電動汽車在行駛過程中，堵車、雨天、上下坡等會增加汽車行駛的碳排放量。而在電動汽車得到大力發(fā)展后

，產(chǎn)生了許多碳排放問題。不少學(xué)者們研究了電動汽車的碳排放問題

。但是學(xué)者研究重點主要是比較電動汽車與傳統(tǒng)汽車的碳排放量，僅有少部分學(xué)者研究電動汽車碳排放量的預(yù)測

。同時，現(xiàn)有的碳排放量預(yù)測方法受到多種因素的影響，導(dǎo)致預(yù)測結(jié)果準(zhǔn)確性低，不能為碳排放控制提供幫助。

基于上述情況，本工作結(jié)合時間相關(guān)性與全生命周期理論，設(shè)計考慮時間相關(guān)性的電動汽車全生命周期碳排放量預(yù)測方法，以期解決當(dāng)前碳排放量預(yù)測效果差的問題，為相關(guān)領(lǐng)域提供幫助。

一天上午，她下鄉(xiāng)去了。這幾個家伙又聚到一起。一個說：“真不理解，還有人到農(nóng)村來，咱想進縣城還沒門兒呢！”

1 煤電能生命周期排放計量分析模型構(gòu)建

電動汽車的碳排放量計量與普通汽車不同，電動汽車的碳排放量與煤電能的開采、運輸?shù)却嬖陉P(guān)聯(lián)性

，為此采用全生命周期理論對碳排放量預(yù)先計算，框架如圖1所示。

1.1 邊際發(fā)電量計量

此部分主要分析可能引起電動汽車排放量的因素，主要計算電動汽車需求引起的邊際發(fā)電量與電能傳輸時產(chǎn)生的線損率

，引起邊際發(fā)電量的主要內(nèi)容如圖2所示。

地膜覆蓋技術(shù)在農(nóng)業(yè)生產(chǎn)長期應(yīng)用過程中得到全面推廣，從初始應(yīng)用的棉田到現(xiàn)階段諸多農(nóng)作物種植栽培中應(yīng)用地膜，此項技術(shù)適用范圍在逐步擴大。但是近些年來隨著對農(nóng)業(yè)生產(chǎn)中環(huán)境污染問題的重視，地膜覆蓋技術(shù)雖然能夠帶來一定經(jīng)濟效益，但是農(nóng)業(yè)生產(chǎn)土地白色污染程度在不斷加深。對農(nóng)業(yè)生態(tài)環(huán)境進行維護，確保農(nóng)業(yè)可持續(xù)發(fā)展是當(dāng)前需要解決的重點問題。

式中，TR代表電動汽車的充電效能；LR代表線損率；PR 代表廠用電率。經(jīng)過上述計算得到電動汽車充電引起的行業(yè)邊際發(fā)電后，分別乘以不同電源比例

，獲取各個電源的實際邊際發(fā)電電量，單位為kW計算公式表示為

式中，

r

代表第

類電源的占比。上述過程計算了電能需求引起的邊際發(fā)電量，從電源鏈碳排放的角度進一步分析電動汽車的當(dāng)量排放問題，考量主要電源之一的煤電鏈的碳排放

。同時，線路損失率是輸電配電過程中的一項重要的技術(shù)經(jīng)濟指標(biāo)，它主要反映了供電過程中電力消耗與損耗的電量比例。即從發(fā)電廠開始發(fā)電，經(jīng)過配電線路、降壓變電所到用戶身上，所產(chǎn)生的電能消耗

，將線損功率的計算表示為

烤鴨紅外蒸汽加工工藝參考葉樹良(2012)[3]和鄭海洲(2001)[27]等的方法，并進行適當(dāng)修改。將整鴨樣品于-20℃冷庫中取出，4℃下解凍24h；解凍后的鴨坯用清水沖洗浸泡1h，漂去殘血和污物，清洗內(nèi)腔時，水由翼下切口進入，然后倒出，反復(fù)3次使白條鴨內(nèi)外干凈潔白；將鴨胚擺放整齊置于盤中；用100℃的沸水燙皮3次，每次3s，先燙刀口處的側(cè)面，使皮膚緊縮，再澆淋其它部位,使鴨皮繃緊發(fā)光；燙皮的鴨子用潔布揩去水，趁熱往鴨體上噴勻淡淡一層糖色(冰糖∶水=1∶5)3次；上糖色后鴨坯置于通風(fēng)陰涼處4h。晾胚結(jié)束后將其放入紅外蒸汽烤箱進行烤制，烤制結(jié)束后在常溫下，冷卻30min。

