CN111489268B - 一种基于可信度模糊规划方法的火电厂环境综合管理方法 - Google Patents
一种基于可信度模糊规划方法的火电厂环境综合管理方法 Download PDFInfo
- Publication number
- CN111489268B CN111489268B CN202010288732.0A CN202010288732A CN111489268B CN 111489268 B CN111489268 B CN 111489268B CN 202010288732 A CN202010288732 A CN 202010288732A CN 111489268 B CN111489268 B CN 111489268B
- Authority
- CN
- China
- Prior art keywords
- power plant
- constraint
- credibility
- carbon
- fuzzy
- 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.)
- Active
Links
- 238000007726 management method Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims abstract description 12
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 43
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 43
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims abstract description 40
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 34
- 231100000719 pollutant Toxicity 0.000 claims abstract description 34
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 claims abstract description 21
- 239000001569 carbon dioxide Substances 0.000 claims abstract description 20
- 229910002092 carbon dioxide Inorganic materials 0.000 claims abstract description 20
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 claims abstract description 14
- 239000013618 particulate matter Substances 0.000 claims abstract description 7
- 239000000809 air pollutant Substances 0.000 claims abstract description 4
- 231100001243 air pollutant Toxicity 0.000 claims abstract description 4
- 238000010248 power generation Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 3
- 239000012528 membrane Substances 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 6
- 230000007613 environmental effect Effects 0.000 description 5
- 241000282414 Homo sapiens Species 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 229910002651 NO3 Inorganic materials 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 238000003916 acid precipitation Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000000748 cardiovascular system Anatomy 0.000 description 1
- 231100000481 chemical toxicant Toxicity 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 239000003034 coal gas Substances 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 210000002345 respiratory system Anatomy 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000010257 thawing Methods 0.000 description 1
- 239000003440 toxic substance Substances 0.000 description 1
- 238000013076 uncertainty analysis Methods 0.000 description 1
