匹配不同动力电池的纯电动汽车全生命周期节能减碳评价研究

为评估匹配不同动力电池的纯电动汽车 （Battery Electric Vehicle,BEV） 全生命周期环境影响,以某款已上市纯电动汽车为研究对象,分别匹配 4款常用动力电池,基于 GaBi软件搭建生命周期评价模型,对其进行 2021年与 2030年全生命周期能源消耗与环境排放研究,并选取关键参数因子进行敏感性分析。研究表明,匹配钛酸锂电池的纯电动汽车化石能源消耗（ADP（f））与全球变暖潜值 （Global Warming Potential,GWP） 均为最高;纯电动汽车在运行使用阶段与生产制造阶段具有较高的能耗与排放;到2030年,纯电动汽车全生命周期ADP（f）与GWP将显著降低,同时随着电力结构的优化与动力电池充电效率的提升,匹配不同动力电池的整车ADP（f）与GWP也将随之降低。     

从能源系统角度分析燃料电池车的性能

燃料电池汽车(FCV)有望成为日本未来氢社会的关键参与者。由于氢燃料的来源不同,FCV 的实际价值具有不确定性。采用库存分析法研究了FCV 从油井到车轮的性能,比较了混合动力汽车(HEV)和电动汽车(BEV)的性能。     

不同动力总成的电动汽车能耗温室气体排放评估——以陕西省为例

为实现2030年碳达峰和2060年碳中和的目标,道路运输部门正在积极推广车辆电气化。文章针对陕西省2020年的电力结构场景,对纯电动汽车（BEV）、插电式混合动力汽车（PHEV）、增程式电动汽车（EREV）、混合动力汽车（HEV）和燃油汽车（ICEV）这五种车辆的温室气体排放和能耗进行了评估分析。研究结果显示,相对于ICEV、BEV、PHEV、EREV、HEV,在车辆生命周期内的减排比例分别为34.7%、27.3%、10.8%和27.6%。同时,它们的能耗也相应降低了33.8%、17.1%、7.45%和29.7%。随着车辆电气化程度的增加,主要的排放转移至电力产生环节。进一步对未来年份的场景进行分析表明,BEV的渗透率增加以及电网中可再生能源比例的提高将有助于实现陕西省在2030年达到碳达峰,并最终在2060年实现碳中和的目标。研究结果表明,在陕西省推广车辆电气化是实现碳减排目标的有效途径。通过减少温室气体排放和能耗,陕西省能够为应对气候变化和实现可持续发展做出积极贡献。     

新能源汽车市场动态与技术发展趋势

受大气污染、温室效应等环境问题的影响,世界各国对汽车提出的节能减排要求愈发紧迫。在此背景下,日本各汽车制造商正在竞相研制混合动力汽车(HEV)、纯电动汽车(BEV)及燃料电池汽车(FCV)等新能源车型,并大力开展推广工作。介绍了2018年在日本国内市场上销售的各类HEV、BEV 及其技术参数,阐述了其在日本国内的普及情况。总结了由日本政府部门颁布的法规、政策及采取的相关举措,并对各大汽车制造商的FCV 开发进程进行了归纳。     

奥迪e-tron应急救援指南

正奥迪节能与新能源汽车(e-tron)分为轻度混合动力汽车(MHEV)、全混合动力汽车(HEV)、插电式混合动力汽车(PHEV)和纯电动汽车(BEV),这些车型在主要能源、电压、牵引电机类型和电动行驶里程等方面各不相同。奥迪纯电动汽车如图1所示。奥迪Q5L、Q8、A4L、A5、A6L、A7、A 8 L轻度混合动力汽车(M H E V)的电压为1 2～4 8 V,电机额定功率为10～15k W。奥迪Q5 hybrid、A6 hybrid、     

