电动汽车充电过程的排放计算①

陈 玥

(同济大学中德学院,上海 200092)

0 引 言

气候变化和能源短缺的形势日益严峻，因此自巴黎协定签约以来，不同国家都制定了相应的能源转型战略，其中涉及的两个重要领域就是发电和交通。数据显示，直至2016年交通仍是德国乃至全世界的第二大二氧化碳排放源，分别占18.3%和25.5%[1]。电动汽车作为当今汽车产业实现技术转型的主导科技目标，同时涉及了发电与交通部门，对节能减排同样意义重大。目前研究显示，充电用电组合极大地影响了电动汽车在环境方面的评价[2]，原因在于现实状况下电网中电能并不都来源于清洁能源，而不同的电力来源造成的环境影响可能天差地别。对于电动汽车而言，交通部门和电力部门的耦合允许其更多利用可再生能源电力，从而能够增加可再生能源在电力供应和交通领域中的份额。因此基于电动汽车负载的灵活性，在充电方面的优化很大程度上可以释放电动汽车的减排潜力，控制性充电、智能充电的研究正式基于此背景。与此同时了解与电动汽车充电相关的当前和未来的排放情况是制定有效的电气化战略的关键组成部分[3]。

1 电动汽车控制性充电策略与排放系数

传统上，发电在任何时候都是与电力需求相匹配的。然而，越来越多的可再生能源的整合已经改变了这种情况，为应对新能源带来的巨大波动性,目前的主要措施是依靠可以灵活调整发电量的传统发电站和电力进出口来解决，但在未来新能源为主的电力系统更加需要储存系统和需求响应措施来增加需求的灵活性。电动汽车的控制性充电就是这样一种需求响应措施。

目前电动汽车控制性充电策略有两种[4]：

(1)单向受控充电。充电过程可以被一个本地系统或中控推迟，以改善基础能源系统的状况。

(2)双向控制的充电。充电过程可以在给定的范围内被控制，集合的电动汽车电池容量不仅可以在电力过剩的时候提供负的平衡电力，更有望在电力需求高而产量相对较低的时期，通过车辆到电网的策略(Vehicle to Grid，V2G)将电力反馈给电网。

电动汽车充电过程通过智能调度与系统要求相协调。电动汽车的充电过程与系统要求协调得越好，使用传统发电厂的必要性就越小，需要缩减或储存的可再生能源电力就越少，这样可再生能源的高利用率目标就更容易达到。这一切的基础就是准确评估电动汽车尤其纯电动汽车充电过程中排放，需要用到电力系统的排放系数。

排放系数(emission factor)可以量化系统的减排潜力，它是试图将释放到大气中的污染物的数量与该污染物的释放相关的活动联系起来的代表性数值。例如对于温室效应使用的排放系数叫做全球变暖潜力(global warming potential，GWP)，单位是gCO2e/kWh，其使用了二氧化碳当量(CO)来标准化不同温室气体气候影响。

目前研究中,碳排放系数主要分为平均排放系数(Average Emission Factor，AEF)和边际排放系数(Marginal Emission Factor，MEF)。选择合适的排放系数以及相应的计算方式对于评估结果有重大影响。不同排放系数结果呈现的角度有所不同。

平均排放系数(AEF)：整个电力系统中每一平均单位电力所产生的二氧化碳排放量。

边际排放系数(MEF)：MEF描述了电力系统负荷增加或减少一个单位时的二氧化碳排放量变化，量化了由于供应方及需求方干预而没有使用的电力的二氧化碳强度。

2 电动汽车充电时排放计算方法

由式(1),式(2)AEF和MEF的计算公式，可以得到所需的基本数据类型。

(1)

(2)

E表示二氧化碳排放量，以重量计量，单位有g，kg等。G表示发电量或系统负荷，以能量计量，单位一般是MWh。ΔE和ΔG分别表示二氧化碳和发电量的变化量，通常的时间分辨率为小时。

因此计算时首先需要的数据是排放数据和发电数据。其次计算MEF还需要系统负荷，考虑到欧洲的电力交易，为进一步精确的计算，还需要电力流动的数据。以上涉及的数据都可以在ENTSO-E数据平台获得，该数据平台提供欧洲国家2009 年至今的电力数据。

此外还需要排放数据。ENTSO-E只提供不同类型电厂的发电量数据，所产生的二氧化碳需要用排放系数计算。由于发电量和负荷数据是净数据，所以排放数据也必须是基于净发电量。各类电厂的排放系数取自联邦环境局的出版物，同时考虑联邦环境局公布的总利用率。

为了将电力的进出口纳入考虑，需要汇总每个小时的进出口情况。进口的数据按照国家分别列出，出口的数据仅需汇总总值。以德国为例，结合进出口的AEF得到公式(3)：

AEFDE-ie=

(3)

