任梦磊, 杨斌, 李珺
上海海事大学物流科学与工程研究院, 上海 201306
收稿日期: 2018-12-05; 修回日期: 2019-02-21; 录用日期: 2019-02-21
基金项目: 国家自然科学基金（No.71471110）
作者简介: 任梦磊(1995-), 女, E-mail:1402701899@qq.com
通讯作者（责任作者）: 杨斌, E-mail:binyang@shmtu.edu.cn

摘要: 电动汽车因在使用过程中近似零排放而被认为是节约能源和减少碳排量的有力工具.但我国的电力结构是以火力发电为主，这会使电力在生产阶段排放大量的二氧化碳.为进一步研究电动汽车的环境友好性，本文构建了一种改进的电动汽车排放指数模型，使用2017年的电网统计数据及气候统计数据，就能源结构和气候这两个关键因素对我国31个省市分区域展开实证研究.结果表明，电动汽车对温室气体产生的影响存在明显的空间变化，且其与能源结构中火力发电占比密切相关.另外，对于全年温度变化范围较宽的省市，气候因素可能是使电动汽车和燃油车的碳排量达到排放平衡点的关键因素.基于此，扩大电力结构中清洁能源使用比例、改善电池性能、完善相关政策体制是促进今后我国电动汽车清洁、低碳发展的重要途径.
关键词:能源结构气候CO₂排放量电动汽车排放指数
Greenhouse gases impact of electric vehicles considering the influence of energy structure and climate
REN Menglei, YANG Bin , LI Jun
Institute of Logistics Science & Engineering, Shanghai Maritime University, Shanghai 201306
Received 5 December 2018; received in revised from 21 February 2019; accepted 21 February 2019
Abstract: Electric vehicles are considered to be a powerful tool for energy conservation and carbon emission reduction due to their near-zero emissions during use. However, China's electric power structure is dominated by thermal power generation, which will cause a large amount of CO₂ emission during the production phase of electricity. In order to get a deeper understanding on the environmental friendliness of electric vehicles, this paper establishes an improved electric vehicle emission index model and then uses 2017 power grid statistical data and climate data to calculate the electric vehicle emission index based on the model. Also, this paper constructs evidence-based research for 31 provinces in China by analyzing the energy structure factor and climate factor. The results show that the impact of electric vehicles on greenhouse gases has significant spatial variations, and it is closely related to the proportion of thermal power generation in the energy structure. Besides, for provinces which has a wider range of temperature variations throughout the year, climate factors could be the critical factor in achieving the balance point of carbon emission between electric vehicles and fuel vehicles. Based on these, expanding the proportion of clean energy usage in the electric power structure, optimizing battery performance, and improving relevant policies promptly are essential ways to promote the future development of clean and low-carbon electric vehicles in China.
Keywords: energy structureclimateCO₂ emissionselectric vehicle emission index
1 引言(Introduction)电动汽车凭借着完全由充电电池供能的特性被各国政府大力推广, 其销量近年来呈较大幅度增长.另外, 随着荷兰、挪威政府提出将在2025年禁售燃油车, 英国和法国政府声称要在2040年全面禁售燃油车, 我国也开始研究制定燃油车禁售时间表.但电力属于二次能源, 其上游电力生产阶段的能源消费是否清洁将对电动汽车的减排效果产生重要影响(冯超等, 2017).考虑到目前我国电力结构中有70%以上的电力来自火力发电, 因此, 仅从电动汽车在使用阶段不会产生CO₂这一特点来判定电动汽车的环境友好性优于燃油车的观点有待深入探究.
