Versteckte Verzögerungen bei den Klimaschutzvorteilen im Wettlauf um den Einsatz von Elektrofahrzeugen

Jun 18, 2023

Nature Communications Band 14, Artikelnummer: 3164 (2023) Diesen Artikel zitieren

1793 Zugriffe

14 Altmetrisch

Details zu den Metriken

Obwohl batterieelektrische Fahrzeuge (BEVs) klimafreundliche Alternativen zu Fahrzeugen mit Verbrennungsmotor (ICEVs) sind, ist eine wichtige, aber oft ignorierte Tatsache, dass die Klimaschutzvorteile von BEVs in der Regel verzögert eintreten. Die Herstellung von BEVs ist kohlenstoffintensiver als die von ICEVs, so dass in der zukünftigen Nutzungsphase eine Treibhausgasschuld zurückgezahlt werden muss. Hier analysieren wir Millionen von Fahrzeugdaten aus dem chinesischen Markt und zeigen, dass die Treibhausgas-Breakeven-Zeit (GBET) der chinesischen BEVs von Null (d. h. dem Produktionsjahr) bis über 11 Jahre reicht, mit einem Durchschnitt von 4,5 Jahren. 8 % der zwischen 2016 und 2018 produzierten und verkauften chinesischen BEVs können ihre Treibhausgasschulden nicht innerhalb der achtjährigen Batteriegarantie zurückzahlen. Wir schlagen vor, den Anteil der BEVs, die das GBET erreichen, zu erhöhen, indem wir den effektiven Ersatz von ICEVs durch BEVs fördern, anstatt nur darauf zu achten, den Wettlauf um die BEV-Einführung zu beschleunigen.

Die Elektrifizierung von Fahrzeugen wird allgemein als unverzichtbare Lösung für den Klimawandel angesehen. Nach Angaben der Internationalen Energieagentur (IEA) ermöglichten Elektrofahrzeuge (EVs), darunter sowohl leichte als auch schwere Nutzfahrzeuge, eine Nettoeinsparung von 40 Millionen Tonnen Kohlendioxidäquivalent (CO2e) auf einer Well-to-Wheel-Basis Grundlage im Jahr 20211. Obwohl die Bewertungen aufgrund unterschiedlicher Systemgrenzen und zugrunde liegender Annahmen je nach Studie variieren, dominieren die allgemeinen langfristigen Klimavorteile von Elektrofahrzeugen im Vergleich zu Fahrzeugen mit Verbrennungsmotor (ICEV) im Zusammenhang mit der Dekarbonisierung der Stromerzeugung die allgemeine Sichtweise2,3,4 ,5 (weitere Literatur siehe Ergänzungstabelle 1). Aus diesem Grund erlebte die Welt eine rasante Expansion des Elektrofahrzeugmarktes. Im Jahr 2021 erreichte der Bestand an Elektrofahrzeugen weltweit 16,5 Millionen, das ist das Dreifache der Menge im Jahr 20181. Immer mehr Länder und Regionen haben ehrgeizige Ziele für die Elektrifizierung von Fahrzeugen für die kommenden Jahrzehnte angekündigt6,7,8,9. Am 5. August 2021 kündigte das Weiße Haus ein Ziel von 50 % Elektroantrieb für alle im Jahr 2030 verkauften Neufahrzeuge an8. Am 14. Juli 2021 kündigte die Europäische Kommission ein Verkaufsverbot für neue Benzin- und Dieselfahrzeuge, einschließlich Hybridfahrzeuge, an. Beginn im Jahr 20357.

China, das den weltweiten Markt für Elektrofahrzeuge anführt, hat erhebliche Anstrengungen unternommen, um den Einsatz von Elektrofahrzeugen zu unterstützen, und sieht darin einen der effektivsten Wege zum Ziel der CO2-Neutralität im Transportwesen. Begünstigt durch eine Reihe staatlicher Instrumente und Subventionen10,11 entwickelt sich die Elektrofahrzeugindustrie in China weiter und der Marktanteil von Elektrofahrzeugen hat sich im letzten Jahrzehnt fast verdoppelt. Im Jahr 2021 beliefen sich die Produktion und der Verkauf von Elektrofahrzeugen in China auf 3,5 Millionen, ein 1,6-facher Anstieg gegenüber 202012. Die Zukunft der Branche ist angesichts der ehrgeizigen Vision der Regierung vielversprechend. Gemäß dem von der chinesischen Regierung angekündigten New Energy Automobile Industry Development Plan (2021–2035)6 wird die angestrebte Durchdringungsrate von Fahrzeugen mit neuer Energie, einschließlich BEVs, Hybrid-Elektrofahrzeugen (HEVs) und Brennstoffzellen-Elektrofahrzeugen (FCEVs), steigen bis 2025 20 % erreichen. Gemäß dem Aktionsplan zur CO2-Höhepunktbegrenzung vor 203013 wird der Marktanteil von Fahrzeugen mit neuer Energie bis 2030 etwa 40 % erreichen. Es wird erwartet, dass es sich bei der Mehrheit dieser Fahrzeuge um BEVs handelt, da sie 80 % ausmachen. von Fahrzeugen mit neuer Energie14.

Obwohl die Klimaschutzvorteile von BEVs im Vergleich zu ICEVs positiv sind15,16, wird oft ignoriert, dass die Vorteile nicht „kostenlos“ sind. Die Produktion von BEVs, insbesondere die Herstellung von Batterien, stößt in der Regel mehr Treibhausgase (THG) aus als ICEVs17,18. Diese Treibhausgasschulden können nur ausgeglichen werden, bis BEVs die Gewinnschwelle erreichen19,20,21,22,23. Das bedeutet, dass der Einsatz von BEVs keine Minderungsvorteile bringen kann, wenn sie sofort gekauft oder auf der Straße gefahren werden; es gibt eine Zeitverzögerung. Allerdings wurden solche zeitlichen Verteilungen in den meisten bestehenden Schätzungen beim Vergleich von BEVs und ICEVs oft ignoriert. Die Lebenszyklusemissionen von BEVs und ICEVs werden in der Regel gleichmäßig pro Kilometer verteilt, basierend auf der angenommenen Fahrleistung im Lebenszyklus der Fahrzeuge24, und der Klimaeffekt pro Kilometer wird verglichen. Nur eine Minderheit der Studien19,20,21,22,23 befasste sich mit der verzögerten Wirkung der Klimavorteile. Sie konzentrierten sich auf bestimmte Fahrzeugmodelle, verfügten jedoch nicht über einen umfassenden Überblick auf nationaler Ebene. Das Schließen dieser Lücke ist von wesentlicher Bedeutung für die Formulierung tiefgreifender Dekarbonisierungsrichtlinien für den Einsatz BEVs und die Gestaltung von Fahrplänen zur Schadensbegrenzung für den Transportsektor.

In dieser Studie stellen wir die zeitliche Verzögerung der Klimaschutzvorteile von BEVs in China anhand von Daten auf Fahrzeugebene dar. Die Daten umfassen fast alle BEVs (fast 1,5 Millionen) und 82 % der ICEVs (145,9 Millionen) in der Kategorie der leichten Personenkraftwagen, die im Zeitraum 2012–2018 in China produziert und verkauft wurden. Nach unserem besten Wissen ist dies der größte Datensatz, der zur Bewertung der Klimaschutzvorteile von BEVs auf dem chinesischen Markt verwendet wurde (weitere Einzelheiten zu den Daten finden Sie unter „Methoden“), was uns eine gleichzeitige Untersuchung aus einer Gesamtperspektive nach unten ermöglicht zu einer detaillierten Beschreibung in diesem Bereich. Wir quantifizieren die Treibhausgas-Breakeven-Zeit (GBET), die die Zeit beschreibt, die BEVs benötigen, um die anfänglichen Treibhausgasschulden zurückzuzahlen, die durch die Produktion kohlenstoffintensiver Batteriepakete entstanden sind, indem wir eine Ökobilanz (LCA) mit fahrzeugübergreifendem Vergleich erstellen (Weitere Einzelheiten finden Sie unter „Methoden“). Wir führen auch Sensitivitäts- und Unsicherheitsanalysen durch, um zu untersuchen, wie die Ergebnisse durch verschiedene Annahmen und Vergleichsmaßstäbe beeinflusst werden. Unsere Erkenntnisse können zu genaueren Schätzungen von Emissionstrends und besseren Wegen zur CO2-Neutralität beitragen, indem sie den politischen Entscheidungsträgern zusätzlich zur Gesamtwirkung der Emissionen auch die zeitlichen Eigenschaften der Emissionen präsentieren. Die Perspektiven und Methoden zur Auseinandersetzung mit dem GBET in unserer Studie können auch auf die Bewertung der Langlebigkeitsschwelle anderer grüner Infrastrukturinvestitionen ausgeweitet werden.

Durch den Vergleich des durchschnittlichen Treibhausgasemissionsniveaus jedes BEV, das von 2012 bis 2018 Auto für Auto produziert und verkauft wurde, mit seinen kraftstoffbetriebenen Gegenstücken (weitere Einzelheiten finden Sie unter „Methoden“) bestätigen wir die Existenz einer Treibhausgasschuld von BEV. Die durchschnittlichen Emissionen bei der Herstellung eines BEV sind etwa 1,4-mal so hoch wie die eines ICEV. BEVs in China würden durchschnittlich 4,5 Jahre brauchen, um die „Herstellungsschulden“ auszugleichen, wobei die Zeitspannen zwischen null (d. h. dem Produktionsjahr) und über elf Jahren variieren (Abb. 1). Da frühere GBET-Studien im chinesischen Kontext selten sind, vergleichen wir unsere Schätzungen mit denen für andere Länder19,20,21,22,23, wie Ergänzungstabelle 2 zeigt. Die Vergleiche zeigen, dass unsere GBET-Schätzungen für BEVs in China im Allgemeinen länger sind als die in Europa21, nämlich etwa 2–3 Jahre. Es gibt zwei mögliche Gründe für die Unterschiede. Erstens ist die Treibhausgasemissionsintensität der Stromnetze in China angesichts der dominierenden Rolle der Kohleverstromung in China höher als in Europa. Höhere THG-Emissionsfaktoren schwächen den Minderungseffekt von BEVs in der Nutzungsphase und führen zu einem höheren GBET. Zweitens liegt die jährliche VKT der meisten BEVs auf dem chinesischen Markt (Ergänzende Abbildungen 1, 2) unter 15.000 km, eine Annahme, die in früheren Studien häufig verwendet wurde. Eine niedrigere jährliche VKT impliziert eine kürzere effektive Ersatzfahrleistung für vergleichbare ICEVs und führt zu einem höheren GBET von BEVs.

a Verteilung des GBET von 2012 bis 2018. b Verteilung des GBET von 2012 bis 2015. c Verteilung des GBET von 2016 bis 2018. Gemäß den offiziellen Batteriegarantiefristen waren im Jahr 2014 fünf Jahre Garantie erforderlich25 und acht Jahre. Im Jahr 2016 war eine Garantie von einem Jahr erforderlich26. Für 2012 und 2013 wurde basierend auf der Anforderung von 2014 ein Schwellenwert von fünf Jahren verwendet. Die Fehlerbalken zeigen ein 95 %-Konfidenzintervall an. Quelldaten werden als Quelldatendatei bereitgestellt.

