鉅大鋰電 | 點擊量:0次 | 2020年06月23日
發改委能源研究所劉堅:電動汽車儲能技術應用潛力及功能定位、經濟性研究
隨著電動汽車的普及和電池技術不斷成熟,電動汽車作為分布式儲能的應用前景日益受到關注。通過對電動汽車充放電功率的合理引導和調度,電動汽車可向電力系統供應調頻、調峰等功率及能量型調節服務,從而提高電力系統對波動性可再生能源的利用水平。
然而,各國對電動汽車儲能潛力的定量評估研究較少,以往有限研究對不同車型種類、車主用車行為等因素的影響分析不足。因此,基于我國未來電動汽車發展預測,結合各類車型出行及停車行為特點,預測了未來大規模電動汽車儲能潛力,并對電動汽車儲能與可再生能源協同的效果進行了評估。此外,就電動汽車儲能與固定式儲能在電力系統中的功能定位問題進行了比較分析,為后續電動汽車儲能發展戰略及相關政策制定供應了決策參考。
0引言
電動汽車與電網彼此天然連通,既是電能消費終端,又是位于電網末梢的儲能單元。大量電動汽車可作為分布式儲能為電力系統供應規模可觀的靈活性資源,進而有效提升電力系統對波動性可再生能源的消納能力。
近年來全球電動汽車市場快速成長,產業規模日益擴大。2018年全球電動乘用車保有量超過500萬輛[1]。其中,我國電動汽車市場增速尤為突出。2018年我國新能源汽車銷量達到125.6萬輛,相比2015年提高近3倍[2]。數量規模的上升為電動汽車參與電力系統儲能供應了條件。截至2018年底,全國電動汽車動力鋰電池累計產量超過2億kWh,而同期全國電化學儲能累計裝機量僅為100萬kW,按儲能平均放電4h計算,則動力鋰電池存量規模高達電化學儲能的50倍。當前鋰離子電池能量密度、循環壽命等關鍵參數呈現快速進步的趨勢,其成本仍有較大下降空間,特別是未來電動汽車數量將保持上升,其參與電力系統儲能的潛力有望持續擴大。
隨著車輛數不斷上升,電動汽車儲能已被政府提上議事日程。國家發改委《有關創新和完善促進綠色發展價格機制的意見》[3]已明確提出鼓勵電動汽車供應儲能服務并通過峰谷價差獲得收益,電動汽車正越來越多地通過電力需求響應等方式與電網形成互動。
然而,現有電動汽車與電網互動的研究往往是針對特定案例的互動方式優化,對全國電動汽車儲能潛力的定量評估研究較少。Dallinger等考慮了用戶隨機性下的電動汽車為電網運行供應備用的可行性,發現車網互動可以在不影響電池壽命的前提下,為系統供應可靠的備用容量[4]。Han等研究發現對電動汽車的充放電功率、時間進行集中優化控制,可平抑風電、太陽能發電波動,提高可再生能源利用率[5]。與此同時,部分研究聚焦電動汽車儲能經濟性。Kempton等人分析了電動汽車作為分布式儲能的可行性,發現通過協調控制充放電過程,電動汽車可向電力系統供應高價值調節服務[6]。隨著我國近年來電動汽車快速普及,電動汽車儲能也成為研究焦點。自然資源保護協會(NaturalResourceDefenseCouncil,NRDC)根據上海市電力系統調峰需求與電動汽車用戶出行特點,分別從電動汽車充電需求及負荷特性、電動汽車充放電調節潛力及經濟性等方面進行了分析[7]。此后,NRDC又針對電動汽車有序充電、車網互動、電池更換和退役電池儲能4種方式,分析了電動汽車儲能應用潛力和經濟性[8]。文獻[9]也結合我國電動汽車數量規模預測,對電動汽車通過車網互動所能供應的儲能規模潛力進行了評估。然而,以往研究一般集中在經濟性調度模型的優化,缺少電動汽車儲能規模的整體評估。此外,有限的電動汽車儲能研究往往基于車輛技術參數展開,而較少考慮電動汽車用車/停車行為的影響[10-12]。因此,本文將基于我國未來電動汽車發展預測,結合各類車型出行及停車行為特點,評估電動汽車儲能的應用潛力。研究將聚焦電動汽車儲能與大規模可再生能源之間的協同效果,并比較電動汽車儲能與固定式儲能在電力系統中的定位差異,為后續戰略規劃及政策制定供應參考。
