電動農機規(guī)?；瘧寐窂郊鞍l(fā)展趨勢預測

中圖分類號：S23 文獻標識碼：A 文章編號：2095-5553（2025）08-0281-07

Abstract：Modermization ofagricultureandelectricationofagricultural machineryarethedirections for future development.Electric agricultural machinery，characterized bycompact structure，highworking eficiency，low energy consumptionandlowemissions，plays asignificantrole inenergyconservationand emisionreduction.Theelectrification of agricultural machinery isanimportant measure to helpachieveChina's“dual carbon”goals，aswellasanessential path to achieveruralrevitalizationand modernizationofagricultureandruralareas.Itisimperativetopromotetheelectrification ofagriculturalmachinery.Theprospectsfortheapplicationofagriculturalmachineryindiferentscenariosarefirst explored.Then，thedemandsforelectrificationof agricultural machineryin diferent regionsandscales basedon theactual situationofagriculturaldevelopmentareanalyzed．Theimplementationpathforthelarge-scaleappicationofelectric agricultural machinery in multiple scenarios is proposed.Aditionally，basedontheleastabsolute shrinkage andselection operatorregressionmodel，thefuture trendofelectrificationofagricultural machineryispredicted.Theanalysisresults showthat therearecertaindiferences inthedevelopmentroutesofagricultural machineryelectricationindiferent applicationscenarios，itisnecessarytopromotetheelectricagriculturalmachineryinaccordancewithlocalconditions，and simultanouslybuildandupgraderelevantsupporting facilitiesbasedonthediferencesintheapplicationscenariosof electric agricultural machinery，so as to drive the large-scale application of electric agricultural machinery.

Keywords：electric agricultural machinery；regression model;scale application；carbon neutrality

0 引言

為應對化石能源危機以及全球變暖，世界各國紛紛采取措施來實現(xiàn)節(jié)能減排。我國將貫徹綠色發(fā)展理念，推動高質量發(fā)展，降低在發(fā)展過程中的碳排放量。新能源汽車的快速發(fā)展帶動了電池技術日益進步，電動農機相關技術也趨于成熟，農業(yè)機械的電動化是節(jié)能減排的重要舉措，電動農機市場有著廣闊的發(fā)展前景1]。

能源活動引發(fā)的碳排放占我國碳排放總量的 80% 以上，能源結構改革以及清潔能源的推廣是實現(xiàn)碳達峰以及碳中和目標的主要舉措。我國的非化石能源占一次能源消耗的 25% 左右，可再生能源將逐步取代化石能源，中央與地方政府的相關政策也隨之密集出臺[3]。2023年，《最高人民法院關于完整準確全面貫徹新發(fā)展理念為積極穩(wěn)妥推進碳達峰碳中和提供司法服務的意見》《碳達峰碳中和標準體系建設指南》相繼發(fā)布，我國已基本完成碳達峰和碳中和相關標準體系的建立，碳中和相關政策正在不斷深化。

聯(lián)合國環(huán)境規(guī)劃署發(fā)布的《排放差距報告》指出，減少化石燃料的使用在現(xiàn)階段有助于縮小排放差距，并著重強調了農業(yè)生產過程中節(jié)能減排的重要性[4]。在保證生產活動正常進行的前提下，平穩(wěn)推進農業(yè)發(fā)展節(jié)能減排是推動碳達峰和碳中和目標的主要舉措[5]。

