余大立, 张洪申
昆明理工大学, 昆明 650500
收稿日期: 2018-11-15; 修回日期: 2018-12-29; 录用日期: 2018-12-29
基金项目: 云南省级人才培养项目（No.KKSY201501060）
作者简介: 余大立(1992-), 男, E-mail:yu_dali1992@163.com
通讯作者（责任作者）: 张洪申(1983—), 男, 副教授, 博士, 主要从事可持续设计与制造研究, E-mail: hongshen@kmust.edu.cn, 电话：15812051180, 联系地址：云南省昆明市呈贡区昆明理工大学机电工程学院

摘要: 选择传统柴油厢式货车和纯电动厢式货车为研究对象.基于GREET软件，建立适宜于我国国情的车辆全生命周期计算模型，对比分析两款车型全生命周期的能耗、温室气体排放以及标准污染物排放情况；结果表明：纯电动货车全生命周期内的百公里能耗比柴油货车降低了6.57%，化石燃料、天然气、石油的百公里消耗量分别降低14.4%、58.8%、96.8%；纯电动货车CH₄、VOC、CO、NO_x的排放分别比柴油货车低16.7%、14.8%、63.0%和63.4%，而柴油货车的CO₂和SO_x的排放量比纯电动货车低7.2%和96.8%.同时对车辆进行不确定性分析和单因素的敏感性分析发现，纯电动货车全生命周期内CO₂排放量对电能生产阶段的敏感度高达66.9%，而且相较于柴油货车，纯电动货车在全生命周期能耗、一次能源消耗以及主要污染物的排放等方面受车辆寿命的影响较小，在长期运行过程中更能发挥其在节能减排方面的优势.
关键词:纯电动货车柴油货车全生命周期分析GREET敏感性分析
The life cycle analysis of energy consumption and emission of pure electric van and diesel van
YU Dali, ZHANG Hongshen
Kunming University of Science and Technology, Kunming 650500
Received 15 November 2018; received in revised from 29 December 2018; accepted 29 December 2018
Abstract: The vehicle life cycle model suitable for Chinese national conditions is established, based on GREET, to analyze the energy consumption, greenhouse gas emissions and standard pollutant emissions over the life cycle of the two kinds of vans, the traditional diesel van and pure electric van. The results show that the energy consumption in the life cycle of the electric van is 6.57% lower than that of the diesel van, and the consumption of fossil fuel, natural gas and oil is reduced by 14.4%, 58.8% and 96.8%, respectively. The emissions of CH₄, VOC, CO and NO_x of the electric van is 16.7%, 14.8%, 63% and 63.4% lower than that of the diesel van, however, the emissions of CO₂ and SO_x of diesel van is 7.2% and 96.8% lower than that of the electric van. At the same time, the uncertainty and the sensitivity analysis results show that the CO₂ emission in the whole life cycle of the electric van is very sensitive to the power production stage up to 65.3%; and compared with the diesel van, the electric van is less affected by vehicle life in terms of life cycle energy consumption, the primary energy consumption and the main pollutant emission. The electric truck will play more important role in energy saving and emission reduction during long-term operation.
Keywords: electric vandiesel vanlife cycle analysisGREETsensitivity analysis
1 引言(Introduction)2017年, 我国汽车工业产销量再创新高, 连续九年居全球第一(http://www.miit.gov.cn/n1146285/n1146352/n3054355/n3057585/n3057592/c6011430/content.html).汽车工业的快速发展, 不仅提高了GDP和社会总产值, 对稳定经济社会发展和扩大就业率也起到非常重要的作用.
然而, 汽车工业的快速发展也带来了一系列的能源和环境问题.2015年我国超越美国成为全球最大的石油进口国, 石油对外依存度高达60.6%(李玉辉等, 2014), 严重危及我国能源安全.此外, 随着汽车保有量的迅速增加, 汽车尾气排放占城市大气污染物排放的45%以上(洪飞, 2016), 成为城市大气污染的主要来源, CO₂的排放问题更是成为全球关注的国际政治问题.因此, 以节能、环保为优势的纯电动汽车无疑就成为了缓解城市能源与环境压力的突破口.
近年来, 众多国内外****对电动汽车和传统汽车全生命周期的能耗和环境效益进行了比较分析.施晓清等(2015)研究表明, 电动汽车的环境效益总体上优于传统汽车, 可以有效降低温室气体和大气污染物的排放.孙涵洁(2017)研究表明, 在我国目前的电网结构下, 纯电动汽车使用过程中的碳排放比传统燃油汽车减少10%左右.黎土煜等(2017)研究表明, 纯电动公交全生命周期能耗比传统公交减少29.1%, 其运行能耗仅占总能耗的31.1%.国外的****们运用全生命周期方法对欧洲、新西兰和法国(Casals et al., 2016; Walmsley et al., 2015; Ensslen et al., 2017)等国家和地区的碳排放进行研究发现, 电动汽车的使用对减排具有正向的促进作用.Hou等(2015)研究表明, 当地的电网结构对电动汽车的排放有很大影响, 火电比例低的地区温室气体和空气污染物的排放量明显低于火电比例高的地区.Kim等(2016)通过分析电池使用的商业模式对电动汽车碳排放的影响发现纯电动汽车在全生命周期内温室气体减排方面更具有优势.Hoehne等(2016)认为, 优化充电可以减少CO₂排放量, 但在不同的能源效率评级标准下, 插电式电动汽车的充电排放效率存在很大差距(齐兴达等, 2017).
综上所述, 虽然纯电动货车在使用阶段具有低能耗、零排放的优点, 但从全生命周期的角度来看, 目前火电仍是我国电力的主要来源, 发电过程会消耗大量资源并排放污染物; 加之动力电池的价格昂贵, 致使电动汽车的购置价格普遍较高, 因此, 电动货车的普及率很低.本文对纯电动货车和柴油货车进行全生命周期评价和比较, 以期直观地得出全生命周期能源消耗和环境排放的量化结果, 为企业与个人选购纯电动货车和相关部门制定新能源汽车政策提供理论参考.
2 车辆全生命周期评价模型的构建(Establish the model for vehicle life cycle assessment)2.1 研究方法车辆的全生命周期分析分为车辆周期和燃料周期(WTW, Wells-to-Wheels)两部分, 其中燃料周期包括油井到油泵(WTP, Wells-to-Pump)和油泵到车轮(PTW, Pump-to-Wheels)两个阶段(李书华, 2014).车辆周期主要包括车辆制造(车身系统制造, 电池制造, 车用液体制造), 车辆运行和车辆报废回收处理.本文以美国阿贡国家实验室开发的GREET软件为工具, 对电动货车和柴油货车全生命周期各阶段的能源消耗和气体排放进行对比分析, 同时为了方便对比研究, 选择车辆行驶100 km作为功能单位进行相关定量的分析.
2.2 范围确定与基本假设2.2.1 范围确定本文选择某集团生产的柴油厢式货车帅铃Ⅱ和纯电动货车帅铃i5进行比较分析, 以期得到的数据和结论更具有说服力.两款车型的主要参数如表 1所示.
表 1(Table 1)

