CN112990604B - 用于减少气体排放的计算机实现方法和计算设备 - Google Patents

用于减少气体排放的计算机实现方法和计算设备 Download PDF

Info

Publication number
CN112990604B
CN112990604B CN202110432957.3A CN202110432957A CN112990604B CN 112990604 B CN112990604 B CN 112990604B CN 202110432957 A CN202110432957 A CN 202110432957A CN 112990604 B CN112990604 B CN 112990604B
Authority
CN
China
Prior art keywords
predicted
parameter
time
emission
industry
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
Application number
CN202110432957.3A
Other languages
English (en)
Other versions
CN112990604A (zh
Inventor
佟庆
郭玥锋
钱晶
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.)
Suzhou Innovation Research Institute Of Beijing University Of Aeronautics And Astronautics
Tsinghua University
Original Assignee
Suzhou Innovation Research Institute Of Beijing University Of Aeronautics And Astronautics
Tsinghua 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 Suzhou Innovation Research Institute Of Beijing University Of Aeronautics And Astronautics, Tsinghua University filed Critical Suzhou Innovation Research Institute Of Beijing University Of Aeronautics And Astronautics
Priority to CN202110432957.3A priority Critical patent/CN112990604B/zh
Publication of CN112990604A publication Critical patent/CN112990604A/zh
Application granted granted Critical
Publication of CN112990604B publication Critical patent/CN112990604B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Treating Waste Gases (AREA)

Abstract

本公开的实施例涉及用于减少气体排放的计算机实现方法和计算设备。该方法在与碳中和相关的参数预测中使用，包括：确定在中间时间处与行业相关的多个候选过程组合中的候选过程组合的预测子排放参数，多个候选过程组合用于减少行业的温室气体排放，预测子排放参数指示生产单位产品所需要排放的温室气体的量；确定在中间时间处候选过程组合将被使用的第一预测使用率；以及基于候选过程组合的预测子排放参数、以及第一预测使用率，确定在中间时间处与行业相关的预测参数；其中中间时间位于基准时间与目的时间之间，在目的时间处，行业的温室气体排放的量预期将被减少到低于预定阈值，以用于实现碳中和。以此方式，能够准确预测与碳中和相关的参数。

