CN110942247A - 一种分析电力碳排放影响因素和碳排放效率的评价方法 - Google Patents
一种分析电力碳排放影响因素和碳排放效率的评价方法 Download PDFInfo
- Publication number
- CN110942247A CN110942247A CN201911166255.4A CN201911166255A CN110942247A CN 110942247 A CN110942247 A CN 110942247A CN 201911166255 A CN201911166255 A CN 201911166255A CN 110942247 A CN110942247 A CN 110942247A
- Authority
- CN
- China
- Prior art keywords
- carbon emission
- power
- efficiency
- emission efficiency
- analyzing
- 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
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 190
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 190
- 238000011156 evaluation Methods 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 23
- 238000013480 data collection Methods 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 25
- 238000000547 structure data Methods 0.000 claims description 18
- 238000000556 factor analysis Methods 0.000 claims description 11
- 230000009467 reduction Effects 0.000 claims description 10
- 238000000354 decomposition reaction Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 8
- 238000013210 evaluation model Methods 0.000 claims description 8
- 230000005764 inhibitory process Effects 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 claims description 2
- 238000010248 power generation Methods 0.000 claims 1
- 238000011161 development Methods 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000010276 construction Methods 0.000 abstract 1
- 238000004519 manufacturing process Methods 0.000 description 17
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 12
- 230000000694 effects Effects 0.000 description 9
- 239000013256 coordination polymer Substances 0.000 description 7
- 229910002092 carbon dioxide Inorganic materials 0.000 description 6
- 239000001569 carbon dioxide Substances 0.000 description 6
- 238000011160 research Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000001737 promoting effect Effects 0.000 description 3
- 230000005611 electricity Effects 0.000 description 2
- 230000002401 inhibitory effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 241000287196 Asthenes Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
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
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
-
