刘 玮,万燕鸣,陈思源,刘 畅,刘 琦,张 岩,王 歌

基于场景模拟的公路货运新能源车成本效益分析研究

刘 玮1,2,万燕鸣2,陈思源3*,刘 畅2,刘 琦2,张 岩2,王 歌3

(1.国华能源投资有限公司,北京 100007；2.北京国氢中联氢能科技研究院有限公司,北京 100007；3.华北电力大学经济与管理学院,北京 102206)

为实现双碳目标,公路货运部门需要通过发展电动汽车和氢能汽车替代燃油汽车进行减排.因此,本文构建了考虑场景异质性的货运车辆生命周期净收益分析模型,对比了25t牵引车和18t栏式货车两类车队中油、电、氢三种车型在不同线路场景下的生命周期成本和收入.结果表明,氢能汽车更适用于高单价、寒冷气候的长途重型货运场景,而电动货运车型则更适用于低单价、短途、轻载、温暖气候场景,至2030年氢能汽车可在25t重型货运场景优于电动汽车,可作为氢能汽车的重点布局方向. 中短期内,氢价补贴、碳税等政策无法实现货运部门新能源汽车对燃油汽车的自发替代,还需要额外政策支持.

公路货运；电动汽车；氢能汽车；全生命周期；场景模拟

加快推进低碳交通运输体系建设、推广新能源车,是交通运输以及全国各部门实现双碳目标的重要抓手[1].根据世界资源研究所的测算结果,依赖于上游电力和制氢部门的减排规划,新能源汽车推广措施可为中国交通部门带来60%的额外减排[2].近年来,中国的乘用车领域电动化发展迅速,而商用车特别是长途、重载货运领域,新能源车替代进展缓慢.中国重型货车保有量约占汽车保有量的6.6%,但其碳排放量占到50%以上,氮氧化物和颗粒物的排放量分别占到75%和50%以上[3].目前,货运车辆低碳化主要有两条技术路线,分别是氢燃料电池汽车(以下简称氢能汽车)和动力电池汽车(以下简称电动汽车),但两条技术路线均由于成本、效率等原因缺乏市场竞争力,应用场景尚不明确,其发展主要依赖于国家补贴政策的推动,目前仍处于在重点城市开展试点应用阶段[4].此外,新能源汽车的发展也受到资源环境的约束[5],其效益受具体场景影响存在不确定性,应当提前做好路径规划,避免无序发展.

国内外已有研究多基于总拥有成本(total cost of ownership,TCO)模型对油、电、氢三类车型进行对比分析.IEA开发了针对不同国家、不同充电成本的TCO分析模型,可用于电动汽车、混动汽车与燃油车的经济性分析[6]. He等[7]使用TCO模型对乘用车的氢、油、电三种车型进行了经济性分析. Ally等[8]对比了柴油、天然气、混动和氢能巴士的生命周期经济性,发现混动和氢能车型的经济性无法与柴油车型竞争. Jones等[9]对多种城市物流车型的TCO进行了分析,并对能源价格等关键参数进行了敏感性分析,得出了使氢能汽车具有成本优势的参数取值范围. Li等[10]则应用TCO模型检验了中国发展绿氢驱动氢能汽车的可行性. Rout等[11]在考虑多种技术制氢成本异质性的基础上,对比了小客车、公交车、货车、叉车等种类的油、电、氢竞争情况,并发现到2050年,大部分种类的氢能汽车总拥有成本将低于燃油车,而电动汽车的总成本始终低于同种类氢能汽车.

然而已有研究存在一个显著不足之处:由于货运卡车为商用车型,其购置决策往往以收益最大化而非成本最小化为目标,电动汽车具有购置成本低、补能成本低的优势,这些优势均可以体现在TCO模型中,但也存在着电池质量大、补能时间长、寒冷环境续航损失严重等劣势,这些劣势会影响运输时效、单车载货量,导致生命周期货运收入下降,却无法体现在TCO模型中,从而会使其经济性评价结果产生偏差.此外,公路货运可分为多种场景,如重载或轻载、长途或短途[12]、高寒地区或温暖地区[13]等,不同的场景会对车型需求以及车辆的能耗等产生影响,均会影响车辆的经济性.而已有关于货运车辆适用性的研究中,大多未能考虑这些因素[14].

