CN114611845A - 碳排放量的预测方法、装置、电子设备及介质 - Google Patents
碳排放量的预测方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN114611845A CN114611845A CN202210512114.9A CN202210512114A CN114611845A CN 114611845 A CN114611845 A CN 114611845A CN 202210512114 A CN202210512114 A CN 202210512114A CN 114611845 A CN114611845 A CN 114611845A
- Authority
- CN
- China
- Prior art keywords
- year
- energy consumption
- energy
- consumption
- target node
- 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.)
- Granted
Links
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 158
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 158
- 238000000034 method Methods 0.000 title claims abstract description 100
- 238000005265 energy consumption Methods 0.000 claims abstract description 355
- 238000004519 manufacturing process Methods 0.000 claims abstract description 155
- 238000011161 development Methods 0.000 claims abstract description 43
- 239000003245 coal Substances 0.000 claims description 81
- 238000010248 power generation Methods 0.000 claims description 80
- 238000012545 processing Methods 0.000 claims description 66
- 230000008569 process Effects 0.000 claims description 46
- 238000006243 chemical reaction Methods 0.000 claims description 35
- 238000004422 calculation algorithm Methods 0.000 claims description 34
- 230000009467 reduction Effects 0.000 claims description 29
- 238000004891 communication Methods 0.000 claims description 21
- 230000005611 electricity Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 14
- 238000010438 heat treatment Methods 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 11
- 239000006244 Medium Thermal Substances 0.000 claims description 2
- 230000007423 decrease Effects 0.000 claims description 2
- 239000007789 gas Substances 0.000 description 76
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 239000003921 oil Substances 0.000 description 5
- 229910002092 carbon dioxide Inorganic materials 0.000 description 4
- 239000001569 carbon dioxide Substances 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 239000002737 fuel gas Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000006386 neutralization reaction Methods 0.000 description 2
- 238000009304 pastoral farming Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000010946 mechanistic model Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- 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
- 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)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种碳排放量的预测方法、装置、电子设备及介质。该方法基于获取的目标区域的区域发展规划文件中目标节点年份的规划的全社会可比价生产总值和各产业类型的产业结构比例,以及基准年份的全社会生产总值,得到目标节点年份和预测年份的全社会和各产业类型的可比价生产总值;计算出相应年份的产业单耗和人均能耗及相应年份的终端能源消费量,得到相应年份的终端分品种能源消费量和相应的多种初始含碳能源消费量;对多种初始含碳能源消费量和设置的外来火电量间接碳排放量进行预测,得到该区域在相应年份的碳排放量的预测值。该方法通过当前区域的发展规划进行碳排放量的预测,以及对配置的参数进行更新,提高了碳排放量预测的准确性。
Description
技术领域
本申请涉及数据处理技术领域,具体而言,涉及一种碳排放量的预测方法、装置、电子设备及介质。
背景技术
近期,各地国民经济和社会发展“十四五”规划纲要和碳达峰方案相继公布,多地明确表示要扎实做好碳达峰、碳中和各项工作。碳达峰是指在某一个时点,二氧化碳的排放不再增长达到峰值,之后逐步回落。碳达峰是二氧化碳排放量由增转降的历史拐点,标志着碳排放与经济发展实现脱钩。现有的碳达峰预测通常是根据与碳排放相关的历史数据,采用传统统计学策略、机器学习或者机理建模的策略进行的预测。
然而,目前大多数预测方法均未考虑当地发展过程中的政策指标约束以及重大项目对于碳排放预测的影响,导致预测结果对地方具体实践的指导性和支撑性不足。
发明内容
本申请实施例的目的在于提供一种碳排放量的预测方法、装置、电子设备及介质,用以解决现有技术存在的上述问题,实现了能够结合当前区域的发展规划对当前区域的碳排放量进行预测,且提高了碳排放量预测的准确性。
第一方面,提供了一种碳排放量的预测方法,该方法可以包括:
基于接收的目标区域的区域发展规划文件,查找所述区域发展规划文件中目标区域在目标节点年份的规划的全社会可比价生产总值和各产业类型的产业结构比例,所述目标节点年份包括与基准年份相隔至少一种年份数的多个未来年份;所述基准年份为当前年份或历史年份;
采用预设的可比价生产总值算法,对目标节点年份的各产业类型的产业结构比例、所述规划的全社会可比价生产总值和所述基准年份的全社会生产总值进行处理,得到所述目标节点年份和预测年份的全社会和各产业类型的可比价生产总值;所述预测年份为所述基准年份与所述多个未来年份之间相隔的年份;
基于所述基准年份的各产业能源消费总量、所述基准年份的常住人口数量、所述基准年份各产业的生产总值和配置的产业单耗和人均能耗的下降率,确定所述预测年份和所述目标节点年份的产业单耗和人均能耗;所述各产业能源消费总量是在存储的区域能源平衡表中获取的;
以及,基于所述预测年份和所述目标节点年份的产业单耗和人均能耗、所述预测年份和所述目标节点年份的各产业类型的可比价生产总值,确定所述预测年份和所述目标节点年份的终端能源消费量;
获取配置的各产业类型的产业和居民生活的能源结构比例和重大项目能耗的规划值;
基于所述各产业类型的产业和居民生活的能源结构比例和所述重大项目能耗的规划值,对所述终端能源消费量进行分品种处理,得到所述预测年份和所述目标节点年份对应的终端分品种能源消费量;
采用预设的电量和热力平衡规则,对所述终端分品种能源消费量进行转换处理,获取所述终端分品种能源消费量对应的多种初始含碳能源消费量;
对所述多种初始含碳能源消费量和设置的外来火电量间接碳排放量进行预测,得到所述目标区域在预测年份和目标节点年份的碳排放量的预测值。
在一个可选的实现中,所述预设的可比价生产总值算法包括用于计算可比价生产总值的第一算法和第二算法;
采用预设的可比价生产总值算法,对目标节点年份的各产业类型的产业结构比例、所述规划的全社会可比价生产总值和所述基准年份的全社会生产总值进行处理,得到所述目标节点年份和预测年份的全社会和各产业类型的可比价生产总值,包括:
采用第一算法,对所述目标节点年份的各产业类型的产业结构比例和所述规划的全社会可比价生产总值中各产业类型的可比价生产总值进行处理,得到所述目标节点年份的各产业类型的可比价生产总值;
采用第二算法,对所述目标节点年份的各产业类型的可比价生产总值对应的可比价生产总值增速、所述目标节点年份的各产业类型的可比价生产总值和所述基准年份的各产业类型的可比价生产总值进行处理,得到所述预测年份和所述目标节点年份的全社会和各产业类型的可比价生产总值。
在一个可选的实现中,基于所述基准年份的各产业能源消费总量、所述基准年份的常住人口数量、所述基准年份各产业的生产总值和配置的产业单耗和人均能耗的下降率,确定所述预测年份和所述目标节点年份的产业单耗和人均能耗,包括:
基于所述基准年份的各产业能源消费总量、所述基准年份的常住人口数量和所述基准年份的各产业类型的可比价生产总值,确定所述基准年份的产业单耗和人均能耗;
根据配置的产业单耗和人均能耗的下降率,对所述基准年份的产业单耗和人均能耗进行处理,得到所述预测年份和所述目标节点年份的产业单耗和人均能耗。
在一个可选的实现中,所述终端分品种能源消费量包括煤能源、油能源、气能源、电能源和热能源;
采用预设的电量和热力平衡规则,对所述终端分品种能源消费量进行转换处理,获取所述终端分品种能源消费量对应的多种初始含碳能源消费量,包括:
根据预设的电量和热力平衡规则,将所述终端分品种能源消费量中电能源消费量和热能源消费量转换为煤能源消费量和气能源消费量,得到加工转换过程的煤能源消费量和加工转换过程的气能源消费量;
将所述终端分品种能源消费量中煤能源消费量和加工转换过程的煤能源消费量,确定为初始煤能源消费量;将所述终端分品种能源消费量中气能源消费量和加工转换过程的气能源消费量,确定为初始气能源消费量;
将所述初始煤能源消费量、所述初始气能源消费量和所述终端分品种能源消费量中油能源消费量,确定为所述预测年份和所述目标节点年份对应的多种初始能源消费量。
在一个可选的实现中,根据预设的电量和热力平衡规则,将所述终端分品种能源消费量中电能源消费量和热能源消费量转换为煤能源消费量和气能源消费量,得到加工转换过程的煤能源消费量和加工转换过程的气能源消费量,包括:
根据预设的电量和热力平衡规则和所述终端分品种能源消费量中电能源消费量,确定与所述电能源消费量对应的燃煤发电的发电量和燃气发电的发电量;其中,所述燃煤发电的发电量是根据燃煤发电的电力装机功率和相应燃煤发电利用小时数确定的,所述燃气发电的发电量是根据燃气发电的电力装机功率和相应燃气发电利用小时数确定的;
根据预设的电量和热力平衡规则和所述终端分品种能源消费量中热能源消费量,确定与所述热能源消费量对应的燃气热电联产的供热量和燃煤热电联产的供热量;
计算所述燃煤发电的发电量和配置的燃煤发电标煤耗的第一乘积,与所述燃煤热电联产的供热量和配置的燃煤供热标煤耗的第二乘积;将所述第一乘积和所述第二乘积的和值,确定为加工转换过程的煤能源消费量;
计算所述燃气发电的发电量和配置的燃气发电标气耗的第三乘积,与所述燃气热电联产的供热量和配置的燃气供热标气耗的第四乘积;将所述第三乘积和所述第四乘积的和值,确定为加工转换过程的气能源消费量。
在一个可选的实现中,所述预设的电量和热力平衡规则表示为:
其中,为所述终端分品种能源消费量中电能源消费量,为所述终端分品种能源消费量中热能源消费量,代表燃煤发电的发电量,的发电量,代表除气电、煤电外非化石能源的发电量,m为非化石能源的种类数,m为不小于0的整数,和分别代表外来电量和调出电量;为发电标煤耗系数,热力折标系数,为电能源的能源损失系数,为热能源的能源损失系数,能源损失系数为相应能源的能源损失量与所述终端分品种能源消费量的比值,所述能源损失量指该能源在输送、分配、储运过程中发生的损失量。
在一个可选的实现中,得到所述预测年份和所述目标节点年份对应的多种各含碳能源的能耗量之后,所述方法还包括:
基于目标节点年份对应的多种含碳能源的消费量,获取目标节点年份的能源数据;
若获取的能源数据不满足区域发展规划文件中能源规划条件,则对配置的产业单耗和人均能耗的下降率进行更新,和/或,对配置的各产业类型的产业和居民生活的能源结构比例进行更新;
基于更新后的能量下降率和/或能源结构比例,获取新的目标节点年份对应的多种含碳能源的消费量,直至获取的能源数据满足能源规划条件为止。
在一个可选的实现中,得到所述目标区域在预测年份和目标节点年份的碳排放量的预测值之后,所述方法还包括:
基于所述碳排放预测值,生成碳排放预测曲线;
基于所述碳排放预测曲线,预测碳排放达峰年份及达峰排放量。
第二方面,提供了一种碳排放量的预测装置,该装置可以包括:
查找单元,用于基于接收的目标区域的区域发展规划文件,查找所述区域发展规划文件中目标区域在目标节点年份的规划的全社会可比价生产总值和各产业类型的产业结构比例,所述目标节点年份包括与基准年份相隔至少一种年份数的多个未来年份;所述基准年份为当前年份或历史年份;
以及,采用预设的可比价生产总值算法,对目标节点年份的各产业类型的产业结构比例、所述规划的全社会可比价生产总值和所述基准年份的全社会生产总值进行处理,得到所述目标节点年份和预测年份的全社会和各产业类型的可比价生产总值;所述预测年份为所述基准年份与所述目标节点年份之间相隔的年份;
确定单元,用于基于所述基准年份的各产业能源消费总量、所述基准年份的常住人口数量、所述基准年份各产业的生产总值和配置的产业单耗和人均能耗的下降率,确定所述预测年份和所述目标节点年份的产业单耗和人均能耗;所述各产业能源消费总量是在存储的区域能源平衡表中获取的;
以及,基于所述预测年份和所述目标节点年份的产业单耗和人均能耗、所述预测年份和所述目标节点年份的各产业类型的可比价生产总值,确定所述预测年份和所述目标节点年份的终端能源消费量;
获取单元,用于获取配置的各产业类型的产业和居民生活的能源结构比例和重大项目能耗的规划值;
基于所述各产业类型的产业和居民生活的能源结构比例和所述重大项目能耗的规划值,对所述终端能源消费量进行分品种处理,得到所述预测年份和所述目标节点年份对应的终端分品种能源消费量;
以及,采用预设的电量和热力平衡规则,对所述终端分品种能源消费量进行转换处理,获取所述终端分品种能源消费量对应的多种初始含碳能源消费量;
预测单元,用于对所述多种初始含碳能源消费量和设置的外来火电量间接碳排放量进行预测,得到所述目标区域在预测年份和目标节点年份的碳排放量的预测值。
在一个可选的实现中,所述预设的可比价生产总值算法包括用于计算可比价生产总值的第一算法和第二算法;所述获取单元,具体用于:
采用第一算法,对所述目标节点年份的各产业类型的产业结构比例和所述规划的全社会可比价生产总值中各产业类型的可比价生产总值进行处理,得到所述目标节点年份的各产业类型的可比价生产总值;
采用第二算法,对所述目标节点年份的各产业类型的可比价生产总值对应的可比价生产总值增速、所述目标节点年份的各产业类型的可比价生产总值和所述基准年份的各产业类型的可比价生产总值进行处理,得到所述预测年份和所述目标节点年份的全社会和各产业类型的可比价生产总值。
在一个可选的实现中,所述确定单元,具体用于:
基于所述基准年份的各产业能源消费总量、所述基准年份的常住人口数量和所述基准年份的各产业类型的可比价生产总值,确定所述基准年份的产业单耗和人均能耗;
根据配置的产业单耗和人均能耗的下降率,对所述基准年份的产业单耗和人均能耗进行处理,得到所述预测年份和所述目标节点年份的产业单耗和人均能耗。
在一个可选的实现中,所述终端分品种能源消费量包括煤能源、油能源、气能源、电能源和热能源;所述获取单元,还具体用于:
根据预设的电量和热力平衡规则,将所述终端分品种能源消费量中电能源消费量和热能源消费量转换为煤能源消费量和气能源消费量,得到加工转换过程的煤能源消费量和加工转换过程的气能源消费量;
将所述终端分品种能源消费量中煤能源消费量和加工转换过程的煤能源消费量,确定为初始煤能源消费量;将所述终端分品种能源消费量中气能源消费量和加工转换过程的气能源消费量,确定为初始气能源消费量;
将所述初始煤能源消费量、所述初始气能源消费量和所述终端分品种能源消费量中油能源消费量,确定为所述预测年份和所述目标节点年份对应的多种初始能源消费量。
在一个可选的实现中,所述获取单元,还具体用于:
根据预设的电量和热力平衡规则和所述终端分品种能源消费量中电能源消费量,确定与所述电能源消费量对应的燃煤发电的发电量和燃气发电的发电量;其中,所述燃煤发电的发电量是根据燃煤发电的电力装机功率和相应燃煤发电利用小时数确定的,所述燃气发电的发电量是根据燃气发电的电力装机功率和相应燃气发电利用小时数确定的;
根据预设的电量和热力平衡规则和所述终端分品种能源消费量中热能源消费量,确定与所述热能源消费量对应的燃气热电联产的供热量和燃煤热电联产的供热量;
计算所述燃煤发电的发电量和配置的燃煤发电标煤耗的第一乘积,与所述燃煤热电联产的供热量和配置的燃煤供热标煤耗的第二乘积;将所述第一乘积和所述第二乘积的和值,确定为加工转换过程的煤能源消费量;
计算所述燃气发电的发电量和配置的燃气发电标气耗的第三乘积,与所述燃气热电联产的供热量和配置的燃气供热标气耗的第四乘积;将所述第三乘积和所述第四乘积的和值,确定为加工转换过程的气能源消费量。
在一个可选的实现中,所述预设的电量和热力平衡规则表示为:
其中,为所述终端分品种能源消费量中电能源消费量,为所述终端分品种能源消费量中热能源消费量,代表燃煤发电的发电量,的发电量,代表除气电、煤电外非化石能源的发电量,m为非化石能源的种类数,m为不小于0的整数,和分别代表外来电量和调出电量;为发电标煤耗系数,热力折标系数,为电能源的能源损失系数,为热能源的能源损失系数,能源损失系数为相应能源的能源损失量与所述终端分品种能源消费量的比值,所述能源损失量指该能源在输送、分配、储运过程中发生的损失量。
在一个可选的实现中,所述获取单元,还用于:
基于目标节点年份对应的多种含碳能源的消费量,获取目标节点年份的能源数据;
若获取的能源数据不满足区域发展规划文件中能源规划条件,则对配置的产业单耗和人均能耗的下降率进行更新,和/或,对配置的各产业类型的产业和居民生活的能源结构比例进行更新;
基于更新后的能量下降率和/或能源结构比例,获取新的目标节点年份对应的多种含碳能源的消费量,直至获取的能源数据满足能源规划条件为止。
在一个可选的实现中,所述装置还包括生成单元;
所述生成单元,用于基于所述碳排放预测值,生成碳排放预测曲线;
所述预测单元,还用于基于所述碳排放预测曲线,预测碳排放达峰年份及达峰排放量。
第三方面,提供了一种电子设备,该电子设备包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述第一方面中任一所述的方法步骤。
第四方面,提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面中任一所述的方法步骤。
本申请实施例提供的碳排放量的预测方法在基于目标区域的区域发展规划文件,获取目标区域在目标节点年份的规划的全社会可比价生产总值和各产业类型的产业结构比例后,采用预设的可比价生产总值算法,对目标节点年份的各产业类型的产业结构比例、规划的全社会可比价生产总值和基准年份的全社会生产总值进行处理,得到目标节点年份和预测年份的全社会和各产业类型的可比价生产总值;基于基准年份的各产业能源消费总量、基准年份的常住人口数量、基准年份各产业的生产总值和配置的产业单耗和人均能耗的下降率,确定预测年份和目标节点年份的产业单耗和人均能耗;基于预测年份和目标节点年份的产业单耗和人均能耗、预测年份和目标节点年份的各产业类型的可比价生产总值,确定预测年份和目标节点年份的终端能源消费量;基于获取的各产业类型的产业和居民生活的能源结构比例和重大项目能耗的规划值,对终端能源消费量进行处理,得到预测年份和目标节点年份对应的终端分品种能源消费量;采用预设的电量和热力平衡规则,对终端分品种能源消费量进行转换处理,获取终端分品种能源消费量对应的多种初始含碳能源消费量;对多种初始含碳能源消费量和设置的外来火电量间接碳排放量进行预测,得到目标区域在预测年份和目标节点年份的碳排放量的预测值。该方法实现了能够结合当前区域的发展规划对当前区域的碳排放量进行预测,提高了碳排放量预测的准确性,且基于该区域的发展规划,对方案中配置的参数进行迭代更新,预测出满足该区域的发展规划的碳排放量预测值,进一步提高了碳排放量预测的准确性。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种碳排放量的预测方法的流程示意图;
图2为本申请实施例提供的一种不同碳排放量的曲线图;
图3为本申请实施例提供的一种碳排放量的预测装置的结构示意图;
图4为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,并不是全部的实施例。基于本申请实施例,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,都属于本申请保护的范围。
为了方便理解,下面对本申请实施例中涉及的名词进行解释:
国内生产总值(Gross Domestic Product,GDP),或称“生产总值”,是一个国家(或地区)所有常住单位在一定时期内生产活动的最终成果。
可比价GDP,是指扣除了价格变动因素后用来计算各种总量指标的GDP价格。当年价GDP,就是报告期当年的实际GDP价格。
第一产业,第一产业是指农、林、牧、渔业(不含农、林、牧、渔服务业)。
第二产业,是指采矿业(不含开采辅助活动),制造业(不含金属制品、机械和设备修理业),电力、热力、燃气及水生产和供应业,建筑业。
第三产业,即服务业,是指除第一产业、第二产业以外的其他行业。
能耗强度,是创造单位GDP所消耗的能量。能耗强度越低说明消耗的能量越少,GDP的质量就越高。
碳达峰的含义为碳排放量达到峰值,当二氧化碳排放量达到峰值后将逐渐下降。因此碳达峰的测算在减排工作中具有重要意义。通过对碳排放峰值的测算实现对碳排放情况的监测,从而能够及时针对当前的碳排放情况制定相应的碳中和措施与政策。
本申请实施例提供的碳排放量的预测方法可以应用在服务器上,也可以应用在终端上。其中,该服务器可以是物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network,CDN),以及大数据和人工智能平台等基础云计算服务的云服务器。终端可以是具有较强计算能力的移动电话、智能电话、笔记本电脑、数字广播接收器、个人数字助理(PDA)、平板电脑(PAD)等用户设备(User Equipment,UE)、手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其它处理设备、移动台(Mobile Station,MS)、移动终端(Mobile Terminal)等,本申请在此不做限定。
若本申请应用在服务器中,则需要从与该服务器通信连接的终端接收与目标区域相关的区域文件中的数据,之后服务器基于区域文件中的数据执行本申请碳排放量的预测方法。
若本申请应用在终端中,则终端可在获取到与目标区域相关的区域文件中的数据后,直接执行本申请碳排放量的预测方法。
下结合说明书附图对本申请的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本申请,并不用于限定本申请,并且在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
图1为本申请实施例提供的一种碳排放量的预测方法的流程示意图。如图1所示,该方法可以包括:
步骤S110、基于获取的目标区域的区域发展规划文件,查找区域发展规划文件中目标区域在目标节点年份的规划的全社会可比价生产总值和各产业类型的产业结构比例。
其中,目标节点年份包括与基准年份相隔至少一种年份数的多个未来年份;基准年份为当前年份或历史年份。
例如,若基准年份为历史年份2020年,则目标节点年份可以包括2025年、2030年和2035年。
具体实施中,若本申请应用在服务器中,则需要从与该服务器通信连接的终端处接收用户输入目标区域的区域发展规划文件,或者服务器基于用户的获取请求在网络中获取目标区域的区域发展规划文件,以获取目标区域的区域发展规划文件,之后服务器查找目标区域的区域发展规划文件,得到该发展规划文件中该目标区域在目标节点年份的规划的全社会可比价生产总值和各产业类型对应的规划的产业结构比例,其中,规划的全社会可比价生产总值包括各产业类型的可比价生产总值。i表示目标节点年份,j表示产业类型,各产业类型可以包括第一产业、第二产业和第三产业,例如,第一产业、第二产业和第三产业的产业结构比例可以表示为::=10%:40%:50%。
若本申请应用在终端中,需要终端接收用户输入的目标区域的区域发展规划文件,或者接收服务器下发的目标区域的区域发展规划文件,以获取目标区域的区域发展规划文件,之后执行查找目标区域的区域发展规划文件的步骤。
步骤S120、采用预设的可比价生产总值算法,对目标节点年份的各产业类型的产业结构比例、规划的全社会可比价生产总值和基准年份的全社会生产总值进行处理,得到预测年份和目标节点年份的全社会和各产业类型的可比价生产总值。
其中,预测年份为基准年份与多个目标节点年份之间相隔的年份。预设的可比价生产总值算法可以包括用于计算可比价生产总值的第一算法和第二算法。基准年份的全社会生产总值包括基准年份内各产业类型的可比价生产总值。
具体实施中,采用第一算法,对目标节点年份的各产业类型的产业结构比例和规划的全社会可比价生产总值中各产业类型的可比价生产总值进行处理,得到目标节点年份的各产业类型的可比价生产总值,也就是说可以得到目标节点年份内全社会可比价生产总值。其中,第一算法包括配置的生产总值衰减指数增速。
第一算法可以表示为:
之后,采用第二算法,对目标节点年份的各产业类型的可比价生产总值对应的可比价生产总值增速、目标节点年份的各产业类型的可比价生产总值和基准年份的各产业类型的可比价生产总值进行处理,得到预测年份和目标节点年份的全社会和各产业类型的可比价生产总值。
具体的,基于目标节点年份的各产业类型的可比价生产总值,确定相邻目标节点年份的各产业类型的可比价生产总值增速和各产业类型的可比价生产总值增速。
采用第二算法,对相邻目标节点年份的各产业类型的可比价生产总值增速、目标节点年份的全社会和各产业类型的可比价生产总值、基准年份的全社会和各产业类型的可比价生产总值进行处理,得到预测年份和目标节点年份的全社会和各产业类型的可比价生产总值。其中,全社会和各产业类型的可比价生产总值是指全社会的可比价生产总值和相应的各产业类型的可比价生产总值。
第二算法可以表示为:
上式中,第i个目标节点年份,I表示目标节点年份数量;j表示产业类型,j=0表示全社会,n为预测年份数量,表示可比价生产总值增速,diag()表示构建对角矩阵,表示基准年份的全社会和各产业类型的可比价生产总值。
需要说明的是,基准年份的全社会和各产业类型的可比价生产总值与基准年份的全社会和各产业类型的当年价生产总值相同。
步骤S130、基于基准年份的各产业能源消费总量、基准年份的常住人口数量、基准年份各产业的生产总值和配置的产业单耗和人均能耗的下降率,确定预测年份和目标节点年份的产业单耗和人均能耗。
具体实施中,从区域能源平衡表中得到基准年份的各产业能源消费总量,该各产业能源消费总量是将居民生活的实际能源消费量和各产业类型的产业的实际能源消费量进行标量化得到的。
具体实施中,将基准年份的各产业能源消费总量与基准年份的常住人口数量的比值,确定为基准年份的人均能耗;以及,将基准年份的各产业能源消费总量与基准年份各产业类型的可比价生产总值的比值,确定为基准年份的产业单耗。分别表征第一产业、第二产业、第三产业和居民生活。
之后,根据配置的产业单耗和人均能耗的下降率,对基准年份的产业单耗和人均能耗进行处理,得到预测年份和目标节点年份的产业单耗和人均能耗。其中,预测年份和目标节点年份的产业单耗和人均能耗是指预测年份的产业单耗和人均能耗,以及目标节点年份的产业单耗和人均能耗。
具体的,将基准年份的产业单耗和人均能耗和计算得到的预测年份和目标节点年份的各产业类型的可比价生产总值的乘积,确定为预测年份和目标节点年份的产业单耗和人均能耗,即预测年份和目标节点年份的产业能耗和居民生活能耗。
计算预测年份的产业单耗和人均能耗的算式可表示为:
步骤S140、基于预测年份和目标节点年份的产业单耗和人均能耗、预测年份和目标节点年份的各产业类型的可比价生产总值,确定预测年份和目标节点年份的终端能源消费量。
具体的,将预测年份和目标节点年份的产业单耗和人均能耗,分别与预测年份和目标节点年份的各产业类型的可比价生产总值相乘,并将乘积确定为预测年份和目标节点年份的终端能源消费量。其中,预测年份和目标节点年份的终端能源消费量是指预测年份的终端能源消费量,以及目标节点年份的终端能源消费量。
上式中,每一列代表一个预测年份的终端能源消费量。
步骤S150、基于配置的各产业类型的产业和居民生活的能源结构比例,以及配置的重大项目能耗的规划值,对终端能源消费量进行处理,得到预测年份和目标节点年份对应的终端分品种能源消费量。
具体实施中,需要先通过用户配置或预先设置的配置规则等方式,配置目标节点年份与预测年份内各产业类型的产业与居民生活的能源结构比例,或称“各产业类型的产业与居民生活的分品种能源消费结构比例”和配置的重大项目能耗的规划值。重大项目可以包括重大能源项目和重大产业项目。
之后,基于配置的各产业类型的产业和居民生活的能源结构比例,以及配置的重大项目能耗的规划值,对终端能源消费量进行处理,得到预测年份和目标节点年份对应的终端分品种能源消费量。其中,终端分品种能源消费量包括煤、油、气、电和热的五种能源。重大项目能耗包括能源结构中不同品种能源对应的重大项目能耗。预测年份和目标节点年份对应的终端分品种能源消费量是指预测年份对应的终端分品种能源消费量和目标节点年份对应的终端分品种能源消费量。
步骤S160、采用预设的电量和热力平衡规则,对终端分品种能源消费量进行转换处理,获取终端分品种能源消费量对应的多种初始含碳能源消费量。
具体实施中,根据预设的电量和热力平衡规则,将终端分品种能源消费量中电能源消费量和热能源消费量转换为煤能源消费量和气能源消费量,得到加工转换过程的煤能源消费量和加工转换过程的气能源消费量。
具体的,根据预设的电量和热力平衡规则和终端分品种能源消费量中电能源消费量,确定与电能源消费量对应的燃煤发电的发电量和燃气发电的发电量;其中,燃煤发电的发电量是根据燃煤发电的电力装机功率和相应燃煤发电利用小时数确定的,燃气发电的发电量是根据燃气发电的电力装机功率和相应燃气发电利用小时数确定的。
根据预设的电量和热力平衡规则和终端分品种能源消费量中热能源消费量,确定与热能源消费量对应的燃气热电联产的供热量和燃煤热电联产的供热量。
其中,电量和热力平衡规则为:
其中,为终端分品种能源消费量中电能源的消费量,为终端分品种能源消费量中热能源消费量,代表燃煤发电的发电量,的发电量,代表除气电、煤电外非化石能源的发电量,m为非化石能源的种类数,m为不小于0的整数,和分别代表外来电量和调出电量。为发电标煤耗系数,热力折标系数,为电能源的能源损失系数,为热能源的能源损失系数,能源损失系数为相应能源的能源损失量与终端分品种能源消费量的比值,其中,能源损失量可以包括该能源在输送、分配、储运过程中发生的损失量,也可以包括一些客观原因造成的各种损失量。
需要说明的是,上述电量和热力平衡规则仅是设置的一种规则,具体还可以根据实际业务需要或能源要求设置新的电量和热力平衡规则或其他能源的平衡规则,由此基于新的平衡规则和终端分品种能源消费量也可以获取到相应的多种初始含碳能源消费量,本申请在此不做限定。
之后,计算燃煤发电的发电量和配置的燃煤发电标煤耗的第一乘积,与燃煤热电联产的供热量(或称“燃煤供热量”)和配置的燃煤供热标煤耗的第二乘积;将第一乘积和第二乘积的和值,确定为加工转换过程的煤能源消费量;
计算燃气发电的发电量和配置的燃气发电标气耗的第三乘积,与燃气热电联产的供热量(或称“燃气供热量”)和配置的燃气供热标气耗的第四乘积;将第三乘积和第四乘积的和值,确定为加工转换过程的气能源消费量。
进一步的,将终端分品种能源消费量中煤能源消费量和加工转换过程的煤能源消费量,确定为初始煤能源消费量;将终端分品种能源消费量中气能源消费量和加工转换过程的气能源消费量,确定为初始气能源消费量;
将初始煤能源消费量、初始气能源消费量和终端分品种能源消费量中油能源消费量,确定为预测年份和目标节点年份对应的多种初始能源消费量。
在一个例子中,设配置的能源结构比例为煤、油、气、电、热的能源结构、、、和,以及配置的煤能源、油能源、气能源、热能源依次对应的重大项目能耗的规划值:、、和,那么预测年份和目标节点年份中煤、油、气、电、热五种能源的终端能源消费量分别可以表示为:
之后,将电、热加工转换过程中的煤耗,以及将电、热加工转换过程中的气耗。
在转换过程中要满足上述电量和热力平衡规则,以得到满足电量和热力平衡规则的燃煤发电的电力装机功率和相应燃煤发电利用小时数,燃气发电的电力装机功率和相应燃煤发电利用小时数,以及燃气供热量和燃煤供热量,从而获取加工转换过程的煤能源消费量和加工转换过程的气能源消费量,如下:
其中,为目标区域内燃煤发电煤耗量,为燃煤发电标煤耗,为燃煤发电的电力装机功率,为燃煤发电利用小时数,为目标区域内燃气发电气耗量,为燃气发电标气耗,为燃气发电装机,为燃气发电利用小时数,为省内燃煤供热煤耗量,燃煤供热量,为燃煤供热标煤耗,燃气供热量和为燃气供热标气耗。
将终端分品种能源消费量中油能源的消费量,确定为初始油能源的消费量。
上述初始煤能源的消费量、初始气能源的消费量和初始油能源的消费量可表示为:
步骤S170、对多种初始含碳能源消费量和设置的外来火电间接碳排放量进行预测,得到目标区域在预测年份和目标节点年份的碳排放量的预测值。
具体实施中,配置各类型能源对应的碳排放因子和折标系数。该折标系数和碳排放因子均是基于国际或国家标准设置的。
将预测年份和目标节点年份的多种初始含碳能源消费量和设置的外来火电间接碳排放量,按照配置的各类型能源对应的碳排放因子和折标系数进行折标处理,得到目标区域在预测年份和目标节点年份的碳排放量的预测值。
具体的,将多种初始含碳能源消费与相应碳排放因子乘积后与相应折标系数的比值,确定为相应初始含碳能源的碳排放量,由此可以得到多种初始含碳能源消费量对应的多种初始含碳能源的碳排放量。
碳排放预测值可以表示为:
在一些实施例中,在得到目标区域在预测年份和目标节点年份的碳排放量的预测值之后,可基于碳排放预测值,生成碳排放预测曲线;基于碳排放预测曲线,预测碳排放达峰年份及达峰排放量。
可以理解的是,基于上述实施例中得到的预测年份和目标节点年份对应的多种初始能源消费量,生成能量消费预测曲线。
进一步的,基于该能量消费预测曲线的能量消费趋势,可进行对目标区域内碳排放量的规划。
在一些实施例中,为了提高预测的准确性,可以对配置的参数进行更新,以满足该区域的发展规划。
基于目标节点年份对应的多种含碳能源的消费量,获取目标节点年份的能源数据,能源数据包括目标节点年份的多种含碳能源的消费量的总消费量、能耗强度、碳排放强度、非化石能源消费占比、煤炭消费总量等。
若获取的能源数据不满足区域发展规划文件中能源规划条件,则对配置的产业单耗和人均能耗的下降率进行更新,和/或,对配置的各产业类型的产业和居民生活的能源结构比例进行更新。
基于更新后的产业单耗和人均能耗的下降率和/或能源结构比例,获取新的目标节点年份对应的多种初始含碳能源消费量,直至获取的能源数据满足能源规划条件为止。
可以理解的是,若仅更新了产业单耗和人均能耗的下降率,则需要返回执行步骤S130,以得到新的目标节点年份对应的多种初始含碳能源消费量,直至获取的能源数据满足能源规划条件为止。
若仅更新了能源结构比例,则需要返回执行步骤S150,以得到新的目标节点年份对应的多种初始含碳能源消费量,直至获取的能源数据满足能源规划条件为止。
若更新了产业单耗和人均能耗的下降率和能源结构比例,则需要返回执行步骤S130,以得到新的目标节点年份对应的多种初始含碳能源消费量,直至获取的能源数据满足能源规划条件为止。
在一个示例中,在执行完步骤S150之后,可以在得到目标节点年份对应的多种初始含碳能源消费量;
将目标节点年份的多种初始含碳能源消费量的总消费量与目标节点年份的全社会的可比价生产总值的比值确定为目标节点年份的预测能耗强度;
若该预测能耗强度大于区域发展规划文件中的规划能耗强度,则对配置的产业单耗和人均能耗的下降率进行更新,得到更新后的产业单耗和人均能耗的下降率;将更新后的产业单耗和人均能耗的下降率例作为新配置的产业单耗和人均能耗的下降率,返回执行步骤S130,预测能耗强度不大于该规划能耗强度为止。
和/或,基于目标节点年份对应的多种初始含碳能源消费量,可获取目标节点年份的碳排放强度、非化石能源消费占比和煤炭消费总量等数据;
若获取的数据不满足区域发展规划文件中的能源约束条件,则对配置的各产业类型的产业和居民生活的能源结构比例进行更新,得到更新后的能源结构比例;将更新后的能源结构比例作为新配置的各产业类型的产业和居民生活的能源结构比例,返回执行步骤S150,直至获取的数据满足该能源约束条件。其中,预设能源约束条件可以包括碳排放强度小于目标强度、非化石能源消费占比小于目标比例、煤炭消费总量小于目标值。
需要说明的是,上述不同参数变量的迭代更新可以根据实际业务需求同时进行更新,也可以根据实际业务需求分先后顺序进行更新,本申请在此不做限定。
进一步的,可以将同一时间段的碳排放量的实际值分别与本申请预测的碳排放量的预测值1和现有预测方法预测的碳排放量的预测值2进行比较,通过实际值与预测值1的偏差值1、实际值与预测值2的偏差值2,以及相应的平均绝对误差(MAE),来突出本申请可提高碳排放量预测的准确性。其中,现有预测方法也是考虑了实际政策的预测方法。
如表1所示,2015年为基准年份,目标区域的五年规划为2016-2020年,即2016-2019年为预测年份,2020年为目标节点年份。其中,碳排放量为二氧化碳排放量,表中二氧化碳排放量的单位为亿吨。
由表1可知,通过比较,本申请预测的碳排放量的预测值1的MAE小于现有预测方法预测的碳排放量的预测值2的MAE,故本申请通过考虑了相关地区的实际政策和该地区重大项目对于碳排放的影响,通过迭代校核的方式,可提高碳排放量预测的准确性。
基于表1中的数据可绘制出图2,由图2可知,在碳排放量的实际值的曲线、本申请预测的碳排放量的预测值1的曲线和现有预测方法预测的碳排放量的预测值2的曲线中,预测值1的曲线与实际值的曲线更接近,即本申请预测的碳排放量的预测值相比于现有预测方法预测的碳排放量的预测值更准确。
本申请实施例提供的碳排放量的预测方法能够结合当前区域的发展规划对当前区域的碳排放量进行预测,提高了碳排放量预测的准确性,且基于该区域的发展规划,对方案中配置的参数进行迭代更新,预测出满足该区域的发展规划的碳排放量预测值,进一步提高了碳排放量预测的准确性。
与上述方法对应的,本申请实施例还提供一种碳排放量的预测装置,如图3所示,该碳排放量的预测装置包括:查找单元310、确定单元320、获取单元330和预测单元340。
查找单元310,用于基于接收的目标区域的区域发展规划文件,查找所述区域发展规划文件中目标区域在目标节点年份的规划的全社会可比价生产总值和各产业类型的产业结构比例,所述目标节点年份包括与基准年份相隔至少一种年份数的多个未来年份;所述基准年份为当前年份或历史年份;
以及,采用预设的可比价生产总值算法,对目标节点年份的各产业类型的产业结构比例、所述规划的全社会可比价生产总值和所述基准年份的全社会生产总值进行处理,得到所述目标节点年份和预测年份的全社会和各产业类型的可比价生产总值;所述预测年份为所述基准年份与所述目标节点年份之间相隔的年份;
确定单元320,用于基于所述基准年份的各产业能源消费总量、所述基准年份的常住人口数量、所述基准年份各产业的生产总值和配置的产业单耗和人均能耗的下降率,确定所述预测年份和所述目标节点年份的产业单耗和人均能耗;所述各产业能源消费总量是在存储的区域能源平衡表中获取的;
以及,基于所述预测年份和所述目标节点年份的产业单耗和人均能耗、所述预测年份和所述目标节点年份的各产业类型的可比价生产总值,确定所述预测年份和所述目标节点年份的终端能源消费量;
获取单元330,用于获取配置的各产业类型的产业和居民生活的能源结构比例和重大项目能耗的规划值;
基于所述各产业类型的产业和居民生活的能源结构比例和所述重大项目能耗的规划值,对所述终端能源消费量进行分品种处理,得到所述预测年份和所述目标节点年份对应的终端分品种能源消费量;
以及,采用预设的电量和热力平衡规则,对所述终端分品种能源消费量进行转换处理,获取所述终端分品种能源消费量对应的多种初始含碳能源消费量;
预测单元340,用于对所述多种初始含碳能源消费量和设置的外来火电量间接碳排放量进行预测,得到所述目标区域在预测年份和目标节点年份的碳排放量的预测值。
本申请上述实施例提供的碳排放量的预测装置的各功能单元的功能,可以通过上述各方法步骤来实现,因此,本申请实施例提供的碳排放量的预测装置中的各个单元的具体工作过程和有益效果,在此不复赘述。
本申请实施例还提供了一种电子设备,如图4所示,包括处理器410、通信接口420、存储器430和通信总线440,其中,处理器410,通信接口420,存储器430通过通信总线440完成相互间的通信。
存储器430,用于存放计算机程序;
处理器410,用于执行存储器430上所存放的程序时,实现如下步骤:
基于接收的目标区域的区域发展规划文件,查找所述区域发展规划文件中目标区域在目标节点年份的规划的全社会可比价生产总值和各产业类型的产业结构比例,所述目标节点年份包括与基准年份相隔至少一种年份数的多个未来年份;所述基准年份为当前年份或历史年份;
采用预设的可比价生产总值算法,对目标节点年份的各产业类型的产业结构比例、所述规划的全社会可比价生产总值和所述基准年份的全社会生产总值进行处理,得到所述目标节点年份和预测年份的全社会和各产业类型的可比价生产总值;所述预测年份为所述基准年份与所述多个未来年份之间相隔的年份;
基于所述基准年份的各产业能源消费总量、所述基准年份的常住人口数量、所述基准年份各产业的生产总值和配置的产业单耗和人均能耗的下降率,确定所述预测年份和所述目标节点年份的产业单耗和人均能耗;所述各产业能源消费总量是在存储的区域能源平衡表中获取的;
以及,基于所述预测年份和所述目标节点年份的产业单耗和人均能耗、所述预测年份和所述目标节点年份的各产业类型的可比价生产总值,确定所述预测年份和所述目标节点年份的终端能源消费量;
获取配置的各产业类型的产业和居民生活的能源结构比例和重大项目能耗的规划值;
基于所述各产业类型的产业和居民生活的能源结构比例和所述重大项目能耗的规划值,对所述终端能源消费量进行分品种处理,得到所述预测年份和所述目标节点年份对应的终端分品种能源消费量;
采用预设的电量和热力平衡规则,对所述终端分品种能源消费量进行转换处理,获取所述终端分品种能源消费量对应的多种初始含碳能源消费量;
对所述多种初始含碳能源消费量和设置的外来火电量间接碳排放量进行预测,得到所述目标区域在预测年份和目标节点年份的碳排放量的预测值。
上述提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
由于上述实施例中电子设备的各器件解决问题的实施方式以及有益效果可以参见图1所示的实施例中的各步骤来实现,因此,本申请实施例提供的电子设备的具体工作过程和有益效果,在此不复赘述。
在本申请提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述实施例中任一所述的碳排放量的预测方法。
在本申请提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中任一所述的碳排放量的预测方法。
本领域内的技术人员应明白,本申请实施例中的实施例可提供为方法、系统、或计算机程序产品。因此,本申请实施例中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,本申请实施例中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。
本申请实施例中是参照根据本申请实施例中实施例的方法、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。
尽管已描述了本申请实施例中的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请实施例中范围的所有变更和修改。
显然,本领域的技术人员可以对本申请实施例中实施例进行各种改动和变型而不脱离本申请实施例中实施例的精神和范围。这样,倘若本申请实施例中实施例的这些修改和变型属于本申请实施例中权利要求及其等同技术的范围之内,则本申请实施例中也意图包含这些改动和变型在内。
Claims (10)
1.一种碳排放量的预测方法,其特征在于,所述方法包括:
基于获取的目标区域的区域发展规划文件,查找所述区域发展规划文件中目标区域在目标节点年份的规划的全社会可比价生产总值和各产业类型的产业结构比例,所述目标节点年份包括与基准年份相隔至少一种年份数的多个未来年份;所述基准年份为当前年份或历史年份;
采用预设的可比价生产总值算法,对目标节点年份的各产业类型的产业结构比例、所述规划的全社会可比价生产总值和所述基准年份的全社会生产总值进行处理,得到所述目标节点年份和预测年份的全社会和各产业类型的可比价生产总值;所述预测年份为所述基准年份与所述目标节点年份之间相隔的年份;
基于所述基准年份的各产业能源消费总量、所述基准年份的常住人口数量、所述基准年份各产业的生产总值和配置的产业单耗和人均能耗的下降率,确定所述预测年份和所述目标节点年份的产业单耗和人均能耗;所述各产业能源消费总量是在存储的区域能源平衡表中获取的;
以及,基于所述预测年份和所述目标节点年份的产业单耗和人均能耗、所述预测年份和所述目标节点年份的各产业类型的可比价生产总值,确定所述预测年份和所述目标节点年份的终端能源消费量;
获取配置的各产业类型的产业和居民生活的能源结构比例和重大项目能耗的规划值;
基于所述各产业类型的产业和居民生活的能源结构比例和所述重大项目能耗的规划值,对所述终端能源消费量进行分品种处理,得到所述预测年份和所述目标节点年份对应的终端分品种能源消费量;
采用预设的电量和热力平衡规则,对所述终端分品种能源消费量进行转换处理,获取所述终端分品种能源消费量对应的多种初始含碳能源消费量;
对所述多种初始含碳能源消费量和设置的外来火电量间接碳排放量进行预测,得到所述目标区域在预测年份和目标节点年份的碳排放量的预测值。
2.如权利要求1所述的方法,其特征在于,所述预设的可比价生产总值算法包括用于计算可比价生产总值的第一算法和第二算法;
采用预设的可比价生产总值算法,对目标节点年份的各产业类型的产业结构比例、所述规划的全社会可比价生产总值和所述基准年份的全社会生产总值进行处理,得到所述目标节点年份和预测年份的全社会和各产业类型的可比价生产总值,包括:
采用第一算法,对所述目标节点年份的各产业类型的产业结构比例和所述规划的全社会可比价生产总值中各产业类型的可比价生产总值进行处理,得到所述目标节点年份的各产业类型的可比价生产总值;
采用第二算法,对所述目标节点年份的各产业类型的可比价生产总值对应的可比价生产总值增速、所述目标节点年份的各产业类型的可比价生产总值和所述基准年份的各产业类型的可比价生产总值进行处理,得到所述预测年份和所述目标节点年份的全社会和各产业类型的可比价生产总值。
3.如权利要求1所述的方法,其特征在于,基于所述基准年份的各产业能源消费总量、所述基准年份的常住人口数量、所述基准年份各产业的生产总值和配置的产业单耗和人均能耗的下降率,确定所述预测年份和所述目标节点年份的产业单耗和人均能耗,包括:
基于所述基准年份的各产业能源消费总量、所述基准年份的常住人口数量和所述基准年份的各产业类型的可比价生产总值,确定所述基准年份的产业单耗和人均能耗;
根据配置的产业单耗和人均能耗的下降率,对所述基准年份的产业单耗和人均能耗进行处理,得到所述预测年份和所述目标节点年份的产业单耗和人均能耗。
4.如权利要求1所述的方法,其特征在于,所述终端分品种能源消费量包括煤能源、油能源、气能源、电能源和热能源;
采用预设的电量和热力平衡规则,对所述终端分品种能源消费量进行转换处理,获取所述终端分品种能源消费量对应的多种初始含碳能源消费量,包括:
根据预设的电量和热力平衡规则,将所述终端分品种能源消费量中电能源消费量和热能源消费量转换为煤能源消费量和气能源消费量,得到加工转换过程的煤能源消费量和加工转换过程的气能源消费量;
将所述终端分品种能源消费量中煤能源消费量和加工转换过程的煤能源消费量,确定为初始煤能源消费量;将所述终端分品种能源消费量中气能源消费量和加工转换过程的气能源消费量,确定为初始气能源消费量;
将所述初始煤能源消费量、所述初始气能源消费量和所述终端分品种能源消费量中油能源消费量,确定为所述预测年份和所述目标节点年份对应的多种初始能源消费量。
5.如权利要求4所述的方法,其特征在于,根据预设的电量和热力平衡规则,将所述终端分品种能源消费量中电能源消费量和热能源消费量转换为煤能源消费量和气能源消费量,得到加工转换过程的煤能源消费量和加工转换过程的气能源消费量,包括:
根据预设的电量和热力平衡规则和所述终端分品种能源消费量中电能源消费量,确定与所述电能源消费量对应的燃煤发电的发电量和燃气发电的发电量;其中,所述燃煤发电的发电量是根据燃煤发电的电力装机功率和相应燃煤发电利用小时数确定的,所述燃气发电的发电量是根据燃气发电的电力装机功率和相应燃气发电利用小时数确定的;
根据预设的电量和热力平衡规则和所述终端分品种能源消费量中热能源消费量,确定与所述热能源消费量对应的燃气热电联产的供热量和燃煤热电联产的供热量;
计算所述燃煤发电的发电量和配置的燃煤发电标煤耗的第一乘积,与所述燃煤热电联产的供热量和配置的燃煤供热标煤耗的第二乘积;将所述第一乘积和所述第二乘积的和值,确定为加工转换过程的煤能源消费量;
计算所述燃气发电的发电量和配置的燃气发电标气耗的第三乘积,与所述燃气热电联产的供热量和配置的燃气供热标气耗的第四乘积;将所述第三乘积和所述第四乘积的和值,确定为加工转换过程的气能源消费量。
7.如权利要求1所述的方法,其特征在于,得到所述预测年份和所述目标节点年份对应的多种各含碳能源的能耗量之后,所述方法还包括:
基于目标节点年份对应的多种含碳能源的消费量,获取目标节点年份的能源数据;
若获取的能源数据不满足区域发展规划文件中能源规划条件,则对配置的产业单耗和人均能耗的下降率进行更新,和/或,对配置的各产业类型的产业和居民生活的能源结构比例进行更新;
基于更新后的能量下降率和/或能源结构比例,获取新的目标节点年份对应的多种含碳能源的消费量,直至获取的能源数据满足能源规划条件为止。
8.一种碳排放量的预测装置,其特征在于,所述装置包括:
查找单元,用于基于接收的目标区域的区域发展规划文件,查找所述区域发展规划文件中目标区域在目标节点年份的规划的全社会可比价生产总值和各产业类型的产业结构比例,所述目标节点年份包括与基准年份相隔至少一种年份数的多个未来年份;所述基准年份为当前年份或历史年份;
以及,采用预设的可比价生产总值算法,对目标节点年份的各产业类型的产业结构比例、所述规划的全社会可比价生产总值和所述基准年份的全社会生产总值进行处理,得到所述目标节点年份和预测年份的全社会和各产业类型的可比价生产总值;所述预测年份为所述基准年份与所述目标节点年份之间相隔的年份;
确定单元,用于基于所述基准年份的各产业能源消费总量、所述基准年份的常住人口数量、所述基准年份各产业的生产总值和配置的产业单耗和人均能耗的下降率,确定所述预测年份和所述目标节点年份的产业单耗和人均能耗;所述各产业能源消费总量是在存储的区域能源平衡表中获取的;
以及,基于所述预测年份和所述目标节点年份的产业单耗和人均能耗、所述预测年份和所述目标节点年份的各产业类型的可比价生产总值,确定所述预测年份和所述目标节点年份的终端能源消费量;
获取单元,用于获取配置的各产业类型的产业和居民生活的能源结构比例和重大项目能耗的规划值;
基于所述各产业类型的产业和居民生活的能源结构比例和所述重大项目能耗的规划值,对所述终端能源消费量进行分品种处理,得到所述预测年份和所述目标节点年份对应的终端分品种能源消费量;
以及,采用预设的电量和热力平衡规则,对所述终端分品种能源消费量进行转换处理,获取所述终端分品种能源消费量对应的多种初始含碳能源消费量;
预测单元,用于对所述多种初始含碳能源消费量和设置的外来火电量间接碳排放量进行预测,得到所述目标区域在预测年份和目标节点年份的碳排放量的预测值。
9.一种电子设备,其特征在于,所述电子设备包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存储的程序时,实现权利要求1-7任一所述的方法步骤。
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内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-7任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210512114.9A CN114611845B (zh) | 2022-05-12 | 2022-05-12 | 碳排放量的预测方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210512114.9A CN114611845B (zh) | 2022-05-12 | 2022-05-12 | 碳排放量的预测方法、装置、电子设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114611845A true CN114611845A (zh) | 2022-06-10 |
CN114611845B CN114611845B (zh) | 2022-08-16 |
Family
ID=81870700
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210512114.9A Active CN114611845B (zh) | 2022-05-12 | 2022-05-12 | 碳排放量的预测方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114611845B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115616139A (zh) * | 2022-10-27 | 2023-01-17 | 江苏未来智慧信息科技有限公司 | 一种提高碳排放计算准确率的方法及系统 |
CN116188168A (zh) * | 2023-04-26 | 2023-05-30 | 湖南工商大学 | 基于动态排放量预测的碳排放配额交易方法和系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104063630A (zh) * | 2014-07-16 | 2014-09-24 | 南京擎天科技有限公司 | 一种地区碳排放量预测方法 |
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 |
CN107609676A (zh) * | 2017-08-17 | 2018-01-19 | 国网浙江省电力公司经济技术研究院 | 一种基于能源消费结构优化的碳排放峰值计算方法及系统 |
CN107748972A (zh) * | 2017-11-29 | 2018-03-02 | 国家电网公司 | 一种基于双能源指标预测全社会用电量的方法 |
CN108416691A (zh) * | 2018-01-31 | 2018-08-17 | 国网湖北省电力有限公司经济技术研究院 | 一种能源替代环保潜力计算方法 |
AU2020103555A4 (en) * | 2019-12-31 | 2021-02-04 | North China Electric Power University | Method and system for power supply prediction by variety |
CN113139725A (zh) * | 2021-04-23 | 2021-07-20 | 广州远正智能科技股份有限公司 | 一种多层级碳排放计算分析方法、系统和可读存储介质 |
CN113723718A (zh) * | 2021-11-03 | 2021-11-30 | 国网北京市电力公司 | 一种能源碳排放预测方法、装置、设备及介质 |
CN114154703A (zh) * | 2021-11-26 | 2022-03-08 | 国网浙江省电力有限公司经济技术研究院 | 一种基于社会经济数据的碳排放中长期预测方法 |
-
2022
- 2022-05-12 CN CN202210512114.9A patent/CN114611845B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104063630A (zh) * | 2014-07-16 | 2014-09-24 | 南京擎天科技有限公司 | 一种地区碳排放量预测方法 |
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 |
CN107609676A (zh) * | 2017-08-17 | 2018-01-19 | 国网浙江省电力公司经济技术研究院 | 一种基于能源消费结构优化的碳排放峰值计算方法及系统 |
CN107748972A (zh) * | 2017-11-29 | 2018-03-02 | 国家电网公司 | 一种基于双能源指标预测全社会用电量的方法 |
CN108416691A (zh) * | 2018-01-31 | 2018-08-17 | 国网湖北省电力有限公司经济技术研究院 | 一种能源替代环保潜力计算方法 |
AU2020103555A4 (en) * | 2019-12-31 | 2021-02-04 | North China Electric Power University | Method and system for power supply prediction by variety |
CN113139725A (zh) * | 2021-04-23 | 2021-07-20 | 广州远正智能科技股份有限公司 | 一种多层级碳排放计算分析方法、系统和可读存储介质 |
CN113723718A (zh) * | 2021-11-03 | 2021-11-30 | 国网北京市电力公司 | 一种能源碳排放预测方法、装置、设备及介质 |
CN114154703A (zh) * | 2021-11-26 | 2022-03-08 | 国网浙江省电力有限公司经济技术研究院 | 一种基于社会经济数据的碳排放中长期预测方法 |
Non-Patent Citations (4)
Title |
---|
LIJUN MA ET AL.: "The prediction of carbon emission in all provinces of China with the K-means cluster based Logistic model", 《2017 INTERNATIONAL CONFERENCE ON SERVICE SYSTEMS AND SERVICE MANAGEMENT》 * |
王晨晖等: "镇江煤炭消费的碳排放预测研究", 《农村经济与科技》 * |
范玲等: "浙江省能源消费碳排放动态特征及影响因素研究", 《生态经济》 * |
郑启伟: "基于能源消费的浙江省碳排放影响因素实证研究", 《环境与可持续发展》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115616139A (zh) * | 2022-10-27 | 2023-01-17 | 江苏未来智慧信息科技有限公司 | 一种提高碳排放计算准确率的方法及系统 |
CN115616139B (zh) * | 2022-10-27 | 2023-12-12 | 江苏未来智慧信息科技有限公司 | 一种提高碳排放计算准确率的方法及系统 |
CN116188168A (zh) * | 2023-04-26 | 2023-05-30 | 湖南工商大学 | 基于动态排放量预测的碳排放配额交易方法和系统 |
CN116188168B (zh) * | 2023-04-26 | 2023-08-04 | 湖南工商大学 | 基于动态排放量预测的碳排放配额交易方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114611845B (zh) | 2022-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhao et al. | Allocation of carbon emissions among industries/sectors: An emissions intensity reduction constrained approach | |
Ding et al. | Forecasting the sales and stock of electric vehicles using a novel self-adaptive optimized grey model | |
CN114611845B (zh) | 碳排放量的预测方法、装置、电子设备及介质 | |
CN108009667A (zh) | 一种能源需求总量及结构预测系统 | |
CN114757457B (zh) | 基于电力大数据的电碳排放全过程监测方法和装置 | |
CN114757602B (zh) | 供给侧电力碳排放风险预警方法、装置和计算机设备 | |
CN114742353A (zh) | 基于电税数据联合的碳排放量动态监控及用能优化方法 | |
Liang et al. | Comparison of different multicriteria decision-making methodologies for sustainability decision making | |
CN106327028A (zh) | 一种终端能源消耗量预测方法及装置 | |
Boulaire et al. | Statistical modelling of district-level residential electricity use in NSW, Australia | |
CN112651563A (zh) | 负荷预测方法、装置、计算机可读存储介质及电子设备 | |
CN114186792A (zh) | 一种基于双碳目标的能源网架规划方法 | |
CN115564152A (zh) | 基于stirpat模型的碳排放量预测方法及装置 | |
CN114862229A (zh) | 电能质量评估方法、装置、计算机设备和存储介质 | |
CN112257958A (zh) | 一种电力饱和负荷预测方法及装置 | |
CN115358476A (zh) | 需求响应潜力预测方法、装置、计算机设备和存储介质 | |
CN113837467B (zh) | 点对点能源项目评估方法、装置、计算机设备和存储介质 | |
CN116823008A (zh) | 一种园区能源利用效率评估方法、系统、设备和存储介质 | |
Crownshaw | A modelling framework for evaluating the dynamic metabolic feasibility of energy transition scenarios | |
CN114897299B (zh) | 基于数据中心余热利用系统的多层级能效评估方法 | |
Yang et al. | Green connection to the world: Building regional responsible sustainable development strategies | |
CN113689033B (zh) | 容量发电价核定方法、装置、计算机设备和存储介质 | |
CN115330089B (zh) | 一种基于电力大数据的用户侧行企业动态碳监测分析方法 | |
Dannecker et al. | Efficient forecasting for hierarchical time series | |
CN113435653B (zh) | 一种基于logistic模型的饱和用电量预测方法及系统 |
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 |