Der große Umfang des von uns verwendeten Datensatzes ermöglicht einen umfassenden Überblick über die GBET-Verteilung über landesweite BEVs. Die Form der GBET-Verteilungskurve ist schief, mit einer Standardabweichung von 2,4 Jahren und einem Schiefefaktor von 0,8. Ungefähr 70,4 % der Fahrzeuge würden die Treibhausgasschulden innerhalb einer Standardabweichungsspanne (d. h. 2,1–6,9 Jahre) abbezahlen. Darüber hinaus gelang es etwa einem Fünftel der vor 2016 produzierten und verkauften BEVs nicht, die Treibhausgasschulden innerhalb von fünf Jahren zurückzuzahlen, was der von der chinesischen Regierung im Jahr 2014 geforderten Gewährleistungsfrist für Elektrofahrzeugbatterien entspricht25. Im Jahr 2016 wurde die erforderliche Batteriegarantie auf verlängert acht Jahre26 und 8 % der zwischen 2016 und 2018 produzierten und verkauften BEVs können den GBET nicht innerhalb der Batteriegarantieschwelle erreichen (Ergänzungstabelle 3). Die BEVs mit Null-GBET emittieren im Fahrzeugzyklus weniger Treibhausgasemissionen als ihre ölbetriebenen Pendants und machen nur 1,7 % der Gesamtstichprobe aus. Bei diesen „Zero-GBET“-BEVs handelt es sich überwiegend um Autos der A00-Klasse, die eine deutlich geringere Batteriekapazität und ein geringeres Leergewicht als andere Fahrzeugklassen haben. Die BEVs, deren GBET über 11 Jahre beträgt, machen ~2,9 % der Gesamtstichprobe aus. Insgesamt 97,8 % dieser BEVs gehören zur MPV-A0-Klasse. Dieses Vorkommnis ist wahrscheinlich darauf zurückzuführen, dass der Gewichtsunterschied bei MPV-A0-Fahrzeugen zwischen elektrisch und kraftstoffbetriebenen Fahrzeugen am größten ist (weitere Einzelheiten finden Sie in der Ergänzungstabelle 4), was zu einer enormen Treibhausgasverschuldung und dem längsten GBET führt.

Zwei widersprüchliche Trends beeinflussen die Veränderungen der BEV-GBETs im Jahresvergleich. Einerseits nehmen mit der Weiterentwicklung der Batterietechnologie die Batteriekapazität und die Reichweite von BEVs zu, was eine effektivere Ersatzkilometerleistung für ICEVs bietet und zu einem rückläufigen Trend bei GBET führt. Andererseits haben Batterien mit höherer Kapazität in der Regel eine größere Größe, ein höheres Gewicht und ein höheres Leergewicht zur Unterstützung, was wahrscheinlich zu einer höheren CO2-Verschuldung in der Produktionsphase führt und daher eine längere Zeit zur Rückzahlung benötigt. Unter dem kombinierten Effekt dieser beiden Trends zeigt der GBET der zwischen 2012 und 2018 produzierten und verkauften BEVs einen schwankenden Trend, der je nach Fahrzeugklasse variiert (Tabelle 1). Beispielsweise zeigt der GBET von Pkw der A-Klasse und SUVs der A0-Klasse einen insgesamt steigenden Trend mit jährlichen Schwankungen, während der GBET von MPVs der B-Klasse im Allgemeinen abnimmt.

Der GBET von BEVs zeigt auch eine erhebliche Heterogenität zwischen verschiedenen Transportarten (Pkw, SUV und MPV) und Größenklassen (A00, A0, A, B und C) (weitere Einzelheiten zur Fahrzeugklassifizierung finden Sie in der Ergänzungstabelle 5). Auch die Wirkung von Einflussfaktoren ist bidirektional. Einerseits verfügen schwerere Transportmittel und größere Fahrzeuggrößen in der Regel über eine größere Batteriekapazität und ein höheres Batteriegewicht, was zu höheren Treibhausgasemissionen in der Produktionsphase und damit zu einer höheren Treibhausgasschuld führt (siehe Ergänzungstabelle 4). Dieser Trend erhöht möglicherweise den GBET. Andererseits sind die kraftstoffbetriebenen Gegenstücke schwererer Transportarten und größerer Fahrzeuggrößen energieintensiv (siehe Ergänzungstabelle 4) und emittieren während des Kraftstoffzyklus mehr Treibhausgase, was zu deutlicheren Emissionsreduzierungsvorteilen von BEVs im Vergleich zu ICEVs und kürzer führt Tilgungsfristen für Treibhausgasschulden. Dieser Trend verringert möglicherweise den GBET. Unter der kombinierten Wirkung dieser beiden Trends zeigt der GBET von BEVs einen insgesamt steigenden Trend mit größeren Größenklassen (A00 < A0 < A < B) und größeren Transportarten (Auto < SUV < MPV).

Genauer gesagt interagieren die Auswirkungen von Verkehrsträger und Größenklasse. Die Auswirkungen des Transportmodus variieren je nach Größenklasse. Für Fahrzeuge der Klasse A0 erhöht sich der GBET in der Reihenfolge Pkw, SUV und MPV. Diese Anordnung impliziert, dass die zunehmenden Auswirkungen einer höheren Treibhausgasschuld, die durch das höhere Gewicht größerer Verkehrsträger verursacht wird, die abnehmenden Auswirkungen übersteigen, die durch eine Verbesserung der Schuldentilgungseffizienz während des Brennstoffkreislaufs verursacht werden (der Begriff „Brennstoff“ wird herkömmlicherweise verwendet und bezieht sich auf Stromerzeugung, -übertragung, und Nutzung für BEVs). Bei Fahrzeugen der A- und B-Klasse ist die GBET des Pkw am höchsten (6,3–7,3 Jahre), die des MPV liegt im Mittelfeld (5,8–6,1 Jahre) und die des SUV am kleinsten (3,1–4,8 Jahre). . Dies deutet darauf hin, dass in diesen beiden Größenklassen der positive Effekt der Erhöhung der Schuldentilgungsrate im Kraftstoffkreislauf von SUVs und MPVs den negativen Effekt aufgrund des erhöhten Leergewichts vollständig ausgleicht. Ebenso hängt der Effekt der Größenklasse auf GBET mit dem Transportmodus zusammen. Bei Autos zeigt GBET einen zunehmenden Trend mit größerer Größe. Der GBET-Verlängerungseffekt, der durch den Anstieg der Treibhausgasschulden mit zunehmender Größenklasse verursacht wird, übersteigt den Reduktionseffekt, der durch die zunehmende Reduzierung der Treibhausgasemissionen verursacht wird. SUVs und MPVs zeigen den gegenteiligen Trend: GBET sinkt mit zunehmender Größenklasse. In diesem Fall überwiegen die relativen Vorteile von BEVs bei der Emissionsreduzierung im Kraftstoffzyklus, die sich aus der Vergrößerung der Größenklasse ergeben. Somit haben SUVs und MPVs mit größeren Größenklassen sowie Autos mit kleineren Größenklassen insgesamt kürzere GBETs.

Der GBET von BEVs in China variiert erheblich zwischen den Provinzen (Abb. 2a). Der durchschnittliche GBET der im Jahr 2018 produzierten und verkauften BEVs beträgt in den nordöstlichen Provinzen 6,9–7,9 Jahre und ist damit 2–6 Jahre länger als der Durchschnitt in den südwestlichen Provinzen. Die regionalen Unterschiede von vier Faktoren (Abb. 2b), darunter die Zusammensetzung der Größenklassen, die Zusammensetzung der Verkehrsträger, die jährlich gefahrenen Fahrzeugkilometer (VKT) und die Treibhausgasemissionsintensität des lokalen Stromnetzes, könnten die regionale Heterogenität erklären GBET. Im selben Jahr lag der Anteil von Fahrzeugen der A00-Klasse am gesamten BEV-Absatz nach Provinzen zwischen 5,7 % in Qinghai und 90,2 % in Guangxi, mit einem Mittelwert von 42,4 %. Der Anteil der Pkw am gesamten BEV-Absatz nach Provinzen reichte von 26,4 % in Jilin bis 96,3 % in Guangxi, mit einem Mittelwert von 70,3 %. Der Provinzdurchschnitt der jährlichen VKT im Jahr 2018 reichte von 678 km in Tibet bis 15.927 km in Guangdong, und der Provinzdurchschnitt der Treibhausgasemissionsintensität der Stromerzeugung reichte von 38 gCO2e/kW in Tibet bis 801 gCO2e/kW in Tianjin, eine Spanne von zwanzig am oberen Ende um ein Vielfaches größer als am unteren Ende.

a Der durchschnittliche GBET von BEVs nach Provinz im Jahr 2018. Daten für die Sonderverwaltungsregion Hongkong (SAR), die Sonderverwaltungszone Macau und die Provinz Taiwan sind nicht verfügbar. b Vier Einflussfaktoren des GBET nach Provinzen im Jahr 2018, darunter die Zusammensetzung der Fahrzeuggrößenklassen, die Zusammensetzung der Verkehrsträger, die durchschnittlichen jährlich zurückgelegten Fahrzeugkilometer und die Treibhausgasemissionsintensität der Netze auf Provinzebene. SUV-Sport Utility Vehicle, MPV-Mehrzweckfahrzeug. Quelldaten werden als Quelldatendatei bereitgestellt. Die Verwendung der Basiskarte in einem wurde ohne Genehmigung unter Verwendung von Daten aus dem vom Ministerium für natürliche Ressourcen veröffentlichten Standardkartendienst (http://bzdt.ch.mnr.gov.cn/) durchgeführt.

Bei den im Jahr 2018 produzierten und verkauften BEVs waren Jiangxi, Jilin, Heilongjiang, Liaoning und Tibet die fünf Provinzen mit der längsten GBET. Für die drei nordöstlichen Provinzen (d. h. Jilin, Heilongjiang, Liaoning) sind die Gründe für die lange GBET ähnlich, da diese Provinzen über größere Fahrzeuggrößen/-modi, höhere Treibhausgasemissionsintensitäten für lokale Stromnetze und relativ niedrigere VKT verfügen. Die höhere Treibhausgasemissionsintensität steht im Einklang mit der kohledominierten Stromerzeugungsstruktur in diesen Regionen, und der niedrigere VKT impliziert, dass BEVs nicht ausreichend genutzt werden, was zu mehr Zeit für die Rückzahlung der Treibhausgasschulden führt. Die Fahrzeuggrößen und Transportarten der Provinz Jiangxi sind relativ klein, aber die hohen Treibhausgasemissionsintensitäten und der niedrige VKT tragen zum langen GBET bei. Der lange GBET in Tibet ist vor allem auf die extrem niedrige VKT zurückzuführen, die auf Jahresbasis fast 90 % unter dem Landesdurchschnitt liegt. Dies kann wahrscheinlich durch den schleppenden Fortschritt beim Aufbau der Ladeinfrastruktur für BEVs und die besondere Topographie Tibets erklärt werden (z. B. deckt die begrenzte Reichweite von Elektrofahrzeugen möglicherweise nicht den lokalen Fernreisebedarf ab). Obwohl Tibet die niedrigste Treibhausgasemissionsintensität seines Stromnetzes aufweist, da die Kohleverstromung nur 1,5 % der Gesamtmenge in der Provinz ausmacht, gleicht die niedrigste Nutzungsrate von Elektrofahrzeugen in Tibet die Klimavorteile seiner kohlenstoffarmen Stromerzeugung vollständig aus Struktur und erklärt, warum es das lange GBET hat. Die fünf Provinzen mit dem kürzesten GBET sind Guizhou, Guangxi, Hunan, Tianjin und Sichuan. Kleinere Fahrzeuggrößen/-modi, ein saubererer Strommix oder ein höherer VKT erklären den kurzen GBET dieser Provinzen.

