CN113723718B - 一种能源碳排放预测方法、装置、设备及介质 - Google Patents
一种能源碳排放预测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113723718B CN113723718B CN202111295356.9A CN202111295356A CN113723718B CN 113723718 B CN113723718 B CN 113723718B CN 202111295356 A CN202111295356 A CN 202111295356A CN 113723718 B CN113723718 B CN 113723718B
- Authority
- CN
- China
- Prior art keywords
- emission
- electricity
- years
- representing
- carbon dioxide
- 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
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 110
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 110
- 238000000034 method Methods 0.000 title claims abstract description 30
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims abstract description 252
- 239000001569 carbon dioxide Substances 0.000 claims abstract description 134
- 229910002092 carbon dioxide Inorganic materials 0.000 claims abstract description 118
- 230000008859 change Effects 0.000 claims abstract description 73
- 238000010248 power generation Methods 0.000 claims abstract description 68
- 230000009467 reduction Effects 0.000 claims abstract description 37
- 238000005265 energy consumption Methods 0.000 claims abstract description 23
- 230000005611 electricity Effects 0.000 claims description 102
- 239000003245 coal Substances 0.000 claims description 56
- 238000012946 outsourcing Methods 0.000 claims description 32
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 16
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 230000005484 gravity Effects 0.000 claims description 13
- 239000003345 natural gas Substances 0.000 claims description 13
- 239000003921 oil Substances 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000006467 substitution reaction Methods 0.000 claims description 12
- 239000007789 gas Substances 0.000 claims description 6
- 239000003208 petroleum Substances 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 9
- 230000007613 environmental effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000006386 neutralization reaction Methods 0.000 description 2
- 230000009919 sequestration Effects 0.000 description 2
- 239000003034 coal gas Substances 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process 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
- G06Q10/04—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
- 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
- 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
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
