CN116258277B - 区域能源-碳排放预测、规划和优化方法和系统 - Google Patents
区域能源-碳排放预测、规划和优化方法和系统 Download PDFInfo
- Publication number
- CN116258277B CN116258277B CN202310506580.0A CN202310506580A CN116258277B CN 116258277 B CN116258277 B CN 116258277B CN 202310506580 A CN202310506580 A CN 202310506580A CN 116258277 B CN116258277 B CN 116258277B
- Authority
- CN
- China
- Prior art keywords
- scene
- energy
- total
- carbon
- energy consumption
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 86
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 81
- 238000005457 optimization Methods 0.000 title claims abstract description 48
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 44
- 238000011161 development Methods 0.000 claims abstract description 44
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 30
- 238000004364 calculation method Methods 0.000 claims abstract description 16
- 238000012216 screening Methods 0.000 claims abstract description 8
- 238000012163 sequencing technique Methods 0.000 claims abstract description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 93
- 238000005265 energy consumption Methods 0.000 claims description 74
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 45
- 239000001569 carbon dioxide Substances 0.000 claims description 45
- 230000009471 action Effects 0.000 claims description 36
- 230000009467 reduction Effects 0.000 claims description 18
- 239000003795 chemical substances by application Substances 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 14
- 230000008685 targeting Effects 0.000 claims description 13
- 239000002699 waste material Substances 0.000 claims description 13
- 238000004134 energy conservation Methods 0.000 claims description 8
- 238000010521 absorption reaction Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000012905 input function Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract description 9
- 239000004576 sand Substances 0.000 abstract 1
- 239000010865 sewage Substances 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 5
- 239000010813 municipal solid waste Substances 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 3
- 230000035772 mutation Effects 0.000 description 3
- 238000004065 wastewater treatment Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 239000010842 industrial wastewater Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000007306 turnover Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 239000002920 hazardous waste Substances 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000013433 optimization analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009919 sequestration Effects 0.000 description 1
