CN114970132A - 一种预测区域碳达峰形势的方法 - Google Patents
一种预测区域碳达峰形势的方法 Download PDFInfo
- Publication number
- CN114970132A CN114970132A CN202210536286.XA CN202210536286A CN114970132A CN 114970132 A CN114970132 A CN 114970132A CN 202210536286 A CN202210536286 A CN 202210536286A CN 114970132 A CN114970132 A CN 114970132A
- Authority
- CN
- China
- Prior art keywords
- carbon emission
- carbon
- regional
- region
- emission
- 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 143
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 141
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000011161 development Methods 0.000 claims abstract description 15
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 8
- 238000004458 analytical method Methods 0.000 claims abstract description 3
- 230000000694 effects Effects 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 9
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 8
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 7
- 239000001569 carbon dioxide Substances 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 5
- 238000005265 energy consumption Methods 0.000 claims description 5
- 239000003245 coal Substances 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 claims description 2
- 238000007621 cluster analysis Methods 0.000 claims 1
- 230000009897 systematic effect Effects 0.000 claims 1
- 238000012216 screening Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种预测区域碳达峰形势的方法，包括以下步骤：（1）、识别区域的碳排放特征，对区域进行划分；（2）、对各区域的碳排放影响因子进行分解分析，识别并明确各区域的碳排放影响因子中的关键因子；（3）、结合所述时间节点之前的碳排放量及关键影响因子的变化特征构建碳排放预测模型；（4）、根据构建的预测模型及关键影响因子的不同情景，对区域不同发展情景的碳排放进行预测，并针对预测结果及各情景发展的可行性判断区域的碳达峰形势。本发明方法科学合理，为针对不同区域碳排放特征制定行之有效且实际的碳达峰行动方案提供支撑，区域碳排放趋势的科学判断及碳达峰路径的科学规划提供基础，有显著的社会和经济效益。
Description
技术领域
本发明涉及碳排放达峰，特别是一种预测区域碳达峰形势的方法。
背景技术
经济发展对能源的需求巨大，我国能源消费中煤炭的占比较高，而煤炭又是碳排放系数较高的一次能源，因此可以预见我国的二氧化碳减排压力巨大。区域的碳达峰对中国全面实现碳达峰至关重要，因此识别区域的碳排放特征与关键影响因子并预测区域碳达峰形势对区域碳达峰路径提供基础和支撑。
国内学者在对区域的碳达峰形势的研究中相对较少，并且在情景设计时往往将各因素统一考虑设定一种或少许几种情景，情景较少且较为主观，影响因子考虑较少，在预测结果时，往往会造成很大的差异，本申请首先对区域的碳排放特征和关键影响因子识别，并客观设计多种情景，依据预测结果及达峰情景中各影响因子的可行性判断区域碳达峰形势。
发明内容
针对上述情况，为克服现有技术之缺陷，本发明之目的就是提供一种用于识别区域碳排放特征与关键影响因子并预测区域碳达峰形势的方法，可有效解决当前判断方法客观性较弱、区域适宜性差的问题。
为实现上述目的，本发明解决的技术方案是，一种预测区域碳达峰形势的方法，包括以下步骤：