式中，

代表線路輸送功率；

代表線路的阻抗參數(shù)。通過上述過程計算邊際發(fā)電量計量與線損率，為電動汽車碳排放量預(yù)測提供基礎(chǔ)。

目前，已落地的越商回歸項目亮點紛呈。如由蘇州越商、中翔集團董事長郭獻斌投資建設(shè)的紹興溫泉城項目，已累計投入7.31億元，其中2011年度投入2億元的一期工程溫泉接待中心、景區(qū)生態(tài)停車場等已經(jīng)開放營業(yè)，至今接待游客10萬人次，在省內(nèi)外已產(chǎn)生了較大影響。續(xù)建的溫泉旅游度假區(qū)紹興溫泉城二期投資3億元，將興建溫泉度假酒店、圍棋主題會館和特色商業(yè)街。新昌籍在滬越商張永江在家鄉(xiāng)新昌投資8.5億元的浙江馨馨家園養(yǎng)老項目將于2012年年底動工，預(yù)計2016年7月建成。

1.2 煤電能能源鏈排放系數(shù)計量

在上述計算基礎(chǔ)上，對煤電能源鏈排放系數(shù)計量。燃煤發(fā)電中會產(chǎn)生大量的廢氣排放

，將CO

當(dāng)量排放的計算公式表示為

式中，

代表燃料或者能源類型；

代表碳當(dāng)量排放系數(shù)；CONS代表燃料的消耗參數(shù)；CONV

代表燃料消費量與通用能量單位的轉(zhuǎn)換系數(shù)；CARB

代表燃料或者其他能源產(chǎn)生的碳的含量；OXED

代表燃料或者能源的碳氧化系數(shù)。

在此基礎(chǔ)上，對煤電能源鏈的碳排放計量

。煤炭從開采、加工與運輸過程中都有能量傳輸，所以在各個環(huán)節(jié)中都會產(chǎn)生相應(yīng)的碳排放，為此研究各個單元碳排放對整個煤電能源鏈碳排放的影響程度。將煤電能源鏈的碳排放系數(shù)計量公式表示為

式中，

代表電能生產(chǎn)過程中產(chǎn)生的碳排放量；

代表在

時刻電能運輸過程中產(chǎn)生的排放量；

代表電能發(fā)送過程中產(chǎn)生的碳排放量，所有排放量的單位均為噸(t)。

在此基礎(chǔ)上，作進一步計算，將煤炭生產(chǎn)環(huán)節(jié)產(chǎn)生的碳排放量計量模型

表示為

在此基礎(chǔ)上，對電煤運輸環(huán)節(jié)產(chǎn)生的碳排放量計算

，計算公式如下

“一個成熟網(wǎng)絡(luò)型物流企業(yè)的形成平均需要12～15年時間，對于順豐來說，不能什么都要‘小火慢燉’，收購是快速擴張的好方法。”李偉說。

在生產(chǎn)過程中，由于料液中鉑含量低、雜質(zhì)含量高，導(dǎo)致中和工序有較多的鉑進行入中和渣中，同時鉑原液中的鉑濃度低于鉑萃取最低限度，這樣增大了萃取的難度，影響直收率，進而對該工藝進行了優(yōu)化探索。

在煤炭生產(chǎn)和運輸?shù)母鱾€環(huán)節(jié)中都有電能需求，而電力生產(chǎn)是由發(fā)電廠來完成的，這一環(huán)節(jié)所產(chǎn)生的碳排放取決于發(fā)電廠的排放

，將其表示為

小說并未詳細(xì)寫法院如何對苔絲進行審判，只是在小說的結(jié)尾處寫“一面黑色的旗子”從溫頓賽斯特城監(jiān)獄升了起來。黑色旗幟，是英國司法文化，即執(zhí)行死刑時，在監(jiān)獄升起一面黑色的旗子，向其親友宣告已經(jīng)執(zhí)行完畢。由此，我們可以推斷苔絲的罪名是“謀殺”。

上述計算考慮了電動汽車開采與排放等能量傳輸時的碳排放量，但是還不夠全面，將在下一步做進一步計算。

2 電動汽車碳排放量預(yù)測實現(xiàn)

