image
Home Journals Electric Power
Electric Power

Abbreviation (ISO4): Electric Power      Chairperson: Changyu OUYANG

About  /  Aim & scope  /  Editorial board  /  Indexed  /  Contact  / 
Online first  /  Current issue  /  All issues  /  Top access  /  RSS

Electric Power >

2026 , Vol. 59 >Issue 8: 215 - 225

DOI: https://doi.org/10.11930/j.issn.1004-9649.202605044

Original article

Diffusion evolution and policy effects of fuel cell electric vehicles under electricity-hydrogen-carbon synergy

  • Wenjun CHEN , 1 ,
  • Yue YUAN , 1 ,
  • Mingyue HU , 2 ,
  • Nian LIU , 1, 3 ,
  • Chuanbo XU , 1
Expand
  • 1 School of Economics and Management， North China Electric Power University， Beijing 102206， China
  • 2 School of Economics and Management， China University of Geosciences（Beijing）， Beijing 100083， China
  • 3 State Key Laboratory of New Energy Power Systems （North China Electric Power University）， Beijing 102206， China

Received date: 2026-05-13

  Revised date: 2026-07-31

  Online published: 2026-09-03

Supported by

National Natural Science Foundation of China（No.U23B20124）；National Natural Science Foundation of China（No.72303063）；Beijing Social Science Fund(24JCB037)

Fold

Abstract

Against the backdrop of coordinated advancement of the new power system and the＂dual carbon＂goals，the growth of China＇s fuel cell electric vehicle（FCEV）stock still significantly lags behind planning targets，urgently calling for a systematic analysis of its diffusion mechanisms and policy effects.Therefore，this paper adopts the system dynamics（SD） method to construct an integrated simulation model incorporating key factors including technological progress， energy economic conditions，infrastructure development and policy support.The model systematically characterizes the evolutionary pathways and complex feedback structures of the FCEV market under multi-policy interactions.A variety of scenarios are set to simulate the dynamic impacts of different policy instruments and their combinations on FCEV stock， market competitiveness and carbon emissions.The analytical results indicate that，1）although the FCEV market exhibits certain endogenous growth potential under the benchmark scenario，the internal positive feedback mechanism of the system has not been fully activated，making it difficult to achieve large-scale diffusion spontaneously.2）Technological progress and R＆D support provide fundamental support for long-term industrial expansion by reshaping the cost reduction trajectories.Hydrogen production electricity prices and energy efficiency exert significant amplifying effects on market scale through operating cost channels.Hydrogen refueling infras-tructure exhibits phased characteristics evolving from＂rigid constraint＂to＂network effect＂.3）Multi-policy synergy can significantly amplify the effectiveness of individual policy instruments，which serves as a key condition to drive the transition of FCEVs from policy-driven diffusion to market self-reinforced diffusion.This study uncovers the internal mechanism of China＇s FCEV industry from the perspectives of system evolution and policy synergy，and provides quantitative evidence and decision-making references for optimizing policy portfolios and improving the efficiency of low-carbon transition in the transportation sector.

Key words： fuel cell electric vehicles; system dynamics; policy synergy; diffusion mechanisms; low-carbon transport

Cite this article

Wenjun CHEN , Yue YUAN , Mingyue HU , Nian LIU , Chuanbo XU . Diffusion evolution and policy effects of fuel cell electric vehicles under electricity-hydrogen-carbon synergy[J]. Electric Power, 2026 , 59(8) : 215 -225 . DOI: 10.11930/j.issn.1004-9649.202605044

