CN116822717A - 一种基于达峰情景的碳排放管理方法及系统 - Google Patents
一种基于达峰情景的碳排放管理方法及系统 Download PDFInfo
- Publication number
- CN116822717A CN116822717A CN202310635897.4A CN202310635897A CN116822717A CN 116822717 A CN116822717 A CN 116822717A CN 202310635897 A CN202310635897 A CN 202310635897A CN 116822717 A CN116822717 A CN 116822717A
- Authority
- CN
- China
- Prior art keywords
- carbon
- data
- carbon emission
- emission
- city
- 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 161
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 143
- 238000007726 management method Methods 0.000 title claims abstract description 24
- 238000005259 measurement Methods 0.000 claims abstract description 36
- 238000004364 calculation method Methods 0.000 claims abstract description 35
- 210000004556 brain Anatomy 0.000 claims abstract description 11
- 238000010276 construction Methods 0.000 claims abstract description 7
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 50
- 238000010248 power generation Methods 0.000 claims description 38
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 25
- 239000001569 carbon dioxide Substances 0.000 claims description 24
- 230000005611 electricity Effects 0.000 claims description 24
- 238000004422 calculation algorithm Methods 0.000 claims description 20
- 238000004458 analytical method Methods 0.000 claims description 16
- 238000012544 monitoring process Methods 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 10
- 230000001105 regulatory effect Effects 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 5
- 238000005265 energy consumption Methods 0.000 description 27
- 238000004519 manufacturing process Methods 0.000 description 14
- 239000003795 chemical substances by application Substances 0.000 description 8
- 239000003245 coal Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 239000002028 Biomass Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 239000005431 greenhouse gas Substances 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 239000003345 natural gas Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000004753 textile Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- CWYNVVGOOAEACU-UHFFFAOYSA-N Fe2+ Chemical compound [Fe+2] CWYNVVGOOAEACU-UHFFFAOYSA-N 0.000 description 1
- 238000003723 Smelting Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000013064 chemical raw material Substances 0.000 description 1
