胡煜晗 靳雅娜 張世秋,?

1. 北京大學環(huán)境科學與工程學院, 北京 100871; 2. Environmental Defense Fund, New York 10010;3. William & Mary, Williamsburg, VA 23185; ? 通信作者, E-mail: zhangshq@pku.edu.cn

基于汽車產業(yè)轉型升級、能源結構調整和緩解環(huán)境壓力等方面的戰(zhàn)略考量, 中國政府近年來相繼出臺多項政策(如購車補貼、稅收優(yōu)惠、基礎設施建設補貼、研發(fā)投資和公共服務支持等)來促進電動汽車的應用推廣。中國電動汽車保有量從 2013年的 4 萬輛迅速增至 2017 年的 125 萬輛, 短短幾年內增長約 30 倍, 并繼續(xù)向 2020 年達到新能源汽車保有量 500 萬輛的目標邁進[1]。

為了評價電動汽車推廣的可行性和實際效果,現(xiàn)有研究從特定范疇和視角, 對電動汽車的環(huán)境影響、生產成本、基礎設施布局和動力電池回收等進行探討。然而, 在強大的政府助推力和高昂的政策成本背后, 從全社會成本角度對“電動汽車是否比傳統(tǒng)燃油車更環(huán)境友好”以及“中國是否應該加速電動汽車替代傳統(tǒng)燃油車”等關鍵問題的討論仍然不足。一方面, 現(xiàn)階段電動汽車運行的氣候與健康績效具有模糊性: 1) 中國電力能源結構以火電為主(2017 年火電份額約為 71%), 意味著雖然電動汽車將城市移動源排放轉移到遠離人口中心的電廠所在地, 但其背后依然存在一定量級的溫室氣體和污染物排放; 2) 近年來燃煤電廠的超低排放改造顯著降低電力生產過程中的污染排放, 但大部分研究尚未將這一最新進展納入考量; 3) 有學者強調, 對于電動汽車能否實現(xiàn)碳減排和避免污染相關的人體健康損害不能一概而論, 還需綜合考慮電網能源結構、車輛能源載體、充電模式和車輛回收率等多種因素[2–6]。另一方面, 社會各界對電動汽車技術發(fā)展與成本降低潛力、配套設施建設布局、儲能和電池回收可行性及實際效果等方面預期不同, 如果缺乏對全生命周期社會影響系統(tǒng)和詳實的評估, 就難以回答電動汽車推廣的經濟可行性和社會福利結果。借助環(huán)境經濟分析, 討論電動汽車替代傳統(tǒng)燃油車帶來的環(huán)境–健康–經濟成本變化以及對應的社會凈效益, 是回應上述問題的基礎。因此, 對兩種車輛生命周期各環(huán)節(jié)的環(huán)境和社會影響的比較有助于回應現(xiàn)實爭議, 理解政策動機, 并為調整補貼政策提供參考。

電動汽車對傳統(tǒng)燃油車的替代不是單純的兩種車輛制成品之間的替代, 其影響還包括車用燃料生產與使用的能源周期, 以及從原料獲取到最終處置的整個車輛生命周期。由于車用燃料的生產和使用過程貢獻了絕大部分的溫室氣體和大氣污染物排放量, 討論電動汽車替代傳統(tǒng)燃油車的環(huán)境友好性需聚焦于能源周期(包括車輛運行相關的能源獲取、儲運和終端消費過程), 以便幫助建立對電動汽車替代傳統(tǒng)燃油車的氣候和健康效應以及節(jié)能潛力的基本認知。經濟可行性討論則需要立足于全生命周期(包括車輛制造、運行、維護和處置環(huán)節(jié)), 通過比較兩種車輛在所有環(huán)節(jié)的社會影響, 討論現(xiàn)階段電動汽車推廣能否實現(xiàn)社會總體福利的改進, 并識別其關鍵動力和阻力。

