CN116485022A - 园区未来年的碳排放估计方法、装置、设备及介质 - Google Patents
园区未来年的碳排放估计方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116485022A CN116485022A CN202310446354.8A CN202310446354A CN116485022A CN 116485022 A CN116485022 A CN 116485022A CN 202310446354 A CN202310446354 A CN 202310446354A CN 116485022 A CN116485022 A CN 116485022A
- Authority
- CN
- China
- Prior art keywords
- carbon emission
- carbon
- target
- year
- emissions
- 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 343
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 331
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000000694 effects Effects 0.000 claims abstract description 81
- 239000005431 greenhouse gas Substances 0.000 claims abstract description 37
- 230000005611 electricity Effects 0.000 claims description 26
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 13
- 239000003345 natural gas Substances 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 claims description 10
- 239000007789 gas Substances 0.000 claims description 9
- 239000003502 gasoline Substances 0.000 claims description 8
- 239000004973 liquid crystal related substance Substances 0.000 claims description 5
- 239000002283 diesel fuel Substances 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 abstract description 5
- 238000004364 calculation method Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 8
- 238000011160 research Methods 0.000 description 7
- 238000010276 construction Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000003763 carbonization Methods 0.000 description 5
- 230000009919 sequestration Effects 0.000 description 5
- 238000006073 displacement reaction Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000001105 regulatory effect Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 239000003245 coal Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 101100041822 Schizosaccharomyces pombe (strain 972 / ATCC 24843) sce3 gene Proteins 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000002737 fuel gas Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
Abstract
