CN109272243A - 碳资产管理方法及系统 - Google Patents
碳资产管理方法及系统 Download PDFInfo
- Publication number
- CN109272243A CN109272243A CN201811156137.0A CN201811156137A CN109272243A CN 109272243 A CN109272243 A CN 109272243A CN 201811156137 A CN201811156137 A CN 201811156137A CN 109272243 A CN109272243 A CN 109272243A
- Authority
- CN
- China
- Prior art keywords
- power plant
- data
- quota
- carbon
- power
- 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.)
- Granted
Links
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 304
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 304
- 238000007726 management method Methods 0.000 title claims abstract description 108
- 239000000446 fuel Substances 0.000 claims abstract description 62
- 238000004364 calculation method Methods 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000010438 heat treatment Methods 0.000 claims abstract description 21
- 238000012937 correction Methods 0.000 claims abstract description 20
- 230000009467 reduction Effects 0.000 claims description 109
- 230000005611 electricity Effects 0.000 claims description 35
- 239000002803 fossil fuel Substances 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 13
- 238000010248 power generation Methods 0.000 claims description 11
- 239000000284 extract Substances 0.000 claims description 9
- 238000010835 comparative analysis Methods 0.000 claims description 8
- 238000005553 drilling Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 5
- 238000010801 machine learning Methods 0.000 claims description 5
- 230000002950 deficient Effects 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 238000001816 cooling Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims 1
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 12
- 238000011161 development Methods 0.000 description 10
- 229910002092 carbon dioxide Inorganic materials 0.000 description 6
- 239000003245 coal Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 239000005431 greenhouse gas Substances 0.000 description 6
- 239000003795 chemical substances by application Substances 0.000 description 5
- 230000003009 desulfurizing effect Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000006477 desulfuration reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000005619 thermoelectricity Effects 0.000 description 3
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 239000000567 combustion gas Substances 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 230000003647 oxidation Effects 0.000 description 2
- 238000007254 oxidation reaction Methods 0.000 description 2
- 230000003134 recirculating effect Effects 0.000 description 2
- 230000002747 voluntary effect Effects 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 239000011203 carbon fibre reinforced carbon Substances 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000023556 desulfurization Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 238000012946 outsourcing Methods 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000008521 reorganization Effects 0.000 description 1
- 235000015096 spirit Nutrition 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
-
- 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
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种碳资产管理方法及系统。其中,该方法包括:获取集团电力企业下每个电厂的如下至少一种生产数据:燃料数据、外购电数据、供电量数据、供热量数据;基于预先配置的配额分配基准线以及相应的修正系数,根据供电量数据和供热量数据,测算每个电厂的预计配额量;且基于预先配置的碳排放计算公式,根据燃料数据和外购电数据,计算每个电厂的碳排放量;根据计算得到的每个电厂的碳排放量和预计配额量,计算每个电厂的配额盈亏值,以根据集团电力企业下每个电厂的配额盈亏值,确定集团电力企业的碳资产管理方案。本申请使得集团电力企业能够实时了解各个电厂的配额盈亏情况,以便及时作出调整,提高碳资产管理效率。
Description
技术领域
本申请涉及碳资产技术领域,尤其涉及一种碳资产管理方法及系统。
背景技术
随着国际国内温室气体减排任务日益艰巨,碳交易(碳资产交易)作为一种市场机制,可以鼓励企业减少碳排放、自愿执行各种减排项目,从而有效减少全球二氧化碳排放。通常情况下,国家每年会为控排企业设定一定的配额,控排企业执行履约时,其碳排放不能国家为其分配的配额。如果某一控排企业的碳排放超过自身的配额,则需要从其他企业购买相应的配额;而如果某一控排企业的碳排放没有超过自身的配额,则可以将多余的配额出售给其他企业。另外,企业还可以通过执行一些减排项目获取签发量,以抵消自身的一部分配额,或者出售给其他企业。
