本研究的主要发现是电力中断显著降低了电动汽车(EVs)的销量。具体而言,结果显示,当某一地区的电力中断次数增加1次时,电动汽车的月度销量会减少约0.99%。这个负面影响在所有回归模型中都具有统计显著性,并且在使用不同滞后期和变量控制的稳健性检验中仍然保持一致。研究发现,不同类型的电动汽车,包括纯电动汽车(BEV)和插电式混合动力汽车(PHEV),在面对电力中断时均受到不同程度的影响,但差异不大。这表明,电力供应的不稳定性对电动汽车的总体市场接受度产生了普遍的抑制作用。
2019年11月至2021年9月中国320个城市停电情况及电动汽车销量的地理分布。
a 显示研究期间某城市各区的停电总次数。红色越深,表示停电频率越高。
b 显示城市各区停电总时数。橙色阴影越深,表示该城市的累计停电时间越长。
c 显示城市一级的电池电动汽车 (BEV) 总销量。灰色阴影表示有销售数据的城市,蓝色圆圈越大表示样本期内该城市的电池电动汽车销售量越高。
d 显示 2019 年 11 月至 2021 年 9 月期间新能源汽车(NEV)的总销售量。这里,NEV 的总销量等于 BEV 和插电式混合动力电动汽车(PHEV)销量的总和。绿色圆圈越大,表示该城市的 NEV 销量越高。空白区域代表没有数据的城市。本图的源数据可在 GitHub 上获取。
除了电力中断的频率外,电力中断的持续时间对电动汽车销量也有显著的负面影响。研究发现,当每个月中断电力的总小时数增加1小时时,电动汽车的月度销量将减少约0.024%。这一发现进一步强化了电力中断对电动汽车市场的不利影响,即不仅仅是中断的频率,持续时间也是消费者决定是否购买电动汽车的重要考量因素。
概念框架,用于展示一年的停电冲击对电动汽车 (EV) 采用和碳排放减少的影响。
a 描绘了每年电动汽车的采用情况,橙色线代表扰动电网下电动汽车的市场份额,蓝色线代表完全可靠电网下电动汽车的市场份额。a)中的灰色阴影表示停电冲击。
b 描述了采用电动汽车每年可避免的排放量,橙色线代表扰动电网下可避免的排放量,蓝色线代表完全可靠电网下可避免的排放量。b)中的阴影部分是由于电动汽车采用率降低而累计增加的碳排放量。
本图中的关键假设:(1)在当年停电增加后,没有其他政策干预或其他冲击;(2)如果消费者使用新购买的化石燃料汽车 10 年,则延迟时间为 10 年;(3)电动汽车的碳减排量随时间保持不变;(4)碳的社会成本保持不变。
本研究还发现,电力中断对电动汽车销量的影响存在显著的区域差异。特别是在电力中断更为频繁的地区,如经济相对不发达的地区,电动汽车销量的下滑更为明显。这可能是因为这些地区的电力基础设施相对落后,使得电力中断对当地居民生活和工作造成更大困扰,从而进一步降低了对电动汽车的需求。
研究进一步分析了电力中断对碳减排效益的潜在影响。通过模型估算,如果电力中断频率增加一倍,未来十年内电动汽车的采用率将显著降低,这将导致每年的碳减排效益减少超过3130万美元。这一结果表明,电力供应的稳定性不仅对电动汽车市场发展至关重要,而且直接影响到实现碳中和目标的进程。
不同车辆类型、地区和 GDP 的不同影响。误差条的中心为系数值。水平实线是采用停电滞后 1 个月进行分析的 95% 置信区间,水平虚线是采用停电滞后 2 个月进行分析的 95% 置信区间。a 表示停电次数的系数;b 表示停电小时数的系数。NCV 指非商业私家车;FHV 指出租汽车。北方和南方省份以淮河为界。高 GDP 表示人均年 GDP 超过 60,000 元人民币的省份;低 GDP 表示人均年 GDP <60,000 元人民币的省份。对于 NCV 和 FHV 的分析,由于数据限制,数据包括电池电动汽车 (BEV)、插电式混合动力电动汽车 (PHEV) 和非插电式混合动力电动汽车。在按地区和 GDP 进行的分析中,数据仅包括 BEV 和 PHEV。详细的回归结果见补充表 3、4、5 和 6。使用停电小时数得出的系数结果相对不显著,这可能是由于停电小时数与停电次数相比变化较小。
为了验证研究结果的稳健性,本研究进行了多项稳健性检验,包括使用工具变量回归(IV)来控制内生性问题。通过使用极端温度日作为工具变量,研究进一步证实了电力中断对电动汽车销量的因果关系。结果表明,极端温度对电力中断有直接影响,而电力中断进一步影响了电动汽车的销量,从而确认了电力中断对市场的负面影响是因果性的,而非由其他因素驱动。
研究结果还得到了行为经济学理论的支持,特别是习惯化理论(Habituation Theory)。该理论表明,消费者对反复出现的刺激(如电力中断)的反应会逐渐减弱,这意味着在电力中断初期,其对电动汽车购买决策的边际影响更大,随着中断次数的增加,这种影响逐渐减小。这一理论进一步解释了为什么在电力中断频繁的地区,电动汽车销量的下降更为显著。