电动校车双向充放电的环境影响：一项跨区域评估

《TRANSPORTATION RESEARCH PART D-TRANSPORT AND ENVIRONMENT》：Environmental impacts of bidirectional charging for electric school buses: a cross-regional assessment

　　

摘要

电动校车可以在夜间空闲期间与电网进行双向互动，但其环境影响知之甚少。本研究构建了一个面向电动校车车队的多目标夜间调度框架，在离散充电桩分配约束条件下，联合优化充电成本、电网输出以及随电池年龄变化的电池退化问题。对六个美国电网子区域的跨区域评估表明，净CO2效应具有区域依赖性：当峰谷边际排放因子比率较高时，可实现减排；当该比率较低时，则导致排放增加；在燃煤为主的电网中，按当前发电结构会产生净排放增加。与智能单向充电的基准对比揭示了电网输出本身的贡献：能带来更深的CO2和NOx减排，但SO2排放更高，且单向充电所实现的PM2.5减排效益发生逆转。这些结论在五个车队规模、六类公用事业费率和五个气候区下均具有稳健性，但其幅度取决于区域电网组成，这为"一刀切"的环境信用提供了反对依据，主张实施因地制宜的政策设计。

引言

通过双向充电将电动校车队与电网整合的环境后果尚不清楚，且具有高度的区域依赖性。车队电动化消除了校车停靠点附近的柴油尾气排放，这是一条与儿童呼吸系统健康相关的近源暴露路径（Beatty & Shimshack, 2011）；然而，夜间充电和峰时段能量输出的电网环境影响，取决于被替代的发电机组类型及其燃烧的燃料。峰时段输出替代的是边际机组，通常是CO2和NOx排放速率较高的天然气燃烧轮机；而谷时充电则从可能包含高SO2强度的燃煤基荷机组的混合电源中获取电力（Siler-Evans et al., 2012; Graff Zivin et al., 2014）。Holland等人（2016, 2021）表明，电动车队的环境效益在不同地区和电网碳强度下差异显著，但尚无研究系统评估双向充电在多样化的美国电网区域中是否产生净环境效益。

双向充电的经济基础已得到充分验证。Noel & McCormack（2014）证明，电网输出收入可以抵消电动校车采购溢价中相当大的部分，使车队从成本中心转变为产生收入的电网资产。Jonas等人（2025）通过对五个州271辆美国校车的远程信息分析确认，夜间停靠时间通常为14至16小时，为管理性充电和电网输出提供了充足的时间窗口。美国运营着约48万辆校车，是全国最大的公共交通车队。美国环境保护署（EPA）的清洁校车项目在《基础设施投资法》授权下获得了50亿美元资金，已在1,200个学区资助了超过8,500辆电动替换车辆（U.S. EPA, 2024a）。随着电动化的规模扩大，问题的焦点已从"双向充电是否具有经济可行性"转变为"它能否带来足以证明公共投资合理性的环境效益"。

回答这一环境问题需要解决一个复杂的调度问题。最大化电网输出收入需要积极的电池循环，即在谷时充电、峰时放电（Elliott & Kittner, 2022）。然而，频繁循环会加速退化，增加长期成本，并可能危及校车的主要运输功能（Becker et al.; Zhou et al., 2022）。运行约束（包括最低荷电状态阈值、有限的充电基础设施以及严格的发车准备要求）进一步增加了复杂性。调度方案决定了峰时段输出多少能量以及谷时段抽取多少能量，而这进而决定了环境结果。

先前的研究通过以下途径涉及了该问题的某些方面：针对公共交通和校车的车队列级双向充电评估（Ercan et al., 2016）、与分布式能源资源的混合整数线性规划（MILP）协同优化（Becker et al., 2019）、全州电网输出影响分析（Elliott & Kittner, 2022）、博弈论能源共享（Khwanrit et al., 2023, 2024）以及包含退化惩罚的两阶段随机车场调度（Rafique et al., 2022）。在更广泛的公共汽车文献中，He等人（2023）和Zhou等人（2022）证明了包含非线性退化和车场约束的MILP建模在方法论上的可行性；Ngo等人（2020）和Kumar等人（2023）将充电基础设施决策建模为混合整数问题，后者在显式的电力供应约束下进行。然而，这些方法在很大程度上是孤立地处理经济、环境和运营维度，尚无研究同时将异质性随年龄变化的退化嵌入优化目标、强制离散充电桩分配，并在多样化的区域电网环境中评估由此产生的环境结果。

仍存在三个具体的研究空白。第一，此前的研究均未将异质性的、随年龄变化的电池退化直接嵌入调度目标，同时强制整数充电桩分配。现有的建模假设车队退化均匀（Rafique et al., 2022），掩盖了不同年龄的巴士以根本不同的速率参与电网输出这一事实，而这直接影响峰时段能量替代的规模及其环境后果。第二，调度经济对输入参数的敏感性尚未得到系统量化。相关研究将补偿费率和费率结构视为主要设计变量（Sovacool et al., 2017; Hardman et al., 2018），但缺乏关于它们在决定能量替代规模和替代条件下相对重要性的实证证据。第三，尚无研究在多样化的美国电网区域、费率结构、车队规模和气候区下评估优化双向充电的环境结果，以建立净CO2减排是否具有普遍可推广性，还是仅反映单一电网排放结构的特征。