0 引言

在全球气候变化与资源环境约束不断强化的背景下，交通运输领域已成为温室气体减排的关键突破口之一  [1-2] 。中国交通领域终端能源消费中化石能源占比长期较高，机动车保有量持续增长带来的能源消耗与碳排放问题日益突出  [3] 。在此背景下，以电动化和低碳化为核心特征的新能源汽车被视为推动交通绿色转型的重要路径  [4-5] 。其中，氢燃料电池汽车（fuel cell electric vehicle，FCEV）具有零排放、续航里程长和补能效率高等优势，尤其适用于重卡、公交及中长距离运输等场景，是实现交通深度脱碳的重要技术方向  [6] 。在＂双碳＂目标约束下，碳减排政策通过提高高碳能源使用成本、强化低碳技术激励等方式，持续推动交通能源结构优化和清洁能源替代，为 FCEV 产业发展创造了有利政策环境。中国已将氢能及燃料电池汽车纳入国家能源转型战略，《2030年前碳达峰行动方案》和《氢能产业发展中长期规划（2021—2035年）》等文件明确提出推动 FCEV规模化发展目标  [7] 。然而，截至2025年10月，中国FCEV保有量仅为31780辆，明显低于政策预期，表明其扩散过程仍面临显著结构性约束  [8] 。
尽管近年来中国在氢能及燃料电池汽车领域持续加大政策支持力度  [9] ，但 FCEV 的市场扩散进程仍明显滞后于政策预期  [10-11] 。这一现象表明，FCEV 的发展瓶颈并非简单源于政策力度不足，更可能与不同政策工具之间的作用路径、反馈结构及其相互匹配程度密切相关。围绕 FCEV 发展路径与政策效果，已有研究从经济性、政策工具及阶段特征等方面展开分析。文献[12-15]指出，氢气价格与整车成本是制约 FCEV 推广的关键因素，只有在氢价下降和规模化降本条件下，FCEV才能具备与传统燃油车（internal combustion enginevehicle，ICEV）及其他新能源汽车竞争的条件  [16] 。在政策工具方面，既有研究主要关注购置补贴、燃料补贴及基础设施补贴等政策的短期效应，文献[17-22]认为补贴在初期具有显著刺激作用，但边际效应随退坡减弱，而降低氢价与完善基础设施对中长期扩张更为关键。同时，部分研究指出，不同政策工具在产业发展的不同阶段具有差异化作用，单一政策难以持续支撑产业扩张  [23-26] 。尽管上述研究识别了关键影响因素，但仍存在以下不足：1）多将政策工具视为独立变量，缺乏对多政策交互作用及系统反馈机制的刻画，难以解释政策叠加下扩散缓慢的现象  [27-31] ；2）多聚焦局部区域或单一车型，对全国范围下 FCEV 保有量的动态演化关注不足  [17-18,20-21,32-34] ；3）对电力系统、碳市场与氢能产业链之间的耦合关系考虑有限，难以反映能源转型背景下的系统约束  [35-36] 。
基于上述不足，本文从系统协同与动态演化视角出发，认为 FCEV 扩散是嵌入电力系统与氢能产业链耦合结构中的复杂系统过程  [37] ，各要素通过多重反馈路径共同作用于市场演化  [38] 。为此，本文采用系统动力学（system dynamics，SD）方法，构建涵盖车辆市场、氢能供给、基础设施建设与政策环境的综合模型，在电氢耦合框架下刻画 FCEV 扩散路径及反馈机制。通过参数校准与历史数据验证，设置技术进步、能源经济条件、基础设施建设及多政策协同情景，模拟分析不同政策工具及其组合对 FCEV 保有量、扩散速度及阶段特征的影响，并系统评估政策协同效应。研究结果有助于识别不同政策在产业发展各阶段的作用差异，为优化政策组合与促进 FCEV规模化发展提供定量依据。与现有研究相比，本文从系统协同与动态反馈视角揭示了多政策协同作用下的扩散机制及其阶段性影响规律，丰富了FCEV 扩散研究的系统分析框架。此外，本文构建的 SD 模型可为数智化决策支持系统中的政策评估与智能推演提供分析基础。

1 因果关系模型构建

1.1 研究框架与系统边界界定

FCEV 的推广并非单一技术扩散过程，而是嵌入能源系统、交通系统与政策体系中的复杂社会-技术系统演化结果。其发展受制氢成本、电力价格、基础设施供给、技术进步及多层级政策工具等因素共同影响，并通过市场反馈机制动态演化。因此，有必要采用能够刻画多要素耦合关系的方法对其进行系统分析。
SD 方法强调变量间的因果关系与反馈回路，能够描述政策、市场与技术因素的动态交互，已广泛应用于能源转型与新能源汽车研究  [39] 。基于此，本文以中国 FCEV 保有量为核心，构建 SD 模型，对不同政策工具及其组合下的扩散路径进行仿真分析。
在系统边界设定上，本文将系统划分为车辆市场、氢能供给、基础设施建设与政策环境4个子系统，并引入纯电动汽车（battery electric vehicle， BEV）和 ICEV 作为竞争技术路径，以刻画不同车型间的动态替代关系。外生变量包括宏观经济环境、成品油供给及电力系统运行条件，假定其在研究期内相对稳定，并通过价格或需求弹性影响系统运行。
该系统边界的设定旨在突出以下研究重点：1）不同政策工具通过影响成本结构与使用便利性如何作用于消费者购车决策；2）基础设施供给与市场需求之间是否存在正反馈或约束效应；3）多政策组合条件下系统是否能够形成稳定的自我强化机制，从而支撑 FCEV 的规模化扩散。

1.2 系统因果机制分析与反馈回路构建

在上述系统边界内，FCEV 保有量的变化由多条正负反馈回路共同决定。为明确不同变量之间的作用路径，本文首先构建系统因果关系，对关键机制进行定性分析，如图1所示。其中，R表示正反馈回路，B 表示负反馈回路，正负反馈回路的判定取决于回路中的负号＂-＂个数：如果是偶数个为正反馈回路，反之则为负反馈回路。
1）车辆市场子系统：技术进步—成本下降—需求扩张机制。技术进步是 FCEV 发展的核心驱动力。随着保有量增加，规模效应与学习效应推动整车及关键部件成本下降，进而提升车辆经济性并增强购车意愿，促进需求与保有量持续增长，形成＂技术进步—成本下降—需求扩张＂的正反馈回路。
图1 中国氢燃料电池汽车保有量预测因果关系