电动汽车和燃油车的区别主要体现在以下两个方面：一是其直接消耗的燃料是电力, 二是它的动力装置为电池.因此, 在研究电动汽车的碳排量时, 有必要从电力燃料和电池两方面展开.
施晓清等(2013)采用改进的燃料碳排放模型, 分析了影响电动汽车碳排放及其减排潜力的6个因素, 结果表明, 在电动汽车燃料生命周期中, 对碳减排空间起决定性作用的是发电能源结构和煤电技术供电路线这两个因素.因此, 在电力燃料方面的研究中, 发电能源结构因素逐渐受到众多****的青睐.主要研究内容包括根据不同国家的发电能源结构情况, 对电动汽车的CO₂排放量进行建模研究(Doucette et al.., 2011)；分析如何通过改善发电能源结构来提高电动汽车的市场渗透率及减少其对环境产生的影响(Choi et al., 2018)；综合考虑能源结构、损失分量、车辆的燃料经济性这3个因素, 为量化电动汽车对环境产生的实际影响而提出电动汽车排放指数的概念(Manjunath et al., 2017)等.
另一方面, 与燃油车的动力装置相比, 电池的寿命明显较短.因此, 在电动汽车环境影响方面的研究中, 与电池相关的研究内容主要是讨论电池制造阶段或废旧电池回收对电动汽车碳排量产生的影响.如施晓清等(2015)以电动汽车和燃油车为例, 运用生命周期评价方法, 对包括车辆的生产、使用和报废回收在内的全生命周期过程的环境影响进行了定量评价；罗晓梅等(2014)基于能源足迹模型对燃油汽车和纯电动车生命周期各阶段的能源足迹进行了实证研究, 其中包括电池原材料生产和电池制造阶段；沈万霞等(2017)建立了电动汽车全生命周期模型, 深入分析和评估了包括电池系统在内的电动汽车生产和运行两个阶段的能耗及CO₂排放.
然而, 电动汽车目前普遍配载的电池种类是锂电池, 除了存在寿命较短、会产生废旧电池回收的问题外, 还具有较大的局限性.锂电池需要在适宜的环境温度下工作, 温度过高或过低都会对其性能、循环寿命产生较大影响(李平等, 2014；张立玉, 2018).刘新天等(2016)通过测量不同温度下的锂电池容量, 建立了锂电池容量-温度模型, 准确预测出其在不同温度下的变化情况是温度越低, 容量越小, 具体表现为：0 ℃以下, 锂电池容量衰减迅速, 0 ℃以上, 电池容量随温度升高而增长的速率相对缓慢.这种较明显变化的电池容量会直接影响电动汽车的最大行驶里程数, 进而影响其碳排量.因此, 在研究电动汽车的环境影响时, 温度也是关键因素.
总的来说, 在电动汽车的环境影响方面, 国内外已有大量的相关研究.其中, 考虑发电能源结构因素的居多, 考虑气候因素的较少.同时, 大多数研究中用来量化电动汽车碳排量的数据是通过仿真实验获取, 建立在实际统计数据之上的较少.另外, 我国不包括港、澳、台在内的31个省市, 其发电能源结构情况和气候情况存在明显差异.在这样的使用环境下, 研究电动汽车对环境产生的实际影响有必要从以下两个方面展开：一方面是能源结构和气候因素如何影响电动汽车的碳排量, 另一方面则是这31个省市的电动汽车碳排量表现出怎样的差异性.因此, 本文基于改进的电动汽车排放指数模型, 采用2017年的电网统计数据和气候统计数据, 测算出我国31个省市的电动汽车碳排量和燃油汽车碳排量, 这不仅可以对电动汽车和燃油车进行纵向比较, 还可以横向比较不同使用环境下的电动汽车碳排量, 为我国电动汽车的发展规划提供参考依据.
2 模型构建(Model construction)2.1 关键影响因素2.1.1 车辆的燃料经济性燃料经济性通常用特定循环工况下的百公里行驶燃料消耗量或一定燃料消耗量下汽车行驶的里程来衡量, 它反映了车辆动力系统的效率.电动汽车的燃料经济性表示为电动汽车行驶百公里所消耗的电量, 该值越小意味着电动汽车给环境带来的影响就越小.相反地, 传统燃油车的燃料经济性定义为消耗每升汽油所行驶的里程数, 该值越大意味着排放的CO₂量越少.
2.1.2 损失分量一旦电力产生, 它会通过T/D网进行传输.但电网结构不尽合理、经济运行水平不高、高损老旧设备较多等是目前国家电网公司系统技术线损管理中存在的主要问题(张恺凯等, 2013).这些问题会直接或间接导致各种系统损失的出现, 从而造成电网中输出电量并不等于输入电量.
从电力的生产到使用阶段有两个主要的损失分量, 其一发生在输配电的过程中, 与T/D网效率相关；其二发生在电力消耗阶段, 与车辆的性能密切相关, 被称为WTW损失.
2.1.3 发电能源结构使用诸如煤炭、天然气和石油等燃料发电所排放的二氧化碳量明显高于排放低或接近零排放的可再生能源发电技术.2017年全国电力工业统计快报给出, 我国总发电量64179亿kWh, 其中, 火力发电总量45513亿kWh, 占比高达70.9%.但我国各省市的自然环境和经济发展水平存在差异, 从而导致各省的火力发电占比各不相同, 如山东省的火电占比高达94.95%, 而水资源丰富的四川和云南的火电占比不足10%.总体来看, 火力发电占比达到90%以上的省市有8个, 火力发电占比低于平均水平(70.9%)的省市有12个.因此, 要想得到一个更贴合实际的研究结果, 发电能源结构因素是一关键因素.
2.1.4 气候因素我国幅员辽阔, 各地接受太阳辐射热量的多少不等, 自北向南有6个温度带, 气候类型复杂多样.电动汽车在气候温和地区的示范运行和推广效果较好, 但在寒冷地区却存在着“水土不服”的问题.这主要是由于寒冷地区冬季温度通常低至-30 ℃, 而夏季温度则高达40 ℃, 使用环境比较苛刻.另外, 电池需要在适宜温度下工作的局限性会导致在不同温度下, 搭配相同电池的同款电动汽车能够行驶的最大里程数不同, 进而影响电动汽车的碳排量.因此, 为了更深入分析我国各省电动汽车对环境产生的实际影响, 还需要考虑气候因素.
2.2 构建数学模型本文主要研究电力燃料和汽油燃料从生产阶段到消耗阶段的各个环节产生的排放量.为了降低测算电动汽车碳排量的复杂性, 本文给出了如下假设：①假设各省电力市场自给自足, 相互之间不存在交易行为；②假设在电动汽车长时间的充电过程中发电能源结构不变；③假设本文的研究不针对具体的车型.
只考虑发电能源结构、损失分量和车辆燃料经济性时, Manjunath等(2017)将电动汽车排放指数模型表示为：