除電池容量、充電設備功率外,電動汽車出行強度、停車時長、充電樁數量普及率等因素都直接對電動汽車儲能實際效果出現約束。因此,本文嘗試將上述因素納入研究過程,定量評估電動汽車儲能在電力系統中的應用潛力與價值。
1電動汽車儲能規模潛力
電動汽車數量、動力鋰電池特性、用戶用車行為等因素都將直接影響電動汽車的儲能潛力。本章將首先對電動汽車數量規模和電池特性進行預測,進而結合用戶行為評估電動汽車有序充電和車電互聯的實際儲能效果。
1.1電動汽車數量規模
數量規模是電動汽車儲能的首要影響因素。各國對電動汽車數量的預測研究也較多,其中我國汽車工程學會《節能與新能源汽車技術路線圖》的研究較具代表性,其預測到2030年全國新能源汽車銷量占比將達到40%~50%,保有量將達到8000萬輛[13],但該研究并未公布具體車型分布。由于各類車型的儲能能力有較大差異,本文采用國家發改委能源研究所的保有量及分車型電池平均容量預測(表1),即到2030年全國電動汽車保有量達到8640萬輛,其中電動乘用車占比93%[14]。
表12030年電動汽車數量規模預測
Table12030EVstockandbatterysizefore
1.2電動汽車儲能潛力評估
在不同車網互動模式下,電動汽車的儲能潛力存在差異。本文聚焦有序充電和車電互聯(vehicletogrid,V2G)兩類車網互動方式,評估電動汽車儲能技術潛力及關鍵影響因素。
1.2.1有序充電
電動汽車有序充電是指根據電力系統的運行狀態,以經濟性最優或對電網影響最小等作為優化目標,綜合考慮電池性能約束與用戶充電需求,調整電動汽車充電時間和充電功率。
電動汽車可根據電力系統調節需求調整車輛的充電行為。電動汽車充電負荷具有與其他用電負荷不同的特性,通過對充電行為加以引導,可以起到靈活負荷的用途。雖然在有序充電下電動汽車無法向電網或負荷直接放電,但有序充電可促進電網削峰填谷,實現“虛擬儲能”的用途。
電動汽車有序充電的規模潛力可從可調節容量及可充電電量兩個維度衡量。可調節容量為接入電網電動汽車的最大充電功率,可充電電量為電動汽車道路出行所需的充電電量,而電動汽車充電電量又取決于車輛行駛里程、能效及充電效率等因素。在有序充電下,車輛的充電電量可根據電網需求在停車時段內分配,進而幫助電網調峰、提升配網運行可靠性和提升電力系統運行經濟性。各國對電動汽車有序充電已有較多研究,現有研究表明:電動汽車具有較強的需求響應能力,若對充電行為進行有序引導,大部分原本出現在午后至晚間的充電負荷可轉移至凌晨時段,削峰填谷效果明顯[15-17]。
有序充電是目前技術較為成熟的電動汽車儲能方式,適于在全電動汽車型領域推廣。關于私家車、公務車隊等出行強度小、停車時間較長的用車部門,參與有序充電的優勢在于充電調節靈活度高;關于公交、出租及物流車隊等運營強度高、運營時間規律的用車部門,參與有序充電的優勢更多在于車輛充電量較大且集中管控難度相對較低。目前我國一些地區已經開始針對住宅小區開展電動汽車有序充電工程示范。
為量化估算電動汽車儲能能力,本文基于各類車型可用停車時間來評估電動汽車充電的靈活調節潛力。所謂可用停車時間即除去車輛行駛時間、剛性(車用電量)充電時間之外的時間長度,如圖1所示。可用停車時間比例越高,則意味著電動汽車進行有序充電的潛力越大。
圖1有序充電潛力評估示意圖
Fig.1Keyfactorsonsmartgingpotential
因此,某車型n單輛電動汽車日均有序充電潛力可表示為:
式中:SCn為車型n日均有序充電潛力,kWh;En為車型n日均充電電量,kWh;T為計量周期,24h;dt,n為車型n日均行駛時長,h;ct,n為車型n日均充電時長,h。
1.2.2V2G
V2G是指將電動汽車作為分布式儲能單元,通過與電網的雙向互動實現儲能的用途,即電動汽車以充放電的形式參與電力系統調節。國外在電動汽車與電網的互動方面研究起步較早,而目前有關V2G的研究重要集中在電動汽車與電網互動方式、控制策略、成本效益分析及硬件研發等方面。