纯电动汽车与传统汽车轻量化全生命周期多目标优化研究

汽车轻量化虽然能够有效降低使用阶段的能耗和排放,但如果把涵盖材料获取、材料加工、零部件加工制造、整车装配、使用和回收利用的全生命周期都考虑进去,轻量化并不一定节能减排,成本也可能增加。以往评价汽车产品的轻量化效果主要关注汽车的运行使用阶段,而未能从整个汽车生命周期的各个阶段予以综合考虑,也未进行汽车轻量化全生命周期多目标优化研究。针对此问题,本文中提出在轻量化设计阶段协同考虑轻量化后的全生命周期能耗、环境排放和成本变化,并进行轻量化全生命周期多目标优化研究,达到在轻量化的同时汽车全生命周期的能耗、环境排放减少和成本不增加的目标。选取某公司生产的传统汽油车和在此平台上开发的纯电动汽车作为实证研究对象,基于静态生命周期评价模型,选择钢质量减少比例、铝质量增加比例和镁质量增加比例作为设计变量,全生命周期能耗、温室效应(GWP)和生产成本作为3个目标。通过多目标优化,当纯电动汽车和传统汽油车钢质量分别减少6.44%和6.41%、铝质量均增加1%、镁质量分别增加0.44%和0.41%时,全生命周期能耗分别减少3.20%和3.21%,GWP分别减少2.84%和2.88%,生产成本不增加。     

面向碳中和的新能源汽车全生命周期评价研究综述及趋势展望

为应对能源安全和全球气候变暖问题,从全生命周期评价理论出发,系统梳理国内外生命周期评价方法研究现状,详细总结国内外纯电动汽车、混合动力汽车和燃料电池汽车全生命周期评价研究进展,归纳我国新能源汽车生命周期评价现存问题,基于现存问题对新能源汽车清单数据精细化、研究对象多元化、评价模型动态化和评价体系标准化等生命周期评价方向进行前瞻性研究,为面向碳中和的汽车生命周期降低碳排放提供对策和建议。     

基于CMLCA的高速公路沥青路面环境影响评价

针对高速公路沥青路面生命周期中存在的高能耗、温室气体排放等环境问题,为确定其主要的环境影响类型及影响阶段,对广东省某高速公路沥青路面开展了生命周期环境影响评价。确定其生命周期范围为建材准备阶段、施工阶段、运行阶段、拆除阶段及垃圾处理阶段,完成了生命周期的LCA建模分析,得到项目数据清单;以ADP、AP、EP、GWP、HTP、POCP为评价类别,应用CMLCA软件进行评价。结果表明:(1)高速公路沥青路面环境影响最大的阶段是运行阶段,贡献率为88.88%,其次是准备阶段,贡献率为8.50%;(2)ADP、AP、EP、GWP、HTP、POCP影响主要集中在运行阶段,贡献率均超过80%;(3)主要的环境影响类型是HTP和ADP,贡献率分别为47.02%、36.05%。     

电与油的博弈——电动汽车

电动汽车的应用状况 想必大家还没有忘记2007年9月的法兰克福车展、10月的东京车展和今年1月底特律车展等,他们都有一个共同点——节能环保的主题。与使用汽油、柴油作为燃料的常规汽车不同。节能环保的新能源汽车可以分为以下四种：代用燃料汽车,混合动力汽车（HEV）,纯电动汽车（以下简称电动汽车BEV）和燃料电池汽车（FCV）。     

纯电动汽车与混合动力汽车全生命周期节能减排对比研究

关于与混合动力电动车相比,纯电动车是否对节能减排贡献力量的争论从未间断。文章运用生命周期评价理论和方法(LCA)构建纯电动汽车与混合动力汽车的节能减排差异评价模型。基于模型选取某款典型的同级别纯电动汽车与混合动力汽车作为实证研究对象,获取二者的主要参数(包括发动机、电池、电机、电控等)。最后应用VS和MATLAB混合编程计算得出二者全生命周期各种不同类型的能耗和排放差异结果。研究结果表明混合动力汽车比纯电动汽车更节能环保。这主要由于纯电动汽车总成制造阶段的高工作强度导致了能耗的增加,并且,纯电动汽车中电池这一核心部件的制造技术不如内燃机成熟,从而导致了更高的能耗和排放量。     

