CN116167657A - 一种企业全生命周期碳足迹评价方法和系统、存储介质 - Google Patents

Abstract

本发明涉及一种企业全生命周期碳足迹评价方法和系统、存储介质，方法包括以下步骤：基于目标企业全生命周期涉及的碳排放设备和碳排放过程，划定核算边界和计量范围；收集并预处理各碳排放设备的碳足迹核算相关数据；匹配各碳排放设备的碳足迹核算方法；对经过预处理的碳足迹核算相关数据进行二次处理，得到碳足迹核算完整参数集；基于核算边界、计量范围、碳足迹核算完整参数集、通过碳足迹核算方法，得到目标企业全生命周期碳足迹核算量；通过灵敏度分析方法，判别碳足迹核算相关数据的变化程度对全生命周期碳足迹核算量的影响程度，并根据影响程度提出减碳策，为企业后续节能减碳策略的制定指明方向。

Description

一种企业全生命周期碳足迹评价方法和系统、存储介质

技术领域

本发明涉及碳排放技术领域，具体涉及一种企业全生命周期碳足迹评价方法和系统、存储介质。

背景技术

全球气候变暖问题日益突出，深刻影响着社会的发展与进步。发展以低能耗、低污染为主要特征的低碳经济，构建低碳型社会，已成为世界各国应对全球气候变化、实现可持续发展的基本共识和核心战略。

碳足迹源于生态足迹，是对某种活动引起或某种产品生命周期内积累的，直接或间接的温室气体排放量的度量。企业的全生命周期碳足迹评估是指对电力设备和辅助设施的建造、使用和报废全过程的温室气体排放量进行核算评估。传统碳足迹核算过程中存在的边界界定困难、核算方法针对性较差、数据难获取和精度偏低，以及缺乏对核算结果的深入分析和整理等相关问题，导致碳足迹核算研究全面性和系统性有限、结果误差大和缺乏实用性。

发明内容

本发明解决上述技术问题的方案如下：提出一种企业全生命周期碳足迹评价方法和系统，引入供应链概念，将企业的供应全过程划分为原材料供给、生产、传输、配给等过程，在完成核算边界和计量范围的准确划定的基础上，结合数据预处理技术、参数生成技术和灵敏度分析方法到碳足迹全生命周期核算过程中，提高核算结果的准确性和实现主要排碳环节的有效识别，为电力企业碳排放水平的全面盘查和后续节能减碳策略的制定指明方向。

本发明提供了一种企业全生命周期碳足迹评价方法，包括以下步骤：

基于目标企业全生命周期涉及的碳排放设备和碳排放设备的碳排放过程，划定目标企业全生命周期的核算边界和计量范围；

收集并预处理各碳排放设备的碳足迹核算相关数据，得到碳足迹核算初始数据集；

基于各碳排放设备的碳排放特征和碳足迹核算初始参数集，选择各碳排放设备的碳足迹核算方法；

运用类比法、插值法、趋势外推法和回归分析方法对碳足迹核算初始参数集进行处理，得到碳足迹核算完整参数集；

基于目标企业全生命周期的核算边界、计量范围、碳足迹核算完整参数集，通过碳足迹核算方法计算得到各碳排放设备的碳排放量，并整理合集形成目标企业的全生命周期碳足迹核算量；

通过灵敏度分析方法，判别碳足迹核算相关数据的变化程度对目标企业的全生命周期碳足迹核算量的影响程度，并根据影响程度提出减碳策略。

优选的，所述基于目标企业全生命周期涉及的碳排放设备和碳排放设备的碳排放过程，划定目标企业全生命周期的核算边界和计量范围，具体包括：

基于目标企业的供应链理念，将目标企业的全生命周期过程划分为原材料供给环节、生产环节、传输环节、配给环节、销售环节和消纳环节；

确定各环节涉及的碳排放设备和碳排放设备的碳排放过程，划定目标企业全生命周期的核算边界和计量范围，有效保证核算结果的全面性和准确性。

优选的，所述碳排放设备的碳排放过程包括设计研发过程、零部件采购过程、生产制造过程、物流配送过程、使用维护过程和回收利用过程。生命周期核算边界定义为了原材料供给、生产、传输、配给等过程，解决了核算边界界定困难的问题。

优选的，所述收集和预处理各碳排放设备的碳足迹核算相关数据，具体包括：

通过现场调研、资料收集、文献查阅和专家咨询的，收集和整理各碳排放设备的碳足迹核算相关数据，包括设备额定功率、设备燃料消耗等参数在内的碳足迹核算相关数据；

通过K-means算法和平均值填充法，完成碳足迹核算相关数据中的异常数据剔除和缺失数据填充，提高核算结果的准确性。

优选的，所述通过K-means算法和平均值填充法，完成碳足迹核算相关数据中的异常数据剔除和缺失数据填充，具体步骤如下：

使用手肘法确定的k值作为聚类数，从碳足迹核算相关数据中随机选择k个样本作为初始聚类中心{m₁,m₂,…m_k}；

计算每个样本到各个初始聚类中心的欧氏距离，选择距离最近的聚类中心形成k簇，并根据距离公式优化k簇，得到最小的k值及最优聚类中心，距离计算公式如(1a)所示：

其中：d为样本到聚类中心点的欧式距离；x为样本所在位置；m_i为第i个聚类中心；c_i为聚类中心个数；

重新计算新的k簇的聚类中心，计算公式如(1b)所示：

其中：c_i为聚类中心个数；

重复上述步骤，直至满足终止条件或达到预设迭代次数，终止条件的计算公式如(1c)所示：

|m_n+1-m_n|≤ε (1c)

其中：ε为第n+1次聚类中心m_n+1和第n次聚类中心m_n距离的最小误差；

利用贝塞尔公式计算样本数据的标准偏差s，整理聚类结果，利用拉伊达准则判别和确定每簇样本数据中与对应的聚类中心的距离大于3s的异常样本，并进行样本数据的异常样本的剔除，贝塞尔公式和拉伊达准则如(1d)和(1e)所示：

|x_v-x|≥3s (1e)

其中：s为样本数据标准偏差；q为输入样本个数；l_p为待确定的样本元素；

为样本均值；x为样本数据与簇心最近距离的平均值，x_v为检测样本数据距离簇心的距离；

对剔除异常样本的样本数据根据特性分列，利用平均值填充法，选定完成剔除异常样本的样本数据中每列数据的均值为填充值，完成识别的异常数据和缺失数据的填充，计算公式如(1f)所示：

其中：w为计算得到的填充均值，x_j为当列数据中的正常值，N为当列数据中正常值的个数。

优选的，所述碳排放设备的碳足迹核算方法包括实测法、物料核算法、排放系数法或资产估算法。分析各碳排放设备的碳排放特征、核算机理、参数信息是否收集完整，为各碳排放设备匹配合适的核算方法，提高核算结果的准确性。

优选的，通过计量设施测定碳排放设备的碳排放浓度，并根据测得的碳排放浓度计算碳排放设备的碳排放量，计算公式如(2a)所示：

E＝QCT (2a)

其中：E表示碳排放设备的碳排放量；Q表示单位时间排放量；C表示碳排放浓度；T表示排放时间；

所述物料核算法包括：根据碳排放设备运转过程中使用的物料情况，计算碳排放设备的碳排放量，物料情况包括碳排放设备的排放源类型、燃料类型、技术类型和设备类型，计算公式如(2b)所示：

E＝∑EF_hrtd*Activity_hrtd(2b)

其中：E表示碳排放设备的碳排放量；h表示碳排放设备的排放源类型；r表示碳排放设备的燃料类型；t表示碳排放设备的技术类型；d表示碳排放设备的设备类型，EF_hrtd表示排放源类型为h、燃料类型为r、技术类型为t、设备类型为d的碳排放设备的排放系数；Activity_hrtd表示排放源类型为h、燃料类型为r、技术类型为t、设备类型为d的碳排放设备投入的能源量；

所述排放系数法通过碳排放设备生产的产品的排放系数与产品产量，计算碳排放设备的碳排放量，计算公式如(2c)所示：

E＝EF*Q(2c)

其中：E表示碳排放设备的碳排放量；EF表示目标企业生产单位产品的排放系数；Q表示产品产量；

所述资产估算法通过总成本折算，基于碳排放设备的特定生命周期(即工程建设、运行、维护和退役处置)的成本折现后的货币成本总和，通过完成碳足迹核算，计算公式如(2d)所示：

E＝a*EC+b*EY+c*EW+d*EX(2d)

其中：E表示碳排放设备的碳排放量，单位为kg；EC表示碳排放设备在特定生命周期内的建设成本，单位为万元；EY表示碳排放设备在特定生命周期内的建设成本的日常运行成本，主要包括能源消耗成本、人工成本、环境成本、保险成本，单位为万元；EW表示碳排放设备的在寿命周期内的维修成本，包括更换零部件等备件、维护、抢修、试验、巡检和监测等所需要的人工、材料和交通成本，单位为万元；EX表示特定寿命周期结束后对碳排放设备的进行销毁和清理的成本，单位为万元；a、b、c、d分别表示碳排放设备在特定生命周期中各阶段单位成本碳排放系数；单位为kg/万元。

优选的，所述类比法通过经验判断和指标评估方法选定高度相似、资料齐全的类比对象的基础上，对碳足迹核算初始数据集严重缺失的碳排放设备数据进行类比分析和实现补充完善；

所述插值法通过反距离加权法对碳足迹核算初始数据集进行插值分析，满足参数的时间和空间尺度要求，以进行缺失数据的补充，以此形成更完备的数据集，计算公式如(3a)所示：

其中：Z为碳足迹核算初始数据集中缺失值的估算值；Z_p为第p个在碳足迹核算初始数据集随机选择样本的实测值；d_p为第p个在碳足迹核算初始数据集随机选择样本点与碳足迹核算初始数据集中缺失值之间的距离；M为参与计算的实测样本点个数；

所述趋势外推法基于碳足迹核算初始数据集，利用二次指数平滑技术完成碳足迹核算初始数据集未来取值的趋势外推，得到设定未来时间的补充值，对碳足迹核算初始数据集进行补充，计算公式如(3b)至(3f)所示：

其中：

和/>

分别为一次和二次指数平滑序列；a为指数平滑系数；x_t为碳足迹核算初始数据集中所需要使用的数据；/>

代表第一次平滑之前的初始序列；S⁽¹⁾ _t-1为第一次平滑之前的初始序列；S_t-2 ⁽¹⁾代表第二次平滑之前的初始序列；A为预测直线的斜率；B为预测直线的截距；X_t+1为碳足迹核算初始数据集经二次指数平滑后所得预测结果；t为外推次数，T为外推次数的最大值；

所述回归分析方法通过建立碳足迹核算的主要影响因素(结合参数具体分析，包括气候条件、企业生产特征)与碳足迹核算参数的回归方程，将碳足迹核算相关数据的影响因素输入到回归方程中，完成缺失数据的填充，计算公式如(3g)所示：

其中：y为碳足迹核算初始数据集中待补充的数据，x_q为第q维自变量，Q为维数；β₀，β_q，β_qs为回归系数；q代表与第一个影响因素对应的碳足迹核算初始数据集里的数据个数；s代表与第二个影响因素对应的碳足迹核算初始数据集里的数据个数；x_q代表与第一个影响因素对应的碳足迹核算初始数据集里的第q个数据。

一种企业全生命周期碳足迹评价系统，包括：

核算边界和计量范围获取模块，用于基于目标企业全生命周期涉及的碳排放设备和碳排放设备的碳排放过程，划定目标企业全生命周期的核算边界和计量范围；

碳足迹核算初始数据集获取模块，用于收集并预处理各碳排放设备的碳足迹核算相关数据，得到碳足迹核算初始数据集；

碳足迹核算方法选择模块，用于基于各碳排放设备的碳排放特征和碳足迹核算初始参数集，选择各碳排放设备的碳足迹核算方法；

碳足迹核算完整参数集模块，用于运用类比法、插值法、趋势外推法和回归分析方法对碳足迹核算初始参数集进行处理，得到碳足迹核算完整参数集；

全生命周期碳足迹核算量获取模块，用于基于目标企业全生命周期的核算边界、计量范围、碳足迹核算完整参数集，通过碳足迹核算方法计算得到各碳排放设备的碳排放量，并整理合集形成目标企业的全生命周期碳足迹核算量；

减碳策略提出模块，用于通过灵敏度分析方法，判别碳足迹核算相关数据的变化程度对目标企业的全生命周期碳足迹核算量的影响程度，并根据影响程度提出减碳策略。

本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上所述企业全生命周期碳足迹评价方法的步骤。

本发明还提供一种电子设备，所述电子设备可运行如上所述计算机可读存储介质。

本发明的有益效果是：

1、基于供应链理念，将企业的供应全过程划分为原材料供给、生产、传输、配给等过程，确定每个过程的碳排放设备及碳排放流程，从而确定电力企业全生命周期碳足迹评价的核算边界和计量范围，有效解决电力企业碳足迹核算边界界定困难的问题，有效保证核算结果的全面性和准确性。

2、通过对碳排放设备的碳足迹核算相关数据进行预处理，结合类比法、插值法、趋势外推法和回归分析方法再次处理，妥善解决数据时空尺度不一致和不易获取等问题，避免一些不合理的假设和简化，有利于形成系统、全面、可靠目标企业全生命周期碳足迹核算参数集。

3、通过分析碳排放设备的碳排放特征和碳足迹核算相关数据，匹配相应碳足迹核算方法，解决核算方法针对性较差的问题。

综上，碳足迹基于生命周期的角度，从消费端出发，破除所谓“有烟囱才有污染”的观念，分析产品生命周期的碳排放过程，企业的全生命周期碳足迹评估，在保证企业碳足迹核算结果的准确性和公平性的同时，对于后续碳排放关键环节识别，碳减排潜力评估和减碳策略的制定，具有重要的理论意义和应用价值。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。本发明的具体实施方式由以下实施例及其附图详细给出。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明实施例1中建立的电力企业全生命周期碳足迹评价方法的流程图；

图2为本发明实施例1中典型发电设备(汽轮机)的全生命周期各阶段碳排放量占比情况；

图3为本发明实施例1中典型变电设备(变压器)的全生命周期各阶段碳排放量占比情况；

图4为本发明实施例1中典型输电材料(高压输电线)的全生命周期各阶段碳排放量占比情况；

图5为本发明实施例1中典型配电设备(配电器)的全生命周期各阶段碳排放量占比情况。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

实施例1

如图1所示，以国内电力企业为例，提供一种全生命周期碳足迹评价方法，包括以下步骤：

步骤A、基于电力企业的供应链理念，将电力企业的全生命周期过程划分为原材料供给环节、电力生产、电力传输、电力配给、电能销售和电能消纳等环节；结合上述环节以及各环节之间的交互作用机制，识别各环节涉及的主要碳排放设备以及包含设计研发、零部件采购、生产制造、物流配送、使用维护和回收利用在内的碳排放流程，划定目标企业全生命周期的核算边界和计量范围，有效保证核算结果的全面性和准确性。

步骤B、运用现场调研、资料收集、文献查阅和专家咨询的方式，收集整理电力企业原材料供给、电力生产、电力传输、电力配给、电能销售和电能消纳(“发、输、配、用”)环节涉及碳排放设备的碳足迹核算相关数据，包括设备额定功率、设备燃料消耗等参数，如表1所示；针对数据缺失和异常问题，运用K-means算法和平均值填充法，对碳足迹核算相关数据进行预处理，如表2所示，完成企业典型日收集数据的异常值剔除和缺失值填充，得到碳足迹核算初始数据集，具体计算过程如下所示：

使用手肘法确定的k值作为聚类数，从碳足迹核算相关数据中随机选择k个样本作为初始聚类中心{m₁,m₂,…m_k}；

计算每个样本到各个初始聚类中心的欧氏距离，选择距离最近的聚类中心形成k簇，并根据距离公式优化k簇，得到最小的k值及最优聚类中心，距离计算公式如(1a)所示：

其中：d为样本到聚类中心点的欧式距离；x为样本所在位置；m_i为第i个聚类中心；c_i为聚类中心个数；

步骤B3：重新计算新的k簇的聚类中心，计算公式如(1b)所示：

其中：c_i为聚类中心个数；

重复上述步骤，直至满足终止条件或达到预设迭代次数，终止条件的计算公式如(1c)所示：

|m_n+1-m_n|≤ε (1c)

其中：ε为第n+1次聚类中心m_n+1和第n次聚类中心m_n距离的最小误差；

利用贝塞尔公式计算样本数据的标准偏差s，整理聚类结果，利用拉伊达准则判别和确定每簇样本数据中与对应的聚类中心的距离大于3s的异常样本，并进行样本数据的异常样本的剔除，贝塞尔公式和拉伊达准则如(1d)和(1e)所示：

|x_v-x|≥3s (1e)

其中：s为样本数据标准偏差；q为输入样本个数；l_p为待确定的样本元素；

为样本均值；x为样本数据与簇心最近距离的平均值，x_v为检测样本数据距离簇心的距离；

对剔除异常样本的样本数据根据特性分列，利用平均值填充法，选定完成剔除异常样本的样本数据中每列数据的均值为填充值，完成识别的异常数据和缺失数据的填充，计算公式如(1f)所示：

其中：w为计算得到的填充均值，x_j为当列数据中的正常值，N为当列数据中正常值的个数。

表1电力企业的数据汇总表

/>

表2电力企业的数据异常和缺失填充结果汇总表

步骤C、基于各碳排放设备的碳排放特征和碳足迹核算初始数据集，选择包括实测法、物料核算法、排放系数法或资产估算法在内的各碳排放设备的碳足迹核算方法，结果如表3所示。

表3各碳排放设备的碳足迹核算方法汇总表

/>

步骤D、运用类比法、插值法、趋势外推法和回归分析方法对经过碳足迹核算初始数据集进行处理，得到碳足迹核算完整参数集，如步骤D1-D4所示：

步骤D1、类比法通过经验判断和指标评估方法选定高度相似、资料齐全的类比对象的基础上，对碳足迹核算初始数据集严重缺失的碳排放设备数据进行类比分析和实现补充完善；

步骤D2、插值法通过反距离加权法对碳足迹核算初始数据集进行插值分析，对碳足迹核算初始数据集中缺失值进行估算并补充，计算公式如(2a)所示：

其中：Z为碳足迹核算初始数据集中缺失值的估算值；Z_p为第p个在碳足迹核算初始数据集随机选择样本的实测值；d_p为第p个在碳足迹核算初始数据集随机选择样本点与碳足迹核算初始数据集中缺失值之间的距离；M为参与计算的实测样本点个数；

步骤D3、基于碳足迹核算初始数据集，利用二次指数平滑技术完成设定的未来取值的趋势外推，得到设定未来时间的补充值，对碳足迹核算初始数据集进行补充，计算公式如(2b)至(2f)所示：

其中：S_t ⁽¹⁾和S_t ⁽²⁾分别为一次和二次指数平滑序列；a为指数平滑系数；x_t为碳足迹核算初始数据集中所需要使用的数据；S_t-1 ⁽¹⁾代表第一次平滑之前的初始序列；S⁽¹⁾ _t-1为第一次平滑之前的初始序列；S_t-2 ⁽¹⁾代表第二次平滑之前的初始序列；A为预测直线的斜率；B为预测直线的截距；X_t+1为碳足迹核算初始数据集经二次指数平滑后所得预测结果；t为外推次数，T为外推次数的最大值；

步骤D4、回归分析方法通过建立碳足迹核算相关数据的影响因素(结合参数具体分析，包括气候条件、企业生产特征)与碳足迹核算参数的回归方程，将已知的影响因素输入到回归方程中，完成缺失数据的填充，计算公式如(2g)所示：

其中：y为碳足迹核算初始数据集中待补充的数据，x_q为第q维自变量，Q为维数；β₀，β_q，β_qs为回归系数；q代表与第一个影响因素对应的碳足迹核算初始数据集里的数据个数；s代表与第二个影响因素对应的碳足迹核算初始数据集里的数据个数；x_q代表与第一个影响因素对应的碳足迹核算初始数据集里的第q个数据。

步骤E、基于目标企业全生命周期核算边界、计量范围、碳足迹核算完整参数集，通过碳足迹核算方法计算得到各碳排放设备的碳排放量，如步骤E1-E4所示，将各碳排放设备的碳排放量整理合集，得到目标企业的全生命周期碳足迹核算量，结果如表4所示，图2-5为表4整理出的主要碳排放设备在电力企业全生命周期各阶段碳排放量占比情况。

E1、通过实测法收集计量设施测定碳排放设备的碳排放浓度，并根据测得的碳排放浓度计算碳排放设备的碳排放量，计算公式如(3a)所示：

E＝QCT(3a)

其中：E表示碳排放设备的碳排放量；Q表示单位时间排放量；C表示碳排放浓度；T表示排放时间；

E2、所述物料核算法根据碳排放设备运转过程中使用的物料情况，计算碳排放设备的碳排放量，物料情况包括碳排放设备的排放源类型、燃料类型、技术类型和设备类型，计算公式如(3b)所示：

E＝∑EF_hrtd*Activity_hrtd(3b)

其中：E表示碳排放设备的碳排放量；h表示碳排放设备的排放源类型；r表示碳排放设备的燃料类型；t表示碳排放设备的技术类型；d表示碳排放设备的设备类型，EF_hrtd表示排放源类型为h、燃料类型为r、技术类型为t、设备类型为d的碳排放设备的排放系数；Activity_hrtd表示排放源类型为h、燃料类型为r、技术类型为t、设备类型为d的碳排放设备投入的能源量；

E3、排放系数法通过碳排放设备生产的产品的排放系数与产品产量，计算碳排放设备的碳排放量，计算公式如(3c)所示：

E＝EF*Q(3c)

其中：E表示碳排放设备的碳排放量；EF表示碳排放设备生产的单位产品的排放系数；Q表示产品产量；

E4、所述资产估算法通过总成本折算，基于碳排放设备在特定生命周期内的成本折现后的货币成本总和，计算碳排放设备的碳排放量，计算公式如(2d)所示：

E＝a*EC+b*EY+c*EW+d*EX(3d)

其中：E表示碳排放设备的碳排放量，单位为kg；EC表示碳排放设备在特定生命周期内的建设成本，单位为万元；EY表示碳排放设备在特定生命周期内的日常运行成本，包括能源消耗成本、人工成本、环境成本、保险成本，单位为万元；EW表示碳排放设备在特定寿命周期内的维修成本，包括更换备件、维护、抢修、试验、巡检和监测所需要的人工、材料和交通成本，单位为万元；EX表示特定寿命周期结束后对碳排放设备的进行销毁和清理的成本，单位为万元；a、b、c、d分别表示设备生命周期中各阶段单位成本碳排放系数；单位为kg/万元。

表4电力企业主要设备的全生命周期碳排放情况

步骤F、通过灵敏度分析方法，从碳足迹核算相关数据中选择对主要碳排放设备的排碳量为影响因素，分别设置-10％、-5％、5％和10％的微扰动变化，识别碳排放设备的碳排放量变化对电力企业全生命周期碳足迹核算量的影响程度，如表5所示，确定电力企业的主要碳排放环节和设备，为后续减碳策略的设计和实施提供参考和借鉴。

表5不同微扰动条件下电力企业的全生命周期碳排放量波动情况

实施例2

一种企业全生命周期碳足迹评价系统，包括：

核算边界和计量范围确认模块，用于基于目标企业全生命周期涉及的碳排放设备和碳排放设备的碳排放过程，划定目标企业全生命周期的核算边界和计量范围；

碳足迹核算相关数据收集模块，用于收集并预处理各碳排放设备的碳足迹核算相关数据；

碳足迹核算方法确定模块，用于基于各碳排放设备的碳排放特征和经过初始数据集，选择各碳排放设备的碳足迹核算方法；

碳足迹核算参数集获取模块，用于运用类比法、插值法、趋势外推法和回归分析方法对经过初始数据集进行处理，再通过碳足迹核算方法计算得到各碳排放设备的碳排放水平或碳足迹核算，并整理合集形成目标企业全生命周期的碳足迹核算参数集；

碳足迹核算量获取模块，用于基于目标企业全生命周期核算边界、计量范围、碳足迹核算参数集，完成目标企业的全生命周期碳足迹核算量；

减碳策略获取模块，用于通过灵敏度分析方法，判别碳足迹核算相关数据的变化程度对目标企业的全生命周期碳足迹核算量的影响程度，并根据影响程度提出减碳策略。

实施例3

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上实施例1所述企业全生命周期碳足迹评价方法的步骤。

实施例4

一种电子设备，所述电子设备可运行如实施例3所述的计算机可读介质。

以上所述，仅为本发明的较佳实施例而已，并非对本发明作任何形式上的限制；凡本行业的普通技术人员均可按说明书附图所示和以上所述而顺畅地实施本发明；但是，凡熟悉本专业的技术人员在不脱离本发明技术方案范围内，利用以上所揭示的技术内容而做出的些许更动、修饰与演变的等同变化，均为本发明的等效实施例；同时,凡依据本发明的实质技术对以上实施例所作的任何等同变化的更动、修饰与演变等，均仍属于本发明的技术方案的保护范围之内。

Claims (10)

1.一种企业全生命周期碳足迹评价方法，其特征在于，包括以下步骤：

基于目标企业全生命周期涉及的碳排放设备和碳排放设备的碳排放过程，划定目标企业全生命周期的核算边界和计量范围；

收集并预处理各碳排放设备的碳足迹核算相关数据，得到碳足迹核算初始数据集；

基于各碳排放设备的碳排放特征和碳足迹核算初始参数集，选择各碳排放设备的碳足迹核算方法；

运用类比法、插值法、趋势外推法和回归分析方法对碳足迹核算初始参数集进行处理，得到碳足迹核算完整参数集；

基于目标企业全生命周期的核算边界、计量范围、碳足迹核算完整参数集，通过碳足迹核算方法计算得到各碳排放设备的碳排放量，并整理合集形成目标企业的全生命周期碳足迹核算量；

通过灵敏度分析方法，判别碳足迹核算相关数据的变化程度对目标企业的全生命周期碳足迹核算量的影响程度，并根据影响程度提出减碳策略。

2.根据权利要求1所述一种企业全生命周期碳足迹评价方法，其特征在于，所述基于目标企业全生命周期涉及的碳排放设备和碳排放设备的碳排放过程，划定目标企业全生命周期的核算边界和计量范围，具体包括：

将目标企业的全生命周期过程划分为原材料供给环节、生产环节、传输环节、配给环节、销售环节和消纳环节；

确定各环节涉及的碳排放设备和碳排放设备的碳排放过程，划定目标企业全生命周期的核算边界和计量范围。

3.根据权利要求1所述一种企业全生命周期碳足迹评价方法，其特征在于，所述碳排放设备的碳排放过程包括设计研发过程、零部件采购过程、生产制造过程、物流配送过程、使用维护过程和回收利用过程。

4.根据权利要求1所述一种企业全生命周期碳足迹评价方法，其特征在于，所述收集和预处理各碳排放设备的碳足迹核算相关数据，具体包括：

收集和整理各碳排放设备的碳足迹核算相关数据；

通过K-means算法和平均值填充法，完成碳足迹核算相关数据中的异常数据剔除和缺失数据填充。

5.根据权利要求4所述一种企业全生命周期碳足迹评价方法，其特征在于，所述通过K-means算法和平均值填充法，完成碳足迹核算相关数据中的异常数据剔除和缺失数据填充，具体步骤如下：

使用手肘法确定的k值作为聚类数，从碳足迹核算相关数据中随机选择k个样本作为初始聚类中心{m₁,m₂,…m_k}；

计算每个样本到各个初始聚类中心的欧氏距离，选择距离最近的聚类中心形成k簇，并根据距离公式优化k簇，得到最小的k值及最优聚类中心，距离计算公式如(1a)所示：

其中：d为样本到聚类中心点的欧式距离；x为样本所在位置；m_i为第i个聚类中心；c_i为聚类中心个数；

重新计算新的k簇的聚类中心，计算公式如(1b)所示：

其中：c_i为聚类中心个数；

重复上述步骤，直至满足终止条件或达到预设迭代次数，终止条件的计算公式如(1c)所示：

|m_n+1-m_n|≤ε (1c)

其中：ε为第n+1次聚类中心m_n+1和第n次聚类中心m_n距离的最小误差；

利用贝塞尔公式计算样本数据的标准偏差s，整理聚类结果，利用拉伊达准则判别和确定每簇样本数据中与对应的聚类中心的距离大于3s的异常样本，并进行样本数据的异常样本的剔除，贝塞尔公式和拉伊达准则如(1d)和(1e)所示：

|x_v-x|≥3s (1e)

其中：s为样本数据标准偏差；q为输入样本个数；l_p为待确定的样本元素；

为样本均值；x为样本数据与簇心最近距离的平均值，x_v为检测样本数据距离簇心的距离；

对剔除异常样本的样本数据，根据特性分列，利用平均值填充法，选定剔除异常样本的样本数据中每列数据的均值为填充值，完成识别的异常数据和缺失数据的填充，计算公式如(1f)所示：

其中：w为计算得到的填充均值，x_j为当列数据中的正常值，N为当列数据中正常值的个数。

6.根据权利要求1所述一种企业全生命周期碳足迹评价方法，其特征在于，所述碳排放设备的碳足迹核算方法包括实测法、物料核算法、排放系数法或资产估算法。

7.根据权利要求6所述一种企业全生命周期碳足迹评价方法，其特征在于，所述实测法包括：通过计量设施测定碳排放设备的碳排放浓度，并根据测得的碳排放浓度计算碳排放设备的碳排放量，计算公式如(2a)所示：

E＝QCT (2a)

其中：E表示碳排放设备的碳排放量；Q表示单位时间排放量；C表示碳排放浓度；T表示排放时间；

所述物料核算法包括：根据碳排放设备运转过程中使用的物料情况，计算碳排放设备的碳排放量，物料情况包括碳排放设备的排放源类型、燃料类型、技术类型和设备类型，计算公式如(2b)所示：

E＝∑EF_hrtd*Activity_hrtd(2b)

其中：E表示碳排放设备的碳排放量；h表示碳排放设备的排放源类型；r表示碳排放设备的燃料类型；t表示碳排放设备的技术类型；d表示碳排放设备的设备类型，EF_hrtd表示排放源类型为h、燃料类型为r、技术类型为t、设备类型为d的碳排放设备的排放系数；Activity_hrtd表示排放源类型为h、燃料类型为r、技术类型为t、设备类型为d的碳排放设备投入的能源量；

所述排放系数法通过碳排放设备生产的产品的排放系数与产品产量，计算碳排放设备的碳排放量，计算公式如(2c)所示：

E＝EF*Q(2c)

其中：E表示碳排放设备的碳排放量；EF表示碳排放设备生产的单位产品的排放系数；Q表示产品产量；

所述资产估算法通过总成本折算，基于碳排放设备在特定生命周期内的成本折现后的货币成本总和，计算碳排放设备的碳排放量，计算公式如(2d)所示：

E＝a*EC+b*EY+c*EW+d*EX(2d)

其中：E表示碳排放设备的碳排放量，单位为kg；EC表示碳排放设备在特定生命周期内的建设成本，单位为万元；EY表示碳排放设备在特定生命周期内的日常运行成本，包括能源消耗成本、人工成本、环境成本、保险成本，单位为万元；EW表示碳排放设备在特定寿命周期内的维修成本，包括更换备件、维护、抢修、试验、巡检和监测所需要的人工、材料和交通成本，单位为万元；EX表示特定寿命周期结束后对碳排放设备的进行销毁和清理的成本，单位为万元；a、b、c、d分别表示碳排放设备在特定生命周期中各阶段单位成本碳排放系数；单位为kg/万元。

8.根据权利要求1所述一种企业全生命周期碳足迹评价方法，其特征在于，所述类比法包括对碳足迹核算初始数据集中缺失的碳排放设备数据进行类比分析和补充；

所述插值法通过反距离加权法对碳足迹核算初始数据集进行插值分析，对碳足迹核算初始数据集中缺失值进行估算并补充，计算公式如(3a)所示：

其中：Z为碳足迹核算初始数据集中缺失值的估算值；Z_p为第p个在碳足迹核算初始数据集随机选择样本的实测值；d_p为第p个在碳足迹核算初始数据集随机选择样本与碳足迹核算初始数据集中缺失值之间的距离；M为参与计算的实测样本的个数；p为参与计算的第p个实测样本；

所述趋势外推法基于碳足迹核算初始数据集，利用二次指数平滑技术完成设定的未来取值的趋势外推，得到设定未来时间的补充值，对碳足迹核算初始数据集进行补充，计算公式如(3b)至(3f)所示：

/>

其中：S_t ⁽¹⁾和S_t ⁽²⁾分别为一次和二次指数平滑序列；a为指数平滑系数；x_t为碳足迹核算初始数据集中所需要使用的数据；S_t-1 ⁽¹⁾代表第一次平滑之前的初始序列；S⁽¹⁾ _t-1为第一次平滑之前的初始序列；S_t-2 ⁽¹⁾代表第二次平滑之前的初始序列；A为预测直线的斜率；B为预测直线的截距；X_t+1为碳足迹核算初始数据集经二次指数平滑后所得预测结果；t为外推次数，T为外推次数的最大值；

所述回归分析方法通过建立碳足迹核算相关数据的影响因素与碳足迹核算参数的回归方程，将碳足迹核算相关数据的影响因素输入到回归方程中，以对碳足迹核算初始数据集进行补充，计算公式如(3g)所示：

其中：y为碳足迹核算初始数据集中待补充的数据，x_q为第q维自变量，Q为维数；β₀，β_q，β_qs为回归系数；q代表与第一个影响因素对应的碳足迹核算初始数据集里的数据个数；s代表与第二个影响因素对应的碳足迹核算初始数据集里的数据个数；x_q代表与第一个影响因素对应的碳足迹核算初始数据集里的第q个数据。

9.一种企业全生命周期碳足迹评价系统，其特征在于，包括：

核算边界和计量范围获取模块，用于基于目标企业全生命周期涉及的碳排放设备和碳排放设备的碳排放过程，划定目标企业全生命周期的核算边界和计量范围；

碳足迹核算初始数据集获取模块，用于收集并预处理各碳排放设备的碳足迹核算相关数据，得到碳足迹核算初始数据集；

碳足迹核算方法选择模块，用于基于各碳排放设备的碳排放特征和碳足迹核算初始参数集，选择各碳排放设备的碳足迹核算方法；

碳足迹核算完整参数集模块，用于运用类比法、插值法、趋势外推法和回归分析方法对碳足迹核算初始参数集进行处理，得到碳足迹核算完整参数集；

全生命周期碳足迹核算量获取模块，用于基于目标企业全生命周期的核算边界、计量范围、碳足迹核算完整参数集，通过碳足迹核算方法计算得到各碳排放设备的碳排放量，并整理合集形成目标企业的全生命周期碳足迹核算量；

减碳策略提出模块，用于通过灵敏度分析方法，判别碳足迹核算相关数据的变化程度对目标企业的全生命周期碳足迹核算量的影响程度，并根据影响程度提出减碳策略。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-8任一项所述企业全生命周期碳足迹评价方法的步骤。

Images