CN113505493B - 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 PDFInfo
- Publication number
- CN113505493B CN113505493B CN202110855144.5A CN202110855144A CN113505493B CN 113505493 B CN113505493 B CN 113505493B CN 202110855144 A CN202110855144 A CN 202110855144A CN 113505493 B CN113505493 B CN 113505493B
- Authority
- CN
- China
- Prior art keywords
- period
- atmospheric
- electric vehicle
- emission
- calculating
- 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
- 239000003344 environmental pollutant Substances 0.000 title claims abstract description 78
- 231100000719 pollutant Toxicity 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000009467 reduction Effects 0.000 title claims abstract description 29
- 239000000446 fuel Substances 0.000 claims abstract description 36
- 238000004364 calculation method Methods 0.000 claims description 38
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 22
- 239000000295 fuel oil Substances 0.000 claims description 21
- 239000003921 oil Substances 0.000 claims description 20
- 229910052757 nitrogen Inorganic materials 0.000 claims description 11
- 238000006073 displacement reaction Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 10
- 239000000356 contaminant Substances 0.000 claims description 8
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 239000003502 gasoline Substances 0.000 claims description 4
- 229910052717 sulfur Inorganic materials 0.000 claims description 4
- 239000011593 sulfur Substances 0.000 claims description 4
- 239000002283 diesel fuel Substances 0.000 claims description 3
- 238000010248 power generation Methods 0.000 claims description 3
- 239000000809 air pollutant Substances 0.000 claims description 2
- 231100001243 air pollutant Toxicity 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 5
- 230000008901 benefit Effects 0.000 abstract description 4
- 230000007613 environmental effect Effects 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 4
- 239000007789 gas Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000029305 taxis Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
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
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的排放量的公式为：
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，为基准期内第i辆燃油车辆每公里SO2的排放因子；
的计算公式为：
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的排放量的公式为：
其中：为基准期内第i辆燃油车辆每公里NOX的排放因子；
的计算公式为：
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的排放量的公式为：
其中：为报告期内电动车辆运营过程中产生的SO2排放量，/>为报告期内智能调度系统运行消耗电力产生的SO2排放量；
的计算公式为：
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，为报告期内电力的SO2排放因子；
的计算公式为：
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；
的计算公式为：
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的排放量的公式为：
其中：为报告期内电动车辆运营过程中产生的NOX排放量，/>为报告期内智能调度系统运行消耗电力产生的NOX排放量；
的计算公式为：
其中：为报告期内电力的NOX排放因子；
的计算公式为：
的计算公式为：
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的减排量的公式为：
所述计算大气污染物NOX的减排量的公式为：
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的排放量的公式为：
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，为基准期内第i辆燃油车辆每公里SO2的排放因子；
的计算公式为：
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的排放量的公式为：
其中：为基准期内第i辆燃油车辆每公里NOX的排放因子；
的计算公式为：
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的排放因子和每公里NOX的排放因子/>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的排放量的公式为：
其中：为报告期内电动车辆运营过程中产生的SO2排放量，/>为报告期内智能调度系统运行消耗电力产生的SO2排放量；
的计算公式为：
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，为报告期内电力的SO2排放因子；
的计算公式为：
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；
的计算公式为：
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的排放量的公式为：
其中：为报告期内电动车辆运营过程中产生的NOX排放量，/>为报告期内智能调度系统运行消耗电力产生的NOX排放量；
的计算公式为：
其中：为报告期内电力的NOX排放因子；
的计算公式为：
的计算公式为：
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(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/>(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/>(11)清洁电力占比φ；(12)电力的NOX排放因子/>
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的减排量的公式为：
所述计算大气污染物NOX的减排量的公式为：
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
