CN110689269A - 基于自回归分布滞后模型及Kaya公式的碳排放评估方法 - Google Patents

基于自回归分布滞后模型及Kaya公式的碳排放评估方法 Download PDF

Info

Publication number
CN110689269A
CN110689269A CN201910938650.3A CN201910938650A CN110689269A CN 110689269 A CN110689269 A CN 110689269A CN 201910938650 A CN201910938650 A CN 201910938650A CN 110689269 A CN110689269 A CN 110689269A
Authority
CN
China
Prior art keywords
carbon emission
formula
kaya
emission
evaluation method
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
Application number
CN201910938650.3A
Other languages
English (en)
Inventor
王媛
加勒
王志斌
王琰玮
朱荣杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin University
Original Assignee
Tianjin University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tianjin University filed Critical Tianjin University
Priority to CN201910938650.3A priority Critical patent/CN110689269A/zh
Publication of CN110689269A publication Critical patent/CN110689269A/zh
Pending legal-status Critical Current

Links

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
    • 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

Abstract

一种基于自回归分布滞后模型及Kaya公式的碳排放评估方法，其特征在于，包括以下步骤：基于CO2排放量历史数据，将自回归分布滞后模型与Kaya公式结合，得到CO2预计排放量公式；建立分级评价标准；采集待评估地区的各指标因素，并对待评估地区的各指标因素进行加权和计算，与所述分级评价标准对比，确定排放等级。本发明提出了碳排放评估分级思想，探讨CO2排放、能源消费和经济增长关系映射。本发明能为评价各变量对碳排放的影响程度提供理论方法支持。

