CN106156871A - 一种基于全生命周期拥有成本的电动汽车车型选择方法 - Google Patents
一种基于全生命周期拥有成本的电动汽车车型选择方法 Download PDFInfo
- Publication number
- CN106156871A CN106156871A CN201510127661.5A CN201510127661A CN106156871A CN 106156871 A CN106156871 A CN 106156871A CN 201510127661 A CN201510127661 A CN 201510127661A CN 106156871 A CN106156871 A CN 106156871A
- Authority
- CN
- China
- Prior art keywords
- cost
- electric automobile
- life cycle
- price
- battery
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000010206 sensitivity analysis Methods 0.000 claims abstract description 21
- 239000000446 fuel Substances 0.000 claims abstract description 19
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 238000005457 optimization Methods 0.000 claims abstract 2
- 230000009977 dual effect Effects 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 9
- 238000005265 energy consumption Methods 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 15
- 239000003921 oil Substances 0.000 description 40
- 230000035945 sensitivity Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 10
- 230000008901 benefit Effects 0.000 description 7
- 230000002860 competitive effect Effects 0.000 description 5
- 230000007423 decrease Effects 0.000 description 5
- 230000000630 rising effect Effects 0.000 description 5
- 238000010187 selection method Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007728 cost analysis Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Landscapes
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明提出了一种基于电动汽车全生命周期拥有成本的电动汽车车型选择方法。该方法包括以下步骤：建立电动汽车全生命周期拥有成本模型；界定该模型中的参数；定义多种电动汽车应用情景；在这些情景中，对电动汽车全生命周期拥有成本进行分析，并对其参数进行单因素敏感性分析；对电动汽车全生命周期拥有成本模型中的参数进行多因素敏感性分析；在电动汽车全生命周期拥有成本最优化前提下，为待研究城市选择电动汽车应用车型。本发明不仅考虑了传统的影响电动汽车成本的关键因素，而且考虑了电池价格、燃油价格、政府补贴等参数的动态变化，对电动汽车全生命周期拥有成本进行了合理的动态分析，能够为不同城市电动汽车车型提供更为合理的选择。
Description
技术领域
本发明属于电动汽车技术领域，涉及一种电动汽车车型选择方法，尤其是基于成本及电池容量考虑的电动汽车车型选择方法。
背景技术
2012年国务院颁布《节能与新能源汽车发展规划》，将电动汽车作为中国汽车工业发展的战略重点，并计划到2015年电动汽车保有量达到50万辆。大量调查显示，消费者对电动汽车的购置和使用成本非常关注，然而目前过高电动汽车成本已成为制约电动汽车大规模商业化应用的一个瓶颈。影响电动汽车成本的因素主要有车辆购置成本、政府补贴、充电电价、电池价格等，国内外研究者多采用静态成本计算法，构建包含车辆购置成本、驾驶维护成本、能源消耗成本以及回收报废等全生命周期成本模型，未考虑到电池价格、燃油价格、政府补贴等参数的动态变化对电动汽车全生命周期成本的影响。同时不同城市在道路行驶工况、消费者出行特性等方面具有很大差异，在电动汽车成本计算及城市车型选择时这些因素都应该考虑。
电动汽车实际应用条件及相关成本动态变化的影响是分析纯电动汽车市场竞争力的必要条件。而目前国内外还缺乏基于典型城市行驶工况及交通出行特性等交通数据的电动汽车全生命周期拥有成本分析及车型选择方法，以及关于政府补贴、充电价格、日均行驶里程、百公里耗电量、电池寿命、电池价格等关键影响因素对电动汽车全生命周期成本的敏感性研究。
发明内容
本发明的目的在于提供一种从电动汽车全生命周期拥有成本的角度考虑的电动汽车车型选择方法，以更为合理地选择电动汽车的车型。