- 239000003034 coal gas Substances 0.000 description 1
- 230000036461 convulsion Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 239000003502 gasoline Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000003949 liquefied natural gas Substances 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种基于达峰情景的碳排放管理方法及系统。其中，方法包括：数据获取步骤：通过智慧能源综合服务平台获取采集数据和录入数据，通过城市大脑获取归集数据；碳排放测算步骤：根据所述采集数据、录入数据和归集数据，针对能源、工业、建筑、交通、农业及居民生活六大碳消费领域，进行碳排放测算，得到测算结果；碳排放轨迹预测步骤：根据所述测算结果及各大碳消费领域的达峰情景进行碳排放轨迹预测，得到预测结果。本发明实施例提供的技术方案，根据获取的多种数据对六大碳消费领域进行碳排放测算，得到测算结果，并结合该测算结果和各大碳消费领域的达峰情景进行碳排放轨迹预测，从而可以提高预测结果的准确性。
Description
技术领域
本发明涉及碳排放技术领域，具体涉及一种基于达峰情景的碳排放管理方法及系统。
背景技术
碳排放量是指在生产、运输、使用及回收该产品时所产生的平均温室气体排放量。而动态的碳排放量，则是指每单位货品累积排放的温室气体量，同一产品的各个批次之间会有不同的动态碳排放量。
目前，市面上已出现多种碳排放预测方案。例如，申请号202211669812.6的中国专利公开了一种基于多智能体模拟的建筑碳排放预测方法，包括：构建多智能体模型，并对所述多智能体模型进行初始化；建立所述设备智能体的碳排放计算模型；建立环境智能体的热/冷负荷计算模型；建立人员智能体的用能行为模型；建立建筑碳排放计算模型；利用所述多智能体模型、设备智能体的碳排放计算模型、环境智能体的热/冷负荷计算模型、人员智能体的用能行为模型和建筑碳排放计算模型进行建筑碳排放预测模拟，得到不同时间段建筑不同房间及建筑总体碳排放量。
该方案主要是基于多种模型进行碳排放预测。但是，该方案并不涉及达峰情景，从而会导致预测结果不够准确。
发明内容
针对背景技术中所提及的技术缺陷，本发明实施例的目的在于提供一种基于达峰情景的碳排放管理方法及系统。
为实现上述目的，第一方面，本发明实施例提供了一种基于达峰情景的碳排放管理方法，包括：
数据获取步骤：通过智慧能源综合服务平台获取采集数据和录入数据，通过城市大脑获取归集数据；
碳排放测算步骤：根据所述采集数据、录入数据和归集数据，针对能源、工业、建筑、交通、农业及居民生活六大碳消费领域，进行碳排放测算，得到测算结果；
碳排放轨迹预测步骤：根据所述测算结果及各大碳消费领域的达峰情景进行碳排放轨迹预测，得到预测结果。
作为本申请的一种具体实现方式，所述采集数据为电力数据，获取采集数据具体为：
建立电力接入站点与智慧能源综合服务平台之间的通讯；
通过所述智慧能源综合服务平台从多个电力接入站点处获取所述电力数据。
其中，所述录入数据为不可采集且在城市大脑数据编目之外的各类综合数据，所述智慧能源综合服务平台提供录入界面，通过所述录入界面人工录入所述综合数据。
作为本申请的一种具体实现方式，采用市域环保监测测算算法或基于省域电力优化配置测算算法进行碳排放测算；
其中，市域环保监测测算算法为：以市域为边界，本市二氧化碳排放总量由分部门的能源活动直接二氧化碳排放量与电力调入调出间接二氧化碳排放量加总得到；
基于省域电力优化配置测算算法为：
S1，本地零碳做贡献：本地零碳电源，包含水电(非统调)、风电、光伏、生物质等优先自平衡，总发电量Q0i；
S2，本地碳排算本地：非统调火电和自备火电产生的碳排放算在本地，总发电量Qfi，产生碳排放为Cfi＝sum(本地各品种发电量×各品种碳排因子)；
S3，统调碳排全省分：统调电厂和外来电产生的碳排放在全省层面按各地市分摊电量进行分摊；
S4：本地全社会用电量Qi，各地市参与分摊电量Qdi＝Qi－Q0i－Qfi，计算各地市电力碳排：
作为本申请的一种优选实现方式，所述碳排放管理方法还包括：
报告形成及推送步骤：根据所述预测结果生成分析报告，并将所述分析报告推送至各相关部门。
第二方面，本发明实施例提供了一种基于达峰情景的碳排放管理系统，包括：
数据获取模块：通过智慧能源综合服务平台获取采集数据和录入数据，通过城市大脑获取归集数据；
碳排放测算模块：根据所述采集数据、录入数据和归集数据，针对能源、工业、建筑、交通、农业及居民生活六大碳消费领域，进行碳排放测算，得到测算结果；
碳排放轨迹预测模块：根据所述测算结果及各大碳消费领域的达峰情景进行碳排放轨迹预测，得到预测结果。
作为本申请的一种优选实现方式，该碳排放管理系统还包括：
报告模块，用于根据所述预测结果生成分析报告，并将所述分析报告推送至各相关部门。
本发明实施例提供的技术方案，根据获取的多种数据对六大碳消费领域进行碳排放测算，得到测算结果，并结合该测算结果和各大碳消费领域的达峰情景进行碳排放轨迹预测，从而可以提高预测结果的准确性。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。
图1是本发明实施例提供的基于达峰情景的碳排放管理方法的流程图；
图2是智慧能源综合服务平台架构图；
图3是不同情境下能源生产转换部门碳排放量预测图；
