אוטובוס מימן “אפס פליטות”? לא כשסופרים הכול

בסוף 2025 שוב נפל אסימון אצל לא מעט מקבלי החלטות בתחבורה ציבורית: אפשר להדביק למדבקה “אפס פליטות” על אוטובוס מימן כי מהאגזוז יוצאים אדי מים — ועדיין לגלות שבסך הכול הוא מזהם כמו דיזל, ולעיתים יותר. זה לא מקרה נקודתי. זה דפוס שחוזר על עצמו כשלא מודדים את כל שרשרת הדלק.

זה גם שיעור מצוין לסדרה שלנו „בינה מלאכותית באנרגיה וקיימות”: אם מחשבים רק “מה קורה בצינור הפליטה”, אנחנו מפספסים את המערכת. ובדיוק כאן מודלים מבוססי AI נכנסים לתמונה — לא כדי “להחליף” מהנדסים או כלכלנים, אלא כדי להפסיק להמר על פרויקטים יקרים עם הנחות אופטימיות מדי.

למה “אפס פליטות” בצינור הפליטה הוא מדד שמטעה

הנקודה הישירה: פליטות בצינור הפליטה הן רק שורה אחת בדוח. במימן, השורה הזאת כמעט תמיד נראית מושלם — אבל רוב הבעיה נמצאת לפני שהדלק בכלל מגיע לאוטובוס.

במונחי מדידה נכונים, צריך להסתכל על פליטות Well-to-Wheel: ייצור, עיבוד, דחיסה/הנזלה, הובלה, אחסון, תדלוק, ודליפות — ואז שימוש.

כשמדיניות, מכרזים ומענקים מתגמלים “אפס פליטות” רק לפי צינור הפליטה, נוצרת הטיה מובנית:

• פרויקטים מקבלים ניקוד גבוה גם אם המימן מיוצר מחשמל עתיר פחמן.
• אף אחד לא “נענש” על הובלת מימן למרחקים ארוכים במשאיות דיזל.
• דליפות מימן לא נמדדות בזמן אמת ולכן לא נכנסות לחישוב.

משפט שאפשר להדפיס על קיר חדר המכרזים: אפס פליטות באגזוז הוא לא אפס פליטות במערכת.

מאיפה מגיעות הפליטות במימן לתחבורה ציבורית

התשובה הקצרה: חוסר יעילות אנרגטית + תלות ברשת החשמל + לוגיסטיקה + דליפות. התוצאה היא שפרויקטים נראים נהדר במצגת — ונופלים כשסופרים את הכול.

1) חשמל לאלקטרוליזה: מספרים שמכריעים את הדיון

ייצור מימן באלקטרוליזה דורש, בקירוב, 50–55 קוט״ש לכל ק״ג מימן שמגיע לרכב (אחרי דחיסה והפסדים תפעוליים).

עכשיו מכפילים בעוצמת הפחמן של החשמל:

• ברשת עם כ־400 גרם CO2e לקוט״ש (טיפוסי במערכות שמבוססות גז), מתקבלים בערך 20–22 ק״ג CO2e לכל ק״ג מימן, עוד לפני דליפות.
• ברשת עם כ־700 גרם CO2e לקוט״ש (פחם או ייצור שוליים עתיר פחמן), זה קופץ ל־35–40 ק״ג CO2e לק״ג מימן.

ואז מגיעה הצריכה של האוטובוס: אוטובוס תא דלק צורך בערך 8–10 ק״ג מימן ל־100 ק״מ. המשמעות במקרים רבים היא פליטות Well-to-Wheel של 1.6 עד 4.0 ק״ג CO2e לכל ק״מ — סדרי גודל שיכולים להיות גבוהים מדיזל.

2) כש“חשמל מפסולת” רק מוסיף שכבת בזבוז

יש מי שמנסה “לנקות” את המימן באמצעות חשמל ממתקני פסולת-לאנרגיה. אבל בפועל, חשמל משריפת פסולת יכול להיות בטווח 400–700+ גרם CO2e לקוט״ש בגלל תכולת פחמן מאובני בפלסטיק.

כאן מצטבר מסלול הפסדים ארוך: שריפה → ייצור חשמל → אלקטרוליזה → דחיסה → תא דלק. זו לא “הפחתת פליטות”; זו הכפלת אי-יעילות.

