CN115438880A - 一种基于减碳效应与增耗效应的新基建碳排放预测方法 - Google Patents

一种基于减碳效应与增耗效应的新基建碳排放预测方法 Download PDF

Info

Publication number
CN115438880A
CN115438880A CN202211389791.2A CN202211389791A CN115438880A CN 115438880 A CN115438880 A CN 115438880A CN 202211389791 A CN202211389791 A CN 202211389791A CN 115438880 A CN115438880 A CN 115438880A
Authority
CN
China
Prior art keywords
predicted
carbon
carbon emission
year
area
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
Application number
CN202211389791.2A
Other languages
English (en)
Inventor
谭彩霞
耿世平
谭忠富
李帆琪
杜易达
樊伟
谭青博
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
North China Electric Power University
Original Assignee
North China Electric Power University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by North China Electric Power University filed Critical North China Electric Power University
Priority to CN202211389791.2A priority Critical patent/CN115438880A/zh
Publication of CN115438880A publication Critical patent/CN115438880A/zh
Pending legal-status Critical Current

Links

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2474—Sequence data queries, e.g. querying versioned data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply

Abstract

本发明公开了一种基于减碳效应与增耗效应的新基建碳排放预测方法，涉及碳排放预测技术领域，该方法包括：分别计算待预测年份待预测地区在新基建建设过程中的碳排放量，以及在新基建运营过程中的碳排放量，并对新基建规模进行预测，构建新基建增耗效应引致的碳排放预测模型；计算产业结构合理化水平值，衡量待预测年份待预测地区的经济、技术、人口对于环境的影响值，构建新基建减碳效应引致的碳排放预测模型；根据新基建增耗效应引致的碳排放预测模型，以及新基建减碳效应引致的碳排放预测模型，生成待预测年份待预测地区的碳排放预测模型。该方法可对新基建碳排放情况进行精准预测。

Description

一种基于减碳效应与增耗效应的新基建碳排放预测方法
技术领域
本发明涉及碳排放预测技术领域，特别涉及一种基于减碳效应与增耗效应的新基建碳排放预测方法。
背景技术
新基建包括信息基础设施、融合基础设施、创新基础设施三方面内容。涉及到5G基站建设、特高压、城际高速铁路和城市轨道交通、新能源汽车充电桩、大数据中心、人工智能和工业互联网等七大领域。
有研究指出目前5G基站的用电量将占到全社会总体用电量的2.4%左右，数据中心的用电量将占到3%左右。我国目前排碳的发电占比超过60%，新基建的高耗电量将引致高的碳排放量。双碳目标的实现需要减碳，而新基建的发展带来了增碳，如何量化新基建对碳排放的影响，实现新基建发展与双碳目标的协同，探索新基建的减碳路径具有重要意义。
由于新基建中的5G基站、电动汽车、数据中心是新基建中的主体，耗能巨大，据此研究5G基站、电动汽车、数据中心这三类典型新基建的碳排放预测，用以解决新基建对碳排放的影响问题。
随着社会环境变化，会引发新的碳排放影响因素，新基建作为高耗能高排放的新兴主体，亟需研究其对碳排放的影响，而现有研究没有关于新基建对于碳排放影响的量化研究。当产生的新因素对碳排放具有冲击时，如何实现两者的协调发展也无相关研究。
因此，在现有对碳排放进行预测的基础上，如何对新基建碳排放进行预测，成为本领域技术人员亟需解决的问题。
发明内容
鉴于上述问题，本发明提出了一种至少解决上述部分技术问题的，该方法可对新基建碳排放情况进行精准预测。
本发明实施例提供一种基于减碳效应与增耗效应的新基建碳排放预测方法，包括：
分别计算待预测年份待预测地区在新基建建设过程中的碳排放量，以及在新基建运营过程中的碳排放量，并对新基建规模进行预测，构建新基建增耗效应引致的碳排放预测模型；
计算产业结构合理化水平值，衡量所述待预测年份待预测地区的经济、技术、人口对于环境的影响值，构建新基建减碳效应引致的碳排放预测模型；
根据所述新基建增耗效应引致的碳排放预测模型，以及所述新基建减碳效应引致的碳排放预测模型，生成所述待预测年份待预测地区的碳排放预测模型。
进一步地，通过如下公式计算所述待预测年份待预测地区在新基建建设过程中的碳排放量：
Figure 828700DEST_PATH_IMAGE001
式中：
Figure 533351DEST_PATH_IMAGE002
为待预测年份待预测地区的单位新基建投资碳排放强度；
Figure 809611DEST_PATH_IMAGE003
为待预测 年份待预测地区的5G基站、数据中心、电动汽车充电桩的投资。
进一步地，通过如下公式计算所述待预测年份待预测地区在新基建运营过程中的碳排放量：
Figure 810191DEST_PATH_IMAGE004
式中：
Figure 437481DEST_PATH_IMAGE005
、
Figure 414665DEST_PATH_IMAGE006
、
Figure 545432DEST_PATH_IMAGE007
分别为待预测年份待预测地区的5G基站、数据中心、电动 汽车在运营过程中引致的碳排放量；
Figure 215447DEST_PATH_IMAGE008
、
Figure 330034DEST_PATH_IMAGE009
、
Figure 845329DEST_PATH_IMAGE010
为待预测年份待预测地区的5G基站、数据 中心、电动汽车的规模；
Figure 361761DEST_PATH_IMAGE011
、
Figure 937099DEST_PATH_IMAGE012
、
Figure 273402DEST_PATH_IMAGE013
为5G基站、数据中心、电动汽车的日用电量；
Figure 857967DEST_PATH_IMAGE014
为待预 测年份待预测地区的常规能源发电占比；
Figure 727441DEST_PATH_IMAGE015
为电力的折算标准煤系数；
Figure 473680DEST_PATH_IMAGE016
为单位煤炭的 碳排放系数。
进一步地，分别预测所述待预测年份待预测地区的5G基站规模与电动汽车保有量，以及数据中心支架规模，完成对所述新基建规模进行预测。
进一步地，通过如下公式预测所述待预测年份待预测地区的5G基站规模与电动汽车保有量：
Figure 297279DEST_PATH_IMAGE017
式中：
Figure 419956DEST_PATH_IMAGE018
为待预测年份待预测地区的人口规模；
Figure 645401DEST_PATH_IMAGE019
为每万人拥有的5G基站数；
Figure 562542DEST_PATH_IMAGE020
为每千人的电动汽车保有量。
进一步地，计算产业结构合理化水平值，衡量所述待预测年份待预测地区的经济、技术、人口对于环境的影响值，构建新基建减碳效应引致的碳排放预测模型，包括：
计算产业结构合理化水平值，衡量所述待预测年份待预测地区的经济、技术、人口对于环境的影响值，得到产业结构优化引致的碳排放量；
计算所述待预测年份待预测地区电动汽车替代燃油汽车与燃天然气汽车的碳排放减少量；
完成新基建减碳效应引致的碳排放预测模型的构建。
进一步地，计算产业结构合理化水平值，衡量所述待预测年份待预测地区的经济、技术、人口对于环境的影响值，得到产业结构优化引致的碳排放量，包括：
计算产业结构合理化水平值，衡量所述待预测年份待预测地区的经济、技术、人口对于环境的影响值，构建STIRPAT模型；
对所述STIRPAT模型进行无残差分解，得到产业结构优化引致的碳排放量。
进一步地，所述STIRPAT模型为：
Figure 139016DEST_PATH_IMAGE021
式中：
Figure 65384DEST_PATH_IMAGE022
为模型系数；
Figure 879756DEST_PATH_IMAGE023
为误差项；
Figure 498957DEST_PATH_IMAGE024
为产业结构因素；R、T、A分别为人口因素、技术 因素、经济因素；
Figure 533034DEST_PATH_IMAGE025
、
Figure 263093DEST_PATH_IMAGE026
、
Figure 931971DEST_PATH_IMAGE027
、
Figure 722073DEST_PATH_IMAGE028
为相关因素的弹性系数。
进一步地，所述产业结构优化引致的碳排放量为：
Figure 741981DEST_PATH_IMAGE029
式中：
Figure 10152DEST_PATH_IMAGE030
为待预测年份待预测地区的碳排放量；
Figure 799116DEST_PATH_IMAGE031
为已知年份待预测地区的碳 排放量；
Figure 760119DEST_PATH_IMAGE032
为待预测年份待预测地区的产业结构；
Figure 1744DEST_PATH_IMAGE033
为已知年份待预测地区的产业结 构。
进一步地，通过如下公式计算所述待预测年份待预测地区电动汽车替代燃油汽车与燃天然气汽车的碳排放减少量：
Figure 73606DEST_PATH_IMAGE034
式中：
Figure 982656DEST_PATH_IMAGE035
为燃柴油汽车行驶百公里的燃柴油量；
Figure 353375DEST_PATH_IMAGE036
为燃汽油汽车行驶百公里的 燃汽油量；
Figure 613455DEST_PATH_IMAGE037
为燃天然气汽车行驶百公里的燃天然气量；
Figure 957849DEST_PATH_IMAGE038
、
Figure 986985DEST_PATH_IMAGE039
、
Figure 758632DEST_PATH_IMAGE040
分别为单位燃柴油、 燃汽油、燃天然气的碳排放强度；
Figure 506008DEST_PATH_IMAGE041
、
Figure 654092DEST_PATH_IMAGE042
、
Figure 537735DEST_PATH_IMAGE043
分别为每辆燃柴油汽车、燃汽油汽车、燃天然气 汽车的年行驶路程；
Figure 745862DEST_PATH_IMAGE044
、
Figure 714955DEST_PATH_IMAGE045
分别为电动汽车对燃柴油汽车、燃汽油汽车的替代系数；
Figure 168195DEST_PATH_IMAGE046
为待预测年份待预测地区的电动汽车保有量。
本发明实施例提供的上述技术方案的有益效果至少包括：
本发明实施例提供的一种基于减碳效应与增耗效应的新基建碳排放预测方法，包括：分别计算待预测年份待预测地区在新基建建设过程中的碳排放量，以及在新基建运营过程中的碳排放量，并对新基建规模进行预测，构建新基建增耗效应引致的碳排放预测模型；计算产业结构合理化水平值，衡量待预测年份待预测地区的经济、技术、人口对于环境的影响值，构建新基建减碳效应引致的碳排放预测模型；根据新基建增耗效应引致的碳排放预测模型，以及新基建减碳效应引致的碳排放预测模型，生成待预测年份待预测地区的碳排放预测模型。该方法可对新基建碳排放情况进行精准预测。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例提供的基于减碳效应与增耗效应的新基建碳排放预测方法流程图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明实施例提供一种基于减碳效应与增耗效应的新基建碳排放预测方法，参照图1所示，包括：
分别计算待预测年份待预测地区在新基建建设过程中的碳排放量，以及在新基建运营过程中的碳排放量，并对新基建规模进行预测，构建新基建增耗效应引致的碳排放预测模型；
计算产业结构合理化水平值，衡量待预测年份待预测地区的经济、技术、人口对于环境的影响值，构建新基建减碳效应引致的碳排放预测模型；
根据新基建增耗效应引致的碳排放预测模型，以及新基建减碳效应引致的碳排放预测模型，生成待预测年份待预测地区的碳排放预测模型。
本实施例提供的基于减碳效应与增耗效应的新基建碳排放预测方法，可对新基建碳排放进行精准预测。
下面具体对该方法进行详细阐述：
对新基建碳排放的影响机制分析：
从技术驱动角度来看，新基建带来的减碳效应体现在两方面。第一方面，5G基站、数据中心、互联网的发展通过带动能源行业、建筑行业上下游体系的改造，带动产业链的优化，大幅度的减少能源消耗；第二方面，轨道交通站与电动汽车的发展促进了交通业的电气化，减少了燃油汽车的出行，降低了能源消耗量。新基建通过上述三方面的影响减少社会碳排放。需求驱动角度来看，新基建带来的增耗效应体现在三方面。第一方面，在新基建的建设过程中，需要消耗水泥钢筋等材料，这些材料的生产过程会产生碳排放，据相关研究表明高铁每公里建设会排放300吨左右的二氧化碳。第二方面，新基建在运营过程中，数据中心、5G基站会造成用电量的大规模消耗，由于5G基站传输范围小，相同传输范围，5G基站的数量是4G基站的2-3倍，从而增加用电量消耗。第三方面，刺激消费新需求所产生的能耗和碳排放。整体上看，新基建的发展会同时存在减碳与增耗效应，会对碳达峰产生影响，因此有必要综合考虑各方面影响因素，分析新基建对碳排放的影响。
构建新基建增耗效应引致的碳排放预测模型：
5G基站、数据中心、电动汽车等新基建的增耗效应主要是在新基建建设过程与运营过程中产生的。新基建建设过程中的碳排放由单位投资碳排放强度与新基建投资的乘积表示，具体如下式所示：
Figure 906344DEST_PATH_IMAGE001
式中：
Figure 19794DEST_PATH_IMAGE047
为第t年i地区j省份在新基建建设过程中的碳排放；
Figure 476183DEST_PATH_IMAGE002
为第t年i地区中j 省份的单位新基建投资碳排放强度；
Figure 231649DEST_PATH_IMAGE003
为第t年j地区中i省份的5G基站、数据中心、电动 汽车充电桩的投资。
新基建在运营过程中的碳排放是由于在能源供应端中含排碳的常规能源发电与不含排碳的风光等新能源发电所导致的，随着5G基站、数据中心、电动汽车用电量增加，碳排放量也会增加。各类新基建在运营过程中引致的碳排放如下式所示：
Figure 824305DEST_PATH_IMAGE004
式中：
Figure 639814DEST_PATH_IMAGE005
、
Figure 317920DEST_PATH_IMAGE006
、
Figure 611498DEST_PATH_IMAGE007
分别为第t年i地区j省份的5G基站、数据中心、电动汽车在 运营过程中引致的碳排放量；
Figure 58660DEST_PATH_IMAGE008
、
Figure 543606DEST_PATH_IMAGE009
、
Figure 974587DEST_PATH_IMAGE010
为第t年i地区中j省份的5G基站、数据中心、电动 汽车的规模；
Figure 806277DEST_PATH_IMAGE011
、
Figure 373524DEST_PATH_IMAGE012
、
Figure 265257DEST_PATH_IMAGE013
为5G基站、数据中心、电动汽车的日用电量；
Figure 183534DEST_PATH_IMAGE014
为第t年i地区中j 省份的常规能源发电占比；
Figure 553336DEST_PATH_IMAGE015
为电力的折算标准煤系数；
Figure 240669DEST_PATH_IMAGE016
为单位煤炭的碳排放系数；t 为年份。
新能源发电占比与常规能源发电占比的关系如下式所示：
Figure 568882DEST_PATH_IMAGE048
Figure 443297DEST_PATH_IMAGE049
为第t年i地区中j省份的新能源发电占比。
1）计算常规能源发电占比：
南方电网发布《数字电网推动构建以新能源为主体的新型电力系统白皮书》，根据各省市2020年新能源发电占比，假设各省市新能源发电占比逐年等差提升，结合上式可以得到各省市2021-2030年的常规能源发电占比如下式所示：
Figure 649413DEST_PATH_IMAGE050
式中：
Figure 925674DEST_PATH_IMAGE051
为第t年的i地区中j省份的常规能源占比；
Figure 424788DEST_PATH_IMAGE052
、
Figure 786499DEST_PATH_IMAGE053
分别为i地区中j省 份在2020年与2030年的新能源占比。
2）新基建规模预测：
5G基站规模与电动汽车保有量与人口数之间的关系如下式所示：
Figure 763683DEST_PATH_IMAGE017
式中：
Figure 425608DEST_PATH_IMAGE018
为第t年的i地区中j省份的人口规模；
Figure 830045DEST_PATH_IMAGE019
为每万人拥有的5G基站数；
Figure 679052DEST_PATH_IMAGE020
为每千人的电动汽车保有量。
针对各省的人口预测，选取人口结构、人口自然增长与经济水平为一级指标。其中，人口结构中包括城镇化率、各年龄段人口占比；人口自然增长率包括出生率与死亡率；经济水平包括GDP、二产占比。预测方法采用深度信念网络与混沌鲸鱼算法结合。
工业与信息化部指出在2021-2023年数据中心支架年平均增长率为20%，设定在2021-2030年数据中心支架的增长率均维持在20%，则第t年的i地区中j省份的数据中心支架规模如下式所示：
Figure 459926DEST_PATH_IMAGE054
式中：
Figure 976358DEST_PATH_IMAGE055
为i地区中j省份在2020年的数据支架规模。
构建新基建减碳效应引致的碳排放预测模型：
1）产业结构优化的减碳效应
产业结构合理化水平常用泰尔熵指数来衡量，泰尔熵指数偏离0越大，产业结构越不合理，泰尔熵指数如下式所示：
Figure 551696DEST_PATH_IMAGE056
式中：
Figure 646254DEST_PATH_IMAGE057
、
Figure 230819DEST_PATH_IMAGE058
分别为i地区j省份第s产业的产值与就业人口数；
Figure 336179DEST_PATH_IMAGE059
、
Figure 347997DEST_PATH_IMAGE060
分别 为i地区j省份总产值与总就业人口数。
STIRPAT模型常用来衡量经济、技术、人口对于环境的影响，本实施例用碳排放量代表环境的影响，对传统的STIRPAT模型进行扩展，增加产业结构合理化水平这个因素，得到扩展后的STIRPAT模型如下式所示：
Figure 906017DEST_PATH_IMAGE021
式中：
Figure 294273DEST_PATH_IMAGE022
为模型系数；
Figure 519718DEST_PATH_IMAGE023
为误差项；
Figure 436859DEST_PATH_IMAGE024
为产业结构因素；R、T、A分别为人口因素、技术 因素、经济因素；
Figure 13334DEST_PATH_IMAGE025
、
Figure 674122DEST_PATH_IMAGE026
、
Figure 255538DEST_PATH_IMAGE027
、
Figure 609159DEST_PATH_IMAGE028
为相关因素的弹性系数。
采用LMDI法对上式进行无残差分解，得到产业结构优化引致的碳排放量如下式所示：
Figure 407351DEST_PATH_IMAGE029
式中：
Figure 871830DEST_PATH_IMAGE030
为第t年i地区中j省份的碳排放量；
Figure 806288DEST_PATH_IMAGE031
为2020年i地区中j省份的碳排放 量；
Figure 596390DEST_PATH_IMAGE032
为第t年i地区中j省份的产业结构；
Figure 350719DEST_PATH_IMAGE033
为2020年i地区中j省份的产业结构。
2）电动汽车替代燃油汽车的减碳效应
随着电动汽车的发展，燃油汽车与燃天然气汽车会逐渐被替代，替代的燃油汽车与燃天然气汽车会减少碳排放，具体如下式所示：
Figure 884469DEST_PATH_IMAGE034
式中：
Figure 673433DEST_PATH_IMAGE035
为燃柴油汽车行驶百公里的燃柴油量；
Figure 368857DEST_PATH_IMAGE036
为燃汽油汽车行驶百公里的 燃汽油量；
Figure 640176DEST_PATH_IMAGE037
为燃天然气汽车行驶百公里的燃天然气量；
Figure 446458DEST_PATH_IMAGE038
、
Figure 355508DEST_PATH_IMAGE039
、
Figure 221833DEST_PATH_IMAGE040
分别为单位燃柴油、 燃汽油、燃天然气的碳排放强度；
Figure 216334DEST_PATH_IMAGE041
、
Figure 826307DEST_PATH_IMAGE042
、
Figure 855442DEST_PATH_IMAGE043
分别为每辆燃柴油汽车、燃汽油汽车、燃天然气 汽车的年行驶路程；
Figure 892669DEST_PATH_IMAGE044
、
Figure 374466DEST_PATH_IMAGE045
分别为电动汽车对燃柴油汽车、燃汽油汽车的替代系数；
Figure 788129DEST_PATH_IMAGE046
为第t年的i地区中j省份的电动汽车保有量。
新基建增耗效应引致的碳排放预测模型与新基建减碳效应引致的碳排放预测模 型，综合得到各省新基建整体引致的碳排放预测模型
Figure 907657DEST_PATH_IMAGE061
如下式所示：
Figure 115785DEST_PATH_IMAGE062
各区域引致的碳排放预测模型
Figure 819299DEST_PATH_IMAGE063
如下式所示：
Figure 36653DEST_PATH_IMAGE064
本实施例提供的基于减碳效应与增耗效应的新基建碳排放预测方法，构建时考虑新基建的碳排放预测模型；量化新基建对碳排放的影响；可为新基建引致的碳排放奠定基础与参考。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种基于减碳效应与增耗效应的新基建碳排放预测方法，其特征在于，包括：
分别计算待预测年份待预测地区在新基建建设过程中的碳排放量，以及在新基建运营过程中的碳排放量，并对新基建规模进行预测，构建新基建增耗效应引致的碳排放预测模型；
计算产业结构合理化水平值，衡量所述待预测年份待预测地区的经济、技术、人口对于环境的影响值，构建新基建减碳效应引致的碳排放预测模型；
根据所述新基建增耗效应引致的碳排放预测模型，以及所述新基建减碳效应引致的碳排放预测模型，生成所述待预测年份待预测地区的碳排放预测模型。
2.如权利要求1所述的一种基于减碳效应与增耗效应的新基建碳排放预测方法，其特征在于，通过如下公式计算所述待预测年份待预测地区在新基建建设过程中的碳排放量：
Figure 270642DEST_PATH_IMAGE001
式中：
Figure 453361DEST_PATH_IMAGE002
为待预测年份待预测地区的单位新基建投资碳排放强度；
Figure 764257DEST_PATH_IMAGE003
为待预测年份 待预测地区的5G基站、数据中心、电动汽车充电桩的投资。
3.如权利要求1所述的一种基于减碳效应与增耗效应的新基建碳排放预测方法，其特征在于，通过如下公式计算所述待预测年份待预测地区在新基建运营过程中的碳排放量：
Figure 425045DEST_PATH_IMAGE004
式中：
Figure 770576DEST_PATH_IMAGE005
、
Figure 858618DEST_PATH_IMAGE006
、
Figure 656809DEST_PATH_IMAGE007
分别为待预测年份待预测地区的5G基站、数据中心、电动汽车 在运营过程中引致的碳排放量；
Figure 386868DEST_PATH_IMAGE008
、
Figure 321326DEST_PATH_IMAGE009
、
Figure 347313DEST_PATH_IMAGE010
为待预测年份待预测地区的5G基站、数据中 心、电动汽车的规模；
Figure 367222DEST_PATH_IMAGE011
、
Figure 635392DEST_PATH_IMAGE012
、
Figure 424356DEST_PATH_IMAGE013
为5G基站、数据中心、电动汽车的日用电量；
Figure 385359DEST_PATH_IMAGE014
为待预测 年份待预测地区的常规能源发电占比；
Figure 158143DEST_PATH_IMAGE015
为电力的折算标准煤系数；
Figure 698846DEST_PATH_IMAGE016
为单位煤炭的碳 排放系数。
4.如权利要求1所述的一种基于减碳效应与增耗效应的新基建碳排放预测方法，其特征在于，分别预测所述待预测年份待预测地区的5G基站规模与电动汽车保有量，以及数据中心支架规模，完成对所述新基建规模进行预测。
5.如权利要求4所述的一种基于减碳效应与增耗效应的新基建碳排放预测方法，其特征在于，通过如下公式预测所述待预测年份待预测地区的5G基站规模与电动汽车保有量：
Figure 873475DEST_PATH_IMAGE017
式中：
Figure 474221DEST_PATH_IMAGE018
为待预测年份待预测地区的人口规模；
Figure 734301DEST_PATH_IMAGE019
为每万人拥有的5G基站数；
Figure 78695DEST_PATH_IMAGE020
为每 千人的电动汽车保有量。
6.如权利要求1所述的一种基于减碳效应与增耗效应的新基建碳排放预测方法，其特征在于，计算产业结构合理化水平值，衡量所述待预测年份待预测地区的经济、技术、人口对于环境的影响值，构建新基建减碳效应引致的碳排放预测模型，包括：
计算产业结构合理化水平值，衡量所述待预测年份待预测地区的经济、技术、人口对于环境的影响值，得到产业结构优化引致的碳排放量；
计算所述待预测年份待预测地区电动汽车替代燃油汽车与燃天然气汽车的碳排放减少量；
完成新基建减碳效应引致的碳排放预测模型的构建。
7.如权利要求6所述的一种基于减碳效应与增耗效应的新基建碳排放预测方法，其特征在于，计算产业结构合理化水平值，衡量所述待预测年份待预测地区的经济、技术、人口对于环境的影响值，得到产业结构优化引致的碳排放量，包括：
计算产业结构合理化水平值，衡量所述待预测年份待预测地区的经济、技术、人口对于环境的影响值，构建STIRPAT模型；
对所述STIRPAT模型进行无残差分解，得到产业结构优化引致的碳排放量。
8.如权利要求7所述的一种基于减碳效应与增耗效应的新基建碳排放预测方法，其特征在于，所述STIRPAT模型为：
Figure 612225DEST_PATH_IMAGE021
式中：
Figure 915030DEST_PATH_IMAGE022
为模型系数；
Figure 131248DEST_PATH_IMAGE023
为误差项；
Figure 544912DEST_PATH_IMAGE024
为产业结构因素；R、T、A分别为人口因素、技术因素、 经济因素；
Figure 162975DEST_PATH_IMAGE025
、
Figure 636682DEST_PATH_IMAGE026
、
Figure 340195DEST_PATH_IMAGE027
、
Figure 291971DEST_PATH_IMAGE028
为相关因素的弹性系数。
9.如权利要求7所述的一种基于减碳效应与增耗效应的新基建碳排放预测方法，其特征在于，所述产业结构优化引致的碳排放量为：
Figure 295699DEST_PATH_IMAGE029
式中：
Figure 674728DEST_PATH_IMAGE030
为待预测年份待预测地区的碳排放量；
Figure 367003DEST_PATH_IMAGE031
为已知年份待预测地区的碳排放 量；
Figure 122469DEST_PATH_IMAGE032
为待预测年份待预测地区的产业结构；
Figure 715124DEST_PATH_IMAGE033
为已知年份待预测地区的产业结构。
10.如权利要求6所述的一种基于减碳效应与增耗效应的新基建碳排放预测方法，其特征在于，通过如下公式计算所述待预测年份待预测地区电动汽车替代燃油汽车与燃天然气汽车的碳排放减少量：
Figure 265054DEST_PATH_IMAGE034
式中：
Figure 208740DEST_PATH_IMAGE035
为燃柴油汽车行驶百公里的燃柴油量；
Figure 502318DEST_PATH_IMAGE036
为燃汽油汽车行驶百公里的燃汽 油量；
Figure 215059DEST_PATH_IMAGE037
为燃天然气汽车行驶百公里的燃天然气量；
Figure 670311DEST_PATH_IMAGE038
、
Figure 101292DEST_PATH_IMAGE039
、
Figure 932982DEST_PATH_IMAGE040
分别为单位燃柴油、燃汽 油、燃天然气的碳排放强度；
Figure 264344DEST_PATH_IMAGE041
、
Figure 156077DEST_PATH_IMAGE042
、
Figure 808775DEST_PATH_IMAGE043
分别为每辆燃柴油汽车、燃汽油汽车、燃天然气汽车 的年行驶路程；
Figure 709735DEST_PATH_IMAGE044
、
Figure 865910DEST_PATH_IMAGE045
分别为电动汽车对燃柴油汽车、燃汽油汽车的替代系数；
Figure 194123DEST_PATH_IMAGE046
为待 预测年份待预测地区的电动汽车保有量。
CN202211389791.2A 2022-11-08 2022-11-08 一种基于减碳效应与增耗效应的新基建碳排放预测方法 Pending CN115438880A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211389791.2A CN115438880A (zh) 2022-11-08 2022-11-08 一种基于减碳效应与增耗效应的新基建碳排放预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211389791.2A CN115438880A (zh) 2022-11-08 2022-11-08 一种基于减碳效应与增耗效应的新基建碳排放预测方法

Publications (1)

Publication Number Publication Date
CN115438880A true CN115438880A (zh) 2022-12-06

Family

ID=84252171

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211389791.2A Pending CN115438880A (zh) 2022-11-08 2022-11-08 一种基于减碳效应与增耗效应的新基建碳排放预测方法

Country Status (1)

Country Link
CN (1) CN115438880A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103870678A (zh) * 2014-02-18 2014-06-18 上海零碳建筑科技有限公司 一种基于城市规划的碳排放计量方法
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
CN113971488A (zh) * 2021-10-25 2022-01-25 上海宝钢节能环保技术有限公司 一种预测钢铁冶金企业碳排放量的方法
US20220108395A1 (en) * 2020-10-01 2022-04-07 Morgan Stanley Services Group Inc. System and method for carbon emissions exposure determination
CN114330826A (zh) * 2021-11-04 2022-04-12 国网江苏省电力有限公司经济技术研究院 一种碳排放预测及优化方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103870678A (zh) * 2014-02-18 2014-06-18 上海零碳建筑科技有限公司 一种基于城市规划的碳排放计量方法
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
US20220108395A1 (en) * 2020-10-01 2022-04-07 Morgan Stanley Services Group Inc. System and method for carbon emissions exposure determination
CN113971488A (zh) * 2021-10-25 2022-01-25 上海宝钢节能环保技术有限公司 一种预测钢铁冶金企业碳排放量的方法
CN114330826A (zh) * 2021-11-04 2022-04-12 国网江苏省电力有限公司经济技术研究院 一种碳排放预测及优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
曹红艳: ""双碳"目标下新基建加速绿色化", 《经济日报》 *

Similar Documents

Publication Publication Date Title
Liu et al. Decouple transport CO2 emissions from China’s economic expansion: a temporal-spatial analysis
Wang et al. Low-carbon development quality of cities in China: Evaluation and obstacle analysis
Wang et al. Mode, technology, energy consumption, and resulting CO2 emissions in China's transport sector up to 2050
Peng et al. Development and application of China provincial road transport energy demand and GHG emissions analysis model
Fang et al. Green development of Yangtze River Delta in China under population-resources-environment-development-satisfaction perspective
Guo et al. Exploring the driving factors of carbon dioxide emission from transport sector in Beijing-Tianjin-Hebei region
Zhang et al. Carbon emission reduction potential of urban rail transit in China based on electricity consumption structure
Liu et al. Clarifying the relationship among clean energy consumption, haze pollution and economic growth–based on the empirical analysis of China's Yangtze River Delta Region
Yang et al. Evaluation and analysis of energy security in China based on the DPSIR model
Li et al. Forecast of urban traffic carbon emission and analysis of influencing factors
Guo et al. Forecast of passenger car market structure and environmental impact analysis in China
Chen et al. Electric vehicle development in China: A charging behavior and power sector supply balance analysis
Liu et al. Electrification of rails in China: Its impact on energy conservation and emission reduction
Yang et al. Recent advances of optimal sizing and location of charging stations: A critical overview
Zhao et al. Calculating carbon emissions and selecting carbon peak scheme for infrastructure construction in Liaoning Province, China
Yu et al. Prioritizing the hydrogen pathways for fuel cell vehicles: Analysis of the life-cycle environmental impact, economic cost, and environmental efficiency
Xiao et al. Effect of an electric vehicle promotion policy on China’s Islands: a case study of Hainan Island
CN115438880A (zh) 一种基于减碳效应与增耗效应的新基建碳排放预测方法
Li et al. Scenario analysis of carbon emission trajectory on energy system transition model: A case study of Sichuan Province
CN112508231A (zh) 一种基于系统动力学的中长期电力负荷预测方法及系统
CN114285063A (zh) 一种基于短期碳排放因子的电动汽车减碳智能充电方法
Zhu et al. Oil price distortion and its impact on green economic efficiency in China’s transportation: A spatial effect perspective
Jia et al. China's CO2 emissions: An innovative framework for analyzing carbon reduction in sustainable tourism under the guidance of the United Nations' sustainable development goals
Cui et al. Transfer of embodied carbon emissions from provincial transportation industry in China
Cui et al. The calculation and analysis of carbon emission in traction power supply system of high-speed rail

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20221206

RJ01 Rejection of invention patent application after publication