表 1 车型主要参数 Table 1 Main parameters of the vehicles

表 1 车型主要参数 Table 1 Main parameters of the vehicles 车型 型号 动力源 外形尺寸 整备质量/kg 总质量/ kg 额定载重量/kg 最高车速/(km·h-1) 附件电源 能耗 续航里程 电池容量 纯电动货车 帅铃i5 磷酸铁锂电池 5995 mm×2015 mm× 3045 mm 3450 4495 915 90 铅酸电池 55 kWh/100 km 150 km 83 kWh 柴油货车 帅铃Ⅱ 0号低硫柴油 5995 mm×2450 mm× 3270 mm 3450 mm 4495 915 95 铅酸电池 12.8 L/100 km — —

本文从原材料获取、车辆制造、运输、运行、报废回收等5个阶段对车辆全生命周期进行分析, 且只考虑与系统直接相关的环境影响, 忽略间接相关的环境影响(如建设厂房、购置机器设备等)(宋凌珺等, 2017), 从而确定全生命周期的系统边界, 见图 1.本文所用数据主要来源于3方面：调研数据, GREET默认数据和公开的文献数据.
图 1(Fig. 1)

图 1 车辆全生命周期评价边界 Fig. 1The boundary of life cycle assessment of vehicle

其中, 整车可回收利用率可根据GB/T19515—2015《道路车辆可再利用和可回收利用性计算方法》计算：

(1)

式中, m_P表示预处理阶段回收的质量之和(kg); m_D表示拆解阶段回收的质量之和(kg); m_M表示金属分离阶段回收的质量之和(kg); m_Tr为非金属分离阶段处理确定可再利用的非金属材料质量之和(kg); m_Te为非金属残余物处理阶段可用于能量回收利用的非金属材料质量之和(kg); m_V表示报废车辆整车质量(kg).
目前, 我国传统燃油车回收利用技术日趋完善, 所有的国产及进口燃油汽车的可回收利用率都能达到95%左右, 其中钢铁、有色金属等材料的回收率可达90%, 塑料、玻璃等的回收利用率也可达50%, 绝大多数企业的汽车材料再利用率可以达到85%以上(陈元华等, 2018).除动力电池外, 电动汽车其它组成部分与传动燃油车回收处理方法并无二致.但目前世界各国对废旧动力电池(含其他电池)的回收和利用, 及无害化处理均较为重视.其回收的难点在于正极材料的回收处理, 目前多采用化学沉淀法、萃取法或者电解的方法回收, 成本较高, 回收率较低, 且易产生二次污染.鉴于现有动力电池回收利用技术的不完善, 本文建模选择的汽车材料回收率为85%.
2.2.2 基本假设车辆全生命周期分析过程比较复杂加之研究过程中收集的数据并不完整(刘凯辉, 2016), 为使本文所建立的整车全生命周期模型更加准确并具有代表性, 对建模过程中涉及的一些数据作如下假设：
① GREET默认的我国电网结构如图 2a所示, 图 2b为我国2015年分类型发电装机容量及比重(http://html.rhhz.net/hjkxxb/html/www.stats.gov.cn/tjsj/ndsj/2015/indexch.htm).GREET默认的我国电网结构中火电占较大比例, 与我国实际情况基本相符, 且发电结构分类更加细致, 故本文建模使用软件默认的电网结构.
图 2(Fig. 2)