本文不討論電動汽車推廣的產業(yè)和結構效應,而是將現(xiàn)有市場規(guī)模、消費需求和結構、車隊規(guī)模及構成等作為既定情景, 直接估算用一輛純電動汽車替代一輛汽油車(簡稱“單車替代”)帶來的環(huán)境–健康–經濟成本的邊際變化量及對應的社會凈效益。借助成本效益分析框架和蒙特卡洛仿真工具, 通過對各類社會成本的刻畫和比較, 揭示電動汽車替代傳統(tǒng)燃油車帶來的各類社會影響的完整圖景以及中國電動汽車行業(yè)快速興起可能產生的效應, 以期為相關問題的討論以及政策方案的制定提供參考。

1 研究方法

1.1 分析框架

1.1.1 能源周期的成本效益分析框架

本文中, 能源周期的成本或效益指與車輛運行相關的能源(汽油或電力)獲取、儲運和終端消費過程中綜合能源消耗的變化及影響。具體地, 本文根據汽油和電力生命周期各階段的氣候和健康影響,重點衡量原油開采、運輸、煉制和汽油燃燒環(huán)節(jié)(汽油車)以及電力生產環(huán)節(jié)(純電動汽車)的溫室氣體和大氣污染物排放影響及相應的能源成本(表1)。

表1 單車替代能源周期成本效益估算類別與方法Table 1 Typology of energy-cycle costs and benefits for a GV-to-EV substitution

1.1.2 全生命周期的成本效益分析框架

本文構建單車替代全生命周期成本效益分析框架(表 2), 用以揭示替代過程中更完整的成本效益要素及其內涵。其中, “效益”包括氣候效益和健康效益, 分別指以貨幣值表征的單車替代帶來的溫室氣體排放的社會成本變化量, 以及大氣污染物排放導致的健康損害(主要指過早死亡和患病)成本的變化量; “成本”則指以貨幣值表征的單車替代帶來的車輛制造、運行、維護和處置階段對應的社會資源消耗成本的變化量。

表2 單車替代全生命周期成本效益類別與分析框架Table 2 Typology of life-cycle costs and benefits for a GV-to-EV substitution

1.2 估算方法

1.2.1 氣候效益

氣候效益通常指采取包括減排在內的各種手段使得溫室氣體凈排放量降低而帶來的氣候變化效應和效益, 本文用純電動汽車與汽油車溫室氣體(包括 CO2, CH4和 NOx)排放的社會成本差異來表征。首先估算兩種車輛能源周期的年溫室氣體排放量:

式中,QGHG,gv和QGHG,ev分別為汽油車(gv)和純電動汽車(ev)對應電廠的年溫室氣體排放當量(g CO2,e),EFGHG,gv和 EFGHG,ev分別為兩種車輛能源周期的溫室氣體排放因子(g CO2,e/L 和 g CO2,e/kWh), AGC 為平均汽油消耗量(L/100 km), AEC 為平均電力消耗量(kWh/100 km),M為年行駛里程(100 km)。

借助碳社會成本(social cost of carbon, SCC)估算溫室氣體排放的社會經濟成本。根據 Ricke 等[9]的最新研究, 中國 SCC 為每噸 CO2當量 24 美元(范圍為4～50 美元)。

1.2.2 健康效益

大氣環(huán)境改善的效益體現(xiàn)在多個方面, 其中因環(huán)境質量改善而降低的發(fā)病率和死亡率及其相應的貨幣值表征(即健康效益)是最重要的部分, 占比在80%以上。本文中的健康效益指用貨幣值表征的大氣污染物減排和污染物濃度降低所避免的過早死亡和患病數(shù)。進一步地, 純電動汽車替代汽油車的健康效益可以用兩種車輛對應污染排放導致的人體健康損害成本的差異來表示, 計算步驟如下。

1) 污染物排放量。分別計算單輛汽油車運行和單輛純電動汽車對應電廠發(fā)電的年污染物排放量:

