電動車參與調(diào)峰的碳減排潛力

梁夏，陳文穎

（清華大學　核能與新能源技術研究院，北京 100084）

電動車參與調(diào)峰的碳減排潛力

梁夏，陳文穎

（清華大學核能與新能源技術研究院，北京 100084）

中國可再生能源高速發(fā)展，風電、太陽能的不確定性對電網(wǎng)儲能要求日益提高，基于中國-TIMES模型與電動汽車儲能調(diào)峰計算方法，分析電動汽車V2G技術在不同滲透率下對能源系統(tǒng)各部門碳排放的影響。提出使用蒙特卡洛模擬抽取荷電狀態(tài)、充發(fā)電時段的調(diào)峰容量計算方法，將電動車按是否參與電網(wǎng)調(diào)峰進行分類，獲取電動車各小時調(diào)峰容量。對電動車參與中國電力調(diào)峰進行分析計算，結果表明，電動車儲能技術可以降低電力負荷峰谷差，從而緩解電網(wǎng)調(diào)峰壓力，對減少中國碳排放總量具有一定貢獻。

V2G技術；碳排放；電力調(diào)峰；電動汽車；TIMES模型

隨著全球溫室氣體排放量的急劇增長，碳排放導致的氣候變化問題進一步加劇，中國經(jīng)濟社會迅猛發(fā)展的同時，能源消費與CO2排放也在持續(xù)增加［1］，政府2014年出臺的《國家應對氣候變化規(guī)則（2014—2020）》中表明，2020年碳排放強度相比2005年下降40%～45%，同時中國承諾碳排放2030年左右達峰，綜合近幾年政府及社會對環(huán)境問題的關注，中國必須控制并減少碳排放，因此需要對CO2減排的方式、路徑與效果進行研究，從而為出臺相關政策提供理論依據(jù)。

2014年底，中國汽車保有量為1.46億輛［2］，雖然汽車保有量的絕對值很大，但中國人均汽車擁有量與發(fā)達國家仍有較大差距。隨著城市化進程加快，城市人口增加，居民出行需求不斷上升，輕型汽車增長率在1999—2009年年均增長率為24%［3］3-9，并且中國城市化率每增加1%會使碳排放增加1.61%［4］，因此，中國碳排放受到城市化進程加速的顯著影響。

從全球角度分析，交通部門是主要的碳排放源之一，2007年全球交通部門排放CO2總計66.2億噸，占全部碳排放的23%［5］，因此減少交通部門的碳排放，將有利于中國控制碳排放總量，為全球的溫升目標做出重要貢獻。

V2G（Vehicle-to-grid）技術使得電動車在暫停使用時可以將剩余電量反向輸送給電網(wǎng)，對電力系統(tǒng)起到削峰填谷的作用，從而減少電網(wǎng)所需電力裝機。此外，V2G技術通過峰谷電價差使車主可以在停車時獲得售電收益［6］，實現(xiàn)政府、用戶、電網(wǎng)企業(yè)的共贏，該技術的大規(guī)模使用，將提高電力系統(tǒng)發(fā)電小時數(shù)以及發(fā)電效率，因此可以降低能源系統(tǒng)的碳排放總量，并緩解空氣污染以及氣候變化等環(huán)境問題。

目前的文獻大多從技術角度研究V2G儲能，未對電動汽車V2G技術參與調(diào)峰的CO2減排潛力做出分析；在分析電動車儲能技術時，未考慮對能源系統(tǒng)不同部門的碳排放影響。故本文對中國經(jīng)濟社會發(fā)展及汽車保有量的趨勢進行分析，結合各類用戶的開車情況，構建中國分區(qū)電力調(diào)峰模型以及基于蒙特卡洛模擬的電動汽車V2G調(diào)峰容量計算方法，并通過中國-TIMES模型分析不同V2G技術滲透率下的CO2減排潛力，同時分析了V2G技術對各部門碳排放的具體影響。

