低速電動汽車，能耗問題怎麼考慮

最新 03-31

本文10900字，預計28分鐘可以讀完。合併昨天發布的前半段，從第6節開始是今天的內容。

出差到河南、山東，路上小巧的低速電動汽車比比皆是。很長時間以來，低速車都處於灰色地帶，全國各個省市的政策都不明確，低速車真的是野蠻生長。

2016年10月20日第三批國家標準制修訂計劃中，《四輪低速電動車技術條件》推薦標準赫然在列。計劃編號為「20161682-T-339」。官方這個給名分的動作，無疑使得低速電動汽車看到了轉正的曙光。

低速電動汽車，可以說是一種自下而上生長出來的物種，這符合凱文凱利的「湧現」原則。這也帶來了一個問題，市面上的低速電動汽車已經形成氣候，但對其設計、製造原理的討論卻並不多。怎樣考慮低速電動汽車的能量消耗，就是這樣一類問題中的一個。本文整理相關資料，一起來看看低速電動車能量消耗的問題。

針對低速電動汽車的市郊和鄉村工況，現在是否已經有成熟版本，我確實沒有掌握這個信息，於是翻找資料，發現了下面這篇文章。題目《Modeling and predicting low-speed vehicle emissions as a function of driving kinematics》作者LijunHao等。這是一篇針對燃油車的文章，介紹了針對低速車輛的尾氣排放和能耗測試方法進而建立預測模型的過程。可以說是一個建立新的工況的過程概述，雖然與電動汽車並不完全對症，但方法是近似的。並且，電動汽車對於功率、電壓等參數的記錄比燃油車的測試要簡單易行。

燃油的消耗對應動力電池電量的消耗，在作者介紹模型的基礎上，添加電動汽車傳動系統對應的效率數據，文章中的低速燃油車模型就粗略的轉化成了低速電動汽車的能耗模型。溫度、SOC等因素對電池的影響則需要進一步的考慮。

建立初始模型，確定考慮的參數；採集路測數據，校準模型；對比模型預測與路測數據的差異，精進模型。周而復始。

1 主要場景

低速電動車，在我國，最紅火的市場在小城市和城市郊區，主要的道路是國道和鄉村公路。針對這樣場景的工況，既不同於城市道路工況，更不是高速工況。

2 主流技術參數

主流技術參數如下表所示。可以看到電池有鉛酸也有鋰電池，電壓等級60V和72V為主。電機的選擇，非同步電機佔了大多數。

3 續航里程的理論計算

車輛在平直路面上勻速行駛時消耗的功率為：

式中，m 為整車質量，kg；f 為輪胎滾動阻力係數；CD 為空氣阻力係數；A 為迎風面積；u 為車速，km/h。

等速法的續駛里程（在足夠短的一段時間裡，其實任何工況都可以可以看成等速，變速只是眾多等速隨著時間推移的逐步疊加）為：

式中，ua 為車速，km/h；W 為電池儲存的能量，kWh；η為機械系統和電氣系統的總效率。

工況法的續駛里程為：

式中，Si 為每個狀態的行駛距離，km；k 為車輛能夠完成的狀態總數，或者說等速段落的總數。

4 能量消耗的影響因素

從前面的幾個公式結合車輛結構不難看出，影響續航里程的可變因素包括：整車質量，電池因素，電機因素，輪胎因素，車型設計和車速。

4.1 整車質量

對於確定的低速電動汽車而言，只有裝載質量是變化的，不考慮空氣阻力影響，能量利用效率與有效載荷比如下圖所示。，隨著載荷比增大，即整車的有效載荷越大，能量利用效率越高。在設計和使用低速電動汽車時，應儘可能減輕車輛自重，增加有效載荷。

4.2 電池因素

低速電動汽車可以使用的電池有鉛酸電池、鎳氫電池和鋰離子電池，目前電池成本主要集中在電池生產成本和廢棄電池引起的環境治理成本。方面。隨著生產成本不斷降低，鋰離子電池的使用會逐漸增多。

電池特性的不同，帶來車輛能量消耗的不同特點。比如自身比能量小的電池，實際消耗更多能量用來牽引自身重量；充放電效率低的電池，則把更多的能量消耗在充放電的過程中，而不是用在車輛續航上。