式中,qm,gv為汽油車的污染物m的排放量(g),qm,ev為純電動汽車對應電廠污染物m的排放量(g), EFm,gv為汽油車污染物m的排放因子(g/100 km), EFm,ev為純電動汽車對應電廠污染物m的排放因子(g/kgce),CE 為電池充電效率(%),δ為平均線路損失因子(%),α為火電份額(%),λ為凈煤耗率(kgce/kWh)。

2) 健康風險。為衡量汽油車和電廠排放的污染物j對健康終端k(慢性效應死亡和慢性支氣管炎,二者占據健康影響的絕對比例)的邊際損害, 采用下式[10]計算:

式中,Ejk為歸因于污染物j暴露的健康終端k的人口數(shù)量, ∑iPopi為區(qū)域i的人口數(shù)量, ΔCij為污染排放對區(qū)域i中污染物j濃度(μg/m3)的增量貢獻,βjk為污染物j濃度和健康終端k的濃度反應(concentrationresponse, C-R)關系(%/(μg·m–3)),Ik為給定時間段內風險人群健康終端k的基準死亡率或患病率(%)。

為了估算∑iPopi×ΔCij, 在觀測站點較少、數(shù)據不足的情況下, 采用吸入因子(intake fraction, iF)法衡量汽油車和電廠排放對人體污染吸入的貢獻。iF包含暴露人口規(guī)模、人與排放之間的距離及污染物的環(huán)境持久性等因素, 能夠兼顧污染排放與人群活動規(guī)律, 本質是大氣模型模擬的結果, 其計算公式[10–12]為

式中, iFj,m為污染物j的吸入因子(m是污染物j或污染物j的前體),I為污染吸入量,Q為污染物排放量,qmn為特定來源n(分別為汽油車和電動汽車對應的電廠)污染物m的排放量(μg/d), BR 為呼吸速率(通常假定為 20 m3/(d·人))。

結合式(5)和(6), 即可估算Ejk:

3) 健康風險的貨幣化估值。統(tǒng)計生命價值(value of a statistical life, VSL)能夠刻畫個體支付意愿與死亡風險降低之間的替代關系[13]。Jin 等[14]綜合考慮空氣污染和經濟發(fā)展等最新情況, 估算出北京市 VSL 為 158 萬美元(以 2016 年美元計), 該值處于Robinson 等[15]對中國 VSL 的估算結果范圍(120～230 萬美元)內。本文借鑒 OECD[16]和 Jin 等[17]的方法, 使用北京市 VSL 和彈性系數(shù), 推算全國平均收入水平下的 VSL 校準值, 用于健康風險的貨幣化。計算公式為

式中, VSLNation為全國平均統(tǒng)計生命價值, VSLBeijing為北京市統(tǒng)計生命價值, GDPperNation為全國平均人均國內生產總值, GDPperBeijing為北京市人均國內生產總值, elasticity 為 VSL 相對于人均 GDP 的彈性系數(shù), 設定為 0.8[16]。

設置慢性支氣管炎的統(tǒng)計疾病價值(value of a statistical illness, VSI)為 VSL 的 5.5%左右, 用于貨幣化患病風險[10]。

1.2.3 能源成本

從全社會角度, 能源成本指用貨幣值表征的為滿足車輛運行需求, 從生產、儲運到提供牽引動力所消耗的能源和其他社會資源, 但不包括各環(huán)節(jié)的增值稅、政府性基金及附加等轉移性支付。中國的電力和汽油價格在很大程度上受政府管制, 難以反映真實的資源成本。在能源成本估算中, 應采用能夠反映真實經濟價值、市場供需狀況、資源稀缺程度以及使資源得到合理配置的影子價格(shadow price)來表征。有學者認為, 如果用戶在最優(yōu)用電水平上增加用電量, 其邊際效用低于邊際發(fā)電成本,將導致總社會福利降低; 若發(fā)電量有剩余, 電力成本即為電力的影子價格[18]。目前, 全國電力供需形勢由總體寬松轉為總體平衡[19]。本文假設全國發(fā)電量大致滿足電動汽車用電需求, 將平準化電力成本(LCOE, 亦稱度電成本, 包括燃煤電廠超低排放改造成本)和輸配成本(含線損)之和作為純電動汽車的能源成本。其中, 由于目前對度電成本的研究成果有限, 使用上網電價替代; 因缺乏對輸配成本的可靠估計, 采用電網企業(yè)平均購銷差價(含線損)表征從發(fā)電端到售電端所需的介入系統(tǒng)、聯(lián)網、電能輸送及損耗等成本。