一、文獻綜述

本文研究的電動汽車V2G技術屬于交通部門的一部分，目前多數(shù)文獻主要研究交通部門CO2排放問題，而對電動車V2G技術CO2減排的研究很少，因此并沒有成熟的分析體系。然而，通過參考交通部門CO2排放的研究方法，可以為研究V2G技術提供一定幫助。本文根據(jù)交通部門CO2排放的相關文獻，進行一定選擇與調(diào)整使之適用于研究V2G技術的CO2減排問題，因此文獻綜述主要為關于交通部門CO2減排的研究。

目前，對交通部門CO2排放的研究按方法學主要劃分為三類，第一類為自下而上的分析，Van derZwaan等（2013）用TIAM-ECN模型研究了交通部門 CO2減排路徑［7］，趙立祥（2015）使用 TIMES模型研究了如何通過政策引導客運交通替代私人轎車，從而降低北京交通部門的碳排放［8］，Bellasio等（2007）通過COPERT III方法分析了意大利的交通部門CO2排放，該方法同樣適用于城市地區(qū)的機動車碳排放研究［9］。

第二類是因素分解法，交通部門的碳排放可以分解為城市化率、人均GDP、城市居民消費水平、能源強度、排放因子等指標。Timilsina等（2009）的研究表明經(jīng)濟增長和能源強度是拉丁美洲、加勒比地區(qū)、亞洲國家交通部門CO2排放的主要因素［10］，張?zhí)招拢?012）使用STIRPAT的擴展模型分析了中國城市道路交通的碳排放因素，表明政府政策力度、技術進步、提高燃油經(jīng)濟性標準、開發(fā)替代燃料、發(fā)展智能交通系統(tǒng)等方式可以有效控制城市交通部門的碳排放［3］，唐葆君等（2014）通過LMDI方法將北京客運交通的碳排放分解為五個因素，分析結果為：提高公共交通比例將有助于降低碳排放［11］。劉蔚等（2015）運用LMDI分解法，測算了北京與上海市民出行的碳排放并進行了分析［12］。

第三類是計量經(jīng)濟方法，Saboori等（2014）研究了OECD國家長期中經(jīng)濟增長與交通部門CO2排放的關系［13］，Tokunaga等（2014）用面板數(shù)據(jù)估計了交通部門的碳排放［14］，Tolon-Becerra等（2012）分析了歐洲國家CO2減排目標的動態(tài)分配問題［15］。

本文以第一類自下而上的分析方法為基礎，將電動汽車負荷計算模塊、電動汽車V2G調(diào)峰技術模塊、中國電力分區(qū)調(diào)度模塊、中國-TIMES模塊進行耦合，通過加入電動車V2G技術對電網(wǎng)調(diào)峰方式進行優(yōu)化，進而得到電動車參與調(diào)峰前后中國不同區(qū)域各發(fā)電方式的發(fā)電小時數(shù)，并輸入中國-TIMES中分析V2G技術對能源系統(tǒng)各部門碳排放的影響。

研究的創(chuàng)新之處在于將電動汽車V2G儲能技術納入中國-TIMES能源系統(tǒng)進行考慮，間接解決了無法量化研究V2G碳減排潛力的問題。

二、方法學

本文的研究方法主要分為4個部分：電動汽車負荷計算模塊、電動車V2G調(diào)峰容量計算模塊、中國電力調(diào)峰模塊、中國-TIMES模塊。電動汽車按是否具有儲能調(diào)峰能力，分為無序充電的不可調(diào)峰電動車與有序充電的可調(diào)峰電動車，無序充電電動車的負荷需求通過電動車負荷模塊進行計算，有序充電電動車的負荷需求通過V2G調(diào)峰容量模塊進行計算。無序充電負荷曲線與非電動車電力負荷構成電力總負荷，有序充電作為儲能對電網(wǎng)進行調(diào)節(jié)，將有序與無序負荷典型日數(shù)據(jù)輸入中國電力調(diào)峰模塊，可以得到V2G技術在不同滲透率下對發(fā)電利用小時數(shù)及發(fā)電效率的影響，將不同情景下各發(fā)電方式的利用小時及效率輸入中國-TIMES模塊，可以得到V2G技術參與調(diào)峰對中國能源系統(tǒng)各部門碳排放的影響。