4.3 電機因素

可供低速電動汽車選擇的驅動電機包括直流電機、交流非同步電機、永磁電機和開關磁阻電機。電機的類型對電氣驅動系統以及電動汽車整體性能影響非常大，評價電動汽車的電氣驅動系統實質上主要是對不同電機及其控制方式進行比較和分析。不同方案各有側重，批量生產的可靠性和成本比方案本身更為重要。而電機的控制、自身效率等因素，直接影響車輛的總體能量消耗。

4.4. 輪胎因素

輪胎的影響主要表現在對滾動阻力的影響上，任何增大滾動阻力的因素都會使汽車的經濟性變差。輪胎的材料、充氣壓力、類型、工作溫度、直徑和花紋等因素都會影響輪胎的滾動阻力，進而影響輪胎的經濟性。其中，對低速電動汽車經濟性影響最大的因素是輪胎的充氣壓力和輪胎的類型。

4.5 理論需要時間的支撐

以上是低速電動汽車能量消耗的主要影響因素的理論討論。在實際考察車輛能耗時，這個級別的理論推算，往往「供參考」，因為車輛的工況非常複雜，夠真正比較準確預測車輛能耗的，往往只能是實車測試。沒有實車之前呢，工況法是比較常見的一種方法。

5 翻譯文獻概述

瞬時排放模型來模擬和預測低速車輛的實際駕駛排放。模型中使用的排放資料庫是通過使用攜帶型排放測量系統（PEMS）在農村實際交通條件下測量的，並且排放數據的特徵是由低速車輛的驅動動力學（速度和加速度）決定的。排放模型的輸入是駕駛循環，模型要求瞬時車輛速度和加速度水平作為輸入變數，並插入污染物排放速率表，以計算瞬時污染物排放速率。這些排放量將用來計算整個駕駛循環內的總排放量。通過碳平衡法測定車輛燃料消耗量。該模型預測了使用中的低速車模型的排放和燃料消耗，預測與實際測量數據一致。

中國不斷增加的汽車數量給能源安全和環境問題帶來巨大壓力。因此，中國已經由環境保護部（MEP）和中國國家標準化管理委員會（SAC）共同頒布了一系列嚴格的車輛和發動機排放標準。除了全國強制執行的國家標準之外，還在全國其他地區，包括北京，上海和廣州等一些大城市，頒布了更為嚴格的地方標準。所有這些措施在控制車輛污染物排放方面發揮了重要作用。但中國農村車輛（RV）仍然不受中國機動車輛監管政策的控制。RV通常分為三輪RV和四輪RV。2005年，中國環境保護部為農村輛車頒布了GB19756-2005排放標準，2006年和2007年分別實施了一期和二期排放限值。作為主要的農用車輛類型，低速汽車在中國的空氣污染中所佔的比例很大。來自低速車輛的最嚴重污染物是NOx和顆粒物質（PMs），柴油PM作為重要的人為氣溶膠成分對太陽輻射的吸收作出了很大貢獻（Streets等人，2001）。Sperling等人（2005年）首次全面調查並評估在中國農用車的情況，並分析了RV技術，政府政策，對環境的影響，市場需求，行業動態。他們估算了農用車的總排放量，並得出結論，2002年中國農用車的排放量可能與中國普通車的排放量相同。中國的農用車排放量相對於普通車排煙和氮氧化物均具有更高的排放量，尤其超載狀態下更是如此。姚等人（2011）利用中國真實道路行駛條件下的聯合攜帶型排放測量系統（PEMS）測量了RVs的CO，HC，NOx和PM排放量，並比較了20輛RV與19歐II柴油輕型卡車（LDDT）的排放水平。他們發現，單缸RV具有比LDDT更高的基於燃料的PM排放因子，而四缸RV具有與LDDT等效的排放水平。根據排放因子和活動數據計算出的CO，HC，NOx和PM總排放量，2006年中國RVs排放總量分別為1049 GgCO，332 Gg HC，933 Gg NOx，以及54Gg的PM，佔全國路上柴油排放量的近40％。Wang等人（2014）利用PEMS對6輛低速車輛的實際道路排放特性進行了研究，發現車速和加速度對國家道路和農村道路污染物排放影響很大。國家和農村道路加速方式的CO，HC，NOx和PM排放因子最高，分別為巡航模式的1.86,1.32,1.57和1.22倍。根據他們的實驗結果，2012年中國低速車輛的CO，HC，NOx和PM排放總量分別占車輛總量的0.5％，4.1％，7.3％和4.8％。Xu等人（2014）使用PEMS測量國家道路和農村道路上的103-W RV的CO，HC，NOx和PM排放量，發現農村道路瞬時排放率波動比國道更頻繁，大部分排放峰值出現在加速條件下。CO，HC，NOx和PM的加速模式，基於距離的排放因子最高的為國道和農村公路，尤其CO；CO，HC，NOx和PM的平均排放因子農村公路的高於國道。姚等人（2015）使用車載排放測量技術研究北京農村地區的實際道行駛車輛（RV）的揮發性有機化合物（VOC）排放情況。量化了近50種揮發性有機化合物，其中包括18種烷烴，5種烯烴，11種芳烴，13種羰基化合物和3種其他化合物。RVs根據其實驗結果產生高比例的芳烴和羰基化合物，應該更多關注RVs的VOC排放及其對臭氧形成的影響。

