Techno-economic comparison on charging modes of battery heavy-duty vehicles in short-haul delivery: A case study of China
Notice bibliographique
Résumé
It is critical to arrange appropriate charging infrastructure in advance to decarbonise heavy freight through electrification. Based on the same service level, this study conducted a techno-economic comparison of charging modes for battery heavy-duty vehicles in short-haul delivery, covering the broadest range of charging modes, including slow, fast (150kW), fast (350kW), swap, and overhead catenary. The techno-economic performance is obtained by a model composed of five evaluation indicators, in which the ratio of service capacity to cost and the average financial net present value are specific. The factors influencing the techno-economic performance of charging modes are further explored based on case analysis. Results show that the charging modes of slow, fast (150kW), fast (350kW), swap, and overhead catenary are not profitable under the corresponding facility utilisation rates of 40%, 20%, 20%, 30%, and 70%, or under operating years of 5, 3, 2, 4, and 12 years. Fast charging, at both 150 and 350 kW, has a better advantage in profitability based on the highest average financial net present value. Swap charging is best regarding energy supplement efficiency, but it is not profitable when the battery swapping price is less than 0.8 CNY/kWh. Overhead catenary charging was the most effective system per unit cost due to the highest ratio of service capacity to cost. The insights, the precise prediction of the charging demand, the focus on the charging price, and the comprehensive improvement in the facility utilisation rate are crucial for the success of charging service providers.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».