政府對汽油價格引入相對較高的稅收(比例為27%～57%), 包括增值稅、關稅、資源稅和消費稅等。由于缺乏中國汽油影子價格信息, 且各環(huán)節(jié)稅收比例未知, 本文綜合國家發(fā)展和改革委員會、中國石油天然氣集團有限公司和中國石油化工集團公司披露的不含稅汽油價格和稅收比率, 將 3.47 元/升設置為不含稅汽油成本的中心估計值(2.95～5.87 元/升), 以便反映汽油在原料獲取、提煉加工等各環(huán)節(jié)耗費的社會資源成本, 即汽油車的能源成本[20–21]。

1.2.4 基礎設施成本

本文中, 基礎設施成本指為保障車輛正常運行所必需的基礎設施建設和運營對應的社會資源成本。具體而言, 加油基礎設施主要為加油機及配套服務(如運營設施、人工和土地等), 充電基礎設施主要為充換電站、充電樁(包括交流慢速充電樁、交流快速充電樁和直流快速充電樁)及配套服務。鑒于土地的人工等成本衡量的難度和不確定性, 本文中基礎設施成本僅包括從加油機到充電樁的增量成本。

目前, 鮮有研究評估中國電動汽車運行所需的充電基礎設施條件。由于中國電動汽車和充電市場尚未飽和, 實際樁車比仍在不斷變化, 難以反映真實的基礎設施需求。歐盟替代燃料基礎設施(AFI Europe)指令要求成員國每十輛電動汽車至少配備一個充電樁[1]。與歐洲國家相比, 中國多數(shù)城市人口更稠密, 充電基礎設施配備需求更高, 故不能簡單地沿用 AFI 指標。2015 年, 四部委聯(lián)合印發(fā)的《電動汽車充電基礎設施發(fā)展指南(2015—2020)》綜合考慮經濟發(fā)展水平、自然地理條件、污染現(xiàn)狀和城市規(guī)模格局等因素, 提出 2020 年全國各區(qū)域的樁車比要求(1/15～1/7 不等)[22], 本文據此推算目前電動汽車的充電基礎設施需求。

歷經多年發(fā)展, 加油市場格局和用戶規(guī)模基本上保持穩(wěn)定, 因此可以根據加油站建設現(xiàn)狀估計單輛汽油車運行所需的基礎設施條件。對于一座加油站服務的車輛數(shù), 可用“站均服務量”表示。早期,中國加油站的站均服務量不到 300 輛, 僅為美國、日本和德國等發(fā)達國家平均水平的 1/6, 但近年來這一差距不斷縮小[23–24]。截至 2018 年, 中國民用汽車保有量為 2.3 億輛, 加油站數(shù)量約 7.4 萬座, 據此計算最新加油站的站均服務量約為 3141 輛。

1.2.5 車輛制造成本

在制造階段, 汽油車和純電動汽車的環(huán)境影響差異主要在于車輛生產過程中的碳排放成本, 成本差異主要在于能源和社會資源消耗。據 Hao 等[25]測算, 兩種車輛制造過程中的 GHGs 排放分別約為6.5 和 11.04 噸 CO2當量, 制造成本分別約為 5.3 和20.9 萬元/輛。本文將兩種車輛的碳排放成本差異納入單車替代的氣候效益, 將制造成本差值作為單車替代的車輛成本, 并按車輛壽命(一般為 10 年左右)分攤至各年。

1.2.6 車輛維護成本

由于配置了更復雜的推進系統(tǒng), 汽油車的維護成本往往更高[25]。本文根據現(xiàn)有對汽油車和純電動汽車維護成本差異的估值來計算單車替代的維護成本, 并按車輛壽命分攤至各年。

