电动车参与调峰的碳减排潜力

梁夏，陈文颖

（清华大学　核能与新能源技术研究院，北京 100084）

电动车参与调峰的碳减排潜力

梁夏，陈文颖

（清华大学核能与新能源技术研究院，北京 100084）

中国可再生能源高速发展，风电、太阳能的不确定性对电网储能要求日益提高，基于中国-TIMES模型与电动汽车储能调峰计算方法，分析电动汽车V2G技术在不同渗透率下对能源系统各部门碳排放的影响。提出使用蒙特卡洛模拟抽取荷电状态、充发电时段的调峰容量计算方法，将电动车按是否参与电网调峰进行分类，获取电动车各小时调峰容量。对电动车参与中国电力调峰进行分析计算，结果表明，电动车储能技术可以降低电力负荷峰谷差，从而缓解电网调峰压力，对减少中国碳排放总量具有一定贡献。

V2G技术；碳排放；电力调峰；电动汽车；TIMES模型

随着全球温室气体排放量的急剧增长，碳排放导致的气候变化问题进一步加剧，中国经济社会迅猛发展的同时，能源消费与CO2排放也在持续增加［1］，政府2014年出台的《国家应对气候变化规则（2014—2020）》中表明，2020年碳排放强度相比2005年下降40%～45%，同时中国承诺碳排放2030年左右达峰，综合近几年政府及社会对环境问题的关注，中国必须控制并减少碳排放，因此需要对CO2减排的方式、路径与效果进行研究，从而为出台相关政策提供理论依据。

2014年底，中国汽车保有量为1.46亿辆［2］，虽然汽车保有量的绝对值很大，但中国人均汽车拥有量与发达国家仍有较大差距。随着城市化进程加快，城市人口增加，居民出行需求不断上升，轻型汽车增长率在1999—2009年年均增长率为24%［3］3-9，并且中国城市化率每增加1%会使碳排放增加1.61%［4］，因此，中国碳排放受到城市化进程加速的显著影响。

从全球角度分析，交通部门是主要的碳排放源之一，2007年全球交通部门排放CO2总计66.2亿吨，占全部碳排放的23%［5］，因此减少交通部门的碳排放，将有利于中国控制碳排放总量，为全球的温升目标做出重要贡献。

V2G（Vehicle-to-grid）技术使得电动车在暂停使用时可以将剩余电量反向输送给电网，对电力系统起到削峰填谷的作用，从而减少电网所需电力装机。此外，V2G技术通过峰谷电价差使车主可以在停车时获得售电收益［6］，实现政府、用户、电网企业的共赢，该技术的大规模使用，将提高电力系统发电小时数以及发电效率，因此可以降低能源系统的碳排放总量，并缓解空气污染以及气候变化等环境问题。

目前的文献大多从技术角度研究V2G储能，未对电动汽车V2G技术参与调峰的CO2减排潜力做出分析；在分析电动车储能技术时，未考虑对能源系统不同部门的碳排放影响。故本文对中国经济社会发展及汽车保有量的趋势进行分析，结合各类用户的开车情况，构建中国分区电力调峰模型以及基于蒙特卡洛模拟的电动汽车V2G调峰容量计算方法，并通过中国-TIMES模型分析不同V2G技术渗透率下的CO2减排潜力，同时分析了V2G技术对各部门碳排放的具体影响。

一、文献综述

本文研究的电动汽车V2G技术属于交通部门的一部分，目前多数文献主要研究交通部门CO2排放问题，而对电动车V2G技术CO2减排的研究很少，因此并没有成熟的分析体系。然而，通过参考交通部门CO2排放的研究方法，可以为研究V2G技术提供一定帮助。本文根据交通部门CO2排放的相关文献，进行一定选择与调整使之适用于研究V2G技术的CO2减排问题，因此文献综述主要为关于交通部门CO2减排的研究。

目前，对交通部门CO2排放的研究按方法学主要划分为三类，第一类为自下而上的分析，Van derZwaan等（2013）用TIAM-ECN模型研究了交通部门 CO2减排路径［7］，赵立祥（2015）使用 TIMES模型研究了如何通过政策引导客运交通替代私人轿车，从而降低北京交通部门的碳排放［8］，Bellasio等（2007）通过COPERT III方法分析了意大利的交通部门CO2排放，该方法同样适用于城市地区的机动车碳排放研究［9］。