V2G車輛車載電池平均每天完成一次深度充放電,則其儲能潛力同時取決于車輛充放電靈活度和可用電池容量,其中車輛充放電靈活度即電動汽車額定充放電功率與可用停車時間之積;可用電池容量即該車型車載電池額定容量與日均車用充電量之差。兩者較小值即為該類車型車網互動潛力(圖2)。
圖2V2G潛力評估示意圖
Fig.2Keyfactorsonvehicletogridpotential
因此,某車型n單輛電動汽車日均車網互動潛力可表示為:
式中:V2Gn為車型n日均車電互動潛力,kWh;Pn為車型n日均額定充放電功率,kW;Cn為車型n車載電池容量,kWh。
計算過程所涉及的關鍵參數包括電池容量、車輛出行強度、充放電功率等關鍵參數,如表2所示。
表2各類車型關鍵參數假設
Table2Keyparametersbyvehicletypes
圖3為電動汽車有序充電和V2G的日均調節能力估算結果。由于車載電池容量遠高于車用日均充電量,則V2G日均調節能力也明顯更高。到2030年,V2G日均調節能力為2653GWh,是有序充電的5.9倍。分車型看,乘用車憑借93%的車輛數占比供應了77%的電動汽車儲能規模。
要注意的是,電動汽車儲能存在時間周期限制,即一次長距離出行可打斷電動汽車的儲能周期。本文假設電動汽車儲能的可調節周期為單次充電可滿足的車輛出行天數。有序充電儲能周期Tsc,n和V2G儲能周期TV2G,n的計算公式分別為:
圖3電動汽車儲能日均調節能力
Fig.3AveragedailyregulationcapacitybyEVtypes
圖4列舉了有序充電和V2G下,各類車型的儲能可調節周期。可見由于出行強度較低,電動乘用車的儲能周期最長(接近2周)。其他車型的儲能周期一般在1周以內。若采用V2G方式,由于充放電強度增大,儲能周期普遍在日內。總體而言,電動汽車儲能可滿足日內調節需求。雖然有序充電的調節周期相對更長,但要滿足周以上的調節,電動汽車儲能存在一定障礙。
圖4各類電動汽車儲能可調節周期
Fig.4MaximumregulationdurationbyEVtypes
1.3電動汽車儲能消納可再生能源用途
電動汽車儲能可以供應電力系統調峰、調頻等服務,提升電力系統安全經濟運行能力,而是否能夠滿足未來高滲透率可再生能源電力系統靈活性調節的要,是衡量電動汽車儲能用途的直觀指標。
近年來由于技術日趨成熟,可再生能源發電成本快速下降,裝機規模不斷上升。截至2018年底,全國風電、太陽能光伏發電合計裝機達到3.6億kW,占全國發電總裝機容量接近20%。國內多家研究機構也對未來我國可再生能源發展規模進行了預測。本文采用國家可再生能源中心“既定政策情景”的預測,即到2030年全國風電和光伏發電的裝機將分別達到4.9億kW和10.4億kW[18]。
風電、光伏發電等可再生能源的波動性體現在不同時間尺度。例如風電的波動集中在季節性差異,而光伏發電的波動集中在日內變化。煤電、天然氣發電、需求響應等調峰因素也將影響可再生能源消納效果,為聚焦電動汽車儲能的調節效果評估,本文僅考慮電動汽車靈活性資源對風電、光伏發電波動性的調平效果。由于電動汽車儲能重要供應日內、周內儲能調節資源,首先從日內、周內兩個時間維度評估2030年可再生能源的波動水平,其中日內波動量為每小時風電、光伏發電合計出力與日平均值的差值求和,而周內波動為每日風電、光伏發電合計出力與周平均值的差值求和,再基于冬季、夏季兩個典型周的計算結果推算全年波動量,即
式中:VH、VD分別為可再生能源全年日內、周內波動量;VH,winter、VD,winter分別為冬季可再生能源日內、周內波動量;VH,summer、VD,summer分別為夏季可再生能源日內、周內波動量;Pw,i、Pw,j分別為小時i、日j風電發電電量;Ps,i、Ps,j分別為小時i、日j光伏發電電量;分別為平均每小時、每日可再生能源平均發電電量。