为了达到上述目的，本发明的解决方案是：
一种基于全生命周期拥有成本的电动汽车车型选择方法，包括以下步骤：
(1)建立电动汽车全生命周期拥有成本模型；
(2)界定所述电动汽车全生命周期拥有成本模型中的参数；
(3)定义多种电动汽车应用情景；
(4)在所述电动汽车应用情景中，分析所述电动汽车的全生命周期拥有成本，并对所述电动汽车全生命周期拥有成本模型中的参数进行单因素敏感性分析；
(5)对所述电动汽车全生命周期拥有成本模型中的参数进行多因素敏感性分析；
(6)在所述电动汽车全生命周期拥有成本最优化的前提下，为待研究城市选择电动汽车应用车型。
所述步骤(1)包括：
(101)定义电动汽车购置成本；
(102)定义电动汽车使用成本；
(103)结合所述电动汽车购置成本和所述电动汽车使用成本构建所述电动汽车全生命周期拥有成本模型。
所述步骤(101)中电动汽车购置成本包括整车售价、政府补贴和购置税；所述步骤(102)中电动汽车使用成本包括车辆能耗成本、维修保养成本和电池更换成本。
所述步骤(2)包括：
(201)选择多种级别的电动汽车车型，并选择对应的同级别燃油车作为对比车型；
(202)选择电动汽车应用城市，即待研究城市，并拟合所述待研究城市道路行驶工况；
(203)调查所述待研究城市中消费者驾车日均出行里程；
(204)结合电动汽车车型参数以及城市道路行驶工况，仿真得到电动汽车百公里耗电量；
(205)预测未来电池价格、油价、燃油车百公里油耗变化；
(206)调查当前动力电池寿命，以及所述待研究城市政府补贴、充电价格。
所述步骤(204)中采用CRUISE软件仿真得到所述电动汽车百公里耗电量。
所述步骤(3)包括定义以下五种电动汽车应用情景：
情景一：基本情景，即电动汽车仅有国家补贴，电池价格和油价在车辆使用周期内保持不变；
情景二：地方补贴情景，即电动汽车同时拥有国家及地方双重补贴，电池价格和油价在车辆使用周期内保持不变；
情景三：电池价格下降情景，即电动汽车同时拥有国家及地方双重补贴，在车辆使用周期内电池价格按预测情况下降，油价保持不变；
情景四：油价上涨情景，即电动汽车同时拥有国家及地方双重补贴，在车辆使用周期内油价按预测情况上涨，电池价格保持不变；
情景五：电池价格下降及油价上涨情景，即电动汽车同时拥有国家及地方双重补贴，在车辆使用周期内油价按预测情况上涨，电池价格按照预测情景下降。
所述步骤(4)中进行所述单因素敏感性分析的参数包括：整车售价、电池容量、电池价格、日均行驶里程、地方政府补贴、充电价格和百公里耗电量；所述步骤(5)中进行所述多因素敏感性分析的参数包括：充电价格、地方政府补贴、百公里耗电量、日均行驶里程、电池价格、电池寿命。
所述步骤(5)包括：
运用蒙特卡洛模型，采用Crytall Ball软件对影响电动汽车全生命拥有成本模型中参数做多因素敏感性分析，由此得出当充电价格、地方政府补贴、百公里耗电量、日均行驶里程、电池价格、电池寿命参数同时变化时对电动汽车拥有成本的敏感性。
所述步骤(6)包括：
(601)根据所述步骤(4)中对电动汽车全生命周期拥有成本的分析和步骤(5)中的多因素敏感性分析，从成本及关键性的影响因素角度出发，为待研究城市选择电动汽车应用车型。
所述步骤(6)还包括：
(602)运用CRUISE软件，结合各城市道路行驶工况建立电动汽车百公里耗电量、整车质量、电池容量之间的关系；
(603)在电动汽车全生命周期拥有成本最小化的条件下，为待研究城市应用的电动汽车选择电池容量。
由于采用上述方案，本发明的有益效果是：本发明基于全生命周期拥有成本的电动汽车车型选择方法不仅考虑了车辆购置成本、政府补贴、充电电价、电池价格等影响电动汽车成本的关键因素，而且考虑了电池价格、燃油价格、政府补贴等参数的变化对电动汽车全生命周期成本的影响，同时考虑了不同城市在道路行驶工况、消费者出行特性等方面的因素，对电动汽车全生命周期拥有成本进行了合理的动态分析，能够为不同城市电动汽车车型选择提供更为合理的方案。
附图说明
图1为本发明实施例的流程图；
图2a为本发明实施例中上海市道路行驶工况曲线图；
图2b为本发明实施例中深圳市道路行驶工况曲线图；
图2c为本发明实施例中合肥市道路行驶工况曲线图；
图3为本发明实施中各城市消费者驾车日均行驶里程频数分布的直方图；
图4为本发明实施中电动汽车百公里耗电量的直方图；
图5为本发明实施例中电池价格预测结果的示意图；
图6为本发明实施例中油价预测的示意图；
图7a为本发明实施例中基本情景下电动汽车全生命周期拥有成本的曲线图之一；
图7b为本发明实施例中基本情景下电动汽车全生命周期拥有成本的曲线图之二；
图7c为本发明实施例中基本情景下电动汽车全生命周期拥有成本的曲线图之三；
图7d为本发明实施例中基本情景下电动汽车全生命周期拥有成本的曲线图之四；
图8a为本发明实施例中地方政府补贴情景下电动汽车全生命周期拥有成本的曲线图之一；
图8b为本发明实施例中地方政府补贴情景下电动汽车全生命周期拥有成本的曲线图之二；
图8c为本发明实施例中地方政府补贴情景下电动汽车全生命周期拥有成本的曲线图之三；
图8d为本发明实施例中地方政府补贴情景下电动汽车全生命周期拥有成本的曲线图之四；
图9a为本发明实施例中电池价格按乐观情景下降时电动汽车全生命周期拥有成本曲线图之一；
图9b为本发明实施例中电池价格按乐观情景下降时电动汽车全生命周期拥有成本曲线图之二；
图9c为本发明实施例中电池价格按乐观情景下降时电动汽车全生命周期拥有成本曲线图之三；
图9d为本发明实施例中电池价格按乐观情景下降时电动汽车全生命周期拥有成本曲线图之四；
图9e为本发明实施例中电池价格按保守情景下降时电动汽车全生命周期拥有成本曲线图之一；
图9f为本发明实施例中电池价格按保守情景下降时电动汽车全生命周期拥有成本曲线图之二；
