Neues Modell berücksichtigt Fahrverhalten bei E-Auto-CO₂-Bilanzen
Die Umstellung auf Elektromobilität gilt als entscheidender Hebel im Kampf gegen den Klimawandel. Während der Vorteil von Elektrofahrzeugen (EVs) gegenüber Verbrennern im Lebenszyklus allgemein anerkannt ist – Studien sprechen von einer Verringerung der CO₂-Emissionen um durchschnittlich 43,4 Prozent – bleibt die genaue Quantifizierung des individuellen Umweltbeitrags eine große Herausforderung. Traditionelle Berechnungsmethoden, die oft auf standardisierten Testzyklen wie dem CLTC-P basieren, erweisen sich in der Praxis als ungenau. Sie reduzieren die komplexe Interaktion zwischen Fahrer und Fahrzeug auf eine einfache Formel: verbrauchte Kilowattstunden geteilt durch den offiziellen Stromverbrauch pro 100 Kilometer. Dies führt zu einer Pauschalierung, die die tatsächliche Klimawirkung eines Fahrzeugs nicht korrekt widerspiegelt. Ein Forscherteam aus China hat nun eine bahnbrechende Methode vorgestellt, die diese Lücke schließt, indem sie das individuelle Fahrverhalten systematisch in die Berechnung der Kohlenstoffreduktion einbezieht.
Diese neue Berechnungsmethode ist nicht nur für die wissenschaftliche Gemeinschaft von Bedeutung, sondern auch für die Zukunft von sogenannten „Carbon Inclusion“-Programmen. Diese Anreizsysteme, die auch als „Kohlenstoff-Allgemeinheit“ oder „Klima-Prämien“ bekannt sind, sollen Verbraucher für ihr klimafreundliches Verhalten belohnen. Wenn ein Fahrer beispielsweise sein Elektroauto nutzt, anstatt ein Fahrzeug mit Verbrennungsmotor zu fahren, soll er dafür mit Punkten, Gutschriften oder anderen Vorteilen belohnt werden. Die Glaubwürdigkeit und Fairness solcher Programme hängt jedoch maßgeblich von der Genauigkeit der zugrunde liegenden Berechnung ab. Wenn die Berechnung ungenau ist, riskiert man, entweder effiziente Fahrer unterzuvergüteten oder ineffiziente Fahrer überzubewerten, was das gesamte Anreizsystem untergraben könnte. Die Forschung von Liu Ziqian, Huang Li, Lu Xiaoquan, Liu Jingyi und Zhang Yanan adressiert genau dieses Problem und bietet eine wissenschaftlich fundierte Lösung, die die Basis für vertrauenswürdige und effektive Klimaprämienprogramme bilden kann.
Die Kerninnovation der Studie liegt in der Einführung des Konzepts der „äquivalenten Reichweite“. Anstatt die tatsächlich zurückgelegte Strecke als Maßstab für die CO₂-Einsparung zu nehmen, definiert das Modell eine „äquivalente“ Strecke, die den realen Energieaufwand des Fahrzeugs unter Berücksichtigung spezifischer Fahrerhabits widerspiegelt. Dieses Konzept ist entscheidend, weil es die Energieflüsse innerhalb eines Elektrofahrzeugs von der Steckdose bis zu den Rädern und den Nebenverbrauchern analysiert. Die Forscher argumentieren, dass statische Fahrzeugparameter wie Batteriekapazität oder Motorleistung zwar wichtig sind, aber nicht die ganze Geschichte erzählen. Die dynamischen Faktoren, die vom Fahrer kontrolliert werden, haben einen erheblichen Einfluss auf den Gesamtenergieverbrauch und damit auf die tatsächliche Kohlenstoffbilanz.
Das Forscherteam identifiziert drei Hauptfaktoren des Fahrverhaltens, die einen signifikanten Einfluss auf den Energieverbrauch haben: Klimatisierung, Fahrmodus und Fahrzeuggewicht. Ihre Analyse zeigt, dass diese Faktoren nicht nur marginale Effekte haben, sondern die Berechnung der CO₂-Einsparung grundlegend verändern können.
