CN113505493A - 一种智能调度电动车的大气污染物减排量核算方法 - Google Patents

一种智能调度电动车的大气污染物减排量核算方法 Download PDF

Info

Publication number
CN113505493A
CN113505493A CN202110855144.5A CN202110855144A CN113505493A CN 113505493 A CN113505493 A CN 113505493A CN 202110855144 A CN202110855144 A CN 202110855144A CN 113505493 A CN113505493 A CN 113505493A
Authority
CN
China
Prior art keywords
period
amount
electric vehicle
atmospheric pollutants
emission
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
Application number
CN202110855144.5A
Other languages
English (en)
Other versions
CN113505493B (zh
Inventor
袁兴宇
梁俊宇
赵明
牛琨皓
张旭东
李孟阳
杨家全
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.)
Electric Power Research Institute of Yunnan Power Grid Co Ltd
Qujing Power Supply Bureau Yunnan Power Grid Co Ltd
Original Assignee
Electric Power Research Institute of Yunnan Power Grid Co Ltd
Qujing Power Supply Bureau Yunnan Power Grid Co Ltd
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 Electric Power Research Institute of Yunnan Power Grid Co Ltd, Qujing Power Supply Bureau Yunnan Power Grid Co Ltd filed Critical Electric Power Research Institute of Yunnan Power Grid Co Ltd
Priority to CN202110855144.5A priority Critical patent/CN113505493B/zh
Publication of CN113505493A publication Critical patent/CN113505493A/zh
Application granted granted Critical
Publication of CN113505493B publication Critical patent/CN113505493B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种智能调度电动车的大气污染物减排量核算方法，针对应用智能调度系统并利用电动车辆提供乘车或运输服务的企业或平台实体，分析常规燃油车辆在传统巡游运营模式下产生的SO2和NOX两种大气污染物排放，并对比分析基于智能调度系统的电动车辆运营产生的SO2和NOX的排放，从而得出项目实施带来的SO2和NOX的减排量。该核算方法可用于评估利用电动车辆提供乘车或运输服务的企业或平台实体应用智能调度系统的大气污染物减排效果，为有效量化环境效益提供技术支持，为电能替代政策的进一步完善和深化推广提供参考。