第二类是因素分解法，交通部门的碳排放可以分解为城市化率、人均GDP、城市居民消费水平、能源强度、排放因子等指标。Timilsina等（2009）的研究表明经济增长和能源强度是拉丁美洲、加勒比地区、亚洲国家交通部门CO2排放的主要因素［10］，张陶新（2012）使用STIRPAT的扩展模型分析了中国城市道路交通的碳排放因素，表明政府政策力度、技术进步、提高燃油经济性标准、开发替代燃料、发展智能交通系统等方式可以有效控制城市交通部门的碳排放［3］，唐葆君等（2014）通过LMDI方法将北京客运交通的碳排放分解为五个因素，分析结果为：提高公共交通比例将有助于降低碳排放［11］。刘蔚等（2015）运用LMDI分解法，测算了北京与上海市民出行的碳排放并进行了分析［12］。

第三类是计量经济方法，Saboori等（2014）研究了OECD国家长期中经济增长与交通部门CO2排放的关系［13］，Tokunaga等（2014）用面板数据估计了交通部门的碳排放［14］，Tolon-Becerra等（2012）分析了欧洲国家CO2减排目标的动态分配问题［15］。

本文以第一类自下而上的分析方法为基础，将电动汽车负荷计算模块、电动汽车V2G调峰技术模块、中国电力分区调度模块、中国-TIMES模块进行耦合，通过加入电动车V2G技术对电网调峰方式进行优化，进而得到电动车参与调峰前后中国不同区域各发电方式的发电小时数，并输入中国-TIMES中分析V2G技术对能源系统各部门碳排放的影响。

研究的创新之处在于将电动汽车V2G储能技术纳入中国-TIMES能源系统进行考虑，间接解决了无法量化研究V2G碳减排潜力的问题。

二、方法学

本文的研究方法主要分为4个部分：电动汽车负荷计算模块、电动车V2G调峰容量计算模块、中国电力调峰模块、中国-TIMES模块。电动汽车按是否具有储能调峰能力，分为无序充电的不可调峰电动车与有序充电的可调峰电动车，无序充电电动车的负荷需求通过电动车负荷模块进行计算，有序充电电动车的负荷需求通过V2G调峰容量模块进行计算。无序充电负荷曲线与非电动车电力负荷构成电力总负荷，有序充电作为储能对电网进行调节，将有序与无序负荷典型日数据输入中国电力调峰模块，可以得到V2G技术在不同渗透率下对发电利用小时数及发电效率的影响，将不同情景下各发电方式的利用小时及效率输入中国-TIMES模块，可以得到V2G技术参与调峰对中国能源系统各部门碳排放的影响。

（一）电动车负荷计算模块

负荷计算模块通过蒙特卡洛模拟［16］，对车辆停泊时间、充电需求进行分类，将各个电动车充电负荷曲线累加，得到全部电动车在典型日各小时的充电负荷曲线。负荷计算以一天为单位［17］185-192，时间步长为1分钟，第t分钟的充电负荷为充电车辆数与充电功率加权和

其中，S1（t）为t分钟的无序充电总功率；Pi（t）为第i辆车在t分钟的充电功率；n为电动汽车总数。

无序充电情况下，每辆车在停车时开始充电，达到电量需求或用户需要开走车辆时停止充电。典型日的负荷曲线为：不包括电动车的负荷需求加上电动车无序充电负荷之和，随着电动车数量以及充电功率的增加，电动车在充电高峰时将对电网造成一定冲击，因此电力系统需要增加装机，而低谷时上述机组处于旋转备用，因而导致电力系统的发电小时数及发电效率降低。

（二）电动车V2G调峰容量计算模块

电动车V2G调峰容量计算模块同样以蒙特卡洛模拟为基础，负荷计算以天为单位，时间步长为1分钟，与电动车负荷计算模块的不同点为：计算电动车调峰容量时，车辆在停止时可以向电网反向充电

