陳 玥

(同濟大學中德學院,上海 200092)

0 引 言

氣候變化和能源短缺的形勢日益嚴峻，因此自巴黎協(xié)定簽約以來，不同國家都制定了相應(yīng)的能源轉(zhuǎn)型戰(zhàn)略，其中涉及的兩個重要領(lǐng)域就是發(fā)電和交通。數(shù)據(jù)顯示，直至2016年交通仍是德國乃至全世界的第二大二氧化碳排放源，分別占18.3%和25.5%[1]。電動汽車作為當今汽車產(chǎn)業(yè)實現(xiàn)技術(shù)轉(zhuǎn)型的主導科技目標，同時涉及了發(fā)電與交通部門，對節(jié)能減排同樣意義重大。目前研究顯示，充電用電組合極大地影響了電動汽車在環(huán)境方面的評價[2]，原因在于現(xiàn)實狀況下電網(wǎng)中電能并不都來源于清潔能源，而不同的電力來源造成的環(huán)境影響可能天差地別。對于電動汽車而言，交通部門和電力部門的耦合允許其更多利用可再生能源電力，從而能夠增加可再生能源在電力供應(yīng)和交通領(lǐng)域中的份額。因此基于電動汽車負載的靈活性，在充電方面的優(yōu)化很大程度上可以釋放電動汽車的減排潛力，控制性充電、智能充電的研究正式基于此背景。與此同時了解與電動汽車充電相關(guān)的當前和未來的排放情況是制定有效的電氣化戰(zhàn)略的關(guān)鍵組成部分[3]。

1 電動汽車控制性充電策略與排放系數(shù)

傳統(tǒng)上，發(fā)電在任何時候都是與電力需求相匹配的。然而，越來越多的可再生能源的整合已經(jīng)改變了這種情況，為應(yīng)對新能源帶來的巨大波動性,目前的主要措施是依靠可以靈活調(diào)整發(fā)電量的傳統(tǒng)發(fā)電站和電力進出口來解決，但在未來新能源為主的電力系統(tǒng)更加需要儲存系統(tǒng)和需求響應(yīng)措施來增加需求的靈活性。電動汽車的控制性充電就是這樣一種需求響應(yīng)措施。

目前電動汽車控制性充電策略有兩種[4]：

(1)單向受控充電。充電過程可以被一個本地系統(tǒng)或中控推遲，以改善基礎(chǔ)能源系統(tǒng)的狀況。

(2)雙向控制的充電。充電過程可以在給定的范圍內(nèi)被控制，集合的電動汽車電池容量不僅可以在電力過剩的時候提供負的平衡電力，更有望在電力需求高而產(chǎn)量相對較低的時期，通過車輛到電網(wǎng)的策略(Vehicle to Grid，V2G)將電力反饋給電網(wǎng)。

電動汽車充電過程通過智能調(diào)度與系統(tǒng)要求相協(xié)調(diào)。電動汽車的充電過程與系統(tǒng)要求協(xié)調(diào)得越好，使用傳統(tǒng)發(fā)電廠的必要性就越小，需要縮減或儲存的可再生能源電力就越少，這樣可再生能源的高利用率目標就更容易達到。這一切的基礎(chǔ)就是準確評估電動汽車尤其純電動汽車充電過程中排放，需要用到電力系統(tǒng)的排放系數(shù)。

排放系數(shù)(emission factor)可以量化系統(tǒng)的減排潛力，它是試圖將釋放到大氣中的污染物的數(shù)量與該污染物的釋放相關(guān)的活動聯(lián)系起來的代表性數(shù)值。例如對于溫室效應(yīng)使用的排放系數(shù)叫做全球變暖潛力(global warming potential，GWP)，單位是gCO2e/kWh，其使用了二氧化碳當量(CO)來標準化不同溫室氣體氣候影響。

目前研究中,碳排放系數(shù)主要分為平均排放系數(shù)(Average Emission Factor，AEF)和邊際排放系數(shù)(Marginal Emission Factor，MEF)。選擇合適的排放系數(shù)以及相應(yīng)的計算方式對于評估結(jié)果有重大影響。不同排放系數(shù)結(jié)果呈現(xiàn)的角度有所不同。