中國農用車在全國大氣污染物排放總量中所佔的比例很大。為了評估農用車排放控制政策和立法，需要做進一步的研究工作，以獲得農用車準確的排放因子和排放清單。

道路車輛的排放水平和燃油經濟性能受許多參數的影響，包括與車輛相關的因素，如品牌，型號，尺寸，燃油類型，技術水平和里程以及速度，加速度，檔位選擇，道路坡度等運行因素和環境溫度，以及車輛維護水平。道路車輛排放的複雜特徵和道路車輛類型的多樣性使得有必要利用排放模型來支持編製區域或國家排放清單。

已經開發了許多數值模擬模型來詳細預測發動機排放水平和道路車輛的性能。這些模型在計算要求和實驗和物理數據輸入方面有很大不同。一些移動源排放因子模型（如MOBILE（EPA，1999）和COPERT（Ntziachristos和Samaras，2000））基於特定工況循環的平均速度預測車輛排放。所以這些模型通常用於預測大型區域的排放清單，不適用於評估更具動態性的車輛駕駛情況。國際車輛輻射（IVE）模型（Davis和Lents，2002; ISSRC，2004），MOVES（Frey，2002），CMEM（Barth等人，2001），ARTEMIS（Andre和等人，Rapone，2008），VERSIT（Smit等人，2007年）等等，可以準確地反映道路車輛的排放量，這些排放量是車輛運行模式的函數，例如怠速，穩態巡航，各種加速度/減速度等。Boulter et al（2006）回顧了幾種瞬時排放模型，並分析了它們幾個方面的特性，如可達性，成本，能力和估計的穩健性。「瞬時」排放模型旨在通過在一系列短時間步驟（通常1秒）期間將排放速率與車輛操作相關聯來提供車輛排放行為的精確描述。

Haan和Keller（2000）研究了實際駕駛過程中乘用車的排放特性，並指出在實際駕駛的短暫峰值速率期間，高達一半的排放量被排放，因此使用平均值速度作為唯一的參數是不夠的，需要採用代表車輛載荷的附加參數來解決具有相同平均速度但不同「動態」水平的駕駛模式的差異。

過去開發了一些道路交通模式排放模型，包括附加參數以識別不同的車輛運行模式。例如，一些與加速事件車輛排放有關的模型（Joumard等，1995; Sturm等，1997）。根據不同的加速/減速級別，車輛駕駛模式將以速度/加速度矩陣進行分配。因此，還建立了與速度/加速度矩陣相關的排放速率矩陣。對於排放預測，車輛活動將被分解為幾個部分，每個部分所花費的時間將乘以相應單元格的排放率。結果是指定車輛行駛周期產生的排放總和。