（一）電動車負荷計算模塊

負荷計算模塊通過蒙特卡洛模擬［16］，對車輛停泊時間、充電需求進行分類，將各個電動車充電負荷曲線累加，得到全部電動車在典型日各小時的充電負荷曲線。負荷計算以一天為單位［17］185-192，時間步長為1分鐘，第t分鐘的充電負荷為充電車輛數(shù)與充電功率加權和

其中，S1（t）為t分鐘的無序充電總功率；Pi（t）為第i輛車在t分鐘的充電功率；n為電動汽車總數(shù)。

無序充電情況下，每輛車在停車時開始充電，達到電量需求或用戶需要開走車輛時停止充電。典型日的負荷曲線為：不包括電動車的負荷需求加上電動車無序充電負荷之和，隨著電動車數(shù)量以及充電功率的增加，電動車在充電高峰時將對電網(wǎng)造成一定沖擊，因此電力系統(tǒng)需要增加裝機，而低谷時上述機組處于旋轉備用，因而導致電力系統(tǒng)的發(fā)電小時數(shù)及發(fā)電效率降低。

（二）電動車V2G調(diào)峰容量計算模塊

電動車V2G調(diào)峰容量計算模塊同樣以蒙特卡洛模擬為基礎，負荷計算以天為單位，時間步長為1分鐘，與電動車負荷計算模塊的不同點為：計算電動車調(diào)峰容量時，車輛在停止時可以向電網(wǎng)反向充電

其中，S2（t）為第t分鐘有序充電的總功率；Pi（t）為第i輛車在t分鐘的充電功率；n為電動汽車總數(shù)；Wi（t）為t分鐘第i輛車是否具有調(diào)峰功能的判斷變量。

如果第i輛車在停車時間段內(nèi)，充電功率可以滿足用戶所需電量，則該時段內(nèi)的充電功率具有調(diào)峰功能，車輛將可以選擇該時段的某一區(qū)間對電網(wǎng)充電，在開車時達到電池電量需求即可。

其中，Ti為第i輛車通過蒙特卡洛模擬得到的充電時間段；SOCi為第i輛車的電量需求。有序充電只需要滿足用戶開走車輛時達到期望電量即可。

中國典型日中白天為負荷高峰、夜間為負荷低谷，并且較大比例的車輛在白天使用、夜間停泊，有序充電將整合車輛充電需求，調(diào)整不同類型車輛的充電時間，使電動車盡可能選擇負荷低谷時充電、負荷高峰時發(fā)電，從而有效降低電網(wǎng)負荷的峰谷差，可以在一定程度上減少電力部門所需裝機容量，并提高利用小時數(shù)及發(fā)電效率，最終減少碳排放。

（三）中國電力分區(qū)調(diào)峰模塊

中國電力分區(qū)調(diào)峰模塊以電力調(diào)度計算方法為基礎，設定各電力分區(qū)不同發(fā)電方式的裝機容量、運行特性、經(jīng)濟性、區(qū)域間電力傳輸限制以及網(wǎng)損，以天為計算單位，1小時為步長，通過成本最小化得到系統(tǒng)各類發(fā)電方式所需裝機，并加入電動汽車負荷、V2G儲能技術，從而得到不同情景下各機組運行小時、出力、平均負載率及電力部門發(fā)電結構等數(shù)據(jù)。

目標函數(shù)使1天內(nèi)電力系統(tǒng)運行的綜合成本最低

其中，CV為燃料成本；CD為建設成本；COM為運行及維護成本；f（Pi（t））為第i個電源的燃料成本函數(shù)；Pi（t）為第i個電源的功率；Ci為第i個電源的安裝成本；r為折舊率；Ti為第i個電源的使用年限；kOM為成本系數(shù)［18］。

電力系統(tǒng)調(diào)峰模塊以2010年為基年，裝機、典型日出力及負荷曲線來源為國家統(tǒng)計局、國家發(fā)展改革委員會能源所等部門［19］，并利用中國-TIMES模塊進行校正，從而分析V2G技術在不同滲透率下對中國能源系統(tǒng)碳排放的影響。