Description

用于减少气体排放的计算机实现方法和计算设备
技术领域
本公开的实施例涉及数据处理领域，并且更具体地，涉及用于减少气体排放的计算机实现方法、计算设备和计算机可读存储介质。
背景技术
随着对全球变暖的日益关注，“碳中和”已经成为目前的热点。对于需要碳排放减少的特定行业来说，碳排放减少可以通过使用各种用于温室气体排放减少的过程来实现，也可以通过降低该特定行业的所生产的产品总量来实现。实现碳中和需要各种数据的支持，特别是在通往达成碳中和的愿景年的过程中，逐步实现碳排放减少中与各种排放减少的过程的各种数据，这样的数据将有助于研究人员进行研究、以及政策制定者制定各种政策。然而，由于碳中和可能受到诸多因素的影响，传统自上而下的宏观分析方案并不能有效且可靠地确定这样的数据。
发明内容
本公开的实施例提供了用于减少气体排放的计算机实现方法、计算设备和计算机可读存储介质。
在本公开的第一方面中，提供了一种用于减少气体排放的计算机实现方法，在与碳中和相关的参数预测中使用，该方法包括：确定在中间时间处与行业相关的多个候选过程组合中的候选过程组合的预测子排放参数，多个候选过程组合用于减少行业的温室气体排放，预测子排放参数指示生产单位产品所需要排放的温室气体的量；确定在中间时间处候选过程组合将被使用的第一预测使用率；以及基于候选过程组合的预测子排放参数、以及第一预测使用率，确定在中间时间处与行业相关的预测参数；其中中间时间位于基准时间与目的时间之间，在目的时间处，行业的温室气体排放的量预期将被减少到低于预定阈值，以用于实现碳中和。
在本公开的第二方面中，提供了一种计算设备，包括：一种计算设备，包括：至少一个处理器；以及与至少一个处理器耦合的存储器；其中存储器具有存储于其中的指令，指令被至少一个处理器执行时，使至少一个处理器执行根据本公开第一方面的方法。
在本公开的第三方面中，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中计算机指令在被执行时，使计算机执行根据本公开第一方面的方法。
公开的实施例能够准确预测与碳中和相关的参数。
提供发明内容部分是为了简化的形式来介绍对概念的选择，它们在下文的具体实施方式中将被进一步描述。发明内容部分无意标识本公开的关键特征或主要特征，也无意限制本公开的范围。
附图说明
通过结合附图对本公开示例性实施例进行更详细的描述，本公开的上述以及其它目的、特征和优势将变得更加明显，其中，在本公开示例性实施例中，相同的参考标号通常代表相同部件。
图1示意性地示出了根据本公开的实施例的示例环境的示意图。
图2示意性地示出了根据本公开的实施例的用于减少气体排放的方法的框图。
图3示意性地示出了根据本公开的实施例的用于减少行业的气体排放的多个路线的示意图。
图4示意性地示出了根据本公开的实施例的用于合成氨行业的输入数据的示意图。
图5示意性地示出了根据本公开的实施例的用于合成氨行业的在基准情景下的预测参数的示意图。
图6示意性地示出了根据本公开的实施例的用于合成氨行业的在2060年实现碳中和的情景下的预测参数的示意图。
图7示意性地示出了根据本公开的实施例的用于合成氨行业的在2050年实现碳中和的情景下的预测参数的示意图。
图8示意性地示出了根据本公开的实施例的用于硝酸行业的输入数据的示意图。
图9示意性地示出了根据本公开的实施例的用于硝酸行业的在基准情景下的预测参数的示意图。
图10示意性地示出了根据本公开的实施例的用于硝酸行业的在2060年实现碳中和的情景下的预测参数的示意图。
图11示意性地示出了根据本公开的实施例的用于硝酸行业的在2050年实现碳中和的情景下的预测参数的示意图。
图12示意性地示出了根据本公开的实施例的用于钢铁行业的输入数据的示意图。
图13示意性地示出了根据本公开的实施例的用于钢铁行业的在2060年实现碳中和下的预测参数的示意图。
图14示意性地示出了用于表示图9至图13中的一些参数的可视化图表。
图15示出了可以用来实现本公开的实施例的示例计算设备的示意性框图。
具体实施方式
下面将参考附图中示出的若干示例实施例来描述本公开的原理。
在本文中使用的术语“包括”及其变形表示开放性包括，即“包括但不限于”。除非特别申明，术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实施例”和“一个实施例”表示“一组示例实施例”。术语“另一实施例”表示“一组另外的实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。
如上面所讨论的，传统的宏观分析的方案无法有效地确定与在去往愿景年之间的各个年份相关的预测参数。而且，传统方案无法将各个行业的能够减少排放的各个路线的变化情况考虑在内，并且因此无法确定与行业相关的预测参数。附加地，传统方案并不是以在目的时间处实现碳中和为标的，来确定各种预测参数。
为了至少部分地解决上述问题以及其他潜在问题中的一个或者多个，本公开的示例实施例提出了一种用于减少气体排放的计算机实现方案。该方案能够针对各个行业的各种用于减少气体排放的技术路线，通过在愿景年（在本文中有时也被称为目的时间）要实现的目标来确定各种技术路线在各个中间时间节点处所需要实现的中间目标。以此方式，可以用实现碳中和的目的时间进行倒推，从而确定各技术路线的预测发展变化情况，进而准确地确定与行业相关的预测参数。
以下将结合附图来详细描述本公开的示例实施例。
示例环境
图1示出了根据本公开实施例的示例环境100的示意图，在该示例环境中，根据本公开实施例的设备和/或方法可以被实施。如图1所述，示例环境100包括计算设备105。计算设备105可以是任何具有计算能力的设备。作为非限制性示例，计算设备105可以是任意类型的固定计算设备、移动计算设备或便携式计算设备，包括但不限于台式计算机、膝上型计算机、笔记本计算机、上网本计算机、平板计算机、多媒体计算机、移动电话等；计算设备105的全部组件或一部分组件可以分布在云端。计算设备105至少包含处理器、存储器以及其他通常存在于通用计算机中的组件，以便实现计算、存储、通信、控制等功能。
计算设备105可以接收与行业相关的输入数据110，并且被配置为基于所接收的输入数据110根据下文所描述的示例方法，来确定与行业相关的预测参数120。在一些实施例中，计算设备105可以通信地耦合至存储各种数据的数据库115，并且可以根据所接收的输入数据110中所指示的行业，从数据库115获取与该行业相关的对应数据。在一些实施例中，数据库115可以是预定的气体排放数据库，该气体排放数据库维护有（例如，存储并且根据需要而进行更新）与各个行业相关的数据，例如，在基准时间处所收集的与各个行业相关的数据。
在一些实施例中，数据库中所维护的数据包括但不限于以下至少一项：用于减少该行业的温室气体（在本文中有时也被简称为气体）排放的一个或多个中间过程组合、中间过程组合所使用的能源和/或原料、中间过程开始使用的预测时间、中间过程组合所针对的气体类别、所排放的气体的产生来源（例如，产品生产过程或燃料燃烧过程）、所排放的气体的全球增温潜势（在本文有时被简写为GWP）、中间过程组合中所包括的用于减少气体排放（在本文有时也被简称为减排）的一个或多个中间过程、在基准时间处与中间过程组合相关的各种参数。在基准时间处与中间过程组合相关的各种参数包括但不限于以下至少一项：中间过程组合的基准子排放参数、中间过程的基准使用率（在本文中有时也被称为第一使用率）、过程能够减少的所述气体排放的量（在本文中有时也被称为第一参数或减排因子）、用于减少该行业的气体排放的一个或多个末端过程（诸如，尾气末端处理、CCS、CCU），预测的末端过程将开始使用的时间，末端过程能够减少的气体排放的比率（有时也被简称为减排率）、各种过程在目的时间处的预测使用率、预测的各种过程将开始被使用的开始时间、以及在各种情景中相应的行业预测总产量等。例如，如果输入数据110指示待进行预测的行业是钢铁行业，则计算设备105可以从数据库获取与钢铁行业相关的数据。在一些实施例中，输入数据110也可以直接包括上述数据，在这种情况下，计算设备105无需从数据库115获取与行业相关的数据。
以上描述了根据本公开的实施例的示例环境。下文将结合图2至图3详细描述根据本公开的实施例的示例方法。为了便于理解，在下文描述中提及的具体数据均是示例性的，并不用于限定本公开的保护范围。
示例方法
图2示意性地示出了根据本公开的实施例的用于减少气体排放的方法200的框图。例如，方法200可以由如图1所示的计算设备来执行。应当理解，根据本公开实施例的方法还可以包括未示出的附加动作和/或可以省略所示出的动作，本公开的范围在此方面不受限制。
在框202，计算设备105可以确定在中间时间处与行业相关的多个候选过程组合中的候选过程组合的预测子排放参数，其中多个候选过程组合用于减少行业的温室气体排放，并且预测子排放参数指示生产单位产品所需要排放的温室气体的量。在一些实施例中，计算设备可以针对多个候选过程组合中的每个候选过程组合确定在中间时间处的预测子排放参数。在本文中，术语“预测子排放参数”可以指代在目标中间时间处，特定候选过程组合的排放因子，排放因子可以指代生产每吨产品所排放的气体的量，在一些实施例中，预测子排放参数可以用符号
Figure DEST_PATH_IMAGE001
来表示，其单位例如可以是t温室气体/t产品（t表示吨），其中i表示多个候选过程组合中待预测的目标候选过程组合。
在本文中，术语“基准时间”可以是用于预测的各种数据/参数收集的时间。但是将理解的是，基准时间可以例如根据数据库中使用的不同数据而相应地改变。在本文中，术语“目的时间”有时也被称为愿景时间或愿景年，在该时间处，行业的气体排放的量预期将被减少到低于预定阈值，以用于实现碳中和。例如，目的时间可以是2060年或2050年或其他期望实现碳中和的时间。在一些实施例中，预定阈值可以被设置为零或接近零。换言之，该行业的温室气体排放的量将为零或接近于零，并由此实现碳中和。在本文中，术语“中间时间”可以是在基准时间与目的时间之间的任何一个或多个时间，在该时间处与行业相关的各种参数需要被预测。在一些实施例中，可以在基准时间与目的时间按预定间隔（在本文中有时也被称为步长）来确定多个中间时间。例如，在基准时间是2015年并且目的时间是2060年的情况下，预定间隔可以设定为5年，但也可以设定为3年、1年或其他时间段。