- 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)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种分析电力碳排放影响因素和碳排放效率的评价方法，属于电力技术经济领域，包括以下步骤：S1：数据收集，S2：模型构建，S3：计算各地市历年的电力行业碳排放量，S4：分析各地市人均碳排放影响因素，S5：计算各地市历年的碳排放效率，S6：综合分析电力碳排放影响因素和碳排放效率。本发明所公开的的一种分析电力碳排放影响因素和碳排放效率的评价方法，用于分析省级区域内部不同地区电力碳排放效率和影响因素，能够为当地政府采取针对性措施降低电力行业碳排放提供参考；为省级政府选取碳排放严控地区提供参考；可应用于不同省份进行具体分析；为省内各地区电力‑经济‑环境均衡发展提供参考，促进地区产业可持续发展。
Description
技术领域
本发明涉及电力技术经济领域，具体为一种分析电力碳排放影响因素和碳排放效率的评价方法。
背景技术
电力行业是我国碳排放的主要来源之一。相关研究表明，电力行业碳排放量约占我国碳排放总量的40％～50％。针对电力行业碳排放的研究，目前较多文献聚焦于从全国层面分析其影响因素，而缺乏对省级区域及其内部不同地区的进一步分析，使得相对应的碳减排政策在地区应用时缺乏一定的针对性。文献【Factor influencing CO2 emissionsin China’s power industry】利用ARDL模型分析了行业增加值、火电设备平均利用小时数、标准煤耗率三个因素对我国电力行业碳排放的影响；文献【中国电力碳排放动态特征及影响因素研究】则利用对数平均迪氏指数分解法分析了能源结构、电力结构等十个因素对我国电力行业碳排放的影响。针对电力行业碳排放效率的研究，当前文献和实践中较多运用单要素碳排放效率进行比较分析，且更多聚焦于我国重点区域的碳排放效率的空间相关性，缺乏对省级区域内部不同地区碳排放效率的具体分析。文献【中国省级电力碳排放责任核算方法及应用】从生产和消费端共担责任的视角，分析了各省在电力系统减排中需要承担的责任。文献【基于空间计量的中国省域火电行业碳排放效率分析】利用超效率SBM模型，重点分析了我国不同省份之间碳排放效率的空间相关性。
电力行业碳排放占我国碳排放总量比重较大，为了实现2030年达到碳排放峰值的承诺，电力行业碳减排刻不容缓。然而，我国区域范围较广，不同地区电力消费结构和电力碳排放差异较大，一刀切的减排政策并不适用。因此，有必要以省为单位，对省级区域内部不同地区的电力碳排放区域特征、效率和影响因素进行分析，并据此制定针对性的碳减排政策，为各地区节能减排和产业可持续发展提供决策参考。
为此，提出了一种分析电力碳排放影响因素和碳排放效率的评价方法。
发明内容
本发明的目的在于提供一种分析电力碳排放影响因素和碳排放效率的评价方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种分析电力碳排放影响因素和碳排放效率的评价方法，包括以下步骤：
S1：数据收集，收集不同地市历年的电力供应结构数据、电力消费结构数据、GDP数据、产业结构数据、线损率数据；
S2：模型构建，构建碳排放计算模型、碳排放影响因素分析模型以及碳排放效率评价模型；
S3：根据电力供应结构数据和碳排放计算模型，计算各地市历年的电力行业碳排放量，并进行碳排放动态分析，得到各地市历年的电力碳排放量数据；
S4：根据碳排放影响因素分析模型和S3所得电力碳排放量数据，利用因素分解方法，分析各地市人均碳排放影响因素，计算得出各地市排放因子、能源结构、转换效率、输配损耗、电力强度和经济规模对人均电力碳排放的贡献值和贡献率；
S5：根据碳排放效率评价模型和相关数据，计算各地市历年的碳排放效率，并进行具体分析；
S6：综合上述各地区电力行业的碳排放动态分析、碳排放影响因素分析和碳排放效率分析的结果，分析地区碳排放量上升或下降的推动因素和抑制因素，并结合碳排放效率评价结果，对地区电力行业碳减排提出针对性的政策建议。
优选的，该评价方法用于分析省级区域内部不同地区电力碳排放效率和影响因素。
优选的，在S1中，数据收集主要作用为后面不同地区电力行业碳排放量计算、碳排放影响因素分析和碳排放效率计算进行数据准备，包括但不限于各地区历年电力供应结构数据、GDP数据、产业结构数据、线损率数据。
优选的，在S2中，碳排放计算模型采用联合国政府间气候变化专门委员会提出的碳排放系数法。
优选的，在S3中，建立电力碳排放量年增速与GDP年增速和电力生产量年增速之间的动态关系图。
优选的，在S4中，碳排放影响因素分析模型主要采用对数平均权重分解法分析排放因子、能源结构、经济规模、输配损耗、转换效率、电力强度对人均电力碳排放的影响。
优选的，在S5中，碳排放效率评价模型采用DEA模型测算省内不同地区电力行业碳排放效率，并根据计算结果进行针对性分析。
优选的，在S5中，根据计算结果绘制相应的碳排放效率趋势图。
与现有技术相比，本发明的有益效果是：
(1)分析省内各地市(区县)影响电力行业碳排放的因素，为当地政府采取针对性措施降低电力行业碳排放提供参考。
(2)从全要素效率角度，分析省内各地市(区县)电力行业碳排放效率，进而为省级政府选取碳排放严控地区提供参考。
(3)计算简捷，可通过程序实现运算过程的快速化，并可应用于不同省份进行具体分析。
(4)为省内各地区电力-经济-环境均衡发展提供参考，促进地区产业可持续发展。
附图说明