Description

一种智能调度电动车的大气污染物减排量核算方法
技术领域
本申请涉及节能环保技术领域，具体涉及一种智能调度电动车的大气污染物减排量核算方法。
背景技术
我国电煤比重与电气化水平偏低，大量的散烧煤与燃油消费是造成严重雾霾的主要因素之一。电能具有清洁、安全、便捷等优势，实施电能替代对于推动能源消费革命、落实国家能源战略、促进能源清洁化发展意义重大，是提高电煤比重、减少大气污染的重要举措。
随着城市化进程加速，城市交通运输系统不断扩张，机动车辆数量大增，绝大部分汽车使用燃油，交通污染物排放呈现快速增长的态势，已成为现代城市污染的主要来源。电动汽车替代燃油汽车是实施电能替代的重要途径之一，能在用能终端大幅减少SO2、NOX等大气污染物排放。因此，大力推广电动汽车不仅落实了国家和各省市发展新能源汽车的政策，还减少了化石燃料在城市交通运输中的使用，从而减少了汽车尾气污染物和温室气体排放，有利于缓解能源和环境压力。提供乘车或运输服务的传统燃油车辆运营巡游过程中，往往产生较大空驶距离，无谓的消耗大量的燃料，形成资源的浪费。智能调度系统能够减少车辆在运营过程中路边巡游，提高了运营效率，降低了车辆巡游时的空驶率，从而达到降低大气污染物排放的目的。
在智能调度系统下运营的电动车辆具有双重污染减排效应，一方面是电动车辆替代燃油车辆而产生的大气污染物减排，另一方面是智能调度系统下运营的电动车辆空驶率降低带来的大气污染物减排。
目前相关的大气污染物减排计算方法中还缺乏上述两方面减排效应的综合考虑。
发明内容
为解决上述现有技术中的不足，本发明的目的是提供一种智能调度电动车的大气污染物减排量核算方法，对提供乘车或运输服务的企业平台实体的电动车辆在智能调度系统下运营所产生的SO2和NOX减排量进行分析和计算。
本发明的目的是采用下述技术方案实现的：
本发明提供一种智能调度电动车的大气污染物减排量核算方法，其改进之处在于所述方法包括以下步骤：
确定项目边界区域；
将项目实施前y天记为基准期，项目实施中y天记为报告期；
在所述项目边界区域内，分析智能调度电动车在所述基准期和所述报告期的车辆运营特点，得到项目测量参数；
根据约定参数以及获得的所述项目测量参数分别计算基准期内大气污染物排放量以及报告期内大气污染物排放量；
根据计算所得的所述基准期内大气污染物排放量以及报告期内大气污染物排放量计算大气污染物减排量。
进一步地，所述智能调度电动车通过智能调度系统完成智能调度。
进一步地，所述项目边界区域是大气污染物减排量核算的范围，其中包括：智能调度系统的服务范围内所涵盖的空间区域以及与该项目连接的电力系统中所有的电厂。
进一步地，所述计算基准期内大气污染物排放量包括计算基准期内大气污染物SO2的排放量；
所述计算基准期内大气污染物SO2的排放量
Figure BDA0003180722540000021
的公式为：
Figure BDA0003180722540000022
其中：SDPJ,EL,i,y为报告期内第i辆电动车辆提供乘车或运输服务所行驶的服务里程，EPBL,Oil,i,y为基准期内第i辆燃油车辆的空驶率,n为智能调度电动车辆的数量，
Figure BDA0003180722540000023
为基准期内第i辆燃油车辆每公里SO2的排放因子；
Figure BDA0003180722540000024
的计算公式为：
Figure BDA0003180722540000025
其中：SFCOil为基准期燃油车辆每公里燃油消耗量，ρOil为燃油的密度，SOil为燃油全硫分含量，其中汽油或柴油的燃油全硫分含量取0.1％。
进一步地，所述计算基准期内大气污染物排放量还包括计算基准期内大气污染物NOX的排放量；
所述计算基准期内大气污染物NOX的排放量
Figure BDA0003180722540000026
的公式为：
Figure BDA0003180722540000027
其中：
Figure BDA0003180722540000028
为基准期内第i辆燃油车辆每公里NOX的排放因子；
Figure BDA0003180722540000029
的计算公式为：
Figure BDA00031807225400000210
其中：β为燃油中氮的转化率，取40％,NOil为燃油中氮含量，其中汽油或柴油的燃油中氮含量取0.02％。
进一步地，所述计算报告期内大气污染物排放量包括计算报告期内大气污染物SO2的排放量；
所述计算报告期内大气污染物SO2的排放量
Figure BDA00031807225400000211
的公式为：
Figure BDA0003180722540000031
其中：
Figure BDA0003180722540000032