其中，S2（t）为第t分钟有序充电的总功率；Pi（t）为第i辆车在t分钟的充电功率；n为电动汽车总数；Wi（t）为t分钟第i辆车是否具有调峰功能的判断变量。

如果第i辆车在停车时间段内，充电功率可以满足用户所需电量，则该时段内的充电功率具有调峰功能，车辆将可以选择该时段的某一区间对电网充电，在开车时达到电池电量需求即可。

其中，Ti为第i辆车通过蒙特卡洛模拟得到的充电时间段；SOCi为第i辆车的电量需求。有序充电只需要满足用户开走车辆时达到期望电量即可。

中国典型日中白天为负荷高峰、夜间为负荷低谷，并且较大比例的车辆在白天使用、夜间停泊，有序充电将整合车辆充电需求，调整不同类型车辆的充电时间，使电动车尽可能选择负荷低谷时充电、负荷高峰时发电，从而有效降低电网负荷的峰谷差，可以在一定程度上减少电力部门所需装机容量，并提高利用小时数及发电效率，最终减少碳排放。

（三）中国电力分区调峰模块

中国电力分区调峰模块以电力调度计算方法为基础，设定各电力分区不同发电方式的装机容量、运行特性、经济性、区域间电力传输限制以及网损，以天为计算单位，1小时为步长，通过成本最小化得到系统各类发电方式所需装机，并加入电动汽车负荷、V2G储能技术，从而得到不同情景下各机组运行小时、出力、平均负载率及电力部门发电结构等数据。

目标函数使1天内电力系统运行的综合成本最低

其中，CV为燃料成本；CD为建设成本；COM为运行及维护成本；f（Pi（t））为第i个电源的燃料成本函数；Pi（t）为第i个电源的功率；Ci为第i个电源的安装成本；r为折旧率；Ti为第i个电源的使用年限；kOM为成本系数［18］。

电力系统调峰模块以2010年为基年，装机、典型日出力及负荷曲线来源为国家统计局、国家发展改革委员会能源所等部门［19］，并利用中国-TIMES模块进行校正，从而分析V2G技术在不同渗透率下对中国能源系统碳排放的影响。

（四）中国-TIMES模型

TIMES模型是基于IEA/ETSAP项目开发的能源环境政策评估平台，中国-TIMES模型是利用该平台建立的动态优化模型，专门研究中国能源环境问题，模型在满足终端需求的同时选择成本最小的技术组合。目前基于中国-TIMES模型已经做出了许多评估气候变化政策的研究，主要输入包括能源服务需求、能源供应、技术描述、政策设定。

中国-TIMES模型以2010年为基准年，每5年为间隔，规划期到2050年，对各种能源开采、加工、运输、需求等环节的技术进行了详尽的描述，包括已有技术和未来政策驱动下可能出现的新技术，中国-TIMES模型可用于能源政策与发展战略研究［20-21］。

三、数据与假设

（一）电动车出行时间及电量

根据对公交车、出租车、公务车、私家车等车辆类型运营情况的调研，得到首末班车时间、倒班时间、运行里程、电力需求、运营目的、各类型车辆的比例结构、停车时间分布、充电时间分布。目前电动车电池容量15～30千瓦时，快速充电1小时可以充满，慢速充电5小时可以充满，参考发达国家情景，私人汽车、出租车、公务车、公交车占比分别为85%、3%、11%、1%［17］185-192。现有文献预测电动汽车总量2030年将达到6 500万辆［22］，2050年达到车辆总数的30%［23］，与本文模型输出的结果较为接近，因此可在一定程度上支持本文的结论。

（二）中国电力分区

根据国家统计局给出的2010年分区装机及传输线路等数据［24］，以及国家发展改革委员会能源所的2050年中国电力装机及输电线路规划，假设不同区域装机发展速度与经济发展情况正相关，结合发达国家的GDP发展路径，对中国各电力分区的经济发展做出合理的假设，最终得到中国各区域2010—2050年各发电方式的装机容量变化情况。模型中的可再生能源出力及全国电力负荷需求以能源所给出的典型日曲线为基础。

以国家发展改革委员会出台的《可再生能源中长期规划》《“十二五”可再生能源发展规划》为基础，在参考情景中假设中国风电、太阳能、水电、核电、生物质能发电的装机容量如表1所示［25］，火电作为主要调峰手段，所需装机容量在各种情景下不同，因此并不列示在表中。