Die Schätzungen von GBET werden hauptsächlich von zwei Unsicherheitsquellen beeinflusst. Zum einen handelt es sich um die Parameterunsicherheit, zum anderen um die Unsicherheit aufgrund der Verwendung unterschiedlicher Vergleichsbenchmarks. Im Hinblick auf die Parameterunsicherheit gruppieren wir alle Einflussfaktoren in zehn Gruppen (Ergänzungstabelle 6) und führen für jede gruppierte Variable eine Störungssensitivitätsanalyse für jeweils eine Variable durch (weitere Einzelheiten finden Sie unter „Methoden“). Die sechs wichtigsten sensiblen Faktoren sind in absteigender Reihenfolge das Leergewicht, die Treibhausgasemissionsfaktoren der Fahrzeugmaterialproduktion, die Batteriekapazität, die Treibhausgasemissionsfaktoren der Batteriematerialproduktion, die jährliche VKT und die Treibhausgasemissionsfaktoren der Stromnetze (Ergänzungstabelle 7). Wir können feststellen, dass GBETs empfindlicher auf Faktoren des Fahrzeugzyklus (die ersten vier Faktoren) als auf Faktoren des Kraftstoffzyklus (die beiden letzten) reagieren. Dies unterscheidet sich von früheren LCA-Studien, die stärkere Auswirkungen von Kraftstoffzyklusfaktoren auf die Lebenszyklusemissionen zeigten als jene von Fahrzeugzyklusfaktoren5,27,28,29. Der Grund für die unterschiedlichen Analyseergebnisse liegt darin, dass die Schätzung von GBET nur die Treibhausgasemissionen vor dem Break-Even-Punkt berücksichtigt, während die LCA Lebenszyklusemissionen berücksichtigt – der kleinere Maßstab der ersteren führt zu einer geschwächten Einflusskraft des Brennstoffkreislaufs Faktoren. Die sechs sensiblen Faktoren werden dann mithilfe des Bereichsansatzes und der OED-Methode (Orthogonal Experimental Design) in die Unsicherheitsanalyse einbezogen (weitere Einzelheiten finden Sie unter „Methoden“). Die Ergebnisse (ergänzende Abbildung 3) zeigen, dass der landesweite durchschnittliche GBET (4,5 Jahre in der Basisschätzung) im Szenario der unteren Extremität mit radikalem jährlichen VKT-Anstieg, leichteren Fahrzeugen, saubererem Stromnetz und niedrigem Niveau auf ~1,9 Jahre sinkt -Kohlenstoff-Emissionsfaktoren, während sie in der oberen Extremität auf 6,5 Jahre ansteigen.

Darüber hinaus hängt der GBET von BEVs auch stark vom Vergleichsmaßstab der ICEVs ab, der in einem großen Bereich variiert. Für die Robustheitsprüfung koppeln wir BEVs mit ICEVs verschiedener Größenklassen und beziehen sowohl die effizientesten als auch die am wenigsten effizienten ICEVs als Benchmarks ein, um pessimistische und optimistische GBET-Schätzungen zu präsentieren. Im Vergleich zwischen benachbarten Größenklassen schwanken die GBET-Schätzungen zwischen –74 und 156 % (Ergänzungstabelle 8). Verglichen mit den ICEVs derselben Größenklasse, deren Treibhausgasemissionen jedoch im unteren Quartil liegen (d. h. den oberen 25 % der emissionsarmen ICEVs), erhöht sich der GBET um 1,9–6,7 Jahre, mit einem durchschnittlichen Anstieg von 3,9 Jahren (ergänzende Abbildung). 4). In diesem Fall kann fast die Hälfte der im Jahr 2018 produzierten und verkauften BEVs ihre Treibhausgasschulden nicht innerhalb von 11 Jahren zurückzahlen. Wenn wir den Benchmark auf die ICEVs ändern, deren Treibhausgasemissionen im höheren Quartil liegen (d. h. die oberen 25 % der ICEVs mit hohen Emissionen), sinkt der GBET um 1,6–5,1 Jahre, mit einem durchschnittlichen Rückgang von 2,9 Jahren (ergänzende Abbildung 4). . In diesem Fall erreichen alle im Jahr 2018 verkauften BEVs den GBET innerhalb von 7 Jahren und 95 % davon tatsächlich innerhalb von 3 Jahren.

Die GBET-Schätzung in dieser Studie macht die politischen Entscheidungsträger darauf aufmerksam, dass die Klimavorteile von BEVs nicht umsonst sind, sondern von der Zeit abhängen, die benötigt wird, um ihre in der Fahrzeugproduktionsphase entstandenen Treibhausgasschulden zurückzuzahlen. Dieser Umstand bringt auch das Verständnis der verzögerten Klimavorteile von Chinas BEVs von einer abstrakten Ebene auf eine konkrete Schwelle. Solche Erkenntnisse haben enorme Auswirkungen auf die reale Welt.

Erstens können neue GBET-basierte Indikatoren entwickelt werden, um den BEV-Einsatz zu steuern. Beispielsweise ist der Prozentsatz der BEVs, die GBET erreicht haben (P-GBET), ein Indikator, der den weit verbreiteten Indikator BEV Penetration Rate (PR) ergänzt. Mit anderen Worten: Es kommt nicht nur darauf an, wie viele BEVs produziert und verkauft werden, sondern auch darauf, wie viele davon positive Emissionsreduzierungen aufweisen, die zu den Klimavorteilen des Transportsektors beitragen. Bisher haben China und viele andere Länder zahlreiche Beschaffungsanreize wie Steuergutschriften, Rabatte oder Rabatte, Befreiung von BEVs von Staukontrollen und separate Kennzeichenquoten für BEVs30,31,32,33 genutzt, um eine höhere PR zu erreichen. Sobald der Verkauf jedoch abgeschlossen ist, sind diese Richtlinien nicht mehr in Kraft, so dass der tatsächliche Klimaeffekt nicht bewältigt wird34. Eine direkte Lösung für dieses Problem besteht darin, Folgerichtlinien für den BEV-Einsatz festzulegen, wie z. B. die Einführung von Stufensubventionen (d. h. die Verlängerung des Subventionszeitraums vom Zeitpunkt des Kaufs bis zum Erreichen des GBET), Investitionen in Ladeinfrastrukturen, und Motivation zum Austausch von ICEV, um einen höheren P-GBET zu fördern.

GBET kann auch bei der Festlegung technischer Standards für die Lebenserwartung oder Batteriewechselzeit von BEVs helfen, um Nettovorteile für das Klima zu gewährleisten. Beispielsweise verlangt China derzeit eine Garantie von acht Jahren oder 120.000 Kilometern (je nachdem, was zuerst eintritt) auf Batterien von Elektrofahrzeugen26. Wie unsere Schätzungen in den vorherigen Abschnitten zeigen, können jedoch nicht alle Fahrzeuge ihren GBET innerhalb der Batteriegarantiezeit erreichen, insbesondere bei einigen großen Fahrzeugen oder Fahrzeugen mit großem Modus. Diese Situation erfordert eine längere erforderliche Garantiezeit für schwere Transportmittel. Tatsächlich bietet GBET Richtlinien für differenzierte Garantiefristen und andere langlebigkeitsrelevante Standards. Dieser Prozess ermöglicht einerseits Klimavorteile durch die Vermeidung eines vorzeitigen Austauschs von Batterien und motiviert andererseits BEV-Anbieter, die Klimaleistung ihrer Produkte zu verbessern.

Es ist erwähnenswert, dass ein kleinerer GBET nicht unbedingt zu einer höheren Emissionsreduzierung über den Lebenszyklus führt. Beispielsweise haben BEVs mit einer längeren erwarteten Reichweite tendenziell eine längere Lebensdauer, was zu größeren Vorteilen bei der Emissionsreduzierung über den gesamten Lebenszyklus führt. Allerdings ist eine höhere Reichweite oft auf eine größere Batteriekapazität und ein höheres Gewicht angewiesen, was zu höheren Treibhausgasemissionen bei der Batterieproduktion und zu einer höheren Treibhausgasschuld führt. Daher wird es länger dauern, diese Treibhausgasschulden zu begleichen, was zu einer längeren GBET führt. Der GBET ist ein ergänzender Indikator zu den bestehenden Kennzahlen, da er Informationen darüber liefert, wie schnell die Klimavorteile entstehen, während frühere LCA-Bewertungen das Ausmaß der Vorteile während der gesamten Lebensdauer des Fahrzeugs erkennen lassen. Beide Informationen sollten bei der Bewertung der Klimaschutzeffekte der Fahrzeugelektrifizierung berücksichtigt werden.

Darüber hinaus besteht zwar möglicherweise ein Kompromiss zwischen der Reduzierung der Lebenszyklusemissionen und schnelleren Amortisationszeiten, es besteht jedoch immer noch Raum für Synergien. Politische Entscheidungsträger können weitere Untersuchungen zu einer stärkeren und schnelleren Reduzierung der BEV-Emissionen anregen, beispielsweise durch Reduzierung der CO2-Schulden durch Fahrzeugleichtbau20,35,36,37,38,39, Materialrecycling40,41, Batterierecycling und -wiederverwendung42,43,44. Eine weitere Strategie besteht darin, die Rückzahlungsrate der Treibhausgasschulden zu beschleunigen, indem die Nutzung bestehender BEVs über Fahrzeugsharing intensiviert oder BEVs als Taxis priorisiert werden45,46. Eine Intensivierung der BEV-Nutzung durch gemeinsame Nutzung von Fahrzeugen anstelle einer Ausweitung des Fahrzeugbesitzes würde gleichzeitig die GBET verkürzen, eine stärkere Reduzierung der Treibhausgasemissionen erreichen und andere Probleme wie Verkehrsstaus, Erschöpfung der Bodenschätze, Druck beim Bau von Infrastrukturen und Umweltverschmutzung lösen47,48. Diese Strategie ist machbar, da die Menschen im Wesentlichen einen qualitativ hochwertigen Transportdienst brauchen und nicht das Fahrzeug selbst49. Darüber hinaus kann die Ausrichtung der BEV-Produktionsstandorte an das geplante Netz für erneuerbare Energien eine schnellere und stärkere Reduzierung der Treibhausgasemissionen von BEV ermöglichen50. Derzeit befinden sich Chinas BEV- und Batterieproduktionen hauptsächlich in der südöstlichen Küstenregion und im Nordosten, wo die Intensität der Treibhausgasemissionen im Netz relativ hoch ist (weitere Einzelheiten finden Sie in der ergänzenden Abbildung 5). Die geografische Verteilung der Batterie- und Automobilhersteller in China wird durch historische Produktionsvorteile bestimmt, beispielsweise durch die Verfügbarkeit ausgereifter Produktionslinien. Beispielsweise produzierte Contemporary Amperex Technology Co., Limited (CATL), der größte Hersteller von Elektrofahrzeugbatterien in China, zunächst Telefonbatterien. Seine historischen Produktionsvorteile erleichtern Agglomerationsexternalitäten, Technologie-Spillover und Produktivitätssteigerungen und ermöglichen eine schnelle Umstellung auf die BEV-Batterieproduktion. Als Schritt nach vorn, um der kohlenstoffarmen Entwicklung von Stromnetzen gerecht zu werden, baute CATL weitere Fabriken in südwestlichen Provinzen mit reichlich erneuerbarer Energie, wie zum Beispiel die erste kohlenstofffreie Fabrik in Yibin, Provinz Sichuan51. Die Einbeziehung einer saubereren Stromerzeugung in das Layout der BEV-Produktion ist sowohl für die Verkürzung der GBET als auch für die Reduzierung der Lebenszyklusemissionen von Vorteil.