我國的農業(yè)機械目前以傳統(tǒng)化石能源消耗為主，是農業(yè)生產活動過程中的重要碳排放來源。電動農機具備簡潔緊湊的結構，且能耗和污染更低，符合我國節(jié)能減排的發(fā)展趨勢，電動化是農業(yè)機械行業(yè)未來的發(fā)展方向。潘志國等提出了農機規(guī)模化應用的實現(xiàn)路徑，首先需要考慮相關農作物的農藝、氣候因素、種植習慣等因素對種植模式的影響，并根據(jù)生產規(guī)模及農機作業(yè)效率進行合理的資源配置，制定合適的農機規(guī)?；瘧寐肪€圖。趙炳國[8分析了制約我國農機化發(fā)展的因素，土地的分散化經(jīng)營不利于大型農機的機械生產，農業(yè)生產資料成本的增加以及專業(yè)化程度不足均制約著農業(yè)生產機械化的推進。洪吉超等9分析了技術水平對新能源產業(yè)發(fā)展的影響。近些年，在相關政策的支持下，我國新能源產業(yè)的整體技術水平得到了快速發(fā)展，很多技術已處于世界領先水平，這為我國新能源技術的推廣提供了有利條件。但目前充電樁等相關配套設施的建設還遠遠不足，這也是制約電動農機與電動汽車發(fā)展的關鍵因素[10]。王杰等[11]分析了電動農機目前存在的問題及其發(fā)展趨勢，電動農機的續(xù)航及載荷能力仍有待提高，高能量密度電池是農機電動化的研究重點，大型電動農機還存在動力性較差和作業(yè)性能偏弱的問題，同時還需完善并建立動力電池回收體系，減少廢舊電池對環(huán)境的污染。電動農機的發(fā)展需要考慮多方面因素的影響，通過對電動農機未來發(fā)展前景的估算，可激勵電動農機的研發(fā)及推廣，加速電動農機的規(guī)?；瘧谩τ陔妱愚r機保有量的預測，可以借助回歸模型或基于機器學習的方法實現(xiàn)，如Bass預測模型[12]、多元回歸模型[13]、灰色預測模型[14]、支持向量機[15]、相關向量機[16]和自回歸滑動平均模型[17]等。

電動農機的推廣和應用仍處于起步階段。作為實現(xiàn)節(jié)能減排和推動農業(yè)農村現(xiàn)代化的關鍵手段，電動農機的發(fā)展具有重要意義。深人研究和分析農機電動化趨勢及其規(guī)?；瘧?，將有助于推動電動農機的進一步發(fā)展。本文主要對電動農機規(guī)?；瘧玫挠绊懸蛩剡M行分析，在此基礎上構建多地域、多應用場景下的電動農機規(guī)?；瘧脤嵤┞肪€圖，采用最小絕對收縮與選擇算子回歸模型對農業(yè)機械的電動化趨勢進行預測。

1電動農機規(guī)?；瘧脤嵤┞窂?/p>

電動農機環(huán)保、高效、低噪音的特點使其具有很大的發(fā)展?jié)摿?。按照動力來源進行劃分，電動農機主要可分為純電動農機、混合動力農機以及燃料電池農機。純電動農機結構簡單、技術更為成熟、可控性更好，制造維護成本更低、適用范圍更為廣泛，更具規(guī)?；l(fā)展?jié)摿?，是本文的分析重點。電動農機規(guī)模應用的技術路線需要考慮多個方面，包括應用場景的差異性、電動農機替代的可行性、充電設施的建設和優(yōu)化。本文探究了地域環(huán)境對農機電動化發(fā)展的影響，并按照生產規(guī)模進行應用場景的劃分，規(guī)劃不同應用場景下農機電動化發(fā)展路線。

1.1不同地域農機電動化發(fā)展路徑

我國農業(yè)機械化的發(fā)展受多重因素影響，需要綜合考慮不同地區(qū)農業(yè)發(fā)展特點進行電動農機的推廣。我國農業(yè)機械化發(fā)展程度在不同地域及不同應用場景下存在較大的差異。東部地區(qū)農業(yè)現(xiàn)代化水平較高，對電動農機的智能化和自動化要求較高，同時對農機的精細化管理和環(huán)保性也會有更多的考量。西部地區(qū)的平均海拔較高、山脈較多、地勢復雜，電動農機需要具備一定的爬坡及越野能力，以適應當?shù)氐淖鳂I(yè)環(huán)境；西部地區(qū)農業(yè)發(fā)展較為滯后，電動農機規(guī)?；l(fā)展進程較為緩慢。南方地區(qū)主要以種植水稻、果樹、蔬菜等為主，種植業(yè)發(fā)達，農業(yè)機械化程度高，電動農機有著廣闊的發(fā)展前景。北方地區(qū)以小麥、玉米、大豆等糧食作物的種植為主，電動農機主要應用于播種、灌溉、收割等農業(yè)耕作環(huán)節(jié)；由于北方地區(qū)四季分明，不同季節(jié)溫差較大，農機的工作環(huán)境較為復雜，電動農機需具備較強的耐寒能力。隨著農業(yè)現(xiàn)代化進程的推進及電動農機技術的日漸成熟，電動農機將會得到進一步的普及和應用。