1.2.7 車輛處置成本

根據對中國電動汽車保有量和車輛壽命的預估, 第一批投入市場的電動汽車及其動力電池將在2025 年左右迎來集中“報廢潮”?；厥占饶芤?guī)避廢舊組件給環(huán)境和人體帶來的潛在危害, 還能通過循環(huán)利用原材料提高資源利用率, 兼顧環(huán)境保護和資源節(jié)約[26–27]。汽油車和純電動汽車的動力系統(tǒng)分別為內燃機和電動機(含動力電池), 假設內燃機與電動機在回收和報廢過程中的環(huán)境能源影響和社會成本無顯著差異, 則兩種車輛的處置成本差異主要在于電池的處理。因此, 本文將動力電池回收的碳減排(即用電池回收材料代替原材料在車輛制造階段降低的碳排放, 根據 Qiao 等[27]的測算約為 1.1 噸CO2當量/輛)效益納入單車替代的氣候效益核算,將電池回收成本(包括資源消耗成本、新增技術和服務成本)作為單車替代的處置成本, 并按車輛壽命分攤至各年。

1.3 分析工具

成本效益分析(cost-benefit analysis, CBA)通過比較特定政策或項目的全部成本和效益, 結果可為經濟效率評價和政策選擇提供依據。但是, 在實際分析中面臨以下挑戰(zhàn): 1) 難以獲取最新的、貼近現(xiàn)實的數(shù)據; 2) 所獲數(shù)據常常是非平穩(wěn)的, 可能隨時間推移而改變; 3) 將不同運算環(huán)節(jié)的不確定參數(shù)相乘, 結果的不確定性會迅速擴大[28–30]。為克服這些困難, 近年來有學者在傳統(tǒng) CBA 中引入蒙特卡洛建模仿真(Monte Carlo simulation, MCS)這一基于概率分布的統(tǒng)計分析方法: 首先根據估算需要, 構建一套盡可能貼近現(xiàn)實并容許不確定性的參數(shù)信息庫, 參數(shù)的取值范圍、分布和參數(shù)間相關性來自文獻資料和研究人員的專業(yè)判斷; 然后給定參數(shù)的統(tǒng)計分布, 允許全部參數(shù)同時在各自的取值范圍內隨機變動, 通過大量的隨機抽樣獲得眾多不確定因素綜合影響下目標估計值(如社會凈效益)的統(tǒng)計分布特征。MCS 方法與傳統(tǒng)的基于點估計或最好–最差情景估計的方法相比, 能更好地處理不確定性。目前, 已有研究運用這一思路評估特定項目中不同替代技術的成本效益以支持決策[10,30–32]。本文從社會經濟運作和整體福利角度, 將 MCS 與傳統(tǒng) CBA 框架相結合, 開展基于概率分布的成本效益分析(“probabilistic” CBA), 依據現(xiàn)有統(tǒng)計數(shù)據和研究成果建立參數(shù)信息庫(表 3), 使用 Oracle Crystal Ball 仿真程序, 執(zhí)行 10000 次蒙特卡洛隨機實驗, 以期獲得效益、成本及社會凈效益的期望和概率分布。

表3 參數(shù)信息Table 3 Parameter information

2 估算結果

2.1 基于能源周期的單車替代社會凈效益

圖 1 顯示, 在現(xiàn)有燃煤發(fā)電技術和電廠超低排放改造背景下, 單輛純電動汽車的年碳排放成本為汽油車的一半, 大氣污染排放的健康影響為汽油車的 1/5, 電力成本為汽油成本的 1/4, 意味著用一輛純電動汽車替換一輛汽油車, 可以實現(xiàn)正的氣候效益(約 324 元/年)、健康效益(約 343 元/年)以及可觀的能源節(jié)約(約 4315 元/年), 最終在能源周期獲得顯著的社會凈效益(約 5025 元/年)。這一結果表明, 電動汽車替代傳統(tǒng)燃油車帶來的從汽油到電力的能源類型變化, 能夠顯著地降低資源獲取、能源生產儲運及使用等環(huán)節(jié)的社會資源消耗成本, 其量級遠遠高于能源使用過程中溫室氣體和大氣污染物減排獲得的環(huán)境與健康效益。

圖1 單車替代能源周期的氣候、健康、能源影響估計結果Fig. 1 Energy-cycle climate, health and energy impacts for a GV-to-EV substitution

通過單因素敏感性分析, 識別對凈效益結果不確定性的貢獻排名前十的參數(shù), 結果如圖 2 所示?？梢园l(fā)現(xiàn), 汽油成本的影響最顯著, 其從低到高的變化使社會凈效益由 3431 元/(輛·年)增長至 6362 元/(輛·年), 對社會凈效益變動的單獨貢獻率高達84%; 貢獻最大的 3 個因素與能源及其使用行為和效率相關, 表明在現(xiàn)有研究普遍關注氣候和健康效應的背景下, 能源成本估算對于電動汽車替代傳統(tǒng)燃油車的社會總體影響討論是非常必要的。

圖2 單車替代能源周期社會凈效益的單因素敏感性分析(排名前十的參數(shù))Fig. 2 Top 10 parameters contributing to the uncertainty of the net social benefits

2.2 基于全生命周期的單車替代社會凈效益

對兩種車輛全生命周期各類效益和成本進行比較, 能夠清楚地識別單車替代各階段的影響及其對社會凈效益的貢獻。圖 3 表明, 在整個生命周期,單車替代社會影響最大的環(huán)節(jié)在于兩種車輛在制造過程中能源與其他社會資源消耗成本的巨大差異(約 1.6 萬元/年), 該差異決定了社會凈效益的量級和正負方向; 其次為車輛運行對應的能源成本差異(約為 ?4315 元/年), 即電動汽車以成本更低的電力為能源載體, 比汽油車具有顯著的能源與社會資源節(jié)約潛力; 相比之下, 汽油車的基礎設施成本更低,純電動汽車的氣候和健康損害更小, 車輛維護成本更低, 并且動力電池回收具有一定的成本抵消作用,但這些環(huán)節(jié)成本效益的數(shù)量級較小(約 300 元/年)。

圖3 單車替代全生命周期成本和效益比較Fig. 3 Life-cycle cost and benefit estimates for a GV-to-EV substitution

2.3 2015—2025 年全生命周期社會凈效益預測

囿于昂貴的制造成本, 現(xiàn)階段中國電動汽車替代傳統(tǒng)燃油車的社會成本高昂, 難以獲得可觀的社會凈效益。但有研究認為, 隨著技術水平提升和電池系統(tǒng)全行業(yè)成本降低, 預期純電動汽車的生產成本將逐年下降, 并縮小與汽油車的成本差距[25,51]。為了探究電動汽車推廣未來能否在該技術發(fā)展趨勢下獲得社會凈效益, 本文借助 Hao 等[25]對未來汽油車和純電動汽車制造成本的預測, 對 2020 和 2025年單車替代全生命周期的社會凈效益進行預判。

由于缺乏目標年份其他必要參數(shù)的預測值, 本文僅考慮未來的車輛成本變化, 將其余成本和效益固定為 2015 年的結果分布。這一預測是保守的:首先, 移動源污染控制技術已相對成熟, 可以預測汽油車的氣候和健康影響不會再大幅降低; 其次,隨著電廠清潔度的提高、節(jié)能與儲能技術的革新、可再生能源比重的上升以及動力電池技術的發(fā)展,未來電動汽車替代燃油車可能獲得更高的氣候和健康效益, 但不會大幅度超出已考慮各種不確定性的2015 年估計結果的范圍。

從圖 4 可以看出, 在上述最保守的情況下, 由于技術進步和規(guī)模經濟變化等的影響, 兩種車輛的制造成本差距逐年縮小, 2020 年單車替代全生命周期的社會凈效益從?9855 元/年增長至?2797 元/年,并在 2025 年實現(xiàn)正的社會凈效益(約2041 元/年)。

圖4 2015—2025 年單車替代社會凈效益預測Fig. 4 Net social benefits for a GV-to-EV substitution from 2015 to 2025

3 結論與討論

本文通過建立單輛純電動汽車替代汽油車的能源周期和全生命周期成本效益分析框架, 估算并比較兩種車輛的氣候和健康影響及各類社會成本, 以期了解現(xiàn)階段在全國范圍內淘汰燃油車、推廣電動汽車的環(huán)境影響和社會福利變化的量級及其分布范圍, 從而為中國電動汽車推廣政策和戰(zhàn)略的制定提供信息。研究結果表明: 1) 目前以電動汽車替代傳統(tǒng)燃油車能夠獲得正的氣候和健康效益, 主要歸因于電動汽車將城市道路的近源排放轉移到遠離人口聚居區(qū)的電廠所在地, 以及近年來燃煤電廠的超低排放改造顯著地提高了電力清潔度; 2) 純電動汽車以成本更低的電力為能源載體, 相對于汽油車的能源節(jié)約效果非常顯著, 甚至遠遠高于氣候和健康效益; 3) 從全社會和全生命周期的角度, 純電動汽車制造成本過高導致現(xiàn)階段電動汽車替代傳統(tǒng)燃油車的綜合效益并不顯著, 但隨著技術進步、行業(yè)成本降低、規(guī)模經濟以及電網清潔度提升, 電動汽車推廣將在不遠的未來實現(xiàn)全生命周期的社會凈效益。

在現(xiàn)有能源結構和技術條件下, 電動汽車替代傳統(tǒng)燃油車總體上兼具碳減排、健康損害降低和能源節(jié)約三重效益, 這也是中國政府加速電動汽車推廣的重要動因。然而, 高昂的車輛制造成本使得短期內電動汽車對傳統(tǒng)燃油車的全面替代并不能實現(xiàn)社會總體福利的改進。這一結論為政策調整提出兩點啟示: 其一, 在有限的社會資源條件下, 電動汽車不能在全國統(tǒng)一部署, 而應識別具有較高氣候和健康效益和能源節(jié)約潛力的區(qū)域優(yōu)先推廣, 本文從單車視角探討電動汽車推廣的環(huán)境與社會影響, 有助于結合當?shù)貙嶋H, 快速獲得不同區(qū)域或情景中電動汽車替代傳統(tǒng)燃油車的邊際效益或成本, 揭示不同自然稟賦和社會經濟條件下電動汽車推廣效應的區(qū)域差異性, 為政策制定提供依據; 其二, 目前以直接購置補貼為主的激勵手段通過調整車輛價格和刺激生產消費, 有效地培育了電動汽車初級市場,但也使得企業(yè)缺乏技術和產品研發(fā)動力, 行業(yè)成本居高不下, 意味著政府在現(xiàn)有補貼政策下培養(yǎng)競爭性汽車產業(yè)、緩解能源與環(huán)境壓力的背后, 隱含著長期經濟效率和社會福利損失, 要想在全社會層面和全生命周期獲得凈效益, 補貼政策需以激勵生產技術革新和成本降低為著力點。

本文最大限度地考慮了參數(shù)的不確定性, 盡可能降低由現(xiàn)有統(tǒng)計資料和研究成果的敏感性參數(shù)取值給模擬結果帶來的偏差。根據估算結果, 車輛成本和能源成本在社會凈效益中占據絕對主導地位,使得以往研究中著重強調的敏感性參數(shù)(如統(tǒng)計生命價值和碳社會成本)的影響變得非常有限。因此,參數(shù)選取的局限只會影響結果的精確度, 但不會改變結論的方向性。此外, 因篇幅所限, 本文未對電動汽車推廣如何進行區(qū)域優(yōu)先級選擇做進一步的闡述, 將在后續(xù)研究中探討。