Obwohl unsere Ergebnisse große Auswirkungen haben, stellen wir auch fest, dass es mehrere Einschränkungen gibt. Zunächst gehen wir davon aus, dass die jährliche effektive Ersatzfahrleistung eines BEV für ICEVs dem jährlichen durchschnittlichen VKT in der Provinz entspricht, in der es verkauft wird, ohne Berücksichtigung des Rebound-Effekts oder Spillover-Effekts52 der BEV-Nutzung auf die Treibhausgasemissionen. Diese Annahme könnte die GBET-Schätzung verzerren. In dem Szenario, in dem der Erstbesitzer eines Autos ein BEV kauft, um den öffentlichen Nahverkehr anstelle von ICEVs zu ersetzen, ist die tatsächliche Ersatzfahrleistung niedriger als die jährliche VKT des BEV und führt zu einer Unterschätzung des GBET. In dem anderen Szenario, in dem ein BEV gekauft wird, um tatsächlich das bereits vorhandene ICEV zu ersetzen, könnte der Benutzer aufgrund der begrenzten Reichweite des BEV die Fahrzeugnutzung im Vergleich zum Besitz eines ICEV reduzieren. Hier entsteht ein positiver Spillover-Effekt und die effektive Ersatzfahrleistung ist höher als die jährliche VKT des BEV. Tatsächlich ist es kompliziert, inwieweit BEVs ICEVs effektiv ersetzen, da sie für das Verbraucherverhalten relevant sind34; Dieser Zusammenhang wurde noch nicht vollständig erörtert und bietet zahlreiche Möglichkeiten für zukünftige Forschungen.

Zweitens unterscheiden wir zwar den GBET desselben Fahrzeugmodells (insgesamt 1894 Modelle von 2012 bis 2018) nach Produktions- und Verkaufsstandort, andere reale Daten auf Fahrzeugebene, einschließlich der Kraftstoffeffizienz auf der Straße und der tatsächlichen Der zeitliche THG-Emissionsfaktor bezogen auf die Ladezeit wird nicht erfasst. Das Fehlen dieser Daten würde die GBET-Schätzungen verzerren. Der Unterschied zwischen der Kraftstoffeffizienz auf der Straße und der von den Herstellern offiziell gemeldeten Kraftstoffeffizienz variiert und wird von realen Umweltfaktoren und Fahrverhalten beeinflusst53,54. Die Verwendung jährlicher durchschnittlicher Emissionsfaktoren des Stromnetzes ohne Berücksichtigung der saisonalen und täglichen Auswirkungen auf den Strommix könnte unsere Schätzung von GBET unterschätzen. Beispielsweise werden die meisten BEVs in Shanghai nachts aufgeladen55, wenn die Intensität der Netzemissionen überdurchschnittlich hoch ist, da die Stromnachfrage in Privathaushalten ihren Höhepunkt erreicht und zu dieser Zeit weniger erneuerbare Energie für die Stromerzeugung zur Verfügung steht56. Die Verwendung der marginalen Stromemissionsfaktoren57 ermöglicht genauere Schätzungen, obwohl dies aufgrund fehlender Daten schwierig ist.

Drittens haben wir die Auswirkungen des Batterierecyclings, des Degradationsprozesses oder des Vintage-Effekts auf den Energieverbrauch und die Treibhausgasemissionen von Elektrofahrzeugen nicht berücksichtigt. Elektrofahrzeuge, die Sekundärbatterien und recycelte Batterien verwenden, haben eine viel geringere Treibhausgasschuld als ursprünglich hergestellte Elektrofahrzeuge58. Unter Berücksichtigung der Batterieverschlechterung59 könnte die GBET von BEVs länger als die Schätzungen ausfallen. Erwähnenswert ist auch, dass zusätzliche Verzögerungen dadurch entstehen, dass ältere, weniger effiziente Fahrzeugbestände lange Zeit im Fuhrpark verbleiben60.

Trotz der Einschränkungen erweitert unsere Studie das Verständnis der Verzögerungen beim Klimanutzen von BEVs von einer konzeptionellen Ebene auf ein konkretes Schwellenwertmaß unter Verwendung chinesischer Marktdaten. Der Umfang der Daten ermöglicht es uns, gleichzeitig Untersuchungen aus einer Gesamtperspektive (dh nationale Perspektive und regionale Heterogenität) bis hin zu einer detaillierten Perspektive (Fahrzeugmodellperspektive) durchzuführen. Diese Studie ist eine rechtzeitige Erinnerung für politische Entscheidungsträger, der zeitlichen Verteilung der Klimaauswirkungen mehr Aufmerksamkeit zu schenken und Richtlinien für BEV-Einsatzrichtlinien und die Gestaltung von Langlebigkeitsstandards bereitzustellen. GBET-basierte Indikatoren, wie der Anteil der BEVs, die den GBET erreicht haben, könnten ein wichtiger ergänzender Faktor für bestehende Indikatoren der BEV-Penetrationsrate sein. Sie bieten den politischen Entscheidungsträgern zusätzliche Dimensionen, die sie berücksichtigen sollten, insbesondere bei der Förderung des effektiven Ersatzes von ICEVs durch BEVs, anstatt nur den Wettlauf um die BEV-Einführung zu beschleunigen.

Der GBET von BEVs ist definiert als die Zeit, die benötigt wird, um die Treibhausgasschulden zurückzuzahlen, die bei der Produktion von kohlenstoffintensiven Batteriepaketen und zugehörigen Fahrzeugmaterialien entstehen. Die GBET-Schätzungen basieren auf der Ökobilanz (LCA) der Treibhausgasemissionen von Fahrzeugen und fahrzeugübergreifenden Vergleichen zwischen BEVs und ihren kraftstoffbetriebenen Pendants Jahr für Jahr. Wir beginnen diesen Abschnitt mit der Einrichtung des LCA-Setups. Anschließend stellen wir vor, wie BEVs mit ICEV-Benchmarks für die GBET-Schätzung gepaart werden, sowie die Datenquellen und wichtigsten Annahmen. Abschließend wird eine Sensitivitäts- und Unsicherheitsanalyse durchgeführt, um zu zeigen, wie sich die Ergebnisse mit unterschiedlichen Parameterannahmen und verschiedenen gepaarten ICEV-Benchmarks ändern.

Die Treibhausgasemissionen von BEVs und ICEVs werden mithilfe des China Automotive Life Cycle Assessment Model (CALCM) geschätzt. Die Funktionseinheit dieser Ökobilanz ist 1 km, der von einem Personenkraftwagen in China während 11 Jahren zurückgelegt wurde. Das Modell ist die Zusammenstellung und Bewertung der Inputs, Outputs und potenziellen Umweltauswirkungen eines Fahrzeugsystems über seinen Lebenszyklus61. Hier haben wir die Anweisungen der nationalen Standards GB/T24044–200862, GB/T 24040–200863 und des internationalen Standards ISO 14067-2018 befolgt, um die Bewertung durchzuführen64. Sowohl für BEVs als auch für ICEVs umfasst die in dieser Studie bewertete Lebenszyklussystemgrenze den Fahrzeugzyklus und den Kraftstoffkreislauf von Personenkraftwagen. Der Fahrzeugzyklus beginnt mit der Rohstoffbeschaffung und geht dann über zur Materialverarbeitung und -herstellung, zur kompletten Fahrzeugproduktion und zur Wartung (Reifen, Bleibatterie und Flüssigkeitsaustausch). Der Brennstoffkreislauf bezieht sich auf „Well to Wheels (WTW)“, einschließlich der Produktion von Kraftstoff (Well to Pump/WTP) und der Nutzung von Energie (Pump to Wheels/PTW). Für ICEVs umfasst die WTP die Gewinnung, Raffinierung und Verarbeitung von Rohöl; PTW bezieht sich auf die Kraftstoffverbrennung. Bei BEVs wird die Kraftstoffterminologie im herkömmlichen Sinne verwendet und bezieht sich auf die Stromerzeugung, -übertragung und -nutzung. Die Treibhausgasemissionen von BEVs in WTP entstehen bei der Stromerzeugung und -übertragung, während die Treibhausgasemissionen von BEVs in PTW Null sind, da während der Nutzungsphase von Strom keine Treibhausgasemissionen entstehen. Ausgenommen sind der Transport von Materialien, die Herstellung von Ausrüstung und Infrastruktur sowie die Produktion und Behandlung von Produktionsabfällen (Abb. 3).

Die in dieser Studie untersuchte Lebenszyklussystemgrenze umfasst den Fahrzeugzyklus und den Kraftstoffkreislauf von Personenkraftwagen. Der Fahrzeugzyklus beginnt mit der Rohstoffbeschaffung und geht dann über zur Materialverarbeitung und -herstellung, zur kompletten Fahrzeugproduktion und zur Wartung (Reifen, Bleibatterie und Flüssigkeitsaustausch). Der Brennstoffkreislauf bezieht sich auf „Well to Wheels (WTW)“, einschließlich der Produktion von Kraftstoff (Well to Pump/WTP) und der Nutzung von Energie (Pump to Wheels/PTW). Bei BEVs wird die Kraftstoffterminologie im herkömmlichen Sinne verwendet und bezieht sich auf die Stromerzeugung, -übertragung und -nutzung.

Die Schätzungen des GBET umfassen zwei Phasen: den Abgleich der BEVs mit ihren kraftstoffbetriebenen Pendants und die Berechnung des GBET durch Vergleich der abgeglichenen Fahrzeuge. Die Methoden dieser beiden Phasen werden im Folgenden beschrieben.