目前我國的中小型電動農機已取得了一定的發(fā)展。張波等[18]設計了一款可遠程遙控的電動式綠植修剪機。多家企業(yè)已經(jīng)生產出包括電動收割機以及可應用于丘陵地貌的微小型電動農機在內的多款新型電動農機，提高了電動農機的商業(yè)化進程[19]。在節(jié)能環(huán)保的時代背景及相關政策的推動下，中小型農機的電動化和智能化發(fā)展成為趨勢。

在大型農機領域，電動農機的輸出功率及續(xù)航時間仍與傳統(tǒng)農機差距較大，大型電動農機仍需突破相關技術瓶頸[11]。中國農業(yè)科學院、國家農機裝備創(chuàng)新中心、中國一拖集團、時風集團等多家企業(yè)與機構進行大型電動農機相關技術的儲備，新能源拖拉機功率目前可達161.81kW^[20] ，大功率電動農機相關技術日漸成熟。

針對山區(qū)及丘陵地帶，由于地形復雜，不適合中大型農機的大規(guī)模推廣，更適合小型電動農機的規(guī)?；瘧?。在推廣初期，可進行試驗示范，展示其高效、節(jié)能和環(huán)保的優(yōu)勢。待電動農機接受度提高后，通過政府補貼和農機購置優(yōu)惠等政策，鼓勵農民購買使用電動農機，加速電動農機的推廣。小型電動農機的技術相對來說更為成熟，后續(xù)可著重于智能化的發(fā)展，并進一步提升作業(yè)效率。

中大型農機則更適合應用于平原地區(qū)，其作業(yè)面積更大、效率高、自動化程度高，適用于大規(guī)模農業(yè)生產場景。在推廣初期，可優(yōu)先推廣技術更為成熟的中型電動農機，并加速研發(fā)大型農機，突破續(xù)航及功率上存在的不足。待電池和電機技術滿足大型農機的作業(yè)要求后，再加速大型電動農機的推廣，并推進電動農機的智能化、自動化發(fā)展，實現(xiàn)精準作業(yè)、遠程監(jiān)控等功能。

1.2不同應用場景下農機電動化發(fā)展路徑

電動農機的應用場景也會對其規(guī)?；瘧寐窂疆a生較大的影響。不同農業(yè)生產場景下對電動農機的需求存在較大差異，同時農業(yè)生產規(guī)模的差異也會對電動農機的應用產生較大影響。

不同農業(yè)生產場景下作業(yè)需求不同，這要求電動農機能夠滿足這些差異化的作業(yè)需求，以田間耕作、溫室大棚、果園為例，分析不同農業(yè)生產場景下電動農機的發(fā)展路徑。電動農機在田間耕作中的應用包括電動拖拉機、收獲機以及農業(yè)智能機器人，電動農機在大規(guī)模農田中的應用可有效減少農業(yè)生產過程中的碳排放，目前電動農機在田間耕作中已取得了較為廣泛的應用，隨著技術成熟度的不斷提高，電動農機功率及續(xù)航能力的提升，其應用也會越來越廣泛。在溫室大棚作業(yè)中，電動農機與傳統(tǒng)農機相比具有明顯優(yōu)勢，其不會產生噪聲及尾氣污染，減少了對密閉空間的污染，與智能檢測系統(tǒng)配合使用可實現(xiàn)準確的施肥、播種、灌溉等操作，隨著智能網(wǎng)聯(lián)及自動化控制技術的發(fā)展，溫室大棚中農機裝置的電動化程度將大幅提高。在果園生產場景中，電動農機可以應用于施肥、修剪套袋、采摘和運輸?shù)壬a環(huán)節(jié)中，特別是修剪套袋和采摘環(huán)節(jié)，對電動農機作業(yè)的精確性和智能化程度提出了更高的要求，同時果園多位于山地，電動農機的應用需要注重靈活輕便性，隨著人工智能及智能控制技術的發(fā)展，智能化的電動農機將會更多地應用于果園當中。

在不同的農業(yè)生產規(guī)模下，電動農機的應用存在著一定的差異，需要綜合評價生產規(guī)模與電動農機數(shù)量及相應配套設施之間的關聯(lián)，規(guī)劃不同規(guī)模應用場景下的農機電動化發(fā)展路線。根據(jù)農業(yè)生產的規(guī)模將電動農機的應用場景劃分為零散式電動農機應用場景、中等規(guī)模電動農機應用場景以及大規(guī)模電動農機應用場景。