为报告期内电动车辆运营过程中产生的SO2排放量，
Figure BDA0003180722540000033
为报告期内智能调度系统运行消耗电力产生的SO2排放量；
Figure BDA0003180722540000034
的计算公式为：
Figure BDA0003180722540000035
其中：SDPJ,EL,i,y为报告期内第i辆电动车辆提供乘车或运输服务所行驶的服务里程,EPPJ,EL,i,y为报告期内第i辆电动车辆的空驶率,SECEL,i,y为报告期内第i辆电动车辆每公里耗电量，
Figure BDA0003180722540000036
为报告期内电力的SO2排放因子；
Figure BDA0003180722540000037
的计算公式为：
Figure BDA0003180722540000038
其中：φ为上一年度省级区域内的清洁电力占全部发电量(含跨省输入电量)的比值；
Figure BDA0003180722540000039
的计算公式为：
Figure BDA00031807225400000310
其中：ECsys,y为报告期内智能调度系统运行消耗的电量。
进一步地，所述计算报告期内大气污染物排放量包括计算报告期内大气污染物NOX的排放量；
所述计算报告期内大气污染物NOX的排放量
Figure BDA00031807225400000311
的公式为：
Figure BDA00031807225400000312
其中：
Figure BDA00031807225400000313
为报告期内电动车辆运营过程中产生的NOX排放量，
Figure BDA00031807225400000314
为报告期内智能调度系统运行消耗电力产生的NOX排放量；
Figure BDA00031807225400000315
的计算公式为：
Figure BDA00031807225400000316
其中：
Figure BDA00031807225400000317
为报告期内电力的NOX排放因子；
Figure BDA00031807225400000318
的计算公式为：
Figure BDA0003180722540000041
Figure BDA0003180722540000042
的计算公式为：
Figure BDA0003180722540000043
进一步地，所述计算大气污染物减排量包括计算大气污染物SO2的减排量和大气污染物NOX的减排量；
所述计算大气污染物SO2的减排量
Figure BDA0003180722540000044
的公式为：
Figure BDA0003180722540000045
所述计算大气污染物NOX的减排量
Figure BDA0003180722540000046
的公式为：
Figure BDA0003180722540000047
本发明提供的技术方案具有的优异效果是：本发明涉及一种智能调度电动车的大气污染物减排量核算方法，针对应用智能调度系统并利用电动车辆提供乘车或运输服务的企业或平台实体，分析常规燃油车辆在传统巡游运营模式下产生的SO2和NOX两种大气污染物排放，并对比分析基于智能调度系统的电动车辆运营产生的SO2和NOX的排放，从而得出项目实施带来的SO2和NOX的减排量。该核算方法可用于评估利用电动车辆提供乘车或运输服务的企业或平台实体应用智能调度系统的大气污染物减排效果，为有效量化环境效益提供技术支持，为电能替代政策的进一步完善和深化推广提供参考。
技术优点具体为：
(1)综合考虑了电动车辆替代燃油车辆和智能调度系统下车辆空驶率降低这两方面带来的SO2和NOX减排；
(2)需要通过测量取值的参数少，且参数取值较易获得；无需监测繁琐而分散的电动车辆的充电数据，减排量计算简便；
(3)应用智能调度系统，参数监测和统计计算可实现自动化，有效节约人力和时间，可操作性强、经济性好。
附图说明
图1为本申请一种智能调度电动车的大气污染物减排量核算方法的流程图；
图2为本申请一种智能调度电动车的大气污染物减排量核算方法的示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
以下描述和附图充分地展示出本发明的具体实施方案，以使本领域的技术人员能够实践它们。实施例仅代表某种特定情景。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本发明的实施方案的范围包括权利要求书的整个范围，以及权利要求书的所有可获得的等同物。
本发明提供一种智能调度电动车的大气污染物减排量核算方法，其流程如图1所示，包括下述步骤：
S1:确定项目边界区域；将项目实施前y天记为基准期，项目实施中y天记为报告期；