Der mit Abstand größte Energieverbraucher neben der Antriebsenergie ist die Klimaanlage. Ob im Winter geheizt oder im Sommer gekühlt wird, der Energiebedarf für die Aufrechterhaltung einer komfortablen Innentemperatur ist erheblich. Das Modell der Forscher zeigt, dass dieser Energieverbrauch nicht linear, sondern exponentiell mit der Differenz zwischen der Außentemperatur und der vom Fahrer eingestellten Solltemperatur steigt. Dies bedeutet, dass ein kleiner Temperaturunterschied nur einen geringen Energieaufwand verursacht, während ein großer Unterschied – zum Beispiel eine Heizung von 0°C auf 20°C – den Verbrauch drastisch erhöht. Ein herkömmliches Modell, das diese Klimaanlagennutzung ignoriert, würde die verbrauchte Energie fälschlicherweise nur der Fortbewegung zuschreiben. Dies führt zu einer überschätzten „äquivalenten Reichweite“ und damit zu einer überschätzten Kohlenstoffeinsparung. Das neue Modell korrigiert dies, indem es einen „Klimaanlagen-Energieaufwand“ berechnet und von der für die Fortbewegung verfügbaren Energie abzieht. Dies liefert ein realistischeres Bild der tatsächlichen Reichweite und des damit verbundenen Umweltvorteils unter realen Bedingungen.
Der zweite entscheidende Faktor ist der vom Fahrer gewählte „Fahrmodus“. Moderne Elektrofahrzeuge bieten typischerweise mehrere Modi an, darunter „Eco“, „Normal“ und „Sport“. Jeder dieser Modi hat eine unterschiedliche Steuerungslogik für den Motor und das Energierückgewinnungssystem (Rekuperation). Das Forschungsteam konnte nachweisen, dass die Wahl des Modus eine direkte und messbare Auswirkung auf die Energieeffizienz hat. Im „Eco“-Modus wird die maximale Beschleunigungsleistung begrenzt, und das Energierückgewinnungssystem arbeitet aggressiv, um beim Bremsen kinetische Energie zurückzugewinnen und in die Batterie zu speisen. Dies kann die effektive Reichweite des Fahrzeugs erheblich verlängern. Im Gegensatz dazu priorisiert der „Sport“-Modus maximale Leistung und Beschleunigung, oft auf Kosten der Energieeffizienz, indem die Rekuperation reduziert oder deaktiviert wird. Die Forscher haben einen „Fahrmodus-Einflusskoeffizienten“ entwickelt, der diese unterschiedlichen Verbrauchsprofile quantifiziert. Dieser Koeffizient wird in die Berechnung der äquivalenten Reichweite eingefügt. Die Daten zeigen, dass ein Elektrofahrzeug, das im Eco-Modus gefahren wird, eine berechnete äquivalente Reichweite aufweisen kann, die bis zu 17 Prozent höher liegt als das gleiche Fahrzeug im Sport-Modus unter sonst gleichen Bedingungen. Dieser Unterschied übersetzt sich direkt in eine höhere berechnete Kohlenstoffeinsparung und unterstreicht, wie stark das individuelle Fahrverhalten den Umweltvorteil beeinflusst.
Der dritte Faktor, das Fahrzeuggewicht, hat zwar einen geringeren Einfluss als Klimaanlage oder Fahrmodus, ist aber dennoch relevant. Ein schwereres Fahrzeug benötigt mehr Energie, um beschleunigt zu werden, und überwindet einen höheren Rollwiderstand. Das Modell berücksichtigt diesen Effekt durch einen „Gewichtsfaktor“. Obwohl der Einfluss bei konstanter Geschwindigkeit auf der Autobahn geringer ist, wird er in städtischen Gebieten mit häufigen Beschleunigungs- und Bremsvorgängen signifikant. Die Einbeziehung dieses Faktors stellt sicher, dass der zusätzliche Energieaufwand für zusätzliche Passagiere oder Ladung in der endgültigen Kohlenstoffbilanz berücksichtigt wird.