Fig. 1 Causal loop of FCEV stock evolution in China

2）基础设施建设子系统：供给—便利性—扩散机制。加氢站供给水平直接影响车辆使用便利性与用户接受度。基础设施完善可降低使用成本与不确定性，促进 FCEV 需求增长；同时，保有量提升又增强基础设施投资动力，推动网络扩张，形成正反馈机制。若基础设施建设滞后，则对市场扩散产生约束作用。
3）氢能供给子系统：能源价格—运行成本—竞争机制。FCEV与 BEV、ICEV 之间的竞争主要通过运行成本体现。氢气价格、电价与燃油价格的变化影响不同技术路径的经济性，从而改变市场竞争格局。其中，制氢电价与能效提升有助于降低 FCEV 运行成本，增强其市场竞争力。
4）政策环境子系统：碳约束一政策调节机制。碳约束与相关政策通过提高高排放技术使用成本，引导市场向低碳技术转型。当碳排放压力上升时，政策强度相应增强，促进 FCEV 与 BEV扩散，形成以政策调节为主导的反馈机制。
上述子系统通过多重反馈关系共同作用，决定FCEV 在不同政策情景下的扩散路径与演化特征。

2 流量存量模型构建

2.1 流量存量结构

在明确系统因果机制的基础上，本文将定性反馈关系转化为定量的存量-流量结构，构建 SD模型，如图2所示。模型以 FCEV、BEV 和 ICEV保有量为核心存量，通过新增销售量与报废量刻画其动态变化过程。其中，<Time>和<INITIAL TIME>是 Vensim 中的内置变量，<Time>表示当前所处的仿真年份，<INITIAL TIME>表示仿真初始时间。
图2 中国氢燃料电池汽车保有量预测流量存量

Fig. 2 Stock-and-flow of FCEV ownership prediction in China

FCEV 新增销售量受购置成本、运行成本、使用便利性及政策激励等因素影响，报废量由车辆寿命决定。氢气价格由制氢成本、储运成本及供需关系共同决定，其中制氢成本受电价与电解效率影响。加氢站数量由年度新增建设量累积形成，其变化主要受政策支持与建设周期约束。
该结构反映了政策通过成本与基础设施供给影响需求决策，需求变化进一步作用于产业发展并形成反馈机制，同时不同车型在能源价格与政策环境变化下呈现竞争与替代关系。

2.2 流量存量模型关键变量与参数设定

本文基于广义年化总成本的比较逻辑，综合考虑车辆购置成本、运行成本、加氢便利性及政策激励等因素对 FCEV 市场竞争力的影响，并结合市场经验扩散系数表征消费者采纳过程。上述因素通过影响 FCEV 市场渗透率变化，进而作用于新增销售量及保有量演化过程。
以2022年为模型初始化及参数校准基准年，主要依据国家统计数据、行业报告及已有研究成果获取。对于技术学习率、研发补贴系数、政府环保力度等难以直接获取统计数据的参数，参考相关研究成果并结合中国氢能产业发展实际进行校准设定。参数选取遵循现实可解释性优先原则，即优先采用具有明确现实含义和政策背景的方程及参数设定。SD 模型基准情景下主要参数取值如表1所示。
需要说明的是，本文采用的 FCEV 购置总成本主要用于表征产业发展初期阶段的综合成本水平，除整车购置成本外，还包含燃料电池系统、储氢系统等关键部件成本以及技术成熟度较低阶段形成的溢价成本。因此，该参数并不完全对应当前商业化车型的实际销售价格，而主要用于刻画成本下降对 FCEV 市场竞争力及扩散过程的影响。
表1 基准情景下模型主要参数取值

Table 1 Main parameter settings under the baseline scenario

参数 数值
FCEV初始保有量/万辆 1.2682[40]
FCEV增长率/％ 4
FCEV百公里耗氢量/kg 8 [41]
FCEV维护成本/（元•（辆•年） -1 ） 5000
FCEV行驶里程/（ km⋅ 年  -1 ） 120000 [42]
FCEV购置总成本/万元 112
加氢站初始数量/座 358 [43]
平均供应能力/（t ⋅ 年  -1 ） 365
基准电价/( 元 ⋅(kW⋅h)-1) 0.6
建站周期/年 3 [44]
燃油价格/（元 • L-1 ） 7
电解水制氢电耗/（ kW⋅h ） 50

2.3 参数设定与模型有效性检验

在模型有效性检验方面，本文从 2 个层面进行验证：1）通过维度一致性检验，确保模型内部变量在量纲上保持一致；2）通过历史情景回溯，将模型预测结果与2022-2024年中国 FCEV、BEV 和 ICEV 保有量实际数据进行对比。结果如表2所示，各主要状态变量预测值与历史数据变化趋势总体一致，误差均控制在合理范围内。
为进一步评价模型拟合效果，计算主要验证变量的均方根百分比误差（root mean square percentage error，RMSPE）。结果显示，BEV 保有量、FCEV保有量和 ICEV 保有量的 RMSPE 分别约为2.21％、1.99% 和 0.34% ，均低于 5% ，表明模型能够较好反映中国汽车保有量结构的历史演化特征，满足后续情景模拟与趋势分析需求。
表2 模型重点存量历史检验结果