Da der GBET von BEVs auf Fahrzeugebene berechnet wird, finden wir für jedes der von 2012 bis 2018 produzierten und verkauften BEVs kraftstoffbetriebene Gegenstücke. Ein BEV kann mehrere kraftstoffbetriebene Gegenstücke haben, da es sich in der realen Welt um ein bestimmtes BEV handelt kann als möglicher Ersatz für viele kraftstoffbetriebene Fahrzeuge angesehen werden. In Anbetracht der Tatsache, dass der Austausch in den meisten Fällen in derselben Fahrzeugklasse erfolgt, vergleichen wir jedes der BEVs mit den ICEVs desselben Baujahrs, derselben Transportart (Auto, SUV und MPV) und derselben Größenklasse (A00, A0, A, B und C) (weitere Einzelheiten zur Fahrzeugklärung finden Sie in der Ergänzungstabelle 5), um grundlegende Schätzungen zu erstellen, unter Bezugnahme auf Abb. 4. Da der Vergleich „eins (BEV) zu vielen (ICEVs)“ ist, haben wir für einen systematischen Vergleich Generieren Sie eine Darstellung der ausgewählten ICEVs, deren Parameter dem Durchschnitt der übereinstimmenden ICEV-Gegenstücke entsprechen. Dann dreht sich der Vergleich um „eins (BEV) zu eins (repräsentativer ICEV). Anschließend berechnen wir den durchschnittlichen GBET von BEVs innerhalb derselben Schicht, um eine Gesamtschätzung zu erstellen. Bei der Unsicherheitsanalyse berücksichtigen wir mehr Möglichkeiten der Ersatzstoffe in verschiedenen Klassen und mehr Möglichkeiten der repräsentativen ICEVs (weitere Einzelheiten finden Sie in der Sensitivitäts- und Unsicherheitsanalyse).

SUV-Sport Utility Vehicle, MPV-Mehrzweckfahrzeug.

Anhand der repräsentativen ICEVs als Vergleichsmaßstab berechnen wir den GBET von BEVs auf Einzelfahrzeugebene. Die Unterschiede in den Treibhausgasemissionen im Fahrzeugzyklus zwischen BEVs und ICEV-Benchmarks werden zunächst durch Gleichung geschätzt. (1) und verdeutlicht das Ausmaß der Treibhausgasschulden. Anschließend werden die jährlich zurückgezahlten Treibhausgasemissionen berechnet, indem die jährlichen Emissionen von BEVs und ICEV-Benchmarks verglichen werden, wenn sie für die effektive Ersatzfahrleistung gefahren werden, wie in Gleichung (1) dargestellt. (2). Wir gehen davon aus, dass die effektive Ersatzfahrleistung die jährliche VKT der BEVs ist. Wenn die kumulierten zurückgezahlten Emissionen der Treibhausgasschuld entsprechen, wird die Gewinnschwelle erreicht, wie in Gl. (3) zeigt.

Dabei ist \({E}_{{debt}}\left({t}_{0}\right)\) die Treibhausgasschuld von BEVs im Vergleich zu ICEV-Gegenstücken im Produktionsjahr t0. \({E}_{{BEV}}({t}_{0})\) und \({E}_{{ICEV}}({t}_{0})\) sind Treibhausgase im Fahrzeugzyklus Emissionen von BEVs bzw. ICEVs. \({E}_{{payback}}(t)\) bezeichnet die kumulative THG-Amortisation bis zum Jahr t. \({E}_{{BEV}}(t)\) und \({E}_{{ICEV}}(t)\) sind die jährlichen Kraftstoffzyklusemissionen von BEVs bzw. ICEVs, wenn diese gefahren werden für die effektive Ersatzfahrleistung im Jahr t. Wenn \({E}_{{Schulden}}\left({t}_{0}\right)\le 0\), ist der GBET Null, was bedeutet, dass das BEV weniger Treibhausgase ausstößt als sein vergleichbarer ICEV-Benchmark. Andernfalls ist der GBET das Jahr \(t{\prime}\), in dem das BEV seine Treibhausgasschulden zum ersten Mal zurückgezahlt hat. Die jährlichen Veränderungen der Kraftstoffzyklusemissionen werden sowohl für BEVs als auch für ICEVs berücksichtigt. Da unsere Berechnungen auf Jahresbasis erfolgen, gehen wir davon aus, dass die kumulierten Emissionen innerhalb desselben Jahres linear ansteigen. Mit anderen Worten, wenn wir ein ganzzahliges Intervall [t, t + 1] finden, wobei \({E}_{{debt}}({t}_{0})+{E}_{{payback}}(t )\) > 0 und \({E}_{{debt}}({t}_{0})+{E}_{{payback}}(t+1)\) < 0, verwenden wir die Linearität Interpolationsmethode, um die genaue Zeit \(t^{\prime}\) zu ermitteln.

Die in den GBET-Schätzungen verwendeten Daten können entsprechend ihrer Auflösungsstufe in vier Kategorien eingeteilt werden (siehe Ergänzungstabelle 9). Die erste Kategorie ist der reale Datensatz auf Fahrzeugebene, der den Modelltyp, das Jahr sowie den Produktions- und Verkaufsort fast aller BEVs (fast 1,5 Millionen Einheiten) und 82 % der ICEVs (145,9 Millionen Einheiten) in China enthält 2012 bis 2018 (siehe ergänzende Abbildungen 5, 6). Der Datensatz stammt von Chinas obligatorischer Verkehrsunfallhaftpflichtversicherung (CTALI), die vom China Automotive Technology & Research Center (CATARC) bereitgestellt wird65,66. Da CTALI für jedes in China zugelassene Fahrzeug obligatorisch ist, verfügen die Daten über eine breite Abdeckung und hohe Glaubwürdigkeit. Die Daten auf Fahrzeugebene ermöglichen es uns, den GBET von BEVs nach Fahrzeugmodellen, Jahren und Standorten zu unterscheiden.

Die zweite Kategorie sind Fahrzeugmodellinformationen. In der CTALI-Datenbank wurden von 2012 bis 2018 227 BEV-Modelltypen und 1667 ICEV-Modelltypen erfasst. Für jeden Fahrzeugmodelltyp wurden weitere technische Spezifikationen erfasst, darunter Modelltyp, Leergewicht, Batteriegewicht, Batteriekapazität und Kraftstoffverbrauch aus der Ankündigung von Fahrzeugbauunternehmen und Fahrzeugprodukten67, die vom chinesischen Ministerium für Industrie und Informationstechnologie (MIIT) verwaltet wird. Der Kraftstoffverbrauch für jeden Modelltyp basierte auf den Testbedingungen des Neuen Europäischen Fahrzyklus (NEFZ)68. Weitere statistische Beschreibungen der Daten finden Sie in den ergänzenden Abbildungen. 7–9. Diese technischen Details wurden in der LCA-Analyse verwendet und ermöglichten die Abschätzung der Treibhausgasemissionen auf Fahrzeugmodellebene. Darüber hinaus können wir durch die Kombination dieser Informationen mit dem Produktionsjahr und dem Verkaufsort jedes Fahrzeugs die regionale Heterogenität von GBET für dasselbe Fahrzeugmodell anhand der VKT-Daten und Treibhausgasemissionsfaktoren von Stromnetzen ermitteln, die von Provinz zu Provinz unterschiedlich sind.

Die dritte Datenkategorie wird auf Provinzebene gemeldet und umfasst die jährlichen Fahrzeugkilometer (VKT) für BEVs und ICEVs sowie die Emissionsintensität von Stromnetzen. Die VKT-Daten für 2018 wurden von der National Big Data Alliance of New Energy Vehicles (NDANEV)69 extrahiert, die den realen Fahr-, Lade- und Fehlerstatus von Fahrzeugen Auto für Auto aufzeichnet. Gemäß den Anforderungen der nationalen Norm GB/T 3296070 werden die Daten während der Fahrt alle 30 Sekunden auf die Plattform hochgeladen, und der Fehlerstatus wird jede Sekunde hochgeladen. Zwischen 2018 und dem 17. Juli 2022 hat die NDANEV auf 9,27 Millionen New-Energy-Fahrzeuge mit einer Gesamtfahrleistung von 295,5 Milliarden Kilometern zugegriffen. Obwohl es sich bei den Daten in NDANEV um Auto-für-Auto-Daten handelt, wurden in der GBET-Analyse keine VKT-Daten auf Fahrzeugebene verwendet, da wir keinen Zugriff auf die Fahrzeugidentifikationsinformationen hatten, um die NDANEV-Datenbank mit der CTALI-Datenbank abzugleichen. Daher haben wir die Daten auf Provinzebene aggregiert und dabei davon ausgegangen, dass der VKT der Fahrzeuge innerhalb derselben Provinzen homogen ist. Weitere statistische Informationen zu den realen VKT-Daten finden Sie im SI (siehe ergänzende Abbildungen 1, 2).

Nach der Schätzung von GBET ändern sich die VKT-Daten des Fahrzeugs je nach Provinz jährlich. Basierend auf den realen Daten von NDANEV aus dem Jahr 2018 haben wir den VKT vor und nach 2018 mit zwei Methoden prognostiziert: Die eine vertritt eine konservative Haltung gegenüber dem VKT-Anstieg, während die andere radikaler ist. Nach der konservativen Schätzung umfasst die angestrebte VKT im Jahr 2030 nach Provinz fünf Ebenen, nämlich 18.000, 15.000, 13.000 km, 12.000 und 8.000 km, um die regionale Heterogenität in der Entwicklungsgeschwindigkeit von Fahrzeugen mit neuer Energie widerzuspiegeln. Anschließend wurde der VKT in jeder Provinz vor und nach 2018 linear projiziert, wobei davon ausgegangen wurde, dass der VKT in den einzelnen Provinzen unterschiedlich schnell ansteigt (siehe Ergänzungstabelle 10). Bei der Verwendung radikaler Schätzungen haben wir ein ehrgeizigeres VKT-Ziel für 2030 festgelegt, das ein mögliches Szenario widerspiegelt, in dem sich Passagier-BEVs und die Ladeinfrastruktur in China dramatisch entwickeln würden (siehe Ergänzungstabelle 11).

Die Emissionsintensität der Stromerzeugung nach Provinz wurde auf der Grundlage der Stromerzeugungsstruktur und der Treibhausgasemissionsfaktoren aller Stromerzeugungsarten berechnet, wobei davon ausgegangen wurde, dass die Struktur des Stromverbrauchs mit der Struktur der Stromerzeugung übereinstimmt. Eine solche Annahme könnte die Emissionsintensität unterschätzen, da der Grenzstromverbrauch für BEVs normalerweise auf Kohle- und Erdgaskraftwerken beruht, deren Betrieb relativ stabil ist und höhere Treibhausgasemissionsintensitäten aufweist als die Netzstruktur. Die Daten zur Stromerzeugungsstruktur der Provinzen von 2012 bis 2019 wurden vom China Electricity Council71 bezogen, und die Daten von 2020 bis 2028 stammen aus Prognosedaten von Li et al.72. Die Treibhausgasemissionsfaktoren verschiedener Energieerzeugungstechnologien (z. B. Kohle, Wind, Sonne, Kernkraft usw.) wurden dem Fünften Sachstandsbericht (AR5) des IPCC73 entnommen. In den Basisschätzungen haben wir den vom IPCC AR5 gemeldeten mittleren Wert verwendet; Dieser Wert liegt im Bereich der meisten vorhandenen Untersuchungen zu Treibhausgasemissionen aus Energieerzeugungstechnologien in China (weitere Literatur finden Sie in der Ergänzungstabelle 12). Für die Unsicherheitsanalyse haben wir die Maximal- und Minimalwerte aus vorhandenen Untersuchungen verwendet. Die Ergebnisse der Emissionsintensität des Stromnetzes nach Provinzen sind in den Ergänzungstabellen 13–15 dargestellt.

