充电服务专业课 · C2
需求预测
充电的需求是「车流 × 补能意愿」的乘积，预测对象不是日充电量，而是「每个站点、每个小时的车次到达率与平均充电时长」。同一条曲线在一周内会呈现完全不同的形状：工作日早晚是通勤补能，周末跟着商圈营业时间走，节假日高速服务区则是数倍的极端尖峰。
核心要点
四条要记住的
- 分层预测，各管一件事。小时级（0–24 小时）服务排班、分时定价与占位管理；日级（1–7 天）服务峰谷引导与巡检安排；节假日专项（春节、国庆）服务人员与应急保障；季度级服务站点扩容、变压器容量申报与场地续约谈判。
- 数据来源要成体系。历史订单（车次、桩位、起止时间、充电量、SOC 区间）、排队与占位记录、周边 POI 与道路车流、天气与温度（低温电耗升高）、油价与电价、网约车与物流车队排班、导航平台引流位次。
- 事件驱动是主要误差源。节假日出行高峰（高速服务区可达平日 3–5 倍）、商圈与景区营业时段、网约车交接班与夜间集中补能、电商大促带来的物流车增量、寒潮与高温导致电耗上升、新站开业的分流与竞站降价的虹吸。
- 误差代价不对称，要按小时看尖峰。低估造成排队与弃单（用户直接用脚投票，且会记住这次体验），高估造成变压器容量与车位闲置；因此重点不是日总量误差，而是小时级尖峰的命中率与节假日系数的准确性。
要点对照
核心指标一览
| 指标 | 定义 / 公式 | 说明 |
|---|---|---|
| 小时车次到达率 | 每小时进场车次 ÷ 在线可用桩位数 | 排队、需量电费与人员排班全部发生在小时级 |
| 平均充电时长 | 有效充电时长 ÷ 车次（按功率段与车型分桶） | 决定周转率，是桩时供给能力的分母 |
| 平均单车充电量 | 总充电量 ÷ 有效车次（kWh / 车次） | 结合度电服务费估算单车服务收入 |
| 节假日系数 | 节假日日均车次 ÷ 平日日均车次 | 高速服务区 3–5，景区站 2–3，社区站可能低于 1 |
| 排队率与弃单率 | 排队车次 ÷ 到达车次；排队超时离开车次 ÷ 到达车次 | 预测不准的直接体感出口，也是扩容依据 |
| 占位时长 | 插枪到拔枪时长 − 有效充电时长 | 预测有效供给时必须扣掉的产能损失 |
常见错误
这个行业容易踩的坑
- 用日总量做预测——掩盖小时级尖峰，而排队、需量电费、人员排班全都在小时级发生。
- 节假日一律套用同一个系数——高速站、景区站、社区站的曲线形状完全不同，甚至方向相反。
- 忽略站点类型差异统一建模——目的地站（商场、写字楼）、高速站、社区站、车队专用站的需求机理各不相同。
- 把占位车次计入有效需求——导致扩容决策虚高，投了钱却换不来收入。
自测
两道题
第 1 题 为什么充电需求预测必须做到小时级，而不是做到日级就够？
解析 · 桩时是不可储存产能，供给能力在每个小时都是定值，需求却高度不均：早晚通勤与夜间网约车补能会形成几小时的极端尖峰，日均值把这些尖峰完全抹平。按日均值配置，会出现「全天平均很闲、高峰排长队」的典型错配；同时变压器需量电费按最大负荷计费，一个小时的尖峰就能拉高整月电费。所以预测的最小粒度必须对齐决策粒度——小时级。
第 2 题 国庆期间，某运营商对旗下所有站点统一套用「节假日系数 3.0」做预测。这个做法的主要问题是？
解析 · 节假日对不同站点的影响方向都可能相反：高速服务区因长途出行暴涨（3–5 倍），景区与商圈站随客流上升（2–3 倍），而社区站、写字楼站因居民返乡与放假可能跌到平日 0.5 倍以下。统一系数会让高速站备货不足、社区站资源空转。正确做法是按站点类型建立各自的节假日系数，并结合天气、路况与预售数据做二次修正。
关联
对应通用内核：K01 需求预测 · K02 动态定价 · K03 库存控制 · K04 渠道管理 | 行业：充电服务详解