（四）中國-TIMES模型

TIMES模型是基于IEA/ETSAP項目開發(fā)的能源環(huán)境政策評估平臺，中國-TIMES模型是利用該平臺建立的動態(tài)優(yōu)化模型，專門研究中國能源環(huán)境問題，模型在滿足終端需求的同時選擇成本最小的技術組合。目前基于中國-TIMES模型已經(jīng)做出了許多評估氣候變化政策的研究，主要輸入包括能源服務需求、能源供應、技術描述、政策設定。

中國-TIMES模型以2010年為基準年，每5年為間隔，規(guī)劃期到2050年，對各種能源開采、加工、運輸、需求等環(huán)節(jié)的技術進行了詳盡的描述，包括已有技術和未來政策驅動下可能出現(xiàn)的新技術，中國-TIMES模型可用于能源政策與發(fā)展戰(zhàn)略研究［20-21］。

三、數(shù)據(jù)與假設

（一）電動車出行時間及電量

根據(jù)對公交車、出租車、公務車、私家車等車輛類型運營情況的調(diào)研，得到首末班車時間、倒班時間、運行里程、電力需求、運營目的、各類型車輛的比例結構、停車時間分布、充電時間分布。目前電動車電池容量15～30千瓦時，快速充電1小時可以充滿，慢速充電5小時可以充滿，參考發(fā)達國家情景，私人汽車、出租車、公務車、公交車占比分別為85%、3%、11%、1%［17］185-192?，F(xiàn)有文獻預測電動汽車總量2030年將達到6 500萬輛［22］，2050年達到車輛總數(shù)的30%［23］，與本文模型輸出的結果較為接近，因此可在一定程度上支持本文的結論。

（二）中國電力分區(qū)

根據(jù)國家統(tǒng)計局給出的2010年分區(qū)裝機及傳輸線路等數(shù)據(jù)［24］，以及國家發(fā)展改革委員會能源所的2050年中國電力裝機及輸電線路規(guī)劃，假設不同區(qū)域裝機發(fā)展速度與經(jīng)濟發(fā)展情況正相關，結合發(fā)達國家的GDP發(fā)展路徑，對中國各電力分區(qū)的經(jīng)濟發(fā)展做出合理的假設，最終得到中國各區(qū)域2010—2050年各發(fā)電方式的裝機容量變化情況。模型中的可再生能源出力及全國電力負荷需求以能源所給出的典型日曲線為基礎。

以國家發(fā)展改革委員會出臺的《可再生能源中長期規(guī)劃》《“十二五”可再生能源發(fā)展規(guī)劃》為基礎，在參考情景中假設中國風電、太陽能、水電、核電、生物質(zhì)能發(fā)電的裝機容量如表1所示［25］，火電作為主要調(diào)峰手段，所需裝機容量在各種情景下不同，因此并不列示在表中。

（三）中國-TIMES模型

人口規(guī)模、經(jīng)濟增長、城鎮(zhèn)化率和產(chǎn)業(yè)結構等經(jīng)濟社會發(fā)展指標將影響中國未來的碳排放總量，對上述發(fā)展指標進行合理假設將對預測碳排放情景具有重要意義。

表1　2020—2050各發(fā)電方式裝機容量及人均電力需求

人口是驅動能源需求和勞力供應的基本因素，是碳排放總量的重要驅動條件，根據(jù)中國發(fā)展情況及相關政策，假設人口增長在2035年達到峰值14.7億，之后緩慢下降，2050年為14.4億。

經(jīng)濟增長將在一定程度上提高能源消費強度，隨著中國人口紅利的消失，GDP增長將逐漸放緩，綜合已有的研究，假定2010—2020年、2020—2030年、2030—2040年、2040—2050年GDP增長率分別為7%、6%、4.5%、3%［25］。

城市化率為國家經(jīng)濟發(fā)展水平的重要指標，較高的城鎮(zhèn)化率將增加城市住房、基礎設施、醫(yī)療保障等需求，因此導致碳排放和能源消費強度上升，本文假設城鎮(zhèn)化率在2050年達到75%［26］。

產(chǎn)業(yè)結構決定了第一、第二、第三產(chǎn)業(yè)的比重，調(diào)整產(chǎn)業(yè)結構將影響國民經(jīng)濟發(fā)展的速度和效益，隨著經(jīng)濟發(fā)展，中國第三產(chǎn)業(yè)比重不斷上升，第一、第二產(chǎn)業(yè)比重持續(xù)下降，本文假設2050年第一產(chǎn)業(yè)比重為2%，第二產(chǎn)業(yè)比重為36%，第三產(chǎn)業(yè)比重為62%。