Abstract
本发明属于电力技术领域,具体公开了一种能源碳排放预测方法、装置、设备及介质。包括以下步骤:S1、获取一次能源消耗数据、本地发电量数据、外来电量数据和全社会用电量数据;S2、根据S1获取的数据,代入地区能源碳排放总量模型,计算地区能源碳排放总量;S3、计算二氧化碳排放量相关性系数;S4、计算二氧化碳排放量影响因素变化值;S5、根据二氧化碳排放量相关性系数和二氧化碳排放量影响因素变化值代入地区总二氧化碳减排量模型,预测地区总二氧化碳减排量。本发明根据二氧化碳排放量相关性系数和二氧化碳排放量影响因素变化值综合使用,准确预测地区总二氧化碳减排量,从而选择碳减排效果好的影响因素,使能源碳排放量下降。
Description
技术领域
本发明属于低碳减排技术领域,具体涉及一种能源碳排放预测方法、装置、设备及介质。
背景技术
2019年,全国碳排放约为105亿吨,其中能源活动碳排放约为98亿吨,占全社会碳排放比重约87%。从能源品种来看,燃煤发电和供热排放占能源活动碳排放比重44%,煤炭终端燃烧排放占比35%。从能源活动领域看,能源生产与转换,工业、交通运输、建筑领域碳排放占能源活动碳排放比重分别为47%、36%、9%和8%。由此可见,能源领域碳排放总量大,是实现碳减排目标的关键,电力系统碳减排是能源行业碳减排的重要组成部分,“碳达峰”是基础前提,“碳中和”是最终目标。
21世纪以来,中国能源电力转型取得显著成就。在此基础上,加快构建能源电力绿色供给体系,持续提升非化石能源消费比重,稳步提高能源利用效率,加快推进科技进步,能源电力有望提前实现“碳达峰”。加快清洁能源替代化石能源,减少化石能源消费总量,开展大规模国土绿化行动,全面提升生态系统碳汇能力,通过碳捕集、利用和封存技术,能源电力有望尽早实现“碳中和”。
发明内容
本发明的目的在于,提供一种能源碳排放预测方法、装置、设备及介质,以预测不同方式进行二氧化碳减排时的减排量,使二氧化碳排放量减少。
本发明采取下述技术方案予以实现:
第一方面,本发明提供一种能源碳排放预测方法,包括以下步骤:
S1、获取一次能源消耗数据、本地发电量数据、外来电量数据和全社会用电量数据;
S2、根据S1获取的数据,代入地区能源碳排放总量模型,计算获得地区能源碳排放总量;
S3、计算二氧化碳排放量相关性系数;
S4、计算二氧化碳排放量影响因素变化值;
S5、根据二氧化碳排放量相关性系数和二氧化碳排放量影响因素变化值,代入地区总二氧化碳减排量模型,预测地区总二氧化碳减排量。
本发明的进一步改进在于:在S1步骤中所述一次能源消耗数据包括,煤炭、油品和天然气的地区化石能源二氧化碳排放因子和地区电能等价折标系数;
所述全社会用电量数据包括,区域用户用电量的自然增长负荷电量和电能代替负荷电量;
所述本地发电量数据包括,本地发电厂每年总发电量、本地每个电厂的年发电量和每个电厂的年发电量预测变化率;
所述外来电量数据包括,外来输入电量和输入电量的类型。
本发明的进一步改进在于:计算全社会用电量数据By:
其中,By表示y年全社会用电量,B1y表示y年自然增长负荷电量,B2y表示y年电能替代负荷电量;
计算本地发电量数据Cy:
其中,Cy表示y年本地电厂总发电量,Cj,y-1表示第j个电厂y-1年发电量,K2j,y表示第j个电厂y年发电量预测变化率;
计算外来电量数据Dy:
其中,Dy表示y年外购电总量,By表示y年全社会用电量,Cy表示y年本地电厂总发电量;
所述地区能源碳排放总量模型Wy:
其中,Wy表示y年地区能源碳排放总量;Wy,直接表示y年直接碳排放量;Wy,间接表示y年间接碳排放量;Ci,y表示y年本地i类型电厂发电量;Di,y表示y年外来i类型电量;Li表示i类型能源排放因子;i表示使用一次能源发电类型,1代表煤炭,2代表石油,3代表天然气,4代表非化石能源。
本发明的进一步改进在于:在S3中具体包括以下步骤:
S31、计算本地光伏占比与二氧化碳总排放量的相关性系数K1,y:
其中,K1,y为本地光伏占比与二氧化碳总排放量的相关性系数,表示本地光伏发电占比每变化1%,影响碳排放K1万吨;△C1,y代表y年本地光伏发电占比变化导致的本地煤电发电量变化;L1表示煤电排放因子;Cy表示y年本地电厂总发电量;a1和a2表示不同年份本地光伏占比;
S32、计算外购煤电占比与二氧化碳总排放量的相关性系数K2,y:
其中,K2,y为外购煤电占比与二氧化碳总排放量的相关性系数,表示y年外购煤电占比每变化1%,影响碳排放K2,y万吨;△D1,y代表y年外购煤电量;L1表示煤电排放因子;Dy表示y年外购电量;b1和b2表示不同年份外购煤电占比;
S33、计算电能替代相关性系数:
S331、计算煤改电与二氧化碳总排放量的相关性系数K3,y:
其中,K3,y为煤改电与二氧化碳总排放量相关性系数,代表y年电能替代电量占全社会用电量比例每变化1%,电能替代煤炭造成碳排放变化K3,y万吨;By表示y年全社会用电量;wy表示y年地区本地综合排放因子;L1表示煤电排放因子;gy表示地区电能等价折标系数;
S332、计算油改电与二氧化碳总排放量的相关性系数K4,y:
其中,K4,y为油改电与二氧化碳总排放量的相关性系数,表示y年电能替代电量占全社会用电量比例每变化1%,电能替代石油造成碳排放变化K4,y万吨;By表示y年全社会用电量;wy表示y年地区本地综合排放因子;L2表示油电排放因子;gy表示地区电能等价折标系数;
S333、计算气改电与二氧化碳总排放量的相关性系数K5,y:
其中,K5,y为气改电与二氧化碳总排放量的相关性系数,表示y年电能替代电量占全社会用电量比例每变化1%,电能替代天然气造成碳排放变化K5,y万吨;By表示y年全社会用电量;wy表示y年地区本地综合排放因子;L3表示油气排放因子;gy表示地区电能等价折标系数;
S34、计算电能占终端能源比重与二氧化碳总排放量的相关性系数K6,y:
其中,K6,y为电能占终端能源比重与二氧化碳总排放量的相关性系数,表示y年电能占终端能源比重每变化1%,影响碳排放K6,y万吨;Ey表示y年地区能源消费总量;Ei,y表示y年i类型能源消耗量;Li表示i类型能源排放因子;wy表示y年地区本地综合排放因子;gy表示地区电能等价折标系数;
S35、计算抽水蓄能装机容量与二氧化碳总排放量的相关性系数K7,y:
其中,K7,y为抽水蓄能装机容量与二氧化碳总排放量的相关性系数,表示y年给定地区设备平均利用时间和抽水蓄能平均转化效率的前提下,抽水蓄能装机容量每变化1万千瓦,影响碳排放K7,y万吨;wy表示y年地区本地综合排放因子;L1表示煤电排放因子;βy表示y年地区抽水蓄能平均转化效率;ty表示y年地区设备平均利用时间。
本发明的进一步改进在于:所述步骤S3中y年地区本地综合排放因子wy:
式中,By表示y年全社会用电量;Wy表示y年地区能源碳排放总量。
本发明的进一步改进在于:在S4中具体包括以下步骤:
S41、计算本地光伏发电占比变化量△a1,y:
其中,Cy表示y年本地电厂总发电量;
S42、计算外购煤电占变化量△a2,y:
其中,Dy表示y年外购电总量,D1,y代表y年外购煤电量,D1,n表示第N年外购煤电量;
S43、计算煤改电变化量△a3,y:
其中,By表示y年全社会用电量;
S44、计算油改电变化量△a4,y:
其中,By表示y年全社会用电量;
S45、计算气改电变化量△a5,y:
其中,By表示y年全社会用电量;
S46、确定预设的电能占终端能源比重变化量△a6,y;
S47、确定预设的抽水蓄能装机容量变化量△a7,y。
本发明的进一步改进在于:所述地区总二氧化碳减排量模型为:
其中,△Wy表示y年电力能源替代造成的地区二氧化碳总减排量,△Wi,y表示y年第i项措施造成的二氧化碳减排量,△ai,y表示y年第i项措施影响因素变化数值,Ki,y表示y年第i项措施相关性影响因素。
第二方面,本发明提供一种能源碳排放预测装置,包括:
数据获取模块,用于获取一次能源消耗数据、本地发电量数据、外来电量数据和全社会用电量数据;
地区能源碳排放总量计算模块,用于根据数据获取模块采集的数据,代入地区能源碳排放总量模型,计算获得地区能源碳排放总量;
二氧化碳排放相关系形系数计算模块,根据计算得到的地区能源碳排放总量,分别计算本地光伏占比与二氧化碳总排放量的相关性系数、外购煤电占比与二氧化碳总排放量的相关性系数、电能占终端能源比重与二氧化碳总排放量的相关性系数、抽水蓄能装机容量与二氧化碳总排放量的相关性系数和电能替代相关性系数;
电力能源替代对二氧化碳排放量影响因素变化值计算模块,用于计算本地光伏发电占比变化量、外购煤电占变化量、煤改电变化量、油改电变化量、气改电变化量、电能占终端能源比重变化量和抽水蓄能装机容量变化量;
地区总二氧化碳减排量计算模块,用于根据二氧化碳排放量相关性系数和二氧化碳排放量影响因素变化值,代入地区总二氧化碳减排量模型,预测地区总二氧化碳减排量。
第三方面,本发明提供一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述的一种能源碳排放预测方法。
第四方面,本发明提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述的一种能源碳排放预测方法。
与现有技术相比,本发明的优点在于:
1、本发明根据二氧化碳排放量相关性系数和二氧化碳排放量影响因素变化值综合使用,准确预测地区总二氧化碳减排量,从而选择碳减排效果好的影响因素,使能源碳排放量下降;
2、本发明根据地区能源发展规划、负荷用电变化情况及电能替代情况等因素,结合能源碳排放计算模型,预测未来能源碳排放情况;
3、本发明采用单一变量法,从能源供给侧、消费测及储能调峰角度分析多个指标因素变化对能源碳排放的影响,预测未来能源碳排放情况。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明一种能源碳排放预测方法的流程图;
图2为本发明一种能源碳排放预测装置的结构框图。
具体实施方式
下面将参考附图并结合实施例来详细说明本发明。需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
以下详细说明均是示例性的说明,旨在对本发明提供进一步的详细说明。除非另有指明,本发明所采用的所有技术术语与本发明所属领域的一般技术人员的通常理解的含义相同。本发明所使用的术语仅是为了描述具体实施方式,而并非意图限制根据本发明的示例性实施方式。
实施例1
如图1所示,本发明一种能源碳排放预测方法,包括以下步骤:
S1、获取一次能源消耗数据、本地发电量数据、外来电量数据和全社会用电量数据;
S2、根据S1获取的数据,代入地区能源碳排放总量模型,计算获得地区能源碳排放总量;
S3、计算二氧化碳排放量相关性系数;
S4、计算二氧化碳排放量影响因素变化值;
S5、根据二氧化碳排放量相关性系数和二氧化碳排放量影响因素变化值,代入地区总二氧化碳减排量模型,预测地区总二氧化碳减排量。
在S1中获取的数据是指区域碳排监测所需的原始数据,原始数据包括依赖外部提供的煤炭、石油、天然气等一次能源消耗数据和从供电公司获得的用电量数据。
一次能源类数据收集,从地方政府、环保局获取。
收集地区能源消费总量数据,其中包括煤炭、石油、天然气、调入电力和一次电力,此部分数据单位为吨标煤,其中调入电力相关数据需要从环保局取得电能等价折标系数,即产生单位MWh电力需要消耗的标准煤吨数。
收集地区化石能源二氧化碳排放因子,化石能源二氧化碳排放因子指消耗单位量化石能源所产生的二氧化碳气体量,单位为吨/吨标煤,采用最新国家温室气体清单数据,煤炭2.66tCO2/吨标准煤、油品1.73tCO2/吨标准煤、天然气1.56tCO2/吨标准煤。
收集地区电力公司电量相关数据,并根据环保局收集的电能等价折标系数进行电量折算,将电量由MWh折算为吨标煤,某地区电能等价折标系数为2.83吨标煤/万千瓦时,即0.283吨标煤/MWh。