- 239000002910 solid waste Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000004056 waste incineration Methods 0.000 description 1
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
-
- 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
- G06Q50/06—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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种区域能源‑碳排放预测、规划和优化方法和系统，涉及碳排放技术领域。方法包括：对于区域能源‑碳排放体系的现状进行二阶分解，得到基准情景下能源‑碳排放体系的趋势基线，再设定情景S下的情景参数，得到情景S下的能源‑碳排放体系趋势线，并计算情景S的发展路径所对应的路径总投资费用现值；将情景S对应的路径Ωs存储于可行发展路径池中，同步存储其对应的及刚性指标情景值，在满足刚性指标约束条件时，以最小作为单一目标对各情景进行排序，筛选出区域最佳发展路径。该方法和系统能够适用于部门结构的应用范式，实现不同区域碳排放测算的统一性，可用于指导具有针对性和有效性的区域规划工作。
Description
技术领域
本发明涉及碳排放技术领域，具体而言，涉及一种区域能源-碳排放预测、规划和优化方法和系统。
背景技术
能源作为社会进步的物质基础与动力，是国家双碳战略下的物质主体。能源供给侧既要以安全保障为基础，又要积极进行低碳转型。能源需求侧各行业也在飞速创新、迭代以及升级，为能源消费结构的预测、规划与保障带来巨大挑战。对于能源结构剧烈变动的发展时期，基于历史发展因素的简单拟合及线性外推，难以准确评估区域的未来发展趋势。
从宏观经济、政策规划、技术发展及能源供需关系等方面出发，一般通过构建各类型能源-环境模型进行区域或行业的能源消费及温室气体排放趋势及结构预测，如CGE模型、LEAP模型、EPS模型和POLES模型等，各模型均具有它特有的适用范围及适用条件。
按数据流向模式，现有的能源-环境模型一般可分为自上而下型、自下而上型及混合型。自上而下型模型（如CGE模型）适用于大尺度长周期分析，而对于小尺度地域环境下，尤其受外界因素扰动较大，自上而下型模型适用性不强；自下而上型模型（如LEAP模型和EPS模型）对于地域尺度限制较少，但是由于从细微处出发，一般缺乏相关的经济分析能力，难以进行优化分析；混合型模型（如POLES模型）试图融合两种模型的构建方法，导致其模型结构复杂，对于其实际应用和推广带来障碍。
同时，由于上述模型均为国外研究机构建立，缺少适用于国内社会经济与部门结构的应用范式，从而无法实现不同区域测算的统一性，不同区域测算结果难以横向对比。
另外，现有的能源-环境模型难以在兼顾可行性和经济性评估的基础上，通过数字化优化方法理清发展路径适应性，因而难以指导具有针对性和有效性的区域规划工作。
发明内容
本发明的目的包括提供了一种区域能源-碳排放预测、规划和优化方法和系统，其能够适用于国内社会经济与部门结构的应用范式，从而实现不同区域碳排放测算的统一性，不同区域测算结果可以横向对比，可以用于指导具有针对性和有效性的区域规划工作。
本发明的实施例可以这样实现：
第一方面，本发明提供一种区域能源-碳排放预测、规划和优化方法，方法包括：
S1：依据统计数据及经验分解方法对于区域能源-碳排放体系的现状进行二阶分解，得到各社会部门的当前参数；
S2：将各社会部门的当前参数设定为基准参数；
S3：将各社会部门在规划年限内的基准参数代入S1中各社会部门的参数分解式进行逆运算，得到基准情景下能源-碳排放体系的趋势基线；
S4：设定作用强度函数的变异条件、变异边界以及迭代优化的循环次数，并设定迭代优化过程中，区域节能降碳的刚性指标的目标值边界条件；
S5：设定情景S下任意手段T<N>对于靶向参数Kn的作用强度函数，设定资金边际投入函数/>和边际机会损失函数/>；
S6：将作用强度函数作用于S2中的基准参数，得到情景S下的情景参数；
S7：将S6中得到的情景参数在规划年限内的情景值代入S1中各社会部门的参数分解式进行逆运算，得到情景S下的能源-碳排放体系趋势线，并计算情景S的发展路径所对应的路径总投资费用现值；
S8：获取情景S下区域节能降碳的刚性指标情景值；
S9：判断S4中是否有设置刚性指标的目标值边界条件；若有，执行S11，否则执行S10；
S10：将情景S对应的路径Ωs存储于可行发展路径池中，同步存储其对应的及刚性指标情景值；
S11：将S8中情景S下区域节能降碳的刚性指标情景值与S4中刚性指标的目标值边界条件进行对比；
S12：进行循环迭代直至达到S4所设置的迭代优化的循环次数；
S13：接续S10执行社会经济-能源-环境代价多目标比选；
S14：判断路径的多目标比选是否满足帕累托最优；若是，执行S15，否则执行S21；
S15：对于满足帕累托最优的可行发展路径，筛选入优选发展路径池；
S16：判断S11的对比结果中，刚性指标情景值是否满足目标值边界条件；若满足，执行S17，否则执行S21；
S17：将情景S对应的路径Ωs存储于可行发展路径池中，同步存储对应的；
S18：以最小作为单一目标对各情景进行排序；
S19：判断路径的是否为可行发展路径池中所有路径里面的最小值；若是，执行S20，否则执行S21；
S20：筛选出区域最佳发展路径；
S21：对于S14中不满足帕累托最优的情景路径或者S16中不满足目标值边界条件的情景路径或者S19中不满足最低的情景路径，均记录于其他发展路径池中。
在可选的实施方式中，S1还包括：
S11：第一阶分解，将参与能源消费或碳排放的社会部门分解为六大部门：建筑A、交通T、工业I、农林牧渔业AG、废弃物W和碳吸收C。
S12：第二阶分解，计算各社会部门的当前参数，当前参数包括总能耗和总碳排放。
在可选的实施方式中，在S12中，总能耗的计算公式如下：
