中汽研李孟良：“中國工況”的起因、研究過程與結果
圖為中國汽車技術研究中心資深首席專家李孟良作主題演講
了解更多內容，請點擊直播專題：中國電動汽車百人會論壇（2018）
2018年1月21日，以“把握全球變革趨勢實現高質量發展”為主題的中國電動汽車百人會論壇（2018）進入第二天的會議議程。中國汽車技術研究中心資深首席專家李孟良在上午的“定義未來引領變革”主題峰會上作主題演講。
以下為演講實錄：
尊敬的各位領導、專家，大家上午好！我是中國汽車技術研究中心的李孟良，非常高興今天在這里向大家做個報告，內容是關于工信部“中國新能源汽車產品檢測工況研究和開發”項目。題目是“中國工況的起因、研究過程與結果”。
匯報三個方面內容，分別是項目背景、研究過程以及中國工況對車輛油耗排放的影響。
首先報告中國工況項目的起因。
目前全球范圍內的汽車排放能耗檢測工況主要有美國、歐洲兩大體系。大家知道，我國一直采用歐洲的檢測工況，如圖中藍線NEDC。
隨著我國汽車保有量的快速增長，道路交通狀況發生很大變化，車輛實際行駛平均車速、油耗、排放與實驗室認證結果差距很大。國內權威研究趨勢表明，車輛能耗認證結果與車輛的實際行駛表現狀況不符且差異越來越大。自然吸氣車型的油耗差異為28％，增壓車型為32％，輕型車整體差異為29％。
油耗差異問題主要出哪里？普遍認為，問題出在實驗室檢測工況與實際道路行駛工況存在較大差異，主要包括：1）行駛工況與擋位 2）檢測工況不包括外部多變的環境影響；3）也不包括空調開啟等實際駕駛情況。
歐洲在多年的實踐中，也發現NEDC工況的諸多不足，轉而采用世界輕型車測試工況（WLTC）。但從上的兩張圖上，我們可以看出怠速時間比和平均速度這兩個最主要的工況特征，世界工況與歷年來我國一些主要的乘用車實際工況權威調查的統計結果的差異更大。因此我們不能簡單跟隨歐洲。
為了解決檢測工況這一瓶頸問題，在國家相關部委的關心領導下，經過多年醞釀和策劃，以及馬凱副總理兩次批示，在財政部支持下，2015年3月，工信部下達委托中國汽車技術研究中心牽頭組織行業實施“中國工況”研究任務，展開為期三年的全面深入研究。
項目以開發法規檢測工況為主要目標，包括乘用車和各類商用車的全國標準基本工況和附加工況，并制修訂基于新工況的汽車油耗排放測試標準草案。
2017年12月，項目組順利開發完成了項目規定的輕型、重型汽車的行駛工況，包括構建了2條輕型車和6條各類商用車的工況曲線。
接下來，我向大家報告一下項目的主要研究過程。大家知道，開發方法是基礎、數據采集是關鍵。關于開發方法，先后邀請際國內外專家進行了20余次專題研討會和行業大會，為工況開發提供有力保障。形成了政府監督指導、兩級專家委員會把關，行業廣泛參與、國際合作的項目運營機制。
項目組借鑒國內、國際在工況開發方面的經驗，積極利用現代測量技術、信息技術和計算機技術等結合新技術，在之前僅采集行駛數據的單一方法基礎上，增加交通GIS數據，以及對載客特征和空調使用特征調查。創造性地形成收集三種不同數據類型的中國工況開發技術路線。
利用交通GIS全道路低頻動態大數據，計算車輛在四類不同速度區間的實際周轉量及其系數，更客觀準確地提供車輛在四類不同速度區間的行駛宏觀分布。克服了之前規劃試驗路線的主觀性。
在傳統的行駛工況數據采集方面，利用CAN+GPRS技術，實現多城市、大規模車輛同步測試，保證獲得的數據在相同時間、不同空間的可比性。
具體到工況構建。我們借鑒WLTC工況構建的先進方法，結合中國實際數據構建工況。這里的實際，就是我們利用低頻動態大數據，用于不同城市得速度-加速度分布加權，以及不同速度行駛區間的長度劃分，以及中國實際駕駛工況特征數據。
再看關鍵的數據采集
中國工況涉及面很廣，為了保證數據收集和研究工作無死角，項目組做了充分大量的組織工作，保障數據的采集。先后有77個課題團隊、近1100名科研人員參與其中，在41個城市展開了實驗調查。
在中國工況的數據采集過程中，綜合考慮了人口、汽車保有量、GDP等多項指標以及我國各典型城市、地區地理、氣候特點，最終選擇了41個有代表性的城市，其中包括4個直轄市、27個省會城市以及其他10個重要的典型城市。這些城市覆蓋了其轄區?！?nbsp;
典型城市選定后，項目組在每個城市至少采集了100輛車的實際行駛數據，并且按照各個城市車型分布結構，逐步建立了穩定的數據采集車隊。截至2017年9月，項目組在41個代表性城市建立了約5500輛車的采集車隊（輕型車、重型車和新能源汽車），收集了約4400萬公里的運動特征、動力特征和環境特征數據。其中，傳統輕型車、重型車、各類新能源車累計里程分別為2260萬公里、1490萬公里和650萬公里。相較于世界上規模最大的WLTC的394輛車、64.5萬KM的開發用數據，這是迄今為止全球規模最大、范圍最廣、參數最多的調查，完全能夠全面了解我國廣闊區域內各類車輛實際行駛工況研究，以及深入分析工況對排放和油耗影響的需要。