图1为本发明的整体流程图。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提供一种技术方案：一种分析电力碳排放影响因素和碳排放效率的评价方法，该评价方法用于分析省级区域内部不同地区电力碳排放效率和影响因素，包括以下步骤：
S1：数据收集，收集不同地市历年的电力供应结构数据、电力消费结构数据、GDP数据、产业结构数据、线损率数据，数据收集主要作用为后面不同地区电力行业碳排放量计算、碳排放影响因素分析和碳排放效率计算进行数据准备，包括但不限于各地区历年电力供应结构数据、GDP数据、产业结构数据、线损率数据；
S2：模型构建，构建碳排放计算模型、碳排放影响因素分析模型以及碳排放效率评价模型，碳排放计算模型采用联合国政府间气候变化专门委员会(IPCC)2006年编制《国家温室气体清单指南》提出的碳排放计算方法；
S3：根据电力供应结构数据和碳排放计算模型，计算各地市历年的电力行业碳排放量，并进行碳排放动态分析，得到各地市历年的电力碳排放量数据，具体计算方法如下：
C＝∑iEi·Ki·εi·ηi·44/12 (1)
其中，i表示能源种类，C表示二氧化碳排放量，Ei表示各种能源的投入量，其中“其他能源”用一般废弃物代替；Ki表示平均低位发热量；εi表示能源含碳量；ηi表示碳氧化因子；
据此，得到各地市历年的电力碳排放量，然后建立电力碳排放量年增速与GDP年增速和电力生产量年增速之间的动态关系图，总结电力碳排放特征，定性分析电力碳排放的主要来源；
S4：根据碳排放影响因素分析模型和S3所得电力碳排放量数据，利用因素分解方法，分析各地市人均碳排放影响因素，具体计算方法如下：
其中，i表示能源种类；Ci表示第i种能源的碳排放量；Ei表示电力生产第i种能源投入；E表示电力生产能源总投入；T表示电力消费总量；T'表示电力生产总量；G表示GDP；P表示人口；
公式(2)中，排放因子效应
即单位能源的碳排放；能源结构因素效应
即每种能源的投入比例；转换效率因素效应
即能源投入与电力消费的比例；输配损耗效率效应
即电力消费总量与电力生产总量的比例；电力强度因素效应
即单位产值所消耗的电量；经济规模因素效应
CPi表示第i种能源的人均碳排放量；由此，人均碳排放量可以表示为，
式(3)表示人均碳排放量的变化来源于CEi(排放因子)、ESi(能源结构)、ET(转换效率)、S(输配损耗)、TG(电力强度)、GP(经济规模)等6种影响因素的变化；
第t期相对于基期的人均碳排放量贡献值的变化可以表示为，
第t期相对于基期的人均碳排放量贡献率的变化可以表示为，
其中，ΔCPCE、DCE为排放因子相关因素，ΔCPES、DES为能源结构相关因素，ΔCPET、DET为转换效率相关因素，ΔCPS、DS为输配损耗相关因素，ΔCPTG、DTG为电力强度相关因素，ΔCPGP、DGP为经济规模相关因素；
式(4)中的ΔCPCE、ΔCPES、ΔCPET、ΔCPS、ΔCPTG、ΔCPGP分别为各因素变化对人均碳排放变化的贡献值，它们都是有单位的实值；
式(5)中的DCE、DES、DET、DS、DTG、DGP分别为各因素变化对人均碳排放变化的贡献率；
根据式(4)，采取对数平均权重分解法进行分解，按照此方法，各个因素的分解结果为：
其中，
n＝1,…,N(N代表省内地市总个数)；
其中，
根据以上计算方法，计算得出各地市排放因子、能源结构、转换效率、输配损耗、电力强度和经济规模对人均电力碳排放的贡献值和贡献率；根据计算结果，分析历年对人均电力碳排放的推动因素和抑制因素，并据此提出对促进减少电力碳排放的针对性政策；
S5：根据碳排放效率评价模型和相关数据，计算各地市历年的碳排放效率，并进行具体分析；
效率是用来描述对生产资源的使用情况的一个概念，也可以用于表示资源是否得到了合理利用；本方法将省内各地市的碳排放效率定义为在全要素生产框架内，既定的生产要素投入下，实际二氧化碳排放量与最小可能二氧化碳排放量的比例，这里的二氧化碳排放效率是在能源投入(电力消费)以及人口两种投入要素共同作用下得到的，反映了GDP与二氧化碳排放量之间的关系，同时也反映了期望产出与非期望产出之间的关系；
全要素生产率框架下的碳排放效率，综合考虑了非能源投入要素对产出的影响，本方法采用非参数的“多投入-多产出”的DEA模型对碳排放效率进行测度，该效率值范围为0到1；
假设考虑投入量为X＝(x1,x2,…xm)T，产出量为Y＝(y1,y2,…ym)T的生产产出活动，则用我们所观察到的生产活动(xj,yj),j＝1,2,…n描述生产可能集，通过这些数据确定哪些生产活动是相对有效的；因此，生产可能集可确定为：
其中，λj是一个非负权重变量；
根据不同省划分的地级市的数量，设置决策单元的数量，此外，用Xn(n＝1,…,N)表示某省第n个地级市的电力能源投入，并用各地级市的电力消费量来衡量；用Yn(n＝1,…,N)表示某省第n个地级市的期望产出，并用各地级市分GDP来衡量，用Cn(n＝1,…,N)表示某省第n个地级市的非期望产出，并用各地级市的碳排放量来衡量；其中，对于非期望产出的做法是采用数据转换函数法，设生产单元在第j年生产中的二氧化碳(非期望产出)排放总量为
则有
Fnj＝(Fn1,Fn2,…,Fnj)T＞0,(n＝1,2,…,N) (9)
假设
其中C为任意大于0的常数，本方法中取C＝1，因此可以将非期望产出转化为
通过对数据的转换可以得知
大于0，而且
的值越大，代表碳排放量越低，即
代表的期望产出越大；此时，再次运用DEA方法计算效率值会更加准确且符合实际；