四、情景設計與分析

（一）情景設計

交通部門劃分為公共交通、私人交通、城市、鄉(xiāng)村、客運、貨運、運輸容量等，考慮V2G技術的地域性及電力傳輸容量限制，本文僅考慮交通部門中的私人汽車、公交、公務車、出租車，暫不考慮貨運、城市間交通等難以分類及標準化的車輛類型。

電動車向電網(wǎng)反向充電技術在未來將成為一種重要的儲能手段［27-29］，本文假設電動汽車占機動車的比例不斷提高，并在2050年達到客運汽車總量的44%。假設政府通過政策激勵可以使得V2G技術在A、B、C 3種情景下2050年的滲透率達到20%、50%、100%，并且滲透率各年的變化路徑如表2所示。

表2　V2 G技術滲透率　%

V2G技術調(diào)峰可以降低電力負荷的峰谷差及空載率，提高電廠平均負載率，且平均負載率每提高10%可以節(jié)約3克/千瓦時的煤耗［30］，因此V2G技術可以提高火電機組效率并降低碳排放。

（二）參考情景交通部門終端需求

由圖1可見，2050年交通部門需要客運車輛2.54億輛，其中44%為電動汽車，而電動汽車在2020年僅占有8%的份額，而2010—2050年間，由于各類車輛成本發(fā)生變化，汽油車、液化石油氣汽車的比例自2010年微小上升，在2025年達到所有車輛的50%之后逐漸下降，柴油車、燃氣汽車在2010年開始逐漸下降，2050年僅占全部車輛比例的16%，氫能汽車市場占有率從2010年開始逐漸上升，然而其占有率的絕對值較小，2050年僅占全部車輛比例的1%。

（三）參考情景各部門碳排放

中國碳排放在2050年為145億噸，部分部門的碳排放變化如下，農(nóng)業(yè)、商業(yè)、交通部門的碳排放逐年上升，而農(nóng)村、工業(yè)部門的碳排放逐漸下降，部分原因在于城市化率的提高以及工業(yè)節(jié)能技術的使用，電力部門的碳排放2050年占CO2排放總量的47%，交通部門CO2排放占比從2010年的10%上升到2050年的19%，碳排放量占比與工業(yè)部門相同。

（四）V2G情景碳排放分析

由圖3所示，隨著電動車數(shù)量逐漸增加以及V2G技術滲透率的不斷提高，3個V2G技術滲透率情景下中國2050年的CO2減排總量分別為1.92億噸、2.67億噸、3.10億噸，占CO2排放總量的1.32%、1.85%、2.16%。而V2G技術在2010—2020年間的減排量并不顯著，2020年3個情景下CO2減排量僅為總排放量的0.16%、0.17%、0.21%。電動車普及率及V2G技術滲透率從2030年開始提升后，V2G技術的CO2減排量顯著增加，同時，風能與太陽能等可再生能源裝機的提高增加了電網(wǎng)的不確定性，而電動汽車儲能將有效抑制可再生能源對電網(wǎng)的沖擊，從而可以減少火電旋轉備用容量，提高平均負載率與發(fā)電效率，并減少CO2排放。

與參考情景相比，3種V2G技術滲透率下各部門碳排放減少量如圖4所示，V2G技術的應用將增加電力部門的碳排放量，減少交通部門、上游轉換部門的碳排放量，A、B、C 3種情景下，交通部門、上游轉換部門的CO2減排量不變。隨著V2G技術滲透率的提高，電動車儲能能力上升、火電效率提高、碳排放量下降。然而，火電效率提高使成本相對降低，中國-TIMES模塊根據(jù)成本最小化原則將提高火電使用率。此外，隨著電動車逐漸替代傳統(tǒng)能源汽車，交通部門的電力需求增加，導致社會總電力需求上升，而電力部門將使用更多火電，綜合兩方面因素分析，雖然V2G技術使得電力部門的火電發(fā)電效率提高，但電力需求增加導致電力部門碳排放總量上升。

