CN115392588A - 一种全生命周期的电动汽车碳排放预测方法以及装置 - Google Patents
一种全生命周期的电动汽车碳排放预测方法以及装置 Download PDFInfo
- Publication number
- CN115392588A CN115392588A CN202211123384.7A CN202211123384A CN115392588A CN 115392588 A CN115392588 A CN 115392588A CN 202211123384 A CN202211123384 A CN 202211123384A CN 115392588 A CN115392588 A CN 115392588A
- Authority
- CN
- China
- Prior art keywords
- carbon emission
- automobile
- raw materials
- calculating
- carbon
- 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
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 222
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 222
- 238000000034 method Methods 0.000 title claims abstract description 69
- 239000002994 raw material Substances 0.000 claims abstract description 138
- 239000011159 matrix material Substances 0.000 claims abstract description 56
- 238000004519 manufacturing process Methods 0.000 claims abstract description 53
- 238000005265 energy consumption Methods 0.000 claims abstract description 45
- 238000003860 storage Methods 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 15
- 239000000446 fuel Substances 0.000 claims description 14
- 238000005065 mining Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 238000009826 distribution Methods 0.000 claims description 7
- 238000004064 recycling Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000010248 power generation Methods 0.000 claims description 4
- 238000011084 recovery Methods 0.000 claims description 2
- 206010011906 Death Diseases 0.000 claims 1
- 239000003245 coal Substances 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 239000000295 fuel oil Substances 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000003502 gasoline Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 239000004411 aluminium Substances 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 229920001577 copolymer Polymers 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010779 crude oil Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000005357 flat glass Substances 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Development Economics (AREA)
- Mathematical Optimization (AREA)
- Educational Administration (AREA)