Table 2 Historical validation results of key stock variables in the model

年份 BEV保有量 FCEV保有量 ICEV保有量
预测数据/万辆 实际数据/万辆 误差率/％ 预测数据/万辆 实际数据/万辆 误差率/％ 预测数据/万辆 实际数据/万辆 误差率/％
2022 1045.00 1045 0.00 1.2682 1.2682 0.00 30700.0 30700 0.00
2023 1505.63 1552 2.99 1.8052 1.8487 -2.35 31774.5 31600 0.55
2024 2262.07 2209 2.40 2.7334 2.6664 2.51 30840.3 30900 -0.19
需要说明的是，SD 模型主要用于揭示复杂系统的演化趋势及反馈机制，其重点在于刻画不同因素之间的动态作用关系，并非对未来市场规模进行精确预测。因此，本文更关注不同政策情景下 FCEV 扩散路径及政策效果的相对变化规律，以识别影响产业发展的关键机制并为政策优化提供参考。

3 政策作用机制与氢燃料电池汽车扩散路径分析

3.1 基准情景下（business-as-usual，BAU）氢燃料电池汽车扩散的内生动力与结构性约束

在基准情景下，即维持当前技术进步水平、能源价格及政策强度不变的条件下，中国 FCEV保有量在2022—2035年呈持续增长，但整体扩散速度有限，难以实现＂百万辆级＂发展目标，表明 FCEV 市场虽具备内生增长能力，但系统内部扩散动力仍不足以支撑其快速规模化发展。
仿真结果显示，FCEV 保有量由2022年的约1.27 万辆增至2035年的约59.33万辆，呈现明显阶段性特征。在起步阶段（2022—2025年），受购置成本高和基础设施不足约束，扩张缓慢；在中期阶段（2026—2030年），随着示范应用推进，增速有所提升；而在后期阶段（2031—2035年），虽逐步形成技术学习与规模效应驱动的正反馈，但受成本下降与基础设施供给约束，扩张动能仍有限。
总体来看，BAU 情景下 FCEV 市场虽具备一定内生增长潜力，但正反馈机制尚未充分激活，产业发展仍依赖政策驱动，扩散路径呈现出＂渐进扩张＂的特征，难以实现规模化跃迁。

3.2 技术进步与研发政策

技术进步通过降低整车成本和提升系统可靠性，是支撑 FCEV 长期扩散的基础机制。因此，本文设置技术研发政策情景如表3所示。仿真结果如图3所示，可以看出，提高技术学习率与研发补贴强度可在中长期显著提升 FCEV 保有量，而削弱或取消研发支持则抑制市场扩张。
结果表明，高技术进步情景下2035年 FCEV保有量较基准情景提高约5.11％，无研发补贴情景下降约1.89％。该差异短期不显著，但随时间逐步扩大，体现出技术学习效应的累积性特征。
表3 大力推动技术研发政策情景设定

Table 3 Scenario settings for enhanced technology R＆D policies

政策情景 FCEV技术研发学习率 FCEV研发补贴系数
基准情景BAU 1.05 1.10
高技术进步情景A1 1.30 1.30
低技术进步情景A2 1.15 1.20
无补贴情景A3 1.00 1.00
图3 大力推动技术研发政策下仿真结果

Fig. 3 Simulation results under enhanced technology R＆D policy scenario

从作用机制上看，研发政策主要通过提高技术学习率、加快成本下降，增强 FCEV 长期竞争力，并间接促进需求增长，而非直接拉动短期销量。若研发投人不足或过早退出，将削弱中长期扩散动力。

3.3 能源经济条件

相较于技术进步主要通过长期成本路径发挥作用，能源经济条件（尤其是电价与电解能效）对 FCEV 扩散具有更直接的影响。因此，本文设置能源经济情景如表4所示。仿真结果如图4所示，可知氢气价格通过运行成本迅速传导至需求侧，对市场规模产生显著影响。
结果表明，低能源成本情景下2035年FCEV保有量较基准情景提高约12.35％，高能源成本情景下降约19.44％。相较于技术进步，能源经济条件影响更强且作用更早，表明运行成本对当前阶段扩散具有显著约束作用。
表4 优化能源经济条件情景设定

Table 4 Scenario settings for optimized energy econom- ic conditions

政策情景 基准电价/ ( 元 ⋅(kW⋅h)-1) 电解水制氢电耗/ ((kW⋅h)⋅kg-1)
基准情景BAU 0.60 50
低能源成本情景B1 0.40 40
高能源成本情景B2 0.80 60
图4 优化能源经济条件下仿真结果