为方便记决策单元(Decision Making Unit，以下简称DMU)DMU-j0对应的输入、输出数据分别为
因此DEA模型为(分式规划)：
其中v＝(v1,v2,…,vm)T,u＝(u1,u2,…,us)T分别为m种输入和s种输出的权系数；利用1962年Charnes和Cooper对于分式规划的Charnes-Cooper变换
可将等式转化为如下某省各设区市的碳排放效率的DEA模型对偶形式：
其中θ表示各地级市的碳排放效率，取值在0-1之间，λk(k＝1,2,…N)是第k个非负权重的决策变量；
根据上述公式，对某省各地级市历年的碳排放效率进行测算，并据此绘制相应的碳排放效率趋势图；根据测算结果和趋势图，对各地市碳排放效率结果进行分析；
S6：综合上述各地区电力行业的碳排放动态分析、碳排放影响因素分析和碳排放效率分析的结果，分析地区碳排放量上升或下降的推动因素和抑制因素，并结合碳排放效率评价结果，对地区电力行业碳减排提出针对性的政策建议。
本发明所公开的的一种分析电力碳排放影响因素和碳排放效率的评价方法，用于分析省级区域内部不同地区电力碳排放效率和影响因素，能够分析省内各地市(区县)影响电力行业碳排放的因素，为当地政府采取针对性措施降低电力行业碳排放提供参考；从全要素效率角度，分析省内各地市(区县)电力行业碳排放效率，进而为省级政府选取碳排放严控地区提供参考；计算简捷，可通过程序实现运算过程的快速化，并可应用于不同省份进行具体分析；为省内各地区电力-经济-环境均衡发展提供参考，促进地区产业可持续发展。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定，本发明不受上述实施例的限制，在不脱离本发明精神和范围的前提下会有各种改进和变化，因此，这意味着在所附权利要求中包括属于本发明范围内的所有变化和修改。
Claims (8)
1.一种分析电力碳排放影响因素和碳排放效率的评价方法，其特征在于，包括以下步骤：
S1：数据收集，收集不同地市历年的电力供应结构数据、电力消费结构数据、GDP数据、产业结构数据、线损率数据；
S2：模型构建，构建碳排放计算模型、碳排放影响因素分析模型以及碳排放效率评价模型；
S3：根据电力供应结构数据和碳排放计算模型，计算各地市历年的电力行业碳排放量，并进行碳排放动态分析，得到各地市历年的电力碳排放量数据；
S4：根据碳排放影响因素分析模型和S3所得电力碳排放量数据，利用因素分解方法，分析各地市人均碳排放影响因素，计算得出各地市排放因子、能源结构、转换效率、输配损耗、电力强度和经济规模对人均电力碳排放的贡献值和贡献率；
S5：根据碳排放效率评价模型和相关数据，计算各地市历年的碳排放效率，并进行具体分析；
S6：综合上述各地区电力行业的碳排放动态分析、碳排放影响因素分析和碳排放效率分析的结果，分析地区碳排放量上升或下降的推动因素和抑制因素，并结合碳排放效率评价结果，对地区电力行业碳减排提出针对性的政策建议。
2.根据权利要求1所述的一种分析电力碳排放影响因素和碳排放效率的评价方法，其特征在于：该评价方法用于分析省级区域内部不同地区电力碳排放效率和影响因素。
3.根据权利要求1所述的一种分析电力碳排放影响因素和碳排放效率的评价方法，其特征在于：在S1中，数据收集主要作用为后面不同地区电力行业碳排放量计算、碳排放影响因素分析和碳排放效率计算进行数据准备，包括但不限于各地区历年电力供应结构数据、GDP数据、产业结构数据、线损率数据。
4.根据权利要求1所述的一种分析电力碳排放影响因素和碳排放效率的评价方法，其特征在于：在S2中，碳排放计算模型采用联合国政府间气候变化专门委员会提出的碳排放系数法。
5.根据权利要求1所述的一种分析电力碳排放影响因素和碳排放效率的评价方法，其特征在于：在S3中，建立电力碳排放量年增速与GDP年增速和电力生产量年增速之间的动态关系图。
6.根据权利要求1所述的一种分析电力碳排放影响因素和碳排放效率的评价方法，其特征在于：在S4中，碳排放影响因素分析模型主要采用对数平均权重分解法分析排放因子、能源结构、经济规模、输配损耗、转换效率、电力强度对人均电力碳排放的影响。
7.根据权利要求1所述的一种分析电力碳排放影响因素和碳排放效率的评价方法，其特征在于：在S5中，碳排放效率评价模型采用DEA模型测算省内不同地区电力行业碳排放效率，并根据计算结果进行针对性分析。
8.根据权利要求1所述的一种分析电力碳排放影响因素和碳排放效率的评价方法，其特征在于：在S5中，根据计算结果绘制相应的碳排放效率趋势图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911166255.4A CN110942247A (zh) | 2019-11-25 | 2019-11-25 | 一种分析电力碳排放影响因素和碳排放效率的评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911166255.4A CN110942247A (zh) | 2019-11-25 | 2019-11-25 | 一种分析电力碳排放影响因素和碳排放效率的评价方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110942247A true CN110942247A (zh) | 2020-03-31 |
Family
ID=69907977
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911166255.4A Pending CN110942247A (zh) | 2019-11-25 | 2019-11-25 | 一种分析电力碳排放影响因素和碳排放效率的评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110942247A (zh) |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113111596A (zh) * | 2021-06-16 | 2021-07-13 | 国网浙江省电力有限公司杭州供电公司 | 基于电力大脑中枢的碳达峰实时可视化测算方法 |
| CN113139725A (zh) * | 2021-04-23 | 2021-07-20 | 广州远正智能科技股份有限公司 | 一种多层级碳排放计算分析方法、系统和可读存储介质 |
| CN113361847A (zh) * | 2021-03-29 | 2021-09-07 | 国网浙江省电力有限公司湖州供电公司 | 一种基于大数据的碳耗指数算法 |
| 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 |
| CN113592134A (zh) * | 2021-06-15 | 2021-11-02 | 国网浙江省电力有限公司 | 一种基于能源数据的电力碳排放评估系统及方法 |
| CN113723718A (zh) * | 2021-11-03 | 2021-11-30 | 国网北京市电力公司 | 一种能源碳排放预测方法、装置、设备及介质 |
| CN113971488A (zh) * | 2021-10-25 | 2022-01-25 | 上海宝钢节能环保技术有限公司 | 一种预测钢铁冶金企业碳排放量的方法 |
| CN114077970A (zh) * | 2021-11-19 | 2022-02-22 | 中国科学院地理科学与资源研究所 | 一种基于城市形态的碳排放相关因子的确定方法及装置 |
| CN114626570A (zh) * | 2021-12-07 | 2022-06-14 | 国网天津市电力公司 | 一种电力碳排放轨迹分析方法及装置 |
| CN114707120A (zh) * | 2022-04-25 | 2022-07-05 | 昆明理工大学 | 一种测算碳排放规模的统计学建模方法 |
| CN114757602A (zh) * | 2022-06-16 | 2022-07-15 | 南方电网数字电网研究院有限公司 | 供给侧电力碳排放风险预警方法、装置和计算机设备 |
| CN114841007A (zh) * | 2022-05-17 | 2022-08-02 | 杨邦会 | 一种基于城市区域尺度的碳排放扩散影响分析方法 |
| CN115616139A (zh) * | 2022-10-27 | 2023-01-17 | 江苏未来智慧信息科技有限公司 | 一种提高碳排放计算准确率的方法及系统 |
| CN115759335A (zh) * | 2022-10-12 | 2023-03-07 | 湖南能源大数据中心有限责任公司 | 一种新型碳排放预测模型 |
| CN115983610A (zh) * | 2023-03-20 | 2023-04-18 | 国网天津市电力公司电力科学研究院 | 一种电力系统主要环节碳排放结构优化方法 |
| CN116189833A (zh) * | 2023-04-20 | 2023-05-30 | 国高材高分子材料产业创新中心有限公司 | 一种高分子材料及其制品的碳排放量计算方法及装置 |
| CN117787574A (zh) * | 2024-02-27 | 2024-03-29 | 江西百电信息产业有限公司 | 一种基于人工智能碳脑的降碳影响因素确定方法及系统 |
-
2019
- 2019-11-25 CN CN201911166255.4A patent/CN110942247A/zh active Pending
Cited By (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113361847A (zh) * | 2021-03-29 | 2021-09-07 | 国网浙江省电力有限公司湖州供电公司 | 一种基于大数据的碳耗指数算法 |
| CN113139725A (zh) * | 2021-04-23 | 2021-07-20 | 广州远正智能科技股份有限公司 | 一种多层级碳排放计算分析方法、系统和可读存储介质 |
| 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 |
| 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 |
| CN113592134A (zh) * | 2021-06-15 | 2021-11-02 | 国网浙江省电力有限公司 | 一种基于能源数据的电力碳排放评估系统及方法 |
| CN113592134B (zh) * | 2021-06-15 | 2023-09-26 | 国网浙江省电力有限公司 | 一种基于能源数据的电力碳排放评估系统及方法 |
| CN113111596A (zh) * | 2021-06-16 | 2021-07-13 | 国网浙江省电力有限公司杭州供电公司 | 基于电力大脑中枢的碳达峰实时可视化测算方法 |
| CN113111596B (zh) * | 2021-06-16 | 2021-08-31 | 国网浙江省电力有限公司杭州供电公司 | 基于电力大脑中枢的碳达峰实时可视化测算方法 |
| CN113971488A (zh) * | 2021-10-25 | 2022-01-25 | 上海宝钢节能环保技术有限公司 | 一种预测钢铁冶金企业碳排放量的方法 |
| CN113723718A (zh) * | 2021-11-03 | 2021-11-30 | 国网北京市电力公司 | 一种能源碳排放预测方法、装置、设备及介质 |
| CN114077970A (zh) * | 2021-11-19 | 2022-02-22 | 中国科学院地理科学与资源研究所 | 一种基于城市形态的碳排放相关因子的确定方法及装置 |
| CN114626570B (zh) * | 2021-12-07 | 2024-06-07 | 国网天津市电力公司 | 一种电力碳排放轨迹分析方法及装置 |
| CN114626570A (zh) * | 2021-12-07 | 2022-06-14 | 国网天津市电力公司 | 一种电力碳排放轨迹分析方法及装置 |
| CN114707120A (zh) * | 2022-04-25 | 2022-07-05 | 昆明理工大学 | 一种测算碳排放规模的统计学建模方法 |
| CN114841007A (zh) * | 2022-05-17 | 2022-08-02 | 杨邦会 | 一种基于城市区域尺度的碳排放扩散影响分析方法 |
| CN114757602B (zh) * | 2022-06-16 | 2022-10-11 | 南方电网数字电网研究院有限公司 | 供给侧电力碳排放风险预警方法、装置和计算机设备 |
| CN114757602A (zh) * | 2022-06-16 | 2022-07-15 | 南方电网数字电网研究院有限公司 | 供给侧电力碳排放风险预警方法、装置和计算机设备 |
| CN115759335A (zh) * | 2022-10-12 | 2023-03-07 | 湖南能源大数据中心有限责任公司 | 一种新型碳排放预测模型 |
| CN115616139A (zh) * | 2022-10-27 | 2023-01-17 | 江苏未来智慧信息科技有限公司 | 一种提高碳排放计算准确率的方法及系统 |
| CN115616139B (zh) * | 2022-10-27 | 2023-12-12 | 江苏未来智慧信息科技有限公司 | 一种提高碳排放计算准确率的方法及系统 |
| CN115983610A (zh) * | 2023-03-20 | 2023-04-18 | 国网天津市电力公司电力科学研究院 | 一种电力系统主要环节碳排放结构优化方法 |
| CN116189833A (zh) * | 2023-04-20 | 2023-05-30 | 国高材高分子材料产业创新中心有限公司 | 一种高分子材料及其制品的碳排放量计算方法及装置 |
| CN116189833B (zh) * | 2023-04-20 | 2023-08-18 | 国高材高分子材料产业创新中心有限公司 | 一种高分子材料及其制品的碳排放量计算方法及装置 |
| CN117787574A (zh) * | 2024-02-27 | 2024-03-29 | 江西百电信息产业有限公司 | 一种基于人工智能碳脑的降碳影响因素确定方法及系统 |
| CN117787574B (zh) * | 2024-02-27 | 2024-05-07 | 江西百电信息产业有限公司 | 一种基于人工智能碳脑的降碳影响因素确定方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110942247A (zh) | 一种分析电力碳排放影响因素和碳排放效率的评价方法 | |
| Liu et al. | The impact of urbanization on GHG emissions in China: The role of population density | |
| Wang et al. | A local-scale low-carbon plan based on the STIRPAT model and the scenario method: The case of Minhang District, Shanghai, China | |
| Lin et al. | Spatial analysis of mainland cities’ carbon emissions of and around Guangdong-Hong Kong-Macao Greater Bay area | |
| He et al. | Impact of urbanization on energy related CO2 emission at different development levels: Regional difference in China based on panel estimation | |
| Fei et al. | Technology gap and CO2 emission reduction potential by technical efficiency measures: A meta-frontier modeling for the Chinese agricultural sector | |
| Yang et al. | Regional eco-efficiency and pollutants' marginal abatement costs in China: A parametric approach | |
| Wang et al. | Measurement and evolution of eco-efficiency of coal industry ecosystem in China | |
| Fang et al. | Study of the influence mechanism of China's electricity consumption based on multi-period ST-LMDI model | |
| Lee et al. | Benchmarking the performance of building energy management using data envelopment analysis | |
| Ramanathan | A multi-factor efficiency perspective to the relationships among world GDP, energy consumption and carbon dioxide emissions | |
| Marquant et al. | Reducing computation time with a rolling horizon approach applied to a MILP formulation of multiple urban energy hub system | |
| Zhang et al. | Analysis of the energy metabolism of urban socioeconomic sectors and the associated carbon footprints: Model development and a case study for Beijing | |
| Hang et al. | Measuring energy inefficiency with undesirable outputs and technology heterogeneity in Chinese cities | |
| CN106779165B (zh) | 基于城市空气质量预测技术的电力系统环境调度方法 | |
| Marañón-Ledesma et al. | Analyzing demand response in a dynamic capacity expansion model for the European power market | |
| Zhou et al. | Allocation and simulation study of carbon emission quotas among China’s provinces in 2020 | |
| CN113139151B (zh) | 一种城市化与生态环境近远程耦合协调水平的测度方法 | |
| Yue et al. | The impacts of multi-dimension urbanization on energy-environmental efficiency: Empirical evidence from Guangdong Province, China | |
| Xu et al. | The production efficiency of renewable energy generation and its influencing factors: Evidence from 20 countries | |
| Yuan et al. | Measuring the environmental efficiency of the Chinese industrial sector: A directional distance function approach | |
| Wang et al. | Regional disparity and dynamic evolution of carbon emission reduction maturity in China’s service industry | |
| Luo et al. | A hybrid approach for examining the drivers of energy consumption in Shanghai | |
| CN106712105B (zh) | 一种新能源接纳空间离散概率序列计算方法 | |
| Fan et al. | Evolution of CO 2 emissions and driving factors in the Tongzhou District in Beijing |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200331 |