Scenari di penetrazione dell`auto elettrica
Download
Report
Transcript Scenari di penetrazione dell`auto elettrica
Scenari di penetrazione dell’auto
elettrica
Romeo Danielis, Andrea Rusich, Eva Valeri
DEAMS, Università degli Studi di Trieste
[email protected]
1
Sommario
• Emissioni di CO2
• Una stima dei costi privati e sociali per l’Italia
– Simulazioni
• Il mercato dell’auto elettrica e ibrida
– Analisi della domanda e di scenari alternativi per
l’Italia
2
Auto elettrica: diversi gradi di elettrificazione
3
Quale automobile inquina di meno?
A livello globale?
A livello locale?
4
Uno studio per l’Austrialia
Ford Falcon: class-E sedan,
the 4-litre, 6-cylinder,
1800 kg
Ford Fiesta ECOnetic : 1.6
litre, inline 4 cylinder,
diesel
Sharma, R., Manzie, C., Bessede, M., Brear, M.J., Crawford, M.H. (2012), “Conventional, hybrid
and electric vehicles for Australian driving conditions – Part 1: Technical and financial analysis”,
5
Transportation Research Part C, 25, pp. 238-249.
Emissioni lifecycle di CO2: energy mix australiano
1. In Classe-E le convenzionali (CV) sono inferiori alle elettriche (BEV), in Classe-E
vale l’incontrario
2. Tutte le Classe-E emettono molto di più di quelle in classe B: downsizing
6
Le emissioni di CO2 dipendono in modo cruciale
da come è prodotta l’energia elettrica
Vehicle
Class-E
Class-B
Model
CV
Mild
Parallel
Series
Plug-in
BEV
Benchmark
61.5
56.3
42.5
41.7
51.1
51.2
Low carbon
54.1
48.8
34.9
34.1
23.4
20.6
CV
BEV
26.6
31.1
21.8
12.2
Vehicle life cycle emissions (in tonnes of CO2-e) for different emission intensity, fuel consumption, electricity
consumption and tailpipe emission scenarios.
7
Una stima dei costi privati e ambientali
per l’Italia (Working paper SIET)
• Costi privati: costo d’acquisto, incentivo, bollo,
assicurazione, manutenzione, carburante
• Costi sociali: emissione di CO2, NOx, SOx, VOC,
PM, rumore
• Consumo energetico:
• Assunzioni: vari chilometraggi annuali, 5 o 10
anni di uso del veicolo, 80% percorsi urbani
8
Modelli considerati: 7
WV Polo 1.4 comfortline benz.
Fiat Punto Natural Power 1.4 easy bi-fuel benz-metano
Ford Fiesta – Ikon 1.4 TDCI
Alfa Romeo Mito 1.4t bi-fuel benz-GPL
9
Modelli considerati: 7
Toyota Yaris Hybrid 1.5 Lounge
Peugeot iOn Full Electric
Renault Zoe Full Electric, leased batteries
10
Costi privati per 10.000 km per 5 anni
VW Polo
(Gasoline
)
Spesa acquisto
veicolo
Spesa
carburante
Costo per km
Spesa operativ.
annuale
Costo totale
attualizzato
Ranking
Ford
Fiesta
(diesel
Fiat
Punto
(bi-fuel
CNG)
Alfa R.
MiTo
(bi-fuel
LPG)
Toyota Peugeot
Yaris
iOn
(Hybrid)
(BEV)
Renault
Zoe
(L_BEV)
15.060 14.750 17.250 20.600 17.800 28.318 21.650
1.353
838
1.073
1.167
627
194
191
0,27
0,22
0,24
0,26
0,20
0,13
0,22
2.715 2.172 2.420 2.595 2.017 1.261 2.206
27.402 24.624 28.252 32.398 26.971 34.051 31.677
3
1
4
6
2
7
5
11
Costi sociali da inquinamento globale (per
10.000 km per 5 anni)
Table - Global pollution costs for the Green House Gases (CO2) – values in 2010 €.