图4是萧山区2020-2060年各情景下工业分部门能源消费示意图；
图5是本发明实施例提供的基于达峰情景的碳排放管理系统的结构图。
具体实施方式
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。基于本发明中的实施例，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，都属于本发明保护的范围。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
请参考图1，本发明实施例提供的基于达峰情景的碳排放管理方法包括：
S101，数据获取步骤：通过智慧能源综合服务平台获取采集数据和录入数据，通过城市大脑获取归集数据。
在本实施例，以图2所示的智慧能源综合服务平台作为基础平台，其可提供账户权限系统、数据集成转换服务系统以及接口平台服务等基础功能。
采用智能能源综合服务平台可获取到如下数据：
(1)采集数据：采集数据主要至智慧能源综合服务平台真实接入站点的各种电力数据。在智慧能源综合服务平台有对应的企业和站点。该数据作为企业的用电能耗计算基础，更新和存储频次为15分钟。
(2)归集数据：即城市大脑归集数据，包括萧山全区所有企业的产值、增加值信息；原煤、天然气、液化天然气、汽油、柴油、热力、电力等能耗信息；企业名称、信用代码、所属区域、国标行业、地址、经纬度、建筑面积、联系人、联系方式等企业基本信息。系统更新存储频次为定时任务自动执行，每日一次。
(3)录入数据：不可采集且在城市大脑数据编目之外的各类综合数据。该部分数据由平台提供专属录入界面录入平台。更新和存储频次按照使用场景分为每月录入一次或者每年录入一次。
S102，碳排放测算步骤：根据所述采集数据、录入数据和归集数据，针对能源、工业、建筑、交通、农业及居民生活六大碳消费领域，进行碳排放测算，得到测算结果。
本实施例中，主要采用市域环保监测测算算法或基于省域电力优化配置测算算法进行碳排放测算。
其中，市域环保监测测算算法为：
以市域为边界，本市二氧化碳排放总量由分部门的能源活动直接二氧化碳排放量与电力调入调出间接二氧化碳排放量加总得到。因此，地市电力碳排为本市全口径发电产生的碳排加上电力调入调出间接产生的碳排：
CO2,电力＝CO2,全口径发电+CO2,电力调入调出
电力净调出排放(发电量大于用电量)＝(总用电量-总发电量)×单位发电量二氧化碳排放
电力净调入排放(发电量小于用电量)＝(总用电量-总发电量)×省级电网排放因子
基于省域电力优化配置测算算法按照“本地零碳做贡献、本地碳排算本地、统调碳排全省分”的三层分解思路计算地市电力碳排放：
S1，本地零碳做贡献：本地零碳电源，包含水电(非统调)、风电、光伏、生物质等优先自平衡，总发电量Q0i；
S2，本地碳排算本地：非统调火电和自备火电产生的碳排放算在本地，总发电量Qfi，产生碳排放为Cfi＝sum(本地各品种发电量×各品种碳排因子)；
S3，统调碳排全省分：统调电厂(水、抽搐、核、煤、油、气)和外来电产生的碳排放在全省层面按各地市分摊电量进行分摊；统调电厂产生碳排放为Ct＝sum(统调各品种发电量*各品种碳排因子)；
S4：本地全社会用电量Qi，各地市参与分摊电量Qdi＝Qi－Q0i－Qfi，计算各地市电力碳排：
S103，碳排放轨迹预测步骤：根据所述测算结果及各大碳消费领域的达峰情景进行碳排放轨迹预测，得到预测结果。
本实施例中，以杭州市萧山区为例，针对能源及工业两大碳消费领域进行碳排放轨迹预测描述：
一、能源碳排路径预测
从能源生产现状看，萧山区热力生产主要依消耗燃煤和天然气，而电力供应以外调电为主，94.08％的电力为外调电，外调电中以火电为主，外调火电占比71.35％，外调清洁化电力主要为水电、核电。本地发电中火电为主多种新能源发电共存。萧山区本地火电厂发电8.73亿千瓦时，平均利用712小时，供电标准煤耗230.67克/千瓦时，综合厂用电率2.99％。萧山区光伏装机容量近几年不断增长，2016年装机容量仅为42MW，2020年增长到214.55MW占比0.85％，2019年投入使用餐厨生物能源利用项目，装机容量3.2MW，发电量678.80万度，占发电量0.03％。
本实施例采用情景分析法，设置基础、中等和高等三个情景。根据历年来的萧山区煤炭、油气、电力和热力需求量规模、能源强度以及能源结构变化情况，设定不同情景的能源驱动力，得出能源转型对于萧山区能源加工转换部门的驱动效果，将2019年作为模型的计算基年，针对未来不同的技术和政策发展可能分别设定了不同情景，划分依据如下表1：
表1：情景参数设置
三种不同情景下，未来的碳排放趋势如图3所示：
基准情景下，碳排放持续增长，从2020年的655万吨二氧化碳当量增长到2026年的768万吨二氧化碳当量，达到峰值，随后保持在峰值持续到2036年左右才开始迅速下降，2060年排放降低至553万吨二氧化碳；
中等情境下，2023年的686万吨二氧化碳当量达到峰值，随后在2023-2032年期间下降速度缓慢，2032年后快速下降，排放降低至2060年的260万吨二氧化碳当量；
高等情景下，2021年的669万吨二氧化碳当量达到峰值，随后排放降低至2060年的141万吨二氧化碳当量。
二、工业碳排路径预测
工业部分中综合考虑增加值和能源消费情况，结合统计年鉴中萧山六大主导行业划分，本研究将萧山区的工业部门分为纺织业、化学纤维制造业、化学原料和化学制品制造业、黑色金属冶炼和压延加工业、橡胶和塑料制品业、电气机械和器材制造业、通用设备制造业、汽车制造业、金属制品业、其他工业十个组成部分，具体每个部门包含细分工业如表2：