确定项目边界实质上是明确大气污染物减排量核算的范围，智能调度电动车辆运营项目的边界如图2所示为：智能调度系统的服务范围所涵盖的空间区域以及与该项目连接的电力系统中所有的电厂。
S2:在所述项目区域内，分析智能调度电动车在所述基准期和所述报告期的车辆运营特点，得到项目测量参数；
①车辆使用的燃料分析：从使用燃料类型的角度，车辆一般分为燃油车辆、燃气车辆和电动车辆三种，目前燃油车辆占总机动车辆数的比例最大，所以可确认智能调度电动车辆运营项目实施前，即基准期车辆使用的燃料为燃油；项目实施后，电动车辆使用电力来驱动行驶。
②车辆运营模式分析：未应用智能调度系统之前，提供乘车或运输服务的车辆普遍按传统巡游模式运营，往往产生较大空驶距离，消耗大量的燃料，形成资源的浪费。智能调度系统能够减少车辆在运营行驶过程中路边巡游，提高了运营效率，降低了车辆巡游时的空驶率，从而达到降低大气污染物排放的目的。
测量参数的来源是直接测量，或者测量其它参数并通过计算间接得到。项目中的测量参数为：(1)电动车辆提供乘车或运输服务所行驶的服务里程SDPJ,EL,i,y；(2)电动车辆空驶率EPPJ,EL,i,y；(3)智能调度系统运行消耗的电量ECsys,y；(4)智能调度系统下电动车辆的数量n；(5)电动车辆提供乘车或运输服务所行驶的服务里程SDPJ,EL,i,y和空驶率EPPJ,EL,i,y采用智能调度系统电子测量，智能调度系统自动记录和统计电动车辆运营数据；智能调度系统运行消耗的电量ECsys,y由电表计量。
S3:根据约定参数以及获得的所述项目测量参数分别计算基准期内大气污染物排放量以及报告期内大气污染物排放量；
1.基准期大气污染物排放量计算：
确定智能调度电动车辆运营项目实施前，即基准期的燃油车辆按照传统的巡游模式运营，则：
①计算基准期内大气污染物SO2的排放量
Figure BDA0003180722540000051
的公式为：
Figure BDA0003180722540000052
其中：SDPJ,EL,i,y为报告期内第i辆电动车辆提供乘车或运输服务所行驶的服务里程，EPBL,Oil,i,y为基准期内第i辆燃油车辆的空驶率,n为智能调度电动车辆的数量，
Figure BDA0003180722540000053
为基准期内第i辆燃油车辆每公里SO2的排放因子；
Figure BDA0003180722540000054
的计算公式为：
Figure BDA0003180722540000061
其中：SFCOil为基准期燃油车辆每公里燃油消耗量，ρOil为燃油的密度，SOil为燃油全硫分含量，其中汽油或柴油的燃油全硫分含量取0.1％。
②计算基准期内大气污染物NOX的排放量
Figure BDA0003180722540000062
的公式为：
Figure BDA0003180722540000063
其中：
Figure BDA0003180722540000064
为基准期内第i辆燃油车辆每公里NOX的排放因子；
Figure BDA0003180722540000065
的计算公式为：
Figure BDA0003180722540000066
其中：β为燃油中氮的转化率，取40％,NOil为燃油中氮含量，其中汽油或柴油的燃油中氮含量取0.02％。
为了较准确地计算项目基准期大气污染物排放，需要项目人员尽可能获得相关历史数据，建议收集如下历史数据信息以计算基准期大气污染物排放：1)基准期燃油车辆的空驶率EPBL,Oil,i,y；2)基准期燃油车辆每公里SO2的排放因子
Figure BDA0003180722540000067
和每公里NOX的排放因子
Figure BDA0003180722540000068
等数据。
2.报告期大气污染物排放量计算：
①计算报告期内大气污染物SO2的排放量
Figure BDA0003180722540000069
的公式为：
Figure BDA00031807225400000610
其中：
Figure BDA00031807225400000611
为报告期内电动车辆运营过程中产生的SO2排放量，
Figure BDA00031807225400000612
为报告期内智能调度系统运行消耗电力产生的SO2排放量；
Figure BDA00031807225400000613
的计算公式为：
Figure BDA00031807225400000614
其中：SDPJ,EL,i,y为报告期内第i辆电动车辆提供乘车或运输服务所行驶的服务里程,EPPJ,EL,i,y为报告期内第i辆电动车辆的空驶率,SECEL,i,y为报告期内第i辆电动车辆每公里耗电量，
Figure BDA00031807225400000615
为报告期内电力的SO2排放因子；