VW Polo
(Gasoline)
WtT GHG
TtW GHG
WtW
27
159
186
Ford
Fiesta
(Diesel)
29
149
178
Fiat Punto
(bi-fuel
CNG)
30
123
153
Alfa R.
MiTo
(bi-fuel
LPG)
30
123
153
Toyota
Yaris
(Hybrid)
23
136
160
Peugeot
iOn
(BEV)
Renault
Zoe
(L_BEV)
171
0
171
171
0
171
WtT = Well-to-tank (dal pozzo al serbatoio)
TtW = Tank-to-Wheels (dal serbatoio alle ruote)
WtW = Well-to-Wheels (dal pozzo alle ruote)
12
Costi da inquinamento locale
WtT NOX
WtT PM\
rural
WtT PM
urban
WtT SOX
TtW NOX
TtW PM
metrop.
TtW PM
urban
TtW PM rural
TtW SOX
VW Polo Ford Fiat Punto
(Gasolin Fiesta
(bi-fuel
e)
(Diesel
CNG)
)
34,3
27,5
8,9
11,8
5,5
5,8
Alfa R.
MiTo
(bi-fuel
LPG)
8,9
5,8
Toyota
Yaris
(Hybrid)
Peugeot
iOn
(BEV)
Renault
Zoe
(L_BEV)
29,6
10,1
132,7
27,6
132,7
27,6
20,9
9,8
10,4
10,4
18,0
49,0
49,0
50,1
25,9
85,4
41,3
77,7
85,4
12,6
25,9
85,4
12,6
25,9
85,4
43,2
22,5
68,3
157,0
0,0
0,0
157,0
0,0
0,0
27,6
27,6
27,6
27,6
22,1
0,0
0,0
15,5
0,4
15,5
0,4
15,5
0,4
15,5
0,4
12,4
0,4
0,0
0,0
0,0
0,0
WtT = Well-to-tank (dal pozzo al serbatoio)
TtW = Tank-to-Wheels (dal serbatoio alle ruote)
WtW = Well-to-Wheels (dal pozzo alle ruote)
13
Stime: costi sociali da rumore
Noise
Cost
VW
Ford
Fiat
Polo
Fiesta
Punto
(Gasolin (Diesel) (bi-fuel
e)
CNG)
153
153
153
Alfa R. Toyota Peugeot Renault
MiTo
Yaris
iOn
Zoe
(bi-fuel (Hybrid) (BEV) (L_BEV)
LPG)
153
122
15
15
14
Conclusioni
• Among the 7 cars compared, the diesel Ford Fiesta currently
performs the best from the private and social cost as well as energy
consumption point of view.
• From the social point of view, which includes greenhouse gas, local
pollution and noise both the Toyota Yaris (Hybrid) and the Alfa R.
MiTo (bi-fuel LPG) perform as well as the BEVs, and the absolute
difference with the conventional fuel cars is quite small. Given the
large number of cars, at city or nation level, however, these
differences could make up to million euros.
• Of course, the BEVs have their strong point in the zero emissions
levels in the car use phase, where the health related costs of air
pollution are presumably higher.
• From an energy-saving point of view, with the current mix, the
BEVs are the worst performing cars and the Toyota Yaris (Hybrid) is
the best performing one.