本发明实施例公开了一种园区未来年的碳排放估计方法、装置、设备及介质。其中,方法包括:根据目标园区的能源结构将目标园区划分为多个碳排放场景;获取各碳排放场景下的各历史碳排放数据,根据各历史碳排放数据生成种群增长模型;根据种群增长模型确定温室气体碳排放活动水平,以及目标园区的未来年的碳排放因子;根据温室气体碳排放活动水平,以及未来年的碳排放因子确定目标园区的各碳排放场景下的未来年的碳排放总值。本发明实施例的方案,解决了现阶段不能对电力能量流末端的园区等较小区域碳排放进行精细化分析的问题,可以对电力能量流末端的园区等较小区域进行未来年的碳排放的估计。
Description
技术领域
本发明实施例涉及计算机技术领域,尤其涉及一种园区未来年的碳排放估计方法、装置、设备及介质。
背景技术
随着“碳达峰,碳中和”双碳目标的制定,推动绿色低碳技术实现重大突破,抓紧部署低碳前沿技术研究,加快推广应用减污降碳技术,建立完善绿色低碳技术评估、交易体系和科技创新服务平台成为首要任务。现阶段,能源的发展尚面临能源供应需要满足能源需求增长与推进低碳转型的双重挑战,需要对研究地区的温室气体进行核算,从而为城市的低碳发展提供决策依据。
目前提出的碳排放计算方法大多适用于区域或省级电网的宏观碳排计算,不能对电力能量流末端的园区等较小区域碳排放进行精细化分析。如何对电力能量流末端的园区等较小区域进行未来年的碳排放的估计是业内研究的重点问题。
发明内容
本发明实施例提供了一种园区未来年的碳排放估计方法、装置、设备及介质,以对电力能量流末端的园区等较小区域进行未来年的碳排放的估计。
根据本发明实施例的一方面,提供了一种园区未来年的碳排放估计方法,包括:
根据目标园区的能源结构将所述目标园区划分为多个碳排放场景;
获取各所述碳排放场景下的各历史碳排放数据,根据各所述历史碳排放数据生成种群增长模型;
根据所述种群增长模型确定温室气体碳排放活动水平,以及所述目标园区的未来年的碳排放因子;
根据所述温室气体碳排放活动水平,以及所述未来年的碳排放因子确定所述目标园区的各碳排放场景下的未来年的碳排放总值。
根据本发明实施例的另一方面,提供了一种园区未来年的碳排放估计装置,包括:
碳排放场景划分模块,用于根据目标园区的能源结构将所述目标园区划分为多个碳排放场景;
种群增长模型确定模块,用于获取各所述碳排放场景下的各历史碳排放数据,根据各所述历史碳排放数据生成种群增长模型;
碳排放活动水平确定模块,用于根据所述种群增长模型确定温室气体碳排放活动水平,以及所述目标园区的未来年的碳排放因子;
碳排放总值确定模块,用于根据所述温室气体碳排放活动水平,以及所述未来年的碳排放因子确定所述目标园区的各碳排放场景下的未来年的碳排放总值。
根据本发明实施例的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明实施例任一实施例所述的园区未来年的碳排放估计方法。
根据本发明实施例的另一方面,提供了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指令,所述计算机指令用于使处理器执行时实现本发明实施例任一实施例所述的园区未来年的碳排放估计方法。
本发明实施例的技术方案,通过根据目标园区的能源结构将所述目标园区划分为多个碳排放场景;获取各所述碳排放场景下的各历史碳排放数据,根据各所述历史碳排放数据生成种群增长模型;根据所述种群增长模型确定温室气体碳排放活动水平,以及所述目标园区的未来年的碳排放因子;根据所述温室气体碳排放活动水平,以及所述未来年的碳排放因子确定所述目标园区的各碳排放场景下的未来年的碳排放总值,解决了现阶段不能对电力能量流末端的园区等较小区域碳排放进行精细化分析的问题,可以对电力能量流末端的园区等较小区域进行未来年的碳排放的估计。
应当理解,本部分所描述的内容并非旨在标识本发明实施例的实施例的关键或重要特征,也不用于限制本发明实施例的范围。本发明实施例的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明实施例的一些实施例,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的附图。
图1是根据本发明实施例一提供的一种园区未来年的碳排放估计方法的流程图;
图2是根据本发明实施例二提供的一种园区未来年的碳排放估计方法的流程图;
图3是根据本发明实施例三提供的一种园区未来年的碳排放估计装置的结构示意图;
图4是实现本发明实施例的园区未来年的碳排放估计方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明实施例方案,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,所描述的实施例仅仅是本发明实施例一部分的实施例,而不是全部的实施例。基于本发明实施例中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明实施例保护的范围。