Figure BDA00031807225400000616
的计算公式为：
Figure BDA00031807225400000617
其中：φ为上一年度省级区域内的清洁电力占全部发电量(含跨省输入电量)的比值；
Figure BDA0003180722540000071
的计算公式为：
Figure BDA0003180722540000072
其中：ECsys,y为报告期内智能调度系统运行消耗的电量。
②计算报告期内大气污染物NOX的排放量
Figure BDA0003180722540000073
的公式为：
Figure BDA0003180722540000074
其中：
Figure BDA0003180722540000075
为报告期内电动车辆运营过程中产生的NOX排放量，
Figure BDA0003180722540000076
为报告期内智能调度系统运行消耗电力产生的NOX排放量；
Figure BDA0003180722540000077
的计算公式为：
Figure BDA0003180722540000078
其中：
Figure BDA0003180722540000079
为报告期内电力的NOX排放因子；
Figure BDA00031807225400000710
的计算公式为：
Figure BDA00031807225400000711
Figure BDA00031807225400000712
的计算公式为：
Figure BDA00031807225400000713
依据项目基准期和报告期的SO2和NOX排放的量化计算模型，计算用到的数据还包括约定参数；约定参数不需要测量，但其来源应是下列文件之一：1.项目的可行性研究报告；2.设备制造商提供的产品说明书或相关参数；3.第三方检测机构出具的试验报告；4.国家权威部门公布的官方参考数据；5.学术研究数据；6.IPCC缺省值。
其中项目中的约定参数为：(1)燃油车辆空驶率EPBL,Oil,i,y；(2)燃油车辆每公里SO2排放因子
Figure BDA00031807225400000714
(3)燃油车辆每公里燃油消耗量SFCOil；(4)燃油的密度ρOil；(5)燃油全硫分含量SOil；(6)燃油车辆每公里NOX排放因子
Figure BDA00031807225400000715
(7)燃油中氮的转化率β；(8)燃油中氮含量NOil；(9)电动车辆每公里耗电量SECEL,i,y；(10)电力的SO2排放因子
Figure BDA00031807225400000716
(11)清洁电力占比φ；(12)电力的NOX排放因子
Figure BDA00031807225400000717
S4:根据计算所得的所述基准期内大气污染物排放量以及报告期内大气污染物排放量计算大气污染物减排量；
项目大气污染物减排量是基准期大气污染物排放量减去报告期大气污染物排放量的差值，
所述计算大气污染物SO2的减排量
Figure BDA0003180722540000081
的公式为：
Figure BDA0003180722540000082
所述计算大气污染物NOX的减排量
Figure BDA0003180722540000083
的公式为：
Figure BDA0003180722540000084
实施例
假设云南省某出租车运营企业在未应用智能调度系统之前使用汽油的出租车空驶率为40％；应用智能调度系统后，该企业旗下共有电动出租车1000辆，空驶率为10％，电动出租车载客里程平均为5万km/年，智能调度系统年耗电100000kWh。
约定数据如下表：
表一
Figure BDA0003180722540000085
测量数据如下表：
表二
Figure BDA0003180722540000086
基准期SO2排放量
Figure BDA0003180722540000091
基准期NOX排放量
Figure BDA0003180722540000092
报告期SO2排放量
Figure BDA0003180722540000093
报告期NOX排放量
Figure BDA0003180722540000094
项目统计报告期SO2减排量
Figure BDA0003180722540000095
项目统计报告期NOX减排量
Figure BDA0003180722540000096
以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员依然可以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精神和范围的任何修改或者等同替换，均在申请待批的本发明的权利要求保护范围之内。