15
Il costo totale: scenari di valutazione
16
AUMENTO DELLA DISTANZA MEDIA ANNUA PERCORSA
17
AUMENTO DEL TEMPO DI UTILIZZO
DELL’AUTOMOBILE
18
AUMENTO DEL PREZZO DEI
CARBURANTI CONVENZIONALI
ASSUNZIONI: 5 anni di utilizzo e 10.000 km/anno
19
AUMENTO DEL PREZZO DEI
CARBURANTI CONVENZIONALI
ASSUNZIONI: 10 anni di utilizzo e 10.000 km/anno
20
RIDUZIONE DEL COSTO DI
PRODUZIONE DELLE BATTERIE
ASSUNZIONI: 5 anni di utilizzo e 10.000 km/anno
21
RIDUZIONE DEL COSTO DI
PRODUZIONE DELLE BATTERIE
ASSUNZIONI: 10 anni di utilizzo e 10.000 km/anno
22
SUSSIDI ITALIANI 2013 PER AUTO
MENO INQUINANTI
ASSUNZIONE: 5 anni di utilizzo
23
SUSSIDI ITALIANI 2013 PER AUTO
MENO INQUINANTI
ASSUNZIONE: 10 anni di utilizzo
€ 60,000.00
€ 55,000.00
€ 50,000.00
Polo
Fiesta
Punto
Mito
Yaris
iOn
Zoe
€ 45,000.00
COSTO TOTALE
€ 40,000.00
€ 35,000.00
€ 30,000.00
€ 25,000.00
5000
10000
15000
KM/ANNO
20000
25000
24
•
•
•
•
•
•
Conclusioni
Assuming that a car is kept 5 years, when 5,000 km per year are driven, the diesel Ford Fiesta is the
cheapest choice, followed by the gasoline VW Polo. The BEVs are the most expensive. The Hybrid Toyota
Yaris becomes the second cheapest car when about 9,000 km per year are driven. The BEVs improve
their relative ranking (becoming third and fourth cheapest) when 15,000 or more km per year are
driven.
Assuming that a car is driven 10,000 km per year are driven, increasing the number of years that a car is
kept makes the BEV Peugeot iOn more competitive, thanks to the lower operative costs: it becomes the
forth cheapest car.
Assuming that a car is kept 5 years, the subsidies enacted by the Italian government improves the
relative ranking of the less polluting cars. The Hybrid Toyota Yaris overcomes the diesel Ford Fiesta as
the cheapest cars when more than about 12,500 km are driven, with the BEVs becoming competitive
when 20,000 km are driven. This trend is obviously reinforced when a car is kept 10 years.
If gasoline and diesel prices are increased by 10% and 20%, the relative ranking does not drastically
changed assuming that a car is kept 5 years, while the relative cost differences are rather altered when a
car is kept 10 years.
If, as forecasted by McKinsey, the battery costs decrease from the current 450 €/kWh to 160 €/kWh or
to 130 €/kWh, the BEVs would become very competitive. If a car is kept 10 years, they would be the
cheapest ones.
These results are focused on the financial aspects of a car choice, more specifically on the total (private
+ social) cost. Of course, they are by no means the only variables that determine the selection of a car:
cultural factors, the car appearance and driving style being other important determinants. When the
BEVs are considered, “range anxiety”, the use of the car as the first or second car, the existence of a
(fast) charging infrastructure, potential favorable parking or access regulations together with
environmental attitudes are known as further important co-determinants of the choice of a BEV, 25
together with the financial factors.
La situazione attuale nel mondo
Highway capable electric vehicles
USA
Hybrid electric vehicles
As of December 2012, around 27,000 all-electric cars have been sold A total of 434,498 hybrid electric
in the U.S. since 2008
vehicles were sold during 2012,
and the hybrid market share of
total new car sales was 3.0%
Francia
Since January 2010, more than 14,600 highway-capable all-electric
vehicles have been registered through December 2012.
Giappone Since July 2009, more than 28,000 all-electric cars have been sold in In May 2012, hybrid sales reached
a record market share of 19.7% of
Japan through December 2012, a market share of 0.16% of total
new car sales in the country,
new car sales in the country
including kei cars.
Norvegia
Norway, with 10,005 plug-in electric cars registered through
December 2012, a 3.1% market share of passenger car sales in the
country.
Germania A total of 7,497 electric cars have sold in Germany since January
2010 through December 2012.
Netherlan As of December 2012, the fleet of electric cars in the Netherlands
ds
reached 6,275 highway-capable plug-in electric passenger vehicles
(1%)
United
Kingdom
More than 4,415 electric-drive cars have been registered in the UK
through December 2012.
