CN114186806A - 一种基于单层lmdi的碳排放量影响因素分析方法及系统 - Google Patents

一种基于单层lmdi的碳排放量影响因素分析方法及系统 Download PDF

Info

Publication number
CN114186806A
CN114186806A CN202111392978.3A CN202111392978A CN114186806A CN 114186806 A CN114186806 A CN 114186806A CN 202111392978 A CN202111392978 A CN 202111392978A CN 114186806 A CN114186806 A CN 114186806A
Authority
CN
China
Prior art keywords
carbon emission
energy
year
type
data
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
CN202111392978.3A
Other languages
English (en)
Inventor
李冰洁
王盛
胡晓燕
陈琛
葛毅
李泽森
陈浩
马亚辉
郭磊
王林钰
邹风华
陈爱康
江海燕
史文博
陈�光
丁一帆
韩四维
周佳伟
翟俊义
刘澜
朱迪
赵杨阳
徐海华
陈杰军
陈倩
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.)
State Grid Suzhou Urban Energy Research Institute Co ltd
Economic and Technological Research Institute of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
State Grid Suzhou Urban Energy Research Institute Co ltd
Economic and Technological Research Institute of State Grid Jiangsu 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 State Grid Suzhou Urban Energy Research Institute Co ltd, Economic and Technological Research Institute of State Grid Jiangsu Electric Power Co Ltd filed Critical State Grid Suzhou Urban Energy Research Institute Co ltd
Priority to CN202111392978.3A priority Critical patent/CN114186806A/zh
Publication of CN114186806A publication Critical patent/CN114186806A/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
    • G06Q10/06—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
    • 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
    • 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
    • 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)
  • Strategic Management (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于单层LMDI的碳排放量影响因素分析方法及系统，该分析方法包括获取数据，构建碳排放量影响因素分析模型；将获取的数据输入碳排放量影响因素分析模型，计算历年总碳排放量及总碳排放增量，分析人口、经济增长、能源结构、产业结构、能耗强度以及碳排放系数对碳排放增量的影响，并结合分析结果，对政府碳减排规划的政策制定和目标实现提供支撑；其中，获取的数据包括待测地区历年人口数据、产业结构数据、各产业GDP数据、各产业对各类型能源的消耗数据以及各类型能源的碳排放系数；该系统被配制实现上述分析方法。本发明能够快速衡量多种复杂因素对碳排放量的影响，从而为政府政策规划制定和目标实现提供支撑。