零散式電動農機應用場景主要為耕地面積小于1 000hm² 的小型家庭式農場，以小型農機的應用為主，包括電動灌溉與噴灑機械、小型電動拖拉機、小型電動耕地機以及電動收割機等。由于生產規(guī)模較小，僅需配套相應的充電設備，出于生產規(guī)模及投資金額等因素的考慮，不需要著重考慮相關配套設施的建設。

將耕地面積為 1000～10000hm² 的中型農場劃為中等規(guī)模電動農機應用場景，電動農機的應用已具備一定的規(guī)模效應，電動農機的數(shù)量和種類與小規(guī)模零散式的應用場景相比有較大幅度的提升，并配備有一定數(shù)量的中大型電動農機以提高作業(yè)效率。由于農業(yè)生產已經(jīng)初具規(guī)模，具有一定的規(guī)模效應，需要考慮相關電網(wǎng)基礎設施的配備以滿足使用需求，并建設一定數(shù)量的充電樁以滿足日常作業(yè)中的充電需求。

大規(guī)模電動農機應用場景可定義為耕地面積在萬公頃以上大型農場，農業(yè)生產的規(guī)模效應明顯，農機電動化發(fā)展速度較快，大型電動農機的使用較多。在大規(guī)模應用場景下，對電力的需求更大，需要著重考慮電網(wǎng)相關基礎設施的建設，以滿足高峰時期用電需求，保障農業(yè)生產活動的正常進行。同時，由于電動農機作業(yè)群較大，且農場占地面積較大，需要建設足夠數(shù)量的充電樁來滿足電動農機的充電需求，并考慮投資建設分布式可再生能源發(fā)電站，還可以配備儲能裝置進一步提高電能利用率。

2農機電動化規(guī)模預測模型

2.1基于LASSO回歸的預測模型

最小絕對收縮與選擇算子（LASSO）回歸是一種正則化的懲罰回歸模型，其本質是對含有不等式約束的二次規(guī)劃問題進行求解，在最小二乘的基礎上對回歸系數(shù)進行壓縮，實現(xiàn)對模型參數(shù)的修正，通過使用正則化的方法對變量的權值進行修正[21]，解決了線性回歸模型可能會導致模型不收斂或對多變量過度擬合等問題[22]。

LASSO回歸模型計算如式（1）所示。

式中： X ——自變量列向量，即影響電動農機發(fā)展的相關因素；Y 因變量，即電動農機的保有量；β 一回歸系數(shù)列向量；E 隨機擾動項，服從期望為0、方差為 σ² 的正態(tài)分布。

回歸系數(shù) β 的具體估計過程如式 （2）～ 式（4）所示。其中 代表利用最小二乘法得到的估計系數(shù)， Ψ_t 為調和參數(shù)，可根據(jù)交叉驗證法得出。當 的絕對值小于 γ 時，部分回歸參數(shù)會被壓縮，γ由條件 而確定。

式中： λ —懲罰因子； （20 P —回歸系數(shù)的個數(shù)； t—調和參數(shù)。

LASSO回歸算法的流程如圖1所示。

圖1基于LASSO回歸算法電動農機保有量預測 Fig.1 Ownership prediction of electric agricultural machinery based onLASSO regression

調和參數(shù) Ψ_t 的估計關系到模型變量的選擇，通常使用交叉驗證法得出，利用懲罰因子 λ 獲取調和參數(shù)。懲罰因子 λ 的計算方法如式（5）所示。

根據(jù)式（5）并利用廣義交叉驗證來獲取懲罰因子，其最優(yōu)估計值即為使得交叉驗證 GCV 達到最小時的取值。

影響農機電動化發(fā)展的因素很多，需要綜合評判經(jīng)濟發(fā)展水平、電動農機技術水平、政策導向多方面因素的影響。經(jīng)濟發(fā)展對電動農機的發(fā)展會產生顯著的影響，經(jīng)濟發(fā)展會促進農業(yè)裝備的更新?lián)Q代，推動技術的創(chuàng)新和發(fā)展，可選取農業(yè)生產總值以及農村居民人均可支配收入來衡量經(jīng)濟發(fā)展水平對農機電動化發(fā)展的影響。

