基于实际工况的重型商用货车碳排放研究-能源基金会

项目背景与目标

在“双碳”目标和减污降碳政策背景下，重型货车因其碳排放占比高，成为交通领域减排的重点。然而，我国缺乏健全的交通领域碳排放统计核算体系，现有计算方法存在准确性问题。因此，本研究旨在利用重型货车实际道路行驶工况和发动机参数大数据，建立碳排放因子模型，为减排政策提供数据支撑。

研究内容与方法

本研究筛选了10059辆重型货车的实际道路行驶工况和发动机参数数据，通过数据清洗、模型搭建和工况识别等方法，分析不同车型、场景和负载下的油耗和碳排放因子。主要技术路线包括：

• 油耗模型搭建：基于发动机燃料流量数据，结合时间密度、速度积分/里程差等指标，计算综合油耗。
• 微观工况识别：利用卡尔曼滤波算法对行驶数据进行平滑处理，并根据速度、加速度和功率等参数，划分不同工况段。
• 多维度碳排放因子数据库构建：考虑车型、场景（建成区、高速、国道、省道）、负载等因素，构建碳排放因子数据库。
• 碳排放因子验证：通过PEMS试验和实车油耗对比，验证模型的准确性和可靠性。

研究结果与结论

• 数据清洗：原始数据经过清洗后，数据量占比为82.9%，数据质量显著提升。
• 综合油耗：重型货车综合油耗范围约为19-56L/100km，自卸汽车(20-31t]的油耗相对较高。
• 工况识别：载货汽车、牵引汽车和自卸汽车在不同速度和加速度下的油耗表现存在差异，自卸汽车低速区间油耗较高。
• 多场景油耗分析：建成区油耗高于非建成区，高速油耗低于国道和省道，有负载油耗高于空载油耗。
• 碳排放因子验证：实际道路行驶工况和发动机参数数据计算的碳排放量与PEMS试验结果一致，验证了模型的可靠性。

项目成果与建议

本研究建立了重型货车实际道路行驶工况和发动机参数大数据质量分析和数据清理方法，构建了微观工况数据库和多维度碳排放因子数据库，为交通领域碳排放核算和油耗标准制定提供了数据支撑。建议未来纳入实际道路行驶工况和发动机参数数据测算碳排放，建立清单模型，并深入研究驾驶特征和专项作业车油耗表现。