Claims (8)

1.一种智能调度电动车的大气污染物减排量核算方法，其特征在于，所述方法包括步骤：
确定项目边界区域；
将项目实施前y天记为基准期，项目实施中y天记为报告期；
在所述项目边界区域内，分析智能调度电动车在所述基准期和所述报告期的车辆运营特点，得到项目测量参数；
根据约定参数以及获得的所述项目测量参数分别计算基准期内大气污染物排放量以及报告期内大气污染物排放量；
根据计算所得的所述基准期内大气污染物排放量以及报告期内大气污染物排放量计算大气污染物减排量。
2.根据权利要求1所述的一种智能调度电动车的大气污染物减排量核算方法，其特征在于，所述智能调度电动车通过智能调度系统完成智能调度。
3.根据权利要求1所述的一种智能调度电动车的大气污染物减排量核算方法，其特征在于，所述项目边界区域是大气污染物减排量核算的范围，其中包括：智能调度系统的服务范围内所涵盖的空间区域以及与该项目连接的电力系统中所有的电厂。
4.根据权利要求1所述的一种智能调度电动车的大气污染物减排量核算方法，其特征在于，所述计算基准期内大气污染物排放量包括计算基准期内大气污染物SO2的排放量；
所述计算基准期内大气污染物SO2的排放量
Figure FDA0003180722530000011
的公式为：
Figure FDA0003180722530000012
其中：SDPJ,EL,i,y为报告期内第i辆电动车辆提供乘车或运输服务所行驶的服务里程，EPBL,Oil,i,y为基准期内第i辆燃油车辆的空驶率,n为智能调度电动车辆的数量，
Figure FDA0003180722530000013
为基准期内第i辆燃油车辆每公里SO2的排放因子；
Figure FDA0003180722530000014
的计算公式为：
Figure FDA0003180722530000015
其中：SFCOil为基准期燃油车辆每公里燃油消耗量，ρOil为燃油的密度，SOil为燃油全硫分含量，其中汽油或柴油的燃油全硫分含量取0.1％。
5.根据权利要求1所述的一种智能调度电动车的大气污染物减排量核算方法，其特征在于，所述计算基准期内大气污染物排放量还包括计算基准期内大气污染物NOX的排放量；
所述计算基准期内大气污染物NOX的排放量
Figure FDA0003180722530000016
的公式为：
Figure FDA0003180722530000017
其中：
Figure FDA0003180722530000021
为基准期内第i辆燃油车辆每公里NOX的排放因子；
Figure FDA0003180722530000022
的计算公式为：
Figure FDA0003180722530000023
其中：β为燃油中氮的转化率，取40％,NOil为燃油中氮含量，其中汽油或柴油的燃油中氮含量取0.02％。
6.根据权利要求1所述的一种智能调度电动车的大气污染物减排量核算方法，其特征在于，所述计算报告期内大气污染物排放量包括计算报告期内大气污染物SO2的排放量；
所述计算报告期内大气污染物SO2的排放量
Figure FDA0003180722530000024
的公式为：
Figure FDA0003180722530000025
其中：
Figure FDA0003180722530000026
为报告期内电动车辆运营过程中产生的SO2排放量，
Figure FDA0003180722530000027
为报告期内智能调度系统运行消耗电力产生的SO2排放量；
Figure FDA0003180722530000028
的计算公式为：
Figure FDA0003180722530000029
其中：SDPJ,EL,i,y为报告期内第i辆电动车辆提供乘车或运输服务所行驶的服务里程,EPPJ,EL,i,y为报告期内第i辆电动车辆的空驶率,SECEL,i,y为报告期内第i辆电动车辆每公里耗电量，
Figure FDA00031807225300000210
为报告期内电力的SO2排放因子；
Figure FDA00031807225300000211
的计算公式为：
Figure FDA00031807225300000212
其中：φ为上一年度省级区域内的清洁电力占全部发电量(含跨省输入电量)的比值；
Figure FDA00031807225300000213
的计算公式为：
Figure FDA00031807225300000214
其中：ECsys,y为报告期内智能调度系统运行消耗的电量。
7.根据权利要求1所述的一种智能调度电动车的大气污染物减排量核算方法，其特征在于，所述计算报告期内大气污染物排放量包括计算报告期内大气污染物NOX的排放量；
所述计算报告期内大气污染物NOX的排放量
Figure FDA00031807225300000215
的公式为：
Figure FDA00031807225300000216
其中：
Figure FDA00031807225300000217
为报告期内电动车辆运营过程中产生的NOX排放量，
Figure FDA00031807225300000218
为报告期内智能调度系统运行消耗电力产生的NOX排放量；
Figure FDA0003180722530000031
的计算公式为：
Figure FDA0003180722530000032
其中：
Figure FDA0003180722530000033
为报告期内电力的NOX排放因子；
Figure FDA0003180722530000034
的计算公式为：
Figure FDA0003180722530000035
Figure FDA0003180722530000036
的计算公式为：
Figure FDA0003180722530000037
8.根据权利要求1所述的一种智能调度电动车的大气污染物减排量核算方法，其特征在于，所述计算大气污染物减排量包括计算大气污染物SO2的减排量和计算大气污染物NOX的减排量；
所述计算大气污染物SO2的减排量
Figure FDA0003180722530000038
的公式为：
Figure FDA0003180722530000039
所述计算大气污染物NOX的减排量
Figure FDA00031807225300000310
的公式为：
Figure FDA00031807225300000311
CN202110855144.5A 2021-07-26 2021-07-26 一种智能调度电动车的大气污染物减排量核算方法 Active CN113505493B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110855144.5A CN113505493B (zh) 2021-07-26 2021-07-26 一种智能调度电动车的大气污染物减排量核算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110855144.5A CN113505493B (zh) 2021-07-26 2021-07-26 一种智能调度电动车的大气污染物减排量核算方法

