考慮車輛類型變化的中國乘用車排放特征

郭 棟,閆 偉,譚嘯川,高 松,高興邦,張同慶 (山東理工大學交通與車輛工程學院,山東 淄博 255000)

中國提出INDC(Intended Nationally Determined Contributions)目標,即CO2排放力爭于2030年前達到峰值,努力爭取 2060年前實現(xiàn)碳中和.據(jù)統(tǒng)計,2019年中國機動車4項污染物(CO、HC、NOx、PM)排放總量為1603.8萬t,其中,汽油車的CO排放量超過總量的80%,HC排放量超過70%[1].

在市場預測方面,往往采取 SD(System Dynamics)[2-3]、時間序列[4]、灰色預測[5]、神經(jīng)網(wǎng)絡(luò)[6]、回歸預測[7]等方法進行探究,數(shù)據(jù)要求多,因素間相互作用考慮較少,不能微觀的反映變化趨勢,引入Lotka-Volterra模型可以有效的解決此問題,但目前仍然停留在2種群競爭[8-9],未對其進行拓展,且較少應(yīng)用于機動車領(lǐng)域.在排放分析方面,自 20世紀80年代以來,歐美國家逐步建立如 MOBILE、MOVES、HBEFA等排放因子庫[10].近年來,各國通過比功率[11]或?qū)嵻噷嶒瀃12]等方法測得排放因子,繼而運用機器學習[13-14]或相關(guān)算法[15],改進現(xiàn)有模型,建立道路動態(tài)排放模型[16].在排放方面的研究多為單車或車隊研究,宏觀研究選擇全生命周期模型能實現(xiàn)很好的評估效果[17-18],但學者對系統(tǒng)邊界的建立有差異,缺乏市場全生命周期的完善.對于政策影響的研究,往往采用WRF-Chem[19]等模型定量評估政策影響;外延政策影響則采用情景模擬或 SD仿真進行預測[20-21].目前對于乘用車市場政策研究較少,多采用單一政策評估[22-23],且多為縱向比較,缺少橫向比較.

本文引入 Lotka-Volterra模型對以動力來源為分類標準的乘用車變化進行預測,展示其市場內(nèi)部競爭趨勢;并通過拓寬全生命周期研究系統(tǒng)邊界,加入 6類排放因子以豐富乘用車排放清單,分析市場總排放變化;同時引入輕量化、電氣化、清潔化關(guān)聯(lián)的9類政策和3個影響指標,對其進行敏感性分析,通過設(shè)計 3類政策情景,評估政策減排差異性,并給出政策建議.

1 材料和方法

研究對象依據(jù)車用動力劃分為汽油、天然氣、純電動、混合動力乘用車.燃料電池乘用車目前處于發(fā)展初期缺少數(shù)據(jù)支撐,在預測時忽略不計.

1.1 乘用車類型規(guī)模變化預測

乘用車市場的類型變化,是融合了政策、資源、市場認可度等各種因素的合作競爭影響結(jié)果,是預測未來市場總排放的基礎(chǔ).Lotka-Volterra模型可以動態(tài)的表示不同產(chǎn)業(yè)間的競爭關(guān)系,定性定量的分析競合作用[24-27].由于各類車型之間存在市場淘汰法則,技術(shù)創(chuàng)新既有合作也有競爭作用,將該模型應(yīng)用于乘用車規(guī)模預測,既可考慮外在因素如增長率、收入水平等因素影響,還可考慮內(nèi)部的競爭因素,更能得出科學的、符合實際的規(guī)模變化趨勢.因此,首先建立增長趨勢模型:

式中:α、β、γ、δ 為各類種群間的作用系數(shù);ri為種群的自然增長率; N1、N2、N3、N4為汽油、天然氣、純電動、混合動力乘用車.利用2012年至2020年的乘用車總庫存,通過灰色估計方法對 L-V模型進行離散化處理,根據(jù)最小二乘法的原則進行參數(shù)估計,取作為白化值和背景值(i =1、2、3、4)[25],得離散方程組如下:

式中:a、b、c、d 分別表示式(1)系數(shù)對應(yīng)部分,其中j、k、e ≠i ,將公式寫作矩陣形式如下:

根據(jù)最小二乘法參數(shù)估計原則可計算相關(guān)參數(shù):

1.2 全生命周期排放模型建立

1.2.1 數(shù)據(jù)來源及模型說明 乘用車全生命周期使用過程中的排放因子是準確預測乘用車市場總排放的關(guān)鍵[28].采用較成熟的全生命周期模型[29-30]作為模板,拓展了系統(tǒng)邊界.其中,污染物排放經(jīng)歷過程可表示為圖 1.在這些估算中,需要使用迭代計算程序,直到結(jié)果變化不超過估計值的 1/1000.歷年數(shù)據(jù)是通過國家統(tǒng)計局、乘聯(lián)會、能源統(tǒng)計年鑒、中國煤炭工業(yè)發(fā)展報告[31-33]等相關(guān)標準、報告和廠家公開數(shù)據(jù)庫以及相關(guān)文獻[34-38]收集得到,包括運輸效率、單位里程動力能耗、污染物折算系數(shù)以及年均行駛距離等.表 1展示了典型車輛的信息,在描述車輛周期相關(guān)清單時,主要包括的子系統(tǒng)零件為發(fā)動機、變速器、動力電池、電機、車身等,相關(guān)數(shù)據(jù)來源于公開數(shù)據(jù)和相關(guān)參考文獻.

