CN114358376A - 碳减排投入成本的优化方法及装置、电子设备及存储介质 - Google Patents
碳减排投入成本的优化方法及装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114358376A CN114358376A CN202111439301.0A CN202111439301A CN114358376A CN 114358376 A CN114358376 A CN 114358376A CN 202111439301 A CN202111439301 A CN 202111439301A CN 114358376 A CN114358376 A CN 114358376A
- Authority
- CN
- China
- Prior art keywords
- emission reduction
- cost
- strategy
- data
- initial
- 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
Links
- 230000009467 reduction Effects 0.000 title claims abstract description 636
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 119
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 119
- 238000005457 optimization Methods 0.000 title claims abstract description 103
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000006870 function Effects 0.000 claims description 31
- 238000012163 sequencing technique Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000012423 maintenance Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 abstract description 54
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 52
- 229910002092 carbon dioxide Inorganic materials 0.000 description 26
- 239000001569 carbon dioxide Substances 0.000 description 26
- 238000004134 energy conservation Methods 0.000 description 8
- 238000007727 cost benefit analysis Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000000875 corresponding effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 230000009919 sequestration Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种碳减排投入成本的优化方法及装置、电子设备及存储介质。其中，该优化方法包括：获取约束数据，基于约束数据，采用预先构建的优化模型，计算每个预选减排策略的投入成本数据，得到多个优化结果数据，将最小的碳减排投入成本所指示的预选减排策略作为目标减排策略，其中，目标减排策略用于对目标电力行业进行碳减排操作。本发明解决了相关技术中选择的减排策略较差影响进行碳减排操作的技术问题。
Description
技术领域
本发明涉及数据处理技术领域，具体而言，涉及一种碳减排投入成本的优化方法及装置、电子设备及存储介质。
背景技术
相关技术中，二氧化碳减排成本较大，现有的减排方案在行业内的推广率不高，对减排成本的认识不足，以及不同行业主体在二氧化碳排放量分担过程中博弈冲突不断等。因此，为了在考虑各减排主体减排责任公平合理性的同时，以最经济的方案实现减排目标，需要对减排策略进行优化处理。
电力行业作为高耗能和高排放的产业，对各电力企业实现节能减排是应对气候变化和治理环境污染的重中之重。相关技术中，关于电力行业节能减排的减排策略包括以下两类：(1)通过各区域电力行业的宏观数据来分析各区域的节能减排潜力。然而，这些减排策略往往只能对电力行业的节能减排提供简单方案，提供区域层面上的节能和减排建议，而无法提供深入到各种减排策略的采纳和运用；(2)对于电力行业的单个节能减排技术，分析其节能减排的潜力和成本。然而，这些微观研究大多分析了单位装机容量或者单个电厂的节能减排技术投资回报，没有提供各减排策略在各区域层面的总节能和减排潜力。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种碳减排投入成本的优化方法及装置、电子设备及存储介质，以至少解决相关技术中选择的减排策略较差影响进行碳减排操作的技术问题。
根据本发明实施例的一个方面，提供了一种碳减排投入成本的优化方法，包括：获取约束数据，其中，所述约束数据至少包括：每个预选减排策略的总预算数据、运营成本数据、碳减排目标数据、行业推广率数据；基于所述约束数据，采用预先构建的优化模型，计算每个所述预选减排策略的投入成本数据，得到多个优化结果数据，其中，每个所述优化结果数据包含碳减排投入成本；将最小的碳减排投入成本所指示的预选减排策略作为目标减排策略，其中，所述目标减排策略用于对目标电力行业进行碳减排操作。
可选地，在获取约束数据之前，所述优化方法还包括：获取历史过程中在初始减排策略集合中每个初始减排策略的参数数据，其中，所述初始减排策略集合中包括：多个初始减排策略，所述参数数据至少包括：初始减排策略的名称、初始投资成本、年度减排能力、运行维护成本、生命周期；基于所述参数数据，计算每个所述初始减排策略在一个生命周期内的减排总成本，其中，所述减排总成本至少包括：初始投资金额和运行成本；计算所述减排总成本与一个生命周期内的减排总量的比值，得到每个所述初始减排策略的单位减排成本。
可选地，在计算所述减排总成本与一个生命周期内的减排总量的比值，得到每个所述初始减排策略的单位减排成本之后，所述优化方法还包括：对每个所述初始减排策略的单位减排成本进行排序，得到排序结果；基于所述排序结果，选择单位减排成本小于预设值的初始减排策略，并将选择的初始减排策略作为所述预选减排策略。
可选地，基于所述约束数据，采用预先构建的优化模型，计算每个所述预选减排策略的投入成本数据的步骤，包括：确定所述优化模型的决策变量，其中，所述决策变量包括每个所述预选减排策略的投入成本；确定所述优化模型的目标函数，其中，所述目标函数为碳减排投入成本最小化，所述碳减排投入成本至少包括：初始投资成本和运行成本；确定所述优化模型的约束条件，其中，所述约束条件至少包括：预选减排策略的总预算约束、运营成本约束、碳减排目标约束、预期行业推广率约束；基于所述约束数据、所述决策变量、所述目标函数以及所述约束条件，计算每个所述预选减排策略的投入成本数据。
可选地，确定所述优化模型的目标函数的步骤，包括：获取第一预设时间段内每个所述预选减排策略的初始投资额、每个所述预选减排策略的单位减排运营成本以及每个所述预选减排策略的碳减排量；基于所述初始投资额、所述单位减排运营成本以及所述碳减排量，确定所述优化模型的目标函数。
可选地，确定所述优化模型的约束条件的步骤，包括：获取所述预选减排策略的投资总预算值、第二预设时间段内预选减排策略的总运营成本值、预设碳减排总量、预设推广率；基于所述预选减排策略的投资总预算值、所述总运营成本值、所述预设碳减排总量以及所述预设推广率，得到约束条件。
根据本发明实施例的另一方面，还提供了一种碳减排投入成本的优化装置，包括：第一获取单元，用于获取约束数据，其中，所述约束数据至少包括：每个预选减排策略的总预算数据、运营成本数据、碳减排目标数据、行业推广率数据；第一计算单元，用于基于所述约束数据，采用预先构建的优化模型，计算每个所述预选减排策略的投入成本数据，得到多个优化结果数据，其中，每个所述优化结果数据包含碳减排投入成本；输出单元，用于将最小的碳减排投入成本所指示的预选减排策略作为目标减排策略，其中，所述目标减排策略用于对目标电力行业进行碳减排操作。
可选地，在获取约束数据之前，所述优化装置还包括：第二获取单元，用于获取历史过程中在初始减排策略集合中每个初始减排策略的参数数据，其中，所述初始减排策略集合中包括：多个初始减排策略，所述参数数据至少包括：初始减排策略的名称、初始投资成本、年度减排能力、运行维护成本、生命周期；第二计算单元，用于基于所述参数数据，计算每个所述初始减排策略在一个生命周期内的减排总成本，其中，所述减排总成本至少包括：初始投资金额和运行成本；第三计算单元，用于计算所述减排总成本与一个生命周期内的减排总量的比值，得到每个所述初始减排策略的单位减排成本。
可选地，所述优化装置还包括：第一排序模块，用于在计算所述减排总成本与一个生命周期内的减排总量的比值，得到每个所述初始减排策略的单位减排成本之后，对每个所述初始减排策略的单位减排成本进行排序，得到排序结果；第一选择模块，用于基于所述排序结果，选择单位减排成本小于预设值的初始减排策略，并将选择的初始减排策略作为所述预选减排策略。
可选地，所述第一计算单元包括：第一确定模块，用于确定所述优化模型的决策变量，其中，所述决策变量包括每个所述预选减排策略的投入成本；第二确定模块，用于确定所述优化模型的目标函数，其中，所述目标函数为碳减排投入成本最小化，所述碳减排投入成本至少包括：初始投资成本和运行成本；第三确定模块，用于确定所述优化模型的约束条件，其中，所述约束条件至少包括：预选减排策略的总预算约束、运营成本约束、碳减排目标约束、预期行业推广率约束；第一计算模块，用于基于所述约束数据、所述决策变量、所述目标函数以及所述约束条件，计算每个所述预选减排策略的投入成本数据。
可选地，所述第二确定模块包括：第一获取子模块，用于获取第一预设时间段内每个所述预选减排策略的初始投资额、每个所述预选减排策略的单位减排运营成本以及每个所述预选减排策略的碳减排量；第一确定子模块，用于基于所述初始投资额、所述单位减排运营成本以及所述碳减排量，确定所述优化模型的目标函数。
可选地，所述第三确定模块包括：第二获取子模块，用于获取所述预选减排策略的投资总预算值、第二预设时间段内预选减排策略的总运营成本值、预设碳减排总量、预设推广率；第一输出子模块，用于基于所述预选减排策略的投资总预算值、所述总运营成本值、所述预设碳减排总量以及所述预设推广率，得到约束条件。
根据本发明实施例的另一方面，还提供了一种处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的碳减排投入成本的优化方法。
根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述任意一项所述的碳减排投入成本的优化方法。
在本公开中，可以获取约束数据，基于约束数据，采用预先构建的优化模型，计算每个预选减排策略的投入成本数据，得到多个优化结果数据，将最小的碳减排投入成本所指示的预选减排策略作为目标减排策略，其中，目标减排策略用于对目标电力行业进行碳减排操作。在本申请中，通过以碳减排投入成本最小化目标构建的优化模型，可以得到电力行业在实现减排目标下的最优减排策略，采用该最优减排策略不仅可以以最小的成本实现减排目标，还能为电力行业制定详细可靠的减排计划，将减排工作进一步落到实处，进而解决了相关技术中选择的减排策略较差影响进行碳减排操作的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，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是根据本发明实施例的一种可选的碳减排投入成本的优化方法的流程图；
图2是根据本发明实施例的一种可选的行业减排策略选择方法的示意图；
图3是根据本发明实施例的一种碳减排投入成本的优化装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于本领域技术人员理解本发明，下面对本发明各实施例中涉及的部分术语或名词做出解释：
节能减排，是指企业、团体或个人测算在一定时间内，直接或间接产生的温室气体排放总量，通过植树造林、节能减排等形式，抵消自身产生的二氧化碳排放。
本发明下述各实施例可应用于各种需要选择减排策略的场景中，通过本发明中各实施例的方法可以得到电力行业在实现减排目标下的最优减排策略。
本发明实施例可以先对每项减排策略进行成本效益分析，然后筛选出电力行业中单位减排成本较小的多个减排策略，以减排目标下的总减排成本最小化为目标，建立实现减排目标的策略优化模型，并且，可以采用预设软件(例如，Matlab软件)对模型进行求解，以得到电力行业在实现减排目标下的最优减排策略，不仅可以以最小的成本实现减排目标，还能为电力行业制定详细可靠的减排计划，将减排工作进一步落到实处，并且在模型中，在考虑了减排目标约束的基础上，还考虑了减排对经济和就业的影响，使得到的减排策略更具有现实意义。
实施例一
根据本发明实施例，提供了一种碳减排投入成本的优化方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种可选的碳减排投入成本的优化方法的流程图，如图1所示，该方法包括如下步骤：
步骤S102，获取约束数据，其中，约束数据至少包括：每个预选减排策略的总预算数据、运营成本数据、碳减排目标数据、行业推广率数据。
步骤S104，基于约束数据，采用预先构建的优化模型，计算每个预选减排策略的投入成本数据，得到多个优化结果数据，其中，每个优化结果数据包含碳减排投入成本。
步骤S106，将最小的碳减排投入成本所指示的预选减排策略作为目标减排策略，其中，目标减排策略用于对目标电力行业进行碳减排操作。
通过上述步骤，可以获取约束数据，基于约束数据，采用预先构建的优化模型，计算每个预选减排策略的投入成本数据，得到多个优化结果数据，将最小的碳减排投入成本所指示的预选减排策略作为目标减排策略，其中，目标减排策略用于对目标电力行业进行碳减排操作。在本发明实施例中，通过以碳减排投入成本最小化目标构建的优化模型，可以得到电力行业在实现减排目标下的最优减排策略，采用该最优减排策略不仅可以以最小的成本实现减排目标，还能为电力行业制定详细可靠的减排计划，将减排工作进一步落到实处，进而解决了相关技术中选择的减排策略较差影响进行碳减排操作的技术问题。
下面结合上述各步骤对本发明实施例进行详细说明。
在本发明实施例中，在获取约束数据之前，优化方法还包括：获取历史过程中在初始减排策略集合中每个初始减排策略的参数数据，其中，初始减排策略集合中包括：多个初始减排策略，参数数据至少包括：初始减排策略的名称、初始投资成本、年度减排能力、运行维护成本、生命周期；基于参数数据，计算每个初始减排策略在一个生命周期内的减排总成本，其中，减排总成本至少包括：初始投资金额和运行成本；计算减排总成本与一个生命周期内的减排总量的比值，得到每个初始减排策略的单位减排成本。
在本发明实施例中，根据近年来重点推广的减排策略的各种参数(即可以获取历史过程中在初始减排策略集合中每个初始减排策略的参数数据)，计算每项减排策略的单位减排成本。减排策略及其相关参数(即初始减排策略以及其参数数据)的搜集和整理是整个优化模型的基础，其中，参数数据包括但不限于：减排策略的名称(即初始减排策略的名称)及适用范围、初始投资成本、年度减排能力、未来行业推广率、运行维护成本、生命周期等，根据这些数据信息(即参数数据)对减排策略做进一步的成本效益分析，具体过程如下：
对近几年重点推广的电力行业减排策略进行整理，主要内容包括但不限于：初始投资金额、每年的减排能力、运行维护成本、技术生命周期等，例如，热电联产(CHP) 技术、超临界发电机组(USC)技术。
在得到这些参数数据后，可以根据电力行业各项减排技术的投资金额、运行维护成本、年度减排能力和技术的生命周期计算其单位减排成本，计算过程如下：
(1)先计算各项减排策略在一个生命周期内的减排总成本(即基于参数数据，计算每个初始减排策略在一个生命周期内的减排总成本)，其中，减排总成本包括：初始投资金额和运行成本等：
其中，TCi,t表示减排技术i在整个技术寿命周期内的总成本；ICi,t表示减排技术i在初始投资年份t的初始投资额；OMi表示减排技术i每年的运行成本；R表示贴现率；Ti表示减排技术i的生命周期。
(2)用减排总成本除以一个生命周期内的减排总量，得到各项减排策略的单位减排成本(即计算减排总成本与一个生命周期内的减排总量的比值，得到每个初始减排策略的单位减排成本)：
其中，UC表示单位减排成本，E表示一年的减排量，T表示一个生命周期的时长。
可选的，在计算减排总成本与一个生命周期内的减排总量的比值，得到每个初始减排策略的单位减排成本之后，优化方法还包括：对每个初始减排策略的单位减排成本进行排序，得到排序结果；基于排序结果，选择单位减排成本小于预设值的初始减排策略，并将选择的初始减排策略作为预选减排策略。
在本发明实施例中，可以根据单位减排成本对电力行业所有减排技术(即初始减排策略)进行排序，选择出单位减排成本较小的多个(例如，20至30)减排策略(即选择单位减排成本小于预设值(可由实际情况进行设定)的初始减排策略)，并将选择的初始减排策略作为预选减排策略。
步骤S102，获取约束数据，其中，约束数据至少包括：每个预选减排策略的总预算数据、运营成本数据、碳减排目标数据、行业推广率数据。
在本发明实施例中，可以获取一些约束数据，用于将该约束数据输入至优化模型中，通过计算得到每个预选减排策略的投入成本数据，从而可以选择最优的减排策略进行实施。
步骤S104，基于约束数据，采用预先构建的优化模型，计算每个预选减排策略的投入成本数据，得到多个优化结果数据，其中，每个优化结果数据包含碳减排投入成本。
可选的，基于约束数据，采用预先构建的优化模型，计算每个预选减排策略的投入成本数据的步骤，包括：确定优化模型的决策变量，其中，决策变量包括每个预选减排策略的投入成本；确定优化模型的目标函数，其中，目标函数为碳减排投入成本最小化，碳减排投入成本至少包括：初始投资成本和运行成本；确定优化模型的约束条件，其中，约束条件至少包括：预选减排策略的总预算约束、运营成本约束、碳减排目标约束、预期行业推广率约束；基于约束数据、决策变量、目标函数以及约束条件，计算每个预选减排策略的投入成本数据。