本研究通过构建具有离散充电桩分配约束的多目标夜间调度框架，并通过以下方式评估其环境结果来填补这些空白：（i）联合优化充电成本、电网输出收入和异质性随年龄变化的电池磨损的三元目标函数，并采用ε-约束Pareto分析识别车队参与度如何影响能量替代；（ii）采用三种方法的全局敏感性分析（Morris、Sobol'、PAWN）量化驱动调度结果（从而产生环境后果）的参数；（iii）使用EPA eGRID边际排放因子对CO2、NOx、SO2和PM2.5进行多污染物环境评估；（iv）跨越六个美国公用事业费率、五个车队规模、六个电网子区域和五个气候区的跨区域可推广性测试。

本研究回答以下四个问题：

（1）具有离散充电桩分配约束的确定性MILP是否产生了与较简单建模不同的调度策略，这些差异如何影响峰时段能量替代的规模？

（2）车队在电池年龄方面的异质性如何影响参与电网输出，以及这对混合年龄车场可实现的环境替代规模有何影响？

（3）哪些输入参数对调度结果影响最大，全局敏感性分析确定的主导驱动因素是否与决定环境影响的参数一致？

（4）在何种区域电网条件下，优化调度策略产生净CO2减排，而在何种条件下产生净增加，多污染物结果在美国各电网子区域间有何差异？

本文其余部分组织如下。第2节介绍数学建模、环境评估框架和实验设计。第3节描述合成车场设计和参数验证。第4节报告结果，包括调度模式、多目标权衡、敏感性排名、多污染物环境影响以及跨区域可推广性。第5节讨论对环保政策、基础设施投资和车队管理的启示。第6节总结主要发现、研究局限以及未来研究方向。

方法

本节介绍夜间调度框架、多污染物环境评估方法论以及评估多样化美国电网区域环境结果的实验设计。该调度框架将三元目标函数、车辆级约束和二元充电桩分配变量整合为单一的确定性混合整数线性规划（MILP），其解确定了能量输出和充电的时间模式。

合成车场设计与参数验证

本研究使用了一个旨在模拟真实中型电动校车站的合成数据集。合成方法使得能够系统地探索调度决策如何随时间变化的电网排放概况与多样化运行条件下相互作用，而使用嘈杂或不完整的实际车队数据进行此类分析则难以实现。为确保实用性，所有车队参数均从公开发表的真实运营远程信息中显式采样。

调度模式与能量替代概况

图1展示了基准案例（N = 50辆巴士，K = 25个充电桩，T = 12个时段）的聚合能量传输概况和车辆级调度决策。MILP模型实现了?564.14美元/天的净日运营成本，并在不到一秒的时间内求解至已证明的最优解。对后续环境评估而言更重要的是，调度方案遵循严格的二阶段时间结构：能量输出限定在傍晚峰时段窗口（18:00-21:00），车队充电则在此期间外进行。

图5展示了PAWN的KS指数与Sobol'的ST,i值，两者均已归一化到各自的最大值。两种方法在首要因素上达成一致，车队规模在两种方法下均排名第一。在最低位也达成一致，分时电价峰值费率和充电效率返回相同的KS值0.071，确认两者均不影响输出分布。最明显的分歧是日均行驶距离，在PAWN方法下排名第二（KS = 0.349），但在Sobol'方法下排名第四。

路线长度。

这一轨迹对基础设施投资的时机具有直接影响。今天部署的双向功能ESB基础设施将在其12至15年的运营寿命期间，随着电网脱碳而产生递增的环境回报。电网无需完全脱碳即可在净电网互动基准上为双向充电提供环境价值：峰谷排放差异只需超过约2.4:1，并且……

区域特异性的环境结果与反对"一刀切"信用的依据

跨区域eGRID分析对车队电动化讨论中一个广泛存在的假设提出了挑战，即将能量从谷时充电转移至峰时段电网输出本质上具有环境效益。我们的结果表明，这一假设仅在峰谷边际排放因子比率超过约2.4:1的电网中才成立。在水电和核电富集区域，双向充电可实现可观的年度CO2减排，因为谷时发电……

结论

本研究使用具有离散充电桩分配约束和多目标调度框架、异质性随年龄变化的电池退化，研究了电动校车队在不同美国电网区域中夜间双向充电的环境后果。主要发现如下：

双向充电仅在峰谷边际排放因子比率超过一定阈值（约2.4:1）的电网中，基于净电网互动基准产生净CO2减排。

CRediT作者贡献声明

Pranab Kar：写作–审阅与编辑、写作–初稿、可视化、验证、项目管理、方法论、调查、形式分析、数据整理、概念设计。Sabyasachee Mishra：写作–审阅与编辑、指导。

利益冲突声明

作者声明不存在可能影响本文所报告工作的已知竞争性经济利益或个人关系。

致谢

本研究由美国国家科学基金会（NSF）资助，项目编号：2333354，以及孟菲斯大学交通运输创新教育研究中心（C-TIER）资助。文中表达的观点为作者本人观点，不代表上述机构的立场。

作者贡献

作者确认对本文的贡献如下：研究构思与设计：Pranab Kar；数据收集：Pranab Kar；结果分析与解释：Pranab Kar；初稿撰写：Pranab Kar | Sabyasachee Mishra