表1 典型車輛信息(NEDC)Table 1 Typical representative vehicle information (NEDC)

圖1 全生命周期系統(tǒng)流程Fig.1 Life cycle system process

1.2.2 排放模型建立 在汽車排放的有害氣體中,CO和 HC約占全球排放量的 50%, PM2.5約占10%～20%,NOx約占 30%[39].中國溫室氣體(CHG)的排放更是達到了全球的 30%以上(IEA).《中國汽車低碳行動計劃研究報告 2020》[40]指出,2010～2019年,中國乘用車各車型之間碳排放差距明顯.因此將其主要污染物排放設(shè)置為 CHG,同時納入其他常規(guī)污染物(VOC、PM2.5、SO2、NOx、CO),建立更加完備的全生命周期排放清單,為預測乘用車市場總排放建立單車排放模型.

在 WTP階段,雖然存在不同的能源,但是 CO2的計算是相同的,故對與j(1-原煤、2-天然氣、3-汽油)種能源k階段的CO2可由下式得出.

式中:CO2,k,j指 j種能源中 k階段的 CO2排放量;ETk,j表示第k階段所屬j種能源消耗量;E FCO2,j是指能源j的CO2排放因子;CCi則是指能源j的單位熱值含碳量;OFi是指能源j的碳氧化率;44/12表示CO2與碳的分子質(zhì)量比.

在PTW階段計算VOC、CO、NOx、PM2.5、SO2等污染物時,類似計算 CO2的排放模型,進而計算得到總污染物排放模型如下:

式中:Ps,PTW是第 s(1-NOx、2-VOC、3-PM2.5、4-CO、5-SO2)種污染物在PTW階段的排放總量.

在零件制造、車輛組裝、報廢回收過程中的排放模型:

式中:Pr表示報廢回收階段的排放量;Mn(k)表示第n階段第 k種原材料數(shù)量矩陣、質(zhì)量矩陣以及更換零件質(zhì)量矩陣; Wout(k)表示報廢材料排放因子;Win(k)表示再利用材料排放因子;Wn表示材料排放因子.

1.3 政策影響模型構(gòu)建

1.3.1 模型建立 隨著政策工具的不斷豐富,各類型政策強度不斷提高,成為控制乘用車市場排放的關(guān)鍵手段,而環(huán)境政策往往通過影響多類結(jié)構(gòu)主體間接影響市場排放,例如借助于補貼退坡、技術(shù)革新、中長期規(guī)劃等政策激勵,影響不同類型乘用車的排放因子以及市場組成,逐步推進燃油乘用車退出市場計劃[41-42].根據(jù)已有的研究和客觀現(xiàn)狀以及數(shù)據(jù)的可得性,本文選取了未來汽車典型發(fā)展情景:電氣化、清潔化以及輕量化,提取表征參數(shù)為:平均整備質(zhì)量變化率、可再生能源占比、新能源乘用車占比.由于環(huán)境政策涉及環(huán)保法規(guī)、稅收收入以及市場行為等,依據(jù)其對生態(tài)效率的作用機理,每類場景選取綜合變量以及獨立變量共 5類.對政策指標集進行標準化處理后采用熵值法進行權(quán)重的計算,構(gòu)建指標比例矩陣,計算不同類型的政策指標信息熵值,據(jù)此得到解釋變量的權(quán)重如圖2.政策數(shù)據(jù)來源于中國統(tǒng)計年鑒(2012～2020)、中國能源統(tǒng)計年鑒(2012～2018)以及中國移動源環(huán)境管理年報(2012～2020)[31,43-45]:

圖2 政策指標權(quán)重Fig.2 The weight of policy indicators

首先假設(shè)所述中國當前的減排政策均可通過影響行業(yè)市場結(jié)構(gòu)、能源消費結(jié)構(gòu)和技術(shù)創(chuàng)新間接效應(yīng)實現(xiàn)節(jié)能減排.考慮各類政策的影響效果并非簡單的線性影響[46-47],甚至是呈現(xiàn)出“U”型曲線關(guān)系[48],因此采用SPSS23.0驗證擬合程度最優(yōu)回歸方法,建立模型如下:

式中:Ci,t表示第 t年第 i項影響指標的值,即新能源乘用車占比、可再生能源占比、平均整備質(zhì)量變化率;L、T、C、S、R、E、G、I、M表示機動車環(huán)保法規(guī)數(shù)目、車輛購置稅、碳配額規(guī)模、節(jié)能環(huán)保支出、資源稅、能源法規(guī)數(shù)目、綠證交易量、雙積分強度、燃料限值;P表示乘用車數(shù)量;ai、bi、ci表示3個影響指標的綜合系數(shù),數(shù)值可解釋為權(quán)重與回歸系數(shù)的乘積;εi表示模型的常數(shù)項.