Fig. 4 Simulation results under optimized energy economic conditions

从作用机制上看，电价下降与电解能效提升通过降低运行成本，直接增强 FCEV 经济性并促进需求增长，同时改善市场预期，加快扩散进程。因此，能源经济条件在系统中发挥非线性增强作用：成本下降将加速扩散，而高成本则显著抑制市场发展。

3.4 基础设施建设

加氢基础设施是 FCEV 扩散的关键约束条件。因此，本文设置基础设施情景如表5所示。仿真结果如图5所示，可知加快加氢站建设、提升供氢能力并强化补贴可显著扩大市场规模，而建设滞后则抑制扩散。
表5 完善基础设施建设情景设定

Table 5 Scenario settings for improved infrastructure development

政策情景 购车补贴/万元 加氢站建设补贴系数 政府环保力度
基准情景BAU 0 1.20 1.20
强政策支持情景C1 80 1.40 1.40
弱政策支持情景C2 40 1.00 1.00
图5 完善基础设施建设下的仿真结果

Fig. 5 Simulation results under improved infrastructure development

结果表明，强化基础设施情景下2035年 FCEV保有量达约78.29万辆，较基准情景提高约31.97％；反之，基础设施不足将明显限制市场发展。加氢站数量与 FCEV 保有量呈显著正向耦合关系。
从作用机制上看，基础设施在早期表现为＂硬约束＂，直接限制市场扩散；当网络规模达到一定水平后，其作用转化为＂网络效应＂，通过提升使用便利性和投资回报预期促进需求增长，并与车辆扩散形成正反馈。因此，基础设施规模化布局是推动 FCEV 由缓慢扩散迈向加速扩散的关键条件。

3.5 多政策协同

单一政策在特定阶段虽具有一定作用，但其边际效应呈递减趋势。本文设置多政策协同情景如表 6 所示。仿真结果如图 6 所示，可知只有在技术进步、能源经济优化与基础设施建设协同推进下，系统内部正反馈机制才能持续强化，从而推动 FCEV 扩散实现阶段性扩散转变。
表6 政策协同优化情景设定

Table 6 Scenario settings for policy synergy optimization

政策情景 技术进步水平 政策与基础设施支持
BAU 中技术进步情景 中政策支持情景
S1 高技术进步情景 低能源成本情景 强政策支持情景
S2 低技术进步情景 弱政策支持情景
图6 多政策协同优化下的仿真结果

Fig. 6 Simulation results under policy synergy optimization

从作用机制上看，多政策协同通过同时作用于技术、成本与基础设施等关键环节，强化系统内生动力，推动扩散路径由＂政策驱动＂向＂自我强化＂转变。因此，政策协同是实现FCEV规模化发展的关键条件。

3.6 不同政策工具的阶段适配性与边际效应比较

综合前述结果，FCEV 扩散呈现明显的阶段性演化特征，不同政策工具在各阶段的作用机制与边际效应存在显著差异。为进一步识别不同政策工具在各阶段的实际贡献，图7 a）基于各情景相对于 BAU 的边际增长效应，对比不同政策在各阶段的作用强度；图7 b）展示了不同政策情景下FCEV 保有量的整体扩散路径差异。
图7 不同政策工具对 FCEV 扩散的阶段性影响

Fig. 7 Stage-specific impacts of different policy instruments on FCEV diffusion

在启动阶段（2022—2025年），市场规模较小且成本较高，系统尚未形成稳定正反馈，需求侧政策主要通过降低进入门槛发挥触发作用，但由于产业基础仍然薄弱，此类政策的边际效应高度依赖财政投入，难以单独支撑长期市场扩张。
在放大阶段（2026—2030年），能源经济条件与基础设施成为主导因素。图7 a）表明，该阶段能源成本优化与基础设施建设的边际贡献显著高于技术政策，运行成本下降与网络效应共同加速市场扩散，并带动氢气成本持续下降，形成需求与供给的正向耦合。
在内生强化阶段（2031—2035年），技术进步成为主导因素。随着成本持续下降与规模效应累积，系统逐步转向以内生动力驱动的自我强化扩散，技术学习通过重塑长期成本路径，对扩散产生持续影响。
进一步比较单一政策与多政策协同情景可以发现，不同政策工具作用于 FCEV 扩散链条的不同环节。单一政策虽然能够缓解特定约束，但难以同时解决成本、基础设施和技术进步等多重瓶颈，其边际促进作用随着产业规模扩大逐渐减弱。相比之下，多政策协同通过同时改善需求侧激励、供给侧成本和基础设施条件，能够增强系统内部正反馈回路的联动效应，从而表现出显著高于单一政策情景的扩散效果。
结合图7b）可以发现，多政策协同情景下扩散规模显著高于单一政策，且在放大阶段后呈现明显加速趋势。同时，协同情景下运行成本与碳排放水平显著下降，进一步强化市场扩散动力，体现出政策协同的综合放大效应。
综上，不同政策工具具有显著阶段适配性：启动阶段以需求引导为主，放大阶段以成本优化与基础设施为核心，强化阶段依赖技术进步支撑。政策设计应实施动态组合与阶段递进，以促进 FCEV 由政策驱动向自我强化扩散转变。

