英语原文共 14 页，剩余内容已隐藏，支付完成后下载完整资料
混合动力，插电式混合动力和电动车市场模拟研究综述
Baha M.Al-Alawi*, ThomasH.Bradley
摘要：混合动力，插电式混合动力和电动汽车（HEV，PHEV和EV）是新兴的汽车产品，具有提高车辆燃料经济性的能力，但相对于常规车辆来说，其增加了购买成本。总的来说，其减少的石油消耗和提高的效率所提供的生命周期对消费者，社会，汽车制造商和政策制定者都有经济利益。这些利益相关者希望通过估计这些技术在汽车市场的扩散速度来了解HEV，PHEV和EV在未来车队中的作用。本文综述了HEV，PHEV和EV渗透率研究的文献，方法及其建议。这些研究应用了一套分析和计算工具，根据各种政策模拟消费者对这些技术的接受程度和宏观经济情景。对这些研究的结果进行比较和合成，以了解该领域的优势和弱点，并提出进一步的手段，以改进先进技术车辆市场建模练习。在这次审查的基础上，作者建议HEV，PHEV和电动汽车渗透率应包括与消费者调查，汽车制造商行动建模，联邦和州政策及其对汽车市场的影响，技术、市场容量、车辆分类的竞争，以及模型参数敏感性分析的改进接口。
关键字：插入式混合电动车；基于Agent的模型；消费者模型；扩散速率模型
- 介绍
混合动力，插电式混合动力车和电动车（HEV，PHEV和EV，例如P/H/EV）是具有提高车辆性能和燃料经济性以及减少个人交通的环境影响能力的新兴汽车产品。 混合动力汽车于1997年以有限的产量推出.2004年，PHEV引入有限生产，2011年批量生产[1]，电动汽车于2011年推出向公众出售。
许多研究预测，未来P/H/ EV将是美国车队不断增长的组成部分。 这些预测满足了社会，汽车制造商，电力公司和决策者在了解P / H / EV对他们的影响范围的作用方面的需求。 社会尝试去理解它将从更高效的车辆中获得的好处[2-7]。 汽车制造商尝试去理解每种车辆技术的市场潜力，设计可销售产品以及满足法规性的燃油经济性和二氧化碳排放标准[2,8]。 公用事业行业旨在模拟和预测不同交通技术情景下的新电力基础设施需求[2-7]。 政策制定者寻求能够调整和了解当前和未来监管标准的影响因素，了解国内外能源需求[2,4-15]。
市场预测是经济学，商业，金融和系统工程领域从业人员的一个发达的研究领域，但是轻型乘用车辆市场中P/H/ EV市场份额的预测由于有些因素用市场预测的经典工具来建模是很困难的而变得复杂。首先，PHEV和EV是最近几年才刚刚推出的新汽车技术[1]。只有2011年以来的销售数据可用于任何PHEV和EV市场模型的验证。第二，PHEV和EV需要消费者将其行为从在加油站（常规HEV的正常加油模式）的燃料加注转向他们的个人车辆充电[5]。只有少数研究试图量化消费者对这种行为变化的偏好，燃料类型变化使得历史HEV和常规车辆（CV）销售数据的使用变得不准确。第三，PHEV和EV燃料消耗是根据燃料消耗（L（100km）-1）或能量消耗（ACW-h（km）-1）或两者一起来测量的。消费者对PHEV和EV所有权成本的评估将需要基于消费者的驾驶习惯，对这些能源的支付方式以及消费者偏好来对这些能量消耗及其成本进行加权。第四，汽车工业的车辆组成在美国受到高度监管。高燃料效率车辆的定价（因此消费者偏好）目前受到包括燃油经济性的要求[8,10]和低碳燃料标准[4,8,10]的监管的影响。第五，任何对美国汽车行业的车辆销售分析都很复杂，因为它的寡头垄断，相对较长和相对不变的产品开发生命周期，二手车市场，汽车制造商的金融业务单位等等[16]。
研究人员最近已经开发了可以包括这些复杂类型的市场预测模型，但是这些模型的输出的方法，范围，精度和结果在不同研究中有很大不同。本文的目的是合成对P/H/ EV市场预测中的最新技术的理解，并提出改进这些市场预测对决策效用的建议。为此，本文首先介绍了HEV，PHEV和EV市场份额的公布预测，其中包括对应用于汽车市场预测的三种主要建模方法的介绍和批判。接下来，我们将从一些关键的P/H/EVs市场预测研究结果介绍到目前为止已经执行的结果。建议和结论部分为从汽车和公用事业行业的角度来提高P/H/EV市场预测的效用提供方法。
- HEV，PHEV和EV市场预测模型综述
2.1概述