計算得到冬季、夏季可再生能源日內波動電量分別為1403GWh/d和1744GWh/d,全年日內波動電量為574TWh;冬季、夏季可再生能源周內波動量分別為202GWh/d和480GWh/d,全年周內波動量為124TWh;全年日內、周內波動量合計為698TWh。比較1.2節電動汽車儲能潛力分析結果,則2030年8640萬輛電動汽車若通過有序充電方式參與電網儲能,可滿足15億kW風電、光伏發電裝機33.8%日內、周內波動性發電調節需求;若采用車網互動的方式,該比例將達到179.2%。可見,電動汽車儲能潛力完全滿足甚至超過因大規模可再生能源并網出現的新增短周期電力平衡需求。
2電動汽車儲能經濟性
電動汽車儲能的市場應用前景同時受到電動汽車儲能成本與政策環境兩方面因素影響。不同的應用場景將決定電動汽車儲能的收益,而電動汽車儲能成本相對固定。比如有序充電的成本取決于用戶對改變充電行為的接受度和智能充電設施投資成本,而V2G儲能方式的成本重要由電池成本決定,其在各類應用場景中的經濟性水平也取決于電池成本下降速度。
2.1電動汽車儲能成本
電動汽車與電網互動系統的硬件成本重要來自于車端或充電樁和電網端新增的控制和功率互動裝置成本,從各國有關研究來看,有序充電互動對每個終端的合理成本增幅可控制在1000元以內。國際清潔交通組織(InternationalCouncilonCleanTransportation,ICCT)匯總了近期國外機構鋰離子電池包成本下降預測,業內普遍認為到2020年單位kWh鋰離子電池包成本將降低至150~200美元/kWh(1050~1400元/kWh),到2030年進一步降低至70~100美元/kWh(500~700元/kWh),相比2017年提出100美元/kWh的成本下限預測又有下降[19]。
電動汽車通過V2G也可實現與有序充電類似的峰谷價差套利效果,但相比有序充電,V2G在充電樁端和車載電池端的成本都將明顯提升。考慮到當前動力鋰電池的續航及循環壽命,目前電動汽車V2G的經濟性仍然偏低。
2.2電動汽車儲能效益
2.2.1有序充電
低谷充電是電動汽車儲能最為直接的商業應用場景。電動汽車儲能的收益重要體現為與電網互動帶來的系統成本降低或者用戶充電費用的節省,但要實現與電網的互動也會在用戶側帶來一定投資成本。以居民小區有序用電的互動平臺以及專業運營商來看,有序充電的重要收益近中期來自于以下3個方面。
1)降低配電網改造和報裝成本。目前這部分成本雖然很多時候由電網公司承擔,但隨著責權利對等的價格機制逐步理順,這部分成本將逐步由專業化運營商或者用戶承擔,通過有序充電帶來的配電成本下降比例有望超過30%。
2)低谷電價充電套利。電動汽車可通過在電價低谷階段充電降低充電成本。比如浙江省不滿1kV“一戶一表”居民峰谷差價約為0.28元/kWh,上海市“一戶一表”居民峰谷差價達到0.31~0.49元/kWh。隨著居民負荷新增以及電價機制逐步理順,居民峰谷差價將逐步和工商業電價峰谷差靠近。
3)電力市場交易。通過互動平臺作為集聚商,小區有序用電還可以參與系統調峰以及分布式發電交易獲取其他收益。
關于日均行駛里程40km的電動私家車用戶,車輛百km電耗15kWh,年均充電量約2738kWh。目前國內多地居民用戶可自愿選擇峰谷電價,峰谷電價差集中在0.2~0.3元/kWh之間,當居民用電峰谷差價為0.3元/kWh,若有序用電可將用戶高峰/低谷充電電量比從80%:20%轉變為40%:60%,則有序充電年度峰谷差收益為263元,折現率8%下動態回收期5.2年,內部收益率達到22%,經濟性相當顯著。從目前各地居民用戶峰谷電價看,上海、安徽、浙江等省市電動乘用車有序充電經濟性相對更高。
2.2.2V2G
