CN114792166A - 一种基于多重约束的能源碳排放的优化预测方法及装置 - Google Patents
一种基于多重约束的能源碳排放的优化预测方法及装置 Download PDFInfo
- Publication number
- CN114792166A CN114792166A CN202210493307.4A CN202210493307A CN114792166A CN 114792166 A CN114792166 A CN 114792166A CN 202210493307 A CN202210493307 A CN 202210493307A CN 114792166 A CN114792166 A CN 114792166A
- Authority
- CN
- China
- Prior art keywords
- energy
- carbon emission
- consumption
- prediction
- terminal
- 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
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 156
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 155
- 238000000034 method Methods 0.000 title claims abstract description 84
- 238000005457 optimization Methods 0.000 title claims abstract description 24
- 238000005265 energy consumption Methods 0.000 claims abstract description 105
- 230000008569 process Effects 0.000 claims abstract description 43
- 238000004364 calculation method Methods 0.000 claims abstract description 30
- 238000010248 power generation Methods 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims description 52
- 239000003245 coal Substances 0.000 claims description 49
- 238000006243 chemical reaction Methods 0.000 claims description 41
- 230000001133 acceleration Effects 0.000 claims description 37
- 238000003860 storage Methods 0.000 claims description 15
- 230000005611 electricity Effects 0.000 claims description 13
- 238000004519 manufacturing process Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 2
- 238000011161 development Methods 0.000 abstract description 7
- 238000005259 measurement Methods 0.000 abstract description 5
- 238000004458 analytical method Methods 0.000 abstract description 4
- 230000000007 visual effect Effects 0.000 abstract description 2
- 239000003921 oil Substances 0.000 description 16
- 239000007789 gas Substances 0.000 description 12
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 6
- 239000003345 natural gas Substances 0.000 description 6
- 239000002028 Biomass Substances 0.000 description 5
- 239000000446 fuel Substances 0.000 description 5
- 239000005431 greenhouse gas Substances 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000013213 extrapolation Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000006386 neutralization reaction Methods 0.000 description 3
- 239000003208 petroleum Substances 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 239000003034 coal gas Substances 0.000 description 1
- 239000000571 coke Substances 0.000 description 1
- 239000010779 crude oil Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012946 outsourcing Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000005406 washing Methods 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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种基于多重约束的能源碳排放的优化预测方法及装置，根据能源碳排放预测需求，针对性地获取历史数据并进行相应处理，优化能源碳排放预测模型；获取各类政府规划和电力规划文件，确定能源碳排放规划约束条件和能源碳排放预测模型的输入和预测量以及输出和过程计算量；对照能源碳排放规划约束条件对输入和预测量以及输出和过程计算量进行优化预测，以实现能源碳排放的优化预测。本申请以能源电力为主视角，统筹经济、能源、电力和碳排满足规划设定的多重目标约束，通过输入和预测量、输出和过程量，以规划文件设定的多重目标为约束条件，针对分产业经济发展、分品种发电结构、终端和一次能源消费、能源相关碳排放等进行分析预测。
Description
技术领域
本申请涉及电力系统技术领域，特别的，尤其涉及一种基于多重约束的能源碳排放的优化预测方法及装置。
背景技术
实现碳达峰、碳中和，是一场广泛而深刻的经济社会变革，需要坚持系统观念，明确时间表、路线图、施工图，推动经济社会发展建立在资源高效利用和绿色低碳发展的基础之上。其中，“碳达峰”是基础前提，“碳中和”是最终目标。对于碳达峰，它与经济增长、产业发展、能源电力保供、生态文明建设等因素相互交织，是一个复杂的系统工程。通常情况下，政府会制定国民经济和社会发展规划，设定分产业GDP占比、 GDP年均增长率和总量、单位GDP能耗(简称能耗强度)下降率、单位GDP 二氧化碳排放(简称碳排放强度)下降率等目标。同时，电力公司也会制定电力发展规划，对未来全社会用电量及最高负荷、境内各品种发电装机容量和外购电进行规划。预测未来能源碳排放并指导做好碳达峰碳中和工作，必须统筹考虑上述规划设定的经济、能源、电力、碳排等多重目标约束。
目前能源碳排放预测的模型主要有长期能源替代规划计量经济模型(简称LEAP模型)和可拓展的随机性环境影响评估模型(简称STIRPAT模型)，从LEAP模型和STIRPAT模型的原理可知，两个模型都没有针对电力领域进行细致刻画。输入不够灵活、计算过程不够透明、输出结果单一，无法同时满足经济、能源、电力、碳排规划目标的多重约束，限制了模型的适应性和准确性。
发明内容
鉴于上述内容中的问题，本申请提供了一种基于多重约束的能源碳排放的优化预测方法及装置，以实现基于多重约束的能源碳排放的优化预测。
为了实现上述目的，本申请提供了以下技术方案：
一种基于多重约束的能源碳排放的优化预测方法，包括：
根据能源碳排放预测需求，针对性地获取历史数据并进行相应处理，优化能源碳排放预测模型；
获取各类政府规划和电力规划文件，确定能源碳排放规划约束条件和所述能源碳排放预测模型的输入和预测量以及可组合运算的输出和过程计算量，所述输入和预测量可灵活调节，所述输出和过程计算量可组合运算；
对照所述能源碳排放规划约束条件对所述输入和预测量以及所述输出和过程计算量进行优化预测，以实现能源碳排放的优化预测。
优选的，所述根据能源碳排放预测需求，针对性地获取历史数据并进行相应处理，优化能源碳排放预测模型，包括：
根据能源碳排放预测需求，针对性地获取历史数据，所述历史数据包括：人口数量、分产业国民生产总值、能源平衡表、各种能源与标准煤的折标系数、各品种一次能源消费总量、各品种发电量；
获取电力规划数据，并根据所述电力规划数据进行电量平衡计算；
按照预设规则进行各品种能源终端消费量以及各品种能源一次消费量的预测；
依据预测的各品种能源终端消费量以及各品种能源一次消费量进行碳排放量预测；
对照规划约束条件，对所述能源碳排放预测模型进行优化。
优选的，所述输入和预测量包括：人口增速、分产业GDP增速、人均终端能耗增速、分产业单位GDP终端能耗增速、终端用能结构、加工转换损失率、本地各品种机组装机容量和年利用小时数、外来电量、全社会用电量、单位发电标准煤耗以及一次电能折标系数。
优选的，所述输出和过程计算量包括：人口、GDP、各品种终端能源消费、终端电能折标系数、本地各品种机组发电量、本地发电一次能源消费量、加工转换损失量、一次能源消费量以及碳排放量。
一种基于多重约束的能源碳排放的优化预测装置，包括：
第一处理单元，用于根据能源碳排放预测需求，针对性地获取历史数据并进行相应处理，优化能源碳排放预测模型；
第二处理单元，用于获取各类政府规划和电力规划文件，确定能源碳排放规划约束条件和所述能源碳排放预测模型的输入和预测量以及可组合运算的输出和过程计算量，所述输入和预测量可灵活调节，所述输出和过程计算量可组合运算；
第三处理单元，用于对照所述能源碳排放规划约束条件对所述输入和预测量以及所述输出和过程计算量进行优化预测，以实现能源碳排放的优化预测。
优选的，所述第一处理单元具体用于：
根据能源碳排放预测需求，针对性地获取历史数据，所述历史数据包括：人口数量、分产业国民生产总值、能源平衡表、各种能源与标准煤的折标系数、各品种一次能源消费总量、各品种发电量；
获取电力规划数据，并根据所述电力规划数据进行电量平衡计算；
按照预设规则进行各品种能源终端消费量以及各品种能源一次消费量的预测；
依据预测的各品种能源终端消费量以及各品种能源一次消费量进行碳排放量预测；
对照规划约束条件，对所述能源碳排放预测模型进行优化。
优选的，所述输入和预测量包括：人口增速、分产业GDP增速、人均终端能耗增速、分产业单位GDP终端能耗增速、终端用能结构、加工转换损失率、本地各品种机组装机容量和年利用小时数、外来电量、全社会用电量、单位发电标准煤耗以及一次电能折标系数。
优选的，所述输出和过程计算量包括：人口、GDP、各品种终端能源消费、终端电能折标系数、本地各品种机组发电量、本地发电一次能源消费量、加工转换损失量、一次能源消费量以及碳排放量。
一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在的设备执行如上述所述的基于多重约束的能源碳排放的优化预测方法。
一种电子设备，所述电子设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线；其中，所述处理器、所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令，以执行如上述所述的基于多重约束的能源碳排放的优化预测方法。
本申请所述的基于多重约束的能源碳排放的优化预测方法及装置，根据能源碳排放预测需求，针对性地获取历史数据并进行相应处理，优化能源碳排放预测模型；获取各类政府规划和电力规划文件，确定能源碳排放规划约束条件和所述能源碳排放预测模型的可灵活调节的输入和预测量以及可组合运算的输出和过程计算量；对照所述能源碳排放规划约束条件对所述输入和预测量以及所述输出和过程计算量进行优化预测，以实现能源碳排放的优化预测。本申请以能源电力为主视角，统筹经济、能源、电力和碳排4要素满足规划设定的多重目标约束，具备近60个可灵活调节的输入和预测量、近40个可组合计算的输出和过程量，以规划文件设定的多重目标为约束条件，针对分产业经济发展、分品种发电结构、终端和一次能源消费、能源相关碳排放等进行分析预测。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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的附图。
图1为本申请实施例公开的一种基于多重约束的能源碳排放的优化预测方法的流程示意图；
图2为本申请实施例公开的一种基于多重约束的能源碳排放的优化预测装置的结构示意图；
图3为本申请实施例公开的一种电子设备的结构示意图。
具体实施方式
术语解释：
能源消费总量是指一定地域内，国民经济各行业和居民家庭在一定时期消费的各种能源的总和。包括：原煤、原油、天然气、水能、核能、风能、太阳能、地热能、生物质能等一次能源；一次能源通过加工转换产生的洗煤、焦炭、煤气、电力、热力、成品油等二次能源和同时产生的其他产品；其他化石能源、可再生能源和新能源等。能源消费总量是通过能源综合平衡统计核算，即编制能源平衡表的方法取得。在核算过程中，一次能源、二次能源消费不能重复计算。能源消费总量分为终端能源消费量、能源加工转换损失量和能源损失量三部分。计算公式：能源消费总量＝终端能源消费量+能源加工转换损失量+能源损失量。一次能源消费统计类别主要有煤炭、石油、天然气、一次电力及其他4类，其中一次电力及其他是指水能、核能、风能、太阳能、生物质能等一次能源转换的电力、区外调入电力以及其他一次能源。
终端能源消费(final energy consumption)：按照OECD/IEA的定义，终端能源消费是终端用能设备入口得到的能源。因此终端能源消费量等于一次能源消费量减去能源加工、转换和储运这三个中间环节的损失和能源工业所用能源后的能源量。终端能源消费的方式只有三个，一是用作燃料，二是用作动力，三是用作原材料。终端能源消费统计类别主要有煤炭、石油、天然气、热力、电力和其他(如生物质能、氢能等)6类。
化石能源，是一种碳氢化合物或其衍生物。它由古代生物的化石沉积而来，是一次能源。化石能源所包含的天然资源有煤炭、石油和天然气。
非化石能源，指非煤炭、石油、天然气等经长时间地质变化形成，只供一次性使用的能源类型外的能源，包括当前的新能源及可再生能源，含风能、太阳能、水能、生物质能、地热能、海洋能、核能等。
《中国能源统计年鉴》是一部全面反映中国能源建设、生产、消费、供需平衡的权威性资料书。全书共分为7个部分：1.综合；2.能源建设；3.能源生产；4.能源消费；5.全国能源平衡表；6.地区能源平衡表；7.中国香港特别行政区、中国澳门特别行政区能源数据；附录为中国台湾地区能源数据、有关国家和地区能源数据、主要统计指标解释以及各种能源折标准煤参考系数。
能源平衡表(energybalance sheet)是由各种能源品种的单项平衡表组成的，是矩阵形式的表格，将各种能源的资源供应、加工转换和终端消费等各种数据汇总记入若干张表格内，直观地描述报告期内全国或地区各种能源的供应与需求和他们之间的加工转换关系，以及资源供应结构和消费需求结构。能源平衡表按能源的内容分为单项能源平衡表(如煤炭能源平衡表)和综合能源平衡表；按平衡范围大小分为地区(包括全国)能源平衡表、部门能源平衡表、工矿企业能源平衡表、以及车间(工序)或重点耗能设备的能源平衡表。其中地区能源平衡表的应用最广，它采用矩阵形式，由三个基本部分组成，“列”为各种一次能源和二次能源，“行”为能源流向和各种经济活动。
折标系数：让传统的度量单位简单地乘以一个系数，成为标准计量单位的数值，这个系数就是折标系数。折标系数＝标准计量单位/传统计量单位。能源当量折算(energycalculating equivalent)：计算某种能源的能源量时与标准燃料的热值相对应的数量。国际上采用的标准燃料有两种：煤和油。以煤作为标准燃料来计量时称为煤当量，以油作为标准燃料来计量时称为油当量。中国采用煤当量作为能源计量当量。各种能源与标准煤的折标系数可在《中国能源统计年鉴》中查到。
目前能源碳排放预测的模型主要有长期能源替代规划计量经济模型(简称LEAP模型)和可拓展的随机性环境影响评估模型(简称STIRPAT模型)，其中：
LEAP模型是由瑞典斯德哥尔摩环境研究所及美国波士顿Tellus研究所共同开发研究的计量经济学模型，是一个基于能源与环境的情景分析类型模型，根据终端用能的变化设置不同情景进行能源与环境方面的预测分析，主要采用自上而下分层级的方法，第一层级主要是对用能部门进行划分，然后每一层级细分下去，主要需求数据有：基准年和目标年的产量或者产值；各类能源单位产量或者产值的单耗；相应功能的气体排放情况；目标年能源相互之间的替代程度等。
STIRPAT模型最早由York和Dietz等提出，用于研究环境的影响因素，由 IPAT模型演变而来，该模型的优点在于避免了同比例变动问题的影响，能表达出各个影响因素的变动对应的环境变化。在温室气体排放预测领域能表达在各影响因素的变化下所对应的温室气体排放量的变化，因此在温室气体预测研究中被广泛应用于自上而下。STIRPAT模型的公式表示如下：
I＝a×Pb×Ac×Td×e
式中：I、P、A、T分别代表区域的温室气体排放量、人口、GDP和技术因素；a为模型系数，b、c、d分别为变量P、A、T的指数；e为模型误差项。根据大量的历史数据，可拟合出精度较高的回归方程。
LEAP模型主要是针对终端用能的变化设置不同情景，从终端用能到一次用能再到碳排放的计算链条不够透明。STIRPAT模型的公式中可分析的变量只有人口、GDP和技术因素，输出量只有温室气体排放量，输入输出比较单一，且主要根据历史数据来拟合回归方程进行预测，在政策强化、技术突破的情况下，预测结果往往不够准确。
申请人在研究中发现，从LEAP模型和STIRPAT模型的原理可知，两个模型都没有针对电力领域进行细致刻画。但是，历史统计数据显示，电力领域的碳排放量占能源活动领域总碳排放量的比重一直保持在50％左右，如果能对电力领域的一次能源消费情况进行细致全面的刻画，将大幅提高能源碳排放预测的准确度。
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，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
本申请基于电力规划，对本地各品种机组装机容量和年利用小时数、外来电量、全社会用电量进行全面预测；基于历史统计数据和政府规划材料，采用趋势外推、专家研判等方法，预估未来人口增速、分产业GDP增速、人均终端能耗增速、分产业单位GDP终端能耗增速、终端能源消费结构等输入量，预测各品种能源终端消费量。基于发电量测算用于发电的一次能源消费量，同时考虑加工转换损失率，反算各品种一次能源消费量，进而预测能源碳排放。
请参见附图1，为本申请实施例提供的一种基于多重约束的能源碳排放的优化预测方法流程示意图。如图1所示，本申请实施例提供了一种基于多重约束的能源碳排放的优化预测方法，该方法包括如下步骤：
S101：根据能源碳排放预测需求，针对性地获取历史数据并进行相应处理，优化能源碳排放预测模型；
本申请实施例中，上述所述根据能源碳排放预测需求，针对性地获取历史数据并进行相应处理，优化能源碳排放预测模型，包括：
根据能源碳排放预测需求，针对性地获取历史数据，所述历史数据包括：人口数量、分产业国民生产总值、能源平衡表、各种能源与标准煤的折标系数、各品种一次能源消费总量、各品种发电量；
获取电力规划数据，并根据所述电力规划数据进行电量平衡计算；
按照预设规则进行各品种能源终端消费量以及各品种能源一次消费量的预测；
依据预测的各品种能源终端消费量以及各品种能源一次消费量进行碳排放量预测；
对照规划约束条件，对所述能源碳排放预测模型进行优化。
在具体实施例中，具体过程如下：
首先，是历史数据收集及处理，其中历史数据主要包括近10年的统计数据，如人口Ht(下标t代表第t年，下同)，分产业国民生产总值GDP1,t、GDP2,t、 GDP3,t(下标1，2，3分别代表第一、第二、第三产业)，能源平衡表、各种能源与标准煤的折标系数、各品种一次能源消费总量、各品种发电量等。
计算分产业GDP增速δ1,t，δ2,t，δ3,t和人口增速δ4,t：
δi,t＝(GDPi,t/GDPi,t-1-1)×100％，i＝1,2,3
δ4,t＝(Hi,t/Hi,t-1-1)×100％
根据能源平衡表和折标系数，计算分产业和居民生活的各品种终端能源消费量
(折算至标准煤量，上标D代表终端能源消费，下标i＝1,2,3,4分别代表第一、第二、第三产业和居民生活，j＝1,2,3,4,5,6分别代表煤、油、气、热、电、其他共6种能源品种)，一次能源消费总量
(折算至标准煤量，上标P代表一次能源消费总量，下标k＝1,2,3,4分别代表煤、油、气、一次电力及其他共4种能源品种)。
计算分产业和居民生活的各品种终端能源消费占比αi,j,t：
根据公式可知：αi,j,t满足约束
计算分产业单位GDP终端能耗e1,t，e2,t，e3,t和居民生活人均终端能耗e4,t，进而计算分产业单位GDP终端能耗增速λ1,t，λ2,t，λ3,t和居民生活人均终端能耗增速λ4,t：
λi,t＝(ei,t/ei,t-1-1)×100％，i＝1,2,3,4
根据本地各品种发电量统计
(上标B代表本地电量，下标m＝1，2，3， 4，5，6，7，8分别代表煤、油、气、水、核、风、光、生物质及其他共8种发电品种)、外来煤电电量
和外来清洁电量
(上标W代表外来电量，外来电量也可分为8个品种，但考虑外来电量主要是煤电、水电、核电、风电和光伏，故简化为外来煤电电量和外来清洁电量两类)，煤、油、气发电标准煤耗βk,t，得到本地用于发电的一次煤、油、气能源消费量
进而计算煤、油、气加工转换损失量Lk,t和损失率γk,t：
其次，是电力规划数据收集和电量平衡计算，其中，电力规划数据主要包括未来n年的本地各品种发电装机容量
规划外来煤电电量
和外来清洁电量
以及全社会用电量QΣ,t+1等。根据历史年利用小时数预测除煤电之外的本地各品种发电机组年利用小时数
从而计算本地各品种发电量
根据电量平衡原则，计算本地煤电的发电量
及年利用小时数
然后，预测各品种能源终端消费量。根据政府规划约束，利用趋势外推、专家研判等方法预测分产业GDP增速δ1,t，δ2,t，δ3,t和人口增速δ4,t，计算分产业国民生产总值GDP1,t+1、GDP2,t+1、GDP3,t+1，国民生产总值GDPΣ,t+1和人口Ht+1：
GDPi,t+1＝GDPi,t×(1+δi,t)，i＝1,2,3
Ht+1＝Ht×(1+δ4,t)
预测分产业单位GDP终端能耗增速λ1,t，λ2,t，λ3,t和居民生活人均终端能耗增速λ4,t，计算分产业单位GDP终端能耗e1,t+1，e2,t+1，e3,t+1和居民生活人均终端能耗e4,t+1：
ei,t+1＝ei,t×(1+λi,t)，i＝1,2,3,4
进而计算分产业和居民生活的终端能源消费总量
预测分产业和居民生活的各品种终端能源消费占比αi,j,t+1，从而计算各品种能源终端消费量
对于终端电能消费量
与全社会用电量QΣ,t+1的比值
定义为终端电能折标系数，要求必须小于1.229，一般在1.180～1.195之间；如果不满足要求，需优化预测各品种终端能源消费占比αi,j,t+1。
之后，预测各品种能源一次消费量。利用趋势外推、专家研判等方法预测煤、油、气加工转换损失率γk,t+1，计算煤、油、气加工转换损失量Lk,t+1：
根据电量平衡计算结果，计算本地用于发电的一次煤、油、气能源消费量
进而计算一次煤、油、气能源消费量
根据一次电能折标系数β4,t+1，计算一次电力及其他能源消费量
之后，是预测碳排放量。根据各品种一次能源消费量
煤、油、气单位能源碳排放因子μk，计算本地碳排放量
外来电调入引起的碳排放
电力碳排放
以及总碳排放量
最后，是对照规划约束条件，优化预测各输入量。对经济类指标，如GDP 年均增长率，可通过优化预测分产业GDP增速δ1,t，δ2,t，δ3,t进行满足。对能源类指标，如能源消费总量、单位GDP能耗(简称能耗强度)下降率、非化石能源消费占比、天然气消费占比、终端电气化率等，电力类指标，如本地各品种发电装机容量及发电量、外来电量及构成等，碳排类指标，如碳排放总量、单位GDP碳排放量(简称碳排放强度)下降率、单位电力碳排放(简称度电碳排放))下降率等，都可以计算并通过优化预测对应的输入量进行满足。
S102：获取各类政府规划和电力规划文件，确定能源碳排放规划约束条件和所述能源碳排放预测模型的输入和预测量以及可组合运算的输出和过程计算量，所述输入和预测量可灵活调节，所述输出和过程计算量可组合运算；
本申请实施例中，上述所述输入和预测量包括：人口增速、分产业GDP 增速、人均终端能耗增速、分产业单位GDP终端能耗增速、终端用能结构、加工转换损失率、本地各品种机组装机容量和年利用小时数、外来电量、全社会用电量、单位发电标准煤耗以及一次电能折标系数等等。上述所述输出和过程计算量包括：人口、GDP、各品种终端能源消费、终端电能折标系数、本地各品种机组发电量、本地发电一次能源消费量、加工转换损失量、一次能源消费量以及碳排放量等等。
S103：对照所述能源碳排放规划约束条件对所述输入和预测量以及所述输出和过程计算量进行优化预测，以实现能源碳排放的优化预测。
本申请实施例在能源碳排放预测过程中对电力领域进行了全面细致的刻画。基于电力规划，对本地各品种机组装机容量和年利用小时数、外来电量、全社会用电量进行全面预测；通过终端电能折标系数关联终端电能消费量和全社会用电量，提高终端电能消费量预测的科学性；通过本地各品种发电量和外来电量推算本地用于发电的一次能源消费量和电力领域碳排放量，提高预测结果的准确性。
需要说明的是，本申请实施例的输入和预测量包括人口增速、分产业GDP 增速、人均终端能耗增速、分产业单位GDP终端能耗增速、终端用能结构、加工转换损失率、本地各品种机组装机容量和年利用小时数、外来电量、全社会用电量、单位发电标准煤耗、一次电能折标系数等近60维数据，输出和过程量包括人口、GDP、各品种终端能源消费、终端电能折标系数、本地各品种机组发电量、本地发电一次能源消费量、加工转换损失量、一次能源消费量、碳排放量等近40维数据，可通过灵活设置输入量，满足各类规划设定的经济、能源、电力、碳排等多重目标约束，对比现有模型具有输入灵活、过程透明、输出多样、结果准确的优势。
此外，本申请实施例中的历史数据来自政府官网、能源平衡表、电力公司统计报表等，未来发展的目标约束则使用政府规划、电力规划等权威材料，数据全面完整、规范权威，预测结果有说服力。
本申请实施例提供一种基于多重约束的能源碳排放的优化预测方法，
请参阅图2，基于上述实施例公开的一种基于多重约束的能源碳排放的优化预测方法，本实施例对应公开了一种基于多重约束的能源碳排放的优化预测装置，该装置包括：
第一处理单元201，用于根据能源碳排放预测需求，针对性地获取历史数据并进行相应处理，优化能源碳排放预测模型；
第二处理单元202，用于获取各类政府规划和电力规划文件，确定能源碳排放规划约束条件和所述能源碳排放预测模型的输入和预测量以及可组合运算的输出和过程计算量，所述输入和预测量可灵活调节，所述输出和过程计算量可组合运算；
第三处理单元203，用于对照所述能源碳排放规划约束条件对所述输入和预测量以及所述输出和过程计算量进行优化预测，以实现能源碳排放的优化预测。
进一步的，所述第一处理单元201具体用于：
根据能源碳排放预测需求，针对性地获取历史数据，所述历史数据包括：人口数量、分产业国民生产总值、能源平衡表、各种能源与标准煤的折标系数、各品种一次能源消费总量、各品种发电量；
获取电力规划数据，并根据所述电力规划数据进行电量平衡计算；
按照预设规则进行各品种能源终端消费量以及各品种能源一次消费量的预测；
依据预测的各品种能源终端消费量以及各品种能源一次消费量进行碳排放量预测；
对照规划约束条件，对所述能源碳排放预测模型进行优化。
进一步的，所述输入和预测量包括：人口增速、分产业GDP增速、人均终端能耗增速、分产业单位GDP终端能耗增速、终端用能结构、加工转换损失率、本地各品种机组装机容量和年利用小时数、外来电量、全社会用电量、单位发电标准煤耗以及一次电能折标系数。
进一步的，所述输出和过程计算量包括：人口、GDP、各品种终端能源消费、终端电能折标系数、本地各品种机组发电量、本地发电一次能源消费量、加工转换损失量、一次能源消费量以及碳排放量。
所述基于多重约束的能源碳排放的优化预测装置包括处理器和存储器，上述第一处理单元、第二处理单元和第三处理单元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。
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，通过调整内核参数以实现基于多重约束的能源碳排放的优化预测。
本申请实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现所述基于多重约束的能源碳排放的优化预测方法。
本申请实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述基于多重约束的能源碳排放的优化预测方法。
本申请实施例提供了一种电子设备，如图3所示，该电子设备30包括至少一个处理器301、以及与所述处理器连接的至少一个存储器302、总线303；其中，所述处理器301、所述存储器302通过所述总线303完成相互间的通信；处理器301用于调用所述存储器302中的程序指令，以执行上述的所述基于多重约束的能源碳排放的优化预测方法。
本文中的电子设备可以是服务器、PC、PAD、手机等。
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：
根据能源碳排放预测需求，针对性地获取历史数据并进行相应处理，优化能源碳排放预测模型；
获取各类政府规划和电力规划文件，确定能源碳排放规划约束条件和所述能源碳排放预测模型的输入和预测量以及可组合运算的输出和过程计算量，所述输入和预测量可灵活调节，所述输出和过程计算量可组合运算；
对照所述能源碳排放规划约束条件对所述输入和预测量以及所述输出和过程计算量进行优化预测，以实现能源碳排放的优化预测。
进一步的，所述根据能源碳排放预测需求，针对性地获取历史数据并进行相应处理，优化能源碳排放预测模型，包括：
根据能源碳排放预测需求，针对性地获取历史数据，所述历史数据包括：人口数量、分产业国民生产总值、能源平衡表、各种能源与标准煤的折标系数、各品种一次能源消费总量、各品种发电量；
获取电力规划数据，并根据所述电力规划数据进行电量平衡计算；
按照预设规则进行各品种能源终端消费量以及各品种能源一次消费量的预测；
依据预测的各品种能源终端消费量以及各品种能源一次消费量进行碳排放量预测；
对照规划约束条件，对所述能源碳排放预测模型进行优化。
进一步的，所述输入和预测量包括：人口增速、分产业GDP增速、人均终端能耗增速、分产业单位GDP终端能耗增速、终端用能结构、加工转换损失率、本地各品种机组装机容量和年利用小时数、外来电量、全社会用电量、单位发电标准煤耗以及一次电能折标系数。
进一步的，所述输出和过程计算量包括：人口、GDP、各品种终端能源消费、终端电能折标系数、本地各品种机组发电量、本地发电一次能源消费量、加工转换损失量、一次能源消费量以及碳排放量。
本申请是根据本申请实施例的方法、设备(系统)、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。
在一个典型的配置中，设备包括一个或多个处理器(CPU)、存储器和总线。设备还可以包括输入/输出接口、网络接口等。
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。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器 (CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，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。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种基于多重约束的能源碳排放的优化预测方法，其特征在于，包括：
根据能源碳排放预测需求，针对性地获取历史数据并进行相应处理，优化能源碳排放预测模型；
获取各类政府规划和电力规划文件，确定能源碳排放规划约束条件和所述能源碳排放预测模型的输入和预测量以及可组合运算的输出和过程计算量，所述输入和预测量可灵活调节，所述输出和过程计算量可组合运算；
对照所述能源碳排放规划约束条件对所述输入和预测量以及所述输出和过程计算量进行优化预测，以实现能源碳排放的优化预测。
2.根据权利要求1所述的方法，其特征在于，所述根据能源碳排放预测需求，针对性地获取历史数据并进行相应处理，优化能源碳排放预测模型，包括：
根据能源碳排放预测需求，针对性地获取历史数据，所述历史数据包括：人口数量、分产业国民生产总值、能源平衡表、各种能源与标准煤的折标系数、各品种一次能源消费总量、各品种发电量；
获取电力规划数据，并根据所述电力规划数据进行电量平衡计算；
按照预设规则进行各品种能源终端消费量以及各品种能源一次消费量的预测；
依据预测的各品种能源终端消费量以及各品种能源一次消费量进行碳排放量预测；
对照规划约束条件，对所述能源碳排放预测模型进行优化。
3.根据权利要求1所述的方法，其特征在于，所述输入和预测量包括：人口增速、分产业GDP增速、人均终端能耗增速、分产业单位GDP终端能耗增速、终端用能结构、加工转换损失率、本地各品种机组装机容量和年利用小时数、外来电量、全社会用电量、单位发电标准煤耗以及一次电能折标系数。
4.根据权利要求1所述的方法，其特征在于，所述输出和过程计算量包括：人口、GDP、各品种终端能源消费、终端电能折标系数、本地各品种机组发电量、本地发电一次能源消费量、加工转换损失量、一次能源消费量以及碳排放量。
5.一种基于多重约束的能源碳排放的优化预测装置，其特征在于，包括：
第一处理单元，用于根据能源碳排放预测需求，针对性地获取历史数据并进行相应处理，优化能源碳排放预测模型；
第二处理单元，用于获取各类政府规划和电力规划文件，确定能源碳排放规划约束条件和所述能源碳排放预测模型的输入和预测量以及可组合运算的输出和过程计算量，所述输入和预测量可灵活调节，所述输出和过程计算量可组合运算；
第三处理单元，用于对照所述能源碳排放规划约束条件对所述输入和预测量以及所述输出和过程计算量进行优化预测，以实现能源碳排放的优化预测。
6.根据权利要求5所述的装置，其特征在于，所述第一处理单元具体用于：
根据能源碳排放预测需求，针对性地获取历史数据，所述历史数据包括：人口数量、分产业国民生产总值、能源平衡表、各种能源与标准煤的折标系数、各品种一次能源消费总量、各品种发电量；
获取电力规划数据，并根据所述电力规划数据进行电量平衡计算；
按照预设规则进行各品种能源终端消费量以及各品种能源一次消费量的预测；
依据预测的各品种能源终端消费量以及各品种能源一次消费量进行碳排放量预测；
对照规划约束条件，对所述能源碳排放预测模型进行优化。
7.根据权利要求5所述的装置，其特征在于，所述输入和预测量包括：人口增速、分产业GDP增速、人均终端能耗增速、分产业单位GDP终端能耗增速、终端用能结构、加工转换损失率、本地各品种机组装机容量和年利用小时数、外来电量、全社会用电量、单位发电标准煤耗以及一次电能折标系数。
8.根据权利要求5所述的装置，其特征在于，所述输出和过程计算量包括：人口、GDP、各品种终端能源消费、终端电能折标系数、本地各品种机组发电量、本地发电一次能源消费量、加工转换损失量、一次能源消费量以及碳排放量。
9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在的设备执行如权利要求1至4中任一项所述的基于多重约束的能源碳排放的优化预测方法。
10.一种电子设备，其特征在于，所述电子设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线；其中，所述处理器、所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令，以执行如权利要求1至4中任一项所述的基于多重约束的能源碳排放的优化预测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210493307.4A CN114792166A (zh) | 2022-05-07 | 2022-05-07 | 一种基于多重约束的能源碳排放的优化预测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210493307.4A CN114792166A (zh) | 2022-05-07 | 2022-05-07 | 一种基于多重约束的能源碳排放的优化预测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114792166A true CN114792166A (zh) | 2022-07-26 |
Family
ID=82462718
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210493307.4A Pending CN114792166A (zh) | 2022-05-07 | 2022-05-07 | 一种基于多重约束的能源碳排放的优化预测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114792166A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115660234A (zh) * | 2022-12-27 | 2023-01-31 | 中国能源建设集团湖南省电力设计院有限公司 | 一种基于混合测算方法的双碳预测优化模型 |
| CN117172352A (zh) * | 2023-07-20 | 2023-12-05 | 南京电力设计研究院有限公司 | 一种数字化园区建筑碳排放优化设计方法 |
| CN117371878A (zh) * | 2023-08-30 | 2024-01-09 | 北京大学 | 应用ccus技术的碳排放控制方法及装置 |
-
2022
- 2022-05-07 CN CN202210493307.4A patent/CN114792166A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115660234A (zh) * | 2022-12-27 | 2023-01-31 | 中国能源建设集团湖南省电力设计院有限公司 | 一种基于混合测算方法的双碳预测优化模型 |
| CN117172352A (zh) * | 2023-07-20 | 2023-12-05 | 南京电力设计研究院有限公司 | 一种数字化园区建筑碳排放优化设计方法 |
| CN117172352B (zh) * | 2023-07-20 | 2024-04-02 | 南京电力设计研究院有限公司 | 一种数字化园区建筑碳排放优化设计方法 |
| CN117371878A (zh) * | 2023-08-30 | 2024-01-09 | 北京大学 | 应用ccus技术的碳排放控制方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mesfun et al. | Power-to-gas and power-to-liquid for managing renewable electricity intermittency in the Alpine Region | |
| Haller et al. | Bridging the scales: A conceptual model for coordinated expansion of renewable power generation, transmission and storage | |
| Abolhosseini et al. | A review of renewable energy supply and energy efficiency technologies | |
| Ho et al. | Regional Energy Deployment System (ReEDS) Model Documentation (Version 2020) | |
| Pina et al. | Modeling hourly electricity dynamics for policy making in long-term scenarios | |
| CN114792166A (zh) | 一种基于多重约束的能源碳排放的优化预测方法及装置 | |
| Adesanya et al. | Solar PV-diesel hybrid systems for the Nigerian private sector: An impact assessment | |
| Heshmati et al. | The development of renewable energy sources and its significance for the environment | |
| Mostafaeipour et al. | Feasibility of using wind turbines for renewable hydrogen production in Firuzkuh, Iran | |
| Lüth et al. | How to connect energy islands: Trade-offs between hydrogen and electricity infrastructure | |
| Palys et al. | Renewable hydrogen and ammonia for combined heat and power systems in remote locations: Optimal design and scheduling | |
| Lv et al. | Optimal capacity configuration model of power-to-gas equipment in wind-solar sustainable energy systems based on a novel spatiotemporal clustering algorithm: A pathway towards sustainable development | |
| Gadzanku et al. | Enabling floating solar photovoltaic (FPV) deployment: Exploring the operational benefits of floating solar-hydropower hybrids | |
| Wyrwa et al. | Energy scenarios for Poland-a comparison of PRIMES and TIMES-PL modeling results | |
| Marzi et al. | Power-to-Gas for energy system flexibility under uncertainty in demand, production and price | |
| K. Maia et al. | Optimization of energy storage and system flexibility in the context of the energy transition: Germany’s power grid as a case study | |
| Mutke et al. | Influence of bioenergy and transmission expansion on electrical energy storage requirements in a gradually decarbonized european power system | |
| Biéron et al. | Assessment of the marginal technologies reacting to demand response events: A French case-study | |
| Liu et al. | Research on the decomposition model for China’s National Renewable Energy total target | |
| Irawan et al. | Integrated strategic energy mix and energy generation planning with multiple sustainability criteria and hierarchical stakeholders | |
| Novacheck et al. | Evaluating the Grid Impact of Oregon Offshore Wind | |
| Urooj et al. | Assessment of electricity demand at domestic level in Balochistan, Pakistan | |
| Di Bella et al. | Multi-Objective Optimization to Identify Carbon Neutrality Scenarios for the Italian Electric System | |
| Manoj et al. | Towards Efficient Energy Solutions: MCDA-Driven Selection of Hybrid Renewable Energy Systems | |
| Kumar et al. | Factors affecting the electricity transmission and distribution losses: evidences from BRICS countries |
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 |