Sturm 等人（1997,1998）也利用瞬時排放建模方法預測道路交通排放量，把使用加速度作為唯一秒級參數和使用加速度和速度乘積進行比較，發現兩種計算方法獲得的結果，排放因子差異很小。在他們的研究中，他們還評估了不同規模發射矩陣的影響。目前許多研究都集中在被認為是城市大氣污染的主要來源的乘用車，公共汽車和卡車許多車輛排放模型是為了預測道路車輛的排放特徵而開發的，但是對於RV排放的調查和估算現有工作比較少。基於CO，HC，NOx和NOx的高解析度（1 Hz）排放數據，我們使用SEMTECH-DS分析儀和真實道路上的電氣低壓碰撞器（ELPI）測量了低速車輛的PM（Wang等，2014）。研究人員開發了一種瞬時排放模型來表徵與車速和加速度相關的低速車輛的排放。這種瞬時排放模型可以用來預測不同駕駛模式下的低速車輛排放特性。通過碳平衡法計算車輛燃料消耗。因此，模型使用者模型可以預測由模型用戶指定的任何行駛速度時間序列的低速車輛排放量，可以不需要實際的道路排放測試而獲得排放因子。

6 測試車輛和設備

道路測量為研究車輛產生的實際排放量和估計車輛或發動機運行與實際道路運行狀況之間的差異提供了一種補充方法（Durbin等，2007; Liu等，2011）。使用PEMS進行車輛排放測試可以省去昂貴的排放測試設備，並且可以提供現場數據來評估模式排放模型的預測。PEMS可用於在多種環境條件下測量實際駕駛排放量，許多調查證明PEMS能夠提供與實驗室排放認證設備（Johnson，2009; Sharp等，2009）相當的測量精度等）。

低速車輛的排放標準主要取決於發動機測功機的測試，但發動機排放測試循環不能代表低速車輛的實際駕駛條件。為了研究低速車輛的實際道路排放特徵，我們使用PEMS測量了包括國家道路和農村道路在內的部分代表性路線上的低速車輛的CO，HC，NOx，PM和CO 2 排放。

6.1 測試的車輛和路線

在以前的研究中，我們測試了6輛低速車（王等人，2014），其中我們選擇了2007年應用汽車廠製造的YT5815PD低速車作為測試車。YT5815PD低速車輛配備額定功率為58千瓦的柴油發動機，最高時速為68.9公里/小時，整備質量為2670千克，總載重為4365千克。

YT5815PD低速車在招募條件下（不進行維修和調整）測試，並由車主駕駛，以使車輛的操作模式儘可能現實。車輛半載以反映日常的運輸狀態。

YT5815PD車輛在山西省農村的實際交通狀況下使用PEMS進行測試。測試路線涵蓋了不同的道路類型，包括國家道路和農村道路，限速為40-70公里/小時。被測試的國道是一條雙線道路，長約10.5公里，選定的農村公路為單線道路，長約10.8公里。為了消除風和路面坡度的影響，車輛來回驅動數次。對於每次運行，車輛位置和排放數據都是按秒記錄的。我們已經為選定的低速車輛收集了11,000多個數據，其中約8200個有效數據用於排放矩陣的建立。

6.2 檢測設備

使用SEMTECH-DS分析儀（Sensors，Inc.）測試YT5815PD低速車輛的道路氣體排放。SEMTECH-DS分析儀使用非分散紅外（NDIR）裝置測量CO和CO2，THC加熱火焰離子化檢測器（HFID）和2Q549非分散紫外（NDUV）模塊NO和NO 2 測量（Guo等，2014）。全球定位系統接收機被用來獲得緯度，經度和車輛位置的高度，並且基於這些值計算車輛速度。

溫度，壓力和相對濕度也通過天氣探測器記錄以供以後使用。使用四英寸鋼管排氣流量計（EFM）同時測量排氣流量和排氣溫度。通過加熱的樣品管線將樣品氣體引入分析儀中，該樣品管線被加熱並保持在190℃以最小化碳氫化合物的損失。基於排氣流量和各種排氣成分的濃度和密度，可以計算出每種污染物的瞬時質量排放速率。

電氣低壓衝擊器（ELPI）（Dekati Ltd.，芬蘭）用於測量發射粒子的實時數量濃度（PN）和粒度分布。基於粒子的空氣動力學直徑，所發射的顆粒尺寸範圍0.03?10 μ m內，被劃分成12個信道，12個信道中的每一個被連接到靜電計電流放大器上。發動機的發射顆粒將首先充電，然後根據慣性分離並收集到不同的階段，其中電流將由相應的靜電計電流放大器檢測。每個通道的電流值與收集的顆粒數量成正比，並因此與特定尺寸範圍內的顆粒濃度成正比（Marjamaki等，2000）。

然後將測得的電流值轉換成排氣顆粒的空氣動力學尺寸分布。Liang等人（2013）研究了汽油車的PM和PN排放，並根據ELPI測得的數值濃度計算了PM質量，並將粒子密度確定為其直徑的函數，並根據粒徑使用六種密度分布，並獲得符合重量法測量的顆粒質量。在本文中，瞬態顆粒物質的排放特性是通過Liang的方法得到的。

每次測試前，都要進行一系列的預備程序，包括預熱發動機和SEMTECH-DS，校準和測量設備的泄漏檢查。在道路上實時排放HC，CO，NOx，CO2和PN的排放數據是按秒測量和記錄的。

7 模型開發和校準

7.1 模型開發

車輛排放受各種因素影響，其中車輛速度和加速度是表徵車輛駕駛行為的兩個重要參數（Joumard等，1995; Sturm等，1997; Boulter等，2006 ）。在本文中，用於低速車輛排放模擬的瞬時排放模型也使用速度和加速度作為輸入數據，排放率和燃料消耗是模型輸出。每秒的結果累計計算在規定的駕駛周期內釋放的總排放量。

瞬時排放模型的結構如圖1所示。模型輸入是一個駕駛循環，它是一個速度時間序列曲線。對於輸入數據處理，瞬時速度由選定的行駛周期確定，速度變化率即加速度直接由瞬時速度計算。瞬時排放模型旨在預測道路水平低速車輛的熱運行排放，並能夠針對各種交通狀況進行排放預測。車輛燃料消耗量通過碳平衡法確定。

在我們的實驗研究中，測量並記錄了YT5815PD低速車輛的大量逐秒排放數據（CO，HC，NOx，PM和CO2），並已用於構建排放圖，其中作為反映車輛真實操作條件的車輛速度和加速度的函數以排放速率的查找表的形式存儲。

在排放速率矩陣中，速度範圍從0至60公里/小時（以3公里/小時的間隔），和車輛加速度的值變化從- 1至1米/秒^2（在0.1米/秒^2的間隔）。每個節點處的數據通過對其周圍的速度/加速度區間內的排放速率進行平均來計算。HC，CO，NOx，PM和CO的排放速率圖，作為低速車輛速度和加速度的函數以曲面圖的形式在圖2中被繪製出來。

我們可以看到明顯的非線性特徵以及作為速度和加速度的函數的HC，CO，NOx，PM和CO 2排放指標的顯著「峰值」和「谷值」。

圖1 -瞬時排放模型的示意圖。

在圖2中，縱軸表示以g /秒為單位的HC，CO，NOx，PM和CO 2排放速率。在

我們的排放模型中，我們使用低速車輛速度v和加速度a作為兩個輸入參數。從速度時間序列計算。

其中at （米/秒^2）是在時間t時刻的加速度；vt 和v(t-1) （米/秒）是車輛速度在時間t和t- 1時刻的速度，Δt 是的時間步長，360速度時間系列。對於排放估算，我們使用低速車輛速度和加速度，用內插值法取得污染物排放速率圖，來計算即時的污染物排放率。逐秒排放速率結果累積以預測在整個行駛周期內釋放的總排放量。

其中mtot（g）為污染物總質量；met（克/秒）是在時間t時刻，各污染物的質量排放率；Δ t是模擬時間步長。

以同樣的方式，我們計算車輛總行程距離：

其中Stot （公里）是累積的車輛總行駛距離。

因此，我們可以計算每個排放成分的排放因子：

採用碳平衡法計算低速柴油車[EU80/1268/EEC] 燃料消耗量：

其中FC是每百公里燃料消耗值，EFHC（g/km）是HC的排放因子，EFCO（g/km）是CO 的排放因子，EFCO（g/km））是CO2的排放因子；D是在15℃的柴油機的密度。

瞬時排放模擬模型是在Matlab程序中編寫的，可用於模擬微觀和宏觀的低速車輛活動模式。例如，為了評估本質上更具動態性的車輛真實道路行駛排放，應該確定一秒一秒的速度分布，並且瞬時排放模型可以預測具有高度時間解析度的排放。如果將這些模型用於預測大型區域的排放清單，則平均車輛駕駛特性（例如平均車速）可以作為模型輸入，該排放模型還可以基於平均車輛活動參數估算車輛排放。本文開發的瞬時排放模型利用速度和加速度水平作為輸入數據，因此可以應用於微觀模擬智能交通系統（ITS）。

圖2 -作為低速車輛速度和加速度的函數的車輛排放速率圖。

7.2 模型驗證和討論

模型驗證工作基於模型預測結果與實驗數據的比較。在對低速車輛進行排放試驗期間，YT5815PD低速車輛共完成了20多次的行程，但由於數據錯誤，部分結果被丟棄。大部分有效數據都包含在排放圖中。在有效的駕駛行程中，我們選擇了一些可以預測高度時間分辨的排放。如果將這些模型用於預測大型區域的排放清單，則平均車輛駕駛特性（例如平均車速）可以作為模型輸入，該排放模型還可以基於平均車輛活動參數估算車輛排放。本文開發的瞬時排放模型利用速度和加速度水平作為輸入數據，因此可以應用於微觀模擬智能交通系統（ITS）。

具有同步排放測量的實際速度曲線，並使用速度曲線作為排放模型的輸入來計算瞬時加速度，並使用瞬時速度和加速度內插污染物排放速率圖以獲得瞬時污染物排放速率，這也將被累計來預測整個駕駛行程的總排放量。預測的排放率直接與測量的排放數據進行比較。本文開發的瞬時排放模型可以很容易地驗證和校準。

圖3顯示了YT5815PD低速車輛選定的熱穩定駕駛行程。此行程長6.55公里，持續1152秒，平均時速為20.45公里/小時，最高時速為42.23公里/小時。本次行程的速度時間序列被用作排放模型的輸入，以驗證本文開發的瞬時排放模型。

該模型預測的瞬時排放速率與逐秒的排放測量結果相比較，目的是確定所提出的模型中的缺點。圖4分別顯示了HC，CO，NOx，PM和CO 2的估算結果和測試原始數據的比較。

如圖4所示，預測的排放率有與測試排放數據類似的趨勢，可以反映不同駕駛條件下的車輛排放特性。但我們可以發現，預測的排放結果不能完全追蹤測試原始數據的排放「峰值」和「谷值」。該模型傾向於測量高排放期間低估排放率「峰」或「尖峰」，並可能在相對穩定的運行和減速條件下高估排放率。其原因主要是由於預測的排放速率來源於排放速度圖，排放速度圖是由每個運行點的大量原始數據的統計平均值組成的，因此高排放峰值已經降低排放率圖和低谷值也通過取原始數據的統計平均值來提高。為了構建排放率圖，需要將大量數據之間複雜的非線性統計關係轉換為有限數據的簡單幾何關係。因此，大量的原始數據信息必須在保持最重要的拓撲結構和矩陣關係的前提下進行壓縮。

圖3 -選定熱穩定行程的速度曲線。

這種方法可能被認為會產生某種抽象，但也可以減少一些離譜的原始數據的副作用。

為了評價預測瞬時排放模型的準確性，在熱穩定過程中，皮爾遜積矩相關係數被用來評估HC，CO，NOx，PM和CO的測量的和模擬的排放速率之間的線性關係的強度。皮爾遜積矩相關係數是兩個變數動態關聯程度的一種度量（(Rodgers and Nicewander，1988 ），計算公式為：