電動汽車通過V2G也可實現與有序充電類似的峰谷價差套利效果,但相比有序充電,V2G在充電樁端和車載電池端的成本都將明顯提升。考慮到當前動力鋰電池的續航及循環壽命,電動汽車V2G的經濟性仍然偏低。但隨著動力鋰電池性能提升和成本下降,V2G的經濟性也將相應提高。如圖5所示,虛線部分是基于2015—2018年免購置稅車型車載電池容量數據、循環壽命假設及出行強度假設得到的動力鋰電池滿足道路交通出行后的剩余充放電能力(kWh/輛)。其中,橫軸代表車輛全生命周期30萬km出行里程所對應的電池剩余充放電能力為0。可見2018年后新售電動汽車將開始具有交通出行外剩余的充放電能力。到2025年新車的剩余充放電能力將有望超過3萬kWh/輛。若按0.3元峰谷價差計算,則屆時V2G車輛全生命周期峰谷調節收益將接近1萬元。
圖5電動汽車動力鋰電池剩余充放電能力預測
Fig.5EVresidualdisgingcapacityfore
3電動汽車儲能前景探討
3.1戰略定位
隨著電動汽車普及和其車網互動能力的不斷加強,應首先明確電動汽車儲能在未來能源系統中的功能定位。相比固定式儲能電站,電動汽車儲能具有顯著的規模優勢。理論上,基于動力鋰電池剩余充放電能力的電動汽車儲能的經濟性也高于固定儲能電站。但電動汽車儲能同時存在地理分布、車輛屬性等方面的局限性。
首先,電動汽車一般位于低壓用戶側,在緩解電網輸配電阻塞、降低發電側新能源棄電等方面的價值相對有限。相比之下,固定儲能可根據要分布于發電側和系統側,地理布置的靈活度更高。第二,電動汽車供應的儲能服務基于電動汽車車主行為,個體用車行為的變化將直接影響車輛儲能效果,單輛電動汽車儲能服務的規律性、可靠性、可控性偏低。相反,固定儲能往往針對電力系統具體場景定制設計,其運行也較少受到人為因素干擾。第三,電動汽車儲能本質采用鋰離子電池技術,且車輛屬性明顯,意味著其更適合供應小時級或日內短周期的充放電服務。而抽水蓄能、壓縮空氣、氫能等固定儲能方式單位能量存儲成本更低,更能夠適應高滲透率可再生能源電力系統下季節性調峰需求。
基于以上考慮,電動汽車儲能更適應用戶側分時電價管理、降低容量/需量電費、以及參與電能量現貨市場和調頻市場等提升電力系統運行效率、降低系統供電成本的經濟性應用場景。在一定條件下,電動汽車也可起到一定的日間調峰和緩解部分輸配電線路阻塞的用途。但在黑啟動、備用電源、無功支撐等保障電力系統安全,以及季節性調峰方面,電動汽車儲能的局限性相對較大。圖6對電動汽車V2G對各類電力系統應用的適應性進行了定性歸納,其中淺藍色部分代表電動汽車儲能適應性較高的應用場景。相比V2G,電動汽車有序充電雖能通過改變充電時間實現負荷轉移的“虛擬儲能”效果,從而達到與V2G類似的電力系統應用價值,但認定有序充電原始負荷基線具有一定難度,其對聚合服務商的組織能力有更高要求。
圖6電動汽車儲能應用場景示意圖
Fig.6EVenergystorageapplicationsinthepowersystem
3.2政策建議
隨著我國電動汽車數量規模的不斷擴大,挖掘電動汽車儲能潛力對我國電力系統轉型具有重要戰略意義。但目前電動汽車的儲能應用還存在技術和政策障礙。技術層面,電池技術的不斷進步正使電動汽車儲能具備技術經濟可行性,未來的難點更多集中在如何加快配電網升級,使其能夠適應電動汽車實時充放電轉換和功率波動。政策層面,首先應落實峰谷分時充電電價,同步探索實時充放電價格機制,并保證價格信號能夠充分傳導至樁端;其次應明確電動汽車等負荷側靈活性資源在電力市場中的地位,完善輔助服務市場規則,合理降低其在功率、放電時長等方面的技術門檻;第三,應加快儲能市場交易機制研究,通過機制創新優化電動汽車儲能調度策略;最后,作為分散于用戶側的靈活性資源,基于先進信息和通信技術的聚合模式創新也是實現電動汽車儲能的必要條件。
參考文獻
[1]InternationalEnergyAgency.GlobalEVoutlook2019:scaling-upthetransitiontoelectricmobility[R/OL].(2019)[2019-10-08].https://webstore.iea.org/download/direct/2807?fileName=Global_EV_Outlook_2019.pdf.