收集一次能源消耗数据,从环保局收集生产端能源消耗数据,包括煤炭、石油、天然气、一次电力及其他相关数据,若收集各能源数据并未折合成吨标煤,需要将其根据等热值标准进行换算;
收集本地发电量数据,本地发电量指本地发电厂的发电量,本地发电厂包括本地110kV及以下电厂与统调电厂,从规划计划系统中取得各电厂发电类型、发电量、上网电量相关数据;
收集外来电量数据,外来电主要指地区外调入电量,主要包括省间交易、地区分摊,输入电量及相关电量类型数据可由电量交易合同取得。
收集全社会用电量数据,用电量指某个区域所有用户使用电量,用电量采集通过国家电网公司安装的智能电表采集实现。
在S2中计算地区能源碳排放总量,具体包括以下步骤:
计算全社会用电量数据By,全社会用电量发展主要包括区域用户用电量的自然增长和电能替代其他能源导致的电量增加,即:
其中,By表示y年全社会用电量,B1y表示y年自然增长负荷电量,B2y表示y年电能替代负荷电量;
本地发电量预测,根据本地电厂发电计划及电力公司规划,计算未来本地各电厂发电量,本地发电量数据Cy:
其中,Cy表示y年本地电厂总发电量,Cj,y-1表示第j个电厂y-1年发电量,K2j,y表示第j个电厂y年发电量预测变化率;
外来电量数据Dy预测,即:
其中,Dy表示y年外购电总量,By表示y年全社会用电量,Cy表示y年本地电厂总发电量;
外购电结构预测,根据省间交易合同,统计出各类型外购电量;
地区能源碳排放总量模型Wy:
其中,Wy表示y年地区能源碳排放总量;Wy,直接表示y年直接碳排放量;Wy,间接表示y年间接碳排放量;Ci,y表示y年本地i类型电厂发电量;Di,y表示y年外来i类型电量;Li表示i类型能源排放因子;i表示使用一次能源发电类型,1代表煤炭,2代表石油,3代表天然气,4代表非化石能源。
在S3中具体包括以下步骤:
S31、计算本地光伏占比与二氧化碳总排放量的相关性系数K1,y:
其中,K1,y为本地光伏占比与二氧化碳总排放量的相关性系数,表示本地光伏发电占比每变化1%,影响碳排放K1万吨;△C1,y代表y年本地光伏发电占比变化导致的本地煤电发电量变化;L1表示煤电排放因子;Cy表示y年本地电厂总发电量;a1和a2表示不同年份本地光伏占比;
S32、计算外购煤电占比与二氧化碳总排放量的相关性系数K2,y:
其中,K2,y为外购煤电占比与二氧化碳总排放量的相关性系数,表示y年外购煤电占比每变化1%,影响碳排放K2,y万吨;△D1,y代表y年外购煤电量;L1表示煤电排放因子;Dy表示y年外购电量;b1和b2表示不同年份外购煤电占比;
S33、计算电能替代相关性系数:
S331、计算煤改电与二氧化碳总排放量的相关性系数K3,y:
其中,K3,y为煤改电与二氧化碳总排放量相关性系数,代表y年电能替代电量占全社会用电量比例每变化1%,电能替代煤炭造成碳排放变化K3,y万吨;By表示y年全社会用电量;wy表示y年地区本地综合排放因子;L1表示煤电排放因子;gy表示地区电能等价折标系数;
S332、计算油改电与二氧化碳总排放量的相关性系数K4,y:
其中,K4,y为油改电与二氧化碳总排放量的相关性系数,表示y年电能替代电量占全社会用电量比例每变化1%,电能替代石油造成碳排放变化K4,y万吨;By表示y年全社会用电量;wy表示y年地区本地综合排放因子;L2表示油电排放因子;gy表示地区电能等价折标系数;
S333、计算气改电与二氧化碳总排放量的相关性系数K5,y:
其中,K5,y为气改电与二氧化碳总排放量的相关性系数,表示y年电能替代电量占全社会用电量比例每变化1%,电能替代天然气造成碳排放变化K5,y万吨;By表示y年全社会用电量;wy表示y年地区本地综合排放因子;L3表示油气排放因子;gy表示地区电能等价折标系数;
S34、计算电能占终端能源比重与二氧化碳总排放量的相关性系数K6,y:
其中,K6,y为电能占终端能源比重与二氧化碳总排放量的相关性系数,表示y年电能占终端能源比重每变化1%,影响碳排放K6,y万吨;Ey表示y年地区能源消费总量;Ei,y表示y年i类型能源消耗量;Li表示i类型能源排放因子;wy表示y年地区本地综合排放因子;gy表示地区电能等价折标系数;
S35、计算抽水蓄能装机容量与二氧化碳总排放量的相关性系数K7,y:
其中,K7,y为抽水蓄能装机容量与二氧化碳总排放量的相关性系数,表示y年给定地区设备平均利用时间和抽水蓄能平均转化效率的前提下,抽水蓄能装机容量每变化1万千瓦,影响碳排放K7,y万吨;wy表示y年地区本地综合排放因子;L1表示煤电排放因子;βy表示y年地区抽水蓄能平均转化效率;ty表示y年地区设备平均利用时间。
步骤S3中y年地区本地综合排放因子wy:
式中,By表示y年全社会用电量;Wy表示y年地区能源碳排放总量。
在S4中明确电力能源替代措施造成的各影响因素变化情况,确定各影响因素变化数值。
S41、确定本地光伏发电占比变化量△a1,y,根据y年本地光伏规划增加装机容量乘以利用小时数计算出y年本地光伏发电增发电量,即:
其中,Cy表示y年本地电厂总发电量;
S42、确定外购煤电占变化量△a2,y,根据外购电力合同明确y年外购煤电购入量,即:
其中,Dy表示y年外购电总量,D1,y代表y年外购煤电量,D1,n表示第N年外购煤电量;
S43、确定煤改电变化量△a3,y,根据规划确定的y年煤改电增量,即:
其中,By表示y年全社会用电量;
S44、确定油改电变化量△a4,y,根据规划确定的y年油改电增量,即:
其中,By表示y年全社会用电量;
S45:确定气改电变化量△a5,y,根据规划确定的y年气改电增量,即:
其中,By表示y年全社会用电量;
S46:确定电能占终端能源比重变化量△a6,y,根据地区政府能源发展规划及电力公司相关规划指标,确定电能占终端能源比重变化量△a6,y。