2050年，3種情景下電力部門CO2排放量將增加3.23億噸、2.48億噸、2.22億噸，交通部門CO2排放減少4.12億噸，上游轉換部門碳排放減少1.03億噸。V2G技術受發(fā)電結構、負荷峰谷差的影響較大，因此電動汽車數(shù)量的增加一方面可直接減少能源系統(tǒng)碳排放量，另一方面將提高V2G的使用量，從而間接減少CO2排放。

（五）結果討論

研究結果表明，V2G技術在100%滲透率下，2050年可以減少碳排放3.10億噸，相對于目前預測的2050年碳排放總量而言，電動車V2G技術的CO2減排量占比并不高，但作為一種可能的儲能調(diào)峰方式，V2G技術可以分配各部門間的碳排放總量，減少交通部門及上游轉換部門的碳排放，增加電力部門的碳排放。從經(jīng)濟角度分析，V2G技術可以將碳排放轉移到電力部門，提高減排設備使用率，使得單位CO2的減排成本更低。

此外，V2G技術在20%滲透率下減少的碳排放達到了100%滲透率時的一半，由于電力高峰時段較短，削峰填谷具有邊際遞減效應，因此每輛車的減排貢獻隨著使用V2G車輛總數(shù)的增加而越低。并且，電動車儲能技術與其他儲能技術互為替代關系，在儲能裝機容量較高的地區(qū)，電力負荷峰谷差較小，因此峰谷電價差異較小，當電價差異不能彌補充放電造成的電量損失時，用戶將失去使用V2G技術的激勵，因此在推廣V2G技術時，應充分考慮當?shù)匚磥黼妱榆嚁?shù)量以及儲能電站建設的情況，進而可以通過在全國范圍內(nèi)對各種儲能裝機容量進行優(yōu)化，使儲能的調(diào)峰效果達到最優(yōu)。

V2G技術相對其他儲能技術的優(yōu)點在于快速響應能力，火電調(diào)峰機組每分鐘只能調(diào)節(jié)裝機容量的1%，而電動車調(diào)峰具有更快響應速度，可以與可再生能源更好地互補，隨著充電技術的發(fā)展，充電速度提高可以使電動車具備較大規(guī)模消納可再生能源的能力，可以為中國實現(xiàn)CO2減排目標做出重要貢獻。

由于目前關于通過電動車參與調(diào)峰進行CO2減排的文獻較少，因此可以通過計算其他調(diào)峰方式的減排情況側面論證本文結論的可靠性。根據(jù)國家電網(wǎng)的研究［31］，1 000兆瓦抽水蓄能電站年運行2 000小時，替代火電調(diào)峰每年可以節(jié)煤24萬噸，按每噸煤排放2噸CO2計算，每年減少碳排放48萬噸，電動汽車2050年按1億輛計算，快速充電功率為45千瓦［17］，每年調(diào)峰容量為45億千瓦，受停車時長限制，電動車發(fā)電小時按每年700小時計算，2050年電動車替代火電調(diào)峰具有減少7.6億噸碳排放的潛力，由于部分車輛選擇非快速充電，并且利用小時可能低于每天2小時，因此電動車V2G技術調(diào)峰每年可以減少3.1億噸碳排放的結果具有一定理論依據(jù)。

五、結論與建議

在中國能源系統(tǒng)中，電動車儲能技術可以有效減少交通部門、上游轉換部門的碳排放總量，2050年3種情景假設下將分別減少1.92億噸、2.67億噸、3.10億噸CO2排放，V2G技術在減少交通、上游轉換部門碳排放的同時，增加了電力部門的碳排放，并且隨著V2G技術普及率的提高，電力部門的碳排放逐漸降低。

電動車V2G技術普及率的提高可以減少更多CO2排放，20%技術滲透率下，2020年碳排放減少0.04億噸，2050年碳排放減少1.38億噸；在100%技術滲透率下，V2G技術2020年將減少0.2億噸碳排放，減排量是20%滲透率情景的5倍，2050年可減少3.1億噸碳排放，超過20%滲透率時的2倍。