Durch die Integration dieser drei Faktoren – Klimaanlage, Fahrmodus und Gewicht – haben die Forscher ein umfassendes „Modell zur Umrechnung der äquivalenten Reichweite“ konstruiert. Dieses Modell ersetzt die einfache, ungenaue Formel durch eine viel komplexere und realitätsnähere Gleichung, die die realen Energiekosten der Fahrerentscheidungen widerspiegelt. Die resultierende äquivalente Reichweite bildet dann die Grundlage für die Berechnung der tatsächlichen CO₂-Einsparung.
Die Berechnung der Kohlenstoffreduktion selbst folgt einer robusten Methodik. Sie vergleicht die Emissionen eines hypothetischen, vergleichbaren Fahrzeugs mit Verbrennungsmotor (die „Referenzlinie“), das die gleiche reale Distanz zurückgelegt hätte, mit den Emissionen, die durch den zur Ladung des Elektrofahrzeugs genutzten Strom verursacht wurden. Die Emissionen des Referenzfahrzeugs werden anhand des offiziellen Kraftstoffverbrauchs und der CO₂-Emissionsfaktoren für Benzin oder Diesel berechnet. Die Emissionen des Elektrofahrzeugs ergeben sich aus der Multiplikation der tatsächlich verbrauchten Ladeenergie mit der Kohlenstoffintensität des lokalen Stromnetzes. Die Differenz zwischen diesen beiden Werten ist die netto erzielte Kohlenstoffreduktion durch die Nutzung des Elektrofahrzeugs. Der entscheidende Fortschritt ist, dass die für diese Berechnung verwendete Distanz keine einfache, statische Zahl mehr ist, sondern die dynamisch angepasste „äquivalente Reichweite“, die aus dem Fahrverhalten abgeleitet wird.
Um ihr Modell zu validieren, führten die Forscher eine umfangreiche Analyse mit langfristigen, realen Fahrdaten mehrerer Nutzer eines beliebten heimischen Elektrofahrzeugmodells durch. Diese Daten umfassten verschiedene Jahreszeiten, Fahrbedingungen und Fahrerprofile. Die Ergebnisse waren beeindruckend. Im Vergleich zu herkömmlichen Modellen zeigte das neue Modell eine dramatische Verbesserung der Genauigkeit. Die Berechnungsgenauigkeit für die Kohlenstoffreduktion stieg von einem Ausgangswert von 82,47 Prozent auf beeindruckende 96,33 Prozent. Das bedeutet, dass das Modell in der Lage ist, die tatsächlichen Umweltvorteile einer Elektrofahrzeugfahrt viel besser vorherzusagen. In praktischer Hinsicht berücksichtigte das neue Modell für die untersuchten Fahrzeuge durchschnittlich 18,83 Gramm zusätzliche CO₂-Reduktion pro Kilometer, die das alte Modell übersehen hatte. Diese Zahl mag auf den ersten Blick gering erscheinen, doch aggregiert über Millionen von Fahrzeugen und Milliarden von Kilometern, repräsentiert sie eine massive Korrektur in der Art und Weise, wie wir den Wert und die Anreize für die Elektromobilität bewerten.
Die Implikationen dieser Forschung gehen weit über den akademischen Bereich hinaus. Ihre primäre Anwendung liegt im aufstrebenden Bereich der „Carbon Inclusion“-Programme. Diese Anreizprogramme zielen darauf ab, Individuen in den Kampf gegen den Klimawandel einzubinden, indem sie ihre kohlenstoffarmen Handlungen quantifizieren und belohnen – sei es durch den Einsatz öffentlicher Verkehrsmittel, Radfahren oder das Fahren eines Elektrofahrzeugs. Damit solche Programme glaubwürdig, vertrauenswürdig und effektiv sein können, muss die zugrunde liegende Berechnung der Kohlenstoffeinsparungen so genau wie möglich sein. Ein ungenaues Modell birgt zwei große Probleme: Es kann sorgfältige, effiziente Fahrer unterbelohnen und dadurch ihr positives Verhalten entmutigen, oder es kann ineffiziente Fahrer überbelohnen, was zu einem widersinnigen Anreiz führen könnte. Das von Liu Ziqian und seinen Kollegen entwickelte Modell bietet eine wissenschaftlich fundierte Grundlage für diese Programme. Es stellt sicher, dass die ausgegebenen Kohlenstoffgutschriften eine wahre Reflexion der erbrachten ökologischen Leistung sind, was das öffentliche Vertrauen und die Teilnahme fördert.
