荷兰是公共充电基础设施领域的领跑者，每辆电动汽车(EV)拥有最多的公共充电站之一。在采用的最初几年(2012-2015)，由于当时的补贴计划，电动汽车车队中有很大一部分是插件式混合动力电动汽车(PHEV)。随着市场上全电动汽车(FEVS)数量的增加和目前仅对FEVS的补贴计划，预计电动汽车车队将从PHEV过渡到FEV。这被假设对整个车队的充电行为有影响，并且是更好地理解PHEV和FEVS在充电行为中的不同以及这如何影响充电基础设施使用的原因。本文通过扩展现有的基于Agent的模型，模拟了PHEV向FEV过渡的效果。结果显示这种转变对收费基础设施性能的重要影响。

这就引出了一个问题，即目前的公共充电基础设施是否能够容纳电动汽车车队的新组成。为了回答这个问题，需要一个包含小型和大型电池大小车辆之间充电行为差异的仿真模型，从而分别表示PHEV和FEVS。

今天在电动汽车的主题上存在许多仿真模型。然而，据我们所知，这些模型通常没有验证或仅使用少量数据进行验证。此外，这些模型没有包含与电池大小相关的充电行为的差异。

因此，在这项研究中，我们使用真实世界的数据来检验EV用户从PHEV到FEV的过渡对充电行为的影响。根据这一分析，开发了行为转变方程，以将任何PHEV用户类型转换为等效的FEV用户。在包括真实世界充电数据的基于代理的模型(ABM)中执行具有不同FEV转变的模拟。由此，得出了关于收费基础设施性能的影响因素的结论

为了识别PHEV和FEV之间的行为差异以及电池大小等，需要区分这些类型的EV。数据集中的大量EV用户可以用将最大交易大小与EV汽车类型相关的分类方法分类为拥有PHEV或FEV。

分类器考虑EV用户的最大交易量和充电速度，并将其与EV模型的已知属性进行比较以对用户进行分类。如果有疑问，用户会得到标签“未知”。在此分析和仿真模型中过滤掉这些未知的电动汽车。为了评估任何给定代理的电池容量，我们假设每个代理将在其充电会话之一期间近似最大充放电。

本研究提出了一种电动汽车用户充电行为转变的仿真模型。该模型是现有SEVA模型的扩展(目前正在进行同行审查)。基于对实际EV用户交易的数据分析，执行了由于电池尺寸增加而导致的EV用户充电行为的转变。

从这个案例研究中，我们看到CPS的效用，也就是充电基础设施的效用，随着人群电池大小的增加而增加。每个CP的连接次数减少，而在这些相同的极点上充电的千瓦时增加。这将表明，随着向更高电池的过渡，第一，充电基础设施的特性增加，第二，将需要较少的充电基础设施来促进电动汽车的普及。

每个CP的唯一用户数量和连接时间的减少对于EV用户也是积极的，因为这意味着CP更频繁地可用。然而，当前的转换函数可以在CP选择过程上得到改进，这也可能是这个度量的一个方面。也有一些缺点。正如我们所看到的，高FEVS在夜间充电更多，这可能导致更高的能源需求峰值，因为更多的人口开始在夜间充电。

然而，使用智能充电，这个峰值可能会向更晚的时间移动，因为通常不需要整个晚上才能完全充电。因此，在未来的研究中实施智能充电并扩展此模型将是合乎逻辑的下一步。总体而言，案例研究的结果表明，随着电池尺寸的增加和电动汽车数量的保持不变，对充电基础设施的需求会减少，这对大多数参与的利益相关者都是有益的。