Italia
Immatricolate 2012: 560
26
Immatricolate nel 2012: 6,730
Le immatricolazioni per alimentazione in Italia
27
Una stima della domanda per l’Italia tramite
interviste dirette sulla scelta ipotetica
• Metodologia: indagine di preferenza dichiarata,
modello di domanda a scelta discreta (modello
logit a parametri causali), simulazione
Montecarlo
• Determinanti del modello: costo del veicolo,
costo del carburante (elettricità), autonomia,
distanza dal distributore, accelerazione
• 121 intervistati (FVG; Slovenia, Bologna, Marche)
28
Una stima della domanda per l’Italia tramite
interviste dirette sulla scelta ipotetica
29
Il modello a scelta discreta di base
Un individuo n ricava utilità, U, dalla scelta di una alternativa i pari
a U ni U(X ni ) , dove X ni è il vettore degli attributi di i.
L’utilità è rappresentata da due componenti: una deterministica ed
una casuale. La componente deterministica dipende dagli attributi
dell’alternativa.
Quindi,
U n i Vni ε ni
Vni f(Xni ) è la componente deterministica e
dove
ni
quella
casuale.
L’individuo n si confronta con la scelta di una alternativa tra
l’insieme finito C. La probabilità π che venga scelta l’alternativa i è
pari alla probabilità che l’utilità ricavata dalla sua scelta sia
maggiore o uguale all’utilità che si ricaverebbe se venisse scelta
un’altra alternativa appartenente a C.
pn (i / C) PrVni εni Vnk εnk
i k,k
Assumendo che i termini di errore abbiano una
funzione di distribuzione indipendente Type-I
extreme value, questa probabilità può essere stimata
tramite il modello logit.
Sostituendo gli attributi associati a ciascuna
alternativa nella parte deterministica dell’utilità V
utilizzando un forma funzionale lineare si ottiene:
exp(µβ ' X i )
πn (i)
(2)
'
kC exp(µβ X k )
dove µ è un parametro di scala che può essere
assunto pari a 1, e β è il vettore dei parametri. Si noti
che in questa formulazione il vettore β non è
riferibile ad uno specifico individuo.
Il modello logit a parametri
casuali
Si assuma che ogni individuo debba scegliere tra J alternative in ognuna delle T
situazioni di scelta (J e T possono variare tra gli individui). L’utilità
dell’alternativa i nella situazione di scelta t per l’individuo n è specificata nel
modello Logit standard nel seguente modo
K
U itn k xitnk itn Zitn itn
k 1
Il modello Logit a parametri casuali invece assume la seguente specificazione
K
U itn nk xitnk itn n Zitn itn
k 1
K
U itn nk xitnk itn n xitn itn
k 1
xitn è il vettore delle variabili esplicative osservate dall’analista. Esso include
gli attributi delle alternative, le caratteristiche socioeconomiche degli individui
ed eventuali descrittori del contesto di scelta
n
e itn non sono osservati dall’analista e sono pertanto trattate come
variabili stocastiche
Ipotesi: itn è assunto essere IID Extreme value type I tra
individui, alternative e situazioni di scelta. Non permette
nessuna forma di correlazione tra alternative
Per considerare possibili forme di correlazione vengono
inserite tramite
n
con lo seguente sviluppo
n zn n zn vn
che per l’attributo k si può scrivere come
nk k zn nk
'
n zn n zn vn
zn rappresenta variabili socioeconomiche osservabili
vn è un parametro non osservato distribuito casualmente
con media 0 e varianza 1. Le sue componenti sono definite
a livello individuali e sono choice-specific
Se è una matrice diagonale in cui diag (1 , 2 ,.... k )
siamo di nuovo al caso di coefficienti non correlati.
Se è una matrice triangolare piena in basso, avremo che
' . Con ogni tipo di correlazione tra i parametri è
permessa. La matrice è matrice di decomposizione di
Cholesky.