- Software Systems (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Algebra (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种全生命周期的电动汽车碳排放预测方法、装置、设备以及计算机可读存储介质，包括计算汽车和充电桩所有原材料的最终需求量；根据所有原材料的最终需求量构建直接能源消耗系数矩阵以及每个原材料碳排放强度矩阵；基于直接能源消耗系数矩阵和所述单位矩阵构建所有原材料的完全能源消费系数；根据所有原材料的最终需求量、每个原材料碳排放强度矩阵和所有原材料的完全能源消费系数计算汽车和充电桩原材料的碳排放量。然后分别计算汽车生产周期、使用周期、报废周期以及充电桩使用周期的碳排放量；最后进行求和得到整个电动汽车全生命周期的碳排放量。本发明计算汽车每个阶段的碳排放量，得到更加全面的汽车碳排放量。
Description
技术领域
本发明涉及领域，特别是涉及一种全生命周期的电动汽车碳排放预测方法、装置、设备以及计算机可读存储介质。
背景技术
电能是一种二次能源，电动汽车的碳排放与电能生产过程的碳排放紧密相关，而现阶段我国电力生产燃料仍以化石能源为主，电力生产中的碳排放不容小觑。除此之外，电动汽车电池等动力系统的生产、使用及报废处理的过程都与传统燃油车有较大差异，同时，电动汽车充电设施的建设使用也会造成一定的碳排放和环境影响。因此，电动汽车是否真正有助于减少排放及改善环境还有待验证。
目前，国内外专家学者已经对电动汽车全生命周期碳排放展开了研究，研究现状主要有以下两种观点：观点一认为发展电动汽车可以减少交通部门的环境的影响；观点二认为由于目前电网仍属于高碳阶段，同时电动汽车的动力电池的生产和报废消耗了大量的电能，故而从全生命周期来看，电动汽车的碳排是高于传统燃油汽车的。
现有的关于电动汽车碳排放测算方法，现有关于发展电动汽车减碳效益测算大多数只是考虑汽车运行使用阶段，对运行阶段消耗的燃油与电力造成的碳排放进行测算，无法计算生产汽车和充电桩原材料的碳排放。
综上所述可以看出，如何计算电动汽车和充电桩生产原材料的碳排放量目前有待解决的问题。
发明内容
本发明的目的是提供一种全生命周期的电动汽车碳排放预测方法、装置、设备以及计算机可读存储介质，解决了现有技术中无法计算生产汽车和充电桩原材料的碳排放的弊端。
为解决上述技术问题，本发明提供一种全生命周期的电动汽车碳排放预测方法包括：
根据汽车和充电桩的各种原材料消耗量计算所有原材料的最终需求量；
根据所述所有原材料的最终需求量构建直接能源消耗系数矩阵以及每种原材料碳排放强度矩阵；
基于所述直接能源消耗系数矩阵和所述单位矩阵构建所有原材料的完全能源消费系数；
根据所述所有原材料的最终需求量、所述每个原材料碳排放强度矩阵和所述所有原材料的完全能源消费系数计算所述汽车和充电桩生产原材料的碳排放量。
优选地，所述根据所述所有原材料的最终需求量、所述每个原材料碳排放强度矩阵和所述所有原材料的完全能源消费系数计算所述汽车和充电桩生产原材料的碳排放量包括：
利用EIO-LCA模型计算所述汽车和充电桩原材料的碳排放量E，其计算公式为：
E＝R(I-A)-1F
其中，R为每种原材料碳排放强度矩阵，I为单位矩阵，A为直接能源消耗系数矩阵，F为所有原材料的最终需求量，(I-A)-1为所有原材料的完全能源消费系数。
优选地，所述汽车生产周期的碳排放量计算方法包括：
计算每类燃料开采加工周期的碳排放量EFc,k，其计算公式为：
EFc,k＝Efc,k*mfk
其中，Efc,k为第k类燃料开采加工周期的碳排放因子，mfk为第k类燃料开采加工量；
计算每种汽车原材料生产制造过程的碳排放量EMc,i，其计算公式为：
EMc,i＝Emc,i*mmi
其中，Emc,i为第i种汽车原材料制造过程的碳排放因子，mmi为第i种汽车原材料制造过程的消耗量；
将所述每类燃料开采加工周期的碳排放量和所述每种汽车原材料生产制造过程的碳排放量相加得到所述汽车生产周期的碳排放量。
优选地，所述汽车使用周期的碳排放量计算方法包括：
根据汽车p在生命周期行驶公里数sp、电动汽车充电效率ηp、电动汽车百公里电耗pe,p、当地电网发电过程碳排放因子Eec以及当地电网输配电损失δ计算所述汽车使用周期的碳排放量EEc,p，其计算公式为：
EEc,p＝Eec*pe,p*sp/(ηp*(1-δ)*100)。
优选地，所述汽车报废周期的碳排放量计算方法包括：
基于汽车p报废回收阶段的碳排放因子Erc,p和所述汽车质量Mp计算汽车报废回收阶段的碳排放量ERc,p＝Erc,p*Mp；
基于汽车p运输过程的碳排放因子Etc,p和运输过程的运输距离lp计算得到汽车在销售、报废过程中的运输阶段的碳排放量ETc,p＝Etc,p*lp；
将所述汽车报废回收阶段的碳排放量和汽车在销售、报废过程中的运输阶段的碳排放量计算得到所述汽车报废周期的碳排放量。
优选地，所述充电桩使用周期的碳排放量计算方法包括：
根据所述充电桩的碳排因子Ecc和所述充电桩的数据m计算所述充电桩使用周期的碳排放量ECc,m＝Ecc*m。
优选地，还包括：
将所述汽车和充电桩原材料的碳排放量、所述汽车生产周期碳的排放量、所述汽车使用周期的碳排放量、所述报废周期的碳排放量和所述充电桩使用周期的碳排放量进行平均加权和计算得到电动汽车生命周期的碳排放量EC，其计算公式为：
