《Sustainable Futures》：How convenient is vehicle-to-grid? An economic and environmental perspective
编辑推荐：
• 对受控充电与未受控充电进行经济–环境一体化评估（integrated economic–environmental assessment）。
• 智能充电（smart charging）在不加速电池老化（battery ageing）的情况下，使用户年成本
• 对受控充电与未受控充电进行经济–环境一体化评估（integrated economic–environmental assessment）。
• 智能充电（smart charging）在不加速电池老化（battery ageing）的情况下，使用户年成本降低5–25%。
• 车辆到电网（vehicle-to-grid，V2G）可实现12–42%的成本降低，但会增加电池循环（battery cycling）与退化（degradation）。
• 智能充电使CO2排放下降15–35%，V2G最高下降50%。
• 因电池更换（battery replacement），V2G下某些影响（如土地利用、矿产）增加。
**研究背景与问题**
交通运输是气候变化、空气污染和毒性的重要贡献者，2023年占欧洲能源相关CO
2排放的25.2%，其中乘用车道路运输约占73%。电池电动汽车（battery electric vehicles，BEVs）大规模部署被视为道路运输脱碳的关键策略：BEVs无尾气排放，当使用可再生能源（renewable energy sources，RES）充电时，可显著降低生命周期温室气体和颗粒物排放。然而，大规模BEV采用若充电不受管理，会使电力系统承压：无协调充电，尤其大量车辆同时充电，会急剧增加峰值电力需求。文献表明，10% BEV渗透率可使英国峰值需求增加17.9%，BEV充电达到总负荷30%时增幅可达53%，2030–2035年也可能出现类似压力。因此需要协调充电策略维持电网稳定。文献从无协调“DUMB”充电转向协调策略：智能充电（smart charging，SMART）和车辆到电网（vehicle-to-grid，V2G）。SMART可调度充电事件，减少峰值负荷、负荷变异性和电压偏差；V2G允许BEV在短缺时向电网放电，提高效率、稳定性和可靠性，并利用BEV大量闲置停放时间作为分布式存储。技术上，文献一致显示智能充电尤其V2G的电网优势；但其经济表现和环境影响尚未被同等深入、系统地考察。多数研究仅评估单一目标（经济或环境）。Zhong等表明电价和边际CO
2排放因子时间上不一致，低成本时段不一定是低排放时段，因此仅成本优化的充电策略可能增加排放，这在爱尔兰和中国已被实证观察到。少数多目标研究仍存在显著局限：仅24小时时间尺度、仅考虑DUMB、仅插电式混合动力车、仅CO
2、未考虑SMART中间策略、电池退化多从单一角度。为此，研究人员开展集成经济与环境评估，基于20辆电动汽车一年充电曲线模拟，联合评估DUMB、SMART和V2G。研究贡献：首次在单一内部一致框架中联合评估经济、环境和电池退化影响；采用基于EF 3.1的14指标多准则环境评估；将电池退化作为内生、策略依赖变量反馈到经济环境结果。意义在于为政策制定者、电网运营商和消费者提供评估先进充电方案可持续性和经济便利性的相互关联分析框架。
**关键技术方法**
采用emobpy（开源Python框架）模拟电动汽车运行和充电电力需求，生成每日出行模式、驾驶电耗、电网连接可用性和充电功率需求；模型适配意大利背景，替换德国默认参数为意大利天气和电动汽车市场渗透率数据。使用Oemof（Open Energy Modelling Framework）评估不同充电策略及与电网集成，基于意大利2024年批发电价数据，优化车辆所有者买卖电力的充放电计划。计算年等效电池循环（equivalent charging cycles，ECC），采用日历老化和循环老化线性模型计算健康状态（State of Health，SOH）损失，设ΔSOH
limit为20%，电池寿命为ΔSOH