(1)

刘新天等(2016)定义了容量温度补偿系λ_C=C_T/C₀来表示温度对锂电池容量的影响, 并使用Arrhenius方程对实验所得曲线进行拟合, 得到的温度-电池容量模型如式(2)所示.其中, C_T表示绝对温度为T(K)时的电池容量, C₀表示常温时的电池容量.

(2)

借鉴Manjunath等(2017)提出的电动汽车排放指数及刘新天等(2016)得到的温度-电池容量模型, 综合考虑发电能源结构、损失分量、车辆燃料经济性及气候这4个主要因素, 本文构建修正电动汽车排放指数模型如式(3)所示.

(3)

其中, 与电动汽车相关的模型参数有5个.电的碳强度(γ_E)定义为生产单位电力所排放的CO₂量(g · kWh^-1)；T/D网效率η_Τ/D)是指电力输配网络的效率；常温时电动汽车的燃料经济性ρ_E)表示为常温条件下电动汽车行驶百公里所消耗的电量(kWh/100 km)；公式(3)中的T是指开氏温度, 与摄氏度t的关系表示为T=273.15+t；容量温度补偿系数λ_C)是指温度为T时的电池容量和常温下的电池容量的比值, 用来表示温度对电池容量的影响.
另外, 模型中与传统燃油车相关的参数有4个.汽油的碳强度(γ_G)表示为燃烧单位汽油产生的碳排量(g · L^-1)；WTW效率(η_W)是指well-to-wheel过程中的效率, 即包括将电力能源转化为汽车燃料及将汽车装载的燃料转化为汽车动力这两个过程；燃油车的燃料经济性(ρ_G)定义为燃油车消耗每升汽油所行驶的里程数(km · L^-1)；上游排放因子(k)被用来计算原油开采、炼化、运输到加油站这一过程中所产生的额外排放量.
3 数据来源(Data sources)表 1展示了模型基础数据来源, 主要包括与能源结构相关的数据、与气候相关的数据及线损失率数据.其中, 为了得到尽可能贴合实际的研究结果, 与能源结构相关的各省的总发电量数据和火力发电量数据是从国研网统计数据库中获取, 可确保所用数据的相对准确性.
表 1(Table 1)

表 1 模型基础数据来源 Table 1 Data sources of models

表 1 模型基础数据来源 Table 1 Data sources of models 数据类型 具体分类 数据来源 各省电网统计数据 总装机量 电力圈 火电装机量 中国环球能源眼 火电利用小时数 中国环球能源眼 线损失率 各省的输配电力文件 总发电量 国研网统计数据库 火力发电量 国研网统计数据库 各省气候统计数据 全年平均温度最高、最低温度每月平均温度 https://tianqi.911cha.com/ 注：总发电量是指国家统计局规模以上发电企业发电量(除风电外).