平均排放系數(shù)(AEF)：整個電力系統(tǒng)中每一平均單位電力所產(chǎn)生的二氧化碳排放量。

邊際排放系數(shù)(MEF)：MEF描述了電力系統(tǒng)負荷增加或減少一個單位時的二氧化碳排放量變化，量化了由于供應(yīng)方及需求方干預而沒有使用的電力的二氧化碳強度。

2 電動汽車充電時排放計算方法

由式(1),式(2)AEF和MEF的計算公式，可以得到所需的基本數(shù)據(jù)類型。

(1)

(2)

E表示二氧化碳排放量，以重量計量，單位有g(shù)，kg等。G表示發(fā)電量或系統(tǒng)負荷，以能量計量，單位一般是MWh。ΔE和ΔG分別表示二氧化碳和發(fā)電量的變化量，通常的時間分辨率為小時。

因此計算時首先需要的數(shù)據(jù)是排放數(shù)據(jù)和發(fā)電數(shù)據(jù)。其次計算MEF還需要系統(tǒng)負荷，考慮到歐洲的電力交易，為進一步精確的計算，還需要電力流動的數(shù)據(jù)。以上涉及的數(shù)據(jù)都可以在ENTSO-E數(shù)據(jù)平臺獲得，該數(shù)據(jù)平臺提供歐洲國家2009 年至今的電力數(shù)據(jù)。

此外還需要排放數(shù)據(jù)。ENTSO-E只提供不同類型電廠的發(fā)電量數(shù)據(jù)，所產(chǎn)生的二氧化碳需要用排放系數(shù)計算。由于發(fā)電量和負荷數(shù)據(jù)是凈數(shù)據(jù)，所以排放數(shù)據(jù)也必須是基于凈發(fā)電量。各類電廠的排放系數(shù)取自聯(lián)邦環(huán)境局的出版物，同時考慮聯(lián)邦環(huán)境局公布的總利用率。

為了將電力的進出口納入考慮，需要匯總每個小時的進出口情況。進口的數(shù)據(jù)按照國家分別列出，出口的數(shù)據(jù)僅需匯總總值。以德國為例，結(jié)合進出口的AEF得到公式(3)：

AEFDE-ie=

(3)

式(3)中LED=GDE-Gexport,DE+∑(Gimport,x，x代表進口國。

首先計算出進口國家的AEF，從而獲得進口電力的CO2排放，再減去出口電力的CO2量，得到所用負荷匹配的準確CO2排放量，最后除以負荷得到一個國家考慮進出口因素的AEF。

MEF考慮進出口的計算方法有兩種

第一種與AEF相似，可以得到公式(4):

MEFDE-ie=

(4)

式(4)中LED=GDE-Gexport,DE∑(Gimport,x，x代表進口國。

第二種是將進口國的電力視為被計算國家的電力進行計算。最終通過回歸得到考慮了進出口電力的MEF。

電動汽車充電時的排放可以用式(5)計算:

(5)

式(5)中t為充電的總時長，i將充電時間分割為小的時間間隔；EFi指相應(yīng)時間段的排放系數(shù)，g/kWh；Wi指響應(yīng)時間內(nèi)電動汽車充電的能量，kWh；Pi指相應(yīng)時間段電動汽車的充電功率，kW；η是電能轉(zhuǎn)換效率。

從發(fā)電廠到電池的電能轉(zhuǎn)換是通過傳輸和充電器到電池。因此有式(6):

η=η1·η2·η3

(6)

η1，η2，η3分別為傳輸效率、充電器充電轉(zhuǎn)換效率和電池存儲效率。其中傳輸效率為94%，鋰電池充放電效率為98%，快充用直流充電效率為96%，慢充用交流充電器效率為93%[5][6][7]，可得慢充和快充的電能轉(zhuǎn)換效率分別為：0.85,0.88。