图 2 中国电力结构 (a.我国电力结构, b.GREET默认的我国电力结构) Fig. 2Chinese electric power structure

② 在数据收集过程中, 大部分原材料的开采数据都采用软件中默认的数据; 而对于车辆制造过程中涉及的供应商数据和制造商车间数据不易获取, 同样采用软件中默认的数据.
③《机动车强制报废标准规定》(商务部[2012]12号)规定轻型货车的报废年限为15年, 根据车辆的使用环境、载货量以及驾驶习惯假设货车的使用年限均为10年.
④ 假设两种货车的日行驶里程均为120 km, 每年工作320 d, 则货车的全生命周期行驶里程为384000 km.
⑤ 两种货车的额定载货量均为915 kg, 同时可乘坐2人, 假定装载量为额定载货量的80%, 每个人的体重为80 kg, 因此货车的载重量为892 kg.
⑥ 根据调研数据, 假定纯电动货车和柴油货车的占比分别为18%和82%.
2.3 数据清单2.3.1 车辆各系统质量参数笔者在昆明某客车制造有限公司实地调研, 获取了帅铃Ⅱ和帅铃两种车辆部分基础数据.帅铃i5使用的动力电池组由6并160串960个27 Ah的电池单体组成, 单个27 Ah的磷酸铁锂电池单体质量为0.5 kg, 故动力电池组质量为480 kg(Jaguemont et al., 2016).两种货车均装有6个规格为7.00R16 14PR的轮胎, 单个轮胎质量为16 kg.此外, 帅铃Ⅱ和帅铃i5均引入了气刹制动系统, 无需添加制动液.其他系统与液体(不包括燃油)质量占比可结合GREET默认数据进行估算：

(2)

式中, Q为车辆各系统占比; M为车辆各系统质量(kg); M_t为车辆整备质量(kg).
本文纯电动货车使用的动力电池寿命为5年, 根据设定的货车使用年限, 在寿命周期内电池组需更换1次, 轮胎需更换2次, 各种液体的更换次数根据实际运行条件并结合软件默认数据修正后进行设定.两款车型的各系统质量参数及更换次数等如表 2所示.
表 2(Table 2)

表 2 车辆各系统质量参数及更换次数 Table 2 Mass parameters and replacement times of the vehicle systems

表 2 车辆各系统质量参数及更换次数 Table 2 Mass parameters and replacement times of the vehicle systems 系统类别 纯电动货车 柴油货车 占比 质量/ kg 更换次数 占比 质量/ kg 更换次数 车身系统 动力系统 6.00% 207.0 — 16.00% 552.0 — 传动系统 5.70% 196.5 — 5.00% 172.5 — 底盘 23.00% 793.5 — 30.00% 1035.0 — 车身 27.00% 931.5 — 42.22% 1456.5 — 牵引电机 10.00% 345.0 — — — — 电控系统 8.32% 287.0 — — — — 轮胎 2.78% 96.0 2 2.78% 96.0 2 动力电池 13.90% 480.0 1 — — 1 附件电池 1.00% 34.5 1 1.00% 34.5 1 电池组件 0.29% 10.0 1 — — — 液体系统 传动液 0.27% 9.0 1 0.72% 25.0 1 引擎冷却液 0.52% 18.0 3 0.68% 23.5 3 挡风玻璃液 0.35% 12.0 19 0.35% 12.0 19 机油 — — — 0.38% 13.0 44 粘合剂 0.87% 30.0 0 0.87% 30.0 0 整备质量 100.00% 3450.0 — 100.00% 3450.0 — ADR 2932.5 2932.5 注：表示该数据未定义; ADR(Assembly, Disposal and Recycling)为汽车装配, 拆解和回收阶段的质量.

2.3.2 车辆排放物设定车辆排放物分为标准排放物、温室气体和非尾气排放物.标准排放物包括挥发性有机化合物(VOC)、一氧化碳(CO)、氮氧化合物(NO_x)、硫氧化物(SO_x)、微小颗粒物炭黑(BC)、有机碳(POC)和固体颗粒排放物(PM₁₀, PM_2.5); 温室气体包括CO₂、CH₄和N₂O; 非尾气排放物包括燃油蒸发产生的有机化合物(VOC_Evap)、轮胎和刹车磨损产生的炭黑(BC_TBW)、有机碳(POC_TBW)和固体颗粒排放物(PM₁₀_TBW和PM_2.5_TBW)(梁炉等, 2016).根据GREET默认的数据并结合试验数据对货车的污染物排放量进行设定(Kambly et al., 2014), 其中软件会独立计算CO₂的排放量, 无需设定.车辆排放物如表 3所示.
表 3(Table 3)

表 3 车辆污染物排放量 Table 3 Pollutant emissions of electric and diesel vehicles

表 3 车辆污染物排放量 Table 3 Pollutant emissions of electric and diesel vehicles 排放物 排放量/(g·km-1) 纯电动货车 柴油货车 VOC 0 0.065 CO 0 0.270 NOx 0 0.590 PM10 0 0.013 PM2.5 0 0.012 CH4 0 0.065 N2O 0 0.002 BC 0 0.001 POC 0 0.002 VOC_Evap 0.013 0.020 PM10_TBW 0.026 0.055 PM2.5_TBW 0.007 0.022 BC_TBW 0.001 0.003 POC_TBW 0.001 0.004

3 结果分析与讨论(Results analysis and discussion)3.1 车辆能耗分析根据建立的车辆模型进行全生命周期的能耗计算, 柴油货车全生命周期各阶段能耗计算公式如式(3)所示.