本文首先构建考虑场景异质性的货运车辆生命周期净收益分析模型,以更贴近货运车辆的多维使用效益以及真实购置决策过程.考虑到中国货运行业中牵引车占比高达71.3%,仓栅式、厢式货车、自卸式、栏板式和特殊结构车辆合计占比26.1%,其他类型货车占比仅2.6%[15].因此,本文选取25t牵引车和18t栏式货车两类车队作为代表,对油、电、氢三种车型在不同线路场景下的生命周期净收益进行模拟,得出电动汽车和氢能汽车各自的适用场景.进一步通过对关键参数进行敏感性分析挖掘货运部门新能源车替代机制,以期为决策部门指定新能源货车发展政策提供科学支持.

1 货运车辆生命周期净收益分析模型

1.1 模型分析框架

构建了如图1所示的货运车辆生命周期净收益分析模型,模型考虑了购置、使用、至报废全生命周期内的货运车辆的成本和收益.其中,成本包括购置成本、补能成本、司机成本、过路费、维修保险以及回收残值等.收入则假设为在每日10h、每年80%日期工作的运行强度下所有的运费收入[16],该时间不考虑装卸时间和等货时间,但包括补能时间.为反应新能源汽车的特性,该模型考虑了电池、储氢罐质量对载货能力的影响,以及气温等外部环境对单位能耗的影响.

图1 货运车辆生命周期净收益分析模型框架

1.2 货运车辆生命周期收入核算

车辆生命周期收入LCR的计算如式(1)所示,其中,SR为单程货运收入,YT为年均运输趟数,为折现因子,设为6%,LIFE为车辆寿命.

单程货运收入SR由货运线路的单价,车辆负载,和单程距离SL决定,如式(2)所示.车辆负载W则由车身质量VW、电池和储氢罐质量BW以及法律规定最大载重MAXW共同决定,如式(3)所示.

年均运输趟数YT则由年工作时间YWT和单程耗时ST决定,如式(4)所示.而其中ST又由单程行驶时间和单程补能时间构成,单程行驶时间等于单程距离除以平均行驶速度,而单程补能时间等于单程补能次数SN乘以单次补能时间ct,如式(5)所示.

单次补能次数由单程距离、能耗EI、油箱/电池/储氢罐容量BC决定,如式(6)所示,其中为环境影响系数,用于刻画寒冷天气对能耗的影响.

1.3 货运车辆生命周期成本核算

货运车辆的生命周期成本LCC由购置成本FC、补能成本EC、司机工资DS、过路费TOLL、维修保险OMC以及回收残值RV六项构成,如式(7)所示.其中,购置成本为一次性支出,补能成本由行驶里程、能耗和补能价格cf决定,司机工资和维修保险为每年固定支出,而过路费由里程和单位里程过路费tf决定.年补能成本和年过路费的计算方式如式(8)-(9)所示.

1.4 车型和场景参数

本文共考虑2类货运车型,分别是25t牵引车,和18t栏式货车.其2020年的成本和技术参数表1所示.其中车身残值为车身成本5%,动力电池回收残值为7.3万/t[17].

表1 基准年车型技术经济参数

表2 场景参数敏感性分析取值范围

注:*线路单位距离和单位货运价格根据实际线路数据确定,详见表3;**每年寒冷时间指中国各省平均气温低于10度以下的月份数量,数据来源:https://zh.weatherspark.com/;***终端氢价由与中国氢能联盟合作的市场调研获得.

本文基于单程距离、每年寒冷时间、单位货运价格、终端氢价等因素构建分析场景,一方面对多个因素对耦合作用进行敏感性分析,如表2所示;另一方面,收集了17条路线的运费数据,进行实际场景分析,如表3所示.