基于此,為準確分析 3類表征參數(shù)基于該模型的政策敏感性,考慮該模型為非線性模型,不能采用基礎(chǔ)的敏感性分析,應(yīng)采用sobol方法對其參數(shù)進行全局敏感性分析[49].不考慮參數(shù)間的相互作用,僅對不同類型政策變量的系數(shù)進行全階敏感度和一階敏感度分析,采用MATLAB進行計算.

1.3.2 政策情景設(shè)計 據(jù)中國國家能源局出臺的《電力發(fā)展“十四五規(guī)劃”》[50]和四部委聯(lián)合印發(fā)的《關(guān)于進一步做好新能源汽車應(yīng)用推廣應(yīng)用工作的通知》[51],政府將提供必要的政策法規(guī)來強制淘汰高排放企業(yè),鼓勵技術(shù)創(chuàng)新,提高能源利用效率,減少排放.因此,本文對3個政策情景:輕量化、電氣化和終端能源清潔化情景進行具體描述(表2),其中,考慮政策情景影響的滯后性,選取 2020、2030、2040、2050年4個關(guān)鍵時間節(jié)點進行討論:

表2 政策情景參數(shù)設(shè)計Table 2 Specific description of scenario parameters

(1)整車輕量化情景假設(shè)未來汽車制造行業(yè)會遵循《中國制造 2025》[52]中的輕量化重要戰(zhàn)略,推行強制汽車制造商降低汽車油耗的政策,加快輕量化材料的研發(fā)進度,降低乘用車的平均整備質(zhì)量系數(shù).通過對乘用車的燃料限值進行約束,間接減小乘用車整備質(zhì)量.

(2)電氣化情景假設(shè)未來遵循節(jié)能汽車技術(shù)路線圖 2.0指導,電動汽車整體市場穩(wěn)步增長.同時,制定傳統(tǒng)燃油乘用車退出市場計劃表,加快混動乘用車替代傳統(tǒng)乘用車的速度,完成市場的更迭;

(3)終端能源清潔化情景假設(shè)未來中國將建立全國性的碳排放交易和綠證市場,交易量呈現(xiàn)井噴式增長,可再生能源發(fā)電比例不斷升高,按照十四五電力規(guī)劃發(fā)展,且由于該市場的運行,一些高污染的企業(yè)因為利潤低碳配額不足,從而降低產(chǎn)量或轉(zhuǎn)型.

2 結(jié)果與分析

2.1 乘用車規(guī)模預測

基于MATLAB平臺,對乘用車市場的L-V模型參數(shù)進行灰色估計,通過其競爭系數(shù)表征市場動態(tài)競爭過程,其結(jié)果如表3所示.

表3 L-V模型相關(guān)參數(shù)Table 3 Relevant parameters of L-V model

其中,仿真參數(shù)設(shè)置為:初始時間為 2019年,總仿真周期設(shè)置為31a,時間步長設(shè)置為1a.將2019與2020年的仿真誤差展示如表 4,結(jié)果表明,誤差均小于 5%,平均誤差為 2.65%.與其他預測方式[53-54]相比,L-V模型提高了預測的準確度.因此,模型的有效性得以驗證.

表4 誤差分析結(jié)果Table 4 Results of error analysis

由此可知,乘用車市場在短期內(nèi)的自然增速仍然呈現(xiàn)穩(wěn)定趨勢,不會突然滅亡或爆發(fā)式增長.但由于化石能源以及市場客戶資源的公共性,在長期的資源競爭環(huán)境下,乘用車種群會因為彼此間的相互作用而表現(xiàn)出不同關(guān)系,例如由于共用生產(chǎn)技術(shù)的相似性,呈現(xiàn)互惠共存,或由于對能源資源惡性競爭,呈現(xiàn)競爭消亡.由表3可知4類乘用車競合關(guān)系為:

(1)汽油乘用車自然增長率呈現(xiàn)緩慢增長趨勢,依據(jù)現(xiàn)有環(huán)境,處于市場過飽和狀態(tài),未來將在短期內(nèi)增長后呈現(xiàn)下降趨勢.汽油乘用車與純電動乘用車以及混合動力乘用車的競爭系數(shù)均為負值,因此,表示這兩類車型的發(fā)展對汽油乘用車發(fā)展具有較小的阻礙作用,這是由于初期汽油乘用車市場的基數(shù)較大以及市場占有較為穩(wěn)定所導致;而天然氣乘用車對汽油乘用車的競爭系數(shù)大于其他兩類車型,因此具有較大的抑制作用,這是由于天然氣乘用車的發(fā)展代表替代燃料規(guī)模發(fā)展,即隨著環(huán)保觀念進入乘用車市場,將對汽油乘用車的發(fā)展造成沖擊.