式中，TEa为建筑A的总能耗，为交通T总能耗，/>为工业I相关总能耗，/>为农林牧渔业AG总能耗，/>为废弃物W处理总能耗；
总碳排放为二氧化碳净总排放，计算公式如下：
式中，TCa为建筑A的总二氧化碳排放，为交通T总二氧化碳排放，/>为农林牧渔业AG能源消耗相关二氧化碳排放，/>为基于生态和碳捕捉技术的二氧化碳吸收量。
在可选的实施方式中，S3还包括：
任意当前参数Kn在当前年t0的基准参数为，在规划年限（t1~tz）内的基准参数为/>，任意/>表示没有外部干预条件下，基准参数在tx年的对应数值满足以下函数关系/>，若基准参数在无干预下不变化，则。
在可选的实施方式中，在S4中，作用强度函数为，/>的作用强度。
在可选的实施方式中，在S4中，区域节能降碳的刚性指标包括总能耗、能源消费强度TE/GDP、二氧化碳净总排放/>和二氧化碳排放强度TC/GDP。
在可选的实施方式中，在S4中，目标值边界条件包括tx年的能源消费总量的最大值、能源消费强度/>的最大值、二氧化碳排放总量/>的最大值、二氧化碳排放强度/>的最大值、能源消费强度折减率/>的最小值和二氧化碳排放强度折减率/>的最小值。
在可选的实施方式中，在S7中，对于情景S，其规划年限（t1~tz）内所有手段作用的路径总投资费用现值为：
式中，年的资金投入，/>为规划年限内社会折现率。
在可选的实施方式中，在S8包括：
对比基准情景S0中趋势基线和情景S中趋势线，获取与S4中目标值边界条件所对应的在情景S中的刚性指标情景值，若S4中未设置目标值边界条件，则获取规划年限末的刚性指标情景值。
第二方面，本发明提供一种区域能源-碳排放预测、规划和优化系统，系统用于实现前述实施方式的区域能源-碳排放预测、规划和优化方法，系统包括：
部门及参数分解单元，用于执行方法中的S1；
基线与作用强度设定单元，用于执行方法中的S2、S5和S6；
趋势预测单元，用于执行方法中的S3和S7；
优化设定单元，用于执行方法中的S4、S9和S12；
路径生成单元，用于执行方法中的S8、S10、S11以及S13~S21。
本实施例提供的区域能源-碳排放预测、规划和优化方法和系统的有益效果包括：
1.该方法和系统适用于国内社会经济与部门结构的应用范式，从而实现不同区域碳排放测算的统一性，不同区域测算结果可以横向对比。
2.该方法和系统在兼顾可行性和经济性评估的基础上，通过数字化优化方法理清发展路径适应性，因而，可以用于指导具有针对性和有效性的区域规划工作。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本发明实施例提供的区域能源-碳排放预测、规划和优化方法的流程图一；
图2为本发明实施例提供的区域能源-碳排放预测、规划和优化方法的流程图二；
图3为本发明实施例提供的区域能源-碳排放预测、规划和优化系统的组成框图。
图标：100-区域能源-碳排放预测、规划和优化系统；1-部门及参数分解单元；2-基线与作用强度设定单元；3-趋势预测单元；4-优化设定单元；5-路径生成单元。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中，需要说明的是，若出现术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，若出现术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
需要说明的是，在不冲突的情况下，本发明的实施例中的特征可以相互结合。
请参考图1和图2，本实施例提供了一种区域能源-碳排放预测、规划和优化方法（以下简称：方法），方法包括以下步骤：
S1：依据统计数据及经验分解方法对于区域能源-碳排放体系的现状进行二阶分解，得到各社会部门的当前参数。
具体的，S1包括：
S11：第一阶分解、将参与能源消费或碳排放的社会部门分解为六大部门：建筑A（含居住建筑和公共建筑）、交通T（含载客运输和货物运输）、工业I（含制造业、采矿业和建筑施工行业）、农林牧渔业AG、废弃物W和碳吸收C。
S12：第二阶分解，计算各社会部门的当前参数，当前参数包括总能耗和总碳排放。其中，当前参数用于测算上述六大部门的能耗与碳排放的主要参数，如建筑单位面积能耗、交通单位里程能耗、工业单位产量能耗等，具体包括以下参数：
1）建筑A
建筑A的总能耗TEa为：
式中，Aa为a类型建筑的总建筑面积，Paα为α类能源品种在a类建筑中的覆盖率，Eaα为α类能源品种在a类建筑中的单位面积消耗量，kα为α品种的能源的标煤折算系数。
建筑A的总二氧化碳排放TCa为：
式中，mα为α品种的能源的碳排放因子。
2）交通T
与各类型客运交通工具所对应的能源结构是：
式中，Pn为n类型的客运交通工具分担率，为n类型客运交通工具的能源结构，Pnα为α类能源品种在n类客运交通工具中的覆盖率。
与各类型客运交通工具的各能源类型对应的能耗强度是：
式中，为n类型客运交通工具能耗强度结构，/>为n类型客运交通工具在采用α类能源品种时的能耗强度。
客运的总能耗TPE为：
式中，TPQ为客运总人次，Pdn为n类型的客运交通人均出行里程。
客运的总二氧化碳排放TPC为：
与各类型货运工具所对应的能源结构是：
式中，为n类型货运交通工具的能源结构，/>为α类能源品种在n类货运交通工具中的覆盖率。
与各类型货运工具的各能源类型对应的单位周转量能耗强度是：
式中，为n类型货运交通工具能耗强度结构，/>n类型货运交通工具在采用α类能源品种时的能耗强度。
货运总能耗TFE为：
式中，TFQ为货运总周转量，n类型货运工具分担率，/>为n类型货运交通工具在采用/>类能源品种时的能耗强度。
货运总二氧化碳排放TFC为：
交通T总能耗为，交通T总二氧化碳排放为/>。
3）工业I
各高耗能行业能源结构是：
式中，为n类型高耗能行业的能源结构，/>为α类能源品种在n类高耗能行业中的覆盖率。
高耗能行业总能耗THE为：
式中，高耗能行业n的产品产量，/>为高耗能行业n单位产品综合能耗。
高耗能行业能源消耗相关总二氧化碳排放THC为：
工业行业能源结构为，式中，/>为α类能源品种在普通非高耗能行业中的覆盖率。
其他工业行业总能耗为，式中，/>为工业增加值占地区生产总值比例，/>为其他工业增加值占工业总增加值比例，/>为单位工业增加值综合能耗。
其他工业行业能源消耗相关二氧化碳排放为：
工业产品生产过程物理或化学变化带来的二氧化碳排放量TPEC为：
式中，为高耗能行业n在工业产品生产过程中因为物理或化学变化而产生二氧化碳排放的产品产量，/>为高耗能行业n产品单位产量的二氧化碳排放量。
工业I相关总能耗为，工业I相关总二氧化碳排放为。
4）农林牧渔业AG
农林牧渔业AG总能耗为：
式中，为单位农林牧渔业增加值综合能源消耗，/>为农林牧渔业GDPa占地区GDP比例，Pa=GDPa/GDP，/>为农村GDPc占地区GDP比例，Pc=GDPc/GDP，/>为农村人均可支配收入占人均GDP比例，Ps=(Sc/PPc)/(GDPc/PPc)=Sc/GDPc，Sc为农村人均可支配收入，PPc为区域农村人口，PP为区域总人口，Cp为区域城镇化率，Cp=1-PPc/PP，Spc为农村人均可支配收入，Spc=Sc/PPc。
农林牧渔业能源结构为：，式中，/>为α类能源品种在农林牧渔业中的覆盖率。
农林牧渔业AG能源消耗相关二氧化碳排放TCag为：
5）废弃物W
污废水处理相关能源消耗TWE为：
式中，PP为区域总人口，Wl为人均生活用水量，Pwl为生活污水排污系数，Pwlh为生活污水集中处理比例，Ewl为单位生活污水集中处理耗电量，Pi为工业增加值占地区生产总值比例，Wi为单位工业增加值水耗，Pwi为工业废水产出率，Ewi为单位工业废水处理耗电量。
与污废水处理能源消耗相对应的二氧化碳排放量TWC为：
式中，me为污废水处理的能源的碳排放因子。
固体废弃物焚烧处理所对应的二氧化碳排放量TSC为：
式中，Cp为区域城镇化率，Cp=1-PPc/PP，PPc为区域农村人口，Rc为城市人均生活垃圾产出量，Rd为危险废弃物产出量，FIc为生活垃圾焚烧比例，FId为危险废弃物焚烧比例，Cc为生活垃圾中碳含量比例，Cd为危险废弃物中碳含量比例，Pmc为生活垃圾中矿物碳占碳含量比例，Pmd为危险废弃物中矿物碳占碳含量比例，FPc为生活垃圾焚烧效率，FPd为危险废弃物焚烧效率。
废弃物W处理总能耗为，废弃物W处理相关二氧化碳排放为。
6）碳吸收C
基于生态和碳捕捉技术的二氧化碳吸收量TCc为：
式中，Gn为n类型生态绿地面积，CSn为n类型生态绿地单位面积碳汇量，TCC为区域碳捕捉技术所捕捉二氧化碳总量。
全社会总体：总能耗为
二氧化碳净总排放为
S2：将各社会部门的当前参数设定为基准参数。
S3：将各社会部门在规划年限内的基准参数代入S1中各社会部门的参数分解式进行逆运算，得到基准情景下能源-碳排放体系的趋势基线。
具体的，任意当前参数Kn在当前年t0的基准参数为，其在规划年限（t1~tz）内的基准参数为/>。任意/>表示没有外部干预条件下，基准参数在tx年的对应数值，其满足以下函数关系/>。特别的，若基准参数在无干预下不变化，则/>。
S4：设定作用强度函数的变异条件、变异边界以及迭代优化的循环次数，并设定迭代优化过程中，区域节能降碳的刚性指标的目标值边界条件。
其中，作用强度函数为，/>为手段T<N>在第t年对于其当前参数Kn（靶向参数）的作用强度，对于任意当前参数Kn，其可能存在一个或多个作用手段可以人为干预其在规划年限内的数值。
区域节能降碳的刚性指标包括总能耗、能源消费强度TE/GDP、二氧化碳净总排放/>和二氧化碳排放强度TC/GDP。目标值边界条件包括tx年的能源消费总量/>的最大值、能源消费强度/>的最大值、二氧化碳排放总量/>的最大值、二氧化碳排放强度/>的最大值、能源消费强度折减率/>的最小值和二氧化碳排放强度折减率/>的最小值。若无边界条件，则其值取-1。
S5：设定情景S下任意手段T<N>对于靶向参数Kn的作用强度函数，设定资金边际投入函数/>和边际机会损失函数/>，其中，靶向参数Kn选自当前参数Kn。
具体的，在一次迭代对应的情景S中，生成该情景下任意手段T<N>对于其靶向参数Kn的作用强度函数。对于任意次迭代，手段T<N>对于其靶向参数Kn存在统一的作用强度T与其所需资金边际投入MCI的函数关系是/>，也存在统一的作用强度与其作用下边际机会损失MOL的函数关系是/>，其中，。设定各个/>和/>。特别情况下，或/>可恒等于零。
S6：将作用强度函数作用于S2中的基准参数，得到情景S下的情景参数。
具体的，手段T<N>作用于靶向参数Kn在基准情景S0下规划年限（t1~tz）内的基准值为，情景S下手段T<N>在第t年对于靶向参数Kn的作用强度。则其在规划年限（t1~tz）内对Kn的作用强度矩阵为：
手段T<N>作用后在规划年限（t1~tz）内逐年的靶向参数Kn的值为，此系列值即为参数Kn在情景S下的情景值：
任意手段T<N>对于靶向参数Kn的作用强度在规划年限（t1~tz）内满足有界单调性，即对于激励性手段满足：，对于抑制性手段满足：/>。若无作用，则/>。
S7：将S6中得到的情景参数在规划年限内的情景值代入S1中各社会部门的参数分解式进行逆运算，得到情景S下的能源-碳排放体系趋势线，并计算情景S的发展路径所对应的路径总投资费用现值。
具体的，路径总投资费用现值具体计算方法如下：
手段T<N>作用强度与其所需资金边际投入MCI的函数关系如S5所设置。
手段T<N>在第tz年的资金投入为：
/>
手段T<N>作用强度与其作用下边际机会损失MOL的函数关系如S5所设置。
手段T<N>在第tz年带来的机会损失为：
对于情景S，其规划年限（t1~tz）内所有手段作用的路径总投资费用现值（基准年年末）为：
式中，dr为规划年限内社会折现率，M为手段的总数量，z为年限总数。
S8：获取情景S下区域节能降碳的刚性指标情景值。
具体的，对比基准情景S0中趋势基线和情景S中趋势线，获取与S4中目标值边界条件所对应的在情景S中的刚性指标情景值。若S4中未设置目标值边界条件，则获取规划年限末（即tz年）的刚性指标情景值。
S9：判断S4中是否有设置刚性指标的目标值边界条件；若有，执行S11，否则执行S10。
S10：将情景S对应的路径Ωs存储于可行发展路径池中，同步存储其对应的及刚性指标情景值。
具体的，由S9判断此规划未设置目标值边界条件，后续执行多目标优化比选流程。情景S下若干手段干预条件的集合形成一条该区域的可行发展路径Ωs：
将该路径Ωs存储于可行发展路径池中，同步存储与情景发展路径Ωs一一对应的该情景、/>、/>、/>、/>、/>和。
S11：将S8中情景S下区域节能降碳的刚性指标情景值与S4中刚性指标的目标值边界条件进行对比。
具体的，由S9判断此规划已设置目标值边界条件，后续执行单目标优化比选流程。将S8所得刚性指标情景值与S4所设置刚性指标的目标值边界条件进行对比。
S12：进行循环迭代直至达到S4所设置的迭代优化的循环次数。
具体的，完成一轮情景生成后，进行下一轮变异迭代。变异算法可采用遗传算法等优化算法。循环迭代直至达到S4所设置的迭代优化的循环次数。
S13：接续S10执行社会经济-能源-环境代价多目标比选。
具体的，经济目标为，能源目标为/>或/>或，环境目标为/>或/>或/>。
S14：判断路径的多目标比选是否满足帕累托最优；若是，执行S15，否则执行S21。
S15：对于满足帕累托最优的可行发展路径，筛选入优选发展路径池。
S16：判断S11的对比结果中，刚性指标情景值是否满足目标值边界条件；若满足，执行S17，否则执行S21。
S17：将情景S对应的路径Ωs存储于可行发展路径池中，同步存储对应的。
具体的，对于满足边界条件的情景，该情景S下若干手段干预条件的集合形成一条该区域的可行发展路径Ωs，将该路径存储于可行发展路径池中。同步存储与情景发展路径一一对应的。
S18：以最小作为单一目标对各情景进行排序。
S19：判断路径的是否为可行发展路径池中所有路径里面的最小值；若是，执行S20，否则执行S21。
S20：筛选出区域最佳发展路径。
具体的，满足S19中最低的路径，为优化并筛选后的区域最佳发展路径。
S21：对于S14中不满足帕累托最优的情景路径或者S16中不满足目标值边界条件的情景路径或者S19中不满足最低的情景路径，均记录于其他发展路径池中。
请参考图3，本实施例还提供了一种区域能源-碳排放预测、规划和优化系统100（以下简称：系统），该系统主要用于实现上述区域能源-碳排放预测、规划和优化方法。
系统包括部门及参数分解单元1（英文名：Department Factor DecompositionUnit，简称：DFU）、基线与作用强度设定单元2（英文名：Function Setting Unit，简称：FSU）、趋势预测单元3（英文名：Trend Prediction Unit，简称：TPU）、优化设定单元4（英文名：Optimization Setting Unit，简称：OSU）及路径生成单元5（英文名：Path GenerationUnit，简称：PGU）。
具体的，部门及参数分解单元1用于依据统计数据及经验分解方法对于区域能源-碳排放体系的现状进行二阶分解，得到各社会部门的当前参数。其中，第一阶分解到部门尺度，第二阶分解到部门参数尺度。部门及参数分解单元1是基线与作用强度设定单元2中参数基线值的设定基础，也是趋势预测单元3中能源-碳排放体系趋势预测的计算基础。也就是说，部门及参数分解单元1用于执行上述方法中的S1。
基线与作用强度设定单元2用于通过接收部门及参数分解单元1中基线数据生成基准数据，再通过接收优化设定单元4中优化设定以及自身单元中设定生成情景数据，将基准数据和情景数据输入于趋势预测单元3中进行基准情景和新增情景的能源-碳排放体系趋势预测计算。也就是说，基线与作用强度设定单元2用于执行上述方法中的S2、S5和S6。
趋势预测单元3用于接收基线与作用强度设定单元2传输的基准数据和情景数据，进行部门及参数分解单元1中二阶分解运算的逆运算，从而进行基准情景和新增情景的能源-碳排放体系趋势预测。也就是说，趋势预测单元3用于执行上述方法中的S3和S7。
优化设定单元4用于通过设定优化条件，包含变异算法、变异范围、目标值边界条件和迭代次数，循环生成不同的情景及其手段作用强度。输入基线与作用强度设定单元2中生成新情景的情景数据。进行若干次迭代后在趋势预测单元3中产出若干情景的趋势预测结果，再基于其边界条件设定，在路径生成单元5中输出满足优化设定的最优路径。也就是说，优化设定单元4用于执行上述方法中的S4、S9和S12。
路径生成单元5用于接收趋势预测单元3中若干路径的趋势预测结果，基于优化设定单元4中优化边界条件的设定情况，分情况进行路径总投资费用现值最低的单目标比选，得到唯一最佳发展路径，或进行社会经济-能源-环境代价最低的多目标比选，得到满足帕累托最优的若干优选发展路径。经筛选后得出的发展路径即为最终的产出成果。也就是说，路径生成单元5用于执行上述方法中的S8、S10、S11以及S13~S21。
本实施例提供的区域能源-碳排放预测、规划和优化方法和系统的有益效果包括：
1.该方法和系统适用于国内社会经济与部门结构的应用范式，从而实现不同区域碳排放测算的统一性，不同区域测算结果可以横向对比。
2.该方法和系统在兼顾可行性和经济性评估的基础上，通过数字化优化方法理清发展路径适应性，因而，可以用于指导具有针对性和有效性的区域规划工作。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (3)
1.一种区域能源-碳排放预测、规划和优化方法，其特征在于，所述方法包括：
S1：依据统计数据及经验分解方法对于区域能源-碳排放体系的现状进行二阶分解，得到各社会部门的当前参数；S1还包括：S11：第一阶分解，将参与能源消费或碳排放的社会部门分解为六大部门：建筑A、交通T、工业I、农林牧渔业AG、废弃物W和碳吸收C；S12：第二阶分解，计算各社会部门的当前参数，当前参数包括总能耗和总碳排放；
S2：将各社会部门的所述当前参数设定为基准参数；
S3：将各社会部门在规划年限内的所述基准参数代入S1中各社会部门的参数分解式进行逆运算，得到基准情景下能源-碳排放体系的趋势基线；S3还包括：任意当前参数Kn在当前年t0的基准参数为，在规划年限t1~tz内的基准参数为/>，任意/>表示没有外部干预条件下，基准参数在tx年的对应数值满足以下函数关系，若基准参数在无干预下不变化，则；
S4：设定作用强度函数的变异条件、变异边界以及迭代优化的循环次数，并设定迭代优化过程中，区域节能降碳的刚性指标的目标值边界条件；作用强度函数为，/>为手段T<N>在第t年对于其当前参数Kn的作用强度；所述区域节能降碳的刚性指标包括总能耗/>、能源消费强度TE/GDP、二氧化碳净总排放/>和二氧化碳排放强度TC/GDP；所述目标值边界条件包括tx年的能源消费总量/>的最大值、能源消费强度/>的最大值、二氧化碳排放总量/>的最大值、二氧化碳排放强度的最大值、能源消费强度折减率/>的最小值和二氧化碳排放强度折减率/>的最小值；
S5：设定情景S下任意手段T<N>对于靶向参数Kn的作用强度函数，设定资金边际投入函数/>和边际机会损失函数/>，其中，靶向参数Kn选自当前参数Kn；包括：对于任意次迭代，手段T<N>对于其靶向参数Kn存在统一的作用强度T与其所需资金边际投入MCI的函数关系是/>，也存在统一的作用强度与其作用下边际机会损失MOL的函数关系是/>，其中，/>
S6：将作用强度函数作用于S2中的基准参数，得到情景S下的情景参数；
S7：将S6中得到的所述情景参数在规划年限内的情景值代入S1中各社会部门的参数分解式进行逆运算，得到情景S下的能源-碳排放体系趋势线，并计算情景S的发展路径所对应的路径总投资费用现值；对于情景S，其规划年限t1~tz内所有手段作用的路径总投资费用现值/>为：
式中，为手段T<i>在第tj年的资金投入，/>为手段T<i>在第tj年带来的机会损失，M为手段的总数，z为规划年限的总数，dr为规划年限内社会折现率；
S8：获取情景S下区域节能降碳的刚性指标情景值；S8包括：对比基准情景S0中趋势基线和情景S中趋势线，获取与S4中目标值边界条件所对应的在情景S中的刚性指标情景值，若S4中未设置目标值边界条件，则获取规划年限末的刚性指标情景值；
S9：判断S4中是否有设置所述刚性指标的目标值边界条件；若有，执行S11，否则执行S10；
S10：将情景S对应的路径Ωs存储于可行发展路径池中，同步存储其对应的及刚性指标情景值；
S11：将S8中情景S下区域节能降碳的刚性指标情景值与S4中刚性指标的目标值边界条件进行对比；
S12：进行循环迭代直至达到S4所设置的迭代优化的循环次数；
S13：接续S10执行社会经济-能源-环境代价多目标比选；
S14：判断路径的多目标比选是否满足帕累托最优；若是，执行S15，否则执行S21；
S15：对于满足帕累托最优的可行发展路径，筛选入优选发展路径池；
S16：判断S11的对比结果中，所述刚性指标情景值是否满足所述目标值边界条件；若满足，执行S17，否则执行S21；
S17：将情景S对应的路径Ωs存储于可行发展路径池中，同步存储对应的；
S18：以最小作为单一目标对各情景进行排序；
S19：判断路径的是否为可行发展路径池中所有路径里面的最小值；若是，执行S20，否则执行S21；
S20：筛选出区域最佳发展路径；
S21：对于S14中不满足帕累托最优的情景路径或者S16中不满足目标值边界条件的情景路径或者S19中不满足最低的情景路径，均记录于其他发展路径池中。
2.根据权利要求1所述的区域能源-碳排放预测、规划和优化方法，其特征在于，在S12中，所述总能耗的计算公式如下：
式中，TEa为建筑A的总能耗，为交通T总能耗，/>为工业I相关总能耗，/>为农林牧渔业AG总能耗，/>为废弃物W处理总能耗；
所述总碳排放为二氧化碳净总排放，计算公式如下：
式中，TCa为建筑A的总二氧化碳排放，为交通T总二氧化碳排放，/>为工业I相关总二氧化碳排放，TCag为农林牧渔业AG能源消耗相关二氧化碳排放，/>为废弃物W处理相关二氧化碳排放，TCc为基于生态和碳捕捉技术的二氧化碳吸收量。
3.一种区域能源-碳排放预测、规划和优化系统，其特征在于，所述系统用于实现权利要求1所述的区域能源-碳排放预测、规划和优化方法，所述系统包括：
部门及参数分解单元（1），用于执行所述方法中的S1；
基线与作用强度设定单元（2），用于执行所述方法中的S2、S5和S6；
趋势预测单元（3），用于执行所述方法中的S3和S7；
优化设定单元（4），用于执行所述方法中的S4、S9和S12；
路径生成单元（5），用于执行所述方法中的S8、S10、S11以及S13~S21。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310506580.0A CN116258277B (zh) | 2023-05-08 | 2023-05-08 | 区域能源-碳排放预测、规划和优化方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310506580.0A CN116258277B (zh) | 2023-05-08 | 2023-05-08 | 区域能源-碳排放预测、规划和优化方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116258277A CN116258277A (zh) | 2023-06-13 |
| CN116258277B true CN116258277B (zh) | 2023-08-22 |
Family
ID=86679597
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310506580.0A Active CN116258277B (zh) | 2023-05-08 | 2023-05-08 | 区域能源-碳排放预测、规划和优化方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116258277B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117113018B (zh) * | 2023-10-25 | 2024-02-06 | 清华四川能源互联网研究院 | 基于特征参数的能耗数据解析方法和系统 |
| CN117236523B (zh) * | 2023-11-10 | 2024-03-08 | 中国能源建设集团湖南省电力设计院有限公司 | 一种基于帕累托策略的组合启发式碳排放优化方法 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140102095A (ko) * | 2013-02-13 | 2014-08-21 | 청주대학교 산학협력단 | 도시재생사업지구의 탄소배출저감형의 토지이용패턴과 교통정책 및 환경정책 통합모형 시뮬레이션 시스템 |
| CN105356461A (zh) * | 2015-11-26 | 2016-02-24 | 中国电力科学研究院 | 一种低压电网负荷不平衡治理项目碳减排量的核算方法 |
| CN105488342A (zh) * | 2015-11-26 | 2016-04-13 | 中国电力科学研究院 | 一种配电网升压运行项目碳减排量的核算方法 |
| CN111008742A (zh) * | 2019-12-09 | 2020-04-14 | 天津大学 | 建设用地规划方案的碳排放核算与低碳优化方法 |
| CN114186177A (zh) * | 2021-12-03 | 2022-03-15 | 国网福建省电力有限公司经济技术研究院 | 一种在双碳目标下开展行业碳排放配额评估的方法 |
| CN114723134A (zh) * | 2022-04-07 | 2022-07-08 | 江苏丰彩节能科技有限公司 | 一种多情景建筑碳排放预测方法及装置 |
| CN115408831A (zh) * | 2022-07-15 | 2022-11-29 | 大地资源有限公司 | 用于模拟和预测碳排放的系统和方法 |
| CN115587658A (zh) * | 2022-10-24 | 2023-01-10 | 中建科技集团有限公司 | 一种建筑企业精细化碳排放测算方法 |
| CN115641026A (zh) * | 2022-10-25 | 2023-01-24 | 大连理工大学 | 一种核算污水处理厂碳排放量的方法 |
| CN115759677A (zh) * | 2022-11-29 | 2023-03-07 | 国网青海省电力公司经济技术研究院 | 一种基于高能耗企业能耗经济性调整碳排放水平的方法及系统 |
| CN115775098A (zh) * | 2022-12-07 | 2023-03-10 | 山东省交通科学研究院 | 一种碳减排量测算方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220374912A1 (en) * | 2021-05-16 | 2022-11-24 | Ning Zeng | Method and system for wood harvest and storage, carbon sequestration and carbon management |
-
2023
- 2023-05-08 CN CN202310506580.0A patent/CN116258277B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140102095A (ko) * | 2013-02-13 | 2014-08-21 | 청주대학교 산학협력단 | 도시재생사업지구의 탄소배출저감형의 토지이용패턴과 교통정책 및 환경정책 통합모형 시뮬레이션 시스템 |
| CN105356461A (zh) * | 2015-11-26 | 2016-02-24 | 中国电力科学研究院 | 一种低压电网负荷不平衡治理项目碳减排量的核算方法 |
| CN105488342A (zh) * | 2015-11-26 | 2016-04-13 | 中国电力科学研究院 | 一种配电网升压运行项目碳减排量的核算方法 |
| CN111008742A (zh) * | 2019-12-09 | 2020-04-14 | 天津大学 | 建设用地规划方案的碳排放核算与低碳优化方法 |
| CN114186177A (zh) * | 2021-12-03 | 2022-03-15 | 国网福建省电力有限公司经济技术研究院 | 一种在双碳目标下开展行业碳排放配额评估的方法 |
| CN114723134A (zh) * | 2022-04-07 | 2022-07-08 | 江苏丰彩节能科技有限公司 | 一种多情景建筑碳排放预测方法及装置 |
| CN115408831A (zh) * | 2022-07-15 | 2022-11-29 | 大地资源有限公司 | 用于模拟和预测碳排放的系统和方法 |
| CN115587658A (zh) * | 2022-10-24 | 2023-01-10 | 中建科技集团有限公司 | 一种建筑企业精细化碳排放测算方法 |
| CN115641026A (zh) * | 2022-10-25 | 2023-01-24 | 大连理工大学 | 一种核算污水处理厂碳排放量的方法 |
| CN115759677A (zh) * | 2022-11-29 | 2023-03-07 | 国网青海省电力公司经济技术研究院 | 一种基于高能耗企业能耗经济性调整碳排放水平的方法及系统 |
| CN115775098A (zh) * | 2022-12-07 | 2023-03-10 | 山东省交通科学研究院 | 一种碳减排量测算方法 |
Non-Patent Citations (1)
| Title |
|---|
| 面向碳中和的电力低碳转型规划与决策研究;张浩楠;《中国博士学位论文全文数据库 工程科技Ⅰ辑 》，面向碳中和的电力低碳转型规划与决策研究;正文第1-181页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116258277A (zh) | 2023-06-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116258277B (zh) | 区域能源-碳排放预测、规划和优化方法和系统 | |
| Cansino-Loeza et al. | Sustainable assessment of Water-Energy-Food Nexus at regional level through a multi-stakeholder optimization approach | |
| Van Fan et al. | Optimisation and process design tools for cleaner production | |
| Zhang et al. | Energy-water nexus: Balancing the tradeoffs between two-level decision makers | |
| Koutsou et al. | Domestic wastewater management in Greece: Greenhouse gas emissions estimation at country scale | |
| Bringezu et al. | Sustainable resource management: global trends, visions and policies | |
| Lawal et al. | Industrial symbiosis tools—A review | |
| Liang et al. | Comparing urban solid waste recycling from the viewpoint of urban metabolism based on physical input–output model: a case of Suzhou in China | |
| Pan et al. | Emergy evaluation of an industrial park in Sichuan Province, China: a modified emergy approach and its application | |
| Cheng et al. | Evaluating environmental sustainability of an urban industrial plan under the three-line environmental governance policy in China | |
| Ubando et al. | Fuzzy mixed integer non-linear programming model for the design of an algae-based eco-industrial park with prospective selection of support tenants under product price variability | |
| Zucaro et al. | Urban resource use and environmental performance indicators. An application of decomposition analysis | |
| Duchin et al. | Human ecology: Industrial ecology | |
| Wang et al. | From “Traditional” to “Low carbon” urban land use: Evaluation and obstacle analysis | |
| Villarroel Walker et al. | Water—and nutrient and energy—systems in urbanizing watersheds | |
| Alyami | Opportunities and challenges of embracing green city principles in saudi arabia future cities | |
| CN116663918A (zh) | 一种基于自下而上测算的分领域碳排放预测方法 | |
| Kumdokrub et al. | Cornell university campus metabolism and circular economy using a living laboratory approach to study major resource and material flows | |
| Li et al. | Quantification of sustainable animal manure utilization strategies in Hangzhou, China | |
| Li et al. | Low-carbon development pathways for resource-based cities in China under the carbon peaking and carbon neutrality goals | |
| Offie et al. | Development of an artificial intelligence-based framework for biogas generation from a micro anaerobic digestion plant | |
| Ledari et al. | Water-food-energy-ecosystem nexus model development: Resource scarcity and regional development | |
| CN106096759A (zh) | 一种面向油田水资源系统的不确定性优化配置方法 | |
| Haggag et al. | The urban structural units method: a basis for evaluating environmental prospects for sustainable development | |
| Romeni et al. | Enhancing ecoinnovation performance: Evidence from a water footprint assessment in the manufacturing industry |
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 |