Die letzte Datenkategorie sind die Lebenszyklusinventardaten (LCI) aus der neuesten China Automotive Life Cycle Database (CALLCD)-2021 (siehe Ergänzungstabellen 16, 17), die vom CATARC66 entwickelt wurde. Diese Daten sind in allen Provinzen homogen. Wir haben die LCI-Daten von CALCD-2021 mit zwei international bekannten LCI-Datenbanken verglichen, den Greenhouse Gases, Regulated Emissions, and Energy Use in Technologies Mode (GREET) und ecoinvent 3.674,75. Wir haben eine ziemlich hohe Konsistenz zwischen diesen Datenbanken festgestellt (siehe Ergänzungstabelle 17).

Wir haben zwei Unsicherheitsquellen berücksichtigt, die die Schätzungen von GBET beeinflussen könnten. Zum einen sind es die Parameterunsicherheiten bei der LCA-Analyse, zum anderen die Matching-Methoden zwischen BEVs und ICEVs.

Wir haben jeweils eine Analyse der Störempfindlichkeit der Eingabeparameter (Ergänzungstabelle 6) durchgeführt, die den GBET beeinflussen. Für jede Variable wurden Sensitivitätskoeffizienten (σi) berechnet, die die prozentuale Änderung des GBET angeben, wenn sich die Variable um 1 % änderte (Gleichung 4).

wobei \({{GBET}}_{i}^{{\prime} }\) den Wert im Fall der ersten (Basis-)Lösung darstellt; \({{GBET}}_{i}\) stellt den Wert von GBET unter der angenommenen Änderung der Variablen i dar; \({{Inf}}_{i}^{{\prime} }\) bezeichnet den Anfangswert der Variablen i; und \({{Inf}}_{i}\) repräsentiert die geänderte Variable i. Höhere Sensitivitätskoeffizienten bedeuten eine höhere Sensitivität der GBET-Schätzung gegenüber Variablenänderungen. Insgesamt beziehen wir zehn Einflussfaktoren in unsere Analyse ein. Da die LCI-Daten umfangreich sind, haben wir sie zur Vereinfachung der Ausführung in vier Faktoren gruppiert: Treibhausgasemissionsfaktoren der Fahrzeugmaterialproduktion, Treibhausgasemissionsfaktoren der Batteriematerialproduktion, Stromverbrauch während der Fahrzeugproduktionsphase, Stromverbrauch während der Batterieproduktion Stadium (weitere Einzelheiten finden Sie in der Ergänzungstabelle 6). Die restlichen sechs Faktoren werden direkt aus den von uns verwendeten Datenbanken bezogen. Basierend auf den Ergebnissen der Sensitivitätsanalyse haben wir die sechs wichtigsten sensiblen Faktoren in absteigender Reihenfolge identifiziert: Leergewicht, Treibhausgasemissionsfaktoren der Fahrzeugmaterialproduktion, Batteriekapazität, Treibhausgasemissionsfaktoren der Batteriematerialproduktion, jährliche VKT und Treibhausgasemissionsfaktoren der Stromnetze (gezeigt in der Ergänzungstabelle 7).

Wir haben diese sensiblen Faktoren in der Unsicherheitsanalyse weiter berücksichtigt. Die gebräuchlichste Methode zur Unsicherheitsanalyse ist die Monte-Carlo-Simulation. Allerdings stellt die GBET-Schätzung eine Herausforderung dar, da die Verteilungskurve mehrerer Eingabeparameter, insbesondere der LCI-Daten, schwer zu bestimmen ist. Hier führen wir eine Unsicherheitsanalyse durch, indem wir den Bereichsansatz mit dem orthogonalen experimentellen Design (OED) kombinieren. Der Bereichsansatz testet die Auswirkungen der Abtastung der Parameter am äußersten Ende ihrer Variabilitätsbereiche auf die Ausgabeunsicherheit76,77, um eine Beurteilung der Wahrscheinlichkeit unterschiedlicher Vorkommnisse78 zu vermeiden. Wir haben eine einheitliche Abdeckung des Unsicherheitseingaberaums, d. h. ±5 %, für folgende Faktoren angenommen: Leergewicht, Batteriekapazität, Treibhausgasemissionsfaktoren der Fahrzeugmaterialproduktion und Treibhausgasemissionsfaktoren der Batteriematerialproduktion. Für die THG-Emissionsintensität von Stromnetzen haben wir die THG-Emissionsfaktoren der Stromerzeugung aus dem IPCC-Bericht73 in der Basisschätzung und die niedrigen bzw. hohen Werte aus Studien im chinesischen Kontext als die beiden äußersten Enden verwendet (Ergänzungstabellen 13–15). ). Für den jährlichen VKT haben wir ein konservatives Szenario bzw. ein radikales Entwicklungsszenario in Betracht gezogen, um die Variationen widerzuspiegeln (Ergänzungstabellen 10, 11). Die OED ist eine effektive Methode zur Anordnung und Analyse multifaktorieller Wechselwirkungen. Als Alternative zur Darstellung aller Kombinationsformen mehrerer Faktoren plant die OED-Methode effizient multifaktorielle Experimente mit optimalen Kombinationsniveaus79,80. Für die oben genannten sechs sensiblen Faktoren haben wir eine orthogonale Tabelle (ergänzende Abbildung 3) mit 18 repräsentativen Szenarien verwendet, um ihre kombinierten Auswirkungen zu untersuchen, wobei wir den Richtlinien von Ref. 1 folgten. 81.

Der GBET von BEVs hängt auch stark vom Vergleichsmaßstab der ICEVs ab. In den Basisschätzungen haben wir den durchschnittlichen Anteil an ICEVs in derselben Fahrzeugklassifizierung (d. h. Produktionsjahr, Transportart und Größenklasse) als Benchmark für jedes BEV verwendet. Unter Berücksichtigung der Möglichkeit, dass BEV-Käufer möglicherweise keine potenziellen Käufer für ein ICEV derselben Größenklasse sind, haben wir jedes BEV mit ICEVs benachbarter Größenklassen verglichen (siehe Ergänzungstabelle 8). Um die Auswirkungen verschiedener ICEV-Benchmarks auf GBET-Schätzungen darzustellen, verwendeten wir außerdem das durchschnittliche Niveau von ICEVs als Referenz und berücksichtigten die pessimistischen und optimistischen Situationen, indem wir die BEVs mit den effizientesten und am wenigsten effizienten ICEVs in der Unsicherheitsanalyse verglichen. Genauer gesagt, wenn es sich bei dem untersuchten BEV um einen SUV der A0-Klasse handelt, haben wir für den Vergleich den durchschnittlichen Emissionswert und die oberen und unteren 25 % der Emissionen von kraftstoffbetriebenen SUVs der A0-Klasse als Benchmarks verwendet (siehe ergänzende Abbildung 4). Die Zusammenstellung dieser Szenarien ermöglicht ein umfassenderes Verständnis der GBET-Schätzungen.

Die Quelldaten für Abb. 1 und 2 werden diesem Dokument als Quelldatendatei zur Verfügung gestellt (https://doi.org/10.6084/m9.figshare.22437775). Weitere in den Analysen verwendete Daten finden Sie in den Zusatzinformationen. Die technischen Spezifikationen der Fahrzeugmodelle sind auf der Website „Automobile Announcement Inquiry“ (http://chinacar.com.cn/search.html) öffentlich verfügbar. Die China Automotive Life Cycle Database (CALCD) und das China Automotive Life Cycle Assessment Model (CALCM) sind auf Anfrage beim China Automotive Technology & Research Center (CATARC) erhältlich (http://www.catarc.info/). Die Verkaufsdaten auf Fahrzeugebene der obligatorischen Haftpflichtversicherung für Verkehrsunfälle (CTALI) in China sind vertraulich. Aufgrund der Einschränkung im Lizenzvertrag haben die Autoren kein Recht, den Originaldatensatz öffentlich zugänglich zu machen. Quelldaten werden mit diesem Dokument bereitgestellt.

Der zur Schätzung der Treibhausgas-Breakeven-Zeit verwendete Code ist bei Figshare frei verfügbar (https://doi.org/10.6084/m9.figshare.22491034).

Internationale Energieagentur (IEA). Global EV Outlook 2022. https://www.iea.org/reports/global-ev-outlook-2022 (2022).

Zeng, D. et al. Sind die Elektrofahrzeuge nachhaltiger als die konventionellen? Einflüsse der Annahmen und Modellierungsansätze bei typischen Autos in China. Ressource. Konserv. Recycling. 167, 105210 (2021).

Artikel Google Scholar

Wu, D. et al. Regionale Heterogenität bei den Emissionsvorteilen elektrifizierter und leichter leichter Nutzfahrzeuge. Umgebung. Wissenschaft. Technol. 53, 10560–10570 (2019).

Artikel ADS CAS PubMed Google Scholar

Knobloch, F. et al. Nettoemissionsreduktionen durch Elektroautos und Wärmepumpen in 59 Weltregionen im Zeitverlauf. Nat. Aufrechterhalten. 3, 437–447 (2020).

Artikel PubMed PubMed Central Google Scholar

Cox, B., Mutel, CL, Bauer, C., Beltran, AM & van Vuuren, DP Unsicherer ökologischer Fußabdruck aktueller und zukünftiger batterieelektrischer Fahrzeuge. Umgebung. Wissenschaft. Technol. 52, 4989–4995 (2018).

Artikel ADS CAS PubMed Google Scholar

Entwicklungsplan für die Industrie neuer Energiefahrzeuge (2021–2035), Generalbüro des Staatsrates der Volksrepublik China, 20. Oktober 2020, abgerufen am 4. August 2022; http://www.gov.cn/zhengce/content/2020-11/02/content_5556716.htm.

Fit for 55, Europäischer Rat, abgerufen am 5. August 2022; https://www.consilium.europa.eu/en/policies/green-deal/fit-for-55-the-eu-plan-for-a-green-transition/.

Faktenblatt: Präsident Biden kündigt Schritte an, um die amerikanische Führungsrolle bei sauberen Autos und Lastwagen voranzutreiben, Das Weiße Haus, 5. August 2021, abgerufen am 15. Oktober 2022; https://www.whitehouse.gov/briefing-room/statements-releases/2021/08/05/fact-sheet-president-biden-announces-steps-to-drive-american-leadership-forward-on-clean- Pkw-und-Lkw/.