其中xi 是每個排放組分的測量排放率，xˉ是整個行程中所有xi的平均值，y i 是相應排放組分的模擬排放率，yˉ是整個yi 的整體平均值。

對於YT5815PD低速車輛，模擬結果表明原始數據與模型預測之間有很好的一致性，HC，CO，NOx，PM和CO 2的相關係數分別為0.91,0.87,0.84,0.86和0.92 。該模型的準確性（相關係數：0.84 - 0.92），預測低速車輛排放率適合RV排放水平評估。

對於瞬時排放模型的性能驗證，我們還通過比較計算的排放因子和燃料消耗量與所選擇的駕駛行程的測試結果來計算累計總誤差。誤差總和計算如下：

其中X是整個旅程的預測數據，Y是整個旅程的測試結果。

圖4 - HC的測量的和預測的排放率的比較（a）中，CO（b）中，氮氧化物（c）中，PM（d）和CO 2 （E）。

表1

表1顯示了這種驗證方法的預測誤差。在整個行程中測得的CO，HC，NOx和PM排放因子分別為4.369,1.171,3.448和1.944 g/km。而CO，HC，NOx和PM排放因子的估計值分別為4.186,1.071,3.260和1.837 g/km，預測誤差在4-9％的範圍內。估計的車輛燃料消耗量相對於整個行程的實際測量值的誤差在4％以內。所有的預測數據都比測試數據小。預測誤差的一個主要原因可能是由於預測的排放結果的高排放「峰值」丟失，並且還存在一些其他可能的誤差來源，例如換擋行為，道路坡度和環境條件，例如風阻效應，環境溫度和濕度等。

YT5815PD低速車輛的預測和測量數據之間的一致性是可以接受的。雖然這顯然只是一個有限的驗證案例，但它可以作為本文開發的瞬時排放模型質量的初步評估，並且將進行更多的研究工作來確保所提出的模型在其他應用中的可行性。

本文開發的排放模型有一定的局限性。首先，在當前模型中未考慮啟動排放（包括冷啟動和熱啟動）以及道路坡度，風阻效應和環境溫度的影響，因此需要進一步研究工作來考慮這些因素。其次，在我們的模型中，排放數據以查詢表的形式存儲為車輛速度和加速度的函數，超出車速和加速度邊界的，模型使用外部插值，這可能導致預測誤差，因此應該使用更廣泛的收集數據，添加到模型的排放資料庫中。雖然我們已經為不同的排放水平的低速車輛排放估算建立了不同的排放圖，但為了模型驗證的目的，本文基於YT5815PD低速車輛排放數據開發了瞬時排放模型內的排放圖，以消除不同車輛之間變化的影響。如果將排放模型應用於預測低速車輛的車隊平均排放水平，則需要將其他低速車輛在路測中獲得的更多排放數據納入該模型。?????

8 結論

本文展示了一個瞬時排放模型，用於預測各種駕駛條件下低速車輛的微觀排放率和燃料消耗。該排放模型是利用PEMS測得的道路排放數據開發的，該模型應用於估計熱穩定條件下低速車輛在特定道路水平下的排放和燃料消耗。模型中使用的排放圖以排放速率查詢表的形式存儲為車輛速度和加速度的函數。模型的關鍵輸入變數是車輛速度和加速度，使用內插污染物排放速率圖來計算瞬時污染物排放率，並將其與排放測量數據進行比較。加和排放率結果以預測在整個行駛周期內釋放的總排放量。碳平衡法被用來計算燃料消耗量。對於模型性能驗證，瞬時排放模型利用YT5815PD低速車輛行程中的排放測量值驗證排放特徵，預測誤差在4-9％範圍。估計的車輛燃料消耗與實測值的誤差在實際測量值的4％以內。本文表明，瞬時排放模型適於由模型用戶指定的操作循環的任何建模低速車輛排放行為和燃料消耗。因此，新的排放因子和燃料消耗是可以預測的，而不需要真正的排放測量。

參考文獻

1 LijunHao， Modeling and predicting low-speed vehicle emissions as a function of driving kinematics（主要翻譯文獻）；

2 陳勇，低速電動汽車的能耗分析；

3 朱妮，中低速電動汽車盈虧敏感性分析；

4 劉禮解，低速電動汽車的性能研究；