- 238000010792 warming Methods 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
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
- G06N7/023—Learning or tuning the parameters of a fuzzy system
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- 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
- Y02P90/82—Energy audits or management systems therefor
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Fuzzy Systems (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Operations Research (AREA)
- Computational Mathematics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Algebra (AREA)
- Artificial Intelligence (AREA)
- Water Supply & Treatment (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- Development Economics (AREA)
- Mathematical Physics (AREA)
- Computer Hardware Design (AREA)
Abstract
本发明属于能源系统排放的分析与管理技术领域，尤其涉及一种基于可信度模糊规划方法的火电厂环境综合管理方法，包括：步骤A：确定区域火电厂二氧化硫排放限制、氮氧化物排放限制、和颗粒物排放限制为模糊参数，确定二氧化碳排放限制为区间参数；步骤B：建立考虑碳交易机制及空气污染物约束的火电厂环境综合管理系统模型；步骤C：利用可信度理论对含有模糊参数的约束进行可信度截取，将非线性模型转化为线性模型；步骤D：求解线性模型，量化不同可信度水平对区域火电厂供电比例及碳配额分配的影响。本发明不仅能有效处理电力系统中表现为模糊数的大气污染物排放限值的不确定性，而且能基于不同模糊可信度水平得到相应的区域电力系统规划方案。
Description
技术领域
本发明属于能源系统排放的分析与管理技术领域，尤其涉及一种基于可信度模糊规划方法的火电厂环境综合管理方法。
背景技术
随着社会经济的快速发展和人口的持续增长，电力消费量激增，能源供需矛盾逐渐显现。以煤炭、天然气等化石能源为主的供电结构导致了生态环境恶化。硫、硝是火电厂排放烟气当中主要的污染物质，此类物质会导致大气环境受到严重的污染，进而引发酸雨等自然灾害，使得人类生存环境受到威胁。火电厂排放废气中存在的颗粒物能够吸附多种有毒化学组分随呼吸进入人体，对人体呼吸系统和心血管系统造成损害，使癌症发病率提升。此外，化石燃料燃烧带来的大量二氧化碳排放导致全球范围持续升温，陆地积雪覆盖率降低，冰川融化，海平面上升等效应，并带来一系列的环境问题和生态问题。然而，我国的能源结构决定了我国能源消耗中长期仍将以煤炭等化石能源为主，火电厂在未来很长一段时间内仍在供电中占主导地位。因此，对火电厂进行综合管理，在大气污染物和二氧化碳排放限制下合理分配区域供电比例对于优化区域能源系统，保障区域能源供应可持续发展具有重要意义。
目前，尽管现有技术中在火电厂环境管理方面，已经开展了大量的分析和尝试工作，但仍存在一定的局限性。例如，缺乏表征电力系统复杂性和多重不确定性方法的研究与开发，不能有效地在时间上和空间上充分考虑不确定性因素，从而为决策提供更加科学合理的依据。此外，在二氧化碳排放管理方面，缺乏引入碳交易机制，没能灵活分配碳排放配额，使火电厂获得更大收益。因此，在火电厂环境综合管理系统中引入不确定性分析，能够更加科学有效的对决策方案的生成提供技术支撑。
发明内容
为了克服现有技术存在的上述缺陷，本发明提出了一种基于可信度模糊规划方法的火电厂环境综合管理方法，包括：
步骤A：确定区域火电厂二氧化硫排放限制、氮氧化物排放限制、和颗粒物排放限制为模糊参数，确定二氧化碳排放限制为区间参数；
步骤B：建立考虑碳交易机制及空气污染物约束的火电厂环境综合管理系统模型；
步骤C：利用可信度理论对含有模糊参数的约束进行可信度截取，将非线性模型转化为线性模型；
步骤D：求解线性模型，量化不同可信度水平对区域火电厂供电比例及碳配额分配的影响。
所述火电厂环境综合管理系统模型如下：
目标函数：
约束条件：
单个电厂碳排放约束
区域碳配额总量约束
单个电厂碳处理量约束
区域污染物排放约束
单个电厂污染物处理量约束
非负约束
式中，i为电厂编号；k为规划时期，k＝1为一阶段，k＝2为二阶段，k＝3为三阶段；fopt为系统净优；
为每个电厂发电量；
为单位发电净优；
为发电损失；j为碳捕集技术，j＝1代表化学捕集，j＝2代表膜分离捕集；
为二氧化碳处理量；
为单位二氧化碳处理损失；w为大气污染物类型，w＝1为二氧化硫，w＝2为氮氧化物，w＝3为颗粒物；
为电厂污染物处理量；
为污染物处理损失；
为电厂二氧化碳排放因子；
为优化后的电厂碳配额；χ为政策要求的碳减排比例；
为碳排放约束总量；
为电厂二氧化碳最大处理能力；COSiwk为电厂大气污染物排放因子；
区域电力系统大气污染物排放限值；lsiwk为电厂大气污染物最大处理能力。
所述步骤C中所述可信度理论对含有模糊参数的约束进行可信度截取包括：