（三）中国-TIMES模型

人口规模、经济增长、城镇化率和产业结构等经济社会发展指标将影响中国未来的碳排放总量，对上述发展指标进行合理假设将对预测碳排放情景具有重要意义。

表1　2020—2050各发电方式装机容量及人均电力需求

人口是驱动能源需求和劳力供应的基本因素，是碳排放总量的重要驱动条件，根据中国发展情况及相关政策，假设人口增长在2035年达到峰值14.7亿，之后缓慢下降，2050年为14.4亿。

经济增长将在一定程度上提高能源消费强度，随着中国人口红利的消失，GDP增长将逐渐放缓，综合已有的研究，假定2010—2020年、2020—2030年、2030—2040年、2040—2050年GDP增长率分别为7%、6%、4.5%、3%［25］。

城市化率为国家经济发展水平的重要指标，较高的城镇化率将增加城市住房、基础设施、医疗保障等需求，因此导致碳排放和能源消费强度上升，本文假设城镇化率在2050年达到75%［26］。

产业结构决定了第一、第二、第三产业的比重，调整产业结构将影响国民经济发展的速度和效益，随着经济发展，中国第三产业比重不断上升，第一、第二产业比重持续下降，本文假设2050年第一产业比重为2%，第二产业比重为36%，第三产业比重为62%。

四、情景设计与分析

（一）情景设计

交通部门划分为公共交通、私人交通、城市、乡村、客运、货运、运输容量等，考虑V2G技术的地域性及电力传输容量限制，本文仅考虑交通部门中的私人汽车、公交、公务车、出租车，暂不考虑货运、城市间交通等难以分类及标准化的车辆类型。

电动车向电网反向充电技术在未来将成为一种重要的储能手段［27-29］，本文假设电动汽车占机动车的比例不断提高，并在2050年达到客运汽车总量的44%。假设政府通过政策激励可以使得V2G技术在A、B、C 3种情景下2050年的渗透率达到20%、50%、100%，并且渗透率各年的变化路径如表2所示。

表2　V2 G技术渗透率　%

V2G技术调峰可以降低电力负荷的峰谷差及空载率，提高电厂平均负载率，且平均负载率每提高10%可以节约3克/千瓦时的煤耗［30］，因此V2G技术可以提高火电机组效率并降低碳排放。

（二）参考情景交通部门终端需求

由图1可见，2050年交通部门需要客运车辆2.54亿辆，其中44%为电动汽车，而电动汽车在2020年仅占有8%的份额，而2010—2050年间，由于各类车辆成本发生变化，汽油车、液化石油气汽车的比例自2010年微小上升，在2025年达到所有车辆的50%之后逐渐下降，柴油车、燃气汽车在2010年开始逐渐下降，2050年仅占全部车辆比例的16%，氢能汽车市场占有率从2010年开始逐渐上升，然而其占有率的绝对值较小，2050年仅占全部车辆比例的1%。

（三）参考情景各部门碳排放

中国碳排放在2050年为145亿吨，部分部门的碳排放变化如下，农业、商业、交通部门的碳排放逐年上升，而农村、工业部门的碳排放逐渐下降，部分原因在于城市化率的提高以及工业节能技术的使用，电力部门的碳排放2050年占CO2排放总量的47%，交通部门CO2排放占比从2010年的10%上升到2050年的19%，碳排放量占比与工业部门相同。

（四）V2G情景碳排放分析

由图3所示，随着电动车数量逐渐增加以及V2G技术渗透率的不断提高，3个V2G技术渗透率情景下中国2050年的CO2减排总量分别为1.92亿吨、2.67亿吨、3.10亿吨，占CO2排放总量的1.32%、1.85%、2.16%。而V2G技术在2010—2020年间的减排量并不显著，2020年3个情景下CO2减排量仅为总排放量的0.16%、0.17%、0.21%。电动车普及率及V2G技术渗透率从2030年开始提升后，V2G技术的CO2减排量显著增加，同时，风能与太阳能等可再生能源装机的提高增加了电网的不确定性，而电动汽车储能将有效抑制可再生能源对电网的冲击，从而可以减少火电旋转备用容量，提高平均负载率与发电效率，并减少CO2排放。