S47、确定抽水蓄能装机容量变化量△a7,y,根据抽水蓄能规划确定。
地区总二氧化碳减排量模型为,即:
其中,△Wy表示y年电力能源替代造成的地区二氧化碳总减排量,△Wi,y表示y年第i项措施造成的二氧化碳减排量,△ai,y表示y年第i项措施影响因素变化数值,Ki,y表示y年第i项措施相关性影响因素。
实施例2
如图2所示,本发明还提供一种能源碳排放预测装置,包括:
数据获取模块,用于获取一次能源消耗数据、本地发电量数据、外来电量数据和全社会用电量数据;
地区能源碳排放总量计算模块,用于根据数据获取模块采集的数据,代入地区能源碳排放总量模型,计算获得地区能源碳排放总量;
二氧化碳排放相关系形系数计算模块,根据计算得到的地区能源碳排放总量,分别计算本地光伏占比与二氧化碳总排放量的相关性系数、外购煤电占比与二氧化碳总排放量的相关性系数、电能占终端能源比重与二氧化碳总排放量的相关性系数、抽水蓄能装机容量与二氧化碳总排放量的相关性系数和电能替代相关性系数;
电力能源替代对二氧化碳排放量影响因素变化值计算模块,用于计算本地光伏发电占比变化量、外购煤电占变化量、煤改电变化量、油改电变化量、气改电变化量、电能占终端能源比重变化量和抽水蓄能装机容量变化量;
地区总二氧化碳减排量计算模块,用于根据二氧化碳排放量相关性系数和二氧化碳排放量影响因素变化值,代入地区总二氧化碳减排量模型,预测地区总二氧化碳减排量。
实施例3
本发明还提供一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现实施例1所述一种能源碳排放预测方法。
实施例4
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现实施例1所述一种能源碳排放预测方法。
由技术常识可知,本发明可以通过其它的不脱离其精神实质或必要特征的实施方案来实现。因此,上述公开的实施方案,就各方面而言,都只是举例说明,并不是仅有的。所有在本发明范围内或在等同于本发明的范围内的改变均被本发明包含。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是: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应当理解: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,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (6)
1.一种能源碳排放预测方法,其特征在于,包括以下步骤:
S1、获取一次能源消耗数据、本地发电量数据、外来电量数据和全社会用电量数据;
S2、根据S1获取的数据,代入地区能源碳排放总量模型,计算获得地区能源碳排放总量;
S3、计算二氧化碳排放量相关性系数;
S31、计算本地光伏占比与二氧化碳总排放量的相关性系数K1,y:
其中,K1,y为本地光伏占比与二氧化碳总排放量的相关性系数,表示本地光伏发电占比每变化1%,影响碳排放K1万吨;△C1,y代表y年本地光伏发电占比变化导致的本地煤电发电量变化;L1表示煤电排放因子;Cy表示y年本地电厂总发电量;a1和a2表示不同年份本地光伏占比;
S32、计算外购煤电占比与二氧化碳总排放量的相关性系数K2,y:
其中,K2,y为外购煤电占比与二氧化碳总排放量的相关性系数,表示y年外购煤电占比每变化1%,影响碳排放K2,y万吨;△D1,y代表y年外购煤电量;L1表示煤电排放因子;Dy表示y年外购电量;b1和b2表示不同年份外购煤电占比;
S33、计算电能替代相关性系数:
S331、计算煤改电与二氧化碳总排放量的相关性系数K3,y:
其中,K3,y为煤改电与二氧化碳总排放量相关性系数,代表y年电能替代电量占全社会用电量比例每变化1%,电能替代煤炭造成碳排放变化K3,y万吨;By表示y年全社会用电量;wy表示y年地区本地综合排放因子;L1表示煤电排放因子;gy表示地区电能等价折标系数;
S332、计算油改电与二氧化碳总排放量的相关性系数K4,y:
其中,K4,y为油改电与二氧化碳总排放量的相关性系数,表示y年电能替代电量占全社会用电量比例每变化1%,电能替代石油造成碳排放变化K4,y万吨;By表示y年全社会用电量;wy表示y年地区本地综合排放因子;L2表示油电排放因子;gy表示地区电能等价折标系数;
S333、计算气改电与二氧化碳总排放量的相关性系数K5,y:
其中,K5,y为气改电与二氧化碳总排放量的相关性系数,表示y年电能替代电量占全社会用电量比例每变化1%,电能替代天然气造成碳排放变化K5,y万吨;By表示y年全社会用电量;wy表示y年地区本地综合排放因子;L3表示油气排放因子;gy表示地区电能等价折标系数;
S34、计算电能占终端能源比重与二氧化碳总排放量的相关性系数K6,y:
其中,K6,y为电能占终端能源比重与二氧化碳总排放量的相关性系数,表示y年电能占终端能源比重每变化1%,影响碳排放K6,y万吨;Ey表示y年地区能源消费总量;Ei,y表示y年i类型能源消耗量;Li表示i类型能源排放因子;wy表示y年地区本地综合排放因子;gy表示地区电能等价折标系数;
S35、计算抽水蓄能装机容量与二氧化碳总排放量的相关性系数K7,y:
其中,K7,y为抽水蓄能装机容量与二氧化碳总排放量的相关性系数,表示y年给定地区设备平均利用时间和抽水蓄能平均转化效率的前提下,抽水蓄能装机容量每变化1万千瓦,影响碳排放K7,y万吨;wy表示y年地区本地综合排放因子;L1表示煤电排放因子;βy表示y年地区抽水蓄能平均转化效率;ty表示y年地区设备平均利用时间;
y年地区本地综合排放因子wy:
式中,By表示y年全社会用电量;Wy表示y年地区能源碳排放总量;
S4、计算二氧化碳排放量影响因素变化值;
S41、计算本地光伏发电占比变化量△a1,y:
其中,Cy表示y年本地电厂总发电量;
S42、计算外购煤电占变化量△a2,y:
其中,Dy表示y年外购电总量,D1,y代表y年外购煤电量,D1,n表示第N年外购煤电量;
S43、计算煤改电变化量△a3,y:
其中,By表示y年全社会用电量;
S44、计算油改电变化量△a4,y:
其中,By表示y年全社会用电量;
S45、计算气改电变化量△a5,y:
其中,By表示y年全社会用电量;
S46、确定预设的电能占终端能源比重变化量△a6,y;
S47、确定预设的抽水蓄能装机容量变化量△a7,y;
S5、根据二氧化碳排放量相关性系数和二氧化碳排放量影响因素变化值,代入地区总二氧化碳减排量模型,预测地区总二氧化碳减排量;
地区总二氧化碳减排量模型为:
其中,△Wy表示y年电力能源替代造成的地区二氧化碳总减排量,△Wi,y表示y年第i项措施造成的二氧化碳减排量,△ai,y表示y年第i项措施影响因素变化数值,Ki,y表示y年第i项措施相关性影响因素。
2.根据权利要求1所述的一种能源碳排放预测方法,其特征在于,在S1步骤中所述一次能源消耗数据包括,煤炭、油品和天然气的地区化石能源二氧化碳排放因子和地区电能等价折标系数;
所述全社会用电量数据包括,区域用户用电量的自然增长负荷电量和电能代替负荷电量;
所述本地发电量数据包括,本地发电厂每年总发电量、本地每个电厂的年发电量和每个电厂的年发电量预测变化率;
所述外来电量数据包括,外来输入电量和输入电量的类型。
3.根据权利要求1所述的一种能源碳排放预测方法,其特征在于,计算全社会用电量数据By:
其中,By表示y年全社会用电量,B1y表示y年自然增长负荷电量,B2y表示y年电能替代负荷电量;
计算本地发电量数据Cy:
其中,Cy表示y年本地电厂总发电量,Cj,y-1表示第j个电厂y-1年发电量,k2j,y表示第j个电厂y年发电量预测变化率;
计算外来电量数据Dy:
其中,Dy表示y年外购电总量,By表示y年全社会用电量,Cy表示y年本地电厂总发电量;
所述地区能源碳排放总量模型Wy:
其中,Wy表示y年地区能源碳排放总量;Wy,直接表示y年直接碳排放量;Wy,间接表示y年间接碳排放量;Ci,y表示y年本地i类型电厂发电量;Di,y表示y年外来i类型电量;Li表示i类型能源排放因子;i表示使用一次能源发电类型,1代表煤炭,2代表石油,3代表天然气,4代表非化石能源。
4.一种能源碳排放预测装置,其特征在于,包括:
数据获取模块,用于获取一次能源消耗数据、本地发电量数据、外来电量数据和全社会用电量数据;
地区能源碳排放总量计算模块,用于根据数据获取模块采集的数据,代入地区能源碳排放总量模型,计算获得地区能源碳排放总量;
二氧化碳排放相关性系数计算模块,用于根据计算得到的地区能源碳排放总量计算二氧化碳排放量相关性系数;
计算本地光伏占比与二氧化碳总排放量的相关性系数K1,y:
其中,K1,y为本地光伏占比与二氧化碳总排放量的相关性系数,表示本地光伏发电占比每变化1%,影响碳排放K1万吨;△C1,y代表y年本地光伏发电占比变化导致的本地煤电发电量变化;L1表示煤电排放因子;Cy表示y年本地电厂总发电量;a1和a2表示不同年份本地光伏占比;
计算外购煤电占比与二氧化碳总排放量的相关性系数K2,y:
其中,K2,y为外购煤电占比与二氧化碳总排放量的相关性系数,表示y年外购煤电占比每变化1%,影响碳排放K2,y万吨;△D1,y代表y年外购煤电量;L1表示煤电排放因子;Dy表示y年外购电量;b1和b2表示不同年份外购煤电占比;
计算电能替代相关性系数:
计算煤改电与二氧化碳总排放量的相关性系数K3,y:
其中,K3,y为煤改电与二氧化碳总排放量相关性系数,代表y年电能替代电量占全社会用电量比例每变化1%,电能替代煤炭造成碳排放变化K3,y万吨;By表示y年全社会用电量;wy表示y年地区本地综合排放因子;L1表示煤电排放因子;gy表示地区电能等价折标系数;
计算油改电与二氧化碳总排放量的相关性系数K4,y:
其中,K4,y为油改电与二氧化碳总排放量的相关性系数,表示y年电能替代电量占全社会用电量比例每变化1%,电能替代石油造成碳排放变化K4,y万吨;By表示y年全社会用电量;wy表示y年地区本地综合排放因子;L2表示油电排放因子;gy表示地区电能等价折标系数;
计算气改电与二氧化碳总排放量的相关性系数K5,y:
其中,K5,y为气改电与二氧化碳总排放量的相关性系数,表示y年电能替代电量占全社会用电量比例每变化1%,电能替代天然气造成碳排放变化K5,y万吨;By表示y年全社会用电量;wy表示y年地区本地综合排放因子;L3表示油气排放因子;gy表示地区电能等价折标系数;
计算电能占终端能源比重与二氧化碳总排放量的相关性系数K6,y:
其中,K6,y为电能占终端能源比重与二氧化碳总排放量的相关性系数,表示y年电能占终端能源比重每变化1%,影响碳排放K6,y万吨;Ey表示y年地区能源消费总量;Ei,y表示y年i类型能源消耗量;Li表示i类型能源排放因子;wy表示y年地区本地综合排放因子;gy表示地区电能等价折标系数;
计算抽水蓄能装机容量与二氧化碳总排放量的相关性系数K7,y:
其中,K7,y为抽水蓄能装机容量与二氧化碳总排放量的相关性系数,表示y年给定地区设备平均利用时间和抽水蓄能平均转化效率的前提下,抽水蓄能装机容量每变化1万千瓦,影响碳排放K7,y万吨;wy表示y年地区本地综合排放因子;L1表示煤电排放因子;βy表示y年地区抽水蓄能平均转化效率;ty表示y年地区设备平均利用时间;
y年地区本地综合排放因子wy:
式中,By表示y年全社会用电量;Wy表示y年地区能源碳排放总量;
电力能源替代对二氧化碳排放量影响因素变化值计算模块,用于计算二氧化碳排放量影响因素变化值;
计算本地光伏发电占比变化量△a1,y:
其中,Cy表示y年本地电厂总发电量;
计算外购煤电占变化量△a2,y:
其中,Dy表示y年外购电总量,D1,y代表y年外购煤电量,D1,n表示第N年外购煤电量;
计算煤改电变化量△a3,y:
其中,By表示y年全社会用电量;
计算油改电变化量△a4,y:
其中,By表示y年全社会用电量;
计算气改电变化量△a5,y:
其中,By表示y年全社会用电量;
确定预设的电能占终端能源比重变化量△a6,y;
确定预设的抽水蓄能装机容量变化量△a7,y;
地区总二氧化碳减排量计算模块,用于根据二氧化碳排放量相关性系数和二氧化碳排放量影响因素变化值,代入地区总二氧化碳减排量模型,预测地区总二氧化碳减排量;
地区总二氧化碳减排量模型为:
其中,△Wy表示y年电力能源替代造成的地区二氧化碳总减排量,△Wi,y表示y年第i项措施造成的二氧化碳减排量,△ai,y表示y年第i项措施影响因素变化数值,Ki,y表示y年第i项措施相关性影响因素。
5.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至3任一项所述一种能源碳排放预测方法。
6.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1至3任一项所述一种能源碳排放预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111295356.9A CN113723718B (zh) | 2021-11-03 | 2021-11-03 | 一种能源碳排放预测方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111295356.9A CN113723718B (zh) | 2021-11-03 | 2021-11-03 | 一种能源碳排放预测方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113723718A CN113723718A (zh) | 2021-11-30 |
CN113723718B true CN113723718B (zh) | 2022-02-11 |
Family
ID=78686613
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111295356.9A Active CN113723718B (zh) | 2021-11-03 | 2021-11-03 | 一种能源碳排放预测方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113723718B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN113988489B (zh) * | 2021-12-27 | 2022-04-12 | 国网浙江省电力有限公司信息通信分公司 | 电碳因子的预测评估方法、装置及可读存储介质 |
CN114611845B (zh) * | 2022-05-12 | 2022-08-16 | 浙江省发展规划研究院 | 碳排放量的预测方法、装置、电子设备及介质 |
CN115034454A (zh) * | 2022-05-25 | 2022-09-09 | 北京电链科技有限公司 | 一种基于电量数据的碳排放量预测的方法及装置 |
CN115809783B (zh) * | 2022-12-09 | 2023-09-29 | 国网江苏省电力有限公司扬州供电分公司 | 一种中大型能源用户分行业能效评价预测方法 |
CN115600824B (zh) * | 2022-12-09 | 2023-05-02 | 国网浙江省电力有限公司金华供电公司 | 一种碳排放的预警方法及装置、存储介质、电子设备 |
CN116523139B (zh) * | 2023-05-08 | 2024-01-23 | 国电华研电力科技有限公司 | 一种电力减碳量预测方法、装置及可存储介质 |
CN116522094B (zh) * | 2023-06-30 | 2023-09-22 | 深圳卓亿环境科技有限公司 | 区域碳中和的分析测算方法、装置、设备及存储介质 |
CN117114212B (zh) * | 2023-10-25 | 2024-03-12 | 南方电网数字电网研究院有限公司 | 基于全周期点流模型的发电侧碳排放趋势预测方法及装置 |
CN117291478B (zh) * | 2023-11-27 | 2024-03-15 | 东北大学 | 光伏系统碳减排计算方法及装置、存储介质、计算机设备 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100191998A1 (en) * | 2009-01-23 | 2010-07-29 | Microsoft Corporation | Apportioning and reducing data center environmental impacts, including a carbon footprint |
CN105305435B (zh) * | 2015-11-13 | 2017-08-25 | 国网江西省电力科学研究院 | 一种区域电力减碳量计算方法 |
CN106600027A (zh) * | 2016-10-31 | 2017-04-26 | 上海市政工程设计研究总院(集团)有限公司 | 城市交通碳排放量测算系统和测算方法 |
CN110942247A (zh) * | 2019-11-25 | 2020-03-31 | 国网福建省电力有限公司经济技术研究院 | 一种分析电力碳排放影响因素和碳排放效率的评价方法 |
CN113516289A (zh) * | 2021-05-20 | 2021-10-19 | 北京中创碳投科技有限公司 | 一种二氧化碳排放量预测方法、装置、设备及介质 |
