CN107862174A - 一种基于改进熵权法的电力行业碳排放权分配方法 - Google Patents
一种基于改进熵权法的电力行业碳排放权分配方法 Download PDFInfo
- Publication number
- CN107862174A CN107862174A CN201711168457.3A CN201711168457A CN107862174A CN 107862174 A CN107862174 A CN 107862174A CN 201711168457 A CN201711168457 A CN 201711168457A CN 107862174 A CN107862174 A CN 107862174A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- index
- mfrac
- carbon emission
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 100
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 97
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000008569 process Effects 0.000 claims abstract description 17
- 238000010248 power generation Methods 0.000 claims abstract description 11
- 230000005611 electricity Effects 0.000 claims description 16
- 239000003245 coal Substances 0.000 claims description 11
- 238000000354 decomposition reaction Methods 0.000 claims description 10
- 230000009467 reduction Effects 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 238000013210 evaluation model Methods 0.000 claims description 4
- 230000002269 spontaneous effect Effects 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 abstract description 7
- 238000004364 calculation method Methods 0.000 abstract description 2
- 230000006872 improvement Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- GJEAMHAFPYZYDE-UHFFFAOYSA-N [C].[S] Chemical compound [C].[S] GJEAMHAFPYZYDE-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000005619 thermoelectricity Effects 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2219/00—Indexing scheme relating to application aspects of data processing equipment or methods
- G06F2219/10—Environmental application, e.g. waste reduction, pollution control, compliance with environmental legislation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于改进熵权法的电力行业碳排放权分配方法,深入电力行业碳排放过程,结合发电排放强度影响,综合考虑清洁能源发电导向的鼓励机制,促进电力行业绿色低碳发展,碳排放权分配方案更合理;本发明借用信息论中的熵的定义和性质,对各指标关系属性之间的规则进行挖掘,引入信息熵作为影响碳排放权分配各项因素的效用价值指标,能有效避免人为主观意识干扰,较好的反映各个指标之间的逻辑关系,使分配结果更加准确,与事实更加贴近;本发明通过对指标效用值的计算方法改进,能够避免熵值的微小差别可能引起熵权成倍数变化,引起熵值与所传递的信息不一致的问题发生,能够很好的解决传统熵权在熵值相近时对应熵权数值的不稳定性问题。
Description
技术领域
本发明涉及电力行业碳排放权分配技术领域,更具体地,涉及一种基于改进熵权法的电力行业碳排放权分配方法。
背景技术
温室气体的排放是导致全球气候变暖的主要因素之一,如何实现低碳发展成为各行业的共同目标,《京都议定书》首次提出碳排放权交易的概念,指出CO2的排放权可以像普通商品一样进行交易,在总量控制-允许交易的机制下充分发挥资源优化配置的作用。然而CO2具有很强的公共品属性,因为它对环境的影响是全球性的,这使得碳交易与其他普通商品交易区别开来,也密切关系到碳排放权分配方案的公平性。电力行业作为最重要的能源部门之一,在减排行动中占据生力军地位,电力行业碳排放权的初始分配是一项多目标、多层级、涉及多利益主体的复杂工程,研究并寻求合适的碳排放权分配方案对于电力行业绿色低碳发展具有重要意义。