图9g为本发明实施例中电池价格按保守情景下降时电动汽车全生命周期拥有成本曲线图之三；
图9h为本发明实施例中电池价格按保守情景下降时电动汽车全生命周期拥有成本曲线图之四；
图10a为本发明实施例中油价按乐观情景上涨时电动汽车全生命周期拥有成本的曲线图之一；
图10b为本发明实施例中油价按乐观情景上涨时电动汽车全生命周期拥有成本的曲线图之二；
图10c为本发明实施例中油价按乐观情景上涨时电动汽车全生命周期拥有成本的曲线图之三；
图10d为本发明实施例中油价按乐观情景上涨时电动汽车全生命周期拥有成本的曲线图之四；
图10e为本发明实施例中油价按保守情景上涨时电动汽车全生命周期拥有成本的曲线图之一；
图10f为本发明实施例中油价按保守情景上涨时电动汽车全生命周期拥有成本的曲线图之二；
图10g为本发明实施例中油价按保守情景上涨时电动汽车全生命周期拥有成本的曲线图之三；
图10h为本发明实施例中油价按保守情景上涨时电动汽车全生命周期拥有成本的曲线图之四；
图11a为本发明实施例中电池价格按乐观情景下降且油价按乐观情景上涨时电动汽车全生命周期拥有成本的曲线图之一；
图11b为本发明实施例中电池价格按乐观情景下降且油价按乐观情景上涨时电动汽车全生命周期拥有成本的曲线图之二；
图11c为本发明实施例中电池价格按乐观情景下降且油价按乐观情景上涨时电动汽车全生命周期拥有成本的曲线图之三；
图11d为本发明实施例中电池价格按乐观情景下降且油价按乐观情景上涨时电动汽车全生命周期拥有成本的曲线图之四；
图11e为本发明实施例中电池价格按保守情景下降且油价按保守情景上涨时电动汽车全生命周期拥有成本的曲线图之一；
图11f为本发明实施例中电池价格按保守情景下降且油价按保守情景上涨时电动汽车全生命周期拥有成本的曲线图之二；
图11g为本发明实施例中电池价格按保守情景下降且油价按保守情景上涨时电动汽车全生命周期拥有成本的曲线图之三；
图11h为本发明实施例中电池价格按保守情景下降且油价按保守情景上涨时电动汽车全生命周期拥有成本的曲线图之四；
图12a为本发明实施例中荣威E50的全生命周期拥有成本蒙特卡洛型预测结果曲线图；
图12b为本发明实施例中荣威E50的全生命周期拥有成本参数敏感性曲线图；
图12c为本发明实施例中江淮iev4的全生命周期拥有成本蒙特卡洛型预测结果曲线图；
图12d为本发明实施例中江淮iev4的全生命周期拥有成本参数敏感性曲线图；
图12e为本发明实施例中众泰5008EV的全生命周期拥有成本蒙特卡洛型预测结果曲线图；
图12f为本发明实施例中众泰5008EV的全生命周期拥有成本参数敏感性曲线图；
图12g为本发明实施例中比亚迪E6的全生命周期拥有成本蒙特卡洛型预测结果曲线图；
图12h为本发明实施例中比亚迪E6的全生命周期拥有成本参数敏感性曲线图。
具体实施方式
以下结合附图所示实施例对本发明作进一步的说明。
本发明基于全生命周期拥有成本的电动汽车车型选择方法包括：
第一步：建立电动汽车全生命周期拥有成本模型；
第二步：界定该电动汽车全生命周期拥有成本模型中的参数；
第三步：定义多种电动汽车应用情景；
第四步：在不同电动汽车应用情景中，进行电动汽车全生命周期拥有成本分析并对电动汽车全生命周期拥有成本模型中的整车售价、电池容量、电池价格、日均行驶里程、地方政府补贴、充电价格和百公里耗电量等参数进行单因素敏感性分析；
第五步：基于蒙特卡洛模型对充电价格、地方政府补贴、百公里耗电量、日均行驶里程、电池价格、电池寿命等参数进行多因素敏感性分析；
第六步：以电动汽车全生命周期拥有成本最优化(即电动汽车全生命周期拥有成本最低)为前提，为待研究城市选择电动汽车应用车型及为这些待研究城市选择应用的电动汽车电池容量。
图1为该方法的流程图。
本实施例的第一步中，按照如下方法建立电动汽车全生命周期拥有成本模型：
电动汽车全生命周期拥有成本主要包括购置成本和使用成本，如下式：
C＝Cpu+Cuse (1)
其中，C为拥有成本；Cpu为购置成本；Cuse为使用成本。
1)关于电动汽车购置成本，
本实施中，该电动汽车购置成本包括整车售价、政府补贴，购置税，如下式：
Cpu＝Cvp+Ctax-Csu (2)
式中，Cvp为整车售价，Ctax为购置税(自2014年9月1日起电动汽车免征购置税)，Csu为政府补贴。
2)关于电动汽车使用成本
本实施例中，该电动汽车使用成本包括车辆能耗成本、维修保养成本、电池更换成本，如下式：
Cuse＝Cen+Cma+Cbr (3)
式中，Cen为车辆能耗成本，Cma为维修保养费用，Cbr为电池更换成本。
根据调查，维修保养费用电动汽车约为6.16元·(100km)-1，一般燃油车为14元·(100km)-1。
式(3)中，车辆能耗成本为：
Cen＝360·Dddd·Eec·Ccp/100 (4)
其中，Dddd为日均行驶里程，假设一年行驶360天，Eec为百公里耗电量，Ccp为充电价格。
式(3)中，电池更换成本为：
其中，Bbc为电池容量，Cbp电池价格，为名义寿命周期，本实施例定义为15年，LN为电池使用年限；
式(5)中，电池使用年限为：
其中，Tct为电池寿命。
综上，结合购置成本和使用成本构建电动汽车全生命周期拥有成本模型，如下式：
C＝Cvp-Csu+(Cyma+Eec·Ccp)·Dddd·360/100·15+Cbr (7)
其中，Cyma为车辆年检保养费用；
从模型中总结影响电动汽车成本的关键因素，主要包括整车售价、政府补贴、日均行驶里程、百公里耗电量、充电价格、电池寿命、电池容量以及电池价格等。
在本实施例的第二步中，按照如下方法界定模型中的参数：
1)车型选择：本实施例选择了4款电动汽车，如表1所示，并选择与之相同级别的燃油车作为对比车型；
表1电动汽车及其对比车型参数
2)行驶工况选择：本实施例选择了上海、深圳、合肥三个电动汽车示范应用城市，并通过道路实验和ADVISOR软件中工况拟合功能拟合了三个城市的道路行驶工况，如图2所示。
3)日均行驶里程：本实施例调研了上海、深圳、合肥三个城市消费者驾车日均行驶里程，如图3所示，从而确定上海、深圳、合肥消费者驾车日均行驶里程分别为40km，35km，25km。
4)电动汽车百公里耗电量：结合车型参数及城市道路行驶工况，采用CRUISE软件，得到4款电动汽车百公里耗电量，如图4所示。
5)电池价格、燃油价格以及车辆油耗变化预测：
本实施例结合element energy和罗兰贝格对电池材料的预测报告，采用自底向上的方法，预测乐观、基本和保守三种情景下未来锂离子电池价格变化，如图5所示。
基于1998年6月1日到2013年12月26日的成品油零售价格，采用时间序列方法，运用ARIMA(1,1,1)(0,0,0)模型，预测乐观、基本、保守三种情景下未来油价变化，如图6所示。
根据《节能与新能源汽车产业发展规划(2012-2020年)》规定的2015年及2020年乘用车平均燃料消耗量，同时考虑到车企的技术水平，预测2013年-2015年百公里油耗年降幅为3％，2015年-2020年降幅为5％，2020年-2030年年降幅为1％，燃油车油耗变化如表2所示。
表2燃油车百公里油耗变化
| 年份 | 单位 | 奔奔LOVE | 和悦A13 | 众泰5008 | 比亚迪G6 |
| 2013 | L | 6.10 | 5.90 | 6.90 | 8.30 |
| 2014 | L | 6.10 | 5.90 | 6.90 | 8.05 |
| 2015 | L | 6.10 | 5.90 | 6.90 | 7.81 |
| 2016 | L | 5.80 | 5.61 | 6.56 | 7.42 |
| 2017 | L | 5.51 | 5.32 | 6.23 | 7.05 |
| 2018 | L | 5.23 | 5.06 | 5.92 | 6.70 |
| 2019 | L | 4.97 | 4.81 | 5.62 | 6.36 |
| 2020 | L | 4.72 | 4.57 | 5.34 | 6.04 |
| 2021 | L | 4.67 | 4.52 | 5.29 | 5.98 |
| 2022 | L | 4.63 | 4.47 | 5.23 | 5.92 |
| 2023 | L | 4.58 | 4.43 | 5.18 | 5.86 |
| 2024 | L | 4.53 | 4.39 | 5.13 | 5.80 |
| 2025 | L | 4.49 | 4.34 | 5.08 | 5.75 |
| 2026 | L | 4.44 | 4.30 | 5.03 | 5.69 |
| 2027 | L | 4.40 | 4.26 | 4.98 | 5.63 |
| 2028 | L | 4.36 | 4.21 | 4.93 | 5.58 |
| 2029 | L | 4.31 | 4.17 | 4.88 | 5.52 |
| 2030 | L | 4.27 | 4.13 | 4.83 | 5.47 |
6)电池寿命：结合杭州、合肥、深圳、北京等实地调研，得出目前动力电池寿命在600～1200次，本实施例假定电池寿命为800次；
7)政府补贴：2014年中央政府针对购买私人电动汽车的补贴标准为：若80≤Ddr＜150，每辆车补贴3.325万元；若150≤Ddr＜250，每辆车补贴4.75万元；若Ddr≥250，每辆车补贴5.7万元。其中Ddr为纯电续驶里程。荣威E50、江淮iev4、众泰5008EV、比亚迪E6扣除中央补贴后价格分别为：201650元、122300元、160500元、312800元。上海、合肥地方补贴标准分别为4万元/辆、1万元/辆，深圳市地方补贴标准与中央政府一致。
8)充电价格：上海、深圳、合肥充电价格分别为0.617元·(kWh)-1，0.68元·(kWh)-1，0.5953元·(kWh)-1，假设电动汽车充电效率为85％。
本实施例的第三步中，按照如下方法定义电动汽车应用情景：
1)基本情景中，电动汽车仅有国家补贴，电池价格为4073元·(kWh)-1，油价为7.855元·L-1。
2)地方补贴情景中，电动汽车同时拥有国家及地方双重补贴，电池价格为4073元·(kWh)-1，油价为7.855元·L-1。
3)电池价格下降情景中，电动汽车同时拥有国家及地方双重补贴，在车辆使用周期内电池价格按预测情况下降，油价未7.855元·L-1。
4)油价上涨情景中，电动汽车同时拥有国家及地方双重补贴，在车辆使用周期内油价按预测情况上涨，电池价格为4073元·(kWh)-1。
5)电池价格下降及油价上涨情景中，电动汽车同时拥有国家及地方双重补贴，在车辆使用周期内油价按预测情况上涨，电池价格按照预测情景下降。
本实施例的第四步中，按照如下方法分析电动汽车全生命周期拥有成本，并对电动汽车全生命周期成本模型中的参数进行单因素敏感性分析：
1)基本情景中，电动汽车由于购置成本过高，在15年名义寿命周期内无法体现经济效益，如图7a-图7d所示(其中横坐标表示年份)。在此基础上，对拥有成本模型中的参数进行单因素敏感性分析，结果如表3所示。随着车型电池容量的增加，电池价格的敏感性越来越强。随着城市由小到大，百公里耗电量、日均行驶里程的敏感性越来越强，电池价格敏感性越来越小。
表3基本情景各变量单因素变化敏感性系数
表3中，**表示该电动汽车在15年使用周期内不需要更换电池，所以没有电池价格和电池容量的敏感性分析。
2)地方补贴情景中，国家和地方双重补贴后，由于电池更换成本较高，导致电动汽车仍然没有市场竞争力，如图8a-图8d所示(其中横坐标表示年份)。在此情景下，对拥有成本模型中的参数进行单因素敏感性分析，结果如表4所示。拥有成本的敏感因素的大小依次是整车售价、电池容量和电池价格、日均行驶里程、充电价格和百公里耗电量。对于32kWh以下的车型，随着城市由小到大，充电价格、百公里耗电量和日均行驶里程的敏感性越来越强。
表4地方补贴情景各变量单因素变化敏感性系数
3)电池价格下降情景中，仅江淮iev4在深圳使用可以体现竞争优势，购置成本超过15万元的车型没有市场竞争力，如图9a-图9h所示(其中横坐标表示年份)。在此情景中，对拥有成本模型中的参数进行单因素敏感性分析，结果如表5所示。拥有成本影响因素的敏感性大小依次是整车售价、电池容量、日均行驶里程、地方政府补贴、充电价格和百公里耗电量。
表5电池价格下降情景各变量单因素变化敏感性系数
4)油价上涨情景中，江淮iev4在深圳使用第11-15年可以体现经济效益，购置成本超过15万元的车型没有竞争力，如图10a-图10h所示(其中横坐标表示年份)。在此情景中，对拥有成本模型中的参数进行单因素敏感性分析，结果如表6所示。对拥有成本影响最大的因素是整车售价，其次是电池容量和电池价格、日均行驶里程、地方政府补贴、充电价格和百公里耗电量。日均行驶里程、充电价格、百公里耗电量随着城市由小到大，敏感性呈正相关变化。
表6油价上涨情景各变量单因素变化敏感性系数
5)电池价格下降及油价上涨情景中，电动汽车仅在双重补贴条件下才可能有市场竞争力，如图11a-图11h所示(其中横坐标表示年份)。乐观情景下，江淮iev4和众泰5008EV获得双重补贴后在三个城市都能体现经济效益；保守情景下，江淮iev4和众泰5008EV仅在深圳使用可体现经济效益。购置成本超过20万元的车型不能体现经济效益，荣威E50和比亚迪E6由于电池更换成本和购置成本高，仍然没有市场竞争力。
本实施例的第五步中，按照如下方法基于蒙特卡洛模型对电动汽车全生命周期拥有成本模型中的参数进行多因素敏感性分析。该基于蒙特卡洛模型的参数多因素敏感性分析具体步骤如下：
本实施例运用了Crystal Ball软件的蒙特卡洛模型分析充电价格、地方政府补贴、百公里耗电量、日均行驶里程、电池价格、电池寿命同时变化时对拥有成本的敏感性。
对蒙特卡洛模型中参数概率分布定义，如表7所示。
表7参数概率分布
图12a-图12h为采用蒙特卡洛模型，设定试验次数为30000次的电动汽车全生命周期拥有成本预测结果及参数敏感性。
如图12a-图12h所示，拥有成本对地方政府补贴最敏感，最高达到64％，其次是百公里耗电量、日均行驶里程、充电价格、电池价格、电池寿命。
本实施例的第六步中，按照如下方法对不同城市电动汽车车型进行选择，具体步骤如下：
据第四步中对电动汽车全生命周期拥有成本的分析和第五步中的多因素敏感性分析，从成本及关键性的影响因素角度出发，为待研究城市选择电动汽车应用车型。在本实施例中，其具体过程为：
从前述第四步可以看出，在基本情景和地方政府补贴情景中，4种纯电动汽车在上海、深圳、合肥使用不能体现竞争力；电池价格下降情景与油价上涨情景中，仅江淮iev4在深圳使用可以体现经济效益；电池价格下降及油价上涨情景中，当电池价格和油价同时处于乐观情景下，上海、深圳、合肥三个城市可以选择江淮iev4和众泰5008EV两种车型。购置成本超过20万元的电动汽车车型不建议购买。电动汽车拥有成本对地方政府补贴和百公里耗电量最敏感，同时这两个因素也是消费者购车时非常关注的因素，整车厂在研发或制造电动汽车车型时，应根据消费者日常出行特性，尽量减少电动汽车百公里耗电量，争取获得更高的地方政府补贴。
其次，运用CRUISE软件，结合各城市道路行驶工况建立电动汽车百公里耗电量、整车质量、电池容量之间的关系；而后在电动汽车全生命周期拥有成本最小化的条件下，为待研究城市应用的电动汽车选择电池容量。在本实施例中，其具体过程为：
运用CRUISE软件仿真，回归得到上海、深圳、合肥3种城市工况下荣威E50、江淮iev4、众泰5008EV、比亚迪E6四种车型的百公里能耗与电池质量之间的线性关系，并取同一城市四种车型线性关系的系数平均值作为该城市百公里耗电量与电池质量之间的线性关系，由此得到关系式如下：
上海工况：Eec＝0.0139Q+6.59 (8)
深圳工况：Eec＝0.005175Q+7.68 (9)
合肥工况：Eec＝0.0055Q+7.85 (10)
式中，Q为电池质量。
目前电池包能量密度大约为0.11kWh/kg，即电池容量与电池质量之间的关系式为：
Bbc＝0.11Q (11)
根据式(6)，(8)-(11)计算得到上海、深圳、合肥消费者需要更换电池的临界电池容量分别为27kWh，20.5kWh，14.5kWh。
考虑到各城市消费者日均出行距离会有差异，建议以上海、深圳、合肥为代表的特大型、大中型、中小型城市分别选择电池容量为30kWh、25kWh、20kWh的电动汽车。
综上所述，本发明基于全生命周期拥有成本的电动汽车车型选择方法不仅考虑了车辆购置成本、政府补贴、充电电价、电池价格等影响电动汽车成本的关键因素，而且考虑了电池价格、燃油价格、政府补贴等参数的变化对电动汽车全生命周期成本的影响，同时考虑了不同城市在道路行驶工况、消费者出行特性等方面的因素，对电动汽车全生命周期拥有成本进行了合理的动态分析，能够为不同城市电动汽车车型选择提供更为合理的方案。
上述的对实施例的描述是为便于该技术领域的普通技术人员能理解和应用本发明。熟悉本领域技术的人员显然可以容易地对这些实施例做出各种修改，并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此，本发明不限于这里的实施例，本领域技术人员根据本发明的揭示，不脱离本发明范畴所做出的改进和修改都应该在本发明的保护范围之内。
Claims (10)
1.一种基于全生命周期拥有成本的电动汽车车型选择方法，其特征在于：包括以下步骤：
(1)建立电动汽车全生命周期拥有成本模型；
(2)界定所述电动汽车全生命周期拥有成本模型中的参数；
(3)定义多种电动汽车应用情景；
(4)在所述电动汽车应用情景中，分析所述电动汽车的全生命周期拥有成本，并对所述电动汽车全生命周期拥有成本模型中的参数进行单因素敏感性分析；
(5)对所述电动汽车全生命周期拥有成本模型中的参数进行多因素敏感性分析；
(6)在所述电动汽车全生命周期拥有成本最优化的前提下，为待研究城市选择电动汽车应用车型。
2.根据权利要求1所述的基于全生命周期拥有成本的电动汽车车型选择方法，其特征在于：所述步骤(1)包括：
(101)定义电动汽车购置成本；
(102)定义电动汽车使用成本；
(103)结合所述电动汽车购置成本和所述电动汽车使用成本构建所述电动汽车全生命周期拥有成本模型。
3.根据权利要求2所述的基于全生命周期拥有成本的电动汽车车型选择方法，其特征在于：所述步骤(101)中电动汽车购置成本包括整车售价、政府补贴和购置税；所述步骤(102)中电动汽车使用成本包括车辆能耗成本、维修保养成本和电池更换成本。
4.根据权利要求1所述的基于全生命周期拥有成本的电动汽车车型选择方法，其特征在于：所述步骤(2)包括：
(201)选择多种级别的电动汽车车型，并选择对应的同级别燃油车作为对比车型；
(202)选择电动汽车应用城市，即待研究城市，并拟合所述待研究城市道路行驶工况；
(203)调查所述待研究城市中消费者驾车日均出行里程；
(204)结合电动汽车车型参数以及城市道路行驶工况，仿真得到电动汽车百公里耗电量；
(205)预测未来电池价格、油价、燃油车百公里油耗变化；
(206)调查当前动力电池寿命，以及所述待研究城市政府补贴、充电价格。
5.根据权利要求4所述的基于全生命周期拥有成本的电动汽车车型选择方法，其特征在于：所述步骤(204)中采用CRUISE软件仿真得到所述电动汽车百公里耗电量。
6.根据权利要求1所述的基于全生命周期拥有成本的电动汽车车型选择方法，其特征在于：所述步骤(3)包括定义以下五种电动汽车应用情景：
情景一：基本情景，即电动汽车仅有国家补贴，电池价格和油价在车辆使用周期内保持不变；
情景二：地方补贴情景，即电动汽车同时拥有国家及地方双重补贴，电池价格和油价在车辆使用周期内保持不变；
情景三：电池价格下降情景，即电动汽车同时拥有国家及地方双重补贴，在车辆使用周期内电池价格按预测情况下降，油价保持不变；
情景四：油价上涨情景，即电动汽车同时拥有国家及地方双重补贴，在车辆使用周期内油价按预测情况上涨，电池价格保持不变；
情景五：电池价格下降及油价上涨情景，即电动汽车同时拥有国家及地方双重补贴，在车辆使用周期内油价按预测情况上涨，电池价格按照预测情景下降。
7.根据权利要求1所述的基于全生命周期拥有成本的电动汽车车型选择方法，其特征在于：所述步骤(4)中进行所述单因素敏感性分析的参数包括：整车售价、电池容量、电池价格、日均行驶里程、地方政府补贴、充电价格和百公里耗电量；
所述步骤(5)中进行所述多因素敏感性分析的参数包括：充电价格、地方政府补贴、百公里耗电量、日均行驶里程、电池价格、电池寿命。
8.根据权利要求7所述的基于全生命周期拥有成本的电动汽车车型选择方法，其特征在于：所述步骤(5)包括：
运用蒙特卡洛模型，采用Crytall Ball软件对影响电动汽车全生命拥有成本模型中参数做多因素敏感性分析，由此得出当充电价格、地方政府补贴、百公里耗电量、日均行驶里程、电池价格、电池寿命参数同时变化时对电动汽车拥有成本的敏感性。
9.根据权利要求1所述的基于全生命周期拥有成本的电动汽车车型选择方法，其特征在于：所述步骤(6)包括：
(601)根据所述步骤(4)中对电动汽车全生命周期拥有成本的分析和步骤(5)中的多因素敏感性分析，从成本及关键性的影响因素角度出发，为待研究城市选择电动汽车应用车型。
10.根据权利要求9所述的基于全生命周期拥有成本的电动汽车车型选择方法，其特征在于：所述步骤(6)还包括：
(602)运用CRUISE软件，结合各城市道路行驶工况建立电动汽车百公里耗电量、整车质量、电池容量之间的关系；
(603)在电动汽车全生命周期拥有成本最小化的条件下，为待研究城市应用的电动汽车选择电池容量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510127661.5A CN106156871A (zh) | 2015-03-23 | 2015-03-23 | 一种基于全生命周期拥有成本的电动汽车车型选择方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510127661.5A CN106156871A (zh) | 2015-03-23 | 2015-03-23 | 一种基于全生命周期拥有成本的电动汽车车型选择方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106156871A true CN106156871A (zh) | 2016-11-23 |
Family
ID=58063860
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510127661.5A Pending CN106156871A (zh) | 2015-03-23 | 2015-03-23 | 一种基于全生命周期拥有成本的电动汽车车型选择方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106156871A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109918434A (zh) * | 2019-02-12 | 2019-06-21 | 上海易点时空网络有限公司 | 新能源汽车补贴政策查询系统、方法及存储介质 |
| CN110472751A (zh) * | 2019-07-23 | 2019-11-19 | 上海易点时空网络有限公司 | 处理数据的方法以及装置 |
| CN110827088A (zh) * | 2019-11-07 | 2020-02-21 | 深圳鼎然信息科技有限公司 | 基于大数据的用车成本预测方法、装置及存储介质 |
| CN110838023A (zh) * | 2019-10-16 | 2020-02-25 | 上海易点时空网络有限公司 | 用于购车决策的数据处理方法及装置 |
| CN112613175A (zh) * | 2020-12-23 | 2021-04-06 | 吉林大学 | 一种行星混联式混合动力汽车构型优选方法 |
| CN113032730A (zh) * | 2021-03-11 | 2021-06-25 | 武汉理工大学 | 一种数据驱动的车辆tco智能计算方法 |
| CN113191595A (zh) * | 2021-04-07 | 2021-07-30 | 东风畅行科技股份有限公司 | 车辆运营全生命周期成本关联数据分析方法及系统 |
| CN117150348A (zh) * | 2023-10-30 | 2023-12-01 | 宁德时代新能源科技股份有限公司 | 电池外损数据处理方法、系统、电子设备和存储介质 |
-
2015
- 2015-03-23 CN CN201510127661.5A patent/CN106156871A/zh active Pending
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109918434A (zh) * | 2019-02-12 | 2019-06-21 | 上海易点时空网络有限公司 | 新能源汽车补贴政策查询系统、方法及存储介质 |
| CN110472751A (zh) * | 2019-07-23 | 2019-11-19 | 上海易点时空网络有限公司 | 处理数据的方法以及装置 |
| CN110838023A (zh) * | 2019-10-16 | 2020-02-25 | 上海易点时空网络有限公司 | 用于购车决策的数据处理方法及装置 |
| CN110827088A (zh) * | 2019-11-07 | 2020-02-21 | 深圳鼎然信息科技有限公司 | 基于大数据的用车成本预测方法、装置及存储介质 |
| CN112613175A (zh) * | 2020-12-23 | 2021-04-06 | 吉林大学 | 一种行星混联式混合动力汽车构型优选方法 |
| CN113032730A (zh) * | 2021-03-11 | 2021-06-25 | 武汉理工大学 | 一种数据驱动的车辆tco智能计算方法 |
| CN113032730B (zh) * | 2021-03-11 | 2023-12-05 | 武汉理工大学 | 一种数据驱动的车辆tco智能计算方法 |
| CN113191595A (zh) * | 2021-04-07 | 2021-07-30 | 东风畅行科技股份有限公司 | 车辆运营全生命周期成本关联数据分析方法及系统 |
| CN113191595B (zh) * | 2021-04-07 | 2022-12-23 | 东风畅行科技股份有限公司 | 车辆运营全生命周期成本关联数据分析方法及系统 |
| CN117150348A (zh) * | 2023-10-30 | 2023-12-01 | 宁德时代新能源科技股份有限公司 | 电池外损数据处理方法、系统、电子设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106156871A (zh) | 一种基于全生命周期拥有成本的电动汽车车型选择方法 | |
| Nykvist et al. | Assessing the progress toward lower priced long range battery electric vehicles | |
| Wolfram et al. | Electrifying Australian transport: Hybrid life cycle analysis of a transition to electric light-duty vehicles and renewable electricity | |
| Ajanovic et al. | Economic and environmental prospects for battery electric‐and fuel cell vehicles: a review | |
| Hossain et al. | A comprehensive review on the integration of electric vehicles for sustainable development | |
| Uddin et al. | The viability of vehicle-to-grid operations from a battery technology and policy perspective | |
| Sun et al. | A completive survey study on the feasibility and adaptation of EVs in Beijing, China | |
| Zhao et al. | Data-driven framework for large-scale prediction of charging energy in electric vehicles | |
| Orsi et al. | A multi-dimensional well-to-wheels analysis of passenger vehicles in different regions: Primary energy consumption, CO2 emissions, and economic cost | |
| Green II et al. | The impact of plug-in hybrid electric vehicles on distribution networks: A review and outlook | |
| Dong et al. | Cost, energy, and carbon footprint benefits of second-life electric vehicle battery use | |
| El Hafdaoui et al. | Mathematical modeling of social assessment for alternative fuel vehicles | |
| Haase et al. | Multi-criteria decision analysis for prospective sustainability assessment of alternative technologies and fuels for individual motorized transport | |
| CN103488894A (zh) | 一种电动汽车车载动力电池性能评价方法 | |
| Kim et al. | Cradle-to-gate and use-phase carbon footprint of a commercial plug-in hybrid electric vehicle lithium-ion battery | |
| Pinto et al. | A comprehensive assessment of the techno-socio-economic research growth in electric vehicles using bibliometric analysis | |
| Williams et al. | Analysis of The Combined Vehicle-and Post‐Vehicle-Use Value of Lithium‐Ion Plug-In-Vehicle Propulsion Batteries | |
| Williams | Second life for plug-in vehicle batteries: effect of grid energy storage value on battery lease payments | |
| Bayram et al. | Bidirectional charging hubs in the electric vehicle retail landscape: Opportunities and challenges for the uk case | |
| Li et al. | Electric vehicle sales forecasting model considering green premium: A Chinese market-based perspective | |
| Du et al. | Enhancing green mobility through vehicle-to-grid technology: potential, technological barriers, and policy implications | |
| Gulzar et al. | Revolutionizing mobility: a comprehensive review of electric vehicles charging stations in India | |
| Ernst et al. | The Impact of the Electric Vehicle Transition on US Grid Infrastructure and Energy Policy | |
| Yao et al. | State of Charge Estimation Based on Microscopic Driving Parameters for Electric Vehicle′ s Battery | |
| Abudu et al. | China's electric vehicles adoption: implications for sustainable electricity, transportation, and net-zero emissions |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161123 |
|
| RJ01 | Rejection of invention patent application after publication |