步骤C1：基于可信度理论对含有模糊参数的约束转化为可信度约束；
常规的含有模糊参数的约束表示为：
其中，xi是决策变量，A为技术参数，
为模糊参数，
基于可信度理论对该约束转化后表示为：
其中，Cr{·}为模糊事件
的可信度水平；
步骤C2：将可信度约束进行可信度截取，将非线性约束转化为线性约束：
当
表示为三角模糊函数时，该可信度水平可转化为：
其中ξ1和ξ2是三角模糊函数
的左右端点；将此可信度约束进行如下转化：
步骤C3：将步骤B中所述模型的模糊约束转化为线性约束，得到线性化模型：
目标函数：
约束条件：
单个电厂碳排放约束
区域碳配额总量约束
单个电厂碳处理量约束
区域污染物排放约束
单个电厂污染物处理量约束
非负约束
PETik,CPNijk,WRTik，
本发明的有益效果：
本发明的将可信度模糊规划引入火电厂环境综合管理系统，不仅能够有效处理电力系统中表现为模糊数的大气污染物排放限值的不确定性，而且能够基于不同模糊可信度水平得到相应的区域电力系统规划方案。同时通过模糊可信度规划，深入分析系统可信度水平和火电厂环境违约风险的权衡关系，对于环境综合、经济和系统可靠性因素的决策提供建议。
本发明主要适用于火电厂占主导地位的区域的电力系统规划。通过引入碳交易机制，本发明有助于区域调整供电结构，控制大气污染物及二氧化碳排放，制定符合区域特色的管理措施和控制方案。
附图说明
图1为本发明火电厂环境综合管理系统的示意图；
图2为实施方式中不同减排比例和不同可信度水平对火电厂环境综合管理系统收益的影响示意图；
图3为实施方式中不同可信度水平对区域各火电厂碳配额总量的影响示意图；
具体实施方式
下面结合附图，对实施例作详细说明。
本发明的火电厂环境综合管理方法的示意图如图1所示，具体而言，所述火电厂环境综合管理方法包括以下步骤：
步骤A：确定区域火电厂二氧化硫排放限制、氮氧化物排放限制、和颗粒物排放限制为模糊参数，确定二氧化碳排放限制为区间参数；
步骤B：建立考虑碳交易机制及空气污染物约束的火电厂环境综合管理系统模型；
步骤C：利用可信度理论对含有模糊参数的约束进行可信度截取，将非线性模型转化为线性模型；
步骤D：求解线性模型，量化不同可信度水平对区域火电厂供电比例及碳配额分配的影响。
所述火电厂环境综合管理系统模型如下：
目标函数：
约束条件：
单个电厂碳排放约束
区域碳配额总量约束
单个电厂碳处理量约束
区域污染物排放约束
单个电厂污染物处理量约束
非负约束
式中，i为电厂编号；k为规划时期，k＝1为一阶段，k＝2为二阶段，k＝3为三阶段；fopt为系统净优；
为每个电厂发电量；
为单位发电净优；
为发电损失；j为碳捕集技术，j＝1代表化学捕集，j＝2代表膜分离捕集；
为二氧化碳处理量；
为单位二氧化碳处理损失；w为大气污染物类型，w＝1为二氧化硫，w＝2为氮氧化物，w＝3为颗粒物；
为电厂污染物处理量；
为污染物处理损失；
为电厂二氧化碳排放因子；
为优化后的电厂碳配额；χ为政策要求的碳减排比例；
为碳排放约束总量；
为电厂二氧化碳最大处理能力；COSiwk为电厂大气污染物排放因子；
区域电力系统大气污染物排放限值；lsiwk为电厂大气污染物最大处理能力。
所述步骤C中所述可信度理论对含有模糊参数的约束进行可信度截取包括：
步骤C1：基于可信度理论对含有模糊参数的约束转化为可信度约束；
常规的含有模糊参数的约束表示为：
其中，xi是决策变量，A为技术参数，
为模糊参数，
基于可信度理论对该约束转化后表示为：
其中，Cr{·}为模糊事件
的可信度水平；
步骤C2：将可信度约束进行可信度截取，将非线性约束转化为线性约束：
当
表示为三角模糊函数时，该可信度水平可转化为：
其中ξ1和ξ2是三角模糊函数
的左右端点；将此可信度约束进行如下转化：
步骤C3：将步骤B中所述模型的模糊约束转化为线性约束，得到线性化模型：
目标函数：
约束条件：
单个电厂碳排放约束
区域碳配额总量约束
单个电厂碳处理量约束
区域污染物排放约束
单个电厂污染物处理量约束
非负约束
PETik,CPNijk,WRTik，
分别将系统二氧化碳减排量达到0、10％、20％、30％、40％、50％、60％、70％、80％设定为情景1、情景2、情景3、情景4、情景5、情景6、情景7、情景8、情景9,分别选取λ值为0.6,0.7,0.8,0.9,0.95,1，代入相关数据，可以得到火电厂环境综合管理系统优化结果。图2为实施方式中不同减排比例和不同可信度水平对火电厂环境综合管理系统成本的影响示意图。图3为实施方式中不同可信度水平对区域各火电厂碳配额总量的影响示意图；
此实施例仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。
Claims (1)
1.一种基于可信度模糊规划方法的火电厂环境综合管理方法，其特征在于，包括：
步骤A：确定区域火电厂二氧化硫排放限制、氮氧化物排放限制、和颗粒物排放限制为模糊参数，确定二氧化碳排放限制为区间参数；
步骤B：建立考虑碳交易机制及空气污染物约束的火电厂环境综合管理系统模型；
步骤C：利用可信度理论对含有模糊参数的约束进行可信度截取，将非线性模型转化为线性模型；
步骤D：求解线性模型，量化不同可信度水平对区域火电厂供电比例及碳配额分配的影响；
所述基于可信度模糊规划方法的火电厂环境综合管理方法，其特征在于，所述火电厂环境综合管理系统模型如下：
目标函数：
约束条件：
单个电厂碳排放约束
区域碳配额总量约束
单个电厂碳处理量约束
区域污染物排放约束
单个电厂污染物处理量约束
非负约束
式中，i为电厂编号；k为规划时期，k＝1为一阶段，k＝2为二阶段，k＝3为三阶段；fopt为系统净优；
为每个电厂发电量；
为单位发电净优；
为发电损失；j为碳捕集技术，j＝1代表化学捕集，j＝2代表膜分离捕集；
为二氧化碳处理量；
为单位二氧化碳处理损失；w为大气污染物类型，w＝1为二氧化硫，w＝2为氮氧化物，w＝3为颗粒物；
