政企合作视角下新能源汽车充电基础设施最优投资模式研究

doi:10.16381/j.cnki.issn1003-207x.2023.1477

摘要/Abstract

摘要：

充电基础设施严重不足是制约广大乡镇地区新能源汽车消费潜力释放的一个关键因素。公共部门（政府）和私营部门（企业）发挥各自优势，建立合作伙伴关系，是解决上述问题的重要途径之一，但目前尚未有文献基于政企合作视角对新能源汽车充电基础设施的最优投资模式展开研究。基于此，本文构建了政府-企业-消费者的博弈模型，考察政府付费、可行性缺口补助以及消费者付费三类不同政企合作模式下新能源汽车充电基础设施投资的效果及其差异，并在此基础上讨论了最优的新能源汽车充电基础设施投资模式选择。研究结果表明：（1）政企合作能够提高新能源汽车充电基础设施建造和运营的投资水平，进而促进新能源汽车的大规模推广。（2）相比政府付费和消费者付费模式，可行性缺口补助模式不仅具有很好的新能源汽车推广效果，还能够提高社会福利水平，因此是最优的新能源汽车充电基础设施投资模式。（3）可行性缺口补助模式下，随着新能源汽车充电基础设施建造和运营成本系数的提高，最优的充电基础设施建造和运营补贴比例逐步下降，最优的充电服务费逐步上升。本文的研究结论将对我国新能源汽车的大规模推广及“双碳”目标的实现具有重要意义。

关键词: 政企合作, 新能源汽车, 充电基础设施, 投资模式

Abstract:

The lack of charging infrastructure has significantly hindered the widespread promotion of new energy vehicles in China. Establishing partnerships between the public sector （government） and the private sector （enterprises） is one important approach to address this issue. In this study， a tripartite game model involving the government， enterprises， and consumers was constructed to examine the effects and differences in investment in electric vehicle charging infrastructure under three types of government- enterprise cooperation models： government-funded， feasibility gap subsidy， and user-funded. Based on this， the optimal investment model for new energy vehicle charging infrastructure is discussed. The research findings indicate that （1） government and enterprise cooperation can enhance investment in new energy vehicle charging infrastructure and promote the large-scale adoption of new energy vehicles. （2） Compared to government-funded and user-funded models， the feasibility gap subsidy model not only has a positive impact on promoting electric vehicles but also enhances social welfare， making it the optimal investment model for new energy vehicle charging infrastructure. （3） Under the feasibility gap subsidy model， the optimal subsidy ratio for the construction and operation of charging infrastructure gradually decreases as the cost coefficient increases， while the optimal charging service fee price level gradually increases. The conclusions of this study are of great significance for the widespread promotion of new energy vehicles in China and the attainment of the transportation sector’s “dual-carbon” goals.

Key words: government-enterprise co-operation, new energy vehicles, charging infrastructure, investment model

中图分类号:

F062.9

李冬冬,林雯窈,高伟伟, 等. 政企合作视角下新能源汽车充电基础设施最优投资模式研究[J]. 中国管理科学, 2026, 34(1): 342-352.

Dongdong Li,Wenyao Lin,Weiwei Gao, et al. Optimal Investment Mode of New Energy Vehicle Charging Infrastructure under Public-private Partnership[J]. Chinese Journal of Management Science, 2026, 34(1): 342-352.

图/表 4

表1

符号设定与说明"

符号	定义与说明
$θ$	消费者对新能源汽车的估值
$ρ$	充电基础设施数量外部性系数， $ρ > 0$
$ϕ$	充电基础设施运营水平外部性系数， $ϕ > 0$
$n$	充电基础设施数量， $n > 0$
$η$	充电基础设施建造成本系数， $η > 0$
$w$	充电基础设施运营水平， $w > 0$
$γ$	充电基础设施运营成本系数， $γ > 0$
$α$	政府付费比例， $α > 0$
$s$	一辆新能源汽车生命周期内平均缴纳的充电服务费， $s > 0$
$c$	新能源汽车边际生产成本， $c > 0$
$d$	新能源汽车的边际环境损害系数， $d > 0$
$p$	新能源汽车价格
$q$	新能源汽车产量
$β$	充电基础设施建造与运营补贴比例
$U$	消费者效用函数
$C S$	消费者剩余函数
$π M$	新能源汽车制造企业利润函数
$π C$	第三方企业利润函数
$S W$	社会福利函数