(2)天然氣乘用車市場的自然增長率呈現(xiàn)下降趨勢,由于天然氣乘用車市場的發(fā)展側(cè)重于商用車,因此市場處于小規(guī)模波動發(fā)展中.其市場規(guī)模在客觀環(huán)境中處于未飽和狀態(tài),仍保持有增長空間,這將取決于乘用車政策取向.從競合關(guān)系來看,汽油乘用車以及混合動力乘用車對其起到較小的抑制作用,而純電動乘用車則起到較小的促進作用.這是新能源對于傳統(tǒng)能源市場競爭力的提升造成的.

(3)純電動乘用車呈現(xiàn)增長趨勢,在國家政策以及技術(shù)創(chuàng)新的激勵作用下,該類車型將成為新能源乘用車市場的主流車型.在現(xiàn)階段,由于汽車市場的替代容量較大,純電動乘用車存有較大的發(fā)展空間,目前遠遠小于飽和容量.純電動乘用車與其他車型的競爭系數(shù)均大于0.1,相互作用較為明顯,汽油乘用車以及天然氣乘用車對其均為競爭作用,此類關(guān)系也代表了新能源乘用車與傳統(tǒng)能源乘用車之間的競爭作用,混合動力乘用車對其作用為促進作用,這是因為混合動力乘用車與純電動乘用車均使用電力驅(qū)動設(shè)備,均依賴于該項技術(shù)的發(fā)展.

(4)混合動力乘用車呈現(xiàn)快速增長趨勢,這是由于其包含普通混合動力乘用車,對汽油乘用車形成沖擊;同時包含插電式混合動力乘用車,作為傳統(tǒng)能源乘用車到新能源乘用車的過渡,受到各類政策支持.汽油乘用車對其競爭系數(shù)為正值,為競爭關(guān)系,而其余兩類乘用車則對其具有促進作用,造成此類競爭關(guān)系的主要原因是純電動以及天然氣乘用車均為環(huán)境友好型車型,其技術(shù)創(chuàng)新常包含清潔能源技術(shù)的創(chuàng)新,這將帶動混合動力乘用車市場的發(fā)展.

綜上所述,乘用車市場的主要競爭力來源于新能源與傳統(tǒng)能源的競爭,固有市場的容量以及技術(shù)創(chuàng)新能力將成為未來乘用車市場變化的主要影響因素.通過乘用車市場未來 30a的競爭過程仿真,可得乘用車市場發(fā)展趨勢(圖3).

圖3 乘用車市場發(fā)展趨勢Fig.3 The development trend of the passenger car market

汽油乘用車總體呈拋物線式發(fā)展,由于市場出現(xiàn)過飽和狀態(tài),在2025年前呈現(xiàn)5.5%的緩慢增長,隨后迎來2554.3萬輛的銷量峰值,其增長率也呈現(xiàn)先緩慢下降,在經(jīng)歷了約 10a的增長率為-15%的平緩期后,在2040年后轉(zhuǎn)入快速下降階段,在2050年近乎退出市場;而天然氣乘用車由于市場規(guī)制保持-6.6%的平穩(wěn)下降趨勢;純電動乘用車呈“S”型發(fā)展趨勢,初期增長率較高是由于市場對于新型車輛的支持力度和補貼力度較高,當該類車型進入市場普及階段后,增長率則呈現(xiàn)下降趨勢,由82%下降至15%,呈現(xiàn)緩慢增長趨勢,這是由于在短期內(nèi)由于技術(shù)限制以及固有市場的認可度較低限制了增長率,而經(jīng)過技術(shù)革新后,在最后10a呈現(xiàn) 18%左右的快速增長趨勢;混合動力乘用車與純電動乘用車的增長趨勢類似,由于其處于初期發(fā)展階段,呈現(xiàn)小幅度增長趨勢,在 2040后呈現(xiàn)平均15%的快速增長,這是由于混合動力乘用車中普通式混合動力乘用車采用油電混合,對比汽油乘用車呈現(xiàn)較好的環(huán)境友好性,對于市場資源的競爭力不斷增強.

而從綜合乘用車整體市場份額分配來看(圖 4),汽油乘用車和純電動乘用車市場份額變化較為明顯,而混合動力乘用車在2040年后市場份額變化較為明顯.其中,汽油乘用車由 92%的市場份額逐步減少到 1%,而純電動乘用車的市場份額則由 5%增長到 75%,混合動力乘用車的份額實現(xiàn) 29%的增長,天然氣乘用車市場份額分配始終較小,占比始終小于0.5%.綜合而言,仿真前 5a份額分配變化波動較大,在2040年后份額分配再次波動較大,因此總體競爭趨勢先緩慢競爭,后劇烈競爭.

圖4 乘用車市場份額Fig.4 The share of the passenger market

2.2 全生命周期排放預測

2.2.1 排放因子預測 在對乘用車市場全生命周期清單進行修正后可知:拓展系統(tǒng)邊界后,汽油乘用車、天然氣乘用車、純電動乘用車以及混動乘用車的主要污染物CHG排放因子分別為246,169,168和181g/km,因此,3類乘用車均能降低CHG氣體排放,其中純電動乘用車減排的潛力最高,為31.7%(圖5).