將因其他情況導(dǎo)致電動汽車排放量增加的計算公式

表示為

式(10)中，b代表運行工況區(qū)間；ER代表碳的排放率；Ac 代表汽車的行駛特征；

代表計算調(diào)整因子。

為進一步預(yù)測電動汽車的排放量，將時間相關(guān)性理論應(yīng)用到車輛行駛中產(chǎn)生的排放量計算，將路徑間汽車擁堵時的時間相關(guān)性表示為

式(11)中，

、

分別代表路段與路段行走時間的協(xié)方差。

（2）取少量（1）中所得溶液于試管中，滴加過量BaCl2溶液，觀察到有白色沉淀生成；再取上層清液于試管中，滴加2滴～3滴無色酚酞溶液，觀察到溶液變紅。

將預(yù)測交通擁堵時間

的公式表示為

式(12)中，

、

、

分別代表正常行走時間、隨機行走時間以及擁堵時對應(yīng)的時間，單位為h；

代表置信參數(shù)，主要是指滿足某種條件時的總體總行走時間；

代表交通狀態(tài)的隨機性參數(shù)。

上述過程分析了電能生產(chǎn)時的各種影響碳排放的因素，在此基礎(chǔ)上對碳排放量做進一步計算。電動汽車的碳排放與汽車的運行時間、停車時間、行駛路況、碳排放過程、排放源和運行工況區(qū)間

、燃油品質(zhì)等都相關(guān)，為綜合考慮這些因素，建立綜合計算表達(dá)式

綜上所述，骨關(guān)節(jié)結(jié)核在發(fā)生與發(fā)展的過程中，伴隨著機體內(nèi)多種細(xì)胞因子表達(dá)水平的變化，IL-15、MCP-1和TGF-β含量顯著增高，提示其可能參與骨關(guān)節(jié)結(jié)核的免疫調(diào)節(jié)過程，但其具體機制尚未明確，有待深入研究。IL-15、MCP-1和TGF-β的表達(dá)水平有望成為骨關(guān)節(jié)結(jié)核的預(yù)防、診斷、病情監(jiān)測及判斷預(yù)后的重要臨床參考指標(biāo)。

邊際發(fā)電量是電動汽車每多充一度電引起的發(fā)電側(cè)的發(fā)電增量值，將發(fā)電量算子

定義為

基于此，結(jié)合煤電能源鏈排放系數(shù)計量結(jié)果與基于時間相關(guān)性的計量結(jié)果

，如圖3所示。

將發(fā)電環(huán)節(jié)的碳排放計量模型表示為

圖5為下坡時實際的碳排量與該研究方法預(yù)測碳排量的對比結(jié)果。

3 實驗對比

為了驗證研究的考慮時間相關(guān)性的電動汽車全生命周期碳排放量預(yù)測方法的有效性，進行了實驗驗證。此次研究以雄安新區(qū)的電動汽車為實驗對象。碳排放量的測量采用手持泵吸式二氧化碳?xì)怏w檢測儀，型號為LY500-CO

，可在屏幕上查看歷史數(shù)據(jù)，技術(shù)參數(shù)如表1所示。

實驗選取雄安新區(qū)某品牌電動汽車為研究對象，實驗過程均在封閉式場所測試碳排放量。通過檢測儀獲取實際值，利用研究方法計算預(yù)測值，比較不同場景下的預(yù)測值和實際值，分析設(shè)計方法的準(zhǔn)確性。設(shè)計三個場景，分別為上坡時累計碳排量對比、下坡時累計碳排量對比和擁堵時累計碳排量對比。

式(9)中，

代表發(fā)電廠能源消耗量，單位采用煤當(dāng)量；

代表生產(chǎn)單位電量產(chǎn)生的能源消耗參數(shù)。

3.1 上坡時累計碳排量對比結(jié)果

圖4為電動汽車行駛在上坡時的碳排放量對比結(jié)果。

分析圖4可知，在上坡時，電動汽車耗費的碳排放量較多，雖然電動汽車行駛中不會直接排碳，但是在電能使用過程中，其生產(chǎn)、傳輸時均排放過多的碳，從而間接地提高了碳排量。將實際的碳排量與研究方法預(yù)測后的碳排量預(yù)測比較可知，兩者相差較小，因此，實驗結(jié)果表明，該研究方法在上坡時累計碳排量預(yù)測準(zhǔn)確性較高。