许多研究人员已经开发了模型来估计当前可用的HEV技术和新的PHEV以及EV技术在美国市场的渗透率。 这些模型可以通过他们用来表示市场中的交互的建模技术来表征。 对于P/ H / EV，市场预测的文献中使用的三个主要建模技术是：基于Agent的模型，消费者选择模型，扩散和时间序列模型。
2.2基于Agent的模型
2.2.1基于Agent模型的概述
基于Agent的建模（ABM）是基于计算机的模拟方法，其创建虚拟环境以模拟每个代理的动作和交互。 代理是对其与其他代理的交互进行控制的实体或个人系统模型。 每个代表提供的内部特征，决定了它们在环境中的其他代理之间的相互作用。 ABM已经应用于许多领域，包括人口消费动态，行为，流行病学，生物医学应用，车辆交通和物流模拟[17-28]。 在车辆技术采用的领域，ABM已被许多从业者应用[2,3,11,12,29,30]。 这些ABM车辆技术市场预测研究已经定义了包括消费者，汽车制造商，政策制定者和燃料供应商在内的不同代理商的操作模式[2,3,11,12,29,30]。
消费者代理的特征在于它们的人口统计和偏好。这些特征包括性别，年龄，收入，位置，社会网络，生活方式，日常驾驶需求，交通预算，所有权周期和车辆类别，燃料类型，安全性，可靠性，动力系类型和性能。这是由外部车辆供应和市场条件的需要和偏好决定的。
车辆的供应由车辆类型，燃料类型，安全性，动力传动系统特性，性能和成本特征来决定。 汽车制造商代理可以使用具有改进的燃料经济性的车辆，但是具有高燃料经济性的车辆被建模需要开发的时间，并且与CV相比具有更高的增量成本。 汽车制造商试图满足消费者对汽车的需求，同时最大限度地提高利润并满足政策和法规要求[2,12]
政策制定者代理制定了汽车制造商代理和消费者代理必须采取行动的许多政策和标准。这些行动基于包括能源需求，石油安全和全球环境目标等因素。政策制定者的行动将是制定新的政策，如补贴，退税，销售税豁免或增加汽油税，以激励消费者采用更多的燃料高效车辆[2,12]。
燃料供应商代理控制燃料资源，并根据消费者对燃料的需求，包括清洁燃料标准在内的政策，以及燃料资源可用性采取行动。 当燃料价格上涨时，消费者将转移更多的燃料效率车辆或调整他们的驾驶习惯，同时不超过他们的个人交通预算[2,31]。
2.2.2基于关键Agent的P/H/EV模型研究的综述
在本节中，我们回顾一些使用ABM来估计HEV，PHEV和EV的采用率的关键研究。
在最完整的最近的ABM模拟之一，Sullivanet al[2]考虑了各种消费类型，经济状况和政策条件，开发了一种ABM。模拟中存在四类代理：消费者，政府，燃料生产者和车辆生产者/经销商。决策者在每个周期（1个月）内进行交互，消费者在三个生产者的十二个车型中进行选择。在每个周期中，消费者决定是购买新车辆还是改变他们的行驶里程以保持在其运输预算限制内的时间。汽车经销商监控他们的销售和利润，而政府代理监控燃料消耗，碳排放和新车引入，目前的政策，以实现他们的目标。在不同的情况下测试模型。这些情景包括无压力市场条件，汽油冲击，车辆定价变化，以及货车，跑车和HEV介绍。这项研究的结果表明，在目前的政策案例下，PHEV电池普及率将是不明显的，在10年内不到1％。退税，PHEV补贴和销售税豁免的组合可以使PHEV技术的渗透率显着提高。在这种更积极的政策情景下，到2020年，PHEV的销售额将达到4-5％，超过2％的市场渗透率[2]。这个相同的模型被用于在PHEV市场介绍研究，bySikesetal [4]研究在不同的市场和政策条件下在美国的新技术渗透。研究了四种情景，结果表明，2015-2020年期间，预计的PHEV电池渗透率将从2.5％到4％不等。
在另一个最近的研究中，Eppstein等人[11]开发了一种ABM来估计仅使用消费者代理的PHEV的采用率。假设消费者基于他们的个人行为和他们的技术知识来考虑PHEV的环境和财务成本和收益。本研究试图回答这样一个问题：很多是愿意为PHEV技术及其预计的经济和环境效益支付的代理，以及决策者和汽车制造商对于影响PHEV采用率的可能的政策和行动集合。在研究中考虑的消费者的属性是：年薪，年龄，居住地，在购买另一个之前的车辆所有时间，每年的行驶距离，物理邻域半径，社交网络半径，愿意考虑PHEV的阈值，社会影响，个人的绿色“，燃料运行成本，考虑的经济寿命，当前车辆年龄和当前车辆燃料经济性。