圖5 乘用車市場排放因子Fig.5 The impact factor of the passenger market

綜合 4類乘用車共性可得,燃料周期排放占比較大,平均占比74.5% ,CHG排放主要集中在燃料階段,這也表示了CHG排放主要取決于乘用車對于燃料的依賴程度.因此降低該階段的減排效果將主要體現(xiàn)在車用替代燃料的規(guī)模發(fā)展.在燃料周期階段,新能源乘用車的排放遠小于傳統(tǒng)乘用車,而在車輛周期中的排放,則剛好相反,純電動乘用車以及混合動力乘用車高于汽油乘用車 33.3%,這主要是因為兩類乘用車電力設(shè)備的加入使得制造階段的排放矩陣較復雜,在車輛周期的排放有所升高,但其綜合 CHG 仍較高,這部分差距來源是以電力來源的純電動乘用車在PTW階段實現(xiàn)了零排放.這表明推進電動化仍然是乘用車市場減排的重要手段,為進一步提高其減排潛力,降低其車輛周期的排放,材料綠色化制造是其發(fā)展的重要方向.

而對于常規(guī)污染物的排放因子修正可知:在常規(guī)污染物VOC、NOx、CO減排方面,純電動乘用車均表現(xiàn)出明顯優(yōu)勢.混合動力乘用車僅在VOC減排方面具有較明顯的優(yōu)勢;在SO2、PM2.5的減排方面,傳統(tǒng)能源乘用車明顯優(yōu)于其他兩類乘用車,因此即使在電力結(jié)構(gòu)優(yōu)化與電力技術(shù)改善的情景條下,新能源乘用車并非具備對所有污染物的明顯減排優(yōu)勢.具體分析可知:

(1)燃料周期中,純電動乘用車的VOC、CO以及NOx的排放因子僅為汽油乘用車的 6.9%、2.3%、50%,這是由于化石燃料燃燒是 VOC、CO、NOx的主要來源,減排則主要體現(xiàn)在清潔能源的燃料替換效益上.對 SO2減排貢獻最大的是混合動力乘用車,為 60%,作為雙動力乘用車,較純電動乘用車減少了部分煤電排放.在 PM2.5排放方面,天然氣乘用車相較于其他技術(shù)車型對顆粒物減排優(yōu)勢明顯,其次是汽油乘用車,雖然純電動乘用車全生命周期顆粒物排放較高,但其主要集中在 WTP 階段,有利于集中處理,而其 PTW 階段的低顆粒物排放使得純電動乘用車對城市霧霾的貢獻最低.

(2)車輛周期中,混合動力乘用車的CO、NOx以及SO2的排放因子均為 4類乘用車中最高,分別為0.11,0.13,0.22g/km,而VOC排放因子最高的車型為天然氣乘用車,這是天然氣燃料燃燒的固有特征,PM2.5的排放則為純電動乘用車最高,這主要是由于動力的需求導致動力電池的質(zhì)量的增加,導致顆粒物的排放有所增加.綜合而言,對于5類常規(guī)污染物VOC、CO、NOx、SO2和 PM2.5的減排效益最優(yōu)的為汽油乘用車和天然氣乘用車,分別為 25.0%、36.4%、61.5%、50.0%、36.4%,新能源乘用車在車輛周期的劣勢是車用材料的冶煉過程中的排放矩陣較大.

通過對于報廢回收階段的清單完善,與其他未計入該部分的文獻相比可減少4%的排放[55].對各類乘用車的排放因子分析為達成具象化的環(huán)境指標提供了詳細的數(shù)據(jù)分析基礎(chǔ),這也證實了一味的提高乘用車電氣化,并不能實現(xiàn)全面減排目標,還需要配合措施例如材料技術(shù)的發(fā)展以及提高清潔能源的使用率.同時,未來隨著乘用車清潔燃料技術(shù)的發(fā)展,傳統(tǒng)能源乘用車的排放因子將持續(xù)降低,這將有利于乘用車市場的綠色清潔化發(fā)展.

2.2.2 乘用車市場總體排放預測 對于乘用車市場的總體污染物排放,在短期內(nèi)均呈現(xiàn)上升趨勢,在長期的展望中呈現(xiàn)不同的發(fā)展趨勢.其中,VOC、CO與CHG在2030年達到排放峰值,分別為17.2、33.5和 10757.9萬 t(圖 6),NOx總排放量出現(xiàn)波動變化,而SO2、PM2.5排放總量隨著乘用車數(shù)量的增多保持增長,但增速放緩至 3%～7%.綜合乘用車市場分析,考慮到乘用車市場規(guī)模的影響,對VOC、CO和CHG的貢獻率最高的是汽油乘用車,對 NOx、SO2以及PM2.5貢獻率最高的是純電動乘用車.而天然氣乘用車由于規(guī)模較小對于總體市場排放的影響較小,而混合動力乘用車隨著時間的推移對CO的貢獻逐漸增加.在未有較多的政策鼓勵作用下,乘用車市場的排放會隨著乘用車市場的規(guī)模不斷擴大.因此綜合來看,除了乘用車電氣化的推進和清潔能源的高比例發(fā)展,為了減少制造環(huán)節(jié)的污染物排放,有必要發(fā)展整車輕量化技術(shù),采用輕質(zhì)金屬或碳纖維為車體,并輔以相應(yīng)的結(jié)構(gòu)設(shè)計和制造技術(shù).