(3)

式中, e为能耗(J · km^-1); f为能源类型; F为能源集合; s(f)为各阶段不同能源占比; q(f)为能源热值, J/gal(液体)/J/t(固体); fe为燃料经济性.
对于电动汽车, GREET中电能驱动分为电量耗尽和电量维持两种模式.电量维持假定车辆使用多种驱动能源, 并且任何辅助储能装置都不会耗尽; 电量耗尽假定电能是主要的驱动能源.本文纯电动货车建模选择电量耗尽模式, 其运行能耗计算公式如式(4)所示.

(4)

式中, e_OE为纯电动货车运行能耗(J · km^-1); B为电量耗尽模式时单位距离耗电量(J · km^-1); η为纯电动货车的充电效率(GREET默认电动车充电效率为85%).
因此, 柴油货车全生命周期总能耗：

(5)

式中, e_Total为全生命周期总能耗(J · h^-1 · km^-1); e_WTP为油井-油泵阶段能耗(J · h^-1 · km^-1); e_O为车辆运行能耗(J · h^-1 · km^-1); e_M为车辆各系统制造能耗(J · h^-1 · km^-1); e_F为液体制造能耗(J · h^-1 · km^-1); e_ADR为车辆装配、拆解和回收能耗(J · h^-1 · km^-1).
纯电动货车全生命周期总能耗：

(6)

式中, e_B为动力电池制造能耗(J · h^-1 · km^-1).
根据设定的数据和公式(6)计算车辆全生命周期各阶段的能耗和一次能源消耗情况, 见表 4和图 3.
表 4(Table 4)

表 4 车辆全生命周期各阶段能耗 Table 4 Energy consumption at each stage of the vehicle′s entire life cycle

表 4 车辆全生命周期各阶段能耗 Table 4 Energy consumption at each stage of the vehicle′s entire life cycle MJ·h-1·km-1 阶段 纯电动货车 柴油货车 油井-油泵 311.00 98.00 车辆运行 195.00 459.00 系统制造 37.00 43.00 液体制造 2.32 11.20 电池制造 25.00 0.32 ADR 16.00 16.00 总能耗 586.32 627.52

图 3(Fig. 3)

图 3 车辆全生命周期一次能源消耗 Fig. 3Primary energy consumption of the life cycle of vehicles

结合表 4与图 3可知, 从全生命周期看, 纯电动货车的百公里能耗比柴油货车降低6.57%;由于火电在我国电力结构中占有很大比例, 且火力发电的效率为34.5%(《中国电力年鉴》编委会, 2015), 远远低于柴油加工的能源转化率91.46%(丁宁等, 2015), 因此在油井-油泵阶段, 柴油货车的百公里能耗比纯电动货车低68.5%;车辆运行阶段, 纯电动汽车的热效率可以达到50%以上, 而汽车内燃机的最高热效率仅为35%左右, 增压柴油机也只有45%左右; 而且在城市工况下, 内燃机处于非经济区工况下运行, 燃油汽车的频繁启动、怠速和刹车使油耗很高, 而纯电动汽车基本处于经济运行, 效率将始终保持较高水平; 同时电机启动时效率高、怠速时损失为零, 且减速时可实现能量回收, 大大提高了电能利用率(刘鲲鹏等, 2018), 使得纯电动货车的百公里能耗比柴油货车降低57.5%;车辆制造方面, 纯电动货车的动力系统、底盘以及车身的制造能耗低于柴油货车, 但增加了电控系统和牵引电机(徐树杰等, 2014), 并且两款车型使用的材料基本相同, 所以在该阶段的百公里能耗差别不大; 而在液体制造阶段, 柴油货车使用过程中需要更换机油, 使得该阶段能耗比纯电动货车高79.3%;电池制造阶段, 制造动力电池的高能耗使得纯电动货车的电池制造能耗约为柴油货车的80倍.
从全生命周期各阶段的百公里能耗分析, 纯电动货车和柴油货车燃料周期的能耗分别占总能耗的86.3%和88.7%, 其中纯电动货车的油井-油泵阶段的能耗占总能耗的53.0%, 运行阶段的能耗只占总能耗的33.3%;而柴油货车的运行能耗占其总能耗的73.1%, 油井-油泵阶段能耗占总能耗的15.6%;纯电动货车和柴油货车的车辆周期能耗相差不大, 分别占总能耗的13.7%和11.2%.
从一次能源的消耗情况分析, 纯电动货车在化石燃料、石油和天然气的百公里消耗方面都低于柴油货车, 其中化石燃料消耗方面纯电动货车比柴油货车节约14.4%, 天然气消耗纯电动货车节约了58.8%, 石油消耗方面柴油货车的消耗量是纯电动货车的31倍; 我国以火电为主的电力结构使得纯电动货车在煤炭消耗方面比柴油货车高90.7%.但从全生命周期来看, 纯电动货车在一定程度上能够降低能源消耗, 比较适合在我国推广.
3.2 车辆排放分析车辆全生命周期排放包括上游排放、技术性排放和非技术性排放.其中上游排放主要包括能源的开采运输、加工制造以及输配过程中的排放; 技术性排放是指能源作为生产燃料或工艺燃料参与某些技术性生产(如发动机转动、零部件生产等)过程中的排放; 非技术排放是指能源产生化学反应、蒸发等非技术性过程中的排放.其计算公式如式(7)所示.