電動汽車往往在充電前期很快達到峰值功率，并在維持一段時間后功率逐漸減小。因為計算的排放系數(shù)時間分辨率為1h，所以充電排放也以小時為單位。為簡化運算，假設(shè)充電速度恒定。經(jīng)調(diào)查市場上新電動汽車車型數(shù)據(jù)后，以電池能量80kWh，快速充電時長為1h，慢速充電時長為10h的電動汽車為例，數(shù)據(jù)代入公式(5)，得到不同充電模式的排放值。可得，無論快充還是慢充模式，電動汽車充電的排放值大小僅取決于相應(yīng)時間點的排放系數(shù)，換言之，排放值高低與充電時間的選擇關(guān)系密切。

3 電動汽車充電時排放結(jié)果分析

以德國為例在此對比使用不同的排放系數(shù)—AEF和MEF計算的電動汽車排放量。

圖1中藍色代表快充模式的排放，橘色代表慢充模式的排放?？梢悦黠@看出，使用MEF計算的結(jié)果對于時間變化更加敏感。而理論上使用AEF計算充電時的二氧化碳排放量表明了在電動汽車真實在一天中不同時間充電排放的二氧化碳，因此一天中不同時間充電的變化呈現(xiàn)很強的規(guī)律性，這是因為作為一個總結(jié)性的指標，AEF相比MEF在時間上更加穩(wěn)定。使用MEF則代表某時刻因為電動汽車開始充電這一干涉而造成的二氧化碳排放，更適應(yīng)于控制性充電減排的目標。因此使用MEF更適合評估電動汽車充電時的排放，后文結(jié)果即使用考慮了進出口電力的MEF。

圖1 在德國一輛電動汽車(80kWh)在一天中某一時刻開始充電時的二氧化碳排放量(左圖使用AEF計算，右圖使用MEF計算)

如圖2是使用2020整年數(shù)據(jù)的四個國家的分析匯總，可以直觀地看出在不同地點不同時間充電對于二氧化碳排放量的影響。電動汽車參數(shù)不變，僅改變充電地點，四個國家的排放結(jié)果差別極大，整體排放結(jié)果大小與表2中排放系數(shù)大小吻合。相比德國外，其余國家一天內(nèi)不同時間的充電排放波動都不會很大，基本最大相差在上下5kg范圍內(nèi)，但是德國的變化范圍就達到了40kg。每個國家都是快速充電的排放量波動大于慢速充電排放量的波動。時間上可以看出，每個國家一天中大部分時間使用快充排放小于使用慢充。雖然每個國家一天中排放低谷時間不完全相同，但整體而言白天時段的排放小于夜晚。

圖2 電動汽車(80kWh)在一天中某一小時開始充電時的二氧化碳排放量—不同國家對比

表1 四個國家結(jié)合進出口電力后的排放系數(shù)匯總

4 總 結(jié)

根據(jù)ENTSO-E平臺提供的2020年歷史數(shù)據(jù)，不同于大多數(shù)局限于單個國家的研究，在德國、瑞士、捷克和荷蘭四個國家的數(shù)據(jù)規(guī)模上進行了分析，驗證了AEF和MEF的特性，在兩個指標中MEF更加適合評估電動汽車充電排放的情況，同時考慮了進出口電力貿(mào)易的影響。在比較了電動汽車快速充電和普通充電兩種充電模式之間的排放差異后得到對于普通充電模式(慢充)，不同時間開始充電的排放量差異不會很大，而快充模式雖然波動更劇烈但大多情況下都可以獲得比慢充更低的排放值，在特定的時間甚至排放量可以相對極低，因此采用快充具有更高的減排潛力。但使用快充模式同時要求極高精確的排放估計，否則如德國的情況某些時間反而會產(chǎn)生極高的排放。不同國家的排放系數(shù)變化模式在時間上的規(guī)律大多是相似的，這對于控制性充電的應(yīng)用是有利的，通過需求側(cè)的控制可以最優(yōu)化利用現(xiàn)有的電力條件，但如果可以配合充電的最佳時機預測，可以達到更好的減排效果。不過追根究底電動汽車減排的根本戰(zhàn)略還是改良電力結(jié)構(gòu)和優(yōu)化電力調(diào)節(jié)機制，因此電力系統(tǒng)的改革同樣重要。