(1)、识别区域的碳排放特征，对区域进行划分；
(2)、对各区域的碳排放影响因子进行分解分析，识别并明确各区域的碳排放影响因子中的关键因子；
(3)、结合所述时间节点之前的碳排放量及关键影响因子的变化特征构建碳排放预测模型；
(4)、根据构建的预测模型及关键影响因子的不同情景，对区域不同发展情景的碳排放进行预测，并针对预测结果及各情景发展的可行性判断区域的碳达峰形势。
本发明方法科学合理，在识别区域碳排放特征的基础上，对区域碳排放的关键影响因子进行识别，并对关键影响因子未来发展情景进行预测，从而判断区域碳达峰形势，为针对不同区域碳排放特征制定行之有效且实际的碳达峰行动方案提供支撑，区域碳排放趋势的科学判断及碳达峰路径的科学规划提供基础，有显著的社会和经济效益。
附图说明
图1是本发明的流程图。
图2是本发明图1中区域碳排放关键影响因子识别流程。
图3是本发明图1中区域碳达峰形势判断流程。
具体实施方式
以下结合附图和实施例对本发明的具体实施方式作出详细说明。
一种预测区域碳达峰形势的方法，包括以下步骤：
(1)识别区域的碳排放特征，对区域进行划分：
所述的区域碳排放特征为社会经济发展因素所组成的多维特征定义，将反映多维特征的指标集合定义为区域碳排放特征指标集，在识别区域碳排放特征时，首先选择指标集，各指标在定义中选择了相对指标并与全国平均水平(统计局官网查所需年份统计年鉴即可，公知数据)做比值，指标小于1，代表该特征低于全国平均水平；指标大于等于1，代表该特征高于或等于全国平均水平；若指标值超过2，则将其定义为2(即标准化处理方式)，代表该特征远高于全国平均水平。
然后根据历史数据(统计局官网查所需年份统计年鉴即可，公知数据)，使用SPSS软件中系统聚类的ward法对各省域历年的区域碳排放特征进行聚类分析，形成n种区域碳排放典型特征；最后计算目标对象的区域碳排放特征指标集与n种区域碳排放典型特征指标集的欧氏距离，并制作雷达图表示区域碳排放特征，计算公式如下：
其中，x表示目标对象的区域碳排放特征指标集，y表示区域碳排放典型特征指标集，i 表示n种区域碳排放典型特征，j表示n项区域碳排放特征指标的数值，Xi表示目标对象的第i项区域碳排放特征指标的数值，Yij表示第i种区域碳排放典型特征下的第j项指标的数值，Di表示目标对象中各个区域碳排放特征指标与不同区域碳排放典型特征中所对应的各个指标值的欧氏距离。
(2)明确区域碳排放影响因子中的关键因子，如图2所示：
首先根据区域的能源消费数据计算区域的二氧化碳排放量，计算公式如下：
式中：A—二氧化碳排放量，104t；Bi—能源i消费量，按标准煤计，104t；Ci—能源i碳排放系数，(104t)/(104t)；i—能源种类；
然后根据区域的碳排放特征选取相应的碳排放影响因子作为分解对象，运用因素分解模型对所选影响因子进行分解，依据各影响因子的对区域碳排放的影响程度识别出区域碳排放的关键影响因子。
分解方法一般分为结构分解法和指数分解法，在实际中常用的是是LMDI模型，影响因子的贡献程度计算公式如下：
其中，式中C—二氧化碳总排放量，即消耗主要化石能源所释放出的碳排放量；i—不同的能源类型；P—人口；G—GDP；Ei—第i种能源的消费量；Ci—第i种能源消费产生的碳排放量；其中r＝G/P，表示人均GDP，m＝E/G，表示能源强度，e＝Ei/E，代表能源结构，fi＝Ci/Ei，代表碳排放系数。(本实施例中选取人口、人均GDP、能源强度、能源结构为影响因子进行识别，在方法应用中可根据区域的特征和数据获取条件进行影响因子的扩展和细化)。
由于某种能源的碳排放系数是不变的，在进行碳排放量综合影响效应计算时，将碳排放系数效应假定为0，本文碳排放增长量的综合影响效应计算公式如下：
ΔC＝ΔCp+ΔCr+ΔCm+ΔCe
逐年各因素累计效应：
其中，式中△C—综合效应，△Cp—人口效应，△Cr—人均GDP效应，△Cm—能源强度效应，△Ce—能源结构效应；
为进一步明确各因素效应的贡献，用指数形式定义各因素贡献率δ：
δp+δr+δm+δe＝1
其中，式中δp—人口效应贡献率，δr—人均GDP效应贡献率，δm—能源强度效应贡献率，δe—能源结构效应贡献率；
(3)结合所述时间节点之前的碳排放量及关键影响因子的变化特征构建碳排放预测模型：
在对区域碳排放进行预测时，一般选用SIRPAT预测模型。首先依据STIRPAT模型的拓展原则对区域的碳排放总量及关键影响因子所述时间节点之前15-20年的数据(公知数据) 进行统计、计算，然后以SPSS软件为工具进行岭回归进行STIRPAT模型构建，该模型的基本形式如下所示：
I＝aPbAcTde
式中，式中I、P、A、T—分别表示环境压力、人口规模、富裕程度、技术水平；a—模型常数项，b、c、d—分别为人口规模、富裕程度、技术水平的估计指数，e—模型随机误差项；
将STIRPAT模型等式两边取对数，则可以将环境压力与各因素的关系转化为线性关系，公式如下所示：
Ln(I)＝Ln(a)+bLn(P)+cLn(A)+dLn(T)+Lne
式中，回归系数b、c、d—为环境压力与各影响因素之间的弹性系数。
(4)根据区域碳排放影响因子的设计运用预测模型进行预测，依据预测结果及各情景发展的可行性判断区域的碳达峰形势：