需要说明的是,本发明实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明实施例的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1是根据本发明实施例一提供的一种园区未来年的碳排放估计方法的流程图,本实施例可适用于对电力能量流末端的园区等较小区域未来年的碳排放进行估计的情况,该方法可以由园区未来年的碳排放估计装置来执行,该园区未来年的碳排放估计装置可以采用硬件和/或软件的形式实现,该园区未来年的碳排放估计装置可配置于计算机、服务器或者平板电脑等电子设备中。具体的,参考图1,该方法具体包括如下步骤:
步骤110、根据目标园区的能源结构将所述目标园区划分为多个碳排放场景。
其中,目标园区可以为对电力能量流末端的园区等较小区域,例如,某某小区、某某大厦或者某某工业园区等,本实施例中对其不加以限定。
在本实施例中,碳排放场景可以包括:基准碳排放场景、低碳排放场景以及近零碳排放场景。
在本实施例的一个可选实现方式中,可以针对未来年不同阶段园区的能源结构将其划分为三个场景,分别是基准碳排放场景、低碳排放场景以及近零碳排放场景。
步骤120、获取各所述碳排放场景下的各历史碳排放数据,根据各所述历史碳排放数据生成种群增长模型。
在本实施例的一个可选实现方式中,在根据目标园区的能源结构将目标园区划分为多个碳排放场景之后,可以进一步的获取各碳排放场景下的各历史碳排放数据,并根据获取到的各历史碳排放数据生成种群增长模型。
可选的,在本实施例中,获取各碳排放场景下的各历史碳排放数据可以包括:确定各所述碳排放场景下的各影响碳排放的各目标活动;确定历史时间段内各所述目标活动的历史碳排放数据;其中,所述目标活动包括下述至少一项:外调电、气电、汽油、柴油以及天然气。
其中,历史时间段可以为过去1年、过去5年、过去10年或者过去20年等,本实施例中对其不加以限定。
进一步的,在获取到各历史碳排放数据之后,可以根据各历史碳排放数据生成种群增长模型。
可选的,在本实施例的一个可选实现方式中,根据各目标活动过去20年的监测数据,可以依次建立园区碳排放因子及各类电量的Logistic种群增长模型:
步骤130、根据所述种群增长模型确定温室气体碳排放活动水平,以及所述目标园区的未来年的碳排放因子。
在本实施例的一个可选实现方式中,在获取到各目标活动的各历史碳排放数据,并根据各历史碳排放数据生成种群增长模型之后,可以进一步的,根据建立的种群增长模型确定温室气体碳排放活动水平以及目标园区的未来年的碳排放因子。
可选的,在本实施例中,根据所述种群增长模型确定温室气体碳排放活动水平,以及所述目标园区的未来年的碳排放因子,包括:通过最小二乘法对所述种群增长模型进行求解,得到各所述目标活动下的所述温室气体碳排放活动水平,以及所述目标园区的未来年的碳排放因子。
可选的,在种群增长模型中,可以用最小二乘法求解模型,观测值与实际值的最小残差平方和如下:
令,上述式子中参数C,δ和A的导数为零,即,参数C,δ和A为任一常数;求出三个参数的估计值,并利用非线性最小二乘法对这三个参数做最优估计,从而得到碳排因子与年份的关系表达式。
步骤140、根据所述温室气体碳排放活动水平,以及所述未来年的碳排放因子确定所述目标园区的各碳排放场景下的未来年的碳排放总值。
在本实施例的一个可选实现方式中,可以基于如下公式确定各所述目标活动下的碳排放量:
Si=Hi×σi
其中,Si为活动i的碳排放量;Hi为活动i的温室气体碳排放活动水平;σi为活动i的未来年的碳排放因子。
在本实施例的一个可选实现方式中,基于如下公式对各所述碳排放量进行累加,得到所述目标园区的各碳排放场景下的未来年的碳排放总值,包括:
Sce=SEP+(SGE+SGsl+SDO+SNG)×(1-CCS)
其中,Sce为所述目标园区的总碳排放量;SEP为外调电的碳排放量;SGE为气电的碳排放量;SGsl为汽油的碳排放量;SDO为柴油的碳排放量;SNG为天然气的碳排放量;CCS为碳捕捉技术的捕捉效率。
需要说明的是,在本实施例中,碳排放量的计算方法以排放因子法为基础,基本原理为:温室气体排放量等于活动水平乘以排放因子。
Si=Hi×σi;
其中,Si为活动i的碳排放量;Hi为活动i的水平数据,量化了造成城市温室气体排放的活动。σi为活动i的排放因子,指每一单位活动水平(如一吨煤或一度电)所对应的温室气体排放量,例如“吨CO2/吨原煤”、“吨CO2/兆瓦时电力”,取值由多个参数共同决定,确定不同排放因子需要的参数数量不尽相同。
在实际园区未来年碳排放因子预测中,根据初始年上网电量及不同类型电源单位碳排放值测算当前年总碳排放,之后测算出区域平均碳排放因子,用于未来年碳排放因子预测的基准值,具体计算过程如下:
σaverage=ST/PT;
其中,ST为区域总碳排放量,PT为区域总上网电量,σaverage为区域平均碳排放因子。
考虑外市调入电、气电、汽油、柴油和天然气(目标活动)这五种电源在电力系统中的碳排放活动水平,园区中碳排总量为各类活动碳排放量的总和,表达式为:
Sce=SEP+(SGE+SGsl+SDO+SNG)×(1-CCS);
其中:Sce为研究区域的总碳排放量;SEP为该场景下外调电的碳排放量;SGE为气电的碳排放量;SGsl为汽油的碳排放量;SDO为柴油的碳排放量;SNG为天然气的碳排放量;CCS为碳捕捉技术的捕捉效率。SEP、SGE、SGsl、SDO、SNG计算方法同式Si=Hi×σi,此处考虑首先考虑式σaverage=ST/PT中的平均碳排因子,所有电源碳排因子之和的平均值应与该基础碳排因子相等。
其中,在外调电量中,光伏电能等绿色电能不会产生碳排放,在计算中应该将原始外调电量中这类数值排除。因此,S1的计算表达式为:
SEP=(HEPEE-ΔHGE-HPV-HPurchase+ΔHEES)×σEP;
其中:HEP为原始外调电量;EE为研究区域的节能率;ΔHE为气电减少的外调电量;HPV为外调电量中的光伏发电量部分;Hpurchase为外调电量中的绿电购买量部分;ΔHEES为电能替代增加的电量。
碳汇后系统的总碳排量计算表达式如下:
SCS=Sce-CS;
其中:CS为基础碳汇量。
本实施例的技术方案,通过根据目标园区的能源结构将所述目标园区划分为多个碳排放场景;获取各所述碳排放场景下的各历史碳排放数据,根据各所述历史碳排放数据生成种群增长模型;根据所述种群增长模型确定温室气体碳排放活动水平,以及所述目标园区的未来年的碳排放因子;根据所述温室气体碳排放活动水平,以及所述未来年的碳排放因子确定所述目标园区的各碳排放场景下的未来年的碳排放总值,解决了现阶段不能对电力能量流末端的园区等较小区域碳排放进行精细化分析的问题,可以对电力能量流末端的园区等较小区域进行未来年的碳排放的估计。
实施例二
图2是根据本发明实施例二提供的一种园区未来年的碳排放估计方法的流程图,本实施例是对上述各技术方案的进一步细化,本实施例中的技术方案可以与上述一个或者多个实施例中的各个可选方案结合。如图2所示,园区未来年的碳排放估计方法可以包括如下步骤:
步骤210、收集数据。
步骤220、建立种群增长模型。
步骤231、拟合得到温室气体排放活动水平。
步骤232、对应未来年碳排放因子取值。
步骤240、计算各类活动的碳排放量及总碳排放值。
步骤250、计算碳汇后的总碳排放值。
在本实施例的一个可选实现方式中,可以通过基准碳排放场景研究区域电力需求和终端化石能源消耗按照正常水平趋势发展,能源结构按照既有发展规律优化,分布式光伏保持现有规模,新增电力需求均来自外调,天然气的消费按照工商业发展规模持续提升。伴随着国家新能源汽车发展趋势,区域电动汽车比例持续提升,最终在2030年前后实现区域车辆接近100%电气化。
基准碳排放场景的总碳排计算公式如下:Sce1=SEP+(SGE+SGsl+SDO+SNG)×(1-CCS)。
碳汇后系统的总碳排量计算表达式如下:
SCS=Sce-CS。
低碳排放场景在基准情景的基础上,大力采取措施实现提前达峰和低碳化。按照研究地区的资源条件,稳步发展分布式光伏建设,减缓外调电增长速率;开展天然气“冷热电三联供”建设,进一步提高本地清洁电源所发电量的比重;在技术成本满足一定条件后,应用碳捕捉与封存技术(Carbon Capture and Storage,CCS)捕捉部分天然气碳排放;鼓励绿色制造企业通过市场化交易,购买部分绿电,提高外调电清洁化比率。
根据研究区域低碳排放场景的具体要求,设定低碳场景相对于基准碳排放场景下各碳排放活动(目标活动)的低碳化效率为αLC,在排放因子不发生变化的前提下,低碳场景中活动i的活动水平为:
Hsce2,i=Hsc1,i×αLC,i;
低碳排放场景的总碳排计算公式如下:
Sce2=αLC,EPSEP+(αLC,GESGE+αLC,GslSGsl+αLC,DOSDO+αLC,NGSNG)×(1-CCS);
低碳排放场景下碳汇后的总碳排量计算表达式如下:
SCS2=Sce2-CS。
近零碳排放场景在低碳情景的基础上进一步加强举措,实现尽早达峰和近零碳化。更大规模地发展分布式光伏建设,同时开发负荷响应能力和安装储能保证其消纳;加大燃气三联供建设规模;通过建设直流配电等节能管理手段提高能效;推动电能替代,实现工业生产过程、居民生活等实施“全电气化”;进一步提高绿电购入量;全面推广CCS技术,基本实现天然气碳排放全捕捉;大规模、高质量推进园区绿地和林木建设,打造丰富的碳汇资源。
近零碳排放场景以低碳场景为基准,根据研究区域近零排放场景的具体要求,设定近零排放场景相对于低碳场景下各碳排放活动的低碳化效率为βLC,相对于基准场景下各碳排放活动的低碳化效率为γLC:
γLC=αLC×βLC;
在排放因子不发生变化的前提下,近零排放场景中活动i的活动水平为:
Hsce3,i=Hsc1,i×γLC,i;
低碳场景的总碳排计算公式如下:
Sce3=γLC,EPSEP+(γLC,GESGE+γLC,GslSGsl+γLC,DOSDO+γLC,NGSNG)×(1-CCS);
低碳场景下碳汇后的总碳排量计算表达式如下:
SCS3=Sce3-CS。
本实施例的方案,提出了每类场景下的碳排放计算方法。所提出的不同场景下电力能源末端碳排放计算方法可明确未来年园区碳排放的主要来源,对制定和实施减碳策略起到指导性的作用。
实施例三
图3是根据本发明实施例三提供的一种园区未来年的碳排放估计装置的结构示意图。如图3所示,该装置包括:碳排放场景划分模块310、种群增长模型确定模块320、碳排放活动水平确定模块330以及碳排放总值确定模块340。
碳排放场景划分模块310,用于根据目标园区的能源结构将所述目标园区划分为多个碳排放场景;
种群增长模型确定模块320,用于获取各所述碳排放场景下的各历史碳排放数据,根据各所述历史碳排放数据生成种群增长模型;
碳排放活动水平确定模块330,用于根据所述种群增长模型确定温室气体碳排放活动水平,以及所述目标园区的未来年的碳排放因子;
碳排放总值确定模块340,用于根据所述温室气体碳排放活动水平,以及所述未来年的碳排放因子确定所述目标园区的各碳排放场景下的未来年的碳排放总值。
本实施例的方案,通过碳排放场景划分模块根据目标园区的能源结构将所述目标园区划分为多个碳排放场景;通过种群增长模型确定模块获取各所述碳排放场景下的各历史碳排放数据,根据各所述历史碳排放数据生成种群增长模型;通过碳排放活动水平确定模块根据所述种群增长模型确定温室气体碳排放活动水平,以及所述目标园区的未来年的碳排放因子;通过碳排放总值确定模块根据所述温室气体碳排放活动水平,以及所述未来年的碳排放因子确定所述目标园区的各碳排放场景下的未来年的碳排放总值,解决了现阶段不能对电力能量流末端的园区等较小区域碳排放进行精细化分析的问题,可以对电力能量流末端的园区等较小区域进行未来年的碳排放的估计。
在本实施例的一个可选实现方式中,各所述碳排放场景包括下述至少一项:
基准碳排放场景、低碳排放场景以及近零碳排放场景。
在本实施例的一个可选实现方式中,种群增长模型确定模块320,具体用于确定各所述碳排放场景下的各影响碳排放的各目标活动;
确定历史时间段内各所述目标活动的历史碳排放数据;
其中,所述目标活动包括下述至少一项:外调电、气电、汽油、柴油以及天然气。
在本实施例的一个可选实现方式中,碳排放活动水平确定模块330,具体用于通过最小二乘法对所述种群增长模型进行求解,得到各所述目标活动下的所述温室气体碳排放活动水平,以及所述目标园区的未来年的碳排放因子。
在本实施例的一个可选实现方式中,碳排放总值确定模块340,具体用于分别根据各所述目标活动下的所述温室气体碳排放活动水平,以及所述目标园区的未来年的碳排放因子,确定各所述目标活动下的碳排放量;
对各所述碳排放量进行累加,得到所述目标园区的各碳排放场景下的未来年的碳排放总值。
在本实施例的一个可选实现方式中,基于如下公式确定各所述目标活动下的碳排放量:
Si=Hi×σi
其中,Si为活动i的碳排放量;Hi为活动i的温室气体碳排放活动水平;σi为活动i的未来年的碳排放因子。
在本实施例的一个可选实现方式中,基于如下公式对各所述碳排放量进行累加,得到所述目标园区的各碳排放场景下的未来年的碳排放总值,包括:
Sce=SEP+(SGE+SGsl+SDO+SNG)×(1-CCS)
其中,Sce为所述目标园区的总碳排放量;SEP为外调电的碳排放量;SGE为气电的碳排放量;SGsl为汽油的碳排放量;SDO为柴油的碳排放量;SNG为天然气的碳排放量;CCS为碳捕捉技术的捕捉效率。
本发明实施例所提供的园区未来年的碳排放估计装置可执行本发明实施例任意实施例所提供的园区未来年的碳排放估计方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4示出了可以用来实施本发明实施例的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明实施例的实现。
如图4所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如园区未来年的碳排放估计方法。