将所述电动汽车生命周期的碳排放量与所述汽车和充电桩原材料的碳排放总量相加得到电动汽车全生命周期的碳排放总量。
本发明还提供了一种全生命周期的电动汽车碳排放预测装置，包括：
计算原材料需求量模块，用于根据汽车和充电桩的各种原材料消耗量计算所有原材料的最终需求量；
计算碳排放矩阵模块，用于根据所述所有原材料的最终需求量构建直接能源消耗系数矩阵以及每个原材料碳排放强度矩阵；
计算原材料消费系数模块，基于所述直接能源消耗系数矩阵和所述单位矩阵构建所有原材料的完全能源消费系数；
计算原材料碳排放量，用于根据所述所有原材料的最终需求量、所述每种原材料碳排放强度矩阵和所述所有原材料的完全能源消费系数计算所述汽车和充电桩生产原材料的碳排放量。
本发明还提供了一种全生命周期的电动汽车碳排放预测设备，包括：
存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现上述一种全生命周期的电动汽车碳排放预测方法的步骤。
本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述一种全生命周期的电动汽车碳排放预测方法的步骤。
本发明所提供的一种全生命周期的电动汽车碳排放预测方法，本发明通过计算汽车和充电桩各种原材料的消耗总量，直接能源消耗矩阵，每个原材料的碳排放强度，根据直接能源消耗矩阵和单位矩阵构建所有原材料完全能源消费系数，最后采用EIO-LCA模型计算得到所述汽车和充电桩原材料的碳排放量；本发明计算得到了汽车生产原材料和充电桩生产原材料的碳排放量，弥补了现有技术中碳排放量在生产原材料的缺失，然后计算汽车生产周期、使用周期、报废周期以及充电桩的碳排放量，将电动汽车的全生命周期详细的划分，更加全面的计算每个周期的碳排放量，最后将所有周期结合整体计算出全生命周期的碳排放总量，使得评价结果更加精准。本发明算边界更加完善，结果更加可靠。为环境优化政策提供了更好的支持。
附图说明
为了更清楚的说明本发明实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明所提供的全生命周期的电动汽车碳排放预测方法的第一种具体实施例的流程图；
图2为本发明所提供的全生命周期的电动汽车碳排放预测方法的第二种具体实施例的流程图；
图3为现有技术运行周期的民用汽车碳排放预测曲线图；
图4为本发明全生命周期的民用汽车碳排放预测曲线图；
图5为本发明实施例提供的一种全生命周期的电动汽车碳排放预测装置的结构框图。
具体实施方式
本发明的核心是提供一种全生命周期的电动汽车碳排放预测方法，详细的计算汽车每个周期的碳排放量以及生产原材料的碳排放量，更加全面的综合计算出汽车全生命周期的碳排放量，便于对汽车更好的评估。
为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参考图1，图1为本发明所提供的全生命周期的电动汽车碳排放预测方法的第一种具体实施例的流程图；具体操作步骤如下：
步骤S101：根据汽车和充电桩的各种原材料消耗量计算所有原材料的最终需求量；
步骤S102：根据所述所有原材料的最终需求量构建直接能源消耗系数矩阵以及每种原材料碳排放强度矩阵；
步骤S103：基于所述直接能源消耗系数矩阵和单位矩阵构建所有原材料的完全能源消费系数；
步骤S104：根据所述所有原材料的最终需求量、所述每个原材料碳排放强度矩阵和所述所有原材料的完全能源消费系数计算所述汽车和充电桩生产原材料的碳排放量；
采集制造汽车和充电桩原材料的消耗量，得到每种原材料的消耗量；
根据每种原材料的消耗量计算所有原材料的最终需求量F。
根据所有原材料的最终需求量F查找每种能源的消耗系数，构建能源系数矩阵A；
利用公式计算每种能源碳排放量直接排放系数，其计算公式为：
ri＝Qi/Xi；
式中ri为第i种能源碳排放量直接排放系数，Qi为生产原材料部门i的直接碳排放量，Qi为生产原材料部门i的总产出；
将所有部门的能源碳排放量直接排放系数r构成每种原材料碳排放强度矩阵R；
利用产出模型计算所有原材料的完全能源消费系数(I-A)-1；
最后利用EIO-LCA模型计算汽车和充电桩生产原材料的碳排放量E＝R(I-A)-1F。
在本实施例中，本发明采用EIO-LCA模型计算生产汽车原材料和充电桩材料的碳排放量，避免了现有技术中对这一项碳排放量的缺失，然后分别计算汽车生产周期、使用周期和报废周期的碳排放量，以及充电桩的碳排放量；最后将所有的碳排放量进行求和得到整个电动汽车全生命周期的碳排放量。本发明计算了汽车在每个阶段的碳排放量，得到更加全面的汽车碳排放量。相比现有技术中的算法更加全面的计算汽车的碳排放量，便于后续对环境以及车辆比对的应用。
基于上述实施例，本实施例对上述实施例进行更加详细的描述，请参考图2，图2为本发明所提供的全生命周期的电动汽车碳排放预测方法的第二种具体实施例的流程图；具体操作步骤如下：
步骤S201：计算汽车和充电桩原材料的碳排放总量；
基于汽车和充电桩的各种原材料消耗量计算所有原材料的最终需求量F；
根据所述所有原材料的最终需求量F构建直接能源消耗系数矩阵A以及每个原材料碳排放强度矩阵R；
基于所述直接能源消耗系数矩阵A和所述单位矩阵I构建所有原材料的完全能源消费系数(I-A)-1；
根据EIO-LCA模型E＝RX＝R(I-A)-1F计算所述计算汽车和充电桩原材料的碳排放总量E。
步骤S202：计算汽车材料开采加工周期的碳排放量；
利用公式计算汽车每类材料开采加工周期的碳排放量；
EFc,k＝Efc,k*mfk (1)
式中：EFc,k为第k类燃料开采加工周期的碳排放量，单位为kg；Efc,k为第k类燃料开采加工周期的碳排放因子，单位为kg/kg或kg/L；mfk为第k类燃料开采加工量，单位为kg或L。
将每类燃料开采加工周期的碳排放量进行求和，得到汽车材料开采加工周期的碳排放量。
步骤S203：计算汽车原材料生产制造过程的碳排放量；
利用公式计算每种汽车原材料生产制造过程的碳排放量；
EMc,i＝Emc,i*mmi (2)
式中：EMc,i为第i种汽车原材料生产制造过程的碳排放量，单位为kg；Emc,i为第i种汽车原材料制造过程的碳排放因子，单位为kg/kg；mmi为第i种汽车原材料制造过程的消耗量，单位为kg。
步骤S204：计算汽车行驶过程中消耗的电力的碳排放量；
利用下列公式计算每辆汽车行驶过程中消耗的电力的碳排放量；
EEc,p＝Eec*pe,p*sp/(ηp*(1-δ)*100) (3)
式中：EEc,p为第p辆电动汽车行驶过程中消耗的电力折算到对应的电源侧发电过程的碳排放量，单位为kg；Eec为当地电网发电过程碳排放因子，单位为kg/kWh；pe,p为第p辆电动汽车百公里电耗，单位为kWh/(100km)；sp为第p辆汽车生命周期行驶公里数，单位为km；ηp为第p辆电动汽车充电效率，单位为％；δ为当地电网输配电损失，单位为％。
步骤S205：计算汽车报废回收阶段的碳排放量；
利用下列公式计算汽车报废回收阶段的碳排放量；
ERc,q＝Erc,q*Mq (4)
式中：ERc,q为第q辆汽车报废回收阶段的碳排放量，单位为kg；Erc,q为第q辆汽车报废回收阶段的碳排放因子，单位为kg/kg；Mq为第q辆汽车质量，单位为kg。
步骤S206：计算汽车在销售、报废等过程中每个运输阶段的碳排放量；
利用下列公式计算每个运输阶段的碳排放量；
ETc,j＝Etc,j*lj (5)
式中：ETc,j为汽车在销售、报废等过程中第j个运输阶段的碳排放量，单位为kg；Etc,j为第j个运输过程的碳排放因子，单位为kg/km；lj为第j个运输过程的运输距离，单位为km。
步骤S207：计算充电桩的碳排放量；
利用下列公式计算充电桩的碳排放量；
ECc,m＝Ecc*m (6)
式中：ECc,m为m个充电桩的碳排放量，单位为kg；Ecc为单个充电桩的碳排因子，单位为kg/kg；m为充电桩的数量，单位为个。
步骤S208：综合计算电动汽车全生命周期的碳排放量。
利用公式计算电动汽车全生命周期的碳排放量：
将本发明与现有技术碳排放预测进行对比，下列为本发明提供的具体实时数据：
请参考表1，表1为民用汽车数量预测，表2为汽车各种原材料占总质量的比例；
表1某省民用汽车数量预测
表2汽车各种原材料占总质量的比例
统计生命周期各个阶段碳排放因子以及汽车能耗及配送距离参数，如表3所示：
表3为生命周期各个阶段碳排放因子
| 阶段 | 碳排放因子 | 阶段 | 碳排放因子 |
| 钢制造 | 2.5kg/kg | 原油开采运输 | 0.16kg/kg |
| 铁制造 | 0.88kg/kg | 煤炭开采洗选 | 0.015kg/kg |
| 铝制造 | 2.62kg/kg | 汽油炼制 | 0.59kg/kg |
| 铜制造 | 2.5kg/kg | 煤炭运输 | 0.033kg/(kWh) |
| 塑料制造 | 2.4kg/kg | 汽油运输 | 0.01kg/kg |
| 平板玻璃制造 | 1.62kg/kg | 燃油汽车行驶 | 2.26kg/L |
| 橡胶制造 | 2.76kg/kg | 车辆配送过程 | 55.4g/(t×km) |
| 三元锂电池制造 | 7.61kg/kg |
表4为汽车能耗及配送距离参数
2021年该省电网碳排因子取0.59，“十四五”及未来，该省电网碳排因子按年均5％的下降速度递减。其他参数设置为：电动汽车充电效率为90％，电网输配损耗率为6.27％；车辆主体报废能耗强度为12.6克标准煤gce/kg，动力电池报废能耗强度为1057.8克标准煤gce/kg。
利用现有技术计算两种情景的民用汽车碳排放量，计算结构如表5和图3所示：
表5现有技术运行周期的民用汽车碳排放估算
利用本发明的技术计算两种情景的民用汽车碳排放量，计算结构如表6和图4所示：
表6本发明全生命周期的民用汽车碳排放估算
由图3、图4及表5、表6中的曲线和数据可知，该省在当前电网碳排因子为0.59且未来持续优化的基础上，发展电动汽车具有积极的减碳效益；
本发明全生命周期的碳排放量比现有技术运行周期的碳排放量计算更加全面，评估预测结果更加准确。
请参考图5，图5为本发明实施例提供的一种全生命周期的电动汽车碳排放预测装置的结构框图；具体装置可以包括：
计算原材料需求量模块100，用于根据汽车和充电桩的各种原材料消耗量计算所有原材料的最终需求量；
计算碳排放矩阵模块200，用于根据所述所有原材料的最终需求量构建直接能源消耗系数矩阵以及每个原材料碳排放强度矩阵；
计算原材料消费系数模块300，基于所述直接能源消耗系数矩阵和所述单位矩阵构建所有原材料的完全能源消费系数；
计算原材料碳排放量400，用于根据所述所有原材料的最终需求量、所述每个原材料碳排放强度矩阵和所述所有原材料的完全能源消费系数计算所述汽车和充电桩生产原材料的碳排放量。
本实施例的一种全生命周期的电动汽车碳排放预测装置用于实现前述的一种全生命周期的电动汽车碳排放预测方法，因此一种全生命周期的电动汽车碳排放预测装置中的具体实施方式可见前文中的一种全生命周期的电动汽车碳排放预测方法的实施例部分，例如，计算原材料需求量模块100，计算碳排放矩阵模块200，计算原材料消费系数模块300，计算原材料碳排放量400，分别用于实现上述一种全生命周期的电动汽车碳排放预测方法中步骤S101，S102，S103和S104，所以，其具体实施方式可以参照相应的各个部分实施例的描述，在此不再赘述。
本发明具体实施例还提供了一种全生命周期的电动汽车碳排放预测设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现上述一种全生命周期的电动汽车碳排放预测方法的步骤。
本发明具体实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述一种全生命周期的电动汽车碳排放预测方法的步骤。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本发明所提供的一种全生命周期的电动汽车碳排放预测方法、装置、设备以及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种全生命周期的电动汽车碳排放预测方法，全生命周期包括汽车和充电桩生产原材料、汽车生产周期、汽车使用周期、汽车报废周期、充电桩使用周期，其特征在于，所述汽车和充电桩生产原材料的碳排放量计算方法包括：
根据汽车和充电桩的各种原材料消耗量计算所有原材料的最终需求量；
根据所述所有原材料的最终需求量构建直接能源消耗系数矩阵以及每种原材料碳排放强度矩阵；
基于所述直接能源消耗系数矩阵和单位矩阵构建所有原材料的完全能源消费系数；
根据所述所有原材料的最终需求量、所述每种原材料碳排放强度矩阵和所述所有原材料的完全能源消费系数计算所述汽车和充电桩生产原材料的碳排放量。
2.如权利要求1所述的预测方法，其特征在于，所述根据所述所有原材料的最终需求量、所述每个原材料碳排放强度矩阵和所述所有原材料的完全能源消费系数计算所述汽车和充电桩生产原材料的碳排放量包括：
利用EIO-LCA模型计算所述汽车和充电桩原材料的碳排放量E，其计算公式为：
E＝R(I-A)-1F
其中，R为每种原材料碳排放强度矩阵，I为单位矩阵，A为直接能源消耗系数矩阵，F为所有原材料的最终需求量，(I-A)-1为所有原材料的完全能源消费系数。
3.如权利要求1所述的预测方法，其特征在于，所述汽车生产周期的碳排放量计算方法包括：
计算每类燃料开采加工周期的碳排放量EFc，k，其计算公式为：
EFc，k＝Efc，k*mfk
其中，Efc，k为第k类燃料开采加工周期的碳排放因子，mfk为第k类燃料开采加工量；
计算每种汽车原材料生产制造过程的碳排放量EMc，i，其计算公式为：
EMc，i＝Emc，i*mmi
其中，Emc，i为第i种汽车原材料制造过程的碳排放因子，mmi为第i种汽车原材料制造过程的消耗量；
将所述每类燃料开采加工周期的碳排放量和所述每种汽车原材料生产制造过程的碳排放量相加得到所述汽车生产周期的碳排放量。
4.如权利要求1所述的预测方法，其特征在于，所述汽车使用周期的碳排放量计算方法包括：
根据汽车p生命周期行驶公里数sp、电动汽车充电效率ηp、电动汽车百公里电耗pe，p、当地电网发电过程碳排放因子Eec以及当地电网输配电损失δ计算所述汽车使用周期的碳排放量EEc，p，其计算公式为：
EEc，p＝Eec*pe，p*sp/(ηp*(1-δ)*100)。
5.如权利要求1所述的预测方法，其特征在于，所述汽车报废周期的碳排放量计算方法包括：
基于汽车p报废回收阶段的碳排放因子Erc，p和所述汽车质量Mp计算汽车报废回收阶段的碳排放量ERc，p＝Erc，p*Mp；
基于汽车p运输过程的碳排放因子Etc，p和运输过程的运输距离lp计算得到汽车在销售、报废过程中的运输阶段的碳排放量ETc，p＝Etc，p*lp；
将所述汽车报废回收阶段的碳排放量和汽车在销售、报废过程中的运输阶段的碳排放量计算得到所述报废周期的碳排放量。
6.如权利要求1所述的预测方法，其特征在于，所述充电桩使用周期的碳排放量计算方法包括：
根据所述充电桩的碳排因子Ecc和所述充电桩的数量m计算所述充电桩使用周期的碳排放量ECc，m＝Ecc*m。
7.如权利要求1所述的预测方法，其特征在于，还包括：
将所述汽车和充电桩原材料的碳排放量、所述汽车生产周期碳的排放量、所述汽车使用周期的碳排放量、所述报废周期的碳排放量和所述充电桩使用周期的碳排放量进行平均加权和计算得到电动汽车生命周期的碳排放量EC，其计算公式为：
将所述电动汽车生命周期的碳排放量与所述汽车和充电桩原材料的碳排放总量相加得到电动汽车全生命周期的碳排放总量。
8.一种全生命周期的电动汽车碳排放预测装置，其特征在于，包括：
计算原材料需求量模块，用于根据汽车和充电桩的各种原材料消耗量计算所有原材料的最终需求量；
计算碳排放矩阵模块，用于根据所述所有原材料的最终需求量构建直接能源消耗系数矩阵以及每个原材料碳排放强度矩阵；
计算原材料消费系数模块，基于所述直接能源消耗系数矩阵和单位矩阵构建所有原材料的完全能源消费系数；
计算原材料碳排放量，用于根据所述所有原材料的最终需求量、所述每个原材料碳排放强度矩阵和所述所有原材料的完全能源消费系数计算所述汽车和充电桩生产原材料的碳排放量。
9.一种全生命周期的电动汽车碳排放预测设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至7任一项所述一种全生命周期的电动汽车碳排放预测方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述一种全生命周期的电动汽车碳排放预测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211123384.7A CN115392588A (zh) | 2022-09-15 | 2022-09-15 | 一种全生命周期的电动汽车碳排放预测方法以及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211123384.7A CN115392588A (zh) | 2022-09-15 | 2022-09-15 | 一种全生命周期的电动汽车碳排放预测方法以及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115392588A true CN115392588A (zh) | 2022-11-25 |
Family
ID=84126551
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211123384.7A Pending CN115392588A (zh) | 2022-09-15 | 2022-09-15 | 一种全生命周期的电动汽车碳排放预测方法以及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115392588A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116011704A (zh) * | 2023-03-27 | 2023-04-25 | 厦门大学 | 一种装配式循环建筑的全生命周期碳排放监测及智慧管理中和系统 |
| CN116663780A (zh) * | 2023-07-28 | 2023-08-29 | 江苏交科能源科技发展有限公司 | 基于投递线路里程、车辆类型的邮政运输碳排放量核算方法 |
-
2022
- 2022-09-15 CN CN202211123384.7A patent/CN115392588A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116011704A (zh) * | 2023-03-27 | 2023-04-25 | 厦门大学 | 一种装配式循环建筑的全生命周期碳排放监测及智慧管理中和系统 |
| CN116011704B (zh) * | 2023-03-27 | 2023-07-11 | 厦门大学 | 一种装配式循环建筑的全生命周期碳排放监测及智慧管理中和系统 |
| CN116663780A (zh) * | 2023-07-28 | 2023-08-29 | 江苏交科能源科技发展有限公司 | 基于投递线路里程、车辆类型的邮政运输碳排放量核算方法 |
| CN116663780B (zh) * | 2023-07-28 | 2023-11-10 | 江苏交科能源科技发展有限公司 | 基于投递线路里程、车辆类型的邮政运输碳排放量核算方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Qiao et al. | Cradle-to-gate greenhouse gas emissions of battery electric and internal combustion engine vehicles in China | |
| Qiao et al. | Life cycle cost and GHG emission benefits of electric vehicles in China | |
| Li et al. | Adaptive energy management for hybrid power system considering fuel economy and battery longevity | |
| CN115392588A (zh) | 一种全生命周期的电动汽车碳排放预测方法以及装置 | |
| Li et al. | Regional comparison of electric vehicle adoption and emission reduction effects in China | |