测量数据如下表：
表二
基准期SO2排放量基准期NOX排放量/>
报告期SO2排放量报告期NOX排放量/>
项目统计报告期SO2减排量项目统计报告期NOX减排量
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 (3)
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，其中，计算所述基准期内大气污染物排放量包括计算所述基准期内大气污染物SO2的排放量和大气污染物NOX的排放量，计算所述报告期内大气污染物排放量包括计算所述报告期内大气污染物SO2的排放量和大气污染物NOX的排放量，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；
所述计算所述基准期内大气污染物SO2的排放量的公式为：
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，为基准期内第i辆燃油车辆每公里SO2的排放因子；
的计算公式为：
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％；
所述计算所述基准期内大气污染物NOX的排放量的公式为：
其中：为基准期内第i辆燃油车辆每公里NOX的排放因子；
的计算公式为：
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％；
所述计算所述报告期内大气污染物SO2的排放量的公式为：
其中：为报告期内电动车辆运营过程中产生的SO2排放量，/>为报告期内智能调度系统运行消耗电力产生的SO2排放量；
的计算公式为：
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，为报告期内电力的SO2排放因子；
的计算公式为：
其中：φ为上一年度省级区域内的清洁电力占全部发电量的比值；
的计算公式为：
其中：ECsys,y为报告期内智能调度系统运行消耗的电量；
所述计算所述报告期内大气污染物NOX的排放量的公式为：
其中：为报告期内电动车辆运营过程中产生的NOX排放量，/>为报告期内智能调度系统运行消耗电力产生的NOX排放量；
的计算公式为：
其中：为报告期内电力的NOX排放因子；
的计算公式为：
的计算公式为：
所述计算大气污染物SO2的减排量的公式为：
所述计算大气污染物NOX的减排量的公式为：
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。
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 CN113505493A (zh) | 2021-10-15 |
| CN113505493B true 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) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| 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 (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7983929B2 (en) * | 2003-02-10 | 2011-07-19 | South Dakota School Of Mines And Technology | Technique for determining and reporting reduction in emissions of greenhouse gases at a site |
-
2021
- 2021-07-26 CN CN202110855144.5A patent/CN113505493B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113505493A (zh) | 2021-10-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Grigoratos et al. | Real world emissions performance of heavy-duty Euro VI diesel vehicles | |
| CN113505493B (zh) | 一种智能调度电动车的大气污染物减排量核算方法 | |
| Franco et al. | Real-world exhaust emissions from modern diesel cars | |
| Wang et al. | On-road diesel vehicle emission factors for nitrogen oxides and black carbon in two Chinese cities | |
| Fu et al. | Characteristics of typical non-road machinery emissions in China by using portable emission measurement system | |
| Hao et al. | Plug-in hybrid electric vehicle utility factor in China cities: Influencing factors, empirical research, and energy and environmental application | |
| Narain et al. | The impact of Delhi's CNG program on air quality | |
| CN113537803B (zh) | 一种碳减排量核算方法 | |
| CN113722652B (zh) | 一种燃油车交通碳排放计算方法 | |
| Sandhu et al. | Real-world activity, fuel use, and emissions of diesel side-loader refuse trucks | |
| Liu et al. | Traffic and emission simulation in China based on statistical methodology | |
| CN104074580A (zh) | 对大气污染物中由汽车尾气排放产生的污染物的监控系统及方法 | |
| Sandhu et al. | In-use measurement of the activity, fuel use, and emissions of front-loader refuse trucks | |
| Zhang et al. | Characterizing the toxic gaseous emissions of gasoline and diesel vehicles based on a real-world on-road investigation | |
| Graham et al. | Nitrous oxide emissions from light duty vehicles | |
| 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 | |
| CN115655730A (zh) | 重型柴油车PEMS测试中NOx排放的计算方法 | |
| Ma et al. | In-use NOx and black carbon emissions from heavy-duty freight diesel vehicles and near-zero emissions natural gas vehicles in California's San Joaquin Air Basin | |
| 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 | |
| Vijayan et al. | Experimental analysis of vehicle operation parameters affecting emission behavior of public transport buses with alternative diesel fuels | |
| Eichlseder et al. | Zero impact–objective and significance for vehicle powertrains and air quality | |
| Symeonidis et al. | Emissions of air pollutants from the road transport sector in Greece: Year to year variation and present situation | |
| CN110222945B (zh) | 一种电动车绿色减排指数估算方法 |
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 |