目前我国的碳交易市场处于初级阶段,对于电力行业碳排放权分配方案,相关学者开展了积极探索。传统的碳排放权分配方案主要思想有以下三种:基于发电量分配、基于历史排放量分配和基于发电强度分配。相关学者在火电机组碳排放特性的基础上,提出了基于排放绩效和等排放微增率的多机组碳排放权分配机制,但该分配机制只考虑了火电机组发电类型,对于引导清洁能源发电的市场化模式考虑不够完善。还有学者结合南网西电东送的特点,以区域清洁能源发电并网占比为依据进行分配,充分考虑了发电排放强度影响,对低碳发展有积极促进作用,但目前我国碳排放权交易处于初期阶段,发电结构主要以火电为主,该方案极大挫伤了化石能源发电企业的市场参与积极性,不利于交易的开展。部分学者借鉴“2个趋同”的分配思想建立了基于区域比较的碳排放权两级分配模型,该模型以人均GDP表征区域发展水平来确定碳排放配额的分配机制,未能追踪发电过程中的碳流,分配结果略显粗放。另外还有学者基于网络计算建立了碳硫追踪的数学模型,考虑了网损分摊量,物理概念清晰,但计算过程较为繁琐,不适合复杂大电网的碳排放权分配。
发明内容
本发明为克服上述现有技术所述的至少一种缺陷,提供一种基于改进熵权法的电力行业碳排放权分配方法。
为解决上述技术问题,本发明的技术方案如下:
一种基于改进熵权法的电力行业碳排放权分配方法,所述方法包括以下步骤:
步骤1:对电力行业碳排放量进行指标分解;
步骤2:用离差法对各指标进行归一化处理;
步骤3:基于改进的熵权法确定各项指标的信息效用值;
步骤4:计算各个地区的电力行业碳排放权配额。
优选的,步骤1中,对电力行业碳排放进行指标分解的过程为:
步骤201:对电力行业碳排放进行指标分解:
式中各指标符号的含义如表1所示:
表1
序号 | 指标 | 含义 |
1 | E | 一定时间内电力行业碳排放总量 |
2 | Ei | 第i个地区相应时间内电力行业碳排放量 |
3 | Gi | 第i个地区相应时间内GDP总值 |
4 | EDi | 第i个地区相应时间内用电量 |
5 | EGi | 第i个地区相应时间内发电量 |
6 | ETi | 第i个地区相应时间内火力发电量 |
7 | ECi | 第i个地区相应时间内煤耗量 |
8 | Ci | 第i个地区相应时间单位GDP耗电量 |
9 | Mi | 第i个地区相应时间自发电量占地区自用电量比例 |
10 | Si | 第i个地区相应时间火力发电占比 |
11 | Ii | 第i个地区相应时间火力发电标准煤耗量 |
12 | Fi | 第i个地区相应时间单位煤耗量的碳排放强度 |
13 | m | 地区的总数 |
优选的,步骤2中,用离差法对各指标进行归一化处理的过程为:
步骤301:由于我国煤炭品质在短期内变化不大,可假定Fi为定值,故只需考虑表1中的8-11项指标;另外,在计算第i个地区的碳排放配额时还应考虑网损占比和历史碳排放量的影响,故共考虑7项指标,根据各个指标与减排责任之间的关系,将各个指标分为效益型指标和成本型指标,如表2所示:
表2
步骤302:建立指标矩阵,
xij为第i个地区第j项指标,一共有m个地区n项指标,这里n=7;
步骤303:采用离差标准法对指标进行归一处理:
当指标为效益型指标时,
当指标为成本型指标时,
各符号的含义如表3所示:
表3
符号 | 含义 |
xi,j | 第i个地区第j项指标 |
xmin,j | 所有地区中第j项指标的最小值 |
xmax,j | 所有地区中第j项指标的最大值 |
xi,j | 归一化后第i个地区第j项指标 |
ri,j也为m行n列矩阵。
优选的,步骤3中,熵权法确定各项指标的信息效用值的过程为:
步骤401:计算第j项指标的信息熵dj:
其中
当pi,j为0时,ln pi,j=0;
步骤402:改进的熵权法计算第j项指标的效用值:
优选的,步骤4中,计算各个地区的电力行业碳排放权配额的过程为:
步骤501:计算第i个地区碳排放配额权重:
步骤502:计算第i个地区碳排放配额:
Qi=αi*Q。
与现有技术相比,本发明技术方案的有益效果是:
本发明提供一种基于改进熵权法的电力行业碳排放权分配方法,深入电力行业碳排放过程,结合发电排放强度影响,综合考虑清洁能源发电导向的鼓励机制,促进电力行业绿色低碳发展,碳排放权分配方案更科学合理;本发明借用信息论中的熵的定义和性质,对各指标关系属性之间的规则进行挖掘,引入信息熵作为影响碳排放权分配各项因素的效用价值指标,能有效避免人为主观意识干扰,较好的反映各个指标之间的逻辑关系,使分配结果更加准确,与事实更加贴近;本发明通过对指标效用值的计算方法改进,能够避免熵值的微小差别可能引起熵权成倍数变化,引起熵值与所传递的信息不一致的问题发生,能够很好的解决传统熵权在熵值相近时对应熵权数值的不稳定性问题。
附图说明
图1为本发明基于改进熵权法的电力行业碳排放权分配方法的步骤框图。
具体实施方式
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
如图1所示,一种基于改进熵权法的电力行业碳排放权分配方法,所述方法包括以下步骤:
步骤1:对电力行业碳排放量进行指标分解;
步骤2:用离差法对各指标进行归一化处理;
步骤3:基于改进的熵权法确定各项指标的信息效用值;
步骤4:计算各个地区的电力行业碳排放权配额。
步骤1中,对电力行业碳排放进行指标分解的过程为:
步骤201:对电力行业碳排放进行指标分解:
式中各指标符号的含义如表1所示:
表1
步骤2中,用离差法对各指标进行归一化处理的过程为:
步骤301:由于我国煤炭品质在短期内变化不大,可假定Fi为定值,故只需考虑表1中的8-11项指标;另外,在计算第i个地区的碳排放配额时还应考虑网损占比和历史碳排放量的影响,故共考虑7项指标,根据各个指标与减排责任之间的关系,将各个指标分为效益型指标和成本型指标,如表2所示:
表2
步骤302:建立指标矩阵,
xij为第i个地区第j项指标,一共有m个地区n项指标,这里n=7;