3.2 下坡時累計碳排量對比結(jié)果

通過圖3描述的預(yù)測流程，完成電動汽車全生命周期碳排放量的預(yù)測。該過程主要分為兩個步驟，一是計算排放量，二是兩者的融合。首先計算直接碳排和及勘界碳排放，在計算后兩者結(jié)合前，檢測兩者是否存在異常，如無異常情況，融合兩者，在融合步驟中，確定是否符合融合規(guī)則，如果符合，解析融合規(guī)則，該步驟是分析融合過程，加快結(jié)合，進而通過規(guī)則將兩者融合，并且獲取實時信息，輸出碳排放量預(yù)測結(jié)果。

李高明有了自信，開始在城里晃悠。他的目光很快被理發(fā)店里的發(fā)型師所吸引。“我看到美發(fā)店里面，好多年輕人，干干凈凈的。”體面而干凈的工作，還有能想到的穩(wěn)定收入，李高明特別羨慕這些發(fā)型師，他想學(xué)這門手藝。

分析圖5可知，在下坡時，該研究方法電動汽車的累計碳排量預(yù)測值與實際值相差小，預(yù)測準(zhǔn)確度高。

3.3 擁堵時累計碳排量對比結(jié)果

擁堵時該研究方法的預(yù)測結(jié)果與實際的碳排量對比結(jié)果如圖6所示。

通過圖6可知，在擁堵時，電動汽車的累計碳排量比其他場景下的碳排量多，但是研究方法仍準(zhǔn)確預(yù)測出碳排量，其預(yù)測值與實際值基本一致，因此，實驗表明，該方法可以基本準(zhǔn)確預(yù)測碳排量。

（1）5塊18V、38W太陽能電池板安裝在時風(fēng)電動汽車上串聯(lián)使用，在晴朗天氣每天能為電動車提供0.9kW·h的電能。晴好天氣，太陽能電池組每天能為電動汽車增加16km續(xù)航能力，從節(jié)能環(huán)保的角度值得提倡。

3.4 正常行駛情況下累計碳排量對比結(jié)果

正常行駛時實際碳排量與預(yù)測碳排量結(jié)果對比如圖7。

根據(jù)圖7可知，在正常行駛情況下，該研究方法的預(yù)測結(jié)果與實際碳排量相差小，有效預(yù)測了碳排量。

綜合上述對比結(jié)果可以看出，該電動汽車碳排量預(yù)測方法預(yù)測準(zhǔn)確性高，其原因是該研究方法從兩方面預(yù)測了電動車排放量。一部分計算煤電能源鏈的碳排放計量，主要包含開采、加工與運輸過程產(chǎn)生的能量；另一方面考慮時間相關(guān)性特征，計算了電動汽車在不同行駛情況下消耗的能量，因為不同行駛情況下耗費的電能不同，即碳排量也不同。綜合分析后得出，該方法提高了電動汽車的排放量預(yù)測結(jié)果的準(zhǔn)確性。

二是中介候選，創(chuàng)新項目實施機制。青田縣創(chuàng)新中介服務(wù)候選制度，建立健全地質(zhì)災(zāi)害危險性評估、治理工程施工、治理工程監(jiān)理三個中介候選人庫，通過設(shè)置準(zhǔn)入條件、規(guī)范實施程序、明確收費依據(jù)、約定服務(wù)承諾等措施，進一步加快治理工程進度，確保治理工程質(zhì)量。目前，該縣擁有危險性評估候選單位4家，全部為甲級資質(zhì)單位；治理工程施工候選單位9家，其中甲級資質(zhì)6家，乙級資質(zhì)3家；治理工程監(jiān)理候選單位3家，其中甲級資質(zhì)1家、乙級資質(zhì)2家，真正做到了簡化程序和資質(zhì)保障相統(tǒng)一。

3.5 實際路段累計碳排量對比結(jié)果

為了進一步驗證該方法預(yù)測結(jié)果的準(zhǔn)確性，選取某城市某路段為研究對象，預(yù)測實際運行的累計碳排放量，測試時間為9∶00—15∶00，測試結(jié)果如表2所示。

根據(jù)表2可知，應(yīng)用研究方法獲取的預(yù)測值與實際值部分時間存在一定差異，但是最高誤差值僅為0.002，該誤差值非常小，不影響累計碳排量的計算，其他時間的預(yù)測值與實際值一致，并且準(zhǔn)確預(yù)測出12∶00—13∶00 之間碳排量較高的情況。因此，表明該研究方法有效預(yù)測累計碳排放量，為碳排放治理提供參考依據(jù)。