圖6 乘用車市場排放總量(萬t)Fig.6 The total emissions of the passenger car market(×104t)

2.3 政策減排效益評估

依據(jù)國家現(xiàn)有政策和規(guī)劃補充設(shè)定間接影響排放的 3個指標的基準情景:依據(jù)國家十四五能源規(guī)劃可設(shè)計可再生能源占比的發(fā)電基準情景為:2030年煤電占比降低至 28.9%,清潔能源發(fā)電占比提升至52.3%;2040年煤電占比降低至5.4%,清潔能源發(fā)電占比提升至 80.5%;2050年煤電占比為5.7%,清潔能源發(fā)電占比提升至 90.9%.新能源乘用車占比的基準情景用仿真模型所得數(shù)據(jù)假定設(shè)計,即2.1結(jié)論.平均整備質(zhì)量的基準情景依據(jù)平均年變化率1.5%進行設(shè)計(國家統(tǒng)計局公告).

各項指標的影響往往通過敏感性分析進行判斷,首先通過SPSS計算多元回歸標準系數(shù)對基礎(chǔ)政策模型進行完善,隨后基于方差通過sobol方法分析排放表征指標對不同乘用車環(huán)境政策的敏感性如圖 7所示:此次敏感性分析旨在比較3類情景的表征參數(shù)對于單個政策指標的敏感性,對于二階敏感性不再闡述.

圖7 政策參數(shù)敏感性指數(shù)Fig.7 The sensitivity index of policy parameters

在平均整備質(zhì)量變化率的相關(guān)政策參數(shù)評估中,雙積分強度的一階響應(yīng)指數(shù)最高,表示在單一響應(yīng)時,提升雙積分強度對于整備質(zhì)量的變化率響應(yīng)最快,而考慮因素間的相互影響關(guān)系時,燃料限值的影響效果最明顯,這體現(xiàn)了在根本上材料結(jié)構(gòu)和質(zhì)量的相關(guān)特征對于該指標的重要性.

在新能源乘用車占比的指標敏感性評估中,車輛購置稅的一階響應(yīng)指數(shù)最高,表示在不考慮其他影響變量時,提升車輛購置稅稅收強度對于新能源乘用車在市場中的發(fā)展趨勢影響最強烈,而考慮因素間的相互影響關(guān)系時,節(jié)能環(huán)保支出的影響效果較車輛購置稅高,這表示著該指標在根本上的節(jié)能環(huán)保本質(zhì).

在對可再生能源占比的參數(shù)敏感性分析中,對比各類參數(shù)的單一影響,綠證強度的影響效果最明顯,這體現(xiàn)了綠證市場發(fā)展的重要意義,在對其進行全階敏感性分析時,節(jié)能環(huán)保以及資源稅對該指標的總效應(yīng)指數(shù)上升迅速,這表示在考慮綜合影響因素的作用下,經(jīng)濟手段為促進可再生能源發(fā)展的重要手段.

由此可見,考慮單一敏感性與考慮綜合敏感性的結(jié)果略有不同,因此不同政策參數(shù)間也存在不可忽視的相互作用,以關(guān)鍵政策為主,輔以其他政策工具是市場發(fā)展的主要手段.綜合而言,乘用車市場未來的政策體系將以稅收補貼手段為主,命令類手段為輔,加以市場引導.具體表現(xiàn)為:①采用命令控制類政策,包括能源法規(guī)、機動車環(huán)保法規(guī)、燃料限值等,以控制燃料限值為主要手段,通過出臺各種強制性政策及環(huán)境質(zhì)量標準,通過對污染物容許要求做出的強制性規(guī)定等方式進行環(huán)境管理,可以促進新能源相關(guān)產(chǎn)業(yè)的發(fā)展,促進技術(shù)創(chuàng)新從而避免行政處罰或增加懲罰成本;②在市場中主要采用稅收補貼類政策,包括節(jié)能環(huán)保支出、資源稅、車輛購置稅等,在未來補貼退坡的環(huán)境下,稅收手段將成為乘用車市場的主要手段,即通過經(jīng)濟手段將生產(chǎn)過程中產(chǎn)生的環(huán)境污染等負外部性行為納入企業(yè)的內(nèi)部成本,同時對使用可再生能源等清潔化行為采取鼓勵補貼手段提高企業(yè)收益,或通過向使用者征收稅費提高生產(chǎn)成本來降低對化石能源的需求,鼓勵其進行創(chuàng)新以獲得補貼支持;③輔以市場引導類政策,包括綠證制度、碳交易市場制度以及雙積分制度,大力提高綠證交易強度,通過對于市場交易的統(tǒng)一化管理,提供平臺制度管理,為市場各參與方提高互利共贏的可能性,引導改良能源結(jié)構(gòu),同時提高技術(shù)以獲得市場的主動權(quán).

