ 决定。

${B_{{\rm{EV}}}}(t) = Z_{\rm V}(t) \cdot {Y_{{\rm{EV}}}}(t)$

(19)

${\quad \quad \quad \;\; B_{{\rm{CV}}}}(t) = Z_{\rm V}(t) \cdot [1 - {Y_{{\rm{EV}}}}(t)]$

(20)

式中， ${Y_{{\rm{EV}}}}(t)$ 为EV的发展规模，由式（21）可得。

${Y_{{\rm{EV}}}}(t) = {A_{{\rm{EV}}}}(t) \cdot {\eta _1} + [{P_{{\rm{EV}}}}(t) - {P_{{\rm{CV}}}}(t) - {J_{\rm{b}}}(t)]{\eta _2}$

(21)

式中： $ Y_{\rm EV}(t) $ 的数值由EV吸引力 ${A_{{\rm{EV}}}}(t)$ 、电动汽车的售价 ${P_{{\rm{EV}}}}(t)$ 、传统汽车的售价 ${P_{{\rm{CV}}}}(t)$ 和EV购置补贴 ${J_{\rm b}}(t)$ 共同决定； ${\eta _1}$ 为吸引力因子， ${\eta _2}$ 为价格因子；EV吸引力可由式（22）所得：

${A_{{\rm{EV}}}}(t) = \frac{{H(t)}}{{{H_1}(t)}} \cdot {\eta _3} + \frac{{{T_{\rm{C}}}(t)}}{{{T_{{\rm{C}}1}}(t)}} \cdot {\eta _4} + \frac{{S(t)}}{{{S\!_1}(t)}} \cdot {\eta _5}$

(22)

式中， $H(t)$ 、 ${H_1}(t)$ 分别为EV续航里程和用户对续航里程的理想值， ${\eta _3}$ 为续航因子， ${T_{\rm{C}}}(t)$ 为充电时间， ${T_{{\rm{C}}1}}(t)$ 为用户期望的充电时间， ${\eta _4}$ 为充电时间因子， $S(t)$ 为充电站数量， ${S\!_1}(t)$ 为充电站数量规划值， ${\eta _5}$ 为便利因子。

续航里程 $H(t)$ 、充电时间 ${T_{\rm{C}}}(t)$ 可分别由式（23）、（24）所得，其结果与技术成熟度 $M(t)$ 紧密相关； $M(t)$ 的发展趋势参考普通事物的传统规律，可由式（25）计算得到。

$H(t) = co{n_4} \cdot {{\rm{e}}^{ - M(t)}}$

(23)

${T_{\rm C}}(t) = co{n_5} \cdot {{\rm{e}}^{ - M(t)}}$

(24)

$M(t) = \frac{k}{{1 + a{{\rm{e}}^{ - bt}}}}$

(25)

式中： $co{n_4}$ 、 $co{n_5}$ 分别为EV续航里程和充电时间的初始值；k为技术成熟度极限参数，数值取7；a、b均为模型参数，a取6.9，b取0.15^[24]。

式（26）表示充电站数量的计算：

$S(t) = {S\!_0} \cdot t$

(26)

式中， ${S\!_0}$ 为每年建设的充电站数量。

4）充电价格模块

此模块主要介绍政府补贴、充电成本、充电价格以及充电量之间的关系，如图6所示。随着电动汽车规模的发展，充电量增加；运营商需要扩建充电站，增加了建设成本；充电会损耗设备，增加了运营成本。但是，充电量的增加同时也能带来充电收入的增加。在保证一定利润率的情况下，通过计算充电的成本及收入，可以最终得出充电价格。

具体的关联公式如式（27）～（37）所示。

${P_{\rm{C}}}(t)$ 为充电价格（包括充电服务费和实时电价）：

${\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;P_{\rm{C}}}(t) = {P_{\rm{C}}}({t_0}) + \sum\limits_{t=0}^T \Delta {P_{\rm C}}(t)$

(27)

式中， $\Delta {P_{\rm C}}(t)$ 为充电价格的变化量：

${\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\Delta {P_{\rm C}}(t)} = {P_{\rm{C}}}(t)[{\lambda _{\rm{C}}}(t) - {\lambda _0}]{\beta _1}$