为电厂污染物处理量；
为污染物处理损失；
为电厂二氧化碳排放因子；
为优化后的电厂碳配额；χ为政策要求的碳减排比例；
为碳排放约束总量；
为电厂二氧化碳最大处理能力；COSiwk为电厂大气污染物排放因子；
区域电力系统大气污染物排放限值；lsiwk为电厂大气污染物最大处理能力；
所述步骤C中所述可信度理论对含有模糊参数的约束进行可信度截取包括：
步骤C1：基于可信度理论对含有模糊参数的约束转化为可信度约束；
常规的含有模糊参数的约束表示为：
其中，xi是决策变量，A为技术参数，
为模糊参数，
基于可信度理论对该约束转化后表示为：
其中，Cr{·}为模糊参数
的可信度水平；
步骤C2：将可信度约束进行可信度截取，将非线性约束转化为线性约束：
当模糊参数
的隶属函数呈三角分布时，该可信度水平可转化为：
其中ξ1和ξ2是模糊参数
的左右端点；将此可信度约束进行如下转化：
步骤C3：将步骤B中所述模型的模糊约束转化为线性约束，得到线性化模型：
目标函数：
约束条件：
单个电厂碳排放约束
区域碳配额总量约束
单个电厂碳处理量约束
区域污染物排放约束
单个电厂污染物处理量约束
非负约束
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010288732.0A CN111489268B (zh) | 2020-04-14 | 2020-04-14 | 一种基于可信度模糊规划方法的火电厂环境综合管理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010288732.0A CN111489268B (zh) | 2020-04-14 | 2020-04-14 | 一种基于可信度模糊规划方法的火电厂环境综合管理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111489268A CN111489268A (zh) | 2020-08-04 |
| CN111489268B true CN111489268B (zh) | 2022-09-16 |
Family
ID=71812748
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010288732.0A Active CN111489268B (zh) | 2020-04-14 | 2020-04-14 | 一种基于可信度模糊规划方法的火电厂环境综合管理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111489268B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108268973A (zh) * | 2017-12-20 | 2018-07-10 | 华北电力大学 | 不确定两阶段机会约束低碳电力优化规划方法 |
| CN109002921A (zh) * | 2018-07-19 | 2018-12-14 | 北京师范大学 | 一种基于二型模糊机会约束的区域能源系统优化方法 |
| CN109740955A (zh) * | 2019-01-10 | 2019-05-10 | 燕山大学 | 一种计及改进阶梯式碳交易的电-气综合能源系统规划方法 |
| CN110472783A (zh) * | 2019-08-06 | 2019-11-19 | 国网冀北综合能源服务有限公司 | 考虑发电量配额的碳捕集机组优化方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110178833A1 (en) * | 2010-01-20 | 2011-07-21 | International Business Machines Corporation | Developing an optimal long term electricity generation capacity resource plan under a carbon dioxide regulatory regime |
| CN108615192B (zh) * | 2017-08-18 | 2019-11-15 | 赫普科技发展（北京）有限公司 | 一种基于区块链的碳交易系统 |
-
2020
- 2020-04-14 CN CN202010288732.0A patent/CN111489268B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108268973A (zh) * | 2017-12-20 | 2018-07-10 | 华北电力大学 | 不确定两阶段机会约束低碳电力优化规划方法 |
| CN109002921A (zh) * | 2018-07-19 | 2018-12-14 | 北京师范大学 | 一种基于二型模糊机会约束的区域能源系统优化方法 |
| CN109740955A (zh) * | 2019-01-10 | 2019-05-10 | 燕山大学 | 一种计及改进阶梯式碳交易的电-气综合能源系统规划方法 |
| CN110472783A (zh) * | 2019-08-06 | 2019-11-19 | 国网冀北综合能源服务有限公司 | 考虑发电量配额的碳捕集机组优化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111489268A (zh) | 2020-08-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Johnson et al. | Clear water, blue skies: China's environment in the new century | |