Matrice di decomposizione di Choleski
Lower triangular matrix
a11
a
21
a31
a41
a12
a13
a22
a23
a32
a33
a42
a43
1 2
2 8
3 14
4 10
n
a14 b11
a24 b21
a34 b31
a44 b41
3
4 1
14 10 2
50 31 3
31 30 4
0
2
4
1
0
0
b22
0
b32
b33
b42
b43
0
0
5
3
0 1
0 0
0 0
2 0
0 b11
0 0
0 0
b44 0
2
2
0
0
3
4
5
o
b12
b13
b22
0
b23
b33
0
0
b14
b24
b34
b44
4
1
3
2
aij bik ckj dove i indica il numero di righe e j il numero di colonne.
k 1
Il modello Mixed logit assume una forma generale per la
distribuzione della nk ed una IID Estreme value type I per gli
itn .
nk è distribuito indipendentemente da ed X . Si denoti la
densità congiunta di n1 ,n 2 ,.....nK come f (n zn ) dove
rappresenta i parametri della distribuzione di n , ,
La presenza di due tipi diversi di distribuzione per i coefficienti e
per il termine di errore (ad esempio, normale e Gumbel) fa si che
questi modelli vengano chiamati modelli “mistura” (mixed).
Soluzione del modello ML
Per ogni dato n , la probabilità condizionata
per la scelta i è logit siccome gli errori
rimanenti sono IID Estreme Value Type I.
Quindi
Lin ( n xn ,n )
exp( n X in )
exp(
j 1
n X in )
J
Ovvero se il ricercatore osservasse n , allora la
probabilità di scelta sarebbe Logit standard
come su riportato. Questo spiega il termine
condizionato.
Ma il ricercatore non conosce n . La probabilità di scelta
incondizionata è il valore atteso della probabilità logit su tutte le
possibili variazioni di n ovvero è l’integrale di Lni ( n ) pesato
per la densità di n . Siccome le variazioni di n sono indotte da
n , la componente random di n , allora
Pin X n , zn ,
L
in
( n X n ,n ) f (n zn , )dn
n
che è chiamato un modello Logit misto (mixed Logit) o a
parametri casuali (random parameter Logit). Una probabilità
mixed Logit è l’integrale di una probabilità Logit standard lungo
la densità dei parametri o, in altri termini, la media ponderata di
una formula Logit valutata a diversi valori di , con pesi dati
dalla funzione di densità f (n zn , ) .
Proprietà del modello RPL o ML
• Il modello Mixed logit non ha la proprietà IIA
(independence of irrelevant alternatives)
• Permette diversi rapporti di sostituzione
attraverso appropriate specificazioni di della
funzione di densità di n
Stima tramite metodi di simulazione
Se la densità di può essere specificata come una normale con media
b e covarianza W, la probabilità di scelta è
Pni
exp( n Z ni )
J
j 1
exp( n Z ni )
( b W )d
Queste probabilità non possono essere risolte analiticamente ma devono
essere approssimata tramite la simulazione (Train, 2003). Dopo aver
specificato la forma funzionale, per ogni dato valore di :
1. si estrae un valore di da f ( ) , e lo si nomina r con
l’apice r=1 che si riferisce alla prima estrazione;
2. si calcola Lni ;
3. si ripetono i passi 1 e 2 molte volte e si calcola quindi la media
di questi risultati.
Stima del modello RPL (triangolare vincolata)
Attributi
Prezzo d’acquisto (1000€)
Costo al km all’anno (1000€)
Autonomia (1000 km)
Distanza dal distributore
Benzina
Accelerazione (sec per 100 km/h)
Diesel
BI-Metano
Bi- GPL
Ibrida
Elettrica con batt
Spread Triang. PREZZO
TsCOSTO
TsAUT
TsDISTR
Coeff.
-0.540
-4.678
4.814
-0.019
-0.069
0.024
0.268
0.247
0.377
0.051
-0.642
0.540
4.678
4.814
0.019
t-ratio
-12.639
-12.336
9.365
-5.769
-0.231
0.949
0.763
0.757
1.013
0.155
-2.242
12.639
12.336
9.365
43
5.769
Stima del modello RPL (triangolare vincolata)
Coeff.