4 結(jié) 論

本工作設(shè)計了一個考慮時間相關(guān)性的電動汽車全生命周期碳排放量預(yù)測方法，實驗結(jié)果表明預(yù)測方法的準(zhǔn)確性高，滿足碳排放量預(yù)測方法的設(shè)計需求。然而研究時間有限，研究方法存在不足之處，在后續(xù)研究中將增加實驗的對比指標(biāo)，以及時發(fā)現(xiàn)該預(yù)測方法存在的不足之處，為相關(guān)領(lǐng)域提供幫助。

[1] 楊捷,曹子健.電動汽車儲能V2G模式的成本與收益分析[J].儲能科學(xué)與技術(shù),2020,9(S1):45-51.YANG J, CAO Z J. Cost and benefit analysis of EV energy storage through V2G[J]. Energy Storage Science and Technology,2020,9(S1):45-51.

[2] 張騫, 武小蘭, 白志峰, 等. 電動汽車混合儲能系統(tǒng)自適應(yīng)能量管理策略研究[J].儲能科學(xué)與技術(shù),2020,9(3):878-884.ZHANG Q, WU X L, BAI Z F, et al. Research on adaptive energy management strategy of hybrid energy storage system in electric vehicles[J]. Energy Storage Science and Technology, 2020, 9(3):878-884.

[3] 江東, 王娣, 林剛, 等. 特斯拉汽車產(chǎn)業(yè)規(guī)劃布局對中國電能耗和碳排放的影響評估[J].科技導(dǎo)報,2020,38(16):140-145.JIANG D, WANG D, LIN G, et al. Impact assessment of Tesla's automotive industry planning and layout for China's resource environment[J]. Science & Technology Review, 2020, 38(16):140-145.

[4] 嚴(yán)巋,陳行.純電動汽車和傳統(tǒng)汽車使用周期效益比較研究[J].武漢理工大學(xué)學(xué)報(交通科學(xué)與工程版),2021,45(1):177-181.YAN K, CHEN H. Comparative study on life cycle benefits of pure electric vehicles and traditional vehicles[J]. Journal of Wuhan University of Technology (Transportation Science & Engineering),2021,45(1):177-181.

[5] 蔣浩, 林舜江, 盧藝, 等. 考慮時間相關(guān)性的電動汽車充電站負(fù)荷概率建模及場景生成[J].電力建設(shè),2020,41(2):47-57.JIANG H, LIN S J, LU Y, et al. Load probability modeling and scenario generation for electric vehicle charging station considering time correlation[J]. Electric Power Construction, 2020, 41(2):47-57.

[6] 梁晶,盛慧敏,呂靖.環(huán)渤海地區(qū)物流產(chǎn)業(yè)集聚對物流碳排放影響的實證研究[J].生態(tài)經(jīng)濟,2020,36(9):38-43.LIANG J, SHENG H M, LV J. Empirical study on the logistics industry agglomeration to the carbon emission of logistics in the Bohai rim region[J].Ecological Economy,2020,36(9):38-43.

[7] 閆夢, 王聰. 基于多尺度集成模型預(yù)測碳交易價格——以廣州碳排放交易中心為例[J].技術(shù)經(jīng)濟與管理研究,2020(5):19-24.YAN M, WANG C. Prediction of carbon trading price based on multi-scale integrated model—Take Guangzhou carbon emission trading centre as an example[J]. Journal of Technical Economics&Management,2020(5):19-24.

[8] 平智毅,吳學(xué)兵,吳雪蓮.長江經(jīng)濟帶碳排放效率的時空差異及其影響因素分析[J].生態(tài)經(jīng)濟,2020,36(3):31-37.PING Z Y, WU X B, WU X L. Spatial-temporal differences and its influencing factors of carbon emission efficiency in the Yangtze River economic belt[J].Ecological Economy,2020,36(3):31-37.

[9] 王珂珂, 牛東曉, 甄皓, 等. 基于WOA-ELM 模型的中國碳排放預(yù)測研究[J].生態(tài)經(jīng)濟,2020,36(8):20-27.WANG K K, NIU D X, ZHEN H, et al. Forecast of carbon emissions in China based on WOA-ELM model[J]. Ecological Economy,2020,36(8):20-27.

[10]王志遠(yuǎn), 王守相, 陳海文, 等. 考慮空間相關(guān)性采用LSTM 神經(jīng)網(wǎng)絡(luò)的光伏出力短期預(yù)測方法[J]. 電力系統(tǒng)及其自動化學(xué)報, 2020, 32(5):78-85.WANG Z Y, WANG S X, CHEN H W, et al. Short-term photovoltaic output forecasting method using LSTM neural network with consideration of spatial correlation[J]. Proceedings of the CSU-EPSA,2020,32(5):78-85.