式(3)中LED=GDE-Gexport,DE+∑(Gimport,x，x代表进口国。

首先计算出进口国家的AEF，从而获得进口电力的CO2排放，再减去出口电力的CO2量，得到所用负荷匹配的准确CO2排放量，最后除以负荷得到一个国家考虑进出口因素的AEF。

MEF考虑进出口的计算方法有两种

第一种与AEF相似，可以得到公式(4):

MEFDE-ie=

(4)

式(4)中LED=GDE-Gexport,DE∑(Gimport,x，x代表进口国。

第二种是将进口国的电力视为被计算国家的电力进行计算。最终通过回归得到考虑了进出口电力的MEF。

电动汽车充电时的排放可以用式(5)计算:

(5)

式(5)中t为充电的总时长，i将充电时间分割为小的时间间隔；EFi指相应时间段的排放系数，g/kWh；Wi指响应时间内电动汽车充电的能量，kWh；Pi指相应时间段电动汽车的充电功率，kW；η是电能转换效率。

从发电厂到电池的电能转换是通过传输和充电器到电池。因此有式(6):

η=η1·η2·η3

(6)

η1，η2，η3分别为传输效率、充电器充电转换效率和电池存储效率。其中传输效率为94%，锂电池充放电效率为98%，快充用直流充电效率为96%，慢充用交流充电器效率为93%[5][6][7]，可得慢充和快充的电能转换效率分别为：0.85,0.88。

电动汽车往往在充电前期很快达到峰值功率，并在维持一段时间后功率逐渐减小。因为计算的排放系数时间分辨率为1h，所以充电排放也以小时为单位。为简化运算，假设充电速度恒定。经调查市场上新电动汽车车型数据后，以电池能量80kWh，快速充电时长为1h，慢速充电时长为10h的电动汽车为例，数据代入公式(5)，得到不同充电模式的排放值。可得，无论快充还是慢充模式，电动汽车充电的排放值大小仅取决于相应时间点的排放系数，换言之，排放值高低与充电时间的选择关系密切。

3 电动汽车充电时排放结果分析

以德国为例在此对比使用不同的排放系数—AEF和MEF计算的电动汽车排放量。

图1中蓝色代表快充模式的排放，橘色代表慢充模式的排放。可以明显看出，使用MEF计算的结果对于时间变化更加敏感。而理论上使用AEF计算充电时的二氧化碳排放量表明了在电动汽车真实在一天中不同时间充电排放的二氧化碳，因此一天中不同时间充电的变化呈现很强的规律性，这是因为作为一个总结性的指标，AEF相比MEF在时间上更加稳定。使用MEF则代表某时刻因为电动汽车开始充电这一干涉而造成的二氧化碳排放，更适应于控制性充电减排的目标。因此使用MEF更适合评估电动汽车充电时的排放，后文结果即使用考虑了进出口电力的MEF。

图1 在德国一辆电动汽车(80kWh)在一天中某一时刻开始充电时的二氧化碳排放量(左图使用AEF计算，右图使用MEF计算)

如图2是使用2020整年数据的四个国家的分析汇总，可以直观地看出在不同地点不同时间充电对于二氧化碳排放量的影响。电动汽车参数不变，仅改变充电地点，四个国家的排放结果差别极大，整体排放结果大小与表2中排放系数大小吻合。相比德国外，其余国家一天内不同时间的充电排放波动都不会很大，基本最大相差在上下5kg范围内，但是德国的变化范围就达到了40kg。每个国家都是快速充电的排放量波动大于慢速充电排放量的波动。时间上可以看出，每个国家一天中大部分时间使用快充排放小于使用慢充。虽然每个国家一天中排放低谷时间不完全相同，但整体而言白天时段的排放小于夜晚。

图2 电动汽车(80kWh)在一天中某一小时开始充电时的二氧化碳排放量—不同国家对比

表1 四个国家结合进出口电力后的排放系数汇总

4 总 结

根据ENTSO-E平台提供的2020年历史数据，不同于大多数局限于单个国家的研究，在德国、瑞士、捷克和荷兰四个国家的数据规模上进行了分析，验证了AEF和MEF的特性，在两个指标中MEF更加适合评估电动汽车充电排放的情况，同时考虑了进出口电力贸易的影响。在比较了电动汽车快速充电和普通充电两种充电模式之间的排放差异后得到对于普通充电模式(慢充)，不同时间开始充电的排放量差异不会很大，而快充模式虽然波动更剧烈但大多情况下都可以获得比慢充更低的排放值，在特定的时间甚至排放量可以相对极低，因此采用快充具有更高的减排潜力。但使用快充模式同时要求极高精确的排放估计，否则如德国的情况某些时间反而会产生极高的排放。不同国家的排放系数变化模式在时间上的规律大多是相似的，这对于控制性充电的应用是有利的，通过需求侧的控制可以最优化利用现有的电力条件，但如果可以配合充电的最佳时机预测，可以达到更好的减排效果。不过追根究底电动汽车减排的根本战略还是改良电力结构和优化电力调节机制，因此电力系统的改革同样重要。