摘 要:隨著全球能源結構的轉型和環保意識的日益增強,綠電作為一種清潔低碳的能源形式,在各個行業的應用前景備受關注。汽車換熱器作為汽車熱管理系統的重要組成部分,其制造過程中的能源使用直接關系到整個汽車產業的可持續發展。因此,研究綠電在汽車換熱器制造業的應用前景具有重要的現實意義。本文采用實例分析的方法,深入探討了綠電在汽車換熱器制造業中的應用現狀、潛在優勢及面臨的挑戰。研究結果表明,綠電的應用不僅能夠顯著降低碳排放、降低企業的生產成本,還能為企業帶來長期的經濟效益。然而,當前綠電在汽車換熱器在制造業中的應用還處于初步階段。基于此,本文提出了在汽車換熱器制造業,應盡早布局綠電使用占比和零碳智慧園區建設等建議,以其推動綠電在汽車換熱器制造業的廣泛應用。
關鍵詞:綠電 汽車換熱器 制造業 零碳園區 碳排放
1 緒論
1.1 背景與意義
為實現“碳達峰·碳中和”的戰略目標,中國正大力建設新型電力系統,新能源發電裝機比例逐年提升。據國家能源局發布的數據顯示,截至2022 年5 月底,中國新能源發電總裝機容量達到1.1 TW。預計到2030 年,風力、光伏發電總裝機容量將超過1.2 TW,裝機容量占比突破50%[1]。據2023 年國民經濟和社會發展統計公報數據,我國能源消費總量57.2×108t 標準煤,同比增長5.7%,其中煤炭消費量占能源消費總量的55.3%,同比下降0.7%,天然氣、水電、核電、風電、太陽能發電等清潔能源消費量占能源消費總量的26.4%,同比上升0.4%,以煤炭、石油為主的傳統能源短期內難以發生根本的變化。[2]因此,控制傳統能源的發電量,提高綠電在各個行業的使用比例,對于碳排放減少具有現實意義。
本文研究的目的是探究綠電在汽車換熱器制造業的應用現狀、優勢及挑戰,并基于實證分析結果提出針對性的建議。通過本研究,我們期望能夠為汽車換熱器制造業相關企業提供參考,為其決策者提供科學依據,共同推動綠電在該行和的廣泛應用,并最終實現低碳環保的可持續發展目標。
1.2 具體研究內容
1.2.1 綠電政策研究
本節通過對國家綠電發展的優惠政策研究,提出了汽車換熱器制造行業,應盡快實現綠電供應并獲取綠證,降低成本,具體政策內容如下:
2023年8月3日,國家發展改革委等部門發布了《關于做好可再生能源綠色電力證書全覆蓋工作促進可再生能源電力消費的通知》,全面升級了中國的可再生能源綠色電力證書(綠證)制度。該文件廢止了2017年發布的《關于試行可再生能源綠色電力證書核發及自愿認購交易制度的通知》,并綜合了此前各文件完善綠證市場的要點,是未來中國綠證發展的綱領性文件。另外,綠證作為可再生能源電力消費憑證,用于可再生能源電力消費量核算、可再生能源電力消費認證等,綠證的價值由可再生能源消納指標到環境屬性。企業在自愿購買綠電的同時,還有抵扣能耗總量的需求。
最新政策也鼓勵了主體綠色電力消費,其中強化了高耗能企業綠電消費得責任。鑒于汽車換熱器制造業屬于高耗電能行業,在綠電政策的不斷推行下,該行業實現綠電綜合技術的使用前景可觀,下一節中將對零碳園區概念方案在汽車換熱器制造業中的應用開展研究;
1.2.2 零碳園區概念方案促進綠電在汽車換熱器制造業中的應用
當前,零碳園區綠電的產生主要方式是風力發電和屋頂光伏發電,但由于風機的建設占地面積較大,容易對生態環境造成影響。因此,零碳工業園區搭建新型電力系統最主要的途徑是屋頂光伏發電+ 配套儲能。目前園區建設更多關注的是最大比例使用綠色電力,以幫助園區最終實現零碳排放。其實,產生綠電的光伏設備的運行效率、配套儲能的峰谷優化能力,都會通過提升新能源消納能力、降低園區運營成本、為園區參與綠電交易提供保障等途徑助力園區的零碳建設。[3]
汽車換熱器制造工業園區是汽車行業經濟發展、產業轉型和升級的重要載體,但傳統換熱器工業園區最顯著的特點就是電力資源消耗大,平均每周需要用電47萬千瓦時,如果沒有綠電參與,必將間接造成國家電力系統碳排放量大等問題。近年來,零碳園區的數量不斷增加,因此研究零碳園區技術在汽車換熱器制造業園區的應用,能夠推進其大規模使用綠電。
在汽車換熱器生產園區配備(如圖1)光伏,風電,儲能,發電機組之后,如何能夠合理的使用相應的耗能配比,就必須有強大的智能用電控制系統:智能電網SG( Smart Grid)。SG 是電力系統發展的必然趨勢,其核心要義便是“智能”,但目前智能水平還很低。而人工智能AI( Artificial Intelligence) 技術取得了突破性進展,為SG 的發展提供了重大機遇和強大支撐。[4]
目前,零碳園區已經開始向數字化方向邁進。江蘇蘇州高新區MOBO協同創新產業園項目是集高端先進裝備制造與電子信息商務于一體的現代化產業園(圖2),西門子與西蘭花數字科技(蘇州)有限公司共同合作,致力于打造新一輪智能制造與信息商務產業集聚的投資高地,園區包括綜合辦公樓、一體化廠房、人才公寓及生活配套等設施。