Description

一种基于单层LMDI的碳排放量影响因素分析方法及系统
技术领域
本发明涉及一种基于单层LMDI的碳排放量影响因素分析方法及系统，属于碳排放测算技术领域。
背景技术
我国提出了“碳达峰”和“碳中和”目标以实现低碳发展。全国减少碳排放总量和降低碳排放强度的指标被逐级分解到各省、市。因此，准确评估省级碳排放量，分析碳排放的增长因素，是制定能源和产业发展政策的基石之一。
以往对于碳排放影响因素的分析，通常包括结构分解法、指标分解法和基于回归分析的方法。在其中，指标分解法由于其准确、易操作，对数据要求不高的特点，适宜分析在给定时间和给定区域内的碳排放结构。
但是，现有的研究中忽略了一些因素，这将会导致不准确、不适宜的结果和结论。首先，无论是在官方统计口径还是学术数据库中，外来电对碳排放的影响通常不纳入计算。我国电源和负荷的分布不均，例如江浙沪作为东南沿海的负荷中心，接收大量来自四川等省份的外来电。因此，将这部分电力所带来的碳排放，不纳入东南沿海的碳排放量计算，而纳入四川能源部门的碳排放，显然是不合理的。其次，以往的研究中通常难以同时分析产业结构和能源结构两个因素。即使分析，也多采用多层次的LMDI模型，计算较为复杂。
发明内容
本发明的目的在于克服现有技术中的不足，提供一种一种基于单层LMDI的碳排放量影响因素分析方法及系统，能够快速衡量多种复杂因素对碳排放量的影响，从而为政府政策规划制定和目标实现提供支撑。
为达到上述目的，本发明是采用下述技术方案实现的：
一方面，本发明提供一种基于单层LMDI的碳排放量影响因素分析方法，包括以下步骤：
获取数据，包括待测地区历年人口数据、产业结构数据、各产业GDP数据、各产业对各类型能源的消耗数据以及各类型能源的碳排放系数；
构建碳排放量影响因素分析模型；
将获取的数据输入碳排放量影响因素分析模型，计算历年总碳排放量及总碳排放增量，分析人口、经济增长、能源结构、产业结构、能耗强度以及碳排放系数对碳排放增量的影响，并结合分析结果，对政府碳减排规划的政策制定和目标实现提供支撑。
进一步地，该分析方法用于分析省级地区历年碳排放增量以及人口、经济增长、能源结构、产业结构、能耗强度以及碳排放系数对碳排放增量的影响。
进一步地，所述碳排放量影响因素分析模型是基于单层LMDI构建。
进一步地，所述碳排放量影响因素分析模型包括历年总碳排放量由(1)式计算：
Figure BDA0003369003870000021
其中，ct为年份t的总碳排放量，I为各能源类型的集合，J为各行业类型的集合，ei,j,t为第t年j类型产业对i类型能源的消耗数据，αi,t为第t年i类型能源的碳排放系数。
进一步地，所述碳排放量影响因素分析模型包括历年总碳排放增量由(2)-(4)式计算：
ci,j,0＝ei,j,0·αi,0 (2)
ci,j,t＝ei,j,t·αi,t (3)
Figure BDA0003369003870000022
其中，ci,j,0为初始年份j类型产业消耗i类型能源时的碳排放量，ei,j,0为初始年份j类型产业对i类型能源的消耗数据，αi,0为初始年份i类型能源的碳排放系数，ci,j,t为第t年j类型产业消耗i类型能源时的碳排放量，Δct为第t年总碳排放增量。
进一步地，所述碳排放量影响因素分析模型包括由(5)-(10)式分析人口、经济增长、能源结构、产业结构、能耗强度以及碳排放系数对碳排放增量的影响：
Figure BDA0003369003870000023
Figure BDA0003369003870000024
Figure BDA0003369003870000025
Figure BDA0003369003870000026
Figure BDA0003369003870000027
Figure BDA0003369003870000028
其中，
Figure BDA0003369003870000029
为第t年由于人口因素引起的碳排放增量，
Figure BDA00033690038700000210
为第t年由于人口因素致使j类型产业消耗i类型能源而产生的碳排放增量，p0为初始年份的人口数据，pt为第t年的人口数据，