Japan Transition to Electric Vehicles, International Trade Administration, 7. Juli 2021, abgerufen am 1. April 2023; https://www.trade.gov/market-intelligence/japan-transition-electric-vehicles.

Zhang, X., Liang, Y., Yu, E., Rao, R. & Xie, J. Überprüfung der Richtlinien für Elektrofahrzeuge in China: Inhaltszusammenfassung und Wirkungsanalyse. Erneuern. Aufrechterhalten. Energy Rev. 70, 698–714 (2017).

Artikel Google Scholar

Zhang, X. & Bai, X. Anreizpolitik von 2006 bis 2016 und Einführung neuer Energiefahrzeuge in den Jahren 2010–2020 in China. Erneuern. Aufrechterhalten. Energy Rev. 70, 24–43 (2017).

Artikel Google Scholar

Industriebetrieb | Wirtschaftlicher Betrieb der Automobilindustrie im Jahr 2021, China Association of Automobile Manufacturers, 12. Januar 2022, Zugriff am 5. August 2022; http://www.caam.org.cn/chn/4/cate_154/con_5235337.html.

Action Plan for Carbon Dioxide Peaking Before 2030, National Development and Reform Commission (NDRC) der Volksrepublik China, 27. Oktober 2021, abgerufen am 5. August 2022; https://en.ndrc.gov.cn/policies/202110/t20211027_1301020.html.

Fahrzeugbesitz- und Fahrerdaten für das erste Halbjahr 2022, veröffentlicht vom Ministerium für öffentliche Sicherheit. Straßenverkehrsmanagement 455, 5 (2022).

Wu, Z. et al. Potenzial zur Reduzierung der Treibhausgasemissionen im Lebenszyklus von batterieelektrischen Fahrzeugen. J. Sauber. Produ. 190, 462–470 (2018).

Artikel Google Scholar

Fernández, R. Á. Ein realistischerer Ansatz für den Beitrag von Elektrofahrzeugen zu den Treibhausgasemissionen in der Stadt. J. Sauber. Prod. 172, 949–959 (2018).

Artikel Google Scholar

Bouter, A. & Guichet, X. Die Treibhausgasemissionen von Lithium-Ionen-Autobatterien: eine statistische Übersicht über Ökobilanzstudien. J. Sauber. Prod. 344, 130994 (2022).

Artikel CAS Google Scholar

Xia, X. & Li, P. Ein Überblick über die Ökobilanz von Elektrofahrzeugen: Berücksichtigung des Einflusses von Batterien. Wissenschaft. Gesamtumgebung. 814, 152870 (2022).

Artikel ADS CAS PubMed Google Scholar

Ambrose, H. & Kendall, A. Auswirkungen der Batteriechemie und -leistung auf die Treibhausgasintensität der Elektromobilität im Lebenszyklus. Transp. Res. D. Transp. Umgebung. 47, 182–194 (2016).

Artikel Google Scholar

Ellingsen, LAW, Singh, B. & Stromman, AH Der Größen- und Reichweiteneffekt: Lebenszyklus-Treibhausgasemissionen von Elektrofahrzeugen. Umgebung. Res. Lette. 11, 054010 (2016).

Artikel ADS Google Scholar

Hall, D. & Lutsey, N. Auswirkungen der Batterieherstellung auf die Treibhausgasemissionen im Lebenszyklus von Elektrofahrzeugen, The International Council on Clean Transportation, 9. Februar 2018, abgerufen am 5. August 2022; https://theicct.org/publication/effects-of-battery-manufacturing-on-electric-vehicle-life-cycle-greenhouse-gas-emissions/.

Patterson, J., Gurr, A., Marion, F. & Williams, G. Strategische Auswahl zukünftiger EV-Technologie basierend auf der CO2-Amortisationszeit. Weltelektr. Fahrzeug. J. 5, 825–835 (2012).

Artikel Google Scholar

Kim, H.-J., McMillan, C., Keoleian, GA & Skerlos, SJ Amortisation der Treibhausgasemissionen für Leichtbaufahrzeuge unter Verwendung von Aluminium und hochfestem Stahl. J. Ind. Ecol. 14, 929–946 (2010).

Artikel Google Scholar

Yu, R., Cong, L., Hui, Y., Zhao, D. & Yu, B. Lebenszyklus-CO2-Emissionen für die neuen Energiefahrzeuge in China, basierend auf dem neu gestalteten Überlebensmuster. Wissenschaft. Gesamtumgebung. 826, 154102–154102 (2022).

Artikel ADS CAS PubMed Google Scholar

Ankündigung zur Befreiung von der Kaufsteuer für Fahrzeuge mit neuer Energie, Staatliches Steueramt der Volksrepublik China, 1. August 2014, abgerufen am 5. August 2022; http://www.chinatax.gov.cn/n810341/n810755/c1150779/content.html.

Die finanzielle Unterstützung für die Förderung und Anwendung neuer Energiefahrzeuge im Zeitraum 2016–2020, Finanzministerium der Volksrepublik China, 29. April 2015, abgerufen am 5. August 2022; http://www.gov.cn/xinwen/2015-04/29/content_2855040.htm.

Yu, A., Wei, Y., Chen, W., Peng, N. & Peng, L. Lebenszyklus-Umweltauswirkungen und Kohlenstoffemissionen: eine Fallstudie von Elektro- und Benzinfahrzeugen in China. Transp. Res. D. Transp. Umgebung. 65, 409–420 (2018).

Artikel Google Scholar

Yu, Y. et al. Welche Art von Elektrofahrzeugen lohnt sich vor allem im Zusammenhang mit CO2-Peaking und CO2-Neutralität? Eine Fallstudie für eine Metropole in China. Wissenschaft. Gesamtumgebung. 837, 155626 (2022).

Artikel ADS CAS PubMed Google Scholar

Franzo, S. & Nasca, A. Die Umweltauswirkungen von Elektrofahrzeugen: ein neuartiger lebenszyklusbasierter Bewertungsrahmen und seine Anwendungen auf Mehrländerszenarien. J. Sauber. Prod. 315, 128005 (2021).

Artikel CAS Google Scholar

Hardman, S. & Tal, G. Verständnis der Einstellung der Elektrofahrzeugbesitzer in Kalifornien. Nat. Energie 6, 538–545 (2021).

Artikel ADS Google Scholar

Zhang, X., Bai, J. Sauber. Prod. 192, 71–79 (2018).

Artikel Google Scholar

Li, L., Wang, Z., Chen, L. & Wang, Z. Verbraucherpräferenzen für batterieelektrische Fahrzeuge: eine experimentelle Auswahlumfrage in China. Transport. Res. D. Transp. Umgebung. 78, 102185 (2020).

Artikel Google Scholar

Zhuge, C., Wei, B., Shao, C., Shan, Y. & Dong, C. Die Rolle der Nummernschild-Lotteriepolitik bei der Einführung von Elektrofahrzeugen: eine Fallstudie aus Peking. Energiepolitik 139, 111328 (2020).

Artikel Google Scholar

Nunes, A., Woodley, L. & Rossetti, P. Kaufanreize für Elektrofahrzeuge überdenken, um Netto-Null-Emissionen zu erreichen. Nat. Aufrechterhalten. 5, 527–532 (2022).

Artikel Google Scholar

Raugei, M., Morrey, D., Hutchinson, A. & Winfield, P. Eine kohärente Lebenszyklusbewertung einer Reihe von Leichtbaustrategien für Kompaktfahrzeuge. J. Sauber. Prod. 108, 1168–1176 (2015).

Artikel CAS Google Scholar

Luk, JM, Kim, HC, De Kleine, R., Wallington, TJ & MacLean, HL Überblick über die Auswirkungen von Kraftstoffeinsparungen, Treibhausgasemissionen über den gesamten Lebenszyklus und Betriebskosten von Leichtbaufahrzeugen mit unterschiedlichen Antriebssträngen. Umgebung. Wissenschaft. Technol. 51, 8215–8228 (2017).

Artikel ADS CAS PubMed Google Scholar

Burd, JTJ, Moore, EA, Ezzat, H., Kirchain, R. & Roth, R. Verbesserungen in der Batterietechnologie für Elektrofahrzeuge beeinflussen Entscheidungen zum Fahrzeugleichtbau und zur Materialsubstitution. Appl. Energie 283, 116269 (2021).

Artikel Google Scholar

Das, S. et al. Der Energieverbrauch durch Leichtbau von Fahrzeugen wirkt sich auf die US-amerikanische Flotte von leichten Nutzfahrzeugen aus. Aufrechterhalten. Mater. Technol. 8, 5–13 (2016).

Google Scholar

Kelly, JC, Sullivan, JL, Burnham, A. & Elgowainy, A. Auswirkungen der Reduzierung des Fahrzeuggewichts durch Materialsubstitution auf die Treibhausgasemissionen im Lebenszyklus. Umgebung. Wissenschaft. Technol. 49, 12535–12542 (2015).

Artikel ADS CAS PubMed Google Scholar

Sakai, S. et al. Eine internationale Vergleichsstudie zu Altfahrzeug-Recyclingsystemen. J. Mater. Zyklen Abfallmanagement 16, 1–20 (2014).

Artikel Google Scholar

Wolfram, P., Tu, QS, Heeren, N., Pauliuk, S. & Hertwich, EG Materialeffizienz und Klimaschutz bei Personenkraftwagen. J. Ind. Ecol. 25, 511–522 (2021).

Artikel Google Scholar

Baars, J., Domenech, T., Bleischwitz, R., Melin, HE & Heidrich, O. Kreislaufwirtschaftsstrategien für Elektrofahrzeugbatterien reduzieren die Abhängigkeit von Rohstoffen. Nat. Aufrechterhalten. 4, 71–79 (2021).

Artikel Google Scholar

Koroma, MS et al. Ökobilanz von batterieelektrischen Fahrzeugen: Auswirkungen des zukünftigen Strommixes und unterschiedliches Batterie-End-of-Life-Management. Wissenschaft. Gesamtumgebung. 831, 154859 (2022).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Recyceln Sie verbrauchte Batterien. Nat. Energie 4, 253–253, https://doi.org/10.1038/s41560-019-0376-4 (2019).

Morfeldt, J. & Johansson, DJA Auswirkungen der geteilten Mobilität auf die Fahrzeuglebensdauer und auf den CO2-Fußabdruck von Elektrofahrzeugen. Nat. Komm. 13, 6400 (2022).

Artikel ADS PubMed PubMed Central Google Scholar

Soukhov, A. & Mohamed, M. Belegung und Treibhausgasemissionen: Schwellenwerte für disruptive Transportarten und neue Technologien. Transport. Res. D. Transp. Umgebung. 102, 103127 (2022).

Artikel Google Scholar

Steinhilber, S., Wells, P. & Thankappan, S. Soziotechnische Trägheit: Verständnis der Hindernisse für Elektrofahrzeuge. Energiepolitik 60, 531–539 (2013).

Artikel Google Scholar

Hernandez, M., Messagie, M., De Gennaro, M. & Van Mierlo, J. Ressourcenverarmung in einem Elektrofahrzeug-Antriebsstrang unter Verwendung verschiedener LCA-Auswirkungsmethoden. Ressource. Konserv. Recycling. 120, 119–130 (2017).