首先对区域的碳排放关键影响因子未来发展进行多情景的设计，每个因子独立设计，并进行排列组合，设计出多种情景；然后运用模型对各组合情景进行碳达峰预测；根据预测结果，对满足2030年碳达峰目标的情景进行具体分析，分析各关键影响因子按达峰情景的可行性，从而判断区域的碳达峰形势。
本发明方法科学合理，在识别区域碳排放特征的基础上，对区域碳排放的关键影响因子进行识别，并对关键影响因子未来发展情景进行预测，从而判断区域碳达峰形势，为针对不同区域碳排放特征制定行之有效且实际的碳达峰行动方案提供支撑，解决此前相关方法客观性较弱、区域适宜性差等问题，经实地试验，区域碳达峰形势适宜性强，预测准确率高达95％以上，为区域碳排放趋势的科学判断及碳达峰路径的科学规划提供基础，是预测区域碳达峰形势上的一大创新，有显著的社会和经济效益。
Claims (4)
1.一种预测区域碳达峰形势的方法，其特征在于，包括以下步骤：
(1)、识别区域的碳排放特征，对区域进行划分；
(2)、对各区域的碳排放影响因子进行分解分析，识别并明确各区域的碳排放影响因子中的关键因子；
(3)、结合所述时间节点之前的碳排放量及关键影响因子的变化特征构建碳排放预测模型；
(4)、根据构建的预测模型及关键影响因子的不同情景，对区域不同发展情景的碳排放进行预测，并针对预测结果及各情景发展的可行性判断区域的碳达峰形势。
2.根据权利要求1所述的预测区域碳达峰形势的方法，其特征在于，包括以下步骤：
(1)、识别区域的碳排放特征，对区域进行划分：
所述的区域碳排放特征为社会经济发展因素所组成的多维特征定义，将反映多维特征的指标集合定义为区域碳排放特征指标集，在识别区域碳排放特征时，首先选择指标集，各指标在定义中选择了相对指标，并与全国平均水平做比值，若指标小于1，即该特征低于全国平均水平；若指标大于等于1，即该特征高于或等于全国平均水平；若指标值超过2，则将其定义为2，即该特征远高于全国平均水平；根据历史数据，对各省域历年的区域碳排放特征进行聚类分析，形成n种区域碳排放典型特征；最后计算目标对象的区域碳排放特征指标集与n种区域碳排放典型特征指标集的欧氏距离，并制作雷达图表示区域碳排放特征，计算公式如下：
其中，x表示目标对象的区域碳排放特征指标集，y表示区域碳排放典型特征指标集，i表示n种区域碳排放典型特征，j表示n项区域碳排放特征指标的数值，Xi表示目标对象的第i项区域碳排放特征指标的数值，Yij表示第i种区域碳排放典型特征下的第j项指标的数值，Di表示目标对象中各个区域碳排放特征指标与不同区域碳排放典型特征中所对应的各个指标值的欧氏距离；
(2)、明确区域碳排放影响因子中的关键因子：
首先根据区域的能源消费数据计算区域的二氧化碳排放量，计算公式如下：
式中：A—二氧化碳排放量，104t；Bi—能源i消费量，按标准煤计，104t；Ci—能源i碳排放系数，(104t)/(104t)；i—能源种类；
根据区域的碳排放特征选取相应的碳排放影响因子作为分解对象，运用因素分解模型对所选影响因子进行分解，依据各影响因子对区域碳排放的影响程度，识别出区域碳排放的关键影响因子，影响因子的贡献程度计算公式如下：
其中，式中C—二氧化碳总排放量，即消耗主要化石能源所释放出的碳排放量；i—不同的能源类型；P—人口；G—GDP；Ei—第i种能源的消费量；Ci—第i种能源消费产生的碳排放量；其中r＝G/P，表示人均GDP，m＝E/G，表示能源强度，e＝Ei/E，代表能源结构，fi＝Ci/Ei，代表碳排放系数；
在进行碳排放量综合影响效应计算时，将碳排放系数效应假定为0，碳排放增长量的综合影响效应计算公式如下：
ΔC＝ΔCP+ΔCr+ΔCm+ΔCe
逐年各因素累计效应
其中，式中△C—综合效应，△Cp—人口效应，△Cr—人均GDP效应，△Cm—能源强度效应，△Ce—能源结构效应；
为进一步明确各因素效应的贡献，用指数形式定义各因素贡献率δ：
δp+δr+δm+δe＝1
其中，式中δp—人口效应贡献率，δr—人均GDP效应贡献率，δm—能源强度效应贡献率，δe—能源结构效应贡献率；
(3)、结合所述时间节点之前的碳排放量及关键影响因子的变化特征构建碳排放预测模型：
在对区域碳排放进行预测时，选用SIRPAT预测模型，依据STIRPAT模型的拓展原则对区域的碳排放总量及关键影响因子所述时间节点之前的数据进行统计、计算，然后以SPSS软件为工具进行岭回归，进行STIRPAT模型构建，该模型的基本形式为：
I＝aPbAcTde
式中，式中I、P、A、T—分别表示环境压力、人口规模、富裕程度、技术水平；a—模型常数项，b、c、d—分别为人口规模、富裕程度、技术水平的估计指数，e—模型随机误差项；将STIRPAT模型等式两边取对数，则可以将环境压力与各因素的关系转化为线性关系，公式为：
Ln(I)＝Ln(a)+bLn(P)+cLn(A)+dLn(T)+Lne
式中，回归系数b、c、d—为环境压力与各影响因素之间的弹性系数；
(4)、根据区域碳排放影响因子的设计运用预测模型进行预测，依据预测结果及各情景发展的可行性判断区域的碳达峰形势：
对区域的碳排放关键影响因子未来发展进行多情景的设计，每个因子独立设计，并进行排列组合，设计出多种情景；然后运用模型对各组合情景进行碳达峰预测；根据预测结果，对碳达峰目标的情景进行具体分析，分析各关键影响因子按达峰情景的可行性，从而判断区域的碳达峰形势。
3.根据权利要求2所述的预测区域碳达峰形势的方法，其特征在于，所述的步骤(1)中聚类分析是使用SPSS软件中系统聚类的ward法对各省域历年的区域碳排放特征进行聚类分析。
4.根据权利要求2所述的预测区域碳达峰形势的方法，其特征在于，所述的步骤(3)中时间节点之前的数据为时间节点之前15-20年的数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210536286.XA CN114970132A (zh) | 2022-05-17 | 2022-05-17 | 一种预测区域碳达峰形势的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210536286.XA CN114970132A (zh) | 2022-05-17 | 2022-05-17 | 一种预测区域碳达峰形势的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114970132A true CN114970132A (zh) | 2022-08-30 |
Family
ID=82983188
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210536286.XA Pending CN114970132A (zh) | 2022-05-17 | 2022-05-17 | 一种预测区域碳达峰形势的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114970132A (zh) |
-
2022
- 2022-05-17 CN CN202210536286.XA patent/CN114970132A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2022135265A1 (zh) | 气候变化影响下水库调度规则的失效预警分析方法 | |
| CN110648014B (zh) | 一种基于时空分位数回归的区域风电预测方法及系统 | |
| CN112381181B (zh) | 一种建筑能耗异常的动态检测方法 | |
| CN117078048B (zh) | 基于数字孪生的智慧城市资源管理方法及系统 | |
| CN112347652B (zh) | 基于水文气象地区线性矩频率分析的暴雨高风险区划方法 | |
| CN116227712A (zh) | 一种工业园区碳达峰预测方法 | |
| CN115907173A (zh) | 一种基于stirpat模型的碳峰值预测方法、系统和装置 | |
| CN116187835A (zh) | 一种基于数据驱动的台区理论线损区间估算方法及系统 | |
| CN115564125A (zh) | 一种区域碳达峰预测方法和系统、存储介质 | |
| CN117541272B (zh) | 数字工程碳排放数据确定方法、系统、设备及存储介质 | |
| CN110413952A (zh) | 油气区块勘探程度的预测方法及装置 | |
| CN113077163A (zh) | 耦合预报的梯级水库群两阶段弃水风险评估方法 | |
| CN117370759A (zh) | 基于人工智能的燃气用量预测方法 | |
| Ahani et al. | A feature weighting and selection method for improving the homogeneity of regions in regionalization of watersheds | |
| CN114970132A (zh) | 一种预测区域碳达峰形势的方法 | |
| CN117221910A (zh) | 用于无线网络优化的数据处理方法、装置、设备和介质 | |
| CN114169590B (zh) | 一种基于多情景划分的水库入库径流预报校正方法和系统 | |
| CN114997274B (zh) | 一种基于两阶段聚类的用水模式构建方法 | |
| CN106021082B (zh) | 一种基于大数据的主机性能容量预估方法 | |
| CN117541200B (zh) | 一种基于ltc流程的项目管理方法及系统 | |
| CN115271544B (zh) | 降低噪声投诉率的方法、装置、电子设备及存储介质 | |
| CN109542510B (zh) | 一种基于贝叶斯理论的软件v＆v有效性度量方法 | |
| CN116720662B (zh) | 基于集对分析的分布式能源系统适用性评估方法 | |
| CN118427643A (zh) | 一种基于聚类和核估计的风电功率超短期概率预测方法 | |
| CN117852702A (zh) | 碳排放量预测方法、系统、存储介质及设备 |
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 |