Description

基于自回归分布滞后模型及Kaya公式的碳排放评估方法
技术领域
本发明涉及环境保护碳排放影响评估技术领域，尤其涉及一种基于自回归分布滞后模型及Kaya公式的碳排放评估方法。
背景技术
近几十年来，尤其是在气候变化的背景下有关能源利用引起的CO2排放问题受到广泛关注，因此，必须寻求CO2排放、能源消费和经济增长之间存在的关系。大量使用矿物燃料阻碍了可持续发展目标的实现，由于经济增长是所有国家收入水平变化的一个组成部分，因此有必要分析收入、能源消费产生的CO2排放量和环境污染之间的相关性。在这方面一个重要的假设是环境库兹涅茨曲线(EKC)，1955年以库兹涅茨曲线命名，格罗斯曼和克鲁格在1991年推广了该假说，该假说指出，经济产出的增加伴随着环境的退化，直到达到改善环境的特定收入值为止。
有国内学者使用Kaya Identity和LMDI技术来分析CO2排放的变化；有国外学者利用对数平均分解指数(LMDI)方法来分析工业中的能源强度水平，利用自回归分布滞后模型评价环境库兹涅茨曲线(EKC)假说，以及包括能源消耗变量在内的经济增长与CO2排放之间的因果关系，大多数研究主要集中在CO2排放总量、能源消耗(或电力消耗)、人口和经济增长之间的因果关系，但缺少评价能源消费结构对CO2排放的影响的方法。
发明内容
有鉴于此，本发明的主要目的在于提供一种基于自回归分布滞后模型及Kaya公式的碳排放评估方法，以期至少部分地解决上述技术问题中的至少之一。
为了实现上述目的，本发明提供了一种基于自回归分布滞后模型及 Kaya公式的碳排放评估方法，包括以下步骤：
基于CO2排放量历史数据，将自回归分布滞后模型与Kaya公式结合，得到CO2预计排放量公式；
建立分级评价标准；
采集待评估地区的各指标因素，并对待评估地区的各指标因素进行加权和计算，与所述分级评价标准对比，确定排放等级。
其中，所述CO2预计排放量公式为
Figure RE-GDA0002249570750000021
其中，CO2emi为第i时刻的CO2排放量，β0、β1、β2、β3、β4、β5、β6、β7和β8-β12代表在短期和长期内相应CO2排放变量的相关系数；CI、 S1、S2、EI和AC为对根据自回归分布滞后模型的含义所得到的CO2排放量的滞后效应的自变量，ECT为误差修正项，εt为残差项，m和n分别为CO2排放量和自变量的滞后数，t为时间段。
其中，所述CI为碳排放强度，定义为CO2排放量与石油燃料总消耗量之比；
所述S1为石油燃料消耗量在化石燃料消耗量中所占的比例；
所述S2为化石燃料在能源消费总量中所占的比例；
所述EI为能源强度，定义为能源消费总量与GDP之比；
所述AC为总体经济活动，定义为GDP与人口之比。
其中，所述建立分级评价标准的步骤包括如下子步骤：
将调研所得某一地区近十年的相关数据代入CO2预计排放量公式中，得到各相关系数；
根据各相关系数间的比例，得到各自变量的权重；
结合各自变量相关数据及各自变量的权重，得到碳排放评价公式。
其中，所述碳排放评价公式包括短期碳排放评价公式和长期碳排放评价公式。
基于上述技术方案可知，本发明的碳排放评估方法相对于现有技术至少具有如下有益效果之一：
(1)本发明提出了碳排放评估分级思想，探讨CO2排放、能源消费和经济增长关系映射。
(2)本发明能为评价各变量对碳排放的影响程度提供理论方法支持。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，对本发明作进一步的详细说明。
一种基于自回归分布滞后模型及Kaya公式的碳排放评估方法，包括以下步骤：
基于CO2排放量历史数据，将自回归分布滞后模型与Kaya公式结合，得到CO2预计排放量公式；
建立分级评价标准；
采集待评估地区的各指标因素，并对待评估地区的各指标因素进行加权和计算，与所述分级评价标准对比，确定排放等级。
其中，所述CO2预计排放量公式为
Figure RE-GDA0002249570750000031
其中，CO2emi为第i时间段的CO2排放量，β0、β1、β2、β3、β4、β5、β6、β7和β8-β12代表在短期和长期内相应CO2排放变量的相关系数；CI、 S1、S2、EI和AC为对根据自回归分布滞后模型的含义所得到的CO2排放量的滞后效应的自变量，ECT为误差修正项，εt为残差项，m和n分别为 CO2排放量和自变量的滞后数，t为时间段。
进一步地，所述CI为碳排放强度，定义为CO2排放量与石油燃料总消耗量之比；所述S1为石油燃料消耗量在化石燃料消耗量中所占的比例；所述S2为化石燃料在能源消费总量中所占的比例；所述EI为能源强度，定义为能源消费总量与GDP之比；所述AC为总体经济活动，定义为GDP 与人口之比。
在本实施例中，所述建立分级评价标准的步骤包括如下子步骤：
将调研所得某一地区近十年的相关数据代入CO2预计排放量公式中，得到各相关系数如表1所示：
表1各变量相关系数表
Figure RE-GDA0002249570750000041
根据各相关系数间的比例，得到各自变量的权重，如表2所示：
表2各变量权重表
结合各自变量相关数据及各自变量的权重，得到碳排放评价公式，其中，调研得到的主要各变量的相关数据如表3所示：
表3某地区近十年主要变量相关数据表
Figure RE-GDA0002249570750000051
结合表2和表3，可得到该地区的碳排放评价公式：
Figure RE-GDA0002249570750000052
Figure RE-GDA0002249570750000053
那么，碳排放等级表如表4所示：
表4碳排放等级表
对该地区各指标因素进行加权求和计算，与分级标准对比，确定排放等级。
在本实施例中，以某地区1990-2016年间数据为例，根据相关数据计算该时间段内碳排放强度(CI)、能源强度(EI)、石油燃料消耗量在化石燃料消耗量中所占比例(S1)、化石燃料在能源消费总量中所占比例(S2)、总体经济活动(AC)，并根据碳排放评估方法进行评价。
进一步地，该实施例中使用的数据及其来源如表5和表6所示：
表5实施例使用的数据来源
Figure RE-GDA0002249570750000061
表6实施例使用的具体数据
Figure RE-GDA0002249570750000062
Figure RE-GDA0002249570750000071
根据碳排放公式分别计算短期和长期碳排放为-11.17和11.72。
根据碳排放分级标准，短期该地区属于1级，碳排放非常轻微；长期该地区也属于1级，碳排放非常轻微。
此外可以用同样的方法与标准评价该地区不同时间段的碳排放。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于自回归分布滞后模型及Kaya公式的碳排放评估方法，其特征在于，包括以下步骤：
基于CO2排放量历史数据，将自回归分布滞后模型与Kaya公式结合，得到CO2预计排放量公式；
建立分级评价标准；
采集待评估地区的各指标因素，并对待评估地区的各指标因素进行加权和计算，与所述分级评价标准对比，确定排放等级。
2.根据权利要求1所述的碳排放评估方法，其特征在于，所述CO2预计排放量公式为
Figure FDA0002222123080000011
其中，CO2emi为第i时刻的CO2排放量，β0、β1、β2、β3、β4、β5、β6、β7和β8-β12代表在短期和长期内相应CO2排放变量的相关系数；CI、S1、S2、EI和AC为对根据自回归分布滞后模型的含义所得到的CO2排放量的滞后效应的自变量，ECT为误差修正项，εt为残差项，m和n分别为CO2排放量和自变量的滞后数，t为时间段。
3.根据权利要求2所述的碳排放评估方法，其特征在于，所述CI为碳排放强度，定义为CO2排放量与石油燃料总消耗量之比；
所述S1为石油燃料消耗量在化石燃料消耗量中所占的比例；
所述S2为化石燃料在能源消费总量中所占的比例；
所述EI为能源强度，定义为能源消费总量与GDP之比；
所述AC为总体经济活动，定义为GDP与人口之比。
4.根据权利要求1所述的碳排放评估方法，其特征在于，所述建立分级评价标准的步骤包括如下子步骤：
将调研所得某一地区近十年的相关数据代入CO2预计排放量公式中，得到各相关系数；
根据各相关系数间的比例，得到各自变量的权重；
结合各自变量相关数据及各自变量的权重，得到碳排放评价公式。
5.根据权利要求4所述的碳排放评估方法，其特征在于，所述碳排放评价公式包括短期碳排放评价公式和长期碳排放评价公式。
CN201910938650.3A 2019-09-30 2019-09-30 基于自回归分布滞后模型及Kaya公式的碳排放评估方法 Pending CN110689269A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910938650.3A CN110689269A (zh) 2019-09-30 2019-09-30 基于自回归分布滞后模型及Kaya公式的碳排放评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910938650.3A CN110689269A (zh) 2019-09-30 2019-09-30 基于自回归分布滞后模型及Kaya公式的碳排放评估方法