表2：工业部分LEAP模型行业分类
由于萧山区工业部门的能源消费和二氧化碳排放受很多因素的影响，用情景分析方法，设置如表3的三种情景：基础情景，中等情景，高等情景。情景的设置的核心是能源转型对萧山区工业部门的驱动作用，主要划分依据是能源消费结构的调整，能源效率的提升，能源规划政策的执行。
表3：情景参数设定与描述
三种不同情景下，未来的碳排放趋势如图4所示，从图中可以看出，萧山区纺织业、化学纤维制造业、汽车制造业、其他工业为能源需求较大的行业。
基准情景下：高能耗行业能源消费占比逐年减少，从2020年的87％下降至2035年的78％，随后又缓慢上升至2060年的81％，而电气机械和器材制造业等高新技术行业能耗占比逐年上升，由2020年的3％增长至2060年的14％。
中等情景下：工业部门分行业能源消费量，高能耗行业能源消费占比逐年减少，从2020年的87％下降至2035年的78％，随后又缓慢上升至2060年的81％；电气机械和器材制造业等高新技术行业能耗占比逐年上升，由2020年的3％增长至2060年的14％，变化趋势与基准情景相近。
高等情景下：工业部门分行业能源消费量，高能耗行业能源消费占比逐年减少，从2020年的87％下降至2035年的78％，随后又缓慢上升至2060年的85％。电气机械和器材制造业等高新技术行业能耗占比逐年上升，由2020年的3％增长至2060年的11％。
S104，报告形成及推送步骤：根据所述预测结果生成分析报告，并将所述分析报告推送至各相关部门。
具体地，根据前述预测结果生成分析报告，并将其推送至各相关部门，使得相关部门可基于该分析报告进行参考研究，以为各大碳消费领域的发展提出建议。
从以上描述可以得知，本发明实施例提供的技术方案，根据获取的多种数据对六大碳消费领域进行碳排放测算，得到测算结果，并结合该测算结果和各大碳消费领域的达峰情景进行碳排放轨迹预测，从而可以提高预测结果的准确性，也填补了现有碳排放预测方案的空白。
基于相同的发明构思，如图5所示，本发明实施例提供了一种基于达峰情景的碳排放管理系统，包括：
数据获取模块：通过智慧能源综合服务平台获取采集数据和录入数据，通过城市大脑获取归集数据；
碳排放测算模块：根据所述采集数据、录入数据和归集数据，针对能源、工业、建筑、交通、农业及居民生活六大碳消费领域，进行碳排放测算，得到测算结果；
碳排放轨迹预测模块：根据所述测算结果及各大碳消费领域的达峰情景进行碳排放轨迹预测，得到预测结果；
报告模块，用于根据所述预测结果生成分析报告，并将所述分析报告推送至各相关部门。
其中，所述采集数据为电力数据，获取采集数据具体为：
建立电力接入站点与智慧能源综合服务平台之间的通讯；
通过所述智慧能源综合服务平台从多个电力接入站点处获取所述电力数据。
其中，所述录入数据为不可采集且在城市大脑数据编目之外的各类综合数据，所述智慧能源综合服务平台提供录入界面，通过所述录入界面人工录入所述综合数据。
具体地，所述碳排放测算模块采用市域环保监测测算算法或基于省域电力优化配置测算算法进行碳排放测算；
其中，市域环保监测测算算法为：以市域为边界，本市二氧化碳排放总量由分部门的能源活动直接二氧化碳排放量与电力调入调出间接二氧化碳排放量加总得到；
基于省域电力优化配置测算算法为：
S1，本地零碳做贡献：本地零碳电源，包含水电(非统调)、风电、光伏、生物质等优先自平衡，总发电量Q0i；
S2，本地碳排算本地：非统调火电和自备火电产生的碳排放算在本地，总发电量Qfi，产生碳排放为Cfi＝sum(本地各品种发电量×各品种碳排因子)；
S3，统调碳排全省分：统调电厂和外来电产生的碳排放在全省层面按各地市分摊电量进行分摊；
S4：本地全社会用电量Qi，各地市参与分摊电量Qdi＝Qi－Q0i－Qfi，计算各地市电力碳排：
需要说明的是，关于碳排放管理系统的具体工作流程，请参考前述方法实施例，在此不再赘述。
以上所述，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，可轻易想到各种等效的修改或替换，这些修改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 (10)
1.一种基于达峰情景的碳排放管理方法，其特征在于，包括：
数据获取步骤：通过智慧能源综合服务平台获取采集数据和录入数据，通过城市大脑获取归集数据；
碳排放测算步骤：根据所述采集数据、录入数据和归集数据，针对能源、工业、建筑、交通、农业及居民生活六大碳消费领域，进行碳排放测算，得到测算结果；
碳排放轨迹预测步骤：根据所述测算结果及各大碳消费领域的达峰情景进行碳排放轨迹预测，得到预测结果。
2.如权利要求1所述的碳排放管理方法，其特征在于，所述采集数据为电力数据，获取采集数据具体为：
建立电力接入站点与智慧能源综合服务平台之间的通讯；
通过所述智慧能源综合服务平台从多个电力接入站点处获取所述电力数据。
3.如权利要求1所述的碳排放管理方法，其特征在于，所述录入数据为不可采集且在城市大脑数据编目之外的各类综合数据，所述智慧能源综合服务平台提供录入界面，通过所述录入界面人工录入所述综合数据。
4.如权利要求1所述的碳排放管理方法，其特征在于，采用市域环保监测测算算法或基于省域电力优化配置测算算法进行碳排放测算；
其中，市域环保监测测算算法为：以市域为边界，本市二氧化碳排放总量由分部门的能源活动直接二氧化碳排放量与电力调入调出间接二氧化碳排放量加总得到；
基于省域电力优化配置测算算法为：
S1，本地零碳做贡献：本地零碳电源，包含非统调的水电、风电、光伏企业的总发电量Q0i；