limit除以年总SOH损失。经济分析计算年充电成本、电池更换年化成本（假设电池单元成本�100/kWh，车辆寿命13年）和V2G收益；环境分析基于生命周期评价（life cycle assessment，LCA，遵循ISO 14040和14044）和EF 3.1，使用Ecoinvent 3数据库，按小时计算各发电技术份额及环境系数，结合充电电量和电池生产影响。案例研究：20辆BEV，出行模式来自意大利伦巴底大区起讫矩阵，车辆构成使用意大利EV销售统计，平均电池容量42 kWh，电价采用2024年意大利国家统一电价（Prezzo Unico Nazionale，PUN）。
**研究结果**
4. Results & discussion：SMART与DUMB年等效循环相同，V2G显著增加年等效循环，电池平均寿命约7年。SMART将充电转移至低价时段；V2G利用日内价格波动，低价充电、高价放电，但总电网能量摄入增加，且总充电能量高于放电能量以支持日常行驶。
4.1 Economic analysis：DUMB到SMART充电成本大幅降低；V2G仅考虑并网能量交换时，售电价格高于购电价格，有时净负充电成本。纳入电池退化成本后，SMART总成本低于DUMB；V2G总成本变异性大，但结合充电收益和电池成本，总年成本仍低于DUMB，有时低于SMART。SMART节省5–25%，V2G节省12–42%，V2G分散更宽。
4.1.1 Economic sensitivity analysis：SMART对循环老化系数不敏感，年节省接近参考值，随电池成本上升仅温和下降且保持正。V2G敏感性高：较高退化导致更高更换成本和更低节省，最高电池成本下转为负；低电池成本（50–100 �/kWh）下V2G节省超过DUMB和SMART。
4.2 Environmental analysis：SMART使CO
2排放降15–35%，V2G最高降50%，但V2G有时超过DUMB，因成本最小化优先，充电安排在最低电价时段，不总与最低碳强度重合。土地利用方面，SMART尤其V2G倾向低价时段，常对应高光伏份额，但光伏土地利用强度高，导致影响增加。V2G还导致资源矿产和颗粒物形成净不利，主要来自电池生产负担，因V2G加速退化、增加更换频率。电价与气候变化影响不完全对应，价格驱动充电决策可能偏离低碳时段。V2G在低碳时段取电、高碳时段供电，部分替代碳密集发电，净减少CO
2。低价时段（白天）土地利用影响峰值，因光伏贡献。两个机制：电力结构机制和电池周转机制。政策含义：仅按成本或CO
2评估V2G会忽略土地利用和关键原材料权衡，需多准则评估框架。
**讨论与结论**
4.3 Limitations：分析基于20辆模拟BEV和意大利电力市场（PUN）；尽管出行和充电曲线已对比真实监测数据，但成本和排放范围可能不能直接推广到更大车队或不同价格波动/发电结构市场。电池退化采用线性日历和循环老化模型，未单独解析温度、C-rate、放电深度；灵敏性分析测试经济结果稳健性。V2G买卖电价对称假设是刻意乐观的激励导向情景，非当前零售电价；V2G收益应视为上限。分析采用电力系统单节点表示，无配电网约束如电压限值或局部拥塞，这些在大规模V2G部署时相关。
5. Conclusions：本研究通过详细模拟出行和充电行为，对电动汽车充电策略进行经济与环境综合评估，比较不受控充电、智能充电和车辆到电网运行。结合高分辨率充电曲线建模、电价驱动优化、电池退化建模和多指标生命周期评价，推进了文献。结果表明从不受控到协调充电有明显经济环境效益。智能充电持续降低充电成本同时保持电池寿命，用户总成本节省5%到25%，且不加速电池退化。V2G通过能量交换和创收进一步增加经济潜力；但优势部分被电池循环加剧抵消，缩短电池寿命并增加更换成本。两效应结合，相比DUMB总年成本降低12%到42%。财务便利性取决于电力市场机会与退化诱导电池成本之间的平衡。环境上，协调充电显著减排：SMART减少CO
2排放约15–35%，V2G最高50%。但多指标LCA显示并非所有环境类别均匀受益。土地利用、矿产资源耗竭、颗粒物形成中，对可再生能源发电和电池更换的依赖增加可抵消甚至逆转经济优化充电的收益。强调超越单指标评估，避免仅基于碳或成本的决策。对不同利益相关者有不同含义：政策制定者需多准则框架；EV用户智能充电低风险节省无电池寿命惩罚，V2G回报更高但变异大且电池周转更快；电网运营商和聚合商需权衡V2G调峰和可再生整合价值与电池更换负担。总体提供连贯实证框架，整合出行模式、市场信号、电池老化和全面环境指标，为基础条件。未来研究可扩展更大车队和电网约束，考虑不同电池化学及真实充电数据。