[2]工業和信息化部.2018年汽車工業經濟運行情況[EB/OL].(2019-01-16)[2019-10-08]./newweb/n1146312/n1146904/n1648362/n1648363/c6600517/content.html.
[3]國家發展和改革委員會.有關創新和完善促進綠色發展價格機制的意見[EB/OL].(2018-06-21)[2019-10-08]./xxgk/zcfb/ghxwj/201806/t20180629_960951.html.
[4]DALLINGERD,KRAMPED,WIETSCHELM.Vehicleto-gridregulationreservesbasedonadynamicsimulationofmobilitybehavior[J].IEEETransactionsonSmartGrid,2011,2(2):302-313.
[5]HANS,HANS,SEZAKIK.Developmentofanoptimalvehicle-to-gridaggregatorforfrequencyregulation[J].IEEETransactionsonSmartGrid,2010,1(1):65-72.
[6]KEMPTONW,TOMI#262J.Vehicle-to-gridpowerfundamentals:calculatingcapacityandnetrevenue[J].JournalofPowerSources,2005,144(1):268-279.
[7]自然資源保護協會.電動汽車在上海市電力系統中的應用潛力研究[R/OL].(2016-09)[2019-10-08].http://nrdc.cn/information/informationinfo?id=63cook=2.
[8]自然資源保護協會.電動汽車儲能技術潛力及經濟性研究[R/OL].(2018-02)[2019-10-08].http://nrdc.cn/information/informationinfo?id=184cook=2.
[9]劉堅,胡澤春.電動汽車作為電力系統儲能應用潛力研究[J].我國能源,2013,35(7):32-37.
LIUJian,HUZechun.PotentialresearchoftakingEVsasenergystorageforthepowersystem[J].EnergyofChina,2013,35(7):32-37(inChinese).
[10]ZHOUCK,QIANKJ,ALLANM,etal.ModelingofthecostofEVbatterywearduetoV2Gapplicationinpowersystems[J].IEEETransactionsonEnergyConversion,2011,26(4):1041-1050.
[11]BASHASHS,MOURASJ,FORMANJC,etal.Plug-inhybridelectricvehiclegepatternoptimizationforenergycostandbatterylongevity[J].JournalofPowerSources,2011,196(1):541-549.
[12]LUNZB,YANZX,GERSCHLERJB,etal.Influenceofplug-inhybridelectricvehiclegingstrategiesongingandbatterydegradationcosts[J].EnergyPolicy,2012,46:511-519.
[13]節能與新能源汽車技術路線圖戰略咨詢委員會,我國汽車工程學會.節能與新能源汽車技術路線圖[M].北京:機械工業出版社,2016.
[14]國家可再生能源中心.我國可再生能源展望2018[R/OL].(2018-10)[2019-10-08]./cbw/zh/2018-10-22-541.html.
[15]胡澤春,宋永華,徐智威,等.電動汽車接入電網的影響與利用[J].我國電機工程學報,2012,32(4):1-10.
HUZechun,SONGYonghua,XUZhiwei,etal.Impactsandutilizationofelectricvehiclesintegrationintopowersystems[J].ProceedingsoftheCSEE,2012,32(4):1-10(inChinese).
[16]LUNDH,KEMPTONW.IntegrationofrenewableenergyintothetransportandelectricitysectorsthroughV2G[J].EnergyPolicy2008,36(9):3578-3587.
[17]趙俊華,文福拴,薛禹勝,等.計及電動汽車和風電出力不確定性的隨機經濟調度[J].電力系統自動化,2010,34(20):22-29.
ZHAOJunhua,WENFushuan,XUEYusheng,etal.Powersystemstochasticeconomicdispatchconsideringuncertainoutputsfromplug-inelectricvehiclesandwindgenerators[J].AutomationofElectricPowerSystems,2010,34(20):22-29(inChinese).
[18]國家可再生能源中心.我國可再生能源展望2018[R/OL].(2018-10)[2019-10-08]./cbw/zh/2018-10-22-541.html.
[19]TheInternationalCouncilonCleanTransportation.TopglobalEVmarketsandwhattheytellusaboutthetransitiontoelectric[R].Electricity,ElectricVehiclesPublicPolicyOxfordInstituteforEnergyStudiesWorkshop,Oct.31,2018.
(劉堅國家發展和改革委員會能源研究所)










