CN116821621A - 绿电交易碳排放量核算方法、装置和计算机设备 - Google Patents
绿电交易碳排放量核算方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN116821621A CN116821621A CN202310778981.1A CN202310778981A CN116821621A CN 116821621 A CN116821621 A CN 116821621A CN 202310778981 A CN202310778981 A CN 202310778981A CN 116821621 A CN116821621 A CN 116821621A
- Authority
- CN
- China
- Prior art keywords
- green electricity
- green
- carbon
- carbon emission
- transaction
- 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
- 230000005611 electricity Effects 0.000 title claims abstract description 413
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 362
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 361
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000004590 computer program Methods 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 abstract description 4
- 230000000875 corresponding effect Effects 0.000 description 27
- 230000006870 function Effects 0.000 description 6
- 238000010248 power generation Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000002803 fossil fuel Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012946 outsourcing Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 238000003384 imaging method Methods 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
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Abstract
本申请涉及一种绿电交易碳排放量核算方法、装置、计算机设备和存储介质。通过将区域碳排放总量和区域电网的第一非交易绿电用电量输入经训练的绿电碳抵扣因子识别模型，获取该模型输出的区域电网对应的绿电碳抵扣因子，并根据待核算电力用的第二非交易绿电用电量和绿电碳抵扣因子，确定待核算电力用户的去除绿电碳排放量后的目标碳排放量。相较于传统的基于替代化石能源发电产生的减排量确定碳排放量，本方案通过基于电力用户所在区域的相关参数以及绿电碳抵扣因子识别模型，确定绿电碳抵扣因子，结合电力用户的非交易绿电用电量和绿电碳抵扣因子确定电力用户去除绿电碳排放量后的碳排放量，提高了核算绿电交易碳排放量的准确度。
Description
技术领域
本申请涉及清洁能源技术领域，特别是涉及一种绿电交易碳排放量核算方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
“双碳”目标下，以新能源为主体的新型电力系统加速构建，绿电，即绿色电力，将逐步成为电力供应的重要来源。绿电交易，即绿色电力交易，具有减轻碳排放的价值，为提高企业使用绿色电力的积极性，维护生态环境清洁，需要在核算企业碳排放时，基于企业使用绿色电力的数量进行抵扣。目前确定企业碳排放量的方式通常是基于全国的平均碳排放因子以及替代化石能源发电产生的减排量确定。然而，该方式核算出的碳排放量与企业实际情况有所差异。
因此，目前对企业的碳排放量核算方法存在准确性低的缺陷。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高核算准确性的绿电交易碳排放量核算方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种绿电交易碳排放量核算方法，所述方法包括：
获取待核算电力用户所在区域电网的区域碳排放总量以及获取所述区域电网的第一非交易绿电用电量；所述第一非交易绿电用电量表征所述区域电网内不使用绿色电力的用电量；所述绿色电力通过交易得到；