將不同政策強度組合構(gòu)成不同未來情景,而對不同的排放污染物來說,從橫向比較可知,每類污染物對于減排政策情景的敏感性不同,從縱向比較可知,在不同的預測周期中,政策情景的作用效果不盡相同,具體解釋如圖8、圖9所示.

圖8 不同情景下的乘用車市場排放總量Fig.8 The overall emissions of the passenger car market in different scenarios

圖9 不同乘用車類型排放占比(2050年)Fig.9 The percentage of emissions from different passenger car types (2050)

具體分析可知:①在 CHG的相關(guān)減排情景中,在不同情境下均在2030年達到峰值,但峰值大小不盡相同.3類情景均對其排放具有明顯效益.在電氣化情景下,排放峰值低于其他3類政策情景,為2030年的9749.6萬t,較基準情景的排放峰值降低9.4%,清潔化情景的減排效益次之,為 7.3%.②SO2、PM2.5以及NOx的排放總量在3類乘用車政策的推動下依然保持增長的趨勢,但隨著政策的推進,排放總量增速放緩至平均1.5%.其中,SO2的排放對于整車輕量化政策的敏感性較高,對比基準情景最優(yōu)可將排放降低11.5%.PM2.5的排放則對于清潔化情景政策的敏感性較高,對比基準情景最優(yōu)可將排放降低24.1%.而電氣化政策的推進對兩類污染物的排放未起到預期的減排效果,甚至會出現(xiàn)高于基準情景的預期排放,這是由于未從根本上改變其排放因子,而電動乘用車的這兩類污染物的排放因子大于傳統(tǒng)乘用車.這表明單一的推進電氣化政策不能實現(xiàn)全面減排.NOx在 3類政策環(huán)境下會實現(xiàn)不同程度的減排,整體排放的波動幅度有所放緩,清潔化情景政策對其減排效益最優(yōu),為 24.3%.對于這 3類乘用車,當推行乘用車市場電氣化時,會由于電動乘用車基于功能需求的整備質(zhì)量不斷上升導致污染物排放不減反增.這表明推行電氣化政策應(yīng)完善電力等設(shè)備的更新升級,降低排放因子.③VOC和CO對于電氣化情景的敏感性最大,與其他兩類政策相比,在2030年峰值時刻,電氣化情景的VOC和CO排放量比基準情景減少了 18.3%和 23.5%,減排效果顯著.可見電氣化政策對乘用車的VOC和CO減排效果是最有效的.

隨著整車輕量化、電氣化政策和終端能源清潔化的不斷推進,乘用車市場總排放在不斷減少,但不同政策情景對每一類排放污染物的影響方式和效果均不相同,CHG、VOC和CO的最優(yōu)減排情景為電氣化情景,PM2.5、NOx的最優(yōu)減排情景為清潔化情景,而 SO2的最優(yōu)減排情景則為整車輕量化,這與乘用車市場的不同類型乘用車的排放因子差異息息相關(guān).這意味著,單一推行某類政策情景,并非最優(yōu)策略.企業(yè)從自身發(fā)展情況考慮會主動進行結(jié)構(gòu)調(diào)整,在向新能源乘用車轉(zhuǎn)型調(diào)整的同時應(yīng)積極對電池等零部件技術(shù)改造和升級,促進乘用車和相關(guān)附屬企業(yè)走綠色低碳、循環(huán)經(jīng)濟之路.

同時,通過對2050年的長期規(guī)劃結(jié)果分析可知:隨著乘用車市場的新舊能源更迭,混合動力乘用車以及純電動乘用車市場將成為乘用車市場排放的主要來源,混合動力乘用車對CO等排放物的影響日益增加.其中,在清潔化情景下,混合動力乘用車以及純電動乘用車的各類污染物排放占比有明顯下降,為20%～30%.這表明,對這兩類車型的全生命周期排放因子進行分析,是未來研究的重要方向,而在這其中,對乘用車市場的上游能源結(jié)構(gòu)進行調(diào)整,對于降低乘用車全生命周期排放因子具有重要意義.