例如,图1是根据现有技术提供的一种碳交易示意图,如图1所示,配额下发机构X可以是国家或地区发改委,向控排企业A和控排企业B分别下发了每年2万吨的配额,其中,控排企业A实际排放了3万吨,超过了其每年2 万吨的配额,因而,当控排企业A执行履约时需要从碳排放交易市场Y购买1 万吨碳排放;由于控排企业B实际排放了1万吨,未超过其配额,因而,可以通过碳排放交易市场Y每年出售1万吨。自愿减排企业C执行的是减排项目,由此,配额为0万吨/年,如果其执行的减排项目经过核证(例如,CCER)下发1万吨的签发量,则自愿减排企业C可以通过碳排放交易市场Y每年出售1 万吨。需要说明的是,控排企业A可以购买CCER签发量,也可以是配额,容易注意的是,通常情况下,CCER签发量的价格要比配额更划算一些。
从上述内容可知,企业的碳资产数据对于碳交易有着十分重要的作用。碳市场的逐步建立,使得碳资产管理的需求日益增强。控排企业(例如,各种电力企业)碳资产申报的相关数据是企业参与碳交易、合理争取碳配额的基础,也是企业管理碳资产、发掘碳减排空间的基础和关键。由此,如何有效管理企业的碳资产数据,是未来亟待解决的问题。而现有技术中,关于碳资产管理的系统主要是各省、市发改委开发的省级温室气体报送系统,以及交易所为了进行碳交易开发的交易系统。这两种系统,对于企业管理自身的碳资产作用不大。
另外,作为高耗能、高排放的电力企业,一般都是集团制的。集团电力企业下都有很多分公司、子公司,且分布于全国各地等不同的区域,而不同的区域,其配额分配规则不同,因而,对于集团电力企业来说,碳资产数据管理十分困难。
目前,现有集团电力企业内部进行碳资产管理采用的方法是,通过各个电厂的工作人员将电厂的生产数据通过邮件等方式发送给碳资产管理公司的项目经理,碳资产管理公司的项目经理根据国家的温室气体核算指南制作表格进行计算,再人工编制温室气体排放报告,完成后发送至电厂的工作人员确认,确认无误后发送至地方发改委。这种方式存在如下不足:
(1)当前集团电力企业内部的碳资产管理流程效率低下,流程不规范,缺乏监督考核机制,且增加了大量的人力成本。
(2)目前各省市的碳资产管理系统功能较为单一,仅仅为报送与交易,主要的设计角度是从为地方政府获取数据的角度进行开发,对控排企业自身的减排与降低履约成本等方面没有帮助,缺乏数据统计分析与盈亏测算、超排预警等机制等功能。
(3)对于CCER项目开发管理,缺乏一个有效了流程监管,对开发进度缺乏一个监督机制(CCER项目开发是一个漫长的过程)。
(4)针对整个集团电力企业下全部电厂的配额发放记录、配额交易记录,缺乏一个整体的记录流程与分析。
由上可知,亟待开发一套完善的碳资产管理系统,用于管理集团电力企业下所有电厂的碳资产,以便集团电力企业了解和监管各个电厂的碳排放情况,及时采取管理措施。
针对上述现有技术中,集团电力企业无法及时了解各个电厂的碳排放情况,造成企业碳资产管理效率低的问题,目前尚未提出有效的解决方案。
需要说明的是,上述内容属于发明人的技术认知范畴,并不必然构成现有技术。
发明内容
为了解决上述问题,本申请提出了一种碳资产管理方法,包括:获取集团电力企业下每个电厂的生产数据,其中,所述集团电力企业包括:部署于不同区域的多个电厂;所述生产数据包括如下至少之一:燃料数据、外购电数据、供电量数据、供热量数据;基于预先配置的配额分配基准线以及相应的修正系数,根据所述每个电厂的供电量数据和供热量数据,测算所述每个电厂的预计配额量;其中,所述配额分配基准线是由碳排放基准值所确定的基准线;其中,所述碳排放基准值是根据机组的燃料类型、压力参数和装机容量确定的一个基准值;所述碳排放基准值包括:供电碳排放基准值和/或供热碳排放基准值;所述修正系数包括如下至少之一:供热量修正系数、冷却方式修正系数、热值修正系数;且基于预先配置的碳排放计算公式,根据所述每个电厂的燃料数据和外购电数据,计算所述每个电厂的碳排放量;根据所述计算得到的每个电厂的碳排放量,以及所述测算得到的每个电厂的预计配额量,计算所述每个电厂的配额盈亏值,以根据所述集团电力企业下每个电厂的配额盈亏值,确定所述集团电力企业的碳资产管理方案。
在一个示例中,根据所述计算得到的每个电厂的碳排放量,以及所述测算得到的每个电厂的预计配额量,计算所述每个电厂的配额盈亏值,以根据所述集团电力企业下每个电厂的配额盈亏值确定所述集团电力企业的碳资产管理方案,包括:根据每个电厂实施减排项目发电的发电量确定所述每个电厂的减排签发量,其中,所述减排签发量为所述每个电厂因执行减排项目而签发的允许抵消配额履约的减排量;根据所述每个电厂的碳排放量、预计配额量和减排签发量,计算所述每个电厂的配额盈亏值,以根据所述集团电力企业下每个电厂的配额盈亏值,确定所述集团电力企业的碳资产管理方案;其中,所述每个电厂的配额盈亏值等于所述每个电厂的预计配额量与减排签发量之和,减去所述每个电厂的碳排放量,得到的差值。
在一个示例中,根据所述集团电力企业下每个电厂的配额盈亏值,确定所述集团电力企业的碳资产管理方案,包括:根据所述集团电力企业的投入成本和运行成本,构造所述集团电力企业的目标函数,其中,所述目标函数为 minize{C},约束条件为:
其中,
其中,
其中,C表示所述集团电力企业的总成本,n表示所述集团电力企业下的任意一个电厂,i表示所述集团电力企业下的任意一个电厂,ci表示每个电厂的总成本,cix表示每个电厂的发电成本,ciy表示每个电厂执行减排项目的成本,Cz表示所述集团电力企业完成配额履约需要购买配额的成本;Nixmax、Nix、 eix、pix和u(pix)分别表示每个电厂发电采用化石燃料发电满足用户需求需要的机组数量、实际使用的机组数量、单价、发电量和运行费用,Niymax、Niy、eiy、 piy和u(piy)分别表示每个电厂采用可再生能源发电满足用户需求需要的机组数量、实际使用的机组数量、单价、发电量和运行费用;m表示设备折旧年限, r表示贴现率;Ii表示每个电厂的配额盈亏值,Ai表示每个电厂计算配额的计算因子,Bi表示每个电厂计算碳减排量的计算因子,Ci表示每个电厂采用化石燃料发电的碳排放因子,D表示所述集团电力企业购买配额的单价;基于所述目标函数,根据所述集团电力企业下每个电厂的配额盈亏值,确定所述集团电力企业的碳资产管理方案,以使得所述集团电力企业的成本最低。
在一个示例中,基于预先配置的碳排放计算公式,根据所述每个电厂的燃料数据和外购电数据,计算所述每个电厂的碳排放量,包括:调用预先配置的与所述每个电厂对应的碳排放计算公式,并确定所述碳排放计算公式中包含的多个计算参数;基于第一预设模型分析所述燃料数据,并提取与所述多个计算参数对应的第一数据;其中,所述第一预设模型是使用多组数据通过机器学习训练得出的,所述多组数据中的每组数据均包括:燃料数据和标识所述燃料数据的参数名;和/或基于第二预设模型分析所述外购电电量数据,并提取与所述多个计算参数对应的第二数据;其中,所述第二预设模型是使用多组数据通过机器学习训练得出的,所述多组数据中的每组数据均包括:外购电数据和标识所述外购电数据的参数名;将提取到的第一数据和/或第二数据代入所述碳排放计算公式,计算得到所述每个电厂的碳排放量。
在一个示例中,所述第一预设模型分析的燃料数据为根据历史燃料数据预测得到的未来预设时间段内燃料数据;所述第二预设模型分析的外购电数据为根据历史外购电数据预测得到的未来预设时间段内的外购电数据;其中,通过如下预测模型预测所述未来预设时间段内的燃料数据和/或外购电数据:所述预测模型表示为A(p,q d),表示对非平稳的随机序列Yt进行d次差分处理后,得到平稳序列Xt,再将平稳序列拟合为A(p,q);其中,平稳序列Xt的表达式为:
其中,为自回归过程,p为自回归阶数,为自 回归系数;εt-φ1εt-1-…-φqεt-q为平滑过程,q为滑动平均阶数,φ1,…,φq为滑动平 均系数,εt为白噪声序列,形式为W(0,σ2);
其中,当q=0时,序列Xt成为自回归模型;当p=0时,序列Xt成为滑动平均模型。
在一个示例中,在根据所述计算得到的每个电厂的碳排放量,以及所述测算得到的每个电厂的预计配额量,计算所述每个电厂的配额盈亏值之后,所述方法还包括:生成所述每个电厂的碳资产报表数据,其中,所述碳资产报表数据包括如下至少之一:所述每个电厂的配额盈亏值、所述每个电厂的预测配额量与实际配额量的对比分析结果、计算得到的所述每个电厂的碳排放量与实际核证的碳排放量的对比分析结果;获取所述每个电厂的地理位置信息,并在预设地图上相应位置显示所述集团电力企业下每个电厂的碳资产报表数据。
在一个示例中,获取集团电力企业下每个电厂的生产数据,包括如下至少之一:通过在所述每个电厂内部署的传感器,采集所述每个电厂发电所消耗的燃料数据;通过在所述每个电厂内部署的电量计量设备,采集所述每个电厂的外购电数据以及供电量数据。
在一个示例中,获取集团电力企业下电厂的生产数据,包括:接收每个电厂上报的预定格式的报表文件;对所述报表文件进行分析,并提取得到所述每个电厂的生产数据;其中,所述预定格式为按照生产数据的提取规则设定的格式。
另一方面,本申请实施例提供了一种存储介质,包括:所述存储介质包括存储的程序,其中,所述程序执行上述任意一项所述的碳资产管理方法。