S2，本地碳排算本地：非统调火电和自备火电产生的碳排放算在本地，总发电量Qfi，产生碳排放为Cfi＝sum(本地各品种发电量×各品种碳排因子)；
S3，统调碳排全省分：统调电厂和外来电产生的碳排放在全省层面按各地市分摊电量进行分摊；
S4：本地全社会用电量Qi：各地市参与分摊电量Qdi＝Qi－Q0i－Qfi，计算各地市电力碳排：
5.如权利要求1-4任一项所述的碳排放管理方法，其特征在于，所述碳排放管理方法还包括：
报告形成及推送步骤：根据所述预测结果生成分析报告，并将所述分析报告推送至各相关部门。
6.一种基于达峰情景的碳排放管理系统，其特征在于，包括：
数据获取模块：通过智慧能源综合服务平台获取采集数据和录入数据，通过城市大脑获取归集数据；
碳排放测算模块：根据所述采集数据、录入数据和归集数据，针对能源、工业、建筑、交通、农业及居民生活六大碳消费领域，进行碳排放测算，得到测算结果；
碳排放轨迹预测模块：根据所述测算结果及各大碳消费领域的达峰情景进行碳排放轨迹预测，得到预测结果。
7.如权利要求6所述的碳排放管理系统，其特征在于，所述采集数据为电力数据，所述数据获取模块具体用于：
建立电力接入站点与智慧能源综合服务平台之间的通讯；
通过所述智慧能源综合服务平台从多个电力接入站点处获取所述电力数据。
8.如权利要求6所述的碳排放管理系统，其特征在于，所述录入数据为不可采集且在城市大脑数据编目之外的各类综合数据，所述智慧能源综合服务平台提供录入界面，通过所述录入界面人工录入所述综合数据。
9.如权利要求5所述的碳排放管理系统，其特征在于，所述碳排放测算模块采用市域环保监测测算算法或基于省域电力优化配置测算算法进行碳排放测算；
其中，市域环保监测测算算法为：以市域为边界，本市二氧化碳排放总量由分部门的能源活动直接二氧化碳排放量与电力调入调出间接二氧化碳排放量加总得到；
基于省域电力优化配置测算算法为：
S1，本地零碳做贡献：本地零碳电源，包含非统调的水电、风电、光伏企业的总发电量Q0i；
S2，本地碳排算本地：非统调火电和自备火电产生的碳排放算在本地，总发电量Qfi，产生碳排放为Cfi＝sum(本地各品种发电量×各品种碳排因子)；
S3，统调碳排全省分：统调电厂和外来电产生的碳排放在全省层面按各地市分摊电量进行分摊；
S4：本地全社会用电量Qi，各地市参与分摊电量Qdi＝Qi－Q0i－Qfi，计算各地市电力碳排：
10.如权利要求5-9任一项所述的碳排放管理系统，其特征在于，还包括报告模块，用于：
根据所述预测结果生成分析报告，并将所述分析报告推送至各相关部门。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310635897.4A CN116822717A (zh) | 2023-05-31 | 2023-05-31 | 一种基于达峰情景的碳排放管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310635897.4A CN116822717A (zh) | 2023-05-31 | 2023-05-31 | 一种基于达峰情景的碳排放管理方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116822717A true CN116822717A (zh) | 2023-09-29 |
Family
ID=88113670
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310635897.4A Pending CN116822717A (zh) | 2023-05-31 | 2023-05-31 | 一种基于达峰情景的碳排放管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116822717A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117973587A (zh) * | 2023-11-27 | 2024-05-03 | 天津大学 | 一种园区碳排放的预测方法及系统 |
-
2023
- 2023-05-31 CN CN202310635897.4A patent/CN116822717A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117973587A (zh) * | 2023-11-27 | 2024-05-03 | 天津大学 | 一种园区碳排放的预测方法及系统 |
| CN117973587B (zh) * | 2023-11-27 | 2024-08-13 | 天津大学 | 一种园区碳排放的预测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen et al. | Pathway toward carbon-neutral electrical systems in China by mid-century with negative CO2 abatement costs informed by high-resolution modeling | |
| Xu et al. | Greenhouse gas emissions of electric vehicles in Europe considering different charging strategies | |