(7)

式中, f为能源类型; t为不同阶段获取能源的技术; T为获取能源的技术集合; E_m为车辆全生命周期排放量(g); r(f)为能源数量(J); E_mup(f, t)为能源上游排放量(g · J^-1); s(f, t)为各阶段不同能源占比; E_mother为能源其他排放量(g · J^-1); E_m(f, t)为不同技术条件下该能源的排放量(g · J^-1).
根据建立的车辆模型结合公式(7)对车辆全生命周期的污染物排放量进行计算分析, 结果见图 4和图 5.
图 4(Fig. 4)

图 4 车辆全生命周期温室气体(a)及标准污染物(b)排放情况 Fig. 4GHG emissions(a) and standard pollutant (b)emissions over the life cycle of vehicles

图 5(Fig. 5)

图 5 纯电动货车全生命周期内CO2排放量的概率分布(a)及敏感度(b) Fig. 5Probabilistic distribution(a) and sensitivity(b) of CO2 Emissions from pure electric trucks in the whole life cycle

由图 4a可知, 纯电动货车和柴油货车的温室气体排放都集中在燃料周期, 且CO₂是主要排放物, 纯电动货车的CO₂排放量为49188.85 g · h^-1 · km^-1, 柴油货车为45646.29 g · h^-1 · km^-1, 比纯电动货车减少7.2%, 这主要与我国的电力来源有关; 纯电动货车的CH₄排放量比柴油货车降低了16.7%;相较于CO₂和CH₄, N₂O的排放量几乎可以忽略不计.尽管总体看来, 纯电动货车全生命周期的温室气体排放量比柴油货车高7.2%, 但CH₄的全球变暖潜能远高于CO₂, 因此, 纯电动货车仍然能够有效地改善温室效应, 缓解全球变暖问题.
由图 4b可知, 纯电动货车和柴油货车燃料周期的标准污染物排放量分别占其全生命周期标准污染物排放的63.1%和63.4%;在VOC、CO、NO_x的排放量上纯电动货车分别减少了14.8%、63.0%和63.4%, 我国以火电为主的情况使得纯电动货车的SO_x排放量是柴油货车的5.2倍.总体来看, 纯电动货车能够减少大部分污染物的排放量, 并且未来随着清洁能源在我国电力结构中的占比不断增大, 纯电动货车在环保方面必将发挥更大作用.
3.3 不确定性分析通过前文的分析可以发现, 相较于传统柴油货车, 纯电动货车在能耗和标准污染物的排放方面均有较大优势, 而在温室气体排放方面纯电动货车的优势较小, 尤其CO₂的排放量最大且高于柴油货车.而在车辆的全生命周期分析中, 数据的不精确或遗失, 建模过程中的假设以及时间和地区的差异所引起的不确定性都会对分析结果造成影响(李鹞, 2015), 不确定性分析可以更好地评价分析结果并为改进数据的准确性提供指导.
本文基于Crystal Ball对车辆全生命周期中CO₂的排放量的不确定性进行分析, 首先根据LCI数据库E_coinvent确定数据的不确定性数值, 如表 5所示.
表 5(Table 5)

表 5 Ecoinvent中数据的不确定性数值 Table 5 Uncertainty values of data in Ecoinvent

表 5 Ecoinvent中数据的不确定性数值 Table 5 Uncertainty values of data in Ecoinvent 可靠性 完整性 时间相关性 地域相关性 技术相关性 样本大小 基于测量校验 1.0 来自所有站点, 有代表性 1.0 与参考年份(2015)相差少于3年 1 来自研究地区 1.0 来自正在研究的企业, 流程和材料 1.0 >100连续测量 1.0 基于假设校验 1.02 来自>50%站点, 有代表性 1.02 与参考年份(2015)相差少于6年 1.03 来自包括研究地区更大地区的均值 1.01 不同技术的实验室规模的相关数据 1.2 >20 1.02 基于测量未校验 1.05 来自 < 50%站点, 有代表性 1.05 与参考年份(2015)相差少于10年 1.1 来自比研究地区更小的地区 1.02 相关过程或材料的数据但技术不同 1.5 >10, 相关文献中的数据 1.05 部分基于合理预测 1.1 来自>50%站点的较近时间 1.05 与参考年份(2015)相差少于15年 1.2 来自类似地区 1.02 实验室规模过程和相同技术的数据 1.5 ≥3 1.1 合理预测 1.2 来自一个站点有代表性 1.1 年限未知 1.5 来自未知地区 1.1 相关过程或材料数据, 不同技术实验室规模 2 未知 1.2 基于理论 1.2 较近时间内的某些站点 1.1 超过参考年份(2015)15年 1.5 来自差异较大地区 1.1 — — — —

