隨著全球碳中和進程加速，電動汽車(EV)作為交通領域減排的關鍵載體正迎來爆發式增長。國際能源署(IEA)數據顯示，2023年全球EV銷量達1400萬輛，占汽車總銷量的18%。然而，充電基礎設施的優化布局與智能管理仍面臨重大挑戰——現有充電交易數據集普遍存在三大痛點：用戶隱私保護導致的數據殘缺、充電運營商間復雜耦合關系引發的數據偏差、以及實時監控信息的匱乏。這些缺陷嚴重制約了充電站布局優化、用戶行為分析和負荷預測等關鍵研究。

針對這一瓶頸，東南大學智能電網技術與裝備江蘇省重點實驗室聯合國家電網浙江桐鄉供電公司團隊，在《Scientific Data》發布了中國首個集成多維特征的高分辨率EV充電交易數據集。該研究歷時兩年，采集自嘉興市13個充電站的441,077條實時交易記錄，創新性地融合了充電時序數據（精確到秒）、電價策略、終止原因（包括用戶主動停止、電池充滿、系統故障等7類衍生變量）以及網格化氣象數據（0.1°×0.1°分辨率）。通過嚴格的K-S檢驗驗證，清洗后的數據在充電量(D=0.00006)、費用(D=0.00006)等關鍵指標上保持原始分布特征，異常數據剔除率僅0.022%。

研究團隊采用工業級數據采集設備（符合IEC 60870-5-104協議），通過4G/藍牙雙模通信實現5分鐘級數據上報。設備在-25℃至55℃環境下的時鐘誤差≤0.5秒/天，電流測量精度達1.0級。數據預處理包含四步關鍵操作：用戶ID隨機映射的匿名化處理、網絡中斷導致的缺失記錄剔除、充電量超過電池容量的邏輯校驗、以及基于GB/T 27930-2015標準的終止原因編碼轉換。氣象數據則通過中國氣象數據服務中心(CMDSC)的站點觀測插值獲得。

時空行為分析揭示，城市快慢充樁使用呈現顯著差異：快充樁在8-11時、19-21時兩個電價高峰段（分別為0.9014￥/kWh和1.2064￥/kWh）負載集中，而慢充樁在22時至次日8時低谷電價期（0.3784￥/kWh）利用率提升35%。通過K-means聚類發現，高速公路服務區因長途出行特性，慢充樁使用頻次僅為市區的17%。研究還量化了COVID-19疫情影響：2020年一季度封鎖期間，充電異常率(Is_abnormal)較2021年恢復期上升31.7%（p=3.87×10^-64），這與運維人員流動受限直接相關。

故障診斷方面，數據集首次建立氣象參數與設備故障的關聯模型。數據顯示9月高溫高濕期（平均溫度28.6℃、相對濕度82%）單日故障率較年均值增加2.3倍，其中交流故障(Is_nonsystem_fault)占比達54%。與ACN Data等國際數據集對比，本數據集平均單次充電量(18.91kWh)更接近韓國參考數據集(17.44kWh)，但最大充電量(117.74kWh)反映出中國EV電池容量的大型化趨勢。

該研究的核心價值在于構建了首個覆蓋充電全生命周期多維特征的標準化數據集。其創新點體現在三方面：首次將終止原因分類（用戶行為）與氣象因素（環境變量）納入分析框架；通過設備級實時監控確保數據精度（電流測量誤差≤0.004Ib）；采用空間插值技術實現氣象數據與充電站點的精準匹配。這些特性使其在四大應用場景展現獨特優勢：基于用戶停止行為(Is_user_stop)的充電樁布局優化、結合TOU電價的動態定價策略驗證、考慮溫度/濕度影響的電池衰減建模、以及多故障模式(Is_EV_fault/Is_system_issue)的設備可靠性評估。

研究團隊在討論中指出，當前數據集的局限性在于地理覆蓋集中于長三角城市群。未來計劃通過聯邦學習技術，在保護用戶隱私前提下實現跨區域數據協同。該數據集已開源發布于Figshare平臺（DOI:10.6084/m9.figshare.28182251.v3），配套Python3.10分析腳本可支持充電負荷預測、故障診斷等衍生研究，為全球EV基礎設施的智能化升級提供中國方案。