敏感性分析包括对燃料价格，PHEV价格，折扣可用性以及执行燃料成本估算的代理数量的假设的调查。本研究不能够包括可能影响PHEV的引入和接受的许多障碍的模型并导致渗透速率缓慢。这些障碍包括消费者不熟悉PHEV技术，PHEV电池寿命，电池更换成本，长充电时间，未来燃料价格不确定性和短行驶距离。研究提出了模型的结果，在HEV和PHEV的权衡选择40相对于平均阈值（从早期适配器（Tlt;=0％）转变为0-100％，早期多数不考虑PHEV（Tgt;=100％））。结果表明，10年后HEV的穿透速率将在25％和38％，其中20年后的增加将在30％和60％之间。 20年后，PHEV的普及率将从15％降至0％，在T = 40％时降至38-1％[11]。
Cui et al[3]开发的PHEV采用模型称为基于多代理的模拟框架，以模拟PHEV分销所有权在本地住宅级别。本研究尝试识别PHEV渗透水平快速增加的区域，然后估计PHEV渗透率对当地配电网的影响。该模型整合了Sikes等人的消费者选择模型。[4]估计消费者的车辆选择概率，消费者运输预算模型来估计消费者将搜索新车辆的时间，以及邻域效应模型来预测消费者的车辆选择。一些影响PHEV渗透率的因素是汽油价格，消费者计算车辆燃料节省的能力，PHEV价格，电池范围，车辆购买选择，社会和媒体影响。
其他研究开发了一种消费者行为模型，利用ABM框架在温室气体排放政策影响下估算新车辆技术市场需求[12]。Garcia [12]使用Boyd和Mellman [32]开发的个体逻辑模型来估计消费者的车辆选择概率。本文描述了车辆技术选择，温室气体政策和消费者行为之间的关系[12]。 Zhang [33]的研究采用了Struben和Sterman开发的模型[9,33]，使用柴油车辆登记历史数据估计欧洲柴油车辆的选择率。该模型被发现具有柴油车辆登记历史数据的关键模式比低音[34]模型[33]。张先生指出，运营成本的降低和性能的提高使得柴油车辆的使用量增加。 Stephens [31]使用ABM来估计与PHEV相关的电力需求，费用和所产生的温室气体排放。在他们的模型中，PHEV驱动程序被发现对燃料价格比CV驱动程序更不敏感。 Zhang等人的另一项研究[35]开发了一个ABM，结合实证和调查数据结果，调查汽车制造商的技术推动，通过消费者社会网络的市场拉动和通过CAFE标准的监管推动的影响[35].Sha fi ei等[36]研究电动汽车在2012 - 2030年期间在冰岛乘用车市场的市场份额。 Brown在美国波士顿制定了混合逻辑回归模型和基于代理的模型来模拟EV扩散[37]。他发现采用率对技术价格，车辆等级和EV范围很敏感。
2.2.3 基于Agent的建模的总结
ABM已经应用于许多科学和工程领域，包括车辆技术采用。 一些ABM车辆技术采用研究将消费者定义为主要代理，而其他研究通过包括汽车制造商，政策制定者和供应商作为决策者的燃料来扩展建模环境。
使用ABM的优点是它模拟其在建模环境中的行为和交互时使用代理的个体特性，需求，限制和偏好。 一般来说，这允许在数据驱动和假设消费者行为建模的基础上开发消费者偏好的模型。 通过在个人层面对车辆购买决策进行建模，ABM允许考虑市场中的复杂性，例如交通模式变化，社交网络的作用以及有限的个人交通预算。
ABM研究的缺点是它们的复杂性。 ABM模型通常更难以验证和验证，如果他们的敏感性没有评估，代理级数据和弹性可能对整体建模结果有很大的影响。 迄今为止，ABM研究主要通过对市场条件情景进行敏感性分析而不是对建模方法和数据的敏感性分析来验证ABM建模的结果
2.3消费者选择模型
2.3.1消费者选择模型的概述
在文献中已经使用离散选择模型和对数模型来描述个体和集体决策。 Logit模型是用于对消费者的概率偏好进行建模的常用手段，而离散选择模型计算在这些偏好的影响下的替代品中选择特定产品的概率。
许多研究使用这些消费者选择模型来模拟车辆购买和持有决定。 这些研究已经结合了消费者偏好的
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[26553]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