根据表 5的数据的不确定性数值、企业提供的相关数据、调研数据以及相关文献数据(李书华, 2014; 李鹞, 2015), 结合GREET的内部数据得到不确定性分析的相关数据整理如表 6所示.
表 6(Table 6)

表 6 各输入物质的分布模型及数据 Table 6 Distribution models and data of input substances

表 6 各输入物质的分布模型及数据 Table 6 Distribution models and data of input substances 输入物质 平均值μ 每单位物质CO2产生量/(g·kg-1) or (g/100 km) 数值 单位 最小值 方差σ2 磷酸铁锂 105.60 kg 98.64 1.35 2843 钢 1567.64 kg 1399.86 1.32 6821 铜 290.90 kg 240.67 1.14 3670 铝 281.73 kg 220.90 1.14 20588 铁 122.20 kg 89.35 1.31 1209 塑料 283.29 kg 276.76 1.35 6478 玻璃 64.94 kg 56.80 1.32 1954 橡胶 119.10 kg 96.77 1.14 3951 石墨 48.00 kg 30.00 1.14 1117 聚偏氟乙烯 9.60 kg 7.80 1.14 5667 N-甲基吡咯烷酮 24.00 kg 21.00 1.14 1840 碳酸乙烯酯 19.20 kg 16.50 1.31 550 二甲基碳酸酯 19.20 kg 17.80 1.14 2019 聚丙烯 26.40 kg 24.40 1.35 3639 聚乙烯 7.20 kg 5.80 1.35 4887 传动液 9.00 kg 6.00 1.14 3820 动力系统冷却液 18.00 kg 12.00 1.32 3877 玻璃清洗液 12.00 kg 9.00 1.31 1780 胶粘剂 30.00 kg 26.00 1.35 3339 装配阶段 2760.00 kg 2208.00 1.35 2838 回收阶段 2392.50 kg 1196.25 1.14 2880 燃料生产 3840.00 hkm 2304.00 1.14 36800 g/hkm

其中, 方差σ²可根据表 5中数据的不确定性数值得出：

(8)

式中, p_i代表各输入参数的不确定性数值.
利用Crystal Ball对表 6中的数据进行拟合分布处理, 得到本文使用数据符合对数正态分布.于是对数据进行12000次抽样计算, 得到纯电动货车全生命周期内CO₂排放量模拟概率分布和敏感度结果分别如图 5所示.
根据图 5a可以看出, 纯电动货车全生命周期内CO₂排放量96%的置信区间为[1769268210.04, 177144123.99], 平均值为177035028.65 g, 平均标准误差为475.36.同时根据图 5b可知, 纯电动货车全生命周期内CO₂排放量对电能生产阶段的敏感度最高, 达到66.9%.
4 敏感性分析(Sensitivity analysis)《机动车强制报废标准规定》规定, 轻型货车的报废里程为60万km.本文设定两款车型的使用年限为10年, 行驶里程为384000 km, 但由于使用环境、方式以及用途的差异, 车辆的报废时间也会提前或延后.车辆的寿命里程与使用阶段的零部件更换直接相关, 会对车辆的全生命周期评价结果产生重大影响, 因此本文选取不同的使用年限对车辆进行单因素的敏感性分析.将车辆的使用年限设为8、10、12和15年, 动力电池和附件电池的寿命仍设为5年, 轮胎和液体的更换次数根据车辆寿命并结合软件内部数据进行设定; 利用GREET进行建模, 计算敏感性系数, 分析车辆寿命对车辆能耗和排放的影响.敏感系数计算公式如下：

(9)

式中, S表示敏感性系数; ΔF表示评价指标的变化量, ΔN表示车辆使用年限变化量.分别计算相邻年份的敏感系数, 最后取平均值.
4.1 车辆寿命对车辆能耗的影响对纯电动货车和柴油货车在不同使用年限时的模拟结果进行分析, 得出车辆寿命对各阶段能耗和一次能源消耗的影响(图 6).
图 6(Fig. 6)

图 6 车辆寿命对各阶段能耗(a)及一次能源消耗(b)的影响 Fig. 6Effect of vehicle life on various stages(a) and primary energy consumption(b)