Figure BDA00033690038700000211
为第t年由于经济增长因素引起的碳排放增量，
Figure BDA00033690038700000212
为第t年由于经济增长因素致使j类型产业消耗i类型能源而产生的碳排放增量，gt为第t年的产业结构数据，
Figure BDA0003369003870000031
为第t年由于能源结构因素引起的碳排放增量，
Figure BDA0003369003870000032
为第t年由于能源结构因素致使j类型产业消耗i类型能源而产生的碳排放增量，ej,0为初始年份j类型产业对能源的总消耗数据，ej,t为第t年j类型产业对能源的总消耗数据，
Figure BDA0003369003870000033
为第t年由于产业结构因素引起的碳排放增量，
Figure BDA0003369003870000034
为第t年由于产业结构因素致使j类型产业消耗i类型能源而产生的碳排放增量，g0为初始年份的产业结构数据，gj,0为第t年的产业结构数据，gj,t为第t年j类型行业的GDP数据，
Figure BDA0003369003870000035
为第t年由于能耗强度因素引起的碳排放增量，
Figure BDA0003369003870000036
为第t年由于能耗强度因素致使j类型产业消耗i类型能源而产生的碳排放增量，
Figure BDA0003369003870000037
为第t年由于碳排放系数因素引起的碳排放增量，
Figure BDA0003369003870000038
为第t年由于碳排放系数因素致使j类型产业消耗i类型能源而产生的碳排放增量。
另一方面，本发明提供一种基于单层LMDI的碳排放量影响因素分析系统，包括：
获取数据模块，被配置用于获取数据，包括待测地区历年人口数据、产业结构数据、各产业GDP数据、各产业对各类型能源的消耗数据以及各类型能源的碳排放系数；
模型构建模块，被配置用于构建碳排放量影响因素分析模型；
分析模块，被配置用于将获取的数据输入碳排放量影响因素分析模型，计算历年总碳排放量及总碳排放增量，分析人口、经济增长、能源结构、产业结构、能耗强度以及碳排放系数对碳排放增量的影响，并结合分析结果，对政府碳减排规划的政策制定和目标实现提供支撑。
与现有技术相比，本发明所达到的有益效果：
本发明可通过历年人口数据、产业结构数据、各产业GDP数据、各产业对各类型能源的消耗数据以及各类型能源的碳排放系数，够快速衡量人口、经济增长、能源结构、产业结构、能耗强度以及碳排放系数对碳排放增量的影响，并结合分析结果，对政府碳减排规划的政策制定和目标实现提供支撑。
附图说明
图1所示为本发明江苏省基于单层LMDI的碳排放量影响因素分析条形图；
图2所示为本发明江苏省工业产业基于单层LMDI的碳排放量影响因素分析条形图；
图3所示为本发明江苏省交通产业基于单层LMDI的碳排放量影响因素分析条形图；
图4所示为本发明江苏省建筑产业基于单层LMDI的碳排放量影响因素分析条形图；
图5所示为本发明基于单层LMDI的碳排放量影响因素分析方法的一种实施例流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
对数平均迪氏指数(Logarithmic Mean Divisia Index)法是指数分解法的一种，简称LMDI。LMDI的基本思想是把一个目标变量的变化分解成若干个影响因素变化的组合。
实施例1
本实施例提供一种基于单层LMDI的碳排放量影响因素分析方法，参考图5，包括以下步骤：
获取数据，包括待测地区历年人口数据、产业结构数据、各产业GDP数据、各产业对各类型能源的消耗数据以及各类型能源的碳排放系数；
构建碳排放量影响因素分析模型；
将获取的数据输入碳排放量影响因素分析模型，计算历年总碳排放量及总碳排放增量，分析人口、经济增长、能源结构、产业结构、能耗强度以及碳排放系数对碳排放增量的影响，并结合分析结果，对政府碳减排规划的政策制定和目标实现提供支撑。
应用中，本发明的分析方法用于分析省级地区历年碳排放增量以及人口、经济增长、能源结构、产业结构、能耗强度以及碳排放系数对碳排放增量的影响。
本发明能够快速衡量多种复杂因素对碳排放量的影响，从而为政府政策规划制定和目标实现提供支撑。
实施例2
在实施例1的基础上，本实施例的碳排放量影响因素分析模型是基于单层LMDI构建，应用中碳排放量影响因素分析模型包括历年总碳排放量的计算、历年总碳排放增量的计算以及人口、经济增长、能源结构、产业结构、能耗强度和碳排放系数等因素对碳排放增量影响的分析。
具体如下：
(一)历年总碳排放量的计算
历年总碳排放量由(1)式计算：
Figure BDA0003369003870000041
其中，ct为年份t的总碳排放量，
I为各能源类型的集合，例如包括煤炭类、石油类等，其中煤炭类又包括原煤、洗精煤等，
J为各行业类型的集合，例如工业、交通、建筑等，
ei,j,t为第t年j类型产业对i类型能源的消耗数据，且能源的消耗数据指折算至标煤后的数值，
αi,t为第t年i类型能源的碳排放系数。
(二)历年总碳排放增量的计算
历年总碳排放增量由(2)-(4)式计算：
ci,j,0＝ei,j,0·αi,0 (2)
ci,j,t＝ei,j,t·αi,t (3)
Figure BDA0003369003870000051
其中，ci,j,0为初始年份j类型产业消耗i类型能源时的碳排放量，ei,j,0为初始年份j类型产业对i类型能源的消耗数据，αi,0为初始年份i类型能源的碳排放系数，ci,j,t为第t年j类型产业消耗i类型能源时的碳排放量，Δct为第t年总碳排放增量。
本实施例应用时，根据Kaya公式扩展(1)-(4)式可得(41)式：
Figure BDA0003369003870000052
其中，pt为第t年的人口数据，gt为第t年的产业结构数据，ej,t为第t年j类型产业对能源的总消耗数据，gj,t为第t年j类型行业的GDP数据，At为第t年由于人口因素产生的碳排放量，Bi,j,t为第t年由于能源结构因素致使j类型产业消耗i类型能源而产生的碳排放量，Cj,t为第t年由于产业结构因素致使j类型产业消耗能源而产生的碳排放量，Di,j,t为第t年由于能耗强度因素致使j类型产业消耗i类型能源而产生的碳排放增量。
应用中，通过扩展(41)式，即可通过(42)式计算第t年和初始年份之间碳排放的差值：
Figure BDA0003369003870000053
其中，
Figure BDA0003369003870000054
为第t年由于人口因素致使j类型产业消耗i类型能源而产生的碳排放增量，
Figure BDA0003369003870000055
为第t年由于经济增长因素致使j类型产业消耗i类型能源而产生的碳排放增量，
Figure BDA0003369003870000056
为第t年由于能源结构因素致使j类型产业消耗i类型能源而产生的碳排放增量，
Figure BDA0003369003870000057
为第t年由于产业结构因素致使j类型产业消耗i类型能源而产生的碳排放增量，
Figure BDA0003369003870000058
为第t年由于能耗强度因素致使j类型产业消耗i类型能源而产生的碳排放增量，
Figure BDA0003369003870000059
为第t年由于碳排放系数因素致使j类型产业消耗i类型能源而产生的碳排放增量。
(三)人口、经济增长、能源结构、产业结构、能耗强度和碳排放系数等因素对碳排放增量影响的分析
由(5)-(10)式逐一分析人口、经济增长、能源结构、产业结构、能耗强度以及碳排放系数等因素对碳排放增量的影响：
Figure BDA0003369003870000061
Figure BDA0003369003870000062
Figure BDA0003369003870000063
Figure BDA0003369003870000064
Figure BDA0003369003870000065
Figure BDA0003369003870000066
其中，
Figure BDA0003369003870000067
为第t年由于人口因素引起的碳排放增量，p0为初始年份的人口数据，