同時，電動農機的技術水平也是影響電動農機購買力的重要因素，選取電動農機續(xù)航能力、載荷能力以及工作效率來考慮技術水平對農機電動化的影響；其中，電動農機的續(xù)航里程與鋰離子電池的技術發(fā)展密切相關，鋰離子電池系統(tǒng)的能量密度從2015年的125（W?h）/kg 提升至2022年的2 10（W?h）/kg^[23] ，電動農機的續(xù)航里程也得以提高。此外，相關政策也會影響農機電動化的進程，節(jié)能減排及鄉(xiāng)村振興是我國的重要戰(zhàn)略，利用二氧化碳減排量和電動農機購置補貼評價政策導向對電動農機發(fā)展的影響。

將上述變量作為LASSO模型的輸入?yún)?shù)，構建回歸模型。不同類型農機的技術發(fā)展水平參差不齊，選取電動植保無人機進行分析，相關數(shù)據(jù)如表1所示。圖2展示了電動植保無人機保有量擬合結果，多元線性回歸模型的擬合優(yōu)度為0.99684，而LASSO模型的擬合優(yōu)度為0.99902，擬合效果更優(yōu)，因此選用LASSO模型對電動植保無人機保有量進行預測。

我國在過去的10年內農業(yè)生產總值年均增長6.5% ，農村居民人均可支配收入增長 8.9% ，按照過去10年的經(jīng)濟發(fā)展增速水平，對未來農業(yè)生產總值與農村居民人均可支配收入進行估計。

《節(jié)能與新能源汽車技術路線圖2.0》指出，2025年鋰離子電池質量能量密度有望達到2 50（w?h）/kg ，并于2030年達到 300（W?h）/kg ，力爭在2035年前將鋰離子電池的能量密度提升至325（W?h）/kg^[24] ，據(jù)此對植保電動無人機技術發(fā)展水平進行預計。

表1LASSO回歸模型輸入數(shù)據(jù)及電動植保無人機歷年保有量Tab.1 Inputs for LASSO model and electric plant protection unmanned aerial vehicle （UAV） ownershi

隨著相關技術的進步，植保無人機的載荷能力、工作效率以及二氧化碳減排量也將同步提升，具體數(shù)據(jù)見表2。

在此基礎上基于LASSO回歸模型對未來農機電動化發(fā)展趨勢進行預測，預測結果如圖3所示，未來10年間電動農機保有量有望增長 249% ，電動農機具有廣闊的發(fā)展前景。

圖2電動植保無人機保有量擬合結果 Fig.2Fittingresults for electric plant protection UAV

表2未來10年經(jīng)濟發(fā)展及電動農機技術進步情況預估

Tab.2Estimation of economic and technological advances in electric agricultural machinery

2.2不同農業(yè)生產場景下電動農機發(fā)展分析

在不同農業(yè)生產場景下，電動農機的發(fā)展存在一定的差異。圖4是不同農業(yè)生產場景下電動農機發(fā)展情況預測，以2023年電動農機保有量作為基準，探究不同農業(yè)生產場景下電動農機相較2023年的發(fā)展情況。電動農機在田間耕作中應用較為廣泛，隨著相關技術的不斷進步，其應用也會越來越廣泛。

圖4不同農業(yè)生產場景下電動農機發(fā)展情況預測 Fig.4Forecast of the development of electric agricultural machinery in different production scenarios

電動農機的應用有助于構建智能溫室大棚，進一步提高生產效率，電動農機在溫室大棚中也會得到較為廣泛地應用。隨著智能控制技術的發(fā)展，電動農機的靈活度及作業(yè)精度會得到較大的提升，智能電動農機可滿足果園中修剪套袋、采摘等高精作業(yè)環(huán)節(jié)的使用需求，電動農機未來在以果園為代表的復雜作業(yè)環(huán)境中將會得到越來越多的應用。

2.3不同規(guī)模應用場景下電動農機發(fā)展分析

在不同的農業(yè)生產規(guī)模下，農機電動化進程存在著較大差異，結合農機電動化發(fā)展路徑對不同應用場景下電動農機發(fā)展情況進行仿真預測。預測結果如圖5所示，在小規(guī)模零散式場景下小型農機更具發(fā)展?jié)摿?，中大型農機的應用較少；在中等規(guī)模應用場景下，中小型電動農機被廣泛應用，大型農機也得到了一定的應用；大規(guī)模應用場景下規(guī)模效應明顯，隨著技術的進步大型農機的電動化也逐步加快，農機電動化進程加快，大規(guī)模應用場景下電動農機發(fā)展前景更為廣闊。

圖5不同規(guī)模應用場景下農機電動化發(fā)展情況預測 Fig.5Forecast of the development of electric agricultural machinery in different application scenes