由图 6a可知, 车辆寿命对纯电动货车和柴油货车各阶段能耗的影响主要体现在油井-油泵和车辆运行阶段; 在油井-油泵阶段, 车辆寿命对纯电动货车能耗的影响最大, 影响系数达到3.11, 而对柴油货车能耗的影响系数仅为0.98, 这是因为我国电力结构以火电为主, 在电能的获取阶段会消耗大量的资源; 在车辆运行阶段, 柴油货车的能耗受车辆寿命影响的系数为4.59远大于纯电动货车的1.95, 这说明纯电动货车在长期使用过程中具有更大的节能优势.动力电池制造的高能耗, 使得纯电动货车的电池制造能耗受车辆寿命的影响系数是柴油货车的27倍; 两款车型的液体制造能耗均较低, 且柴油货车该阶段的能耗受寿命的影响远高于纯电动货车.从全生命周期的总能耗分析, 柴油货车对车辆寿命的变化更加敏感, 其受影响系数为5.7, 纯电动货车的受影响系数为5.2, 表明纯电动货车随着使用年限的增加可以降低全生命周期的能耗.
一次能源消耗方面, 纯电动货车和柴油货车的化石燃料消耗受车辆寿命的影响最大, 受影响系数分别为4.79和5.68;在天然气和石油的消耗上, 纯电动货车的受影响系数分别为0.16和0.10, 柴油货车则分别为0.63和4.90;而在煤炭消耗方面, 纯电动货车受车辆寿命影响的系数为4.5远高于柴油货车的0.12, 究其原因仍与我国电力结构有关; 但从总体资源消耗分析, 纯电动货车在一次能源消耗方面受车辆寿命的影响更小, 长期使用中更能体现其节能的优势.
4.2 车辆寿命对车辆排放的影响图 7分别为车辆寿命对全生命周期温室气体和标准污染物排放的影响.由图 7a可知, 温室气体排放方面, 纯电动货车和柴油货车的CO₂排放受车辆寿命影响的系数分别为450和415, 随着使用年限的增加CO₂排放量急剧升高, 其中纯电动货车排放的CO₂主要来自电力获取阶段煤炭等一次能源的燃烧, 而柴油货车排放的CO₂主要来自车辆运行阶段; 柴油货车CH₄的排放受车辆寿命影响的系数为0.83, 纯电动货车的受影响系数为0.6;N₂O的排放量本身就远远低于CO₂和CH₄, 其受车辆寿命的影响也非常小, 故N₂O对温室效应所起的作用可以忽略不计; 总体看来, 虽然纯电动货车的CO₂排放受车辆寿命的影响比柴油货车大, 但是柴油货车排放的CH₄高于纯电动货车, 其受车辆寿命的影响比纯电动货车大, 加之CH₄的全球变暖潜能远高于CO₂, 因此纯电动货车在长期运行时能够在一定程度上缓解全球变暖的压力.
图 7(Fig. 7)

图 7 车辆寿命对全生命周期温室气体(a)及标准污染物(b)排放的影响 Fig. 7Effect of vehicle life on life cycle greenhouse gas(a) and standard pollutant(b) emissions

在标准污染物排放方面, 纯电动货车和柴油货车全生命周期的PM₁₀、PM_2.5、BC和POC的排放量都较低, 受车辆寿命的影响也非常小, 故可忽略不计; 纯电动货车的VOC、CO、NO_x排放量均低于柴油货车, 它们受车辆寿命影响的系数分别为0.36、0.06和0.25, 也均低于柴油货车的0.42、0.34和0.74;但电力获取阶段大量化石燃料和煤炭的燃烧使纯电动货车全生命周期排放大量的SO_x, 其受车辆寿命的影响系数为0.85, 高于柴油货车.从总体情况分析, 纯电动货车排放的大多数污染物受车辆寿命的影响较小, 随着车辆使用年限的增加可以降低大部分污染物的排放量, 能够在一定程度上改善环境污染状况.
5 结论(Conclusions)1) 从全生命周期看, 纯电动货车的百公里能耗比柴油货车降低6.57%, 其运行阶段的能耗占总能耗的33.3%;而柴油货车的运行能耗占总能耗73.1%, 这表明纯电动货车能够在一定程度上减少能耗, 尤其在使用过程中能大大减少能耗量; 纯电动货车相对柴油货车还能够减少化石燃料、石油和天然气等一次能源的消耗.
2) 纯电动货车的CH₄排放量比柴油货车降低16.7%, 在VOC、CO、NO_x等标准污染物的排放量上纯电动货车比柴油货车分别减少了14.8%、63.0%和63.4%, 表明纯电动货车能够减少大部分污染物的排放量, 有利于改善我国严重的环境污染状况; 但由于我国的电力结构以火电为主, 纯电动货车的SO_x排放量是柴油货车的5.2倍.
3) 通过不确定性分析, 纯电动货车全生命周期内CO₂排放量96%的置信区间为[1769268210.04, 177144123.99], 且其对电能生产阶段的敏感度高达66.9%.
4) 相较于柴油货车, 纯电动货车全生命周期能耗、一次能源消耗、主要污染物的排放等方面受车辆寿命的影响较小, 随着使用年限的增加其全生命周期能耗、一次能源消耗量以及主要污染物的排放量增长地较慢, 表明纯电动货车在长期运行过程中更能发挥其节能减排优势.

参考文献

2017年汽车工业经济运行情况.中华人民共和国工业和信息化部, 装备工业司. [OL]. 2018-04-21. http://www.miit.gov.cn/n1146285/n1146352/n3054355/n3057585/n3057592/c6011430/content.html.