3 討論

通過引入Lotka-Volterra模型,對其參數(shù)進行灰色估計,創(chuàng)新性的推演了各類乘用車之間的博弈過程,對其競爭變化過程進行了定量分析以及可視性展示.通過仿真顯示在2035年會實現(xiàn)乘用車市場的新舊能源更迭,從乘用車競爭系數(shù)分析,乘用車市場的競爭力主要來源于新舊能源的競爭.市場競爭趨勢呈現(xiàn)階段式上升,即在短期內(nèi)由于初入市場的政策支持,新型乘用車將對原有市場結(jié)構(gòu)形成沖擊,但該階段由于市場認可度以及市場容量限制,競爭力度未達到最大,在仿真后10年由于技術(shù)成熟以及配套設(shè)施的完善,新能源乘用車競爭力將不斷升高,而混合動力乘用車逐步替代傳統(tǒng)汽油乘用車市場,市場競爭將主要由這兩類乘用車競爭組成.同時,混合動力乘用車的市場份額增加,符合國家對于節(jié)能汽車的路線規(guī)劃,但仍低于規(guī)劃速度,這表明國家對于混合動力乘用車的激勵政策還未完全發(fā)揮作用,具有滯后性.

運用全生命周期的方式微觀評估排放過程,更加準確的修正了排放因子,與乘聯(lián)會發(fā)布的部分污染物排放因子具有較好的一致性,完善周期后發(fā)現(xiàn),電動乘用車并未達到預期的減排效益(低于 20%的預期減排效益),尤其對于SO2和PM2.5的減排效果不佳,其排放總量不減反增.這主要是在車輛周期中添加了電力設(shè)備的附屬質(zhì)量矩陣,使得以電力為動力來源的乘用車的排放因子在車輛周期明顯高于傳統(tǒng)乘用車,這意味著要推進純電動乘用車為代表的新能源乘用車,必須改善主體和電池等結(jié)構(gòu),克服車輛周期的高排放.這項研究的結(jié)果強調(diào)了將車輛階段完善后納入乘用車環(huán)境性能比較的重要性.

對整車輕量化、電氣化和清潔化3類重要政策環(huán)境提取3類典型的表征指標后進行敏感性分析可知:政策單一影響效果與綜合響應(yīng)程度不完全對應(yīng),因素間的相互作用是影響表征指標的重要組成部分.從整體角度進行效益排序為:財政補貼類政策>命令控制類政策>市場引導類政策,但從單一的政策敏感性而言,則需要不同政策強度的最優(yōu)組合以克服單一手段的缺陷.同時,從最終減排效果來說,不同污染物的最優(yōu)減排策略是不同的,這意味著僅推進一類政策情景的發(fā)展,無法實現(xiàn)全面減排,需要 3類情境下的環(huán)境政策協(xié)同發(fā)展,例如推進城市交通系統(tǒng)電氣化之前,必須先發(fā)展清潔電力.

考慮全生命周期層面提出政策建議如下:考慮乘用車總體市場的排放規(guī)模,由于VOC、CO與CHG在2030年達到排放峰值,NOx排放呈現(xiàn)波動式發(fā)展,而SO2、PM2.5排放總量隨著乘用車數(shù)量的增多保持增長,但增速放緩至4%～6%,因此中國要制定差異化的節(jié)能減排目標,還需對空氣環(huán)境污染等級進行評價,優(yōu)先控制部分污染源,做到全面減排、重點突破.若考慮乘用車市場的發(fā)展政策手段的敏感性,對重點企業(yè)以及相關(guān)技術(shù)進行補貼,多采用稅收類手段進行市場管控,加大執(zhí)行力度,同時,建立市場交流平臺,促進各方互利共贏.由于 3類政策情景模擬的時間差異性減排效益,因此需考慮發(fā)展時間制定短、中、長期規(guī)劃,且考慮不同政策情景對于不同排放污染物的差異性效果,制定差異性政策,提高減排的準確性以及科學性.

4 結(jié)論

4.1 Lotka-Volterra模型提供了一種新的預測市場份額變化關(guān)系的思路,從總體市場的角度預測車輛類型之間的關(guān)系,可以適用于制定未來更多車型的市場接納標準.而通過間接影響全生命周期的不同階段要素來推演乘用車市場總排放趨勢,體現(xiàn)了從微觀要素拓展至宏觀發(fā)展的行業(yè)生命線思想.以脫碳、清潔和可持續(xù)的方式作為乘用車市場改革過渡的主要趨勢,這不僅有利于中國,也有助于未來世界乘用車行業(yè)實現(xiàn)凈零排放.

4.2 通過對乘用車市場的綜合排放特征分析可知:考慮新舊能源乘用車的競爭趨勢,順應(yīng)市場發(fā)展趨勢,在達到2035年的市場更新拐點前制定相關(guān)政策輔助改革;為實現(xiàn)國家節(jié)能汽車路線圖的規(guī)劃,應(yīng)繼續(xù)加大純電動乘用車以及混合動力乘用車的政策支持,并為其提供必要的配套設(shè)施,提升其市場認可度.同時,考慮乘用車全生命周期排放階段差異性,在CHG排放中,各類乘用車的燃料周期均為全生命周期中的較大貢獻者,因此政府應(yīng)重點考慮投資乘用車上游的清潔能源建設(shè);而在常規(guī)污染物排放中,車輛周期是排放較大貢獻者,因此需同時推進零部件和整車材料的輕量化和低碳化發(fā)展;考慮乘用車各類污染物的排放因子差異性,建立評價體系,最終設(shè)立精細化指標,促進全面減排.