4 结论

本文构建了考虑电力系统与氢能产业链耦合关系及碳约束政策环境的 FCEV 扩散系统动力学模型，系统分析了技术进步、能源经济条件、基础设施建设及多政策协同对 FCEV 扩散的动态影响，并开展多情景仿真分析，得到以下结论。
1）基准情景下，FCEV市场虽保持持续增长，但扩散速度难以满足规划目标，表明现有政策组合尚未有效激活系统内部正反馈机制，市场仍缺乏实现规模化扩散的内生动力。
2）技术进步与研发支持通过重塑成本下降路径持续提升 FCEV 市场竞争力，是支撑产业长期扩散的重要驱动力；能源经济条件直接影响车辆运行成本，其中制氢电价与能效水平对市场扩张具有显著放大作用。
3）加氢基础设施对 FCEV 扩散具有明显阶段性影响。在产业发展初期，其主要表现为制约车辆推广的刚性约束；随着网络规模扩大，其促进作用逐步增强并形成网络效应，是推动市场进入快速扩散阶段的重要支撑。
4）多政策协同能够有效强化系统内部正反馈机制，其促进效果明显优于单一政策工具，是推动 FCEV 由政策驱动扩散向市场自我强化扩散转变的重要条件。
5）研究结果表明，FCEV 扩散具有明显阶段性特征，不同发展阶段面临的关键约束因素存在差异。因此，应根据产业发展阶段动态优化政策组合，统筹推进技术创新、能源经济性提升、加氢基础设施建设及政策协同，逐步推动产业由政策驱动向市场驱动转变。
本文仍存在一定局限性。模型参数主要依据统计数据及文献资料确定，未来可结合企业及用户微观数据进一步校准；研究对象基于全国尺度，尚未考虑区域差异，后续可开展区域异质性分析；此外，本文仅考虑碳约束背景下政策环境影响，尚未将动态碳价格形成机制及碳交易市场纳入系统内部反馈结构，未来可进一步构建电力系统、氢能产业链与碳市场协同耦合模型，以提高模型对 FCEV 产业演化过程的刻画能力。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
SU J Y, LIN Q L, CHEN M H. Optimizing carbon footprint in long- haul heavy-duty E-Truck transportation[J]. Nature Communications, 2025, 16: 9562.

[2]
SPEIZER S, FUHRMAN J, ALDRETE LOPEZ L, et al. Integrated assessment modeling of a zero-emissions global transportation sector[J]. Nature Communications, 2024, 15: 4439.

[3]
ZHANG S J, ZHAO P, WANG F, et al. Feasibility,cost and decarbonization potential of clean pathways for heavy-duty road transportation[J]. Nature Reviews Clean Technology, 2025, 1(12): 846-860.

[4]
徐婷婷, 龙羿, 胡晓锐, 等. ＂车-路-网＂耦合下含多类型充电桩协同的充电站规划[J]. 电力建设, 2025, 46(7):95-107.

XU Tingting, LONG Yi, HU Xiaorui, et al. A cooperative planning method for multi-type charging pile station based on vehicle-road-network coupling[J]. Electric Power Construction, 2025, 46(7): 95-107.

[5]
沈峰, 马铁驹, 赵兴荣, 等. 激励政策退坡下私家电动汽车扩散分析:以上海市为例[J]. 管理科学学报, 2021, 24(9):79-104.

SHEN Feng, MA Tieju, ZHAO Xingrong, et al. Diffusion of private electric vehicles with the fade-out of incentive policies:the case of Shanghai[J]. Journal of Management Sciences in China, 2021, 24(9): 79-104.

[6]
陈洪波, 杨来. 碳中和目标下中国氢能产业发展的路径选择[J]. 中国人口.资源与环境, 2024, 34(10):94-105.

CHEN Hongbo, YANG Lai. Path selection for China＇s hydrogen industry development under the goal of carbon neutrality[J]. China Population Resources and Environment, 2024, 34(10):94-105.

[7]
彭苏萍. 中国氢(泛氢)能源发展现状及政策建议[J]. 国际石油经济, 2025, 33(11):1-8.

PENG Suping. The status of pan-hydrogen energy development in China and policy recommendations[J]. International Petroleum Economics, 2025, 33(11):1-8.

[8]
中国汽车技术研究中心有限公司. 氢能汽车蓝皮书:中国车用氢能产业发展报告(2024)[M]. 北京: 社会科学文献出版社, 2025.

China Automotive Technology andResearch Center Co.Ltd. Blue book of hydrogen energy vehicles:annual report on the development of automotive hydrogen industry in China(2024)[M]. Beijing: Social Sciences Academic Press, 2025.

[9]
彭生江, 杨德州, 孙传帅, 等. 基于氢负荷需求的氢能系统容量规划[J]. 中国电力, 2023, 56(7):13-20, 32.