首先确定与能源结构因素相关的参数值, 包括电的碳强度和汽油的碳强度.由2017年全国电力工业统计快报一览表得到我国平均发电标准煤耗为292 g · kWh^-1, 每千克煤燃烧会排放大约2620 g的CO₂, 换算得到, 我国生产单位千瓦时电力平均会产生765.04 g的CO₂.另外, 在电力生产阶段, CO₂主要来源于煤、石油等传统能源发电技术.因此, 根据各省的火力发电占比即可得到各省市电的碳强度.汽油的碳排放因子为2.361 kg · L^-1, 即汽油的碳强度可假设为2361 g · L^-1.
然后确定与损失分量因素相关的参数值, 包括T/D网效率、WTW效率及上游排放因子.其中, T/D网效率来源于各省电力有限公司公布的输配电价文件, 该组数据虽存在微小差异, 但均分布在91%~97%这一范围内.公开资料显示, 电动汽车的电池循环效率(释放电能与充电电能之比)为90%左右, 驱动汽车的电机效率(由电能到动能)也为90%左右, 因此, 本文中假定WTW效率为81%.我国原油炼化行业非常成熟, 从开采、炼化、运输到加油站这一过程会损失大概10%的能量, 则本文假定上游排放因子k为1.11.
接着确定与车辆燃料经济性相关的参数值, 包括燃油车的燃料经济性和不同温度下电动汽车的燃料经济性.一般燃油车行驶100 km需要耗能248 MJ, 但汽油燃烧所蕴含的能量中有一部分会随尾气流失, 大概只有15%~25%最终为车的行驶做功, 因此, 推动燃油车行驶100 km大概只需要50 MJ的能量.电动汽车的WTW效率是81%, 类比得到推动电动汽车行驶100 km所需能量约为61.7 MJ, 与此对应的耗电量约为17.1 kWh, 即常温下电动汽车的燃料经济性为17 kWh/100 km.另外, 温度通过影响电池容量进而影响电动汽车的燃料经济性, 因此, 根据各省的气候统计数据及温度-电池容量模型即可得到不同温度下电动汽车的燃料经济性.一般燃油车行驶百公里需要消耗8 L汽油, 即燃油车的燃料经济性为12.5 km · L^-1.
最后确定与气候因素相关的数据, 包括春、夏、秋、冬四季的平均温度.气候统计数据是从历史天气查询网站(911查询网)中获取, 原始数据包括各省的全年平均温度、每月的平均温度等.对数据整理加工后得到各省的气候情况如表 2所示.总体来看, 我国31个省市春季(3、4、5月)、夏季(6、7、8月)和秋季(9、10、11月)的平均温度均在0 ℃以上, 且变化范围在20 ℃以内.其中, 夏季平均温度偏高, 春季和秋季的平均温度情况类似.但各省市冬季(1、2、12月)的平均温度变化范围较大, 其中, 海南的冬季平均温度最高, 为21.03 ℃, 黑龙江的冬季平均温度则低至-16.1 ℃.
表 2(Table 2)