将所述区域碳排放总量和所述第一非交易绿电用电量输入经训练的绿电碳抵扣因子识别模型，获取所述绿电碳抵扣因子识别模型输出的所述区域电网对应的绿电碳抵扣因子；所述绿电碳抵扣因子表征所述区域电网内各电力用户使用交易绿电对碳排放量的影响因素；
获取所述待核算电力用户的第二非交易绿电用电量，根据所述第二非交易绿电用电量和所述绿电碳抵扣因子，确定所述待核算电力用户的目标碳排放量；所述第二非交易绿电用电量表征所述待核算电力用户不使用所述绿色电力的用电量；所述目标碳排放量表征去除绿电碳排放量后的碳排放量；所述绿电碳排放量表征使用所述绿色电力的用电量对应的碳排放量。
在其中一个实施例中，所述获取待核算电力用户所在区域电网的区域碳排放总量，包括：
获取待核算电力用户所在行政区域；
根据所述行政区域的电网的区域碳排放总量，得到所述区域电网的区域碳排放总量。
在其中一个实施例中，所述获取所述区域电网的第一非交易绿电用电量，包括：
获取所述区域电网的区域总用电量以及所述区域电网的交易绿电用电量；所述交易绿电用电量表征所述区域电网内使用所述绿色电力的用电量；
根据所述区域总用电量和所述交易绿电用电量的差值，得到所述第一非交易绿电用电量。
在其中一个实施例中，所述将所述区域碳排放总量和所述第一非交易绿电用电量输入经训练的绿电碳抵扣因子识别模型，包括：
将所述区域碳排放总量和所述第一非交易绿电用电量输入经训练的绿电碳抵扣因子识别模型，由所述绿电碳抵扣因子识别模型根据所述区域碳排放总量和所述第一非交易绿电用电量的比值，输出所述区域电网对应的绿电碳抵扣因子。
在其中一个实施例中，所述获取所述待核算电力用户的第二非交易绿电用电量，包括：
获取所述待核算电力用户的电力用户总用电量和所述待核算电力用户的购入绿电量；
根据所述电力用户总用电量和所述购入绿电量的差值，得到所述第二非交易绿电用电量。
在其中一个实施例中，所述根据所述第二非交易绿电用电量和所述绿电碳抵扣因子，确定所述待核算电力用户的目标碳排放量，包括：
根据所述电力用户总用电量和所述绿电碳抵扣因子的第一乘积，确定所述待核算电力用户的用户碳排放总量；
根据所述购入绿电量与所述绿电碳抵扣因子的第二乘积，确定所述待核算电力用户的绿电抵扣量；
根据所述用户碳排放总量和所述绿电抵扣量的差值，得到所述待核算电力用户的间接碳排放量，作为目标碳排放量。
第二方面，本申请提供了一种绿电交易碳排放量核算装置，所述装置包括：
获取模块，用于获取待核算电力用户所在区域电网的区域碳排放总量以及获取所述区域电网的第一非交易绿电用电量；所述第一非交易绿电用电量表征所述区域电网内不使用绿色电力的用电量；所述绿色电力通过交易得到；
输入模块，用于将所述区域碳排放总量和所述第一非交易绿电用电量输入经训练的绿电碳抵扣因子识别模型，获取所述绿电碳抵扣因子识别模型输出的所述区域电网对应的绿电碳抵扣因子；所述绿电碳抵扣因子表征所述区域电网内各电力用户使用交易绿电对碳排放量的影响因素；
确定模块，用于获取所述待核算电力用户的第二非交易绿电用电量，根据所述第二非交易绿电用电量和所述绿电碳抵扣因子，确定所述待核算电力用户的目标碳排放量；所述第二非交易绿电用电量表征所述待核算电力用户不使用所述绿色电力的用电量；所述目标碳排放量表征去除绿电碳排放量后的碳排放量；所述绿电碳排放量表征使用所述绿色电力的用电量对应的碳排放量。
第三方面，本申请提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法的步骤。
第四方面，本申请提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。
第五方面，本申请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的方法的步骤。
上述绿电交易碳排放量核算方法、装置、计算机设备、存储介质和计算机程序产品，通过将区域碳排放总量和区域电网的第一非交易绿电用电量输入经训练的绿电碳抵扣因子识别模型，获取该模型输出的区域电网对应的绿电碳抵扣因子，并根据待核算电力用的第二非交易绿电用电量和绿电碳抵扣因子，确定待核算电力用户的去除绿电碳排放量后的目标碳排放量。相较于传统的基于全国的平均碳排放因子以及替代化石能源发电产生的减排量确定碳排放量，本方案通过基于电力用户所在区域的相关参数以及绿电碳抵扣因子识别模型，确定绿电碳抵扣因子，并结合电力用户的非交易绿电用电量以及绿电碳抵扣因子确定电力用户去除绿电碳排放量后的碳排放量，提高了核算绿电交易碳排放量的准确度。
附图说明
图1为一个实施例中绿电交易碳排放量核算方法的应用环境图；
图2为一个实施例中绿电交易碳排放量核算方法的流程示意图；
图3为一个实施例中绿电交易碳排放量核算装置的结构框图；
图4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绿电交易碳排放量核算方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与区域电网104进行通信。区域电网104中包括多个电力用户，终端102可以获取区域电网104的用电参数，还可以获取区域电网104中各电力用户的用电参数，从而终端102可以基于绿电抵扣因子识别模型输出绿电抵扣因子，并基于电力用户的用电参数和绿电抵扣因子，确定目标碳排放量。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机和平板电脑。