PENG Shengjiang, YANG Dezhou, SUN Chuanshuai, et al. Capacity planning of hydrogen production and storage system based on hydrogen load demand[J]. Electric Power, 2023, 56(7):13-20, 32.

[10]
王意东, 许苏予, 何太碧, 等. 中国氢能及燃料电池产业政策研究及启示[J]. 天然气工业, 2024, 44(5):136-145.

WANG Yidong, XU Suyu, HE Taibi, et al. Research and implication of China＇s hydrogen energy and fuel cell industrial policies[J]. Natural Gas Industry, 2024, 44(5):136-145.

[11]
GUO X P, LI W J, REN D F, et al. Prospects for the development of hydrogen fuel cell vehicles in China[J]. Renewable Energy, 2025, 240: 122231.

[12]
李跃娟, 赵梓茗, 姚占辉, 等. 中国典型区域车用氢能源产业及经济性分析[J]. 北京工业大学学报, 2022, 48(3):331-344.

LI Yuejuan, ZHAO Ziming, YAO Zhanhui, et al. Hydrogen energy industry and economic analysis for vehicles in representative regions of China[J]. Journal of Beijing University of Technology, 2022, 48(3):331-344.

[13]
郝旭, 陆贤涛, 杨静, 等. 中国零碳商用车市场渗透率建模:以重型长途牵引货车为例[J]. 汽车工程, 2024, 46(2):253-259.

HAO Xu, LU Xiantao, YANG Jing, et al. Modeling on the penetration rate of China＇s commercial vehicle market:taking heavy-duty long-haul trucks as an example[J]. Automotive Engineering, 2024, 46(2):253-259.

[14]
HU M Y, YUAN Y, WANG Z L, et al. TCO analysis of commercial vehicles considering refined temperature impacts across various provinces in China[J]. Energy for Sustainable Development, 2025, 87: 101726.

[15]
RODRIGUES A L P, WELLS P, CIPCIGAN L, et al. Forecasting the costs of battery electric buses:a system dynamics model perspective[J]. Research in Transportation Business＆Management, 2024, 57: 101223.

[16]
王欢, 张绪美, 鲍婷婷. 中国新能源汽车市场扩散研究:基于修正的 Bass 模型[J]. 运筹与模糊学, 2024(1):872-878.

WANG Huan, ZHANG Xumei, BAO Tingting. Research on market diffusion of new energy vehicles in China:based on the improved bass model[J]. Operations Research and Fuzziology, 2024(1): 872-878.

[17]
HU B, ZHANG J H. The impact of hydrogen fuel cell heavy-duty trucks purchase subsidies on air quality[J]. Environmental Science and Pollution Research, 2024, 31(37):49481-49497.

[18]
CHEN N, WANG S, HE Y D. Integrating hydrogen fuel cell trucks into freight transport:scenarios for costs,emissions,and policy in China[J]. Energy, 2025: 138609.

[19]
GAO J Y, XU X L, ZHANG T. Forecasting the development of clean energy vehicles in large cities:a system dynamics perspective[J]. Transportation Research Part A:Policy and Practice, 2024,181(C): 103969.

[20]
凌文, 刘玮, 李育磊, 等. 中国氢能基础设施产业发展战略研究[J]. 中国工程科学, 2019, 21(3):76-83.

LING Wen, LIU Wei, LI Yulei, et al. Development strategy of hydrogen infrastructure industry in China[J]. Engineering Sciences, 2019, 21(3):76-83.

[21]
赵振东, 刘国庆, 辛江慧, 等. 基于补贴政策的氢燃料电池汽车产业动力学演化研究:以江苏省为例[J]. 资源与产业, 2023, 25(1): 27-39.

ZHAO Zhendong, LIU Guoqing, XIN Jianghui, et al. Dynamic evolution of hydrogen-fuel cell vehicle(HFCV)industry based on allowance policies in Jiangsu Province[J]. Resources＆Industries, 2023, 25(1):27-39.

[22]
LI Z, WANG W J, YE M, et al. The impact of hydrogen refueling station subsidy strategy on China＇s hydrogen fuel cell vehicle market diffusion[J]. International Journal of Hydrogen Energy, 2021, 46(35): 18453-18465.

[23]
LI C Z, ZHANG L B, OU Z H, et al. Using system dynamics to evaluate the impact of subsidy policies on green hydrogen industry in China[J]. Energy Policy, 2022, 165: 112981.

[24]
JIANG Z Z. Is the promotion policy for hydrogen fuel cell vehicles effective?Evidence from Chinese cities[J]. Energy, 2025, 320: 135469.

[25]
ZENG X H, HUANG Q X, LIU Y Z, et al. Decoding China＇s hydrogen development:a content analysis of policy objectives and instruments[J]. Renewable and Sustainable Energy Reviews, 2025, 217: 115729.

[26]
LI Y N, LIANG C C, YE F, et al. Designing government subsidy schemes to promote the electric vehicle industry:a system dynamics model perspective[J]. Transportation Research Part A:Policy and Practice, 2023, 167: 103558.