表1

图1

表2

充电基础设施建造成本系数对可行性缺口补助模式下最优结果的影响"

建造成本系数 $η$	新能源汽车产量 $q S B$	充电基础设施建造数量 $n S B$	充电基础设施运营水平 $w S B$	企业利润 $π S B$	社会福利 $S W S B$
$η = 3.1$	0.2553	0.0824	0.0729	0.0313	0.0128
$η = 3.2$	0.2489	0.0778	0.0711	0.0320	0.0124
$η = 3.3$	0.2432	0.0737	0.0695	0.0325	0.0122
$η = 3.4$	0.2380	0.0700	0.0680	0.0330	0.0119
$η = 3.5$	0.2333	0.0667	0.0667	0.0333	0.0117
$η = 3.6$	0.2291	0.0636	0.0655	0.0336	0.0115

表2

表3

充电基础设施运营成本系数对可行性缺口补助模式下最优结果的影响"

运营成本系数 $γ$	新能源汽车产量 $q S B$	充电基础设施建造量 $n S B$	充电基础设施运营水平 $w S B$	企业利润 $π S B$	社会福利 $S W S B$
$γ = 3.1$	0.2553	0.0730	0.0824	0.0313	0.0128
$γ = 3.2$	0.2489	0.0711	0.0778	0.0320	0.0124
$γ = 3.3$	0.2432	0.0695	0.0737	0.0325	0.0122
$γ = 3.4$	0.2380	0.0680	0.0700	0.0330	0.0119
$γ = 3.5$	0.2333	0.0667	0.0667	0.0333	0.0117
$γ = 3.6$	0.2291	0.0655	0.0636	0.0336	0.0115