3 結論

農業(yè)機械的電動化是節(jié)能減排的重要舉措，隨著農業(yè)現(xiàn)代化的推進和農民收人的增加，電動農機展現(xiàn)出廣闊的發(fā)展前景。我國的領土疆域十分廣闊，受自然氣候與地理環(huán)境、經(jīng)濟及社會發(fā)展等因素的影響，不同地區(qū)農機電動化發(fā)展路徑存在著一定的差異。同時，不同的應用場景對電動農機的需求存在較大差異，農機電動化發(fā)展需綜合考慮多方面因素。

1）需要因地制宜根據(jù)各地的環(huán)境及農業(yè)種植特點進行電動農機推廣，丘陵山地可著重推廣小型電動農機，平原地區(qū)則能夠集中推廣中大型電動農機。同時，不同類型的電動農機的規(guī)?；瘧靡泊嬖谝恍┎町?，相對來說中小型電動農機的技術更為成熟，其規(guī)?；瘧靡矔訌V泛，現(xiàn)階段可優(yōu)先推廣；而大型農機的規(guī)模化應用則相對較為緩慢，需要等待電池及電機等技術進一步突破后再加速推廣。

2）需要根據(jù)農業(yè)生產場景的特點制定適宜的電動農機規(guī)?；l(fā)展策略。在田間耕作中可著重考慮高效及大功率電動農機的發(fā)展，而在溫室大棚和果園等場景中則更加注重智慧農機的發(fā)展。在小規(guī)模應用場景下以中小型電動農機應用為主；在規(guī)模較大的農莊中，為進一步提升作業(yè)效率，可加強大型電動農機的推廣。

3）在電動農機推廣的同時，需要完善電動農機相關配套設施的建設，同步進行電網(wǎng)的擴容與改造等相關工作，保障電力供應，完成與農機電動化進程相匹配的充電樁建設以及儲能裝備的配置，推動農機電動化的發(fā)展。

參考文獻

［1］霍如周，奚小波，張翼夫，等．碳中和背景下中國農業(yè)碳排放現(xiàn)狀與發(fā)展趨勢[J]．中國農機化學報，2023，44（12）：151-161.Huo Ruzhou，Xi Xiaobo，Zhang Yifu，et al．Currentsituation and development trend of China's agriculturalcarbonemissionsunderthebackgroundofcarbonneutrality[J].JournalofChineseAgriculturalMechanization，2023，44（12）：151—161.

[2］舒印彪，張麗英，張運洲，等．我國電力碳達峰、碳中和路徑研究[J].中國工程科學，2021，23（6）：1—14.Shu Yinbiao，Zhang Liying，Zhang Yunzhou，et al. Carbonpeakand carbonneutrality pathfor China'spowerindustry[J]. Strategic Study of CAE，2021，23（6）： 1-14.

［3］唐云霓，閆如雪，周艷玲．碳中和愿景下能源政策的結構表征與優(yōu)化路徑［J].清華大學學報（自然科學版），2023，63（1）： 1—14.Tang Yunni，Yan Ruxue，Zhou Yanling.Structuralrepresentation and optimization path of energy policy underthe carbon neutral vision [J]. Journal of Tsinghua University（Science and Technology），2023，63（1）： 1—14.

［4］汪開英，李鑫，陸建定，等．碳中和目標下畜牧業(yè)低碳發(fā)展路徑[J].農業(yè)工程學報，2022，38（1）：230—238.Wang Kaiying，Li Xin，Lu Jianding，et al. Low-carbondevelopment strategies of livestock industry to achieve goalof carbon neutrality in China [J]. Transactions of theChinese Society of Agricultural Engineering，2022，38（1）：230-238.

［5］曾賢剛，余暢，孫雅琪．中國農業(yè)農村碳排放結構與碳達峰分析[J]．中國環(huán)境科學，2023，43（4）：1906－1918.Zeng Xiangang，Yu Chang，Sun Yaqi. Carbon emissionstructure and carbon peak of agriculture and rural areas inChina［J]. China Environmental Science，2O23，43（4）：1906—1918.

［6］馮汝廣，牛曉碩，王夢嬌，等．電動農業(yè)機械研究現(xiàn)狀及發(fā)展建議[J].農業(yè)開發(fā)與裝備，2023（8）：24—26.