在一个实施例中，如图2所示，提供了一种绿电交易碳排放量核算方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：
步骤S202，获取待核算电力用户所在区域电网的区域碳排放总量以及获取区域电网的第一非交易绿电用电量；第一非交易绿电用电量表征区域电网内不使用绿色电力的用电量；绿色电力通过交易得到。
其中，待核算电力用户可以是在区域电网内使用电力的用户，例如企业等电力用户。在碳市场中，重点排放单位需要清缴的配额既包括自身化石燃料消耗产生的直接排放，也包括使用外购电力带来的间接排放，本方案可以用于确定企业外购电力带来的间接排放，并且在一些实施例中，企业电力用户还可以存在自身化石燃料消耗产生的直接排放，此时终端还可以将该直接排放对应的碳排放量和上述确定的间接碳排放量进行求和，进而得到企业电力用户的总碳排放量。当电力用户使用绿电，即绿色能源所生产的电力时，可以在确定电力用户的碳排放总量时进行碳排放量的抵扣，以体现使用绿电给予的环境清洁效果。当企业消费了绿色电力，那么对应电量可以用于抵扣碳排放量，相应电量排放因子为0。而如果允许企业以绿电抵扣碳排放量，那么在计算区域绿电的碳抵扣因子时计入这部分绿电就存在重复计算环境权益的问题。为结合直供电等情形下企业所用电力的实际排放因子，准确体现绿电交易在不同区域地区的碳减排效果，终端可以基于电力用户所在区域的信息确定各电力用户的碳排放量。
例如，终端可以获取待核算电力用户所在区域电网的区域碳排放总量，以及获取区域电网的第一非交易绿电用电量。其中，上述第一非交易绿电用电量表征区域电网内不使用绿色电力的用电量，而上述绿色电力可以通过交易得到，例如企业电力用户可以选择向发电单位购入绿色电力，进而企业电力用户可以消费绿色电力。
其中，上述区域电网可以是待核算电力用户所在区域的电网，该区域可以是电力用户所在的行政区域，则终端可以获取电力用户所在的行政区域的相关用电信息。例如，在一个实施例中，终端可以获取待核算电力用户所在行政区域；并根据行政区域的电网的区域碳排放总量，得到区域电网的区域碳排放总量。其中，上述行政区域可以是待核算电力用户所在的省份或市区等。则上述区域碳排放总量可以是待核算电力用户所在省份的碳排放总量，还可以是待核算电力用户所在市区的碳排放总量等。
步骤S204，将区域碳排放总量和第一非交易绿电用电量输入经训练的绿电碳抵扣因子识别模型，获取绿电碳抵扣因子识别模型输出的区域电网对应的绿电碳抵扣因子；绿电碳抵扣因子表征区域电网内各电力用户使用交易绿电对碳排放量的影响因素。
其中，终端可以预先训练一个绿电碳抵扣因子识别模型，例如，在一些实施例中，终端可以获取区域碳排放总量样本、第一非交易绿电用电量样本，以及获取对应的绿电碳抵扣因子标签信息，终端可以将区域碳排放总量样本和第一非交易绿电用电量样本输入待训练的绿电碳抵扣因子识别模型，绿电碳抵扣因子识别模型可以将基于区域碳排放总量样本和第一非交易绿电用电量样本输出对应的绿电碳抵扣因子预测信息，从而终端可以根据绿电碳抵扣因子预测信息与上述绿电碳抵扣因子标签信息的相似度，调整绿电碳抵扣因子识别模型的模型参数，并返回将区域碳排放总量样本和第一非交易绿电用电量样本输入待训练的绿电碳抵扣因子识别模型的步骤，直至满足预设训练结束条件时，终端可以得到经训练的绿电碳抵扣因子识别模型。其中，预设训练结束条件可以是在预设训练次数内，绿电碳抵扣因子预测信息与上述绿电碳抵扣因子标签信息的相似度大于或等于预设相似度阈值，或者，上述训练的次数达到预设训练次数。
终端得到经训练的绿电碳抵扣因子识别模型后，可以将上述区域碳排放总量和第一非交易绿电用电量输入经训练的绿电碳抵扣因子识别模型，并获取绿电碳抵扣因子识别模型基于预设函数输出的区域电网对应的绿电碳抵扣因子。其中，绿电碳抵扣因子识别模型输出的绿电碳抵扣因子表示上述区域电网内，各电力用户使用交易绿电对碳排放量的影响因素。例如，电力用户使用通过交易得到的绿电时，其购买绿电的电量越多，相应地在核算该电力用户的碳排放量时，可以抵消的碳排放量越多，即区域的绿电碳抵扣因子与用户购买绿电的电量数值成正相关。
步骤S206，获取待核算电力用户的第二非交易绿电用电量，根据第二非交易绿电用电量和绿电碳抵扣因子，确定待核算电力用户的目标碳排放量；第二非交易绿电用电量表征待核算电力用户不使用绿色电力的用电量；目标碳排放量表征去除绿电碳排放量后的碳排放量；绿电碳排放量表征使用绿色电力的用电量对应的碳排放量。
其中，第二非交易绿电用电量表示上述待核算电力用户不使用上述通过交易得到的绿色电力的用电量。终端可以获取上述待核算电力用户的第二非交易绿电用电量，并根据第二非交易绿电用电量和上述确定出的绿电碳抵扣因子，确定待核算电力用户的目标碳排放量。其中，目标碳排放量表示去除绿电碳排放量后的碳排放量，而绿电碳排放量表示电力用户使用上述通过交易得到的绿色电力的用电量对应的碳排放量。具体地，终端可以基于绿电碳抵扣因子和电力用户的绿电用电量，确定电力用户使用绿色电力对应的碳抵扣量，进而基于碳抵扣量和电力用户的碳排放总量，确定上述目标碳排放量。