表3

参考文献 27

[1]	Kumar R R， Chakraborty A， Mandal P. Promoting electric vehicle adoption： Who should invest in charging infrastructure？［J］. Transportation Research Part E： Logistics and Transportation Review， 2021， 149： 102295.
[2]	Yoo S H， Choi T Y， Sheu J B. Electric vehicles and product-service platforms： Now and in future［J］. Transportation Research Part E： Logistics and Transportation Review， 2021， 149： 102300.
[3]	Yu J J， Tang C S， Li M K， et al. Coordinating installation of electric vehicle charging stations between governments and automakers［J］. Production and Operations Management， 2022， 31（2）： 681-696.
[4]	Shao J， Jiang C， Cui Y， et al. A game-theoretic model to compare charging infrastructure subsidy and electric vehicle subsidy policies［J］. Transportation Research Part A： Policy and Practice， 2023， 176： 103799.
[5]	Ding Y， Jian S. Strategic collaboration between land owners and charging station operators： Lease or outsource？［J］. Transportation Research Part B： Methodological， 2022， 166： 183-211.
[6]	Tan B Q， Kang K， Zhong R Y. Electric vehicle charging infrastructure investment strategy analysis： State-owned versus private parking lots［J］. Transport Policy， 2023， 141： 54-71.
[7]	Wang Y， Fan R， Du K， et al. Private charger installation game and its incentive mechanism considering prospect theory［J］. Transportation Research Part D： Transport and Environment， 2022， 113： 103508.
[8]	Rajabi-Ghahnavieh A， Sadeghi-Barzani P. Optimal zonal fast-charging station placement considering urban traffic circulation［J］. IEEE Transactions on Vehicular Technology， 2017， 66（1）： 45-56.
[9]	Guo Z， Deride J， Fan Y. Infrastructure planning for fast charging stations in a competitive market［J］. Transportation Research Part C： Emerging Technologies， 2016， 68： 215-227.
[10]	He J， Yang H， Tang T Q， et al. An optimal charging station location model with the consideration of electric vehicle’s driving range［J］. Transportation Research Part C： Emerging Technologies， 2018， 86： 641-654.
[11]	Anjos M F， Gendron B， Joyce-Moniz M. Increasing electric vehicle adoption through the optimal deployment of fast-charging stations for local and long-distance travel［J］. European Journal of Operational Research， 2020， 285（1）： 263-278.
[12]	陆坚毅，杨超，揭婉晨. 考虑绕行特征的电动汽车快速充电站选址问题及自适应遗传算法［J］. 运筹与管理， 2017， 26（1）： 8-17.
	Lu J Y， Yang C， Jie W C. An adaptive-self genetic algorithm for solving electric vehicle fast recharging location problem with detour characteristic［J］. Operations Research and Management Science， 2017， 26（1）： 8-17.
[13]	杨磊，郝彩霞，唐瑞红. 基于电动物流车的充电和换电设施选址模型［J］. 系统工程理论与实践， 2019， 39（7）： 1781-1795.
	Yang L， Hao C X， Tang R H. Location models of charging and battery swapping facilities based on electric vehicles［J］. Systems Engineering—Theory & Practice， 2019， 39（7）： 1781-1795.
[14]	岳为众，刘颖琦，童宇，等. 政府补贴在新能源汽车充电桩产业中的作用：三方博弈视角［J］. 中国人口·资源与环境， 2020， 30（11）： 119-126.
	Yue W Z， Liu Y Q， Tong Y， et al. Role of government subsidies in the new energy vehicle charging facility industry： A three-party game perspective［J］. China Population， Resources and Environment， 2020， 30（11）： 119-126.
[15]	刘启巍，乐为，郭本海. 基于复杂网络的新能源汽车充电设施使用效率研究［J］. 管理评论， 2021， 33（9）： 284-293.
	Liu Q W， Le W， Guo B H. Research on the efficiency of new energy vehicle charging facilities based on complex network［J］. Management Review， 2021， 33（9）： 284-293.
[16]	王松，史乐峰，任缙. 电动汽车充电设施时空双维度投资分析模型及投资激励模式研究［J］. 管理评论， 2022， 34（8）： 76-91.
	Wang S， Shi L F， Ren J. Investment motivation analysis of electric vehicle facilities and corresponding incentive scheme design［J］. Management Review， 2022， 34（8）： 76-91.
[17]	史乐峰，王松，吕胜男. 充电设施运营商投资决策与电动汽车发展的交互作用机理研究［J］. 管理评论， 2023， 35（1）： 243-256.
	Shi L F， Wang S， Lv S N. Interaction mechanism between charging facility operators’ investment decision and the development of electric vehicles［J］. Management Review， 2023， 35（1）： 243-256.
[18]	Honarmand M， Zakariazadeh A， Jadid S. Integrated scheduling of renewable generation and electric vehicles parking lot in a smart microgrid［J］. Energy Conversion and Management， 2014， 86： 745-755.
[19]	Huang Y， Zhou Y. An optimization framework for workplace charging strategies［J］. Transportation Research Part C： Emerging Technologies， 2015， 52： 144-155.
[20]	Wu F， Sioshansi R. A two-stage stochastic optimization model for scheduling electric vehicle charging loads to relieve distribution-system constraints［J］. Transportation Research Part B： Methodological， 2017， 102： 55-82.
[21]	Wei L， Guan Y. Optimal control of plug-In hybrid electric vehicles with market impact and risk attitude［J］. Transportation Science， 2014， 48（4）： 467-482.
[22]	Flath C M， Ilg J P， Gottwalt S， et al. Improving electric vehicle charging coordination through area pricing［J］. Transportation Science， 2014， 48（4）： 619-634.
[23]	Nejad M M， Mashayekhy L， Chinnam R B， et al. Online scheduling and pricing for electric vehicle charging［J］. IISE Transactions， 2017， 49（2）： 178-193.
[24]	Valogianni K， Ketter W， Collins J， et al. Sustainable electric vehicle charging using adaptive pricing［J］. Production and Operations Management， 2020， 29（6）： 1550-1572.
[25]	Krass D， Nedorezov T， Ovchinnikov A. Environmental taxes and the choice of green technology［J］. Production and Operations Management， 2013， 22（5）： 1035-1055.
[26]	Cohen M C， Lobel R， Perakis G. The impact of demand uncertainty on consumer subsidies for green technology adoption［J］. Management Science， 2016， 62（5）： 1235-1258.
[27]	李冬冬，商辰宣，吕宏军，等. “后补贴”时代考虑消费者需求异质性的新能源汽车推广政策研究［J］. 中国管理科学， 2024， 32（4）： 141-152.
	Li D D， Shang C X， Lv H J， et al. Adoption of new energy vehicle in the post-subsidy erawith heterogeneous consumer demand［J］. Chinese Journal of Management Science， 2024， 32（4）： 141-152.