在本发明实施例中，可以以减排目标下的总减排成本最小化(即碳减排投入成本最小化)为目标，建立实现减排目标的优化模型，具体过程如下：
可以先确定优化模型的决策变量，该决策变量可以包括每年电力行业对各个减排技术的投资(即每个预选减排策略的投入成本)；确定优化模型的目标函数，该目标函数可以为减排总成本最小化(即碳减排投入成本最小化，包括：初始投资成本和运行成本等)；确定约束条件，可以考虑涉及经济、环境、社会三大方面的约束条件，例如：预选减排策略的总预算约束、运营成本约束、碳减排目标约束、预期行业推广率约束等，之后，可以通过约束数据、决策变量、目标函数以及约束条件，计算每个预选减排策略的投入成本数据。
在本发明实施例中，可以确定优化模型的决策变量为电力行业对各个减排策略的投资xi,t，其中，xi,t表示在t年，电力行业对减排技术i的初始投资额。
可选的，确定优化模型的目标函数的步骤，包括：获取第一预设时间段内每个预选减排策略的初始投资额、每个预选减排策略的单位减排运营成本以及每个预选减排策略的碳减排量；基于初始投资额、单位减排运营成本以及碳减排量，确定优化模型的目标函数。
在本发明实施例中，确定优化模型的目标函数，即减排总成本最小化，其中，减排成本包括：减排技术的初始投资成本和运行成本等。在本实施例中，可以获取第一预设时间段内(例如，某一年内)每个预选减排策略的初始投资额(例如，第t年电力行业对减排策略i的初始投资额)、每个预选减排策略的单位减排运营成本(例如，减排策略i在第t年的单位减排运营成本)以及每个预选减排策略的碳减排量(例如，第t年减排策略i的二氧化碳减排量)，通过公式(1)(即优化模型的目标函数)，计算该研究期内减排总成本。
其中，c表示研究期内减排总成本，R表示贴现率，xi,t表示第t年电力行业对减排策略i的初始投资额，year表示当前年份；OMi,t表示减排策略i在第t年的单位减排运营成本；ei,t表示第t年减排策略i的二氧化碳减排量。
各项技术每年的二氧化碳减排量与该技术的初始投资规模呈正相关，具体关系如公式(2)所示：
其中，xi,t表示在t年，电力行业对减排技术i的初始投资额x，ICi,t表示在t 年，电力行业中减排策略i的初始投资额IC，Ei,t表示初始投资额为IC时，电力行业中减排策略i在第t年的二氧化碳减排量，并且，IC和E这两个参数都是已知的，由此，可以得到当初始投资额为x时，电力行业中减排策略i在第t年的二氧化碳减排量，该二氧化碳减排量与决策变量是相关的。
可选的，确定优化模型的约束条件的步骤，包括：获取预选减排策略的投资总预算值、第二预设时间段内预选减排策略的总运营成本值、预设碳减排总量、预设推广率；基于预选减排策略的投资总预算值、总运营成本值、预设碳减排总量以及预设推广率，得到约束条件。
在本发明实施例中，确定约束条件，可以考虑涉及经济、环境、社会三大方面的约束条件，在目前环境、经济、社会的大背景下，可以考虑以下六类约束条件：
(1)减排策略总预算的约束(即预选减排策略的总预算约束)，由于在投入减排技术时，其成本会对电力行业的收益产生不小的影响，电力行业为了保障有正收益，对减排技术的总投入成本是有限的，其约束条件如下：
其中，year表示当前年份，I表示电力行业减排策略投资总预算值(即预选减排策略的投资总预算值)。
(2)运营成本的约束，由于有些减排策略的运营成本一项重大的支出，高运营成本会对投资者现金流的流动性和稳定性产生不利影响，因此，设定投资组合总运营成本的上限，其约束条件如下：
其中，B表示整个某一预设时间段内电力行业的减排技术总运营成本上限值(即第二预设时间段内(即需要研究的整个期限内)预选减排策略的总运营成本值)。
(3)二氧化碳减排目标约束(碳减排目标约束)，为了实现减排目标，电力行业每年的二氧化碳排放量是严格限制的，根据减排的排放路径和某区域实际碳排放预测值，以及电力行业历史年份的碳排放占比，可以得到该区域电力行业每年应减排的二氧化碳量，每年电力行业二氧化碳减排量不得小于电力行业必须减排的量，其约束条件如下：
其中，Et表示为了实现减排，电力行业在第t年必须达到的二氧化碳减排量(即预设碳减排总量)。
(4)就业保障的约束，电力行业属于能源供给行业，这个行业具有高排放、低产出的特点，节能减排政策的实施会使其收到产能调整的影响，从而导致就业的减少，在减排过程中为了保障就业人数的稳定，在完成每一年减排目标的同时，需要将因减排而失业的人数控制在一定范围内，其约束条件如下：
其中，P表示单位碳排放量的统计就业人数，TPt表示年允许就业人数减少的最大值。
(5)减排策略的预期行业推广率限制(预期行业推广率约束)，碳减排策略虽然已经研发出许多，但是根据其实施条件的限制，不同减排策略的实际可行性有差异，比如投资小但是二氧化碳减排率高的策略，建设条件或者操作要求很高，电力行业的所有企业不一定都能够满足，本实施例可以将行业推广率转化为投资比例，并假设各减排策略的行业推广率等于对应减排策略的投资除以每年的减排投资总预算，其约束条件如下：
其中，
表示减排策略i在电力行业内的最大推广率(即预设推广率)，I表示减排技术投资总预算值，Ts和Te分别表示研究期的起始年份和终止年份。
(6)决策变量非负性约束，电力行业对减排技术的投资金额是自然数，是非负的，其约束条件如下：
xi,t≥0；
步骤S106，将最小的碳减排投入成本所指示的预选减排策略作为目标减排策略，其中，目标减排策略用于对目标电力行业进行碳减排操作。
在本发明实施例中，在得到每个预选减排策略的投入成本数据后，可以将小的碳减排投入成本所指示的预选减排策略作为目标减排策略，采用该目标减排策略对目标电力行业进行碳减排操作，以达到在电力行业中以最小的成本实现减排目标的目的。
本发明实施例，可以利用线性规划得到电力行业实现减排目标的最优减排策略，首先对每项减排技术进行成本效益分析，然后筛选出电力行业中单位减排成本较小的多个减排技术，最后以减排目标下的总减排成本最小化为目标，建立实现减排目标的策略优化模型，并可以采用预设软件对模型进行求解，以得到电力行业在实现减排目标下的最优减排策略，不仅可以以最小的成本实现减排目标，还能为电力行业制定详细可靠的减排计划，将减排工作进一步落到实处，并且，在模型中，在考虑了减排目标约束的基础上，还考虑了减排对经济和就业的影响，使得到的结果更具有现实意义。
实施例二
图2是根据本发明实施例的一种可选的行业减排策略选择方法的示意图，如图2所示，包括：减排技术的成本效益分析、减排技术的筛选、减排策略的优化、模型结果，具体过程如下：
(1)减排策略的成本效益分析：通过对电力行业减排技术资料的搜集和整理，可以得到各减排策略的各种参数，计算出每项技术的单位减排成本。
减排技术及其相关参数的搜集和整理是整个优化模型的基础，根据对获得的资料进行整理，可以得到各减排策略的各种参数，包括减排策略的名称及适用范围、初始投资成本、年度减排能力、未来行业推广率等，根据这些参数信息对减排策略做进一步的成本效益分析。
本实施例中计算每项技术的单位减排成本步骤如下：
1)，对某一段年分内重点推广的电力行业减排策略进行整理，主要内容包括但不限于：初始投资金额、每年的减排能力、运行维护成本、技术生命周期等，例如，热电联产(CHP)技术、超临界发电机组(USC)技术。
2)，在得到这些参数数据后，可以根据电力行业各项减排策略的投资金额、运行维护成本、年度减排能力和策略生命周期计算其单位减排成本，计算过程如下：
先计算各项减排策略在一个生命周期内的减排总成本，其中，减排总成本包括：初始投资金额和运行成本等：
其中，TCi,t表示减排策略i在整个技术寿命周期内的总成本；ICi,t表示减排策略i在初始投资年份t的初始投资额；OMi表示减排策略i每年的运行成本；R表示贴现率；Ti表示减排技术i的生命周期。
之后，用减排总成本除以一个生命周期内的减排总量，得到各项技术的单位减排成本：
其中，UC表示单位减排成本，E表示一年的减排量，T表示一个生命周期的时长。
(2)减排策略的筛选：将减排策略按照单位减排成本进行排序，筛选电力行业比较经济的减排技术(即选择单位减排成本小于预设值(可由实际情况进行设定)的减排技术)。
(3)减排策略的优化：以减排目标下的总减排成本最小化为目标，建立实现减排目标的策略选择优化模型，并且可以采用预设软件对模型进行求解，具体过程如下：
1)，确定优化模型的决策变量，即电力行业对各个减排策略的投资xi,t，表示在t年，电力行业对减排策略i的初始投资额；
2)，确定优化模型的目标函数，即减排总成本最小化，减排成本包括减排策略的初始投资成本和运行成本等，目标函数的公式如下，
其中，c表示研究期内减排总成本，R表示贴现率，xi,t表示第t年电力行业对减排策略i的初始投资额；OMi,t表示减排策略i在第t年的单位减排运营成本；ei,t表示第t年减排策略i的二氧化碳减排量。
各项技术每年的二氧化碳减排量与该技术的初始投资规模呈正相关，具体关系式如下所示：
其中，xi,t表示在t年，电力行业对减排策略i的初始投资额x，ICi,t表示在t 年，电力行业中减排策略i的初始投资额IC，Ei,t表示初始投资额为IC时，电力行业中减排策略i在第t年的二氧化碳减排量，并且，IC和E这两个参数都是已知的，由此，可以得到当初始投资额为x时，电力行业中减排策略i在第t年的二氧化碳减排量，该二氧化碳减排量与决策变量是相关的。
3)，确定约束条件，可以考虑涉及经济、环境、社会三大方面的约束条件，在目前环境、经济、社会的大背景下，可以考虑以下六类约束条件：
A)，减排策略总预算的约束：由于在投入减排策略时，其成本会对电力行业的收益产生不小的影响，电力行业为了保障有正收益，对减排策略的总投入成本是有限的，其约束条件如下：
其中，I表示电力行业减排技术投资总预算值。
B)，运营成本的约束：由于有些减排技术的运营成本一项重大的支出，高运营成本会对投资者现金流的流动性和稳定性产生不利影响，因此，设定投资组合总运营成本的上限，其约束条件如下：
其中，B表示整个研究期内电力行业的减排技术总运营成本上限值。
C)，二氧化碳减排目标约束：为了实现减排目标，电力行业每年的二氧化碳排放量是严格限制的，根据减排的排放路径和某区域实际碳排放预测值，以及电力行业历史年份的碳排放占比，可以得到该区域电力行业每年应减排的二氧化碳量，每年电力行业二氧化碳减排量不得小于电力行业必须减排的量，其约束条件如下：
其中，Et表示为了实现减排，电力行业在第t年必须达到的二氧化碳减排量。
D)，就业保障的约束：电力行业属于能源供给行业，这个行业具有高排放、低产出的特点，节能减排政策的实施会使其收到产能调整的影响，从而导致就业的减少，在减排过程中为了保障就业人数的稳定，在完成每一年减排目标的同时，需要将因减排而失业的人数控制在一定范围内，其约束条件如下：
其中，P表示单位碳排放量的就业人数，TPt表示年允许就业人数减少的最大值。
E)，减排技术的预期行业推广率限制：碳减排技术虽然已经研发出许多，但是根据其实施条件的限制，不同减排策略的实际可行性有差异，比如投资小但是二氧化碳减排率高的技术，它的建设条件或者操作要求是很高的，不一定电力行业的所有企业都能够满足，本实施例可以将行业推广率转化为投资比例，并假设各减排策略的行业推广率等于对应减排策略的投资除以每年的减排投资总预算，其约束条件如下：
其中，
表示减排策略i在电力行业内的最大推广率，I表示减排策略投资总预算值，Ts和Te分别表示研究期的起始年份和终止年份。
F)，决策变量非负性约束：电力行业对减排策略的投资金额是自然数，是非负的，其约束条件如下：
xi,t≥0；
(4)模型结果：可采用预设软件对模型进行求解，以得到电力行业在实现减排目标下的最优减排策略，以及研究期内电力行业在减排路径下的最小减排总成本。
本发明实施例，可先对每项减排策略进行成本效益分析，然后筛选出电力行业中单位减排成本较小的多个减排技术，最后以减排目标下的总减排成本最小化为目标，建立实现减排目标的策略优化模型，并可以采用预设软件对模型进行求解，以得到电力行业在实现减排目标下的最优减排策略，不仅可以以最小的成本实现减排目标，还能为电力行业制定详细可靠的减排计划，将减排工作进一步落到实处，并且，在模型中，在考虑了减排目标约束的基础上，还考虑了减排对经济和就业的影响，使得到的结果更具有现实意义。
实施例三
本实施例中提供的一种碳减排投入成本的优化装置包含了多个实施单元，每个实施单元对应于上述实施例一中的各个实施步骤。
图3是根据本发明实施例的一种碳减排投入成本的优化装置的示意图，如图3所示，该优化装置可以包括：第一获取单元30，第一计算单元32，输出单元34，其中，
第一获取单元30，用于获取约束数据，其中，约束数据至少包括：每个预选减排策略的总预算数据、运营成本数据、碳减排目标数据、行业推广率数据；
第一计算单元32，用于基于约束数据，采用预先构建的优化模型，计算每个预选减排策略的投入成本数据，得到多个优化结果数据，其中，每个优化结果数据包含碳减排投入成本；
输出单元34，用于将最小的碳减排投入成本所指示的预选减排策略作为目标减排策略，其中，目标减排策略用于对目标电力行业进行碳减排操作。
上述优化单元，可以通过第一获取单元30获取约束数据，通过第一计算单元32 基于约束数据，采用预先构建的优化模型，计算每个预选减排策略的投入成本数据，得到多个优化结果数据，通过输出单元34将最小的碳减排投入成本所指示的预选减排策略作为目标减排策略，其中，目标减排策略用于对目标电力行业进行碳减排操作。在本发明实施例中，通过以碳减排投入成本最小化目标构建的优化模型，可以得到电力行业在实现减排目标下的最优减排策略，采用该最优减排策略不仅可以以最小的成本实现减排目标，还能为电力行业制定详细可靠的减排计划，将减排工作进一步落到实处，进而解决了相关技术中选择的减排策略较差影响进行碳减排操作的技术问题。
可选的，在获取约束数据之前，优化装置还包括：第二获取单元，用于获取历史过程中在初始减排策略集合中每个初始减排策略的参数数据，其中，初始减排策略集合中包括：多个初始减排策略，参数数据至少包括：初始减排策略的名称、初始投资成本、年度减排能力、运行维护成本、生命周期；第二计算单元，用于基于参数数据，计算每个初始减排策略在一个生命周期内的减排总成本，其中，减排总成本至少包括：初始投资金额和运行成本；第三计算单元，用于计算减排总成本与一个生命周期内的减排总量的比值，得到每个初始减排策略的单位减排成本。
可选的，优化装置还包括：第一排序模块，用于在计算减排总成本与一个生命周期内的减排总量的比值，得到每个初始减排策略的单位减排成本之后，对每个初始减排策略的单位减排成本进行排序，得到排序结果；第一选择模块，用于基于排序结果，选择单位减排成本小于预设值的初始减排策略，并将选择的初始减排策略作为预选减排策略。
可选的，第一计算单元包括：第一确定模块，用于确定优化模型的决策变量，其中，决策变量包括每个预选减排策略的投入成本；第二确定模块，用于确定优化模型的目标函数，其中，目标函数为碳减排投入成本最小化，碳减排投入成本至少包括：初始投资成本和运行成本；第三确定模块，用于确定优化模型的约束条件，其中，约束条件至少包括：预选减排策略的总预算约束、运营成本约束、碳减排目标约束、预期行业推广率约束；第一计算模块，用于基于约束数据、决策变量、目标函数以及约束条件，计算每个预选减排策略的投入成本数据。
可选的，第二确定模块包括：第一获取子模块，用于获取第一预设时间段内每个预选减排策略的初始投资额、每个预选减排策略的单位减排运营成本以及每个预选减排策略的碳减排量；第一确定子模块，用于基于初始投资额、单位减排运营成本以及碳减排量，确定优化模型的目标函数。
可选的，第三确定模块包括：第二获取子模块，用于获取预选减排策略的投资总预算值、第二预设时间段内预选减排策略的总运营成本值、预设碳减排总量、预设推广率；第一输出子模块，用于基于预选减排策略的投资总预算值、总运营成本值、预设碳减排总量以及预设推广率，得到约束条件。
上述的优化装置还可以包括处理器和存储器，上述第一获取单元30，第一计算单元32，输出单元34等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
上述处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来将最小的碳减排投入成本所指示的预选减排策略作为目标减排策略。
上述存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM) 和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：获取约束数据，基于约束数据，采用预先构建的优化模型，计算每个预选减排策略的投入成本数据，得到多个优化结果数据，将最小的碳减排投入成本所指示的预选减排策略作为目标减排策略，其中，目标减排策略用于对目标电力行业进行碳减排操作。
根据本发明实施例的另一方面，还提供了一种处理器；以及存储器，用于存储处理器的可执行指令；其中，处理器配置为经由执行可执行指令来执行上述任意一项的碳减排投入成本的优化方法。
根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，计算机可读存储介质包括存储的计算机程序，其中，在计算机程序运行时控制计算机可读存储介质所在设备执行上述任意一项的碳减排投入成本的优化方法。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种碳减排投入成本的优化方法，其特征在于，包括：
获取约束数据，其中，所述约束数据至少包括：每个预选减排策略的总预算数据、运营成本数据、碳减排目标数据、行业推广率数据；
基于所述约束数据，采用预先构建的优化模型，计算每个所述预选减排策略的投入成本数据，得到多个优化结果数据，其中，每个所述优化结果数据包含碳减排投入成本；
将最小的碳减排投入成本所指示的预选减排策略作为目标减排策略，其中，所述目标减排策略用于对目标电力行业进行碳减排操作。
2.根据权利要求1所述的优化方法，其特征在于，在获取约束数据之前，所述优化方法还包括：
获取历史过程中在初始减排策略集合中每个初始减排策略的参数数据，其中，所述初始减排策略集合中包括：多个初始减排策略，所述参数数据至少包括：初始减排策略的名称、初始投资成本、年度减排能力、运行维护成本、生命周期；
基于所述参数数据，计算每个所述初始减排策略在一个生命周期内的减排总成本，其中，所述减排总成本至少包括：初始投资金额和运行成本；