在一些实施例中,园区未来年的碳排放估计方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的园区未来年的碳排放估计方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行园区未来年的碳排放估计方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明实施例的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明实施例的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明实施例中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明实施例的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明实施例保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明实施例的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明实施例保护范围之内。
Claims (10)
1.一种园区未来年的碳排放估计方法,其特征在于,包括:
根据目标园区的能源结构将所述目标园区划分为多个碳排放场景;
获取各所述碳排放场景下的各历史碳排放数据,根据各所述历史碳排放数据生成种群增长模型;
根据所述种群增长模型确定温室气体碳排放活动水平,以及所述目标园区的未来年的碳排放因子;
根据所述温室气体碳排放活动水平,以及所述未来年的碳排放因子确定所述目标园区的各碳排放场景下的未来年的碳排放总值。
2.根据权利要求1所述的方法,其特征在于,各所述碳排放场景包括下述至少一项:
基准碳排放场景、低碳排放场景以及近零碳排放场景。
3.根据权利要求2所述的方法,其特征在于,所述获取各所述碳排放场景下的各历史碳排放数据,包括:
确定各所述碳排放场景下的各影响碳排放的各目标活动;
确定历史时间段内各所述目标活动的历史碳排放数据;
其中,所述目标活动包括下述至少一项:外调电、气电、汽油、柴油以及天然气。
4.根据权利要求3所述的方法,其特征在于,所述根据所述种群增长模型确定温室气体碳排放活动水平,以及所述目标园区的未来年的碳排放因子,包括:
通过最小二乘法对所述种群增长模型进行求解,得到各所述目标活动下的所述温室气体碳排放活动水平,以及所述目标园区的未来年的碳排放因子。
5.根据权利要求1所述的方法,其特征在于,所述根据所述温室气体碳排放活动水平,以及所述未来年的碳排放因子确定所述目标园区的各碳排放场景下的未来年的碳排放总值,包括:
分别根据各目标活动下的所述温室气体碳排放活动水平,以及所述目标园区的未来年的碳排放因子,确定各所述目标活动下的碳排放量;
对各所述碳排放量进行累加,得到所述目标园区的各碳排放场景下的未来年的碳排放总值。
6.根据权利要求5所述的方法,其特征在于,基于如下公式确定各所述目标活动下的碳排放量:
Si=Hi×σi
其中,Si为活动i的碳排放量;Hi为活动i的温室气体碳排放活动水平;σi为活动i的未来年的碳排放因子。
7.根据权利要求5所述的方法,其特征在于,基于如下公式对各所述碳排放量进行累加,得到所述目标园区的各碳排放场景下的未来年的碳排放总值,包括:
Sce=SEP+(SGE+SGsl+SDO+SNG)×(1-CCS)
其中,Sce为所述目标园区的总碳排放量;SEP为外调电的碳排放量;SGE为气电的碳排放量;SGsl为汽油的碳排放量;SDO为柴油的碳排放量;SNG为天然气的碳排放量;CCS为碳捕捉技术的捕捉效率。
8.一种园区未来年的碳排放估计装置,其特征在于,包括:
碳排放场景划分模块,用于根据目标园区的能源结构将所述目标园区划分为多个碳排放场景;
种群增长模型确定模块,用于获取各所述碳排放场景下的各历史碳排放数据,根据各所述历史碳排放数据生成种群增长模型;
碳排放活动水平确定模块,用于根据所述种群增长模型确定温室气体碳排放活动水平,以及所述目标园区的未来年的碳排放因子;
碳排放总值确定模块,用于根据所述温室气体碳排放活动水平,以及所述未来年的碳排放因子确定所述目标园区的各碳排放场景下的未来年的碳排放总值。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的园区未来年的碳排放估计方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的园区未来年的碳排放估计方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310446354.8A CN116485022A (zh) | 2023-04-23 | 2023-04-23 | 园区未来年的碳排放估计方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310446354.8A CN116485022A (zh) | 2023-04-23 | 2023-04-23 | 园区未来年的碳排放估计方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116485022A true CN116485022A (zh) | 2023-07-25 |