［7］潘志國，楊然兵，李心志，等．基于種植業(yè)規(guī)模化生產的農機優(yōu)化配備研究[J]．中國農機化學報，2019，40（3）：217—220.Pan Zhiguo，Yang Ranbing，Li Xinzhi，et al. Study on theoptimum equipment of agricultural machinery based onscaleplanting [J]. Journal of Chinese AgriculturalMechanization，2019，40（3）：217—220.

[8]趙炳國．加快農機化發(fā)展促進土地規(guī)?；?jīng)營的探討[J].當代農機，2016（11）：65—67.

[9］洪吉超，梁峰偉，楊京松，等．新能源汽車產業(yè)及其技術發(fā)展現(xiàn)狀與展望[J].科技導報，2023，41（5）：49-59.Hong Jichao，Liang Fengwei，Yang Jingsong，et al. Newenergy vehicle industryand technology developmentstatus [J]. Science and Technology Review，2023，41（5）：49-59.

[10］李曉敏，劉毅然．充電基礎設施對新能源汽車推廣的影響研究[J].中國軟科學，2023（1）：63—72.Li Xiaomin，Liu Yiran.Research on the impact of charginginfrastructure on the promotion of new energy vehicles[J].China Soft Science，2023（1）：63-72.

[11］王杰，張學敏，張波，等．電動農機發(fā)展現(xiàn)狀與趨勢[J].中國農機化學報，2019，40（10）：35—41.WangJie，Zhang Xuemin，Zhang Bo，etal.Researchstatus and trend of electric agricultural machinery [J].Journal of Chinese Agricultural Mechanization，2019，40（10）：35—41.

[12]Xu L，Chen Y，Wang Y，et al．Research on electricvehicle ownership and load forecasting methods [C]. 20205th International Conference on Mechanical，Control andComputer Engineering，2020：180-184.

[13］張雙妮．基于多元回歸模型的新能源汽車市場發(fā)展趨勢預測[J].決策探索（中），2019（1）：77.

[14] Deng L，Lei G，Dai N，et al. Electric vehicle chargingload forecasting based on ownership[C]. 2O22 IEEE 2lstIEEE International Conference on Ubiquitous Computingand Communications，2022：44—50.

[15］藍鎵寶．基于支持向量回歸集成學習的新能源汽車銷量預測[J].時代汽車，2021（10）：62-63.

[16]Bao H，Guo X，Liang J，et al. Relevance vector machinewithoptimal hybrid kernel function for electric vehiclesownership forecasting：The case of China [J]. Energy

[17］譚濤，黃澤濤，林雁玲，等．大數(shù)據(jù)驅動的我國新能源汽車需求分析[J].可再生能源，2020，38（7）：967-971.TanTao，Huang Zetao，Lin Yanling，etal.Big datadriven demand analysis of new energy vehicles [J].Renewable Energy，2020，38（7）： 967-971.

[18]張波，張學敏，邵書山，等．電動遙控綠籬修剪機的設計[J]．中國農機化學報，2018，39（3）：19-25.Zhang Bo，Zhang Xuemin，Shao Shushan，et al． Designofelectric remote control hedge trimmer[J]. Journal ofChinese AgriculturalMechanization，2018，39（3）：19-25.

[19]一直．身處變革浪潮的中國農機[J]．農機市場，2023（2）：16-18.

[20］葉紅．中國農機或將迎來第4波變革浪潮[J].當代農機，2022（11）：21—23.

[21] Shafiee S，Lied L M，Burud I，et al. Sequential forwardselection and support vector regression in comparison toLASSO regression for spring wheat yield prediction basedonUAV imagery [J]. Computers and Electronics inAgriculture，2021，183：106036.

[22]He Y，Qin Y，Wang S，et al. Electricity consumptionprobabilitydensityforecastingmethodbased onLASSO-QuantileRegressionNeuralNetwork[J].Applied Energy，2019，233—234：565—575.

[23］楊續(xù)來，袁帥帥，楊文靜，等．鋰離子動力電池能量密度特性研究進展［J]．機械工程學報，2023，59（6）：239-254.Yang Xulai，Yuan Shuaishuai， Yang Wenjing，et al.Research progress on energy density of li-ion bateries forEVs [J]．Journal of Mechanical Engineering，2023，59（6）：239-254.

[24]中國汽車工程學會．節(jié)能與新能源汽車技術路線圖 2.0[M] ．北京：機械工業(yè)出版社，2020.