中国乘用车轻量化水平发展趋势研究

采集了2010～2020年中国市场销售的约1.5万个燃油乘用车和电动乘用车样本,采用整车轻量化系数作为乘用车轻量化水平评价指标,对其不同类型、级别和车系的整车轻量化水平变化趋势和现状进行了研究。结果表明,近10年各类燃油乘用车的整车轻量化系数持续下降,降幅约30%,行业整体轻量化水平不断提高,但提高的幅度趋缓。自主品牌燃油乘用车的整车轻量化水平与其他车系仍有一定的差距。电动乘用车的整车轻量化系数呈下降趋势,轻量化水平不断提高,但其与燃油乘用车的轻量化特征存在较大差异。     

Energy Consumption Analysis of Different Bev Powertrain Topologies by Design Optimization

Flexible layout of electric motors in battery electric vehicles (BEVs) has enabled different powertrain topologies to be used. However, these different powertrain topologies also affect the overall efficiency of energy conversion from the electrochemical form stored in the battery to the mechanical form on the driving wheels for vehicle propulsion. In this study, a methodology combining an energy-based BEV simulation model with the genetic algorithm optimization approach is applied to evaluate the energy efficiency of three different BEV powertrain topologies. The analysis is carried out assuming two different urban driving conditions, as exemplified by the New European Drive Cycle (NEDC) and the Japanese JC08 drive cycle. Each of the three BEV powertrain topologies is then optimized – in terms of its electric motor size and, where applicable, gear reduction ratio – for minimum energy consumption. The results show that among the three powertrain topologies, the wheel-hub drive without gear reducers consumes the least energy. The energy consumption of BEVs under the more aggressive JC08 drive cycle is consistently 8 % above that under NEDC for all three powertrain topologies considered.     

Development of E-rickshaw driving cycle (ERDC) based on micro-trip segments using random selection and K-means clustering techniques

In India, auto rickshaws are the most convenient and cheapest mode of near-to-door transport in both rural and urban areas. Such vehicles powered with internal combustion engines (ICEs) are one of the main sources of pollutants on urban corridors. One way to minimize tail-pipe emissions is to use electric motors in place of ICE. To evaluate the vehicle performance, energy consumption, driving behavior, optimal design and management of such electric vehicles, driving cycle is an important tool. So far, only limited studies exist on the development of a driving cycle for e-rickshaw. Moreover, these studies are concentrated in urban traffic environment and research accounting rural and urban environment together remain unexplored. In this study, real world driving data for 100 trips of e-rickshaw are collected on a road stretch passing through rural and urban setting. A high-end GPS data logger was used to collect vehicle kinematics such as continuous speed profile, acceleration/deceleration, heading, and vehicle position coordinates. Nine different driving characteristics representing actual traffic conditions are identified and used for developing e-rickshaw driving cycle (ERDC). Two approaches, random selection and k-means clustering are explored to arrive at best representative ERDC using micro-trips technique. The analysis results revealed that k-means clustering outperforms the random selection method with additional benefit of accounting traffic conditions systematically. The insights from this study can be used to understand and model the performance of e-rickshaw, in terms of energy consumption and driving characteristics, compared to other fossil-fuel driven automobiles.     

不同动力电池新能源货运配送车辆节能减排绩效评价研究

为研究新能源货运车辆装配不同动力电池对节能减排的影响,选取某款新能源货运配送车辆为研究对象,利用GaBi软件建立了3种常用动力电池的整车生命周期评价模型,从原材料获取、生产制造、装配、运行使用、报废回收5个阶段进行节能减排差异分析,并对全球变暖潜值 （Global Warming Potential,GWP） 等环境影响类型进行归一化处理和量化计算处理。结果表明,分别装配3种电池整车的化石能源消耗以煤炭为主、环境排放以CO2为主;纯电动汽车的能源消耗、污染物排放集中在运行使用阶段;综合比较,装配了三元锂电池的整车,其全生命周期节能减排效果最佳,装配了锰酸锂电池的整车则表现最差。加大清洁能源的使用力度、减少用于电力生产的化石能源消耗、提高回收率等措施,可以显著减少污染物排放。     