计算所述减排总成本与一个生命周期内的减排总量的比值，得到每个所述初始减排策略的单位减排成本。
3.根据权利要求2所述的优化方法，其特征在于，在计算所述减排总成本与一个生命周期内的减排总量的比值，得到每个所述初始减排策略的单位减排成本之后，所述优化方法还包括：
对每个所述初始减排策略的单位减排成本进行排序，得到排序结果；
基于所述排序结果，选择单位减排成本小于预设值的初始减排策略，并将选择的初始减排策略作为所述预选减排策略。
4.根据权利要求1所述的优化方法，其特征在于，基于所述约束数据，采用预先构建的优化模型，计算每个所述预选减排策略的投入成本数据的步骤，包括：
确定所述优化模型的决策变量，其中，所述决策变量包括每个所述预选减排策略的投入成本；
确定所述优化模型的目标函数，其中，所述目标函数为碳减排投入成本最小化，所述碳减排投入成本至少包括：初始投资成本和运行成本；
确定所述优化模型的约束条件，其中，所述约束条件至少包括：预选减排策略的总预算约束、运营成本约束、碳减排目标约束、预期行业推广率约束；
基于所述约束数据、所述决策变量、所述目标函数以及所述约束条件，计算每个所述预选减排策略的投入成本数据。
5.根据权利要求4所述的优化方法，其特征在于，确定所述优化模型的目标函数的步骤，包括：
获取第一预设时间段内每个所述预选减排策略的初始投资额、每个所述预选减排策略的单位减排运营成本以及每个所述预选减排策略的碳减排量；
基于所述初始投资额、所述单位减排运营成本以及所述碳减排量，确定所述优化模型的目标函数。
6.根据权利要求4所述的优化方法，其特征在于，确定所述优化模型的约束条件的步骤，包括：
获取所述预选减排策略的投资总预算值、第二预设时间段内预选减排策略的总运营成本值、预设碳减排总量、预设推广率；
基于所述预选减排策略的投资总预算值、所述总运营成本值、所述预设碳减排总量以及所述预设推广率，得到约束条件。
7.一种碳减排投入成本的优化装置，其特征在于，包括：
第一获取单元，用于获取约束数据，其中，所述约束数据至少包括：每个预选减排策略的总预算数据、运营成本数据、碳减排目标数据、行业推广率数据；
第一计算单元，用于基于所述约束数据，采用预先构建的优化模型，计算每个所述预选减排策略的投入成本数据，得到多个优化结果数据，其中，每个所述优化结果数据包含碳减排投入成本；
输出单元，用于将最小的碳减排投入成本所指示的预选减排策略作为目标减排策略，其中，所述目标减排策略用于对目标电力行业进行碳减排操作。
8.根据权利要求7所述的优化装置，其特征在于，在获取约束数据之前，所述优化装置还包括：
第二获取单元，用于获取历史过程中在初始减排策略集合中每个初始减排策略的参数数据，其中，所述初始减排策略集合中包括：多个初始减排策略，所述参数数据至少包括：初始减排策略的名称、初始投资成本、年度减排能力、运行维护成本、生命周期；
第二计算单元，用于基于所述参数数据，计算每个所述初始减排策略在一个生命周期内的减排总成本，其中，所述减排总成本至少包括：初始投资金额和运行成本；
第三计算单元，用于计算所述减排总成本与一个生命周期内的减排总量的比值，得到每个所述初始减排策略的单位减排成本。
9.一种电子设备，其特征在于，包括：
处理器；以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1至6中任意一项所述的碳减排投入成本的优化方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至6中任意一项所述的碳减排投入成本的优化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111439301.0A CN114358376A (zh) | 2021-11-29 | 2021-11-29 | 碳减排投入成本的优化方法及装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111439301.0A CN114358376A (zh) | 2021-11-29 | 2021-11-29 | 碳减排投入成本的优化方法及装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114358376A true CN114358376A (zh) | 2022-04-15 |
Family
ID=81097328
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111439301.0A Pending CN114358376A (zh) | 2021-11-29 | 2021-11-29 | 碳减排投入成本的优化方法及装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114358376A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116029879A (zh) * | 2022-12-13 | 2023-04-28 | 广西电网有限责任公司 | 一种基于多维度的全行业最优减排策略的生成方法及系统 |
| CN116822917A (zh) * | 2023-08-31 | 2023-09-29 | 国网湖北省电力有限公司经济技术研究院 | 一种基于电力碳足迹的输变电设备减排优化方法及系统 |
-
2021
- 2021-11-29 CN CN202111439301.0A patent/CN114358376A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116029879A (zh) * | 2022-12-13 | 2023-04-28 | 广西电网有限责任公司 | 一种基于多维度的全行业最优减排策略的生成方法及系统 |
| CN116029879B (zh) * | 2022-12-13 | 2024-06-11 | 广西电网有限责任公司 | 一种基于多维度的全行业最优减排策略的生成方法及装置 |
| CN116822917A (zh) * | 2023-08-31 | 2023-09-29 | 国网湖北省电力有限公司经济技术研究院 | 一种基于电力碳足迹的输变电设备减排优化方法及系统 |
| CN116822917B (zh) * | 2023-08-31 | 2023-11-21 | 国网湖北省电力有限公司经济技术研究院 | 一种基于电力碳足迹的输变电设备减排优化方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mavromatidis et al. | Design of distributed energy systems under uncertainty: A two-stage stochastic programming approach | |
| CN114358376A (zh) | 碳减排投入成本的优化方法及装置、电子设备及存储介质 | |
| CN101872441A (zh) | 离散资源管理 | |
| Yang et al. | Research on the potential for China to achieve carbon neutrality: A hybrid prediction model integrated with elman neural network and sparrow search algorithm | |
| Huang et al. | Can China achieve its 2030 and 2060 CO2 commitments? Scenario analysis based on the integration of LEAP model with LMDI decomposition | |
| Kaboli et al. | An expression-driven approach for long-term electric power consumption forecasting | |
| CN113177366B (zh) | 一种综合能源系统规划方法、装置和终端设备 | |
| US20060089730A1 (en) | Method and system for calculating marginal cost curves using plant control models | |
| CN114066071A (zh) | 一种基于能耗的电力参数优化方法、终端设备及存储介质 | |
| Lutz et al. | Drivers of energy efficiency in German manufacturing: A firm-level stochastic frontier analysis | |
| CN114118585A (zh) | 节能减排方案的选取方法及装置、电子设备及存储介质 | |
| Abadie et al. | Valuing uncertain cash flows from investments that enhance energy efficiency | |
| CN115640876A (zh) | 一种基于改进stirpat模型的电力能源碳排放预测方法 | |
| CN115965136A (zh) | 一种基于电力大数据的碳排放综合预测系统 | |
| CN113590682A (zh) | 电网停电窗口期生成方法、装置、电子设备和存储介质 | |
| Ziesmer et al. | Integrating fundamental model uncertainty in policy analysis: A Bayesian averaging approach combining CGE-models with metamodeling techniques | |
| Bongards et al. | Intelligent automation and IT for the optimization of renewable energy and wastewater treatment processes | |
| Gao et al. | Combined interval prediction algorithm based on optimal relevancy, redundancy and synergy | |
| Dagilienė et al. | The circular economy for sustainable development: Implementation strategies in advanced small open economies | |
| Benalcazar et al. | Short-term heat load forecasting in district heating systems using artificial neural networks | |
| Raiko et al. | Evaluation of quality level in managing the development of industrial enterprises | |
| Shih et al. | Farm price prediction using case-based reasoning approach—A case of broiler industry in Taiwan | |
| CN112801388B (zh) | 一种基于非线性时间序列算法的电力负荷预测方法及系统 | |
| De Miglio et al. | A “risk-induced” emission mitigation pathway for Kazakhstan | |
| Yang et al. | Forecasting and controlling of municipal solid waste (MSW) in the Kaohsiung City, Taiwan, by using system dynamics modeling |
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 |