Die Studie stärkte ihre Argumentation weiter, indem sie die Anwendbarkeit des Modells auf verschiedene Fahrzeugmarken testete. Die Forscher wendeten ihren Ansatz auf Daten von zwei weiteren heimischen Elektrofahrzeugen und einem internationalen Modell an. Die Ergebnisse zeigten, dass das Modell bei allen drei Modellen konsistent gut abschnitt, mit ähnlichen Genauigkeitsniveaus und den gleichen qualitativen Trends in Reaktion auf unterschiedliche Fahrverhalten. Diese Querverifikation über verschiedene Marken hinweg ist entscheidend, da sie beweist, dass das Modell keine Einzelfalllösung für ein bestimmtes Auto ist, sondern ein generalisierbares Werkzeug, das auf eine Vielzahl von Elektrofahrzeugen angepasst werden kann. Dies macht es äußerst wertvoll für groß angelegte, nationale Carbon-Inclusion-Programme.
Die Forschung bietet auch eine klare Erklärung für einige der beobachteten Datenmuster. So erklärt das Modell, warum der Unterschied zwischen berechneter und tatsächlicher Reichweite bei sehr kurzen Strecken geringer ist. Bei kurzen Fahrten macht der Energieverbrauch für Nebensysteme (wie das Hochfahren der Fahrzeugelektronik) einen größeren Anteil des Gesamtverbrauchs aus, was das Fahrzeug ineffizienter erscheinen lässt, als es das Modell vorhersagt. Darüber hinaus erfasst das Modell elegant die gegensätzlichen Effekte verschiedener Fahrverhalten. Während aggressives Fahren und starker Klimaanlageneinsatz den Energieverbrauch erhöhen, können der Einsatz des Eco-Modus und eine starke Rekuperation ihn verringern. Die Netto-Wirkung auf die Kohlenstoffeinsparung eines Individuums ist die Summe dieser gegensätzlichen Faktoren, die das Modell einzigartig berechnen kann.
Zusammenfassend lässt sich sagen, dass diese Forschung einen bedeutenden Fortschritt in der Wissenschaft der Kohlenstoffbilanzierung für Elektrofahrzeuge darstellt. Indem der Fokus von dem Fahrzeug als einer statischen Maschine auf das Fahrer-Fahrzeug-System als eine dynamische Einheit verlagert wird, haben die Autoren ein Werkzeug geschaffen, das nicht nur genauer, sondern auch gerechter ist. Es erkennt an, dass die ökologische Bilanz des Fahrens eines Elektrofahrzeugs eine gemeinsame Verantwortung zwischen der Technologie und dem Nutzer ist. Während Regierungen und private Unternehmen darauf abzielen, Carbon-Inclusion-Programme auszubauen, um ein massives Verhaltensänderung zu bewirken, liefert die Arbeit von Liu Ziqian, Huang Li, Lu Xiaoquan, Liu Jingyi und Zhang Yanan von der Southeast University und der State Grid Jiangsu Electric Power Co., Ltd. eine essentielle, evidenzbasierte Methodik. Sie stellt sicher, dass der grüne Wandel nicht nur von Elektronen angetrieben wird, sondern auch mit Präzision gemessen und belohnt wird. Dies ebnet den Weg für ein effektiveres und vertrauenswürdigeres System ökologischer Anreize.
Liu Ziqian, Huang Li, Lu Xiaoquan, Liu Jingyi, Zhang Yanan, School of Electrical Engineering, Southeast University; Marketing Service Center, State Grid Jiangsu Electric Power Co., Ltd.; State Grid Jiangsu Electric Power Co., Ltd., Power Demand Side Management, DOI: 10.3969/j.issn.1009-1831.2024.02.010