另外，本实施例中，电力用户是通过购入电力进行用电，则上述目标碳排放量可以是一种间接碳排放量，在一些实施例中，企业电力用户还可以存在自身化石燃料消耗产生的直接排放，此时终端还可以将该直接排放对应的碳排放量和上述确定的间接碳排放量进行求和，进而得到企业电力用户的总碳排放量。
上述绿电交易碳排放量核算方法中，通过将区域碳排放总量和区域电网的第一非交易绿电用电量输入经训练的绿电碳抵扣因子识别模型，获取该模型输出的区域电网对应的绿电碳抵扣因子，并根据待核算电力用的第二非交易绿电用电量和绿电碳抵扣因子，确定待核算电力用户的去除绿电碳排放量后的目标碳排放量。相较于传统的基于全国的平均碳排放因子以及替代化石能源发电产生的减排量确定碳排放量，本方案通过基于电力用户所在区域的相关参数以及绿电碳抵扣因子识别模型，确定绿电碳抵扣因子，并结合电力用户的非交易绿电用电量以及绿电碳抵扣因子确定电力用户去除绿电碳排放量后的碳排放量，提高了核算绿电交易碳排放量的准确度。
在一个实施例中，获取区域电网的第一非交易绿电用电量，包括：获取区域电网的区域总用电量以及区域电网的交易绿电用电量；交易绿电用电量表征区域电网内使用绿色电力的用电量；根据区域总用电量和交易绿电用电量的差值，得到第一非交易绿电用电量。
本实施例中，交易绿电用电量表示区域电网内使用上述通过交易得到的绿色电力的用电量，例如某个省内所有电力用户使用上述绿色电力的用电量。终端可以获取区域电网的区域总用电量，以及获取上述区域电网的交易绿电用电量，从而终端可以获取上述区域总用电量和交易绿电用电量的差值，并根据该差值得到第一非交易绿电用电量。具体地，终端可以令区域电网表示为i，令区域电网的总用电量表示为Ei，交易绿电用电量也可以被称为绿色电力消费量，可以表示为GEi。则上述第一非交易绿电用电量的函数可以表示为：NGEi＝Ei-GEi。其中，NGEi表示第一非交易绿电用电量。
通过本实施例，终端可以基于区域电网的总用电量和区域电网的绿色电力消费量，确定区域电网的第一非交易绿电用电量，从而终端可以基于第一非交易绿电用电量，确定电力用户去除绿电碳排放量后的碳排放量，提高了核算绿电交易碳排放量的准确度。
在一个实施例中，将区域碳排放总量和第一非交易绿电用电量输入经训练的绿电碳抵扣因子识别模型，包括：将区域碳排放总量和第一非交易绿电用电量输入经训练的绿电碳抵扣因子识别模型，由绿电碳抵扣因子识别模型根据区域碳排放总量和第一非交易绿电用电量的比值，输出区域电网对应的绿电碳抵扣因子。
本实施例中，终端获取上述区域碳排放总量和第一非交易绿电用电量后，可以将区域碳排放总量和第一非交易绿电用电量输入经训练的绿电碳抵扣因子识别模型，绿电碳抵扣因子识别模型可以是一种具有多层网络的神经网络模型，绿电碳抵扣因子识别模型可以在多层网络中，基于预设函数确定区域电网对应的绿电碳抵扣因子。例如，绿电碳抵扣因子识别模型可以获取区域碳排放总量和第一非交易绿电用电量的比值，并根据该比值，确定区域电网对应的绿电碳抵扣因子，从而终端可以获取绿电碳抵扣因子识别模型输出的区域电网对应的绿电碳抵扣因子。
具体地，上述区域电网中的电力用户使用了绿色电力时，在计算区域绿电的碳抵扣因子时计入这部分绿电就存在重复计算环境权益的问题。因此在计算区域的绿电碳抵扣因子时，终端可以扣除电力用户的绿色电力交易量。上述区域电网的区域碳排放总量可以表示为EEi，上述绿电碳抵扣因子可以表示为EFg。终端将区域碳排放总量和第一非交易绿电用电量输入经训练的绿电碳抵扣因子识别模型后，绿电碳抵扣因子识别模型可以基于如下所示的函数确定区域电网的绿电碳抵扣因子：EFg＝EEi/(Ei-GEi)。其中，(Ei-GEi)为上述第一非交易绿电用电量。终端可以根据区域电网中电力用户与发电主体之间的绿色电力交易合约，确定市场主体的交易绿电用电量，并在绿电碳抵扣因子识别模型中，以区域总发电量扣减绿电交易量后与区域电力行业的碳排放量计算出绿电碳抵扣因子。
通过本实施例，终端可以由绿电碳抵扣因子识别模型，基于区域碳排放总量和第一非交易绿电用电量确定绿电碳抵扣因子，从而终端可以基于绿电碳抵扣因子，确定电力用户去除绿电碳排放量后的碳排放量，提高了核算绿电交易碳排放量的准确度。
在一个实施例中，获取待核算电力用户的第二非交易绿电用电量，包括：获取待核算电力用户的电力用户总用电量和待核算电力用户的购入绿电量；根据电力用户总用电量和购入绿电量的差值，得到第二非交易绿电用电量。
本实施例中，上述区域电网内的电力用户对应有第二非交易绿电用电量。终端在获取待核算电力用户的第二非交易绿电用电量时，可以首先获取待核算电力用户的电力用户总用电量以及获取待核算电力用户的购入绿电量。其中，电力用户总用电量表示上述待核算电力用户在预设的碳排放量结算周期内的总用电量，购入绿电量表示上述待核算用户通过购买获得绿色电力，并使用这些绿色电力的用电量。终端可以获取上述电力用户总用电量和购入绿电量的差值，并根据该差值得到上述第二非交易绿电用电量。
具体地，终端可以将电力用户表示为j，电力用户总用电量表示为Ej，电力用户的购入绿电量表示为GEj，则终端可以通过如下函数确定上述第二非交易绿电用电量：NGEj＝Ej-GEj。其中，NGEj表示上述第二非交易绿电用电量。
通过本实施例，终端可以基于电力用户的总用电量以及电力用户的购入绿电量，确定电力用户的第二非交易绿电用电量，从而终端可以基于第二非交易绿电用电量，确定电力用户去除绿电碳排放量后的碳排放量，提高了核算绿电交易碳排放量的准确度。