另一方面,本申请实施例提供了一种碳资产管理系统,包括:碳排放管理系统,与集团电力企业下每个电厂的燃料系统或电力系统通信,用于获取每个电厂的燃料数据和外购电数据,并基于预先配置的碳排放计算公式,根据所述每个电厂的燃料数据和外购电数据,计算所述每个电厂的碳排放量;其中,所述集团电力企业包括:部署于不同区域的多个电厂;配额管理系统,与集团电力企业下每个电厂的燃料系统或电力系统通信,用于获取每个电厂的供热量数据或供电量数据,基于预先配置的配额分配基准线以及相应的修正系数,根据所述每个电厂的供电量数据和供热量数据,测算所述每个电厂的预计配额量;碳交易决策管理系统,与所述碳排放管理系统、所述配额管理系统分别通信,用于根据所述计算得到的每个电厂的碳排放量,以及所述测算得到的每个电厂的预计配额量,计算所述每个电厂的配额盈亏值,以根据所述集团电力企业下每个电厂的配额盈亏值确定所述集团电力企业的碳资产管理方案。
在一种示例中,所述系统还包括:综合信息管理系统,与所述碳排放管理系统、所述配额管理系统和所述碳交易决策管理系统分别通信,用于提供碳市场交易信息,以及所述集团电力企业下每个电厂执行的减排项目信息;减排项目管理系统,与所述综合信息管理系统通信,用于根据所述每个电厂的减排项目信息确定所述每个电厂的减排签发量;其中,所述减排签发量为所述每个电厂因执行减排项目而签发的允许抵消配额履约的减排量;其中,所述碳交易决策管理系统与所述减排项目管理系统通信,还用于根据所述集团电力企业下每个电厂的碳排放量、预计配额量和减排签发量,计算所述每个电厂的配额盈亏值,以根据所述集团电力企业下每个电厂的配额盈亏值确定所述集团电力企业的碳资产管理方案;其中,所述每个电厂的配额盈亏值等于所述每个电厂的预计配额量与减排签发量之和,减去所述每个电厂的碳排放量,得到的差值。
通过本申请提出碳资产管理能够带来如下有益效果:集团电力企业实时了解该集团电力企业下每个电厂的碳排放情况以及配额盈亏情况的目的,以便根据每个电厂的碳排放情况以及配额盈亏情况来对集团电力企业碳资产进行管理,以提高集团电力企业碳资产管理效率。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例涉及的一种碳交易示意图;
图2为本申请实施例涉及的一种碳资产管理系统示意图;
图3为本申请实施例提供的一种碳资产管理方法流程示意图。
具体实施方式
为了更清楚的阐释本申请的整体构思,下面结合说明书附图以示例的方式进行详细说明。
本申请提供了一种碳资产管理系统实施例,可以应用于专门的碳资产公司,也可以应用于任意一家控排企业(例如,图1中所示的控排企业A和B,容易注意的是,控排企业A、B可以是集团企业,也可以是集团企业下的一个子公司)的碳资产管理。
作为一种可选的实施例,本申请各个实施例以高排放的集团电力企业为例来进行说明。通过本申请实施例提供的碳资产管理方案,集团公司可从系统中获取整个集团下每个电厂(可以是发电厂,也可以是热电厂)的碳排放情况,并进行分析,获取集团公司排放峰值及排放强度等关键参数,从而分析出集团公司各电厂降低排放的难易系数及减排空间。同时,可根据登记簿中各电厂及各地区配额情况分析各地区交易及减排成本,通过碳资产配置和重组,实现集团公司利益最大化。
图2是本申请实施例涉及的一种碳资产管理系统示意图,如图2所示,该系统包括:综合信息管理系统201、碳排放管理系统202、配额管理系统203、减排项目管理系统204和碳交易决策管理系统205。
其中,综合信息管理系统201可以汇总国家和地方关于碳资产的相关政策、法规,以及集团电力企业内部的碳资产管理制度,还可以提供碳交易市场的各种交易信息(包括但不限于价格信息),可选地,对于执行减排项目的电厂,还可以提供电厂执行相应减排项目的项目信息。
集团电力企业下每个电厂可以通过碳排放管理系统202提供的数据录入界面填报各自的碳排放数据(例如,原煤量、低位热值等)。由于地方发改委政策不同,其计算碳排放的公式或参数值可能不同,对于不同区域的电厂,可以通过灵活配置的碳排放计算公式计算碳排放量。
其中,碳排放管理系统202设置有与集团电力企业下每个电厂的燃料系统 206或电力系统207通信的接口,以便通过第一采集模块2021采集集团电力企业下每个电厂的燃料数据(例如,煤量、煤质等)或电量数据;并通过碳排放计算公式配置模块2022配置集团企业下每个电厂计算碳排放量使用的碳排放计算公式,以便通过碳排放计算模块2023基于每个电厂的碳排放计算公式,根据每个电厂的燃料数据或外购电数据计算得到每个电厂的碳排放量。
此处需要说明的是,每个电厂所在区域的政策不同,因而,计算碳排放的计算参数和公式均可能不同,由此,针对不同区域的电厂,需要配置不同的碳排放计算公式来计算碳排放量。
由于同一套生产数据,选择不同的计算方法,最终计算出来的碳排放结果数据有较大的差距,为了保证电厂利益最大化,增加集团公司整体收益,碳排放管理系统202可以提供多种算法选择,选择最优的计算方法。针对电厂专工不熟悉的一些参数如:单位热值含碳量、燃煤碳氧化率等一些只与碳资产管理相关的参数,碳排放管理系统202还可以采用灵活选择、自动计算等方式减轻电厂专工的工作难度。
另外,由于碳排放的计算参数可能经常性调整,为了解决这个问题,本申请在碳排放管理系统202中设置了可配置的公式模块,可以按年份、单元设定不同的计算公式,保证计算结果的准确性以及操作的便利性。用户提交生产数据后自动计算结果值。
为了减少人工整理报表数据的工作,本申请可以采用人工智能技术来实现每个电厂碳排放的智能计算,即将每个电厂的燃料数据和外购电数据输入到的一个模型和该电厂对应的碳排计算公式输入到一个模型中,系统就可以自动提取碳排放计算公式计算碳排放量需要的数据,并自动计算出每个电厂的碳排放量。
具体地,使用多组燃料数据和表示燃料数据的参数名,通过机器学习训练得到一个模型(即第一预设模型),通过该模型分析某一个电厂的燃料数据,并提取与该电厂的碳排放计算公式中多个计算参数对应的第一数据,代入该电厂的碳排放计算公式,计算得到该电厂的碳排放量。
同理,使用多组外购电数据和表示外购电数据的参数名,通过机器学习训练得到一个模型(即第二预设模型),通过该模型分析某一个电厂的外购电数据,并提取与该电厂的碳排放计算公式中多个计算参数对应的第二数据,代入该电厂的碳排放计算公式,计算得到该电厂的碳排放量。
需要说明的是,上述第一预设模型分析的燃料数据可以是根据历史燃料数据预测得到的未来预设时间段内燃料数据;上述第二预设模型分析的外购电数据也可以是根据历史外购电数据预测得到的未来预设时间段内的外购电数据。作为一种可选的实施方式,可以通过预测模型A(p,qd)来根据历史燃料数据(外购电数据)预测未来某一时间段(即预设时间段)内的燃料数据(外购电数据)。该预测模型表示对非平稳的随机序列Yt进行d次差分处理后,得到平稳序列Xt,再将平稳序列拟合为A(p,q);其中,平稳序列Xt的表达式为:
t∈Z;其中,为自回归过程,p为自回归阶数,为自回归系数;εt-φ1εt-1-…-φqεt-q为平滑过程,q为滑动平均阶数,φ1,…,φq为滑动平均系数,εt为白噪声序列,形式为W(0,σ2);其中,当q=0时,序列Xt成为自回归模型;当p=0时,序列Xt成为滑动平均模型。
通过上述预测模型,预测企业在未来某一时间段的燃料数据和外购电数据,以便可以预测该企业在该时间段内的预计碳排放量和预计配额,进而根据预计碳排放量和预计配额得到该企业的预计配额盈亏,从而使得企业及时调整碳资产管理方案,以使得企业总成本最低,收益最大。例如,是关掉部分电厂,还是全部电厂都工作,在工作的电厂中,采用多少化石燃料发电,采用多少新能源发电等。
作为一种可选的实施方式,配置的碳排放计算公式可以如下所示:
碳排放计算公式为:
E=E燃烧+E脱硫+E电;
其中,ADi=FCi×NCVi×10-6;
其中,EFk=EFk,t×TR;E电=AD电×EF电;
其中,E为每个电厂的碳排放总量,E燃烧为每个电厂燃烧化石燃料产生的碳排放量,E脱硫为每个电厂脱硫过程中产生的碳排放量,E电为每个电厂购入使用电力产生的碳排放量;i为化石燃料的种类,ADi为第i种化石燃料以热值表示的活动水平,EFi为第i种化石燃料的排放因子;FCi为第i种化石燃料的消耗量,NCVi为第i种化石燃料平均低位发热值;CCi为第i种化石燃料的单位热值含碳量,OFi为第i种化石燃料的碳氧化率,44/12为二氧化碳与碳的分子量之比; k为脱硫剂类型,CALk为第k种脱硫剂中碳酸盐消耗量,EFk为第k种脱硫剂中碳酸盐的排放因子;y为核算和报告年,m为核算和报告年中的某月,Bk,m为脱硫剂在全年某月的消耗量,Ik为第k种脱硫剂中碳酸盐含量;EFk,t完全转化时脱硫过程的排放因子,TR为转化率;AD电为每个电厂的购入电量,EF电为每个电厂所在区域电网年平均供电排放因子。
图2中的配额管理系统203通过配额基准线配置模块2032配置不同机组类型和装机容量的机组(包括但不限于燃料机、发电机等机组)的配额基准线,以及对应的修正系数,并通过与集团电力企业下每个电厂的燃料系统206或电力系统207通信的接口,以便通过第二采集模块2031采集集团电力企业下每个电厂的供热量数据和供电量数据。最后通过配额计算模块2033根据每个电厂的机组数据和配置的配额基准线、对应的修正系数,计算得到每个电厂的预计配额量。例如,可以根据每个电厂内所有机组的供电量、供热量、配额基准线以及对应的修正系数来估算每个电厂的预计配额量。
需要说明的是,目前国家根据机组的压力参数、装机容量、燃料类型,将机组分为11个类别,分别是超超临界1000MW机组、超超临界600MW机组、超临界600MW机组、超临界300MW机组、亚临界600MW机组、亚临界300MW 机组、高压超高压300MW以下机组、循环流化床及IGCC 300MW及以上机组、循环流化床及IGCC 300MW以下机组、燃气F级机组和燃气F级以下机组。根据国家节能减排和碳市场发展的需要,未来可能对现有的机组类别进行调整。本申请各个实施例提供的碳资产管理方案,可以应用于调整后的机组类别。
一种可选的实施例中,可以通过下面的公式来计算每台机组的预计配额量:机组的预计配额量=供电量×供电配额基准线×修正系数+供热量×供热配额基准线。在机组为超超临界1000MW机组的情况下,修正系数包括:冷却方式修正系数和机组供热量修正系数。
此处需要说明的是,不同类型(包括但不限于燃料类型、装机容量和压力参数)的机组,配额基准线和对应的修正系数不同。
另外,还需要进一步说明的是,上述第一采集模块2021和第二采集模块2031在采集燃料数据或电量数据的时候,可以自动采集数据,也可以从每个电厂上报的报告文件中提取相应的数据。
第一种可选的实施方式中,在自动采集燃料数据或电量数据的情况下,上述燃料系统207可以通过在每个电厂内部署的传感器,采集每个电厂发电所消耗的燃料数据;上述第二电力系统207可以通过在每个电厂内部署的电量计量设备,采集每个电厂的外购电数据以及供电量数据。
第二种可选的实施方式中,在根据每个电厂上报的报表文件提取每个电厂的相应数据(例如,燃料数据、外购电数据、供电量数据、供热量数据)的情况下,上述第一采集模块2021和第二采集模块2031可以接收每个电厂上报的预定格式的报表文件;对报表文件进行分析,并提取得到每个电厂的生产数据;其中,预定格式可以是按照生产数据的提取规则设定的格式,也可以是每个电厂现有的报表文件格式。
可选地,在根据每个电厂的报表文件提取数据的时候,也可以结合人工智能,通过拍摄获取每个报表文件的图像,并采用各种图像识别技术识别图像中包含的数据。这种方式,大大降低了人工录入数据的繁琐,提高了准确度和工作效率。
如图2所示,在通过碳排放管理系统202中的碳排放计算模块2023计算得到集团电力企业下每个电厂的碳排放量,并通过配额管理系统203中的配额计算模块2033计算得到该集团电力企业下每个电厂的预计配额量后,可以将计算得到的集团电力企业下每个电厂的碳排放量和测算得到的预计配额量输入到碳交易决策管理系统205中的交易决策模块2051,通过该交易决策模块 2051计算每个电厂的配额盈亏值,以根据该集团电力企业下每个电厂的配额盈亏值确定集团电力企业的碳资产管理方案,例如,集团内部协调或者统一向外出售或购买碳资产。最后通过碳交易模块2052执行相应的碳资产交易。
具体地,每个电厂的配额盈亏值通常等于每个电厂的预计配额量与减排签发量之和,减去每个电厂的碳排放量,得到的差值。
需要说明的是,企业采用化石燃料发电,机组成本低,但是会导致更多的碳排放,进而使得企业无法完成履约,需要购买配额;而采用新能源发电,机组成本高,但是可以抵消一部分碳排放。因而,可以结合企业的碳排放来确定企业的发电中多少比例采用化石燃料,多少比例采用新能源发电,从而使得企业总成本最低,收益最大。
对于集团电力企业来说,对于配额的出售和购买都是统一对外进行的,如果集团电力企业的配额盈亏值小于零(即总碳排放量﹥总配额+减排项目减排签发量),则无法完成履约需要统一向其他企业购买配额;如果集团电力企业的配额盈亏值等于零(即总碳排放量=总配额+减排项目减排签发量),则完成履约;如果集团电力企业的配额盈亏值大于零(即总碳排放量﹤总配额+减排项目减排签发量),则完成履约后,还剩余配额,可以统一向其他企业出售配额。
容易注意的是,集团电力企业下的每个电厂的发电能力是存在差异的,且不同的电厂,执行碳减排所消耗的成本也是不同的;虽然,采用传统化石燃料发电的生产成本比较低,采用风能、太阳能等新型能源发电的生产成本比较高,但是,采用风能、太阳能等新型能源发电可以获取相应的减排签发量,而采用传统化石燃料发电不仅无法获得碳减排签发量,还会增加企业的实际碳排放量,从而使得企业为了完成配额履约,需要花费一定的费用来购买其他的企业的配额。因而,如何采用一个折中的方案,使得集团电力企业的收益最大,也即成本最小,本申请在获取到集团电力企业下每个电厂的配额盈亏值后,可以根据集团电力企业的投入成本和运行成本,构造集团电力企业的目标函数,并根据该目标函数来确定一个合理的碳资产管理方案,以使得集团电力企业的成本最小,也即收益最大。
一种可选的实施方式,采用的目标函数为minize{C},约束条件为:
其中,C的表达式如下:
其中,
其中,C表示集团电力企业的总成本,n表示集团电力企业下的任意一个电厂,i表示集团电力企业下的任意一个电厂,ci表示每个电厂的总成本,cix表示每个电厂的发电成本,ciy表示每个电厂执行减排项目的成本,Cz表示集团电力企业完成配额履约需要购买配额的成本;Nixmax、Nix、eix、pix和u(pix)分别表示每个电厂发电采用化石燃料发电满足用户需求需要的机组数量、实际使用的机组数量、单价、发电量和运行费用,Niymax、Niy、eiy、piy和u(piy)分别表示每个电厂采用可再生能源发电满足用户需求需要的机组数量、实际使用的机组数量、单价、发电量和运行费用;m表示设备折旧年限,r表示贴现率; Ii表示每个电厂的配额盈亏值,Ai表示每个电厂计算配额的计算因子,Bi表示每个电厂计算碳减排量的计算因子,Ci表示每个电厂采用化石燃料发电的碳排放因子,D表示集团电力企业购买配额的单价。
通过上述目标函数,可以根据集团电力企业的发电成本、配额购买成本、执行减排项目投入的成本,综合确定集团电力企业的碳资产管理方案,以使得集团电力企业的成本最低,收益最大。
可选地,上述碳交易模块2052还可以用于构建构建集团电力企业的内部区块链网络,其中,内部区块链网络用于记录集团电力企业内部所有电厂之间的配额交易数据;在集团电力企业内任意两个电厂之间发生配额交易的情况下,将两个电厂之间的配额交易数据存储到内部区块链网络;根据内部区块链网络中任意一个节点的区块链所记录的数据进行结算处理,得到集团电力企业的总配额交易量,其中,总配额交易量为集团电力企业向外部出售或购买的配额量。
通过构建集团内部区块链网络,记录每个电厂配额交易情况,可以使得集团电力企业内部的每个电厂自由进行内部配额交易,以完成集团的配额目标。另外,集团可以通过区块链网络上任意一个节点记录的交易数据,快速计算出集团的总配额交易量,节省了大量统计工作量。
由于企业参与减排项目得到的签发量可以抵消企业的一部分履约配额,因而,本申请实施例提供的碳资产管理系统还包括:减排项目管理系统204,以管理每个电厂参与的减排项目,以及参与减排项目被核证签发的减排量。作为一种可选的实施方式,基层电厂的工作人员可以通过减排项目管理系统204 中的录入模块2041录入电每个电厂参与的减排项目,发起减排项目开发申请、减排项目管理系统204可以对每个减排项目的开发进度进行监督和管理。如果项目投产,基层企业每月录入项目的上网和下网电量,由系统根据事先设定的排放因子来自动计算减排签发量,并根据计算的减排签发量结果确定核证的时间。对于正在开发中的减排项目(例如,CCER项目),减排项目管理系统204 可以显示每个项目的开发信息,开发进度条等;对于开发完成存量中的减排项目,减排项目管理系统204可以显示每个减排项目的减排签发量。通过统计模块2042统计得到电厂被核证签发的总减排量。
需要说明的是,在根据减排项目的发电量计算减排项目的减排量时,减排量计算的基准包括不仅包括传统的火电(不同地区碳排放强度不同),还可再生能源发电(零排放)。对于风电和光伏项目来说,可以采用下面的减排量计算公式来计算风电项目的减排量,或者光伏项目的减排量:
ERy=BEy=EGpty*EFgrid,CMy;
其中,ERy为风电项目或光伏项目在第y年的减排量(tCO2e/yr),BEy为第 y年的基准线排放量(tCO2e/yr),EGpty为第y年因实施风电项目或光伏项目产生的上网电量(tCO2e/yr);EFgrid,CMy为第y年并网发电的组合边际CO2排放因子 (tCO2/MWh),其中,组合边际CO2排放因子EFgrid,CMy的计算方法如下:
EFgrid,CMy=EFgrid,OMy×0.75+EFgrid,BMy×0.25;
其中,EFgrid,OMy为第y年电量边际排放因子(tCO2/MWh);EFgrid,BMy第y年容量边际排放因子(tCO2/MWh)。
容易注意的是,对于每个区域,根据总排放量(煤、油、气)和总发电量 (火电、水电及其他可再生能源)计算出排放因子。另外,这个排放因子随着每年的排放量和发电量的数据变动而变动。
例如,某电厂实施的风电项目,由于该电厂以零排放的可再生电力替代以火电为主的该电厂所在区域电网提供的等量电力,从而减少了温室气体的排放。该风电项目减排的温室气体为CO2,预计年均减排量为:该电厂风电项目 CO2年减排量=年净上网电量(上网电量-网购电量)*该电厂所在区域电网X 年排放因子。
可选地,每个电厂参与减排项目被核证签发的减排量可以记录到综合信息管理系统201中,以便与该综合信息管理系统201连接的碳交易决策管理模块 205根据每个电厂的碳排放量、预计配额量和减排签发量,计算每个电厂的配额盈亏值,以根据集团电力企业下每个电厂的配额盈亏值确定集团电力企业的碳资产管理方案。
可选地,如图2所示,综合信息管理系统201与碳排放管理系统202、配额管理系统203、减排项目管理系统204和碳交易决策管理系统205均分别通信,还可以用于集团电力企业工作人员录入但不限于如下任意一种或多种信息:国家、地方碳资产相关政策法规,以及该集团电力企业的管理制度、该集团电力企业下每个电厂或子公司的基本信息、联系人信息、碳资产账户信息等。
可选地,该综合信息管理系统201还可以与碳交易所的交易系统对接,或者直接从互联网上爬取信息,以获取实时的碳市场交易信息(包括但不限于交易方信息、交易的碳资产类型、价格等)。
其中,碳交易决策管理模块205中的交易决策模块2051在根据每个电厂的碳排放量、预计配额量和减排签发量,计算得到每个电厂的配额盈亏值后,可以根据每个电厂的配额盈亏值以及碳市场交易信息确定集团电力企业的碳资产管理方案。需要说明的是,碳交易决策管理模块205可以根据每个电厂的配额盈亏值,确定每个电厂需要进行的碳交易量,形成集团电力企业的碳交易决策报告,并供集团电力企业查看和决策。
在根据集团电力企业下每个电厂的碳排放量、预计配额量和减排签发量计算得到每个电厂的配额盈亏后,每个电厂可以单独进行碳交易,也可以由集团统一进行碳交易。针对不同性质的集团电力企业,可以采用不同的交易方式。
作为第一种可选的实施方案,如果某集团电力企业下每个电厂是独资的,则每个电厂可以根据自身的配额盈亏,从碳交易市场上的任意一个企业(包括该集团电力企业下的其他电厂)出售或购买相应的碳资产。
作为第二种可选的实施方案,如果某集团电力企业下每个电厂不是独资的,由集团电力企业集中出售或购买碳资产的,则集团电力企业可以统计该集团电力企业下所有电厂的配额盈亏值之和,得到集团电力企业的配额总盈亏值。进而根据配额总盈亏值,确定集团电力企业完成配额履约进行的碳资产总交易量,以便统一向碳交易市场出售或购买相应的碳资产。若集团电力企业的总配额是不足的,则统一购买后,在集团内部进行配额分配。若集团电力企业的总配额是有剩余的,则统一出售。
基于上述任意一种可选的实施例,作为一种可选的实施例,上述综合信息管理系统201还可以用于生成每个电厂的碳资产报表数据,并结合地理信息系统(GeographicInformation System,简称GIS)获取每个电厂的地理位置信息,以在预设地图上相应位置显示集团电力企业下各个电厂的碳资产报表数据,碳资产报表数据为碳资产报告(可以包括有关碳资产的所有报告文件,例如,每电厂出具的碳排放数据报告,补充数据表等)中的任意一项数据。
可选地,碳资产报表数据包括如下至少之一:每个电厂的配额盈亏值、每个电厂的预测配额量与实际配额量的对比分析结果、计算得到的每个电厂的碳排放量与实际核证的碳排放量的对比分析结果。
通过将各个电厂的碳资产报表数据显示在地图上,可以方便集团电力企业直观地了解到所有电厂的碳资产情况。
本申请还提供了一种碳资产管理方法实施例,可以应用但不限于上述实施例提供的碳资产管理系统中。
图3是本申请实施例提供的一种碳资产管理方法流程示意图,如图3所示,该方法包括如下步骤:
步骤S301,获取集团电力企业下每个电厂的生产数据,其中,生产数据包括如下至少之一:燃料数据、外购电数据、供电量数据、供热量数据。
具体地,集团电力企业包括:部署于不同区域的多个电厂;可以通过在每个电厂内部署的传感器,采集每个电厂内各台机组发电所消耗的燃料数据以及供热量数据(例如,采集供热管道供出的蒸汽温度和流量,以根据蒸汽温度和流量计算供热量);通过在每个电厂内部署的电量计量设备,采集每个电厂外购电数据以及供电量数据。可选地,也可以从每个电厂上报的预定格式的报表文件中提取相应的燃料数据、外购电数据、供热量数据、供电量数据。
步骤S302,基于预先配置的配额分配基准线以及相应的修正系数,根据每个电厂的供电量数据和供热量数据,测算每个电厂的预计配额量;基于预先配置的碳排放计算公式,根据每个电厂的燃料数据和外购电数据,计算每个电厂的碳排放量。
具体地,由于不同的国家,不同的地区,碳排放计算方式不同,且配额分配标准也存在差异,通过上述步骤S302,可以根据每个电厂所在区域的政策或其他相关信息,配置不同的碳排放计算公式来计算每个电厂的碳排放量。并采用每个电厂所在区域的配额分配基准线和对应的修正系数来测算每个电厂的配额。
步骤S303,根据每个电厂实施减排项目发电的发电量确定每个电厂的减排签发量。
具体地,减排签发量是指企业执行减排项目(例如,CCER项目)被核证签发的碳减排量,可以以抵消自身的一部分配额,也可以出售给其他企业。
步骤S304,根据每个电厂的碳排放量、预计配额量和减排签发量,计算每个电厂的配额盈亏值。
具体地,配额盈亏值等于每个电厂的预计配额量与减排签发量之和,减去每个电厂的碳排放量,得到的差值。
步骤S305,获取碳市场的碳资产交易信息。
具体地,碳市场上配额出售的价格,与减排签发量出售的价格是不同的,因而,在根据集团电力企业下每个电厂的配额盈亏值确定该集团电力企业的碳资产管理方案的时候,可以获取碳市场的碳资产交易信息,以便结合碳市场上的碳资产交易信息确定该集团电力企业的碳资产管理方案。
步骤S306,根据碳资产交易信息和集团电力企业的配额总盈亏值确定集团电力企业的碳资产管理方案。
步骤S307,生成每个电厂的碳资产报表数据。
具体地,在根据每个电厂的碳排放量、预计配额量和减排签发量,计算每个电厂的配额盈亏值后,可以生产每个电厂的碳资产报表数据,包括但不限于如下任意一种或多种:每个电厂的配额盈亏值、每个电厂的预测配额量与实际配额量的对比分析结果、计算得到的每个电厂的碳排放量与实际核证的碳排放量的对比分析结果。
步骤S308,获取每个电厂的地理位置信息,并在预设地图上相应位置显示集团电力企业下每个电厂的碳资产报表数据。
具体地,由于集团电力企业下通常包含有部署于不同区域的多个电厂,因而,在得到集团电力企业下每个电厂的碳资产报表数据后,可以根据每个电厂的地理位置信息,在预设地图(例如,全球地图、全国地图、全省地图等)上显示该集团电力企业下各个电厂的碳资产报表数据,以便集团电力企业直观地了解到所有电厂的碳资产情况。
通过上述公开的方案,通过与集团电力企业下各个电厂的燃料系统与电力系统通信的接口,获取该集团电力企业下每个电厂的燃料数据、供热量数据、外购电数据和供电量数据,以便根据燃料数据或外购电数据确定计算每个电厂的碳排放量,并基于预先配置的配额基准线和相应的修正系数,根据供热量数据和供电量数据,测算每个电厂的配额,以便与定期根据每个电厂的碳排放量和配额,计算每个电厂在任意一段时间内的配额盈亏值,达到了集团电力企业实时了解该集团电力企业下每个电厂的碳排放情况以及配额盈亏情况的目的,从而实现了提高集团电力企业碳资产管理效率的技术效果,进而解决了现有技术中,集团电力企业无法及时了解每个电厂的碳排放情况,造成企业碳资产管理效率低的技术问题。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种碳资产管理方法,其特征在于,包括:
获取集团电力企业下每个电厂的生产数据,其中,所述集团电力企业包括:部署于不同区域的多个电厂;所述生产数据包括如下至少之一:燃料数据、外购电数据、供电量数据、供热量数据;
基于预先配置的配额分配基准线以及相应的修正系数,根据所述每个电厂的供电量数据和供热量数据,测算所述每个电厂的预计配额量;其中,所述配额分配基准线是由碳排放基准值所确定的基准线;其中,所述碳排放基准值是根据机组的燃料类型、压力参数和装机容量确定的一个基准值;所述碳排放基准值包括:供电碳排放基准值和/或供热碳排放基准值;所述修正系数包括如下至少之一:供热量修正系数、冷却方式修正系数、热值修正系数;且基于预先配置的碳排放计算公式,根据所述每个电厂的燃料数据和外购电数据,计算所述每个电厂的碳排放量;
根据所述计算得到的每个电厂的碳排放量,以及所述测算得到的每个电厂的预计配额量,计算所述每个电厂的配额盈亏值,以根据所述集团电力企业下每个电厂的配额盈亏值,确定所述集团电力企业的碳资产管理方案。
2.根据权利要求1所述的方法,其特征在于,根据所述计算得到的每个电厂的碳排放量,以及所述测算得到的每个电厂的预计配额量,计算所述每个电厂的配额盈亏值,以根据所述集团电力企业下每个电厂的配额盈亏值确定所述集团电力企业的碳资产管理方案,包括:
根据每个电厂实施减排项目发电的发电量确定所述每个电厂的减排签发量,其中,所述减排签发量为所述每个电厂因执行减排项目而签发的允许抵消配额履约的减排量;
根据所述每个电厂的碳排放量、预计配额量和减排签发量,计算所述每个电厂的配额盈亏值,以根据所述集团电力企业下每个电厂的配额盈亏值,确定所述集团电力企业的碳资产管理方案;其中,所述每个电厂的配额盈亏值等于所述每个电厂的预计配额量与减排签发量之和,减去所述每个电厂的碳排放量,得到的差值。
3.根据权利要求2所述的方法,其特征在于,根据所述集团电力企业下每个电厂的配额盈亏值,确定所述集团电力企业的碳资产管理方案,包括:
根据所述集团电力企业的投入成本和运行成本,构造所述集团电力企业的目标函数,其中,所述目标函数为minize{C},约束条件为:
其中,
其中,
其中,C表示所述集团电力企业的总成本,n表示所述集团电力企业下的任意一个电厂,i表示所述集团电力企业下的任意一个电厂,ci表示每个电厂的总成本,cix表示每个电厂的发电成本,ciy表示每个电厂执行减排项目的成本,Cz表示所述集团电力企业完成配额履约需要购买配额的成本;Nixmax、Nix、eix、pix和u(pix)分别表示每个电厂发电采用化石燃料发电满足用户需求需要的机组数量、实际使用的机组数量、单价、发电量和运行费用,Niymax、Niy、eiy、piy和u(piy)分别表示每个电厂采用可再生能源发电满足用户需求需要的机组数量、实际使用的机组数量、单价、发电量和运行费用;m表示设备折旧年限,r表示贴现率;Ii表示每个电厂的配额盈亏值,Ai表示每个电厂计算配额的计算因子,Bi表示每个电厂计算碳减排量的计算因子,Ci表示每个电厂采用化石燃料发电的碳排放因子,D表示所述集团电力企业购买配额的单价;
基于所述目标函数,根据所述集团电力企业下每个电厂的配额盈亏值,确定所述集团电力企业的碳资产管理方案,以使得所述集团电力企业的成本最低。
4.根据权利要求1所述的方法,其特征在于,基于预先配置的碳排放计算公式,根据所述每个电厂的燃料数据和外购电数据,计算所述每个电厂的碳排放量,包括:
调用预先配置的与所述每个电厂对应的碳排放计算公式,并确定所述碳排放计算公式中包含的多个计算参数;
基于第一预设模型分析所述燃料数据,并提取与所述多个计算参数对应的第一数据;其中,所述第一预设模型是使用多组数据通过机器学习训练得出的,所述多组数据中的每组数据均包括:燃料数据和标识所述燃料数据的参数名;和/或基于第二预设模型分析所述外购电数据,并提取与所述多个计算参数对应的第二数据;其中,所述第二预设模型是使用多组数据通过机器学习训练得出的,所述多组数据中的每组数据均包括:外购电数据和标识所述外购电数据的参数名;
将提取到的第一数据和/或第二数据代入所述碳排放计算公式,计算得到所述每个电厂的碳排放量。
5.根据权利要求4所述的方法,其特征在于,所述第一预设模型分析的燃料数据为根据历史燃料数据预测得到的未来预设时间段内燃料数据;所述第二预设模型分析的外购电数据为根据历史外购电数据预测得到的未来预设时间段内的外购电数据;其中,通过如下预测模型预测所述未来预设时间段内的燃料数据和/或外购电数据:
所述预测模型表示为A(p,qd),表示对非平稳的随机序列Yt进行d次差分处理后,得到平稳序列Xt,再将平稳序列拟合为A(p,q);其中,平稳序列Xt的表达式为:
其中,为自回归过程,p为自回归阶数,为自回归系数;εt-φ1εt-1-…-φqεt-q为平滑过程,q为滑动平均阶数,φ1,…,φq为滑动平均系数,εt为白噪声序列,形式为W(0,σ2);
其中,当q=0时,序列Xt成为自回归模型;当p=0时,序列Xt成为滑动平均模型。
6.根据权利要求1所述的方法,其特征在于,在根据所述计算得到的每个电厂的碳排放量,以及所述测算得到的每个电厂的预计配额量,计算所述每个电厂的配额盈亏值之后,所述方法还包括:
生成所述每个电厂的碳资产报表数据,其中,所述碳资产报表数据包括如下至少之一:所述每个电厂的配额盈亏值、所述每个电厂的预测配额量与实际配额量的对比分析结果、计算得到的所述每个电厂的碳排放量与实际核证的碳排放量的对比分析结果;
获取所述每个电厂的地理位置信息,并在预设地图上相应位置显示所述集团电力企业下每个电厂的碳资产报表数据。
7.根据权利要求1所述的方法,其特征在于,获取集团电力企业下每个电厂的生产数据,包括如下至少之一:
通过在所述每个电厂内部署的传感器,采集所述每个电厂发电所消耗的燃料数据;
通过在所述每个电厂内部署的电量计量设备,采集所述每个电厂的外购电数据以及供电量数据。
8.根据权利要求1所述的方法,其特征在于,获取集团电力企业下电厂的生产数据,包括:
接收每个电厂上报的预定格式的报表文件;
对所述报表文件进行分析,并提取得到所述每个电厂的生产数据;其中,所述预定格式为按照生产数据的提取规则设定的格式。
9.一种碳资产管理系统,其特征在于,包括:
碳排放管理系统,与集团电力企业下每个电厂的燃料系统或电力系统通信,用于获取每个电厂的燃料数据和外购电数据,并基于预先配置的碳排放计算公式,根据所述每个电厂的燃料数据和外购电数据,计算所述每个电厂的碳排放量;其中,所述集团电力企业包括:部署于不同区域的多个电厂;
配额管理系统,与集团电力企业下每个电厂的燃料系统或电力系统通信,用于获取每个电厂的供热量数据或供电量数据,基于预先配置的配额分配基准线以及相应的修正系数,根据所述每个电厂的供电量数据和供热量数据,测算所述每个电厂的预计配额量;
碳交易决策管理系统,与所述碳排放管理系统、所述配额管理系统分别通信,用于根据所述计算得到的每个电厂的碳排放量,以及所述测算得到的每个电厂的预计配额量,计算所述每个电厂的配额盈亏值,以根据所述集团电力企业下每个电厂的配额盈亏值确定所述集团电力企业的碳资产管理方案。
10.根据权利要求9所述的系统,其特征在于,所述系统还包括:
综合信息管理系统,与所述碳排放管理系统、所述配额管理系统和所述碳交易决策管理系统分别通信,用于提供碳市场交易信息,以及所述集团电力企业下每个电厂执行的减排项目信息;
减排项目管理系统,与所述综合信息管理系统通信,用于根据所述每个电厂的减排项目信息确定所述每个电厂的减排签发量;其中,所述减排签发量为所述每个电厂因执行减排项目而签发的允许抵消配额履约的减排量;
其中,所述碳交易决策管理系统与所述减排项目管理系统通信,还用于根据所述集团电力企业下每个电厂的碳排放量、预计配额量和减排签发量,计算所述每个电厂的配额盈亏值,以根据所述集团电力企业下每个电厂的配额盈亏值确定所述集团电力企业的碳资产管理方案;其中,所述每个电厂的配额盈亏值等于所述每个电厂的预计配额量与减排签发量之和,减去所述每个电厂的碳排放量,得到的差值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811156137.0A CN109272243B (zh) | 2018-09-30 | 2018-09-30 | 碳资产管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811156137.0A CN109272243B (zh) | 2018-09-30 | 2018-09-30 | 碳资产管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109272243A true CN109272243A (zh) | 2019-01-25 |
CN109272243B CN109272243B (zh) | 2021-03-23 |
Family
ID=65195443
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811156137.0A Active CN109272243B (zh) | 2018-09-30 | 2018-09-30 | 碳资产管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109272243B (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110097279A (zh) * | 2019-04-29 | 2019-08-06 | 兰州环境能源交易中心有限公司 | 企业碳资产管理系统 |
CN111047291A (zh) * | 2019-12-09 | 2020-04-21 | 湖北碳排放权交易中心有限公司 | 一种基于碳排放权交易的集团账户管理方法及系统 |
CN112669061A (zh) * | 2020-12-23 | 2021-04-16 | 华电电力科学研究院有限公司 | 火电厂碳配额盈缺分析方法、系统、装置及可读存储介质 |
CN113094580A (zh) * | 2021-03-24 | 2021-07-09 | 远光软件股份有限公司 | 碳配额的计算方法、装置、存储介质和终端设备 |
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 |
CN113469778A (zh) * | 2021-05-24 | 2021-10-01 | 国网浙江省电力有限公司温州供电公司 | 一种碳资产整合管理的碳交易利润分配方法及系统 |
CN113516394A (zh) * | 2021-07-19 | 2021-10-19 | 甘肃省生态环境科学设计研究院(甘肃省生态环境规划院) | 一种对两高项目全过程环境管理的智能系统及方法 |
CN113592187A (zh) * | 2021-08-06 | 2021-11-02 | 时代云英(重庆)科技有限公司 | 一种智能碳排放管理系统及方法 |
CN113592524A (zh) * | 2021-06-04 | 2021-11-02 | 国电南瑞科技股份有限公司 | 基于微观机组参数的碳市场基本供需确定方法及系统 |
CN113705936A (zh) * | 2021-10-26 | 2021-11-26 | 国网浙江省电力有限公司 | 基于碳循环的能源配置方法、装置及存储介质 |
CN113821008A (zh) * | 2021-10-11 | 2021-12-21 | 国网综合能源服务集团有限公司 | 一种大型工业企业的能源管理控制方法及能源管理中心 |
CN114722104A (zh) * | 2022-06-07 | 2022-07-08 | 台州宏创电力集团有限公司科技分公司 | 基于区块链的企业碳排能耗数据管理运营系统及方法 |
CN115713205A (zh) * | 2022-11-14 | 2023-02-24 | 国网浙江省电力有限公司 | 基于区块链的电-碳联动协同下的企业配碳成本决策方法 |
CN116187788A (zh) * | 2023-05-04 | 2023-05-30 | 江苏智能低碳科技发展有限公司 | 用于厂区的能碳管理算法应用平台 |
CN116757307A (zh) * | 2023-04-28 | 2023-09-15 | 生态环境部环境规划院 | 一种基于机组的碳市场电力行业配额基准值测算优化方法 |
CN116826863A (zh) * | 2023-06-28 | 2023-09-29 | 南方电网能源发展研究院有限责任公司 | 发电厂碳配额调整方法、装置、计算机设备和存储介质 |
CN116974234A (zh) * | 2023-09-22 | 2023-10-31 | 华能山东发电有限公司烟台发电厂 | 一种火电厂碳资产的监测控制方法及系统 |
JP7394958B2 (ja) | 2019-09-10 | 2023-12-08 | 株式会社日立製作所 | 施設およびプロジェクトの評価データを生成する装置および方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100287012A1 (en) * | 2008-04-08 | 2010-11-11 | Bloom Energy Corporation | Method and system for measuring carbon dioxide reduction |
CN103106621A (zh) * | 2013-01-18 | 2013-05-15 | 长沙理工大学 | 碳排放权交易下碳捕集机组的厂内优化运行方法 |
CN103473322A (zh) * | 2013-09-13 | 2013-12-25 | 国家电网公司 | 基于时间序列模型的光伏发电功率超短期预测方法 |
CN106168766A (zh) * | 2016-08-19 | 2016-11-30 | 北京绿源普惠科技有限公司 | 一种智能家居的能源监控管理系统及碳资产管理方法 |
CN106228464A (zh) * | 2016-07-18 | 2016-12-14 | 华电电力科学研究院 | 一种基于b/s架构的集团化火力发电企业碳排放控制方法 |
CN106557887A (zh) * | 2016-12-02 | 2017-04-05 | 东莞市维科应用统计研究所 | 一种钢铁生产企业碳排放管理系统造影装置 |
CN106600099A (zh) * | 2016-11-01 | 2017-04-26 | 国网江西省电力公司电力科学研究院 | 一种计及碳交易的低碳调度与减排效益评估方法 |
CN106779353A (zh) * | 2016-12-02 | 2017-05-31 | 东莞市维科应用统计研究所 | 一种发电企业碳排放管理系统造影装置 |
CN106846128A (zh) * | 2017-03-22 | 2017-06-13 | 北京低碳天下科技有限公司 | 一种碳排放交易系统及方法 |
CN107332269A (zh) * | 2016-04-28 | 2017-11-07 | 中国电力科学研究院 | 一种风光互补的混合能源系统的优化方法 |
CN107482688A (zh) * | 2017-07-26 | 2017-12-15 | 长沙理工大学 | 一种碳捕集虚拟电厂调度优化方法 |
CN108062617A (zh) * | 2017-11-28 | 2018-05-22 | 华电电力科学研究院 | 一种火力机组碳排放配额调节方法 |
-
2018
- 2018-09-30 CN CN201811156137.0A patent/CN109272243B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100287012A1 (en) * | 2008-04-08 | 2010-11-11 | Bloom Energy Corporation | Method and system for measuring carbon dioxide reduction |
CN103106621A (zh) * | 2013-01-18 | 2013-05-15 | 长沙理工大学 | 碳排放权交易下碳捕集机组的厂内优化运行方法 |
CN103473322A (zh) * | 2013-09-13 | 2013-12-25 | 国家电网公司 | 基于时间序列模型的光伏发电功率超短期预测方法 |
CN107332269A (zh) * | 2016-04-28 | 2017-11-07 | 中国电力科学研究院 | 一种风光互补的混合能源系统的优化方法 |
CN106228464A (zh) * | 2016-07-18 | 2016-12-14 | 华电电力科学研究院 | 一种基于b/s架构的集团化火力发电企业碳排放控制方法 |
CN106168766A (zh) * | 2016-08-19 | 2016-11-30 | 北京绿源普惠科技有限公司 | 一种智能家居的能源监控管理系统及碳资产管理方法 |
CN106600099A (zh) * | 2016-11-01 | 2017-04-26 | 国网江西省电力公司电力科学研究院 | 一种计及碳交易的低碳调度与减排效益评估方法 |
CN106557887A (zh) * | 2016-12-02 | 2017-04-05 | 东莞市维科应用统计研究所 | 一种钢铁生产企业碳排放管理系统造影装置 |
CN106779353A (zh) * | 2016-12-02 | 2017-05-31 | 东莞市维科应用统计研究所 | 一种发电企业碳排放管理系统造影装置 |
CN106846128A (zh) * | 2017-03-22 | 2017-06-13 | 北京低碳天下科技有限公司 | 一种碳排放交易系统及方法 |
CN107482688A (zh) * | 2017-07-26 | 2017-12-15 | 长沙理工大学 | 一种碳捕集虚拟电厂调度优化方法 |
CN108062617A (zh) * | 2017-11-28 | 2018-05-22 | 华电电力科学研究院 | 一种火力机组碳排放配额调节方法 |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110097279A (zh) * | 2019-04-29 | 2019-08-06 | 兰州环境能源交易中心有限公司 | 企业碳资产管理系统 |
JP7394958B2 (ja) | 2019-09-10 | 2023-12-08 | 株式会社日立製作所 | 施設およびプロジェクトの評価データを生成する装置および方法 |
CN111047291A (zh) * | 2019-12-09 | 2020-04-21 | 湖北碳排放权交易中心有限公司 | 一种基于碳排放权交易的集团账户管理方法及系统 |
CN112669061A (zh) * | 2020-12-23 | 2021-04-16 | 华电电力科学研究院有限公司 | 火电厂碳配额盈缺分析方法、系统、装置及可读存储介质 |
CN113094580A (zh) * | 2021-03-24 | 2021-07-09 | 远光软件股份有限公司 | 碳配额的计算方法、装置、存储介质和终端设备 |
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 |
CN113469778A (zh) * | 2021-05-24 | 2021-10-01 | 国网浙江省电力有限公司温州供电公司 | 一种碳资产整合管理的碳交易利润分配方法及系统 |
CN113592524B (zh) * | 2021-06-04 | 2024-03-22 | 国电南瑞科技股份有限公司 | 基于微观机组参数的碳市场基本供需确定方法及系统 |
CN113592524A (zh) * | 2021-06-04 | 2021-11-02 | 国电南瑞科技股份有限公司 | 基于微观机组参数的碳市场基本供需确定方法及系统 |
CN113516394A (zh) * | 2021-07-19 | 2021-10-19 | 甘肃省生态环境科学设计研究院(甘肃省生态环境规划院) | 一种对两高项目全过程环境管理的智能系统及方法 |
CN113592187A (zh) * | 2021-08-06 | 2021-11-02 | 时代云英(重庆)科技有限公司 | 一种智能碳排放管理系统及方法 |
CN113592187B (zh) * | 2021-08-06 | 2024-01-05 | 时代云英(深圳)科技有限公司 | 一种智能碳排放管理系统及方法 |
CN113821008A (zh) * | 2021-10-11 | 2021-12-21 | 国网综合能源服务集团有限公司 | 一种大型工业企业的能源管理控制方法及能源管理中心 |
CN113705936B (zh) * | 2021-10-26 | 2022-02-08 | 国网浙江省电力有限公司 | 基于碳循环的能源配置方法、装置及存储介质 |
CN113705936A (zh) * | 2021-10-26 | 2021-11-26 | 国网浙江省电力有限公司 | 基于碳循环的能源配置方法、装置及存储介质 |
CN114722104A (zh) * | 2022-06-07 | 2022-07-08 | 台州宏创电力集团有限公司科技分公司 | 基于区块链的企业碳排能耗数据管理运营系统及方法 |
WO2023236478A1 (zh) * | 2022-06-07 | 2023-12-14 | 台州宏创电力集团有限公司科技分公司 | 基于区块链的企业碳排能耗数据管理运营系统及方法 |
CN114722104B (zh) * | 2022-06-07 | 2022-11-18 | 台州宏创电力集团有限公司科技分公司 | 基于区块链的企业碳排能耗数据管理运营系统及方法 |
CN115713205A (zh) * | 2022-11-14 | 2023-02-24 | 国网浙江省电力有限公司 | 基于区块链的电-碳联动协同下的企业配碳成本决策方法 |
CN115713205B (zh) * | 2022-11-14 | 2024-01-19 | 国网浙江省电力有限公司 | 基于区块链的电-碳联动协同下的企业配碳成本决策方法 |
CN116757307A (zh) * | 2023-04-28 | 2023-09-15 | 生态环境部环境规划院 | 一种基于机组的碳市场电力行业配额基准值测算优化方法 |
CN116187788A (zh) * | 2023-05-04 | 2023-05-30 | 江苏智能低碳科技发展有限公司 | 用于厂区的能碳管理算法应用平台 |
CN116826863A (zh) * | 2023-06-28 | 2023-09-29 | 南方电网能源发展研究院有限责任公司 | 发电厂碳配额调整方法、装置、计算机设备和存储介质 |
CN116974234A (zh) * | 2023-09-22 | 2023-10-31 | 华能山东发电有限公司烟台发电厂 | 一种火电厂碳资产的监测控制方法及系统 |
CN116974234B (zh) * | 2023-09-22 | 2024-02-20 | 华能山东发电有限公司烟台发电厂 | 一种火电厂碳资产的监测控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109272243B (zh) | 2021-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109272243A (zh) | 碳资产管理方法及系统 | |
CN109272405B (zh) | 碳资产交易方法及系统 | |
Abadie et al. | European CO2 prices and carbon capture investments | |
Reedman et al. | Using a real‐options approach to model technology adoption under carbon price uncertainty: an application to the Australian electricity generation sector | |
CN114511128A (zh) | 碳排放数据的处理方法、装置、存储介质及处理器 | |
CN113268699A (zh) | 一种工业供汽电厂热负荷厂级优化分配系统及方法 | |
D’Achiardi et al. | Reliability contracts between renewable and natural gas power producers | |
van de Ven et al. | COVID-19 recovery packages can benefit climate targets and clean energy jobs, but scale of impacts and optimal investment portfolios differ among major economies | |
Asgharian et al. | A low-carbon market-based multi-area power system expansion planning model | |
Butturi et al. | A model for renewable energy symbiosis networks in eco-industrial parks | |
Townsend | A grid-level assessment of compressed air energy storage in ERCOT | |
Edmonds et al. | Return to 1990: The cost of mitigating United States carbon emissions in the post-2000 period | |
Ju et al. | Data-driven two-stage robust optimization dispatching model and benefit allocation strategy for a novel virtual power plant considering carbon-green certificate equivalence conversion mechanism | |
Gu | Long-term power system capacity expansion planning considering reliability and economic criteria | |
de Simón-Martín et al. | The Levelized Cost of Energy Indicator | |
Jakob et al. | Optimal Dimensioning of Power-to-Gas Units in the Context of Integrated Power and Gas Grid Planning in Distribution Grids | |
Rouhani et al. | Energy Management | |
Swisher | Joint implementation under the UN framework convention on climate change: technical and institutional challenges | |
Zhang et al. | Cooperative operation strategy of electricity-carbon market considering randomness and correlation of electricity-carbon price | |
Rabbani et al. | A novel mixed integer programming formulation for selecting the best renewable energies to invest: A fuzzy goal programming approach | |
Li et al. | Optimal Power Generation Portfolio Considering the Trading of Generation Right and Carbon Emission Allowance | |
CN107093029A (zh) | 一种基于可再生能源政策管制约束的电源规划方法 | |
Zhang et al. | Multi-attribute decision-making method of pumped storage capacity planning considering wind power uncertainty | |
Deng et al. | Towards a low-carbon and low-risk community: Risk-constrained optimization of energy pricing in electricity and gas networks with flexible carbon-responsive loads | |
Kurdziel et al. | Climate change and sustainable development in the Kenyan electricity sector. Impacts of electricity sector development on Kenya’s NDC |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |