CN114154703A - 一种基于社会经济数据的碳排放中长期预测方法 - Google Patents

一种基于社会经济数据的碳排放中长期预测方法 Download PDF

Info

Publication number
CN114154703A
CN114154703A CN202111422568.9A CN202111422568A CN114154703A CN 114154703 A CN114154703 A CN 114154703A CN 202111422568 A CN202111422568 A CN 202111422568A CN 114154703 A CN114154703 A CN 114154703A
Authority
CN
China
Prior art keywords
energy
future
year
consumption
industrial
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.)
Pending
Application number
CN202111422568.9A
Other languages
English (en)
Inventor
李江龙
刘泓汛
韩蓉
陈飞
周林
陈佳玺
杨恺
孟观飞
杨秀汪
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.)
Xian Jiaotong University
Economic and Technological Research Institute of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Xian Jiaotong University
Economic and Technological Research Institute of State Grid Zhejiang Electric Power 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 Xian Jiaotong University, Economic and Technological Research Institute of State Grid Zhejiang Electric Power Co Ltd filed Critical Xian Jiaotong University
Priority to CN202111422568.9A priority Critical patent/CN114154703A/zh
Publication of CN114154703A publication Critical patent/CN114154703A/zh
Pending legal-status Critical Current

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
    • 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
    • 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
    • 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

Landscapes

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

Abstract

本发明提供了一种基于社会经济数据的碳排放中长期预测方法；包括：(1)一次能源需求预测：通过模拟以前年度的一次能源消费与实际GDP、产业结构、工业能源强度的相关关系，先预测未来能源强度的数值，再根据模拟到的相关关系预测未来年度一次能源消费量；(2)能源结构预测：根据以前年度各能源消费结构，用马尔科夫预测法，推算出未来各年的能源结构；得到未来各能源消费量；(3)运用二氧化碳配方估算系数计算二氧化碳排放量；(4)碳排放量预测：结合二氧化碳排放系数及能源消费量预测未来年度碳排放量。本发明通过预测未来年度一次能源消费量和能源结构，结合碳排放估计系数，得到未来年度的碳排放量。

Description

一种基于社会经济数据的碳排放中长期预测方法
技术领域
本发明涉及碳排放预测技术领域，具体涉及一种基于社会经济数据的碳排放中长期预测方法。
背景技术
在绿色经济的发展框架下，气候持续变暖逐渐成为引起各国关注的热点问题。追溯气候变暖的根源，有气候变化周期的影响，但更大程度上根植于以二氧化碳(CO2)为代表的温室气体的大量排放。在CO2的排放源中，人类生产与生活尤其是工业化程度的加深占据了重要地位。
由于碳排放量的预测要结合已有的排放情况，碳排放量的预测方法的合理选择成为了关键问题。但是已有的对碳排放量的预测方法的研究相对较少，尤其是缺少对能源结构的预测。
综上所述，如何提供一种能够合理预测碳排放量的方法，是目前本领域技术人员亟待解决的问题。
发明内容
本发明的目的是提供了一种基于社会经济数据的碳排放中长期预测方法。
本发明是通过以下技术方案实现的：
本发明涉及一种基于社会经济数据的碳排放中长期预测方法，包括以下步骤：
(1)一次能源需求预测：通过模拟以前年度的一次能源消费与实际GDP、产业结构、工业能源强度的相关关系，根据政策规划和历史发展趋势，先预测未来实际GDP、产业结构、工业能源强度的数值，再根据模拟到的相关关系预测未来年度一次能源消费量；
(2)能源结构预测：根据以前年度的煤、石油、天然气以及水、风、光、核能源消费结构，运用马尔科夫预测法，并结合相关政策，确定未来关键节点年度能源结构，从而推算出未来各年的能源结构；结合步骤(1) 计算的一次能源消费量，得到未来煤、石油、天然气以及水、风、光、核能源消费量；
(3)运用二氧化碳配方估算系数计算二氧化碳排放量；
(4)碳排放量预测：结合二氧化碳排放系数以及步骤(2)计算得到的煤、石油、天然气以及水、风、光、核及其他的能源消费量预测未来年度碳排放量。
优选地，所述碳排放量预测计算公式为：
二氧化碳排放量CO2＝2.763*coal+2.145*oil+1.642*gas
其中，coal为煤炭消费量，oil为石油消费量，gas为天然气消费量，各能源对应的二氧化碳排放估算系数见表1。
表1
能源 二氧化碳排放系数(千克/千克标准煤)
煤炭 2.763
石油 2.145
天然气 1.642
水、风、光、核及其他 0
优选地，所述一次能源消费量的获取方法，包括以下步骤：
(1)以前年度一次能源消费为被解释变量，以实际GDP、产业结构、工业能源强度为解释变量，建立如下模型：
ln resourcet＝α0ln GDPt+α1ln structure2t+α2ln industryt+εt
其中，lnresourcet为一次能源需求的对数，lnGDPt为实际GDP的对数，lnstructure2t为产业结构的对数，lnindustryt为工业能源强度的对数，εt为扰动项；a0为GDP的变化率对一次能源变化率的响应系数；a1为产业结构的变化率对一次能源变化率的响应系数；a2为工业能源强度的变化率对一次能源变化率的响应系数。
(2)基于拟合的回归结果，根据预测的未来年度的实际GDP、产业结构和工业能源强度，得到未来年度的一次能源消费量的需求；
其中，未来年度的实际GDP、产业结构和工业能源强度预测方法可以通过国家具体规划及发展趋势进行预测，各指标说明及数据来源见表2所示。
表2
指标名称 符号 数据说明
一次能源需求 resource 各种能源消费量转换为吨标准煤加总得到
实际GDP GDP 以固定年为不变价平减
产业结构 structure2 以固定年为不变价的第二产业增加值比总增加值
工业能源强度 industry 以工业能源消费比工业增加值得到工业能源强度
优选地，所述未来各年的能源结构的获取方法，方法以下步骤：
运用马尔可夫预测法推测未来年度煤炭、石油、天然气以及水、风、光、核及其他的能源结构，使结果更具可靠性。马尔科夫预测法原理如下：
马尔科夫预测法是应用随机过程中马尔科夫链的理论和方法研究经济现象未来发展变化及对其进行预测的方法。马尔科夫预测的基本模型为S(n+T)＝S(n)*PT，其中，S(n)为第n期煤炭、石油、天然气以及水、风、光、核及其他的能源结构，P为S(n)到S(n+T)的转移概率矩阵。
马尔科夫转移概率矩阵的建立遵循以下几个步骤：以煤炭为例：
Figure RE-GDA0003468738420000031
①计算保留概率元素值。保留概率元素为主对角线元素，表示能源结构保持原有份额的概率。当某指标结构从n时刻转移到n+T时刻，其中一种能源份额增加，则该能源的保留概率为1，反之为n时刻份额与n+T时刻的份额之比。
当S(n+T)≥S(n)P1→1(n)＝1；
当S(n+T)＜S(n)
Figure RE-GDA0003468738420000041
②保留概率为1的元素所在行的其他转移概率元素为0。因为若某行的保留概率为1，那么某指标的该能源份额增加或不变，故不存在向其他能源的转移。
Figure RE-GDA0003468738420000042
③保留概率小于1的元素所在列的其他转移概率元素为0。因为若该列的保留概率小于1，说明某指标该能源的份额减少，不可能从其他能源吸收。
Figure RE-GDA0003468738420000043
④保留概率小于1的元素所在行的非零转移概率元素值为
Figure RE-GDA0003468738420000044
由此，根据以前年度的煤、石油、天然气以及水、风、光、核及其他的能源消费量及未来年度的关键时间节点的国家政策规划，可以推测出以后年度的能源结构。
本发明具有以下优点：
本发明是提供一种基于社会经济数据的碳排放中长期预测方法，通过预测未来年度一次能源消费量和能源结构，结合碳排放估计系数，得到未来年度的碳排放量。
附图说明
图1是本发明所涉及的基于社会经济数据的碳排放中长期预测方法的步骤流程图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。应当指出的是，以下的实施实例只是对本发明的进一步说明，但本发明的保护范围并不限于以下实施例。
实施例
本实施例涉及一种基于社会经济数据的碳排放中长期预测方法，见图1 所示，包括以下步骤：
(1)一次能源需求预测：通过模拟以前年度的一次能源消费与实际GDP、产业结构、工业能源强度的相关关系，根据政策规划和历史发展趋势，先预测未来实际GDP、产业结构、工业能源强度的数值，再根据模拟到的相关关系预测未来年度一次能源消费量；
(2)能源结构预测：根据以前年度的煤、石油、天然气以及水、风、光、核能源消费结构，运用马尔科夫预测法，并结合相关政策，确定未来关键节点年度能源结构，从而推算出未来各年的能源结构；结合步骤(1) 计算的一次能源消费量，得到未来煤、石油、天然气以及水、风、光、核能源消费量；
(3)运用二氧化碳配方估算系数计算二氧化碳排放量；
(4)碳排放量预测：结合二氧化碳排放系数以及步骤(2)计算得到的煤、石油、天然气以及水、风、光、核及其他的能源消费量预测未来年度碳排放量。
所述碳排放量预测计算公式为：
二氧化碳排放量CO2＝2.763*coal+2.145*oil+1.642*gas
其中，coal为煤炭消费量，oil为石油消费量，gas为天然气消费量，各能源对应的二氧化碳排放估算系数见表1。
优选地，所述一次能源消费量的获取方法，包括以下步骤：
(1)以前年度一次能源消费为被解释变量，以实际GDP、产业结构、工业能源强度为解释变量，建立如下模型：
In resourcet＝α0ln GDPt+α1ln structure2t+α2ln industryt+εt
其中，lnresourcet为一次能源需求的对数，lnGDPt为实际GDP的对数，lnstructure2t为产业结构的对数，lnindustryt为工业能源强度的对数，εt为扰动项；a0为GDP的变化率对一次能源变化率的响应系数；a1为产业结构的变化率对一次能源变化率的响应系数；a2为工业能源强度的变化率对一次能源变化率的响应系数。
(2)基于拟合的回归结果，根据预测的未来年度的实际GDP、产业结构和工业能源强度，得到未来年度的一次能源消费量的需求；
其中，未来年度的实际GDP、产业结构和工业能源强度预测方法可以通过国家具体规划及发展趋势进行预测，各指标说明及数据来源见表2所示。
所述未来各年的能源结构的获取方法，方法以下步骤：
运用马尔可夫预测法推测未来年度煤炭、石油、天然气以及水、风、光、核及其他的能源结构，使结果更具可靠性。马尔科夫预测法原理如下：
马尔科夫预测法是应用随机过程中马尔科夫链的理论和方法研究经济现象未来发展变化及对其进行预测的方法。马尔科夫预测的基本模型为 S(n+T)＝S(n)*PT，其中，S(n)为第n期煤炭、石油、天然气以及水、风、光、核及其他的能源结构，P为S(n)到S(n+T)的转移概率矩阵。
马尔科夫转移概率矩阵的建立遵循以下几个步骤：以煤炭为例：
Figure RE-GDA0003468738420000061
①计算保留概率元素值。保留概率元素为主对角线元素，表示能源结构保持原有份额的概率。当某指标结构从n时刻转移到n+T时刻，其中一种能源份额增加，则该能源的保留概率为1，反之为n时刻份额与n+T时刻的份额之比。
当S(n+T)≥S(n)P1→1(n)＝1；
当S(n+T)＜S(n)
Figure RE-GDA0003468738420000071
②保留概率为1的元素所在行的其他转移概率元素为0。因为若某行的保留概率为1，那么某指标的该能源份额增加或不变，故不存在向其他能源的转移。
Figure RE-GDA0003468738420000072
③保留概率小于1的元素所在列的其他转移概率元素为0。因为若该列的保留概率小于1，说明某指标该能源的份额减少，不可能从其他能源吸收。
Figure RE-GDA0003468738420000073
④保留概率小于1的元素所在行的非零转移概率元素值为
Figure RE-GDA0003468738420000074
由此，根据以前年度的煤、石油、天然气以及水、风、光、核及其他的能源消费量及未来年度的关键时间节点的国家政策规划，可以推测出以后年度的能源结构。
本发明是提供一种基于社会经济数据的碳排放中长期预测方法，通过预测未来年度一次能源消费量和能源结构，结合碳排放估计系数，得到未来年度的碳排放量。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质。

Claims (4)

1.一种基于社会经济数据的碳排放中长期预测方法，其特征在于，包括以下步骤：
(1)一次能源需求预测：通过模拟以前年度的一次能源消费与实际GDP、产业结构、工业能源强度的相关关系，先预测未来实际GDP、产业结构、工业能源强度的数值，再根据模拟到的相关关系预测未来年度一次能源消费量；
(2)能源结构预测：根据以前年度的煤、石油、天然气以及水、风、光、核能源消费结构，运用马尔科夫预测法，确定未来关键节点年度能源结构，从而推算出未来各年的能源结构；结合步骤(1)计算的一次能源消费量，得到未来煤、石油、天然气以及水、风、光、核能源消费量；
(3)运用二氧化碳配方估算系数计算二氧化碳排放量；
(4)碳排放量预测：结合二氧化碳排放系数以及步骤(2)计算得到的煤、石油、天然气以及水、风、光、核能源消费量预测未来年度碳排放量。
2.如权利要求1所述的一种基于社会经济数据的碳排放中长期预测方法，其特征在于，所述碳排放量预测计算公式为：
二氧化碳排放量C02＝2.763*coal+2.145*oil+1.642*gas
其中，coal为煤炭消费量，oil为石油消费量，gas为天然气消费量。
3.如权利要求1所述的一种基于社会经济数据的碳排放中长期预测方法，其特征在于，所述一次能源消费量的获取方法，包括以下步骤：
(1)以前年度一次能源消费为被解释变量，以实际GDP、产业结构、工业能源强度为解释变量，建立如下模型：
lnresourcet＝α0lnGDPt+α1lnstructure2t+α2lnindustryt+εt
其中，lnresourcet为一次能源需求的对数，lnGDPt为实际GDP的对数，lnstructure2t为产业结构的对数，lnindustryt为工业能源强度的对数，εt为扰动项，a0为GDP的变化率对一次能源变化率的响应系数；a1为产业结构的变化率对一次能源变化率的响应系数；a2为工业能源强度的变化率对一次能源变化率的响应系数；
(2)基于拟合的回归结果，根据预测的未来年度的实际GDP、产业结构和工业能源强度，得到未来年度的一次能源消费量的需求；
其中，未来年度的实际GDP、产业结构和工业能源强度预测方法可以通过国家具体规划及发展趋势进行预测。
4.如权利要求1所述的一种基于社会经济数据的碳排放中长期预测方法，其特征在于，所述未来各年的能源结构的获取方法具体为：
运用马尔可夫预测法推测未来年度煤炭、石油、天然气以及水、风、光、核能源结构；
其中，马尔科夫预测法原理如下：
马尔科夫预测的基本模型为S(n+T)＝S(n)*PT；
其中，S(n)为第n期煤炭、石油、天然气以及水、风、光、核能源结构，P为S(n)到S(n+T)的转移概率矩阵；
马尔科夫转移概率矩阵的建立遵循以下几个步骤：以煤炭为例：
Figure FDA0003377030290000021
①计算保留概率元素值，保留概率元素为主对角线元素，表示能源结构保持原有份额的概率；当某指标结构从n时刻转移到n+T时刻，其中一种能源份额增加，则该能源的保留概率为1，反之为n时刻份额与n+T时刻的份额之比；
当S(n+T)≥S(n) P1→1(n)＝1；
当S(n+T)＜S(n)
Figure FDA0003377030290000022
②保留概率为1的元素所在行的其他转移概率元素为0，若某行的保留概率为1，那么某指标的该能源份额增加或不变，故不存在向其他能源的转移；
Figure FDA0003377030290000032
P1→3(n)＝0；
③保留概率小于1的元素所在列的其他转移概率元素为0，若该列的保留概率小于1，说明某指标该能源的份额减少，不可能从其他能源吸收；
Figure FDA0003377030290000033
P3→1(n)＝0；
④保留概率小于1的元素所在行的非零转移概率元素值为
Figure FDA0003377030290000031
由此，根据以前年度的煤、石油、天然气以及水、风、光、核能源消费量及未来年度的关键时间节点的国家政策规划，推测出以后各年度的能源结构。
CN202111422568.9A 2021-11-26 2021-11-26 一种基于社会经济数据的碳排放中长期预测方法 Pending CN114154703A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111422568.9A CN114154703A (zh) 2021-11-26 2021-11-26 一种基于社会经济数据的碳排放中长期预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111422568.9A CN114154703A (zh) 2021-11-26 2021-11-26 一种基于社会经济数据的碳排放中长期预测方法