表 2 各省气候情况 Table 2 Climate situation of 31 provinces

表 2 各省气候情况 Table 2 Climate situation of 31 provinces 省份 全年温度/℃ 平均温度/℃ 最高 最低 春 夏 秋 冬 海南 40 10 25.01 30.01 26.67 21.03 广东 41 6 23.01 31.03 28.34 19.69 广西 41 7 22.67 29.36 25.00 17.97 福建 41 3 19.00 29.03 22.66 13.34 重庆 43 3 18.34 29.40 21.65 12.66 湖南 42 0 17.34 29.05 21.00 11.34 江西 43 1 18.34 29.05 21.66 11.00 云南 33 -1 15.67 21.02 17.00 10.97 四川 39 1 18.34 28.38 18.99 10.66 湖北 42 1 18.01 29.38 20.66 10.66 浙江 43 -2 17.33 30.07 21.00 9.69 贵州 35 -2 16.00 23.71 17.33 9.66 上海 44 -4 16.00 29.73 21.00 9.38 安徽 42 -1 17.34 29.04 18.66 8.31 江苏 42 -1 16.66 29.04 18.66 7.66 陕西 46 -5 16.67 31.05 18.32 6.62 河南 44 -6 17.67 30.38 18.66 6.62 山东 41 -8 16.34 28.71 18.00 3.62 河北 46 -8 17.00 29.38 17.32 2.59 天津 41 -10 16.33 28.71 16.99 1.28 北京 42 -11 16.66 29.38 17.33 0.62 甘肃 37 -12 10.99 23.03 12.33 -0.07 西藏 26 -14 7.32 15.34 8.34 -0.34 宁夏 41 -15 12.66 26.71 14.33 -0.41 青海 34 -13 6.66 18.71 8.33 -1.72 辽宁 38 -21 11.66 26.04 11.34 -6.41 新疆 40 -18 8.65 24.68 10.99 -6.66 内蒙古 38 -19 9.34 24.37 9.34 -7.38 吉林 35 -27 8.33 23.71 7.68 -12.38 黑龙江 38 -31 6.32 23.37 6.01 -16.10

4 结果与讨论(Results and discussion)4.1 能源结构和气候因素下电动汽车温室气体排放的研究结果不考虑气候因素影响时, 发电能源结构中火力发电占比越大, 修正电动汽车排放指数越大.表 3显示, 在不考虑气候因素影响下, 即以常温下电动汽车燃料经济性进行计算时, 修正电动汽车排放指数大于1的省市有天津、上海、北京、山东、河南、安徽、江苏、山西及陕西, 对应的火力发电占比依次为97.95%、97.78%、95.77%、94.95%、93.55%、93.54%、91.74%、90.51%及87.76%.另外, 对于其他火力发电占比高于全国平均水平(70.9%)的省市来说, 其修正电动汽车排放指数也极接近于1.该组数据表明, 电动汽车对环境产生的影响与火力发电这一行为密切相关, 也就是说, 发电能源结构中火力发电占比越大, 电动汽车碳排量大于燃油汽车碳排量的可能性越大.
表 3(Table 3)

表 3 不考虑气候因素下的修正电动汽车排放指数 Table 3 Modified electric vehicle emission index without considering climate factors

表 3 不考虑气候因素下的修正电动汽车排放指数 Table 3 Modified electric vehicle emission index without considering climate factors 省份 电的碳强度/ (g·kWh-1) T/D网效率 Φ 天津 1056.667 93.26% 1.134 上海 1054.855 93.81% 1.126 北京 1033.134 93.12% 1.111 河南 1009.249 91.35% 1.106 安徽 1009.106 92.45% 1.093 山东 1024.283 94.66% 1.083 江苏 989.723 96.00% 1.032 山西 976.397 95.41% 1.024 陕西 946.759 93.31% 1.016 黑龙江 922.256 94.30% 0.979 河北 932.279 95.68% 0.975 内蒙古 911.238 94.85% 0.962 江西 880.076 92.94% 0.948 宁夏 889.663 96.36% 0.924 吉林 834.510 92.50% 0.903 新疆 832.219 92.74% 0.898 辽宁 812.332 93.87% 0.866 浙江 819.556 95.51% 0.859 广东 785.077 95.47% 0.823 海南 690.425 92.36% 0.748 重庆 692.631 93.06% 0.745 湖南 632.839 91.68% 0.691 贵州 648.553 95.62% 0.679 甘肃 568.096 95.76% 0.594 福建 562.294 95.37% 0.590 广西 462.230 93.20% 0.496 湖北 438.505 93.02% 0.472 青海 267.902 96.35% 0.278 四川 106.871 93.60% 0.114 云南 82.539 95.10% 0.087 西藏 7.753 93.34% 0.008