除上述参数外,本研究使用的默认终端氢价为50元/kg,为2020年全国终端氢价平均水平,充电价格为0.9元/(kW·h),柴油价格为8.15元/L,这些成本价格均由市场调研获取.

表3 实际货运线路距离和运费

注:*单位货运价格由整车重货价格除以距离和载货量获得,不考虑超载等情况.数据来源:中国公路物流运价指数网,http://index. 0256.cn/pricex.htm.

2 分析结果

2.1 不同货运场景下新能源车适用性对比

如图2所示,随着货运单价的提升以及单程距离的提升,25t氢能汽车的生命周期净收益将超过电动汽车.此外,随着路线寒冷月份的增加以及终端氢价的下降,氢能汽车的经济性将进一步提升.因此,氢能汽车更适用于高价、寒冷气候的长途重型货运场景,而电动汽车则适用于短途、低价场景.其原因在于氢能汽车的补能时间、受寒冷天气导致的续航衰减、驱动系统质量方面均相较于电动汽车有较大优势,因此,货运单价较高时,氢能汽车可以获得更多的收益.

对于18t车型的模拟结果如图3所示,随着货运单价的提升、单程距离的提升、路线寒冷月份的增加以及终端氢价的下降,18t氢能货车与电动货车的生命周期净收益差距不断缩小,但仍存在差距.与25t车型相比,18t车型电动车优势明显.即对于轻载场景,电动汽车是成本更低的减排方案.

图2 25t车型在不同氢价、运价、单程里程下,氢能汽车与电动汽车的生命周期收益差(差值为正意味着氢能汽车优于电动汽车)

图3 18t车型在不同氢价、运价、单程里程下,氢能汽车与电动汽车的生命周期收益差(差值为正意味着氢能汽车优于电动汽车)

2.2 不同车型的货运场景适用性

针对所收集的17条实际货运线路,本文应用所构建模型计算了其生命周期货运收入和成本结构,如图4和图5所示.其中,图4(a)和图5(a)分别展示了25t和18t货运车辆的收入和成本,图4(b)和图5(b)则分别统计了25t和18t货运车辆17条线路中车辆各类成本占比.

结果表明,目前氢能汽车已能在部分线路实现盈利,但其净收益远低于电动车型.在绝大部分线路上,电动车型的净收益仍劣于燃油车型,而对于商业化的货运企业,意味着没有动力主动选择氢能车型.特别的,25t车型在银川-乌鲁木齐和哈尔滨-大连等线路上,以及18t车型在广州-乌鲁木齐、银川-乌鲁木齐和哈尔滨-大连等线路上,电动汽车优于燃油汽车.这些线路的共同特征是货运价格极低,25t车型单价低于0.2元/(t·km),18t车型单价低于0.4元/(t·km),处于亏损状态.

此外,对于25t氢能车型,平均补能成本占比约为50%,而25t电动汽车的补能成本仅为30%;对于18t氢能车型,补能成本也是所有成本中占比最高的.因此,对于氢燃料电池车,终端氢价是最关键的影响因素.特别的,无论是25t车型还是18t车型,电动车型的过路费占比都是所有成本中最高的;燃油车型的过路费占比在20%～40%,与其补能成本接近.因此,对新能源货车实施优惠的过路费政策更容易在实践中执行.

图4 油、电、氢三类25t货车在不同货运路线下的生命周期成本结构

图5 油、电、氢三类18t货车在不同货运路线下的生命周期成本结构

2.3 不同车型的适用性趋势

根据2.2节分析结果,氢能车型生命周期成本中补能成本占比最多,因此,推进终端加氢价格的下降是促进氢能车型实现市场自发采纳的关键途径,当前中国的氢能发展激励政策中也包含对于氢价的补贴.为明确终端氢价的下降目标和合理的补贴力度,本文分别测算了氢能车型可以实现与电动汽车和燃油汽车市场竞争时的终端氢价阈值,并对比了当前(2020年)技术成本参数和2030年预期技术成本参数下的差异,结果如图6所示.