另智能電網可以通過了解電力系統的資源使用情況和用戶需求,動態調整虛擬化資源的分配和映射,從而實現資源的最優利用,在解決電力系統資源調度問題上,該方法有很大的研究價值。[5]另外,雖然在國家層面已經著手研究智慧智能電網調度的先進技術,但是對于具體使用層面的汽車換熱器制造業園區,也必須擁有局域電網智能控制系統。因此,為了系統考慮汽車換熱器制造企業中的各個環節對排放的影響,本文也考慮在員工通勤的交通工具中使用綠電,在園區里建立充電設備,并在下一節中開展研究。
1.2.3 園區內建立新能源汽車充電設備
根據《國務院辦公廳關于進一步構建高質量充電基礎設施體系的指導意見》國辦發〔2023〕19號文件中提出,各省、自治區、直轄市人民政府,國務院各部委、各直屬機構:充電基礎設施為電動汽車提供充換電服務,是重要的交通能源融合類基礎設施。
根據碳排放的計算公式:CO2排放量(kg)=油耗消耗數(L)×2.7kg/L;目前家用燃油轎車,約平均每百公里為7.5L油耗,即每公里為0.075L,按50km/天/人通勤來計算CO2排放量約為10.125kg, 燃油費約為30.75元(表1)。
那么,按一家汽車換熱器制造業中小企業估算,每天至少有500人通勤。 如果企業能夠提供充電服務,就可以每年減少因燃油產生的CO2排放量約1336500kg,同時可以每年使企業員工總體節省約通勤費313890元;但是,如何有效地在汽車換熱器制造業整體用電系統上,減少CO2的排放,就必須在其園區內系統考慮綠電的使用占比,達到智能優化的配比;另外,雖然,綠電在未來的汽車換熱器制造生產型企業中,有不可忽視的潛力,但是綠電使用所帶來的安全性問題,也是客觀存在的;在下一節中,我們將針對綠電安全使用開展研究。
1.2.4 綠電在汽車換熱器制造業中安全使用
隨著綠色環保理念貫徹,綠電作為清潔能源將是大勢所趨。但是,綠電在使用過程中的安全問題同樣不容忽視。為了滿足綠電使用安全,其設備得各方面安全因素需要充分論證和考慮,如防火阻燃性能、人身保護機制、過載保護功能、防電涌防雷擊、浸水無觸電技術、自動檢測與報警、節能降耗效果以及安全認證與標準等方面。
防火阻燃性能綠電設備,在設計時采用阻燃材料外殼,以減少火災風險。同時,設備的內部電路也進行了優化設計,防止短路和過載引發火災。設備在檢測到電流異常時,會自動切斷電源,避免用戶觸電事故的發生。部分綠電設備已采用了浸水無觸電技術,即使設備在潮濕或浸水環境下也能保持安全使用,這一技術大大提高了綠電設備在惡劣環境下的可靠性。
因此,如果綠電在汽車換熱器制造業想要進一步落地,那么所面臨的安全問題以及相應的措施就需要得到解決。同時,相應的前期規劃和實施就必須有專業的團隊評估并完成。
2 實例分析
綠電使用計算的理論方法,包括數據收集與處理、綠電來源識別、能耗分析與計量、排放因子確定、碳足跡計算、結果校驗與調整以及優化策略與建議等。由于目前汽車換熱器制造業,整個生產工藝包括零部件生產,組裝,釬焊,檢漏,包裝,物流運輸等,均以電力能耗為主;所以,本文采用數據收集與處理、綠電來源識別等方法來對比綠電使用的經濟效果。
以下是某工廠2024年第20周產品能耗的統計分析,在不考慮其他因素的情況下橫向對比,可以得出結論:如果使用綠電參與生產運營,預計全年可以節省12456400元(表2),具有客觀的經濟效果;鑒于目前,該園區暫時還未完成儲能和風電的建設,暫不對其相關數據展開研究。
3 結論及建議
本文通過綠電在汽車換熱器制造業應用前景的分析,可以得出以下結論:
第一,綠電在未來汽車換熱器制造業,將會有非常大的潛力。綠電的使用,能夠為汽車換熱器制造業公司,在未來的碳排放減排和運營成本的降低起到不可忽略的效果,能夠提高企業在未來國際化競爭中的競爭力;
第二,綠電在未來汽車換熱器制造業,應建立新能源汽車充電設備,為通勤人員的汽車充電提供方便,從而降低企業的總體碳排放;
第三,綠電作為新型能源,在未來汽車換熱器制造業園區中,零碳園區的模式方向,將是必然發展的趨勢;
第四,綠電作為新型能源在汽車換熱器制造業中的應用,智能園區電網的控制系統的完善是必要的條件;
第五,綠電使用在未來換熱器制造業園區中,雖然有很高的環保和經濟價值,但是,對于目前的很多安全問題,仍然需要逐步完善;
由于綠電作為國家方向性政策,將來在所有工業領域中的占比要求將逐步加大,因此,建議汽車換熱器制造業企業,應盡早布局綠電使用占比和零碳智慧園區建設,為國家雙碳戰略助力。
參考文獻
[1]危怡涵,范帥,許少倫,等.基于新能源消納邊際貢獻的用戶綠電份額評估方法[J].電力系統自動化,2023,47(10):14-25.
[2]吳凌鶴.能源轉型背景下煉化企業轉型升級策略研究[J].中外能源,2024.
[3]王潔.零碳工業園區綠色電力建設方案研究[J].電器工業2024(03):67-71.
[4]鞠平,周孝信,陳維江,等.“智能電網+”研究綜述[J].電力自動化設備,2018,38(5):2-11.
[5]余競航,趙一辰,宋滸.基于強化學習的邊緣計算智能電網資源調度算法[J].電信科學,2024,40(1):115-122.