未来车型年电气化动力总成组合的线性规划制定方法

《World Electric Vehicle Journal》：Linear Programming Formulation for Planning of Future Model-Year Mix of Electrified Powertrains Karim Hamza and Kenneth Laberteaux

　　

在致力于减少温室气体(GHG)排放的目标下，汽车制造商在不同市场规划未来产品供应时面临诸多挑战。规划的车辆供应必须应对关键材料供应链的不确定性，遵守不同地区的监管要求，同时满足客户偏好并保持低成本。通常基于尾气GHG排放的监管要求并不一定与GHG的生命周期评价(LCA)相一致，这成为实现可持续发展目标的又一障碍。在所有这些考量下规划未来待制造车辆的组合是一项复杂的任务，往往依赖于透明度差、无法保证最优性或需要难以先验预测知识的方法。本文考虑了短时间窗口（一个未来车型年）的特殊情况，这使得将未来规划决策建模为线性规划(LP)问题成为可能，进而可以通过双单纯形(Dual-Simplex)等成熟算法求解至全局最优。所提出的公式通过一个简单示例以及一个涉及两个地区、两个车辆尺寸类别和四种动力总成配置的规模扩大研究进行了演示。规模扩大研究中提出公式能够展示的一个关键见解是，最佳（最低）LCA GHG解决方案如何取决于电池材料的可用性，从低电池供应下增加混合动力汽车(HEV)份额到丰富电池供应下增加纯电动汽车(BEV)份额的变化。

论文解读

研究背景与意义

在当前全球致力于减少温室气体排放的背景下，汽车产业正处于向电气化转型的关键时期。然而，汽车制造商在规划未来的产品组合时面临着多维度的复杂挑战。首先，尾气排放相关的监管标准日益严格，但这往往与车辆全生命周期评价（Life Cycle Assessment, LCA）得出的温室气体（GHG）排放量不完全一致，导致合规目标与真实环保效益之间存在偏差。其次，电池关键材料的供应链存在极大的不确定性，且高昂的制造成本与客户接受度亦是不可忽视的市场因素。传统的规划方法多依赖启发式算法或基于主体的模型，这些方法往往缺乏透明度，且难以保证全局最优解。因此，研究人员提出了一种基于线性规划（Linear Programming, LP）的数学框架，旨在短时间内（单一车型年）高效地制定出兼顾成本、排放与法规的最优动力总成组合策略。该研究对于汽车企业在复杂约束下进行科学决策具有重要的理论指导意义。

关键技术方法

为实现上述研究目标，研究人员采用了线性规划作为核心优化工具，并通过双单纯形（Dual-Simplex）算法进行求解。在技术路线上，研究人员首先将复杂的规划问题转化为标准LP形式，定义了以车辆尺寸类别、销售区域和动力总成类型为索引的决策变量。随后，构建了涵盖车队一致性、资源边界（如电池材料限制）、监管排放（如美国环保署EPA标准）以及预定车队比例（如零排放车辆ZEV指令）的多维约束体系。在目标函数方面，研究人员设定了最小化LCA GHG排放和最小化成本的双目标，并引入加权系数法来生成帕累托最优（Pareto-optimal）解集，从而量化减排效益与经济效益之间的权衡关系。此外，研究通过预处理步骤估算了不同车型的LCA GHG系数与成本系数，并利用CarGHG等建模平台进行数据支撑。

研究结果

1. 数学模型构建

研究人员成功建立了一个广义的数学模型，将动力总成规划问题标准化。模型中明确界定了车队一致性约束，确保各细分市场车辆比例之和为1。在资源边界约束中，不仅纳入了电池材料的物理限制，还巧妙地将基于车辆尺寸的监管GHG标准转化为线性不等式。此外，针对地区特定的法规要求（如加州ZEV指令），研究人员设计了灵活的约束子集，允许对不同区域的GHG认证值和限额进行差异化处理。对于预定车队比例约束，模型支持对任意区域、尺寸和动力类型的上下限进行设定，极大地增强了模型的现实适用性。

2. 示例研究与验证

通过三个决策变量的小规模示例，研究人员直观地展示了LP优化的过程。可视化结果表明，在引入市场需求下限、联邦GHG法规、ZEV指令以及电池材料限制后，可行域被逐步压缩。研究发现，最佳LCA GHG减排方案并非单纯追求纯电动汽车（BEV）的最大化，而是在资源受限的情况下，通过合理配置插电式混合动力汽车（PHEV）来最大程度替代传统内燃机汽车（CICE）。同时，通过权重扫描法，研究成功识别出了代表成本与排放最优平衡的帕累托前沿顶点。

3. 规模扩大研究

在包含两个地区、两种尺寸和四种动力总成的16变量规模扩大研究中，研究人员探讨了电池材料可用性的影响。研究设置了从高到低的多种电池材料可用性场景，结果显示：当电池供应充足时，最优方案倾向于在电网碳强度（Carbon Intensity, CI）较低的地区最大化BEV份额；当供应受限时，系统则优先在非ZEV地区部署PHEV，并在ZEV地区保留部分混合动力汽车（HEV）以满足材料约束。此外，研究还发现取消ZEV指令中对PHEV占比的限制（即BEV最低比例要求），能够在材料紧缺时提供更灵活的合规路径，从而进一步降低LCA GHG排放。

讨论与结论

研究人员在讨论部分指出，尽管LP模型具有凸优化和全局最优的显著优势，但其仍存在一定的局限性。当前的模型将所有参数视为确定性已知，未充分考虑现实中的不确定性（如未来成本波动、电网碳强度变化等），未来可结合随机线性规划（Stochastic LP）进行改进。此外，模型目前仅针对单一车型年，尚未涉及跨年度的动态规划及学习曲线效应。在假设条件方面，研究假定所有动力总成在技术和市场上是同等可采用的，未深入考虑消费者满意度或充电基础设施的实际制约。

研究结论

综上所述，本文提出的框架成功将多地区、多尺寸的动力总成规划决策制定转化为LP优化问题。该公式能够整合通用有限资源和预定车队比例约束，从而实现对监管GHG、ZEV指令、材料供应和需求预测的实用建模。该框架还具备同时优化两个不同目标的能力，可生成帕累托权衡解。通过案例研究验证，该LP框架能在不同场景下做出合理的决策，为汽车产业的电气化转型提供了强有力的量化分析工具。