气候因素, 尤其对于全年温度变化范围较宽的省市来说, 其可能是使电动汽车和燃油车的碳排量达到排放平衡点的关键因素.电动汽车完全由车载电池驱动, 其能够行驶的最大里程数与电池容量密切相关. -20 ℃时, 电池的容量不足常温(20 ℃)时的30%；0~40 ℃时, 电池的容量则从标称容量的80%升至105%(刘新天等, 2016).这表明温度对电池容量的影响是以0 ℃为临界点.
本文研究的31个省市中, 有些省市处于寒冷地区, 如黑龙江、吉林等, 全年温度变化范围为-30~40 ℃, 这会对电池容量产生较大的影响.因此, 为了得到更贴合实际情况的研究结果, 需要进一步探讨气候因素影响下的修正电动汽车排放指数.本文将以春、夏、秋、冬4个季节的平均温度为研究对象展开讨论.
表 4展示了春、夏、秋、冬4个季节的修正电动汽车排放指数.其中, 夏季平均温度下, 修正电动汽车排放指数大于1的省市有天津、上海、北京、河南、安徽及山东这6个省市；各省市春季平均温度情况与秋季类似, 修正电动汽车排放指数大于1的省市也完全相同, 只是对这11个省市的修正电动汽车排放指数按照降序排列后所得到的先后顺序存在微小差异；但以冬季平均温度进行计算时, 修正电动汽车排放指数大于1的省市增加到16个.
表 4(Table 4)

表 4 考虑气候因素下的修正电动汽车排放指数 Table 4 Modified electric vehicle emission index considering climate factors

表 4 考虑气候因素下的修正电动汽车排放指数 Table 4 Modified electric vehicle emission index considering climate factors 省份 不同季节平均温度下的Φ 春季 夏季 秋季 冬季 天津 1.155 1.099 1.151 1.309 上海 1.148 1.087 1.121 1.199 北京 1.129 1.074 1.125 1.292 山东 1.103 1.049 1.093 1.216 河南 1.118 1.066 1.113 1.205 安徽 1.107 1.058 1.099 1.174 江苏 1.049 0.999 1.038 1.115 山西 1.061 0.998 1.047 1.202 陕西 1.032 0.978 1.024 1.107 河北 0.990 0.943 0.988 1.108 黑龙江 1.070 0.966 1.073 1.758 内蒙古 1.024 0.945 1.024 1.286 宁夏 0.962 0.901 0.952 1.091 江西 0.955 0.917 0.941 0.997 吉林 0.970 0.890 0.975 1.390 新疆 0.962 0.882 0.945 1.182 浙江 0.870 0.829 0.855 0.913 辽宁 0.907 0.846 0.909 1.134 广东 0.813 0.792 0.798 0.824 重庆 0.751 0.720 0.740 0.775 海南 0.734 0.722 0.730 0.745 贵州 0.692 0.669 0.688 0.721 湖南 0.700 0.669 0.688 0.725 甘肃 0.625 0.586 0.619 0.697 福建 0.593 0.571 0.584 0.611 广西 0.491 0.480 0.487 0.501 湖北 0.476 0.456 0.471 0.498 青海 0.303 0.280 0.299 0.335 四川 0.115 0.111 0.115 0.121 云南 0.089 0.086 0.088 0.091 西藏 0.009 0.009 0.009 0.010

为了更加直观地体会气候因素对修正电动汽车排放指数产生的影响, 本文运用ArcGIS工具分别展示出文中研究的31个省市春、夏、秋、冬四季及不考虑气候因素影响下的修正电动汽车排放指数(图 1).
图 1(Fig. 1)

图 1 不同气候下的修正电动汽车排放指数(a.不考虑气候因素下, b.春季平均温度下, c.夏季平均温度下, d.秋季平均温度下, e.冬季平均温度下) Fig. 1Modified electric vehicle emission index under different climates