Family
ID=87219026
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310446354.8A Pending CN116485022A (zh) | 2023-04-23 | 2023-04-23 | 园区未来年的碳排放估计方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116485022A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117575175A (zh) * | 2024-01-15 | 2024-02-20 | 国网浙江省电力有限公司 | 碳排放评估方法、装置、电子设备和存储介质 |
-
2023
- 2023-04-23 CN CN202310446354.8A patent/CN116485022A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117575175A (zh) * | 2024-01-15 | 2024-02-20 | 国网浙江省电力有限公司 | 碳排放评估方法、装置、电子设备和存储介质 |
CN117575175B (zh) * | 2024-01-15 | 2024-03-29 | 国网浙江省电力有限公司 | 碳排放评估方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115693650B (zh) | 一种区域电力碳排放因子的确定方法、装置、设备及介质 | |
CN116485022A (zh) | 园区未来年的碳排放估计方法、装置、设备及介质 | |
CN116131340A (zh) | 发电站与负荷区域匹配的方法、装置、设备及存储介质 | |
CN115660222A (zh) | 一种抽水蓄能电站的容量优化方法、装置及设备 | |
CN115189420A (zh) | 考虑供需双侧不确定性的电网调度运行优化方法及系统 | |
EP4354369A1 (en) | Control method and apparatus for dual carbon, electronic device, storage medium, and program product | |
CN116231669A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN116245253A (zh) | 变电站规划方案确定方法、装置、电子设备及存储介质 | |
CN115940301A (zh) | 一种功率因数的控制方法、装置、设备及存储介质 | |
CN114709878A (zh) | 应用于光储直柔建筑的光储协同配置方法、设备及介质 | |
CN115347586A (zh) | 多约束多目标优化的新能源场站储能优化配置系统与方法 | |
CN115207421A (zh) | 电池系统供能方法、装置、电子设备及存储介质 | |
CN109995094B (zh) | 一种交直流混合微电网的规划方法及系统 | |
CN115549213A (zh) | 分布式电源接入规模确定方法、装置、电子设备、存储介质以及程序产品 | |
CN117134336A (zh) | 一种智能电网能源管理方法及系统 | |
CN117575175B (zh) | 碳排放评估方法、装置、电子设备和存储介质 | |
CN113689033B (zh) | 容量发电价核定方法、装置、计算机设备和存储介质 | |
CN115864384A (zh) | 基于日发电量数据的扩容检测方法、装置、设备及介质 | |
CN116128204A (zh) | 配电网调度方法、装置、电子设备及存储介质 | |
CN115714379A (zh) | 基于电氢储能协调的电价碳价相关指数预测方法和设备 | |
CN117788015A (zh) | 一种节能降碳组合策略优化方法、装置、设备及存储介质 | |
CN117422238A (zh) | 减碳需求响应策略确定方法、装置、电子设备及存储介质 | |
CN117010712A (zh) | 虚拟电厂的响应策略确定方法、装置及虚拟电厂系统 | |
CN116402231A (zh) | 一种电力负荷预测方法、装置、设备及存储介质 | |
CN117132018A (zh) | 碳-电协同系统演化驱动度量方法、装置、设备及介质 |
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 |