Prezzo: Reddito
Prezzo: Femmina
Prezzo: N° Auto>=2
Prezzo: N° viaggi più 400km>=4
Prezzo: Senza Box auto
Costo: Reddito
Costo: Femmina
Costo: N° Auto>=2
Costo: N° viaggi più 400km>=4
Costo: Senza Box auto
Autonomia: Reddito
Autonomia: Femmina
Autonomia: N° Auto>=2
Autonomia: N° viaggi più 400km>=4
Autonomia: Senza Box auto
t-ratio
0.114 2.655
-0.024 -0.733
0.079 1.849
0.025 0.451
0.082 2.956
1.277 3.248
0.828 3.094
-0.731 -1.918
0.427 1.045
0.879 3.599
-0.566 -1.123
-2.097 -5.285
0.804 1.526
0.309 0.621
-0.527 -1.699
Adjusted Rho no coeffients: 0,30, osservazioni: 1452 (121 rispondenti per 12 scenari)
44
Il modello di simulazione
Per ogni segmento
campionario
Input:
•X = attributi delle 7 automobili
•Z = socio-economiche
Coefficienti:
•Beta = Media e spread della distribuzione triangolare simmetrica
vincolata (media=spread) per le variabili casuali (prezzo d’acquisto,
costo annuale al km, autonomia, distanza dal distributore)
10.000 estrazioni casuali dalle
distribuzioni (Montecarlo)
Confronto tra le utilità sistematiche delle 7 automobili
% di volte che un auto è
la migliore (utilità
sistematica maggiore)
% di volte che un auto è la
2° migliore ( 2° utilità
sistematica maggiore)
% di volte che un auto è
la 3° migliore ( 3° utilità
sistematica maggiore)
Riporto all’universo dei segmento campionari sulla base della loro
45
Domanda di mercato ipotetica:
status quo
Prezzo
Costo di Autonomi Acceleraz. Distanz
Quota
(2°
gestione
a
,
a
stimata di scelta)
in km
0-100 in distrib. mercato,
%
in km (1° scelta) %
sec.
(3° scelta)
%
Benzina
15.060
2.715
900
13
1
0,5
7,3
37,6
Diesel
14.750
2.172
980
15
1
72,9
17,5
8,2
Metano
17.250
2.420
800
15
5
0
0
14,9
GPL
20.600
2.595
1200
15
5
1,4
1,0
16,3
Ibrida
17.800
2.017
1000
13
1
18,6
71,6
8,4
Elettrica
28.318
1.261
150
12
0
6,5
1,9
13,6
Elettrica
con
batt.nol.
21.650
2.205
210
12
0
0
0,6
1,1
46
Domanda di mercato ipotetica:
contributo statale
Modello
Prezzo
base, €
Incentivo, €
Prezzo
scontato, €
Quota
stimata di
mercato,
(1° scelta)
%
Eberhard and Tarpenning
15.060
0,1
(2° scelta)
(3° scelta)
%
%
0,4
37,6
Benzina
15.060
Diesel
14.750
2.000
12.750
39,4
47,5
11,2
Metano
17.250
-
17.250
0
0
1,2
GPL
20.600
-
20.600
1,2
0,7
14,1
Ibrida
17.800
3.560
14.240
52
47,5
1,3
Elettrica
28.318
5.000
23.318
8,3
3,1
24,6
Elettrica
batt.noleg.
21.650
4.330
17.320
0,1
0,7
9,9
47
Domanda di mercato ipotetica:
contributo statale e aumento (x3)
dell'autonomia dei veicoli elettrici
Modello
Prezzo, € Autono
mia,
Km
Quota
stimata di
mercato,
(2° scelta)
(3° scelta)
%
%
(1° scelta) %
Benzina
Diesel
Metano
GPL
Ibrida
Elettrica
Elettrica con
batt.noleg.
15.060
12.750
17.250
20.600
14.240
23.318
17.320
900
980
800
1200
900
360
630
0,1
39,4
0
1,2
46,9
12,4
0
0,4
42,4
0
0,6
51,8
4,3
0,5
19,9
15,3
0,1
8
1,1
22,0
32,3
48
Domanda di mercato ipotetica:
contributo e aumento del prezzo dei
carburanti fossili
Modello
Prezzo, €
Costo di
gestione, €
Nuovo
costo di
gestione, €
Quota
stimata di
mercato,
(2° scelta)
(3° scelta)
%
%
0,4
18,3
Benzina
15.060
2.715
3.258
(1° scelta)
%
0,1
Diesel
12.750
2.172
2.606
29,9
40,5
14,4
Metano
17.250
2.420
2.904
0
0
0,1
GPL
20.600
2.595
3.114
0,9
0,5
8,5
Ibrida
14.240
2.017
2.420
44,8
43,9
10,8
Elettrica
23.318
1.261
1.261
22,8
5,2
18,1
Elettrica con
batt.noleg.
17.320
2.205
2.205
1,4
9,4
28,7
49
Domanda di mercato ipotetica:
Contributo statale e diminuzione di
5.000€ del prezzo dei VE
Modello
Prezzo
iniziale, €
Prezzo Quota stimata
finale, €
di mercato,
(2° scelta)
(3° scelta)
%
%
(1° scelta) %
Benzina
Diesel
Metano
GPL
Ibrida
Elettrica
Elettrica con
batt.noleg.
15.060
14.750
17.250
20.600
17.800
28.318
21.650
15.060
12.750
17.250
20.600
14.240
18.318
12.320
0,1
33,8
0
1,2
42,5
16,8
5,6
0,3
41,7
0
0,8
45
5,8
6,4
10,3
17,5
0,1
11
10,2
21,2
28,4
50
Conclusioni generali
• Il processo di elettrificazione dei veicoli in corso.
• La auto ibride conquistano quote crescenti grazie al
costo di acquisto contenuto e all’ottima efficienza
energetica e ambientale.
• Le auto elettriche cominciano a diffondersi,
soprattutto per un uso urbano. Richiedono però:
– importanti modifiche nel modo di produrre ed distribuire
l’energia elettrica;
– innovazioni nelle batterie che riducano i costi e
permettano autonomie maggiori;
– la creazione di infrastrutture di ricarica private e pubbliche.
51
Grazie per l’attenzione!
Ricerca predisposta nell’ambito del progetto
Electric Car Club (ECC) (http://www.ecc.units.it/):
finanziato dalla Regione Autonoma Friuli Venezia
Giulia nell'ambito dell'articolo 16 della Legge
Regionale n.14 dell'11 agosto 2010 "Concessione di
contributi a sostegno della ricerca, dello sviluppo,
dell’innovazione e del trasferimento tecnologico per
lo sviluppo di sistemi per la mobilità individuale
finalizzati alla riduzione di consumi e di emissioni"
52
Costo delle batterie
(http://www.thegreencarwebsite.co.uk/)
•
•
Battery price fall ‘to make EVs cost-effective. The price of batteries for electric and hybrid
vehicles will ‘tumble’ over the next decade to the point where alternative powertrains will
be as cheap as internal combustion engines, a leading battery maker said at the Reuters
Auto Summit this week. According to Reuters, Prabhakar Patil, the chief executive of LG
Chem unit Compact Power reports that the price for lithium ion batteries has already fallen
by a factor of 14 since the technology was first commercially introduced in the early 1990s.
That price tumble will continue Patil told the summit, as the car industry begins to become
the biggest user of the technology, overtaking the electronics industry. "It’s been on a
pretty steep cost curve and I think we will continue to see costs going down, in fact my
internal target is getting it down by a factor of 2 to 4 over the next five to 10 years," Patil
said. November 19, 2010
Salt to make EV batteries cheaper and powerful: Electric car batteries using molten salt
could be significantly cheaper but offer twice the energy of their lithium-ion counterparts
according to Sumitomo Electric Industries. The Japanese electrics firm has teamed up with
Kyoto University to produced a sodium-based electrolyte that works at temperatures of
only 80 deg Celcius. Previous molten salt systems required operating temperatures of at
least 300 deg Celius while the melting point of sodium chloride is 801 deg Celsius, making
the batteries expensive to produce and energy-intensive in use. However, with the new
breakthrough, scientist think it could allow sodium batteries to go into full production by
53
2015 at tenth of the cost of current generation lithium ion batteries. March 7, 2011
54