4.2 灵敏度分析首先对能源结构因素进行灵敏度分析, 结合当前中国能源结构优化调整的方向, 研究发电能源结构中可再生能源比例增加对电动汽车碳排量产生的影响.为了便于阐述, 本文以上海为例进行说明.上海市目前的火电占比约为97.78%, 在春季平均温度下, 电动汽车行驶100 km所排放的CO₂量为24.069 kg.
根据上海市能源发展“十三五”规划内容, 修订出台《上海市风电开发建设管理暂行办法》、《上海市光伏发电项目管理办法》等政策.由此可见, 上海市当前能源结构优化调整的方向是积极推进风力发电及光伏发电.另外, 规划指出, “十三五”期间, 全市新增风电装机80×10⁴~100×10⁴ kW, 总装机达到140×10⁴ kW.因此, 保持上海市的总发电量不变, 增加风力发电的比例, 且由于风力发电基本实现零污染, 可以同等比例地减少电的碳强度.如表 5所示, 当发电能源结构中风力发电占比达到28.42%时, 电动汽车每行驶100 km就会使CO₂排放量减少6.449 kg；当发电能源结构中风力发电占比达到50%时, 10万辆电动汽车每行驶1 km就会少排放11761 kg的CO₂.
表 5(Table 5)

表 5 风力发电占比对电动汽车碳排量的影响 Table 5 The impact of wind power generation on the carbon emissions of electric vehicles

表 5 风力发电占比对电动汽车碳排量的影响 Table 5 The impact of wind power generation on the carbon emissions of electric vehicles 风力发电占比 电动汽车排放 的CO2/g 电动汽车排放 的CO2减少量/g 2.22% 24069 - 28.42% 17620 6449 50% 12308 11761

然后对车辆燃料经济性因素进行灵敏度分析, 即从电池性能的角度探讨电动汽车对环境产生的影响.当电池性能得到改善时, 电动汽车所行驶的最大里程数会增加, 则行驶单位里程所消耗的电量就会减少.
由表 6可知, 保持其他因素不变的情况下, 当电动汽车的电池性能提高20%时, Φ值大于1的省市由16个减少为5个；当电动汽车的电池性能提高25%时, 只有黑龙江和吉林两省的Φ值大于1, 其他省市的修正电动汽车排放指数均小于1.
表 6(Table 6)

表 6 电池性能对电动汽车的影响 Table 6 Impact of battery performance on EV

表 6 电池性能对电动汽车的影响 Table 6 Impact of battery performance on EV 电池性能变化幅度 Φ值大于1的省市 当前性能 黑龙江、吉林、天津、北京、内蒙古、山东、河南、山西、上海、新疆、安徽、辽宁、江苏、河北、陕西、宁夏 性能提高10% 黑龙江、吉林、天津、北京、内蒙古、山东、河南、山西、上海、新疆、安徽、辽宁、江苏 性能提高20% 黑龙江、吉林、天津、北京、内蒙古 性能提高25% 黑龙江、吉林

4.3 电动汽车市场规模及其占有率因素根据汽车产业2017年的统计数据, 全国电动汽车保有量占汽车保有量的比例约为0.7%.进一步细分到省域尺度发现, 我国31个省市中电动汽车市场占有率最高的是上海市, 其电动汽车保有量约为16.9万辆, 市场占有率约为4.71%.
由上述数据可见, 截止2017年底, 电动汽车的市场规模及占有率还是普遍偏低, 如果在文中的公式中引入该因素, 会使各省的修正电动汽车排放指数的数据均小于1, 这会使本文的研究意义不够突出.但随着各省电动汽车占有率不断增加, 在研究电动汽车温室气体影响时, 考虑电动汽车市场规模和占有率是十分有必要的.因此, 在接下来的研究中, 我们会进一步优化论文模型, 对电动汽车市场规模和占有率这一因素进行合理的处理, 以得到一个更贴合电动汽车实际使用环境的研究结果.
5 结论(Conclusions)1) 不考虑气候因素的影响时, 天津、上海、北京、山东、江苏等这些火力发电占比高达90%以上的省市, 电动汽车的碳排量高于燃油车的碳排量.
2) 改变电力能源结构, 使其向更清洁的发电组合发展是减少电动汽车CO₂排放量的根本所在.同时，改善电动汽车的电池性能能够有效降低电动汽车对温室气体产生的影响.
3) 将研究对象细分到省域尺度后, 得到使用电动汽车所产生的碳排量呈现明显的空间变化.
4) 对于全年温度变化范围宽的省市, 在研究电动汽车的碳排放时, 气候因素尤为关键.
6 政策建议(Policy recommendations)本文的研究结果在准确度上可能会因为简化计算而产生些许误差, 但仍能从近似结果中获得有价值的见解.基于上述得出的结论, 考虑电动汽车市场规模及占有率因素, 并结合当前中国能源结构优化调整方向, 本文提出以下3点针对性建议:
1) 发电能源结构的角度.在政府的扶持和引导下, 实施与当地可再生能源发展相适应的政策, 降低可再生能源发电成本, 从而降低发电能源结构中火力发电占比.
2) 气候环境的角度.温度的急剧变化会导致电池容量的明显变化, 因此, 对于寒冷地带, 应更积极推广混合动力汽车而不是纯电动汽车.
3) 电动汽车电池技术角度.对于电动汽车的制造商来说, 应积极改善电池性能, 使电动汽车的行驶里程数提高, 单位耗电量降低, 从而促使电动汽车在全国范围内成为环保型的交通工具, 起到节能减排的作用.
总之, 政府应着重考虑电动汽车的实际使用环境, 因地制宜制定分区域的补贴政策或分区域禁售燃油车的政策.此外, 在政策制定中, 还应结合各省市电动汽车市场规模和占有率数据及其变化趋势.