(28)

式中： ${\lambda _0}$ 为固定的收益率； ${\;\beta _1}$ 为价格的变动系数； ${\lambda _{\rm{C}}}(t)$ 为充电收益率，如式（29）所示，由充电成本和充电收入共同决定。

${\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\lambda _{\rm{C}}}(t) = [{I_{\rm{R}}}(t) - {C_{\rm{B}}}(t)]/{I_{\rm{R}}}(t)$

(29)

式中： ${I_{\rm{R}}}(t)$ 为充电收入，由式（30）可得； ${C_{\rm{B}}}(t)$ 为充电成本，如式（31）所示。

${I_{\rm{R}}}(t) = {E_{\rm{C}}}(t) \cdot {P_{\rm{C}}}(t)$

(30)

${\quad \quad \quad \quad C_{\rm{B}}}(t) = {C_{\rm{B}}}({t_0}) + \sum\limits_{t=0}^T \Delta {C_{\rm B}}(t)$

(31)

式中： ${E_{\rm{C}}}(t)$ 为充电量； $\Delta {C_{\rm B}}(t)$ 为第t年增加的充电成本，可由式（32）计算得到，包括了充电站建设成本 ${C_1}(t)$ 和运营成本 ${C_2}(t)$ 。

$\Delta {C_{\rm B}}(t) = {C_1}(t) + {C_2}(t)$

(32)

${C_1}(t) = {G_{{\rm{EV}}}}(t) \cdot {\beta _2}$

(33)

${C_2}(t) = {D_{{\rm{EV}}}}(t) \cdot {\beta _3}$

(34)

式中， ${\;\beta _2}$ 、 ${\;\beta _3}$ 分别为建设成本因子、运营成本因子。

充电量 ${E_{\rm{C}}}(t)$ 的计算如式（35）所示， $\Delta {E_{\rm C}}(t)$ 为增加的充电量，可由式（36）得到。

${\quad \quad \quad E_{\rm{C}}}(t) = {E_{\rm{C}}}({t_0}) + \sum\limits_{t=0}^T \Delta {E_{\rm C}}(t) $

(35)

$\Delta {E_{\rm C}}(t) = K(t) \cdot {E_{{\rm{KM}}}}(t)$

(36)

式中： $K(t)$ 为t年的行驶里程； ${E_{{\rm{KM}}}}(t)$ 为单位距离的耗电量，可由式（37）所得：

${E_{{\rm{KM}}}}(t) = {\beta _4}(t) \cdot {{\rm{e}}^{ - M(t)}}$

(37)

式中， ${\;\beta _4}$ 为科学发展因子。

3 算例仿真 3.1 案例基础数据

以某地建设充电服务网发展相关报告及该城市数据统计年鉴^[25]构建案例系统，设置初值如表1所示，所提系统动力学模型通过使用Vensim平台搭建模型仿真实现。

3.2 仿真结果分析

首先根据设置的参数初始值进行仿真，充电服务费价格和变化趋势的仿真结果如图7所示。充电服务费的变化趋势类似于V型，主要存在以下关系：政府补贴使得充电服务费降低，提高了电动汽车对用户的吸引力，同时人口数量和GDP的增长，对汽车的需求也使得EV数量增加，导致充电服务网的建设成本增加，充电服务费上升；EV规模变大，就增加了电动汽车充电量，充电运营商的充电收益随之增加，使得充电服务费降低。在算例场景设置的条件下，初期阶段，由于科学技术水平低、充电服务网络构建不完善、缺少政府扶持等原因，导致EV规模小，充电量少，充电站利润低，但充电成本高，因此，充电服务费较高，在1.2元/(kW·h)左右。此后，政府为了推进充电服务网的建设，给予充电运营商建设补贴，降低了充电站成本，并且对EV车主进行购置补贴和充电补贴，政策模块推动了EV模块发展，在成本降低和充电量变大的情况下，充电服务费逐渐降低。在仿真到第6年达到最小值约为0.8元/(kW·h)以后，随着泛在电力物联网的完善和科技的发展，EV的性能提升，充电及使用越发方便，购买EV的用户上升，规模迅速发展，政府的补贴政策逐渐取消，充电服务网建设成本增大，为了保持利润率，充电服务费也随之缓慢上升。按照算例仿真的参数设置条件，大概在15 a以后，充电服务网全面建成，EV市场发展稳定，充电价格也呈现出逐渐稳定的趋势；且由于物价、房价等的增长，此时的充电服务费会略高于最初的定价，最后在1.3元/(kW·h)左右波动。