Figure BDA0003369003870000068
为第t年由于经济增长因素引起的碳排放增量，
Figure BDA0003369003870000069
为第t年由于能源结构因素引起的碳排放增量，ej,0为初始年份j类型产业对能源的总消耗数据，
Figure BDA00033690038700000610
为第t年由于产业结构因素引起的碳排放增量，g0为初始年份的产业结构数据，gj,0为第t年的产业结构数据，
Figure BDA00033690038700000611
为第t年由于能耗强度因素引起的碳排放增量，
Figure BDA00033690038700000612
为第t年由于碳排放系数因素引起的碳排放增量。
实施例3
与实施例1或2基于相同的发明构思，本实施例介绍一种基于单层LMDI的碳排放量影响因素分析系统，包括：
获取数据模块，被配置用于获取数据，包括待测地区历年人口数据、产业结构数据、各产业GDP数据、各产业对各类型能源的消耗数据以及各类型能源的碳排放系数；
模型构建模块，被配置用于构建碳排放量影响因素分析模型；
分析模块，被配置用于将获取的数据输入碳排放量影响因素分析模型，计算历年总碳排放量及总碳排放增量，分析人口、经济增长、能源结构、产业结构、能耗强度以及碳排放系数对碳排放增量的影响，并结合分析结果，对政府碳减排规划的政策制定和目标实现提供支撑。
以上各模块的具体功能实现，参考实施例1或2中的相关内容。
实施例4
在实施例1-3任一实施例的基础上，本实施例将2010-2019年江苏省的人口数据、产业结构数据、各产业GDP数据、各产业对各类型能源的消耗数据以及各类型能源的碳排放系数输入预先构建的碳排放量影响因素分析模型进行数据分析，并将分析结果绘制成条形图。
参考图1，2010-2019年十年内，江苏省的人口、经济增长、能源结构、产业结构、能耗强度和碳排放系数等六个因素对碳排放量的总贡献量分别为20.86、637.79、-108.36、-299.21和21.05百万吨。首先，人口对碳排放增长起着促进作用，占碳排放总增长量的6.72％，由此可见，由于人口增长导致的碳排放增量仍在合理范围内。其次，经济增长是碳排放增长的主要驱动因素，占碳排放总增长量的205.60％。每年中的该因素导致的碳排放增长量皆为正值，这说明经济增长仍然是以大量消耗高碳排放的能源为代价的。
应用中，将数据按照工业、交通和建筑产业类型划分后，逐一输入预先构建的碳排放量影响因素分析模型进行数据分析，并将分析结果绘制成条形图。
参考图2-4，经济增长是各产业碳排放增长的主要驱动因素，尤其是工业产业和建筑产业。这说明江苏省的经济增长与这两个产业息息相关。
参考图1-4，能源结构对碳排放量的增长起着抑制作用，仅在某些年份内起着促进作用，这与能源结构中煤炭消耗占比的波动息息相关。
参考图1-4，产业结构对碳排放量起着抑制作用，这说明产业结构的规划有效降低碳排放量，但是，建筑产业的产业结构对碳排放量起着促进作用，且工业产业中产业结构的碳排放量占比较大，由此可见，整产业结构的规划需要进一步优化。
参考图1-4，能耗强度对碳排放量的增长起着抑制作用，尤其是工业产业和建筑产业中更加突出，这说明电能替代等节能减排措施有效降低了碳排放量，但是，交通产业在某些年份的能耗强度对碳排放量起着促进作用，这是由于对传统化石能源有着较大的依赖，由此可见，交通产业的能耗强度规划需要进一步优化。
综上实施例，本发明可在同时考虑外来电、产业结构和能源结构的情况下，分析评估碳排放量的影响因素，并提出相关结论和政策建议。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请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。
本申请是参照根据本申请实施例的方法、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。
以上结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (7)

1.一种基于单层LMDI的碳排放量影响因素分析方法，其特征在于，包括以下步骤：
获取数据，包括待测地区历年人口数据、产业结构数据、各产业GDP数据、各产业对各类型能源的消耗数据以及各类型能源的碳排放系数；
构建碳排放量影响因素分析模型；
将获取的数据输入碳排放量影响因素分析模型，计算历年总碳排放量及总碳排放增量，分析人口、经济增长、能源结构、产业结构、能耗强度以及碳排放系数对碳排放增量的影响，并结合分析结果，对政府碳减排规划的政策制定和目标实现提供支撑。
2.根据权利要求1所述的基于单层LMDI的碳排放量影响因素分析方法，其特征在于，该分析方法用于分析省级地区历年碳排放增量和人口、经济增长、能源结构、产业结构、能耗强度以及碳排放系数对碳排放增量的影响。
3.根据权利要求1所述的基于单层LMDI的碳排放量影响因素分析方法，其特征在于，所述碳排放量影响因素分析模型是基于单层LMDI构建。
4.根据权利要求2所述的基于单层LMDI的碳排放量影响因素分析方法，其特征在于，所述碳排放量影响因素分析模型包括历年总碳排放量由(1)式计算：
Figure FDA0003369003860000011
其中，ct为年份t的总碳排放量，I为各能源类型的集合，J为各行业类型的集合，ei,j,t为第t年j类型产业对i类型能源的消耗数据，αi,t为第t年i类型能源的碳排放系数。
5.根据权利要求4所述的基于单层LMDI的碳排放量影响因素分析方法，其特征在于，所述碳排放量影响因素分析模型包括历年总碳排放增量由(2)-(4)式计算：
ci,j,0＝ei,j,0·αi,0 (2)
ci,j,t＝ei,j,t·αi,t (3)
Figure FDA0003369003860000012
其中，ci,j,0为初始年份j类型产业消耗i类型能源时的碳排放量，ei,j,0为初始年份j类型产业对i类型能源的消耗数据，αi,0为初始年份i类型能源的碳排放系数，ci,j,t为第t年j类型产业消耗i类型能源时的碳排放量，Δct为第t年总碳排放增量。
6.根据权利要求5所述的基于单层LMDI的碳排放量影响因素分析方法，其特征在于，所述碳排放量影响因素分析模型包括由(5)-(10)式分析人口、经济增长、能源结构、产业结构、能耗强度以及碳排放系数对碳排放增量的影响：
Figure FDA0003369003860000021
Figure FDA0003369003860000022
Figure FDA0003369003860000023
Figure FDA0003369003860000024
Figure FDA0003369003860000025
Figure FDA0003369003860000026
其中，
Figure FDA0003369003860000027
为第t年由于人口因素引起的碳排放增量，
Figure FDA0003369003860000028
为第t年由于人口因素致使j类型产业消耗i类型能源而产生的碳排放增量，p0为初始年份的人口数据，pt为第t年的人口数据，
Figure FDA0003369003860000029
为第t年由于经济增长因素引起的碳排放增量，
Figure FDA00033690038600000210
为第t年由于经济增长因素致使j类型产业消耗i类型能源而产生的碳排放增量，gt为第t年的产业结构数据，
Figure FDA00033690038600000211
为第t年由于能源结构因素引起的碳排放增量，
Figure FDA00033690038600000212
为第t年由于能源结构因素致使j类型产业消耗i类型能源而产生的碳排放增量，ej,0为初始年份j类型产业对能源的总消耗数据，ej,t为第t年j类型产业对能源的总消耗数据，
Figure FDA00033690038600000213
为第t年由于产业结构因素引起的碳排放增量，
Figure FDA00033690038600000214
为第t年由于产业结构因素致使j类型产业消耗i类型能源而产生的碳排放增量，g0为初始年份的产业结构数据，gj,0为第t年的产业结构数据，gj,t为第t年j类型行业的GDP数据，
Figure FDA00033690038600000215
为第t年由于能耗强度因素引起的碳排放增量，
Figure FDA00033690038600000216
为第t年由于能耗强度因素致使j类型产业消耗i类型能源而产生的碳排放增量，
Figure FDA00033690038600000217
为第t年由于碳排放系数因素引起的碳排放增量，
Figure FDA00033690038600000218
为第t年由于碳排放系数因素致使j类型产业消耗i类型能源而产生的碳排放增量。
7.一种基于单层LMDI的碳排放量影响因素分析系统，其特征在于，包括：
获取数据模块，被配置用于获取数据，包括待测地区历年人口数据、产业结构数据、各产业GDP数据、各产业对各类型能源的消耗数据以及各类型能源的碳排放系数；
模型构建模块，被配置用于构建碳排放量影响因素分析模型；
分析模块，被配置用于将获取的数据输入碳排放量影响因素分析模型，计算历年总碳排放量及总碳排放增量，分析人口、经济增长、能源结构、产业结构、能耗强度以及碳排放系数对碳排放增量的影响，并结合分析结果，对政府碳减排规划的政策制定和目标实现提供支撑。
CN202111392978.3A 2021-11-23 2021-11-23 一种基于单层lmdi的碳排放量影响因素分析方法及系统 Pending CN114186806A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111392978.3A CN114186806A (zh) 2021-11-23 2021-11-23 一种基于单层lmdi的碳排放量影响因素分析方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111392978.3A CN114186806A (zh) 2021-11-23 2021-11-23 一种基于单层lmdi的碳排放量影响因素分析方法及系统