参考文献

Choi H, Shin J, Woo J R. 2018. Effect of electricity generation mix on battery electric vehicle adoption and its environmental impact[J]. Energy Policy, 121: 13–24.DOI:10.1016/j.enpol.2018.06.013

Doucette R T, McCulloch M D. 2011. Modeling the CO2 emissions from battery electric vehicles given the power generation mixes of different countries[J]. Energy Policy, 39: 803–811.DOI:10.1016/j.enpol.2010.10.054

冯超, 王科, 徐志强, 等. 2017. 基于混合生命周期方法的私人电动汽车温室气体排放研究[J]. 中国人口·资源与环境, 2017, 27(10): 178–187.

李珒, 战建华. 2017. 中国新能源汽车产业的政策变迁与政策工具选择[J]. 中国人口·资源与环境, 2017, 27(10): 198–208.

李平, 安富强, 张剑波, 等. 2014. 电动汽车用锂离子电池的温度敏感性研究综述[J]. 汽车安全与节能学报, 2014, 5(3): 224–237.DOI:10.3969/j.issn.1674-8484.2014.03.002

李苏秀, 刘颖琦, 王静宇, 等. 2016. 基于市场表现的中国新能源汽车产业发展政策剖析[J]. 中国人口·资源与环境, 2016, 26(9): 158–166.DOI:10.3969/j.issn.1002-2104.2016.09.019

刘新天, 何耀, 曾国建, 等. 2016. 考虑温度影响的锂电池功率状态估计[J]. 电工技术学报, 2016, 31(13): 155–163.DOI:10.3969/j.issn.1000-6753.2016.13.018

罗晓梅, 黄鲁成. 2014. 燃油汽车与纯电动车能源足迹实证研究[J]. 中国人口·资源与环境, 2014, 24(9): 84–90.DOI:10.3969/j.issn.1002-2104.2014.09.012

Manjunath A, Gross G. 2017. Towards a meaningful metric for the quantification of GHG emissions of electric vehicles (EVs)[J]. Energy Policy, 102: 423–429.DOI:10.1016/j.enpol.2016.12.003

Mishina Y, Muromachi Y. 2017. Are potential reductions in CO2 emissions via hybrid electric vehicles actualized in real traffic? The case of Japan[J]. Transportation Research Part D, 50: 372–384.DOI:10.1016/j.trd.2016.11.019

沈万霞, 张博, 丁宁, 等. 2017. 轻型纯电动汽车生产和运行能耗及温室气体排放研究[J]. 环境科学学报, 2017, 37(11): 4409–4417.

施晓清, 李笑诺, 杨建新. 2013. 低碳交通电动汽车碳减排潜力及其影响因素分析[J]. 环境科学, 2013, 34(1): 385–394.

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.

于大洋, 黄海丽, 雷鸣, 等. 2012. 电动汽车充电与风电协同调度的碳减排效益分析[J]. 电力系统自动化, 2012, 36(10): 14–18.

张恺凯, 杨秀媛, 卜从容, 等. 2013. 基于负荷实测的配电网理论线损分析及降损对策[J]. 中国电机工程学报, 2013, 33: 92–97.

张立玉, 路昭, 韦立川, 等. 2018. 锂电池性能与温度相关性的基础实验研究[J]. 西安交通大学学报, 2018, 52(5): 133–14.