由于“十二五”期間可再生能源裝機容量大幅增長，僅依靠火電及水電調(diào)峰在未來將不能滿足電網(wǎng)調(diào)峰需求，因此政府在推廣使用電動汽車的同時，應注意運用電動汽車的調(diào)峰能力，從而充分發(fā)掘電動汽車對環(huán)境改善方面的潛力。發(fā)展電動汽車V2G技術可以采用與推動可再生能源發(fā)展類似的方式，例如：建立電動車V2G試點地區(qū)；對使用V2G技術進行調(diào)峰的電動車給予補貼；通過資金手段支持V2G技術的發(fā)展；通過電力市場及峰谷電價差異吸引用戶使用V2G技術；支持電動汽車生產(chǎn)企業(yè)生產(chǎn)具有V2G技術的電動車；完善電動車充電及計費設備設施。

本文從宏觀角度對V2G CO2減排的作用進行了分析，不可避免地具有一定局限性，例如：沒有發(fā)揮電動車快速響應電力系統(tǒng)分鐘級波動的特性，并且只從降低碳排放角度考慮是否使用電動車V2G技術，沒有考慮用戶參與V2G調(diào)峰的意愿。因此未來的工作主要包括研究電動車與可再生能源的互補作用，以及如何設置最優(yōu)電價，使用戶積極參與V2G調(diào)峰。

［1］包森，田立新，王軍帥.中國能源生產(chǎn)與消費趨勢預測和碳排放研究［J］.自然資源學報，2010，25（8）：1248-1254.

［2］國家統(tǒng)計局.中國統(tǒng)計年鑒2014［M］.北京：中國統(tǒng)計出版社，2015.

［3］張?zhí)招?中國城市化進程中的城市道路交通碳排放研究［J］.中國人口·資源與環(huán)境，2012，22（8）：3-9.

［4］周葵，戴小文.中國城市化進程與碳排放量關系的實證研究［J］.中國人口·資源與環(huán)境，2013，23（4）：41-48.

［5］XU B，LIN B.Factors affecting carbon dioxide（CO2）emissions in China’s transport sector：a dynamic nonparametric additive regression model［J］.Journal of Cleaner Production，2015，101：311-322.

［6］項頂，宋永華，胡澤春，等.電動汽車參與V2G的最優(yōu)峰谷電價研究［J］.中國電機工程學報，2013，33（31）：15-25.

［7］ZWAAN B V D，KEPPO I，JOHNSSON F.How to decarbonize the transport sector？［J］.Energy Policy，2013，61（7）：562-573.

［8］趙立祥，王宇奇.基于TIMES模型的客運交通低碳化研究——以北京市為例［J］.北京理工大學學報（社會科學版），2015，17 （5）：50-55.

［9］BELLASIO R，BIANCONI R，CORDA G，et al.Emission inventory for the road transport sector in Sardinia（Italy）［J］.Atmospheric Environment，2007，41（4）：677-691.

［10］TIMILSINA G R，SHRESTHA A.Transport sector CO2emissions growth in Asia：underlying factors and policy options［J］. Energy Policy，2009，37（11）：4523-4539.

［11］唐葆君，沈丹進.北京市道路客運交通碳排放研究及其情景分析［J］.北京理工大學學報（社會科學版），2014，16（4）：8-12.

［12］劉蔚，郭彩云，陳紀瑛.中國城市居民出行CO2排放特征及影響因素［J］.北京理工大學學報（社會科學版），2015，17（1）：32-39.

［13］SABOORI B，SAPRI M，BABA M B.Economic growth，energy consumption and CO2emissions in OECD （organization for economic co-operation and development）’s transport sector：a fully modified bi-directional relationship approach［J］.Energy，2014，66：150-161.

［14］TOKUNAGA K，KONAN D E.Home grown or imported？Biofuels life cycle GHG emissions in electricity generation andtransportation［J］.Applied Energy，2014，125（2）：123-131.

［15］TOLlóN-BECERRA A，PéREZ-MARTINEZ P，LASTRA-BRAVO X，et al.A methodology for territorial distribution of CO2emission reductions in transport sector［J］.Int.J.Energy Res，2012，36（14）：1298-1313.