Publications (2)

Publication Number Publication Date
CN113505493A true CN113505493A (zh) 2021-10-15
CN113505493B CN113505493B (zh) 2023-11-21

Family

ID=78014376

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110855144.5A Active CN113505493B (zh) 2021-07-26 2021-07-26 一种智能调度电动车的大气污染物减排量核算方法

Country Status (1)

Country Link
CN (1) CN113505493B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114088143A (zh) * 2022-01-24 2022-02-25 氢山科技有限公司 温室气体减排量的数据监测系统和监测方法
CN114117329A (zh) * 2022-01-24 2022-03-01 氢山科技有限公司 氢燃料汽车减排量确定方法、装置、服务器及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090287520A1 (en) * 2003-02-10 2009-11-19 Zimmerman Patrick R Technique for determining and reporting reduction in emissions of greenhouse gases at a site
WO2016189291A1 (en) * 2015-05-22 2016-12-01 Alsitek Limited Pollutant-reducing mineral polymers
CN108009748A (zh) * 2017-12-22 2018-05-08 东南大学 一种电能替代项目节能减排效果评价方法
CN110738530A (zh) * 2019-10-23 2020-01-31 昆明理工大学 一种面向用户侧的电能替代综合效益分析方法
CN113065102A (zh) * 2021-03-30 2021-07-02 云南电网有限责任公司电力科学研究院 一种再电气化的硫氮大气污染物减排量计算方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090287520A1 (en) * 2003-02-10 2009-11-19 Zimmerman Patrick R Technique for determining and reporting reduction in emissions of greenhouse gases at a site
WO2016189291A1 (en) * 2015-05-22 2016-12-01 Alsitek Limited Pollutant-reducing mineral polymers
CN108009748A (zh) * 2017-12-22 2018-05-08 东南大学 一种电能替代项目节能减排效果评价方法
CN110738530A (zh) * 2019-10-23 2020-01-31 昆明理工大学 一种面向用户侧的电能替代综合效益分析方法
CN113065102A (zh) * 2021-03-30 2021-07-02 云南电网有限责任公司电力科学研究院 一种再电气化的硫氮大气污染物减排量计算方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114088143A (zh) * 2022-01-24 2022-02-25 氢山科技有限公司 温室气体减排量的数据监测系统和监测方法
CN114117329A (zh) * 2022-01-24 2022-03-01 氢山科技有限公司 氢燃料汽车减排量确定方法、装置、服务器及存储介质
CN114088143B (zh) * 2022-01-24 2022-04-12 氢山科技有限公司 温室气体减排量的数据监测系统和监测方法

Also Published As

Publication number Publication date
CN113505493B (zh) 2023-11-21

Similar Documents

Publication Publication Date Title
CN113537803B (zh) 一种碳减排量核算方法
He et al. Energy consumption and well-to-wheels air pollutant emissions of battery electric buses under complex operating conditions and implications on fleet electrification
Wang et al. Can propulsion and fuel diversity for the bus fleet achieve the win–win strategy of energy conservation and environmental protection?
Liu et al. Real-world operation conditions and on-road emissions of Beijing diesel buses measured by using portable emission measurement system and electric low-pressure impactor
Fu et al. Characteristics of typical non-road machinery emissions in China by using portable emission measurement system
CN101886940A (zh) 混合动力电动汽车能耗排放检测系统与检测方法
CN113505493B (zh) 一种智能调度电动车的大气污染物减排量核算方法
Narain et al. The impact of Delhi's CNG program on air quality
CN103049942A (zh) 车内传感器数据的获取和集合的平均性能指标的呈报
CN111157049A (zh) 一种柴油车scr后处理器老化性能快速评价系统及方法
Song et al. Scenario analysis of vehicular emission abatement procedures in Xi’an, China
Wang et al. Experimental study of CO2 and pollutant emission at various altitudes: Inconsistent results and reason analysis
CN110222377B (zh) 一种电动车大气污染物减排估算方法
CN110222952B (zh) 一种电动汽车绿色发展体系指数计算方法
Lammert Twelve-month evaluation of UPS diesel hybrid electric delivery vans
CN110222945B (zh) 一种电动车绿色减排指数估算方法
CN112233732A (zh) 一种检测燃油含硫量的方法
Lyu et al. Electrification Opportunities and Challenges of School Bus Transportation: A Case Study of Atlanta Public Schools
Fei et al. Energy Consumption and CO2 Emission Model for Hybrid Vehicles in Real Traffic Conditions
Nie et al. Analysis and Evaluation of Energy and Environmental Benefits of New Energy Vehicles
Li et al. Analysis of Excessive NOx Emission from Tampered Heavy-Duty Vehicles Based on Real-Time Data and Its Impact on Air Pollution
Iglesias et al. Alternative vehicle technologies and fuels in scenarios for atmospheric emissions in London
Carteni A plug-in hybrid electric bus fleet as a rational and sustainable urban transport policy: a real casa application in Italy
Ju et al. Economic cost analysis of new energy vehicle policy-empirical research based on Beijing’s data
Tool et al. Technical Documentation

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