Publications (1)

Publication Number Publication Date
CN114186806A true CN114186806A (zh) 2022-03-15

Family

ID=80541240

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111392978.3A Pending CN114186806A (zh) 2021-11-23 2021-11-23 一种基于单层lmdi的碳排放量影响因素分析方法及系统

Country Status (1)

Country Link
CN (1) CN114186806A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114841007A (zh) * 2022-05-17 2022-08-02 杨邦会 一种基于城市区域尺度的碳排放扩散影响分析方法
CN116109463A (zh) * 2023-04-17 2023-05-12 国网安徽省电力有限公司经济技术研究院 一种电网工程建设阶段碳排放分析方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114841007A (zh) * 2022-05-17 2022-08-02 杨邦会 一种基于城市区域尺度的碳排放扩散影响分析方法
CN116109463A (zh) * 2023-04-17 2023-05-12 国网安徽省电力有限公司经济技术研究院 一种电网工程建设阶段碳排放分析方法

Similar Documents

Publication Publication Date Title
CN114186806A (zh) 一种基于单层lmdi的碳排放量影响因素分析方法及系统
Zhang et al. Direct energy rebound effect for road passenger transport in China: a dynamic panel quantile regression approach
Wu et al. Measuring energy and environmental performance for regions in China by using DEA-based Malmquist indices
Lin et al. Evaluating the CO2 performance of China's non-ferrous metals Industry: A total factor meta-frontier Malmquist index perspective
Song et al. DEA decomposition of China’s environmental efficiency based on search algorithm
Fujii et al. Determinants of eco-efficiency in the Chinese industrial sector
Zhang et al. Efficiency evaluation of Chinese regional industrial systems using a dynamic two-stage DEA approach
Gao et al. Synergistic effects of environmental regulations on carbon productivity growth in China’s major industrial sectors
CN111080481A (zh) 一种基于马尔可夫链修正的电能替代潜力灰色分析方法
He et al. The impact of environmental regulation on green total factor productivity: An empirical analysis
Yang et al. Industrial production: Pursuing scale expansion or pollution reduction? Judgment based on the Copeland-Toylor model
Xu et al. Industrial three-division network system in China: efficiencies and their impact factors
Zhang et al. Unified efficiency of coal mining enterprises in China: An analysis based on meta-frontier non-radial directional distance functions
Su et al. Low-carbon transformation of natural resource industry in China: Determinants and policy implications to achieve COP26 targets
Fang Short-term carbon emission prediction method of green building based on IPAT model
Rong et al. Assessing the coordinate development between economy and ecological environment in China’s 30 provinces from 2013 to 2019
Liu et al. Does environmental regulation promote green technology innovation in Chinese manufacturing?
CN112651552A (zh) 一种基于电力大数据产业结构优化方法、装置及存储介质
Ren et al. Impact of the digital economy on the green transformation of China's manufacturing industry: A dual perspective of technological innovation and industrial structure optimization
Taghvaee et al. Environment, energy, and environmental productivity of energy: a decomposition analysis in China and the US
CN113837912B (zh) 一种建筑业碳排放影响因素分析方法
CN112085257B (zh) 一种基于时序分析的综合能源业务潜力预测模型
CN114331219A (zh) 一种双碳目标下城市规模工业发展可行域评估方法
CN113052390A (zh) 一种基于社会经济数据的环境质量预测方法
Ch et al. Environmental risk management on the enterprise to realize green development

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