Publications (1)

Publication Number Publication Date
CN114154703A true CN114154703A (zh) 2022-03-08

Family

ID=80458111

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111422568.9A Pending CN114154703A (zh) 2021-11-26 2021-11-26 一种基于社会经济数据的碳排放中长期预测方法

Country Status (1)

Country Link
CN (1) CN114154703A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114611845A (zh) * 2022-05-12 2022-06-10 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

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114611845A (zh) * 2022-05-12 2022-06-10 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

Similar Documents

Publication Publication Date Title
Mehmood et al. A review of the applications of artificial intelligence and big data to buildings for energy-efficiency and a comfortable indoor living environment
Weber et al. Impact of climate change on backup energy and storage needs in wind-dominated power systems in Europe
Zheng et al. Projection of future global offshore wind energy resources using CMIP data
Sharmina Low-carbon scenarios for Russia's energy system: A participative backcasting approach
Canyurt et al. Three different applications of genetic algorithm (GA) search techniques on oil demand estimation
Lau et al. Modelling carbon emissions in electric systems
CN114254838B (zh) 一种短期电力负荷预测影响因子的确定方法
CN111856621A (zh) 一种基于模式与观测数据融合的集成演变svd转换方法
Hu et al. Challenges for China to achieve carbon neutrality and carbon peak goals: Beijing case study
CN114154703A (zh) 一种基于社会经济数据的碳排放中长期预测方法
Parkin et al. Net-zero buildings: when carbon and energy metrics diverge
Dong et al. Improving the accuracy of wind speed statistical analysis and wind energy utilization in the Ningxia Autonomous Region, China
Yang et al. Average propagation length analysis for the change trend of China’s construction industry chain
Demircioğlu et al. Energy consumption forecast of Turkey using artificial neural networks from a sustainability perspective
Huckebrink et al. How user behaviour affects emissions and costs in residential energy systems—The impacts of clothing and thermal comfort
Meran Thermodynamic constraints and the use of energy-dependent CES-production functions A cautionary comment
CN112036686B (zh) 基于理论线损区间计算的低压配电台区线损评价方法
Guo et al. Uncertainty quantification and sensitivity analysis of energy consumption in substation buildings at the planning stage
CN105005623A (zh) 基于关键词检索指数相关性分析的用电需求预测方法
Guo et al. Using the quarterly compound fractional grey model to predict the air quality in 22 cities of China
CN116051335A (zh) 一种通过大数据预测方向的环境碳管理方法
Amonkar et al. Differential effects of climate change on average and peak demand for heating and cooling across the contiguous United States
Shang et al. The grey Theta forecasting model and its application to forecast primary energy consumption in major industrial countries
CN103337042A (zh) 基于双向渐进的地面太阳辐射净空模型构建方法
Xu et al. A generative computational workflow to develop actionable renovation strategies for renewable built environments: A case study of Sheffield

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