在乘用車中，私家車占80％，公務車占6％，出租車占14％；在商用車中，公交車占50％，重型貨車占22％，城市客車占8％，中型貨車占6％，專用車占13％。各種車型均有涉及。
下面報告中國工況基礎數據的主要特征。
為了驗證數據的真實性、合理性和有效性，項目組把采集到的數據與網絡交通大數據（滴滴出行、高德交通）及百度GIS交通量大數據（GIS）進行了對比。以平均車速舉例，無論是比較各城市的平均車速，還是比較全國綜合平均車速，中國工況與網絡交通大數據及百度GIS交通量大數據都較為接近，這表明中國工況符合中國實際。
中國工況項目組參考WLTC方法，將車輛運行區間分為低、中、高和超高低四段，計算了各速度區間的交通量，以乘用車為例，通過研究發現超高速僅占8％，說明我國車輛在超高速區間駕駛數量比較少，比較符合我國實際出行狀況。而用WLTC工況測試的結果是，超高速占比18％，與我國實際情況相差較大。
為了構建準確的基礎權重，中國工況項目組考慮到超高速占比8％不適于構建工況，于是將車輛運行區間劃分為低速、中速和高速三個區間，三個區間的比重分別為37.4％，38.5％和24.1％。
按照方法論中確定的工況構建方法，基于基礎數據構建了2條乘用車和6條各類商用車的工況曲線。
中國工況平均速度和怠速比較低。比較中國工況的平均車速（29km/h）與 “全球工況”（46.5km/h）相比分別相差58.6%；中國工況怠速比（22%）和全球工況（13%）分別相差40%；80km/h以上車速時間比例相差77%。顯示“全球工況”與中國工況特征有顯著差別，“全球工況”的特征嚴重偏離我國實際工況；
新能源車方面，新能源車日出行里程與傳統車基本一致。
且中國日出行里程明顯低于歐美國家。
電動車有較大概率在城區低速且空調開啟的狀態下運行。
續駛里程一般難以達到設計水平，存在里程焦慮。相比于純電動車，PHEV用戶存在較為小的里程焦慮。
最后一部分從中國工況對車輛油耗排放的影響，看看中國工況改變了什么。
有35家整車企業、發動機企業和檢測機構參與到工況驗證中，完成了100余輛車近500輛次的試驗，驗證車輛覆蓋了國內市場的主流車型同時對新技術車型也有較好的覆蓋。車型包括傳統乘用車、EV、PHEV、輕重型商用車等，輕型車排量覆蓋0.8～3.7L，重型車覆蓋不同的類型和質量段等。
中國工況油耗平均比NEDC工況更接近實際了約14%。而全球工況與NEDC的油耗較接近。隨著排量增加，中國工況/NEDC油耗差異逐步增大。增壓車型油耗也有一樣規律。從多角度看，中國工況油耗都更接近真實油耗水平。
中國工況下增壓車的油耗超過公告油耗的程度要高于自然吸氣車型的，這與開篇提及的社會實際調查結論相符。目前增壓技術車型市場份額越來越高，類似這類節能技術的不節能，也是中國工況研究的起因之一，其適應性和真正實現節能需要“中國工況”推動。
除了工況曲線之外，加載和空調是油耗差異的另外重要因素。中國更多乘客增加加載質量會導致油耗平均高出5.6%?？照{對油耗的平均影響約為10%，對新能源車在高溫制冷和低溫制熱相，分別使續駛里程平均下降14%和40%。
綜合工況曲線和使用工況的影響，基本解析辨明了報告開始提出實際油耗和理論油耗有29%的原因。
在排放方面，從這兩張圖大家可以看出的，此圖為CO和HC在三種工況下的排放結果
本圖是試驗車輛的在三種工況下的NOX排放。研究表明，車輛大部分能夠滿足國6a的排放限值，中國工況/WLTC/ NEDC三種測試工況的結果相當，差異不明顯。
這是因為尾氣轉化技術對污染排放起了重要作用，這是相比于油耗，污染排放差異不明顯的主要原因。相比油耗能量守恒，污染物排放還有尾氣轉化技術控制，將有害物質轉換為CO2和H20。汽油機熱機后溫度高，尾氣轉化技術具有很高的轉化效率，污染物排放的轉化不太被工況影響。
限于時間關系，重型車方面就不介紹了，請大家會下看材料。
最后，談下主要結論與建議
中國工況已經開發完成。中國工況更好地辨明及反映我國車輛在中國道路環境下的實際表現。中國工況油耗更接近真實油耗水平，而在排放方面，研究車輛大部分能夠滿足國6a的排放限值，中國工況/WLTC/ NEDC三種測試工況的結果相當，差異不明顯。中國工況對正確引導車輛開發和標定，對促進符合我國交通特征和使用特征的節能減排技術的研究和應用，都具有重要意義。
國內整車企業積極參與了“中國工況”開發及驗證，已經展開了中國工況對未來產品影響的評價。項目組正積極推進“中國工況”在輕型、重型等各類車型能耗（油耗、電耗）和排放測試標準中應用。
目前，“中國工況”在標準中應用的主要難點在于輕型車排放標準。希望國家能夠抓緊五~六年的過渡期（五階段油耗限值和國六排放標準b階段計劃2023年陸續實施），協調和推進油耗和排放測試檢測工況向中國工況統一。
就介紹到這里。謝謝大家聆聽！
?。ǜ鶕l言整理，未經本人審閱）
相關閱讀：
驗證碼：