与参考情景相比，3种V2G技术渗透率下各部门碳排放减少量如图4所示，V2G技术的应用将增加电力部门的碳排放量，减少交通部门、上游转换部门的碳排放量，A、B、C 3种情景下，交通部门、上游转换部门的CO2减排量不变。随着V2G技术渗透率的提高，电动车储能能力上升、火电效率提高、碳排放量下降。然而，火电效率提高使成本相对降低，中国-TIMES模块根据成本最小化原则将提高火电使用率。此外，随着电动车逐渐替代传统能源汽车，交通部门的电力需求增加，导致社会总电力需求上升，而电力部门将使用更多火电，综合两方面因素分析，虽然V2G技术使得电力部门的火电发电效率提高，但电力需求增加导致电力部门碳排放总量上升。

2050年，3种情景下电力部门CO2排放量将增加3.23亿吨、2.48亿吨、2.22亿吨，交通部门CO2排放减少4.12亿吨，上游转换部门碳排放减少1.03亿吨。V2G技术受发电结构、负荷峰谷差的影响较大，因此电动汽车数量的增加一方面可直接减少能源系统碳排放量，另一方面将提高V2G的使用量，从而间接减少CO2排放。

（五）结果讨论

研究结果表明，V2G技术在100%渗透率下，2050年可以减少碳排放3.10亿吨，相对于目前预测的2050年碳排放总量而言，电动车V2G技术的CO2减排量占比并不高，但作为一种可能的储能调峰方式，V2G技术可以分配各部门间的碳排放总量，减少交通部门及上游转换部门的碳排放，增加电力部门的碳排放。从经济角度分析，V2G技术可以将碳排放转移到电力部门，提高减排设备使用率，使得单位CO2的减排成本更低。

此外，V2G技术在20%渗透率下减少的碳排放达到了100%渗透率时的一半，由于电力高峰时段较短，削峰填谷具有边际递减效应，因此每辆车的减排贡献随着使用V2G车辆总数的增加而越低。并且，电动车储能技术与其他储能技术互为替代关系，在储能装机容量较高的地区，电力负荷峰谷差较小，因此峰谷电价差异较小，当电价差异不能弥补充放电造成的电量损失时，用户将失去使用V2G技术的激励，因此在推广V2G技术时，应充分考虑当地未来电动车数量以及储能电站建设的情况，进而可以通过在全国范围内对各种储能装机容量进行优化，使储能的调峰效果达到最优。

V2G技术相对其他储能技术的优点在于快速响应能力，火电调峰机组每分钟只能调节装机容量的1%，而电动车调峰具有更快响应速度，可以与可再生能源更好地互补，随着充电技术的发展，充电速度提高可以使电动车具备较大规模消纳可再生能源的能力，可以为中国实现CO2减排目标做出重要贡献。

由于目前关于通过电动车参与调峰进行CO2减排的文献较少，因此可以通过计算其他调峰方式的减排情况侧面论证本文结论的可靠性。根据国家电网的研究［31］，1 000兆瓦抽水蓄能电站年运行2 000小时，替代火电调峰每年可以节煤24万吨，按每吨煤排放2吨CO2计算，每年减少碳排放48万吨，电动汽车2050年按1亿辆计算，快速充电功率为45千瓦［17］，每年调峰容量为45亿千瓦，受停车时长限制，电动车发电小时按每年700小时计算，2050年电动车替代火电调峰具有减少7.6亿吨碳排放的潜力，由于部分车辆选择非快速充电，并且利用小时可能低于每天2小时，因此电动车V2G技术调峰每年可以减少3.1亿吨碳排放的结果具有一定理论依据。

五、结论与建议

在中国能源系统中，电动车储能技术可以有效减少交通部门、上游转换部门的碳排放总量，2050年3种情景假设下将分别减少1.92亿吨、2.67亿吨、3.10亿吨CO2排放，V2G技术在减少交通、上游转换部门碳排放的同时，增加了电力部门的碳排放，并且随着V2G技术普及率的提高，电力部门的碳排放逐渐降低。