智能网联汽车全生命周期节能减排绩效评价研究

为进一步研究不同级别智能网联汽车全生命周期节能减排绩效,基于生命周期评价方法(LCA),以某国产合资紧凑型纯电动乘用车为评价对象,搭建智能网联汽车生命周期评价模型,研究分析其全生命周期的矿产资源消耗、化石能源消耗及环境排放影响;进而基于不同级别智能网联汽车采用智能装备的差异,对L0~L5级别智能网联汽车全生命周期各阶段能源消耗和环境影响进行评估预测与对比分析。研究结果表明：在智能网联汽车全生命周期矿产资源消耗方面,原材料获取阶段占比最高;在化石能源消耗方面,运行使用阶段占比最高;在综合环境影响方面,受中国电力结构影响,运行使用阶段环境影响综合值最大;随着智能化程度的不断提高,智能网联汽车相邻级别间全生命周期化石能源消耗可降低3.5%~6.3%,GWP、AP、EP、POCP环境排放最高可分别降低约13.9%、13.3%、13.7%、11.7%,其中使用阶段环境排放降低程度最为明显;综上,通过进一步加强汽车轻量化研究,拓展新型材料在智能网联汽车领域的应用,合理优化我国电力结构布局,提升车辆自主决策水平,加快云平台与大数据等关键技术在智能网联汽车上的应用等途径,可有效提升智能网联汽车节能减排效果。     

无干扰城市道路交通设计

该文介绍了一种"无干扰城市道路交通设计"。它是一种没有红绿灯的、全过程无干扰的城市道路交通设计方案或方法,它包括无干扰干道网络设计和无干扰区域网络设计。该方案通过采用熊氏无灯交叉通行法的关键技术、单向通行技术、环形道路设计,创新网格区域车流和干道网车流的无干扰交互模式,规避了各种道路交通干扰因素,实现了道路交通全过程无干扰运行模式,避免了道路交通的梗塞效应,从而大幅提高城市道路交通通行能力,彻底避免目前的高峰时段恶性塞车情况,大幅提升汽车通行速度,减少汽车燃料消耗和尾气排放。该设计同时提供了两种方案,能够同时满足新城规划和老城改造的需要。同时,该方案的实施成本非常低廉,是解决当代城市交通难题的绝佳方法。     

基于深度学习的混合动力汽车预测能量管理

为了优化混合动力汽车的能量动态分配过程，提升混合动力汽车的燃油经济性和动力电池荷电状态（SOC）平衡性，提高混合动力汽车能量管理策略的鲁棒性，以等效燃油消耗最小化策略为基础，结合对车辆未来行驶工况的预测研究，分析车辆未来行驶需求能量的变化，制定相应的动态调整策略。基于车联网通信技术，实时采集车辆的运行状态信息和交通信息，作为车辆未来工况预测模型的输入变量。以数据驱动为特征，基于混合深度学习建立工况预测模型。利用STL分解算法对各输入变量进行周期性、趋势性等特征分解，并对各输入变量的特征分量，使用混合深度学习网络从数据局部特征及时间维度依赖特征来深度挖掘目标车辆车速与外部信息及历史数据的关系，进而对车辆未来的行驶工况进行预测。利用预测的工况信息，分析车辆未来行驶需求能量的变化，应用于自适应等效消耗最小化策略等效因子的实时动态调整，从而实现对车辆的优化控制，并通过与传统自适应等效消耗最小化策略进行对比，验证该方法的有效性。研究结果表明：基于混合深度学习的工况预测模型预测精度比BP网络预测模型高44.72%；利用精确的预测工况信息预测能量管理，可以实时动态调整发动机和电机的功率输出，降低油耗并维持电池SOC平衡。     

双碳目标背景下商用车能源与动力系统技术进展

为探明“双碳”目标背景下商用车能源与动力系统技术进展，通过查阅相关文献以及行业调研，系统梳理商用车能源与动力系统技术研究现状，详细总结传统商用车、纯电动商用车、混合动力商用车、氢燃料电池商用车的能源与动力系统技术的发展进程，归纳分析能源与动力系统技术的发展方向，以及商用车行业短期发展趋势。从用车能效、能源互动及全生命周期减碳的视角，为“双碳”目标背景下的商用车能源与动力系统技术发展路径提供建议。