表4 2030年各类车型关键成本数据[18]

相比之下,在当前氢价水平(40～50元/kg)下,在货运部门氢能汽车几乎无法与电动汽车和燃油汽车竞争;而到2030年,随着终端氢价下降至25～35元/kg[19],在大部分货运线路上,25t车型氢能汽车可实现与电动汽车的市场竞争,而18t车型的氢能汽车竞争力依然不足,还需要进一步的氢价补贴.另外,即使到2030年,氢能汽车依然无法实现与燃油汽车的直接市场竞争,要实现货运部门燃油车向新能源车转型,还需要燃油车禁售、禁行等强制性政策,或新能源车补贴、双积分等额外的支持政策.

图6 不同路线下,氢能车型与电动车型和燃油车型实现自发替代的终端氢价阈值

3.4 不同车型的碳减排效益

考虑到货运部门新能源车替代的根本目的是推动低碳转型最终实现碳中和,而新能源车的减排效益与电、氢的清洁程度直接相关.因此,本研究进一步以新能源车相对于燃油汽车的单位货运量减排量为指标,测算了电动汽车和氢能汽车在不同的发电和制氢碳排放强度下的减排能力.

如图7所示,结果表明在当前电电网电力碳强度[0.57kg/(kW·h)]下,25t重载电动汽车无法实现碳减排,18t电动汽车可以实现约2.6g/(t·km)的单位货运量碳减排,仅为燃油汽车排放量的5.2%;当电力碳强度降至0.44kg/(kW·h)后,25t电动汽车才开始具备减排效益.而对于氢能车,使用当前电网电制氢反而会增加165%～216%的货运碳排放,使用煤制氢和天然气制氢驱动氢能车也均无法实现货运减排.当使用电解水制氢时,仅当电力碳强度降至0.181kg/ (kW·h)和0.215kg/(kW·h)时,也就是用氢碳强度下降至8.145kgCO2/kgH2和9.675kgCO2/kgH2时,才能使25t氢能车型和18t氢能车型具有减排效益.因此,发展可再生能源电力,并加大蓝氢、绿氢的供应规模,是实现货运部门碳减排的重要前提.

图7 不同燃料碳强度下新能源车型的减排能力

下横轴为电力碳强度,上横轴为对应的电解水制氢的氢碳强度

在使用100%绿电和绿氢的前提下,当前若要通过碳税政策使得电动汽车和氢能汽车与燃油汽车的生命周期净收益相当,17条实际线路所需碳税阈值范围如表5所示,其中电动车型在部分线路中的碳税阈值为负,意味着无需执行碳税政策,即可实现电动车型对于燃油车型的自发替代.相较于当前全国电力部门碳市场不足60元/t的价格,甚至欧盟碳市场2022年平均80欧元/t的碳价,这些碳税阈值过高,因此,碳价类政策仅能在货运部门的新能源车替代中起到辅助作用.

表5 17条实际线路中,电、氢车型和燃油车型实现自发替代的碳税阈值范围和均值(元/t)

4 结论

4.1 研究方法:构建了考虑应用场景异质性的货运车辆生命周期净收益分析模型,全面考虑了补能时间、电池质量、寒冷环境等因素对新能源货运车辆运行的影响,克服了传统总拥有成本模型未考虑车辆生命周期总收入,不符合商用车购置决策过程的弊端.

4.2 政策建议:氢能汽车更适用于高单价、寒冷气候的长途重型货运场景,补能成本占比较高;电动汽车则更适用于低单价、短途、轻载、温暖气候场景,过路费则占比较高.补贴终端氢价和新能源货运车辆过路费是提升货运部门新能源车经济性的有效措施;随着成本下降,至2030年氢能车可在25t重型货运场景优于电动汽车,可作为氢能汽车的重点布局方向;燃油汽车的成本优势明显,单纯依靠氢价补贴或碳税等政策无法实现货运部门新能源汽车对燃油汽车的自发替代,仍需要车辆购置补贴政策或燃油车禁售、禁行等强制性政策的支持.

