paint-brush
Datengesteuerte Analyse der weltweiten Einführung von Elektrofahrzeugenvon@iamluke
539 Lesungen
539 Lesungen

Datengesteuerte Analyse der weltweiten Einführung von Elektrofahrzeugen

von Luke7m2024/03/04
Read on Terminal Reader

Zu lang; Lesen

Das Wachstum von Elektrofahrzeugen beschleunigt sich weiter, wobei einige Regionen der Welt überwiegend Elektrofahrzeuge verkaufen, während andere den Übergang beschleunigen. In diesem Artikel befassen wir uns mit einem Datensatz zur historischen Einführung von Elektrofahrzeugen. Wir verwenden Python, Plotly und Quadratic, um die Daten zu untersuchen.
featured image - Datengesteuerte Analyse der weltweiten Einführung von Elektrofahrzeugen
Luke HackerNoon profile picture
0-item
1-item

Die Verbreitung von Elektrofahrzeugen (EV) hat sich in den letzten Jahren weltweit rasant beschleunigt. In dieser Untersuchung untersuche ich die Daten, die diesem Wachstum zugrunde liegen, und zwar über verschiedene Regionen und Zeitrahmen hinweg.


Hinweis/zugehörige Offenlegung, bevor wir eintauchen: In diesem Forschungsartikel verwenden wir Quadratic , ein Unternehmen, für das ich angestellt bin. Wenn Sie Verweise auf Zellen im Code sehen, liegt das daran, dass Sie im Code auf die Einträge in diesen Zellen verweisen können. Das vollständige Blatt, auf dem diese Analyse aufbaut, finden Sie hier , falls Sie neben dem Artikel auch über den Code und die Visualisierungen auf dem Laufenden bleiben möchten.


EV dataset, visualized in Quadratic.

Der Datensatz (MIT-Lizenz) umfasst etwa 9.500 Zeilen mit verschiedenen Regionen und Parametern von 2010 bis 2022 (jährlich aktualisiert). Wir werden uns hauptsächlich mit dem Verkaufswachstum ausschließlich von Elektrofahrzeugen (ohne Berücksichtigung von Hybridfahrzeugen) bis 2022 und dem Wachstum von Ladeinfrastrukturnetzen befassen.




Umsatzwachstum im Laufe der Zeit

Wir beginnen damit, die Daten aus unserer Tabelle in unseren Pandas DataFrame zu übertragen. Von dort aus filtern wir unseren Datensatz nach den Antriebssträngen, die uns wichtig sind (vollelektrische, auch BEV genannt) und verwenden direkt unsere Tabelle, um das Land, nach dem wir filtern möchten, in Python einzugeben. Der Datensatz enthält auch einige Prognosen, aber in dieser Analyse kümmern wir uns nur um historisch erfasste Werte, daher filtern wir die Prognosen heraus und behalten historische Einträge bei.


 # get data from the spreadsheet into our DataFrame df = cells((0,0),(7,9542), 'EV Raw Data', first_row_header=True) # if region cell is empty don't try to filter if cell(2,2) != '': df = df.loc[df['region'] == cell(2,2)] # filter by selected parameter df = df.loc[df['parameter'] == cell(2,1)] # make this a historical analysis with none of the projections included df = df.loc[df['category'] == 'Historical'] 


Plotly chart, displayed in Quadratic.

Wir stellen ab 2020 ein massives Wachstum fest. Beachten Sie einen klaren Trend mit 230.000 verkauften Elektrofahrzeugen im Jahr 2020 in den USA, 470.000 im Jahr 2021 und satten 800.000 im Jahr 2022. Dieses Wachstum von 2021 bis 2022 entspricht einem Anstieg der Verkäufe im Jahresvergleich um 70 %.


Die Prognosen aus unserem Datensatz gehen von einem anhaltenden Wachstum aus und gehen davon aus, dass die Verkäufe in den USA im Jahr 2025 nahe an den 3M-EV-Verkäufen liegen werden.



Plotly chart, displayed in Quadratic. Weltweit sehen wir einen ähnlichen Trend. Das Wachstum von 2021 bis 2022 ist im Vergleich zu den USA auf Basis eines prozentualen Wachstums etwas gedämpft, aber mit einem Wachstum von 58 % von 7,3 Mio. Umsätzen gegenüber 4,6 Mio. Umsätzen im Vorjahr immer noch enorm.







Wenn Sie das Design dieser Diagramme ansprechend finden, handelt es sich um einfache Plotly-Liniendiagramme mit geringfügigen Layoutänderungen, wie unten gezeigt.


 # title gets edited based on the value of the spreadsheet input at cell(2,1) fig = px.line(df, x="year", y="value", title=c(2,1) + title_description) # make chart prettier by removing background and making the margins less aggressive fig.update_layout( plot_bgcolor="White", margin=dict(l=30, r=30, t=50, b=50), ) # displaying chart to the sheet fig.show()


Prozentsatz der Fahrzeugverkäufe an Elektrofahrzeuge

Bevor wir uns näher mit den Marktanteilen befassen, ist ein wichtiger Kontext, dass China und die USA die überwältigenden Spitzenreiter beim Gesamtabsatz von Fahrzeugen sind. Nach Angaben der International Organization of Motor Vehicle Manufacturers ist China mit über 25 Millionen Fahrzeugverkäufen pro Jahr der Spitzenreiter, die USA liegen mit über 15 Millionen an zweiter Stelle und Japan liegt mit über 4 Millionen Verkäufen pro Jahr an dritter Stelle.


Das EV-Wachstum aus unserer vorherigen Analyse ist beeindruckend, aber um seinen Umfang zu verstehen, müssen wir seinen Marktanteil im Vergleich zu allen anderen Fahrzeugtypen (Benzin- und Hybridfahrzeug) vergleichen. Glücklicherweise enthält der Datensatz einen Marktanteilsdatenpunkt, sodass wir diese Berechnung nicht manuell durchführen müssen. Wir notieren die Werte noch einmal für die Vereinigten Staaten und weltweit („Welt“ in unserem Datensatz).


Plotdiagramme, quadratisch angezeigt.


Für die USA verzeichnen wir einen EV-Anteil von 8 %. Interessanterweise ist der Gesamtanteil von Elektrofahrzeugen weltweit viel höher und liegt bei 14 %.


Natürlich ist es an der Zeit, über die USA hinaus zu expandieren und herauszufinden, welche Länder zu diesem Anteil von 14 % beitragen.

Länder mit der schnellsten Akzeptanz

Anstatt den Kopf in den Sand zu stecken und nur auf die USA und den weltweiten Gesamtabsatz zu schauen, können wir auch eine einfache Analyse durchführen, um herauszufinden, welche Länder den höchsten Prozentsatz ihres Umsatzes mit Elektrofahrzeugen erzielt haben. Wie wir bereits erfahren haben, dominieren China und die USA den weltweiten Fahrzeugabsatz, sodass die USA 8 % ihres Umsatzes mit Elektrofahrzeugen tätigen. Weltweit liegt die Zahl eher bei 14 %, man kann also davon ausgehen, dass Chinas Elektrofahrzeugverkäufe in Prozent ihres Marktanteils viel höher sind als in den USA, sodass dieser globale Prozentsatz viel höher bleibt, da die USA aufholen.


Für unsere Ranganalyse verwenden wir einen einfachen Filter, um nach Umsatzanteil zu filtern; Wir verlassen alle Länder und wenden dann eine max()-Berechnung an, um die Reihenfolge des höchsten EV-Anteils pro Land zu erhalten.


 # get our data from spreadsheet into Python df = cells((0,0),(7,9542), 'EV Raw Data', first_row_header=True) # filter by selected parameter of market share df = df.loc[df['parameter'] == cell(2,1)] # make this a historical analysis with none of the projections included df = df.loc[df['category'] == 'Historical'] # filter just by the latest year available df = df.loc[df['year'] == '2022'] # exclude buses, vans, etc and just include cars df = df.loc[df['mode'] == 'Cars'] # sort by highest share of market df = df.sort_values(by=['value'], ascending=False) # return dataframe to sheet df 



Diese Liste bietet viele faszinierende Erkenntnisse.

Beachten Sie, dass große Fahrzeugverkaufsländer wie die USA und Japan den Gesamtabsatz von Elektrofahrzeugen nach unten ziehen, sodass China mit seinem landesweit führenden Fahrzeugabsatz und einem hohen Anteil von 29 % des Gesamtabsatzes an Elektrofahrzeugen den Prozentsatz nach oben zieht.


Wir stellen auch Länder in Nordeuropa fest, deren Verkäufe in Richtung reiner Elektrofahrzeuge tendieren. In Nordeuropa gibt es Vorschriften, die den Herstellern von Elektrofahrzeugen Mehrwertsteuerbefreiungen gewähren, strenge Emissionsziele festlegen und andere Vorschriften haben, die zu diesem schnellen Übergang zu Elektrofahrzeugen in Nordeuropa geführt haben.














Ladenetze

Da die Einführung von Elektrofahrzeugen immer schneller voranschreitet, lohnt es sich zu untersuchen, wie sich die Ladeinfrastruktur anpasst. Zum Vergleich: Es gibt drei Haupttypen von Ladegeräten:


  • Stufe 1: Standardmäßige 120-V-Wechselstromsteckdose für Privathaushalte (die Sie zum Anschließen von Alltagsgegenständen zu Hause verwenden; dieser Ladetyp ist sehr langsam und liefert normalerweise 120 V bei 14 Ampere = ~1,7 kW, bevor bei einer 80-kW-EV-Batterie Effizienzverluste auftreten. Das bedeutet Mindestens 47 Stunden für eine vollständige Aufladung (realistisch gesehen mehr aufgrund von Effizienzverlusten/der tatsächlich an die Batterie gelieferten Leistung), was eine gute Lösung für Benutzer ist, die weniger pendeln müssen und bei Bedarf die öffentliche Infrastruktur nutzen können.


  • Stufe 2: Installierbar in Wohnanwendungen (elektrische Haushaltstrockner nutzen normalerweise 240 V) und den gängigsten Ladestationen der öffentlichen Infrastruktur; Stufe 2 beträgt zu Hause normalerweise bis zu 48 A, manchmal auch weniger. 240 V bei 48 A = 11,5 kW Spitze, was realistischerweise weniger Leistung liefert. Mit der Infrastruktur der Stufe 2 kann eine 80-kW-Batterie in 5–9 Stunden aufgeladen werden. Dies ist die beste Lösung für zu Hause, da Sie problemlos über Nacht eine vollständige Aufladung erhalten können, und für öffentliche Infrastruktur ermöglicht es das Aufladen oder vollständige Aufladen, wenn Sie längere Zeit parken. Dies ist keine Lösung für Fahrten, die eine schnellere Aufladung zwischen den Haltestellen erfordern.


  • Level 3 (DCFC): DC-Schnellladen ist eine rein kommerzielle Option, die nicht zu Hause installiert werden kann. Diese Ladegeräte bringen ein Fahrzeug in weniger als einer Stunde von leer auf voll. Dies ist die Ladelösung, die dem Nachfüllen an der Zapfsäule ähnelt. Diese Art des Ladens ist aus Komfortgründen mit entsprechend höheren Kosten verbunden. Ladegeräte der Stufe 3 reichen von 50 kW bis 350 kW; Bei 350 kW könnte eine 80-kW-Batterie in weniger als 20 Minuten vollständig aufgeladen werden.


Wenn der Datenanbieter in unserem Datensatz von langsamem Laden spricht, bezieht er sich auf öffentlich verfügbare Level-2-Infrastruktur. Wenn es um Schnellladen geht, beziehen sie sich auf die Level-3-Infrastruktur.


Wir beginnen mit der Visualisierung des Ladegerätwachstums in den USA und China.


Diagramm, quadratisch angezeigt.


Wir stellen fest, dass das Wachstum in China beim Schnellladen eine äußerst beeindruckende Wachstumskurve aufweist, während in den USA ein schnelles Wachstum bei langsamen Ladegeräten und ein langsames Wachstum beim Schnellladen zu verzeichnen ist.

Schnelles Ladegerätewachstum im Jahr 2022 (China vs. USA)

Installierte Schnellladegeräte in China/Verkauf von Elektrofahrzeugen im Jahr 2022: 760.000/4,4 Mio. (0,17)

Installierte US-Schnellladegeräte/EV-Verkauf im Jahr 2022: 28.000/800.000 (0,035)

Langsames Wachstum der Ladegeräte im Jahr 2022 (China vs. USA)

Installierte langsame Ladegeräte in China/Verkauf von Elektrofahrzeugen im Jahr 2022: 1 Mio./4,4 Mio. (0,22)

In den USA installierte langsame Ladegeräte/Verkauf von Elektrofahrzeugen im Jahr 2022: 100.000/800.000 (0,125)


Die Ladeerfahrungen variieren. In einigen Szenarien können Leitungen oder voll belegte Ladegeräte vorhanden sein. In anderen Fällen werden Ladegeräte möglicherweise nur sehr wenig genutzt. Faktoren wie die Nähe zu wichtigen Parkmöglichkeiten, Preise usw. haben offensichtliche Auswirkungen.


Im Durchschnitt bleiben Ladegeräte einen hohen Prozentsatz der Zeit ungenutzt. Damit sich die Investition in die Ladeinstallation lohnt, müssen Installateure in der Lage sein, eine Nutzungsrate zu prognostizieren, die sie innerhalb eines angemessenen Zeitraums (wie bei jeder Investition) in die Rentabilität bringt.


Zusammenfassung

Die Einführung von Elektrofahrzeugen hat sich in den letzten Jahren rasant beschleunigt. Sobald die Zahlen für 2023 veröffentlicht werden, werden wir wahrscheinlich ein ähnliches Wachstum wie in den Vorjahren erleben. Machen Sie weiter und stöbern Sie in diesem Datensatz und gewinnen Sie Ihre eigenen Erkenntnisse. Unsere Analyse ist natürlich unvollständig – es gibt viele Felder im Datensatz, die wir ignoriert haben und die alle möglichen interessanten Erkenntnisse liefern würden (Prognosen, Verkäufe von Lieferwagen/Lkw/anderen interessanten Fahrzeugtypen usw.).


So greifen Sie direkt auf den Datensatz und die Analyse zu:

https://app.quadratichq.com/file/4251cd97-e14d-4788-baf2-9d161eb10625


Datensatz:

https://www.kaggle.com/datasets/padmapiyush/global-electric-vehicle-dataset-2023


Andere Quellen:

Fahrzeugverkäufe: https://www.oica.net/category/produktionsstatistiken/2022-statistics/
Ladeinformationen: https://www.transportation.gov/rural/ev/toolkit/ev-basics/creasing-speeds