步骤303:采用离差标准法对指标进行归一处理:
当指标为效益型指标时,
当指标为成本型指标时,
各符号的含义如表3所示:
表3
符号 | 含义 |
xi,j | 第i个地区第j项指标 |
xmin,j | 所有地区中第j项指标的最小值 |
xmax,j | 所有地区中第j项指标的最大值 |
xi,j | 归一化后第i个地区第j项指标 |
ri,j也为m行n列矩阵。
步骤3中,熵权法确定各项指标的信息效用值的过程为:
步骤401:计算第j项指标的信息熵dj:
其中
当pi,j为0时,ln pi,j=0;
步骤402:改进的熵权法计算第j项指标的效用值:
步骤4中,计算各个地区的电力行业碳排放权配额的过程为:
步骤501:计算第i个地区碳排放配额权重:
步骤502:计算第i个地区碳排放配额:
Qi=αi*Q。
下面通过一个实际的算例来说明本发明提出的碳排放权分配方案,各个地区的各指标值如表4所示,一共有5个地区,7个指标,Gi、Ci、Si、Ii、Li为成本型指标,Mi和E′i为效益型指标。
表4
假设可用于分配的碳排放总量为5亿吨,采用本发明提出分配方案得到的各地区碳排放权分配比例为αi,碳排放权量为Qi;传统的基于历史碳排放量分配方案得到的各地区碳排放权分配比例为εi,碳排放权量为Qi′;结果如表5所示。
表5
与传统的基于历史碳排放量分配方案相比,地区1虽然历史排放规模非常大,但由于该地区经济发展水平较高,应承担较大的减排责任,火力发电标准煤耗量也较大,综合考虑其分到的碳排放权配额大大降低,约为基于历史碳排放量分配方案的一半;地区2虽然历史碳排量较小,本应分得较小的碳排放量,但由于该地区火力发电占比很小,为2%,大部分为清洁能源发电,为积极引导清洁能源发电,应提高碳排放权分配额,故其分配到的碳排放量较大;地区3碳排放量较大,且自发电量占地区自用电量比例较大,大部分电量向外输送,贡献给其他地区,应降低其减排责任,综合考虑其分配的碳排放权最多;地区4历史碳排放量较小,且火力发电标准煤耗量最大,为366(g/kWh),为引导和加速低效高耗能发电机组的淘汰,应降低其碳排放权分配,故其分配的碳排放配额最小;地区5历史碳排放量最小,但其经济发展水平较低,应适当降低其减排责任,且该地区向其他地区输送的电量较大,故分配的碳排放量并非最小。
综上所述,对于电力行业碳排放权的分配方法,使用本发明提出的基于指标分解的改进熵权法能深入电力行业碳排放过程,充分结合发电排放强度影响,综合清洁能源发电导向的鼓励机制,促进电力行业绿色低碳发展,有效考虑地区经济发展水平、单位GDP耗电量、地区向外输送电量、历史碳排放量等因素,与传统的仅基于历史碳排量分配方法相比,分配方案较为公平合理。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (5)
1.一种基于改进熵权法的电力行业碳排放权分配方法,其特征在于,所述方法包括以下步骤:
步骤1:对电力行业碳排放量进行指标分解;
步骤2:用离差法对各指标进行归一化处理;
步骤3:基于改进的熵权法确定各项指标的信息效用值;
步骤4:计算各个地区的电力行业碳排放权配额。
2.根据权利要求1所述的基于改进熵权法的电力行业碳排放权分配方法,其特征在于,步骤1中,对电力行业碳排放进行指标分解的过程为:
步骤201:对电力行业碳排放进行指标分解:
<mrow>
<mi>E</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msub>
<mi>E</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<mrow>
<mo>(</mo>
<msub>
<mi>G</mi>
<mi>i</mi>
</msub>
<mo>*</mo>
<mfrac>
<mrow>
<msub>
<mi>ED</mi>
<mi>i</mi>
</msub>
</mrow>
<msub>
<mi>G</mi>
<mi>i</mi>
</msub>
</mfrac>
<mo>*</mo>
<mfrac>
<mrow>
<msub>
<mi>EG</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<msub>
<mi>ED</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
<mo>*</mo>
<mfrac>
<mrow>
<msub>
<mi>EC</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<msub>
<mi>EG</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
<mo>*</mo>
<mfrac>
<msub>
<mi>E</mi>
<mi>i</mi>
</msub>
<mrow>
<msub>
<mi>EC</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<mrow>
<mo>(</mo>
<msub>
<mi>G</mi>
<mi>i</mi>
</msub>
<mo>*</mo>
<msub>
<mi>C</mi>
<mi>i</mi>
</msub>
<mo>*</mo>
<msub>
<mi>M</mi>
<mi>i</mi>
</msub>
<mo>*</mo>
<msub>
<mi>S</mi>
<mi>i</mi>
</msub>
<mo>*</mo>
<msub>
<mi>I</mi>
<mi>i</mi>
</msub>
<mo>*</mo>
<msub>
<mi>F</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
表1
式中各指标符号的含义如表1所示。
3.根据权利要求2所述的基于改进熵权法的电力行业碳排放权分配方法,其特征在于,步骤2中,用离差法对各指标进行归一化处理的过程为:
步骤301:由于我国煤炭品质在短期内变化不大,可假定Fi为定值,故只需考虑表1中的8-11项指标;另外,在计算第i个地区的碳排放配额时还应考虑网损占比和历史碳排放量的影响,故共考虑7项指标,根据各个指标与减排责任之间的关系,将各个指标分为效益型指标和成本型指标,如表2所示:
表2
步骤302:建立指标矩阵,
xij为第i个地区第j项指标,一共有m个地区n项指标,这里n=7;
步骤303:采用离差标准法对指标进行归一处理:
当指标为效益型指标时,
<mrow>
<msub>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>min</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>x</mi>
<mrow>
<mi>max</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>min</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
</mrow>
</mfrac>
</mrow>
当指标为成本型指标时,
<mrow>
<msub>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>x</mi>
<mrow>
<mi>max</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>x</mi>
<mrow>
<mi>max</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>min</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
</mrow>
</mfrac>
</mrow>
各符号的含义如表3所示:
表3
ri,j也为m行n列矩阵。
4.根据权利要求3所述的基于改进熵权法的电力行业碳排放权分配方法,其特征在于,步骤3中,熵权法确定各项指标的信息效用值的过程为:
步骤401:计算第j项指标的信息熵dj:
<mrow>
<msub>
<mi>d</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<mo>-</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>ln</mi>
<mi> </mi>
<mi>m</mi>
</mrow>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<mrow>
<mo>(</mo>
<msub>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>*</mo>
<mi>ln</mi>
<mi> </mi>
<msub>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
其中
<mrow>
<msub>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msub>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
</mrow>
</mfrac>
</mrow>
当pi,j为0时,ln pi,j=0;
步骤402:改进的熵权法计算第j项指标的效用值:
<mrow>
<msub>
<mi>&omega;</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msub>
<mi>d</mi>
<mi>k</mi>
</msub>
<mo>+</mo>
<mn>1</mn>
<mo>-</mo>
<mn>2</mn>
<msub>
<mi>d</mi>
<mi>j</mi>
</msub>
</mrow>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>l</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msub>
<mi>d</mi>
<mi>k</mi>
</msub>
<mo>+</mo>
<mn>1</mn>
<mo>-</mo>
<mn>2</mn>
<msub>
<mi>d</mi>
<mi>l</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>.</mo>
</mrow>
5.根据权利要求4所述的基于改进熵权法的电力行业碳排放权分配方法,其特征在于,步骤4中,计算各个地区的电力行业碳排放权配额的过程为:
步骤501:计算第i个地区碳排放配额权重:
<mrow>
<msub>
<mi>&alpha;</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mrow>
<mo>(</mo>
<msub>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>*</mo>
<msub>
<mi>&omega;</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
步骤502:计算第i个地区碳排放配额:
Qi=αi*Q。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711168457.3A CN107862174A (zh) | 2017-11-21 | 2017-11-21 | 一种基于改进熵权法的电力行业碳排放权分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711168457.3A CN107862174A (zh) | 2017-11-21 | 2017-11-21 | 一种基于改进熵权法的电力行业碳排放权分配方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107862174A true CN107862174A (zh) | 2018-03-30 |
Family
ID=61702415
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711168457.3A Pending CN107862174A (zh) | 2017-11-21 | 2017-11-21 | 一种基于改进熵权法的电力行业碳排放权分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107862174A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108510161A (zh) * | 2018-03-12 | 2018-09-07 | 华南理工大学 | 基于玻尔兹曼分布和多指标评价的稀缺资源分配方法 |
CN109272405A (zh) * | 2018-09-30 | 2019-01-25 | 大唐碳资产有限公司 | 碳资产交易方法及系统 |
CN112766075A (zh) * | 2020-12-31 | 2021-05-07 | 中国冶金地质总局矿产资源研究院 | 一种基于半监督学习策略的高光谱遥感黑臭水体分级方法 |
CN113112176A (zh) * | 2021-04-26 | 2021-07-13 | 国网(衢州)综合能源服务有限公司 | 一种基于大数据的企业碳排放可视化预警系统 |
CN113205247A (zh) * | 2021-04-26 | 2021-08-03 | 国网(衢州)综合能源服务有限公司 | 一种具有自动对标功能的企业碳排放分配系统 |
CN114117350A (zh) * | 2021-11-29 | 2022-03-01 | 特斯联科技集团有限公司 | 一种电力行业碳排放分析方法 |
-
2017
- 2017-11-21 CN CN201711168457.3A patent/CN107862174A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108510161A (zh) * | 2018-03-12 | 2018-09-07 | 华南理工大学 | 基于玻尔兹曼分布和多指标评价的稀缺资源分配方法 |
CN109272405A (zh) * | 2018-09-30 | 2019-01-25 | 大唐碳资产有限公司 | 碳资产交易方法及系统 |
CN112766075A (zh) * | 2020-12-31 | 2021-05-07 | 中国冶金地质总局矿产资源研究院 | 一种基于半监督学习策略的高光谱遥感黑臭水体分级方法 |
CN112766075B (zh) * | 2020-12-31 | 2021-12-28 | 中国冶金地质总局矿产资源研究院 | 一种基于半监督学习策略的高光谱遥感黑臭水体分级方法 |
CN113112176A (zh) * | 2021-04-26 | 2021-07-13 | 国网(衢州)综合能源服务有限公司 | 一种基于大数据的企业碳排放可视化预警系统 |
CN113205247A (zh) * | 2021-04-26 | 2021-08-03 | 国网(衢州)综合能源服务有限公司 | 一种具有自动对标功能的企业碳排放分配系统 |
CN114117350A (zh) * | 2021-11-29 | 2022-03-01 | 特斯联科技集团有限公司 | 一种电力行业碳排放分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107862174A (zh) | 一种基于改进熵权法的电力行业碳排放权分配方法 | |
Zhang et al. | Energy-water nexus: Balancing the tradeoffs between two-level decision makers | |
Yuan et al. | Linguistic hesitant fuzzy multi-criterion decision-making for renewable energy: A case study in Jilin | |
Cai et al. | A more scientific allocation scheme of carbon dioxide emissions allowances: The case from China | |
Wu et al. | Optimal investment selection of industrial and commercial rooftop distributed PV project based on combination weights and cloud-TODIM model from SMEs’ perspectives | |
Frini et al. | MUPOM: A multi-criteria multi-period outranking method for decision-making in sustainable development context | |
Li et al. | Two-step allocation of CO2 emission quotas in China based on multi-principles: Going regional to provincial | |
Chang et al. | Carbon emission performance and quota allocation in the Bohai Rim Economic Circle | |
Sun et al. | The application of information entropy in basin level water waste permits allocation in China | |
CN104008428B (zh) | 产品服务需求预测和资源优选配置方法 | |
Yao et al. | Investigation of resource utilization in urbanization development: An analysis based on the current situation of carbon emissions in China | |
Shafiei Kaleibari et al. | A framework for performance evaluation of energy supply chain by a compatible network data envelopment analysis model | |
Antosiewicz et al. | Distributional effects of emission pricing in a carbon-intensive economy: The case of Poland | |
Mahmoudi et al. | A multi-period performance analysis of airlines: A game-SBM-NDEA and Malmquist Index approach | |
Han et al. | An evaluation and optimization methodology for efficient power plant programs | |
Ji et al. | A multi-criteria decision-making framework for distributed generation projects investment considering the risk of electricity market trading | |
Li et al. | The approach to carbon emission quotas of road transportation: A carbon emission intensity perspective | |
Zhang et al. | A LSGDM method based on social network and IVIFN’s geometric characteristics for evaluating the collaborative innovation problem | |
Li et al. | Analysis of the compound differential evolution game of new energy manufacturers’ two-stage market behavior under the weight of consumption responsibility | |
Jiang et al. | Bilevel optimization for the reorganization of inland river ports: A niche perspective | |
Zhu et al. | Industrial transformation efficiency and sustainable development of resource-exhausted cities: A case study of Daye City, Hubei province, China | |
Zhang et al. | Evaluation of Digital Rural Development from the Perspective of Rural Revitalization–Take Zhejiang Province as an Example | |
Yang et al. | Research on NSGA-III in location-routing-inventory problem of pharmaceutical logistics intermodal network | |
Zhou et al. | Data envelopment analysis models based on decentralized decision making | |
Xue et al. | A cooperative game model of supply chain logistics information based on collaborative immune quantum particle swarm optimisation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180330 |
|
RJ01 | Rejection of invention patent application after publication |