CN115392792A - 一种基于碳排放强度的新能源潜在减碳当量计算方法 - Google Patents
一种基于碳排放强度的新能源潜在减碳当量计算方法 Download PDFInfo
- Publication number
- CN115392792A CN115392792A CN202211306850.5A CN202211306850A CN115392792A CN 115392792 A CN115392792 A CN 115392792A CN 202211306850 A CN202211306850 A CN 202211306850A CN 115392792 A CN115392792 A CN 115392792A
- Authority
- CN
- China
- Prior art keywords
- carbon emission
- carbon
- project
- emission reduction
- year
- 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
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 330
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 328
- 230000009467 reduction Effects 0.000 title claims abstract description 199
- 238000004364 calculation method Methods 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 claims abstract description 51
- 230000001186 cumulative effect Effects 0.000 claims abstract description 47
- 238000010248 power generation Methods 0.000 claims abstract description 28
- 239000000463 material Substances 0.000 claims description 37
- 238000010276 construction Methods 0.000 claims description 31
- 238000005265 energy consumption Methods 0.000 claims description 29
- 238000004519 manufacturing process Methods 0.000 claims description 19
- 238000009435 building construction Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 14
- 238000005315 distribution function Methods 0.000 claims description 10
- 230000004083 survival effect Effects 0.000 claims description 10
- 238000011084 recovery Methods 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 6
- 238000006073 displacement reaction Methods 0.000 claims description 5
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 239000002699 waste material Substances 0.000 claims description 3
- 239000000446 fuel Substances 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 239000002994 raw material Substances 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000005065 mining Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 150000001721 carbon Chemical class 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 206010011906 Death Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000036962 time dependent Effects 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种基于碳排放强度的新能源潜在减碳当量计算方法。该方法包括:获取项目的碳减排量关联数据;碳减排量关联数据包括项目的各阶段的累积碳排量和累积替代碳减排量;根据碳减排量关联数据和碳减排确定模型,确定项目的累积碳减排当量;累积碳减排当量用于表征项目的碳减排能力。采用本方法能够客观、全面和准确地对新能源发电项目的碳减排能力进行评估,新能源发电项目实现碳减排的合理性提供方法支撑。
Description
技术领域
本申请涉及碳排放技术领域,特别是涉及一种基于碳排放强度的新能源潜在减碳当量计算方法。
背景技术
随着工业时代的发展,燃煤发电产生的以二氧化碳为主的温室气体排放量迅速增加,针对上述问题,越来越多如风力发电的新能源绿色发电项目投入建设。但在新能源绿色发电项目的规划过程中,需对新能源绿色发电项目的碳减排能力进行评估才能真正实现高效碳减排。
然而,目前对新能源绿色发电项目的减排能力的评估通常只是基于项目的全生命周期的粗略统计,仍不能客观全面和准确地对新能源绿色发电项目的碳减排能力进行评估。
发明内容
基于此,有必要针对上述技术问题,提供一种能够客观、全面和准确对新能源项目减排能力进行评估的基于碳排放强度的新能源潜在减碳当量计算方法。
第一方面,本申请提供一种基于碳排放强度的新能源潜在减碳当量计算方法,该方法包括:
获取项目的碳减排量关联数据;碳减排量关联数据包括项目的各阶段的累积碳排量和累积替代碳减排量;
根据碳减排量关联数据和碳减排确定模型,确定项目的累积碳减排当量;累积碳减排当量用于表征项目的碳减排能力;
其中,碳减排确定模型为:
Rr=ERp,y-Ep,y
其中,Rr表示项目p在第y年的累积碳减排当量,ERp,y表示项目p在第y年的累积替代碳减排量,Ep,y表示项目p在第y年的累积碳排量。
在其中一个实施例中,上述基于碳排放强度的新能源潜在减碳当量计算方法还包括:
根据项目的碳减排量关联数据和项目的全生命周期的碳排量计算模型,得到累积碳排量;全生命周期包括项目的建设阶段、运营阶段和报废阶段,碳排量计算模型用于表征项目的全生命周期的碳排量和碳减排量关联数据的映射关系。
在其中一个实施例中,上述基于碳排放强度的新能源潜在减碳当量计算方法中的碳排量计算模型为:
其中,y0表示项目p的全生命周期的第1年,yn表示项目p的全生命周期的第n年;Ep,y,construction、Ep,y,operation和Ep,y,waste分别一一对应表示项目p在第y年的建设阶段、运营阶段和报废阶段的累积碳排量,Sj(y,yn)表示存活率分布函数,存活率分布函数用于表征项目p每年因材料替换和淘汰而导致的碳减排量减少的比率。
在其中一个实施例中,上述基于碳排放强度的新能源潜在减碳当量计算方法还包括:
根据项目的碳减排量关联数据和理论碳减排量计算模型,确定累积替代碳减排量;理论碳减排量计算模型用于表征项目的碳减排量关联数据和碳减排量的理论值的映射关系。
在其中一个实施例中,建设阶段包括材料生产阶段、材料运输阶段和建筑建造阶段,上述基于碳排放强度的新能源潜在减碳当量计算方法还包括:
根据项目p在第y年的材料生产阶段、材料运输阶段和建筑建造阶段的累积碳排量以及第一模型,确定项目p在第y年的建设阶段的累积碳排量;
其中,第一模型为:
其中,Ep,y,raw、Ep,y,transport、Ep,y,build分别表示项目p在第y年的材料生产阶段、材料运输阶段和建筑建造阶段的累积碳排量。
在其中一个实施例中,运营阶段包括植被恢复阶段和运营能源消耗阶段,上述基于碳排放强度的新能源潜在减碳当量计算方法还包括:
根据项目在植被恢复阶段增加的碳减排量和项目在第y年运营能源消耗阶段增加的碳排放量以及第二模型,确定项目p在第y年的运营阶段的累积碳排量;
其中,第二模型为:
Ep,y,operation=S1+Ep,y,consumption
其中,其中,S1表示植被恢复阶段增加的碳减排量,Ep,y,consumption表示在第y年运营能源消耗阶段增加的碳排放量。
在其中一个实施例中,上述基于碳排放强度的新能源潜在减碳当量计算方法中的理论碳减排量计算模型为:
ERp,y=EGp,y×EFgrid,CM,y
其中,ERp,y表示项目p在y年的替代减排量,EGp,y表示第y年项目p运行所发电量(MWh/yr),EFgrid,CM,y表示第y年区域电网组合边际CO2排放因子(tCO2/MWh)。
在其中一个实施例中,建筑建造阶段包括植被征用阶段和建造能源消耗阶段,上述基于碳排放强度的新能源潜在减碳当量计算方法还包括:
根据项目在植被征用阶段的碳减排损失量和项目在第y年建造能源消耗阶段产生的累积碳排量以及第三模型,确定项目p在第y年的建筑建造阶段的累积碳排量;
其中,第三模型为:
Ep,y,build=Ep,y,energy+S2
其中,S2表示植被征用阶段的碳减排损失量,Ep,y,energy表示在第y年建造能源消耗阶段产生的累积碳排量。
第二方面,本申请提供一种碳减排量确定装置,该装置包括:
数据获取模块,用于获取项目的碳减排量关联数据;碳减排量关联数据包括项目的各阶段的累积碳排量和累积替代碳减排量;
确定模块,根据碳减排量关联数据和碳减排确定模型,确定项目的累积碳减排当量;累积碳减排当量用于表征项目的碳减排能力;
其中,碳减排确定模型为:
Rr=ERp,y-Ep,y
其中,Rr表示项目p在第y年的累积碳减排当量,ERp,y表示项目p在第y年的累积替代碳减排量,Ep,y表示项目p在第y年的累积碳排量。
第三方面,本申请提供一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现上述任一方法实施例中的步骤。
本申请至少具有以下有益效果:
上述基于碳排放强度的新能源潜在减碳当量计算方法,通过获取项目的碳减排量关联数据,其中包括项目各阶段的累积碳排量和累积替代碳减排量,并根据上述获取的数据和碳减排确定模型确定累积碳减排当量,其中累积碳减排当量用于表征所述项目的碳减排能力;从而实现客观、全面和准确地对新能源发电项目的碳减排能力进行评估,为新能源发电项目实现碳减排的合理性提供方法支撑。
附图说明
图1为一个实施例中基于碳排放强度的新能源潜在减碳当量计算方法的应用环境图;
图2为一个实施例中基于碳排放强度的新能源潜在减碳当量计算方法的流程示意图;
图3为另一个实施例中基于碳排放强度的新能源潜在减碳当量计算方法的流程示意图;
图4为又一个实施例中获取项目的各阶段的累积碳排量的步骤流程示意图;
图5为一个实施例中项目的全生命周期的各阶段的示意图;
图6为一个实施例中基于碳排放强度的新能源潜在减碳当量计算装置的结构框图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的基于碳排放强度的新能源潜在减碳当量计算方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他网络服务器上。服务器104获取项目的碳减排量关联数据,并将数据,并将上述数据存储于数据存储系统中;根据碳减排量关联数据和碳减排确定模型,确定项目的累积碳减排当量,并将上述累积碳减排当量的结果返回值终端102。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种基于碳排放强度的新能源潜在减碳当量计算方法,以该方法应用于图1中的服务器104为例进行说明,包括以下步骤:
步骤S202,获取项目的碳减排量关联数据;所述碳减排量关联数据包括所述项目的各阶段的累积碳排量和累积替代碳减排量;
其中,项目可以为新能源发电项目,包括但不限于风力发电、水力发电和光伏发电等;累积碳排量是指项目建设和运营过程中的总碳排量,累积替代碳减排量是指项目在建设和运营过程中,相较于常规发电项目(如获利发电)在同样发电量的情况下,碳排量的相对减少量。
步骤S204,根据所述碳减排量关联数据和碳减排确定模型,确定所述项目的累积碳减排当量;所述累积碳减排当量用于表征所述项目的碳减排能力;
其中,所述碳减排确定模型为:
Rr=ERp,y-Ep,y
其中,Rr表示项目p在第y年的所述累积碳减排当量,ERp,y表示所述项目p在第y年的累积替代碳减排量,Ep,y表示所述项目p在第y年的累积碳排量。
上述实施例中,通过获取项目的碳减排量关联数据,其中包括项目各阶段的累积碳排量和累积替代碳减排量,并根据上述获取的数据和碳减排确定模型确定累积碳减排当量,其中累积碳减排当量用于表征所述项目的碳减排能力;从而实现客观、全面和准确地对项目的碳减排能力进行评估,为新能源项目实现碳减排的合理性提供方法支撑。
在一个实施例中,如图3所示,获取项目的碳减排量关联数据的步骤之前包括:
步骤S302,根据项目的碳减排量关联数据和项目的全生命周期的碳排量计算模型,得到累积碳排量;全生命周期包括项目的建设阶段、运营阶段和报废阶段,碳排量计算模型用于表征项目的全生命周期的碳排量和碳减排量关联数据的映射关系。
其中,在一个实施例中,碳排量计算模型为:
其中,y0表示项目p的全生命周期的第1年,yn表示项目p的全生命周期的第n年;Ep,y,construction、Ep,y,operation和Ep,y,waste分别表示项目p在第y年的建设阶段、运营阶段和报废阶段的累积碳排量,Sj(y,yn)表示存活率分布函数,存活率分布函数用于表征项目p每年因材料替换和淘汰而导致的碳减排量减少的比率。具体地,在一个具体实施例中,假设该项目的设计年限为50年,即该项目的全生命周期为总时长为10年,则在项目运营的第一年,此时项目的存活率分布函数具体值为99.7%,而在项目运营的第二年,此时项目的存活率分布函数具体值为99.5%,在如在项目运营的第5年,此时项目的存活率分布函数具体值为98%,由此可见存活率分布函数是一个与时间成反比例相关的函数,即当项目投入运行的时间越长,存活率分布函数的值就越小;而在项目运营到最终设计年限(50年)时,存活率分布函数为零。
上述实施例中,基于项目的全生命周期,具体细分为建设阶段、运营阶段和报废阶段,对项目的累积碳排量进行计算;并引入存活率分布函数,进一步还原项目从投入到运营的过程中,每年碳排量随着项目的运营年限时刻变化的情况,进而全面、客观和准确对项目全生命周期的累积碳排量进行精准计算,从而保证对项目的碳减排能力的评估的准确性。
在一个实施例中,如图3所示,获取项目的碳减排量关联数据的步骤之前还包括:
步骤S304,根据项目的碳减排量关联数据和理论碳减排量计算模型,确定累积替代碳减排量;理论碳减排量计算模型用于表征项目的碳减排量关联数据和碳减排量的理论值的映射关系。
其中,在一个实施中,理论碳减排量计算模型为:
ERp,y=EGp,y×EFgrid,CM,y
其中,ERp,y表示项目p在y年的替代减排量,EGp,y表示第y年项目p运行所发电量(MWh/yr),EFgrid,CM,y表示第y年区域电网组合边际CO2排放因子(tCO2/MWh)。
在一个实施例中,EFgrid,CM,y由以下组合边际CO2排放因子计算模型计算所得,具体为:
EFgrid,CM,y=EFgrid,OM,y×WOM+EFgrid,BM,y×WBM
其中,EFgrid,OM,y和EFgrid,BM,y分别为项目在第y年电量边际排放因子和容量边际排放因子,单位均为tCO2/MWh,采用国家生态环境部2019年公布的区域电网基准线排放因子。WOM和WBM分别为电量边际排放因子和容量边际排放因子的权重。根据《CM-001-V02》方法学规定,对于太阳能发电、风力发电项目,第一计入期和后续计入期,WOM=0.75,WBM=0.25,用于下一步计算。
上述实施例中,累积替代碳减排量计算中采用减排项目区域电网基准线排放因子——电网边际碳排因子和容量边际碳排放因子,从发电过程本身,通过设立基准线,计算项目发电过程排放量与基准线的差值来真实反映新能源项目减排潜力,相较于采用非区域电网平均排放因子的计算方法更加科学合理,进而更合理准确地反映项目的实际碳减排潜力。
在一个实施例中,如图4和图5所示,建设阶段包括材料生产阶段、材料运输阶段和建筑建造阶段,根据项目的碳减排量关联数据和项目的全生命周期的碳排量计算模型,得到累积碳排量的步骤之前,包括:
步骤S402,根据项目p在第y年的材料生产阶段、材料运输阶段和建筑建造阶段的累积碳排量以及第一模型,确定项目p在第y年的建设阶段的累积碳排量。
其中,在一个实施例中,第一模型为:
其中,Ep,y,raw、Ep,y,transport、Ep,y,build分别一一对应表示所述项目p在第y年的材料生产阶段、材料运输阶段和建筑建造阶段的累积碳排量。
具体地,如图5所示,生产阶段还包括原料获取周期,其中包括原材料开采阶段和运输阶段以及材料、设备生产阶段,即生产阶段的累积碳排量主要包括原材料开采的能源消耗所产生的碳排量、原材料运输的能源消耗所产生的碳排量和材料、设备生产阶段的能源消耗所产生的碳排量,在一个具体实施例中,上述关系可以采用下列模型表示:
其中EPP、E1、E2和E3分别表示项目的生产阶段所产生的累积碳排量、原材料开采阶段的能源消耗所产生的碳排量、原材料运输阶段的能源消耗所产生的碳排量和材料、设备生产阶段的能源消耗所产生的碳排量。Ai表示材料、设备生产阶段i涉及的能源消耗量,EFi表示材料、设备生产阶段i对应的排放因子。
类似地,在材料运输阶段还包括运输所用燃料的燃料周期,其中包括燃料开采阶段和燃料运输阶段,即材料运输阶段的累积碳排量还包括燃料开采的能源消耗所产生的碳排量和燃料运输的能源消耗所产生的碳排量,在一个具体实施例中,上述关系可以采用下列模型表示:
Etransport=Emine+foil(distance,weight)×EFoil
其中,Etranspor表示材料运输阶段的碳排量,foil表示油耗量(与运输装载量weight与运输距离distance相关),EFoil表示燃油排放因子。
上述实施例中,通过对项目的全生命周期中的建设阶段进一步细分,将碳排量的计算进一步细化,从而更全面客观的反映项目的碳排量的真实情况。
在一个实施例中,如图4所示,根据项目p在第y年的材料生产阶段、材料运输阶段和建筑建造阶段的累积碳排量以及第一模型,确定项目p在第y年的建设阶段的累积碳排量的步骤之前,还包括:
步骤S404,根据所述项目在所述植被征用阶段的碳减排损失量和所述项目在第y年所述建造能源消耗阶段产生的累积碳排量以及第三模型,确定所述项目p在第y年的所述建筑建造阶段的累积碳排量。
其中,在一个实施例中,第三模型为:
Ep,y,build=Ep,y,energy+S2
其中,S2表示所述植被征用阶段的碳减排损失量,Ep,y,energy表示在第y年所述建造能源消耗阶段产生的累积碳排量。
上述实施例中,通过对建筑建造阶段进一步细分,将由于建筑建造而导致的植被破坏所损失的固碳量作为碳排量,更全面客观地反映项目的碳排量,从而保证项目碳减排能力的评估准确性。
在一个实施例中,如图4所示,运营阶段包括植被恢复阶段和运营能源消耗阶段,根据项目的碳减排量关联数据和项目的全生命周期的碳排量计算模型,得到累积碳排量的步骤之前,还包括:
步骤S406,根据项目在植被恢复阶段增加的碳减排量和项目在第y年运营能源消耗阶段增加的碳排放量以及第二模型,确定项目p在第y年的运营阶段的累积碳排量;
其中,在一个实施例中,第二模型为:
Ep,y,operation=S1+Ep,y,consumption
其中,S1表示所述植被恢复阶段增加的碳减排量,Ep,y,consumption表示在第y年所述运营能源消耗阶段增加的碳排放量。
上述实施例中,通过对运营阶段进一步细分,由于植被恢复阶段无法完全恢复到初始植被的状态,所以此时植被所产生的固碳量也无法恢复到初始的固碳量,但相较于建筑建造阶段的植被完全损坏的情况,此时的固碳量有所增加,即此时将部分植被还处于恢复阶段增加的碳减排量以及运营能源消耗阶段增加的碳排量一并纳入项目运行阶段的累积碳排量计算范围内,更全面客观地反映项目的碳排量,从而保证项目碳减排能力的评估准确性。
为了进一步阐述本申请的方案,下面结合一个具体示例予以说明,该示例以应用在风力发电项目为了例。在该种情况下,风力发电项目建设阶段的碳排放主要来自植被变化、建筑建造阶段材料运输阶段;运营阶段的碳排放主要来自设备运行及人员活动所消耗的能源;报废阶段的碳排放主要来自材料处置。因此该发电项目全生命周期累积碳排量计算模型如下所示:
进一步地,累积碳排量计算模型还包括:
其中,Ci与Cj分别表示征用前以及恢复的植被类型(包括农田、草地等)对应的单位固碳量,y1与y2分别表示风电场建设期与运营期的时间,Ai与Aj分别表示不同植被类型征用前以及恢复对应的面积。fi表示燃料类型i的总消耗量,EFi表示燃料类型i的排放因子。foil表示油耗量(与运输装载量与运输距离相关),EFoil表示燃油排放因子。Mi表示报废材料i的总质量,EFi表示报废材料i的排放因子,Avg表示风力发电项目的能源年均消耗量。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的基于碳排放强度的新能源潜在减碳当量计算方法的基于碳排放强度的新能源潜在减碳当量计算装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个基于碳排放强度的新能源潜在减碳当量计算装置实施例中的具体限定可以参见上文中对于基于碳排放强度的新能源潜在减碳当量计算方法的限定,在此不再赘述。
在一个实施例中,如图6所示,提供了一种基于碳排放强度的新能源潜在减碳当量计算装置,包括:数据获取模块602和确定模块604,其中:
数据获取模块602,用于获取项目的碳减排量关联数据;碳减排量关联数据包括项目的各阶段的累积碳排量和累积替代碳减排量。
确定模块604,用于用于根据碳减排量关联数据和碳减排确定模型,确定项目的累积碳减排当量;累积碳减排当量用于表征项目的碳减排能力;
其中,碳减排确定模型为:
Rr=ERp,y-Ep,y
其中,Rr表示项目p在第y年的累积碳减排当量,ERp,y表示项目p在第y年的累积替代碳减排量,Ep,y表示项目p在第y年的累积碳排量。
在一个实施例中,上述数据获取模块602包括:
第一总计算单元,用于根据项目的碳减排量关联数据和项目的全生命周期的碳排量计算模型,得到累积碳排量。
在一个实施例中,上述数据获取模块602还包括:
第二总计算单元,用于根据项目的碳减排量关联数据和理论碳减排量计算模型,确定累积替代碳减排量。
在一个实施例中,上述第一总计算单元包括:
第一阶段计算单元,用于根据项目p在第y年的材料生产阶段、材料运输阶段和建筑建造阶段的累积碳排量以及第一模型,确定项目p在第y年的建设阶段的累积碳排量。
在一个实施例中,上述第一总计算单元还包括:
第二阶段计算单元,用于根据项目在植被恢复阶段增加的碳减排量和项目在第y年运营能源消耗阶段增加的碳排放量以及第二模型,确定项目p在第y年的运营阶段的累积碳排量。
在一个实施例中,上述第一阶段计算单元还包括:
次级计算单元,用于根据所述项目在所述植被征用阶段的碳减排损失量和所述项目在第y年所述建造能源消耗阶段产生的累积碳排量以及第三模型,确定所述项目p在第y年的所述建筑建造阶段的累积碳排量。
上述累积碳减排量确定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种累积碳减排量确定方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于碳排放强度的新能源潜在减碳当量计算方法,其特征在于,所述方法包括:
获取项目的碳减排量关联数据;所述碳减排量关联数据包括所述项目的各阶段的累积碳排量和累积替代碳减排量;
根据所述碳减排量关联数据和碳减排确定模型,确定所述项目的累积碳减排当量;所述累积碳减排当量用于表征所述项目的碳减排能力;
其中,所述碳减排确定模型为:
Rr=ERp,y-Ep,y
其中,Rr表示项目p在第y年的所述累积碳减排当量,ERp,y表示所述项目p在第y年的累积替代碳减排量,Ep,y表示所述项目p在第y年的累积碳排量。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述项目的碳减排量关联数据和所述项目的全生命周期的碳排量计算模型,得到所述累积碳排量;所述全生命周期包括所述项目的建设阶段、运营阶段和报废阶段,所述碳排量计算模型用于表征所述项目的全生命周期的碳排量和所述碳减排量关联数据的映射关系。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述项目的碳减排量关联数据和理论碳减排量计算模型,确定所述累积替代碳减排量;所述理论碳减排量计算模型用于表征所述项目的碳减排量关联数据和碳减排量的理论值的映射关系。
6.根据权利要求3中所述的方法,其特征在于,所述运营阶段包括植被恢复阶段和运营能源消耗阶段,所述方法还包括:
根据所述项目在所述植被恢复阶段增加的碳减排量和所述项目在第y年所述运营能源消耗阶段增加的碳排放量以及第二模型,确定所述项目p在第y年的所述运营阶段的累积碳排量;
其中,所述第二模型为:
Ep,y,operation=S1+Ep,y,consumption
其中,S1表示所述植被恢复阶段增加的碳减排量,Ep,y,consumption表示在第y年所述运营能源消耗阶段增加的碳排放量。
7.根据权利要求4所述的方法,其特征在于,所述理论碳减排量计算模型为:
ERp,y=EGp,y×EFgrid,CM,y
其中,ERp,y表示项目p在y年的替代减排量,EGp,y表示第y年项目p运行所发电量(MWh/yr),EFgrid,CM,y表示第y年区域电网组合边际CO2排放因子(tCO2/MWh)。
8.根据权利要求5所述的方法,其特征在于,所述建筑建造阶段包括植被征用阶段和建造能源消耗阶段,所述方法包括:
根据所述项目在所述植被征用阶段的碳减排损失量和所述项目在第y年所述建造能源消耗阶段产生的累积碳排量以及第三模型,确定所述项目p在第y年的所述建筑建造阶段的累积碳排量;
其中,所述第三模型为:
Ep,y,build=Ep,y,energy+S2
其中,S2表示所述植被征用阶段的碳减排损失量,Ep,y,energy表示在第y年所述建造能源消耗阶段产生的累积碳排量。
9.一种基于碳排放强度的新能源潜在减碳当量计算装置,其特征在于,所述装置包括:
数据获取模块,用于获取项目的碳减排量关联数据;所述碳减排量关联数据包括所述项目的各阶段的累积碳排量和累积替代碳减排量;
确定模块,用于根据所述碳减排量关联数据和碳减排确定模型,确定所述项目的累积碳减排当量;所述累积碳减排当量用于表征所述项目的碳减排能力;
其中,所述碳减排确定模型为:
Rr=ERp,y-Ep,y
其中,Rr表示项目p在第y年的所述累积碳减排当量,ERp,y表示所述项目p在第y年的累积替代碳减排量,Ep,y表示所述项目p在第y年的累积碳排量。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211306850.5A CN115392792B (zh) | 2022-10-25 | 2022-10-25 | 一种基于碳排放强度的新能源潜在减碳当量计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211306850.5A CN115392792B (zh) | 2022-10-25 | 2022-10-25 | 一种基于碳排放强度的新能源潜在减碳当量计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115392792A true CN115392792A (zh) | 2022-11-25 |
CN115392792B CN115392792B (zh) | 2023-03-24 |
Family
ID=84128943
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211306850.5A Active CN115392792B (zh) | 2022-10-25 | 2022-10-25 | 一种基于碳排放强度的新能源潜在减碳当量计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115392792B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117474286A (zh) * | 2023-12-04 | 2024-01-30 | 中国长江电力股份有限公司 | 一种可再生能源并网发电项目的碳减排管理方法 |
CN117592744A (zh) * | 2023-12-04 | 2024-02-23 | 中国长江电力股份有限公司 | 一种智慧综合能源的碳排放管理方法及系统 |
CN117893224A (zh) * | 2023-12-29 | 2024-04-16 | 广东省水利水电科学研究院 | 一种引调水工程全生命周期碳排放评估方法及系统 |
CN117474286B (zh) * | 2023-12-04 | 2024-10-29 | 中国长江电力股份有限公司 | 一种可再生能源并网发电项目的碳减排管理方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014085777A1 (en) * | 2012-11-29 | 2014-06-05 | The Regents Of The University Of Colorado, A Body Corporate | Automated model simulation and calibration tool |
CN114139846A (zh) * | 2021-09-01 | 2022-03-04 | 深圳卓越智联科技有限公司 | 一种地铁碳核算与碳中和评价系统及评价方法 |
CN114493961A (zh) * | 2022-01-26 | 2022-05-13 | 国网江苏省电力有限公司经济技术研究院 | 一种基于全生命周期评估的综合能源站碳排放计算方法 |
CN114936736A (zh) * | 2022-03-28 | 2022-08-23 | 湖州电力设计院有限公司 | 一种基于全寿命周期的变电站碳足迹计算方法 |
CN114971940A (zh) * | 2022-03-25 | 2022-08-30 | 湖州电力设计院有限公司 | 一种变电站运维阶段碳排放评价方法 |
CN114969950A (zh) * | 2022-06-27 | 2022-08-30 | 浙江大学 | 基于遗传算法的住宅综合性能优化设计方法及系统 |
CN114971371A (zh) * | 2022-06-16 | 2022-08-30 | 中山大学 | 一种城市轨道交通基础设施全生命周期碳排放动态分析方法 |
CN115205082A (zh) * | 2022-07-05 | 2022-10-18 | 江苏海洋大学 | 一种基于全生命周期理论的建筑碳排放计算系统 |
-
2022
- 2022-10-25 CN CN202211306850.5A patent/CN115392792B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014085777A1 (en) * | 2012-11-29 | 2014-06-05 | The Regents Of The University Of Colorado, A Body Corporate | Automated model simulation and calibration tool |
CN114139846A (zh) * | 2021-09-01 | 2022-03-04 | 深圳卓越智联科技有限公司 | 一种地铁碳核算与碳中和评价系统及评价方法 |
CN114493961A (zh) * | 2022-01-26 | 2022-05-13 | 国网江苏省电力有限公司经济技术研究院 | 一种基于全生命周期评估的综合能源站碳排放计算方法 |
CN114971940A (zh) * | 2022-03-25 | 2022-08-30 | 湖州电力设计院有限公司 | 一种变电站运维阶段碳排放评价方法 |
CN114936736A (zh) * | 2022-03-28 | 2022-08-23 | 湖州电力设计院有限公司 | 一种基于全寿命周期的变电站碳足迹计算方法 |
CN114971371A (zh) * | 2022-06-16 | 2022-08-30 | 中山大学 | 一种城市轨道交通基础设施全生命周期碳排放动态分析方法 |
CN114969950A (zh) * | 2022-06-27 | 2022-08-30 | 浙江大学 | 基于遗传算法的住宅综合性能优化设计方法及系统 |
CN115205082A (zh) * | 2022-07-05 | 2022-10-18 | 江苏海洋大学 | 一种基于全生命周期理论的建筑碳排放计算系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117474286A (zh) * | 2023-12-04 | 2024-01-30 | 中国长江电力股份有限公司 | 一种可再生能源并网发电项目的碳减排管理方法 |
CN117592744A (zh) * | 2023-12-04 | 2024-02-23 | 中国长江电力股份有限公司 | 一种智慧综合能源的碳排放管理方法及系统 |
CN117474286B (zh) * | 2023-12-04 | 2024-10-29 | 中国长江电力股份有限公司 | 一种可再生能源并网发电项目的碳减排管理方法 |
CN117893224A (zh) * | 2023-12-29 | 2024-04-16 | 广东省水利水电科学研究院 | 一种引调水工程全生命周期碳排放评估方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115392792B (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115392792B (zh) | 一种基于碳排放强度的新能源潜在减碳当量计算方法 | |
Quek et al. | Environmental impacts of transitioning to renewable electricity for Singapore and the surrounding region: A life cycle assessment | |
CN114757457B (zh) | 基于电力大数据的电碳排放全过程监测方法和装置 | |
Holland et al. | The influence of the global electric power system on terrestrial biodiversity | |
CN103235811A (zh) | 一种数据存储方法及装置 | |
CN117273276A (zh) | 基于电力数据的碳排放监测方法和装置 | |
CN114757602A (zh) | 供给侧电力碳排放风险预警方法、装置和计算机设备 | |
Nguyen | Optimizing Factors for Accuracy of Forecasting Models in Food Processing Industry: A Context of Cacao Manufacturers in Vietnam | |
CN114784882A (zh) | 机组组合优化处理方法及装置 | |
CN114611845A (zh) | 碳排放量的预测方法、装置、电子设备及介质 | |
CN117394438B (zh) | 考虑通信基站可调节潜力的分布式光伏准入容量评估方法 | |
CN114118858A (zh) | 电力安全智能评估方法、装置、设备、介质和程序产品 | |
Zhang et al. | Utilization of the non-fossil fuel target and its implications in China | |
CN115481767A (zh) | 面向配电网检修的运行数据处理方法、装置和计算机设备 | |
CN114490962A (zh) | 设备问题解决方案的获取方法、装置、设备、介质和产品 | |
CN114492998A (zh) | 能源类大数据处理方法、装置、计算机设备和存储介质 | |
CN114510682A (zh) | 能耗计算方法、装置、计算机设备和存储介质 | |
CN102254288A (zh) | 一种用于银行进行风险缓释的数据处理方法及系统 | |
CN116976556A (zh) | 电网设备碳排放影响数值确定方法、装置和计算机设备 | |
CN115392055B (zh) | 基于脱钩模型的电碳达峰路径模拟与动态评估方法 | |
Maia et al. | Certainty through uncertainty: Stochastic optimization of grid-integrated large-scale energy storage in Germany | |
CN114444820B (zh) | 基于气象-功率特性的新能源功率预测限电数据识别方法 | |
CN116227249B (zh) | 功率气象数据智能迁移的新能源长期电量预测方法与系统 | |
CN116629899A (zh) | 基于电网工程esg的评分方法、装置和计算机设备 | |
CN117764529A (zh) | 目标项目确定方法、装置、计算机设备、存储介质和产品 |
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 |