［16］羅卓偉，胡澤春，宋永華，等.電動汽車充電負荷計算方法［J］.電力系統(tǒng)自動化，2011，35（14）：36-42.

［17］CLEMENT-NYNS K，HAESEN E，DRIESEN J.The impact of vehicle-to-grid on the distribution grid［J］.Electric Power Systems Research.2011，81（1）：185-192.

［18］楊秀，陳潔，朱蘭，等.基于經(jīng)濟調(diào)度的微網(wǎng)儲能優(yōu)化配置［J］.電力系統(tǒng)保護與控制，2013，41（1）：53-60.

［19］國家發(fā)展和改革委員會能源研究所.中國2050高比例可再生能源發(fā)展清潔暨路經(jīng)研究［R］.北京：國家發(fā)展和改革委員會能源研究所，2015.

［20］尹祥，陳文穎.基于中國TIMES模型的碳排放情景比較［J］.清華大學學報（自然科學版），2013，53（9）：1315-1321.

［21］劉嘉，陳文穎，劉德順.基于中國TIMES模型體系的低碳能源發(fā)展戰(zhàn)略［J］.清華大學學報（自然科學版），2011，51（4）：525-529，535.

［22］劉堅，胡澤春.電動汽車作為電力系統(tǒng)儲能應用潛力研究［J］.中國能源，2013，35（7）：32-37.

［23］ZHOU N，F(xiàn)RIDLEY D，KHANNA N Z，et al.China’s energy and emissions outlook to 2050：perspectives from bottom-up energy end-use model［J］.Energy Policy，2013，53：51-62.

［24］國家統(tǒng)計局.中國統(tǒng)計年鑒2010［M］.北京：中國統(tǒng)計出版社，2011.

［25］尹祥.中國CO2排放峰值分析模型建與應用［D］.北京：清華大學，2014.

［26］劉嘉.中國TIMES模型體系及CCS技術應用的影響分析［D］.北京：清華大學，2011.

［27］SABER A Y，VENAYAGAMOORTHY G K.Intelligent unit commitment with vehicle-to-grid—a cost-emission optimization［J］. Journal of Power Sources，2010，195（3）：898-911.

［28］KEMPTON W，TOMIc′J.Vehicle-to-grid power implementation：from stabilizing the grid to supporting large-scale renewable energy［J］.Journal of Power Sources，2005，144（1）：280-294.

［29］TOMIc′J，KEMPTON W.Using fleets of electric-drive vehicles for grid support［J］.Journal of Power Sources，2007，168（2）：459-468.

［30］蔣昌明.火電廠能耗指標分析手冊［M］.北京：中國電力出版社，2011.

［31］崔繼純，劉殿海，梁維列，等.抽水蓄能電站經(jīng)濟環(huán)保效益分析［J］.中國電力，2007，40（1）：5-10.

［責任編輯：孟青］

Reduction Potential of Carbon Emission by Peak Shaving of EV

LIANG Xia，CHEN Wenying
（Institute of Nuclear and New Energy Technology，Tsinghua University，Beijing 100084，China）

With the high speed development of China’s renewable energy，uncertainty of the grid promotes the increasing of storage capacity.Based on the China-TIMES model and electric car’s peak shaving model，this research analyzed the carbon emission of energy system under the impact of vehicle-to-grid technology with different penetration rate.It proposed to use Monte Carlo simulation to extract the state of charge and charging period.And it calculated the shaving capacity of electric cars by classification of different state of electric cars.Then it obtained the peak shaving capacity by hour.The analysis and calculation results show that: the electric vehicle energy storage technology has the ability to reduce the difference between peak and valley.Besides，V2G technology can ease the pressure of carbon emission of China and it will contribute significantly to the goal of carbon emission.

V2G technology；carbon emission；electric peak shaving；electric vehicle；TIMES model

X24

A

1009-3370（2016）04-0042-07

10.15918/j.jbitss1009-3370.2016.0406

2016-02-13

梁夏（1992—），男，博士研究生，E-mail：liangx10@mails.tsinghua.edu.cn；陳文穎（1969—），女，博士，教授，博士生導師，E-mail：chenwy@mail.tsinghua.edu.cn