在一个实施例中，根据第二非交易绿电用电量和绿电碳抵扣因子，确定待核算电力用户的目标碳排放量，包括：根据电力用户总用电量和绿电碳抵扣因子的第一乘积，确定待核算电力用户的用户碳排放总量；根据购入绿电量与绿电碳抵扣因子的第二乘积，确定待核算电力用户的绿电抵扣量；根据用户碳排放总量和绿电抵扣量的差值，得到待核算电力用户的间接碳排放量，作为目标碳排放量。
本实施例中，终端确定待核算电力用户的目标碳排放量时，可以基于第二非交易绿电用电量和绿电碳抵扣因子确定。其中，第二非交易绿电用电量基于电力用户总用电量和电力用户的购入绿电量确定，则终端可以基于电力用户总用电量、电力用户的购入绿电量以及上述绿电碳抵扣因子确定目标碳排放量。例如，终端可以获取上述电力用户总用电量和绿电碳抵扣因子的第一乘积，并根据该第一乘积确定待核算电力用户的用户碳排放总量。终端还可以获取购入绿电量与绿电碳抵扣因子的第二乘积，并根据该第二乘积确定待核算电力用户的绿电抵扣量。其中，用户碳排放总量表示上述待核算电力用户在预设的碳排放量结算周期内，电力用户排放的温室气体的总量。绿电碳抵扣量表示上述待核算电力用户因使用上述绿色电力而产生的碳抵扣量，该绿电碳抵扣量可以用于抵消电力用户的电力用户总用电量。终端可以获取用户碳排放总量和绿电抵扣量的差值，并根据该差值，得到待核算电力用户的间接碳排放量，从而终端可以将该间接碳排放量作为目标碳排放量。其中，间接碳排放量表示上述待核算电力用户仅通过购入电力进行用电时的碳排放量。
具体地，上述待核算电力用户可以是企业，若区域电网i内企业j通过绿色电力交易获得绿电量GEj，则其购买这部分绿电的碳排放量为ECj，即电力用户j的绿色电力交易的绿电抵扣量。该绿电抵扣量的函数可以如下所示：ECj＝GEj·EFg。其中，EFg表示绿电碳抵扣因子。则终端在计算企业j电力间接碳排放时，可以直接在履约主体的净购入电力，即上述电力用户总用电量Ej中扣减净购入绿色电力部分，按绿电碳抵扣因子核算其电力间接碳排放，即上述目标碳排放量。则上述目标碳排放量的函数可以如下所示：Emj＝(Ej-GEj)·EFg。将上述函数展开即可得到：Emj＝Ej·EFg-GEj·EFg。其中，Emj表示上述待核算电力用户的目标碳排放量，Ej·EFg表示电力用户的用户碳排放总量。
通过本实施例，终端可以基于电力用户总用电量、购入绿电量和绿电碳抵扣因子，确定电力用户的目标碳排放量，提高了核算绿电交易碳排放量的准确度。并且，终端通过在计算区域电力碳排放因子时，扣除了相应的绿电交易量，避免了重复计算的问题，同时将排放因子地理范围缩小至省级区域，更加公平与准确，有助于绿电市场与碳市场挂钩，激发市场活力。
应该理解的是，虽然如上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绿电交易碳排放量核算方法的绿电交易碳排放量核算装置。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绿电交易碳排放量核算装置实施例中的具体限定可以参见上文中对于绿电交易碳排放量核算方法的限定，在此不再赘述。
在一个实施例中，如图3所示，提供了一种绿电交易碳排放量核算装置，包括：获取模块500、输入模块502和确定模块504，其中：
获取模块500，用于获取待核算电力用户所在区域电网的区域碳排放总量以及获取区域电网的第一非交易绿电用电量；第一非交易绿电用电量表征区域电网内不使用绿色电力的用电量；绿色电力通过交易得到。
输入模块502，用于将区域碳排放总量和第一非交易绿电用电量输入经训练的绿电碳抵扣因子识别模型，获取绿电碳抵扣因子识别模型输出的区域电网对应的绿电碳抵扣因子；绿电碳抵扣因子表征区域电网内各电力用户使用交易绿电对碳排放量的影响因素。
确定模块504，用于获取待核算电力用户的第二非交易绿电用电量，根据第二非交易绿电用电量和绿电碳抵扣因子，确定待核算电力用户的目标碳排放量；第二非交易绿电用电量表征待核算电力用户不使用绿色电力的用电量；目标碳排放量表征去除绿电碳排放量后的碳排放量；绿电碳排放量表征使用绿色电力的用电量对应的碳排放量。
在一个实施例中，上述获取模块500，具体用于获取待核算电力用户所在行政区域；根据行政区域的电网的区域碳排放总量，得到区域电网的区域碳排放总量。
在一个实施例中，上述获取模块500，具体用于获取区域电网的区域总用电量以及区域电网的交易绿电用电量；交易绿电用电量表征区域电网内使用绿色电力的用电量；根据区域总用电量和交易绿电用电量的差值，得到第一非交易绿电用电量。
在一个实施例中，上述输入模块502，具体用于将区域碳排放总量和第一非交易绿电用电量输入经训练的绿电碳抵扣因子识别模型，由绿电碳抵扣因子识别模型根据区域碳排放总量和第一非交易绿电用电量的比值，输出区域电网对应的绿电碳抵扣因子。
在一个实施例中，上述确定模块504，具体用于获取待核算电力用户的电力用户总用电量和待核算电力用户的购入绿电量；根据电力用户总用电量和购入绿电量的差值，得到第二非交易绿电用电量。
在一个实施例中，上述确定模块504，具体用于根据电力用户总用电量和绿电碳抵扣因子的第一乘积，确定待核算电力用户的用户碳排放总量；根据购入绿电量与绿电碳抵扣因子的第二乘积，确定待核算电力用户的绿电抵扣量；根据用户碳排放总量和绿电抵扣量的差值，得到待核算电力用户的间接碳排放量，作为目标碳排放量。
上述绿电交易碳排放量核算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4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绿电交易碳排放量核算方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置。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4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的绿电交易碳排放量核算方法。
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的绿电交易碳排放量核算方法。
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的绿电交易碳排放量核算方法。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
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)
1.一种绿电交易碳排放量核算方法，其特征在于，所述方法包括：
获取待核算电力用户所在区域电网的区域碳排放总量以及获取所述区域电网的第一非交易绿电用电量；所述第一非交易绿电用电量表征所述区域电网内不使用绿色电力的用电量；所述绿色电力通过交易得到；
将所述区域碳排放总量和所述第一非交易绿电用电量输入经训练的绿电碳抵扣因子识别模型，获取所述绿电碳抵扣因子识别模型输出的所述区域电网对应的绿电碳抵扣因子；所述绿电碳抵扣因子表征所述区域电网内各电力用户使用交易绿电对碳排放量的影响因素；
获取所述待核算电力用户的第二非交易绿电用电量，根据所述第二非交易绿电用电量和所述绿电碳抵扣因子，确定所述待核算电力用户的目标碳排放量；所述第二非交易绿电用电量表征所述待核算电力用户不使用所述绿色电力的用电量；所述目标碳排放量表征去除绿电碳排放量后的碳排放量；所述绿电碳排放量表征使用所述绿色电力的用电量对应的碳排放量。
2.根据权利要求1所述的方法，其特征在于，所述获取待核算电力用户所在区域电网的区域碳排放总量，包括：
获取待核算电力用户所在行政区域；
根据所述行政区域的电网的区域碳排放总量，得到所述区域电网的区域碳排放总量。
3.根据权利要求1所述的方法，其特征在于，所述获取所述区域电网的第一非交易绿电用电量，包括：
获取所述区域电网的区域总用电量以及所述区域电网的交易绿电用电量；所述交易绿电用电量表征所述区域电网内使用所述绿色电力的用电量；
根据所述区域总用电量和所述交易绿电用电量的差值，得到所述第一非交易绿电用电量。
4.根据权利要求1所述的方法，其特征在于，所述将所述区域碳排放总量和所述第一非交易绿电用电量输入经训练的绿电碳抵扣因子识别模型，包括：
将所述区域碳排放总量和所述第一非交易绿电用电量输入经训练的绿电碳抵扣因子识别模型，由所述绿电碳抵扣因子识别模型根据所述区域碳排放总量和所述第一非交易绿电用电量的比值，输出所述区域电网对应的绿电碳抵扣因子。
5.根据权利要求1所述的方法，其特征在于，所述获取所述待核算电力用户的第二非交易绿电用电量，包括：
获取所述待核算电力用户的电力用户总用电量和所述待核算电力用户的购入绿电量；
根据所述电力用户总用电量和所述购入绿电量的差值，得到所述第二非交易绿电用电量。
6.根据权利要求5所述的方法，其特征在于，所述根据所述第二非交易绿电用电量和所述绿电碳抵扣因子，确定所述待核算电力用户的目标碳排放量，包括：
根据所述电力用户总用电量和所述绿电碳抵扣因子的第一乘积，确定所述待核算电力用户的用户碳排放总量；
根据所述购入绿电量与所述绿电碳抵扣因子的第二乘积，确定所述待核算电力用户的绿电抵扣量；
根据所述用户碳排放总量和所述绿电抵扣量的差值，得到所述待核算电力用户的间接碳排放量，作为目标碳排放量。
7.一种绿电交易碳排放量核算装置，其特征在于，所述装置包括：
获取模块，用于获取待核算电力用户所在区域电网的区域碳排放总量以及获取所述区域电网的第一非交易绿电用电量；所述第一非交易绿电用电量表征所述区域电网内不使用绿色电力的用电量；所述绿色电力通过交易得到；
输入模块，用于将所述区域碳排放总量和所述第一非交易绿电用电量输入经训练的绿电碳抵扣因子识别模型，获取所述绿电碳抵扣因子识别模型输出的所述区域电网对应的绿电碳抵扣因子；所述绿电碳抵扣因子表征所述区域电网内各电力用户使用交易绿电对碳排放量的影响因素；
确定模块，用于获取所述待核算电力用户的第二非交易绿电用电量，根据所述第二非交易绿电用电量和所述绿电碳抵扣因子，确定所述待核算电力用户的目标碳排放量；所述第二非交易绿电用电量表征所述待核算电力用户不使用所述绿色电力的用电量；所述目标碳排放量表征去除绿电碳排放量后的碳排放量；所述绿电碳排放量表征使用所述绿色电力的用电量对应的碳排放量。
8.一种计算机设备，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6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310778981.1A CN116821621A (zh) | 2023-06-28 | 2023-06-28 | 绿电交易碳排放量核算方法、装置和计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310778981.1A CN116821621A (zh) | 2023-06-28 | 2023-06-28 | 绿电交易碳排放量核算方法、装置和计算机设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116821621A true CN116821621A (zh) | 2023-09-29 |
Family
ID=88127045
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310778981.1A Pending CN116821621A (zh) | 2023-06-28 | 2023-06-28 | 绿电交易碳排放量核算方法、装置和计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116821621A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117273766A (zh) * | 2023-11-22 | 2023-12-22 | 中国电力科学研究院有限公司 | 一种电力系统用户侧碳排放分摊计算方法及装置 |
| CN117314468A (zh) * | 2023-10-08 | 2023-12-29 | 南方电网能源发展研究院有限责任公司 | 间接碳排放碳核算方法、装置、设备、介质和产品 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115169858A (zh) * | 2022-06-30 | 2022-10-11 | 国网电动汽车服务有限公司 | 基于电动汽车综合应用场景的碳减排量计算方法及系统 |
| CN115423386A (zh) * | 2022-11-04 | 2022-12-02 | 上海远景科创智能科技有限公司 | 一种电力碳排放因子的确定方法、装置、设备及介质 |
| CN115481898A (zh) * | 2022-09-20 | 2022-12-16 | 南方电网能源发展研究院有限责任公司 | 电力碳排放因子确认模型构建方法、装置和计算机设备 |
| CN115511332A (zh) * | 2022-09-30 | 2022-12-23 | 南方电网能源发展研究院有限责任公司 | 碳排放量确定方法、装置、计算机设备和存储介质 |
| CN115577234A (zh) * | 2022-11-21 | 2023-01-06 | 中国电力科学研究院有限公司 | 一种基于潮流分布的节点供电排放因子计算方法及系统 |
| CN116012196A (zh) * | 2023-01-30 | 2023-04-25 | 中国电力科学研究院有限公司 | 复杂用电园区碳计量方法、系统、计算机设备及存储介质 |
| CN116227984A (zh) * | 2022-12-30 | 2023-06-06 | 国网北京市电力公司 | 电力碳排放因子的确定方法、装置及非易失性存储介质 |
-
2023
- 2023-06-28 CN CN202310778981.1A patent/CN116821621A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115169858A (zh) * | 2022-06-30 | 2022-10-11 | 国网电动汽车服务有限公司 | 基于电动汽车综合应用场景的碳减排量计算方法及系统 |
| CN115481898A (zh) * | 2022-09-20 | 2022-12-16 | 南方电网能源发展研究院有限责任公司 | 电力碳排放因子确认模型构建方法、装置和计算机设备 |
| CN115511332A (zh) * | 2022-09-30 | 2022-12-23 | 南方电网能源发展研究院有限责任公司 | 碳排放量确定方法、装置、计算机设备和存储介质 |
| CN115423386A (zh) * | 2022-11-04 | 2022-12-02 | 上海远景科创智能科技有限公司 | 一种电力碳排放因子的确定方法、装置、设备及介质 |
| CN115577234A (zh) * | 2022-11-21 | 2023-01-06 | 中国电力科学研究院有限公司 | 一种基于潮流分布的节点供电排放因子计算方法及系统 |
| CN116227984A (zh) * | 2022-12-30 | 2023-06-06 | 国网北京市电力公司 | 电力碳排放因子的确定方法、装置及非易失性存储介质 |
| CN116012196A (zh) * | 2023-01-30 | 2023-04-25 | 中国电力科学研究院有限公司 | 复杂用电园区碳计量方法、系统、计算机设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 尚楠 等: "电碳市场背景下典型环境权益产品衔接互认机制及关键技术", 《中国电机工程学报》, 17 March 2023 (2023-03-17), pages 1 - 17 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117314468A (zh) * | 2023-10-08 | 2023-12-29 | 南方电网能源发展研究院有限责任公司 | 间接碳排放碳核算方法、装置、设备、介质和产品 |
| CN117273766A (zh) * | 2023-11-22 | 2023-12-22 | 中国电力科学研究院有限公司 | 一种电力系统用户侧碳排放分摊计算方法及装置 |
| CN117273766B (zh) * | 2023-11-22 | 2024-02-20 | 中国电力科学研究院有限公司 | 一种电力系统用户侧碳排放分摊计算方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116821621A (zh) | 绿电交易碳排放量核算方法、装置和计算机设备 | |
| CN114757457B (zh) | 基于电力大数据的电碳排放全过程监测方法和装置 | |
| CN114757602B (zh) | 供给侧电力碳排放风险预警方法、装置和计算机设备 | |
| CN110245980A (zh) | 基于神经网络模型确定目标用户激励形式的方法和设备 | |
| Cao et al. | Early warning of enterprise decline in a life cycle using neural networks and rough set theory | |
| CN110610382A (zh) | 车辆销售量预测方法、装置、计算机设备和存储介质 | |
| Tang et al. | Carbon risk and return prediction: Evidence from the multi-CNN method | |
| CN110163585B (zh) | 一种电子红包的发放方法及装置 | |
| CN114240049A (zh) | 电力现货市场指标灵活计算方法 | |
| Joshi et al. | A deep learning architecture for energy service demand estimation in transport sector for Shared Socioeconomic Pathways | |
| CN117787791A (zh) | 一种业务积分核算方法、装置、计算机设备、存储介质 | |
| CN117424215A (zh) | 基于碳交易和绿电交易的电力资源出清控制方法和装置 | |
| Oh et al. | A reinforcement learning-based demand response strategy designed from the Aggregator’s perspective | |
| CN117196184A (zh) | 用电需求侧响应潜力评估方法、装置和计算机设备 | |
| HUANG et al. | Brand Loyalty and Brand Performance of Chinese Banks | |
| Ma et al. | Dynamic optimal production strategies based on the inventory-dependent demand under the cap-and-trade mechanism | |
| CN117726076A (zh) | 资源转换业务影响信息的确定方法、装置、设备、介质 | |
| CN117724680A (zh) | 需求评估方法、装置、计算机设备和存储介质 | |
| CN117196703A (zh) | 资源发放方法、装置、计算机设备和存储介质 | |
| Zhang et al. | Price, internet penetration and green food industry development: Based on the interaction between demand and supply | |
| CN116991639A (zh) | 能耗预测方法、装置、计算机设备和存储介质 | |
| CN116029710A (zh) | 电费数据处理方法、装置、计算机设备和存储介质 | |
| CN115577955A (zh) | 企业风险识别方法、装置、计算机设备和存储介质 | |
| CN115544336A (zh) | 产业链生成方法、装置、计算机设备和存储介质 | |
| CN117151057A (zh) | 凭证信息生成方法、装置、计算机设备和存储介质 |
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 |