不同条件的变化都会影响充电服务费的发展，本文列举了其中3个主要的因素：政府的补贴强度、影响建设成本的商业用地价格、充电量的增长率。改变这3个因素的取值，进行后续仿真。

将补贴政策分为3种不同的强度，并设立相应的场景，3种场景下充电服务费变化的结果如图8所示。在每个场景下，随着政策模块的推动，充电服务费初期都出现了迅速下降，且补贴强度越高，下降速度越快。充电费的下降增加电动汽车对用户的吸引力，促进了电动汽车规模的发展及电力物联网的建设。这使得充电服务网基础设施建设成本快速增加，又导致了充电价格的升高。当补贴力度不断减小时，不同场景下的充电价格均缓慢上升。

除了政策的影响以外，充电服务网的建设成本也是影响充电服务费制定的重要因素，其中占比最大的是购买商业用地所支出的费用。改变商业用地的价格，充电服务费也会相应变化，其结果如图9所示。在初期阶段，充电服务费未受到商业用地价格变化的影响；在后期阶段，充电服务费的变化趋势和成本变化大致相同。当商业用地的价格不断增长时，充电价格也会增大；当地价下降时，充电价格则降低。

充电服务网利润来源主要是为电动汽车提供充电服务，电动汽车的规模及充电量的变化会成为影响充电运营企业收益的重要因素。在其他因素相同且不变的情况下，改变充电量的增加速度，得到充电服务费的变化结果如图10所示。在初期阶段，充电量的不同增长速度对充电服务费变化的影响较小；3种情况下充电服务费都呈下降趋势，且价格相近。当充电量增加速度越快时，充电服务费会更高。这是因为充电量增加后，泛在电力物联网需要新建大量的充电设施，增加了其建设成本，因此所收取的费用会增大。当充电量较少且增加速度较慢时，则需要以较低的充电服务费来吸引用户。

4 结　论

本文基于对泛在电力物联网和充电服务网的分析，选出影响充电服务费的因素，应用系统动力学建立了泛在电力物联网中电动汽车充电服务费定价模型，并且通过仿真模拟验证了模型的有效性。结果表明：在初期，EV发展和充电服务网的建设都处于起步阶段，技术水平较低且推广力度不够，导致EV规模小、充电量少，充电设施运营商通过充电获得的利润较低，为了保持利润率，充电服务费会较高；此后，政府为了推动泛在电力物联网的建设，发展EV规模，对车主进行购车补贴及充电补贴，促进了充电量的增长，同时政府给予充电站建设补贴，降低了其成本，引导更多的运营商加入到泛在电力物联网的建设中，此阶段的充电服务费会逐渐降低至最小值；随着科学技术的发展及智慧车联网平台的构建，充电服务网络逐渐完善，EV将迎来快速的发展期，充电服务网需要安装新的充电设施，并且随着发展时间的增加，物价上涨，安装设备的单价随之上涨，成本增大，充电服务费会逐渐增大。当政府扶持力度不断衰减至取消，充电服务费最终会略高于初期阶段的价格。

本文建立的模型，可改变不同的参数，针对不同地区和情况，以年为单位，快速直观地给出未来的充电服务费的变化和取值，对推动充电服务网络的建设有一定参考价值。在未来的研究中：需要根据充电服务网络建设的进展增加影响因素；更清晰明确地描述各因素之间的关系，更深刻地分析出因素变化对定价的影响；对各因素的灵敏性进行分析和比较，从而提高模型预测结果的准确性。