电动车V2G技术普及率的提高可以减少更多CO2排放，20%技术渗透率下，2020年碳排放减少0.04亿吨，2050年碳排放减少1.38亿吨；在100%技术渗透率下，V2G技术2020年将减少0.2亿吨碳排放，减排量是20%渗透率情景的5倍，2050年可减少3.1亿吨碳排放，超过20%渗透率时的2倍。

由于“十二五”期间可再生能源装机容量大幅增长，仅依靠火电及水电调峰在未来将不能满足电网调峰需求，因此政府在推广使用电动汽车的同时，应注意运用电动汽车的调峰能力，从而充分发掘电动汽车对环境改善方面的潜力。发展电动汽车V2G技术可以采用与推动可再生能源发展类似的方式，例如：建立电动车V2G试点地区；对使用V2G技术进行调峰的电动车给予补贴；通过资金手段支持V2G技术的发展；通过电力市场及峰谷电价差异吸引用户使用V2G技术；支持电动汽车生产企业生产具有V2G技术的电动车；完善电动车充电及计费设备设施。

本文从宏观角度对V2G CO2减排的作用进行了分析，不可避免地具有一定局限性，例如：没有发挥电动车快速响应电力系统分钟级波动的特性，并且只从降低碳排放角度考虑是否使用电动车V2G技术，没有考虑用户参与V2G调峰的意愿。因此未来的工作主要包括研究电动车与可再生能源的互补作用，以及如何设置最优电价，使用户积极参与V2G调峰。

［1］包森，田立新，王军帅.中国能源生产与消费趋势预测和碳排放研究［J］.自然资源学报，2010，25（8）：1248-1254.

［2］国家统计局.中国统计年鉴2014［M］.北京：中国统计出版社，2015.

［3］张陶新.中国城市化进程中的城市道路交通碳排放研究［J］.中国人口·资源与环境，2012，22（8）：3-9.

［4］周葵，戴小文.中国城市化进程与碳排放量关系的实证研究［J］.中国人口·资源与环境，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］项顶，宋永华，胡泽春，等.电动汽车参与V2G的最优峰谷电价研究［J］.中国电机工程学报，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］赵立祥，王宇奇.基于TIMES模型的客运交通低碳化研究——以北京市为例［J］.北京理工大学学报（社会科学版），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，沈丹进.北京市道路客运交通碳排放研究及其情景分析［J］.北京理工大学学报（社会科学版），2014，16（4）：8-12.

［12］刘蔚，郭彩云，陈纪瑛.中国城市居民出行CO2排放特征及影响因素［J］.北京理工大学学报（社会科学版），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］罗卓伟，胡泽春，宋永华，等.电动汽车充电负荷计算方法［J］.电力系统自动化，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］杨秀，陈洁，朱兰，等.基于经济调度的微网储能优化配置［J］.电力系统保护与控制，2013，41（1）：53-60.

［19］国家发展和改革委员会能源研究所.中国2050高比例可再生能源发展清洁暨路经研究［R］.北京：国家发展和改革委员会能源研究所，2015.

［20］尹祥，陈文颖.基于中国TIMES模型的碳排放情景比较［J］.清华大学学报（自然科学版），2013，53（9）：1315-1321.

［21］刘嘉，陈文颖，刘德顺.基于中国TIMES模型体系的低碳能源发展战略［J］.清华大学学报（自然科学版），2011，51（4）：525-529，535.

［22］刘坚，胡泽春.电动汽车作为电力系统储能应用潜力研究［J］.中国能源，2013，35（7）：32-37.

［23］ZHOU N，FRIDLEY 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］国家统计局.中国统计年鉴2010［M］.北京：中国统计出版社，2011.

［25］尹祥.中国CO2排放峰值分析模型建与应用［D］.北京：清华大学，2014.

［26］刘嘉.中国TIMES模型体系及CCS技术应用的影响分析［D］.北京：清华大学，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］蒋昌明.火电厂能耗指标分析手册［M］.北京：中国电力出版社，2011.

［31］崔继纯，刘殿海，梁维列，等.抽水蓄能电站经济环保效益分析［J］.中国电力，2007，40（1）：5-10.

［责任编辑：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；陈文颖（1969—），女，博士，教授，博士生导师，E-mail：chenwy@mail.tsinghua.edu.cn