双碳政策下对新能源汽车发展趋势的研究

朱威林 刘远洋

（山东石油化工学院大数据与基础科学学院）

0 引言

在绿色低碳制约条件下，新能源汽车未来的发展受到了广泛关注，截至目前大量文献已经总结出多种影响其发展的因素，例如：充电桩分布，续航问题，电池问题，群众购买意愿等多方面因素，文献[2-3] 分析了消费者认为新能源汽车未来是否有良好的发展前景以及对新能源汽车的购买意愿。从文献[4-5]、文献[8] 可以得知现在国内的新能源汽车发展技术不够优良，但是具有了一定的成果。因此，新能源汽车技术未来的发展需更进一步归纳和完善自身的缺陷，增强对新能源汽车企业的开发和投资，能够促进未来新能源汽车发展越来越好。文献[1]、文献[6] 可以说明熵值法能够全面有效地分析影响新能源汽车发展的因素。通过文献[9-10] 提供的灰色预测模型可以预测2022～2026 年新能源汽车总销量。

指标构建体系法是一种很好的研究方法，它通过选取一些客观、全面、准确反映研究对象的特征，并将这些特征进行量化和标准化，从而构建出一些有代表性的指标，以评估研究对象的变化趋势，是重要的定量研究方法，它可以帮助我们更加深入、全面地了解研究对象，为实现科学决策提供有力支持。为确定制约新能源汽车发展的因素，并预测未来新能源汽车整体发展趋势，本文首先基于指标构建体系，借助于熵值法对新能源汽车发展的影响因素进行分析，得出影响发展的相关因素；其次，基于数据处理和量化分析构建灰色预测的GM 模型，并预测2 年新能源汽车销量能够万辆。

1 数据来源与应用方法

1.1 数据来源

通过收集整理国家统计局以及乘用车市场信息联席会和中国汽车工业协会公布的数据，得到2017～2021 年中国新能源汽车年销量，如表1 所示。通过对相关数据进行分析得出影响新能源汽车发展的主要因素，并构建GM（1，1）灰色预测模型。

表1 2017 ～2021 年新能源汽车总销量

1.2 熵值法

熵值法的基本方式是依据指标变异性的幅度去研究它所占比例的权重。假如一个指标的信息熵越小，就表明这个指标的幅度变化越大，所以在研究影响因素时，能反映出的信息量也更多，整体的评估能达到的影响也越大，因此可得其权重所占分量也更大。恰相反，信息熵更大，会出现与上面相反[1]的结果。其一般的计算步骤为：

式中，Yij为标准化值，i代表新能源汽车企业，j代表影响因素。Yij表示第i家新能源汽车企业第j个影响因素的原始数据，公式加上0.001 是为了避免出现0 量纲，以便下面步骤的正常进行。

计算第i年第j项指标的指标值占该指标的比重Zij，具体的步骤为：

计算第j项指标的熵值aj，具体的步骤为：

计算第j项指标的幅度变化系数bj，具体的步骤为：

求各项指标的权重Wj，具体的步骤为：

计算各年的综合得分，具体的步骤为：

在对统计的数据进行分析[2]以及熵值法分析可知影响新能源汽车发展的主要因素可以有以下几个方面：政策因素，经济因素，技术因素，社会因素[3]。从政治文化、经济状况、社会需求、技术发展等方面的影响因素可以看出，国内的大体环境对新能源汽车产业的发展能够起到有力促进作用，特别是在国家政策方面的推动作用[4-5]。多个地区政府制定了购买、补贴、免税、完善设施等促进发展的政策[6]，促使新能源汽车的市场需求和工业发展。从经济状况、社会需求、技术发展三个层面的情况可以看出，很多城市的发展差距较为突出，对新能源汽车未来发展没有促进作用。其中最突出由经济状况的差距引起各地技术发展的不平衡[7-8]。

1.3 灰色模型理论概述

灰色模型主要是解决数据少、样本小、不完整的信息等难以确定及会受到周围因素一定程度的影响的问题[9]。灰色预测模型GM（1，1）是使用随机的初始序列，用一阶线性微分式子的方法去解来靠近变量累加之后形成的新时间序列表现出来的规律。该模型使用一个序列就可以处理运算，是一阶线性微分方程的动态模型[10]。

2 主要结果

2.1 构建GM（1，1）灰色预测模型

首先利用2017～2021 年国内新能源汽车销量形成初始数列：

式中，Y(0)(i)≥0，i=1，2，3，4，5。

形成初始数列之后做一次累加，计算生成一个累加的数列：

再对生成的累加序列做一个紧邻平均值的生成，得到：

定义灰色微分方程为：

式中，p为发展系数；m为灰色作用量。

构建白化方程：

参数和的估计值为：

时间相应函数的解方程式为：

还原值为：

2.2 模型检验

2.2.1 残差检验

绝对误差为：

相对误差为：

2.2.2 后验差检验

原始数列的均方差为：

残差序列的均方差为：

方差比为：

最小误差率为：

GM（1，1）预测模型等级精度对比表如表2 所示。

表2 GM（1，1）预测模型等级精度对比表

验证GM（1，1）预测模型对新能源汽车销量的适用性，可采用2015～2019 年国内新能源汽车销量数据运用GM（1，1）预测模型，预测未来年新能源汽车的销量用来检验等级精度和它的适用性。最终得到的结果，如表3 所示。

表3 2020 ～2024 年新能源汽车销量指标预测结果等级精度

经过验证可知，GM（1，1）预测模型能对新能源汽车销量进行预测，预测精度良好。因此，可以进行纯电动汽车未来销量变化趋势预测。预测2020～2024 年新能源汽车销量，如表4 所示。

表4 预测2022 ～2026 年的新能源汽车销量

通过灰色预测构建GM 模型，量化分析影响新能源汽车发展趋势的因素以及两者之间的关系，本次分析建模最终得出到2026 年新能源汽车销量能够突破1700 万辆。

3 结束语

新能源汽车行业还需要解决一些问题，如去除国家补贴后定价较高、电池回收利用、低温下电池续航能力较差、爬坡时动力不足、依赖政策等问题，促进统一布局突破核心的技术和关键的零部件，完善新能源汽车扶持力度，淘汰落后产业。但总体来看，通过各种模型预测，我国新能源汽车市场发展趋势充满勃勃生机，我国大力加强新能源的发展，新能源汽车未来的发展和应用一定会刺激产业的升级和企业的转型，新能源汽车产业未来必将成为我国经济重要行业。