Publications (1)

Publication Number Publication Date
CN110689269A true CN110689269A (zh) 2020-01-14

Family

ID=69111137

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910938650.3A Pending CN110689269A (zh) 2019-09-30 2019-09-30 基于自回归分布滞后模型及Kaya公式的碳排放评估方法

Country Status (1)

Country Link
CN (1) CN110689269A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113742817A (zh) * 2021-08-12 2021-12-03 生态环境部环境规划院 一种建筑二氧化碳排放的预测方法及预测系统
CN116738232A (zh) * 2023-06-16 2023-09-12 中国科学院空天信息创新研究院 一种基于ftir光谱的城市大气碳排放分布检测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107798487A (zh) * 2017-11-21 2018-03-13 广东电网有限责任公司电网规划研究中心 一种结合主客观权重法的电力行业碳排放权分配方法
CN109508849A (zh) * 2018-08-17 2019-03-22 西安建筑科技大学 一种基于城市统计数据的城市碳排放影响因素分析方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107798487A (zh) * 2017-11-21 2018-03-13 广东电网有限责任公司电网规划研究中心 一种结合主客观权重法的电力行业碳排放权分配方法
CN109508849A (zh) * 2018-08-17 2019-03-22 西安建筑科技大学 一种基于城市统计数据的城市碳排放影响因素分析方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
何志云等: "广西地区CO_2排放量变化趋势及驱动因素分析", 《广西科学院学报》 *
原毅军 等: "开放经济条件下金融发展对碳排放的影响", 《产业经济评论》 *
张娟娟等: "中国碳排放强度的驱动因素分析及PSR评价模型", 《广西财经学院学报》 *
梅林海等: "金融深化对中国碳排放有影响吗?", 《生态经济》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113742817A (zh) * 2021-08-12 2021-12-03 生态环境部环境规划院 一种建筑二氧化碳排放的预测方法及预测系统
CN113742817B (zh) * 2021-08-12 2022-04-12 生态环境部环境规划院 一种建筑二氧化碳排放的预测方法及预测系统
CN116738232A (zh) * 2023-06-16 2023-09-12 中国科学院空天信息创新研究院 一种基于ftir光谱的城市大气碳排放分布检测方法

Similar Documents

Publication Publication Date Title
Farhani Renewable energy consumption, economic growth and CO2 emissions: Evidence from selected MENA countries
Zhi et al. Research on the Pearson correlation coefficient evaluation method of analog signal in the process of unit peak load regulation
Geng et al. Technological innovation and renewable energy development: evidence based on patent counts
Bernstein et al. Residential natural gas demand elasticities in OECD countries: an ARDL bounds testing approach
CN110689269A (zh) 基于自回归分布滞后模型及Kaya公式的碳排放评估方法
CN110601250A (zh) 一种基于新能源电站接入点静态电压稳定性评估方法
CN109272179A (zh) 一种太阳能发电投资效益综合评价系统实现方法
Zhou et al. An empirical analysis of carbon emission price in China
CN109388863B (zh) 一种基于arima模型的分布式光伏出力功率预测方法
CN112036595A (zh) 基于多位置数值天气预报短期风电功率预测方法和系统
CN111275238B (zh) 基于每时晴空指数的大规模电站光伏出力序列生成方法
Wang et al. Directed technical change, capital intensity increase and energy transition: evidence from China
Sudarmaji et al. Decomposition factors household energy subsidy consumption in Indonesia: Kaya identity and logarithmic mean divisia index approach
CN115456406A (zh) 一种综合能源系统的评估方法、装置、设备以及存储介质
CN115879976A (zh) 一种碳中和仿真方法及终端
Yu Evaluation and Analysis of Electric Power in China Based on the ARMA Model
Hacıimamoğlu et al. The effect of renewable energy consumption on economic stability: panel data analysis on selected countries
Ding et al. Spatial difference analysis of residential energy consumption, income and carbon emissions in China
Ayitehgiza Urbanization, economic growth and industrial structure on carbon dioxide emissions: Empirical evidence from Ethiopia
Shengjuan et al. Research on the dynamic relationship of the Energy-Economy-Environment (3E) system-based on an empirical analysis of China
CN112381422A (zh) 光伏电站性能的确定方法和装置
Zlatinov et al. Effects on the Economic Growth in Bulgaria during the Transition to Low-Carbon Economy in the Energy Sector
CN116187685B (zh) 一种基于调峰约束的电网接纳光伏最大容量的计算方法
Anwar et al. Nexus of Electricity Demand, Circular Debt and Economic Progress: An Evidence from Pakistan
Gao et al. Analysing the environmental Kuznets curve for CO2 emissions in China using segmented equations and partial least squares

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200114