[27]
LI W Y, YAMAMOTO T, GUAN H Z, et al. Assessing consumer preferences for hydrogen fuel cell vehicles:a conjoint analysis approach across multiple cities in China[J]. International Journal of Hydrogen Energy, 2024, 80:1210-1222.

[28]
FAN X, LI C J. ＂To be unfolding＂or＂be on its last legs＂:preferential tax policies between supply and demand and the development of the new energy vehicle industry based on an ABM model[J]. Energy Policy, 2025, 200: 114552.

[29]
HE Y, YUAN J Q, LIAO N. Exploring the impact of government subsidy on technology innovation and pricing in green hydrogen supply chain[J]. Energy, 2025, 322: 135735.

[30]
叶青. 基于系统动力学的中国氢能源汽车产业发展模型构建与政策仿真研究[D]. 上海:上海财经大学, 2021. YE Qing.Model construction and policy simulation research on the development of China＇s hydrogen energy vehicle industry based on system dynamics[D]. Shanghai: Shanghai University of Finance and Economics, 2021.

[31]
袁家海, 牟琪林, 许传博, 等. 基于系统动力学的中国绿氢产业发展政策仿真[J]. 中国人口.资源与环境, 2023, 33(6):49-58.

YUAN Jiahai, MOU Qilin, XU Chuanbo, et al. Simulation study on the development policy of China＇s green hydrogen industry based on system dynamics[J]. China Population,Resources and Environment, 2023, 33(6):49-58.

[32]
HUANG X J, LI Z R, ZHOU S Z, et al. Market potential of hydrogen fuel cell vehicles in Beijing:a spatial agent-based model approach[J]. Transportation, 2025:1-26.

[33]
周专, 苗帅, 袁铁江. 基于系统动力学的交通领域氢能需求预测[J]. 电力自动化设备, 2024, 44(4):33-39, 47.

ZHOU Zhuan, MIAO Shuai, YUAN Tiejiang. Prediction of hydrogen demand in transportation field based on system dynamics[J]. Electric Power Automation Equipment, 2024, 44(4):33-39, 47.

[34]
ZHU M, DONG P W, JU Y B, et al. Effects of government subsidies on heavy-duty hydrogen fuel cell truck penetration:a scenario-based system dynamics model[J]. Energy Policy, 2023, 183: 113809.

[35]
WANG H R, FENG T T, LI Y, et al. What is the policy effect of coupling the green hydrogen market,national carbon trading market and electricity market?[J]. Sustainability, 2022, 14(21):1-21.

[36]
LI J L, SHI Z L, LIANG Z H. A review on electricity-hydrogen coupling system:methodologies,applications,and prospects[J]. Journal of Modern Power Systems and Clean Energy, 2026, 14(2): 399-415.

[37]
聂荟物, 李雷. 氢能产业高质量发展的系统动力学建模与分析[J]. 太阳能学报, 2025, 46(7):491-502.

NIE Huiyang, LI Lei. System dynamics modeling and analysis onhigh quality development of hydrogen energy industry[J]. Acta Energiae Solaris Sinica, 2025, 46(7):491-502.

[38]
EPPSTEIN M J, GROVER D K, MARSHALL J S, et al. An agent-based model to study market penetration of plug-in hybrid electric vehicles[J]. Energy Policy, 2011, 39(6):3789-3802.

[39]
袁铁江, 张一瑾, 杨紫娟, 等. 基于系统动力学的氢需求量中长期预测[J]. 中国电力, 2023, 56(10):11-21.

YUAN Tiejiang, ZHANG Yijin, YANG Zijuan, et al. Medium and long-term hydrogen load prediction based on system dynamics[J]. Electric Power, 2023, 56(10):11-21.

[40]
DENG L, MOHD RADZI M A, BIN SHAFIE S, et al. Optimization of fuel cell switching control based on power following strategy in fuel cell hybrid electrical vehicle[J]. International Journal of Renewable Energy Development, 2025, 14(2):299-310.

[41]
中国汽车工程学会. 节能与新能源汽车技术路线图 2.0[M]. 北京: 机械工业出版社, 2020.

[42]
WANG G H, MILLER M, FULTON L. Estimating maintenance and repair costs for battery electric and fuel cell heavy duty trucks[R]. University of California,Davis, 2022.

[43]
刘畅, 林汉辰, 史陈芳达, 等. 中国氢燃料电池汽车市场发展现状及展望[J]. 南方能源建设, 2024, 11(2):162-171.

LIU Chang, LIN Hanchen, SHI Chenfangda, et al. Development status and outlook of hydrogen powered fuel cell vehicle market in China[J]. Southern Energy Construction, 2024, 11(2):162-171.

[44]
国家发展和改革委员会, 国家能源局.氢能产业发展中长期规划(2021-2035 年)[EB/OL].( 2022-03-23)[2022-12-01].

Options
Outlines

/

〈 〉