Artikel Google Scholar

Zwischenstaatlicher Ausschuss für Klimaänderungen (IPCC). Klimawandel 2022: Eindämmung des Klimawandels. Beitrag der Arbeitsgruppe III zum Sechsten Sachstandsbericht des Zwischenstaatlichen Ausschusses für Klimaänderungen. https://www.ipcc.ch/report/ar6/wg3/ (2022).

Fernández, R. Stochastische Analyse zukünftiger Szenarien für den Einsatz batterieelektrischer Fahrzeuge und die Modernisierung des Stromerzeugungssystems in Spanien. J. Sauber. Prod. 316, 128101 (2021).

Artikel Google Scholar

Das CATL-Werk in Sichuan wurde als weltweit erste kohlenstofffreie Fabrik in der neuen Energiebranche zertifiziert, Contemporary Amperex Technology Co., Limited (CATL), 25. März 2022, abgerufen am 15. Oktober 2022; https://www.catl.com/en/news/912.html.

Klöckner, CA, Nayum, A. & Mehmetoglu, M. Positive und negative Spillover-Effekte vom Kauf eines Elektroautos auf die Autonutzung. Transport. Res. D. Transp. Umgebung. 21, 32–38 (2013).

Artikel Google Scholar

Fontaras, G., Zacharof, N.-G. & Ciuffo, B. Kraftstoffverbrauch und CO2-Emissionen von Personenkraftwagen im europäischen Labor im Vergleich zu realen Emissionen. Prog. Energieverbrennung. Wissenschaft. 60, 97–131 (2017).

Artikel Google Scholar

Yu, R., Ren, H., Liu, Y. & Yu, B. Lücke zwischen der Kraftstoffeffizienz von Personenkraftwagen auf der Straße und der offiziellen in China. Energiepolitik 152, 112236 (2021).

Artikel Google Scholar

Yang, J. et al. Eine Untersuchung des Fahr- und Ladeverhaltens von batterieelektrischen Fahrzeugen anhand von Fahrzeugnutzungsdaten, die in Shanghai, China, gesammelt wurden. Transp. Res. Empf. 2672, 20–30 (2018).

Artikel Google Scholar

Arvesen, A. et al. Emissionen beim Laden von Elektrofahrzeugen in Zukunftsszenarien: die Auswirkungen der Ladezeit. J. Ind. Ecol. 25, 1250–1263 (2021).

Artikel CAS Google Scholar

Hausfather, Z. Faktencheck: Wie Elektrofahrzeuge zur Bekämpfung des Klimawandels beitragen, Carbon Brief, 13. Mai 2019, abgerufen am 15. Oktober 2022; https://www.carbonbrief.org/factcheck-how-electric-vehicles-help-to-tackle-climate-change.

Jiang, S. et al. Umweltauswirkungen des hydrometallurgischen Recyclings und der Wiederverwendung für die Herstellung von Lithium-Ionen-Traktionsbatterien in China. Wissenschaft. Gesamtumgebung. 811, 152224 (2022).

Artikel ADS CAS PubMed Google Scholar

Yang, F., Xie, Y., Deng, Y. & Yuan, C. Prädiktive Modellierung der Batterieverschlechterung und der Treibhausgasemissionen aus dem Betrieb von Elektrofahrzeugen auf US-Bundesstaatsebene. Nat. Komm. 9, 1–10 (2018).

ADS Google Scholar

Wolfram, P. & Hertwich, E. Darstellung fahrzeugtechnologischer Möglichkeiten in der integrierten Energiemodellierung. Transport. Res. D. Transp. Umgebung. 73, 76–86 (2019).

Artikel Google Scholar

Organisation für internationale Standards. ISO 14040:2006 Umweltmanagement – ​​Ökobilanz – Grundsätze und Rahmen (2006).

Staatliches Komitee für Standardisierung Chinas. Umweltmanagement – ​​Ökobilanz – Anforderungen und Richtlinien. (Standards Press of China, Peking, 2008).

Staatliches Komitee für Standardisierung Chinas. Umweltmanagement – ​​Ökobilanz – Grundsätze und Rahmenbedingungen. (Standards Press of China, Peking, 2008).

Organisation für internationale Standards. ISO 14067:2018 Treibhausgase – CO2-Fußabdruck von Produkten – Anforderungen und Richtlinien zur Quantifizierung (2018).

Automobildaten von China Co., Ltd. China Automotive Low Carbon Action Plan (2022): CO2-arme Entwicklungsstrategie und Transformationspfad für CO2-neutrale Automobile. (China Machine Press, Peking, 2023).

Auto Data Center von CATARC, abgerufen am 1. August 2022; http://www.catarc.info/.

Anfrage zur Automobilankündigung, China Automobile Network, abgerufen am 1. August 2022; http://chinacar.com.cn/search.html.

Untersuchungssystem zum Kraftstoffverbrauch von Kraftfahrzeugen in China, Ministerium für Industrie und Informationstechnologie (MIIT), abgerufen am 1. August 2022, https://yhgscx.miit.gov.cn/fuel-consumption-web/mainPage.

Nationales Überwachungs- und Managementzentrum für Fahrzeuge mit neuer Energie, abgerufen am 1. August 2022; https://www.evsmc.cn/.

Normungsverwaltung der Volksrepublik China. GB/T 32960: Technische Spezifikationen des Fernwartungs- und Managementsystems für Elektrofahrzeuge (2016).

China Electricity Council. China Electric Power Jahrbuch. (China Statistics Press, Peking, 2021).

Li, H. et al. Wasserstressrisiko auf Einzugsgebietsebene bei der Kohleverstromung in China unter den 2°C/1,5°C-Zielen. Appl. Energie 294, 116986 (2021).

Artikel Google Scholar

Schlömer S. et al. Anhang III: Technologiespezifische Kosten- und Leistungsparameter. Klimawandel 2014: Eindämmung des Klimawandels. Beitrag der Arbeitsgruppe III zum fünften Sachstandsbericht des Zwischenstaatlichen Ausschusses für Klimaänderungen. 1329–1356 (2014).

Wernet, G. et al. Die ecoinvent-Datenbank Version 3 (Teil I): Überblick und Methodik. Int. J. Lebenszyklusbewertung. 21, 1218–1230 (2016).

Artikel Google Scholar

Argonne National Laboratory. Das Modell für Treibhausgase, regulierte Emissionen und Energieverbrauch im Transportwesen (GREET®) – GREET 2, Version 2020. https://greet.es.anl.gov/ (2020).

Chen, X., Griffin, WM & Matthews, HS Darstellung und Visualisierung der Datenunsicherheit in Input-Output-Lebenszyklusbewertungsmodellen. Ressource. Konserv. Recycling. 137, 316–325 (2018).

Artikel Google Scholar

Bawden, KR, Williams, ED & Babbitt, CW Zuordnung von Produktwissen zu Lebenszyklusinventargrenzen: eine Fallstudie zur Stahlherstellung. J. Sauber. Prod. 113, 557–564 (2016).

Artikel Google Scholar

Lo Piano, S. & Benini, L. Eine kritische Perspektive auf die Unsicherheitsbewertung und Sensitivitätsanalyse in der Lebenszyklusbewertung. J. Ind. Ecol. 26, 763–781 (2022).

Artikel Google Scholar

Leyton, A. et al. Identifizierung und effiziente Extraktionsmethode von Phlorotanninen aus der Braunalge Macrocystis pyrifera unter Verwendung eines orthogonalen Versuchsaufbaus. Algenres. 16, 201–208 (2016).

Artikel Google Scholar

Wang, B., Cai, Y., Yin, X.-A., Tan, Q. & Hao, Y. Ein integrierter Ansatz aus Systemdynamik, orthogonalem Versuchsdesign und inexakter Optimierung zur Unterstützung des Wasserressourcenmanagements unter Unsicherheit. Wasserressource. Geschäftsführer 31, 1665–1694 (2017).

Artikel Google Scholar

Yang, Y., Bai, W., Chen, Y., Lin, Y. & Hu, B. Optimierung der durch niederfrequenten Ultraschall geringer Intensität vermittelten Mikrogefäßstörung bei Prostatakrebs-Xenotransplantaten in Nacktmäusen unter Verwendung eines orthogonalen experimentellen Designs. Onkol. Lette. 10, 2999–3007 (2015).

Artikel CAS PubMed PubMed Central Google Scholar

Referenzen herunterladen

Diese Forschung wurde finanziell unterstützt von der National Natural Science Foundation of China (Nr. 71904201 an XZ, 72174206 an XT), dem Young Elite Scientist Sponsorship Program der Beijing Association for Science and Technology (Nr. BYESS2023461 an XZ) und der Chinese Academy of Engineering (Nr. 2023-XBZD-05 und Nr. 2022-XY-83 bis XT und

School of Economics and Management, China University of Petroleum-Peking, Peking, 102249, China

Yue Ren, Shaoqiong Zhao, Xu Tang und Xinzhu Zheng

China Automotive Technology and Research Center Co., Ltd, No. 68, East Xianfeng Road, Dongli District, Tianjin, 300300, China

Xin Sun & Dongchang Zhao

Automotive Data of China (Tianjin) Co., Ltd., No. 3 Wanhui Road, Zhongbei Town, Xiqing District, Tianjin, 300393, China

Xin Sun & Dongchang Zhao

Automotive Data of China Co., Ltd., Boxing 6th Road, Beijing Economic Development Zone, Peking, 100176, China

Xin Sun & Dongchang Zhao

Gemeinsames Global Change Research Institute, Pacific Northwest National Laboratory und University of Maryland, College Park, MD, USA

Paul Wolfram

Beijing Yiwei New Energy Vehicles Big Data Application & Technology Research Center, Peking, 100081, China

Yifei Kang

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

XZ und XS hatten die ursprüngliche Idee. XZ, YR und XS haben die Forschung entworfen. XS, YR, YK und DZ haben die Daten vorbereitet. YR führte die Simulation durch und XSYR zeichnete die Zahlen. XZ und YR verfassten das Manuskript mit den Beiträgen von PW, SZ, XS und XTXZ, YR, XS, PW, SZ, XT, YK und DZ diskutierten die Ergebnisse und kommentierten das Manuskript. XZ überwachte die Forschung.

Korrespondenz mit Xinzhu Zheng.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Nature Communications dankt Yan Zhou und den anderen, anonymen Gutachtern für ihren Beitrag zum Peer-Review dieser Arbeit. Eine Peer-Review-Datei ist verfügbar.

Anmerkung des Herausgebers Springer Nature bleibt hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten neutral.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Ren, Y., Sun, X., Wolfram, P. et al. Versteckte Verzögerungen bei den Klimaschutzvorteilen im Rennen um den Einsatz von Elektrofahrzeugen. Nat Commun 14, 3164 (2023). https://doi.org/10.1038/s41467-023-38182-5

Zitat herunterladen

Eingegangen: 16. Juni 2022

Angenommen: 19. April 2023

Veröffentlicht: 31. Mai 2023

DOI: https://doi.org/10.1038/s41467-023-38182-5

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.