[11]胡健, 秦玉杰, 焦提操, 等. 泛在電力物聯(lián)網(wǎng)環(huán)境下考慮碳排放權(quán)約束的VPP 理性調(diào)峰模型[J]. 電力系統(tǒng)保護與控制, 2020, 48(3):49-57.HU J, QIN Y J, JIAO T C, et al. Rational peak shaving model of VPP considering carbon emission rights constraints in ubiquitous power Internet of Things environment[J]. Power System Protection and Control,2020,48(3):49-57.

[12]王勇,許子易,張亞新.中國超大城市碳排放達(dá)峰的影響因素及組合情景預(yù)測——基于門限-STIRPAT 模型的研究[J]. 環(huán)境科學(xué)學(xué)報,2019,39(12):4284-4292.WANG Y, XU Z Y, ZHANG Y X. Influencing factors and combined scenario prediction of carbon emission peaks in megacities in China: Based on threshold-STIRPAT model[J]. Acta Scientiae Circumstantiae,2019,39(12):4284-4292.

[13]慈鐵軍,馬皓璨,杜恒,等.電煤供應(yīng)鏈碳排放分析與預(yù)測[J].電力科學(xué)與工程,2021,37(9):62-70.CI T J, MA H C, DU H, et al. Analysis and forecast of carbon emission in power-coal supply chain[J]. Electric Power Science and Engineering,2021,37(9):62-70.

[14]鐘少芬,郭曉娟,劉煜平,等.基于STRPAT模型的碳排放情景分析[J].科技管理研究,2019,39(17):253-258.ZHONG S F, GUO X J, LIU Y P, et al. Scenario analysis on carbon emission based on the STIRPAT model[J]. Science and Technology Management Research,2019,39(17):253-258.

[15]宋杰, 陳振宇, 楊陽, 等. 考慮資源相關(guān)性和不確定性的負(fù)荷需求響應(yīng)決策研究[J].電力建設(shè),2019,40(6):132-138.SONG J, CHEN Z Y, YANG Y, et al. Research on load demand response decision considering resource correlation and uncertainty[J].Electric Power Construction,2019,40(6):132-138.

[16]朱瑞金,郭威麟,龔雪嬌.考慮天然氣和電負(fù)荷之間相關(guān)性的短期電負(fù)荷預(yù)測[J].電力系統(tǒng)及其自動化學(xué)報,2019,31(8):27-32.ZHU R J, GUO W L, GONG X J. Short-term power load forecasting considering correlations between natural gas and power load[J].Proceedings of the CSU-EPSA,2019,31(8):27-32.

[17]徐龍,王力,劉瑩,等.基于多源數(shù)據(jù)的公交車能耗碳排放測算模型[J].交通運輸系統(tǒng)工程與信息,2020,20(3):174-181.XU L, WANG L, LIU Y, et al. Calculation model of bus energy consumption and CO

emission based on multi-source data[J].Journal of Transportation Systems Engineering and Information Technology,2020,20(3):174-181.

[18]劉朝暉,張為民,金希,等.制造過程中的廣義碳排放計量方法研究[J].機械科學(xué)與技術(shù),2019,38(4):544-550.LIU Z H, ZHANG W M, JIN X, et al. Accounting method of extended carbon emissions in manufacturing process[J].Mechanical Science and Technology for Aerospace Engineering,2019,38(4):544-550.

[19]郝旭, 王賀武, 李偉峰, 等. 基于中國電網(wǎng)結(jié)構(gòu)及一線典型城市車輛出行特征的PHEV 二氧化碳排放分析[J]. 環(huán)境科學(xué), 2019, 40(4):1705-1714.HAO X, WANG H W, LI W F, et al. Analysis of PHEV CO

emission based on China's grid structure and travelling patterns in mega cities[J].Environmental Science,2019,40(4):1705-1714.

[20]王幼松, 黃旭輝, 閆輝. 地鐵盾構(gòu)區(qū)間物化階段碳排放計量分析[J].土木工程與管理學(xué)報,2019,36(3):12-18,47.WANG Y S, HUANG X H, YAN H. Quantitative analysis of embodied carbon emission in metro shield tunnel[J]. Journal of Civil Engineering and Management,2019,36(3):12-18,47.