CN113516371A (zh) * | 2021-06-16 | 2021-10-19 | 杭州慧源智谷科技有限责任公司 | 一种全口径碳排强度及碳源结构的测算方法 |
-
2021
- 2021-11-03 CN CN202111295356.9A patent/CN113723718B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113723718A (zh) | 2021-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113723718B (zh) | 一种能源碳排放预测方法、装置、设备及介质 | |
CN110474367B (zh) | 一种考虑风险损失的微电网容量配置优化方法 | |
Cohen et al. | Optimizing post-combustion CO2 capture in response to volatile electricity prices | |
JP4435101B2 (ja) | 小規模電力系統の設計評価方法 | |
Siirola et al. | Process energy systems: control, economic, and sustainability objectives | |
Nock et al. | Holistic multi-criteria decision analysis evaluation of sustainable electric generation portfolios: New England case study | |
Santos et al. | Impacts of operational variability and uncertainty on distributed generation investment planning: A comprehensive sensitivity analysis | |
Vespucci et al. | A stochastic model for the daily coordination of pumped storage hydro plants and wind power plants | |
CN104123596B (zh) | 一种考虑可再生能源的电源优化规划方法 | |
Hu et al. | Feasibility-based inexact fuzzy programming for electric power generation systems planning under dual uncertainties | |
Lythcke-Jørgensen et al. | A methodology for designing flexible multi-generation systems | |
CN110838076B (zh) | 一种月度跨省区可再生能源消纳方法及终端设备 | |
Zhu et al. | Multi-objective sizing optimization method of microgrid considering cost and carbon emissions | |
Tai Wu et al. | Efficiency evolution of coal‐fired electricity generation in China, 1999‐2007 | |
Chen et al. | Long-term impacts of carbon tax and feed-in tariff policies on China's generating portfolio and carbon emissions: a multi-agent-based analysis | |
CN116664161B (zh) | 一种基于燃煤火电厂的二氧化碳排放核算技术选择方法 | |
Fattahi et al. | Analyzing the techno-economic role of nuclear power in the Dutch net-zero energy system transition | |
CN115660234B (zh) | 一种基于混合测算方法的双碳预测优化模型 | |
de Simón-Martín et al. | The Levelized cost of energy Indicator | |
CN115908047A (zh) | 一种综合能源系统多时间尺度运行方法及其应用 | |
Hübel et al. | Evaluation of Flexibility Optimization for Thermal Power Plants | |
CN106251028A (zh) | 一种火电厂汽轮机大修周期的预测方法 | |
Rohlfs et al. | Cost effectiveness of carbon capture-ready coal power plants with delayed retrofit | |
Harthan | Integration of Renewable Energies into the German Power System and Their Influence on Investments in New Power Plants: Integrated Consideration of Effects on Power Plant Investment and Operation | |
CN111008769A (zh) | 一种计及电力阻塞的能源转型优化方法及系统 |
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 |