3) “נפלנו לאפור”: גריי מימן הופך פרויקט להפוך ממדיניות אקלים

בפועל, חלק מהמערכות לא מצליחות להבטיח אספקת מימן ירוק/דל-פחמן, ונודדות למימן אפור (מגז טבעי ברפורמה).

מימן אפור מייצר בערך 9–12 טון CO2e לכל טון מימן עוד לפני הובלה ודליפות. אם אוטובוס צורך ~0.08–0.12 טון מימן לכל 1,000 ק״מ, נקבל בערך 0.8–1.2 ק״ג CO2e לק״מ עוד לפני דחיסה, שינוע, תדלוק ודליפות.

דיזל עירוני מודרני הוא לרוב בערך 1.0–1.2 ק״ג CO2e לק״מ (כולל הפליטות במעלה הזרם). כלומר — ברגע שעוברים למימן אפור, קל מאוד להגיע לשוויון מול דיזל או גרוע ממנו, ולעיתים לחצות את דיזל בבירור.

4) דליפות מימן: לא “זניח”, ובטח לא בתחבורה

מימן דולף. הוא קטן, חומק דרך אטמים וחיבורים, ויש הרבה אירועי תדלוק ותשתית מבוזרת.

חשוב יותר: מימן הוא גז חממה עקיף. מחקרי כימיה אטמוספרית מצביעים על פוטנציאל התחממות (GWP) בטווח של כ־33–37 ל־20 שנה (כלומר, ק״ג מימן באטמוספרה שקול לעשרות ק״ג CO2e בהשפעתו).

לכן, גם דליפה “שמרנית” של 2%–4% יכולה להפוך פרויקט שבקושי מנצח את דיזל — לפרויקט שמפסיד.

שלושה סיפורים אמיתיים שמראים למה זה קורה שוב ושוב

הנה העניין: הדוגמאות חוזרות על אותו פגם תכנוני — הנחות לא מציאותיות על אספקה, מרחקים, ותפעול.

ויניפג: כששינוי מסלול ייצור אחד הופך את התוצאה

בויניפג (קנדה) התרחיש היפה היה אלקטרוליזה על בסיס רשת חשמל כמעט נקייה (הידרו), עם עוצמת פחמן סביב 1.3 גרם CO2e לקוט״ש. בתרחיש כזה, הפליטות היו יכולות להיות נמוכות משמעותית מדיזל.

אבל זה לא קרה. עלויות הון ותשתית בטיחות שינו את התוכנית לייצור מימן מרפורמת מתנול — והחישוב התהפך. לפי ההערכה שהוצגה, התוצאה הייתה בערך פי 3.2 פליטות לעומת דיזל (אחרי שמכלילים דליפה שמרנית). הפרויקט בוטל לבסוף, בעיקר בגלל עלויות — לאו דווקא בגלל הפליטות.

וויסטלר: מימן נקי “במקור” שנשחק בהובלה על דיזל

בוויסטלר המימן יוצר במקום עם חשמל דל-פחמן, אבל הובל במשאיות דיזל בערך 4,500 ק״מ לכיוון. הלוגיסטיקה לבדה כרסמה ביתרון האקלימי, עד לרמה שבה הפליטות היו קרובות לדיזל ולעיתים מעט מעל.

ההשוואה הכואבת: אוטובוסים חשמליים בסוללה על רשת מקומית נקייה היו יכולים להיות בסדר גודל נמוך יותר של פליטות.

מעבורת מימן בנורווגיה: כשהייבוא סוגר את הסיפור

גם בים זה קורה. מעבורת מימן קיבלה דלק שהובל בערך 1,300 ק״מ ממדינה אחרת, בלי הבטחה שמדובר בייצור דל-פליטות. חיבור של ייצור, הובלה, הפסדי אחסון ודליפות הביא להערכה של כפל פליטות ביחס לדיזל באותו שימוש.

איפה בינה מלאכותית משנה את כללי המשחק (ברצינות)

התשובה הישירה: AI מאפשר למדוד את מה שמערכות נוטות להסתיר — שונות, אי-ודאות, ותפעול אמיתי.

בפרויקטים של מימן לתחבורה ציבורית, הטעות הנפוצה היא לא “חוסר נתונים” אלא חוסר מודל שמחבר נתונים למסקנה מחייבת.

מודל פליטות חכם צריך לכלול 4 שכבות

כדי לא ליפול למלכודת “אפס פליטות”, אני מחפש מודל שמכסה:

1. שכבת אנרגיה ורשת: עוצמת פחמן לפי שעה (לא רק ממוצע שנתי), ייצור שוליים, מגבלות טעינה/תדלוק, ומחירי חשמל.
2. שכבת שרשרת אספקה: מרחקי הובלה בפועל, סוגי משאיות, תדירות משלוחים, הפסדי דחיסה/הנזלה.
3. שכבת תפעול צי: קילומטראז׳ לפי קו/יום, טמפרטורות, עומסי נוסעים, דפוסי תדלוק, זמינות תחנה.
4. שכבת דליפות ואמינות: שיעורי דליפה לפי רכיב (שסתומים/מחברים/מכלים), תדירות תחזוקה, חריגות.

AI לא “ממציא” פליטות — הוא מכריח אותנו להפסיק להניח.

שלושת מבחני המציאות שכדאי להריץ לפני מכרז

הגישה שעובדת טוב בשטח היא להקשות על הטענות עם שלושה מבחנים פשוטים:

• מקומיות (Locality): האם הדלק מיוצר במקום שבו צורכים אותו?
• זמניות (Temporality): האם האנרגיה נקייה זמינה כשצריך לתדלק/לייצר?
• תוספתיות (Additionality): האם נבנתה תשתית חשמל נקייה חדשה, או ש“לקחנו” חשמל נקי קיים והעברנו אותו למסלול בזבזני?

ברוב מיזמי המימן לתחבורה, לפחות שניים משלושת המבחנים נכשלים. לעומת זאת, טעינת אוטובוסים חשמליים בדיפו נוטה לעבור את המבחנים האלה בקלות יחסית.

מה עושים מחר בבוקר: צ’ק-ליסט למקבלי החלטות

אם אתם רשות מקומית, מפעיל תחבורה, או צוות קיימות שמלווה מכרז — אלה הדרישות שאני הייתי מכניס למסמך (כן, גם אם זה “מכביד”):

1. דוח Well-to-Wheel חובה כתנאי סף, כולל דחיסה/הנזלה, שינוע, אחסון ותדלוק.
2. חישוב פליטות לפי שעה (24/7), לא רק “100% מתחדש” על בסיס תעודות.
3. חובת הצגת מרחקי הובלה בפועל והנחות לוגיסטיות שמרניות (תרחיש טוב/בסיס/גרוע).
4. פרמטר דליפה מפורש (למשל 3% כבסיס) + תוכנית מדידה ותיקון עם KPI.
5. השוואה לצד חלופות: אוטובוס חשמלי בסוללה, טרוליבוס, ושדרוג צי דיזל עם אמצעי ביניים — עם אותם גבולות מערכת.
6. מדד עלות-פליטה: כמה עולה להפחית טון CO2e בפועל, לא בכותרת.

כלל אצבע פרקטי: אם ספק לא מוכן להציג הנחות, רגישות ותרחישי קצה — הוא לא מוכר פתרון אקלים, הוא מוכר סיפור.

לא “נגד מימן” — בעד מדידה נכונה

מימן יכול להיות הגיוני במקטעים מסוימים של תעשייה כבדה או שימושים שבהם יש קושי אמיתי לחשמל ישירות. אבל בתחבורה ציבורית עירונית, שבה אפשר לטעון בדיפו ולהשתמש בחשמל ישירות, היתרון האקלימי של מימן נשחק מהר מאוד בגלל ההפסדים והלוגיסטיקה.

וזה בדיוק המקום שבו בינה מלאכותית באנרגיה וקיימות נותנת ערך: מערכת שמחשבת פליטות אמיתיות בזמן אמת, מריצה סימולציות לפני מכרז, ומאתרת נקודות כשל כמו דליפות והובלה ארוכה יכולה לחסוך שנים של טעויות יקרות — וגם למנוע “גרין-וושינג” לא מכוון.

אם ב-2026 נראה יותר ויותר רשויות שמפסיקות לקנות את המדד של צינור הפליטה ומאמצות מדדי Well-to-Wheel עם מודלים חכמים — התחבורה הציבורית תרוויח פעמיים: פחות פליטות, ופחות הימורים.

השאלה שנשארת פתוחה היא לא “מימן או לא מימן”, אלא משהו יותר חד: האם אנחנו מוכנים למדוד פתרונות אקלים כמו שמודדים סיכונים פיננסיים — עם נתונים, תרחישים, ובקרת אמת רציפה?