为了便于理解，下面将参考图3来进行详细说明。图3示意性地示出了根据本公开的实施例的用于减少行业的气体排放的多个路线（在本文中有时也被称为过程组合）的示意图300。在一些实施例中，为了确定预测子排放参数，计算设备可以首先获取与行业相关的多个候选过程组合，并且获取各个候选过程组合所包括的用于减少气体排放的中间过程。例如，针对特定行业，在确定了与该特定行业有关的温室气体排放之后，可能存在包括第一路线（由附图标记311指示）至第N路线（由附图标记311指示，其中N为大于1的正整数）的路线组合310以用于减少该特定行业的气体排放。在一些实施例中，第一路线311例如可以是基于源头控制的过程组合（即，源头控制路线），其可以包括过程3111、3112、…、311n，并且第N路线312可以例如是基于非源头控制的过程组合（即，非源头控制路线），其可以包括过程3121、3122、…、312n。
在本文中，术语“基于源头控制的过程组合”可以指代在基准时间处，基准子排放参数最低的一种或多种生产技术，例如，第一路线311可以是使用低碳能源或原材料313的生产技术。术语“基于非源头控制的过程组合”可以指代在路线组合310中除源头控制路线之外的其他路线（生产技术），例如，第N路线312可以是使用常规的能源或原材料314的生产技术。每个这样的路线或过程组合均可以实现对产品的产出、并产生相应的减少的气体排放（例如，图3中针对第一路线311的产出/排放315、以及第N路线312的产出/排放316）。在一些实施例中，由路线组合310中各个路线所排放的气体可以经末端过程318的进一步处理后，再排放到大气中。将理解的是，依据行业的不同，上述各种过程组合/过程也将不同，例如，本文在图4、图8和12中列举了根据行业而确定的各种过程组合/过程的示例实施例。
回到参考图2，在一些实施例中，基准子排放参数可以由在基准时间处的各过程组合的排放因子来表示。在一些实施例中，基准子排放参数可以用符号
Figure DEST_PATH_IMAGE002
来表示，其单位例如可以是t温室气体/t产品，其中i0指代在基准时间处的候选过程组合。在一些实施例中，基准子排放参数可以是预设的常数，其是在基准时间处的实际值，可以通过各种统计而获得，并可以被存储在数据库中。举例而言，对于合成氨行业，通过氢气来合成氨的生产技术的基准子排放参数最低（例如，排放因子为0，因为其不会产生二氧化碳），其可以作为基于源头控制的过程组合。通过天然气来合成氨的基准子排放参数也相对较低，其也可以作为基于源头控制的过程组合。其他过程组合中通过煤基来合成氨具有较高的基准子排放参数，其可以作为基于非源头控制的过程组合。
在一些实施例中，在基准子排放参数为零的过程组合中，将不存在用于减排的中间过程、以及下文将详细介绍的末端过程。在一些实施例中，针对这样的过程组合，计算设备可以确定是否输入数据中还有使得子排放参数进一步减小的要素（中间过程或末端过程）。如果是，则计算设备可以忽略这样的要素。
在确定了过程组合所包括的一个或多个中间过程之后，计算设备可以获取与这样的中间过程相对应的第一参数，第一参数指示中间过程能够减少的气体排放的量。在本文中，第一参数有时也被称为减排因子，意指其能够对排放因子进行一定程度的减少。在一些实施例中，第一参数可以用符号
Figure DEST_PATH_IMAGE003
来指示，其单位例如可以是kg 温室气体/t产品（kg表示千克），其中i表示待预测的目标候选过程组合，j表示目标中间过程。基于所获取的第一参数、以及各个候选过程组合中所包括的中间过程，计算设备可以利用这些与减排相关的参数，来确定在中间时间处的预测子排放参数。
在一些实施例中，计算设备将进一步确定各个候选过程组合的预测使用率、以及各个候选过程组合中所包括的各个中间过程的使用率，以用于更为准确地确定预测子排放参数。具体地，计算设备可以获取在基准时间处候选过程组合的基准子排放参数
Figure 59292DEST_PATH_IMAGE002
，并且获取在基准时间处候选过程组合的所包括的中间过程被使用的第一使用率。在一些实施例中，第一使用率可以用符号
Figure DEST_PATH_IMAGE004
来表示，其表示待预测的目标候选过程组合中的目标中间过程在基准时间处的使用率，换言之，在基准时间处，在整个行业使用该目标候选过程组合的所生产的产品中，已使用该目标中间过程所生产的产品的所占的比率。在一些实施例中，第一使用率可以是预设的常数，其是在基准时间处的实际值，可以通过各种统计而获得，并可以被存储在数据库中。
计算设备然后可以确定在中间时间处，中间过程将被使用的预测使用率（在本文中有时也被称为第二预测使用率）。在一些实施例中，第二预测使用率可以使用
Figure DEST_PATH_IMAGE005
来表示，其中i表示待预测的目标候选过程组合，j表示目标中间过程，
Figure 461586DEST_PATH_IMAGE005
可表示待预测的目标候选过程组合中的目标中间过程将在中间时间处的使用率，换言之，在中间时间处，在整个行业使用该目标候选过程组合的所生产的产品中，已使用该目标中间过程所生产的产品的所占的比率。在一些实施例中，预测使用率将针对所有候选过程组合中的每个中间过程而确定。
基于基准子排放参数、第一使用率、第二预测使用率以及第一参数，计算设备可以计算预测子排放参数。例如，计算设备可以基于所获取和/或确定的各种参数，利用以下等式（1）来计算与候选过程组合相关的预测子排放参数。
Figure DEST_PATH_IMAGE006
其中M是在目标候选过程组合i中所包括的中间过程的数目，M可以为大于或等于1的正整数，并且1≤j≤M。
在一些实施例中，第二预测使用率可以由计算设备根据中间过程在基准时间处的基准使用率、以及中间过程在目的时间处的第一目的使用率中的至少一项来确定。在一些实施例中，计算设备可以通过诸如线性插值方法的各种使用率预测方法，基于基准使用率和第一目的使用率，来确定在基准时间与目的时间之间的一个或多个中间时间处的一个或多个第二预测使用率。可以理解的是，使用率预测方法也可以采用基于其他函数的插值方法，以用于确定一个或多个第二预测使用率。在一些实施例中，第一目的使用率可以设置为100%，换言之，在目的时间处，对于该行业的所有产品产量来说，该用于减排的中间过程均被使用。在一些实施例中，还可以将诸如过程的经济性、技术成熟度等技术约束因素考虑在内，以确定第一目的使用率，并进而确定一个或多个第二预测使用率。
在一些实施例中，在一些用于减排的中间过程可能在当前还未使用的情况下，计算设备还可以进一步获取中间过程开始被使用的开始时间，并且基于开始时间、目的时间、中间过程在目的时间处的第一目的使用率以及中间时间，计算第二预测使用率，其中开始时间晚于基准时间、且早于目的时间。在一些实施例中，计算设备可以通过诸如线性插值方法的各种使用率预测方法，基于在开始时间处中间过程的使用率以及第一目的使用率，来确定在开始时间与目的时间之间的一个或多个中间时间处的一个或多个第二预测使用率。可以理解的是，计算设备可以将在基准时间与开始时间之间的一个或多个中间时间处的一个或多个第二预测使用率设置为0。在一些实施例中，在开始时间处，中间过程的使用率可以被设置为一较低值，例如1%。
在框204，计算设备105可以确定在中间时间处，候选过程组合将被使用的预测使用率（在本文中有时也被称为第一预测使用率）。在一些实施例中，计算设备可以针对多个候选过程组合中的每个候选过程组合确定其在中间时间处的第一预测使用率。在一些实施例中，第一预测使用率可以使用
Figure DEST_PATH_IMAGE007
来表示，其中i表示待预测的目标候选过程组合，其可以表示在中间时间处，在整个行业使用所生产的产品中，使用该候选过程组合所生产的产品的所占的比率。
在一些实施例中，计算设备可以利用与上述确定第二预测使用率类似的过程来确定第一预测使用率。具体地，第一预测使用率可以由计算设备根据候选过程组合在基准时间处的基准使用率（在本文中有时也被称为第二使用率）、以及候选过程组合在目的时间处的第二目的使用率中的至少一项来确定。在一些实施例中，计算设备可以获取在基准时间处候选过程组合被使用的第二使用率，并且获取在目的时间处候选过程组合将被使用的第二目的使用率。然后，计算设备可以通过诸如线性插值方法的各种使用率预测方法，基于第二使用率和第二目的使用率，来计算在基准时间与目的时间之间的一个或多个中间时间处的一个或多个第一预测使用率。
可以理解的是，使用率预测方法也可以采用基于其他函数的插值方法，以用于确定一个或多个第一预测使用率。在一些实施例中，第二目的使用率可以根据基准子排放参数而被设置，例如，基准子排放参数越低，则第二目的使用率可以越高。由于其对于减少气体排放而言，上面讨论过的基于源头控制的过程组合（其基准子排放参数较低）能够实现的减排效果最佳。因此，这样的过程组合的预测使用率可以被调整为尽可能得高，以实现最大化这样的减排技术的效果，相应地，其他过程组合的预测使用率可以被调整为相对较低。将理解的是，在每个时间处，与多个候选过程组合的相对应的多个（基准、预测或目的）使用率之和将为1。在一些实施例中，还可以将诸如过程的经济性、技术成熟度等技术约束因素考虑在内，以确定合适的、尽可能高的第二目的使用率，并进而确定一个或多个第一预测使用率。
在一些实施例中，在一些用于减排的候选过程组合（例如，新的使用低碳能源的过程组合）可能在当前还未使用的情况下，计算设备还可以进一步获取该候选过程组合开始被使用的开始时间，并且基于开始时间、目的时间、过程组合在目的时间处的第二目的使用率以及中间时间，计算第二预测使用率，其中开始时间晚于基准时间、且早于目的时间。在一些实施例中，计算设备可以通过上述各种使用率预测方法，基于在开始时间处候选过程组合的使用率以及第二目的使用率，来确定在开始时间与目的时间之间的一个或多个中间时间处的一个或多个第一预测使用率。
在框206，计算设备105可以基于候选过程组合的预测子排放参数、以及第一预测使用率，确定在中间时间处与行业相关的预测参数。在一些实施例中，预测参数可以包括以下至少一项：经末端过程处理前的预测排放参数（在一些实施例中，其可以用符号IEF'表示）、经末端过程处理过的预测排放参数（在一些实施例中，其可以用符号IEF表示）、行业的气体排放总量（在一些实施例中，其可以用符号
Figure DEST_PATH_IMAGE008
表示）、行业的气体排放总量当量（在一些实施例中，其可以用符号
Figure DEST_PATH_IMAGE009
表示）、每种含碳能源的消耗量（在一些实施例中，其可以用符号
Figure DEST_PATH_IMAGE010
表示）、以及行业的含碳能源消耗总量（在一些实施例中，其可以用符号 FC表示）。
在一些实施例中，计算设备可以基于每个候选过程组合的预测子排放参数（
Figure 808034DEST_PATH_IMAGE001
）与第一预测使用率（
Figure 750714DEST_PATH_IMAGE007
）的乘积，来计算在中间时间处，经末端过程处理前的预测排放参数（IEF'）。例如，计算设备可以基于所确定的上述参数，利用以下等式（2）来计算与行业相关的IEF'，作为与行业相关的预测参数（或其至少一部分）。
Figure DEST_PATH_IMAGE011
其中N表示该行业的多个候选过程组合的数目，并且1≤i≤N。
在一些实施例中，经各种用于减排的中间过程所生产的产品仍将伴随有一定量的气体排放，这样的气体排放可以使用末端过程来进行处理。末端过程可以包括以下至少一项：尾气回收技术、碳捕捉和储存技术（CCS，其可以是针对二氧化碳）、碳捕捉和利用技术（CCU，其可以是针对二氧化碳）、以及含氮氧化物的催化分解技术等。计算设备可以获取与行业的末端过程相对应的第二参数，第二参数（在本文有时也被称为减排率）指示该末端过程能够减少的气体排放的比率，在一些实施例中，第二参数可以用符号
Figure DEST_PATH_IMAGE012
来表示。计算设备还可以利用与确定上述第一/第二预测使用率类似的过程，确定在一个或多个中间时间处，末端过程将被使用的一个或多个第三预测使用率，在一些实施例中，第三预测使用率可以用符号
Figure DEST_PATH_IMAGE013
表示，其表示末端过程将在中间时间处的使用率，换言之，在中间时间处，在整个行业所生产的产品中，使用该末端过程所生产的产品的所占的比率。
计算设备然后可以基于预测子排放参数、第一预测使用率、第二参数和第三预测使用率，计算经末端过程处理过的预测排放参数（IEF）。在一些实施例中，计算设备可以首先基于预测子排放参数以及第一预测使用率，利用上述等式（2）来计算IEF'，然后基于IEF'、第二参数（
Figure 719413DEST_PATH_IMAGE012
）和第三预测使用率（
Figure 338613DEST_PATH_IMAGE013
），利用以下等式（3）来计算IEF，作为与行业相关的预测参数（或其至少一部分）。
Figure DEST_PATH_IMAGE014
经末端过程处理前的预测排放参数（IEF'）以及经末端过程处理过的预测排放参数（IEF）二者均可以表征在中间时间处，行业的气体排放水平，其中多个可能的路线以及该多个可能的路线中所包括的各个减排过程的影响已均考虑在内，因此，这样的参数能够作为在中间时间处，衡量该行业的气体排放水平的预测大小的指标。
在一些实施例中，计算设备还可以进一步从数据库中获取在一个或多个中间时间处，行业的预测产品总量（AD），其单位可以是百万吨。基于所获取的预测产品总量以及经末端过程处理过的预测排放参数，计算设备可以确定该行业的气体（诸如二氧化碳、氧化亚氮、臭氧、甲烷等的温室气体）排放总量
Figure 550852DEST_PATH_IMAGE008
。在一些实施例中，计算设备可以利用以下等式（4）来计算
Figure 546490DEST_PATH_IMAGE008
，作为与行业相关的预测参数（或其至少一部分）。
Figure DEST_PATH_IMAGE015
在一些实施例中，在所排放的气体非二氧化碳的情况下，为了使得所确定的预测参数便于比较以供使用者使用，计算设备可以将这样的气体排放总量进一步转化为气体排放当量总量
Figure 559577DEST_PATH_IMAGE009
，即与之等效的二氧化碳气体排放总量，其单位可以是百万吨二氧化碳当量。在一些实施例中，计算设备可以利用以下等式（5）来计算
Figure 225044DEST_PATH_IMAGE009
，作为与行业相关的预测参数（或其至少一部分）。
Figure DEST_PATH_IMAGE016
其中GWP为排放气体的全球增温潜势，其可以与所排放的气体的类型相关。
在一些实施例中，在需要消耗诸如煤炭产品、石油产品、以及天然气产品等含碳能源，以作为生产过程的原料、或作为为生产过程提供能源的燃料的情况下，计算设备还可以进一步确定在一个或多个中间时间处和/或目的时间处的预测能耗参数，作为与行业相关的预测参数（或其至少一部分）。在一些实施例中，如果确定所接收的输入数据中包括指示含碳能源的参数，则计算设备执行用于确定预测能耗参数的过程。在一些实施例中，计算设备可以向使用者呈现相关的用户接口，以用于选择是否对预测能耗参数进行计算。
在一些实施例中，计算设备可以通过如下过程来确定预测能耗参数。基于如上所讨论的预测子排放参数（
Figure 58002DEST_PATH_IMAGE001
）、以及与所使用的能源相关的参数（
Figure DEST_PATH_IMAGE017
），计算设备可以确定在中间时间处，与候选过程组合使用能源有关的预测子能耗参数（
Figure DEST_PATH_IMAGE018
）。预测子能耗参数可以指示生产单位产品所需要消耗的能源的量，即使用该候选过程组合生产单位产品（例如，一吨）所需要消耗的能量（例如，吨标准煤），并且其单位例如可以是吨标准煤/吨产品（tce/t产品）。在一些实施例中，计算设备可以基于预测子排放参数（
Figure 808396DEST_PATH_IMAGE001
），利用以下等式（6）来计算
Figure 879251DEST_PATH_IMAGE018
。
Figure DEST_PATH_IMAGE019
其中参数
Figure 246779DEST_PATH_IMAGE017
是与含碳能源类型有关的二氧化碳排放系数（吨二氧化碳/吨标准煤，tCO2/tce）。可以基于含碳能源类型来确定参数
Figure 163438DEST_PATH_IMAGE017
。例如，煤炭产品的二氧化碳排放系数可以为2.64，石油产品的二氧化碳排放系数可以为2.07，天然气产品的二氧化碳排放系数可以为1.63。
在一些实施例中，上文所描述的使用能源包括以下至少一项：在诸如化学合成的生产过程中使用该含碳能源、或在提供能源的燃料燃烧过程中使用该含碳能源。
利用所确定的与候选过程相关的预测子能耗参数，计算设备可以进一步基于预测子能耗参数（
Figure 720452DEST_PATH_IMAGE018
）、第一预测使用率
Figure 426240DEST_PATH_IMAGE007
以及行业的预测产品总量（AD），计算能耗参数FC。在一些实施例中，计算设备可以利用以下等式（7）和等式（8）来计算
Figure DEST_PATH_IMAGE020
其中
Figure 184243DEST_PATH_IMAGE010
表示该行业使用类型k（包括但不限于石油、煤炭、天然气）的含碳能源的消耗量，其单位可以是百万吨标准煤，FC表示该行业的含碳能源消耗总量。
在一些实施例中，计算设备可以根据每个候选路线组合所涉及的含碳能源的类型，自动选取相应的参数进行诸如等式（7）的加和计算，以确定与该类型的含碳能源有关的能源消耗量。
在一些实施例中，本示例方法中所描述的获取步骤可以利用上文参考图1描述的预定的气体排放数据库与行业相关的数据，气体排放数据库维护有在基准时间处与各个行业相关的数据。在一些实施例中，上述数据也可以由使用者来设定。在一些实施例中，在数据库中存储有与特定行业相关的数据，并且使用者也输入了相应的数据的情况下，计算设备可以执行二者之间的比较，并且在二者之间的差异大于一阈值，通过图形接口上的提示通知来告知使用者。
在一些实施例中，上述示例方法可以针对在基准时间和目的时间之间的每个中间时间执行，以例如生成以下至少一项：与一组中间时间相对应的一组预测排放参数，与一组中间时间相对应一组预测能耗参数。
在一些实施例中，上述示例方法还可以针对不同的目的时间来执行，以例如生成以下至少一项：与不同的多个目的时间相关的多组预测排放参数，以及与不同的多个目的时间相关的多组预测能耗参数。例如，可以将在两个不同目的时间（例如，2060和2050）实现碳中和作为两种不同情景（例如，2060年实现碳中和CN2060以及2050年实现碳中和CN2050），并确定在该两种不同情景下的相应预测参数。附加地或备选地，还可以确定在基准情景下的相应预测参数以作为对照。在基准情景（BAU）下，所有能够用于减排的过程的使用情况与基准时间保持不变。在一些实施例中，在不同的情景下，行业的所生产的产品总量的随时间的变化趋势也将不同。
根据本公开的方法，能够以目的时间实现碳中和作为目标，据此确定在通往目的时间的进程中，与行业相关的各种候选路线组合的使用率、其中的中间过程和/或末端过程的使用率需要达到多少才能实现这样的目标，并进而准确地确定诸如预测排放参数和预测能耗参数的各种预测参数，从而有利于行业、地方、甚至国家层面做出相关的政策决策。
以上描述了根据本公开的实施例的示例方法。下文将结合图4至图13详细描述使用根据本公开的实施例的示例方法，针对三个不同行业确定相应的预测参数的示例实施例。将理解是，其他未示出的行业（诸如服务业的第三产业）也同样适用本示例方法。还将理解的是，本公开的方案同样适用于行业中的其他气体（诸如，有毒有害气体）的排放减少，只要其同样涉及到目的时间以及一个或多个过程组合或过程。
用于合成氨行业的示例实施例
图4示意性地示出了根据本公开的实施例的用于合成氨行业的输入数据400的示意图。例如，输入数据400中的各种参数将作为方法200的输入。在一些实施例中，输入数据400中的一部分可以从数据库获取。如图4所示，输入数据可以包括基准时间402（在本实施例中被设置为2015年）、目的时间（在本实施例中被设置为2060年或2050年）、用于确定中间时间的步长406（即时间间隔，在本实施例中被设置为5年）、待预测的行业408（在本实施例中为合成氨行业）、产生气体排放的类别410（在本实施例中包括在生产氨的工业生产过程中产生气体排放、以及在为生产氨的过程供能的燃料燃烧过程中产生的气体排放）、所产生的气体的类别412（在本实施例中为二氧化碳）、以及GWP 414（在本实施例中，对于二氧化碳为1）。
输入数据400还可以包括与用于生产产品（在本实施例中为氨）的过程组合（即，路线）、以及附加地或备选地末端过程相关的过程参数416。如图4所示，每个过程组合可以是基于源头控制或基于非源头控制的，并且可以包括用于减排的一个或多个中间过程。过程参数416还可以包括上面所讨论过的每个过程组合在基准时间处的基准使用率和基准排放因子（例如，
Figure 316759DEST_PATH_IMAGE002
）、每个中间过程在基准时间处的基准使用率（例如，
Figure 192312DEST_PATH_IMAGE004
）和在目的时间处的目的使用率、与每个中间过程相对应的减排因子（例如，
Figure 503338DEST_PATH_IMAGE003
）、末端过程的减排率（例如，
Figure 681510DEST_PATH_IMAGE012
）、末端过程在基准时间处的基准使用率和在目的时间处的目的使用率、部分或全部过程组合和/或部分或全部中间过程和/或末端过程开始使用的时间（例如，开始时间）、以及每个过程所使用的含碳能源（如果涉及）。输入数据400还可以包括产品产量参数418，其可以包括在待预测的不同情景（例如，基准情景、2060年实现碳中和CN2060以及2050年实现碳中和CN2050）下，在不同的时间处的合成氨行业的氨的预测总产量（例如，AD，单位百万吨）。
图5示意性地示出了根据本公开的实施例的用于合成氨行业的在基准情景下的预测参数的示意图500。预测参数可以基于图4中的输入数据400，由计算设备使用上文所描述的用于确定
Figure DEST_PATH_IMAGE021
、IEF'、IEF、
Figure 976356DEST_PATH_IMAGE008
、
Figure 655599DEST_PATH_IMAGE009
、
Figure 694835DEST_PATH_IMAGE018
、
Figure 184854DEST_PATH_IMAGE010
、FC的各种示例方法来确定。由于合成氨行业不仅可能使用含碳能源作为合成氨的原料，还可能使用含碳能源进行燃烧以作为合成氨的能量供给源，因此预测参数可以包括针在不同时间处的预测排放参数524以及预测能耗参数528。将理解的是，计算设备可以利用图4中的产品产量参数418中与BAU有关的在不同的时间处的氨的预测总产量以用于预测参数的确定。
图6示意性地示出了根据本公开的实施例的用于合成氨行业的在2060年实现碳中和的情景下的预测参数的示意图600。预测参数可以基于图4中的输入数据400，由计算设备使用上文所描述的用于确定
Figure 685105DEST_PATH_IMAGE021
、IEF'、IEF、
Figure 653192DEST_PATH_IMAGE008
、
Figure 532287DEST_PATH_IMAGE009
、
Figure 442474DEST_PATH_IMAGE018
、
Figure 912245DEST_PATH_IMAGE010
、FC、
Figure 933290DEST_PATH_IMAGE013
、
Figure 666891DEST_PATH_IMAGE007
、
Figure DEST_PATH_IMAGE022
的各种示例方法来确定。由于合成氨行业不仅可能使用含碳能源作为合成氨的原料、还可能使用含碳能源进行燃烧以作为合成氨的能量供给源、并且各个过程组合和/或中间过程和/或末端过程在不同时间处的使用率需要进行预测，因此预测参数可以包括在不同时间处的预测使用率622、预测排放参数624以及预测能耗参数628。将理解的是计算设备可以利用图4中的产品产量参数418中与CN2060有关的在不同的时间处的氨的预测总产量以用于预测参数的确定。
图7示意性地示出了根据本公开的实施例的用于合成氨行业的在2050年实现碳中和的情景下的预测参数的示意图700。预测参数可以基于图4中的输入数据400，由计算设备使用上文所描述的用于确定
Figure 29871DEST_PATH_IMAGE021
、IEF'、IEF、
Figure 255447DEST_PATH_IMAGE008
、
Figure 692900DEST_PATH_IMAGE009
、
Figure 671220DEST_PATH_IMAGE018
、
Figure 408363DEST_PATH_IMAGE010
、FC、
Figure 980290DEST_PATH_IMAGE013
、
Figure 343138DEST_PATH_IMAGE007
、
Figure 192277DEST_PATH_IMAGE022
的各种示例方法来确定。由于合成氨行业不仅可能使用含碳能源作为合成氨的原料、还可能使用含碳能源进行燃烧以作为合成氨的能量供给源、并且各个过程组合和/或中间过程和/或末端过程在不同时间处的使用率需要进行预测，因此预测参数可以包括在不同时间处的预测使用率722、预测排放参数724以及预测能耗参数728。将理解的是，计算设备可以利用图4中的产品产量参数418中与CN2050有关的在不同的时间处的氨的预测总产量以用于预测参数的确定。
用于硝酸行业的示例实施例
图8示意性地示出了根据本公开的实施例的用于硝酸行业的输入数据800的示意图。例如，输入数据800中的各种参数将作为上述方法200的输入。在一些实施例中，输入数据800中的一部分可以从数据库获取。如图8所示，输入数据可以包括基准时间802（在本实施例中被设置为2015年）、目的时间（在本实施例中可以被设置为2060年或2050年）、用于确定中间时间的步长806（即时间间隔，在本实施例中被设置为5年）、待预测的行业808（在本实施例中为硝酸行业）、产生气体排放的类别810（在本实施例中是在工业生产过程中产生气体排放）、所产生的气体的类别812（在本实施例中为氧化二氮）、以及GWP 814。可以理解的是，与上面合成氨行业的示例实施例不同的是，对于硝酸行业，在生产硝酸的过程中产生的温室气体将包括氧化二氮，其与二氧化碳相比将具有不同的GWP。
输入数据800还可以包括与用于生产产品（在本实施例中为硝酸）的过程组合（即，路线）、以及附加地或备选地末端过程相关的过程参数816。如图4所示，每个过程组合可以是基于源头控制或基于非源头控制的，并且可以包括用于减排的一个或多个中间过程。过程参数816还可以包括上面所讨论过的每个过程组合在基准时间处的基准使用率和基准排放因子（例如，
Figure 615168DEST_PATH_IMAGE002
）、每个中间过程在基准时间处的基准使用率（例如，
Figure 405882DEST_PATH_IMAGE004
）和在目的时间处的目的使用率、与每个中间过程相对应的减排因子（例如，
Figure 588732DEST_PATH_IMAGE003
）、末端过程的减排率（例如，
Figure 276066DEST_PATH_IMAGE012
）、末端过程在基准时间处的基准使用率和在目的时间处的目的使用率、部分或全部过程组合和/或部分或全部中间过程和/或末端过程开始使用的时间（例如，开始时间）。输入数据800还可以包括产品产量参数818，其可以包括在待预测的不同情景（例如，基准情景、2060年实现碳中和CN2060以及2050年实现碳中和CN2050）下，在不同的时间处的硝酸行业的硝酸的预测总产量（例如，AD，单位百万吨）。
图9示意性地示出了根据本公开的实施例的用于硝酸行业的在基准情景下的预测参数的示意图900。预测参数可以基于图8中的输入数据800，由计算设备使用上文所描述的用于确定
Figure 620591DEST_PATH_IMAGE021
IEF'、IEF、
Figure 26164DEST_PATH_IMAGE008
、
Figure 871760DEST_PATH_IMAGE009
、
Figure 686702DEST_PATH_IMAGE018
、
Figure 451396DEST_PATH_IMAGE010
、FC的各种示例方法来确定。预测参数可以包括针在不同时间处的预测排放参数924。将理解的是，计算设备可以利用图8中的产品产量参数818中与BAU有关的、在不同的时间处的硝酸的预测总产量，以用于预测参数的确定。
图10示意性地示出了根据本公开的实施例的用于硝酸行业的在2060年实现碳中和的情景下的预测参数的示意图1000。预测参数可以基于图8中的输入数据800，由计算设备使用上文所描述的用于确定
Figure 94998DEST_PATH_IMAGE021
、IEF'、IEF、
Figure 603339DEST_PATH_IMAGE008
、
Figure 140631DEST_PATH_IMAGE009
、
Figure 826959DEST_PATH_IMAGE013
、
Figure 207124DEST_PATH_IMAGE007
、
Figure 1380DEST_PATH_IMAGE022
的各种示例方法来确定。由于各个过程组合和/或中间过程和/或末端过程在不同时间处的使用率需要进行预测，因此预测参数可以包括在不同时间处的预测使用率1022以及预测排放参数1024。将理解的是计算设备可以利用图8中的产品产量参数818中与CN2060有关的、在不同的时间处的硝酸的预测总产量，以用于预测参数的确定。
图11示意性地示出了根据本公开的实施例的用于硝酸行业的在2050年实现碳中和的情景下的预测参数的示意图1100。预测参数可以基于图8中的输入数据800，由计算设备使用上文所描述的用于确定
Figure 658758DEST_PATH_IMAGE021
、IEF'、IEF、
Figure 765254DEST_PATH_IMAGE008
、
Figure 383448DEST_PATH_IMAGE009
、
Figure 233593DEST_PATH_IMAGE013
、
Figure 745477DEST_PATH_IMAGE007
、
Figure 776536DEST_PATH_IMAGE022
的各种示例方法来确定。由于各个过程组合和/或中间过程和/或末端过程在不同时间处的使用率需要进行预测，因此预测参数可以包括在不同时间处的预测使用率1122以及预测排放参数724。将理解的是，计算设备可以利用图8中的产品产量参数818中与CN2050有关的、在不同的时间处的氨的预测总产量，以用于预测参数的确定。
用于钢铁行业的示例实施例
图12示意性地示出了根据本公开的实施例的用于钢铁行业的输入数据1200的示意图。例如，输入数据1200中的各种参数将作为方法200的输入。在一些实施例中，输入数据1200中的一部分可以从数据库获取。如图12所示，输入数据可以包括基准时间1202（在本实施例中被设置为2015年）、目的时间（在本实施例中被设置为2060年或2050年）、用于确定中间时间的步长1206（即时间间隔，在本实施例中被设置为5年）、待预测的行业1208（在本实施例中为钢铁行业）、产生气体排放的类别1210（在本实施例中包括在生产钢铁的工业生产过程中产生气体排放、以及在为生产钢铁的过程供能的燃料燃烧过程中产生的气体排放）、所产生的气体的类别1212（在本实施例中为二氧化碳）、以及GWP 1214（在本实施例中，对于二氧化碳为1）。
输入数据1200还可以包括与用于生产产品（在本实施例中为钢铁）的过程组合（即，路线）、以及附加地或备选地末端过程相关的过程参数1216。如图12所示，每个过程组合可以是基于源头控制或基于非源头控制的，并且可以包括用于减排的一个或多个中间过程。过程参数1216还可以包括上面所讨论过的每个过程组合在基准时间处的基准使用率和基准排放因子（例如，
Figure 865715DEST_PATH_IMAGE002
）、每个中间过程在基准时间处的基准使用率（例如，
Figure 535862DEST_PATH_IMAGE004
）和在目的时间处的目的使用率、与每个中间过程相对应的减排因子（例如，
Figure 26886DEST_PATH_IMAGE003
）、末端过程的减排率（例如，
Figure 350551DEST_PATH_IMAGE012
）、末端过程在基准时间处的基准使用率和在目的时间处的目的使用率、部分或全部过程组合和/或部分或全部中间过程和/或末端过程开始使用的时间（例如，开始时间）、以及每个过程所使用的含碳能源（如果涉及）。输入数据1200还可以包括产品产量参数1218，其可以包括在待预测的不同情景（例如，基准情景、2060年实现碳中和CN2060以及2050年实现碳中和CN2050）下，在不同的时间处的钢铁行业的钢铁的预测总产量（例如，AD，单位百万吨）。
图13示意性地示出了根据本公开的实施例的用于钢铁行业的在2060年实现碳中和下的预测参数的示意图1300。预测参数可以基于图12中的输入数据1200，由计算设备使用上文所描述的用于确定
Figure 677759DEST_PATH_IMAGE001
、IEF'、IEF、
Figure 869705DEST_PATH_IMAGE008
、
Figure 87673DEST_PATH_IMAGE009
、
Figure 723184DEST_PATH_IMAGE018
、
Figure 786955DEST_PATH_IMAGE010
、FC、
Figure 798905DEST_PATH_IMAGE013
、
Figure 998942DEST_PATH_IMAGE007
、
Figure 929989DEST_PATH_IMAGE005
的各种示例方法来确定。由于钢铁行业不仅可能使用含碳能源作为钢铁的原料、还可能使用含碳能源进行燃烧以作为钢铁的能量供给源、并且各个过程组合和/或中间过程和/或末端过程在不同时间处的使用率需要进行预测，因此预测参数可以包括在不同时间处的预测使用率1322、预测排放参数1324以及预测能耗参数1328。将理解的是，计算设备可以利用图12中的产品产量参数1218中与CN2060有关的在不同的时间处的钢铁的预测总产量以用于预测参数的确定。以类似的方式，还可以确定诸如在BAU和CN2050情景下的预测参数。
预测参数的可视化
本公开还提供了对预测参数的可视化。图14示意性地示出了用于表示图9至图13中的一些参数的可视化图表1400。可视化图表1400可以包括曲线图1432，其示出了在三种不同的情景下（即，BAU、CN2060、CN2050），硝酸行业的预测排放参数IEF的变化。可视化图表1400还可以包括柱状图1434，其示出了在三种不同的情景下（即，BAU、CN2060、CN2050），硝酸行业的预测产量的变化。可视化图表1400还可以包括比较图1436，其示出了在三种不同的情景下（即，BAU、CN2060、CN2050），硝酸行业的行业温室气体排放总量的对比图，从比较图1436中可以看出，相对于BAU，CN2060和CN2050采取的过程组合均显著地降低了气体排放量。可视化图表1400还可以包括曲线图1438，其示出了在三种不同的情景下（即，BAU、CN2060、CN2050），硝酸行业的在经末端过程处理前的预测排放参数IEF’的变化。
以此方式能够使各种预测参数直观地展现，从而便于由预测参数的使用者使用。将理解的是，上面仅示出了对部分预测参数的可视化，对本文所描述的各种表格中的参数或根据本公开的方案能够获得的其他参数的可视化也在本公开的范围内。
示例计算设备
图15示出了可以用来实现本公开的实施例的示例计算设备1500的示意性框图。例如，计算设备1500可被用于实现图1中所示的计算设备105。如图所示，计算设备1500包括中央处理单元（CPU）1501，其可以根据存储在只读存储器（ROM）1502中的计算机程序指令或者从存储单元1508加载到随机存取存储器（RAM）1503中的计算机程序指令，来执行各种适当的动作和处理。在RAM中，还可存储计算设备1500操作所需的各种程序和数据。CPU、ROM以及RAM通过总线1504彼此相连。输入/输出（I/O）接口1505也连接至总线1504。
计算设备1500中的多个部件连接至I/O接口1505，包括：输入单元1506，例如键盘、鼠标等；输出单元1507，例如各种类型的显示器、扬声器等；存储单元1508，例如磁盘、光盘等；以及通信单元1509，例如网卡、调制解调器、无线通信收发机等。通信单元1509允许计算设备1500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
中央处理单元1501执行上文所描述的各个方法和处理，例如方法200。例如，在一些实施例中，方法200可以被实现为计算机软件程序或计算机程序对象，其被有形地包含于机器可读介质，例如存储单元1508。在一些实施例中，计算机程序的部分或者全部可以经由ROM和/或通信单元1509而被载入和/或安装到计算设备1500上。当计算机程序加载到RAM并由CPU执行时，可以执行上文描述任何方法中的一个或多个步骤。备选地，在其他实施例中，CPU可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行上述方法中的任一个。
本公开可以是方法、装置、系统和/或计算机程序对象。计算机程序对象可以包括计算机可读存储介质，其上载有用于执行本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备、任意的非暂时性存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体地例子（非穷举的列表）包括：便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、静态随机存取存储器（SRAM）、便携式压缩盘只读存储器（CD-ROM）、数字多功能盘（DVD）、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波（例如，通过光纤电缆的光脉冲）、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构（ISA）指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列（FPGA）或可编程逻辑阵列（PLA），该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置（系统）和计算机程序对象的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理单元，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理单元执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序对象的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施方式，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施方式。在不偏离所说明的各实施方式的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施方式的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其他普通技术人员能理解本文披露的各实施方式。

Claims (12)

1.一种用于减少气体排放的计算机实现方法，在与碳中和相关的参数预测中使用，所述方法包括：
确定在中间时间处与行业相关的多个候选过程组合中的候选过程组合的预测子排放参数，所述多个候选过程组合用于减少所述行业的温室气体排放，所述预测子排放参数指示生产单位产品所需要排放的温室气体的量；
确定在所述中间时间处所述候选过程组合将被使用的第一预测使用率；以及
基于所述候选过程组合的所述预测子排放参数、以及所述第一预测使用率，确定在所述中间时间处与所述行业相关的预测参数；
其中所述中间时间位于基准时间与目的时间之间，在所述目的时间处，所述行业的所述温室气体排放的量预期将被减少到低于预定阈值，以用于实现碳中和；
其中确定所述预测参数包括确定预测排放参数，确定所述预测排放参数包括：
获取与所述行业的末端过程相对应的第二参数，所述第二参数指示所述末端过程能够减少的所述温室气体排放的比率；
确定在所述中间时间处，所述末端过程将被使用的第三预测使用率；以及
基于所述预测子排放参数、所述第一预测使用率、所述第二参数和所述第三预测使用率，计算所述预测排放参数；
其中，计算所述预测排放参数包括：
基于每个候选过程组合的所述预测子排放参数与所述第一预测使用率的乘积，来计算在所述中间时间处，经末端过程处理前的预测排放参数；以及
基于经末端过程处理前的预测排放参数、所述第二参数和所述第三预测使用率，来计算在所述中间时间处，经末端过程处理过的预测排放参数。
2.根据权利要求1所述的方法，其中确定所述预测子排放参数包括：
获取所述候选过程组合所包括的用于减少所述温室气体排放的中间过程；
获取与所述中间过程相对应的第一参数，所述第一参数指示所述中间过程能够减少的所述温室气体排放的量；以及
至少基于所述第一参数，计算所述预测子排放参数。
3.根据权利要求2所述的方法，其中计算所述预测子排放参数包括：
获取在所述基准时间处所述候选过程组合的基准子排放参数；
获取在所述基准时间处所述中间过程被使用的第一使用率；
确定在所述中间时间处所述中间过程将被使用的第二预测使用率；以及
基于所述基准子排放参数、所述第一使用率、第二预测使用率以及所述第一参数，计算所述预测子排放参数。
4.根据权利要求3所述的方法，其中确定所述第二预测使用率包括：
获取所述中间过程开始被使用的开始时间；以及
基于所述开始时间、所述目的时间、所述中间过程在所述目的时间处的第一目的使用率以及所述中间时间，计算所述第二预测使用率，其中所述开始时间晚于所述基准时间、且早于所述目的时间。
5.根据权利要求1所述的方法，其中获取所述第一预测使用率包括：
获取在所述基准时间处所述候选过程组合被使用的第二使用率；
确定在所述目的时间处所述候选过程组合将被使用的第二目的使用率；以及
基于所述第二使用率和所述第二目的使用率，计算所述第一预测使用率。
6.根据权利要求1所述的方法，其中确定所述预测参数包括确定预测能耗参数，确定所述能耗参数包括：
基于所述预测子排放参数、以及所使用的能源的参数，确定在所述中间时间处，与所述候选过程组合使用所述能源有关的预测子能耗参数，所述预测子能耗参数指示生产单位产品所需要消耗的能源的量；以及
基于所述预测子能耗参数、所述第一预测使用率以及所述行业的预测产品总量，计算所述能耗参数。
7.根据权利要求4所述的方法，其中所述第一目的使用率被设置为100％。
8.根据权利要求5所述的方法，其中所述第二目的使用率根据所述基准子排放参数而被设置。
9.根据权利要求2至5中的任一项所述的方法，其中所述获取步骤利用预定的气体排放数据库与所述行业相关的数据，所述气体排放数据库维护有在所述基准时间处与各个行业相关的数据。
10.根据权利要求1至8中的任一项所述的方法，还包括：
确定所述预测参数包括生成以下至少一项：
与一组中间时间相对应的一组预测排放参数，
与一组中间时间相对应一组预测能耗参数，
与不同的多个目的时间相关的多组预测排放参数，以及
与不同的多个目的时间相关的多组预测能耗参数。
11.一种计算设备，包括：
至少一个处理器；以及
与所述至少一个处理器耦合的存储器；其中，
所述存储器具有存储于其中的指令，所述指令被所述至少一个处理器执行时，使所述至少一个处理器执行根据权利要求1-10中的任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令在被执行时，使计算机执行根据权利要求1-10中任一项所述的方法。
CN202110432957.3A 2021-04-22 2021-04-22 用于减少气体排放的计算机实现方法和计算设备 Active CN112990604B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110432957.3A CN112990604B (zh) 2021-04-22 2021-04-22 用于减少气体排放的计算机实现方法和计算设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110432957.3A CN112990604B (zh) 2021-04-22 2021-04-22 用于减少气体排放的计算机实现方法和计算设备

Publications (2)

Publication Number Publication Date
CN112990604A CN112990604A (zh) 2021-06-18
CN112990604B true CN112990604B (zh) 2022-05-13

Family

ID=76341581

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110432957.3A Active CN112990604B (zh) 2021-04-22 2021-04-22 用于减少气体排放的计算机实现方法和计算设备

Country Status (1)

Country Link
CN (1) CN112990604B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114298373B (zh) * 2021-11-26 2023-02-28 阿里云计算有限公司 水泥行业碳排放量预测方法、平台、计算设备及介质
TWI807648B (zh) * 2022-02-22 2023-07-01 雷舍商務鑑價有限公司 具有溫室氣體統計功能之會計系統與統計溫室氣體的方法
CN114819754A (zh) * 2022-06-24 2022-07-29 深圳市环国运物流股份有限公司 一种基于边缘计算的物流企业碳排放量的检测方法及装置

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7343341B2 (en) * 2002-07-20 2008-03-11 Chicago Climate Exchange, Inc. Systems and methods for trading emission reductions
CN106779370A (zh) * 2016-12-04 2017-05-31 傅愈 一种石油开采企业碳排放管理系统造影装置
CN108074012A (zh) * 2017-11-13 2018-05-25 中国石油天然气集团公司 石油石化行业中减排技术的温室气体减排量的确定方法
US20200082289A1 (en) * 2018-09-11 2020-03-12 Microsoft Technology Licensing, Llc Task scheduling recommendations for reduced carbon footprint
CN109884892B (zh) * 2019-02-28 2022-08-02 杭州电子科技大学 基于交叉相关时滞灰色关联分析的流程工业系统预测模型
CN110428116B (zh) * 2019-06-05 2023-08-01 武汉科技大学 基于能源、环境和经济的再制造系统可持续性测定系统
CN112308277A (zh) * 2019-08-01 2021-02-02 国网能源研究院有限公司 一种测算2021至2025年期间全社会节能潜力的方法
CN112417369A (zh) * 2020-11-25 2021-02-26 天津大学 用于确定菱镁矿加工过程产生的二氧化碳的排放量的方法
CN112668802B (zh) * 2021-01-05 2022-11-22 广东工业大学 一种基于设计参数的施工碳排放预测方法

Also Published As

Publication number Publication date
CN112990604A (zh) 2021-06-18

Similar Documents

Publication Publication Date Title
CN112990604B (zh) 用于减少气体排放的计算机实现方法和计算设备
Gulley et al. China, the United States, and competition for resources that enable emerging technologies
Rasmussen et al. Platinum demand and potential bottlenecks in the global green transition: a dynamic material flow analysis
US20150288182A1 (en) Generating electric substation load transfer control parameters
US10289282B2 (en) While you were away experience
US9117179B2 (en) Predicting user activity in social media applications
Li et al. Reactive halogens increase the global methane lifetime and radiative forcing in the 21st century
US20160377441A1 (en) Quantifying anomalous behavior by identifying anomalies at subtrajectories
US11416503B2 (en) Mining data for generating consumable collaboration events
CN110114793A (zh) 用于提供脱硫催化剂关联信息的服务器、方法、程序以及对其进行记录的计算机可读记录介质
EP3846050A2 (en) Method, apparatus, device, storage medium and computer program product for expanding data
Murphy et al. Trends and patterns in the contributions to cumulative radiative forcing from different regions of the world
Stojkoski et al. Autocorrelation functions and ergodicity in diffusion with stochastic resetting
Alnegheimish et al. Sintel: A machine learning framework to extract insights from signals
JP2014186722A (ja) 情報処理装置及び携帯端末装置
CN110222017B (zh) 实时数据的处理方法、装置、设备及计算机可读存储介质
US20120041736A1 (en) System and method for analyzing data
US20140125675A1 (en) Trend dynamic sensor imaging using contour maps to visualize multiple trend data sets in a single view
CN112765153A (zh) 生成二氧化碳排放量统计图的方法、设备和介质
Alomari et al. Advancing aircraft engine RUL predictions: an interpretable integrated approach of feature engineering and aggregated feature importance
US9652726B2 (en) System and method for analyzing data
Lv et al. A cross-entropy-based approach for joint process plan selection and scheduling optimization
Jackson et al. Reply to: Practical constraints on atmospheric methane removal
Huntingford Refining global warming projections
CN114444780A (zh) 一种碳排放量预测方法、电子设备及计算机可读存储介质

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