4.3 研究局限:鉴于当前我国氢燃料电池车发展还处于初期阶段,相关数据的透明度不够高,导致本文存在以下局限性:(1)未考虑充电桩、加氢站等补能基础设施的建设成本;(2)未考虑换电等补能方式;(3)未考虑成本的地区异质性,也没有考虑不同路况导致的能耗变化.为此,本研究下一步将基于以上不足进一步完善.

[1] 贾璐宇,王 克.碳中和背景下中国交通部门低碳发展转型路径[J]. 中国环境科学, 2023,43(6):3231-3243. Jia L, Wang K. Low-carbon transition pathways for China's transportation sector under the background of carbon neutrality [J]. China Environmental Science, 2023,43(6):3231-3243.

[2] 薛露露,刘岱宗.迈向碳中和目标:中国道路交通领域中长期减排战略 [R]. 世界资源研究所, 2022. Xue L, Liu D. Decarbonizing China’s road transport sector: strategies toward carbon neutrality [R]. Word Resource institute, 2022.

[3] 张明琦,郑泽东,李永东.公路货运能耗及低碳化发展路径研究[J]. 机车电传动, 2022,(3):10-16. Zhang M, Zheng Z, Li Y. Research on road freight energy consumption and low-carbon development path [J]. Electric Drive for Locomotives, 2022,(3):10-16.

[4] 交通运输部.绿色交通“十四五”发展规划 [R]. 2021. Ministry of transport of the people's republic of China. The 14th Five-Year Plan of green transportation [R]. 2021.

[5] 彭天铎,袁志逸,袁杰辉,等.中国车用能源需求和关键材料资源可获性分析[J]. 中国工程科学, 2018,20(1):127-132. Peng T, Yuan Z, Yuan J, et al. Analysis on vehicle energy demand and key mineral resource availability for vehicle production in China [J]. Strategic Study of Chinese Academy of Engineering, 2018,20(1):127- 132.

[6] IEA. Electric vehicles: Total cost of ownership tool – Data tools [EB/OL]. https://www.iea.org/data-and-statistics/data-tools/electric- vehicles-total-cost-of-ownership-tool.

[7] He X, Wang F, Wallington T J, et al. Well-to-wheels emissions, costs, and feedstock potentials for light-duty hydrogen fuel cell vehicles in China in 2017 and 2030 [J]. Renewable and Sustainable Energy Reviews, 2021,137:110477.

[8] Ally J, Pryor T. Life cycle costing of diesel, natural gas, hybrid and hydrogen fuel cell bus systems: An Australian case study [J]. Energy Policy, 2016,94:285-294.

[9] Jones J, Genovese A, Tob-Ogu A. Hydrogen vehicles in urban logistics: A total cost of ownership analysis and some policy implications [J]. Renewable and Sustainable Energy Reviews, 2020, 119:109595.

[10] Li Y, Taghizadeh-Hesary F. The economic feasibility of green hydrogen and fuel cell electric vehicles for road transport in China [J]. Energy Policy, 2022,160:112703.

[11] Rout C, Li H, Dupont V, et al. A comparative total cost of ownership analysis of heavy duty on-road and off-road vehicles powered by hydrogen, electricity, and diesel [J]. Heliyon, 2022,8(12).

[12] Yan J, Wang G, Chen S, et al. Harnessing freight platforms to promote the penetration of long-haul heavy-duty hydrogen fuel-cell trucks [J]. Energy, 2022,254:124225.

[13] Jaguemont J, Boulon L, Dubé Y. A comprehensive review of lithium- ion batteries used in hybrid and electric vehicles at cold temperatures [J]. Applied Energy, 2016,164:99-114.

[14] Yan J, Zhao J. Willingness to pay for heavy-duty hydrogen fuel cell trucks and factors affecting the purchase choices in China [J]. International Journal of Hydrogen Energy, 2022,47(58):24619-24634.