| Liang et al. | Material requirements for low-carbon energy technologies: a quantitative review | |
| CN111291963B (zh) | 一种协调经济性与可靠性的园区综合能源系统规划方法 | |
| Hong et al. | The importance of flexible power plant operation for Jiangsu's wind integration | |
| Hart et al. | The carbon abatement potential of high penetration intermittent renewables | |
| Dwivedi et al. | Assessment of Appropriate Renewable Energy Resources for India using Entropy and WASPAS Techniques | |
| Wu et al. | Decentralised energy and its performance assessment models | |
| CN104123596A (zh) | 一种考虑可再生能源的电源优化规划方法 | |
| CN116822717A (zh) | 一种基于达峰情景的碳排放管理方法及系统 | |
| Rajbhandari et al. | Energy consumption and scenario analysis of residential sector using optimization model–A case of Kathmandu Valley | |
| Thie et al. | Requirements for integrated planning of multi-energy systems | |
| Al Matin et al. | LCOE analysis for grid-connected pv systems of utility scale across selected ASEAN countries | |
| Emblemsvåg | On the levelised cost of energy of solar photovoltaics | |
| Zhang et al. | Economic analysis of hydrogen production from China’s province-level power grid considering carbon emissions | |
| Calitz et al. | The system value of optimized battery electric vehicle charging: a case study in South Africa | |
| Gyanwali et al. | Power sector analysis of the BBIN sub‐region with a spatially disaggregated dynamic power generation mix model | |
| CN117649119A (zh) | 基于vcg理论的清洁能源碳减排价值评估方法 | |
| Yan et al. | How to choose mobile energy storage or fixed energy storage in high proportion renewable energy scenarios: Evidence in China | |
| Álvarez-Piñeiro et al. | Formulation of best estimate plus uncertainty methodologies for economy decarbonization in high-energy-demand isolated systems: Canary Islands forecasts for 2040 | |
| Pamfile et al. | Energy transition: how solar PV would shape the final household electricity consumption. An economic analysis on sizing, integration and risk of prosumer energy systems | |
| Corbus et al. | Eastern wind integration and transmission study--preliminary findings | |
| Zhang et al. | An integrated assessment of China’s wind energy potential | |
| Zhang et al. | Analytics and Optimization for Renewable Energy Integration | |
| Ming et al. | Towards the prospect of carbon-neutral power system 2060: A Power-Meteorology-Society systematic view |
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 |