Casals L C, Martinez-Laserna E, García B A, et al. 2016. Sustainability analysis of the electric vehicle use in Europe for CO2 emissions reduction[J]. Journal of Cleaner Production, 127: 425–437.DOI:10.1016/j.jclepro.2016.03.120

陈元华, 杨沿平, 胡纾寒, 等. 2018. 我国报废汽车回收利用现状分析与对策建议[J]. 中国工程科学, 2018, 20(1): 113–119.

丁宁, 杨建新. 2015. 中国化石能源生命周期清单分析[J]. 中国环境科学, 2015, 35(5): 1592–1600.DOI:10.3969/j.issn.1000-6923.2015.05.041

Ensslen A, Steffens H, Fichtner W, et al. 2017. Empirical carbon dioxide emissions of electric vehicles in a French-German commuter fleet test[J]. Journal of Cleaner Production, 142: 263–278.DOI:10.1016/j.jclepro.2016.06.087

国家统计局.中国统计年鉴: 2015[EB/OL].2018-04-23.北京, 中国统计出版社, 2015. http://html.rhhz.net/hjkxxb/html/www.stats.gov.cn/tjsj/ndsj/2015/indexch.htm

Hoehne C G, Chester M V. 2016. Optimizing plug-in electric vehicle and vehicle-to-grid charge scheduling to minimize carbon emissions[J]. Energy, 115: 646–657.DOI:10.1016/j.energy.2016.09.057

洪飞. 2016. 我国电动汽车产业现状与发展策略研究[J]. 橡塑技术与装备, 2016, 42(8): 27–28.

Huo H, Cai H, Zhang Q, et al. 2015. Life-cycle assessment of greenhouse gas and air emissions of electric vehicles: A comparison between China and the U.S[J]. Atmospheric Environment, 108: 107–116.DOI:10.1016/j.atmosenv.2015.02.073

Jaguemont J, Boulon L, Dubé Y. 2016. A comprehensive review of lithium-ion batteries used in hybrid and electric vehicles at cold temperatures[J]. Applied Energy, 164: 99–114.DOI:10.1016/j.apenergy.2015.11.034

Kambly K R, Bradley T H. 2014. Estimating the HVAC energy consumption of plug-in electric vehicles[J]. Journal of Power Sources, 259(7): 117–124.

Kim H C, Wallington T J, Arsenault R, et al. 2016. Cradle-to-gate emissions from a commercial electric vehicle li-ion battery: A comparative analysis[J]. Environmental Science & Technology, 50(14): 7715–7722.

李书华. 2014.电动汽车全生命周期分析及环境效益评价[D].长春: 吉林大学

黎土煜, 余大立, 张洪申. 2017. 基于GREET的纯电动公交车与传统公交车全生命周期评估[J]. 环境科学研究, 2017, 30(10): 1653–1660.

李鹞. 2015.中国晶体硅太阳能电池板的生命周期评价[D].上海: 上海交通大学

李玉辉, 韩浩. 2014. 我国的能源现状及对未来发展的思考[J]. 内蒙古科技与经济, 2014(1): 3–4.

梁炉, 符钢战. 2016. 不同动力系统的插电式混合动力汽车全生命周期能耗和排放的对比分析[J]. 上海汽车, 2016(3): 45–50.

刘凯辉. 2016.比亚迪E6纯电动汽车全生命周期评价[D].福州: 福建农林大学

刘鲲鹏, 李方一, 宋卓, 等. 2018. 2018基于生命周期评价的小型乘用车动力能耗对比[J]. 资源开发与市场, 2018, 34(1): 6–11.DOI:10.3969/j.issn.1005-8141.2018.01.002

齐兴达, 李显君, 章博文. 2017. 中国温室气体减排成本有效性分析——以纯电动汽车为例[J]. 技术经济, 2017, 36(4): 72–78.DOI:10.3969/j.issn.1002-980X.2017.04.011

施晓清, 孙赵鑫, 李笑诺, 等. 2015. 北京电动出租车与燃油出租车生命周期环境影响比较研究[J]. 环境科学, 2015, 36(3): 1105–1116.

宋凌珺, 葛帅, 冯莉原. 2017.电动卡车与燃油卡车全生命周期能耗与排放对比研究[C]//环境工程2017增刊2, 35: 409-413

孙涵洁. 2017. 基于不同发电构成的电动汽车全生命周期成本碳排放分析[J]. 电工技术, 2017(8): 146–148.DOI:10.3969/j.issn.1002-1388.2017.08.065

Walmsley M R W, Walmsley T G, Atkins M J, et al. 2015. Carbon emissions pinch analysis for emissions reductions in the New Zealand transport sector through to 2050[J]. Energy, 92: 569–576.DOI:10.1016/j.energy.2015.04.069

徐树杰, 董长青. 2014. 基于GREET汽车全生命周期能耗排放研究[J]. 汽车工艺与材料, 2014(2): 10–13.DOI:10.3969/j.issn.1003-8817.2014.02.003

《中国电力年鉴》编委会.2015. 2015中国电力年鉴[M].2018-04-23.北京: 中国电力出版社