[15] 许 刚,陈庆麟,葛 磊,等.中国公路货运市场发展趋势 [R]. 波士顿咨询公司, 2021. Xu G, Chen Q, Ge L, et al. Development trends of Chinas road freight [R]. Boston Consulting Group, 2021.

[16] 2022年货车司机从业状况调查报告 [R]. 中国物流与采购联合会, 2023. 2022 Survey report on the employment status of truck drivers [R]. China Federation of Logistics& Purchasing, 2023.

[17] 电池回收系列专题(二):电池回收成本和盈利拆分模型 [R]. 信达证券股份有限公司, 2022. Battery Recycling Series Topic (2): Battery Recycling Cost and Profit Split Model [R]. Cinda Securities Co., Ltd., 2022.

[18] 晏嘉泽.基于平台经济的货运行业新能源车推广机制研究 [D]. 北京:华北电力大学, 2023. Yan J. Research on the substitution mechanism of new energy vehicles in freight industry based on platform economy [D]. Beijing: North Chine Electric Power University, 2023.

[19] 王彦哲,欧训民,周 胜.基于学习曲线的中国未来制氢成本趋势研究[J]. 气候变化研究进展, 2022,18(3):283-293. Wang Y, Ou X, Zhou S. Future cost trend of hydrogen production in China based on learning curve [J]. Climate Change Research, 2022,18(3):283-293.

Study onthe cost-benefit analysis of new energy vehicles for road freight transportation based on scenario simulation.

LIU Wei1,2, WAN Yan-ming2, CHEN Si-yuan3*, LIU Chang2, LIU Qi2, ZHANG Yan2, WANG Ge3

(1.Guohua Energy Investment Co. Ltd., Beijing 100007, China；2.Beijing Guohydro Zhonglian Hydrogen Energy Technology Research Institute Co. Ltd., Beijing 100007, China；3.Economic and Management School, North China Electric Power University, Beijing 102206, China)., 2023,43(10)：5624～5632

To achieve the carbon peaking and carbon neutrality goals, China’s road freight sector needs to reduce emissions by developing electric and hydrogen vehicles to replace traditional fuel vehicles. In this paper, a life-cycle benefit analysis model of freight vehicles considering scenario heterogeneity was constructed to compare the life-cycle costs and revenues of oil, electric and hydrogen vehicles under different route scenarios, taking 25t tractors and 18t railcars as examples. The results showed that hydrogen vehicles were more suitable for long-distance heavy freight scenarios with high shipping prices and cold climates, while electric freight models were more suitable for low shipping prices, short-distance, light-load, and warm climate scenarios. Moreover, hydrogen vehicles can outperform electric vehicles in 25-ton heavy freight scenarios by 2030, which can be the key layout direction for hydrogen vehicles. In the short and medium term, policies such as hydrogen price subsidies and carbon taxes cannot achieve spontaneous substitution of new energy vehicles for fuel vehicles in the freight sector, and additional policy support will be needed.

road freight；electric vehicles；hydrogen vehicles；life cycle assessment；scenario simulation

X24

A

1000-6923(2023)10-5624-09

2023-03-01

中国氢能联盟2022政研项目(CHA2022RP004);国家自然科学基金资助项目(72104021,72204085)

* 责任作者, 副教授, chensiyuan@ncepu.edu.cn

刘 玮(1977-),男,湖北武汉人,高级工程师,博士,研究方向为新能源、氢能与燃料电池.发表论文30余篇.10000032@ceic.com.

刘 玮,万燕鸣,陈思源,等.基于场景模拟的公路货运新能源车成本效益分析研究 [J]. 中国环境科学, 2023,43(10):5624-5632.

Liu W, Wan Y M, Chen S Y, et al. Study on the cost-benefit analysis of new energy vehicles for road freight transportation based on scenario simulation [J]. China Environmental Science, 2023,43(10):5624-5632.