| CN107316112A (zh) | 一种成本效益最优的火电机组减排方案定制方法和系统 | |
| CN112884274B (zh) | 一种基于排放网格的二氧化碳源-汇匹配方法及装置 | |
| Zhang et al. | Heavy ozone pollution episodes in urban Beijing during the early summertime from 2014 to 2017: Implications for control strategy | |
| Amann et al. | Future air quality in Ha Noi and northern Vietnam | |
| Yan et al. | Encoder-decoder model for forecast of PM2. 5 concentration per hour | |
| CN112364562A (zh) | 一种烟气环保岛协同控制方法及系统 | |
| Cahyono et al. | Projection of CO2 emissions in Indonesia | |
| CN115455248A (zh) | 一种基于数据分析的城市碳排放监测方法 | |
| Luo et al. | Synoptic condition-driven summertime ozone formation regime in Shanghai and the implication for dynamic ozone control strategies | |
| Yan et al. | Hybrid dynamic coal blending method to address multiple environmental objectives under a carbon emissions allocation mechanism | |
| ApSIMON et al. | Synergies in addressing air quality and climate change | |
| CN111489268B (zh) | 一种基于可信度模糊规划方法的火电厂环境综合管理方法 | |
| Adesina et al. | Assessment of criteria pollutants contributions from coal-fired plants and domestic solid fuel combustion at the South African industrial highveld | |
| Sangeetha et al. | A study on estimation of CO 2 emission using computational techniques | |
| Li et al. | Characteristics of secondary inorganic aerosols and contributions to PM2. 5 pollution based on machine learning approach in Shandong Province | |
| Hu et al. | Diurnal variations of aerosol chemical compositions and related gaseous pollutants in Beijing and Guangzhou | |
| Kaygusuz | Air polluted emissions from coal-fired power plants and their human health effects in Turkey | |
| Wang et al. | Sensitivity analysis of atmospheric oxidation capacity in Beijing based on the GRAPES-CUACE adjoint model | |
| Toro et al. | Long-term assessment and acute air pollution events in a mega-industrial area in Central Chile | |
| Liu et al. | Development of an interval double-stochastic carbon-neutral electric power system planning model: A case study of Fujian province, China | |
| Anggarani et al. | Dispersion modeling of power plant emissions on air quality | |
| Yin et al. | Selection of Factors Affecting NOx Emissions Concentration Forecast Modeling Based on BP Neural Network | |
| Ukachukwu et al. | Application of Machine Learning to Air Pollution Studies: A Systematic Review | |
| Hudedmani et al. | Impacts of Energy Generation on Environment |
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 |