| Liu et al. | Rule-corrected energy management strategy for hybrid electric vehicles based on operation-mode prediction | |
| CN112086980B (zh) | 考虑充电桩接入的公用配电变压器定容选型方法与系统 | |
| Jian et al. | Implications of road transport electrification: A long-term scenario-dependent analysis in China | |
| Sun et al. | A real-time PMP energy management strategy for fuel cell hybrid buses based on driving segment feature recognition | |
| CN113553769B (zh) | 一种考虑充电效能的电动汽车充电设施优化配置方法 | |
| Li et al. | Degradation adaptive energy management with a recognition-prediction method and lifetime competition-cooperation control for fuel cell hybrid bus | |
| Das | Comparative life cycle GHG emission analysis of conventional and electric vehicles in India | |
| CN115230485A (zh) | 基于短期功率平滑预测的燃料电池公交车能量管理方法 | |
| Peng et al. | Development and application of life-cycle energy consumption and carbon footprint analysis model for passenger vehicles in China | |
| Zhou et al. | Dynamic programming improved online fuzzy power distribution in a demonstration fuel cell hybrid bus | |
| CN117391237A (zh) | 省级碳排放及其交易规模预测方法、系统、设备及介质 | |
| Shen et al. | Research on life cycle energy consumption and environmental emissions of light-duty battery electric vehicles | |
| Shang et al. | Computational performance analysis for centralized coordinated charging methods of plug‐in electric vehicles: From the grid operator perspective | |
| Dorri et al. | Design of an optimal control strategy in a parallel hybrid vehicle in order to simultaneously reduce fuel consumption and emissions | |
| Chen et al. | Lifecycle Assessment and Prediction of Proton Exchange Membrane Fuel Cell Vehicles for 2020 | |
| CN112434374A (zh) | 一种纯电动汽车复合电源系统的容量配比方法及系统 | |
| Verma et al. | Life Cycle Assessment of Greenhouse Gas Emissions of Electric and Internal Combustion Engine Vehicles in India | |
| Alexander et al. | Making sense of life cycle assessment results of electrified vehicles | |
| Upadhyaya et al. | Improving velocity prediction in electric vehicles using hybrid artificial neural network (ANN) | |
| Li et al. | Electric Vehicle Sales Forecasting Model Considering Green Premium: A Chinese Market-based Perspective |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |