L’adoption des véhicules électriques (VE) à l’échelle mondiale s’est rapidement accélérée au cours des dernières années. Dans cette exploration, j’explore les données à l’origine de cette croissance, dans diverses zones géographiques et périodes.
Remarque/divulgation affiliée avant de plonger : dans cet article de recherche, nous utilisons Quadratic , une entreprise pour laquelle je travaille. Chaque fois que vous voyez des références à des cellules dans le code, c'est parce que vous pouvez référencer les entrées de ces cellules dans le code. La feuille complète sur laquelle cette analyse a été construite peut être trouvée ici au cas où vous souhaiteriez suivre le code et les visualisations à côté de l'article.
L'ensemble de données (licence MIT) comprend environ 9 500 lignes avec diverses régions et paramètres, de 2010 à 2022 (mis à jour chaque année). Nous explorerons principalement la croissance des ventes de véhicules électriques uniquement (en ignorant les hybrides) jusqu'en 2022 et la croissance des réseaux d'infrastructures de recharge.
Nous commençons par récupérer les données de notre feuille de calcul dans notre Pandas DataFrame. À partir de là, nous filtrons notre ensemble de données pour les groupes motopropulseurs qui nous intéressent (entièrement électriques, alias BEV) et utilisons directement notre feuille de calcul pour saisir le pays par lequel nous souhaitons filtrer en Python . L'ensemble de données comprend également certaines projections, mais dans cette analyse, nous nous soucions uniquement des valeurs enregistrées historiquement, nous filtrons donc les projections et conservons les entrées historiques.
# 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']
Nous notons une croissance massive à partir de 2020. Notez une tendance claire, avec 230 000 ventes de véhicules électriques en 2020 aux États-Unis, 470 000 en 2021 et un énorme 800 000 en 2022. Cette croissance de 2021 à 2022 représente une augmentation de 70 % des ventes en glissement annuel.
Les projections de notre ensemble de données supposent une croissance continue, et prévoient que les ventes de VE aux États-Unis en 2025 avoisineront les 3 millions de ventes de véhicules électriques.
À l’échelle mondiale, nous observons une tendance similaire. La croissance de 2021 à 2022 est un peu modérée par rapport aux États-Unis sur la base d'un pourcentage de croissance, mais reste énorme, avec une croissance de 58 %, passant de 7,3 millions de ventes à 4,6 millions de ventes l'année précédente.
Si vous trouvez le style de ces graphiques attrayant, il s'agit de graphiques linéaires Plotly de base avec des modifications mineures de mise en page, comme indiqué ci-dessous.
# 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()
Avant d’aborder la question des parts de marché, il convient de rappeler que la Chine et les États-Unis sont les leaders écrasants des ventes globales de véhicules. L'Organisation internationale des constructeurs de véhicules automobiles cite la Chine comme le leader global des ventes de véhicules avec plus de 25 millions d'unités par an, les États-Unis en deuxième position avec plus de 15 millions et le Japon en troisième position avec plus de 4 millions de ventes par an.
La croissance des véhicules électriques d’après notre analyse précédente est impressionnante, mais pour comprendre son ampleur, nous devons comparer sa part de marché par rapport à tous les autres types de véhicules (essence et hybrides). Heureusement, l'ensemble de données comprend un point de données sur la part de marché, nous n'avons donc pas besoin d'effectuer ce calcul manuellement. Nous notons à nouveau les valeurs pour les États-Unis et le monde (« Monde » dans notre ensemble de données).
Pour les États-Unis, on note une part de VE de 8 %. Il est intéressant de noter que la part globale des véhicules électriques à l’échelle mondiale est beaucoup plus élevée, à 14 %.
Naturellement, il est temps d'étendre notre action au-delà des États-Unis et de découvrir quels pays contribuent à cette part de 14 %.
Au lieu de nous enfouir la tête dans le sable et de regarder uniquement les États-Unis et les ventes mondiales totales, nous pouvons également faire une analyse simple pour voir quels pays ont réalisé le pourcentage le plus élevé de leurs ventes de véhicules électriques. Comme nous l’avons appris plus tôt, la Chine et les États-Unis dominent les ventes mondiales de véhicules, donc si les États-Unis consacrent 8 % de leurs ventes aux véhicules électriques, ils représentent 8 % de leurs ventes. À l'échelle mondiale, ce chiffre est plus proche de 14 %, il est donc juste de supposer que les ventes de véhicules électriques en Chine, en pourcentage de leur part de marché, sont beaucoup plus élevées qu'aux États-Unis, ce qui maintient ce pourcentage mondial beaucoup plus élevé à mesure que les États-Unis rattrapent leur retard.
Pour effectuer notre analyse classée, nous utilisons un filtre simple pour filtrer par part de ventes ; nous quittons tous les pays puis appliquons un calcul max() pour obtenir l'ordre de la part EV la plus élevée par pays.
# 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
Cette liste contient de nombreuses informations fascinantes.
Notez que les pays où les ventes de véhicules sont importantes, comme les États-Unis et le Japon, font baisser les ventes totales de véhicules électriques. La Chine augmente donc le pourcentage avec ses ventes de véhicules n°1 par pays, plus un pourcentage élevé de 29 % des ventes globales de véhicules électriques.
On note également les pays d’Europe du Nord dont les ventes tendent vers le VE uniquement. L'Europe du Nord dispose de réglementations qui accordent des exonérations de TVA aux producteurs de véhicules électriques, d'objectifs d'émissions agressifs et d'autres réglementations qui ont abouti à cette transition rapide vers les véhicules électriques en Europe du Nord.
À mesure que l’adoption des véhicules électriques s’accélère, il vaut la peine d’étudier comment l’infrastructure de recharge s’adapte. Pour le contexte, il existe 3 principaux types de chargeurs :
Niveau 1 : Prise secteur résidentielle standard de 120 V (ce que vous utilisez pour brancher des objets de tous les jours à la maison ; ce type de charge est très lent, faisant généralement 120 V à 14 ampères = ~ 1,7 kW avant les pertes d'efficacité pour une batterie EV de 80 kW. Cela signifie un minimum de 47 heures pour une charge complète (en réalité plus en raison des pertes d'efficacité/de la puissance réelle fournie à la batterie), ce qui est une solution assez intéressante pour les utilisateurs qui ont moins de déplacements domicile-travail et peuvent utiliser les infrastructures publiques selon leurs besoins.
Niveau 2 : Installable dans les applications résidentielles (les sécheuses électriques domestiques utilisent généralement 240 V) et les bornes de recharge des infrastructures publiques les plus courantes ; le niveau 2 à la maison atteint généralement 48 A, parfois inférieur. 240 V à 48 A = 11,5 kW en crête, délivrant de manière réaliste moins de puissance. Avec une infrastructure de niveau 2, une batterie de 80 kW peut être chargée en 5 à 9 heures. Il s'agit de la meilleure solution pour la maison, car vous pouvez facilement obtenir une charge complète pendant la nuit, et pour les infrastructures publiques, elle permet de recharger ou de recharger complètement en cas de stationnement prolongé. Ce n’est pas la solution pour les trajets nécessitant une recharge plus rapide entre les arrêts.
Niveau 3 (DCFC) : La recharge rapide CC est une option purement commerciale qui ne peut pas être installée à la maison. Ces chargeurs permettent de remplir un véhicule de vide à plein en moins d’une heure. C’est la solution de recharge qui s’apparente à un remplissage à la pompe. Ce type de recharge a un coût proportionnellement plus élevé pour des raisons de commodité. Les chargeurs de niveau 3 vont de 50 kW à 350 kW ; à 350 kW, une batterie de 80 kW pourrait être complètement chargée en moins de 20 minutes.
Dans notre ensemble de données, lorsque le fournisseur de données fait référence à une recharge lente, il fait référence à une infrastructure publique de niveau 2. Lorsqu’ils font référence à la recharge rapide, ils font référence à l’infrastructure de niveau 3.
Nous commençons par visualiser la croissance des chargeurs aux États-Unis et en Chine.
Nous notons que la croissance en Chine présente une courbe de croissance extrêmement impressionnante pour la recharge rapide, tandis que les États-Unis ont connu une croissance rapide pour les chargeurs lents et une croissance à la traîne pour la recharge rapide.
Chargeurs rapides installés en Chine/vente de VE en 2022 : 760 000/4,4 M (0,17)
Chargeurs rapides installés aux États-Unis/vente de VE en 2022 : 28 000/800 000 (0,035)
Chargeurs lents installés en Chine/vente de VE en 2022 : 1 M/4,4 M (0,22)
Chargeurs lents installés aux États-Unis/vente de véhicules électriques en 2022 : 100 000/800 000 (0,125)
Les expériences de recharge varient. Dans certains scénarios, des lignes ou des chargeurs entièrement occupés peuvent exister. Dans d’autres, les chargeurs peuvent être très peu utilisés. Des facteurs tels que la proximité d’un parking important, les prix, etc. ont des impacts évidents.
En moyenne, les chargeurs restent inutilisés un pourcentage élevé du temps. Pour que l’installation de recharge vaille la dépense en capital, les installateurs doivent être en mesure de projeter un taux d’utilisation qui les rend rentables dans un délai raisonnable (comme tout investissement).
L’adoption des véhicules électriques s’est accélérée ces dernières années à un rythme rapide. Dès que les chiffres pour 2023 seront publiés, nous assisterons probablement à une croissance similaire à celle des années précédentes. Allez-y, explorez cet ensemble de données et glanez vos propres idées ; notre analyse est naturellement incomplète : il y a de nombreux champs dans l'ensemble de données que nous avons ignorés et qui fourniraient toutes sortes d'informations intéressantes (projections, ventes de fourgonnettes/camions/autres types de véhicules intéressants, etc.).
Pour accéder directement à l’ensemble de données et à l’analyse :
https://app.quadratichq.com/file/4251cd97-e14d-4788-baf2-9d161eb10625
Base de données:
https://www.kaggle.com/datasets/padmapiyush/global-electric-vehicle-dataset-2023
Autres sources :
Ventes de véhicules : https://www.oica.net/category/production-statistics/2022-statistics/
Informations sur la recharge : https://www.transportation.gov/rural/ev/toolkit/ev-basics/chargement-speeds