基于实际工况的重型商用货车碳排放研究_163页_17mb

重型商用货车碳排放研究与分析报告总结

1 研究背景与目标

本研究基于实际工况，分析重型商用货车的碳排放问题。研究背景涵盖碳达峰、碳中和目标及减污降碳协同增效政策。重型货车在公路运输碳排放中占比高达54%，是减排重点领域。研究目标包括：构建重型货车实际道路碳排放因子模型，探索实际道路行驶工况与发动机参数在油耗监测与模拟计算中的应用，并为下一阶段排放标准和油耗限值修订提供数据支持，为减污降碳政策提供技术依据。

2 研究方法与内容

2.1 数据采集与处理

• 研究基于10059辆重型货车的行驶工况和发动机参数数据。
• 对数据进行清洗、修复和分段处理，采用卡尔曼滤波算法对10分钟分段数据进行分段筛选。
• 利用喷油量参数作为主油耗计算基础，油箱液位和工况作为辅助分析。

2.2 油耗模型与验证

• 应用卡尔曼滤波对动态数据进行数据平滑，识别微观工况，并构建油耗模型。
• 通过对称分布模型，建立了分类型、质量区间、场景和负载的碳排放因子数据库。
• 与PEMS试验和实车油耗记录进行对比验证，证明模型具有较高准确性。

3 油耗与碳排放分析

3.1 重载类型油耗差异

• 载货汽车：油耗范围为2.1–4.6 L/100km，随总质量增加而上升。
• 自卸汽车：油耗范围为3.3–8.6 L/100km，增速更快，主要因频繁装卸和启停工况。
• 牵引汽车：油耗范围为3.0–8.9 L/100km，高油耗与高速行驶和频繁负载变化相关。

3.2 多场景油耗差异

• 在建成区中，自卸汽车的油耗通常高于其他类型车辆。
• 在高速场景中的油耗最低，主要由于路况良好、车速稳定。
• 在国道与省道中，由坑洼路况和车速限制导致油耗较高。

3.3 温度与油耗关系

• 油耗随温度变化明显，低温环境下（如1月）油耗普遍增加，可能由空调使用增加所致。

4 碳排放因子与数据库

4.1 碳排放因子验证

• 使用实际道路数据与PEMS及实车记录相比较，验证结果表明油耗计算方法可靠。
• 引入转换系数：每升柴油燃烧排放约0.0026吨二氧化碳。

4.2 多维碳排放因子数据库

• 包含：车辆类型、总质量区间、行驶场景、负载状态等内容。
• 例如，自卸汽车在建成区满载状态下的碳排放因子为752 gCO2/km，是载货汽车（450 gCO2/km）的1.67倍。

5 项目成果与结论

5.1 主要成果与结论

• 构建高准确度油耗与碳排放计算模型
  采用实际道路行驶工况与发动机参数数据，计算油耗和碳排放具有较高精度。
• 分类型、分场景、分负载的碳排放数据库
  构建了涵盖载货汽车、自卸汽车、牵引汽车的数据库，为各类政策提供支撑。
• 专项作业车辆突出
  专项作业车在原地作业状态存在明显高碳排放，需纳入未来监管体系。

5.2 政策建议

1. 将实际道路数据纳入碳排放标准制定
   使用历史PEMS与实车数据验证，建议将动态行驶数据纳入重型货车下一阶段排放标准。
2. 建立分场景油耗与碳排放核算模型
   针对不同路段、不同场景形成碳账户清单，服务于区域碳排放规划。
3. 加强专项作业车辆的碳排放管理
   扩大专项作业车辆的样本与数据收集，为专项作业车的碳排放限值标准提供依据。
4. 优化驾驶模式与区域规划
   针对建成区与高污染地区加强重型货车调度管理，参考驾驶行为与气候影响因素改进节能减排策略。

6 总结

本研究基于10059辆重型商用货车实际道路行驶工况和发动机参数大数据，构建了碳排放因子模型与多维碳数据库。分析显示，重型货车特别是在自卸汽车与作业类车辆中碳排放问题突出，而高比例的速度-加速度组合下，一部分车型的碳排放显著高于其他类型。建议在政策中引入历史数据驱动的方式，在行驶场景与负载状态展开精细化管理，实现交通运输更加清洁高效。该成果可用于交通部门碳排放基准制定，助力实现“双碳”目标。